Aufbau moderner Data Applications 3 Tipps für zeitgemäße SaaS-Architekturen

Von Arjan van Staveren *

Anbieter zum Thema

SaaS-Anbieter sind gefragt, doch es gibt einen Grundbaustein, über den viele stolpern: eine moderne Architektur. Beim Aufbau moderner Data Applications sollten deshalb drei grundlegende Dinge beachtet werden.

Vielen SaaS-Anbietern fehlt die moderne Architektur, um den höheren Ansprüchen ihrer Kunden gerecht zu werden.
Vielen SaaS-Anbietern fehlt die moderne Architektur, um den höheren Ansprüchen ihrer Kunden gerecht zu werden.
(© metamorworks - stock.adobe.com)

Einer Gartner-Prognose zufolge wird der Umsatz von SaaS-Lösungen 2022 bei mehr als 171 Millionen US-Dollar liegen. Das ergäbe ein Plus von mehr als 42 Prozent innerhalb von nur zwei Jahren. Doch dieses rasante Wachstum kommt nicht von ungefähr.

Immer mehr Unternehmen sind auf smarte Anwendungen angewiesen, um ihre Daten in Echtzeit auswerten zu können. Nur so haben sie die Möglichkeit, ihren Kunden das bestmögliche Erlebnis zu bieten und sie somit auch dauerhaft zu halten. Für SaaS-Anbieter ist diese Entwicklung ein Grund zur Freude – sollte man zumindest meinen. Denn tatsächlich ist es genau dieser schnelle Anstieg, mit dem viele von ihnen jetzt zu kämpfen haben.

Das Problem: Ihnen fehlt die moderne Architektur, die es braucht, um den höheren Ansprüchen der Unternehmen gerecht zu werden. Ohne sie bleiben Legacy-Strukturen bestehen, die häufig große Einbußen hinsichtlich der Skalierbarkeit und Schnelligkeit nach sich ziehen. Was können die Anbieter von SaaS-Lösungen also jetzt tun, um ihre Architektur dem zunehmenden Bedarf anzupassen?

1. Wachstum und Flexibilität von Anfang an einplanen

Technologische Entscheidungen sollten immer mit dem nötigen Weitblick gefällt werden. Unabhängig davon, ob eine komplett neue Data Application entwickelt oder eine bereits bestehende mit neuen Funktionen erweitert werden soll, ist es also wichtig, die Technologie nie bloß nach den aktuellen Anforderungen auszuwählen.

Die Bedürfnisse der Kunden können sich enorm schnell wandeln. Immer mehr Abteilungen werden digitalisiert und arbeiten zunehmend datenbasiert. Einige von ihnen müssen nur quartalsweise größere Analysen durchführen. Andere Branchen, wie beispielsweise der Handel, verzeichnen hingegen Lastspitzen, die von der Tages- oder der Jahreszeit abhängen und sich in ihrem vollen Ausmaß oft nicht prognostizieren lassen.

Kommt es hier zu einer Überlastung der Data Application, können nicht nur große Summen an Einnahmen verloren gehen, auch treue Kundinnen und Kunden könnten verprellt werden, wenn es ihnen nicht möglich ist, ihre Bestellung bis zum Ende durchzuführen. Um dies zu vermeiden, sollten SaaS-Anbieter die Skalierbarkeit ihrer Lösungen von Anfang an berücksichtigen. Nur so kann die zugrundeliegende Architektur Ausreißer unterstützen, indem sich die verfügbare Rechenleistung auch kurzfristig hoch- oder runterskalieren lässt.

Damit das auch in Zukunft weiterhin verlässlich funktioniert, ist es sinnvoll, auf eine Multi-Cloud-Strategie – also die Nutzung mehrere Cloud-Anbieter wie AWS, Azure oder Google – zu setzen. Da diese jedoch von Natur aus inkompatibel sind, muss bereits im Vorfeld eine übergreifende Architektur gewählt werden, die eine Multi-Cloud auf barrierefreie Weise unterstützt.

2. Open-Source-Tools sind keine langfristige Lösung

Neue Data Applications werden in der Regel fast vollständig auf einer öffentlichen Cloud-Architektur aufgebaut, wobei APIs dabei helfen, die Kernfunktionen in einer Lösung zusammenzuführen. Vor allem Open-Source-Tools wie PostgreSQL, Elasticsearch und NoSQL-Datenbanken sind beliebt, da sie eine schnelle Entwicklung ohne Vorabinvestitionen ermöglichen. Das mag zwar zunächst verlockend klingen, wenn das Ziel darin besteht, eine Data App möglichst schnell in Betrieb zu nehmen.

Um Open-Source-Tools zu bedienen, braucht es aber bestimmte Fähigkeiten – und es ist nicht grundsätzlich anzunehmen, dass diese innerhalb eines Unternehmens im notwendigen Maß gegeben sind. Denn die Tools müssen nicht nur manuell skaliert, sondern ebenso von internen Teams gewartet werden. Dies ist mit einem hohen Arbeitsaufwand verbunden und kann aufgrund möglicher Verzögerungen außerdem das Kundenerlebnis negativ beeinflussen.

Erschwerend hinzu kommt die Tatsache, dass sich Datentypen wie JSON, XML und Avro als große Herausforderung herausstellen können, weil die riesigen Mengen an semistrukturierten Daten, die heute verfügbar sind, nicht grundsätzlich durch die Open-Source-Lösung unterstützt werden. Infolgedessen wären die Data-Engineering-Teams gezwungen, komplexe Datenpipelines zu erstellen und zu pflegen, was es jedoch schwierig macht, Echtzeiteinblicke zu erhalten und konsistent zu liefern.

3. Moderne Cloud-Lösungen sind die Zukunft

Damit Datenanwendungen wie Analysen, Business Intelligence, IoT und Machine Learning ihr volles Potenzial entfalten können, besteht einerseits die Notwendigkeit, große Datenmengen aufzunehmen, und andererseits müssen diese schnell und einfach verarbeitet werden. Mit anderen Worten: Es wird ein zentrales Repository benötigt, das Workload-Isolierung, die Fähigkeit zur Aufnahme semi-strukturierter Daten sowie die sofortige und nahezu unbegrenzte Elastizität ermöglicht – und zwar nahezu in Echtzeit.

Jetzt Newsletter abonnieren

Täglich die wichtigsten Infos zu Softwareentwicklung und DevOps

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung.

Aufklappen für Details zu Ihrer Einwilligung

Eine Cloud-Datenplattform kann SaaS-Anbietern genau das bieten. In den letzten 15 Jahren hat sich eine Verlagerung von traditionellen Data Warehouses zu modernen Cloud-Lösungen vollzogen. Sie ermöglichen Skalierbarkeit, Elastizität, Flexibilität und Leistung bei minimalem Wartungsaufwand. Das bedeutet, mit einer modernen, Cloud-basierten Cloud-Data-Plattform sind alle Funktionen, die für die Entwicklung und Skalierung moderner Data Applications erforderlich sind, von Anfang an in die Architektur integriert.

Da die Speicherung und Verarbeitung von Daten in voneinander getrennten Bereichen stattfindet, lässt sich beides je nach Bedarf skalieren, ohne dass die Leistung beeinträchtigt wird. Außerdem können Daten gleichzeitig für verschiedene Analysen herangezogen werden, da sich alle Nutzer eine Kopie teilen.

Wer moderne Data Applications bieten will, muss jetzt umsteigen

SaaS-Anbieter erleben derzeit Hochkonjunktur. Damit diese ihren Kunden jedoch langfristige Lösungen bieten können, ist es wichtig, bereits bei der Wahl der richtigen Architektur langfristig zu denken. Häufig wird diese erst dann überdacht, wenn es zu technischen Problemen kommt und die steigenden Bedürfnisse der Unternehmen nicht mehr bedient werden können.

Arjan van Staveren
Arjan van Staveren
(Bild: Snowflake)

Das führt wiederum dazu, dass die Gesamtbetriebskosten steigen und es auf Kundenseite zu Verzögerungen kommt, die sich heute kaum noch einer leisten kann. Um zukünftige Probleme wie diese bereits im Vorfeld auszuschließen, sollten Anbieter von SaaS-Lösungen von Anfang an auf eine Cloud Data-Plattform setzen, die skalierbar, flexibel und elastisch einsetzbar ist und deshalb schon heute das Wachstum von morgen ermöglicht.

* Arjan van Staveren ist Country Manager Germany bei Snowflake.

(ID:47573220)