Software-Architektur

Hoher fachlicher Änderungsdruck durch eine zunehmende Digitalisierung datengetriebener Geschäftsmodelle bringt bestehende BI-Abteilungen und -Architekturen an ihre Grenzen. Eine organisatorische Trennung der Fachbereiche untereinander und zur IT lässt Kommunikations- und Koordinationsverluste entstehen, die in langsamen Entscheidungs- und Entwicklungszyklen sowie einer fehlenden Datenhoheit enden ..

Ein Machine-Learning-Modell muss nicht nur in Echtzeit auf neue Daten (autonomes Fahren, Finanzdaten, IoT usw.) reagieren können, es muss auch leicht neu trainiert und schnell verfügbar gemacht werden können. Aktuell bewährte Konzepte wie Kubernetes und Echtzeit-Streaming-Technologien erlauben es, adaptive, stabile und hochperformante Produkte mit KI-Technologien zu betreiben.

Gerade im Cloud-nativen Umfeld erfreuen sich Microservice-Architekturen einer hohen Beliebtheit. Durch das Aufteilen der Geschäftslogik in einzelne Services lassen sich Bestandteile der Anwendung unabhängig voneinander entwickeln, bereitstellen und skalieren. Da traditionelle Java-Applikationsserver für die Bereitstellung zu schwergewichtig sind, haben sich Quarkus und Helidon hier als gängige Alt..

Dieser Artikel* erschien vor mehr als einem Jahrzehnt in der ersten Ausgabe der Zeitschrift „The Parallel Universe”. Was im April 2009 richtig war, stimmt heute mehr denn je, zumal die Parallelität in den Rechnerarchitekturen immer weiter an Bedeutung gewonnen hat. Deshalb veröffentlichen wir hier eine übersetzte Fassung der Ratschläge von „Mr. Parallel“ James Reinders.

Die Erwartungshaltung deutscher Unternehmen an das Internet der Dinge (IoT) und an die Möglichkeiten umfangreicher Datenanalysen ist hoch: Die Hoffnungen reichen von effizienteren Prozessen bis hin zur Realisierung innovativer Services und Geschäftsmodelle. Nicht zu unterschätzen sind jedoch die Anforderungen, die IoT-Lösungen an Testing und Qualitätssicherung stellen. Was genau sind die Besonderh..