cellcentricがR&D Data Hubで燃料電池データとAIエージェントを接続

Databricksは、燃料電池メーカーcellcentricが研究開発データをR&D Data Hubへ統合し、人とAIエージェントへ同じ文脈と権限で提供した事例を紹介しました。

要点

• Azure上のDatabricksとUnity Catalogを中核に、オンプレミスSQLはLakehouse Federationで参照し、Delta Sharingも利用します。
• Fuel Cell PassportはSAP S/4HANA、2つのMES、ラボDB、IoTテレメトリを7階層の製品構造へ結び付けます。
• 27のデータプロダクトを用意し、列コメントの平均カバー率90%を品質指標として追っています。
• 人向けのマーケットプレイス／ワークベンチと、エージェント向けMCPが同じデータ文脈と権限を利用します。

今回のブログ記事で語られていること

cellcentricはDaimler TruckとVolvo Groupの合弁企業で、商用車向け水素燃料電池を開発しています。研究、製造、試験、テレメトリのデータはSAP S/4HANA、2種類のMES、ラボデータベース、IoT系などへ分散し、同じ部品や試験を表す識別子と時間軸が一致しませんでした。そこでAzure上のDatabricksへR&D Data Hubを構築し、Unity Catalogを最初からガバナンスの中心に置きました。オンプレミスSQLはLakehouse Federationで参照し、共有にはDelta Sharing、配備にはDatabricksアセットバンドルを使います。

代表的なデータプロダクトがFuel Cell Passportです。燃料電池を7段階の製品階層で表し、各部品がいつ、どの状態で、どの試験や製造工程を通ったかを時間ベースのモデルで関連付けます。日次更新と品質検査を行い、研究者は装置、部品、試験結果、テレメトリを横断して調査できます。従来は複数チームから情報を集めて数週間かかった調査が数日へ短縮されたと紹介されています。これはモデルを追加した効果だけではなく、識別子、時間、有効状態、品質規則をデータプロダクトとしてそろえた結果です。

現在は27のデータプロダクトがあり、列コメントの平均カバー率90%を追っています。AIで説明文を補助しても、データエンジニアがレビューします。人はマーケットプレイスやワークベンチを使い、AIエージェントはMCP経由で同じ文脈へアクセスします。両者がUnity Catalogの権限を共有するため、エージェント専用の無管理なデータ経路を増やさない設計です。実務で参考になるのは、エージェント導入より先に、意味、所有者、品質、アクセス境界を整えた順序です。列コメント率は有用な代理指標ですが、説明の正確さや分析に十分な粒度まで保証するものではないため、利用状況と問い合わせの再発も併せて測る必要があります。

今回のブログ記事が関係する人

製造・研究開発のデータ責任者、データエンジニア、ラボやMESの統合担当、Unity Catalog管理者、業務エージェントへ社内データを提供するチームに関係します。

結局、今回のブログ記事をどう読むべきか

AIエージェントの前提を、モデルではなく信頼できる研究データの文脈として示す事例です。自社ではデータソース数よりも、共通ID、時間モデル、説明の所有者、エージェント権限を先に確認すると応用しやすいです。