In-Memory als Allheilmittel?

Viele Mittelständler betreiben ein Data Warehouse (DWH) und eine oder mehrere Lösungen für Reporting und Analyse (Business Intelligence, BI). Sie haben die Möglichkeiten schätzen gelernt, die sich ihrem Unternehmen damit bieten. Egal ob in Controlling, Vertrieb oder anderen Unternehmensbereichen: BI verschafft allen Mitarbeitern vom Vorstand bis zum Sachbearbeiter relevante Informationen über Prozesseffizienz sowie Prozessergebnisse und liefert wichtige Kennzahlen sowohl zu Kunden als auch Lieferanten.

Im Arbeitsalltag bereiten viele dieser dispositiven Systeme aber Probleme: Aus Sicht von Controlling und Unternehmensleitung sind sie schlicht teuer in der Anschaffung und oft mehr noch im Betrieb. Aus Sicht der Anwender sind sie kompliziert, zwingen zum Arbeiten mit unverständlichen Tools, beruhen auf teilweise falschen Daten, brauchen bei Abfragen ewig, bis vom System eine Antwort kommt, oder liefern Berichte am Bedarf vorbei. Für die IT entwickelt sich BI nicht selten zu einer komplexen Anwendungslandschaft, die in extremen Fällen die Grenze der Wartbarkeit überschreiten. Neue Anforderungen werden nicht mehr angegangen, zumal deren Umsetzung nur unter erheblichen Aufwänden und Risiken möglich wäre.

Zeit und Ausdauer sind vonnöten

Oft stehen hausgemachte Probleme der ungeeigneten Organisation und fehlenden Standardisierung rund um BI und Data Warehouse ganz oben auf der Liste der Problemquellen. Entwicklerrichtlinien, Dokumentationsstandards, aber auch Vorgaben für Prozesse wie Anforderungsmanagement, Testen oder Freigaben für den Produktivbetrieb fehlen ganz oder teilweise. Um sie kommt man jedoch nicht umhin, will man nicht, dass die eigene BI-Lösung mit der Zeit zerfasert und immer weniger benutzbar wird. Typischerweise erfordern solche Themen jedoch Umdenkprozesse in Unternehmen. Sie benötigen Zeit in der Vorbereitung und Ausdauer sowie die Unterstützung durch das höhere Management bei der Durchsetzung.

Auch die Architektur herkömmlicher Ansätze für BI und Data Warehouse macht den Unternehmen das Leben schwer. Hier liegt des Pudels Kern in inhärenten Performance-Beschränkungen herkömmlicher Datenbanken und Analysewerkzeuge. Ab gewissen Datenmengen sind komplexere Ad-hoc-Abfragen nur möglich, indem man hierfür zusätzliche optimierte Datenmodelle, spezielle Indizes und Aggregate schafft, für deren Bewirtschaftung natürlich auch die entsprechenden Prozesse entwickelt und betrieben werden müssen. Große Teile der Komplexität und des Datenvolumens von klassischen BI-Lösungen sind ursächlich der schlechten Performance geschuldet.

Nachweisbar massive Performance-Verbesserungen

Moderne Architekturen für BI setzen genau hier an, indem sie In-Memory-Technologie integrieren. Die Einführung dieser eigentlich nicht wirklich neuen, aber in jüngeren Jahren gewissermaßen wiederentdeckten und weiterentwickelten Technologieklasse bringt nachweisbar massive Performance-Verbesserungen. Die Hersteller übertreffen sich mit Vergleichstests, in denen von Laufzeitreduktionen um den Faktor 1.000 oder mehr die Rede ist. Die meisten Anwender von In-Memory-Technologie bestätigen solche Zahlen und berichten von spürbaren Verbesserungen.

Erreicht wird diese Performance zum einen dadurch, dass große Teile der benötigten Daten im Arbeitsspeicher gehalten werden, der dafür natürlich auch entsprechend ausgelegt sein muss. Die meisten In-Memory-Werkzeuge beinhalten zusätzlich eine Reihe von Kniffen, um den Arbeitsspeicher möglichst effizient zu nutzen, den Prozessoreinsatz effizienter zu machen oder das System auf andere Weise zu optimieren. Tatsächlich besitzen die angebotenen Werkzeuge in dieser Hinsicht einen sehr unterschiedlichen Reifegrad. Sie sind aber auch für verschiedene Anwendungszwecke ausgelegt und unterscheiden sich u.a. hinsichtlich Kapazität, Schnittstellen, Skalierbarkeit und Betriebsfreundlichkeit. Und sie haben ihren Preis: Für gute In-Memory-Lösungen im Unternehmenseinsatz müssen fünf-, bei großen BI-Landschaften auch sechsstelligen Eurobeträge angesetzt werden. Entsprechend sind ein gründlicher Auswahlprozess und vor allem ein Nachdenken über die mit dem Einsatz von In-Memory-Technologie verbundenen Ziele und die langfristige Zielarchitektur zu empfehlen.

Mit fast jedem der angebotenen Tools lassen sich akute Performance-Probleme am Frontend lindern. Insofern ist ein gewisser und schneller Nutzen fast garantiert. Die Nachhaltigkeit dieses Effekts sicherzustellen und die weiteren Nutzenpotentiale – z.B. Vermeidung von Redundanzen, Reduktion der Komplexität, Erhöhung der Flexibilität für Erweiterungen, Senkung der Betriebskosten – zu heben, erfordert jedoch grundlegendere Umstellungen, die jedoch nicht von jedem Werkzeug in gleicher Weise unterstützt werden. Langfristig werden diejenigen Firmen die meiste Freude an ihrer BI-Lösung haben, die ihre Datenbasis vollständig auf eine In-Memory-Architektur umstellen und nicht nur einfach auf die bestehende Landschaft am Frontend eine Technologiekomponente zur Beschleunigung einbauen.


Für und Wider von In-Memory-Technologien

Vorteile

• Schnellere Berichte
• Flexibles und performantes Ad-hoc-Reporting
• Zufriedene und aktive BI-Anwender
• Weniger lokale Einzellösungen in Excel und Access
• Schneller Ausbau und Anpassung von Datenhaushalten und Berichten
• Kostenreduktion in Entwicklung und Betrieb
• Verbesserte Wartbarkeit durch geringere Komplexität der Gesamtlösung
• Weitgehende Wartungsfreiheit der In-Memory-Komponente
• Keine Trainingsaufwände für BI-Anwender und nur geringe für die IT
• Höhere Qualität der Berichte

Nachteile

• Hardwarekosten (oft fünfstellig)
• Softwarekosten (fünf- bis sechsstellig)
• Aufwand für die Umstellung der Architektur (Rückbau, Vereinfachung)

Quelle: Mayato GmbH

Bildquelle: © Thinkstock/iStockphoto