Sie sind hier: HomeTelekommunikation

Interview mit Anodot: "Viele Big Data- und BI-Lösungen arbeiten noch sehr statisch"

Anomalie-Erkennung gewinnt mit der wachsenden Zahl datengetriebener Unternehmen immer mehr an Bedeutung. Hier setzt das junge Tech-Unternehmen Anodot mit seinen patentierten Machine Learning-Algorithmen an, das eine SaaS-Lösung zur Echtzeit-Analyse und automatisierten Anomalie-Erkennung anbietet.

Big Data Bildquelle: © fotolia.com

funkschau: Immer mehr untereinander und mit dem Internet verbundene Geräte lassen das Datenvolumen über viele Branchen hinweg rasant wachsen. Einhergehend mit dieser Entwicklung steigt die Bedeutung von Big Data und deren Analyse für zahlreiche Entscheidungsprozesse in Unternehmen. Welche weiteren Entwicklungen treiben Ihrer Meinung nach das Thema Big Data-Analyse beziehungsweise Business Intelligence?

Christian Glatschke: Das rasante Wachstum der zu verarbeitenden Datenmengen ist nach wie vor die entscheidende Triebkraft für Business Intelligence und Big Data Analytics. Durch die Zunahme steigt vor allem auch die Notwendigkeit mit diesen Daten sinnvolle und werthaltige Fragen zu beantworten. Es werden immer mehr Visionen darüber entwickelt, was mit den gewonnenen Daten getan werden könnte. Hierfür ist allerdings eine neue Generation von Lösungen nötig, die basierend auf Machine Learning und intelligenten Algorithmen, neue Ansätze mitbringen, um in immer kürzerer Zeit immer komplexere Aufgabenstellungen erledigen zu können. Ein weiterer wichtiger Triebfaktor ist die Notwendigkeit immer schneller auf Marktanforderungen reagieren zu müssen – wenn möglich in Echtzeit oder sogar vorausschauend.

Christian Glatschke, Anodot Bildquelle: © Anodot

Christian Glatschke ist Sales Director DACH bei Anodot.

funkschau: Wo sehen Sie – speziell auch im deutschen Markt – die größten Probleme beziehungsweise Stolperfallen beim Einsatz von Big Data-Lösungen in Unternehmen?

Glatschke: Viele Big Data- und BI-Lösungen arbeiten immer noch sehr statisch. So kommt es bei vielen Lösungen zu vielfach unnötigen Alarmierungen und zahlreichen Falschmeldungen durch das Setzen von starren Schwellwerten, die beispielsweise saisonale Schwankungen oder bestimmte Peaks nicht berücksichtigen. Ein weiterer Faktor ist, dass zum Beispiel nicht alle Nutzer einer solchen Lösung an den gleichen Erkenntnissen, Ergebnissen und Fragen interessiert sind. Meist differenzieren sich die Interessen bezüglich Informationen ja nicht nur von Branche zu Branche oder innerhalb einer Branche. Oft haben sogar verschiedene Mitarbeiter innerhalb eines Unternehmens unterschiedliche Fragen an das System. Viele Lösungen sind außerdem nicht in der Lage, alle Ausreißer zu erkennen oder jedes ungewöhnliche Datenverhalten richtig einzuordnen. Das liegt daran, dass die Nutzer einer Lösung den Normalbereich des Datenverhaltens selbst festlegen müssen, was die Anfälligkeit für Fehler und False Positives erheblich steigert und erforderlich macht, dass der Anwender selbst wissen muss wonach er sucht beziehungsweise welches Datenverhalten richtig und welches falsch ist.

funkschau: Inwiefern kann Anodot in diesem Zusammenhang Abhilfe schaffen und Unternehmen einen Mehrwert bieten?

Glatschke: Diesen Stolperfallen wirkt Anodot entgegen, indem die Lösung mit seinen patentierten Machine Learning-Algorithmen zunächst den Normalbereich innerhalb einer enormen Datenmenge (basierend auf historischen Datensets) definiert. Auf dieser Basis kann das System dann automatisiert Incidents und Anomalien in den Daten identifizieren und die Anwender in Echtzeit durch Alerts darüber in Kenntnis setzen. Der große Vorteil gegenüber anderen Lösungen: Anwender von Anodot müssen nicht selbst festlegen, was innerhalb der untersuchten Datensätze einem normalen Verhalten entspricht und was nicht. Die Lösung erlernt das normale Datenverhalten, prägt sich bestimmte Verhaltensmuster ein und lernt dabei auch aus der Vergangenheit – durch einen Feedback-Algorithmus kann das System zum Beispiel lernen Falschmeldungen auszusortieren. Durch das Korrelieren der Incidents mit verschiedenen Parametern (wie Saisonalität, Trends, Geolocation, Umweltbedingungen, etc.), ist die Lösung außerdem nicht nur in der Lage Vorfälle zu erkennen, sondern auch eine Ursache dafür zu identifizieren. Ein weiterer großer Vorteil ist, dass jeder Nutzer gezielt die für ihn relevanten Fragen an das System stellen kann, ohne dafür IT-Experte oder Data Scientist sein zu müssen. Denn die Lösung ist auch für Business User und Spezialisten aus den unterschiedlichsten Fachbereichen eines Unternehmens leicht zu bedienen.