Technologien werden manchmal als zustandsbehaftet oder zustandslos kategorisiert. Die Begriffe können sich beispielsweise auf Anwendungen oder Kommunikationsprotokolle beziehen. Eine zustandsbehaftete Anwendung speichert Daten, die von jeder Clientsitzung generiert werden, und verwendet sie, wenn der Client das nächste Mal eine Anfrage stellt. Eine zustandslose Anwendung speichert keine Clientdaten von einer Sitzung zur nächsten.

Wir können Daten auch als zustandsbehaftet oder zustandslos bezeichnen. Traditionell betrachten wir Daten als zustandsbehaftet: Einmal erstellt, existieren sie immer. Unternehmen stellen jedoch fest, dass Daten aus mehreren Gründen zunehmend zustandslos sein müssen. 

Erstens haben Daten eine begrenzte Lebensdauer. Das liegt daran, dass einige Daten je nach Kontext nur für einen bestimmten Zeitraum einen Wert haben. Nehmen Sie einen Feueralarm. Für den Brandkommissar sind die Daten eines Brandmelders für Monate oder Jahre wertvoll, da sie Brandtrends oder andere Erkenntnisse aufzeigen können. Aber für die Feuerwehr haben die Daten nur wenige Minuten einen Wert.

Zweitens werden Daten durch ihre Geolokalisierung beeinflusst. Zunächst einmal befinden sich Daten nicht mehr an einem einzigen Ort, da Teile eines Datensatzes an mehreren Orten generiert werden können. Darüber hinaus hängt die Nützlichkeit von Daten oft davon ab, ob auf sie eingewirkt werden kann oder nicht.

Das sind mehr als akademische Fragen. Die Agilität der heutigen Daten schafft erhebliche Herausforderungen für die Art und Weise, wie Unternehmen Informationen beschaffen, aggregieren, transformieren, analysieren und darauf reagieren. Die gute Nachricht ist, dass es jetzt Technologien und Strategien gibt, um eine zustandslose Datenarchitektur zu schaffen, die den Wert optimieren kann, den Unternehmen aus ihren zunehmend agilen Daten ziehen.

So viele Daten, so wenig Zeit

Die Verwaltung agiler Daten umfasst vier zentrale Herausforderungen. Erstens die enormen Datenmengen, mit denen Unternehmen heute umgehen müssen. Datenfeeds aus Geschäftsprozessen, Kundeneingaben, Edge-Sensoren und anderen Quellen sind exponentiell gewachsen. Und Organisationen sind vorsichtig geworden, etwas davon wegzuwerfen, weil sie wissen, dass es eines Tages wertvolle Erkenntnisse liefern könnte.

Als nächstes kommt die zunehmende Echtzeitnatur von Daten. Mehr von den Daten, die Unternehmen generieren, müssen erfasst, verstanden und fast sofort verarbeitet werden. Ein Beispiel sind Daten, die auf einen Cyberangriff hindeuten, was in der kurzen Zeit, in der Sie Maßnahmen ergreifen können, um eine Datenschutzverletzung zu verhindern, am wertvollsten ist.

Drittens ist das Problem der Latenz. Daten sind oft über weite Regionen verteilt. Wie performen Sie in Echtzeit Analytik über Feeds aus San Francisco, Chicago und New York? Übertragen Sie die Daten an eine zentrale Stelle? Können Sie die Daten quellennah aggregieren und analysieren?

Die letzte Herausforderung ist Deep Analytics. Cyberangriffsdaten können Ihnen später helfen, anomale Aktivitäten zu erkennen, um Systeme in Zukunft besser zu schützen. Aber es lohnt sich auch, tiefgreifende Analysen von Echtzeitdaten durchzuführen. Beispielsweise kann die Echtzeitanalyse von Sensordaten dazu beitragen, dass Geräte oder Fahrzeuge unter sich ändernden Bedingungen optimal funktionieren.

Erreichen einer zustandslosen Datenarchitektur

Um die Herausforderungen agiler Daten zu meistern, müssen Unternehmen eine zustandslose Datenarchitektur implementieren. Um dieses Ziel zu erreichen, sind drei Schlüsselkomponenten erforderlich:

1. Globales Datennetz. Unternehmen müssen sich von Datenbanken, Data Warehouses und Data Lakes verabschieden. Stattdessen müssen Sie in Begriffen eines globalen Datennetzwerks denken oder Datennetz. Ein globales Datennetz abstrahiert die Komplexität der getrennten Verwaltung von Daten und Anwendungen, sodass Daten zustandslos werden.

Mit einem Datennetz können Sie Daten intelligent in die Nähe von Berechnungen und Analysen verschieben oder Berechnungen und Analysen in die Nähe von Daten verschieben. Dadurch erhalten Sie eine große Flexibilität bei der Durchführung von Datenanalysen oder der Bereitstellung von Anwendungen.

Aber bei einem Datennetz geht es nicht darum, Daten einfach am Rand zu verarbeiten. Vielmehr ermöglicht es Ihnen, Daten überall und überall zu verarbeiten. Es verbindet Daten über physische Grenzen wie Rechenzentren, Clouds oder Regionen hinweg und über logische Grenzen wie Unternehmensabteilungen oder Lieferkettenpartner hinweg. 

Mit einem Data Mesh können Sie dem System einfach mitteilen, dass Sie eine Reihe von Daten analysieren möchten. Das System findet dann die Daten, aggregiert sie und platziert die Analysen so nah wie möglich an den Daten. Sie müssen sich nicht mehr fragen: „Wo sind die Daten? Ist es in der Wolke? Ist es am Rand? Wurde es repliziert?“ Das wird alles vom Datennetz gehandhabt.

Ebenso wichtig ist, dass ein Datennetz Ihre Daten fungibel macht, da es die Daten in eine API umwandeln kann. Sobald die Daten eine API sind, können Sie sie mit Clouds, Anwendungen, Dashboards, Workflows und mehr verbinden.

2. Verteilter Rahmen. Eine zustandslose Datenarchitektur erfordert auch ein verteiltes Framework. Heutzutage senden die meisten Unternehmen Daten an die Cloud, weil sich dort ihre Rechenleistung befindet. Aber um agile Daten zu verwalten, müssen Sie Analysen, maschinelles Lernen (ML) und künstliche Intelligenz (KI) lokal ausführen, wo Daten einen Wert haben.

Ein verteiltes Framework umfasst eine Reihe von Datendiensten, die zustandsbehaftet sind und die Verantwortung für die Zustandsverwaltung mit Konsistenz, Genauigkeitsgarantien und zeitgebundenen Replikationsgarantien übernehmen. Die Datendienste abstrahieren den Zustand weg von den Anwendungen, die die Daten verarbeiten. Auf diese Weise scheinen die Daten zustandslos zu sein, wenn Sie Analysen für geografisch verteilte Datasets durchführen.

3. Globaler Datenschutz und gemeinsame Nutzung. Das letzte Element einer zustandslosen Datenarchitektur umfasst den Datenschutz und die sichere gemeinsame Nutzung von Daten. Ihre Organisation verwaltet wahrscheinlich Daten in Gerichtsbarkeiten mit Finanz- und Datenschutzbestimmungen, die Sie daran hindern, bestimmte Informationen aus ihrem Herkunftsland zu entfernen. Sie können jedoch Metadatendarstellungen dieser Informationen verwenden. Sie können die Daten tokenisieren und die Token aus diesen Gerichtsbarkeiten entfernen. 

Darüber hinaus teilen Sie wahrscheinlich Daten mit verschiedenen Interessengruppen. In zunehmendem Maße möchten Sie allen Beteiligten nur Teile Ihrer Datensätze zugänglich machen. Sie können dies durch Confidential Computing erreichen, bei dem ein Teil der CPU eines Computers als sichere Enklave reserviert wird. Daten in der Enklave werden so verschlüsselt, dass sie auch verschlüsselt bleiben, während die Daten verwendet werden. So können Sie Stakeholdern erlauben, bestimmte Aspekte eines Datensatzes abzufragen, ohne alle Aspekte zu sehen.

Anwendungsfälle so grenzenlos wie Ihre Daten

Die Technologie zum Erreichen einer zustandslosen Datenarchitektur ist heute verfügbar, und die Anwendungsfälle sind praktisch unbegrenzt. Hier ist ein Beispiel aus dem öffentlichen Sektor und der kritischen Infrastruktur. Kalifornien hat mit einem sich ändernden Klima zu kämpfen, das zu weiteren Spitzen im Energieverbrauch führt. Es ist auch die Heimat einer wachsenden Flotte von Elektrofahrzeugen, die ein Stromnetz, das für kleinere Lasten mit weniger Spitzen ausgelegt ist, weiter belasten.

Die Echtzeitanalyse von Streaming-Daten kann es Netzbetreibern ermöglichen, Stromverbrauchsmuster in Echtzeit zu verfolgen und besser vorherzusagen. Sie könnten genau abbilden, wann und wo Industrie-, Gewerbe- und Privatkunden die Klimaanlage einschalten, Fahrzeuge aufladen, Herde einschalten, Lichter ausschalten und so weiter. Betreiber von Kraftwerken, Übertragungsleitungen und Verteilungsnetzen könnten dann Nachfrage und Angebot genau abstimmen und Strom in vorhersagbaren Mengen dynamisch in Echtzeit leiten.

Jedes Unternehmen, das agile Daten an mehreren Standorten erfassen und analysieren muss – Organisationen in den Bereichen Finanzdienstleistungen, Fertigung, Einzelhandel, Transportwesen, Biowissenschaften, öffentlicher Sektor usw. – kann von einer zustandslosen Datenarchitektur profitieren. Sie stellen sich wahrscheinlich bereits vor, wie Ihr Unternehmen das auch könnte.