Kommentar von Stefan Kolmar, Neo Technology

Diese Vorteile bieten Graphdatenbanken

| Autor / Redakteur: Stefan Kolmar / Nico Litzel

Der Autor: Stefan Kolmar ist Director Field Engineering Europe bei Neo Technology
Der Autor: Stefan Kolmar ist Director Field Engineering Europe bei Neo Technology (Bild: Neo Technology)

Groß, unstrukturiert und stark verbunden – die Analyse und effektive Verwertung von Big Data bereitet Unternehmen nach wie vor Kopfzerbrechen. Um aus dem ständig wachsenden Datenmeer die richtig großen Fische zu angeln, braucht es die richtigen Lösungen und Werkzeuge. Eine Möglichkeit sind Graphdatenbanken: Hier stehen die Datenbeziehungen im Fokus und decken unerwartete Zusammenhänge auf.

Big Data ist deshalb so komplex, weil es auf zwei wesentlichen Faktoren beruht: Unstrukturiertheit und Verbundenheit der Daten. Besonders die Beziehungen zwischen den verschiedenen Elementen, beispielsweise zwischen Produkt und Kundenfeedback oder Daten aus der Entwicklung und der Fertigung, sind eine Herausforderung bei der Analyse. Aber genau diese Beziehungen sind grundlegend für Logistik-, Produkt- oder Personennetzwerke.

Immer noch nutzen viele Unternehmen zur Big-Data-Analyse relationale oder SQL-Datenbanken. Doch damit lassen sich die komplexen Datennetzwerke nur äußerst ressourcenintensiv und kompliziert abspeichern. Der Grund: Die Daten werden in Tabellen und Spalten modelliert. Beziehungen zwischen den Tabellen lassen sich nur über sogenannte Joins der Primär- und Fremdschlüssel-Tabelle aufwendig berechnen. Will ein Entwickler etwa ein Produkt hinsichtlich seiner regulatorischen Vorgaben oder vorrätigen Komponenten betrachten, muss er mehrere Tabellen miteinander verbinden. Je komplexer der Datensatz wird, desto schneller stoßen die herkömmlichen Lösungen an ihre Grenzen. Die Antwortzeiten wachsen rasant und Suchabfragen gestalten sich extrem umständlich.

Graphtechnologie für PDM und MDM

Graphdatenbanken wie Neo4j hingegen lassen solche starren Tabellenstrukturen hinter sich. Sie konzentrieren sich auf die Beziehungen der Daten zueinander und können diese anschaulich darstellen. Und nicht nur das: Graphdatenbanken sind extrem schnell. Die Abfragegeschwindigkeit hängt nicht länger von der Gesamtmenge ab, sondern nur von der Anzahl der konkreten Beziehungen zwischen den einzelnen Daten. Im Vergleich zu relationalen Datenbanken kann Neo4j je nach Szenario bis zu 1.000-mal schneller arbeiten und erzielt auch bei komplexen Suchabfragen Ergebnisse in Echtzeit.

Mehr und mehr Unternehmen setzen deshalb heutzutage auf Graphtechnologie – zum Beispiel für Produktdatenmanagement- (PDM) und Master-Data-Management-Systeme (MDM). Da die Datenbeziehung Grundpfeiler der Datenstruktur sind, können die Datensätze auch für diese Verbindungen kategorisiert und abgefragt werden. Ein Graph innerhalb eines PDM-Systems besteht beispielsweise aus Produkten, Komponenten und sowie den dazwischen bestehenden Verbindungen (z. B. „enthält“, „geliefert“, „erfüllt Norm“). Beiden können beliebige qualitative oder quantitative Eigenschaften zugewiesen werden wie Tier-Klassifizierung, Liefermenge, Preis. So entsteht ein ganzheitliches semantisches Datenmodell.

Fachspezifisches Managementsystem bei Schleich

Produktdaten innerhalb eines Graphen lassen sich im Vergleich zu relationalen Datenbanken extrem schnell abfragen.
Produktdaten innerhalb eines Graphen lassen sich im Vergleich zu relationalen Datenbanken extrem schnell abfragen. (Bild: Neo Technology / Dr. Andreas Weber)

Auf diese Weise nutzt auch der Spielzeughersteller Schleich die Graphdatenbank Neo4j für sein PDM-System. Mitarbeiter können mit einem Klick von einem beliebigen Ausgangspunkt den Verzweigungen im Graphmodell folgen und so das komplexe Netzwerk aus CAD-Daten, Stücklisten, Teileinformationen, 2D- und 3D-Daten und Fertigungsanweisungen um ein Produkt herum einsehen. Die Daten fließen dabei aus unterschiedlichen Systemen und verschiedenen Ländern in das PDM-System ein.

Dank der hohen Skalierbarkeit und Flexibilität der Graphtechnologie lassen sich fachspezifische Applikationen mit individueller Benutzeroberfläche entwickeln, die auf die funktionalen Bausteine des PDM-Systems zugreifen. Die komplette Supply Chain – vom Design über die Produktion bis hin zum Vertrieb – lässt sich einsehen und rückverfolgen. Das bringt Pluspunkte für das Materialmanagement und die Compliance. Darüber hinaus stellen Schnittstellen zu anderen Systemen eine einfache Integration in die heterogene Systemlandschaft von Unternehmen sicher und ermöglicht eine direkte Anbindung an SAP und Enterprise-Resource-Planning-Systeme.

Konsolidierung von Daten

Für Unternehmen offenbart sich durch Graphtechnologie eine Vielzahl an Möglichkeiten, um Big Data sinnvoll auszuwerten. Die Adidas Group nutzt Neo4j zum Beispiel um einen internen Metadatendienst für den Konzern zu erstellen. Durch die Graphdatenbank gelingt es dem Sportartikel-Hersteller, die Vielzahl an isolierten Datensilos im Unternehmen – gefüllt mit Informationen zu Produkten, Verkaufskanälen, Social Media, digitalen Ressourcen, Markeninhalten etc. – sinnvoll und effektiv zu nutzen. Die unterschiedlichen Quellen werden miteinander verknüpft, um Kunden noch gezielter zu informieren. Schwimm-Fans werden zum Beispiel mit News zu den Olympischen Spielen versorgt. Gleichzeitig werden sie zum passenden Produkt auf der Website gelotst. Solche Produktempfehlungen lassen sich nur realisieren, wenn die Wechselbeziehung zwischen dem Datensatz KUNDE und dem Datensatz PRODUKT entsprechend identifiziert und ausgewertet werden kann – und das natürlich in Echtzeit.

Die Grundlage dazu bilden Klickhistorie, Suchanfragen, Wunschlisten sowie Informationen aus Customer-Relationship-Management-Systemen und dem Online-Shop. Integriert in eine Graphdatenbank lässt sich durch die Kombination dieser Daten ein ganzheitliches Kundenprofil erstellen, das eine gezielte, persönliche Ansprache erlaubt und den Einkauf zum Erlebnis gestaltet.

Trend polyglotte Persistenz

Egal ob es sich bei Big Data um Produkt-, Prozess-, Stamm- oder Kundendaten handelt – echten Mehrwert und neue Erkenntnisse können Unternehmen aus den Daten nur dann ziehen, wenn sie entsprechende Datenbanken nutzen. Die in den letzten Jahren dazu entwickelten Technologien sind bekannt unter dem sehr heterogenen Sammelbegriff NoSQL. Neben Graphdatenbanken haben sich in den letzten Jahren so beispielsweise dokumentenorientierte und Key-Value-Datenbanken bewährt. Gemeinsam haben sie nur ihre nicht-relationale Methodik.

Keines der Systeme nimmt für sich in Anspruch, bestehende relationalen Architekturen zu ersetzen. Vielmehr bieten sie für bestimmte Anwendungen spezifische Vorteile. Der Trend heißt polyglotte Persistenz: Um die Masse an Daten zu bewältigen, sind mehrere unterschiedliche Systeme gefragt. Gut strukturierte, einheitliche und nach klaren Unternehmensregeln ausgerichtete Datenspeicher bieten weiterhin wichtige Basisfunktionen für die Datenanalyse. Sie bringen die nötige Integrität in die Daten, garantieren den reibungslosen Ablauf von Transaktionen und liefern stabile Datensätze für Geschäftsprozesse. Die notwendige Flexibilität, Agilität und Performance, bringen hingegen Graphdatenbanken mit.

Die Kombination von bestehenden Systemen und Datenbanken mit Graphtechnologie eröffnet angesichts von IoT und Industrie 4.0 neue Möglichkeiten. Integriert in Plattformen unterstützen sie beispielsweise die automatisierte Fertigung in der Smart Factory, beschleunigen durch ganzheitliches PDM die Entwicklung und schaffen durchgängige Transparenz in der Supply Chain. Gelingt die Big-Data-Analyse lassen sich auch After-Market Services optimieren, z. B. beim Obsolescence- oder dem Ersatzteilmanagement. So können Unternehmen ihre vorhandenen Schätze an Big Data sinnvoll auswerten, nutzen und in echten Mehrwert umwandeln.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 44731766 / Infrastruktur)