01 Unternehmensdatenplattformen entwickeln sich zu KI-fähigen DatengrundlagenDer Markt für Enterprise Data Management (EDM) wandelt sich von traditioneller Speicherung und Berichtserstellung hin zu Plattformen, die vertrauenswürdige Daten für generative und agentenbasierte KI bereitstellen. Anbieter kombinieren daher Integration, Metadaten, Datenherkunft, Qualitätssicherung, Kataloge und Governance in einheitlichen Datenarchitekturen. Dies reduziert die Abhängigkeit von fragmentierten Tools und ermöglicht es Unternehmen, KI-Anwendungen mit Geschäftskontext anstatt mit unzusammenhängenden Datensätzen zu versorgen. Der Trend erweitert das Enterprise Data Management von einer Backoffice-IT-Funktion zu einer Kerninfrastruktur, die KI-Anwendungen, Analysen, Automatisierung und Unternehmensentscheidungen unterstützt.Im Juni 2025 brachte IBM watsonx.data integration und watsonx.data intelligence auf den Markt, die Datenbewegung mit Governance, Qualität, Herkunft und Freigabe für strukturierte und unstrukturierte Unternehmensdaten kombinieren.
01 Die zunehmende Verbreitung von KI führt zu einer steigenden Nachfrage nach vertrauenswürdigen und kontrollierten Daten.Die Einführung von KI in Unternehmen treibt Firmen dazu an, die Qualität, den Kontext und die Governance ihrer zugrundeliegenden Informationen zu verbessern. KI-Modelle und -Systeme können unzuverlässige Ergebnisse liefern, wenn Unternehmensdaten unvollständig, doppelt vorhanden, inkonsistent oder schlecht interpretiert sind. Organisationen benötigen daher ein stärkeres Stammdatenmanagement, Metadaten, Datenherkunft, Qualitätskontrollen und eine verbesserte Integration, bevor sie KI in wichtige Geschäftsprozesse einführen.
01 Fragmentierte hybride Datenumgebungen erhöhen die ModernisierungskomplexitätUnternehmensdaten sind häufig über lokale Systeme, öffentliche Clouds, SaaS-Anwendungen, Data Warehouses, Dokumente und Streaming-Plattformen verteilt. Die Konsolidierung dieser Umgebungen gestaltet sich schwierig, da Unternehmen unterschiedliche Datenmodelle, Sicherheitskontrollen, Legacy-Anwendungen, Integrationsmethoden und Geschäftsdefinitionen verwalten müssen. Die Migration aller Daten auf eine einzige Plattform kann zudem Kosten verursachen und bestehende Systeme beeinträchtigen. Daher setzen Unternehmen oft auf Hybridarchitekturen, die Konnektoren, Metadatenmanagement, Föderation und eine standortübergreifende Governance erfordern. Diese Komplexität kann Projekte im Bereich Enterprise Data Management verlangsamen und den Bedarf an Fachkräften und Ressourcen für die Implementierung erhöhen. Anbieter müssen daher verteilte Daten unterstützen und gleichzeitig unnötige Migrationen und Duplikate minimieren, anstatt davon auszugehen, dass jeder Kunde seine bestehende Infrastruktur ersetzen kann.
01 Neue Regeln zum Datenaustausch erweitern die Datenökosysteme von Unternehmen.Regeln, die Unternehmen einen besseren Zugriff auf Daten vernetzter Produkte ermöglichen, eröffnen neue Chancen für Anbieter von Enterprise-Datenmanagement-Lösungen. Industrieanlagen, Fahrzeuge, intelligente Geräte und andere vernetzte Produkte generieren kontinuierlich Betriebsinformationen, die Wartung, Effizienzsteigerung, Produktentwicklung und Analysen unterstützen. Mit klareren Zugriffs- und Freigaberechten benötigen Unternehmen Plattformen, die diese Informationen sicher erfassen, organisieren, verwalten und verteilen können. Dies eröffnet Möglichkeiten für Datenintegration, Kataloge, Stammdaten, Governance, Interoperabilität und Cloud-Management-Lösungen. Anbieter, die den kontrollierten Datenaustausch zwischen Herstellern, Kunden, Dienstleistern und Geschäftspartnern vereinfachen, können die Nachfrage bedienen, da sich Enterprise-Datenmanagement über interne Unternehmensinformationen hinaus auf breitere digitale Ökosysteme ausdehnt.
01 Schutz wachsender Datenbestände bei gleichzeitiger Aufrechterhaltung der ZugänglichkeitEine zentrale Herausforderung besteht darin, Unternehmensinformationen zu schützen und gleichzeitig den Zugriff für Mitarbeiter, Anwendungen, Analysesysteme und KI-Systeme zu gewährleisten. Zentralisierte Datenplattformen können die Transparenz verbessern, aber auch die Auswirkungen von Sicherheitslücken verstärken.Zugriffskontrollenoder Sicherheitslücken. Unternehmen müssen sensible Informationen fortlaufend klassifizieren, Berechtigungen verwalten, die Nutzung überwachen, Prüfprotokolle führen und Richtlinien für große Datenbestände anwenden. Diese Herausforderung wird noch komplexer, wenn KI-Systeme Zugriff auf Unternehmensinformationen erhalten und Aktionen automatisch ausführen. Unternehmen müssen die breitere Datenverfügbarkeit mit den Anforderungen an Datenschutz, Cybersicherheit, Einhaltung gesetzlicher Bestimmungen und Rechenschaftspflicht in Einklang bringen.
Mai 2025:Informatica hat eine strategische Vereinbarung mit Microsoft geschlossen, um die Einführung KI-gestützter Datenmanagementlösungen in Unternehmen zu beschleunigen. Im Mittelpunkt der Zusammenarbeit stand die Integration der Informatica Intelligent Data Management Cloud™ mit Microsoft Azure und Microsoft Fabric, um Unternehmen beim Aufbau vertrauenswürdiger, kontrollierter und KI-fähiger Datenumgebungen zu unterstützen.
Mai 2025:Informatica hat seine Partnerschaft mit Databricks ausgebaut, um Unternehmen bei der Modernisierung veralteter Datensysteme und dem Übergang zu KI-fähigen Cloud-Datenarchitekturen zu unterstützen. Die Zusammenarbeit vereint die Datenmanagement-Funktionen von Informatica mit der Databricks Data Intelligence Platform.
Mai 2025:Informatica hat die Verfügbarkeit seiner Master Data Management (MDM) SaaS-Lösung auf Oracle Cloud Infrastructure (OCI) bekannt gegeben und stärkt damit die cloudbasierten Funktionen für Daten-Governance, Integration und Stammdatenmanagement für Unternehmenskunden.
Mai 2025:Salesforce hat eine endgültige Vereinbarung zur Übernahme von Informatica für rund 8 Milliarden US-Dollar unterzeichnet. Ziel der Übernahme ist die Erweiterung der KI-Fähigkeiten von Salesforce im Unternehmensbereich durch die Integration der Technologien von Informatica in den Bereichen Datenintegration, Daten-Governance, Metadatenmanagement, Datenqualität und Stammdatenmanagement.