Das Hadoop-Ökosystem und das Data-Lake-Datenmanagementkonzept versprechen viel: Fast beliebig große Datenmengen aus unterschiedlichen Systemen und mit beliebiger Struktur sollen sich schnell und kostengünstig verwalten, nutzen und auswerten lassen.

Viele Unternehmen setzen auf Amazon Web Services (AWS) als Cloud-Provider. Eine große Aufgabe ist dabei, unternehmenskritische Daten und Anwendungen von Vor-Ort-Systemen zeitnah und kostensensitiv mit Cloud-, Mobil- und sozialen Apps zu verbinden.

Änderungen an Datenbanken werden meist mit manuellen Prozessen wie Scripting durchgeführt. Das dauert, verhindert bei sorgfältigem Arbeiten aber Datenverluste. Die Skalierung geht aber nie so weit, wie es für agile Prozesse nötig ist.

Eine große Stärke virtueller Server ist ihre Flexibilität. Sie können schnell eingerichtet und gelöscht werden. Gerade diese Attribute erschweren es aber, Speicher für virtuelle Umgebungen zu konfigurieren und zu verwalten.

Server-Virtualisierung ermöglicht Unternehmen ein großes Einsparpotenzial wegen geringerer Hardware- und Platzanforderungen, höherer Produktivität, einer besseren Nutzung der Ressourcen und sichererer Disaster-Recovery-Optionen.

Big Data Analytics muss möglichst nahe an den Entscheidungsstellen und damit in den Applikationen erfolgen, damit Entscheidungen in kurzer Zeit gefällt werden können. Doch viele Big-Data-Analysen werden getrennt von den Fachanwendungen durchgeführt.

In virtuellen Umgebungen wird das Planen und Optimieren verschiedener Workloads und Ressourcen mit ihren jeweiligen Anforderungen zur komplexen Aufgabe. Die Kapazitäten anhand von Durchschnitts- und Spitzenbedarf zu schätzen, reicht hier nicht aus.

+++ Fallstricke der Cloud-Migration +++ Intensivtraining gegen Phishing-Angriffe +++ 10 Gründe für Container unter Server 2016 +++ Spracherkennungssoftware als Angriffsziel +++

Viele Unternehmen sehen in der sinnvollen Nutzung von Maschinen- und Produktionsdaten für Industrie-4.0-Strategien den Schlüssel für die künftige Entwicklung im industriellen Sektor. Dabei sind jedoch einige Hürden zu bewältigen.

Das Internet der Dinge macht sich bereit, den nächsten Schritt zu gehen: in die Industrie. Ziel ist es, nicht nur den Status verschiedener technischer Komponenten über das Internet abzufragen, sondern diese auch zu steuern.

++ Künstliche Intelligenz hilft, ungenutzte Datenquellen zu erschließen ++ Sind wir wirklich reif für SDN? ++ So analysieren Sie Daten mit Spark, Mesos, Akka, Cassandra und Kafka ++ Fünf Schritte zum effektiven Rechenzentrumsnetzwerk ++

Läuft die IT-Security nicht rund, bedeutet dies ein hohes Risiko für Daten und IT. Besonders spürbar und riskant sind der Fachkräftemangel und der große Zeitverlust in der Erkennung von Angriffen.

++ Security Awareness ist Zeitverschwendung! ++ Die Verschmelzung von Big Data Analytics mit der IT ++ Hyperkonvergenz ist nur ein erster Schritt ++ Die Speicher-Technik im Silicon-Valley-Startup-Modus ++

Predictive Analytics ist ein Teilbereich von Business Intelligence, der sich in erster Linie mit zu erwartenden und möglichen Ereignissen beschäftigt. Er fragt, was unter welchen Voraussetzungen passieren wird bzw. passieren sollte.

In Zeiten der steigenden Datenflut durch Big Data und dem Internet der Dinge suchen Unternehmen nach Plattformen, die möglichst performant sowohl ihre eigenen Transaktionsdaten als auch externe Interaktionsdaten kombinieren und verarbeiten können.

++ Wie Sie Ihr Netzwerk für die IoT-Revolution rüsten ++ Analytics verwandelt Datenströme in Umsätze ++ IT-Risiken vorbeugen, IT-Schäden begrenzen ++ Die Vielfalt von Cloud Computing richtig nutzen ++ Ist DevOps eine Mode-Erscheinung oder von Dauer?

Der Geschäftsbetrieb hängt von Verfügbarkeit und Qualität der unternehmenswichtigen Applikationen ab, was dank komplexer Umgebungen und vielfältiger Probleme eine Herausforderung für die IT-Abteilungen darstellt.

Anwender erwarten sofortige Verfügbarkeit von Daten. Doch in der Realität stehen diesem Anspruch diverse Probleme gegenüber. Mit Big Data und Machine Learning lassen sich Performance-Probleme bekämpfen.

In Unternehmen wächst die Bedeutung und die Zahl von Datenbanken rasant. Dies erfordert neue Lösungen für deren Provisionierung und Management. Eine Database-as-a-Service-Lösung für Oracle bietet hierfür einen gesamtheitlichen Ansatz.

Der Markt von medizinischem Equipment ist im Wandel: Hersteller bieten zunehmend nicht nur Hardware, sondern auch Dienstleistungen an. Triebfedern sind Embedded Software, Konnektivität und die Cloud. Doch wie verdient man damit Geld?

Vielen Unternehmen stellt sich die Frage, ob es sinnvoller ist, auf ein Lizenzierungsmodell Marke Eigenbau oder auf kommerzielle Lösungen eines Drittanbieters zu setzen. Lizenz-Management aus eigener Hand hat oft nur auf den ersten Blick Vorteile.