Eine Anleitung zur Datenanalyse in der Fertigung – Ingestion, Data Lakes und Message Brokers

Umfangreiche und vielfältige Datenquellen führten zu einer höheren Komplexität. Die Umsetzung der Data-Warehouse-Projekte wurde zeitaufwändig und kostenintensiv, weil sie eine Standardisierung aller Unternehmensdaten voraussetzte.

Auch die Notwendigkeit der Berücksichtigung von unstrukturierten Daten wurde immer dringlicher. Für Fotos oder Multimediadateien, Data Maps, Testergebnisse usw. existierte kein vordefiniertes Datenmodell. Die Verwaltung dieser Datentypen in klassischen Datenbanksystemen war dadurch schwierig.

Größere Herausforderungen hinsichtlich Skalierbarkeit mussten bewältigt werden, während Data Warehouses immer wichtiger für Unternehmensprozesse wurden. Die Basis-Technologie wurde für eine vertikale Erweiterung der einzelnen Maschinen ausgelegt, sodass mit steigender Unternehmensgröße immer größere und kostenaufwendigere Speicherkapazitäten notwendig wurden.

Welche günstigen und effektiven Speichermöglichkeiten gibt es für gewaltige Datenmengen aus der Fertigung?

Erfahren Sie mehr zu diesem Thema im vierten Beitrag unserer Artikelreihe.