Was ist eine autonome Datenbank?

Bevor eine Datenbank Transaktionen protokollieren oder Analysen unterstützen kann, muss sie eingerichtet, optimiert, gesichert und aktualisiert werden. Zudem müssen die enthaltenen Daten geschützt werden. All diese Aufgaben sind zeitaufwendig und erfordern ein tiefes Verständnis der Datenbanktechnologie. Heute übernimmt KI diese Tätigkeiten – und verändert damit das Datenmanagement grundlegend. Lassen Sie uns das Ganze näher betrachten.

Was ist eine autonome Datenbank?

Eine Autonomous Database ist eine vollständig verwaltete Cloud-Datenbank, die Aufgaben automatisiert, die traditionell von Datenbankadministratoren (DBAs) übernommen werden. Zu diesen Aufgaben gehören Routinefunktionen wie Datenbankoptimierung, Backups und Updates sowie sicherheitsrelevante Funktionen wie die Datenverschlüsselung.

Durch diese Automatisierung lassen sich Fehlerquellen vermeiden, die durch manuelle Eingriffe entstehen können. Darüber hinaus sparen DBAs Zeit und Aufwand und können ihr Fachwissen für wertschöpfendere Tätigkeiten einsetzen – wie z. B. zur Verbesserung der Anwendungsfunktionen oder zur Bereitstellung geeigneter Datenarchitekturen für KI-Modelle. Ein weiterer entscheidender Vorteil einer Autonomous Database ist die schnelle Bereitstellung: Benutzer wie App-Entwickler, Business-Analysten oder Data Scientists erhalten sicheren Datenzugriff – ganz ohne Unterstützung durch einen DBA.

Wichtige Erkenntnisse

• Eine Autonomous Database ist eine cloudnative Datenmanagement-Plattform, die sich selbst bereitstellen, optimieren und patchen kann und Sicherheitsmaßnahmen ohne manuelles Eingreifen verwaltet.
• Es gibt zwei Varianten: eine, die für Transaktionen und Batch-Analysen optimiert ist, und eine, die speziell für Data Warehousing ausgelegt ist.
• Neben der Entlastung von Datenbankadministratoren von zeitaufwendigen Routineaufgaben trägt eine Autonomous Database auch dazu bei, das Fehlerrisiko zu senken.

Definition einer Autonomous Database

Eine Autonomous Database ist eine Cloud-Datenbank, die KI nutzt, um Aufgaben wie Optimierung, Sicherheit, Backups, Updates und weitere Routinearbeiten zu automatisieren, die traditionell von DBAs durchgeführt werden. Im Gegensatz zu einer herkömmlichen Datenbank führt eine Autonomous Database alle diese Aufgaben und mehr ohne menschliches Eingreifen aus. Daher wird sie oft als selbstverwaltend bezeichnet.

Durch die Automatisierung zahlreicher Prozesse können Betriebskosten gesenkt, Fehlerrisiken reduziert und Sicherheitslücken wirksamer minimiert werden.

Warum eine Autonomous Database nutzen?

Datenbanken speichern geschäftskritische Informationen und sind für effiziente Abläufe in den meisten Unternehmen unverzichtbar. Doch die DBAs, die sie verwalten, sind häufig mit zeitaufwendigen manuellen Aufgaben überlastet. Diese hohe Arbeitsbelastung kann zu Fehlern führen, die negative – mitunter sogar gravierende – Auswirkungen auf Verfügbarkeit, Leistung und Sicherheit haben.

Wird beispielsweise ein Patch nicht korrekt angewendet, kann dies Sicherheitsmechanismen schwächen oder vollständig außer Kraft setzen. Dadurch steigt das Risiko von Sicherheitsverletzungen, die zu erheblichen finanziellen Schäden und Reputationsverlust führen können.

Die zunehmende Komplexität im Datenbankmanagement verdeutlicht einen weiteren wichtigen Vorteil einer Autonomous Database. Eine einzelne KI-gestützte Anwendung kann relationale Daten und JSON-Daten aus Geschäftsanwendungen ebenso benötigen wie Vektor- und Graphdaten für semantische Suchvorgänge. Eine Autonomous Database vereinfacht die dafür erforderliche Datenarchitektur und erleichtert so das Management dieser Vielfalt.

Darüber hinaus kann eine Autonomous Database je nach Bedarf hoch- oder herunterskaliert werden – sei es zur Bewältigung steigender Transaktions- und Data Warehouse-Anforderungen oder für KI-Trainings-Workloads mit sehr großen Datensätzen. Durch die automatisierte Bereitstellung, Skalierung und Optimierung der Datenbankprozesse unterstützt eine Autonomous Database Teams dabei, diese Herausforderungen zu meistern. So werden schnellere Entwicklungszyklen ermöglicht und Datenexperten können sich auf wertschöpfendere Aufgaben konzentrieren.

Funktionsweise einer Autonomous Database

Eine Autonomous Database bietet vollständige End-to-End-Automatisierung für Bereitstellung, Sicherheit, Updates, High Availability, Performance, Änderungsmanagement und Fehlerprävention. Dafür verfügt sie über spezifische Eigenschaften:

• Sie ist selbstverwaltend: Sämtliche Verwaltungs-, Überwachungs- und Optimierungsprozesse von Datenbank und Infrastruktur sind automatisiert. DBAs können sich dadurch auf andere Aufgaben konzentrieren, wie z. B. Datenaggregation, Modellierung, Verarbeitung, Governance-Strategien oder die Unterstützung von Entwicklern bei der Nutzung datenbankinterner Funktionen.
• Sie ist selbstsichernd: Integrierte Sicherheitsmechanismen schützen die Datenbank sowohl vor externen Angriffen als auch vor böswilligen internen Nutzern. Dadurch lassen sich Risiken im Zusammenhang mit ungepatchten oder unverschlüsselten Datenbanken deutlich reduzieren.
• Sie ist selbstreparierend: Features zur Selbstheilung minimieren Ausfallzeiten, auch bei ungeplanter Wartung. Damit erreicht eine Autonomous Database weniger als 2,5 Minuten Ausfallzeit pro Monat – einschließlich der für Patches benötigten Zeit.

Vorteile einer Autonomous Database

Die Vorteile, die ein Unternehmen durch den Einsatz einer Autonomous Database erzielt, hängen davon ab, wie die Teams das System nutzen. So kann ein Großunternehmen zahlreiche heterogene Datenquellen in einer zentralen, einfacher zu verwaltenden Datenbank zusammenführen. Ein kleines Unternehmen wiederum profitiert von einer skalierbaren Enterprise-Datenbank, die ohne umfangreiches IT-Personal betrieben werden kann. Weitere potenzielle Vorteile sind:

• Datenbankverfügbarkeit: Durch automatisches Patching und Sicherheitsupdates lässt sich die Ausfallzeit vermeiden, die für diese notwendigen Aktualisierungen sonst erforderlich wäre.
• IT-Effizienz: Die Automatisierung zahlreicher Aufgaben reduziert zeitaufwendige manuelle Tätigkeiten und minimiert das Risiko menschlicher Fehler.
• Business-Produktivität: Wenn App-Entwickler, Business-Analysten, Data Scientists und andere Nutzer den gesamten Datenbanklebenszyklus eigenständig steuern können, ohne auf die IT warten zu müssen, steigt die Produktivität im gesamten Unternehmen.
• Kostensenkung: Mit einer Autonomous Database können DBAs mehr Datenbanken in derselben Zeit verwalten. So bleibt ihnen mehr Kapazität für höherwertige Aufgaben wie Datenmodellierung oder den Einsatz ihrer SQL-Expertise, um die Anwendungsperformance zu optimieren.

Wichtige Features einer Autonomous Database

Da eine Autonomous Database ein cloudbasierter Datenbankservice ist und KI die Automatisierung vieler traditioneller DBA-Aufgaben ermöglicht, sollten IT-Teams bei der Auswahl eines Systems auf einige wichtige Features achten.

• Automatisches Provisioning: Ein zentraler Vorteil der Autonomie ist die Möglichkeit, geschäftskritische Datenbanken ohne Eingreifen eines DBA bereitzustellen. So kann ein Entwickler beispielsweise schnell eine Datenbank aufsetzen, die im Falle eines Serverausfalls Scale-out-Schutz bietet und Updates im laufenden Betrieb ermöglicht, während Anwendungen weiterlaufen.
• Automatische Konfiguration: Ebenso wichtig ist die automatische Konfiguration der Datenbank zur Optimierung spezifischer Workloads. Wenn Speicherzuordnung, Datenformate, Zugriffsstrukturen und andere Elemente automatisch auf höchste Performance abgestimmt werden, können Kunden ihre Daten einfach laden und sofort loslegen.
• Automatische Indizierung: Dieses Feature überwacht Workloads automatisch und erkennt fehlende Indizes, die Anwendungen verlangsamen könnten. Die Datenbank prüft jeden Index vor der Implementierung und nutzt Machine Learning, um aus Fehlern zu lernen und sich kontinuierlich zu verbessern.
• Automatische Skalierung: Compute-Ressourcen werden je nach Workload automatisch skaliert, sodass echtes Pay-per-Use möglich wird. Die Skalierung erfolgt online, während die Anwendung ohne Unterbrechung weiterläuft.
• Automatisierter Datenschutz: Eine Autonomous Database schützt sensible und regulierte Daten automatisch, bewertet die Sicherheit der Konfiguration und überwacht ungewöhnliche Aktivitäten.
• Automatisierte Sicherheit: Die automatische Verschlüsselung der gesamten Datenbank, aller Backups und Netzwerkverbindungen ist entscheidend. Der Entzug des Betriebssystemzugriffs sowie eingeschränkte Administratorrechte helfen, Phishing-Angriffe zu verhindern und schützen das System sowohl vor externen als auch internen Bedrohungen.
• Automatische Backups: Benötigen Sie automatische tägliche Backups oder Backups auf Abruf? Das System kann eine Datenbank bis zu einem beliebigen Zeitpunkt der letzten 60 Tage wiederherstellen.
• Automatisches Patchen: Patches und Upgrades werden automatisch und ohne Ausfallzeit angewendet. Anwendungen laufen weiter, während die Aktualisierung im Round-Robin-Verfahren über Clusterknoten oder Server verteilt erfolgt.
• Automatisierte Erkennung und Auflösung der Fehler: Mithilfe der Mustererkennung werden Hardwarefehler automatisch ohne lange Zeitüberschreitungen prognostiziert. E/A-Vorgänge werden sofort von fehlerhaften Geräten umgeleitet, um Datenbankprobleme zu vermeiden. Die kontinuierliche Überwachung jeder Datenbank generiert automatisch Serviceanfragen für jegliche Art von Abweichungen.
• Automatisches Failover: Ein automatisches Failover ohne Datenverlust zu einer Standby-Datenbank stellt sicher, dass Anwendungen weiterhin verfügbar bleiben und keine Daten verloren gehen – selbst wenn die primäre Datenbankinstanz ausfällt. Der gesamte Prozess verläuft für Ihre Anwendungen vollständig transparent und wird durch eine SLA von 99,995 % abgesichert.

Arten von Daten, die in einer Autonomous Database gespeichert und verwaltet werden

Informationen, die in einem Datenbankmanagementsystem gespeichert werden, können entweder hochstrukturiert sein – wie Buchhaltungsdaten oder Kundeninformationen – oder unstrukturiert, wie beispielsweise digitale Bild-, Audio- oder E-Mail-Dateien. Der Datenzugriff erfolgt entweder direkt durch Analysten oder Data Scientists oder indirekt durch Kunden und Mitarbeiter über Unternehmenssoftware, Websites oder mobile Apps. Unterschiedliche Anwendungen nutzen Daten in verschiedenen Formaten – auch Datentypen genannt. Während in der Vergangenheit oft separate, auf bestimmte Datentypen spezialisierte Datenbanken erforderlich waren, kann eine Autonomous Database so eingerichtet werden, dass sie alle Arten unterstützt.

Typische Beispiele für Datentypen sind:

• Relationale Daten: Werden in Zeilen und Spalten gespeichert und in Tabellen organisiert. Sie sind der am häufigsten genutzte Datentyp in Geschäftsanwendungen wie ERP- oder CRM-Systemen und dienen sowohl Transaktionen als auch Analysen.
• Dokumentdaten: Sind für Maschinen ebenso wie für Entwickler leicht lesbar und kommen häufig in hochskalierbaren Webanwendungen zum Einsatz. Das gängigste Format ist JSON.
• Graphdaten: Werden so gespeichert und indexiert, dass Abstände und Beziehungen zwischen Datenpunkten leicht erkennbar sind. Sie werden häufig für Mapping- und Analyseanwendungen genutzt. Zudem werden sie zunehmend zusammen mit Vektordaten eingesetzt, um die Genauigkeit semantischer Suchvorgänge zu verbessern.
• Vektordaten sind eine KI-Berechnung, die die Merkmale eines digitalen Objekts darstellt – wie z. B. eines Wortes, Satzes, Dokuments, Bildes, Videos oder einer Audiodatei. Vektoren werden häufig in einer Vektordatenbank gespeichert und indexiert. Diese ermöglicht es Computern, unstrukturierte Daten nach Merkmalen oder semantischer Bedeutung zu durchsuchen – anstatt nach Pixeln oder Schlüsselwerten. Damit bildet diese Technologie einen Grundpfeiler für große Sprachmodelle (LLMs) und andere KI-Systeme.

Workloads einer Autonomous Database

Autonomous Databases sind so abgestimmt, dass sie unterschiedliche Workload-Typen optimal unterstützen. Beliebte Einsatzszenarien sind:

• Data Warehouse: Diese Systeme übernehmen zahlreiche Funktionen im Bereich Business Intelligence auf Basis zuvor aufbereiteter Daten. Ein autonomes Data Warehouse kann in Sekundenschnelle bereitgestellt werden und Millionen von Zeilen rasch durchsuchen.
• Transaktionsverarbeitung: Eine autonome Transaktionsverarbeitungsdatenbank, vorkonfiguriert für Zeilenformate, Indizes und Daten-Caching, ermöglicht die gleichzeitige Verarbeitung einer deutlich höheren Anzahl von Transaktionen.
• Speicherung von Dokumentdaten: Daten wie JSON können in einer NoSQL-Dokumentdatenbank als einzelne, in sich geschlossene Dokumente gespeichert und schnell sowie unkompliziert abgerufen werden. Eine autonome JSON-Datenbank kombiniert dabei die Vorteile des Dokument- und des relationalen Modells.

Autonomous Database – Anwendungsfälle

Eine Autonomous Database kann überall dort eingesetzt werden, wo bislang relationale, Dokument-, Graph- oder Vektordatenbanken in der Cloud genutzt werden – und bringt dabei neue Dimensionen an Effizienz und Skalierbarkeit. Dazu gehört auch die Bereitstellung sämtlicher Tools für unterschiedlichste KI-Projekte an einem zentralen Ort.

Hier sind einige praktische Anwendungsbeispiele:

• Optimierung des Betriebs einer global skalierbaren SaaS-Anwendung. Eine Autonomous Database kann eingesetzt werden, um die Effizienz und Skalierbarkeit von Branchenanwendungen zu steigern, auf die sich globale Hersteller verlassen.
• Begrenzung der Anzahl verwalteter Datenbanken in großen Organisationen. Eine skalierbare Autonomous Database ermöglicht die Konsolidierung von Daten aus unterschiedlichsten Quellen. So können selbst die größten Unternehmen mithilfe von Datenbankautomatisierung den Zeitaufwand für das Erfassen, Aufbereiten und Visualisieren von Informationen erheblich reduzieren.
• Skalierbare Analysen für ein datenintensives Startup bereitstellen. Eine autonome Datenbank kann einem Start-up im Gesundheitswesen helfen, den riesigen Datensatz zu verarbeiten, der erforderlich ist, um genetische Daten zu sequenzieren, und die Zeit, die benötigt wird, um die Informationen für eine Diagnose bereitzustellen, erheblich verkürzen.
• KI-gestützten Kundensupport und Analysen verbessern. Durch die Speicherung von Daten aus Nutzerinteraktionen mit einem KI-gestützten Chatbot kann ein Anbieter von Sicherheitsausrüstung die Datenbank per natürlicher Sprache abfragen lassen – und so die Reaktionszeiten im Kundenservice deutlich beschleunigen.

Intelligente Technologien unterstützen Autonomous Databases

Mehrere grundlegende intelligente Technologien unterstützen Autonomous Databases und ermöglichen so die Automatisierung alltäglicher, aber entscheidender Aufgaben wie Routinewartung, Skalierung, Sicherheitsupdates und Datenbankoptimierung. Beispielsweise umfassen die KI-Algorithmen einer Autonomous Database Funktionen wie Abfrageoptimierung, automatische Speicher- und Storageverwaltung, um vollständiges Self-Tuning zu ermöglichen.

KI trägt außerdem dazu bei, die Datenbanksicherheit zu verbessern, indem große Mengen an protokollierten Daten analysiert und Auffälligkeiten oder Anomalien erkannt werden – idealerweise bevor Angreifer Schaden anrichten können. Darüber hinaus kann KI die Datenbank automatisch und kontinuierlich patchen, optimieren, sichern und aktualisieren – ohne manuelles Eingreifen und bei laufendem Betrieb. Diese Automatisierung reduziert das Risiko, dass menschliche Fehler oder böswilliges Verhalten den Betrieb oder die Sicherheit der Datenbank beeinträchtigen.

Zusätzlich können Autonomous Databases die folgenden Funktionen bereitstellen:

• Einfache Skalierbarkeit: Ein cloudbasierter Datenbankservice kann Compute- und Speicherressourcen sofort und flexibel erweitern oder reduzieren. So lässt sich beispielsweise die Datenbank für Quartalsabschlüsse von acht auf 16 Verarbeitungseinheiten hochskalieren und anschließend wieder auf acht zurückfahren. Tatsächlich können am Wochenende sogar alle Compute-Ressourcen abgeschaltet werden, um Kosten zu senken, und am Montagmorgen erneut gestartet werden.
• Müheloses Datenbank-Patching: Viele Datenpannen entstehen durch Systemschwachstellen, für die zwar Patches verfügbar sind, die jedoch noch nicht eingespielt wurden. Dadurch stellt eine Autonomous Database sicher, dass Patches automatisch und ohne Unterbrechungen in einer koordinierten Abfolge auf die Cloud-Server angewendet werden.
• Integrierte Intelligenz: Eine Autonomous Database vereint Monitoring-, Management- und Analysefunktionen, die auf KI-gestützten Verfahren basieren. Ziel ist es, die Datenbankoptimierung zu automatisieren, Anwendungsausfälle zu vermeiden und die Sicherheit der gesamten Datenbankanwendung zu verbessern.

Der Entwickler-Vorteil: Skalierbare und sichere Unternehmensanwendungen erstellen

Mit einer autonomen Datenbank haben Entwickler viele Möglichkeiten, skalierbare und sichere Unternehmensanwendungen zu erstellen – und das in einer vollständig verwalteten Umgebung. Der Prozess beginnt mit einer einfachen, kosteneffizienten Umgebung für die Entwicklung und das Testen von Anwendungen, bevor diese in einer Produktionsumgebung bereitgestellt werden. Da autonome Datenbanken in der Cloud gehostet werden, ist kein DBA erforderlich, um neue Instanzen bereitzustellen. Das macht sie zu einer attraktiven und sehr erschwinglichen Option. Entwickler können unbegrenzt viele Datenbanken anlegen – stets zu einem festen Pauschalpreis.

Entwickler und andere Teams mit Anwendungsideen können zudem auf hilfreiche Features und integrierte Tools zugreifen, wie z. B. auf eine Low-Code-Entwicklungsumgebung und Container-Images. Damit können Nutzer offline arbeiten und anschließend Instanzen in der Cloud klonen und bereitstellen. Entwickler schätzen zudem KI-Funktionen direkt in der Datenbank sowie die native Unterstützung verschiedener Datentypen wie JSON, Vektoren, Graphen, räumliche Daten und relationale Daten.

App-Innovationen mit Oracle beschleunigen

Möchten Sie die Geschwindigkeit Ihrer Anwendungsentwicklung mit einer einzigen Datenbank steigern, die alles kann? Die Oracle Autonomous Database ist für KI entwickelt und unterstützt Ihr Unternehmen dabei, skalierbare KI-gestützte Anwendungen mit jedem Datentyp zu erstellen, wobei Sie das LLM Ihrer Wahl nutzen können. Anschließend können Sie Ihre Anwendungen in der Cloud oder in Ihrem Data Center bereitstellen.

Ihre Entwickler können Retrieval Augmented Generation (RAG) einfach über proprietäre Dokumente in verschiedenen Formaten für die KI Vektorsuche nutzen. Zudem stehen integrierte KI Services bereit, um Anwendungen mit Text- und Bildanalyse, Spracherkennung oder personalisierten Empfehlungen zu erweitern.

Darüber hinaus übersetzt Oracle Autonomous Database natürliche Sprache automatisch in Datenbankabfragen und ermöglicht so kontextbezogene Gespräche ohne individuelle Programmierung oder manuelle Eingriffe.

Die Autonomous Database bietet eine einheitliche Datenplattform für die Anforderungen Ihres Unternehmens, anstelle einer Vielzahl von Spezialdatenbanken, die die IT verwalten muss. Mit Oracle können Sie Datenarchitekturen vereinfachen, indem Sie SQL, JSON-Dokumente, Graphen, Geodaten, Texte und Vektoren in einer einzigen Datenbank verwenden, um schnell neue Features zu entwickeln. Tatsächlich stellt Oracle sogar eine beliebte Umgebung bereit, in der Anwendungen ohne Programmierung erstellt werden können. Konzentrieren Sie sich ganz auf die Entwicklung geschäftskritischer Anwendungen – mit einer Datenbank, die durch automatisierte Maßnahmen und kontinuierliche Überwachung die Verfügbarkeit und Datensicherheit optimiert.

Und bedenken Sie: Durch die Automatisierung des unermüdlichen Zyklus von Patching, Tuning und Updates wird die Rolle des Datenbankadministrators nicht überflüssig. Sie gewinnt an Bedeutung. Befreit von Routineaufgaben können sich Ihre IT-Fachkräfte auf wertschöpfendere Tätigkeiten konzentrieren, wie z. B. die Optimierung der Datenarchitektur, strategische Analysen und die Nutzung von Daten als Wachstumsmotor und Wettbewerbsvorteil für Ihr Unternehmen.

Häufig gestellte Fragen zur Autonomous Database

Welche Vorteile bieten autonome Datenbanken im Datenmanagement?

Eine autonome Datenbank vereinfacht das Datenmanagement, indem sie KI, Entwicklungsoberflächen und viele Datentypen in einem einzigen System vereint. Zudem automatisiert sie zahlreiche alltägliche und zeitintensive Aufgaben, sodass Datenbankadministratoren mehr Zeit für wertschöpfende Tätigkeiten wie Datenmodellierung oder Datenanalysen haben.

Autonomes Datenmanagement ist ein System, das zahlreiche tägliche Aufgaben im Datenmanagement mithilfe von KI übernimmt. Dazu gehören unter anderem die Bereitstellung, Aktualisierung, das Patching und die Optimierung der Datenbank – Aufgaben, die KI mit minimalem menschlichem Eingreifen übernehmen kann.