Sie sind hier: Startseite » Markt » Tipps und Hinweise

Zukunftsinvestition: DataOps-Plattform

Wer die richtigen drei Fragen stellt, findet relativ schnell und unkompliziert die passende DataOps-Plattform
Viele Datenteams in Unternehmen haben immer noch Schwierigkeiten, eine neue IT-Umgebung noch am selben Tag bereitzustellen

Von Dhiraj Sehgal, Director Product and Solution Marketing bei Delphix

Langsam, aber sicher ist DataOps kein Fremdwort mehr. Immer mehr Tools und Lösungen werben mit dem Begriff für sich. Wie sollen Unternehmen da noch den Überblick behalten? Hier sind drei Fragen, die sich Verantwortliche stellen müssen, wenn sie die richtige DataOps-Technologie für ihre Datenteams einsetzen möchten. DevOps ist heute unerlässlich für alle Unternehmen, die flexibel sein und möglichst schnell qualitativ hochwertige Produkte und Dienstleistungen anbieten wollen. Wer auf DevOps verzichtet, kann sich kaum über einen längeren Zeitraum gegenüber der Konkurrenz behaupten. Denn der Ansatz spielt eine entscheidende Rolle bei der Automatisierung der IT-Infrastruktur und des Softwareentwicklungszyklus. Dennoch hat DevOps bisher ein entscheidendes Element gefehlt, das für viele Innovationen zentral ist: die Datenbereitstellung. Genau hier setzt DataOps an.

Zeitfresser Datenbereitstellung
Viele Datenteams in Unternehmen haben immer noch Schwierigkeiten, eine neue IT-Umgebung noch am selben Tag bereitzustellen. In einer aktuellen Studie des Beratungsunternehmens 451 Research gaben 47 Prozent der befragten globalen Unternehmen sogar an, dass es bei ihnen vier bis fünf Tage dauert, eine neue Datenumgebung einzurichten. Unabhängig davon, wie schnell IT-Infrastruktur und Software-Development-Life-Circle (SDLC)-Tooling sind – diese Verzögerung bleibt nicht ohne Folgen. Denn eine zähe Datenbereitstellung kann Entwicklungsprozesse stark ausbremsen.

Dabei stehen die Zeichen so günstig wie nie zuvor: Unternehmen haben immer mehr Möglichkeiten, ihre Infrastruktur zu automatisieren. Entwicklerteams können heutzutage Rechen-, Speicher- und Netzwerkumgebungen in Minutenschnelle mit Anbietern und Tools wie Ansible, Chef und Puppet auf- und abbauen. Viele Unternehmen haben zudem bereits in agile Entwicklung und DevOps investiert. Einige unter ihnen haben sogar eine Testautomatisierung aufgebaut, um ihre Entwicklungspipelines zu automatisieren und Releases mit Tools wie Git, Jenkins, Maven und Docker schneller auf den Markt zu bringen. Wenn es allerdings an einer effizienten Datenbereitstellung fehlt, waren alle diese Bemühungen umsonst.

DataOps ist der Schlüssel zum DevOps-Schloss
In den letzten Jahren hat sich das Datenmanagement als das letzte grundlegende Element für Störungen im Entwicklungsprozess herausgestellt, die sich mit DevOps nicht lösen lassen. Hier setzt DataOps an: Dabei handelt es sich um einen kollaborativen Datenmanagement-Ansatz. Dieser trägt dazu bei, die Effizienz sowie Art und Weise, wie Daten im gesamten Unternehmen verwendet werden, zu verbessern. Der Schlüssel dazu liegt in einer möglichst umfassenden Abstimmung aller beteiligten Personen, Prozesse und Technologien.

Datenmanagement-Lösungen gehören daher zum Kern jedes DataOps-Ansatzes. Doch mittlerweile gibt es verschiedenste Lösungen und Plattformen, die den Titel DataOps für sich beanspruchen. Folgende drei Fragen helfen den Verantwortlichen, im Angebotsdschungel die richtige DataOps-Plattform zu finden:

1. Kann die DataOps-Plattform allen Beteiligten Daten automatisiert bereitstellen?
Da Anwendungen mehrere Datenquellen nutzen, sollte der SDLC-Workflow auch das gleiche Szenario in AppDev-, Quality Assurance-, Staging- und Produktionsumgebungen abbilden. Eine DataOps-Lösung muss dafür in der Lage sein, Daten aus allen Produktionsdatenquellen konsistent an verschiedene beteiligte Gruppen und Teams zu liefern. Darüber hinaus sollte die Plattform Abstraktionen bereitstellen, die unabhängig von der Datenquelle oder dem Betriebskontext (On-Premises oder Public Cloud) gleich funktionieren und jedem Benutzer wiederholbare, integrierte und einheitliche Workflows aus mehreren Datenquellen zur Verfügung stellen.

2. Kann die Plattform die Datenerkennung und -maskierung sensibler Informationen im gesamten Unternehmen automatisieren?
Eine leistungsfähige DataOps-Lösung sollte weiterhin in der Lage sein, Daten aus jeder Datenquelle zu analysieren, kategorisieren und gegebenenfalls zu maskieren. Nur so ist sichergestellt, dass sensible Daten nicht in Umgebungen mit geringeren Sicherheitsstandards gelangen. Die erzeugten Datenkopien sollten realistisch, aber fiktiv sein. So sind Tests durchführbar, für Diebe und Hacker aber gleichzeitig wertlos. Es empfiehlt sich zudem, dass die maskierten Datenwerte auch für nicht-produktive Anwendungsfälle verwendbar sind.

3. Kann die Plattform den Endnutzern personenbezogene Datenumgebungen zur Verfügung stellen und sie diese bearbeiten lassen?
Die richtige Plattform zeichnet sich dadurch aus, dass sie personenbezogene Datenumgebungen ohne Speicheraufwand schnell mit erweiterten Datenbearbeitungstools wie Lesezeichen, Zurückspulen, Zurücksetzen und Verzweigen ausstattet. Einzelne Benutzer, einschließlich Quality Assurance Engineers, Tester und Entwickler, sollten effizient und einfach zusammenarbeiten können, indem sie ein Lesezeichen gemeinsam nutzen und eine Lesezeichen-Bibliothek für mehrere Workflows erstellen.

Fazit
Automatisierungsprozesse werden in Zukunft im IT-Bereich immer umfassender sein. Unternehmen dürfen dabei auf drei Ebenen keinesfalls den Anschluss verpassen: bei der IT-Infrastruktur, Softwareentwicklung und im Datenmanagement. Nur dann sind sie in der Lage, Störungen zu beheben und schneller als ihre Konkurrenten zu innovieren. Wenn den Verantwortlichen dies allerdings gelingt und sie die richtigen DataOps-Technologien in ihre DevOps-Prozesse integrieren, steht einem möglichst effizienten und agilen Entwicklungsprozess nichts mehr im Weg. (Delphix: ra)

eingetragen: 12.08.19
Newsletterlauf: 19.09.19

Delphix: Kontakt und Steckbrief

Der Informationsanbieter hat seinen Kontakt leider noch nicht freigeschaltet.

Meldungen: Tipps und Hinweise

Wie sich Teamarbeit im KI-Zeitalter verändert
Liefertermine wackeln, Teams arbeiten unter Dauerlast, Know-how verschwindet in der Rente: In vielen Industrieunternehmen gehört der Ausnahmezustand zum Betriebsalltag. Gleichzeitig soll die Zusammenarbeit in Produktion, Qualitätskontrolle und Wartung immer schneller, präziser und vernetzter werden. Wie das KI-gestützt gelingen kann, zeigt der Softwarehersteller Augmentir an sechs konkreten Praxisbeispielen.
Vom Workaround zum Schatten-Account
Um Aufgaben im Arbeitsalltag schneller und effektiver zu erfüllen, ist die Suche nach Abkürzungen Gang und Gebe. In Kombination mit dem technologischen Fortschritt erreicht die Effizienz menschlicher Arbeit so immer neue Höhen und das bringt Unternehmen unwissentlich in eine Zwickmühle: Die zwischen Sicherheit und Produktivität. Wenn ein Mitarbeiter einen Weg findet, seine Arbeit schneller oder besser zu erledigen, die Bearbeitung von Zugriffsanfragen durch die IT-Abteilung aber zu lange dauert oder zu kompliziert ist, dann finden Mitarbeiter oftmals "kreative" Lösungen, um trotzdem weiterarbeiten zu können. Diese "Workarounds" entstehen selten aus böser Absicht. Allerdings stellen sie gravierende Sicherheitslücken dar, denen sich viele Beschäftigte und Führungskräfte nicht bewusst sind.
KI in der Cloud sicher nutzen
Keine Technologie hat die menschliche Arbeit so schnell und weitreichend verändert wie Künstliche Intelligenz. Dabei gibt es bei der Integration in Unternehmensprozesse derzeit keine Tür, die man KI-basierter Technologie nicht aufhält. Mit einer wachsenden Anzahl von KI-Agenten, LLMs und KI-basierter Software gibt es für jedes Problem einen Anwendungsfall. Die Cloud ist mit ihrer immensen Rechenleistung und Skalierbarkeit ein Motor dieser Veränderung und Grundlage für die KI-Bereitstellung.
Clever skalieren auf Basis bestehender Strukturen
Da Generative AI zunehmend Teil unseres Alltags wird, befinden wir uns in einer KI-Phase, die sich durch außerordentliche Fähigkeiten und enormen Konsum auszeichnet. Was anfangs auf einer theoretischen Ebene stattgefunden hat, ist inzwischen messbar - und zwar bis zur kleinsten Einheit. Aktuelle Untersuchungen von Mistral AI und Google deuten darauf hin, dass die Folgen einer einzigen Interaktion vernachlässigbar sind: Bruchteile eines Watts, einige Tropfen Wasser und ein Kohlenstoffausstoß, der etwa dem entspricht, was beim Streamen eines Videos unter einer Minute verbraucht wird.
Von Cloud-First zu Cloud-Smart
Die zunehmende Vernetzung von IT- und OT-Systemen bedeutet für die Fertigungsindustrie neue Sicherheitsrisiken. Ein moderner Cloud-Smart-Ansatz verbindet Innovation mit effektiven Sicherheitslösungen, um diesen Herausforderungen gerecht zu werden. Die industrielle Digitalisierung stellt die Fertigungsindustrie heute vor neue Herausforderungen - insbesondere in puncto Sicherheit.
Technik statt Vertrauen
Die andauernden Turbulenzen in den USA seit Amtsantritt von Donald Trump, die konsequente Kürzung von Mitteln für Datenschutz und die Kontrolle staatlicher Überwachungsprogramme verdeutlichen: Wer als Behörde oder Institution höchste Datensicherheit garantieren muss, kann nicht auf US-amerikanische Unternehmen oder deren europäische Töchter setzen.
Risiko von SaaS-zu-SaaS-Integrationen
Ein SaaS-Sicherheitsalbtraum für IT-Manager in aller Welt wurde kürzlich wahr: Hacker nutzten legitime OAuth-Tokens aus der Drift-Chatbot-Integration von Salesloft mit Salesforce, um unbemerkt Kundendaten von der beliebten CRM-Plattform zu exfiltrieren. Der ausgeklügelte Angriff deckt einen kritischen toten Winkel auf, von dem die meisten Sicherheits-Teams nicht einmal wissen, dass sie von ihm betroffen sind.
Kostenfallen erkennen und vermeiden
Remote Work, Cloud Computing und mobile Endgeräte haben die Arbeitswelt grundlegend verändert. Mitarbeiter erwarten heute, von überall aus auf ihre Anwendungen und Daten zugreifen zu können. Virtuelle Desktop-Lösungen machen diese Flexibilität möglich, indem sie Desktop-Umgebungen und Anwendungen über das Netzwerk eines Unternehmens bereitstellen. Doch der Markt für solche Lösungen ist komplex und vielfältig. IT-Entscheider stehen vor der Herausforderung, aus dem Angebot die passende Lösung zu identifizieren, die sowohl technische Anforderungen als auch wirtschaftliche Ziele erfüllt.
Übergang in die neue Systemlandschaft
Der Umstieg auf SAP S/4HANA ist bei vielen Unternehmen bereits in vollem Gange oder steht unmittelbar bevor. Wer in diesem Zusammenhang seine Archivierungsstrategie überdenkt, kann wertvolle Zeit, Kosten und Aufwand sparen. Die Archivierungsexperten von kgs haben zehn zentrale Aspekte zusammengestellt, die dabei helfen, den Übergang in die neue Systemlandschaft effizient und zukunftssicher zu gestalten.
Die Zukunft braucht offene KI-Infrastrukturen
KI ist mehr als ein ominöses Hinterzimmer-Experiment. Die Technologie ist eine treibende Kraft, wenn es um Produkte, Entscheidungen und Nutzererfahrungen über jegliche Wirtschaftsbereiche hinaus geht. Mittlerweile stellen Unternehmen jedoch die Inferenz in den Mittelpunkt ihrer KI-Implementierungen. Hier können die Modelle ihren eigentlichen Mehrwert unter Beweis stellen - unter anderem in Form von Antworten auf drängende Fragen, Vorhersagen und Content-Generierung. Der Anstieg des Inferenz-Bedarfs bringt jedoch eine entscheidende Herausforderung mit sich. Bei Inferenzen handelt es sich nämlich nicht um einzelne Workloads.

Auslagern statt selber machen Sämtliche Datenelemente dokumentieren