denisismagilov - stock.adobe.com

Fünf Anbieter für das Daten-Management der Zukunft

Die Softwarewelt ist ständig in Bewegung. Das gilt auch für Daten-Management- und Analytics-Anwendungen. Fünf Anbieter mit zukunftsträchtigen Lösungen.

Anmerkung der Redaktion: Diese zweiteilige Artikelserie stellt neun Unternehmen im Bereich Daten-Management, Datenbanksysteme, Container- und Cloud-Management sowie Softwareentwicklung vor. Im ersten Artikel werden fünf Firmen präsentiert, die aus dem Daten-Management-, Business-Intelligence- und Analytics-Segment kommen: Aera Technology, H2O.ai, Kinetica, Odaseva und Yellowfin. Der zweite Artikel dreht sich um Organisationen, die in den Bereichen Container- und Cloud-Management sowie Anwendungsentwicklung beheimatet sind.

Der Softwaremarkt bringt erfolgreiche, aber auch fehlgeschlagene Unternehmen hervor. Wer in der IT-Industrie erfolgreich sein möchte, muss im Silicon Valley beziehungsweise San Francisco zumindest einen eigenen Standort haben.

In diesem Artikel werden fünf Softwareanbieter vorgestellt, die bereits etabliert sind, denen aber noch der Charakter eines Start-ups anhaftet. Als Teil einer Pressetour durch das Silicon Valley und San Francisco konnte TechTarget Einblicke in diese Unternehmen gewinnen.

Aera Technology: Supply Chain Management mit KI

Aera Technology wurde 1999 gegründet, firmierte bis Mitte 2017 allerdings unter dem Namen FusionOps. Hauptsitz des Business-Intelligence- und -Analytics-Anbieters ist Mountain View (Kalifornien). Daneben hat Aera Technology Standorte in San Francisco, Pune (Indien), Bukarest und Cluj-Napoca (Rumänien) sowie in Paris (Frankreich) und Sydney (Australien). Jüngst kam ein Büro in München hinzu.

Aera Technology entwickelt primär die Cloud-Lösung Aera, welche das Unternehmen als Cognitive Technology bewirbt. Die Analysesoftware kombiniert deskriptive und diagnostische Funktionen, Predictive und Prescriptive Analytics sowie Funktionen mit künstlicher Intelligenz (KI). Mit Aera lässt sich unter anderem der Bedarf für Produkte oder Materialien innerhalb der Supply Chain prognostizieren sowie Problemursachen diagnostizieren. Die Rohdaten werden in kontextualisierte Infografiken und Dashboards umgewandelt.

Die Daten stammen aus den Unternehmenssystemen, darunter ERP-, CRM-, SCM- und andere Enterprise-Anwendungen. Laut Frederic Laluyaux, CEO von Aero Technology, crawlt Aera die Daten des Kunden und verarbeitet diese mithilfe von Machine-Learning- und KI-Algorithmen, damit das System versteht, wie das Geschäft eines Benutzers funktioniert. Die Anwendung kann hieraus Echtzeit-Empfehlungen ableiten, Ergebnisse vorhersagen und autonom Maßnahmen ergreifen.

Aera crawlt die Systeme des Kunden und kann auf Basis der Daten auf Probleme in der Supply Chain hinweisen. So erklärt Frederic Laluyaux, CEO von Aero Technology, die Lösung.
Abbildung 1: Aera crawlt die Systeme des Kunden und kann auf Basis der Daten auf Probleme in der Supply Chain hinweisen. So erklärt Frederic Laluyaux, CEO von Aero Technology, die Lösung.

Aera Technology stellt Funktionen für Bedarfsprognosen, Order-to-Cash sowie Procure-to-Pay zur Verfügung und entwickelt Anwendungen für Beschaffung, Finanzen, Lagerhaltung, Qualitätskontrolle, Produktionsplanung, Vertrieb und Kundenservice.

Das Unternehmen stellt folgende Services bereit: Implementierung der Lösung, Projekt-Management und Methodik, Business Intelligence (BI), Supply Chain Management (SCM), Schulungen, Einrichtung und Anleitung von Benutzerrollen, Verbindung und Extraktion von Datenquellen, Datenvalidierung und Testservices sowie die Konfiguration von vorkonfigurierten Berichten, Dashboards und Infografiken.

Darüber hinaus bietet es kundenspezifische Datenmessungen und Entwicklungsservices, die Harmonisierung mehrerer Datenquellen und Beratungsdienstleistungen an. Aera richtet sich in erster Linie an Pharma-, Fertigungs-, Einzelhandels-, Großhandels- und Konsumgüterorganisationen.

Kinetica: Big Data Analytics mit GPUs

Kinetica geht auf das Unternehmen GIS Federal zurück, dass 2009 von Amit Vij und Nima Neghaban gegründet wurde. Nach Angaben der beiden lässt sich die Gründung auf eine Initiative des US-Militärs zurückführen. Damals suchte das United States Army Intelligence and Security Command (INSCOM) nach Möglichkeiten, nationale Sicherheitsbedrohungen zu verfolgen. Die Lösung sollte Ergebnisse in Echtzeit liefern und Erkenntnisse über massive Streaming-Datensätze visualisieren.

„Auf dem Markt gab es zu dem Zeitpunkt nichts, was ihren Bedürfnissen entsprach. Data Warehouses waren zu langsam, NoSQL skaliert nicht ausreichend und In-Memory-Lösungen versprachen Echtzeit, lieferten aber nicht“, beschreibt Paul Appleby, CEO von Kinetica, den Antrieb für die Entwicklung der ursprünglichen Datenbankanwendung GPUdb.

Laut Paul Appleby, CEO von Kinetica, ist die Wirtschaft bereits über das Big-Data-Zeitalter hinaus. Er beschreibt dies als Extreme Data.
Abbildung 2: Laut Paul Appleby, CEO von Kinetica, ist die Wirtschaft bereits über das Big-Data-Zeitalter hinaus. Er beschreibt dies als Extreme Data.

Nachdem Tests und ihre Nachforschungen ergaben, dass keines der existierenden Systeme die Bedürfnisse der Armee erfüllt, entwickelten Vij und Negahban eine In-Memory-Datenbank, die im Zusammenspiel mit Grafikprozessoren (GPUs) Daten per Massively Parallel Processing (MPP) verarbeitet, um Daten in Raum und Zeit zu erforschen und zu visualisieren.

Es dauerte rund fünf Jahre bis sich größere Erfolge einstellten: 2014 implementierte der United States Postal Service GPUdb. 2016 folgte ein Re-branding und GIS Federal wurde in Kinetica umbenannt.

Das Unternehmen kombiniert in seiner Architektur GPUs, CPUs und In-Memory-Computing, um komplexe, unvorhersehbare Streaming-Daten zu analysieren. Da NVIDIA einer der Technologiepartner ist, kommen die Grafikprozessoren des Spezialisten zum Einsatz. Daneben unterhält Kinetica Technologiepartnerschaften mit Cisco, Dell EMC, HPE und IBM.

Aufgrund der schnellen und parallelen Verarbeitungsleistung von GPUs, übernehmen diese das Streaming und die Massivparallelverarbeitung der Daten. Die klassischen CPUs werden für zeitunkritische Daten eingesetzt, die keine Echtzeit-Verarbeitung erfordern.

Unternehmen mit großen Datenbeständen, die komplexe Anwendungs- und Visualisierungsverfahren benötigen, sind laut Appleby das Hauptklientel der Kinetica-Lösung. Neben Logistikunternehmen und dem US-Militär zählt das Unternehmen aktuell auch Behörden zu seinen Kunden.

Ein Beispiel ist die Überwachung des Verkehrsaufkommens in London. Mit Kinetica lassen sich tausende Ereignisse, etwa die Nutzung von öffentlichen Verkehrsmitteln und Taxis, in Echtzeit abbilden. Die Anwender des Systems können hieraus Informationen filtern, die für die Verkehrssicherheit notwendig sind.

Machine Learning mit H2O.ai

Selbstbewusst verweist SriSatish Ambati, Mitbegründer und CEO von H2O, darauf, dass sein Unternehmen Daten schon mit KI ausgewertet hat, bevor die Technologie Mainstream geworden ist. „Die Idee hinter unserer Technologie ist, ein Miteinander von Menschen und künstlicher Intelligenz zu schaffen. KI erweitert die Fähigkeiten des Menschen und ist keine Bedrohung.“

Ambati gründete H2O zusammen mit Cliff Click im Jahr 2011. Der Hauptsitz des Softwareanbieters befindet sich in Mountain View (Kalifornien). Daneben hat das Unternehmen Mitarbeiter in London, Prag, Berlin und Dresden.

H2O entwickelt eine Open Source Data-Science- und Machine-Learning-Plattform. Diese wird nach eigenen Angaben von fast der Hälfte der Fortune 500 und weltweit von über 14.000 Organisationen und Data Scientists verwendet. Mit der Plattform können Unternehmen eigene Analytics- und Big-Data-Anwendungen kreieren und für ihre Datenauswertung verwenden.

H2O beinhaltet Statistik-, Data-Mining- und Machine-Learning-Algorithmen. Die Open-Source-Software baut auf dem Hadoop Distributed File System (HDFS) auf und bietet Schnittstellen für R, Python, Apache Hadoop und Spark. Über eine REST API ist sogar eine Verbindung zu Microsoft Excel und RStudio möglich.

Driverless AI ermöglicht es Data Scientists, mit Hilfe von automatisierten Machine-Learning-Algorithmen an ihren Projekten zu arbeiten.
Abbildung 3: Driverless AI ermöglicht es Data Scientists, mit Hilfe von automatisierten Machine-Learning-Algorithmen an ihren Projekten zu arbeiten.

Insgesamt stellt das Softwareunternehmen Tools in zwei Kategorien zur Verfügung: Open-Source- und Enterprise-Angebote. In den Open-Source-Bereich fallen die KI- und Data-Science-Plattform H2O, die Integration für Apache Spark, vom Anbieter als Sparkling Water bezeichnet, und eine H2O-Anwendung, die für die Arbeit mit NVIDIA GPUs optimiert ist und H2O4GPU genannt wird.

Auf Enterprise-Seite stellt H2O Driverless AI und spezielle Support-Services für Unternehmen bereit. Driverless AI verwendet Data-Science-Techniken und lässt sich nach Bedarf skalieren. Die Anwendung ermöglicht es Data Scientists mit Hilfe von automatisierten Machine-Learning-Algorithmen an ihren Projekten zu arbeiten. Laut Ambati ist hierfür jede Datenquelle möglich – von Google Cloud Storage bis zu Data-Warehouse-Anwendungen wie Snowflake.

Neben wissenschaftlichen Einrichtungen kommen die Kunden von H2O vor allem aus der Finanz- und Versicherungsbranche sowie dem Gesundheitssektor. Aktuell hat das Unternehmen viel vor und möchte auch in andere Segmente expandieren. Zum Beispiel steht der Aufbau eines Cloud-Marktplatzes auf der Agenda. „Auf dem Marktplatz sollen Organisationen künftig KI-Daten handeln können. Allerdings sollen nicht nur Unternehmen, sondern die ganze Gesellschaft davon profitieren“, sagt Ambati.

Odaseva: Daten-Management für Salesforce

Salesforce hat sich zum Standard im Bereich Cloud-Business-Software für Unternehmen entwickelt. Und obwohl Salesforce ein umfangreiches Portfolio vorweisen kann, hat das in San Francisco ansässige Start-up Odaseva eine Nische gefunden, um die Möglichkeiten der Cloud-Umgebung mit seiner Plattform auszubauen.

Odaseva bietet seine Data Management Cloud für Salesforce an und vertreibt diese als Software as a Service (SaaS). Das Unternehmen wurde 2012 von Sovan Bin und Vincent Delamarre gegründet, um Unternehmen zu unterstützen, Backups, Archivierung und Datenschutz für Salesforce-Umgebungen zu gewährleisten.

„Odaseva entstand aus der Idee heraus, Geschäftsanwendern eine zuverlässige und vollständige Daten-Management-Lösung anzubieten, die den Service von Salesforce ergänzt. Es ist entscheidend, dass Nutzer selbst die Kontrolle über ihre Daten behalten“, erläutert Sovan Bin, CEO und Gründer von Odaseva.

Sovan Bin, CEO und Gründer von Odaseva, hat sich zum Ziel gemacht, das Daten-Management für Salesforce zu verbessern.
Abbildung 4: Sovan Bin, CEO und Gründer von Odaseva, hat sich zum Ziel gemacht, das Daten-Management für Salesforce zu verbessern.

Die Odaseva-Plattform bietet Anwendern eine Reihe von Daten-Management-Tools, die in der Lage sind, eine Vielzahl von Anwendungen automatisiert und vollständig anpassbar zu realisieren. Laut Bin besteht das Problem bei den meisten SaaS-Lösungen darin, dass der Zugriff auf die Daten nur über APIs möglich ist, so dass es sich nicht um ein vollständiges und frei manipulierbares Abbild handelt.

Die Herausforderung beim Übergang in die Cloud-Welt ist, dass sich je nach Servicemodell Kunde und Cloud-Anbieter die Verantwortung teilen. Dabei überwacht der Provider die Infrastruktur- und Anwendungsebene, der Kunde muss aber seine Daten gesetzeskonform verwalten.

„In der On-Premises-Welt war der Kunde noch komplett selbst für seine Daten verantwortlich. In der Cloud muss er sich diese Verantwortung teilen. Das Daten-Management bleibt aber beim Kunden, denn er ist für die Daten verantwortlich“, sagt der Odaseva CEO. „Mit Odaseva gewinnt der Benutzer die Kontrolle zurück und ist Herr über seine Dateien“, sagt Bin. Der Service konzentriert sich aktuell aber ausschließlich auf Salesforce.

Die Odaseva Data Management Cloud stellt Tools für DSGVO/GDPR Compliance, Data Monitoring, Business Continuity, Archivierung und Data Ops zur Verfügung. Diese vorgefertigten Anwendungen, welche auf der Cloud-Data-Management-Plattform ausgeführt werden, sollen eine breite Palette von Anwendungsfällen für das Daten-Management automatisieren und absichern.

Yellowfin: Storytelling mit Business Intelligence

Yellowfin ist seit 2003 in Melbourne (Australien) beheimatet. Gegründet wurde das Unternehmen von den BI-Spezialisten Glen Rabie und Justin Hewitt. Neben Melbourne hat der Softwareanbieter Standorte in Tokyo und Osaka (Japan), London (Großbritannien) sowie in Brasilien und Südafrika.

Das australische Unternehmen hat sich auf Business Intelligence, Analytics, BI-Dashboards und Reporting spezialisiert. Yellowfin entwickelt und vermarktet eine Reihe von Produkten, die der Datentransformation, dem Datenzugriff, der Datenanalyse und dem Reporting von Daten aus gängigen Geschäftsquellen wie Tabellenkalkulationen, Web-APIs und Datenbanken dienen.

Doch was unterscheidet Yellowfin von der Konkurrenz? „Wir bieten mehr als ein BI-Dashboard, das Daten aus verschiedenen Quellen aggregiert und anzeigt. Yellowfin verknüpft die Daten mit den richtigen Kontextinformationen“, erläutert Glen Rabie, CEO von Yellowfin, das Alleinstellungsmerkmal.

Wie diese Anreicherung aussieht, zeigt das Unternehmen mit seinen beiden neuen Produkten Signals und Stories. Yellowfin Signals erkennt automatisch kritische Abweichungen bei Geschäftsdaten, zum Beispiel Trendänderungen und Spitzen, und benachrichtigt den Business-Anwender darüber. Das Tool analysiert die Geschäftsdaten kontinuierlich und durchsucht sie nach Trends, Mustern und sonstige Änderungen. Entdeckt die Software eine Abweichung, analysiert es automatisch weitere Datenquellen.

„Wir zielen damit auf Dashboards ab, da diese heute nicht in der Lage sind, ihre Versprechen zu erfüllen. Sie sollen Unternehmen voranbringen und nicht warten lassen“, sagt Rabie. „Yellowfin Signals findet automatisch was Dashboards entgeht, so dass die Anwender wissen, was in ihrem Unternehmen vorgeht, sobald es passiert.“

Mit Yellowfin Stories können Anwender wiederum eigene Stories mit den Daten sowie deren Kontext und Berichten entwickeln. Die Software ermöglicht es Nutzern, Berichte verschiedener BI-Dashboard-Anbieter einzubetten, so dass alle kritischen Informationen in einer einzigen, teilbaren Historie angezeigt werden. Einen Einblick in das Produkt zeigt folgendes Video (auf Englisch):

„Yellowfin Stories ermöglicht es Ihnen, Informationen, einschließlich Signale und Berichte von verschiedenen Anbietern, an einem Ort zusammenzutragen, einen Konsens über die Bedeutung zu treffen und an die zu treffenden Maßnahmen anzugleichen. Yellowfin springt da ein, wo Dashboards versagen“, bewirbt Rabie das Produkt.

Yellowfin Signals und Stories sind Einzelanwendungen innerhalb der Yellowfin Suite. Die Suite kann als Komplettlösung erworben werden, es ist aber auch möglich, alle Produkte unabhängig voneinander zu erwerben. Die Yellowfin Suite enthält neben Signals und Stories noch Dashboards, Data Discovery und Data Prep.

Insgesamt distanziert sich Yellowfin mit seinen Angeboten vom Cloud-, KI- und Machine-Learning-Hype. Laut Rabie ist der Anbieter in diesen Bereich vorsichtig unterwegs. Zwar verschließe man sich nicht komplett dem Cloud-Geschäft, aber dennoch sei der On-Premises-Betrieb für viele Kunden noch immer das zentrale Deployment-Modell.

Folgen Sie SearchEnterpriseSoftware.de auch auf Twitter, Google+, Xing und Facebook!

Nächste Schritte

Diese Start-ups zeigen Datenverarbeitung der Zukunft.

Welche Silicon-Valley-Ideenschmieden derzeit hervorragen.

Diese Technologien sollten Sie im Jahr 2018 beachten.

Erfahren Sie mehr über Business Intelligence

ComputerWeekly.de
Close