Fazit

Die Echtzeitanalyse von Daten gleich wenn sie anfallen wird für viele Unternehmen an Relevanz gewinnen. „Im gleichen Zuge, wie das Internet of Things und Sensordaten immer wichtiger werden, und zwar sowohl für Verbraucher als auch im Businessbereich, wird auch Stream Processing als Methode zur Auswertung der Daten, die dabei entstehen, noch weiter an Bedeutung zunehmen“, so das Resümee von Cornelius Kimmer von SAS. Mehr Rechenleistung, mehr Daten und die erforderlichen Algorithmen zu ihrer Auswertung seien bereits vorhanden - und damit die Voraussetzungen für den Einsatz weiterer moderner Technologien wie Künstlicher Intelligenz (KI) gegeben.

Alexander Lemm von der Software AG stimmt ihm zu: „Die Stream-Verarbeitung und das maschinelle Lernen werden sich einander annähern. Sie bilden eine leistungsfähige Kombination zur Analyse von Daten unter Berücksichtigung zeitlicher und räumlicher Ereignisse, Ereignisbeziehungen und Vorhersagemodelle.“ Insbesondere Stream-Verarbeitungs-Engines, die einen sogenannten Model Serving Service verwenden, der Machine-Learning-Modelle und Deep Neural Networks ausführen kann, hätten einen großen Vorteil. „Darüber hinaus werden wir mehr Log-getriebene Architekturen sehen, die Stream-Prozessoren von den Diensten entkoppeln, die die Quelldaten bereitstellen. Alle Daten­aktualisierungen sind direkt im Protokoll verfügbar. Messaging-Plattformen bilden das Rückgrat des Protokolls“, so Lemm weiter. Eine weitere interessante Entwicklung sei die Stream-Verarbeitung für „Nicht-Codierer“, die sich in Zukunft beschleunigen werde, sodass immer mehr Menschen analytische Modelle für Streaming-Daten in Umgebungen mit keinem oder nur wenig Code erstellen und ausführen könnten.

Stephan Reimann von IBM weist auf Stream Processing Everywhere hin, also auf Edge-Computing: In Zukunft werde man die Daten vermehrt nicht nur in Rechenzentren, sondern beispielsweise direkt auf Smartphones oder in industriellen Anlagen analysieren. „Dabei geht es darum, die Abhängigkeit von Übertragungstechnik zu verringern und in jedem Fall in der Lage zu sein, eine Entscheidung lokal und schnellstmöglich zu treffen.“ Er gibt aber zu bedenken: „Wichtig ist, zu verstehen, dass Entscheidungen dann nur auf Basis lo­kaler Informationen getroffen werden.“ Die Analyseergebnisse von Systemen an anderen Orten lassen sich nicht einbeziehen.