Die Trägheit der Daten: Datengravitation

Von Ralf Keuper

Mit zunehmender Masse werden auch Daten träger und unbeweglicher. Das führt dazu, dass große Datenvolumina, die in Clouds gespeichert werden, nur unter hohem Aufwand migriert werden können (Vgl. dazu: Wenn Daten träge werden – Data Gravity). Der Wechsel vom einem Cloud-Anbieter zum anderen wird dadurch deutlich erschwert; die Abhängigkeit nimmt zu. Nicht umsonst fordern Branchenvertreter und die EU-Kommission, dieses Abhängigkeitsverhältnis aufzulösen, wie mit GAIA-X. Eine weitere Empfehlung ist die Anwendung einer Multi-Cloud-Strategie (Vgl. dazu: Wettbewerb für die Cloud Wie Unternehmen und Verwaltung von Multi-CloudLösungen profitieren).

Sogenannte Multi-CloudLösungen basieren auf der Idee, dass für alle Cloudbasierten Anwendungen der jeweils beste Anbieter im Markt ausgewählt wird. Dadurch sind die Anwendungen und Daten des Unternehmens auf mehrere Anbieter verteilt. Dies erhöht einerseits die Sicherheit, weil für sensible Daten ein höheres – und damit teureres – Sicherheitsniveau gewählt werden kann als für nichtsensible Daten. Darüber hinaus vermeiden Unternehmen mit einer Multi-Cloud-Strategie Lock-in-Effekte. Bei hoch spezialisierten Anwendungen kann es zwar weiterhin eine Abhängigkeit von einem entsprechend spezialisierten Cloud-Service-Anbieter geben. Aber das Unternehmen insgesamt behält die Flexibilität, für unterschiedliche Anwendungen und Projekte auf verschiedene Cloud-Service-Anbieter zu setzen. Schließlich können Unternehmen mit einer Multi-Cloud-Strategie auch besser vom Preiswettbewerb unter verschiedenen Cloud-Service-Anbietern profitieren.

Die Autoren räumen jedoch ein, dass die Verfolgung einer Multi-Cloud-Strategie aufgrund der Komplexität der Thematik ein aufwendiges Unterfangen ist. Die Vor- und Nachteile der jeweiligen Cloudlösung müssen abgewogen werden, was wiederum ein bestimmtes Mindestmaß an Know How und Personal erfordert. Laut einer Umfrage setzt die Hälfte der Unternehmen auf die Kombination aus Private Cloud und Public Cloud.

Ein weiteres Problem besteht darin, dass die Daten, wie beim Conncected Car, direkt vor Ort verarbeitet werden müssen, um Zeitverzögerungen zu verhindern. Cloudlösungen sind da eher hinderlich:

Applications such as self driving cars need very fast-reacting connections and cannot afford the risk ob being disconnected, so computing needs to happen in nearby data centres or even in the car itself. And in some cases the data flows are simply too large to be sent to the cloud, as with the traffic lights in Las Vegas, which together generate 60 terabytes a day (in: Special report The Data Economy. The Economist February 2020)

Es könnte so weit kommen, dass die Cloud-Provider für die Generierung großer Datenmengen Steuern bezahlen müssen. Dadurch soll verhindert werden, dass zu viele Daten erzeugt werden und die Datengravitation zum gesellschaftlichen wie auch zum Umweltproblem wird. Es muss also eine Möglichkeit gefunden werden, die Aussagekraft, die Qualität der Daten zu erhöhen oder aber die Daten zu komprimieren wie mit dem Compressed Sensing (Vgl. dazu: Mit Compressed Sensing die Datenflut beherrschen – Smarte Informationen statt “Big Data”).

Dieser Beitrag wurde unter Datensouveränität, Technik und Gesellschaft veröffentlicht. Setze ein Lesezeichen auf den Permalink.