23 Rennen, 21 Länder rund um den Globus und Geschwindigkeiten von bis zu 400 km/h: Die Formel 1 ist ein Sport wie kein anderer. Doch viele der Rennteams stehen denselben Herausforderungen gegenüber wie andere Unternehmen, insbesondere im Hinblick auf Daten und Analysen. Werfen Sie einen Blick hinter die Kulissen auf die Erfolgsformel von McLaren Racing für Analysen und F&E an und holen Sie sich Tipps für die Optimierung Ihrer eigenen Analysen.
Wie sieht der Analyseprozess bei McLaren Racing aus?
Die Data Science-Abteilung stellt anderen Teams Tools und Advanced Analytics-Funktionen zur Verfügung, damit Fachexpertinnen und -experten ihre eigenen Analysen durchführen können. Das technische Team und die Renningenieurinnen und Renningenieure sehen sich Fahrerdaten an, Expertinnen und Experten für Fahrzeugdynamik analysieren Aufhängung und Reifen, und Strategen und Strateginnen befassen sich mit der Spieltheorie und dem Zusammenspiel mit anderen Teams. Es ist unglaublich leistungsstark, wenn Fachexpertinnen und -experten Self-Service-Umgebungen zur Verfügung haben, in denen sie auf Daten zugreifen und sie untersuchen können. Das hilft ihnen, schnell und einfach Antworten zu finden, und entlastet Data Scientists, die stattdessen über das nächste hochmoderne Tool nachdenken können, das wir entwickeln können, um die Effektivität zu steigern.
Wie geht McLaren Racing bei der Modellierung vor?
Wir erstellen Modelle des Fahrzeugs, die Belastungs- und Strukturtests unterzogen werden, um sicherzustellen, dass das Fahrzeug den zu erwartenden Temperaturen und Kräften standhalten kann. Zu den Simulationen gehören numerische Strömungsmechanik, Aerodynamik und Runden auf allen Strecken. All das passiert jedoch virtuell. Wenn das Fahrzeug auf der Rennstrecke getestet wird, können große Abweichungen von den Erwartungen auftreten.
Wir haben festgestellt, dass die einfacheren Modelle oft leistungsstärker sind als komplizierte Modelle. Einfachere Modelle helfen uns, bessere Lösungen zu finden, da wir besser verstehen können, warum ein Modell auf eine bestimmte Weise reagiert.
Wir verbessern unsere Modelle, indem wir uns mit den Fachexpertinnen und -experten austauschen, die die Modelle verwenden oder die Ergebnisse interpretieren werden, um herauszufinden, welche Tools sie benötigen.
Welche Erkenntnisse haben Sie aus Analysen gewonnen?
Obwohl wir die Formel 1 sind, sehen wir uns mit vielen der Herausforderungen konfrontiert, die alle Unternehmen beispielsweise mit der Pflege einer Datenkultur haben.
Wir haben festgestellt, dass alle Beteiligten die Bedeutung und die potenziellen Auswirkungen von Data Science, Analytics und Machine Learning verstehen und schätzen müssen, damit Data Science im gesamten Unternehmen funktioniert.
Als F&E-Branche müssen wir auch ein Gleichgewicht zwischen kurzfristigen Projekten und langfristigen F&E-Projekten herstellen. Viele der Initiativen, die wir ausprobieren, werden nicht funktionieren, oder wenn sie funktionieren, bringen sie möglicherweise nicht genug Nutzen für uns, um sie weiterzuverfolgen. Wir führen viele kurzfristige experimentelle Projekte durch, bevor wir uns an längere Projekte wagen, die das Verfassen schneller Skripte, das Testen der Daten und den Versuch beinhalten, Ergebnisse zu reproduzieren. Wir haben kein großes Data Science-Team, daher achten wir genau darauf, wie wir diese Ressource aufwenden.
In welchen Bereichen außerhalb des Rennsports verwendet McLaren Daten?
Unser CEO Zak Brown sagt oft, dass McLaren Racing auf drei Säulen basiert: unseren Fans, Partnern und Beschäftigten. Für alle drei dieser Säulen nutzen wir Analytics.
Die Einbindung der Fans ist entscheidend, denn ohne Fans gäbe es die Formel 1 nicht. Wir möchten daher stets sicherstellen, dass sich unsere Fans eingebunden fühlen und Zugang zum Team, unseren sozialen Medien und Veranstaltungen haben. Wir bemühen uns auch, gut mit unseren Partnern zusammenzuarbeiten und sicherzustellen, dass beide Seiten von der Zusammenarbeit profitieren.
Und innerhalb unseres eigenen Teams möchten wir, dass sich die Beschäftigten wertgeschätzt fühlen. Wir nutzen Analytics, um die Stimmung im Team zu erfassen. Das Verständnis unseres eigenen Teams ist genauso wichtig wie das Verständnis des Rennwagens. Wir hätten keinen schnellen Rennwagen ohne ein Team, das im Hintergrund gut zusammenarbeitet.
In den letzten Jahren haben wir gesehen, wie positiv sich die Berücksichtigung dieser drei Säulen auf die Rennleistung ausgewirkt hat. Selbst wenn sie nicht direkt daran beteiligt sind, das Fahrzeug schneller zu machen, haben sie doch einen großen Einfluss auf die gesamte Entwicklung des Teams.