Suchen

Kommentar von Stefan Buchberger, Intelligent Views Mit Smart Data Chancen für das Business richtig nutzen

| Autor / Redakteur: Stefan Buchberger / Nico Litzel

Daten gelten als das Öl des 21. Jahrhunderts. Wie Öl sind Daten ein Rohstoff, der erst durch zahlreiche Verarbeitungs-und Verfeinerungsprozesse einen Nutzen erzeugen kann. So ist auch bei Daten nicht unbedingt die „Masse" (Big), sondern der „wertvolle Inhalt" (Smart) das entscheidende Kriterium, um Wert zu schaffen.

Der Autor: Stefan Buchberger ist Manager Marketing & Communication bei Intelligent Views
Der Autor: Stefan Buchberger ist Manager Marketing & Communication bei Intelligent Views
(Bild: Intelligent Views)

Big Data ist heute in aller Munde, denn die weltweite Datenmenge wächst rasant an. Im Jahr 2025 werden weltweit voraussichtlich rund 163 Zettabyte Daten erzeugt (eine Zahl mit 21 Nullen) – das entspricht dem Zehnfachen an Daten im Vergleich zum vergangenen Jahr. Die jährliche Wachstumsrate aller Daten wird zwischen 2015 und 2025 bei 30 Prozent liegen, so eine aktuelle Studie zum weltweiten Datenwachstum von IDC und dem Festplattenhersteller Seagate.

Ein weiteres interessantes Ergebnis: Bis 2025 wird ein Großteil der Daten nicht mehr wie bisher von privaten Nutzern erzeugt, sondern von Unternehmen. Während im Jahr 2015 Unternehmen „nur“ 30 Prozent der weltweiten Daten generierten, soll der Anteil im Jahr 2025 bereits doppelt so groß sein.

Big Data als große Herausforderung

Mit standardisierten, gleichförmigen Daten und Geschäftsprozessen können Unternehmen gut arbeiten. Den größten Anteil an der Wertschöpfung haben jedoch in vielen Branchen die unstrukturierten, wissensintensiven und unternehmensspezifischen Aufgaben und Informationen.

Unternehmen müssen nun aus den gewaltigen Datenmengen und heterogenen Datenquellen Informationen herausfiltern. Ziel ist es, diese sich ständig ändernden Daten mithilfe von Hardware- und Software-Lösungen ihrer Relevanz entsprechend zu erfassen, auszuwerten und zum richtigen Zeitpunkt für Business-Entscheidungen bereitzustellen – am besten in Echtzeit. Denn nur wer seine Daten kennt, kann echten Nutzen aus Ihnen ziehen. Auf diese Weise wird Big Data zu Smart Data.

Unternehmen haben Nachholbedarf

Doch viele Firmen stehen erst am Anfang, wenn es darum geht Nutzen aus Big Data zu ziehen. Sie erheben zwar Daten, setzen aber nur verhalten entsprechende Projekte um, mit denen sie ihr Geschäft verbessern können. Das zeigt die aktuelle Studie IT-Trends 2017 von Capgemini, in der die Anwender auch nach ihren Big-Data-Projekten befragt wurden. Demnach setzen derzeit nur 14,3 Prozent der Befragten mehrere Big-Data-Anwendungen ein (Vorjahr 15,9 Prozent), eine einzelne Anwendung betreiben 4 Prozent (nach 8 Prozent 2016). 23,8 Prozent evaluieren und realisieren Pilotprojekte (Vorjahr 20,4 Prozent).

Etwas bessere Ergebnisse ergab im Juni 2016 eine repräsentative Umfrage von Bitkom Research im Auftrag von KPMG. Demnach setzen 35 Prozent der Unternehmen in Deutschland Big-Data-Analysen für die Auswertung großer Datenmengen ein und wenden diese Ergebnisse auch nutzbringend an – allen voran im Maschinen- und Anlagenbau sowie in der Automobilindustrie. Ein Drittel (34 Prozent) der Unternehmen verfügt über eine Big-Data-Strategie. Insgesamt gibt es aber auf diesem Gebiet noch viel zu tun.

Bedeutung geben und Erkenntnis gewinnen – Semantik und Graphen

Um Datenmengen richtig auswerten zu können, muss man sie verstehen – das heißt, man muss über das Wissen verfügen, wie es meist in der Fachabteilung eines Unternehmens vorliegt, und wie man den tatsächlichen Wert der Daten freilegt. Eine effiziente Methode, um wertvolle Erkenntnisse aus großen Datenmengen herauszufiltern, bieten semantische Graph-Datenbanken. Diese schaffen verständliche Datenmodelle, die auch Mitarbeiter ohne tiefere IT-Kenntnisse einsetzen können – im Gegensatz zu den traditionellen Datenbanken. Sie speichern Informationen nicht nur einfach in Tabellen, die schnell sehr komplex werden können, sondern setzen Daten intelligent miteinander in Beziehung. Dadurch erhalten sie Bedeutung, sodass der Kontext und Sinnzusammenhang der Daten sichtbar wird.

Ergänzendes zum Thema
Vorteile auf einen Blick
  • Keine Datenredundanz und keine Informationszersplitterung
  • Silostrukturen überwinden
  • Verständliche Datenmodelle auch für Mitarbeiter ohne tiefe IT-Kenntnisse
  • Integration von strukturierten und unstrukturierten Daten aus verschiedenen Quellen
  • Visualisierung von Relationen und Zusammenhängen in Form einer „Mind Map“ für Daten
  • Modellieren statt Programmieren Höhere Agilität, Flexibilität und Geschwindigkeit: Datensätze und auch Prozesse lassen sich innerhalb von Stunden statt Tagen anpassen
  • Auswirkungen von Veränderungen sind durch Visualisierung schnell sichtbar
  • Kosteneffizienz: Semantische Netze erfordern nur minimale Anpassung der IT-Infrastruktur

Graphen, respektive Netze, repräsentieren Wissen, indem sie Daten miteinander verknüpfen und effizienter auf ihnen arbeiten als es mit klassischen Tabellenstrukturen möglich ist. Die Vernetzung erlaubt es, radikal gegen Redundanz und Informationszersplitterung vorzugehen. Semantische Technologien reichern Daten mit Intelligenz an, etwa durch Vererbung und Schlussfolgerungen.

Transparenz und Auswirkung

Mit semantischen Netzen lassen sich Informationen gemäß menschlicher Denkweise ordnen und integrieren – in Modellen, die gleichzeitig nachvollziehbar und ausführbar sind. Damit können komplexe Business-Logiken sowie unterschiedlichste Informationen bis zu unstrukturierten Inhalten in Anwendungen integriert werden – und das in einer nie gekannten Flexibilität.

Die Graph-Datenbank führt zudem strukturierte und unstrukturierte Daten aus verschiedenen Quellen zusammen. Sie legt sich wie eine Spinne über isolierte Datenbanken und zieht die nötigen Informationen. So bringt sie Transparenz in komplexe Zusammenhänge, die zwischen Projekten, Mitarbeitern sowie Kunden bestehen und zeigt die Relationen graphbasiert in einer Art „Mind Map“ an.

Unternehmen können damit auch Geschäftsprozesse strukturiert aufsetzen und visualisieren. Ein Beispiel ist das Vertragsmanagement, in dem auch Compliance-Fragen behandelt werden. Hier zeigt eine semantische Datenbank über Verknüpfungen anschaulich, welche internen und externen Mitarbeiter sowie Fachabteilungen bei einem Vertrag beteiligt waren.

Modellieren statt Programmieren

Das Besondere: Nutzer können die einzelnen Elemente des Graphs (z. B. Ansprechpartner) ohne Programmierkenntnisse einfach durch Modellierung verändern. Modellierung heißt, Sachverhalte und Aufgabenstellungen aus dem Business, aus dem Unternehmensalltag, in Informationsstrukturen zu übertragen. Sie können im semantischen Netz editieren und sehen sofort, wie sich Veränderungen auswirken und welche Herausforderungen daraus entstehen. Datenmodelle können flexibel definiert und beispielsweise Zuständigkeiten variabel angepasst werden. Prozesse lassen sich dadurch transparenter gestalten, weil schnell klar wird, wie sich eine Veränderung auf den Geschäftsprozess auswirkt.

Agilität und schnelle Erkenntnisse

Ein weiterer Vorteil von semantischen Netzen ist die Zeitersparnis. So lassen sich Datenmodell und auch Prozesse innerhalb von Stunden statt Tagen verändern und anpassen. Ein Faktor für die höhere Agilität und Geschwindigkeit innerhalb der Graph-Datenbank: Da die Graphen sehr anschaulich und intuitiv verständlich sind, werden die Zusammenhänge zwischen Ursache und Wirkung schnell ersichtlich. Durch die Netzstruktur und das spezielle Datenmodell lassen sich Elemente und die dahinterliegenden Daten einfach verschieben sowie verändern – und damit neue geschäftliche Vorgaben schnell und effizient umsetzen. Die Graphen fungieren so als eine Art Übersetzer zwischen den Geschäftsprozessen und der darunterliegenden IT, da sie die Daten mit den Prozessen verknüpfen.

Weil sie Daten aus verschiedenen Quellen und Silos technisch zusammenführen, inhaltlich harmonisieren und Beziehungen herstellen, lassen sich semantische Netze auch als „semantische Middleware“ einsetzen. Sie bilden eine zusätzliche Schicht über der bestehenden IT-Infrastruktur und ziehen mit semantischen Methoden Erkenntnisse aus den vorhandenen Daten. Unternehmen müssen daher beim Einsatz einer semantischen Graph-Datenbank ihre IT-Umgebung nicht groß verändern, sondern höchstens intelligent ergänzen und vernetzen. Das senkt die Hemmschwelle besonders bei „Smart-Data-Neulingen“, erstmals effektives Datenmanagement für die eigenen Business-Prozesse einzusetzen.

Fazit: Semantische Netze perfekt geeignet, um Daten in Wert zu wandeln

Semantische Graph-Datenbanken wie die Smart Data Engine i-views eignen sich sehr gut für mittelständische Unternehmen, denn sie können relativ einfach und flexibel große Datenmengen aus verschiedenen Datensätzen integrieren und als „Mind Map“ Strukturen und Verbindungen visualisieren. So entstehen Daten, mit denen Systeme und Menschen gleichermaßen souverän umgehen können. Damit erhöht eine Smart Data Engine die Fähigkeit der gesamten Organisation, durch intelligente Vernetzung und Nutzung aus Daten maximalen Wert herauszuholen. Dies alles erfolgt sehr kosteneffizient, da Firmen ihre IT-Infrastruktur nicht grundlegend verändern müssen.

Ergänzendes zum Thema
Use Cases für semantische Netze
  • Baustellenplanung, Bestellung von Maschinen, Vertragsmanagement, Technische Dokumentation: Flexibilität und schnelle Anpassung an Veränderungen
  • Prozessoptimierung und Impact-Analysen
  • Künstliche Intelligenz
  • Datenmanagement und Datenintegration
  • Aufbau von Netzstrukturen (Unternehmensstrukturen, graphbasierte Suchabläufe)
  • Datenschutz und Rechte Management IT-Service-Management (Ursache-Wirkungskette)
  • Recommendation-Services auf Basis von Big Data (Business-Matching: Nachfrage und Angebot zusammenbringen)

(ID:44767418)