- stock.adobe.com
Intelligentes Datenmanagement: Aparavi startet in Deutschland
Das Schweizer Unternehmen Aparavi eröffnet am 21. Juni seine EMEA-Tochtergesellschaft in München. Die Lösung verspricht Data Mastery für das Verwalten unstrukturierter Daten.
Aparavi wurde 2016 von Adrian Knapp in der Schweiz gegründet. Das Unternehmen hat es sich zum Ziel gemacht, die Herausforderungen, die viele Betriebe heutzutage im Zusammenhang mit unstrukturierten Daten erleben, zu meistern.
Am 21. Juni 2021 öffnet die EMEA-Tochtergesellschaft ihr Büro in München unter der Leitung von Gregor Bieler, der als General Manager und Vorstandsmitglied bei Microsoft tätig war.
Unstrukturierte Daten sind nicht nur für Machine Learning ein Problem
Im Zusammenhang mit unstrukturierten Daten ist oft von datengestützten Geschäftsmodellen die Rede: nur, wenn Daten ausreichend bereinigt, klassifiziert und somit auswertbar sind, können Unternehmen sie analysieren und Geschäftsvorteile erzielen.
Doch es gibt weitere gute Gründe dafür, den Datenwust in modernen Betrieben in den Griff zu bekommen. So bestätigte eine Studie von IDC in 2018, dass der durchschnittliche Mitarbeiter in einer datengestützten Position bis zu ein Drittel seiner Arbeitszeit mit dem Suchen nach Informationen verbringt. Weiß der Mitarbeiter nicht mehr den genauen Titel der Datei, bleibt ihm nichts anderes übrig, als Dokumente manuell zu öffnen und zu schließen, bis er die gewünschte Version mit den benötigten Informationen findet.
„Durch das Reduzieren der gespeicherten und transferierten Datenmengen können Unternehmen ihren Fußabdruck erheblich reduzieren. Allein vor diesem Hintergrund lohnt sich Lean Data mehr als Big Data. Die Datensammelwut der letzten Jahre bringt meist keinen signifikanten Mehrwert.“
Gregor Bieler, Aparavi
Daneben trägt die laufende emsige Dateienproduktion, wie sie in den meisten Unternehmen stattfindet, unnötig zum Energiehunger der IT bei. Im Gespräch erzählte uns Gregor Bieler, dass seiner Erfahrung nach bis zu 60 Prozent der im Unternehmen gespeicherten Daten redundant, trivial oder veraltet seien. Unnötige Dateien sind schnell gespeichert und vergessen -- sie verbrauchen dennoch ständig Energie.
Inhaltssensibles Datenmanagement
Aparavi möchte mit seiner Data-Mastery-Lösung nun alle der genannten Probleme angehen. Über ein SaaS-Modell vertreibt der Anbieter eine Plattform, die lokal auf den Systemen der Kunden läuft. Sogenannte Kollektoren öffnen in allen für die Erfassung freigegebenen Speichern im Netzwerk – On- und Off-Premises – Dokumente und scannen sie mittels künstlicher Intelligenz hinsichtlich relevanter inhaltlicher Muster. Dadurch unterscheidet die Data Mastery von Aparavi von anderen Systemen, die lediglich Metadaten erfassen. Die Dateienstruktur wird dann in einer Aggregation-Datenbank gespeichert und in einem über den Browser zugänglichen Portal gespiegelt, das in Azure gehostet ist. Dadurch verbleiben die Informationen innerhalb der Firewall. Je nach gebuchtem Funktionsumfang können Mitarbeiter nun Dokumente nach inhaltlichen Kriterien durchsuchen, Dubletten erkennen und entfernen, Dateien nach Datenschutzrichtlinien bewerten und sich verschiedene Auswertungen anzeigen lassen.
In der Grundversion – nur die Suchmaschine für die kleinste verfügbare Unternehmensklasse – kostet das ab 1.000 Euro im Monat.
Im Gespräch mit uns kündigte Gregor Bieler außerdem noch weitere Features an: im Moment sei die Plattform nur mit Azure kompatibel – auf dessen Services auch die zugrundeliegenden Machine-Learning-Algorithmen basieren. Im Oktober plane Aparavi jedoch, den Support auf weitere Clouds auszuweiten. Außerdem sei für Ende des Jahres eine Funktion für Sentiment-Erkennung geplant – das heißt, das System ist dann auch in der Lage, den Tonfall zu erkennen, in dem ein Dokument verfasst wurde.
Auf der einen Seite könnte das problematisch für die Vertrauensbildung zwischen Mitarbeitern und Führungsetage sein – auf der anderen Seite ein wertvolles Tool zum Prüfen der Servicequalität. Im Gespräch mit uns betonte Herr Bieler auch, dass der rollenbasierte Zugriff auf Informationen – der sich auch aus der Active Directory übernehmen ließe – ein wichtiges Werkzeug ist, um möglichst viel Informationen zu teilen, aber dennoch bestimmte Privatbereiche zu wahren.
Big Data versus Lean Data – Umdenken beim Datenmanagement
Tatsächlich fügt sich die Lösung in einen generellen Trend in der IT-Branche: es geht nicht mehr so sehr darum, möglichst viele Daten zu sammeln sondern darum, diese Daten möglichst intelligent zu sammeln. Denn sonst belegen sie nur Platz, ohne einen Mehrwert zu liefern und verursachen unnötige Kosten, zum Beispiel bei einer Cloud-Migration. Dabei handelt es sich laut Herrn Bieler auch um den wichtigsten Anwendungsfall für Aparavi.
Von gut klassifizierten und strukturierten Daten profitieren am Ende menschliche Mitarbeiter ebenso sehr, wie Machine-Learning-Modelle – und Strom sowie Storage lässt sich daneben auch einsparen.
