Data Hoarding: Die neue Herausforderung im digitalen Zeitalter
Die Datenmengen in Rechenzentren von Unternehmen wachsen unaufhaltsam. Obwohl diese Datenberge von großem Nutzen sind, stellen sie die Industrie auch vor große Herausforderungen.
Seit einigen Jahren gibt es weltweit einen regelrechten Daten-Boom, der den Unternehmen viele Vorteile bietet. Nicht umsonst werden Daten heute gerne als digitales Gold bezeichnet. Um nützliche Datensätze jederzeit verfügbar zu haben, sammeln immer mehr Firmen enorme Datenmengen und speichern sie in ihren Archiven. Denn systematisch aufbereitete und analysierte Datensätze helfen, wichtige Geschäftsprozesse zu optimieren, Produkte und Dienstleistungen an die Bedürfnisse der Kunden anzupassen und die zunehmende Komplexität der eigenen IT-Infrastruktur zu beherrschen. Dabei kommt es häufig vor, dass sich riesige Datenberge anhäufen, aber nur etwa 15 Prozent der gespeicherten Daten sind geschäftskritisch und tatsächlich nutzbar. Die Speicherung redundanter, nicht mehr benötigter oder unbekannter Informationen birgt jedoch Gefahren: Im Zuge der weltweiten Digitalisierung und Vernetzung von Geräten ist das Risiko von Cyberangriffen und Datenverlusten gestiegen. Zudem ist es für Unternehmen wichtig, sensible und personenbezogene Daten Compliance- und DSGVO-konform zu speichern, um hohe Bußgelder zu vermeiden.
Ökologisches Datenbewusstsein
Gleichzeitig zu dieser Entwicklung findet aber auch bei immer mehr Verbrauchern ein Umdenken statt. Viele Konsumenten achten nicht nur auf den Nutzen, den ihre Daten bringen, sondern auch auf den ökologischen Fußabdruck, den ihre Speicherung und Verarbeitung hinterlassen kann. Eine aktuelle Studie von Veritas Technologies bestätigt diesen Trend. Die Ergebnisse zeigen unter anderem, dass sich Verbraucher zunehmend Gedanken darüber machen, wie ihre Daten gespeichert werden und welche Auswirkungen dies auf die Umwelt hat.
So sind 42 Prozent der Befragten darüber besorgt, dass der enorme Stromverbrauch von Rechenzentren mittlerweile einen erheblichen CO2-Fußabdruck hat und die Umwelt stark belastet. Nach Angaben der Internationalen Energieagentur (IEA) sind Rechenzentren für ein Prozent des weltweiten Stromverbrauchs verantwortlich, ein Anteil, der bis 2030 auf acht Prozent steigen könnte. Es ist daher höchste Zeit, dass Unternehmen und Verbraucher gleichermaßen Verantwortung übernehmen und wirksame Maßnahmen ergreifen, um den ökologischen Fußabdruck der Datenspeicherung zu reduzieren. Gerade Unternehmen sollten die negativen Auswirkungen eines schlechten und veralteten Datenmanagements auf die Umwelt nicht unterschätzen. Denn die Menge der gespeicherten Daten wächst mit der Zeit exponentiell.
Diese Entwicklung führt dazu, dass ein Großteil der weltweit rund 13.000 Befragten der Meinung ist, dass Unternehmen dafür verantwortlich sind, online gespeicherte Daten zu löschen, wenn sie nicht mehr benötigt werden. Und 40 Prozent der Verbraucher wollen in Zukunft keine Unternehmen mehr unterstützen, die ihre Daten nicht löschen und damit die Umwelt belasten. Diese Entwicklung könnte für Unternehmen in Deutschland problematisch werden, da die Datenschutzverordnung hierzulande streng regelt, welche Daten gespeichert und welche gelöscht werden müssen.
Umgang mit redundanten und ungenutzten Daten
Mit einer effektiven Datenmanagementstrategie lassen sich der Energieverbrauch von Rechenzentren und die Umweltbelastung verringern. Idealerweise werden dabei Daten automatisch gelöscht, die nicht mehr benötigt werden oder redundant sind. In diesem Zusammenhang kann der Einsatz von künstlicher Intelligenz dazu beitragen, den Stromverbrauch von Rechenzentren zu optimieren, indem Arbeitslasten besser verteilt und der Stromverbrauch nicht benötigter Server reduziert werden. Mit solchen intelligenten Ansätzen können Unternehmen effizienter, sicherer und umweltfreundlicher agieren. Und das wird in der heutigen Zeit immer wichtiger.
Viele Unternehmen konzentrieren sich bisher nur auf besonders wertvolle Daten und parken alles andere in der Cloud. Untersuchungen von Veritas haben allerdings ergeben, dass sich nur 16 Prozent der Unternehmensinformationen verwerten und tatsächlich nutzen lassen. Fast die Hälfte der gespeicherten Daten sind sogenannte ROT-Informationen: redundante, veraltete oder triviale Daten (Redundant, Obsolete, Trivial). Weitere 35 Prozent sind Dark Data von unbekanntem Wert für die Unternehmen.
Transparenz bei enormen Datenmengen
Wie eine Studie von Veritas zeigt, sind fast 52 Prozent aller Daten nicht klassifiziert oder gekennzeichnet. Das bedeutet, dass viele deutsche Unternehmen keinen Überblick über ihre angesammelten Daten haben – und damit über potenziell geschäftskritische Informationen. Dies kann zu einer Reihe von Problemen führen, wie beispielsweise schlechtes Datenmanagement, erhöhte Anfälligkeit für Datenschutzverletzungen oder den ineffizienten Einsatz von Ressourcen. Eine angemessene Datenklassifizierung kann dazu beitragen, diese Probleme zu lösen und die Effizienz des Datenmanagements in Unternehmen zu verbessern. So lässt sich feststellen, welche Informationen geschäftskritisch sind und welche nicht. Und dadurch können Unternehmen entsprechende Maßnahmen ergreifen, um die Sicherheit und denSchutz ihrer Daten zu gewährleisten.
Eine Möglichkeit für eine bessere Transparenz ist der Einsatz automatisierter Tools und Technologien, die Daten nach verschiedenen Kriterien analysieren und klassifizieren – beispielsweise nach Sensibilität, Zugriffsrechten und Verwendungszweck. Aber auch Richtlinien und Verfahren für Mitarbeiter und Teams können helfen, dass Daten korrekt gekennzeichnet werden. Durch Schulungen und Sensibilisierungskampagnen lässt sich außerdem sicherstellen, dass alle Mitarbeiter die Bedeutung und die Auswirkungen einer ordnungsgemäßen Datenklassifizierung verstehen.
Autonomes Datenmanagement
Die ordnungsgemäße Klassifizierung und Kennzeichnung von Unternehmensdaten sind entscheidend, um die Sicherheit und den Schutz der geschäftskritischen und sensiblen Informationen zu gewährleisten. Auch eine effiziente Verwaltung und Nutzung wird erst dadurch ermöglicht. Grundsätzlich benötigt das System für das Datenmanagement umfassende Angaben darüber, wo welche Daten gespeichert sind, wie sie verwendet werden und wann sie gelöscht werden sollen. Die Beantwortung dieser Fragen ist jedoch häufig überaus aufwendig.
Abhilfe schaffen autonome Lösungen für das Datenmanagement (Automated Decision-Making, ADM), die auf künstlicher Intelligenz (KI) und maschinellem Lernen (ML) basieren. Dank Algorithmen lassen sich eine Vielzahl von Informationen innerhalb kürzester Zeit verarbeiten. Die KI lernt die spezifischen Eigenschaften verschiedener Datentypen und wählt dementsprechend sinnvolle Speicher-, Schutz- oder Löschrichtlinien aus. Neue Daten werden automatisch überwacht und sicher gespeichert. Gleichzeitig schränkt die Lösung den Zugriff auf bestimmte Informationen ein und löscht andere Daten automatisch. Auf diese Weise lässt sich die Menge der gespeicherten Informationen reduzieren. Und das unterstützt die zielgerichtete Nutzung der Daten, fundierte Entscheidungsfindung und granulare Anwendung von Richtlinien.
„Mit einer effektiven Datenmanagementstrategie lassen sich der Energieverbrauch von Rechenzentren und die Umweltbelastung verringern. Idealerweise werden dabei Daten automatisch gelöscht, die nicht mehr benötigt werden oder redundant sind.“
Ralf Baumann, Veritas Technologies
Autonome Lösungen für das Datenmanagement tragen damit nicht nur zur Verbesserung der Datensicherheit und Entscheidungsfindung bei. Sie verringern auch die Umweltauswirkungen der Datenspeicherung. Durch die Überwachung und Indizierung aller im Unternehmen gespeicherten Informationen lassen sich identische Dateien automatisch erkennen. Nur eindeutige Daten werden gespeichert und Duplikate durch Links zu den Originalversionen ersetzt – die sogenannte Deduplizierung. ADM-gesteuerte Lösungen unterstützen dieses Verfahren, was sich deutlich auf die Energieeffizienz der Datensicherung auswirkt. Der Stromverbrauch und die damit verbundenen CO2-Emissionen können um bis zu 95 Prozent reduziert werden.
Vollständige Kontrolle in der Cloud
Beim Datenmanagement hilft eine einheitliche Plattform zur Verwaltung der Daten in der Cloud – beispielsweise Veritas Alta. Mit dieser Lösung können Anwender über eine einzige Cloud-basierte Verwaltungskonsole ihre gesamte Datensicherung verwalten – sowohl lokal als auch in der Cloud. Damit verlieren sich die Nutzer nicht in der Verwaltung unterschiedlicher Workloads, sondern können ihr Datenmanagement deutlich effizienter durchführen. Durch die Integration der Analyse-Engine von Veritas in die Konsole erhalten Nutzer umfassende Berichte über den Status ihrer Cybersicherheit und einen vollständigen Überblick über ihre Datenbestände – einschließlich verwertbarer Erkenntnisse. Die Lösung nutzt KI und ML, um autonome Datenverwaltungsmaßnahmen durchzuführen und IT-Teams zu entlasten, damit sie sich auf die Umwandlung von IT-Diensten konzentrieren können. Durch den Einsatz der Analyse-Engine von Veritas lassen sich die IT-Verwaltungskosten um bis zu 90 Prozent und in der Cloud um bis zu 28 Prozent senken.
Über den Autor: Ralf Baumann ist Country Manager Germany bei Veritas Technologies.
Die Autoren sind für den Inhalt und die Richtigkeit ihrer Beiträge selbst verantwortlich. Die dargelegten Meinungen geben die Ansichten der Autoren wieder.
