Kürzlich veröffentlicht

In der modernen Unternehmenswelt fließen gewaltige Summen in den Aufbau hochmoderner Dateninfrastrukturen. Doch hinter den glänzenden Fassaden aus Cloud-Speichern und Analyse-Tools stellt sich oft die ernüchternde Frage: Wie hoch ist die Dateneffizienz 2026 wirklich?

Im Gespräch mit Computing Deutschland erläutert Jörg Hesske, Regional Vice President bei Denodo, mit welchen Kennzahlen sich die Effizienz von Datenarchitekturen objektiv bewerten lässt. Nach seiner Einschätzung fehlt es in vielen Organisationen weniger an Technologie als an Transparenz.

Manche Wege führen zurück an den Ort, an dem alles begann. Im Rahmen eines Gastvortrags durften wir Leendert Kollmer, Senior Sales Engineer bei Denodo, an der Universität Duisburg-Essen willkommen heißen – zurück an jener Universität, an der seine akademische Laufbahn ihren Anfang nahm.

Bereits 2025 zeigte sich: Der KI-Einsatz in Unternehmen tritt in ein neues Reifestadium ein. Das bloße Experimentieren mit der Technologie reicht nicht mehr – 2026 zählen messbare Ergebnisse. Dafür braucht es vertrauenswürdige und KI-fähige Daten und modernes, logisches Datenmanagement.

2026 wächst der Storage-Markt moderat, getrieben von KI-Workloads. All-Flash-Systeme legen zu, während Kapazitäts-Storage durch knappe Nearline-HDDs und steigende Kosten zum Engpass werden kann. Parallel wird KI vom Pilot zum Betriebsprojekt: Governance, Observability, Recovery, FinOps und Souveränität rücken in den Fokus. Im Folgenden die wichtigsten Prognosen und Einschätzungen aus Analysten- und Anbieterperspektive.

Finanzinstitute stehen unter zunehmendem regulatorischem Druck. Vorgaben wie der Digital Operational Resilience Act (DORA) verlangen durchgängige Transparenz über Datenflüsse, Systeme und Risiken. Gleichzeitig kämpfen viele Banken weiterhin mit fragmentierten Datenlandschaften, in denen Datensilos, redundante Bestände und uneinheitliche Prozesse eine konsistente Data Governance erschweren.

Die Denodo-Plattform virtualisiert heterogene Datenquellen, integriert diese ohne Replikation und stellt sie zentral und sicher für Analytik, operative Systeme und KI bereit.

Large-Language-Modelle (LLMs), Chatbots und andere KI-basierte Tools gewinnen zunehmend an Vertrauen. Viele Nutzer verlassen sich bei komplexen Fragen auf die scheinbar fundierten und leicht verständlichen Antworten. Allerdings sind die Ergebnisse solcher Anwendungen nur so gut wie die Daten, auf die sie sich beziehen. Umso wichtiger ist es, eine Datengrundlage aufzubauen, die vollständig, akkurat und aktuell ist.

Immer mehr Unternehmen setzen auf Data Lakehouses, um Daten flexibel, skalierbar und effizient zu nutzen. Allein decken sie jedoch nicht alle Voraussetzungen für eine umfassende Datennutzung ab. Logisches Datenmanagement liefert hier den entscheidenden Mehrwert. Fünf Gründe, warum diese Kombination besonders wertvoll für den Geschäftserfolg ist.

In einer stark datengetriebenen Wirtschaft hängt der Unternehmenserfolg nicht mehr allein von der Verwaltung und Integration von Daten ab. Für fundierte Business-Entscheidungen sind vertrauenswürdige Informationen erforderlich, die schnell und einfach zur Verfügung stehen. Besonders KI-Modelle und damit verbundene Projekte sind auf aktuelle, konsistente und kontextualisierte Daten angewiesen.