Jahresrückblick 2025: Die Einschätzung der Branchenanalysten

Bei InterSystems legen wir großen Wert darauf, einen aktiven und kontinuierlichen Austausch mit den führenden Analysten der Datenmanagementbranche zu pflegen. Dadurch können wir sicherstellen, dass wir mit den sich wandelnden Perspektiven auf den Markt Schritt halten. Der regelmäßige Dialog gibt uns zudem die Möglichkeit, detaillierte Einblicke in die Arbeit mit unseren Kunden und Partnern zu geben und hält die Analysten über unsere neuesten Innovationen und Produktweiterentwicklungen auf dem Laufenden.

Angesichts des rapiden Wandels im Datenmanagement haben sich zwei Themen als besonders entscheidend – und grundlegend – für die Bereitstellung schnellerer, zuverlässigerer und vertrauenswürdigerer KI herausgestellt: konvergente Datenplattformen und KI-kompatible Daten.

Gartner, viele andere Analysten sowie viele Unternehmen, mit denen wir zusammenarbeiten, erkennen zunehmend die Bedeutung dessen, was sie als "konvergente Datenplattformen" bezeichnen. Diese Plattformen reduzieren die Komplexität, erhöhen die Leistung und Effizienz und senken die Kosten, indem sie mehrere Datenverwaltungsdienste, die bisher als unabhängige Dienste verfügbar waren, in einem einzigen Angebot zusammenführen.

Konvergente Datenplattformen bieten gerade im Kontext von KI- und Gen-KI-Initiativen eine Vielzahl von Vorteilen. Viele Anbieter gehen das Thema Konvergenz so an, dass sie einfach verschiedene unabhängige Dienste bündeln, die alle auf unterschiedlichen Architekturen basieren und jeweils eine eigene Kopie der Daten benötigen. Unser eigener Ansatz besteht darin, all diese Funktionen – einschließlich der Verwaltung von Datenbanken für mehrere Modelle und Workloads, der Integration und Service-Orchestrierung sowie verschiedener Analysefunktionen – in einer einzigen, von Grund auf neu entwickelten Engine bereitzustellen, die auf einer einheitlichen Datenrepräsentation basiert: unserer "gemeinsamen Datenebene" (engl. Common Data Plane). Unser Konvergenzansatz führt zu einfacheren Architekturen, einem höheren ROI, geringerer Anfälligkeit, der Beseitigung von Datenduplikaten und liefert zuverlässigere Daten für KI-Initiativen, da es ein einziges, übergreifendes Modell für Sicherheit, Governance, Herkunft und Semantik für alle Daten gibt.

Im Folgenden finden Sie einige wichtige Analystenberichte, die diesen Trend hin zu konvergierten Datenplattformen beleuchten, sowie die relevantesten Passagen aus den einzelnen Berichten. Alle in diesem Blog-Beitrag erwähnten Berichte sind kostenlos bei InterSystems erhältlich und hier verlinkt.

"Unternehmen haben mit der zunehmenden Verbreitung von Datenverwaltungsdiensten zu kämpfen und müssen oft eine wachsende Anzahl spezialisierter Systeme verwalten, während sie gleichzeitig mit betrieblicher Komplexität, Compliance-Verpflichtungen und Herausforderungen bei der Kostenoptimierung konfrontiert sind. Unternehmen, insbesondere solche mit begrenzten Ressourcen oder fehlendem technischem Personal, realisieren zunehmend, dass Best-of-Breed-Strategien zu einer untragbaren Komplexität führen, was sie im Laufe der Zeit dazu veranlasst, auf konvergente Plattformen umzusteigen, die eine optimierte Verwaltung, einen einfacheren Betrieb und integrierte Sicherheit bieten. Infolgedessen vollzieht sich auf dem Markt ein grundlegender Wandel hin zu konvergenten Lösungen, die neben Datenintegrations- und Datenmanagementfunktionen auch Dokumenten-, Graph-, relationale und Vektordatenmodelle integrieren.

Die Konvergenz der Anforderungen an Multi-Modell-Datenbanken, Echtzeit-Analysen und strenge Sicherheitsanforderungen bilden ein überzeugendes Argument für die Einführung von InterSystems IRIS®. Um die Diskrepanz zwischen der erstmaligen Einführung von Datenplattformen und deren späterer Neubewertung zu untersuchen, befragte Nucleus mehrere Unternehmen, die nach Herausforderungen mit ihrer ursprünglichen Datenmanagementstrategie zu InterSystems IRIS migriert sind. Als zentrale Gründe für den Wechsel nannten die Kunden Konvergenz, Support auf Enterprise-Niveau und die wachsende Unzufriedenheit mit fragmentierten Einzellösungen. Die Einführung führte zu einer um bis zu 98 Prozent höheren Genauigkeit bei der Risiko- und Schadensfallfilterung sowie zur Konsolidierung von Hunderten bis Tausenden von Datenmanagement-Services. Da die Anforderungen an Datenplattformen zur Unterstützung neuer Workloads und wachsender Datenvolumina weiter zunehmen, erwartet Nucleus, dass InterSystems für Unternehmen zur bevorzugten Plattform wird, wenn sie komponentenbasierte Architekturen hinter sich lassen, um mehr Effizienz und Kosteneinsparungen zu erzielen."

IDC MarketScapes bieten detaillierte quantitative und qualitative Bewertungen von Anbietern für ein breites Spektrum von Technologiemärkten. Diese globale MarketScape-Analyse für analytische Datenbanken liefert eine umfassende Bewertung der 14 führenden Anbieter in diesem Marktsegment sowie die Einschätzungen von IDC zur Marktentwicklung und Empfehlungen für Technologieentscheider.

"Der Markt für analytische Datenbanken tritt in eine neue Innovationsphase ein, da Fortschritte bei Speicher- und Rechenarchitekturen neu definieren, wie Unternehmen Wert aus ihren Daten schöpfen. Für Technologieentscheider bietet diese Studie einen strategischen Bewertungsrahmen für analytische Datenbanken – mit Fokus auf Flexibilität, Interoperabilität und KI-Fähigkeit, den neuen Schlüsselfaktoren für Differenzierung im Enterprise-Analytics-Markt.

Berücksichtigen Sie konvergierte Arbeitslasten, die auf hybriden transaktionalen und analytischen Verarbeitungsarchitekturen (HTAP) für Echtzeitentscheidungen basieren. Moderne analytische Datenbankplattformen unterstützen zunehmend konvergente Arbeitslasten, die Transaktions- und Analyseverarbeitung in einem einzigen System vereinen. HTAP ermöglicht Unternehmen die Analyse von Live-Betriebsdaten ohne Replikation oder Verzögerung und bildet damit die Grundlage für Entscheidungen in Echtzeit. Einkäufer sollten prüfen, ob diese Funktionalitäten Anforderungen wie Betrugserkennung, Personalisierung oder Transparenz in der Lieferkette erfüllen und gleichzeitig die Transaktionsintegrität und die analytische Leistungsfähigkeit bei denselben Daten gewährleisten. Plattformen, die beide Workloads unterstützen, erhöhen die Reaktionsgeschwindigkeit, reduzieren den Bedarf an Datenverschiebungen und stärken die Governance. HTAP-Architekturen werden auch für die agentenbasierte KI unverzichtbar, bei der kontextbezogene Daten in Echtzeit eine autonome, datengesteuerte Entscheidungsfindung im gesamten Unternehmen ermöglichen.

Nach einer gründlichen Bewertung der Strategien und Fähigkeiten von InterSystems hat IDC InterSystems in diesem IDC MarketScape 2025 für weltweite analytische Datenbanken in der Kategorie "Leaders" positioniert. InterSystems IRIS vereint relationale, Dokumenten-, Key-Value-, Objekt-, Vektor- und Zeitreihenmodelle in einer einzigen Engine. Dieser Multimodell-Ansatz ermöglicht es Unternehmen, operative, analytische und neue KI-gesteuerte Arbeitslasten zu unterstützen, ohne auf mehrere parallele Systeme angewiesen zu sein. InterSystems IRIS reduziert Redundanzen und beschleunigt den Weg zu verwertbaren Erkenntnissen."

KI-fähige Daten
Zahlreiche Analystenstimmen, Studien und Praxisbeispiele zeigen qualitativ wie quantitativ, dass KI-fähige Daten ein zentraler Erfolgsfaktor für KI-Projekte sind. Eine Gartner-Umfrage unter IT-Führungskräften ergab beispielsweise, dass nur 4 % der Unternehmen angeben, dass ihre Daten KI-fähig sind (Gartner, 2024, Top Trends in Data and Analytics, 2024) und die Umfragedaten von BARC zeigen, dass Datenprobleme zu den größten Hindernissen für den KI-Erfolg gehören. Unsere Kunden sagen uns, dass unser Ansatz, KI-fähige Daten über eine übergreifende Smart Data Fabric-Ebene bereitzustellen, die eine konvergente Architektur mit gemeinsamer Sicherheit/Leitung/Governance/Semantik nutzt, eine Voraussetzung für erfolgreiche KI- und GenAI-Ergebnisse ist.

Darüber hinaus entfällt durch die Bereitstellung integrierter KI-Funktionen, die verschiedene Formen der KI unterstützen – darunter prädiktive und präskriptive Analysen sowie Gen-AI-, RAG-, Agenten- und Vektor-Funktionalitäten –, die Notwendigkeit, Daten zur Analyseverarbeitung in separate Umgebungen zu kopieren, was die Effizienz steigert, die Latenzzeit verringert und das Fehlerrisiko senkt.

Im Folgenden finden Sie zentrale Studien, die die Bedeutung KI-fähiger Daten unterstreichen.

Dieser Gartner-Report enthält zahlreiche interessante Umfrageergebnisse und Empfehlungen zur entscheidenden Bedeutung KI-fähiger Daten sowie zu den notwendigen Veränderungen an Datenarchitekturen, Plattformen und Prozessen, um erfolgreiche KI-Initiativen zu ermöglichen.

"Führungskräfte im Bereich Data & Analytics (D&A) stehen unter erheblichem Druck, die dringenden und geschäftskritischen KI-Initiativen ihrer Organisation zu unterstützen. Während die meisten Unternehmen im Laufe der Jahre in traditionelle Datenmanagement-Architekturen und -Verfahren investiert haben, gefährden diejenigen, die die Unterschiede zwischen den Anforderungen an KI-fähige Daten und dem traditionellen Datenmanagement nicht erkennen, den Erfolg ihrer KI-Bemühungen."

Eine Studie von Gartner Research hat gezeigt:

• Der Mangel an Daten ist für fast 40 % der Befragten der Gartner-Umfrage "AI in the Enterprise 2023" eines der drei größten Hindernisse bei der Implementierung von KI-Techniken.
• Mehr als 75 % der Unternehmen geben an, dass KI-fähige Daten in den nächsten zwei bis drei Jahren zu ihren fünf wichtigsten Investitionsbereichen gehören werden, so die Gartner-Umfrage "2024 Evolution of Data Management as a Dedicated Function"
  

Gartner, Inc. (2024). Die Evolution des Datenmanagements in A Journey Guide to Deliver AI Success Through AI-Ready Data. Gartner.

Laut der jüngsten BARC-Umfrage unter 421 Unternehmen weltweit sind drei der sechs größten Hindernisse für erfolgreiche KI-Projekte datenbezogen, darunter Datenqualität (Platz 1), Integrationsprobleme (Platz 3) und unzureichende Daten bzw. unzureichender Datenzugang. Dies unterstreicht, dass KI-kompatible Daten für den Erfolg von KI von entscheidender Bedeutung sind und noch immer eine ungelöste Herausforderung darstellen.

"Die Datenqualität ist allen anderen Hindernissen voraus. In den Ergebnissen von 2024 liegt die Datenqualität mit 19 % im unteren Drittel der aufgeführten Herausforderungen. Je mehr Projekte durchgeführt wurden, desto mehr stieg die Datenqualität zum größten Hindernis für den Erfolg von KI-Projekten im Jahr 2025 auf. 44 % der Befragten nannten sie als größte Herausforderung. Der alte Grundsatz ‚Garbage in, garbage out‘ gilt für KI ebenso wie für die traditionelle Analytik. Schlechte Datenqualität wirkt sich auf den Kontext der Ergebnisse und natürlich auf die Genauigkeit aus. Die zentrale Botschaft lautet: Solange anhaltende Datenqualitätsprobleme nicht behoben werden, wird Ihr Unternehmen das Potenzial wirkungsvoller KI-Projekte nicht voll ausschöpfen können."

Eine weitere wichtige Erkenntnis aus der Umfrage ist die Notwendigkeit, Echtzeitdaten und verschiedene Formen unstrukturierter Daten zu verwalten, was für Unternehmen eine Herausforderung darstellen kann, da sich viele Datenmanagement-Anbieter immer noch hauptsächlich auf die Verwaltung strukturierter Batch-Daten konzentrieren.

Celent ist ein angesehenes Analystenunternehmen für den Bankensektor. Dieser Bericht dokumentiert die Ergebnisse einer (von InterSystems gesponserten) Umfrage unter mehr als 100 Führungskräften von Banken in Nordamerika und Großbritannien. Die wichtigsten Erkenntnisse aus dem Bericht sind, dass die Banken in die Verbesserung der Leistung ihrer KI-Modelle (Entscheidungsintelligenz) investieren, z. B. für Betrugserkennung, Zahlungsverarbeitung, Kreditrisiko, Kundenintelligenz, Kreditvergabe usw., und dass die größten Herausforderungen im Zusammenhang mit dem Bedarf an besseren Daten stehen. Beachten Sie, dass die fünf größten Hindernisse für die Verbesserung der Entscheidungsintelligenz (KI-Modelle), die von den Banken genannt wurden, alle mit Datenproblemen zusammenhängen.

Der ISG Buyers Guide™ for Data Platforms bewertet Anbieter und Lösungen in acht zentralen Leistungsbereichen – darunter Datenmanagement, Datenabfrage und Data-Engineering-Funktionalitäten. Dieser Report führt die beiden Themen zusammen und verdeutlicht, dass KI-Bereitschaft eine konvergente Datenarchitektur voraussetzt.

"Der Markt für Datenplattformen war traditionell in operative Datenplattformen unterteilt, die Anwendungen für Fachbereiche und Entscheidungsträger zur Steuerung des Unternehmens unterstützen, sowie in analytische Datenplattformen, die typischerweise Anwendungen für Daten- und Business-Analysten bereitstellen, um das Unternehmen zu analysieren. Die zunehmende Bedeutung intelligenter, von KI angetriebener betrieblicher Anwendungen verwischt die Grenzen, die traditionell die Anforderungen an betriebliche und analytische Datenplattformen trennten. Verbraucher erwarten zunehmend datengetriebene Services, die durch Personalisierung und kontextrelevante Empfehlungen überzeugen. Auch mitarbeiterorientierte Anwendungen folgen diesem Trend und adressieren Nutzer gezielt auf Basis ihrer Rollen und Verantwortlichkeiten. Der Übergang zu flexibleren Geschäftsprozessen erfordert ML für reaktionsschnellere Datenplattformen und Anwendungen. Intelligente Anwendungen sind zwar operativ ausgerichtet, basieren jedoch auf analytischer Echtzeitverarbeitung, um Funktionen wie kontextrelevante Empfehlungen, Vorhersagen und Prognosen bereitzustellen, die durch Machine Learning, generative KI und Agenten ermöglicht werden.

Wir sind überzeugt, dass Anbieter von Datenplattformen bis 2027 die Entwicklung hybrider Funktionen für operative und analytische Verarbeitung priorisieren werden, um den Anforderungen intelligenter, durch GenAI getriebener Anwendungen gerecht zu werden."

Bei InterSystems vertreten wir diesen konvergenten Ansatz für das Datenmanagement bereits seit vielen Jahren. Umso mehr freuen wir uns über die Auszeichnung als Leader im aktuellen Buyer’s Guide von ISG, in dem wir unter den 24 führenden Anbietern von Datenplattformen die zweithöchste Gesamtbewertung erzielt haben.

-

Diese Reports enthalten eine Vielzahl wertvoller Erkenntnisse, und ich hoffe, dass Sie daraus Impulse gewinnen, die Sie in Ihren jeweiligen Organisationen nutzen können, während Sie sich in dieser neuen, sich rasant entwickelnden Welt der agentischen und generativen KI positionieren.

Letztlich geht es InterSystems beim Anspruch, technologisch an der Spitze zu bleiben, nicht um Analystenanerkennung, sondern darum, den Erfolg unserer Kunden sicherzustellen. Während unsere Kunden weiter innovieren, für ihre Kunden neuen Mehrwert schaffen und sich in zunehmend wettbewerbsintensiven Märkten differenzieren, arbeiten wir konsequent daran, die Daten- und Analytics-Basis weiterzuentwickeln, die ihren Erfolg ermöglicht.

Weitere Informationen zu diesen und anderen Analystenberichten finden Sie auf unserer Analystenseite.