Die Erwartungshaltung an digitale Prozesse und vollständig integrierte Echtzeitabläufe passt nicht mit Daten- und Infrastruktur-Silos zusammen. Daten müssen über das komplette Unternehmen hinweg kontinuierlich gesammelt, verarbeitet und in Applikationen reaktiv genutzt werden. Mit anderen Worten: Wenn ein Unternehmen oder eine Behörde zunehmend software-definiert wird, braucht es eine Datenplattform, die primär für „Data in Motion” ausgelegt ist und weniger für „Data at Rest”. Als de-facto Standard für “Data in Motion” und Event-Streaming hat sich Apache Kafka etabliert und wird von über 80% der Fortune-100-Unternehmen genutzt, um Datenarchitekturen zu modernisieren und Echtzeitanwendungen zu erstellen. Event Streaming mit Apache Kafka bietet die einzigartige Möglichkeit, eine einzige Technologie über Edge- und Hybrid-Cloud-Architekturen hinweg für die Echtzeit-Datenintegration und -verarbeitung für die nationale Sicherheit zu nutzen. Sogar abgekoppelte oder abgeschirmte Umgebungen werden unterstützt.

Hierfür haben wir im Vortrag drei Beispiele vorbereitet:

• Steigerung der Qualität der Reisendeninformation bei der Deutschen Bahn: Konsistente und verlässliche Information in in Echtzeit ist zentraler Bestandteil des digitalen Reiserlebnisses – wir machen da weiter, wo David Kriesel in seinem Vortrag endete
• Zentralisierung von Daten für eine einfachere Datenanalyse bei der U.S. Air Force: Eine taktische Data Fabric wird zu einer globalen “Wahrheitsquelle”, die die Integration unterschiedlicher Anwendungen erleichtert, indem sie Missionssilos aufbricht und Daten in Echtzeit zwischen Analyse- und Missionssystemen austauscht.
• Echtzeitdatenübermittlung vom Mars auf die Erde bei der NASA: exponentiell wachsende Datenmengen von Raumfahrzeugen und anderen Systemen werden analysiert und ermöglichen der NASA ein reaktionsschnelles Bürgerengagement, Echtzeit-Situationsbewusstsein, Anomalieerkennung, event-getriebene Missionen und Sicherheitsoperationen.

Im Anschluss an die Theorie gehen wir direkt in die Praxis und zeigen in einer kurzen Live-Demo, wie Daten skalierbar in Bewegung gesetzt werden und “data-driven” unkompliziert umgesetzt werden kann