Um mit neuen Anwendungen Mehrwert zu generieren, sind Daten heute. Dabei müssen Unternehmen existierende Bestandsdaten mit Daten aus Echtzeit-Aktionen kombinieren – dies ist einer der Gründe, warum der Datenbank- und Analysemarkt auf fast 200 Milliarden US-Dollar geschätzt wird.
Die Wirtschaft erholt sich nach dem Schock der Pandemie aktuell schneller als gedacht. Im Zuge dessen stocken auch die Unternehmen ihre IT-Budgets wieder auf. Im kommenden Jahr werden diese voraussichtlich wieder das Niveau von 2019 erreichen, da die Initiativen zur Beschleunigung der digitalen Transformation in den vergangenen eineinhalb Jahren an Fahrt aufgenommen haben. Laut Statista wird erwartet, dass der Umsatz bei Unternehmenssoftware bis 2026 eine jährliche Wachstumsrate von 8,74% aufweist. Zu dieser Kategorie gehören auch Investitionen in Datenbanken sowie Lösungen und Werkzeuge für Bereiche wie Analytics und Business Intelligence. Momentane Schätzungen des Marktes in diesem Segment liegen bei mehr als 200 Milliarden US-Dollar. Es sieht also ganz danach aus, dass die beschleunigte digitale Transformation mögliche negativen Auswirkungen der Pandemie auf die IT-Ausgaben abzumildern vermag.
Die Wertschöpfung aus Daten ist eine wichtige Grundlage für die Verbesserung der Geschäftsergebnisse. Inzwischen sind hier zwei Arten von Informationen zu unterscheiden: Was passiert gerade und was war in der Vergangenheit. Beide sind wichtig. Es ist unerheblich, ob die oben genannte Wertschöpfung nun aus Echtzeit-Ereignissen (zum Beispiel Kunden, die mit ihrem iPhone im Internet surfen) oder aus historischen Datenquellen (vorhandene Kundendatensätze in Datenbanken) stammt.
Im Zuge der Digitalisierung hat sich hier eine neue Kennzahl herauskristallisiert hat: die Echtzeit. Einem Bericht von Forrester Consulting zufolge glauben mehr als 80 % der Führungskräfte an die Notwendigkeit von Echtzeit-Entscheidungen auf der Grundlage sofortiger Einblicke in Ereignisse und Marktbedingungen.
Prinzipiell entstehen alle neuen Daten in Echtzeit. Und genau in diesem Moment stellen sie einen einzigartigen Wert dar: Sie geben darüber Auskunft, was gerade passiert. Dieser Wert ist Augenblicke später bereits überholt, weil die Daten ihre zeitbezogene Relevanz verlieren. Ab einer gewissen Zeitspanne sind die Informationen sogar vollkommen wertlos.
Und hier klafft leider eine große Lücke zwischen dem Wunsch nach Nutzung der Echtzeitdaten und der Realität. Mehr als zwei Drittel der von Forrester im Rahmen einer Studie befragten Führungskräfte gaben an, dass ihre Unternehmen nicht in der Lage sind, derart Daten-gestützte Erkenntnisse und Maßnahmen in Echtzeit zu gewinnen bzw. zu erarbeiten.
Daten-Tsunami überrollt die Unternehmen
Die Digitalisierung produziert eine riesige Menge an Echtzeitdaten. Sie strömen von Servern, Geräten, Sensoren und IoT-Geräten ein. Schätzungen zufolge fallen in den nächsten drei Jahren mehr Daten an als in den letzten 30 Jahren zusammen.
Führungskräfte haben ein großes Interesse daran, durch die Nutzung von Echtzeitdaten einen Mehrwert für ihr Unternehmen zu schaffen. Das ist allerdings einfacher gesagt als getan. Die meisten scheitern schon an der Überlastung mit immer neuen Daten. Eine Umfrage im Rahmen des Dell Technologies 2020 Digital Transformation Index belegt, dass 70% der befragten Führungskräfte sagen, ihr Unternehmen würde mehr Daten erzeugen, als es analysieren oder verstehen könne.
Mit dieser Flut von Echtzeitdaten kommt eine riesige Herausforderung auf die Unternehmen zu, denn es entsteht eine neue Art von Datensilo. Die Verarbeitung von Echtzeitinformationen erfordert andere Technologien als die Verarbeitung gespeicherter Daten. Der Grund liegt im bereits erwähnten deutlichen Unterschied beider Typen.
Das folgende Beispiel soll den Sachverhalt noch mal verdeutlichen: Was nützt es, zu wissen, dass ein bestimmter Kunde gerade online einen Artikel auf der Webseite angesehen hat, wenn dieses Ereignis nicht sofort mit dem Kontext des Profils und der Historie dieses einzelnen Kunden kombiniert werden kann? Wie kann das finanzielle Risiko einer gerade erfolgten Finanzmarkttransaktion eingeordnet werden, wenn sich die Performance-Historie der Transaktion nicht mit jener der beteiligten Akteure kombinieren lässt? Wenn die Ereignisdaten eines Fertigungssensors eine gewisse Abweichung zeigen, wie kann dann der Bedarf an Präventivmaßnahmen beurteilt werden, ohne die jüngste Wartungshistorie zu kennen?
Genau diese Kombination von Echtzeitdaten und gespeicherten Daten aus früheren Vorfällen mit einer intelligenten Datenanalyse ermöglicht es z.B. in der Produktion Anomalien vorherzusagen und Lösungen zu initiieren. So lassen sich Maschinenausfälle oder Materialausschuss vermeiden. Auch die frühzeitige Erkennung von Leckagen oder steigendem Stromverbrauch ermöglicht die Einsparung von Ressourcen und Energie. Mit Begriffen wie Predictive Maintenance und Dynamic Manufacturing sind genau diese Technologien gemeint, mit denen Kosten gesenkt werden können.
Die Welt der Daten hat sich nachhaltig verändert. Die dominierende Rolle nehmen jetzt Echtzeitdaten ein. Gleichzeitig bleiben die reichhaltigen, kontextbezogenen Datenspeicher bestehen. Diese Herausforderung ist aber auch eine neue Chance. Die Veränderungen der Datenwelt bietet Unternehmen ein enormes Potenzial für die Schaffung wertvoller Geschäftsergebnisse – vorausgesetzt, die Daten werden richtig genutzt.
Neue Anforderung an Latenzzeit
Zurück zu den bisherigen Ansätzen in Sachen Informationen: An klassischen Datenbanken führt kein Weg vorbei. Sie sind quasi zwischen den Anwendungen und den historischen Daten angesiedelt.
Die Durchführung von Transaktionen und Abfragen auf Basis dieser gespeicherten Informationen ist ein Kinderspiel für diese Datenbanken. Allerdings stimmt dies nur für herkömmliche Anwendungen. Ihre Funktionalität als auch ihre Leistung ist für eine, in die Jahre gekommene Art der Datenverarbeitung entwickelt. Mit der Digitalisierung haben sich die Leistungsanforderungen geändert. Die zeitlichen Parameter passen nicht mehr und liegen eindeutig außerhalb der Fähigkeiten von klassischen Datenbankarchitekturen.
Zudem wurden Datenbanken nicht für die Verarbeitung von Echtzeitdaten konzipiert. Dabei spielt insbesondere der Transfer vom Entstehungsort zur weiteren Verarbeitung eine große Rolle. Dies müssen externe Systeme übernehmen. Die dazu notwendigen Schnittstellen verursachen zusätzlichen Aufwand inklusive Latenzzeit und letztere ist absolut kontraproduktiv für Echtzeitdaten. Selbst wenn es gelingt, mehrere Systeme zusammenzuschließen, ist die resultierende Architektur komplex. Damit ergeben sich komplett neue Herausforderungen bezüglich Betrieb, Wartung und Weiterentwicklung.
Das Ziel: Wertschöpfung in jeder Sekunde
Unternehmen haben einen wachsenden Bedarf, aus ihren Daten jederzeit einen Mehrwert generieren zu können. Dabei gilt es, die explosionsartige Zunahme neuer Daten mit kontextbezogenen Erkenntnissen aus herkömmlichen Datenspeichern zusammenführen. Darüber hinaus folgt noch deren Nutzung in Anwendungen mit geringer Latenzzeit. Ein erfolgversprechendes Werkzeug dafür ist Data Streaming.
Dabei handelt es sich um eine neue Kategorie von Datenverarbeitungs-Plattformen. Sie nutzt existierende Datenbanken und unterstützt gleichzeitig Anwendungen, die sowohl Echtzeit- als auch historische Daten verarbeitet. Diese gesamtheitliche Sicht erlaubt es den Unternehmen, entsprechende Maßnahmen abzuleiten und damit Werte zu schaffen.
Eine solche Multifunktions-Plattform umfasst eine sogenannte Streaming- Engine für die Aufnahme, Umwandlung, Verteilung und Synchronisierung von Daten. Um eine extrem niedrige Latenzzeit bei der Datenverarbeitung zu erreichen, eignet sich die In-Memory-Technologie: Eine verteilte Architektur bietet die besten Voraussetzungen für Skalierbarkeit und Ausfallsicherheit. So lassen sich Antworten im Bereich von weniger als einer Millisekunde liefern und parallel Millionen komplexer Transaktionen pro Sekunde durchführen.
Fazit:
Heute fallen weitaus mehr neue Daten an, als Unternehmen verarbeiten können. Um daraus die richtigen Erkenntnisse und damit die erhoffte Wertschöpfung generieren zu können, müssen diese Daten mit reichhaltigem Kontext aus Datenbanken kombiniert werden. Dies erfordert IT-Architekturen, die eine neue Datenverarbeitungsplattform enthalten. Echtzeit spielt hier eine wesentliche Rolle: zum einen bei den Daten an sich, aber auch bei der Lieferung von Erkenntnissen und entsprechenden Maßnahmen.
