Kommentar von Stefan Brock, HPE Für KI-Erfolg: 10 Designprinzipien für die datenzentrische Architektur

Anbieter zum Thema

QUNIS GmbH

BigData-Insider

Fivetran Germany GmbH

Das Potenzial von Künstlicher Intelligenz (KI) hängt unmittelbar davon ab, wie viele Daten zur Verfügung stehen. Unternehmen, die ihre KI-Strategie zum echten Wettbewerbsvorteil machen wollen, müssen daher zunehmend auf Architekturen setzen, die Daten ins Zentrum stellen. Stefan Brock, Leiter des AI Center of Excellence bei HPE, erklärt zehn Designprinzipien, mit denen die Umstellung zum datenzentrischen Unternehmen gelingt.

Im Kern ist KI nichts anderes als die derzeit ausgereifteste Form der Datenwertschöpfung. Die größten Unternehmen der Welt machen es vor: Sie stellen Daten in den Mittelpunkt ihrer Strategie und bauen auf dieser Grundlage mit KI ihre Führungspositionen weiter aus.

Allerdings sollten auch Unternehmen aus den traditionellen Fertigungs- und Industriebranchen diesen Weg einschlagen. Gerade sie verfügen über ideale Voraussetzungen für den datenzentrischen Wandel. Denn mit dem Fortschritt zur Smart Factory, der zunehmenden Vernetzung intelligenter physischer Geräte und den Anwendungen, die diese steuern, entstehen enorme Datenmengen. Diese Industrie- und Geschäftsdaten werden das Wachstum der Datenwirtschaft in Zukunft vorantreiben. Die Nutzung dieses Potenzials erfordert jedoch ein notwendiges Umdenken: weg von applikationszentrischen, hin zu datenzentrischen Architekturen.

Applikationsfokus widerspricht KI-Prinzipien

Die meisten Unternehmen betreiben heutzutage applikationszentrische IT-Architekturen, bei denen der Datenaustausch nicht zentral gesteuert ist. Stattdessen läuft er über einsatzfallbezogene Anfragen oder Synchronisationen isoliert zwischen den Datensilos der Applikationen ab.

Doch mit dem Grundprinzip von KI ist das kaum zu vereinbaren, denn unabhängig eines konkreten Einsatzfalls sind Daten per se relevant. Zunächst muss KI in einem möglichst breit gefächerten Datenbestand Muster und Zusammenhänge erlernen, woraus dann erst konkrete Anwendungsfälle entstehen.

Die datenzentrische Architektur unterstützt diesen Ansatz, indem sie die Daten von den Applikationen entkoppelt, die sie erzeugen. Über eine zentrale Datendrehscheibe – den Data Hub – werden alle Datenströme kanalisiert. Jede Applikation fungiert dabei als „Datenproduzent“ für den Data Hub, während Abfragen oder Anwendungen als eine Art „Konsument“ auf den verteilten Datenbestand zugreifen. Das ist eingebettet in eine übergreifende Data Governance.

10 Designprinzipien für eine datenzentrische Architektur

Der Wandel zu einem datenzentrischen Unternehmen geschieht nicht über Nacht, sondern Schritt für Schritt durch kontinuierliche Anpassungen. Folgende Designprinzipien leiten durch den Transformationsprozess.

• Prinzip 1: Data Hub für echtzeitnahe Datenverfügbarkeit: Um einen digitalen Zwilling des Datenbestands eines Unternehmens zu bilden, werden Daten und deren Änderungen echtzeitnah über den Data Hub verfügbar gemacht. Als verteiltes, Multi-Cloud-fähiges Gebilde mit durchgängiger Kontrolle und Verwaltung kann der Data Hub über internationale Regionen und Sicherheitszonen hinweg operieren.

• Prinzip 2: Eine Verbindung pro Datenquelle: Jede Datenquelle stellt einmal eine Verbindung zum Data Hub her und sendet anschließend fortlaufend aktuelle Daten. So behalten Unternehmen jederzeit den Überblick über den Datenaustausch, ohne für jeden Anwendungsfall neue Schnittstellen entwickeln zu müssen.

• Prinzip 3: Mehr Kontext durch Metadaten: Jeder Produzent ergänzt seine Rohdaten um Metadaten zu Format, Semantik, Klassifizierung oder die Kennzeichnung, ob es sich um personenbezogene Daten handelt.

• Prinzip 4: Fachliche Modelle bestimmen den Datenfluss: Anstatt einzelne Rohdaten zu nutzen, greifen Datenkonsumente auf Datenströme zu, die auf fachlichen Informationsmodellen basieren. Zum Beispiel werden Branchenmodelle oder unternehmensspezifische Modelle, etwa für die Produktionssteuerung oder die Logistik, genutzt.

• Prinzip 5: Schnittstellenüberwachung als konfigurierbares Element: In einer zentralen Datenbank werden alle Verbindungen zum Data Hub als eigene Configuration Items dokumentiert und verwaltet. Diese Struktur ermöglicht eine kontinuierliche Überwachung und stellt sicher, dass die Bereitstellung und Nutzung der Daten reibungslos funktionieren. So bleiben Datenströme transparent, und mögliche Störungen lassen sich frühzeitig erkennen und beheben.

• Prinzip 6: KI automatisiert und öffnet den Datenzugang: KI und Analytics übernehmen die laufende Pflege von Metadaten und prüfen in Echtzeit Datenströme auf Datenschutz und Compliance. Gleichzeitig vereinfacht der steigende Automatisierungsbedarf den Aufbau weiterer Datenquellen und hilft bei der Verbreitung des datengetriebenen Ansatzes im Unternehmen.

• Prinzip 7: Verschlüsselung aller Daten: Ob im Transfer oder ruhend – alle Daten sind durchgängig zu verschlüsseln. Neben dem Schutz der Daten stärkt ein hoher Sicherheitsstandard auch das Vertrauen in die Architektur und entscheidet über die Akzeptanz im Unternehmen.

• Prinzip 8: Datenzugriff nur mit Berechtigung: Nur wer ein nachgewiesenes berechtigtes Interesse hat, erhält Zugriff auf die zu verschlüsselten Daten. Die Zuweisung der Schlüssel erfolgt rollenbasiert und wird über Metadaten gesteuert.

• Prinzip 9: Entscheidungen dort treffen, wo Daten entstehen: Der Data Hub ist dezentral organisiert, damit Entscheidungen dort getroffen werden, wo die Daten entstehen – etwa an der Edge, im Rechenzentrum oder in der Cloud. Diese Struktur minimiert Latenzen und erfüllt regulatorische sowie betriebliche Anforderungen.

• Prinzip 10: Dauerhafte Datensouveränität: Unternehmen müssen auch in der Cloud jederzeit die Hoheit über ihre Daten wahren. Deshalb beinhaltet eine gute Cloud-Strategie eine Exit-Option, um Daten bei Bedarf sicher und kosteneffizient zu einem anderen Anbieter migrieren zu können.

Warum Datendominanz jetzt entscheidet

Produzierende Unternehmen stehen vor einer historischen Chance: Sie können das exponentiell wachsende Volumen industrieller und geschäftlicher Daten in echten Wettbewerbsvorteil verwandeln. Gleichzeitig wächst der Druck, da internationale Digitalriesen versuchen, genau dieses Potenzial für sich zu nutzen.

Nur durch den konsequenten Wandel zu datenzentrischen Architekturen kann die europäische Wirtschaft dieser Bedrohung vorbeugen und langfristig Unabhängigkeit sowie Innovationskraft sichern. Eine datenzentrische Architektur bildet so das Fundament für strategische Datenwertschöpfung, Wettbewerbsfähigkeit durch KI-Erfolg und dient zugleich als wichtiger Katalysator für den organisatorischen Wandel.

(ID:50617304)