ICT-News Dach

Die Trends 2017 für Analytics, künstliche Intelligenz und Big-Data

Holm Landrock

Holm LandrockFür den Komplex Analytics, Big Data und neue, datengetriebene Geschäftsmodelle hat die Experton Group einige Schwerpunkte identifiziert, die 2017 eine große Rolle spielen oder an Bedeutung gewinnen werden.

Data Lakes

Da sind zunächst Data Lakes zu nennen, Stichwort Hadoop, wofür den Anwendern inzwischen weitgehend ausgereifte Distributionen zur Verfügung stehen. Wie wir vor einigen Jahren bereits feststellten, ähnelte die Entwicklung von Hadoop der von Linux: anfangs doch eher für ambitionierte Bastler mit Data-Warehouse-Ambitionen geeignet, hat sich Hadoop inzwischen zu einigen recht vollständigen Distributionen mit anbieterspezifischen Erweiterungen entwickelt. Doch mit dem Data Lake hat der Anwender noch keine neuen Erkenntnisse. Wettbewerbsvorteile stecken erst in komplexen Big-Data-Analysen. Hier wird sich auch 2017 einiges ereignen, was die Implementierung von Big-Data-Szenarien und deren Benutzungskomfort betrifft.

Datenautonomie

Über allen Big-Data-Themen schwebt die Problematik des Beherrschens, des „Sein-eigener-Herr-bleibens“ hinsichtlich der Daten. Datenautonomie ist ein Stichwort, das hier seitens des Verbraucherschutzes entsteht. Damit beispielsweise ein Handelsunternehmen tatsächlich alle Datensätze zu einem Kunden, auch eingekaufte oder aus Social-Media generierte Datensätze über verschiedenste Schreibweisen und Datenstrukturen hinweg identifizieren und auf Kundenwunsch löschen kann, sind hochgradig komplexe Suchalgorithmen erforderlich. Dabei kommen beispielsweise semantische Such- und Datenmanagement-Verfahren zum Einsatz.

Semantic Data Analytics

Semantic Data Analytics spielen im Business-to-Business (B2B-) und im Business-to-Consumer- (B2C-) Umfeld eine immer größere Rolle. Ein praktisches Beispiel ist die Unterstützung von Call-Center-Agenten, indem semantische Verfahren alle Ressourcen in den unternehmensweit verfügbaren Datenbanken nach Hinweisen zu einer Kundenanfrage durchsuchen. Darüber hinaus gewinnen semantische Analysen im B2B-Bereich an Bedeutung, wenn es darum geht, Daten miteinander zu verknüpfen, die nicht ursächlich miteinander in einem Zusammenhang stehen. Sie dienen der Entdeckung des „Bekannten Unbekannten“, also der Informationen und Erkenntnisse, von denen lediglich bekannt ist, dass sie existieren müssten.

Operational Intelligence

Ein weiterer Schwerpunkt im Bereich der Data Analytics ist das wachsende Feld der Operational Intelligence. Hier geht es darum, Betriebsabläufe und wirtschaftliche Entscheidungen durch Datenanalyse zu verbessern. Dabei werden Verfahren, wie sie von Decision Support Systems bekannt sind, mit Big-Data-Verfahren wie Data Lakes und Technologien wie NoSQL-Datenbanken verknüpft.

Cognitive Computing

Momentan noch ein Hype-Thema, aber schrittweise auch mit Technologien und Verfahren hinterlegt, ist der Begriff „Cognitive Computing“. Eine einheitliche Definition für diesen Begriff ist derzeit noch nicht zu finden, jedoch wird er eng mit dem Begriff „Machine Learning“ verknüpft. Schlussendlich sollen Ideen aus der KI- (Künstliche-Intelligenz-) Forschung in die Unternehmens-IT Einzug halten. So könnten IT-Systeme künftig selbständig erkennen, welche Art von Daten in einer bestimmten Situation vorliegen und mit welcher Software diese zu bearbeiten sind. 2017 wird hier von einem deutlichen Hype der Begriffe geprägt sein, und es werden einige konkurrierende Definitionen zu erwarten sein.

Bots

Mit dem Thema des Cognitive Computing eng verknüpft sind Bots, die 2017 und in den darauffolgenden Jahren noch gewaltig an Bedeutung gewinnen werden. Bislang sind es eher einfach Avatare, die beispielsweise einem Anwender helfen, sich durch eine Produktpalette zu navigieren. Durch Elemente der semantischen Verarbeitung und der Analyse „natürlichsprachlichen“ Inputs können Bots in wenigen Jahren so fortgeschritten sein, dass sie den Anspruch einer Turing-Maschine erfüllen. Dahinter stecken dann Big-Data-Technologien, die in Echtzeit große Datensätze verarbeiten, um auch möglicherweise ironisch gemeinte Angaben des Benutzers zu erkennen, zu interpretieren und richtig zu beantworten. Diese Bots sind eine Ausprägung von Bot-Technologien. Weitere Ausprägungen wird es für nahezu beliebige Applikationen geben, wobei die Verarbeitungstechnologie vom Endgerät des Nutzers zurück auf einen Server wandert, der typischerweise in einer Cloud steckt.

Entwicklungstendenzen wie Cognitive Computing und Bots werden auch in Big-Data-Technologien für das Machine Learning einfließen. Der Big-Data-Anteil einer Lösung besteht dann darin, die immer größer werdenden Datenmengen zu verarbeiten – ganz im Sinne der von Experton 2012 vorgestellten Definition.

Analytics-driven Business Models

Bereits deutlich etablierter ist bei den Anwendern das Thema der analytics-driven Business Models, also der datengetriebenen Geschäftsmodelle. Dieses Thema ist eng mit der digitalen Transformation verknüpft. 2017 werden die schon vorhandenen Plattformen bei den Anwendern zunehmend in den Produktivbetrieb kommen und es werden mit den Erkenntnissen aus den Datenanalysen bestehende Geschäftsprozesse optimiert (zum Beispiel verhaltensabhängige Kfz-Versicherungstarife als Optimierung des Produkts Kfz-Schadenversicherung) oder neue Geschäftsmodelle wie beispielsweise die Bereitstellung einer Maschinenleistung als Service.

Social Analytics

Bereits recht ausgereift ist auch der Markt für Social Analytics, also die Erkundung und Auswertung von Daten aus Social Media. Bislang werden diese Daten vor alle für eine sogenannte 360-Grad-Sicht auf den Kunden verwendet. Das wird von vielen Menschen kritisch bewertet. Der BITKOM, der Sachverständigenrat Verbraucherschutz sowie Wissenschaftler und Publizisten beschreiben in ihren Veröffentlichungen deshalb ethische Richtlinien für den Umgang mit personenbezogenen Daten. Dabei bilden Social Analytics ein breites Feld für die Big-Data-Anwendungen – auch im Interesse von Unternehmen – selbst wenn nicht Next-best Offer, Churn Prevention oder Customer Profiling im Mittelpunkt stehen.

Analytics Dashboards

2017 wird auch von neuen oder erweiterten Technologien für Big-Data-Dashboard-Lösungen, Self-Service-BI-Lösungen sowie Plattformen und Lösungen für Analytics as a Service sein. Die Dashboards werden vor allem hinsichtlich Volume und Variety wachsen. Das bedeutet, dass die Endgeräte nicht mehr allein die Analysen durchführen und visualisieren, sondern dass die bewährtesten Dashboard-Technologien mit Backend-Analytics-Lösungen online verknüpft werden, um im Echtzeit neue Erkenntnisse aus den Daten gewinnen zu können.

Konsolidierung des Marktes

Mit der Reife der Lösungen wird 2017 auch ein Jahr der Konsolidierung sein. Anbieter von hochqualifizierten Nischenprodukten, beispielsweise aus dem Bereich E-Health, werden mit anderen Anbietern fusionieren. Die Tendenz für eine Konsolidierung zeichnet sich bereits seit einigen Monaten ab: So wurde einer der Protagonisten des Big-Data-Themas – EMC – von Dell übernommen. Was die Branchenriesen untereinander können, geschieht auch bei kleineren Anbietern. So wurde das deutsche Startup ParStream an Cisco verkauft. Gegenwärtig findet die Übergabe von wichtigen Bestandteilen des Big-Data-Portfolios von Hewlett-Packard Enterprise an Microfocus statt, die Mitte 2017 abgeschlossen sein soll.

Damit wird 2017 ein weiteres spannendes Jahr für Analytics, künstliche Intelligenz, Big-Data-Forschungsthemen und wohl noch einige spannende Firmenübernahmen.