carloscastilla - Fotolia

In-Memory Computing unterstützt bei digitaler Transformation

Die digitale Transformation eröffnet für viele Firmen neue Geschäftsmodelle. Eine Technologie, die diese dabei unterstützen kann, ist In-Memory Computing.

Die viel diskutierte digitale Transformation klingt zunächst einfach: Eine Überarbeitung der Geschäftsstrategie durch den Einsatz digitaler Technologien. Jedoch sind die Herausforderungen und Aufgaben, vor denen Unternehmen heute bei ihrer digitalen Transformation stehen, deutlich komplexer.

Ein Beispiel: 2018 waren nur noch 11 Prozent der 1955 in den Fortune 500 gelisteten Unternehmen immer noch Teil jener Liste. Diese hohe Fluktuation ist darauf zurückzuführen, dass viele Unternehmen sich nicht weiterentwickelt und neu aufgestellt haben, während technologisch versierte Neuankömmlinge die Wettbewerbslandschaft veränderten.

Auch heute verlieren Unternehmen ihre Marktführerschaft, weil ihre Märkte von anderen, technologisch fortschrittlicheren Unternehmen verändert werden. Amazon ist ein passendes Beispiel. Durch die Einführung neuer digitalisierter Geschäftsmodelle hat es gleich mehrere Branchen – dazu gehört auch die Technologiebranche – stark verändert.

Amazon begann mit Büchern, setzte sein Wachstum mit allgemeinem Einzelhandel fort und bot schließlich Cloud Computing an. Jedes Mal wurden neue Wege gefunden, um mit den Kunden in Kontakt zu treten und das zu liefern, was diese wirklich wollen: zum Beispiel mehr Auswahl, kostenloser Versand, eine einfachere und besser skalierbare IT-Infrastruktur. Das ist es, worum es bei der digitalen Transformation wirklich geht.

Um digitale Transformation zu erreichen, müssen nicht nur digitale Technologien eingebunden werden, sondern ein komplett neuer Denkansatz muss her.

Neue technologiegestützte Geschäftsmodelle

Bisher ging es beim Einsatz von Technologien vor allem um die Optimierung bestehender Prozesse. Für Unternehmen war Technologie etwas, deren Kosten sie begründen müssen. Können wir mehr Produkte zu niedrigeren Kosten produzieren? Wie können unsere Mitarbeiter produktiver werden? Können wir Routineaufgaben automatisieren, um Fehler zu reduzieren und Kosten zu senken? In den letzten 50 Jahren bestand die Rolle der Technologie hauptsächlich darin, die Produktivität zu steigern und die Kosten zu senken.

Das ändert sich gerade: Die Märkte nach der digitalen Transformation werden von Unternehmen mit neuen Denkansätzen angeführt. Es geht nicht mehr darum, das bestehende Geschäftsmodell durch den Einsatz von Technologie zu verbessern, sondern darum, Geschäftsmodelle neu zu erfinden – rund um die neuen Möglichkeiten, die Technologie bietet. Das bedeutet, mit Hilfe von Technologien Wettbewerbsvorteile und neue Geschäftsmöglichkeiten zu erschließen.

Viele Unternehmen denken zum Beispiel darüber nach, ihre Kundenerfahrung zu verbessern, indem sie darauf zurückgreifen, dass Kunden Smartphones mit GPS und Beschleunigungssensoren haben und stets vernetzt sind. Welches neue digitale Geschäftsfeld lässt sich hierfür kreieren? Wenn diese Informationen in die Produkte eines Unternehmens eingebettet werden, entstehen neue Möglichkeiten der Monetarisierung.

Beispiel Autoindustrie: Oft wird gesagt, sie hinke bei der Digitalisierung hinterher. Bei genauerem Hinsehen sind Autos aber schon fast vergleichbar mit einem iPhone: Sie sind mobile Geräte, die Kunden mit einer umfassenden digitalen Plattform verbinden, die neue Geschäftsmodelle und Einnahmequellen ermöglicht. Vernetzte Autos behalten den Überblick darüber, wo wir sind, wie schnell wir fahren, wie stark wir bremsen und wann wir den Blinker betätigen.

Bald schon werden uns die Autohersteller mit Gutscheinen an die nächste Tankstelle locken, wenn unser Tank leer ist. Laut Schätzungen wird die Monetarisierung von Daten aus vernetzten Autos den Umsatz pro verkauftes Auto um 100 US-Dollar pro Jahr steigern. Der Umsatz soll bis 2030 gut 750 Milliarden US-Dollar erreichen. Das ist ein gutes Beispiel für die neue Denkweise, die digitaler Transformation zugrunde liegt.

Die digitale Transformation betrifft jedoch nicht nur Autos, Industrieanlagen oder Geschäftsmodelle von Unternehmen. Sie ist überall gegenwärtig, in jedem Aspekt unseres Lebens. Smart Cities können sich an veränderte Bedingungen in Echtzeit anpassen. Dank strategisch eingesetzten Sensoren, beispielsweise an Straßenlaternen, können sie automatisch auf mögliche Verkehrsstaus reagieren und diese so vermeiden. Außerdem können sie bei Unfällen oder dem Ende von Sportveranstaltungen mit Verkehrsleitsystemen automatisch den Verkehr umleiten. Ebenso können Städte ihre Beleuchtung automatisieren.

Es gibt noch viele weitere Beispiele: Digitale Geräte zur Gesundheitsüberwachung werden nicht länger nur zur Aufzeichnung von Gesundheit und Fitness einer Person eingesetzt. Heute können Krankenhäuser mit diversen Sensoren den Gesundheitszustand einer Person in deren Zuhause verfolgen – und das von tausenden Patienten gleichzeitig. Häusliche Patientenüberwachung kann die Qualität der Versorgung und die Lebensqualität erheblich verbessern. Angefangen beim Senken der Kosten für einen Arztbesuch über den Wegfall der Unannehmlichkeiten eines Krankenhausaufenthaltes bis hin zur schnellstmöglichen Reaktion im Falle eines Notfalls.

Ein weiteres Beispiel: Hersteller von Triebwerken entwickeln Digital Twins ihrer Triebwerke. Diesen digitalen Zwillingen werden Sensoren einprogrammiert. Dadurch können die Hersteller fast in Echtzeit analysieren, wie einzelne Triebwerke oder sogar ganze Triebwerksflotten arbeiten. Digital Twins bieten den Herstellern umfassende Einblicke in den Betrieb und über den Zustand ihrer Triebwerke. So können Ausfälle vorhergesagt und kostspielige, außerplanmäßige Wartungsarbeiten vermieden werden.

Damit eröffnet sich den Herstellern ein neues Geschäftsmodell: Statt Triebwerke an Fluggesellschaften zu verkaufen und mit Dritten um die Triebwerkswartung, den profitabelsten Teil des Geschäfts, zu konkurrieren, können die Hersteller nun ein auf Nutzungsstunden basiertes Preismodell hierfür anbieten. Das setzt erstens durch die alleinige Berechnung der Nutzung Anreize für Fluggesellschaften und Hersteller selbst, und eliminiert zweitens den Wettbewerb mit Dritten um Wartungsverträge.

Auch die Versicherungsbranche befasst sich mit neuen digitalen Geschäftsmodellen. Viele Versicherer haben bereits Pilotprogramme, die darauf basieren, verschiedene Daten über die Aktivitäten von Personen zu erfassen – zu Hause, im Auto, bei der Arbeit. Basierend darauf bieten sie Versicherungen an, die auf den Lebensstil der Menschen zugeschnitten sind: unter anderem wie viel sie fahren, wie viel sie trainieren und wie gesund ihr Herz ist. Die Prämie kann in diesem Tarif schwanken, beispielsweise je nachdem, welche Route der Versicherte zur Arbeit nimmt. Die Versicherung könnte eine alternative Route vorschlagen, auf der eine geringere Unfallgefahr herrscht. Wichtig dabei: Wenn Versicherungen dieses neue digitale Geschäftsmodell nicht bearbeiten und anbieten, werden es andere Unternehmen wie Apple, Amazon oder ein Start-up tun.

Wie gelingt die Transformation in ein Technologieunternehmen?

Eine Auswirkung der digitalen Transformation ist, dass jedes Unternehmen heute zu einem Technologieunternehmen werden muss. CEOs zahlreicher verschiedener Branchen wollen ein Technologieunternehmen aufbauen, dass ein bestimmtes Alleinstellungsmerkmal hat. Dabei stellt sich oft heraus, dass ein digitales Geschäftsmodell viele weitere Möglichkeiten eröffnet. Sobald ein Unternehmen wirklich ein Technologieunternehmen ist, kann es sich an vielen verwandten Märkten beteiligen – wie die Entwicklung von Amazon vom Bücherhändler zum IT-Infrastrukturanbieter deutlich zeigt.

Um ein digitales Unternehmen zu werden, bedarf es jedoch auch einer umfassenden technologischen Modernisierung. Die Datenmenge, die zum Beispiel ein Autohersteller von Millionen von vernetzten Autos – am besten in Echtzeit – sammeln und analysieren muss, stellt enorme Anforderungen. Gleiches trifft auf Gesundheitsorganisationen zu, die Echtzeitdaten von Tausenden von Patienten sammeln und auswerten. Kreditkartenunternehmen, die Millionen von Transaktionen durchkämmen, um Anzeichen von Betrug oder Missbrauch zu erkennen, benötigen ebenfalls große Kapazitäten.

Vielen Unternehmen fehlen dafür jedoch die Strukturen. Sie verfügen über operative Systeme, deren Datenbanken auf Festplatten lagern. Zur Analyse müssen die Daten im ETL-Prozess in Datenanalysesysteme übertragen werden. Das bedeutet, dass sie immer veraltete Daten analysieren - einen Tag, eine Woche oder einen Monat alt. Geschäftsentscheidungen werden dann auf Grundlage der Analyse von veralteten Daten getroffen. Das ist auf keinen Fall digitale Transformation.

Den operativen Betrieb und die Analyse desselben Datensatzes in einer Architektur in Echtzeit durchzuführen, dazu sind traditionelle Systeme nicht in der Lage. Daher werden operative Systeme und Analytik getrennt. Der einzige Weg, beide Systeme zu verbinden, um in Echtzeit aktuelle Daten auszuwerten und Entscheidungen darauf basierend zu treffen, ist die Beschleunigung und Skalierung der bestehenden Architektur mit In-Memory Computing.

Mit In-Memory Computing lässt sich ein einheitliches System schaffen, auf dem der Betrieb läuft und das gleichzeitig sofortige Analysen mit automatisierten Entscheidungen ermöglicht. Auch kontinuierliches Machine Learning oder Deep Learning kann einbezogen werden.

Diese hybride transaktionale und analytische Verarbeitung (Hybrid Transactional and Analytical Processing, HTAP) oder das, was Gartner In-Process HTAP nennt, wenn kontinuierliches Lernen Teil davon ist, ist eine der wesentlichen Grundlagen für die digitale Transformation und für moderne Geschäftsmodelle.

Die In-Memory-Computing-Plattform

Es gibt seit Jahrzehnten verschiedene Formen des In-Memory Computing: Caching, In-Memory-Datagrids, In-Memory-Datenbanken, In-Memory-Verarbeitungssysteme wie Spark und viele weitere. Der Unterschied zu früher besteht darin, dass RAM so günstig geworden ist, dass Unternehmen jeder Größe von In-Memory Computing profitieren können. Zudem werden mehrere In-Memory-Technologien zu einer umfassenden In-Memory-Computing-Plattform mit einer einheitlichen API zusammengefügt.

Das daraus entstehende Stack arbeitet nahtlos zusammen. Die Programmierung, Bereitstellung und Wartung der In-Memory-Computing-Infrastruktur werden damit vereinfacht. Seit etwa zehn Jahren können In-Memory-Computing-Plattformen zudem als hochverfügbare Speichersysteme dienen.

Abe Kleinfeld, GridGain Systems

„Sobald ein Unternehmen wirklich ein Technologieunternehmen ist, kann es sich an vielen verwandten Märkten beteiligen.“

Abe Kleinfeld, GridGain Systems

IDC schätzt, dass dieses Jahr zwei Milliarden Dollar für die digitale Transformation ausgegeben werden. Gartner sagt, dass 2019 75 Prozent der entwickelten nativen Cloud-Anwendungen In-Memory Computing nutzen werden und dass bis 2022 40 Prozent der großen globalen Unternehmen In-Memory-Datenbanken verwenden, da sie hoffen, dadurch den hohen Bedarf an Datenkapazitäten reduzieren zu können.

Es ist wenig überraschend, dass sich beide Trends synchron bewegen, denn In-Memory Computing ist eine grundlegende Technologie für die digitale Transformation. Unternehmen können jetzt tausende oder sogar Millionen von digitalen Touchpoints besitzen und neue digitale Geschäftsmodelle und Einnahmequellen daraus entwickeln. Sie können für ihre Entscheidungsfindung in Echtzeit detaillierte Informationen über ihre Kunden, Produkte und Lieferketten gewinnen und auswerten, um schnell neue Geschäftsmöglichkeiten zu generieren.

Über den Autor:
Abe Kleinfeld ist President und CEO von GridGain Systems. Kleinfeld kam 2013 zu GridGain und hat das Unternehmen zum führenden Anbieter der Open-Source-Plattform für In-Memory Computing gemacht. Das Unternehmen hostet zudem den alljährlichen In-Memory Computing Summit, die weltweit erste und einzige In-Memory-Computing-Konferenz.

Die Autoren sind für den Inhalt und die Richtigkeit ihrer Beiträge selbst verantwortlich. Die dargelegten Meinungen geben die Ansichten der Autoren wieder und entsprechen nicht unbedingt denen von ComputerWeekly.de.

Nächste Schritte

Kostenloses E-Handbook: In-Memory-Technologien im Vergleich.

Neue In-Memory-Technologien aus dem Silicon Valley.

GridGain In-Memory Datagrid auf Basis von Apache Ignite.

Artikel wurde zuletzt im Mai 2019 aktualisiert

Erfahren Sie mehr über Big Data

- GOOGLE-ANZEIGEN

ComputerWeekly.de

Close