adesso BLOG

Im digitalen Zeitalter ist die Verwaltung von Informations- und Kommunikationstechnologien (IKT) entscheidend für den Erfolg eines Unternehmens. Der IKT-Minimalstandard des Bundes bietet eine wertvolle Orientierung, um die IKT-Resilienz zu stärken. Doch wie setzt man diesen Standard effektiv um?

Enterprise Architecture (EA) ist ein mächtiges Werkzeug zur Optimierung der IT-Kosten. Durch eine systematische Analyse und Modellierung der IT-Landschaft können Unternehmen Ineffizientes identifizieren und gezielt optimieren. Dies führt nicht nur zu Kosteneinsparungen, sondern auch zu einer gesteigerten Agilität und Innovationsfähigkeit.

Im Zeitalter der digitalen Innovation und der datengestützten Entscheidungsfindung ist die effiziente Verarbeitung und Analyse von Daten ein entscheidender Wettbewerbsvorteil. Vor allem dort, wo Informationen in Echtzeit über Erfolg oder Misserfolg entscheiden können, ist Big Data Streaming unverzichtbar. Amazon Web Services (AWS) bietet eine breite Palette von Diensten und Werkzeugen, mit denen Unternehmen Daten in Echtzeit erfassen, verarbeiten und analysieren können. Was es damit auf sich hat, zeige ich in meinem Blog-Beitrag.

Vor der Einführung von Computern verwendeten Unternehmen Geschäftsbücher, Inventarlisten und Intuition, um Kennzahlen zu erfassen. Ende der 1980er Jahre entstand das Data Warehouse für statische Berichte. Die Digitalisierung brachte neue Herausforderungen mit sich. Big Data überforderte traditionelle Data Warehouses, weshalb Unternehmen Data Lakes einführten, die sich aber auch auf die Architektur und die Konzepte von Analysesystemen auswirkten. Im ersten Teil dieses Blog-Beitrags geht es um deren Entwicklung, die Gründe für ihre Entstehung und die gelösten Probleme.

Im ersten Teil dieses Blog-Beitrags haben wir uns mit den Grundlagen von Data Warehouses und Data Lakes beschäftigt, um ihre Vorteile und Grenzen zu verstehen. In diesem Teil geht es um die Entwicklung hin zu einer hybriden Lösung - dem Data Lakehouse. Wir betrachten die Entwicklung der Datenstrukturen von der zweischichtigen Architektur bis zur Entwicklung des Lakehouse-Konzepts. Ihr erfahrt, wie das Lakehouse die Stärken von Data Lakes und Data Warehouses kombiniert, um die datengetriebenen Herausforderungen von heute zu bewältigen.

Kann eine Renovierung eines Hauses ohne genaue Kenntnisse darüber, was bereits vorhanden ist, erfolgreich geplant werden? Die klare Antwort lautet: Natürlich nicht! Ein umfassendes Verständnis vom Haus, seinen verschiedenen Zimmern und dem Zustand des Gartens ist unerlässlich, um zumindest grob abschätzen zu können, welche Renovierungen und Verbesserungen erforderlich sind.

Message Queuing beschreibt also ein Verfahren, das die Erzeugung eines Jobs von seiner Ausführung trennt - eine Entkopplung der Systeme. Dabei wird die Arbeit auf drei Komponenten verteilt. Wie das genau funktioniert, welche Vorteile sich daraus ergeben und welche Anwendungsbeispiele es gibt, zeigen wir in unserem Blog-Beitrag.

Künstliche neuronale Netze werden häufig zur Bild- oder Spracherkennung, für Vorhersagen oder auch zur Betrugserkennung eingesetzt. In einigen Bereichen sind die Ergebnisse sogar besser als eine menschliche Vorhersage. Um diese Trefferquoten zu erreichen, müssen die Netze jedoch zuvor aufwendig mit großen Mengen an Testdaten trainiert werden. Künstliche neuronale Netze können mit genetischen Algorithmen trainiert werden. Wie das funktioniert, zeige ich in diesem Blog-Beitrag.

Microservice-basierte Architekturen sind ein aktueller Trend zur Umwandlung von Informationssystemen. Doch wie können diese Architekturen implementiert werden? Die am häufigsten verwendete Lösung ist die BPM-Engine von Camunda. In meinem Blog-Beitrag zeige ich euch, wie diese Lösung auch die Microservice-Choreographie ermöglicht.