Trotz hoher Investitionen in Künstliche Intelligenz behindern Dateninfrastruktur-Herausforderungen den Fortschritt. Starburst setzt auf föderierten Zugriff statt umfassender Datenmigration.
Unternehmen stehen vor einer anhaltenden Kluft zwischen ambitionierten KI-Zielen und den praktischen Gegebenheiten ihrer Datenlandschaften. Langsame Datenaufbereitungszyklen, fragmentierte Quellen sowie Fragen zu Governance und Kontext erschweren den Einsatz zuverlässiger KI-Systeme. Eine Präsentation von Korbinian Zollner, Director Solution Architects bei Starburst, beleuchtete diese Themen beim Munich Data Breakfast am 10. Juni 2026.
Die Kluft zwischen Erwartungen des Business und den Kapazitäten der IT bleibt eine zentrale Herausforderung der digitalen Transformation. Geschäftsbereiche fordern schnelle Erkenntnisse und unmittelbare Reaktionen auf Veränderungen, während IT-Abteilungen komplexe, verteilte Datenlandschaften aus Cloud-, On-Premises- und Hybrid-Systemen verwalten. Traditionelle Ansätze, die auf die Zentralisierung von Daten in Warehouses oder Lakes setzen, erfordern oft monatelange Vorbereitungen inklusive Sourcing, Bereinigung, Deduplizierung und Konsolidierung.
Starburst, dessen Ursprünge in der Open-Source Presto Query-Engine bei Facebook 2012 liegen, positioniert sich als Anbieter föderierter Datenzugriffs-Lösungen. Nach der Umbenennung zu Trino 2020 und dem Launch von Starburst Galaxy 2021 bietet das Unternehmen sowohl vollständig gemanagte Cloud-Dienste als auch selbstverwaltete Enterprise-Deployment-Optionen. Die Plattform agiert als SQL-Query-Engine, die Verbindungen zu diversen Datenquellen – darunter Lakes, Warehouses und operative Datenbanken – herstellt, ohne umfassende Datenbewegungen zu erfordern.
Dieses Föderationsmodell zielt darauf ab, zentrale Schmerzpunkte zu adressieren. Connectoren ermöglichen Abfragen über AWS, Azure, Google Cloud, Oracle und weitere Systeme. Sicherheitsfunktionen sind integriert und nicht nachgelagert, was Governance in hybriden Umgebungen unterstützt. Das Unternehmen verzeichnet starke Marktdurchdringung, darunter die Erreichung von 100 Millionen Dollar Annual Recurring Revenue, Partnerschaften mit Dell, NVIDIA, Accenture, Deloitte und anderen sowie signifikante Adoption in Europa, wo Deutschland der drittgrößte Markt ist.
Die Relevanz für KI ist besonders ausgeprägt. Während Investitionen vor allem in Coding und Modellentwicklung fließen, bleibt strukturierte Daten die grundlegende „Ground Truth“ für Enterprise-KI. Viele KI-Initiativen stocken aufgrund unzureichenden Datenzugriffs, fehlenden Business-Kontexts und begrenzten Vertrauens in die Ergebnisse. Starburst betont, dass effektive KI nicht nur performante Modelle, sondern auch zuverlässige Datengrundlagen erfordert, die Kontext und Governance liefern.
Zu den jüngsten Entwicklungen zählen Context Studio und der AIDA-Agent. Context Studio gewinnt Bedeutung aus bestehenden Business-Katalogen, BI-Tools, ETL-Prozessen und Query-History, um governte Data Products zu schaffen. AIDA, bereits verfügbar, fungiert als agentische Schnittstelle, die natürliche Sprachabfragen interpretieren, Workflows unterstützen und traditionelle BI-Tools ergänzen oder ersetzen kann. Es lässt sich anpassen, einbetten und white-labelen, wobei der interne Einsatz bei Starburst Produktivitätssteigerungen zeigt.
Die Innovations-Roadmap des Unternehmens konzentriert sich auf vier Säulen: flexible Data Foundation, performante Analytics Engine, Enterprise Context Layer und Trusted Agentic Interface. Diese Struktur soll KI-Bereitschaft ohne umfangreiches Replatforming ermöglichen und Datensouveränität sowie Offenheit für Formate wie Apache Iceberg wahren.
Beobachter stellen fest, dass Data Gravity und Application Volatility anhaltende Kosten und Risiken für Unternehmen erzeugen. Föderierte Plattformen wie die von Starburst bieten hier eine Antwort, indem sie den Zugriff über verteilte Landschaften stabilisieren. Dennoch bestehen Herausforderungen, darunter der Wettbewerb durch Hyperscaler (Microsoft Fabric, AWS Redshift, Google BigQuery) und andere Analytics-Anbieter. Starburst hebt die Komplementarität zu Tools wie Databricks und Snowflake hervor, insbesondere bei großen Datenmengen, On-Premises- oder Hybrid-Szenarien.
Zusammenfassend gilt: Obwohl KI die Technologie-Diskussionen dominiert, hängt nachhaltiger Fortschritt von der Lösung zugrunde liegender Dateninfrastruktur-Probleme ab. Ansätze, die auf intelligenten Zugriff und Föderation setzen, könnten die Lücke zwischen Anspruch und Umsetzung in Unternehmensumgebungen verringern.
Dr. Jakob Jung ist Chefredakteur Security Storage und Channel Germany. Er ist seit mehr als 20 Jahren im IT-Journalismus tätig. Zu seinen beruflichen Stationen gehören Computer Reseller News, Heise Resale, Informationweek, Techtarget (Storage und Datacenter) sowie ChannelBiz. Darüber hinaus ist er für zahlreiche IT-Publikationen freiberuflich tätig, darunter Computerwoche, Channelpartner, IT-Business, Storage-Insider und ZDnet. Seine Themenschwerpunkte sind Channel, Storage, Security, Datacenter, ERP und CRM.
Kontakt – Contact via Mail: jakob.jung@security-storage-und-channel-germany.de