Künstliche Intelligenz ermöglicht die Analyse von Informationen in hoher Geschwindigkeit – doch wie lässt sich die Technologie langfristig effizient nutzen? Im Gespräch mit »manage it« betont Jörg Tewes, CEO beim Nürnberger Anbieter von Hochleistungs-Analytics-Datenbanken Exasol, wie wichtig eine leistungsstarke, skalierbare Dateninfrastruktur für den erfolgreichen Einsatz von Data Analytics in Unternehmen ist.
Herr Tewes, wie sehen Sie die deutschen Unternehmen im Bereich Datennutzung aufgestellt – schöpfen sie den Wert ihrer Daten wirklich aus?
Eine Data-Analytics-Strategie zu haben und Daten als Grundlage für Geschäftsentscheidungen zu nutzen, ist heute für die Firmen nichts Neues mehr. Ich würde sagen, nahezu alle Unternehmen sind hier – unterschiedlich weit – unterwegs. Da sie sich mit einer kontinuierlich ansteigenden Datenflut konfrontiert sehen, verlagern sie außerdem mehr und mehr IT-Workloads in die Cloud. Allerdings gibt es vor allem im deutschsprachigen Raum eine Reihe von Branchen, wie das Finanzwesen oder den Gesundheitsbereich, für die es problematisch ist, personenbezogene oder geschäftskritische Daten in der Cloud zu speichern. Damit die Dateninitiativen dieser Unternehmen nicht schon im Ansatz stecken bleiben, muss es möglich sein, Daten nach Bedarf On-Premises, in mehreren Clouds oder in einer hybriden Umgebung zu verwalten. Diese Flexibilität hilft auch dabei, eine weitere große Herausforderung zu bewältigen: Unternehmen kommen immer schneller an den Punkt, dass die Dateninfrastruktur, die sie sich aufgebaut haben, nicht mehr zu ihren Anforderungen passt – hier brauchen sie die entsprechende Skalierbarkeit. Sind sie dann an einen bestimmten Anbieter oder ein System langfristig gebunden, bleiben entscheidende Weiterentwicklungen und Umstrukturierungen möglicherweise auf der Strecke.
Jörg Tewes,
CEO bei Exasol
Das heißt, Sie verfolgen bei Exasol keine Cloud-First-Strategie?
Einer unserer wichtigsten Sweet Spots ist die Prämisse, dass unsere Kunden Exasol flexibel in verschiedenen Umgebungen einsetzen können. Wir unterstützen die drei großen Cloud-Plattformen AWS, Google und Microsoft, bieten aber auch eine eigene SaaS-Lösung an. Wir geben den Unternehmen die Möglichkeit, frei zu entscheiden, wo sie ihre Daten verwalten möchten, On-Premises, in der Cloud oder einer hybriden Lösung, und, was ganz wichtig ist: Sie können jederzeit wechseln und auch frei kombinieren. Viele unserer Kunden haben nur einen Teil ihrer Daten im Rechenzentrum liegen und nutzen für schnelle und umfangreiche Datenanalysen die Cloud. Stark regulierte oder sensible Branchen wie das Gesundheitswesen oder Finance werden ihre sensibelsten Daten wahrscheinlich On-Premises aufbewahren. Aber auch sie könnten über weniger sensible Daten verfügen, die sie in die Cloud migrieren könnten, zum Beispiel nicht personalisierte Marketingdaten, und würden daher von einem hybriden Ansatz profitieren.
Wie wirkt es sich auf Datenprojekte aus, wenn IT-Budgets gekürzt werden?
Es stimmt, IT-Budgets werden in vielen Unternehmen knapper. Aber ich denke, man muss anders an die Frage herangehen: Daten werden künftig nicht mehr nur von Analytics-Teams und Data Scientists genutzt werden und können so in viel größerem Maß als bisher das Geschäft vorantreiben und auf die Wertschöpfung einzahlen. Die traditionellen Silos müssen aufbrechen, die unternehmensübergreifende Relevanz von Data Analytics muss erkannt werden. Exasol unterstützt diesen Wandel hin zum komplett datengesteuerten Unternehmen, indem wir etwa Datenabfragen in natürlicher Sprache anbieten. Auch Teams, die bislang nicht zu den Daten-Endusern zählten, gelangen so intuitiv und interaktiv zu datengetriebenen Entscheidungen.
Welche Entwicklungen sehen Sie noch auf uns zukommen – Stichwort Smart Cities und IoT?
Um in der intelligent vernetzten Stadt der Zukunft den Verkehr zu steuern oder die Energieversorgung zu optimieren, sind komplett neue Dimensionen von Datenmengen beziehungsweise deren Analyse nötig. Diese lassen sich nur mit hoch skalierbaren und extrem performanten Data-Analytics-Plattformen bewältigen. Die Datenbank von Exasol baut auf der In-Memory-Technologie auf und ist dadurch in der Lage, sowohl steigende Datenvolumen als auch strukturierte und unstrukturierte Daten aus unterschiedlichen Quellen für Analysen nahezu in Echtzeit zur Verfügung zu stellen.
Aber auch im Bereich Predictive Maintenance in der Industrie, also der vorausschauenden und nachhaltigen Wartung von Anlagen, spielen große und komplexe Datenmengen eine Rolle.
Was braucht eine Data-Analytics-Plattform, um für die Zukunft gewappnet zu sein?
Performanz, Skalierbarkeit und Kostentransparenz. Mit dem Thema künstliche Intelligenz hat die Datennutzung in Unternehmen eine ganz neue Komplexität erreicht. Die spannendste Frage, die unsere Kunden derzeit umtreibt, lautet: Wie kann eine wachsende Anzahl von Anwendern mit Hilfe von KI schneller und kostengünstiger zu tiefergehenden Entscheidungen kommen? An diesem Punkt kommt es darauf an, die richtige Technologie zu haben, die große Datenmengen in kurzer Zeit durchsuchen kann. Wir bieten hier als schnelle, skalierbare und vielseitige Abfrage-Engine Exasol Espresso an. Dabei handelt es sich um einen Acceleration Layer, der zwischen die zentralen Datenbanken und die verwendeten Business-Intelligence-Tools geschaltet wird. Innerhalb von Minuten lässt sich diese Beschleunigungsschicht in das bestehende Datenmanagementsystem integrieren. Dabei können Daten aus verschiedensten Quellen zusammengeführt werden. Die Unternehmen können ihre bestehenden Systeme weiter nutzen und gleichzeitig schnelle und umfassende Dateninsights gewinnen – ohne Umbau des Tech-Stacks und ohne versteckte Kosten.
Wo bringt Ihrer Meinung nach KI den Unternehmen den größten Mehrwert?
Unternehmen müssen sich jetzt darüber klar werden, wie sie KI künftig einsetzen wollen. Im Mittelpunkt steht dabei die Herausforderung – und das ist wohl die größte Revolution, die wir im nächsten Jahrzehnt erleben werden – wie sie komplexe Geschäftsprozesse und Entscheidungen datengetrieben und mit Hilfe von KI automatisieren, beschleunigen und verbessern können. Ein Beispiel aus der Praxis findet sich im Supply Chain Management. KI-Lösungen können hier basierend auf einer Vielzahl von Faktoren wie Verkaufszahlen, Lagerbeständen und Lieferketteninformationen präzise Planungen durchführen. Durch die Berechnung typischer Datenabfragen in Sekundenschnelle können Daten analysiert und Muster erkannt werden – etwa im Bereich Dynamic Pricing oder bei der Überwachung und Steuerung von Lieferketten. Durch diese neue Ebene der Datenleistung können mehr Anwender komplexere Fragen an größere Datenmengen stellen, um letztendlich Prozesse zu optimieren, neue Einnahmequellen zu identifizieren und fundierte Entscheidungen für ihr Unternehmen zu treffen – und das mit weniger Ressourcen und Kosten.
Als Veteran der Technologiebranche hat Jörg Tewes mehr als 30 Jahre Erfahrung darin, innovative Produkte auf den Markt zu bringen und das Wachstum von Unternehmen sowohl in den USA als auch in Europa zu steigern. Seit Januar 2023 ist er Chief Executive Office bei Exasol, Anbieter von Hochleistungs-Analyticsdatenbanken aus Nürnberg.
Illustration: © Login, Alesia Lys | shutterstock.com
319 Artikel zu „Analytic Datenbank“
NEWS | INFRASTRUKTUR | STRATEGIEN | AUSGABE 9-10-2023
Open-Source-Lösungen und Cloud-Services – Mit Vektordatenbanken gut aufgestellt in die KI-Ära einsteigen
Eine leistungsstarke Dateninfrastruktur ist einer Zeit der kontinuierlich steigenden Datenmengen unverzichtbar. Open-Source-Lösungen, die in Cloud-Betriebsmodellen bereitgestellt werden, gewinnen hier zunehmend an Bedeutung. Abhängig von den konkreten Anforderungen hinsichtlich Datenspeicherung, Streaming, Analyse, Suche oder Orchestrierung bieten sich unterschiedliche Lösungen an. Für den boomenden Sektor der KI-Anwendungen sind es Vektordatenbanken.
NEWS | BUSINESS INTELLIGENCE | LÖSUNGEN | SERVICES | AUSGABE 11-12-2022
Reibungslose, globale analytische Anwendungen in der Cloud – Data Analytics erfolgreich in die Cloud migrieren
Analytische Applikationen in der Cloud überzeugen durch unschlagbare Skalierbarkeit, Kostenvorteile und Sicherheit. Doch bei der Migration in die Cloud kann einiges schief gehen, wenn man die Best Practices nicht kennt.
NEWS | INFRASTRUKTUR | STRATEGIEN | AUSGABE 11-12-2020
Unified-Data-Analytics-Plattform – Databricks baut das Lakehouse fertig
Die Lakehouse-Architektur soll die Leistung von Data Warehouses mit der Wirtschaftlichkeit von Data Lakes kombinieren.
NEWS | KÜNSTLICHE INTELLIGENZ
Predictive Analytics und KI: 3 Anwendungsbeispiele im Unternehmen
Jeder würde gerne einen Blick in die Zukunft werfen, um Antworten auf drängende Fragen zu finden: »Werden Mitarbeiter mein Unternehmen verlassen?«, »Was möchten meine Kunden?« oder »Wie lange wird meine Anlage voll funktionsfähig bleiben?« Mit hellseherischen Fähigkeiten würde es uns leichter fallen, angemessen auf (unvorhersehbare) Ereignisse zu reagieren. Unmöglich ist es jedoch nicht: Die…
NEWS | BUSINESS | FAVORITEN DER REDAKTION | STRATEGIEN | AUSGABE 3-4-2020
Produktivitätszuwachs durch Software Analytics – Die größten Kostenfallen in der Softwareentwicklung und was man dagegen tun kann
Die New Economy der frühen 2000er kündigte sich noch mit einem Donnerschlag an – man denke nur an die Fintechs, die mit ihrer technologiegetriebenen Entwicklung angetreten sind, den Finanzsektor auf den Kopf zustellen. Weitgehend unbemerkt erreicht diese Revolution mittlerweile auch die traditionellen Branchen. So hat selbst Volkswagen angekündigt, seine Marke in Zukunft über die Software zu definieren, und bündelt dazu in der neuen Einheit »Car.Software« die Kompetenz von mehr als 5.000 Digitalexperten. Doch ganz gleich, wo man hinschaut: Von den hoch optimierten Produktionsprozessen der Industrie ist die Softwareentwicklung noch weit entfernt – und das, obwohl die größten Kostenfallen längst bekannt sind.
NEWS | BUSINESS | STRATEGIEN | AUSGABE 3-4-2020
Dank Advanced Analytics dem Kunden einen Schritt voraus
Die Bedeutung von Datenanalysten wird weiter zunehmen, Anwendungsbeispiele sind vielfältig. Mithilfe von künstlicher Intelligenz lassen sich beispielsweise Abwanderungspotenziale von Kunden frühzeitig identifizieren – und somit rechtzeitig verhindern. Ähnliches gilt für Bestandsprognosen, einen kosteneffizienten Lagerbetrieb und eine höhere Kundenzufriedenheit. Advanced Analytics kann Unternehmen also in vielerlei Hinsicht unterstützen.
NEWS | TRENDS INFRASTRUKTUR | INFRASTRUKTUR | TRENDS 2020
2020 viel Dynamik im Storage-Umfeld: Container, Analytics und KI zünden die nächste Stufe
Auch wenn Storage und Data Management sowie die damit verbundene Infrastruktur mittlerweile oft unter »Commodity« eingeordnet wird, so sieht Pure Storage auch in Zukunft hier ein erhebliches Potenzial für Unternehmen und deren Kunden. Für das Jahr 2020 geht Güner Aksoy, Director Central Europe bei Pure Storage von 6 wichtigen Entwicklungen aus, die direkte Auswirklungen auf…
NEWS | SERVICES | STRATEGIEN | AUSGABE 11-12-2019
Wissen in Datenbanken entdecken – 5 Mythen rund um Data Mining
Data Mining ist kompliziert, ein vorübergehender Trend, benötigt enormes Fachwissen, erfordert riesige Datenbanken und eignet sich zudem nur für bestimmte Branchen. Alles Vorurteile, die leicht zu revidieren sind.
NEWS | BUSINESS | BUSINESS INTELLIGENCE | BUSINESS PROCESS MANAGEMENT | CLOUD COMPUTING | TRENDS CLOUD COMPUTING | DIGITALISIERUNG | TRENDS SERVICES | FAVORITEN DER REDAKTION | TRENDS 2020 | KÜNSTLICHE INTELLIGENZ
Analytics reicht nicht mehr aus: Top-Trends im Big-Data-Umfeld 2020
Wide Data, DataOps, Metadaten-Kataloge, Datenkompetenz und Shazamen sind die wichtigsten Trends im kommenden Jahr. Für 2020 hat der Data-Analyst-Spezialist Qlik folgende fünf Trends im Zusammenhang mit Big Data und Analytics identifiziert: Aus Big Data wird Wide Data Dank skalierbarer Cloud-Lösungen sind in Big-Data-Umgebungen nicht länger die Kapazitätslimits unternehmensinterner IT-Infrastrukturen ein begrenzender Faktor. Die Herausforderung…
NEWS | TRENDS SECURITY | TRENDS CLOUD COMPUTING | TRENDS 2020
IT-Trends 2020: Hybrid Cloud, Predictive Data Analytics und Nachhaltigkeit bestimmen die Agenda
Zum Ende des Jahres wird es Zeit, die Technologien und Ansätze ins Auge zu fassen, die 2020 die Unternehmens-IT beeinflussen werden. Sage hat fünf Trends identifiziert, mit denen sich Entscheider und Entwickler vermehrt beschäftigen sollten, um Effizienz und Wettbewerbsstärke voranzutreiben. Hybrid Cloud, Data Analytics, DevOps, energieeffiziente Software und Security by Design sind, so Oliver Henrich,…
NEWS | BUSINESS INTELLIGENCE | BUSINESS PROCESS MANAGEMENT | DIGITALE TRANSFORMATION
Neue Kultur durch Business Intelligence & Advanced Analytics
Im Zuge des rasant fortschreitenden technischen Wandels stehen Unternehmen heute neue Analysemethoden zur Verfügung. Im Gegensatz zur vergangenheitsorientierten klassischen Business Intelligence (BI) verfolgen diese modernen Analysewerkzeuge einen in die Zukunft gerichteten Verwendungszweck. Dadurch ist es nun möglich, nicht nur den operativen und strategischen Mehrwert von Daten erheblich zu steigern, sondern Informationen als entscheidenden Erfolgsfaktor zu…
NEWS | BUSINESS | BUSINESS INTELLIGENCE | LÖSUNGEN | ONLINE-ARTIKEL | SERVICES
Der Mittelstand profitiert eindeutig von Predictive Analytics
Predictive Analytics ist mehr als nur ein Big-Data-Trend. Beispiele zeigen, dass gerade der Mittelstand ohne großen finanziellen Aufwand Daten nutzen kann, um zukünftige Ereignisse vorherzusagen. Der Wunsch ist vielerorts groß, Vorhersagen auf Basis von historischen Daten zu treffen. Aber wie stellen sich Mittelständler mit ihren vergleichsweise kleinen IT-Abteilungen wirkungsvoll auf? Wie können die innovativen Vorstellungen…
NEWS | BUSINESS INTELLIGENCE | DIGITALE TRANSFORMATION | STRATEGIEN | AUSGABE 3-4-2019
Mehr als Business Intelligence – Was erfolgreiche Analytics-Projekte auszeichnet
Damit Digitalisierung eine Erfolgsgeschichte werden kann, ist der Umgang mit Daten ein entscheidender Faktor: Fakten statt Bauchgefühl, Vernetzung statt Silo-Denken, Transparenz statt Exklusivität in der Entscheidungsfindung.
NEWS | BUSINESS INTELLIGENCE | BUSINESS PROCESS MANAGEMENT | DIGITALISIERUNG | GESCHÄFTSPROZESSE | LÖSUNGEN | ONLINE-ARTIKEL | SERVICES
Data Analytics in der Praxis – 7 Beispiele für erfolgreiche BI- und Big-Data-Projekte
Angesichts sich immer schneller ändernder Rahmenbedingungen ist die Bedeutung von Datenanalyselösungen rapide gestiegen. Unternehmen müssen in immer kürzerer Zeit immer weitreichendere Entscheidungen treffen. Dazu brauchen sie einen verlässlichen Datenbestand, der einerseits alle Informationen der Organisation enthält und andererseits rasch und unkompliziert ausgewertet werden kann. Die nachfolgenden, branchenübergreifenden Praxisbeispiele zeigen, wie Unternehmen Daten systematisch analysieren…