1. Einsparungen bei Infrastrukturkosten

Angesichts der drohenden Rezession in Deutschland suchen Unternehmen nach Einsparpotenzialen – auch bei ihrer IT-Infrastruktur. Obwohl die Kosten für Rechen- und Speicherkapazitäten dank der Cloud sinken, erfordert die Daten- und Analyseinfrastruktur weiterhin oft hohe Investitionen. Grund dafür ist auch der „Rip and Replace“-Ansatz, den Unternehmen bei der Modernisierung häufig verfolgen. Diese Strategie ist allerdings kostspielig und führt zu Unterbrechungen des IT-Betriebs. Deshalb werden Unternehmen künftig modernere Methoden für die Aktualisierung ihrer IT-Infrastruktur wählen, die sich weitgehend ohne Unterbrechungen umsetzen lassen – unabhängig davon, ob ihre Daten in einer Cloud, mehreren Clouds oder hybriden Umgebungen gespeichert sind.

2. Die Multi Cloud wird Realität und macht FinOps in der Cloud notwendig

Bei vielen Unternehmen sind ihre Datenbestände bereits über mehrere Clouds und Standorte verteilt. Da aber je nach Region bestimmte Cloud Service Provider (CSP) stärker vertreten sind als andere, steigt bei multinationalen Unternehmen die Notwendigkeit für Multi-Cloud-Architekturen. Derzeit gibt es allerdings keine einfache Möglichkeit, Daten und Dienste über verschiedene CSPs hinweg zu verwalten und zu integrieren. Die Folge: Datensilos, ein fragmentierter Ansatz beim Datenmanagement, Komplikationen beim Datenzugriff. Gleichzeitig bringen Cloud-Investitionen vielen Unternehmen (noch) nicht die erhofften finanziellen Vorteile. Um einen Rahmen für die Kontrolle der Cloud-Kosten und -Nutzung zu schaffen, das Kosten-Nutzen-Verhältnis zu ermitteln und um moderne Cloud-Umgebungen besser zu verwalten, werden Unternehmen im nächsten Jahr zunehmend FinOps-Praktiken implementieren.

3. Beschleunigte Einführung von Data Fabric und Data Mesh

In den letzten zwei Jahrzehnten hat die Datenverwaltung Zyklen der Zentralisierung und Dezentralisierung durchlaufen. Auch wenn beide Ansätze Vor- und Nachteile haben, sind Daten in den meisten Unternehmen eher dezentral gespeichert. Deshalb werden 2023 zwei Modelle für dezentrale Datenarchitekturen – Data Fabric und Data Mesh – verstärkt umgesetzt werden. Zwar unterscheiden sich beide Ansätze grundlegend: Data Fabric ist ein zusammensetzbarer Stapel von Technologien für die Datenverwaltung, während Data Mesh eine Prozessausrichtung für verteilte Teams beschreibt, die Unternehmensdaten nach eigenem Ermessen verwalten wollen. Aber beide vereinfachen Zugriff, Verwaltung und Bereitstellung von Daten, was für alle, die mit Daten arbeiten – von Data Scientists bis hin zu Führungskräften – wichtig ist.

4. Ethische KI gewinnt an Bedeutung

Immer mehr Unternehmen nutzen KI für datengestützte Entscheidungen, etwa im Bereich Content Moderation, um Patienten schneller an medizinisches Fachpersonal zu vermitteln oder bei der Kreditvergabe. Aufgrund dieser vermehrten kommerziellen Nutzung von KI beginnen Gesetzgeber, passende rechtliche Rahmen zu erarbeiten, in der EU ist dies der sogenannte AI Act. Organisationen müssen künftig in der Lage sein, diese Vorschriften einzuhalten, einschließlich der Gewährleistung von Datenschutz, Data Governance, algorithmischer Transparenz, Fairness, Gleichbehandlung, Rechenschaftspflichten und Überprüfbarkeit. Daher werden Unternehmen im nächsten Jahr eigene Initiativen zur Unterstützung ethischer KI umsetzen, etwa Richtlinien für vertrauenswürdige KI, Peer-Review-Rahmenwerke oder KI-Ethikausschüsse.

5. Verbesserungen bei Qualität, Aufbereitung, Metadatenmanagement, Analytics

Das richtige Datenmanagement ist entscheidend für den Geschäftserfolg. Doch aufgrund des hohen Volumens, der Vielfalt der Daten und der Geschwindigkeit, mit der sie entstehen und verarbeitet werden müssen, sind Aspekte des Datenmanagements wie Data Governance, Datenqualität und Metadatenmanagement zu komplex geworden. Laut führender Analystenhäuser sollte daher künftig jede Schicht der Data Fabric – Dateneingabe, Datenverarbeitung, Orchestrierung, Data Governance und mehr – mit KI/ML-Funktionen ausgestattet sein, um jede Phase des Prozesses zu automatisieren. Im Jahr 2023 wird sich deshalb fortschrittliches Datenmanagement durchsetzen und dafür sorgen, dass sich Datenexperten nicht länger mit administrativen Routineaufgaben aufhalten müssen.