Digitale Ger\u00e4te und das Internet erzeugen riesige Datenmengen. Unternehmen k\u00f6nnen diese Daten nutzen, um ihre Produkte und Dienstleistungen besser auf den Markt und ihre Kunden auszurichten. Big Data kann so entscheidend zum Unternehmenserfolg beitragen. Doch was versteht man eigentlich unter Big Data? Und wie genau lassen sich die Daten sinnvoll nutzen?<\/p>\n\n\n\n
Dieser Artikel erkl\u00e4rt einfach und verst\u00e4ndlich, was Big Data ausmacht, woher die vielen Daten kommen und wo sie eingesetzt werden. Du erf\u00e4hrst, warum so viele Unternehmen flei\u00dfig Daten sammeln und welche Technologien daf\u00fcr n\u00f6tig sind. Wir zeigen auch, welche Herausforderungen es dabei gibt und geben einen Ausblick, welche Rolle Big Data in Zukunft spielen wird.<\/p>\n\n\n\n
Unter Big Data verstehen wir riesige Datenmengen, die hochkomplex und hochdynamisch sind. Sie k\u00f6nnen mit herk\u00f6mmlichen Methoden der Datenverarbeitung nicht gespeichert und ausgewertet werden. Das hei\u00dft: Ein einzelner Computer kann die Datenmassen nicht bew\u00e4ltigen und g\u00e4ngige Software wie Excel kann sie nicht analysieren. Hierf\u00fcr werden spezielle Technologien ben\u00f6tigt. Auch f\u00fcr diese Technologien wird h\u00e4ufig der Begriff Big Data verwendet.<\/p>\n\n\n\n
Zur Definition von Big Data wird in der Regel das 3V-Modell genutzt. Der Informatiker Doug Laney beschrieb Anfang der 2000er Jahre drei wesentliche Dimensionen von Big Data:<\/p>\n\n\n\n
Datens\u00e4tze umfassen oft mehrere Millionen Gigabyte. Man spricht auch von Petabyte (ca. 1 Million Gigabyte) oder Exabyte (ca. 1 Milliarde Gigabyte). Solche riesigen Datenmengen begegnen uns im Alltag selten. Anschaulicher wird es mit diesem Vergleich: Ein Petabyte entspricht etwa 500 Milliarden Textseiten. Man kann sich leicht vorstellen, dass eine normale Festplatte daf\u00fcr nicht ausreicht. Wegen dieser enormen Menge wird Big Data auch als Massendaten bezeichnet.<\/p>\n\n\n\n
Die Datens\u00e4tze entstehen in hoher Geschwindigkeit. Und da sie aufgrund ihrer Dynamik schnell wieder an Wert verlieren, m\u00fcssen sie auch mit hoher Geschwindigkeit \u00fcbertragen und ausgewertet werden. Einige digitale Ger\u00e4te k\u00f6nnen dynamische Datenstr\u00f6me in Echtzeit oder nahezu in Echtzeit verarbeiten.<\/p>\n\n\n\n
Gro\u00dfe, schnelllebige Datens\u00e4tze enthalten verschiedene Arten von Daten. Es gibt strukturierte Formate, wie gew\u00f6hnliche Tabellen, sowie semi- und unstrukturierte Formate, wie Fotos, Videos oder E-Mails. Die Vielfalt der Datentypen erfordert spezielle Systeme, mit denen die Daten zusammen gespeichert und analysiert werden k\u00f6nnen.<\/p>\n\n\n\n
Im Laufe der Jahre wurde das 3V-Modell um viele weitere Begriffe mit einem V erg\u00e4nzt, zum Beispiel Veracity (Qualit\u00e4t bzw. Echtheit der Daten) oder Value (Mehrwert der Daten). Die Hauptmerkmale von Big Data sind jedoch laut unterschiedlicher Definitionen immer die enorme Menge, Geschwindigkeit und Vielfalt der Daten.<\/p>\n\n\n\n
Das weltweite Volumen digitaler Daten w\u00e4chst ungebremst. Jedes Jahr werden riesige Mengen neuer Daten generiert, und das in immer extremeren Dimensionen \u2013 schneller, komplexer, mehr. Angesichts der fortschreitenden Digitalisierung ist das kaum verwunderlich. Digitale Ger\u00e4te, smarte Systeme, Apps und Co. \u00fcberschwemmen den Markt. Milliarden von Menschen nutzen das Internet und verschiedene digitale Medien. Immer mehr Unternehmen und Verwaltungen durchlaufen digitale Transformationsprozesse. Und die digitale Infrastruktur wird durch innovative Technologien st\u00e4ndig erweitert. Dadurch ergeben sich zahlreiche Datenquellen, zum Beispiel:<\/p>\n\n\n\n
Das Internet of Things (Internet der Dinge) ist ein gigantisches Netzwerk von Technologien und Softwaresystemen, die \u00fcber das Internet miteinander verbunden sind und Daten austauschen.<\/p>\n\n\n\n
In unserer digitalisierten Welt sind Daten im Prinzip jederzeit und \u00fcberall verf\u00fcgbar. Das machen sich Unternehmen, aber auch die Forschung zunutze. Verschiedene Branchen, Abteilungen und gesellschaftliche Bereiche k\u00f6nnen neue Einsichten aus Big Data gewinnen. Hier einige Beispiele:<\/p>\n\n\n\n
Ein wichtiger \u201eTreibstoff\u201c f\u00fcr automatisiertes und autonomes Fahren sind Daten, und zwar viele. Je selbstst\u00e4ndiger sich ein Fahrzeug im Verkehr bewegen soll, desto besser m\u00fcssen die Algorithmen der integrierten KI-Systeme sein. Grundlage daf\u00fcr sind Daten aus kilometerlangen Fahrten in Simulationen, auf Testgel\u00e4nden und schlie\u00dflich auch im realen Stra\u00dfenverkehr. So kann die K\u00fcnstliche Intelligenz unterschiedlichste Szenarien im Stra\u00dfenverkehr erproben. Diese datenbasierte Fahrschule f\u00fcr das Auto sorgt f\u00fcr eine hohe Sicherheit der Fahrzeuginsassen.<\/p>\n\n\n\n
Kundendaten bereichern das Marketing. Denk zum Beispiel an deine Lieblingsmarke. Welche Informationen gibst du dem Unternehmen \u00fcber dich? Vielleicht kaufst du im Online-Shop ein. Vielleicht folgst du der Marke in den sozialen Medien und interagierst mit ihren Posts. Vielleicht f\u00fcllst du Kundenumfragen aus, schreibst Bewertungen oder hast eine Kundenkarte. All das generiert Daten – Daten \u00fcber dein Kaufverhalten, deine Mediennutzung, deine Vorlieben, deine Markentreue und so weiter. Das Unternehmen kann diese Daten nutzen, um mehr \u00fcber dich als Kundin oder Kunden zu erfahren und dir personalisierte Informationen \u00fcber die von dir am h\u00e4ufigsten genutzten Kan\u00e4le zukommen zu lassen.<\/p>\n\n\n\n
In der Medizin und im Gesundheitswesen fallen gro\u00dfe Mengen an Daten von Patientinnen und Patienten sowie der Allgemeinbev\u00f6lkerung an, zum Beispiel \u00fcber Krankenkassen, Gesundheits-Apps oder Suchanfragen zu Symptomen. Sinnvoll genutzt, k\u00f6nnen diese Daten beispielsweise helfen, die individuelle Versorgung von Patientinnen und Patienten zu verbessern oder wirksame Pr\u00e4ventionsangebote zu gestalten.<\/p>\n\n\n\n
\u201eDaten sind das neue \u00d6l.\u201c Dieser Spruch bringt den Big-Data-Trend gut auf den Punkt, denn Daten gelten als Rohstoff der Zukunft. Der digitale Wandel krempelt die Unternehmens- und Arbeitswelt um und digitale Daten werden zur zentralen Ressource. Gro\u00dfe Technologiekonzerne bauen ihren Erfolg auf riesigen Datenbest\u00e4nden auf und auch immer mehr kleine und mittlere Unternehmen wollen das Potenzial von Big Data aussch\u00f6pfen.<\/p>\n\n\n\n
Dabei kommt es nicht darauf an, so viele Daten wie m\u00f6glich zu sammeln. Viel wichtiger ist es, die vorhandenen Daten effizient zu nutzen. Indem sie aufbereitet und ausgewertet werden, lassen sich Trends, Muster und Zusammenh\u00e4nge identifizieren. Das liefert wertvolle Erkenntnisse \u00fcber Prozesse, Produkte, M\u00e4rkte und Menschen. Auf dieser Basis k\u00f6nnen Unternehmen:<\/p>\n\n\n\n
Nicht nur Unternehmen k\u00f6nnen von Big Data profitieren. Auch in \u00f6ffentlichen Bereichen wie der Medizin, Bildung oder Verwaltung k\u00f6nnen Daten zu mehr Wissen und Fortschritt f\u00fchren.<\/p>\n\n\n\n
Wissen und Fortschritt ergeben sich nicht automatisch aus Big Data. Die Daten m\u00fcssen effizient gespeichert, verwaltet und vor allem ausgewertet werden. Dazu braucht es spezielle Technologien und Tools. Geeignete Big-Data-L\u00f6sungen arbeiten nach diesen Prinzipien:<\/p>\n\n\n\n
Die Daten werden nicht auf einem einzigen Ger\u00e4t gespeichert und verarbeitet, sondern auf mehrere vernetzte Ger\u00e4te verteilt. Dies k\u00f6nnen Computer oder Server in einem Rechenzentrum sein. Eine Remote-L\u00f6sung dagegen ist das Cloud Computing. Hier werden die Daten online gespeichert und k\u00f6nnen bei bestehender Internetverbindung jederzeit und \u00fcberall abgerufen werden.<\/p>\n\n\n\n
Bei Datenmengen im Peta- und Exabyte-Bereich w\u00fcrde es sehr lange dauern, die Daten einzeln nacheinander zu verarbeiten. Um Tempo in die Auswertung zu bringen, werden deshalb sowohl die Daten als auch Teilschritte der Datenanalyse auf mehrere Rechner verteilt. So k\u00f6nnen die Daten gleichzeitig bzw. parallel verarbeitet werden. Anschlie\u00dfend werden die Teilergebnisse zusammengef\u00fchrt. Dies ist deutlich schneller als ein sequenzielles Vorgehen.<\/p>\n\n\n\n
Da die Datenstr\u00f6me sehr dynamisch sind, m\u00fcssen die Kapazit\u00e4ten der Big-Data-Infrastruktur st\u00e4ndig angepasst werden. Nur so lassen sich Spitzen oder Einbr\u00fcche im Datenfluss effizient abfangen. Ein hochskalierbares System kann genau das leisten: Bei Bedarf werden neue Rechnerressourcen hinzugeschaltet, um seine Gr\u00f6\u00dfe und Leistung zu erh\u00f6hen. Hochskalierbare Speichersysteme f\u00fcr Big Data sind etwa Data Lakes oder NoSQL-Datenbanken, auch nicht-relationale Datenbanken genannt.<\/p>\n\n\n\n
H\u00e4ufigkeitsverteilungen und Korrelationen reichen nicht aus, um Big Data auszuwerten. Komplexere Analysemethoden wie Data Mining oder K\u00fcnstliche Intelligenz sind erforderlich. Diese k\u00f6nnen im Bereich der Business Intelligence eingesetzt werden, bei der Unternehmensdaten systematisch analysiert werden. Advanced-Analytics-Methoden erfordern \u2013 wie der Name schon vermuten l\u00e4sst \u2013fortgeschrittene F\u00e4higkeiten. Data Scientists bzw. Datenwissenschaftler:innen bringen dieses Know-how mit. Ihre Aufgabe ist es, aus Big Data Smart Data zu machen und die gewonnenen Informationen verst\u00e4ndlich aufzubereiten, zum Beispiel durch Visualisierungen.<\/p>\n\n\n\n
Um die rasant wachsende Datenflut bew\u00e4ltigen zu k\u00f6nnen, sind zunehmend automatisierte L\u00f6sungen gefragt. Schon heute k\u00f6nnen riesige Datenmengen nicht mehr manuell verwaltet und ausgewertet werden, und das weltweite Datenvolumen steigt j\u00e4hrlich exponentiell an. Vielversprechende Technologien, um den menschlichen Faktor bei der Datenanalyse so weit wie m\u00f6glich zu reduzieren, sind K\u00fcnstliche Intelligenz, Machine Learning und Neuronale Netzwerke.<\/p>\n\n\n\n
Wer mit Big Data arbeitet, muss immer auf dem neuesten Stand der Technik sein. Die technische Infrastruktur entwickelt sich st\u00e4ndig weiter und die Methoden der Datenverarbeitung \u00e4ndern sich. So war zum Beispiel noch vor wenigen Jahren das Framework Apache Hadoop das g\u00e4ngige Big-Data-\u00d6kosystem, um gro\u00dfe Datenmengen zu speichern und zu verarbeiten. Inzwischen gibt es Apache Spark und Apache Flink, die eine schnellere Datenverarbeitung erm\u00f6glichen.<\/p>\n\n\n\n
Eine weitere Herausforderung ist die Datenqualit\u00e4t. Viele Datens\u00e4tze weisen aufgrund ihrer Komplexit\u00e4t und schnellen Ver\u00e4nderung Dubletten, L\u00fccken oder Fehler auf. Bevor die Daten sauber ausgewertet werden k\u00f6nnen, m\u00fcssen sie oft aufw\u00e4ndig bereinigt, aufbereitet und gepr\u00fcft werden.<\/p>\n\n\n\n
Ein h\u00e4ufiger Kritikpunkt in der Debatte um Big Data ist der Datenschutz. Unternehmen sammeln zahlreiche, teils sehr private Informationen \u00fcber ihre Kundinnen und Kunden. Den Nutzer:innen von Online-Angeboten, Apps oder smarten Ger\u00e4ten ist dabei oft nicht bewusst, welche Daten von wem und zu welchem Zweck genutzt werden. Den \u00dcberblick \u00fcber die eigenen Daten zu behalten, ist angesichts der t\u00e4glich wachsenden Informationsflut durch digitale Medien und das Internet eine gro\u00dfe Herausforderung f\u00fcr jede und jeden.<\/p>\n\n\n\n
Daten werden auch in Zukunft ein wertvolles Gut in unserer Informations- und Wissensgesellschaft sein. Die Menge der generierten Daten nimmt j\u00e4hrlich rapide zu und der Markt f\u00fcr Big-Data- und KI-Technologien w\u00e4chst ungebremst. Machine-Learning-Anwendungen und L\u00f6sungen, die Daten in Echtzeit verarbeiten k\u00f6nnen, liegen derzeit voll im Trend.<\/p>\n\n\n\n
Aufgrund ihres hohen Potenzials, Wissen zu generieren und Prozesse zu automatisieren, wirken Daten und Big Data Analytics als wesentliche Treiber f\u00fcr Industrie 4.0. Themen wie Datenschutz und Informationssicherheit stehen dabei weiterhin ganz oben auf der Agenda. Auch Ph\u00e4nomene wie Deepfakes oder Diskriminierung durch KI werden zunehmend in der \u00d6ffentlichkeit diskutiert.<\/p>\n\n\n\n
Big Data und K\u00fcnstliche Intelligenz sind also nicht nur f\u00fcr Datenexpertinnen und KI-Entwickler interessant! Ein vertieftes Grundverst\u00e4ndnis vermittelt dir unser E-Learning \u201eBig Data \u2013 Die Welt der Daten verstehen\u201c.<\/p>\n","protected":false},"excerpt":{"rendered":"
Digitale Ger\u00e4te und das Internet erzeugen riesige Datenmengen. Unternehmen k\u00f6nnen diese Daten nutzen, um ihre Produkte und Dienstleistungen besser auf den Markt und ihre Kunden auszurichten. Big Data kann so entscheidend zum Unternehmenserfolg beitragen. <\/p>\n","protected":false},"author":2,"featured_media":3579,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"footnotes":""},"categories":[37],"tags":[136,137],"class_list":["post-3574","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-trends-innovationen","tag-big-data","tag-technologie"],"_links":{"self":[{"href":"https:\/\/www.pinktum.com\/de\/wp-json\/wp\/v2\/posts\/3574","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.pinktum.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.pinktum.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.pinktum.com\/de\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.pinktum.com\/de\/wp-json\/wp\/v2\/comments?post=3574"}],"version-history":[{"count":0,"href":"https:\/\/www.pinktum.com\/de\/wp-json\/wp\/v2\/posts\/3574\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.pinktum.com\/de\/wp-json\/wp\/v2\/media\/3579"}],"wp:attachment":[{"href":"https:\/\/www.pinktum.com\/de\/wp-json\/wp\/v2\/media?parent=3574"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.pinktum.com\/de\/wp-json\/wp\/v2\/categories?post=3574"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.pinktum.com\/de\/wp-json\/wp\/v2\/tags?post=3574"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}