DataOps in Industrieunternehmen

Vermittler zwischen Datennutzer und -ersteller

Der DataOps-Ansatz hilft Firmen, Nutzen aus Datenanalysen zu ziehen. Im Kern geht es bei diesem Prinzip darum, die Datenproduzenten wie Maschinen und Menschen und die Nutzer dieser Daten – also Datenanalysten und Manager – zusammenzubringen. Meist mit einer Data-Ops-Plattform als Vermittler dazwischen.

Fast 60 Prozent der Unternehmen in Europa stufen DataOps als extrem wichtig oder sehr wichtig ein. In China und Nordamerika liegen die Werte deutlich höher. (Bild: IDC InfoBrief, gesponsert von Seagate, Rethink Data: Bessere Nutzung von mehr Unternehmensdaten - vom Netzwerkrand bis hin zur Cloud, Dok. #US46452120, Juni 2020)
Fast 60 Prozent der Unternehmen in Europa stufen DataOps als extrem wichtig oder sehr wichtig ein. In China und Nordamerika liegen die Werte deutlich höher. (Bild: IDC InfoBrief, gesponsert von Seagate, Rethink Data: Bessere Nutzung von mehr Unternehmensdaten – vom Netzwerkrand bis hin zur Cloud, Dok. #US46452120, Juni 2020)

Deutsche Unternehmen gehen davon aus, dass ihre Datenbestände bis 2022 um etwa 37 Prozent pro Jahr steigen. Doch nur 31 Prozent davon werden genutzt, etwa um Produktionsprozesse zu optimieren und den Kundenservice zu verbessern. Das ergab die Analyse einer Umfrage, die Seagate gemeinsam mit IDC erstellt hat. Es ist nicht so einfach, Daten so zu erfassen, zu speichern und aufzubereiten, dass sich daraus verwertbare Erkenntnisse ergeben. Eine Herausforderung ist ihre schiere Menge: In den sieben Fertigungsstätten von Seagate etwa, in denen Festplatten und Storage-Komponenten gefertigt, fallen pro Tag bis zu 30 Terabyte Daten an, von Bildsensoren bis hin zu Qualitätschecks. Eine Herausforderung ist auch, dass Daten häufig an separaten Orten und in verschiedenen Formaten abliegen.

Ersteller und Nutzer verbinden

Solche Datensilos erschweren übergreifende Analysen. Datenmanagement-Lösungen stellen Funktionen für die Orchestrierung solcher Datenbestände bereit – von den Endpunkten über Edge- und Unternehmensrechenzentren bis ihn zur Cloud. Um so gespeicherte Daten weitreichender als bislang nutzen zu können, hilft Firmen zunehmend der DataOps-Ansatz. Der Begriff setzt sich aus der englischen Bezeichnung für Daten und der Abkürzung für Operations (Betrieb) zusammen. Laut IDC verbirgt sich dahinter ein Prinzip, das die Produzenten (Ersteller) und Nutzer (Verbraucher) von Daten zusammenbringt. Zu den Erstellern zählen Dinge, also Maschinen und IoT-Komponenten, aber auch Menschen, die etwa Berichte erstellen. Zu den Datenverbrauchern gehören Datenspezialisten und Führungskräfte. Data Engineers sind beispielsweise für die Hard- und Software-Umgebung zuständig, die für das Management und die Analyse von Daten erforderlich ist. Führungskräfte treffen wiederum auf Basis solcher Analysen Entscheidungen. Beim DataOps-Ansatz werden Techniken vorgeschaltet, die Daten aus unterschiedlichen Quellen sammeln, konsolidieren und in ein Format umsetzen, das eine übergreifende Analyse erlaubt.

Metadaten analysieren

In der Praxis greifen DataOps-Plattformen dabei auf Metadaten zurück. Ein Metadaten-Management in Verbindung mit einer Klassifizierung von Daten ermöglicht es, einzelne Datentypen zu identifizieren, etwa anhand des Zeitstempels oder eines physikalischen Werts. Sobald die Klassifizierung abgeschlossen ist, können diese Daten für etwa KI-gestützte ‚Data-Analytics‘-Prozesse herangezogen werden. Wenn solche Analysen beispielsweise ergeben, dass Anlagenkomponenten unter bestimmten Voraussetzungen schneller verschleißen, entsteht so eine Basis für die vorausschauende Instandhaltung oder Qualitätssicherung.