Transkript

00:00:00: Music.

00:00:07: Big Data ist überall auch beim Online Shopping in sozialen Mädchen oder beim Streaming Algorithmen analysieren und Sachverhalten und erstellen daraus personalisierte Empfehlung.

00:00:16: Möglich wird dies durch riesige Datenmengen die im Hintergrund analysiert ausgewertet und bewertet.

00:00:22: Big Data beeinflusst uns also auf vielfältige Weise vor allem auch im geschäftlichen Bereich

00:00:27: Den richtig eingesetzt lassen sich mithilfe der Daten beispielsweise Risiken erkennen und Geschäftsprozesse optimieren Hallo und herzlich willkommen bei inside Jonas mein Name ist Tilo Härtel.

00:00:36: Heute sprechen wir über Big Data als Technologie zum Sammeln und Auswerten von Datenmengen

00:00:41: wie durch Unternehmen ist der kaputt und Jonas auch kleinere Unternehmen Zugang zu dieser Methode gehalten ich begrüße den Head of big data products Cloud bei Jonas Oliver Hessel.

00:00:51: Und Single lieber sibio und Mitgründer der modulan Open Source platform Stackable Hallo zusammen hallo hallo.

00:00:59: Sönke was versteht man unter der Big Data Technologie genau das ist das ehrlich gar nicht so einfach zu beantworten weil der Begriff nicht so hundertprozentig trennscharf definiert ist

00:01:08: angefangen hat das ganze aber auf jeden Fall um und bei 2006 bei Yahoo mit dem du Projekt.

00:01:14: Wo ist grundsätzlich erstmal darum ging bei Auswertung auf großen Datenmengen nicht die Daten durch die Weltgeschichte zu schaufeln sondern die Berechnung zu den Daten zu schaffen und lokal zu rechnen

00:01:23: seitdem ist das Ganze aber sehr stark diversifiziert worden und ist heute eher so ein Überbegriff für ein großes Ökosystem an Open Source Tools mit dem man aber grundsätzlich immer

00:01:33: auf Datenmengen arbeitet oder diese visualisiert oder sie einsammeln möchte und warum ist das Thema big data für Unternehmen gerade so relevant.

00:01:43: Unternehmen wenn einfach viele Daten erzeugt also Produktionsprozess z.b. erzeugen

00:01:49: Daten Sensordaten kommt zusammen im stationären oder Onlinehandel werden Bewegungsdaten oder Produkt Nutzungsdaten aufgenommen und

00:01:58: mit den Daten kann man Mehrwerte generieren also so eine Firma kann mit ihrem domänenwissen was aus den Daten noch rausholen kannst du dann Beispiel vielleicht nennen.

00:02:07: Da gibt's ganz verschiedene Beispiele also das kommt auf den Kunden selber an z.b. Produktionsprozess irgendwie gibt's da

00:02:13: Produktionsprobleme immer wieder gibt schlechtere Chancen und eigentlich weiß keiner warum und dann werden wir alle Daten zusammengefasst und man sieht es war die Klimaanlage die angegangen ist und das hat einen Dip gemacht in der in der Temperatur Kurve und schon die Situation schlechter geworden.

00:02:27: Grundsätzlich kann man aber schon sagen dass es die Tools oder dass das Ökosystem von Tools über dass ich eben sprach eigentlich

00:02:32: in allen Bereichen des täglichen Lebens oder auch der der Wirtschaft wiederfindet ganz klassische Fälle sind sowas wie protection für für Transaktionen oder Onlinehandel macht ganz ganz viel Auswertung von click streams

00:02:43: oder Verkauf von Banner Flächen auf Webseiten ist zumal auch was wo wo man solche Tools häufig wieder findet also im Grunde dann

00:02:50: kann man das soll ich sagen überall wo es Daten gibt also überall kann man auch diese Tools wieder finden und werden sie angewendet die Anwendungsfälle sind da extrem divers.

00:02:57: Hast du auch als weiteres Beispiel der Maschinenbauer kann

00:03:01: seinen Kunden sowas anbieten wie berichtet maintenance das heißt sie haben einen Sensor an der Maschine dran und dann wird ein bestimmtes Verhalten festgestellt bei dem klar ist okay

00:03:10: bald wird in Bauteil ausfallen und dann kann man direkt schon vorab das Ersatzteil liefern und austauschen bevor die Maschine ausfällt

00:03:17: keine Standzeiten geht einfach weiter oder vorstellbar ist das nicht die Stadt weiß wann die Mülleimer voll sind und nicht alle vier Wochen halbleere und dreimal gefüllte Mülleimer ausleeren muss

00:03:27: tatsächlich ist Stadt auch ein ganz gutes Stichwort wären gerade ein sehr spannendes Projekt bei einer deutschen Stadt die haben sicher vorstellen sehr sehr diverse Datensätze auch haben die Breite der Straßen oder wo Laternen stehen was ist für Kindergärten gibt es alles was man in der Stadt so an Daten haben kann und da geht's natürlich sehr stark darum diese Daten überhaupt das mal so richtig auffindbar zu machen das wenn man abgeleitete Daten Produkte anbieten möchte das mit hat sich suchen kann was haben wir denn alles für Daten

00:03:50: und auf diese Daten auch zugreifen zu können also da ist man tatsächlich dann schon

00:03:54: er auf der Metaebene unterwegs überhaupt erst mal zu beschreiben was haben wir denn alles damit man daneben die Auswertungen anfangen kann oder auch nur drüber nachdenken kann was man denn damit alles machen kann

00:04:02: bei mir jetzt zu Jonas gehen wie sieht denn da die Zielgruppe für Big Data aus.

00:04:08: Unterscheidet sich jetzt nicht groß von der generellen Zielgruppe von Jonas also Mittelstand Industrie öffentliche Auftraggeber Bauch for startups.

00:04:16: Grunde genommen alle die auf die Teddybär Wert legen auf Hosting in Europa in Deutschland mit einem deutschen Anbieter damit Sie auch sicher sind meine Daten bleiben da wo ich sie abgelegt habe und werden von jemand anderem

00:04:28: noch ein bisschen Sünde welche Geschäftsbereiche können am meisten von der Big Data Analyse profitieren

00:04:34: das ist auch tatsächlich wieder ganz ganz schwer einzuschränken ich hatte eben schon gesagt überall wo es Daten gibt

00:04:38: kann man auch Analysen auf diesen Daten machen und im Grunde genommen ist das tatsächlich so jeder kann davon profitieren.

00:04:44: Überhaupt einfach mal ganz dreist jeder hat heutzutage Daten jeder hat wahrscheinlich auch viel mehr Daten als dass sie das wirklich selbst wissen

00:04:51: und vermutlich kann auch jeder mehr mit diesem Daten machen als sie es heute tun insofern ist das tatsächlich sehr sehr schwer konkret einzuschränken wo es am meisten Profit gibt es gibt so ein paar Felder ist das sind so klassische Vorreiterrolle da wo sowieso

00:05:03: schon eine sehr stark datengetriebene Kultur immer herrschte so Banken Versicherungen wo viel zahlen getrieben agiert wurde dass das waren so die

00:05:11: die frühen Unternehmen die so im Delta Umfeld stark präsent waren aber im Grunde genommen kann man das gar nicht.

00:05:18: Groß einschränken eigentlich jeder kann davon profitieren mehr mit seinen Daten zu machen was unterscheidet Begleiter von so einer klassischen Datenanalyse

00:05:27: also man hat er klassischerweise immer von mehreren V ausgesprochen es sind im Laufe der Zeit habe ich mehr Faust geworden da geht's dann rum volume velocity variety und veracity der Daten

00:05:38: also wie schnell die Daten entstehen wie viele Daten ist sind

00:05:41: dass die Daten aber eben auch nicht mehr ganz so klassisch strukturiert sind wie wir es aus der relationalen Datenbank Welt kennen sondern das ist vielleicht auch mal irgendwie du dein Bild oder Video oder irgend so was ist mit dem man einfach anders umgehen muss als man das von früher gewohnt ist

00:05:53: aber auch die veracity über das letzte VW inwieweit Vertrauen wird in dieser Datenquellen wenn ich jetzt.

00:06:00: Beats injuste und eigentlich aussagen draus daraus ableitet dann ist das was ganz anderes als wenn ich ihn wie die im dpa-ticker Folge und und daraus irgendwas ableite also da kommen dann so diese diese Abstufung auch schon wieder was in den Daten über drin ist und wie sehr man den ganzen vertraut mit rein

00:06:13: aber das soll ich sprechen wir was der Kübel auch gar nicht so sehr von einer Big Data platform sondern wen ins dass ich ihr eine Datenplattform Big Data ist

00:06:21: tatsächlich einen 1 im Laufe der Jahre relativ schwammig gewordener Begriff der für für sehr sehr viel verwendet wird und wir sagen tatsächlich er bei uns, mit Daten arbeiten müssen gar nicht große Daten sein auch aus der kleinen Datensätzen kann man ganz ganz spannende Aussagen ableiten

00:06:35: insofern haben wir uns von diesem Big Data Thema so ein kleines bisschen gelöst wird

00:06:40: bekommen da sehr stark her wir haben sowohl Lars also ich habe da lange Jahre drin beraten aber tatsächlich entwickelt sich doch ganz eher so ein bisschen Hinrichtung einer generischen Datenplattform gar nicht mehr so sehr Big Data im klassischen Sinne.

00:06:52: Dann schließe ich jetzt die Frage an wer seid ihr denn genau also was macht Stackable und warum habt ihr euch gegründet.

00:06:59: Zur Frage wer ist Dagebüll ganz initial waren es Lars Franke und ich wir können uns tatsächlich schon aus der Schulzeit und hatten vorher schon eine kleine Beratung gemeinsam

00:07:06: mit der wird natürlich exklusiv du in diesem Hadoop und dictator Umfeld was auch immer das genau heißt hat er schon gesagt das ist nicht so ganz trennscharf prägte gemacht haben dadurch hatten wir sehr sich viele Kunden in Deutschland die eben diese

00:07:16: eben angesprochene Distribution verwendet haben die ist jetzt am Markt in der Form nicht mehr gibt und als das alles passiert ist haben viele dieser Kunden uns angesprochen gefragt was machen wir denn jetzt wie wir würden diese Technologie gerne weiter einsetzen aber das was ist Moment am Markt gibt passt uns nicht so recht was was können wir denn stattdessen machen

00:07:32: und das ging dann so ein bisschen dann her wir hatten dann so eine richtig nächste Mal gerne in die Selbsthilfegruppe für Firmen wo wir auch tatsächlich 23 physische Treffen hatten das war alles noch so knapp vor der Pandemie

00:07:42: und wir haben dann auch darüber gesprochen ob man vielleicht gemeinsame Genossenschaft gründet umso näher in der deutsche big data Distribution zu zu erstellen oder sowas aber das hat alles nicht so recht funktioniert und am Ende des Tages und lasse nicht angesagt gut

00:07:53: dann kommt mir es eine Firma und bauen eine Distribution so wurde dann ganz ursprünglich Seekühe gegründet und da kam dann auch der Kontakt zu aionos zustande über diese Selbsthilfegruppe wo wir schnell gemerkt haben wir ticken ganz ähnlich und haben wir haben ähnliche Sachen vor das passt ganz gut zusammen und dafür würde ich dann vielleicht Oliver übergeben.

00:08:08: Anfang hat das ganze eigentlich als wir gemeinsam mit Stackable Ebene dedizierte Datenplattform für die yonos gebaut haben und

00:08:16: dann wir gemerkt ne wir können nicht die einzigen sein die sowas brauchen ist ja auch der Grund warum sich Säcke begründet hat und dann kann wir uns relativ schnell auf die Idee auf warum

00:08:26: sollen wir das nicht für unsere Kunden anbieten und das hat dann unser Zusammenarbeit noch mal noch mal weiter intensiviert und Wärme am Ende ein Produkt draus gemacht das auf der Technologie von Stackable in basiert.

00:08:36: Vielleicht kannst du das weiter ausführen wie sieht die Zusammenarbeit aktuell zwischen Dagebüll und Jonas aus.

00:08:43: Einerseits ist Jonas Teilhabe bei der bei der Stackable und auch auf Beiratsmitglied das heißt

00:08:48: Stackable kann von den Erfahrungen die sind Jonas Konzern gibt profitieren auf unseren Netzwerken andere Seite ist aber einfach eine tolle Partnerschaft wir haben gemeinsam Kunden

00:08:59: stackable baut mit Technologie auf der unser Produkt aus siert wenn unsere Kunden support brauchen oder Schulungen dann

00:09:06: aber die Stackable als Unterstützung einfach davon muss natürlich auch sagen big data hier versteht ein bisschen was anderes aber

00:09:13: so richtig einfach ist das Thema nicht das heißt jemanden an der Hand zu haben der den Kunden helfen kann auf ihre Use-Cases eine Lösung zu zuschneiden ist einfach ein toller Vorteil den wir in der Zusammenarbeit bieten können.

00:09:25: Und was macht Stackable ganz technisch ausgedrückt wir schreiben ein ganzen Haufen von kubernetes Operatoren die diesen ganzen Zoo an Tools über den ich eben gesprochen habe installieren

00:09:34: ein bisschen abstrakter gesprochen schaffen wir eine Verpackung um diese Tools

00:09:40: diese benutzbarer für Unternehmen machen also früher muss man das alle hingehen die Software runterladen entpacken selbst konfirmations Dateien schreiben die dann im Cluster verteilen auf viele verschiedene Rechner zu sehen dass das alles zueinander passt und

00:09:52: da haben sich dann im Laufe der Jahre viele Konfigurationsmanagement Tools entwickelt die das zwar leichter machen aber es ist tatsächlich doch immer noch sehr sehr anstrengend und auch mit viel Know-how verbunden man muss wissen welcher Parameter muss wo wie stehen und solche Dinge und

00:10:06: das ist der Teil wo wir sagen

00:10:08: wir geben unseren Nutzern eine eine Abstraktion wo sie beschreiben können ich hätte gerne eine Plattform die folgende Tools beinhaltet die sollen miteinander sprechen und ungefähr so und so aussehen wann

00:10:17: was wir dann machen ist wir haben den Code geschrieben der los läuft und eben all das was ich eben beschrieben habe aus wollte so konfirmations Dateien anlegt Prozesse startet all das

00:10:26: Food was zu tun ist damit die Software hochkommt und funktioniert und unsere Kunden oder Benutzer quasi direkt anfangen können damit zu arbeiten.

00:10:34: Und welchen Part übernimmt dabei IONOS.

00:10:38: Habe gerade gehört die stackable Plattform basiert auf kubernetes Operatoren die verschiedene datenprodukte installiert und

00:10:46: die manage Stackable steht die setz mal ein bisschen früher an das heißt mit einem happy iCal click terraform.

00:10:54: Machen wir das gerne haben will hermann-direkt eine komplette Plattform hingestellt haben da ist der Kunde dann schon vorinstalliert

00:11:01: unter im nächsten Schritt kann man reingehen in die Konfiguration der einzelnen Tools und die Datenanalyse welche Rolle spielt der Stack für das Produkt von Stackable.

00:11:09: Also der Stack oder auch software stack ist ein Wort das beschreibt aus welchen Komponenten man quasi seine seiner IT Infrastruktur zusammengesetzt hat

00:11:18: ich hatte heute einen eingangs gesagt dass Big Data gar nicht so sehr ein Produkt ist ich habe häufig von der du gesprochen aber hat U-Bahn nur so der der initiale Impuls ist hat sich dann Laufe der Jahre aus dem Roman Ökosystem von

00:11:28: bestimmt hunderten von Tools inzwischen entwickelt die man alle je nachdem was genau man vor hat passend zusammen Stöpsel muss um daneben das Puzzle dass man sich selbst gepuzzelt hat um seinen Schmerz zu bewältigen das ist quasi das Deck

00:11:41: der aus verschiedenen Softwarekomponenten zusammengebaut ist

00:11:44: und in unserem Falle ist uns ebenfalls ehrlich sehr sehr wichtig dass wir eine eine modulare Plattform sein wollen außer dass man wirklich nicht gezwungen ist du musst dieses nehmen und du musst das nehmen du musst das nehmen

00:11:53: das hier kannst du gleich weglassen sondern bei uns kann man wirklich relativ frei definieren wie soll dieser Weg den ich verwenden möchte aussehen und insofern ist Stackable dann ist stapelbar in ein Wortspiel auf dieses Deck aufgebaut

00:12:04: herum zu versuchen diese Modularität schon im Namen so ein bisschen ne mit schwingen zu lassen

00:12:09: wenn wir jetzt deshalb Thema künstliche Intelligenz betrachten welche Rolle spielten diesen Zusammenhang big data.

00:12:15: Da gibt es einen also wie ich finde ganz schön Ausbruch der ich glaube tatsächlich auch in einer eigenes Veranstaltung Wohnzimmer gefallen ist wer A sagt muss auch B sagen

00:12:24: damit künstlich indigenen skoda-modelle trainiert werden können braucht man Bundesamt immer viele Daten auf denen alles auf den diese Modelle trainiert werden können und genau dafür

00:12:33: sind die Tools die wir unser Plattform anbieten daneben die Grundlage mit der man diese Daten einsammeln kann aufbereiten vorbereiten auswerten erstmal sichten es hat ja viel immer mit die Daten erstmal zu verstehen und wie man überhaupt

00:12:45: ein Modell drauf trainieren möchte zu tun und genau dafür schaffen unsere Tools eben die die solide Plattform auf der man dann erfolgreich ai KI

00:12:54: und was ist alles noch so schönes gibt umsetzen kann da wird die Tools die ihr anbietet passieren die auch selbst auf ki also dass die

00:13:01: weil sie dieses auswerten und Bewerten von den Daten aus matisch machen das ist tatsächlich eigentlich alles eher noch klassisch also die Grenzen werden da verschwimmen das wird da rein schwappen gar keine Frage aber bisher noch nicht so im großen Stil zumindest.

00:13:15: Wo werden die Grenzen gezogen zwischen eben künstliche Intelligenz machine learning auf der einen Seite und auf der anderen Seite Datenanalyse und Big Data

00:13:23: wer hat uns ja anfangs schon mal von verschwinden Grenzen das ist hier hier eigentlich auch so also machine learning ist eigentlich nur Untergruppe von künstliche Intelligenz also in machine learning trainiere ich in Modell in ein Algorithmus auf Basis von Daten um hinterher dann wenn noch mal die gleichen Daten kommen darauf reagieren zu können und da was da mitzumachen die maschinelle die künstliche Intelligenz was jetzt gerade in aller Munde ist mit Choji petite sind ja sprachmodelle vielleicht passt ein Weltmodell also das begreift die Welt anders als als wir

00:13:53: rekombiniert wissen Statistik baroud neuronale Netze daraus auf und kann deshalb auch fast menschlich interagieren also es kommt eine mail sehr menschlich vor

00:14:02: aber das wäre so die die die Abgrenzung von machine learning wowas dediziert für ein bestimmte newscast gebaut wird und eben das Sprachmodell das sind ganz ganz

00:14:11: breites Modell ist und viele Dinge beantworten kann das zweite Datenanalyse und Big Data.

00:14:17: Datenanalyse ist erstmal Erkenntnisse aus Daten generieren mit statistischen Verfahren ich habe auf dem Eingabeparameter oder mehrere und lerne was draus und

00:14:26: Big Data dortmund auf großen Datensätzen die sind potentiell unstrukturiert ich mache das aber auch mit statistischen Verfahren oder auch mit machine learning Hotel also so würde ich die Grenzen ziehen.

00:14:36: Gerade wurde bei Jonas ja die manage taggable data platform gelauncht welche Vorteile bietet sie denn gegenüber traditionellen Big Data platform.

00:14:46: Das kommt natürlich ein bisschen auf an wie man an der Stelle traditionelle Big Data Architektur.

00:14:51: Definiert unser gründungs Impuls kam damals ein bisschen aus der auf der on-premise es fällt also im eigenen Rechenzentrum gar nicht so sehr in der Cloud

00:14:57: und da hat sich im Laufe der Jahre die Landschaft der Anbieter von der du Distributionen soweit konsolidiert das ist immer nur noch einen Anbieter gab

00:15:04: und nachdem diese Konsolidierung dann abgeschlossen war hat sich der Preis für diese Distribution stark erhöht und die kostenfreie Variante wurde vom Markt genommen so dass es tatsächlich einfach keine gratis Distribution am Markt mehr gibt

00:15:17: insofern wäre da der erste und relevanteste Unterschied der zu erwähnen wäre dass wir tatsächlich oben Songs sind

00:15:22: und man bei uns alles benutzen kann ohne jemals auch nur ein Wort uns gewechselt zu haben oder uns auch nur einen Cent zu geben.

00:15:27: In dem Zusammenhang spielt ja auch das Thema Open Source eine wichtige Rolle und das hast du ja auch vorhin schon erwähnt dass stackable auf OpenSource passiert welche Rolle spielt denn die Entscheidungen für für die Plattform.

00:15:40: Also einerseits sind sowohl Lars als auch ich

00:15:42: schon unser ganzes Leben lang immer viel mit Open-Source-Software unterwegs gewesen und haben auch unseren professionell Leben eigentlich fast ausschließlich mit mit Open-Source-Software gearbeitet insofern schlägt unser Herz ganz klar für oben zu Haus und uns war und ist

00:15:55: wichtig dass alles was wir tun idealerweise OpenSource ist und so finden ist es uns einerseits tatsächlich einfach eine Herzensangelegenheit andererseits haben wir aber im Laufe der Jahre auch immer gemerkt wie sehr es hilft.

00:16:06: Wenn irgendetwas doch schief geht den Code zu haben wirklich selbst reingucken zu können was geht schief warum funktioniert es hier nicht und das geht bei einer

00:16:13: profitieren Software die ich von dem großen Bänder einkaufe

00:16:16: da komme ich nicht ran da muss ich ein Ticket aufmachen anrufen versuchen jemanden zu finden es mir erklären kann und wir sind beide so dass wir lieber selbst losgehen und versuchen rauszufinden woran es kapert und da ist den Sourcecode wenn es dafür zu haben tatsächlich unfassbar hilfreich

00:16:28: aber einen ein ganz wichtiger anderer Aspekt ist doch auch alle Tools die wir in unser Plattform ausrollen sind OpenSource und frei verfügbar und kann man auch ohne uns verwenden das heißt wir vermeiden eben diese diese lock-in-effekte die ich teilweise bei proprietärer Software gibt wenn man

00:16:42: rollkarte Umgang Software einzuführen und der Hersteller schafft jetzt diese Software einfach ab oder die Software wird

00:16:48: ja hier gesehen doppelt so teuer auf einmal oder so etwas dann muss man ja quasi gleich wieder ein neues Projekt haben und die newscase mit einer anderen Software neu umzusetzen wohingegen bei uns die Tools sind alle Open Source und frei verfügbar sollten wir

00:16:59: irgendwann seltsam werden dann kann man genau die gleichen Tools die wir den unseren Kunden geben woanders genauso bekommen und sein Use-Case einfach auch ohne uns

00:17:06: darf wieder umsetzen müsste so ein Stück Wahrheit die digitale Souveränität die wir da unseren Kunden erhalten wollen dass sie eben auch ohne uns genauso weitermachen können falls wir dann noch mal nicht mehr einig sind.

00:17:17: Bist du dir da sicher dass sie auch gut miteinander kommunizieren können und ja das ist dass es ihm passt.

00:17:23: Ein Stück weit machen wir das durch langjährige Erfahrung wir schauen was gibt es da draußen was mit viel benutzt was was funktioniert gut also bei uns ist die Entscheidung ein neues Tool in die Plattform aufzunehmen tatsächlich eine sehr folgenreiche Entscheidung die wir immer gut durchdenken

00:17:38: da so wir wir versuchen dass solch eine kuratierte Auswahl dieser Tools bereitzustellen wo wir wissen das funktioniert

00:17:44: das Verwenden schon viele Leute das ist das ist battle-tested wie es immer so schön heißt aber ein ganzes Stück weit ist es natürlich auch einfach harte Arbeit

00:17:50: da haben einige Entwickler sitzen die genau die Schmerzen durch leiden die man eben durch leiden muss um das ganze miteinander zu zu integrieren damit unsere Kunden sie nicht durch leiden müssen

00:17:59: sagt mal ganz wir machen den bisschen eigen sonst keiner machen möchte damit es möglichst reibungslos funktioniert

00:18:04: ne vielleicht können wir dann noch mal ansetzen die Vorteile die man zu einer kuratierten und aufeinander abgestimmten Lösung hat wie wird's Säcke bloß das bereitstellt ganzen auf dem Source Tools kann sich jeder auch selber nehmen aus dem Internet runterladen installieren da sitzt erstmal zwei Wochen dran hat die Schmerzen durchlitten die jeder durch leiden muss wenn er sowas bei der Hand macht

00:18:23: aber da bleibt es nicht dabei morgen gibt es einen sie wie ein Security hole muss er das Updaten übermorgen gibt es neue Versionen der ändern sich Formate dann muss er Daten ändern und

00:18:33: damit genau diese Schmerzen dass die nicht bei mir als Kunden sind nur sich sondern so eine Lösung Vivi stackable oder wenn es sehr gut läuft der Jonas klaut um sicher zu sein okay ich bin hier in der Umgebung.

00:18:44: In der gibt es Updates die Updates funktionieren automatisch ich mache einen ein Klick oder ich ändere ändere eine eine Konfigurationseinstellungen.

00:18:52: Habe die nächste Version habe das nächste Feature.

00:18:54: Sorge dafür dass sie Tools miteinander arbeiten können dass sie sicher miteinander kommunizieren dass die eigentliche schwierige Arbeit bei Big Data mit der sich auch niemand so wirklich beschäftigen will

00:19:04: weil jeder Kunde will eigentlich seine Datensätze sage jetzt mal Heben der möchte möchte auf seinen Daten lernen was mit seinen Daten machen und ja Potenziale entwickelt er möchte ich nicht um die Infrastruktur kümmern

00:19:15: vor allen Dingen in in Zeiten in denen die die Fachkräfte immer immer rarer und rarer werden nicht jeder Mittelständler kann sich operations Einheit leisten

00:19:24: von 3-4 Leuten die sich drum kümmern dass die Tools auch immer laufen weil

00:19:27: von Big Data hängt bei vielen Firmen das Geschäft ab ja wenn die Daten nicht meiner lisiert werden können dann kann man den Produktionsprozess nicht mehr richtig steuern Zeit ist es wichtig hier in verlässlichen Partner der Hand zu haben damit meine Plattform immer läuft damit ich weiter arbeiten kann

00:19:40: spannend wird es tatsächlich einiges da wo die Plattform aufhört also wo wo wir unser Job getan haben wo die Tools laufen dann kommen eben die Kunden und fang an ihre Use-Cases drauf umzusetzen und das ist dann wieder das.

00:19:49: Müssen und sollen und wollen sie auch selbst machen das ist die Kernkompetenz jedes Unternehmen hat was steckt in mein Daten drin was möchte ich damit machen

00:19:56: welche Mehrwerte möchte ich daraus generieren das ist der Teil das machen die Firmen gerne wollen sie auch damit verdienen sie ihr Geld am Ende des Tages

00:20:02: aber wie jetzt ein Hadoop und runter massiert werden muss damit es gut funktioniert da das ist der Teil den wir versuchen möglichst schmerzfrei für unsere Anwender zu machen weil das eben das ist da verdient man noch kein Geld damit das ist die langweilige Arbeit erledigt dann muss bevor der spannende Teil anfangen kann

00:20:17: jetzt würde ich gerne noch zum Abschluss von euch wissen wie wird sich das Thema big data in der näheren aber auch wenn man

00:20:24: vielleicht ein Blick in die fernere Zukunft wagt weiterentwickeln ist nicht schwer zu sagen ja also wir werden ja immer mal immer mal wieder überrascht

00:20:31: Von wie entwickelt sich Technologien weiter denkt was man sicher sagen kann es werden nicht weniger Daten werden das werden wird immer mehr Sensoren geben es wird immer mehr verletzt werden es wird überwacht werden es erzeugt immer größere Menge an Daten aus denen man lernen kann und wer damit was anfangen will

00:20:48: doch einfach Big Data Technologien genommen also die Menge an Daten wird immer in mein mehr werden ich glaube das soll ich auch dass die anderen Tools

00:20:55: zum Bearbeiten verarbeiten Speichern dieser Daten immer mehr werden wird dir ja der Trend glaube ich geht das ein bisschen in Richtung Spezialisierung des die Toaster soll ich nur noch eine Sache machen diese dafür aber sehr gut insofern

00:21:07: es wird immer immer komplizierter werden wäre eine Prognose auf die ich mich committen würde vielen Dank für das Gespräch viel engagierter Noten.

00:21:16: Lassen Sie mich gerne wissen wie sie die Folge fanden und schicken Sie mir gern ihre Ideen und Wünsche für kommende Bison entweder direkt unter dem Podcast oder auf unseren Social Media sei.

00:21:25: Freue mich ins auch beim nächsten Mal wieder einschalten vielen Dank fürs Zuhören und bis zum nächsten Mal.

00:21:30: Music.