Was ist Datenintegration?

Unter Datenintegration versteht man die Zusammenführung von Daten aus mehreren unterschiedlichen Quellen in einer einzigen Ansicht: Der Prozess umfasst die Aufnahme, die Bereinigung, das Mapping und die Transformation der Daten gemäß dem Zielsystem und schließlich die Bereitstellung aussagekräftiger und wertvoller Informationen. Angesichts der Flut an Informationen und neuen Cloud- und Big-Data-Technologien setzen immer mehr Unternehmen heute auf Datenintegrationsinitiativen, um ihre Daten effektiver zu analysieren und darauf basierend zu handeln. Für moderne Unternehmen, die ihre strategische Entscheidungsfindung und Wettbewerbsfähigkeit verbessern möchten, ist die Datenintegration ein absolutes Muss.

Einen allgemeingültigen Ansatz sucht man bei der Datenintegration vergeblich. Allerdings gibt es ein paar Elemente, die man gewöhnlich in jeder Datenintegrationslösung findet, zum Beispiel ein Netzwerk von Datenquellen, einen Masterserver und Clients, die vom Masterserver aus auf Daten zugreifen.

Der Datenintegrationsprozess läuft typischerweise so ab, dass der Client eine Datenanfrage an den Masterserver sendet. Der Masterserver nimmt anschließend die benötigten Daten aus internen und externen Quellen auf. Nach der Extraktion werden sie in einer kohärenten, einheitlichen Form zusammengeführt und so dem Client bereitgestellt.

Ansehen Getting Started with Data Integration jetzt herunter.
Jetzt ansehen

Warum die Datenintegration eine wichtige Rolle spielt

Selbst wenn ein Unternehmen über alle nötigen Daten verfügt, sind diese meist über verschiedene Datenquellen verteilt. Um eine 360-Grad-Sicht auf den Kunden zu erhalten, müssen z. B. verschiedene Daten kombiniert werden, darunter Daten aus CRM-Systemen, Webverkehr, Marketing-Software, Kundenanwendungen, Vertriebs- und Customer-Success-Systemen und sogar Partnerinformationen, um nur einige zu nennen. Informationen aus all diesen unterschiedlichen Quellen müssen häufig zu Analysezwecken oder für operative Aufgaben zusammengeführt werden – für Dateningenieure oder Entwickler kann das ziemlich aufwendig sein.

Werfen wir einen Blick auf einen typischen Use-Case: Ohne einheitliche Daten muss man sich für einen einzigen Bericht in der Regel in mehrere Accounts bzw. Sites einloggen, innerhalb nativer Apps auf die Daten zugreifen und diese Informationen dann kopieren, neu formatieren und bereinigen, bevor man überhaupt mit der Analyse beginnen kann.

Führt man all diese Prozesse so effizient wie möglich aus, wird deutlich, welch großen Nutzen die Datenintegration bringt. Außerdem werden auch die enormen Vorteile eines gut durchdachten Datenintegrationsansatzes klar ersichtlich:

1. Die Datenintegration verbessert die Zusammenarbeit und die Vereinheitlichung von Systemen

Mitarbeiter verschiedenster Abteilungen – manchmal sogar aus anderen Standorten – benötigen immer öfter einen Zugriff auf Unternehmensdaten für gemeinsame und individuelle Projekte. Die IT braucht eine sichere Lösung, um Daten per Selfservice-Zugriff über alle Geschäftsbereiche hinweg bereitzustellen.

Darüber hinaus generieren und verbessern Mitarbeiter in praktisch allen Abteilungen Daten, die auch der Rest des Unternehmens benötigt. Die Datenintegration sollte kollaborativ und einheitlich sein, um die Zusammenarbeit und die Vereinheitlichung in der gesamten Organisation zu optimieren.

2. Die Datenintegration spart Zeit

Durch eine optimale Datenintegration können Unternehmen die Zeit für die Aufbereitung und Analyse der Daten erheblich reduzieren. Die automatisierte Erstellung einheitlicher Ansichten macht die manuelle Erfassung von Daten überflüssig und Mitarbeiter müssen nicht jedes Mal Daten neu verknüpfen, wenn sie einen Bericht ausführen oder eine Anwendung erstellen wollen.

Außerdem kann das Entwicklungsteam mithilfe geeigneter Tools – anstatt einer Integration auf Basis von Handcodierung – noch mehr Zeit (und Ressourcen) einsparen.

All diese Zeit, die man einspart, kann man für andere sinnvollere Tätigkeiten nutzen, zum Beispiel für die Analyse und Umsetzung von Initiativen zur Steigerung der Produktivität und Wettbewerbsfähigkeit.

3. Durch Datenintegration lassen sich Fehler (und Überarbeitungen) vermeiden

Wenn es um die Datenressourcen von Unternehmen geht, gilt es einiges zu beachten. Für die manuelle Datenerfassung müssen Mitarbeiter z. B. jeden Speicherort und jedes Konto kennen und möglicherweise abfragen – und davor noch die nötige Software installieren. Nur so können sie sicherstellen, dass ihre Datensätze vollständig und genau sind. Wird ein Daten-Repository hinzugefügt, ohne dass der Mitarbeiter es mitbekommt, würde dies zu einem unvollständigen Datensatz führen.

Ohne eine Datenintegrationslösung für die Datensynchronisierung muss außerdem das Reporting regelmäßig überholt werden, um mögliche Änderungen einzupflegen. Mithilfe automatisierter Updates dagegen lassen sich Berichte bei Bedarf spielend leicht in Echtzeit ausführen.

4. Die Datenintegration liefert mehr nützliche Daten

Die kontinuierliche Datenintegration verbessert den Wert von Unternehmensdaten. Bei der Integration von Daten in ein zentralisiertes System lassen sich Qualitätsprobleme identifizieren und nötige Verbesserungen durchführen. Dadurch erhält man genauere Daten, die bekanntermaßen die Grundlage für hochwertige Analysen bilden.

Datenintegration in modernen Unternehmen

Bei der Datenintegration gibt es keine Universallösung. Die richtige Formel kann je nach Geschäftsanforderungen variieren. Hier ein paar typische Anwendungsfälle für Datenintegrationstools:

Nutzung von Big Data

Data Lakes können hochkomplex und extrem umfangreich sein. Beispielsweise verarbeiten Unternehmen wie Facebook und Google einen ununterbrochenen Datenstrom von Milliarden Nutzern. Diese riesigen Mengen an Daten werden als Big Data bezeichnet. Je mehr Big-Data-Unternehmen es gibt, desto größer die Menge an Daten, die analysiert werden können. Somit werden hoch entwickelte Datenintegrationslösungen für viele Organisationen immer wichtiger.

Erstellung von Data-Warehouses

Vor allem in großen Unternehmen werden Datenintegrationsinitiativen häufig ins Leben gerufen, um Data-Warehouses zu erstellen, die mehrere Datenquellen in einer relationalen Datenbank vereinen. Mithilfe von Data-Warehouses können Benutzer Abfragen durchführen, Berichte und Analysen erstellen und Daten in einem einheitlichen Format abrufen.

Einfachere Business-Intelligence(BI)-Prozesse

Durch die Schaffung einer einheitlichen Sicht auf Daten verschiedenster Quellen vereinfacht die Datenintegration die Business-Intelligence(BI)-Analyse. Organisationen können die verfügbaren Datensätze ganz einfach einsehen und daraus aussagekräftige Informationen zur aktuellen Lage ihres Geschäfts destillieren. Mithilfe der Datenintegration können Analysten größere Mengen an Informationen für eine genauere Evaluierung nutzen, ohne von massiven Datenvolumina gebremst zu werden.

Im Gegensatz zu Geschäftsanalysen liefert BI keine prädiktiven Analysen für Zukunftsprognosen. Bei der BI liegt der Fokus darauf, Vergangenheit und Gegenwart zu beschreiben, um die strategische Entscheidungsfindung zu unterstützen. Diese Art von Datenintegration eignet sich ideal für das Data-Warehousing, wo allgemeine Informationen sich gut in einem leicht verständlichen Format vorhalten lassen.

ETL und Datenintegration

ETL (ETL = Extraktion, Transformation, Laden) ist ein Schritt innerhalb der Datenintegration, bei dem Daten aus dem Quellsystem extrahiert und in das Warehouse übertragen werden. Bei diesem kontinuierlichen Prozess werden Daten aus unterschiedlichen Quellen in wertvolle, einheitliche Informationen umgewandelt und anschließend zu Business-Intelligence- und Analysezwecken genutzt.

Laden Sie Was ist Datenintegration? jetzt herunter.
Weitere Informationen

Die Herausforderungen der Datenintegration

Mehrere Datenquellen zu nehmen und in einer einheitlichen Sicht innerhalb einer einzigen Struktur zusammenzuführen, ist eine technische Herausforderung. Unternehmen, die Datenintegrationslösungen erweitern, müssen vorgefertigte Prozesse entwickeln, um Daten konsequent an den entsprechenden Zielort zu verschieben. Auf kurze Sicht lassen sich dadurch Zeit- und Kosteneinsparungen realisieren. Allerdings gibt es auch hier zahlreiche Hindernisse, die eine Implementierung erschweren können.

Hier einige Herausforderungen, mit denen Organisationen bei der Erstellung ihrer Integrationssysteme zu kämpfen haben:

  • Wie man ans Ziel kommt: Unternehmen wissen in der Regel, was sie mit der Datenintegration erreichen möchten. Meist geht es um eine konkrete Herausforderung. Was sie häufig nicht bedenken, ist, wie sie überhaupt an dieses Ziel kommen sollen. Jeder, der eine Datenintegration durchführt, muss verstehen, welche Datentypen erfasst und analysiert werden müssen, woher diese Daten stammen, in welchen Systemen sie zum Einsatz kommen, welche Arten von Analysen ausgeführt werden sollen und wie häufig Daten und Berichte aktualisiert werden müssen.
  • Daten aus veralteten Systemen: In manchen Fällen sind für die Integration Daten erforderlich, die in veralteten Systemen gespeichert sind. Bei diesen Daten fehlen allerdings häufig Informationen wie Zeit und Datum für bestimmte Aktivitäten, die in moderneren Systemen in der Regel enthalten sind.
  • Daten, die aus neueren Geschäftsanforderungen hervorgehen: Neue Systeme generieren heute unterschiedliche Datentypen (z. B. unstrukturierte oder echtzeitbasierte Daten) aus sämtlichen Arten von Quellen, wie zum Beispiel Videos, IoT-Geräten, Sensoren und der Cloud. Damit Ihr Unternehmen auf lange Sicht erfolgreich ist, müssen Sie herausfinden, wie Sie Ihre Datenintegrationsinfrastruktur schnell anpassen können, um all diese Daten zu integrieren. Angesichts der neuen Herausforderungen, die durch die Menge und Geschwindigkeit von Informationen sowie neue Datenformate entstehen, ist das allerdings eine extrem schwierige Aufgabe.
  • Externe Daten: Daten aus externen Quellen sind möglicherweise nicht so detailreich wie Daten aus internen Quellen, sodass es schwer ist, diese Daten mit derselben Sorgfalt zu untersuchen. Noch dazu können Verträge mit externen Anbietern die Bereitstellung von Daten innerhalb der Organisation erschweren.
  • Schritt halten: Mit der Einrichtung des Integrationssystems ist es noch lange nicht getan. Das Datenteam muss alle Datenintegrationsprojekte konstant an die geltenden Best Practices sowie die aktuellen Anforderungen von Seiten der Organisation und der Aufsichtsbehörden anpassen.

Die meisten dieser Herausforderungen lassen sich allerdings mithilfe der passenden Datenintegrationsplattform lösen. So gibt es kostenlose Open-Source-basierte Datenintegrationslösungen, die den Einstieg erleichtern.

Ansehen Elsevier: Agile, Cloud-based Data Integration jetzt herunter.
Jetzt ansehen

So funktioniert die Integration von Unternehmensdaten

Je nach Größe des Unternehmens, den gestellten Anforderungen und den verfügbaren Ressourcen gibt es mehrere Möglichkeiten, Daten zu integrieren.

  • •Bei der manuellen Datenintegration erfasst ein einzelner Nutzer händisch die nötigen Daten aus verschiedenen Quellen, indem er direkt auf die jeweiligen Schnittstellen zugreift. Anschließend bereinigt er diese bei Bedarf und führt sie in einem Warehouse zusammen. Dieser Prozess ist extrem ineffizient und uneinheitlich und höchstens für sehr kleine Organisationen mit minimalen Datenressourcen sinnvoll.
  • Bei der Middleware-basierten Datenintegration normalisiert eine Middleware-Anwendung als eine Art „Vermittler“ die Daten und fügt sie in den Stammdatenpool ein (ähnlich wie ein Adapter für alte Elektronikgeräte mit veralteten Anschlüssen). Veraltete Anwendungen harmonieren oft nicht besonders gut mit anderen Applikationen. Middleware kommt ins Spiel, wenn ein Datenintegrationssystem nicht in der Lage ist, eigenständig auf Daten aus einer dieser Anwendungen zuzugreifen.
  • Die anwendungsbasierte Integration ist ein Integrationsansatz, bei dem Softwareanwendungen Daten lokalisieren, abrufen und integrieren. Während der Integration muss die Software Daten aus unterschiedlichen Systemen kompatibel machen, sodass sie zwischen den verschiedenen Quellen übertragen werden können.
  • Bei der Uniform-Access-Integration – einer Art von Datenintegration – sorgt ein Front-End dafür, dass Daten aus verschiedenen Quellen einheitlich erscheinen. Dabei bleiben die Daten allerdings in ihrem ursprünglichen Zustand. Mit dieser Methode können objektorientierte Datenbankmanagementsysteme eingesetzt werden, um bei ungleichen Datenbanken den Eindruck von Einheitlichkeit zu simulieren.
  • Die Common-Storage-Integration ist der am häufigsten verwendete Speicheransatz bei der Datenintegration. Dabei wird eine Kopie der Daten aus der ursprünglichen Quelle im integrierten System beibehalten und zu einer einheitlichen Sicht verarbeitet – ganz im Gegenteil zur Uniform-Access-Integration, bei der die Daten in der Quelle bleiben. Der Common-Storage-Ansatz ist das eigentliche Prinzip hinter der traditionellen Data-Warehousing-Lösung.

Darauf sollten Sie bei einem Datenintegrationstool achten

Datenintegrationstools können diesen Prozess enorm vereinfachen. Ihr Tool sollte dabei idealerweise die folgenden Features bieten:

  • viele Konnektoren: Es gibt viele unterschiedliche Systeme und Anwendungen weltweit. Je mehr vorgefertigte Konnektoren Ihr Datenintegrationstool mitbringt, desto mehr Zeit spart Ihr Team.
  • Open Source: Open-Source-Architekturen bieten meist mehr Flexibilität und tragen dazu bei, den Vendor-Lock-in-Effekt zu vermeiden.
  • Portabilität: Dies ist ein wichtiger Punkt, da immer mehr Unternehmen auf Hybrid-Cloud-Modelle setzen, um Datenintegrationen nur einmal erstellen zu müssen und sie dann von überall ausführen zu können.
  • Benutzerfreundlichkeit: Datenintegrationstools sollten einfach zu erlernen und zu benutzen sein. Darüber hinaus sollten sie eine Benutzeroberfläche bieten, mit der Sie ganz einfach Ihre Datenpipelines visualisieren können.
  • ein transparentes Preismodell: Ihr Anbieter sollte auf keinen Fall einen Aufpreis verlangen, wenn Sie die Anzahl Ihrer Konnektoren oder das Datenvolumen erhöhen.
  • Cloud-Kompatibilität: Ihr Datenintegrationstool sollte nativ in einer Single-, Multi- oder Hybrid-Cloud-Umgebung funktionieren.

Die ersten Schritte bei der Datenintegration

Moderne Geschäftsprozesse und die damit verbundene Flut an ständig wachsenden Datenmengen setzen Organisationen zunehmend unter Druck. Um die bestmögliche Datenintegrationslösung für Organisationen und Unternehmen zu finden, sollte man sich im Vorfeld Gedanken machen. Zum Beispiel über die Anforderungen, die man mit der Datenintegration erfüllen möchte, die Methoden, die man zur Erreichung dieser Ziel nutzen kann, und die möglichen Probleme, die bei der Implementierung auftauchen können.

Laden Sie Talend Open Studio for Data Integration herunter und profitieren Sie noch heute vom führenden Open-Source-Datenintegrationstool.

| Zuletzt aktualisiert: January 28th, 2019