© Ekaphon maneechot/Shutterstock.com
Business Technology Magazin
Streamingarchitekturen in der Praxis

Lambda vs. Kappa

Um den Anschluss an die Digitalisierung nicht zu verlieren, wird es Zeit, sich Gedanken über eine geeignete, zukunftssichere Datenarchitektur zu machen. Doch gibt es sie, die eine Streamingarchitektur? Die Praxis zeigt: Im Einzelfall erfolgt eine Auswahl aus vielen Einzelkomponenten.

Lukas Berle


Neue, disruptive Geschäftsmodelle basieren oft auf den Faktoren Daten, Geschwindigkeit und Skalierung. Während Fachabteilungen zusammen mit der IT an neuen Ideen arbeiten, um in Zeiten zunehmender Digitalisierung nicht abgehängt zu werden, müssen auch aus technologischer Sicht neue Wege gegangen werden. Technologieverantwortliche im Unternehmen benötigen eine leistungsstarke, zukunftssichere Datenarchitektur. Ein Teil von ihr kann die Auswertung von hochfrequenten Datenströmen abdecken. Viele Unternehmen sehen ein besonders großes Potenzial in der Nutzung von operativen Daten. Also beispielsweise von Sensordaten von Maschinen, von Serverlogdaten oder von Eventdaten, wie Verkaufsinformationen oder Positionsdaten einer Fahrzeugflotte.

Aus Businessperspektive haben diese Daten eine besondere Gemeinsamkeit: Ihr Wert nimmt sofort nach dem Ereigniszeitpunkt stark ab (Abb. 1). Wird nicht innerhalb von Sekunden oder Sekundenbruchteilen auf sie reagiert, haben diese Daten oft kaum noch einen Wert für das Unternehmen. Denn die Sensordaten einer Maschine bringen nichts, wenn wir sie erst verarbeiten, nachdem die Maschine schon überhitzt ausgefallen ist, obwohl wir dies bei sofortiger Analyse hätten vorhersehen können. Auch maßgeschneiderte Angebote für einen Webseitenbesucher bringen uns nichts, wenn dieser unsere Seite schon längst wieder verlassen hat.

Abb. 1: Der Wert von Daten nimmt über die Zeit ab (in Anlehnung an [1])

Mit der Nutzung von operativen Daten gewinnt also auch die schnelle Auswertung dieser Daten an Bedeutung. Zwar haben viele IT-Abteilungen jahrelange Erfahrung in der Entwicklung von klassischen Enterprise-Lösungen, die Entwicklung von In-Memory-Stream-Processing-Lösungen fordert allerdings Antworten auf neue Probleme: Extrem hohe Ausfallsicherheit, beliebige Skalierbarkeit und Verarbeitungsgarantien sind nur einige Punkte, denen besondere Beachtung geschenkt werden muss.

Für einen Automatenhersteller haben wir einen Prototyp umgesetzt, der Snackautomaten, z. B. an Bahnhöfen, an ein zentrales IoT-System anbindet. Jedes Verkaufsevent, aber auch Sensordaten wie Ergebnisse der Temperatursteuerung, sollte an das System gesendet werden. Damit ermittelt das System, wann die Produkte das nächste Mal nachgefüllt werden müssen. Denn bei kurzfristig stark wachsenden Umsätzen an einem Automaten, z. B. bei Fußballspielen oder während Volksfesten, müssen Automaten schnellstmöglich nachgefüllt werden. Die Einsatzplanung der zuständigen Mitarbeiter sollte so kün...

Business Technology Magazin
Streamingarchitekturen in der Praxis

Lambda vs. Kappa

Um den Anschluss an die Digitalisierung nicht zu verlieren, wird es Zeit, sich Gedanken über eine geeignete, zukunftssichere Datenarchitektur zu machen. Doch gibt es sie, die eine Streamingarchitektur? Die Praxis zeigt: Im Einzelfall erfolgt eine Auswahl aus vielen Einzelkomponenten.

Lukas Berle


Neue, disruptive Geschäftsmodelle basieren oft auf den Faktoren Daten, Geschwindigkeit und Skalierung. Während Fachabteilungen zusammen mit der IT an neuen Ideen arbeiten, um in Zeiten zunehmender Digitalisierung nicht abgehängt zu werden, müssen auch aus technologischer Sicht neue Wege gegangen werden. Technologieverantwortliche im Unternehmen benötigen eine leistungsstarke, zukunftssichere Datenarchitektur. Ein Teil von ihr kann die Auswertung von hochfrequenten Datenströmen abdecken. Viele Unternehmen sehen ein besonders großes Potenzial in der Nutzung von operativen Daten. Also beispielsweise von Sensordaten von Maschinen, von Serverlogdaten oder von Eventdaten, wie Verkaufsinformationen oder Positionsdaten einer Fahrzeugflotte.

Aus Businessperspektive haben diese Daten eine besondere Gemeinsamkeit: Ihr Wert nimmt sofort nach dem Ereigniszeitpunkt stark ab (Abb. 1). Wird nicht innerhalb von Sekunden oder Sekundenbruchteilen auf sie reagiert, haben diese Daten oft kaum noch einen Wert für das Unternehmen. Denn die Sensordaten einer Maschine bringen nichts, wenn wir sie erst verarbeiten, nachdem die Maschine schon überhitzt ausgefallen ist, obwohl wir dies bei sofortiger Analyse hätten vorhersehen können. Auch maßgeschneiderte Angebote für einen Webseitenbesucher bringen uns nichts, wenn dieser unsere Seite schon längst wieder verlassen hat.

Abb. 1: Der Wert von Daten nimmt über die Zeit ab (in Anlehnung an [1])

Mit der Nutzung von operativen Daten gewinnt also auch die schnelle Auswertung dieser Daten an Bedeutung. Zwar haben viele IT-Abteilungen jahrelange Erfahrung in der Entwicklung von klassischen Enterprise-Lösungen, die Entwicklung von In-Memory-Stream-Processing-Lösungen fordert allerdings Antworten auf neue Probleme: Extrem hohe Ausfallsicherheit, beliebige Skalierbarkeit und Verarbeitungsgarantien sind nur einige Punkte, denen besondere Beachtung geschenkt werden muss.

Für einen Automatenhersteller haben wir einen Prototyp umgesetzt, der Snackautomaten, z. B. an Bahnhöfen, an ein zentrales IoT-System anbindet. Jedes Verkaufsevent, aber auch Sensordaten wie Ergebnisse der Temperatursteuerung, sollte an das System gesendet werden. Damit ermittelt das System, wann die Produkte das nächste Mal nachgefüllt werden müssen. Denn bei kurzfristig stark wachsenden Umsätzen an einem Automaten, z. B. bei Fußballspielen oder während Volksfesten, müssen Automaten schnellstmöglich nachgefüllt werden. Die Einsatzplanung der zuständigen Mitarbeiter sollte so kün...

Neugierig geworden?


    
Loading...

Angebote für Teams

Für Firmen haben wir individuelle Teamlizenzen. Wir erstellen Ihnen gerne ein passendes Angebot.

Das Library-Modell:
IP-Zugang

Das Company-Modell:
Domain-Zugang