Agenda

Automatisierungsplattformen werden zunehmend metadatengesteuert und nutzen Metadaten, um Datenmanagementprozesse zu orchestrieren und zu automatisieren. Automatisierungstools können Aufgaben wie Datenintegration, -umwandlung und -verwaltung intelligent automatisieren, indem sie Metadaten nutzen, um die Struktur, Beziehungen und Herkunft von Datenbeständen zu verstehen. VaultSpeed ist ein Pionier in dieser Entwicklung. Wir bieten das einzige Automatisierungstool, das das Geschäftsverständnis mit Metadaten aus allen Quellen kombiniert, um ein umfassendes unternehmensweites Datenmodell vorzuschlagen und die Transformation und Integration von Daten zur Befüllung dieses Modells zu automatisieren. Die zugrunde liegende Magie liegt in unseren integrierten Integrationstemplates, die ETL- und DDL-Anweisungen für verschiedene Quellen und Technologien generieren und 2220 einzigartige Kombinationen umfassen. VaultSpeed setzt sich auch für die Möglichkeit ein, dass Dateningenieure benutzerdefinierte Geschäftslogikautomatisierungen, wie z. B. KPIs, programmieren und diese auf alle Datenpräsentationen in der Informationsschicht anwenden können. Wir freuen uns, Ihnen einen Einblick in unsere neuesten Fortschritte in der automatisierten Datenumwandlung zu geben. Unser Team konzentriert sich derzeit darauf, Funktionen zu erstellen und zu testen, die es den Benutzern erleichtern, maßgeschneiderte Datenumwandlungen sowohl upstream als auch downstream durchzuführen. Wir arbeiten intensiv an einer intuitiven, grafischen Drag-and-Drop-Oberfläche, die den Zugang zur Datenautomatisierung für jedes Datenteam erleichtern wird. Dies wird ihnen ermöglichen, Konsistenz in der gesamten Organisation in Übereinstimmung mit ihren Geschäftszielen und Datenverwaltungsrichtlinien zu gewährleisten.

Die führenden Unternehmen in der Wirtschaft von morgen werden Daten + KI-Unternehmen sein. Heute ist das Data Lakehouse ein bewährtes Verfahren, da es die Leistung und Zuverlässigkeit von Data Warehouses mit der Elastizität und Kosteneffizienz von Data Lakes verbindet. Aber was ist mit KI? Das Data-Intelligence-Paradigma von morgen bettet KI in jede Schicht und alle Funktionen der modernen Datenplattform ein, um Unternehmen auf der ganzen Welt zu verändern. In dieser Breakout-Session werden wir einen Blick hinter die Kulissen werfen und sehen, was uns in Zukunft erwartet.

KI- oder ML-Prozesse erfordern oft, dass Daten aus dem Datenspeicher gezogen, verarbeitet und die Ergebnisse/Vorhersagen schließlich wieder im Datenspeicher gespeichert werden. Dies bringt eine gewisse Komplexität mit sich und sollte vermieden werden. Wir zeigen Ihnen, wie ein KI-/ML-Modell direkt am Ort Ihrer Daten ausgeführt werden kann, ohne dass diese vorher bewegt werden müssen - ein Vorteil, um die Komplexität und die Kosten niedrig und die Qualität hoch zu halten.

Erfahre, wie Microsoft Fabric durch WhereScape verbessert wird. Lerne etwas über optimierte Migration, Low-Code-Integration und verbessertes Metadatenmanagement, das die Effizienz der Datenverwaltung steigert. Erlebe die Synergie zwischen WhereScape und Microsoft Fabric für fortschrittliche Datentechnologie.

Die Sporteinzelhandelsbranche setzt zunehmend auf die Nutzung von Daten als Teil des täglichen Geschäftsbetriebs. Mit ihrer neu modernisierten emnosSPORTS-Plattform hat emnos eine wahre Transformation erlebt, die auf der Grundlage von Echtzeit-Zusammenarbeit zwischen Sporteinzelhändlern und Sportmarken basiert. Um dies zu erreichen, benötigen sie intuitive, flexible Datenanalyse und -visualisierung für mehrere Nutzertypen und Organisationen - eine bekannte Herausforderung für emnos, die auf 15 Jahren Erfahrung in den Bereichen Sporteinzelhandel und Lebensmittelindustrie zurückgreifen können. Yellowfin und emnos arbeiten zusammen, um den Kunden von emnos, den Sporteinzelhändlern sowie den Sportmarken, schneller die neue emnosSPORTS-Plattform präsentieren zu können. Yellowfin stellt die eingebettete Analyseplattform bereit, die es emnos ermöglicht, ausgeklügelte Verkaufs-, Kunden- & Lager-KPIs und Prognosen für die Sportindustrie zu liefern – um letztendlich den Abverkauf von Sportartikel zu maximieren, Planungsineffizienzen zu reduzieren und sicherzustellen, dass die richtigen Produkte zur richtigen Zeit am richtigen Ort zu haben sind, um bei den Verbrauchern zu punkten.

Wirklich vollständige Data Vault Automatisierung bedeutet, dass kein Data Vault Know How mehr benötigt wird. Mit dieser Vision haben Reinhard und Marco Yotilla entwickelt. Der innovative Ansatz von Yotilla automatisiert die Data Vault Datenmodellierung vollständig und ermöglicht die Definition der Business Logik ohne Kenntnisse des Data Vault Datenmodells. Im Breaktalk stellen wir die Arbeitsweise mit Yotilla vor und zeigen wie Yotilla alle Änderungen am Data Warehouse automatisiert, sodass Sie mit geänderten oder neuen Anforderungen des Business zeitgleich Schritt halten können. Am Kundenbeispiel zeigen wir, dass Yotilla sowohl die Kosten für die Erstellung und Weiterentwicklung des Data Warehouse erheblich reduziert als auch deutlich schneller Nutzen stiftet.

Durch den Zugang zu vertrauensvollen Daten versuchen Organisationen auf effizientere Weise Mehrwerte für die Fachbereiche zu schaffen. In der Regel sind technische Rollen in den Prozess der Transformation von Rohdaten zu konsumierbaren Datenprodukten involviert. Durch die Bereitstellung alternativer Einstiegspunkte für weniger technisch versierte Personen, die sich am Transformationssprozess beteiligen und ihren Bedarf an vertrauenswürdigen Datenprodukten selbst decken können, kann eine schnellere Wertschöpfung erreicht werden.

Ein agiles Datenmanagement stellt für RAG (Retrieval Augmented Generation) eine entscheidendene Basis dar, um die Qualität der Antworten bei der Nutzung von generativer KI sicherzustellen. Die Integration von Retrieval- und Generationstechniken durch RAG ermöglicht umfassende und kontextuell relevante Ergebnisse und verbessert die Transparenz und Zuverlässigkeit von KI-Systemen. Durch das Einbeziehen von vorhandenem Wissen neben generativen Fähigkeiten unterstützt RAG eine zuverlässige Data Governance und verhindert Verzerrungen, was wesentliche Komponenten für ein steigendes Vertrauen bei der Nutzung von künstlicher Intelligenz sind. In dieser Sitzung lernst Du die entscheidende Rolle kennen, die effektives Datenmanagement in Verbindung mit Gen AI spielt, und wie die Denodo-Plattform die Nutzung von künstlicher Intelligenz verbessern kann, indem sie einen größeren Kontext bietet und die Vertrauenswürdigkeit fördert.

Die Nutzer einer modernen Data & AI Plattform können sehr unterschiedlich sein mit ihren individuellen Bedürfnissen bei Entwicklungsproduktivität, Performance, Benutzerfreundlichkeit und natürlich bei dem Einsatz neuester ML- & AI-Technologien. In dem Talk schauen wir uns drei Nutzertypen etwas genauer an: DATA PRODUCT BUILDER - ist als Technologist daran interessiert, fachliche Anforderungen schnell in intuitiv verwendbare Datenprodukte umzusetzen. Der Zugriff auf alle relevanten Daten, performante Pipelines, Datenqualität, professionelle Präsentation/Verwaltung der Datenprodukte sind hier wichtige Erfolgsfaktoren. CITIZEN DATA SCIENTIST - analysiert als Business User konkrete Fragestellungen am liebsten "at Speed of Thought" und weiß den einfachen Umgang mit Datenprodukten und ML-/AI-Funktionen zu schätzen. ML UND APPLICATION ENGINEER - hilft bei der Produktivsetzung eines AI-Experiments/MVPs, z.B. in Form einer intelligenten, skalierbaren App. Die Möglichkeit, geeignete Software/Frameworks (auf Container-Basis) einsetzen, MLOps-Praktiken anwenden und die gesamte Lösung sicher betreiben zu können, stehen hier im Fokus. Wie gut passt die Snowflake-Perspektive zur Datenstrategie Eures Unternehmens? Das Snowflake-Team vor Ort freut sich nach diesem Talk auf zahlreiche und rege Diskussionen! -- Kurz-Bio ---------------------------- Harald Erb arbeitet seit 2018 bei Snowflake Computing und unterstützt als Principal Solutions Engineer führende Unternehmen bei der Modernisierung und Fortentwicklung ihrer Daten- und AI-Plattformen. Zuvor war er in seiner 25-jährigen IT-Laufbahn bei Oracle, Pentaho/Hitachi Vantara als Solutions Architect, Projektleiter, Consultant und Sales Engineer in der DACH- und EMEA-Region in zahlreichen Kundenprojekten tätig (industrieübergreifend, bei Sicherheitsbehörden von Bund und Ländern). Ferner ist er regelmäßiger Sprecher auf Konferenzen, Snowflake-Events sowie Autor verschiedener Fach- und Blog-Artikel.

Künstliche Intelligenz (KI) ist momentan ein zentrales Thema und revolutioniert Branchen mit einer Dynamik, die an den rasanten Aufstieg des Internets erinnert. Algorithmen wie Regressionen, Collaborative Filtering oder Factorization werden bereits seit Jahren genutzt, um Empfehlungen zu generieren. Doch welche Möglichkeiten eröffnen die neuesten generativen Technologien, und wie können wir deren Potenziale weiter ausschöpfen? In diesem Vortrag werden Sie durch effektive Use Cases mit den innovativen Fähigkeiten der Bloomreach KI „Loomi“ vertraut gemacht und erhalten Einblick, wie diese neue Technologien in inspirierende Chancen umwandeln.

Carsten Schweiger, DWH-Engineer und Agile Coach, zeigt, wie langwierige und aufgeblähte DWH-Projekte ein Relikt der Vergangenheit werden. Ein model-driven Data Vault-Ansatz und kurze Feedback-Zyklen bringen Business und IT zusammen. Automatisierung und Standardisierung im Entwicklungsprozess senken Kosten und Aufwände drastisch. Willkommen in einer Welt, in der Time-to-Market kein Hindernis mehr darstellt, sondern einen Wettbewerbsvorteil bietet.