Mathias Golombek, Chief Technology Officer von Exasol – Interview-Serie

Mathias Golombek ist der Chief Technology Officer (CTO) von Exasol. Er trat dem Unternehmen 2004 als Software-Entwickler bei, nachdem er Informatik mit Schwerpunkt auf Datenbanken, verteilte Systeme, Software-Entwicklungsprozesse und genetische Algorithmen studiert hatte. Bereits 2005 war er für das Database-Optimizer-Team verantwortlich und 2007 wurde er zum Leiter der Forschung und Entwicklung ernannt. 2014 wurde Mathias zum CTO ernannt. In dieser Rolle ist er für die Produktentwicklung, Produktmanagement, Betrieb, Support und technische Beratung verantwortlich.

Was hat Sie ursprünglich zur Informatik hingezogen?

Als ich in der vierten Klasse war, hatte mein älterer Bruder einige Lektionen, in denen er BASIC-Programmierung lernte, und er zeigte mir, was man damit machen kann. Zusammen entwickelten wir ein Oster-Rätsel auf unserem Commodore 64 für unseren jüngsten Bruder, und seitdem bin ich von Computern fasziniert. Informatik im Allgemeinen ist alles darum, Probleme zu lösen und kreativ zu sein, und ich denke, dass dieser Aspekt mich am meisten zu diesem Bereich hingezogen hat.

Können Sie Ihre Reise von der Aufnahme bei Exasol als Software-Entwickler im Jahr 2004 bis zur Ernennung zum CTO schildern? Wie haben sich Ihre Rollen im Laufe der Jahre entwickelt, insbesondere im sich schnell verändernden Technologie-Landschaft?

Ich habe Informatik an der Universität Würzburg in Deutschland studiert und begann 2004 bei Exasol als Software-Entwickler, nachdem ich mein Studium abgeschlossen hatte. Nach meinem ersten Jahr bei Exasol wurde ich zum Leiter des Database-Optimizer-Teams ernannt und dann zum Leiter der Forschung und Entwicklung. Nachdem ich sieben Jahre als Leiter der Forschung und Entwicklung tätig war, trat ich 2014 in meine aktuelle Rolle als CTO ein.

Von Anfang an war ich beeindruckt von dem, was Exasol tat – dieses deutsche Technologie-Unternehmen, das gegen große Namen wie Microsoft , IBM und Oracle kämpfte. Ich war begeistert von der Gelegenheit, die vor mir lag – als Entwickler, dieses massiv parallele, in-Memory-Datenbank-Management-System zu erstellen, war das der Himmel auf Erden.

Ich habe jeden Moment genossen, mit diesem talentierten Ingenieur-Team zu arbeiten. Als CTO überwache ich Exasols Produktinnovation, -entwicklung und technischen Support. Es war aufregend zu sehen, wie sehr das Exasol-Team global gewachsen ist, während wir unsere Kunden und ihre sich entwickelnden Bedürfnisse unterstützen. Die Grundlagen sind dieselben – wir sind immer noch ein in-Memory-Datenbank-System, aber jetzt ermöglichen wir unseren Kunden, die Macht ihrer Daten für AI-Implementierungen zu nutzen.

Exasol war im Bereich der Hochleistungs-Analytics-Datenbanken führend. Was unterscheidet Exasol aus Ihrer Sicht in diesem wettbewerbsintensiven Umfeld?

Unternehmensleiter sind ständig damit beschäftigt, herauszufinden, wie sie mehr mit weniger tun können. In den letzten Jahren ist dies noch herausfordernder geworden, da die Wirtschaft weiterhin turbulent ist und die Verbreitung von KI-Technologie Budget und Zeit in Anspruch genommen hat.

Als Anbieter von Hochleistungs-Analytics-Datenbanken ist Exasol bei der Unterstützung von Unternehmen, mehr mit weniger zu tun, immer einen Schritt voraus gewesen. Wir helfen Unternehmen, ihre Geschäftsanalyse (BI) in bessere Erkenntnisse mit Exasol Espresso, unserem vielseitigen Abfrage-Engine, der in bestehende Daten-Stacks integriert ist, umzuwandeln. Globale Marken wie T-Mobile, Piedmont Healthcare und Allianz nutzen Exasol Espresso, um höhere Datenmengen in schnellere, tiefere und günstigere Erkenntnisse umzuwandeln. Und ich denke, wir haben eine großartige Arbeit geleistet, um die Balance zwischen Leistung, Preis und Flexibilität zu meistern, damit Kunden nicht Kompromisse eingehen müssen.

Um Unternehmen auf ihrem KI-Weg zu unterstützen, haben wir kürzlich Espresso AI vorgestellt, unsere vielseitige Abfrage-Engine mit einem neuen Satz von KI-Tools, die es Organisationen ermöglichen, die Macht ihrer Daten für fortschrittliche, KI-getriebene Erkenntnisse und Entscheidungen zu nutzen. Die Fähigkeiten von Espresso AI machen KI erschwinglicher und zugänglicher, ermöglichen es Kunden, teure, zeitaufwändige Experimente zu umgehen und sofortige ROI zu erzielen. Dies ist ein Game-Changer für Unternehmen, die sich auf die Förderung von Innovation und die Lieferung von Wert im Zeitalter der KI konzentrieren.

Der 2024 AI- und Analytics-Bericht von Exasol hebt die Unterinvestition in KI als Weg zur Geschäftskatastrophe hervor. Können Sie die wichtigsten Ergebnisse dieses Berichts erläutern und warum Investitionen in KI für Unternehmen heute kritisch sind?

Wie Sie bereits erwähnt haben, ist die wichtigste Erkenntnis aus Exasols 2024 AI- und Analytics-Bericht die, dass Unterinvestition in KI zu Geschäftskatastrophen führt. Basierend auf unserer Umfrage unter leitenden Entscheidungsträgern sowie Datenwissenschaftlern und Analysten in den USA, Großbritannien und Deutschland stimmen fast alle (91%) der Befragten zu, dass KI eines der wichtigsten Themen für Organisationen in den nächsten zwei Jahren ist, wobei 72% zugeben, dass eine Nicht-Investition in KI heute die zukünftige Geschäftsträchtigkeit gefährdet. Kurz gesagt, sind Unternehmen, die nicht über KI nachdenken, bereits im Hintertreffen.

Unternehmen stehen unter Druck von Stakeholdern, in KI zu investieren – und es gibt viele Gründe, warum. Investitionen in KI haben bereits Organisationen in verschiedenen Branchen – von der Gesundheitsversorgung bis hin zu Finanzdienstleistungen und Einzelhandel – geholfen, neue Umsatzströme zu erschließen, Kundenerfahrungen zu verbessern, Betriebsabläufe zu optimieren, Produktivität zu steigern, Wettbewerbsfähigkeit zu beschleunigen und vieles mehr. Die Liste wächst ständig, da Unternehmen beginnen, spezifische Wege zu finden, um KI für ihre spezifischen Geschäftsbedürfnisse zu nutzen.

Der gleiche Bericht erwähnt große Hindernisse für die KI-Adoption, einschließlich Datenwissenschaft-Defizite und Latenz bei der Implementierung. Wie geht Exasol auf diese Herausforderungen bei seinen Kunden ein?

Trotz der kritischen Notwendigkeit von KI-Investitionen stehen Unternehmen immer noch vor erheblichen Hindernissen bei der umfassenderen Implementierung. Exasols KI- und Analytics-Bericht zeigt, dass bis zu 78% der Entscheidungsträger Defizite in mindestens einem Bereich ihrer Datenwissenschaft- und Machine-Learning-Modelle aufweisen, wobei 47% die Geschwindigkeit bei der Implementierung neuer Datenanforderungen als Herausforderung nennen. Ein weiteres 79% behauptet, dass neue Geschäftsanalyse-Anforderungen zu lange dauern, um von ihren Daten-Teams implementiert zu werden. Andere Faktoren, die die weitverbreitete KI-Adoption behindern, sind der Mangel an einer Implementierungsstrategie, schlechte Datenqualität, unzureichende Datenmengen und Integration mit bestehenden Systemen. Darüber hinaus verursachen sich ändernde bürokratische Anforderungen und Vorschriften für KI Probleme für viele Unternehmen, wobei 88% der Befragten angaben, dass sie mehr Klarheit benötigen.

Exasol bietet Flexibilität, Widerstandsfähigkeit und Skalierbarkeit für Unternehmen, die eine KI-Strategie verfolgen. Als die Rolle des Chief Data Officers (CDO) weiterhin evolviert und komplexer wird – mit wachsenden ethischen und Compliance-Herausforderungen im Vordergrund – unterstützt Exasol Datenführer und hilft ihnen, ihre Geschäftsanalyse in schnellere, bessere Erkenntnisse umzuwandeln, die Geschäftsentscheidungen beeinflussen und positiv auf die Bilanz wirken.

Während KI für den Geschäftserfolg kritisch ist, ist sie nur so effektiv wie die Werkzeuge, Technologien und Menschen, die sie im Hintergrund antreiben. Die Umfrageergebnisse betonen die erhebliche Lücke zwischen aktuellen BI-Tools und ihrer Ausgabe – mehr Tools bedeutet nicht unbedingt bessere Leistung oder bessere Erkenntnisse. Als CDOs auf mehr Komplexität vorbereitet sind und aufgefordert werden, mehr mit weniger zu tun, müssen sie den Datenanalyse-Stack bewerten, um Produktivität, Geschwindigkeit und Flexibilität zu gewährleisten – all dies zu einem vernünftigen Preis.

Espresso AI hilft, diese Lücke für das Unternehmen zu schließen, indem es Daten-Extraktion-, Laden- und Transformationsprozesse optimiert, um Benutzern die Flexibilität zu geben, sofort mit neuen Technologien im großen Maßstab zu experimentieren, unabhängig von Infrastruktur-Einschränkungen – ob on-premises, Cloud oder Hybrid. Benutzer können die Kosten für Datenbewegung und Aufwand reduzieren und aufkommende Technologien wie LLMs in ihre Datenbank integrieren. Diese Fähigkeiten helfen Organisationen, ihre Reise zur Implementierung von KI- und ML-Lösungen zu beschleunigen, während sie die Qualität und Zuverlässigkeit ihrer Daten gewährleisten.

Datenkompetenz wird im Zeitalter der KI immer wichtiger. Wie trägt Exasol dazu bei, die Datenkompetenz bei seinen Kunden und in der breiteren Gemeinschaft zu verbessern?

In heutigen datenreichen Arbeitsumgebungen sind Datenkompetenz-Fähigkeiten wichtiger denn je – und werden schnell zu einem “Muss” anstelle eines “Soll”. Branchenübergreifend ist die Fähigkeit, mit Daten effektiv zu arbeiten, zu verstehen und zu kommunizieren, von entscheidender Bedeutung geworden. Es gibt jedoch immer noch eine Datenkompetenz-Lücke.

Datenkompetenz ist die Fähigkeit, komplexe Informationen zu interpretieren und auf diese Erkenntnisse zu reagieren. Aber oft ist der Zugang zu Daten innerhalb einer Organisation oder nur einem kleinen Teil der Personen, die die notwendigen Datenkompetenz-Fähigkeiten besitzen, um die riesigen Datenmengen, die durch das Unternehmen fließen, zu verstehen und zu nutzen. Dieser Ansatz ist fehlerhaft, da er die Zeit und Ressourcen, die für die Nutzung von Daten und letztendlich die Datenkompetenz-Lücke, die ein Hindernis für die Geschäftsentwicklung darstellt, begrenzt.

Wenn Menschen datenkompetent sind, können sie Daten verstehen, analysieren und ihre eigenen Ideen, Fähigkeiten und Expertise anwenden. Je mehr Menschen die Kenntnisse, das Vertrauen und die Werkzeuge haben, um Daten zu entwirren und Bedeutung daraus zu ziehen, desto erfolgreicher kann eine Organisation sein. Exasol unterstützt Datenführer und Unternehmen bei der Förderung von Datenkompetenz und Bildung.

Darüber hinaus sollten Unternehmen ihre Tech-Stacks und BI-Tools optimieren, um Daten-Demokratisierung zu ermöglichen. Daten-Zugänglichkeit und Datenkompetenz gehen Hand in Hand. Investitionen in beides sind erforderlich, um Datenstrategien voranzutreiben. Zum Beispiel ermöglicht Exasol mit seinem tuning-freien System Unternehmen, sich auf die Daten-Nutzung zu konzentrieren, anstatt auf die Technologie. Die hohe Geschwindigkeit ermöglicht es Teams, interaktiv mit Daten zu arbeiten und nicht durch Leistungsbeschränkungen eingeschränkt zu sein. Dies führt letztendlich zu Daten-Demokratisierung.

Jetzt ist die Zeit gekommen, dass Daten-Demokratisierung von einem Diskussionsthema zu einem Handlungsanliegen innerhalb von Organisationen wird. Wenn mehr Menschen in verschiedenen Abteilungen Zugang zu bedeutungsvollen Erkenntnissen erhalten, wird dies die traditionellen Engpässe, die durch Datenanalyse-Teams verursacht werden, beseitigen. Wenn diese traditionellen Silos zusammenbrechen, werden Organisationen erkennen, wie breit und tief der Bedarf an Teams und Einzelpersonen ist, um Daten zu nutzen. Selbst Menschen, die derzeit nicht denken, dass sie Daten-Endnutzer sind, werden in die Daten-Feed-Zugänglichkeit gezogen.

Mit dieser Veränderung kommt eine große Herausforderung, die in den kommenden Jahren zu erwarten ist – die Belegschaft muss aufgerüstet werden, damit jeder Mitarbeiter die richtigen Fähigkeiten hat, um Daten und Erkenntnisse effektiv zu nutzen, um Geschäftsentscheidungen zu treffen. Die Fähigkeit, präzise, durchdachte und geschäftlich orientierte Fragen zu stellen, wird immer wertvoller, was einen dringenden Bedarf an Schulung der Belegschaft auf diese Fähigkeit schafft.

Sie haben eine starke Ausbildung in Datenbanken, verteilten Systemen und genetischen Algorithmen. Wie beeinflussen diese Bereiche Ihre Expertise Exasols Produktentwicklung und Innovationsstrategie?

Meine Ausbildung ist eine Grundlage für die Arbeit in unserem Bereich und das Verständnis der Technologie-Trends der letzten zwei Jahrzehnte. Es ist aufregend und lohnend, mit innovativen Kunden zu arbeiten, die Datenbank-Technologie in interessante Anwendungsfälle umwandeln. Unsere Innovationsstrategie hängt nicht nur von einer einzelnen Person ab, sondern von einem großen Team von Architekten und Entwicklern, die die Zukunft von Software, Hardware und Datenanwendungen verstehen.

Was sind die wesentlichen Komponenten eines zukunftssicheren Daten-Stacks für Unternehmen, die KI und Analytics effektiv nutzen möchten?

Die schnelle Adoption von KI war ein perfektes Beispiel dafür, warum es für Unternehmen wichtig ist, der sich entwickelnden Technologie-Landschaft voraus zu sein. Die unglückliche Wahrheit ist jedoch, dass die meisten Daten-Stacks immer noch hinter der KI-Kurve zurückliegen.

Um Daten-Stacks zukunftssicher zu machen, sollten Unternehmen zunächst ihre Daten-Grundlagen bewerten, um Lücken, Fehler oder andere Herausforderungen zu identifizieren. Dies hilft ihnen, Datenqualität und -geschwindigkeit zu gewährleisten – Elemente, die für die Erzielung wertvoller Erkenntnisse und die Unterstützung von KI- und LLM-Modellen entscheidend sind.

Darüber hinaus sollten Teams in die Werkzeuge und Technologien investieren, die leicht mit anderen Lösungen im Stack integriert werden können. Da KI mit anderen Technologien wie Open Source kombiniert wird, werden neue Modelle entstehen, um traditionelle Geschäftsprobleme zu lösen. Generative KI wie ChatGPT wird sich mit traditioneller KI-Technologie wie beschreibender oder vorhersagender Analyse verbinden, um neue Chancen für Organisationen zu eröffnen und traditionell umständliche Prozesse zu straffen.

Um Daten-Stacks zukunftssicher zu machen, sollten Unternehmen auch KI und BI integrieren. Unternehmen haben BI-Tools seit Jahrzehnten verwendet, um wertvolle Erkenntnisse zu gewinnen, und obwohl viele Verbesserungen vorgenommen wurden, gibt es immer noch BI-Einschränkungen oder -Hindernisse, die KI beheben kann. KI kann schnelleres Ergebnisse ermöglichen, Personalisierung verbessern und die BI-Landschaft in ein inklusiveres und benutzerfreundlicheres Umfeld umwandeln. Da BI typischerweise auf die Analyse historischer Daten zur Erzielung von Erkenntnissen fokussiert ist, kann KI die BI-Fähigkeiten erweitern, indem sie hilft, zukünftige Ereignisse vorherzusagen, Vorhersagen zu treffen und Maßnahmen zu empfehlen, um die gewünschten Ergebnisse zu beeinflussen.

Produktivität, Flexibilität und Kosteneinsparungen werden als drei Wege hervorgehoben, auf denen Exasol globalen Marken hilft, zu innovieren. Können Sie ein Beispiel dafür nennen, wie Exasol einem Kunden geholfen hat, durch seine Analytics-Datenbank eine signifikante ROI zu erzielen?

Laut einer 2023 Forrester Total Economic Impact Study erzielen Exasol-Kunden bis zu 320% ROI auf ihre anfängliche Investition innerhalb von drei Jahren, indem sie die Betriebs-effizienz, Datenbank-Leistung und eine einfache und flexible Daten-Infrastruktur verbessern.

Ein Kunde, zum Beispiel Helsana, ein führendes Unternehmen in der Schweizer Gesundheitsbranche, kam zu Exasol, um eine moderne Daten- und Analytics-Plattform zu benötigen. Vor Exasol verließ sich Helsana auf verschiedene Berichtswerkzeuge mit Daten-Warehouse, die auf verschiedenen Technologien und ETL-Tools aufgebaut waren, was eine verwirrende, ineffiziente Architektur schuf. Im Vergleich zur bestehenden Legacy-Lösung des Unternehmens zeigte Exasols Data Warehouse eine fünf- bis zehnfache Leistungssteigerung.

Jetzt ist Exasol zentral für Helsanas KI-Reise, indem es als Repository für die strukturierten Daten dient, die Helsana für alle seine KI-Modelle verwendet, und die Grundlage für seine Analytics bildet. Mit Exasol hat das Helsana-Team die Leistung gesteigert, Kosten reduziert, Agilität erhöht und eine solide KI-Grundlage etabliert, was alles zu einer signifikanten ROI beiträgt, zusätzlich zu einer verbesserten Fähigkeit, Kunden besser zu bedienen.

Ausblickend, welche Trends in Datenanalyse und Geschäftsanalyse bereitet Exasol sich vor, und wie planen Sie, die Innovation in diesem Bereich weiter voranzutreiben?

Das Jahr 2023 brachte KI auf breiter Ebene, was zu spontanen Reaktionen von Unternehmen führte, die letztendlich zahlreiche schlecht konzipierte und durchgeführte Automatisierungsexperimente auslösten. 2024 wird ein Transformationsjahr für KI-Experimente und Grundlagenarbeit sein. Bisher waren die primären Anwendungen von GenAI für Informationszugang durch Chatbots, Kunden-Service-Automatisierung und Software-Coding. Es wird jedoch Pioniere geben, die diese aufregenden Technologien für eine Vielzahl von Geschäftsentscheidungen und Optimierungen anwenden. Wenn wir über 2024 hinaussehen, werden wir einen größeren Schub bei der produktiven Implementierung von KI sehen.

Exasol ist bestrebt, Innovation voranzutreiben und seinen Kunden Wert zu bieten, einschließlich der Unterstützung bei der Entwicklung und Implementierung von KI im großen Maßstab. Mit Exasol können Kunden BI und KI kombinieren, um Daten-Silos in einem integrierten Analytics-System zu überwinden. Unsere Flexibilität bei der Bereitstellungsoption ermöglicht es Organisationen, zu entscheiden, wo sie ihren Analytics-Stack hosten möchten – ob in der öffentlichen Cloud, privaten Cloud oder on-premises. Mit Exasols Espresso AI sind wir positioniert, um Unternehmen zu befähigen, den Wert von KI-getriebener Analytics zu nutzen, unabhängig davon, wo sich Unternehmen auf ihrem KI-Weg befinden.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten Exasol besuchen.