WI – MEINUNG/DIALOG

Kommentare zu „In-Memory-Datenmanagementin betrieblichen Anwendungssystemen“

DOI 10.1007/s11576-012-0328-0

Die Autoren

Prof. Dr. Peter Loos (�)Institut für Wirtschaftsinformatikim DFKIUniversität des Saarlandes66123 SaarbrückenDeutschlandloos@iwi.uni-sb.de

Stefan StrohmeierGunther PillerReinhard Schütte

Online publiziert: 2012-06-29

This article is also available in Englishvia http://www.springerlink.com andhttp://www.bise-journal.org: Loos P,Strohmeier S, Piller G, Schütte R(2012) Comments on “In-Memory Da-tabases in Business Information Sys-tems”. Bus Inf Syst Eng. doi: 10.1007/s12599-012-0222-8.

© Gabler Verlag 2012

1 Einleitung

In-Memory-Datenbanken, die den kom-pletten Datenbestand für lesende Zugrif-fe im Hauptspeicher bereithalten, wer-den durch die Entwicklung und dieVermarktung der SAP-Technologie HA-NA für betriebliche Anwendungssyste-me interessant. Daher haben in Heft6/2011 der Zeitschrift WIRTSCHAFTS-INFORMATIK insgesamt 11 Autoren insechs Beiträgen den möglichen Einsatzder In-Memory-Datenbank-Technologiein betrieblichen Anwendungsszenariendiskutiert (Loos et al. 2011). Dabeistanden Fragen zum Potenzial der In-Memory-Technologie, der Konsequenzfür OLTP- und für OLAP-Anwendungensowie mögliche Auswirkungen auf dieArchitektur betrieblicher Informations-systeme im Vordergrund. Der Erstautorhat nach der Veröffentlichung mehrereRückmeldungen und Anregungen erhal-ten. Drei dieser Rückmeldungen führtenzu schriftlichen Stellungnahmen:

� Strohmeier geht besonders auf denAspekt ein, ob zukünftig OLTP- undOLAP-Anwendungen integriert wer-den sollten. Hierzu sind Konzeptefür eine operative Entscheidungsun-terstützung und für die Bereitstel-lung operativer Echtzeitinformationenzu entwickeln. Daher sieht er erheb-lichen Forschungsbedarf im Bereich„Operational Business Intelligence“.

� Piller gibt weitere Beispiele für An-wendungsszenarien, die durch In-Memory-Datenbanken möglich wer-den, beispielsweise operatives Re-porting, adaptive Planung, explora-tive Massendaten-Analyse oder dieAnalyse von Konsumentendaten auseingebetteten Systemen.

� Schütte erläutert – nach einer Darstel-lung der impliziten Annahmen undVoraussetzungen für die In-Memory-Technologie – Potenziale am prakti-schen Beispiel der EDEKA-Gruppe, dieer bei Batch-Prozessen, Initialversor-gung und Releasewechsel sieht.

Wenn auch Sie zu diesem Thema –oder einem anderen Artikel der Zeit-schrift WIRTSCHAFTSINFORMATIK –Stellung nehmen möchten, dann sendenSie Ihre Stellungnahme (max. 2 Seiten)bitte an loos@iwi.uni-sb.de.

Prof. Dr. Peter LoosInstitut für Wirtschaftsinformatik im

DFKIUniversität des Saarlandes, Saarbrücken

2 Hauptspeicherdatenbanken inder betrieblichenInformationsversorgung –Technische Innovation undfachliche Stagnation?

Als „Paradebeispiel“ einer positiven be-trieblichen Konsequenz von Hauptspei-cherdatenbanksystemen wird wieder-holt die (Wieder-)Zusammenführunganalytischer und operativer Funktiona-litäten genannt (z. B. Plattner 2009),die bekanntlich – auch wegen der ein-geschränkten Verarbeitungskapazitätenoperativer Systeme – seit etwa zwei De-kaden von getrennten Systemkategorien

wahrgenommen werden. Eine solche Zu-sammenführung scheint technisch sinn-voll, da aufwändige und komplizierteGesamtarchitekturen erheblich verein-facht werden können (Winter 2011).Eine Zusammenführung scheint wei-ter insbesondere auch fachlich sinnvollzu sein, damit bisherige Medienbrüchein Prozessen mit operativen und ana-lytischen Aktivitäten aufgehoben undentsprechend die (Re-)Aktionszeiten derAnwender insbesondere durch Verrin-gerung von Daten- und Analyselatenzen(Hackathorn 2003) erheblich verbessertwerden.

Die derzeit notwendigerweise (noch)ausgeprägte technische Diskussion umdieses Potenzial von Hauptspeicherda-tenbanken vernachlässigt indes einenfachlich zentralen und kritischen Aspekt.Bereits betont wurde, dass die Integra-tion analyserelevanter Daten aus hete-rogenen Systemlandschaften eine promi-nente Funktion gegenwärtiger analyti-scher Informationssysteme darstellt, dievon integrierten (operativen und analy-tischen) Anwendungssystemen nicht ein-fach ersetzt werden kann (Winter 2011).Meist unbeachtet bleibt dagegen dieoft schlechte Passung von operativemInformations- und Entscheidungsunter-stützungsbedarf und derzeitigem Ange-bot an klar taktisch (in günstigen Fäl-len wohl auch strategisch (z. B. Eckerson2007; White 2006)) orientierten Analyse-funktionen. Sowohl OLAP- und in nochstärkerem Maße Data-Mining-Analysenweisen insofern klar taktischen Charak-ter auf, als sie sich auf aus fachlicherSicht komplexe Informationsbedarfe be-ziehen, die einen gewissen Zeitbedarf fürdie Durchführung aufweisen (anwender-bedingte Analyselatenz, die aus der ggf.auch wiederholten Konzeption und Spe-zifikation der Anfrage sowie der Interpre-tation der Ergebnisse resultiert und ent-sprechend nicht durch Hauptspeicherda-tenbanksysteme reduziert werden kann),sowie ein gewisses Methoden- und auchGeschäftswissen voraussetzen. Dies führtnotwendigerweise zur Frage, wie häu-fig im Kontext transaktionaler Systemebei der Bearbeitung operativer Aufga-ben tatsächlich solche komplexeren In-formationsbedarfe auftreten. Natürlich

WIRTSCHAFTSINFORMATIK 4|2012 209

WI – MEINUNG/DIALOG

können auch einfache, ad hoc oder re-gelmäßig auftretende operative Informa-tionsbedarfe wie „aktueller Umsatz ei-nes spezifischen Kunden“ oder „Ausfall-zeiten eine spezifischen Maschine“ mitOLAP-Analysen gedeckt werden, aller-dings scheint dies unnötig und über-dimensioniert, da gegenwärtige operati-ve Informationssysteme regelmäßig übergeeignete Abfrage- und Berichtsfunktio-nen zur Deckung solcher Bedarfe verfü-gen. Darüber hinaus stellt sich die Fra-ge, inwieweit operative Anwendungskon-texte die zur Konzeption, (wiederholten)Durchführung und Interpretation kom-plexerer Analysen notwendigen Zeitfens-ter überhaupt zulassen. Häufig scheinenaus Gründen operativer Arbeitsorganisa-tion (z. B. Service-Center-Organisationmit direktem Kundenkontakt) wie ausGründen allgemeiner operativer EffizienzInformationsbedarfe sehr schnell gedecktwerden zu müssen. Schließlich kannauch nicht ohne Weiteres von der brei-teren Verfügbarkeit notwendiger Quali-fikationen zur Konzeption, Durchfüh-rung und Interpretation von Analysenbei operativen Endanwendern ausgegan-gen werden. Im Fazit mag die Zusam-menführung operativer Funktionalitätenund bisheriger taktischer und strategi-scher analytischer Funktionalitäten aufder Basis von Hauptspeicherdatenban-ken zwar inzwischen technisch möglich(z. B. Kemper und Neumann 2011),fachlich aber nur eingeschränkt nützlichsein.

Um vorhandene Potenziale tatsächlichausschöpfen zu können, bedarf die tech-nische Innovation entsprechend einerBegleitung und Instruktion durch kor-respondierende fachliche Innovationenim Bereich operativer Entscheidungsun-terstützung. Erkennbar stellt sich damitvor dem Hintergrund erweiterter techni-scher Möglichkeiten nochmals und ver-stärkt die Frage nach den Möglichkeitenund Grenzen einer „Operational Busi-ness Intelligence“ (z. B. Gluchowski et al.2009; Eckerson 2007; White 2006). Un-beschadet einer gewissen Diskussion inder Praxis sowie erster Forschungsbei-träge ist diese Idee derzeit in begriffli-cher, konzeptioneller und vor allem inmethodischer Hinsicht noch weitgehendunbearbeitet. Wiederkehrende Eckpunk-te der Diskussion sind dabei die Inte-gration der Entscheidungsunterstützungin operative Geschäftsprozesse (z. B. Bu-cher et al. 2009) und damit auch indie damit korrespondierenden operati-ven Systeme (z. B. Nijkamp und Ober-hofer 2009), die Bereitstellung operativer

Echtzeit- oder Nahzeit-Information (z. B.Azvine et al. 2006), sowie insbesonde-re die klar domänen- und funktionsspe-zifische Ausrichtung der Unterstützungan (zahlreichen!) konkreten operativenEntscheidungsproblemen (z. B. Eckerson2007). In der gemeinsamen Realisierungdieser Eckpunkte liegt die zentrale Her-ausforderung eines m. E. künftig deutlichzu intensivierenden Forschungsgebietes„Operational Business Intelligence“. Diegroße Zahl und Heterogenität der dabeiin den betrieblichen Funktionsbereichenzu bearbeitenden Einzelproblemen sowiedie Notwendigkeit des breiteren Einbe-zugs weiterer Forschungsgebiete wie Ge-schäftsprozessmanagement (mit spezifi-schen Subgebieten wie Process Perfor-mance Management oder Business Ac-tivity Monitoring) und Operations Re-search verweisen dabei auf den Um-fang wie den Anspruch der damit an-stehenden Aufgabe. Es ist damit letz-ten Endes die künftige fachliche Weiter-entwicklung, die zentral über Art undUmfang der Verbesserung der betrieb-lichen Informationsversorgung auf Ba-sis von Hauptspeicherdatenbanken ent-scheidet – die bloße Bereitstellung von„Echtzeit-OLAP“ in operativen Systemenwird, obschon ein Fortschritt, die Po-tenziale von Hauptspeicherdatenbankenjedenfalls nicht ausschöpfen.

Prof. Dr. Stefan StrohmeierLehrstuhl für Betriebswirtschaftslehre,

insbesondereManagement-Informationssysteme

Universität des SaarlandesSaarbrücken

3 Kommentar zu„In-Memory-Datenmanagementin betrieblichenAnwendungssystemen“

Im Heft 6/2011 diskutiert Peter Loos mitweiteren Autoren die Frage, inwieweitIn-Memory-Technologie als grundle-gende Datenmanagement-Technologiedie Konzepte und Implementierung be-trieblicher Informationssysteme nach-haltig beeinflussen wird (Loos et al.2011). Die Autoren des Beitrags un-terstreichen die Potenziale von In-Memory-Computing, beschreiben des-sen Entwicklung und skizzieren seinenaktuellen Stand. Als charakteristischeLeistungsmerkmale von In-Memory-Datenbanken betonen sie unter ande-rem: Hohe Performancegewinne bei

der Auswertung großer Datenbestän-de, einen flexiblen und sekundenschnel-len Zugriff auf alle Unternehmensda-ten sowie die Aufhebung der Trennungvon transaktionaler und analytischerDatenverarbeitung.

Für die betriebliche Informationsver-arbeitung werden weitreichende Konse-quenzen erwartet: Beispielsweise rech-nen Lechtenbörger und Vossen mit ei-nem spürbaren Einfluss auf die Evolu-tion von Geschäftssoftware. Lehner gehtdavon aus, dass Anwendungssysteme inZukunft datenflussorientiert konzipiert,nach einem Need-to-know-Prinzip ar-beiten werden. Eine Phase der Revo-lution, die zu vollkommen neuen De-signs für moderne Informationssyste-me führt, erwartet Kossmann. Fabianund Günther sehen gute Argumente da-für, dass In-Memory-Technologie zu ei-nem neuen Qualitätsniveau von Busi-ness Intelligence führen kann – eine Ein-schätzung, die Zeier et al. für nahe-zu alle Komponenten betriebswirtschaft-licher Software erwarten. Schlussendlichsieht Winter die Möglichkeit umfassen-der Konsequenzen für die Architekturund Prozesse der gesamten betrieblichenInformationslogistik.

Neben beispielhaften Skizzen kon-kreter Einsatzmöglichkeiten von In-Memory-Technologie, weisen mehrereAutoren in Loos et al. (2011) auf diedringende Notwendigkeit hin, die neuentechnischen Möglichkeiten mit Anwen-dungswissen und modernen betriebs-wirtschaftlichen Anforderungen eng zuverzahnen, um die erwarteten Potenzia-le von In-Memory-Computing wirklichrealisieren zu können. Dieser Aspekt wirdim Folgenden kurz aufgriffen – insbeson-dere um weiterführende Diskussionenund Arbeiten anzuregen.

Die Nutzung von In-Memory-Daten-management in betrieblichen Anwen-dungssystemen ist ein noch relativ jun-ges Gebiet. Umfassende wissenschaftli-che Einschätzungen dieser Thematik sinddeshalb noch nicht möglich. Erste Ar-beiten bedienen sich explorativer An-sätze, um Ideen vorzustellen und Ent-wicklungstendenzen aufzuzeigen. In Pil-ler und Hagedorn (2011) werden Ge-schäftsprozesse und Anwendungskatego-rien bezüglich der Leistungspotenzialevon In-Memory-Technologie charakte-risiert. Hiervon ausgehend werden ty-pische Anwendungsmuster beschrieben,für die ein Einsatz von In-Memory-Datenbanken zusätzlichen Nutzen brin-gen sollte. Beispiele hierfür sind:

210 WIRTSCHAFTSINFORMATIK 4|2012

WI – MEINUNG/DIALOG

� Das Muster „Operatives Reporting“beschreibt die Auswertung großerMengen transaktionaler Daten, umim betrieblichen Tagesgeschäft Ent-scheidungen möglichst gut treffen zukönnen. Die Möglichkeit Untersu-chungsergebnisse mit aktuellen Datenin kürzester Zeit verfügbar zu haben,erlaubt eine unmittelbare Verzahnungvon Datenanalysen mit der Steuerungoperativer Abläufe. Typische Beispielesind die Qualitätsüberwachung in derHalbleiterproduktion oder die Aus-wertung von Point-of-Sales-Daten imEinzelhandel.

� Im Anwendungsmuster „Adaptive Pla-nung“ wird es durch massive Per-formancegewinne möglich, Ergebnissevon Planungsläufen auf Basis aktuells-ter Daten zu erhalten und auf Verände-rungen sofort mit neuen Berechnun-gen zu reagieren. Planungen sind so-mit immer „nahe an der Realität“ undnicht durch Batchläufe viele Stundenoder sogar Tage alt.

� Die „Explorative Analyse von Mas-sendaten“ beschreibt Untersuchungengroßer Datenmengen nach frei wähl-baren Parametern. Klassische Beispie-le findet man in der Ergebnisrechnungoder in Analysen zur Kundensegmen-tierung. Kurze Antwortzeiten und diefreie Wahl von Merkmalswertkombi-nationen ermöglichen hochgradig in-teraktive und ad-hoc durchführbareUntersuchungen – die mit den heu-te meist notwendigen Batchverfahrenoder vordefinierten Datenaggregatenkaum denkbar sind.

� Für die Anbieter traditioneller betrieb-licher Software scheint der Einsatzvon In-Memory-Technologie ein neu-es Feld zu eröffnen. So wird es möglichextrem umfangreiche, sich kontinuier-lich ändernde Konsumentendaten auseingebetteten Systemen zu verarbeiten.Die hieraus resultierenden sehr großenDatenmengen können Konsumentenin „Consumer Apps“ zur Verfügunggestellt werden, als auch für Unterneh-mensfragestellungen verwendet wer-den.

Möglichkeiten einer umfassenden Ver-zahnung von Analysen und Simulatio-nen mit operativen, taktischen und stra-tegischen Prozessen und Entscheidun-gen diskutieren Emrich et al. (2012).So könnten mit In-Memory-Technologie

Auswirkungen von Änderungen in Ge-schäftsmodellen und -prozessen in Echt-zeit betrachtet werden. Hochperforman-te Analysen mithilfe semantischer Kon-textmodelle könnten beispielsweise ei-ne kontextsensitive Unterstützung vonGeschäftsprozessen, die proaktive Iden-tifikation von Verbesserungspotenzialenoder eine „on-the-fly“-Adaption vonProzessen möglich machen.

Insbesondere Branchen mit traditio-nell hohen Datenvolumen erscheinen be-sonders geeignet für den Einsatz vonIn-Memory-Computing. Durch Perfor-mancesteigerungen könnten bestehendefachliche Anforderungen an die Verar-beitung großer Datenvolumen zum ers-ten Mal umgesetzt werden und eine Viel-zahl bereits existierender Analyseverfah-ren von Anwendern erstmalig akzep-tiert und im Unternehmensalltag wirk-lich nutzbar werden. Für typische Bei-spiele aus dem Einzelhandel siehe Schüt-te (2012) sowie Piller und Hagedorn(2012).

Die erwähnten Beispiele zeigen, dassIn-Memory-Technologie massive Aus-wirkungen auf die Neugestaltung beste-hender betrieblicher Anwendungen unddie Art ihrer Nutzung haben wird. Not-wendig sind explorative Untersuchun-gen, die neue Potenziale dieser Tech-nologie für Geschäftssoftware systema-tisch identifizieren und erhärten. Einmöglicher Ausgangspunkt hierfür kanneine Kennzeichnung von Geschäftspro-zessen und -domänen durch Merkma-le sein, die ideale Datenflüsse und de-ren Verarbeitung charakterisieren. Berei-che für die ein Einsatz von In-Memory-Datenmanagement vielversprechend er-scheint, müssen nachfolgend mit mögli-chen Nutzenpotenzialen dieser Techno-logie bewertet werden. Auch ein reinfachlicher Ausgangspunkt ist möglich. Soregt Winter in Loos et al. (2011) an, Re-ferenzszenarien zu spezifizieren, die diePotenziale immer umfassenderer, hete-rogener, reichhaltiger Daten systematischnutzen. Das Methodenspektrum der ge-staltungorientierten Wirtschaftsinforma-tik bietet hier eine Vielzahl von Möglich-keiten zur Weiterentwicklung innovativerIT-Lösungen.

Prof. Dr. Gunther PillerFachhochschule Mainz

4 In-Memory-Technologien:Überlegungen zur Begründbarkeitund zum Einsatz beim Betrieb vongroßen Systemen

4.1 Einleitung

In-Memory-Technologien, die die kom-plette Datenhaltung direkt im Haupt-speicher anstreben, wurden in derWI 6/2011 aus unterschiedlichen Per-spektiven heraus diskutiert. Bei derAuseinandersetzung um In-Memory-Technologien fallen zwei Aspekte be-sonders auf: Erstens sind die Argu-mente für den Einsatz von In-Memory-Technologien sehr vielschichtig und anVoraussetzungen geknüpft. Zweitens gibtes einen wichtigen Grund für den Ein-satz von In-Memory-Technologien auseiner Betriebsperspektive von großenSystemen, der bis dato kaum Erwähnunggefunden hat.

4.2 In-Memory-Argumentationen undderen impliziten Annahmen

Es werden in der Literatur für den Ein-satz von In-Memory-Technologien un-terschiedliche Begründungen vorgetra-gen. Im Wesentlichen lassen sich dieArgumente auf folgende Schwerpunkteverdichten:� Integrationsargument: Es wird eine

Integration im Sinne der Vereini-gung von OLAP, OLTP- und BI-Systemen als wesentliches Argumentfür In-Memory-Technologien vorge-tragen (Lechtenbörger und Vossen2011; Winter 2011; Zeier et al. 2011).

� Speicherungsargument: Der Verzichtauf die redundante Modellierung undSpeicherung aggregierter Daten sowiedie Möglichkeiten, effizient spaltenori-entierte Datenbanksysteme einsetzenzu können, bietet Vorteile (Fabian undGünther 2011).

� Technisches Vereinfachungsargument:Es werden im technischen Betrieb zurKomplexitätsreduzierung – beispiels-weise durch das Tuning der Datenbankoder die Speicherhierarchie (Koss-mann 2011) – In-Memory-Ansätze alsvorteilhaft bewertet.

� Entscheidungsorientierungsargument:Ein weiteres wesentliches Argument istdie Ausdehnung der Entscheidungs-techniken, die durch In-Memory-Technologien in Echtzeit möglich wer-den (vgl. Fabian und Günther 2011;Loos 2011).

WIRTSCHAFTSINFORMATIK 4|2012 211

WI – MEINUNG/DIALOG

Die vorgetragenen Argumente unterstel-len einige Präsuppositionen, von deneneinige nachfolgend entfaltet werden sol-len.

Realisierungsmöglichkeit: Der Einsatzeiner In-Memory-Technologie kann nurin Betracht gezogen werden, wenn dieWachstumsgeschwindigkeit der Datenvo-lumenanforderungen niedriger ist als dieSteigerung der Speicherkapazitäten imHauptspeicher, sofern zum Start der Im-plementierung eines Systems ein ausrei-chender Hauptspeicher für die angedach-te Lösung gegeben ist.

Geschwindigkeits- oder Wirtschaft-lichkeitsrelevanz: Der Einsatz von In-Memory-Technologien setzt zunächstvoraus, dass es die Notwendigkeit füreine hauptspeicherorientierte Datenhal-tung gibt. Diese liegt nur vor, wenn einegeforderte Applikation heute nicht mitden zur Verfügung stehenden Konzeptenfür das geforderte Antwortzeitverhaltenbereitgestellt werden kann. Alternativwäre es auch denkmöglich, dass eineIn-Memory-orientierte Lösung wirt-schaftlicher entwickelt und eingesetztwerden kann. In diesem letztgenanntenFall wären Kriterien zu entwerfen, wannder singuläre Einsatz eines In-Memory-Ansatzes einem traditionellen überlegenwäre.

IS-Architektur-Konformität: Der Ein-satz von In-Memory-Technologien führtzu anderen IS-Architekturüberlegungen,die bis dato noch nicht diskutiert wur-den. In der Vergangenheit wurden un-terschiedliche Dekompositionskriterienverwendet, um ein System in Teilsyste-me zu differenzieren, die auf der tech-nischen Ebene wiederum unterschiedli-che Releasestände zulassen sollten. ImGegensatz zu den monolithischen Über-legungen beispielsweise eines alten SAPR/2 oder auch eines R/3-Systems sindheute komplexe Applikationslandschaf-ten mit unterschiedlichen Releaseständenim Einsatz. In solchen Applikationsarchi-tekturen ist es nicht zielführend, für einPartialproblem eine neue Technik einzu-setzen, wenn diese nicht strategisch alsExperimentierfeld genutzt werden soll.

Darüber hinaus ist es heute Stateof the Art, dass es eine Middlewareals Kommunikationsschicht gibt, die fürdie Abarbeitung eines komplexen, sys-temübergreifenden Prozesses erforder-lich ist. Der Einsatz einer In-Memory-Datenbanklösung würde es nun erfor-dern, dass auch die systemübergreifen-den Prozesse in einer technischen Instanzim Hauptspeicher betrieben werden, da

es ansonsten nicht die erhofften Ver-arbeitungsgeschwindigkeitsvorteile gibt.Ohne die Vision einer zukünftigen IS-Architektur können nur Partialproble-me mit In-Memory-Ansätzen umgesetztwerden. Betriebswirtschaftlich integrier-te Softwaresysteme sind nicht ohne eineübergeordnete Architektur wirtschaftlichumsetzbar. Möglicherweise wird die In-Memory-Technologie dazu führen, wie-der zu monolithischen Systemen zurück-zukehren, denn dort werden die Vorteileeiner solchen Technologie besonders evi-dent. Es ist wichtig, die theoretische Dis-kussion alternativer Architekturkonzep-tionen zu entfachen, denn der Verfassergeht von einer weiteren, flächendecken-den Verbreitung der In-Memory-Ansätzeüber die Standardsoftwarehersteller aus.Hier sollte sich die Wirtschaftsinfor-matik und die Informatik proaktiv indie Diskussion von Architekturkonzep-tionen „einmischen“. Für Standardsoft-warehersteller stellt sich die Frage, wiedie IS-Architektur der Zukunft gestal-tet wird, wenn beinahe alle Anforderun-gen an ein System durch die In-Memory-Datenbanktechnologie unterstützt wer-den sollen.

4.3 In-Memory-Ansätze aus einerpraktischen technischen Perspektive

Bei dem Betrieb von Applikationssyste-men und der Systeme, die auf weiterunten liegenden Schichten anzuordnensind, ergeben sich in der Praxis noch im-mer weitreichende Probleme bei großenSystemen. Diese betriebstechnischen Li-mitationen, die in der Praxis häufigzu enormen Verwicklungen und Gefah-ren für die Systeme und das operati-ve Geschäft führen, wurden In-Memory-Technologien bis dato noch nicht dis-kutiert. Der Verfasser regt eine Ausein-andersetzung auch mit derartigen Ein-satzfeldern an, da dies dem Ansatz eineneue Perspektive eröffnet, die sich in dieÜberlegungen zur technischen Vereinfa-chung des Betriebs (Kossmann 2011) ein-reihen. Es ist allerdings weniger die Ver-einfachung, die für den Einsatz spricht alsdie Notwendigkeit, von den Laufzeitender technischen Systeme bei Veränderun-gen in dessen Betrieb weniger abhängigzu werden.

Exemplarisch sollen anhand des Be-triebs von ca. 350 SAP-Systemen inder EDEKA-Gruppe Beispiele entwickeltwerden, die durch In-Memory-Ansätzegelöst werden könnten. Die Systeme sindals Templatebausteine entwickelt worden

und in eine Templatelandschaft – diffe-renziert nach Entwicklungs-, Test- undProduktivsystem- eingebettet. Die Lunar-Applikationslandschaft stellt ein kom-plettes System-Modell über alle Han-delsstufen, Entwicklungsstufen und Pro-grammbereiche dar. Die Systemvielfalt,die in heutigen netzartigen Applikations-landschaften üblich ist, führt zu enor-men Herausforderungen u. a. bei Re-leasewechseln. Die Lunar GmbH ist fürdie EDEKA-Gruppe der Softwareliefe-rant, der in Releasezyklen die Softwareentwickelt und in fest definierten Zeitab-ständen in die EDEKA-Einheiten zumBetrieb überführt, nachdem Tests in derLunar GmbH und bei den einsetzendenEinheiten erfolgt sind. Damit sind dieAnforderungen an die Entwicklung undWeiterentwicklung von Produkten undProduktfamilien mit den Aufgaben einesStandardsoftwareherstellers vergleichbar.

Für die EDEKA, die in erheblichemUmfang eigene Produkte als Standardre-leases einsetzt und dadurch mindestensjährliche Releasewechsel in vielen Or-ganisationseinheiten durchführen muss,werden die verfügbaren Zeitfenster fürdie Umsetzung der Releasewechsel in denOrganisationseinheiten sehr eng. Es isteine große Herausforderung in den Ein-heiten, die notwendigen Zeitfenster fürdie Releasewechsel zu finden, die mit zu-nehmendem Datenvolumen auch nichtweniger anspruchsvoll werden. Es wäreeine signifikante Verbesserung der Situa-tion durch den Einsatz von In-Memory-Technologien zu erwarten, wenn es auchgelänge, die Aufgabe auf den technologi-schen Schichten – und nicht nur bei denApplikationsschichten – zu unterstützen.Die Problematik, dass es für einige grö-ßere Releasewechsel nur noch ein verlän-gertes Wochenende pro Jahr gibt, in demdie Aufgabe aufgrund der Laufzeit über-haupt umgesetzt werden kann, bildet einenormes wirtschaftliches Risiko.

Batchprozesse stellen ein weiteresProblem bei zentralisierter Datenhal-tung und hohen Datenvolumen dar.Die Vielzahl von Batchprozessen beigroßen Unternehmen ist in der ge-botenen Zeit schwer abzuwickeln, wiedie Buchung aller Wareneingänge desTages, die Verbuchung der Waren-ausgänge/Fakturen eines Tages, dieAutomatischen-Dispositions-Läufe etc.Angesichts der Situation in Handels-unternehmen, dass die Öffnungszeitenimmer weiter ausgedehnt werden, sindBetriebszeiten von 7 × 24 h praxisre-levante Herausforderungen für zentra-

212 WIRTSCHAFTSINFORMATIK 4|2012

WI – MEINUNG/DIALOG

le IS-Architekturen. Hier könnten In-Memory-Ansätze eine Entlastung beidem Betrieb der Systeme mit sich brin-gen, die bis dato noch nicht diskutiertwerden.

Bei Massendatenänderungen in Formvon Initialversorgungen – bei neuen Da-tenstrukturen – oder Änderungsversor-gungen, die im Handel für eine hoheZahl von Filialen täglich erfolgen, werdenheute größere Zeitfenster benötigt, dieerhebliche System-Betriebsrisiken nachsich ziehen. Auch bei dieser Anforde-rung technischer Natur wäre es durch In-Memory-Technologien möglich, enormePerformance-Verbesserungen zu errei-chen (Sigg 2011).

4.4 Ausblick

In-Memory-Technologien versprechenEchtzeitanwendungen und damit so et-was wie den „Perfekten Prozessor“ undzwar in inkarnierter und nicht nur lo-gischer Form, wie es McMenamin undPalmer in der Systemanalyse propagier-ten. Allerdings besteht heute ein ande-res Problem: dem perfekten Prozessorauf der technologischen Ebene fehlt dasperfekte logische Modell und dies be-deutet, dass die Wirtschaftsinformatikvor dem Hintergrund möglicher techni-scher Fähigkeiten enorme konzeptionelleAufgaben erfüllen muss.

Dr. Reinhard SchütteVorstandsmitglied

EDEKA AG

Literatur

zu: Einleitung

Loos P, Lechtenbörger J, Vossen G, ZeierA, Krüger J, Müller J, Lehner W, Koss-

mann D, Fabian B, Günther O, Winter R(2011) In-Memory-Datenmanagementin betrieblichen Anwendungssystemen.WIRTSCHAFTSINFORMATIK 53(6):383–390

zu: Hauptspeicherdatenbanken in derbetrieblichen Informationsversorgung –Technische Innovation und fachlicheStagnation?

Azvine B, Cui Z, Nauck D, Majeed B (2006) Realtime business intelligence for the adaptiveenterprise. In: The 8th IEEE internationalconference on and enterprise computing,e-commerce, and e-services, S 29–39

Bucher T, Gericke A, Sigg S (2009) Process-centric business intelligence. Business Pro-cess Management Journal 15(3):408–429

Eckerson WW (2007) Best practices in opera-tional BI. Converging analytical and oper-ational processes. TDWI Best Practice Re-ports

Gluchowski P, Kemper G, Seufert A (2009) In-novative Prozesssteuerung. Was ist neu anoperational BI? BI-Spektrum 4(1):8–12

Hackathorn R (2003) Minimizing action dis-tance. The Data Administration Newsletter25(3):22–23

Kemper A, Neumann T (2011) One size fits all,again! The architecture of the hybrid OLTP& OLAP database Hyper. In: Castellanos M,Umeshwar D, Markl V (Hrsg) Enabling realtime business intelligence. Lecture notesin business information processing, Bd 84,S 7–23

Nijkamp E, Oberhofer M (2009) Embeddedanalytics in front office applications. In:Freytag JC, Ruf T, Lehner W, Vossen G (Hrsg)BTW 144, S 449–459

Plattner H (2009) A common database ap-proach for OLTP and OLAP using an in-memory column data base. In: Proceedingsof the ACM SIGMOD, Providence, S 1–7

White C (2006) The next generation of busi-ness intelligence: operational BI. BI re-search white paper

Winter R (2011) In-Memory-Appliances –Ein Fortschritt in der Informationslogistik?WIRTSCHAFTSINFORMATIK 53(6):388–390

zu: Kommentar zu „In-Memory-Datenmanagement in betrieblichenAnwendungssystemen“

Emrich A, Werth D, Loos P (2012) Real-timesemantic process change impact analysis.

In: Proc Workshop Innovative Unterneh-mensanwendungen mit In-Memory DataManagement, Mainz. LNI P-193, S 91–100

Loos P, Lechtenbörger J, Vossen G, ZeierA, Krüger J, Müller J, Lehner W, Koss-mann D, Fabian B, Günther O, Winter R(2011) In-Memory-Datenmanagementin betrieblichen Anwendungssystemen.WIRTSCHAFTSINFORMATIK 53(6):383–390

Piller G, Hagedorn J (2011) Einsatzpotenzia-le für In-Memory Data Management inbetrieblichen Anwendungssystemen. Wirt-schaftsinformatik & Management 3(5):18–25

Piller G, Hagedorn J (2012) In: In-MemoryData Management im Einzelhandel: Ein-satzbereiche und Nutzenpotentiale. ProcMultikonferenz Wirtschaftsinformatik 2012(MKWI2012), Braunschweig, GITO, Berlin,S 59–79

Schütte R (2012) Analyse des Einsatzpo-tentials von In-Memory-Technologie inHandelsinformationssystemen. In: ProcWorkshop Innovative Unternehmens-anwendungen mit In-Memory DataManagement, Mainz, LNI P-193, S 1–12

zu: In-Memory-Technologien:Überlegungen zur Begründbarkeit undzum Einsatz beim Betrieb von großenSystemen

Fabian B, Günther O (2011) In-Memory-Datenmanagement für Business In-telligence. WIRTSCHAFTSINFORMATIK53(6):388

Kossmann D (2011) Einfachheit lautet die De-vise. WIRTSCHAFTSINFORMATIK 53(6):387–388

Lechtenbörger J, Vossen G (2011) Haupt-speicherdatenbanktechnologie: Herausfor-derungen und weitere Entwicklung. WIRT-SCHAFTSINFORMATIK 53(6):384–385

Loos P (2011) In-Memory-Datenmanagementin betrieblichen Anwendungssystemen.WIRTSCHAFTSINFORMATIK 53(6):383–384

Sigg S (2011) SAP HANA and Business Appli-cations. Präsentation, Oktober, 2011

Winter R (2011) In-Memory-Appliances –Ein Fortschritt in der Informationslogistik?WIRTSCHAFTSINFORMATIK 53(6):386–387

Zeier A, Krüger J, Müller J (2011) Poten-zial von In-Memory-Technologien. WIRT-SCHAFTSINFORMATIK 53(6):385–386

WIRTSCHAFTSINFORMATIK 4|2012 213