Anzeige
Anzeige
Anzeige
Beitrag drucken

Datenmanagement

Dark Data – die dunkle Seite des Wissensmanagements

Der Begriff Dark Data lässt aufhorchen, klingt er doch nach Unheil. Ganz falsch liegt man mit dem ersten Eindruck nicht. Die dunklen Daten bergen tatsächlich Risiken für Unternehmen. Allerdings besteht die Kerngefahr nicht etwa darin, dass sie illegal sind – sondern, dass sie bislang als unkontrollierbar galten. Wie können Unternehmen sie sich sogar zunutze machen?

Dark Data

Bild:©Sven Hoppe/Fotolia.com

Bei der Diskussion um Big Data wird oft übersehen, dass die Schere zwischen der Menge an nützlichen Daten und der Verarbeitungskapazität immer größer wird. Das belegen auch neue Erhebungen des IDC-Instituts, welches davon ausgeht, dass die Gesamtmenge gesammelter Daten weltweit von rund 8,6 Zettabyte im Jahr 2015 auf rund 44 Zettabyte im Jahr 2020 anwachsen wird. Das entspricht etwa dem 50-fachen Wachstum zwischen 2010 und 2020. Eine exponentiell wachsende Herausforderung.

Big, Bigger, Dark Data

Die IT-Experten können sich also über einen Mangel an Input nicht beschweren. Grundsätzlich bleibt eine aussagekräftige Analyse aber nach wie vor eine echte Mammutaufgabe. Ein Großteil dieses Informationsberges wird derzeit nicht ausgewertet, weil vielen Unternehmen die entscheidenden Lösungen fehlen. Wie wichtig die Lokalisierung der Daten ist, lässt sich schon an einer Kategorisierung veranschaulichen. Dazu lassen sich Daten in drei Gruppen unterteilen:

  • Geschäftskritische Daten – Hierbei handelt es sich um Daten, die offenkundig wichtig für den Betrieb und Unternehmenserfolg sind. Sie stellen dabei – entgegen der weitverbreiteten Meinung – nicht den Großteil des Datenvolumens dar. Sie werden aber am meisten genutzt, da sie sich leicht erheben und messen lassen. Laut dem Databerg-Report von Veritas Technologies sind sie mit 15 Prozent Anteil an der Gesamtdatenmenge vergleichsweise überschaubar.
  • ROT-Daten – ROT steht für Redundant, Obsolet, Trivial. Diese Daten stellen keinen Geschäftswert dar und sollten daher regelmäßig gelöscht werden. Hierzu zählen vor allem Spam, Werbung oder Phishing-Mails. Sie entsprechen ungefähr 19 Prozent in Deutschland, der europäische Schnitt liegt bei 32 Prozent.
  • Dark Data – Bei Dark Data handelt es sich nicht etwa um illegale Informationen, sondern um ungenutzte und unstrukturierte Daten, die in den Untiefen der Speicherplattformen schlummern. Ihr Wert ist noch nicht identifiziert, daher kann sich später herausstellen, dass unter ihnen sowohl geschäftskritische- als auch ROT-Dateien sind.

Dark Data ist überall

Dark Data sind demnach betriebliche Informationen, die an unterschiedlichen Stellen und Geräten anfallen. Sie werden entweder gar nicht oder nicht ausreichend betrieblich zielführend ausgewertet. Nehmen wir als Beispiel Log-Dateien von Servern. Sie werden in aller Regel angelegt und gespeichert um im Fall der Fälle Fehler des Servers analysieren und beheben zu können. Gleichzeitig werden sie auch eingesetzt, um die Wirksamkeit von Sicherheitsmaßnahmen checken zu können – also nachträglich zu prüfen, ob jemand Sicherheitsmaßnahmen austricksen konnte und unbefugt auf Daten zugegriffen hat.

Unstrukturierter Datenwust birgt Gefahren für Firmen

Diese dunklen Daten ließen sich aber auch für weitere betriebliche Zwecke auswerten. Unternehmen könnten zum Beispiel die Inhalte und Services ihrer Webseite auf Grundlage dieser Daten optimieren, wozu in der Praxis regelmäßig jedoch zusätzliche Tools eingesetzt werden, die unabhängig von den vorhandenen Daten eigene Datensilos anlegen und nutzen. Abseits von der wirtschaftlich effizientesten Nutzung von Daten müssen Unternehmen natürlich auch Risiken dieser Daten erkennen und minimieren. Dabei müssen diese Datenmassen zuerst vor unbefugtem Zugriff geschützt werden. Wenn sie für das eigene Unternehmen einen Wert haben könnten, dann werden sie schließlich auch für andere Unternehmen – in jedem Fall aber für spezialisierte kriminelle Organisationen – einen Wert darstellen. Einige Datensätze könnten brisante Informationen über die Organisation enthalten oder sogar gegen bestehende Compliance-Regeln verstoßen. Der Dieselgate-Skandal hat der ganzen Welt demonstriert, wie zuviel Unwissenheit über die eigenen Daten sogar einen Konzern ins Wanken bringen kann.

Achtung bei Personendaten

Wenn die Daten sich auf Personen beziehen, also beispielsweise Mitarbeiter oder Kunden, besteht über das eigene unternehmerische Risiko hinaus die Pflicht, diese Daten zu kontrollieren. Das heißt schon die Speicherung dieser Art von Daten sollte mit den entsprechenden Experten wie dem Datenschutzbeauftragten besprochen sein. Die tatsächliche Nutzung und Auswertung dieser Daten sollte ebenfalls in enger Abstimmung mit dem Datenschutz und auch mit den Mitbestimmungsgremien erfolgen, wie dem Betriebsrat. Denn unter Umständen führen die angefallenen Daten zu Informationen über Social Skills wie Teamfähigkeit oder kommunikative Kompetenzen von Mitarbeitern. Das Management wird durch die Einbindung aller Akteure in der Lage sein, eine ausgewogene datengetriebene HR-Strategie zu entwickeln, die sich auf die effiziente Nutzung der notwendigen Daten beschränkt.

Funzeln statt Flutlicht

Unternehmen aus Deutschland schneiden vor allem im Kostenvergleich zu den USA schlecht ab. Demnach wendet ein hiesiges Unternehmen pro 1.000 Terabyte an Daten jährlich 594.000 Euro auf, um triviale Daten zu verarbeiten, die irrelevant für das Geschäft sind. Langsam wird den Organisationen dieser Umstand aber bewusst, jedoch fehlt es häufig noch an einer ganzheitlichen Lösung, um die Datenmassen möglichst früh in werthaltige und wertlose Daten zu trennen.

Wie geht man vor?

Bisher haben die IT-Strategien auf zusätzliche Ressourcen wie Speichervolumen gesetzt, die immer schneller verarbeitet werden konnten. Doch es könnte der Zeitpunkt kommen, besser zwischen Nutzen und Risiko der anfallenden Daten unterscheiden zu müssen. Das Management kann dafür stärker auf Lösungen wie Enterprise Search setzen und flexible Information Governance-Strategien entwickeln, um die dunklen Daten transparent und messbar zu machen. Konkrete Anwendungen sind dabei FA-Tools in Kombination mit e-Discovery für eine spezifische Abtastung der dunklen Daten. Solche Dark Analytics müssen jedoch mit stringenten Definitionen genau auf das Firmenprofil zugeschnitten werden – sie sind Taschenlampen im Dunkeln, keine Flutlichter! Im Ergebnis wird nicht nur effizienter mit wertvollen Firmenressourcen umgegangen, sondern auch IT-Risiken aktiv kontrolliert.


Das könnte Sie auch interessieren:

Der ERP-Anbieter Proalpha übernimmt Tisoware, ein Anbieter für Zeitwirtschaftssoftware. Gemeinsam wollen beide Unternehmen ihre Kunden noch besser bei der Digitalisierung unterstützen.‣ weiterlesen

Wenn Werkzeuge ihre Halter- und Werkzeugrevolver-Daten zielgerichtet erheben und austauschen würden, ließen sich viele Mängel, etwa infolge von Schwingungen, vermeiden. Eine digitale Lösung rund um die Auswerteeinheit IQ Box des Werkzeugträgerspezialisten Sauter soll das und mehr möglich machen.‣ weiterlesen

Wenn der weltweit agierende Softwarehersteller IFS sein größtes Kundentreffen der Welt organisiert, geht es um Strategien, neue Produkte und Releases. So zeigte der ERP-Anbieter mit schwedischen Wurzeln im Oktober in Boston die neue durchgängig gestaltete Benutzerführung, ein neues Schnittstellenpaket und ein gestärktes Portfolio für das Field Service Management - unter anderem durch die Akquisition des Konkurenten Astea. Skateboard-Legende Tony Hawk war auch dabei.‣ weiterlesen

Die Bandbreite an Analyseanwendungen reicht von klassischen Reports und Kennzahlen über Self Service Analytics bis hin zu künstlicher Intelligenz. Bei aller Vielfalt sollte der Zweck nicht aus dem Fokus geraten: transparenter und effizienter fertigen zu können. Zumal immer wieder neue Manufacturing-Analytics-Instrumente entwickelt werden.‣ weiterlesen

Trotz schwieriger Marktbedingungen befindet sich die Fertigungsindustrie weiter im Wachstum. Dies zeigt der Global Growth Index des Softwareanbieters Epicor. Demnach betrug das Wachstum im Vergleich zur Vorjahresbefragung ein Prozent.‣ weiterlesen

Mit der Inititative 'Industrie 4.0' versuchen Wirtschaft, Politik und Wissenschaft seit 2012, die hiesigen industriellen Wertschöpfungsnetzwerke wettbewerbs- und zukunftsfähig zu erhalten. KI und Machine Learning spielen dabei eine immer wichtigere Rolle.‣ weiterlesen

Die Richtlinie VDI/VDE/NAMUR 2658 Blatt 1 'Automatisierungstechnisches Engineering modularer Anlagen in der Prozessindustrie - Allgemeines Konzept und Schnittstellen' wurde im Oktober 2019 in deutsch und englisch veröffentlicht. Darin wird das Engineering der Automatisierungstechnik modularer Anlagen vorwiegend in der Verfahrenstechnik beschrieben.‣ weiterlesen

Rund 100Mrd.€ Schaden ist deutschen Unternehmen im vergangenen Jahr durch kriminelle Attacken entstanden. 75% der für eine Bitkom-Studie befragten Unternehmen waren von einer solchen Attacke betroffen.‣ weiterlesen

Das Forschungsprojekt ReInnovate soll kleinen und mittleren Unternehmen dabei helfen, eigene Forschungskompetenzen zu entwickeln, um daraus neue Arbeits- und Weiterbildungsmodelle zu generieren.‣ weiterlesen

Das Human Machine Interface: selbst programmieren, parametrieren oder etwas dazwischen? Stefan Niermann ist Vertriebsingenieur bei der Inosoft GmbH und berichtet über die Möglichkeiten aktueller Ansätze zum Erstellen eines HMI.‣ weiterlesen

Unternehmen sind sich bewusst, dass es in naher Zukunft zu Krisensituationen für den eigenen Betrieb kommen kann. Laut dem ‘PWC Global Crisis Survey‘, sind viele Unternehmen auf eine solche Situation aber nicht ausreichend vorbereitet.‣ weiterlesen

Anzeige
Anzeige
Anzeige