Data Fabrics und die Erkenntnisse aus Unternehmensdaten Der Stoff, aus dem Analyseträume sind

Ergibt Quantität automatisch Qualität? Nicht so im Kontext von Unternehmensdaten. Während deren Masse in der heutigen Zeit kontinuierlich ansteigt, stehen Verantwortliche vor der Herausforderung, sinnvolle Erkenntnisse aus ihnen zu ziehen. Unterstützung hierbei verspricht unter anderem eine Data-Fabric-Architektur, die disparate Datenquellen miteinander verknüpft und damit ein einheitliches Datengewebe über das gesamte Unternehmen hinweg bereitstellt.

Diverser und komplexer könnte die heutige Datenlandschaft in Unternehmen kaum sein: Immer neue Applikationen und Schnittstellen zwischen Maschinen und Geräten sorgen für einen kontinuierlichen Anstieg der Datenmenge. Teile davon befinden sich on-premises, andere sind über hybride Multi-Cloud- und Poly-Cloud-Umgebungen verstreut. Und schließlich erfordern einige Workloads historische, ruhende Daten, während andere in Echtzeit übertragene Daten benötigen und wiederum andere eine Kombination aus beidem.

Das „Verweben“ all dieser Daten und Datenquellen ist kein trivialer Prozess. Es ist vielmehr der Kerngedanke der sogenannten „Data Fabrics“, die im Sinne eines übergreifenden Gewebes der verteilten Natur moderner Datenarchitekturen und dem gestiegenen Bedarf an datengetriebenen Erkenntnissen gerecht werden sollen.

Data Fabric: Was ist das genau?

Konkret wird der Begriff der Data Fabric von führenden Analystenhäusern als ein Technologie-Framework (oder eine Datenarchitektur) definiert, das viele verschiedene potenzielle Outputs unterstützt, einschließlich Daten, die für Workflows zur Erkenntnisgewinnung benötigt werden. Damit ermöglicht es ein Data-Fabric-Framework, über verschiedenste Datenumgebungen hinweg in unterschiedlichsten Geschwindigkeiten für beliebige Einsatzszenarien zu arbeiten.

Bereits heute unterstützt die Technologie eine große Bandbreite an analytischen, betrieblichen, transaktionalen und Governance-bezogenen Anwendungsfällen in nahezu allen Branchen. Entsprechenden Ansätzen wird eine durchschnittliche jährliche Wachstumsrate (GACR) von etwa zehn Prozent bis 2028 prognostiziert.

Nicht zu verwechseln ist die Data Fabric mit der auf den ersten Blick ähnlich klingenden „Data Mesh“-Technologie: Laut Branchenanalysten ist ein Data Mesh eine Lösungsarchitektur, welche die Erstellung von geschäftsfokussierten Datenprodukten ermöglicht, ohne die dafür notwendige Technologie zu spezifizieren. Eine Data Fabric hingegen ist ein Framework – ein Implementierungsdesign, das flexibel genug ist, verschiedenste Outputs und Nutzungszwecke zu unterstützen.

Neben diesen Vorteilen sind Data Fabrics ebenfalls gut geeignet, die Qualität des Datenmanagements generell zu erhöhen und eine stärkere plattformübergreifende Orchestrierung im Unternehmen zu fördern. Gerade vor dem Hintergrund der hohen Menge an Verifikation, Deduplizierung, Anreicherung und Altdatenstilllegung, welche die Arbeit in modernen Datengebilden erfordert, lassen sich durch eine Data Fabric die unerwünschten Effekten von schlecht gemanagten Daten vermeiden. Der Grund dafür ist die „Automation Intelligence“, die als Teil der Data Fabric die Menge an erforderlichen menschlichen Eingriffen verringert, um ein möglichst hohes Niveau an Datenmanagement und -pflege sicherzustellen.

Framework für Innovation

Wir sehen Insgesamt vier Vorteile, von denen Unternehmen durch die Nutzung eines Data-Fabric-Frameworks profitieren können: Verbesserte Erkenntnisse, Förderung von Innovationen, Information Governance und gesicherte Datenqualität. Je nach Unternehmen werden diese in unterschiedlicher Ausprägung auftreten, aber in ihrer Gesamtheit werden typischerweise alle Vorteile in einer datengetriebenen Arbeitsweise vorhanden sein.

• Verbesserte Erkenntnisse
  Im Zentrum der Nutzung einer Data Fabric steht die Gewinnung von Erkenntnissen. In unserer heutigen Welt, in der Daten die Grundlage aller Entscheidungen sind, müssen Unternehmen ihrer Datenmanagementkompetenz ein genauso großes Augenmerk zukommen lassen wie ihren technischen Anlagen, der Qualität ihrer Dienste sowie den Fähigkeiten ihrer Mitarbeiter.
  Unternehmen jeder Größe beginnen damit, das Konzept Data Fabric umzusetzen, um ihr Datenmanagement zu automatisieren und zu beschleunigen. Durch die Nutzung von künstlicher Intelligenz (KI) und maschinellem Lernen (ML) in Datenmanagement-Workflows können die konventionellen Verfahren optimiert und letztendlich tiefgehende Geschäftserkenntnisse daraus gewonnen werden. Auch wenn die entsprechenden Anwendungsszenarien oft sehr branchenspezifisch sind – im Fertigungskontext etwa wird vielleicht eine Antwort auf die Frage gesucht: „Welche Maschinen müssen jetzt gewartet werden, um Ausfälle zu vermeiden?“ –, wird jede Branche mit komplexen Daten von einem Data-Fabric-Ansatz profitieren.
• Förderung von Innovationen
  Auch Innovationen lassen sich durch Daten beschleunigen. Die Implementierung und Nutzung eines robusten Data-Fabric-Frameworks ermöglicht es Unternehmen, ihre Daten für sich arbeiten zu lassen. Dieses breite Spektrum an Informationen agiert dann als Motor für datengestützte Entscheidungen, etwa zur Markteinführung von neuen Produkten und Diensten.
  Durch datengetriebene Erkenntnisse wird es deutlich einfacher, das Unternehmen zu transformieren und durch Innovationen ein völlig neues Niveau an Robustheit und Widerstandsfähigkeit zu erreichen. Unternehmen, die einen Data-Fabric-Ansatz nutzen, befinden sich damit in der bestmöglichen Position, die Konkurrenz mit KI-gestützter Schnelligkeit und Agilität zu übertreffen.
• Information Governance
  Der dritte Vorteil eines Data-Fabric-Frameworks ergibt sich aus dessen Fähigkeit, die Compliance und Governance eines Unternehmens zu unterstützen. Der weltweite Markt ist charakterisiert durch immer komplexer werdende regulatorische und Compliance-bezogene Anforderungen. Unternehmen benötigen daher ein solides Datenmanagement, um diesen Vorgaben auf Basis von kontrolliertem Zugriff, Prüfbarkeit und Nachvollziehbarkeit gerecht zu werden. Kontrollen wie diese müssen über alle Anwender und Prozesse, aber auch über die Daten selbst hinweg angewendet werden.
  Vor dem Hintergrund, dass neue regulatorische Grundlagen geradezu im Jahrestakt von der EU, den USA und weiteren Ländern in Kraft gesetzt werden, ist dies eine zentrale Voraussetzung für jedes Unternehmen, das erfolgreich arbeiten möchte. Die vereinheitlichte Sicht, die durch Data-Fabric-Frameworks bereitgestellt wird, kann helfen, diese Komplexität zu vereinfachen und ihr gerecht zu werden.
• Gesicherte Datenqualität
  Ein Data-Fabric-Framework agiert auch als eine Art „Versicherung“, da sie für die erforderliche Vertrauenswürdigkeit der Daten und damit der darauf aufbauenden Analysen sorgt. Allein schon die Entwicklung einer Data Fabric erfordert eine vereinheitlichte Herangehensweise an das Datenmanagement. In der Folge stellen Unternehmen sicher, dass nur kuratierte, vertrauenswürdige Daten zur Nutzung zur Verfügung stehen.

Praxisbeispiel: Koch Industries

Diese vier Vorteile ergaben sich auch für den US-amerikanischen Mischkonzern Koch Industries. Als Zusammenschluss von rund einem Dutzend Unternehmen stand der Konzern verschiedenen Herausforderungen bei der digitalen Transformation seiner Geschäftseinheiten gegenüber. Gesucht war eine flexible Data Fabric, um Datenqualität und Governance zu verbessern und dadurch den Nutzen der vorhandenen Daten bestmöglich ausschöpfen zu können.

Durch die Nutzung einer Data-Fabric-Plattform war das Koch-Team schließlich in der Lage, autonome Datenbereiche für jeden seiner Unternehmensbereiche zu entwickeln, eine gemeinsame Datenplattform zu implementieren und umfassende Fortschritte bei der Vereinheitlichung des Datenaustausches im gesamten Unternehmen zu erzielen. Seit sich die neue Data Fabric im Einsatz befindet, hat Koch zehn Mandanten erstellt, wovon sich acht bereits im Produktivbetrieb befinden. Die Amortisierungszeit verringerte sich von Mandant zu Mandant.

Durch die neue Data Fabric verkürzte das Team den Entwicklungszyklus, steigerte die Effizienz, reduzierte Kosten und verbesserte Qualität, Reporting und Datennutzung. Damit profitiert Koch nun nicht nur von besserer Information Governance, umfassenderen Erkenntnisse und höherer Innovationskraft, sondern ist auch bestmöglich für den Erfolg in der Zukunft gerüstet.

Roter Faden für die Datenmassen

Das Beispiel von Koch Industries zeigt: In einer Welt, in der die Informationsvielfalt kontinuierlich zunimmt und Daten-Workloads immer vielschichtiger, verflochtener und gleichzeitig komplexer werden, ist Transparenz über den gesamten Erkenntnis-Workflow hinweg zu einer unerlässlichen Voraussetzung geworden. Ein solides Data-Fabric-Framework kann dabei helfen, einen roten Faden durch die Datenmassen zu ziehen und echten Geschäftsnutzen aus den Informationen zu gewinnen. So wird aus Quantität am Ende eben doch auch Qualität.

Lori Witzel ist Director of Research for Analytics and Data Management bei Tibco.

Tibco