Confluent stellt Streamhouse-Architektur vor, um KI mit Echtzeit-Geschäftskontext zu versorgen

Image: IBM · Source

Confluent, ein IBM-Unternehmen, hat seine Streamhouse-Datenarchitektur vorgestellt, die kontinuierlich Echtzeit-Geschäftsdaten integriert und verwaltet, sodass KI-Agenten und Anwendungen Entscheidungen auf Basis einer konsistenten aktuellen Sicht auf die Unternehmensabläufe treffen können.

Am 4. November 2026 kündigte Confluent, nun Teil von IBM, die Einführung seiner Streamhouse-Architektur an – eine neue Dateninfrastruktur, die KI-Agenten, Anwendungen und Analysen einen aktuellen Geschäftskontext in Echtzeit liefert. Diese Architektur adressiert eine zentrale Herausforderung, der Unternehmen gegenüberstehen, da KI zunehmend Entscheidungen steuert: Unterschiedliche Systeme verfügen oft über widersprüchliche oder veraltete Ansichten der Geschäftsprozesse, was zu Fehlern in KI-gesteuerten Abläufen führt.

Traditionelle Data Lakes, Data Warehouses und Lakehouses wurden primär für Batch-Reporting entwickelt und unterstützen nicht die Echtzeit-Datenanforderungen von KI-Workflows, die kontinuierlich operieren. Systeme, die asynchron aktualisieren, können zu inkonsistenten Zuständen führen – wie etwa das Beispiel von Fluglinienoperationen, Terminplanung und Reservierungsverwaltung, die jeweils unterschiedliche Ansichten unabhängig verfolgen. Streamhouse erfasst, verarbeitet, verwaltet und liefert durchgängig einen einheitlichen, aktuellen Geschäftsstatus und stellt sicher, dass KI-Agenten mit korrekten und zeitnahen Informationen agieren.

Die Data Streaming Platform (DSP) von Confluent unterstützt nun vollumfänglich den Aufbau eines Streamhouse durch die Integration von fünf Säulen – Stream, Connect, Process, Govern und das neu hinzugefügte Query. Apache Kafka bildet das Streaming-Rückgrat, während Ergänzungen wie Lightning Tables einen SQL- und API-Zugriff mit geringer Latenz auf aktualisierte Geschäftsdaten ermöglichen, ohne separate Datenbanken oder Caches zu benötigen. Lightning Tables, die allgemein auf AWS verfügbar sind, reduzieren die Abfragelatenz auf 10–100 Millisekunden und unterstützen eine hohe Abfragekapazität, was die Echtzeit-Bereitstellung von Geschäftskontext praktikabel und kosteneffizient macht.

Unternehmen wie Accenture haben die Streamhouse-Architektur übernommen, um den Datenzugriff zu dezentralisieren und die Erkenntnisgewinnung von Monaten auf Tage zu verkürzen. Die Plattform unterstützt hybride Umgebungen und nutzt IBMs Integrations-, Governance- und KI-Fähigkeiten, um Daten nahtlos zu vereinheitlichen.

Die Architektur basiert auf drei zentralen Prinzipien: die kontinuierliche Aktualisierung und Governance eines aktuellen Geschäftskontexts, die Bereitstellung von Produktionsqualität und die Dezentralisierung von Daten, sodass sie dort zugänglich sind, wo sie benötigt werden, ohne erzwungene Konsolidierung. Dieser Ansatz ergänzt bestehende Data Warehouses und Lakehouses durch eine operative Echtzeit-Schicht, die für KI-Funktionen entscheidend ist.

Confluent bietet praxisnahe Labs und Schnellstart-Anleitungen, um Organisationen beim Aufbau von Streamhouse-Lösungen mithilfe von Confluent Cloud, Apache Flink und weiteren Tools zu unterstützen. Das Unternehmen betont, dass Streamhouse Unternehmen befähigt, KI-Agenten mit wahrheitsgemäßen, aktuellen Betriebsdaten zu versorgen und so reaktionsschnellere Betrugserkennung, Kundenservice und operative Entscheidungen zu ermöglichen.

Shaun Clowes, General Manager von Confluent und Data bei IBM, sagte: „Die nächste Ära der unternehmerischen KI wird von den Agenten gewonnen werden, die wissen, was im Unternehmen passiert, in dem Moment, in dem sie handeln.“ Das von Confluent betriebene Streamhouse wird als grundlegende Technologie positioniert, um diese Vision zu realisieren und eine live verwaltete Sicht auf Unternehmensdaten bereitzustellen, die für zeitnahe, präzise KI-gesteuerte Entscheidungen erforderlich ist.