{"id":24541,"date":"2023-07-03T11:35:00","date_gmt":"2023-07-03T09:35:00","guid":{"rendered":"https:\/\/www.sysbus.eu\/?p=24541"},"modified":"2023-06-26T10:41:35","modified_gmt":"2023-06-26T08:41:35","slug":"wie-die-datenintegration-gelingen-kann","status":"publish","type":"post","link":"https:\/\/www.sysbus.eu\/?p=24541","title":{"rendered":"Wie die Datenintegration gelingen kann"},"content":{"rendered":"\n

Autor\/Redakteur: Stefan Sigg, CPO der Software AG<\/a>\/gg<\/p>\n\n\n\n

Unternehmen m\u00f6chten immer mehr Daten in Echtzeit nutzen, um fundierte Entscheidungen zu treffen. Doch die Integration von Daten aus verschiedenen Quellen in unterschiedlichen Formaten und Strukturen kann eine gro\u00dfe Herausforderung darstellen. Mit geeigneten Datenpipelines lassen sich Probleme schnell identifizieren und beheben.<\/p>\n\n\n\n

\"\"<\/a>
Bild: Software AG<\/figcaption><\/figure>\n\n\n\n\n\n\n\n

Daten bilden die Grundlage f\u00fcr die digitale Transformation. Unternehmen ben\u00f6tigen darauf basierende Erkenntnisse, um ihre strategischen und operativen Ziele zu erreichen. Die Datenverarbeitung muss dabei wo m\u00f6glich in Echtzeit geschehen, damit Unternehmen wettbewerbsf\u00e4hig bleiben und Innovationen schnell vorantreiben k\u00f6nnen.<\/p>\n\n\n\n

Frustration auf allen Seiten<\/strong><\/p>\n\n\n\n

Doch das ist leichter gesagt als getan. In den meisten Unternehmen sind die Daten auf viele verschiedene Infrastrukturen, Systeme und Anwendungen verteilt. St\u00e4ndig kommen neue Silos hinzu und die bestehenden ver\u00e4ndern sich. So hat die IT-Abteilung immer mehr Schwierigkeiten, den \u00dcberblick zu behalten und fundierte Daten f\u00fcr Anfragen aus Gesch\u00e4ftsf\u00fchrung und Fachabteilungen bereitzustellen. Gleichzeitig wollen die Business-Teams die ben\u00f6tigten Daten selbst bearbeiten und analysieren ohne langwierige Prozesse mit IT. Das f\u00fchrt zu Frustration auf allen Seiten.<\/p>\n\n\n\n

Dies l\u00e4sst sich mit Zahlen belegen. Laut einer aktuellen Umfrage<\/a> von Sapio Research im Auftrag von StreamSets sind 69 Prozent der Datenexperten frustriert, weil Fachabteilungen oder Gesch\u00e4ftsf\u00fchrung erwarten, dass die richtigen Daten auf Knopfdruck erscheinen. Dabei fordern in knapp der H\u00e4lfte der Unternehmen die Bereiche Verwaltung und Betrieb sowie Kundenservice mindestens einmal pro Woche Daten an.<\/p>\n\n\n\n

Gleichzeitig erschweren die bestehenden Systeme das Erf\u00fcllen dieser Anforderungen. 68 Prozent der Verantwortlichen f\u00fcr die Datenverarbeitung werden durch Reibungsverluste daran gehindert, Daten so schnell bereitzustellen, wie sie das Unternehmen ben\u00f6tigt. Die h\u00e4ufigsten Ursachen f\u00fcr die verz\u00f6gerte Datenbereitstellung sind die Vielfalt der Formate, sowohl bei strukturierten als auch unstrukturierten Daten (38 Prozent), die mangelnde Geschwindigkeit der Datenerstellung (36 Prozent) und das Vorhandensein von Altsystemen (30 Prozent). Entsprechend geben 76 Prozent an, dass ihre Datenpipelines alle paar Monate abst\u00fcrzen, bei 36 Prozent geschieht dies sogar w\u00f6chentlich.<\/p>\n\n\n\n

Flexible und robuste Datenintegration<\/strong><\/p>\n\n\n\n

Die Integration von Daten aus verschiedenen Quellen kann chaotisch und zeitaufwendig sein, wenn die Daten in unterschiedlichen Formaten, Strukturen und Qualit\u00e4ten vorliegen. Zudem ben\u00f6tigen Unternehmen nicht nur robuste, sondern auch flexible Strategien f\u00fcr die Datenintegration, um sich an st\u00e4ndig ver\u00e4ndernde Gesch\u00e4ftsanforderungen in beinahe Echtzeit anzupassen.<\/p>\n\n\n\n

Die Datenqualit\u00e4t ist dabei entscheidend f\u00fcr den Erfolg von Datenintegrationsprozessen. Sie ist zu \u00fcberwachen und permanent zu verbessern, damit die Daten sauber, vollst\u00e4ndig und korrekt sind. Eine Automatisierung der Datenintegrationsprozesse kann dazu beitragen, die Effizienz zu steigern und menschliche Fehler zu minimieren. Zudem sind Datenverschl\u00fcsselung und -sicherheit wichtige Aspekte bei der Entwicklung von Datenintegrationsstrategien. Denn nur damit l\u00e4sst sich die Vertraulichkeit, Integrit\u00e4t und Verf\u00fcgbarkeit der Daten gew\u00e4hrleisten.<\/p>\n\n\n\n

Entsprechend erfordert der Aufbau von Pipelines, die Daten von der Quelle bis zum Ziel zu verbinden und Regeln zur Integration, Umwandlung und Verarbeitung von Daten in verschiedenen Umgebungen zu erstellen. Dabei kann die Datenlieferkette von Cloud-Anwendungen und -Diensten bis hin zu lokalen Mainframe- und Legacy-Systemen reichen. Dies erschwert nat\u00fcrlich den Aufbau robuster Datenpipelines erheblich. Denn Entwickler m\u00fcssen \u00fcber alle Systeme und Infrastrukturen hinweg Fehler identifizieren und beheben, um die Leistung und Zuverl\u00e4ssigkeit der Pipelines von Ende zu Ende sicherzustellen.<\/p>\n\n\n\n

Sechs Best Practices<\/strong><\/p>\n\n\n\n

Auf Basis zahlreicher Projekte haben sich folgende Best Practices f\u00fcr den Aufbau robuster und flexibler Datenpipelines bew\u00e4hrt:<\/p>\n\n\n\n