Die Verarbeitung von geschäftlichen Echtzeitdaten hat hohe Anforderungen an die IT-Infrastruktur und das Know-how der IT-Teams. Gefragt sind deshalb Entwicklungsumgebungen wie die Plattform von Quix, die komplexe Technologien vereinfachen und das Entwickeln von datengetriebenen Anwendungen beschleunigen.
Die Herausforderung: Hohe IT-Anforderungen für die Verarbeitung von Echtzeitdaten
Daten sind in den letzten Jahren zu einem großen Wirtschaftsfaktor geworden. Unternehmen können damit ihre Kunden besser analysieren, Produkte schneller entwickeln und neuartige Geschäftsmodelle aufbauen. Dazu gehören beispielsweise Lieferprognosen in der Logistik, maschinelles Lernen und digitale Zwillinge in der Fertigung oder Connected Services in der Autobranche. Voraussetzung für diese Art von Datenprojekten ist eine spezifische Infrastruktur, die vor allem die Auswertung von Ereignissen in Echtzeit (Event Streaming) beherrscht.
Ein Beispiel: Viele Industrieunternehmen nutzen das Industrial IoT, um Status- und Prozessdaten ihrer Maschinen und Anlagen zu ermitteln. Sie überwachen damit die Fertigung und prüfen die Qualität der hergestellten Produkte. Hierbei entstehen große Datenmengen, vor allem wenn dabei visuelle Verfahren mit der Auswertung von Bild- und Videoinformationen genutzt werden. Diese Echtzeitdaten müssen unmittelbar nach Entstehen ausgewertet werden, da sie die Grundlage für weitere Prozesse sind.
Die Anforderungen an die Leistungsfähigkeit der IT sind deshalb sehr hoch. Vor allem langsame Datenbanken mit hohen Latenzzeiten und eine nicht optimale Datenbankarchitektur für Zeitreihendaten verhindern in mittelständischen Unternehmen häufig eine sinnvolle Nutzung von Daten. Gefragt sind deshalb einfach zu verwendende Entwicklungsumgebungen, die komplexe Technologien wie Kubernetes, Kafka oder Docker vor den nutzenden Unternehmen verbergen und das Entwickeln von datengesteuerten Anwendungen vereinfachen.
Die Lösung: Eine Plattform für die Entwicklung von datengesteuerten Echtzeitanwendungen
Quix ist eine Plattform für die Entwicklung von datengetriebenen Echtzeitanwendungen, die IT-Infrastruktur, Programmierschnittstellen (APIs) und eine Entwicklungsumgebung umfasst. Mit ihr können beispielsweise Python-Entwickler Daten streamen, verarbeiten und speichern, ohne dass IT-Teams zusätzliche Technologien bereitstellen müssen. Dabei kann die Plattform ohne Probleme auf mehrere Billionen Geschäftsereignisse pro Tag skaliert werden und Unternehmen aller Größe mit Datenpipelines für Echtzeitbearbeitung ausstatten.
Die Plattform ist ein Open-Source-Werkzeugkasten, der drei Arten von Bausteinen für eine Datenpipeline bietet: Datenquellen, Datentransformationen und Datenziele. Sie erlauben unterschiedliche Anwendungen für das Industrial IoT, wie ein vereinfachtes Beispiel zeigt: IoT-Sensoren in einer Werkzeugmaschine dienen als Datenquelle. Die Plattform bearbeitet sie mit einer Datentransformation, zum Beispiel durch Vergleich mit einem Schwellwert. Die Ergebnisse werden dann in eine Zielanwendung eingespeist, etwa in ein Echtzeit-Dashboard zur Anzeige der Daten.
Die besondere Stärke von Quix ist das reiche Ökosystem von technischen Integrationen und Partnern, welches es ermöglicht, die Plattform unkompliziert in eine bereits vorhandene Architektur einzubetten. Beispielsweise nutzen viele Kunden bereits eine Streaming Lösung wie Apache Kafka, häufig in Verbindung mit Confluent, welche sie durch Quix ergänzen. Für die Auswertung dieser Daten bietet Quix unter anderem vorgefertigte Transformationsobjekte für Betrugserkennung oder Sentimentanalyse sowie für einige der prognostischen KI-Modelle der Huggingface-Community. Dort gibt es weitere vortrainierte Modelle, etwa das bekannte GPT2. Grundsätzlich lassen sich auf Basis der weit über 60.000 KI-Modelle eigene Quix-Datentransformationen entwickeln, die alle nur denkbaren Aufgaben im Machine Learning erledigen.
Das Ergebnis: Ein Developer-Stack für Datenprodukte
Quix bietet alle notwendigen Funktionen, um Anwendungen mit Datenpipelines zu entwickeln. Durch den Einsatz von Quix entstehen neue Datenprodukte, die sich durch einen eindeutigen Vorteil auszeichnen: Die Daten werden im Speicher gehalten, was zu geringeren Latenzen und niedrigeren Betriebskosten führt.
Der Developer-Stack von Quix bietet eine Web-UI, APIs und ein SDK, die Entwickler von der zugrunde liegenden Infrastruktur abschirmen. Die gesamte Plattform nutzt einen Serverless-Ansatz und eine sehr enge Anbindung an Kafka. Die Datenbankfunktionen umfassen außerdem eine Zeitreihendatenbank, sodass Unternehmen für jedes Szenario im Industrial IoT gerüstet sind.
