Kommentar von Mathias Golombek, Exasol Wie stellt man den Tech-Stack mit KI zukunftssicher auf?

Anbieter zum Thema

EXASOL AG

Board Deutschland GmbH

INFOMOTION GmbH

QUNIS GmbH

Steigende Datenströme einerseits, immer mehr Nutzer, die in den Unternehmen mit Daten arbeiten auf der anderen Seite: So gut wie alle großen Unternehmen kämpfen derzeit mit der Skalierung von Datenvolumen, Kosten und Komplexität – und das vor dem Hintergrund enger IT-Budgets. Gleichzeitig steigt der Bedarf nach schnellen und hoch performanten Datenverarbeitungskapazitäten, etwa um das Thema Machine Learning voranzutreiben. Heißt: Unternehmen brauchen skalierbare, zukunftssichere und möglichst kostengünstige Lösungen im Bereich Data Analytics.

Rasant ansteigende Datenvolumen und immer mehr Nutzer bringen Legacy-Systeme an ihre Grenzen, gerade was die Geschwindigkeit von Datenauswertungen betrifft. Um eine zukunftsfähige Data-Analytics-Lösung zu finden, die mit großen und hochkomplexen Datenmengen zurechtkommt, einen Vendor- oder Plattform-Lock-in verhindert und zugleich hohe Performance und Kontrolle über die Kosten bietet, sollten Unternehmen bei der Auswahl ihrer Data-Analytics-Lösung auf einige Kriterien achten:

• Alle im Unternehmen eingesetzten BI-Tools und Datenapplikationen sind mit der Data-Analytics-Lösung kompatibel – das verhindert eine aufwendige Migration und den Umbau des Tech-Stacks.

• Anpassungsfähige Lizenzvereinbarungen bieten Freiheit und verhindern, dass Unternehmen in die Kostenfalle aufgrund stark wachsender Gebühren treten.

• Deployment-Optionen: Es werden sowohl On-premises- als auch Multi-Cloud- sowie hybride Optionen angeboten. Diese Flexibilität ermöglicht es Unternehmen, die Infrastruktur nach Bedarf zu wählen und zu ändern.

Oftmals dürfen bestimmte Unternehmensdaten aus Compliance-Gründen gar nicht in die Cloud migriert werden. In solchen Fällen ist eine entsprechende Flexibilität notwendig, um Analysen auf Daten an verschiedenen Orten zu kombinieren. Beispiele hierfür sind regulatorische Einschränkungen im Gesundheits- und Finanzwesen, aber auch in der öffentlichen Verwaltung.

Zudem können sich auch die Geschäftsziele von Unternehmen ändern. Das kann dazu führen, dass einzelne Workloads bei einem anderen Anbieter besser aufgehoben wären – doch ein Vendor Lock-in steht entsprechenden Umstrukturierungen oder Weiterentwicklungen im Weg. Daher sollten Unternehmen sich die Möglichkeit offenhalten, mit unterschiedlichen Anbietern zu arbeiten und möglichst auf lange Laufzeiten und unflexible Verträge verzichten.

Eine solch flexible und skalierbare Struktur bietet Unternehmen die Sicherheit, auch in Zukunft mit großen Datenmengen arbeiten zu können, ohne ihren kompletten Tech-Stack austauschen zu müssen. Grundsätzlich empfiehlt es sich, auf einen Partner zu setzen, der guten Support und auch gute Begleitung bei der Entwicklung der eigenen Datenstrategie bietet. Und die Möglichkeit, Lösungen vorab ohne Risiko zu testen, um in der Praxis sehen zu können, welchen Mehrwert sie für das eigene Unternehmen wirklich bringen können.

Zukunftssicherer Tech-Stack in Zeiten von KI

Stichwort Machine Learning und Prescriptive Analytics: Das Thema Künstliche Intelligenz nimmt gerade auch in Kombination mit Data Analytics mehr und mehr Fahrt auf. GenAI-Tools wie ChatGPT haben KI für die breite Masse nutzbar gemacht und den Unternehmen konkrete Möglichkeiten aufgezeigt, wie sie KI für sich einsetzen können. Doch dass das Potenzial erkannt ist, heißt noch nicht, dass die Unternehmen die neuen Technologien auch bereits konkret anwenden: Beispielsweise setzen aktuell nur zwei Prozent generative KI zentral im Unternehmen ein, weitere 13 Prozent planen dies.

Seien es Sicherheitsvorbehalte, Technologieskepsis oder die Sorge vor zu hohen Kosten: Viele Unternehmen benötigen Lösungen, die sich schnell und kostengünstig implementieren lassen und ihnen die Freiheit geben, sich Schritt für Schritt dem Thema KI zu nähern. Angebote wie Exasol Espresso inklusive KI-gestützten Analyse-Werkzeugen bieten die Möglichkeit, den eigenen Tech-Stack für das KI-Zeitalter gut aufzustellen, ohne die komplette Infrastruktur austauschen zu müssen. Hierbei fungiert die Analytics-Lösung als Acceleration Layer, der zwischen die zentralen Datenbanken wie Data Warehouses oder Data Lakes und die im Unternehmen eingesetzten Business Intelligence Tools geschaltet wird. So können bestehende Systeme weiterhin genutzt und gleichzeitig schnelle Dateninsights ermöglicht werden. KI-gestützte Erweiterungen – Spracheingaben in menschlicher Sprache oder automatisierte Datenintegration – garantieren dabei einfache und intuitive Bedienbarkeit und machen KI für die Teams schnell und unkompliziert nutzbar.

Neue KI-Tools von Exasol

Espresso AI beschleunigt Datenanalysen in Unternehmen

KI-basierte Datennutzung in der Praxis

Use Cases aus dem Bereich Machine Learning wie etwa autonomes Fahren oder Predictive und Prescriptive Analytics eröffnen neben Weiterentwicklungsmöglichkeiten auch enorme Einsparpotenziale für Unternehmen. Gleichzeitig setzen sie im Bereich Analytics auch Lösungen voraus, die besonders große und komplexe Datenmengen problemlos verarbeiten können.

Daher setzt das Unternehmen Washtec, global agierender Anbieter von Autowaschanlagen, heute bereits als Teil seines Exasol Espresso Pakets auf die Einbindung von Data Virtuality Pipes für die Datenintegration. So ist das Unternehmen in der Lage, automatisiert große Mengen an aktuellen, aber auch historischen Daten in seine Analytics-Engine zu laden und diese dann mit der In-Memory-Technologie in real-time auszuwerten. Das Ziel: Predictive Maintenance – sprich: vorausschauende Wartung der Anlagen. Das verhindert zum einen Stillstand der Maschinen, was bares Geld kostet. Zum anderen schafft es Planungssicherheit für die Service-Mitarbeiter, die so Fahrtkosten einsparen können. Darüber hinaus dienen die hoch performanten Datenanalysen, auf die Washtec auf Knopfdruck zugreifen kann, wertvolle Insights zu gewinnen, um Wasser oder Chemikalien zu sparen.

Datendemokratisierung als Grundlage für eine zukunftsfähige Datenstrategie

Datendemokratisierung: Ein Thema, über das viel diskutiert wird, das aber an vielen Stellen noch kaum umgesetzt wird. Wollen Unternehmen jedoch das volle Potenzial ihrer Daten ausschöpfen und auch für das KI-Zeitalter gut gerüstet sein, besteht hier akuter Handlungsbedarf. Besonders der Siegeszug von GenAI bedingt, dass Daten nicht mehr nur von den Analytics-Teams oder Data Scientists genutzt werden. In dem Maße, in dem diese traditionellen Silos aufbrechen, werden Unternehmen erkennen, wie groß der Bedarf ihrer Teams und Einzelpersonen in verschiedenen Abteilungen an aussagekräftigen Erkenntnissen wirklich ist. Selbst Menschen, die sich derzeit noch nicht als Nutzer von Daten sehen, werden in die Nutzung von Daten einbezogen werden.

Dieser Wandel bringt eine große Herausforderung mit sich, die es jetzt möglichst schnell zu bewältigen gilt: Die Belegschaft muss auf den neuesten Stand gebracht werden, damit jeder Mitarbeiter die richtigen Fähigkeiten erwirbt, um Daten und Erkenntnisse effektiv für Geschäftsentscheidungen zu nutzen. Den Beschäftigten fehlt heute zum Teil noch das Wissen darüber, welche Fragen sie ihrem Datenschatz überhaupt stellen können. Die Fähigkeit, relevante geschäftsbezogene Analysen zu formulieren, wird immer wichtiger werden. Daher ist es dringend erforderlich, die Belegschaft dahingehend zu schulen, denn das Thema Data Literacy wird gerade mit dem Siegeszug von GenAI verstärkt in den Fokus rücken. Um die Teams hier zu unterstützen, können Unternehmen nützliche Technologien einsetzen, wie z. B. für die automatische Übersetzung umgangssprachlicher Business-Fragen zur interaktiven Kommunikation mit den Daten.

Ausblick

In den kommenden Monaten und Jahren werden sich KI und ML zu essenziellen Bausteinen in der Unternehmenssteuerung und -optimierung entwickeln und die Anzahl der Anwendungsfälle wird stetig steigen. Gerade die Open-Source-Entwicklung der statistischen Modelle (ML und LLMs) werden dazu beitragen, dass mächtige Lösungswerkzeuge für traditionelle Geschäftsprobleme entwickelt werden. Generative KI wie ChatGPT wird auch mit traditionelleren KI-Technologien wie deskriptiven oder prädiktiven Analysen verschmelzen, um neue Möglichkeiten für Unternehmen zu eröffnen und traditionell eher schwerfällige Prozesse zu beschleunigen und automatisieren. Für all diese Anforderungen benötigen Unternehmen eine Data-Analytics-Lösung, die flexibel mit ihren Anforderungen mitwächst und sie zuverlässig in die datengetriebene Zukunft begleitet.

(ID:49935516)