Die Zukunft der Unternehmen ist datenzentriert

Autor/Redakteur: Dr. Andy Packham, Chief Architect Microsoft Ecosystem Unit bei HCLTech/gg

Daten sind das Antriebsmittel der heutigen Wirtschaft. Doch zur bestmöglichen Nutzung der enormen Datenmengen, die viele Unternehmen angesammelt haben, ist mehr als ein einfacher Zugriff darauf über Anwendungen nötig. Unternehmen müssen ihre Datenstrategie schnell neu ausrichten und Informationen als separaten Vermögenswert betrachten. Künstliche Intelligenz und maschinelle Lerntechnologien helfen Unternehmen dabei, aus ihren Daten den größtmöglichen Wert zu gewinnen.

In der heutigen, sich schnell entwickelnden digitalen Welt sind KI, Big Data und die Cloud Voraussetzungen für die Wettbewerbsfähigkeit. Wer es dabei noch nicht geschafft hat, eine datengesteuerte Organisation aufzubauen, läuft Gefahr, ins Hintertreffen zu geraten. Problematisch ist, dass in vielen Unternehmen immer noch Silodenken herrscht, das auch den Umgang mit den unternehmenseigenen Daten und Informationen stark prägt. Diese Silos werden durch Anwendungen geschaffen. Um sie aufzubrechen und die Widerstandsfähigkeit von Unternehmen zu erhöhen, ist eine datenzentrierte Architektur erforderlich. Hier bilden Daten das wichtigste Gut, während Anwendungen, Tools und Einsatzszenarien kommen und gehen.

Von anwendungszentrierter zu datenzentrierter Architektur

Die explosionsartige Zunahme app-zentrierter Unternehmensarchitekturen hat eine IT-Landschaft geschaffen, in der neue Lösungen maßgeschneiderte Zugriffskontrollen, langwierige Integrationen und massenweise Datenduplikation erfordern. Denn bei der Entwicklung jeder neuen Lösung oder Funktion müssen Daten kopiert und Systeme integriert werden. Darüber hinaus hat jede Anwendung ihr eigenes Datenmodell. Die Entwickler müssen sich an diesem Modell orientieren, wodurch sich Entwicklungszeit und Komplexität erhöhen.

Infolgedessen sind die Unternehmensarchitekturen inkonsistent. Die IT-Teams haben nicht die Freiheit, Änderungen an Altsystemen vorzunehmen, weil sie befürchten, dass dadurch entscheidende Prozesse beeinträchtigt werden. Agile und zukunftsorientierte Unternehmen können unter solchen Einschränkungen nicht arbeiten, da Anwendungen ohne Zugriff auf und Verständnis von Daten, die diese Anwendungen verarbeiten, wertlos sind.

Umsetzen der Datenzentriertheit mit künstlicher Intelligenz

Laut einer Studie des Harvard Business Review mit über 1500 Unternehmen erzielen Firmen die größten Leistungssteigerungen, wenn Menschen und Maschinen zusammenarbeiten. Durch kollaborative Intelligenz verstärken Menschen und KI aktiv gegenseitig ihre sich ergänzenden Stärken: die Führungsqualität, Teamarbeit, Kreativität und soziale Fähigkeiten der Menschen sowie die Geschwindigkeit, Skalierbarkeit und quantitative Fähigkeiten der KI. Diese Synergie kann jedoch nur durch Datenzentrierung und eine Plattform für die Zusammenarbeit mit Hilfe von Daten erreicht werden, nicht durch eine anwendungszentrierte Plattform.

Datenzentrierung ist ebenso sehr eine Denkweise wie eine technische Architektur – im Kern erkennt die Datenzentrierung die wertvolle und vielseitige Rolle von Daten im größeren Unternehmens- und Branchen-Ökosystem und behandelt Informationen als den zentralen Vermögenswert von Unternehmensarchitekturen. Im Gegensatz zum anwendungszentrierten Stack existieren in einer datenzentrierten Architektur die Daten unabhängig von einer einzelnen Anwendung und unterstützen ein breites Spektrum von Beteiligten.

Die Datenzentrierung demokratisiert die Daten, gibt den Dateneigentümern eine größere Kontrolle und ermöglicht neue Lösungen und Geschäftseinblicke. Sie beseitigt Barrieren, welche die Arbeit mit KI erschweren, und ebnet den Weg für KI-gestützte Lösungen, die die Arbeitsweise von Unternehmen revolutionieren.

Die Umstellung auf einen datenzentrierten Ansatz erfordert Entscheidungen von vielen Führungskräften. Daher ist die Veränderung der Kultur und der Geschäftsmodelle nötig, neben der Auswahl der Technologie. Eine datenzentrierte Denkweise verlagert den Schwerpunkt auf das Verständnis und die Verbesserung der Daten, weg von der Modellarchitektur. Um die Leistung zu verbessern, müssen die Daten verstanden und gekennzeichnet werden. Und sie müssen vollständig und repräsentativ sein, um eine Verzerrung der Ergebnisse zu vermeiden.

Anwendungsfälle erfordern Fachwissen, eigene Daten und sich schnell ändernde Ziele. Viele Herausforderungen in den Bereichen Ethik und Governance werden durch KI-Ansätze verschärft, die auf einer manuellen Kennzeichnung beruhen. Um diese Herausforderungen zu bewältigen, müssen Unternehmen wissen:

• Wie man Verzerrungen prüft, entfernt und minimiert
• Wie man repräsentative Daten unter Berücksichtigung von Fairness und Inklusivität sammelt
• Wie man gekennzeichnete Datenpunkte steuert und prüft
• Wie man die Herkunft von Modellfehlern, die durch eine falsche Kennzeichnung entstehen, zurückverfolgen kann

Datenzentrierte Sicherheit

Cyberangriffe und Datenschutzverletzungen stellen bei der Fokussierung auf Daten große Herausforderungen dar. Herkömmliche Sicherheitstechnologien konzentrieren sich auf den Standort der Daten (Endpunkt, Server oder Netzwerk). Für die datenzentrierte Sicherheit werden dagegen sensible Daten identifiziert und richtlinienbasierter Schutz angewendet, um Informationen während des gesamten Datenlebenszyklus unabhängig von ihrem Standort zu schützen.

Die Erkenntnisse aus den Daten stammen aus der Kombination vieler Quellen, von denen einige für den Erfolg des Unternehmens entscheidend sein können, aber möglicherweise von einer anderen Organisation erstellt und verwaltet werden. Wie bei den Herausforderungen in der physischen Lieferkette sollten Unternehmen daher die Risiken und Kontrollen berücksichtigen, die für den Aufbau einer erfolgreichen digitalen Lieferkette erforderlich sind.

Der Übergang zur Datenzentrierung ist komplex. Führungskräfte müssen realisieren, dass es sich um eine Reise handelt, nicht um ein Ereignis. Unternehmen sollten dabei ganzheitlich über die Geschäftsergebnisse, Ethik, Compliance und Sicherheit nachdenken.

Klasse statt Masse

Standardlösungen wie Azure erleichtern zwar den datenzentrischen Übergang in die Cloud, können aber auch ein Teil des Problems sein. Denn bei der Datenzentrierung geht es nicht primär darum, riesige Datenmengen zu sammeln und zu speichern. Deren Verwaltung ist mit hohen Kosten und Risiken verbunden. Mit dem richtigen Partner, der nicht nur die technische Landschaft, sondern auch das geschäftliche Ökosystem versteht, können diese Herausforderungen jedoch vermieden werden.

HCLTech arbeitet mit Microsoft Azure zusammen, um individuell angepasste, datenzentrierte Anwendungen bereitzustellen. Über 8.500 zertifizierte Azure-Fachleute von HCLTech unterstützen Unternehmen bei ihrer Transformation in der Microsoft Cloud in den Bereichen Infrastruktur, Daten & KI, digitale & Anwendungsinnovation, modernes Arbeiten, Geschäftsanwendungen und Sicherheit. Denn um eine erfolgreiche datenzentrierte Plattform zu schaffen und echten geschäftlichen Mehrwert zu erzielen, ist ein sehr breites Spektrum an Fähigkeiten erforderlich, wobei gleichzeitig die Sicherheit gewährleistet und eine ethische und transparente Nutzung der Informationen sichergestellt werden muss.

Fazit

Für Unternehmen ist es von entscheidender Bedeutung, Daten nicht länger im Hinblick auf ihre Anwendung zu betrachten, sondern eine innovative Data-as-an-Asset-Strategie zu entwickeln. Nur mit einem datenzentrierten Ansatz können sie in der heutigen digitalen Wirtschaft erfolgreich sein.