Suchen

Data Science

IoT-Basics: Big Data zwischen Hype und realem Nutzen

Seite: 3/4

Firmen zum Thema

Die andere Big-Data-Killerapplikation sind smarte Produkte. Produkte besitzen neben ihren physischen Komponenten aus Mechanik und Elektrik auch immer mehr intelligente Komponenten. Neben Mikroprozessoren, Sensoren, Datenspeichern und Software sind dabei vor allem auch die eingebauten Kommunikationsschnittstellen wichtig. Dadurch sind die smarten Produkte in der Lage, sich mit zentralen webbasierten Diensten der Hersteller zu verbinden, woraus sich wiederum völlig neue Möglichkeiten in der Überwachung, Steuerung, Optimierung und Automatisierung dieser Produkte ergeben.

Ein herausragendes Beispiel für smarte Produkte sind moderne Smartphones, die eigentlich immer mehr oder weniger mit ihrem Hersteller in Verbindung stehen und diesem so genaue Informationen über das Nutzungsverhalten seiner Kunden liefern. Diese Informationen kann der Hersteller direkt in die nächste Gerätegeneration einfließen lassen. Gleichzeitig bieten die Smartphones ein umfassendes Ökosystem für viele weitere Anbieter, die ihre Apps und zusätzliche Services auf den entsprechenden Handelsplattformen mit anbieten.

Die ganz großen Erfolgsgeschichten von Big Data werden bisher vor allem im Geschäft mit dem privaten Konsumenten erzielt, also dem B2C-Bereich. Solche offensichtlichen Killerapplikationen fehlen bis heute noch für den industriellen Einsatz in der Produktion. Dennoch gibt es auch hier viele erfolgversprechende Anwendungsfälle für Big Data, deren Realisierbarkeit durch entsprechende erfolgreiche Beispiele auch belegt ist.

Wer hat Big Data erfunden?

Da sich hinter dem Begriff Big Data eine Vielzahl verschiedenster Technologien verstecken, gibt es nicht den einen Erfinder von Big Data. Aber ohne die Innovationskraft der großen amerikanischen Internetfirmen wie Google, Facebook, Twitter, Instagram und anderen gäbe es Big Data in der heutigen Form wohl nicht. Diese waren die Initiatoren und Wegbereiter für viele der Big-Data-Technologien.

Eine Google-Suchmaschine muss in der Lage sein, große Teile des sichtbaren Internets so zu repräsentieren, dass beliebige Abfragen eines beliebigen Anwenders in einer Sekunde weltweit verfügbar sind. Bei Facebook müssen die Daten von inzwischen weit über eine Milliarde Nutzern miteinander verknüpft werden, damit meine Freunde mitbekommen, was ich gerade treibe. In der Videoplattform YouTube wurden 2015 in jeder Minute 400 Stunden Videomaterial hochgeladen –macht grob geschätzt etwa 1,5 TB pro Minute und hochgerechnet auf einen Tag bereits mehr als ein Petabyte.

Solche und ähnliche Herausforderungen haben die jungen Wilden der Internet Economy in Silicon Valley zu neuen technischen Innovationen getrieben, die heute die Basis von Big Data bilden. Die wichtigsten Basis-Technologien, die diese Anwendungen von Big Data erst ermöglichen, stehen heute jedem in Form von Open-Source-Lösungen zur Verfügung. Das prominenteste Beispiel für eine solche Technologie ist hierbei sicherlich Apache Hadoop. Zahlreiche Start-ups treiben die Weiterentwicklung dieser Open-Source-Lösungen stetig voran und ergänzen sie um zusätzliche bezahlte Services, die den unternehmensweiten Einsatz vereinfachen.

Big Data und Cloud-Computing

Nicht alle der unter der Flagge von Big Data segelnden Technologien sind jedoch wirklich neu. Viele basieren auf Konzepten, die in der IT oft schon seit Jahrzehnten bekannt und im Einsatz sind. Doch erst durch die heute verfügbaren Rechen-, Speicher- und Netzwerkkapazitäten und die effektive Rekombination einzelner bereits länger bekannter Konzepte ließ sich das Potenzial dieser oft recht ressourcenfressenden Verfahren richtig erschließen.

Dass die dazu erforderlichen IT-Ressourcen überhaupt bereitstehen, ist nicht zuletzt auch dem Trend zum Cloud-Computing zu verdanken. Durch die Bereitstellung von vorkonfigurierten Big-Data-Infrastrukturkomponenten als sogenanntes Platform-as-a-Service-Angebot (PaaS) sinkt die Einstiegshürde für den Betrieb von Big-Data-Lösungen deutlich, und Big Data wird dadurch auch für kleine und mittlere Unternehmen erschwinglich und technisch realisierbar. Dies war auch eine wichtige Erfolgsbasis für die Start-up-Kultur rund um Big Data, denn sehr viele dieser Startups betreiben ihre Lösungen auf gemieteten Servern in der Cloud.

Cloud-Computing ist also ein wichtiger Wegbereiter für den breiten Einsatz von Big-Data-Technologien. Gleichzeitig treiben erfolgreiche Big-Data-Anwendungen in der Cloud aber auch die Akzeptanz von Cloud-Computing entscheidend mit an, da Big Data ohne entsprechende IT-Kapazitäten nicht funktioniert.

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de (ID: 45181705)