de.wedoany.com-Bericht: Der Unternehmensdatenbankanbieter EnterpriseDB (EDB) hat für seine verwaltete EDB Postgres AI-Datenbank konvergente Analysefunktionen eingeführt, um Unternehmen dabei zu helfen, mit KI-Agenten in Echtzeit auf neue Daten zuzugreifen, ohne auf traditionelle Datenpipelines und -kopien angewiesen zu sein. Dieser Schritt folgt auf die Einführung des auf Neon Postgres basierenden Lakehouse-Transaktions- und Analyseprodukts (LTAP) von Databricks. Beide Anbieter arbeiten daran, die operative Verarbeitung (OLTP) und die analytische Verarbeitung (OLAP) enger zu verzahnen.
Max Romanenko, Chief Engineering Officer bei EDB, erklärte, dass der Ansatz von EDB von einem grundlegend anderen Ausgangspunkt als der von Databricks ausgehe. Databricks expandiere vom Lakehouse nach außen und versuche, über Lakebase Transaktionsfähigkeiten einzuführen; EDB hingegen beginne auf der operativen Ebene von Postgres, auf der Unternehmen bereits kritische Workloads betreiben. EDB nutze Postgres als operative Quelle der Wahrheit und verwende Apache Iceberg als gemeinsame Katalogebene, um Postgres mit den Rechen-Engines ClickHouse, WarehousePG und Spark zu verbinden. Dadurch bleiben operative Daten in Postgres, während historische Datenspeicher in von Iceberg verwalteten Objektspeichern abgelegt werden. Analyse-Engines können über den gemeinsamen Katalog auf dieselben Daten zugreifen, ohne dass separate Kopien oder ETL-Pipelines erforderlich sind. Romanenko betonte, dass dieser Architekturunterschied für die Zielkunden – Unternehmen, die KI- und Analysefähigkeiten wünschen, aber sensible Daten nicht auf Cloud-Verwaltungsplattformen migrieren möchten – von entscheidender Bedeutung sei.
Stephanie Walter, Leiterin der KI-Stack-Praxis bei HyperFrame Research, wies darauf hin, dass EDBs Betonung der Kontrolle bei CIOs Anklang finden werde, die sich um Datenhoheit, regulierte Daten und hybride Bereitstellungen sorgen. Sie könnten KI und Analysen näher an den Daten auf einer unternehmenskontrollierten Infrastruktur ausführen, ohne ein weiteres proprietäres Daten-Asset schaffen zu müssen. Ashish Chaturvedi, Executive Research Lead bei HFS Research, ist der Ansicht, dass der konvergente Analyseansatz von EDB für CIOs, die Analyse- und KI-Budgets verwalten, vorhersehbarere Kosten biete als das LTAP von Databricks. Das kernbasierte Abrechnungsmodell von EDB mache die Kosten leichter vorhersagbar als bei nutzungsbasierten Cloud-Datenplattformen, bei denen Abfragevolumen, KI-Workloads und Datenverarbeitungsanforderungen zu schwankenden Rechnungen führen könnten. Igor Ikonnikov, Berater bei Info-Tech Research Group, warnte jedoch, dass eine vorhersehbare Rechnung nicht unbedingt günstiger sei; die für die Hochgeschwindigkeits-Operativdatenverarbeitung erforderliche Hardware sei anspruchsvoller und relativ teurer. Devin Pratt, Research Director bei IDC, erklärte, dass die EDB-Architektur die Daten-Governance auch vereinfachen könne, indem sie die Anzahl der Plattformen reduziere, die ein Unternehmen verwalten müsse.
Die konvergenten Analysen von EDB zielen darauf ab, die Arbeit von Entwickler- und Datentechnikteams zu vereinfachen. Walter ist der Ansicht, dass die Architektur die Anzahl der Systeme reduziert, die integriert und gewartet werden müssen, und gleichzeitig den erheblichen Pipeline-Aufwand eliminiert, der traditionell für die Datenverschiebung zwischen Transaktions- und Analysesystemen erforderlich ist. Pratt erklärte, dass Zero-ETL bedeute, dass weniger Pipelines erstellt und abgebaut werden müssten, sodass Ingenieure mehr Zeit für die Wertschöpfung hätten. Neben EDB und Databricks erweitert auch Snowflake die Unterstützung für operative Workloads durch die Übernahme offener Tabellenformate, während Microsoft über die Fabric-Plattform Transaktions- und Analysedienste kombiniert.
Konvergente Analysen sind nur ein Teil der Aktualisierungen, die EDB für seine Postgres AI-Plattform vornimmt. EDB hat außerdem allgemein verfügbar gemacht, was es als „agentische Datenbank“-Funktion bezeichnet, die darauf abzielt, routinemäßige Datenbankverwaltungsaufgaben zu automatisieren. Das Unternehmen gab an, dass das System kontinuierlich Hunderte von Betriebs- und Leistungskennzahlen überwache, Anomalien erkenne, Korrekturmaßnahmen empfehle und – sofern die Unternehmensrichtlinien dies zulassen – Reparaturen automatisch anwenden könne, um die Datenbank zu optimieren und abzustimmen, mit einer bis zu zehnfachen Geschwindigkeitssteigerung. Walter ist der Ansicht, dass dies eher eine Weiterentwicklung des Konzepts der autonomen Datenbank sei als eine völlig neue Kategorie; Oracle und andere Anbieter böten seit Jahren ähnliche Funktionen an. Die Differenzierung von EDB liege in der Erweiterung dieser autonomen Fähigkeiten durch KI-gesteuerte Schlussfolgerungen, automatisierte Reparaturen und Governance-Kontrollen, sodass Unternehmen entscheiden könnten, wie viele Berechtigungen das System erhalte.
Dieser Artikel wurde von Wedoany übersetzt und bearbeitet. Bei jeglicher Zitierung oder Nutzung durch künstliche Intelligenz (KI) ist die Quellenangabe „Wedoany“ zwingend vorgeschrieben. Sollten Urheberrechtsverletzungen oder andere Probleme vorliegen, bitten wir Sie, uns unverzüglich zu benachrichtigen. Wir werden den entsprechenden Inhalt umgehend anpassen oder löschen.
E-Mail: news@wedoany.com
