Neue Funktionen in Version 6.2.

Diese unterstützen Data-Science-Funktionen, ermöglichen eine noch höhere Performance und eine bessere Integration. Darüber hinaus bietet Exasol nun auch einen Cloud-Deployment- und einen Konfigurations-Assistenten. Diese sorgen für die einfache Bereitstellung, die Konfiguration und den reibungslosen Betrieb der Analytics-Datenbank in AWS, Microsoft Azure und der Google Cloud Platform (GCP).

»Wir bei Exasol glauben an Innovationen. Deshalb arbeiten wir ständig an unserer Datenbank, um sicherzustellen, dass wir immer einen Schritt voraus sind und unseren Kunden den bestmöglichen Service bieten«, sagt Mathias Golombek, CTO von Exasol. »Für Unternehmen, die in die Cloud einsteigen, ist die hybride Bereitstellung ein Muss. Sie stellt eine einfachere Migration sicher und sorgt dafür, dass das Unternehmen die Umstellung in seinem eigenen Tempo vornehmen kann. Das Hybridmodell hält Risiken und Kosten unter Kontrolle und bietet gleichzeitig Skalierbarkeit, die Bereitstellung der Infrastruktur sowie Effizienz- und Effektivitätsvorteile. Deshalb war es uns ein Anliegen, unsere Datenbank für die Public Cloud bereitzustellen und zu konfigurieren.«

Exasol ermöglicht es Teams, Zeit zu sparen und Erkenntnisse über das gesamte Unternehmen zu erhalten, indem statistische Modelle auf Rohdaten in jeder Data-Science-Sprache ausgeführt werden. Das neue Release enthält Innovationen, die den Arbeitsalltag für Data-Science-Teams erleichtert. Es ermöglicht Unternehmen zudem, intelligente Algorithmen aus den Bereichen Machine Learning (ML) und Artificial Intelligence (AI) umzusetzen. Dies wurde durch die Veröffentlichung von Python 3 mit Data Frame Support erreicht. Darüber hinaus stellt Exasol auch vorkompilierte Data-Science-Container wie Tensorflow Keras, Scikit learn und andere zur Verfügung. Insgesamt wurden sieben solcher vorkompilierten Container hinzugefügt, die alle Open-Source-basiert sind, damit die Technologie noch einfacher eingesetzt werden kann. Mit diesem Ansatz vereinfacht Exasol die Implementierung von Data Science, ML und AI.