Ausblick 2017: Die Zukunft der Graphtechnologie

Markt für Datenbanken steht vor Konsolidierung und weiterer Fragmentierung.

grafik neo4j graph datenbank connections

grafik neo4j

Key-Value-Datenbanken, Dokumentendatenbanken, spaltenorientierten Datenbanken oder Graphdatenbanken – NoSQL-Datenbanken haben sich in den letzten Jahren als vielversprechende Alternative zu relationalen Datenbanken etabliert. DB Engines zählt über 300 verschiedene Varianten nicht-relationaler Datenbanken – von Nischenlösungen bis hin zu Mainstreamtechnologien. Der Trend offenbart die immense Nachfrage nach Lösungen, die es Unternehmen ermöglichen, Anwendungen der nächsten Generation zu entwickeln.

Angesichts des steigenden Wettbewerbs ist in den kommenden Jahren mit einer starken Konsolidierung in der Branche zu rechnen. »Wir stehen vor einem Umbruch im Bereich Datenbanken«, so Emil Eifrem, CEO und Mitgründer von Neo Technology, Entwickler der Graphdatenbank Neo4j. »In fünf Jahren wird sich der Markt vollkommen verändert haben. Als natürliche Folge des derzeit starken Wettbewerbs wird es nur noch eine Handvoll ausgewählter Datenbanken geben – diese werden Wirtschaft und Unternehmen jedoch entscheidend verändern.«

Bis 2020 sieht Eifrem eine weitere Fragmentierung des Marktes in drei wesentliche Segmente:

  1. Relationale Datenbanken

Ein Ende der relationalen Datenbanken ist nicht in Sicht. Auch ohne große Wachstumssprünge sind und bleiben die relationalen Systeme die dominante Technologie im Markt. Als Standardlösungen in der Datenbankwelt genießen sie eine starke Verbreitung und können auf unzählige Anwendungen und Einsatzbereiche zurückblicken.

  1. NoSQL-Datenbanken – Tier 1

Die größte Konsolidierung findet im Bereich der NoSQL-Datenbanken statt. Hier wird die Zahl der Anbieter auf wenige Marktführer schrumpfen. Bereits etabliert haben sich zum Beispiel MongoDB bei Dokumentendatenbanken, Redis bei Key-Value-Datenbanken, Cassandra bei spaltenorientierten Datenbanken und Neo4j bei Graphdatenbanken. Auch wenn jeder dieser Anbieter über ein eigenes natives Datenmodell verfügt, werden sie zusätzlich sekundäre Funktionalitäten für andere Modelle anbieten. Die Folge davon sind Überschneidungen bei Anwendungsfällen sowie eine verschärfte Wettbewerbssituation innerhalb dieses Segments.

  1. NoSQL-Datenbanken – Nischenlösungen/Tier 2

Neben den großen Marktführern werden sich auch auf Nischenmärkte fokussierte NoSQL-Datenbanken durchsetzen – darunter Datenmodelle für Geodaten (Geospatial) oder Zeitreihen-Datenbanken. Obwohl ihr Einfluss auf den Massenmarkt eingeschränkt ist, besetzen sie ein wichtiges Marktsegment.

Wachstum Graphtechnologie

Innerhalb der NoSQL-Datenbanken haben sich vor allem Graphdatenbanken in den letzten Jahren stark verbreitet. Sie zählen laut DB-Engines zu den am schnellsten wachsenden Datenbanktypen der letzten drei Jahre. Die enorme Dynamik hinter diesem Wachstum erklärt sich durch die zunehmende Bedeutung und den Wert, den Unternehmen aus den Beziehungen zwischen den Daten ziehen können. In einer vernetzten Welt mit einer stetig wachsenden Anzahl an Geräten und Usern entwickelt sich Graphtechnologie so zu einem wettbewerbsentscheidenden Faktor.

»Unternehmen aller Branchen nutzen Graphdatenbanken bereits, um aus ihren Daten echten Mehrwert zu schöpfen – ob in der Supply Chain, CRM, Marketing, Logistik oder Kundenservice«, so Eifrem. »Sie alle haben erkannt, dass sie mit der Vernetzung ihrer Daten nicht nur an Effizienz gewinnen, sondern auch ihre Profitabilität steigern. Daher bin ich überzeugt, dass sich Graphdatenbanken innerhalb der nächsten Jahre zum Unternehmensstandard eines jeden Fortune 500 Unternehmens entwickeln.«

White Paper: The Power of Graph-Based Search. https://neo4j.com/resources/graph-based-search-white-paper/

 

Hier folgt eine kleine Auswahl an Fachbeiträgen und Statistiken die zu diesem Thema passen. Geben Sie in der »Artikelsuche…« rechts oben Ihre Suchbegriffe ein und lassen sich überraschen, welche weiteren Treffer Sie auf unserer Webseite finden.

Diese Auswahl wurde von Menschen getroffen und nicht von Algorithmen.

 

Darum muss auch die Datenbank besser geschützt werden

Einmal Datensee und zurück: relationale Datenbank und polystrukturierte Daten

Interview zu aktiven Wissensdatenbanken – Kontext-Wissen entlang der Service-Prozesse

Trend zu mehr Open-Source-basierten Datenbanken

Automatisiertes Housekeeping lässt Datenbank um 25 Prozent schrumpfen

Datenbanken und Datenmanagement im deutschen Big-Data-Markt

Fachkräftemangel? Immer mehr Arbeitgeber setzen auf Selbsthilfe

IT-Services-Preisdatenbank 2016: Die Kosten für IT-Dienstleistungen

6 Big-Data-Prognosen für das Jahr 2017

Substituierbarkeitspotenzial: Digitalisierung macht ITler arbeitslos