datenintensiv

Datenintensiv beschreibt Anwendungen, Aufgaben oder Systeme, bei denen der zentrale Erfolgsfaktor die Datenmenge, der Datenfluss oder die Geschwindigkeit der Datenerfassung ist. Im Gegensatz zu rechenintensiven Anwendungen, bei denen der Fokus auf der Rechenleistung liegt, stehen Speicherung, Übertragung und Verarbeitung großer Datenmengen im Vordergrund. Der Begriff wird in der IT, der Datenwissenschaft und der Softwarearchitektur verwendet, um Systeme zu charakterisieren, die primär datengetrieben arbeiten.

Typische Merkmale datenintensiver Systeme sind hohe Datenvolumina, leistungsfähige Datenströme und vielfältige Datenquellen. Zur Bewältigung werden verteilte Architekturen eingesetzt, etwa Data Lakes, Data Warehouses, verteilte Dateisysteme und Parallelverarbeitung mit Frameworks wie Spark oder MapReduce sowie Streaming-Plattformen wie Kafka oder Flink. Wichtig sind Datenqualität, Metadaten, Governance und Sicherheitsaspekte, weil sensible Daten häufig verarbeitet werden.

Anwendungsgebiete reichen von Wissenschaft und Genomik über Klimamodellierung und Fernerkundung bis zu Social-Media-Analytik, Finanzanalyse und Industrie-IT mit IoT-Sensoren. In all diesen Bereichen ist die Fähigkeit, Daten effizient zu speichern, zu transformieren und zu analysieren, entscheidend für Leistung und Entscheidungsunterstützung.

Wichtige Kennzahlen sind Datenvolumen, Durchsatz, Latenz, Verfügbarkeit und Kosten pro gespeicherten Dateneinheiten. Herausforderungen umfassen Skalierung, Datenintegration, Datenschutz, Betrugsschutz und die Einrichtung effektiver Datenkataloge sowie Replikations- und Sicherungsstrategien.

Siehe auch: Big Data, Data Governance, Datenverarbeitung.