T-Systems skizziert In-Memory und Hadoop

Big Data – mehr als nur Storage

Preise in Rekordzeit an den Wettbewerb angleichen oder den Kraftstoffverbrauch der eigenen Autoflotte drastisch senken: Mit der passenden Lösung verringern Big-Data-Analysen nicht nur die Kosten, sondern bringen bares Geld. Aber welche Technologie ist die richtige?

Big Data wird als Lösungstechnologie zur Bewältigung der stetig wachsenden Datenmengen hoch gehandelt. Da der Ansatz aber relativ neu ist, herrscht in vielen Unternehmen noch Nachholbedarf. Beispielsweise im Energiebereich: Über 40 Prozent der befragten Energieunternehmen haben laut der aktuellen Studie „Energie durch Big Data“ der Economist Intelligence Unit (EIU) des britischen Wirtschaftsblattes „The Economist“ bisher keine Big-Data-Strategie oder befinden sich noch in der Planungsphase. Häufig fehlt das technische Know-how. Hinzu kommen hohe Investitionskosten. Nur wenige Unternehmen können es sich leisten, entsprechende Infrastrukturen und die dazugehörigen High-Performance-Technologien im eigenen Haus zu betreiben.

Hier bietet sich der Schritt in die Cloud an. Die nötige Infrastruktur bereitzustellen, ist dabei lediglich die erste Hürde. Zusammen mit einem Dienstleister wie T-Systems können Unternehmen für sich herausfinden, welche Technologie für die eigenen Fachbereiche und deren Ziele das beste Kosten-Nutzen-Verhältnis bietet.

In-Memory: Wertvolle Informationen auf Knopfdruck

Rechenintensive Geschäftsprozesse lassen sich mit In-Memory-Computing maßgeblich beschleunigen. Der Vorteil der Lösung liegt darin, dass die Informationen im Arbeitsspeicher zur Verfügung stehen. So entfällt der zeitaufwendige Zugriff auf Festplattensysteme. Analysen großvolumiger Datenbestände, die mit herkömmlichen Datenbanken Stunden oder gar Tage beanspruchen, ermöglicht In-Memory nahezu in Echtzeit.

Aufgrund der Geschwindigkeit eignet sich die Lösung vor allem für Bereiche, in denen die Devise „Zeit ist Geld“ das Kerngeschäft bestimmt. Beispielsweise im Handel: Preise situationsabhängig festzulegen, und das schneller als die umliegenden Mitbewerber, entscheidet hier über Erfolg oder Misserfolg. Mit In-Memory ist es sogar denkbar, Preise im Tagesverlauf mehrfach anzupassen. Große Kaufhausketten können etwa den Preis für ein bestimmtes Produkt herabsetzen, wenn Aktionen eines Wettbewerbers in der näheren Umgebung das erfordern.

Mit Hadoop große Volumina bändigen

Ein weiterer Ansatz für den Umgang mit Big Data sind Hadoop-basierte Lösungen. Mit diesem Konzept ist es möglich, Datenmengen im Tera- oder sogar Petabyte-Bereich zu erschließen und für optimierte Wertschöpfungsprozesse nutzbar zu machen. Hadoop leitet eine neue Generation von Verarbeitungssystemen ein, die auch unstrukturierte Daten – etwa aus Social-Media-Anwendungen – erfassen. Das Software-Framework verteilt die Daten auf beliebig viele Rechner, die zu einem Cluster verbunden sind – die potentielle Speicherkapazität und Skalierbarkeit gehen so gegen unendlich.

In Kombination mit einer entsprechenden Analysesoftware sind Hadoop-Cluster um prädiktive Analysefunktionen erweiterbar. Während der Auswertung der Daten erkennt das System Muster und liefert daraus Ergebnisse für Prognosen jeglicher Art. Setzen beispielsweise Flottenbetreiber und Logistiker solche Technologien professionell ein, erhalten sie nützliche Informationen über immer wiederkehrende Fahrten und erkennen Verbesserungspotentiale. Verbrauchswerte und zusätzliche Daten, etwa zur Beladung oder Fahrtgeschwindigkeit, werden an die Zentrale weitergeleitet. Diese kann Fracht- und Routenplanung gezielt anpassen und Informationen wie eine Streckenänderung sofort an den Fahrer übermitteln. So lassen sich unter anderem Leerfahrten, ineffiziente Routen oder ein zu hoher Kraftstoffverbrauch vermeiden. Ein Pilotversuch von T-Systems zeigt, dass solche Telematiksysteme jährlich Kraftstoffeinsparungen von bis zu 15 Prozent pro Fahrzeug realisieren können.

Das 1x1 der Big-Data-Lösungen

Big-Data-Technologien filtern wertvolle Erkenntnisse aus polystrukturierten Datensätzen und lassen so fundierte Entscheidungen zu. Unternehmen können dadurch von einer höheren Datenaktualität und Zugriffsgeschwindigkeit proftieren. Ob In-Memory oder Hadoop hängt davon ab, auf welche Funktionalitäten der Anwender angewiesen ist. Bei speziellen Anforderungen kann auch die Kombination verschiedener Ansätze sinnvoll sein. Unternehmen müssen jedoch zunächst den Ist-Zustand ihrer Infrastrukturen sowie den Bedarf der Fachbereiche ausloten. Anbieter mit langjähriger Erfahrung als Systemintegrator können hierbei die nötige Unterstützung bieten. Denn erst mit der richtigen Strategie ist der Aufbau eines passenden Architekturkonzepts überhaupt möglich.

www.t-systems.de

* Der Autor, Dr. Ferri Abolhassan, ist Geschäftsführer der T-Systems International GmbH und verantwortlich für den Bereich Delivery.

Bildquelle: Gerd Altmann/Pixelio.de

©2026Alle Rechte bei MEDIENHAUS Verlag GmbH

Unsere Website verwendet Cookies, um Ihnen den bestmöglichen Service zu bieten. Durch die weitere Nutzung der Seite stimmen Sie der Verwendung zu. Weitere Infos finden Sie in unserer Datenschutzerklärung.

ok