Latest / M365.FM – Microsoft 365, Copilot & KI Podcast auf Deutsch / Fabric Data Activator: Echtzeit-Automatisierung statt Dashboards beobachten (KI-Synchronfassung)

Transcript

Fabric Data Activator: Echtzeit-Automatisierung statt Dashboards beobachten (KI-Synchronfassung) · M365.FM – Microsoft 365, Copilot & KI Podcast auf Deutsch

0:00
Bereit für 10 Tage voller Microsoft 365 Co-Pilot, KI-Azure und den Menschen, die die Zukunft der Arbeit gestalten.
0:07
Diesen Januar ist die M3 365 CON zurück und wir legen noch eins drauf.
0:12
Seien Sie dabei Live-Sessions, Praxis-Demos und Expertenwissen von MVPs und Branchenkennern aus aller Welt.
0:18
Keine generischen Folien. Kein endloses Buzzword-Bingo.
0:21
Wir gehen die echten Herausforderungen an.
0:23
Co-Pilot Studio, KI-Agenten, Fabric, Sicherheit, Governance und Automatisierung.
0:28
Ob IT-Profi, Entwickler oder Führungskraft-E-S, gibt Sessions, die genau auf Sie zugeschnitten sind.
0:35
An 10 vollen Tagen können Sie vielfältige Technologien erkunden und sich mit einer globalen Community vernetzen.
0:40
Sehen Sie Live-Zu und nehmen Sie praktische Erkenntnisse für Ihr Unternehmen mit.
0:45
Januar 2027, 10 Tage, eine Microsoft Community.
0:49
Die Registrierung ist jetzt eröffnet.
0:51
Sichern Sie sich heute Ihren Platz.
0:54
Das ist M3 365 CON.NET.
1:00
Melden Sie sich jetzt unter m335.NET an und wir sehen uns live im Januar.
1:05
Haben Sie sich jemals gefragt, ob Ihre Daten handeln könnten, ohne dass Sie sie überhaupt berühren?
1:08
Stellen Sie sich vor, Sie bemerken einen Lagebestandsrückgang in Echtzeit.
1:11
Und anstatt eine E-Mail zu senden oder ein Dashboard zu prüfen, bestellt Ihr System die Ware einfach für Sie.
1:16
Das ist keine bloße Theorie.
1:17
Das ist Fabric Data Activator in Aktion.
1:19
Heute verbinden wir die Punkte zwischen Rohdaten, sofortigen Benachrichtigungen und automatisierten Reaktionen und zeigen Ihnen, wie das Zusammenspiel mit Power BI, Synapse und dem restlichen Microsoft Fabric funktioniert, um Erkenntnisse unverzüglich in Taten umzusetzen.
1:33
Das fehlende Glied in Ihrem Datenkreis.
1:35
Die meisten Teams behaupten, sie arbeiten in Echtzeit, doch sobald man hinter die Kulissen schaut, fühlt sich alles eher nach nächstem Tag an.
1:43
Dashboards aktualisieren sich alle 15 Minuten, 30 Minuten oder manchmal nur einmal pro Stunde.
1:48
Bis dahin hat sich das Muster, das Sie hätten erkennen müssen, längst verschoben und der Bericht, den Sie sehen, ist eher eine Nachbesprechung als ein Live-Feed.
1:55
Sie verfolgen das Spielgeschehen erst, nachdem der Endstand längst feststeht.
1:58
Das Problem ist nicht, dass BI-Tools Ihnen nicht zeigen, was passiert. Darin sind Sie meist sehr gut.
2:04
Das fehlende Puzzleteil ist das, was passiert, nachdem Sie es gesehen haben.
2:07
Momentan verlassen sich die meisten Workflows darauf, dass ein Mensch die Änderung bemerkt, entscheidet, was zu tun ist und dies dann ausführt.
2:14
Er schafft einen Flaschenhals.
2:15
Selbst so einfache Dinge wie das Versenden einer E-Mail an Kunden bei sinkenden Kennzahlen sind oft manuelle Aufgaben, weil das System nicht darauf ausgelegt ist, Erkenntnisse direkt mit Handlungen zu verknüpfen.
2:25
Diese Verzögerung ist der Grund, warum so viele Chancen ungenutzt verstreichen.
2:29
Eine Werbeaktion, die drei Stunden zu spät nach einem Umsatzeinbruch startet, verliert Ihre Dringlichkeit.
2:34
Ein Anstieg von Website-Fehlern, der bis zum nächsten Meeting unbeachtet bleibt, kostet uns Conversions, die wir nie wieder zurückgewinnen.
2:41
Die Lücke zwischen Wissen und Handeln ist genau der Bereich, in dem Fabric Data Activator zu Hause ist.
2:45
Und er wurde entwickelt, um diese Lücke auf Sekunden zu verkürzen.
2:47
Da er nativ in Microsoft Fabric integriert ist, müssen Sie mit Data Activator nicht ständig Datenquellen exportieren, verbinden oder verwalten.
2:56
Er liest Ereignisströme in Echtzeit und reagiert sofort, wenn eine von Ihnen definierte Bedingung erfüllt ist.
3:02
Der Unterschied besteht darin, dass er nicht bei einer Warnung stehen bleibt, sondern eine Kettenreaktion in den übrigen Systemen auslösen kann.
3:07
Stellen Sie sich vor, ein Live-Verkaufs-Feed überwacht die Leistung in verschiedenen Regionen.
3:11
Normalerweise würden Sie einen plötzlichen Abfall in einer Region auf Ihrem Dashboard bemerken, Nachforschungen anstellen, ein gezieltes Angebot entwerfen, die Genehmigung einholen und die Aktion starten.
3:20
Warten. Es könnte eine Stunde dauern.
3:23
Mit Data Activator könnte derselbe Abfall einen vorab genehmigten API-Aufruf an Ihr Marketing-Automatisierungssystem auslösen, der innerhalb von Minuten ein gezieltes Angebot startet, bevor Wettbewerber überhaupt eine Schwäche erkennen.
3:34
Kein Warten darauf, dass die richtige Person es bemerkt. Keine Verzögerung durch Überlegungen bei offensichtlichen Schritten.
3:39
Das ist der eigentliche Wandel.
3:39
Herkömmliche BI-Tools verfolgen. Data Activator hört zu und reagiert.
3:44
Bei einer typischen Power BI-Aktualisierungsrate von beispielsweise 30 Minuten kann die Erkennung bereits hinter dem Zeitpunkt zurückbleiben, an dem die Änderung begann.
3:53
Data Activator-Trigger können auf Ereignisströme in nahezu Echtzeit reagieren, innerhalb von Sekunden.
3:58
Abhängig von der Quelle, wodurch der Moment des Handelns viel enger mit dem auslösenden Ereignis selbst übereinstimmt.
4:05
Und da er fest in Fabric integriert ist, ist er nicht auf ein einziges Dashboard oder einen Datensatz beschränkt.
4:09
Er kann mit jedem Teil des Ökosystems verknüpft werden, wo es sinnvoll ist.
4:13
Dieser Streaming-Feed könnte Teil einer Synapse-Daten-Pipeline sein, die dann mehrere nachgelagerte und KI-Modelle speist.
4:21
Wenn etwas Wichtiges passiert, flüstert Data Activator nicht nur ihrem Dashboard zu.
4:26
Er sendet das Signal direkt an die Systeme, die in der Lage sind, das Problem zu beheben oder die Gelegenheit sofort zu nutzen.
4:32
Dies ist die Brücke zwischen Beobachtung und Ausführung.
4:34
Anstatt den Chat ihres Teams mit FYI-Nachrichten zu füllen, die ihre Mitarbeiter erst nach der Mittagspause sehen, führt er den nächsten Schritt sofort aus.
4:41
Er verwandelt jedes qualifizierende Ereignis in eine bereits getroffene Entscheidung und eine bereits ausgeführte Aktion.
4:47
Wenn man es mit dem Standard-BI-Workflow vergleicht, ist der Vorteil offensichtlich,
4:51
Überwachung allein erzählt ihnen nur die Geschichte.
4:54
Überwachung plus Reaktion verändert das Ergebnis.
4:56
Und in einer Landschaft, in der sich Zeitfenster für Chancen schnell schließen, ist dieser Unterschied,
5:00
ist dieser Unterschied mehr als nur Bequemlichkeit, erst Wettbewerbsfähigkeit.
5:02
Als nächstes sehen wir uns an, wie sich dies nahtlos in die Tools einfügt, mit denen Sie bereits arbeiten,
5:08
ohne eine weitere Komplexitätsebene hinzuzufügen.
5:11
Mehr als nur Warnmeldungen, das Fabric-Web.
5:13
Ihnen ein weiteres Teamsignal zu senden, ist keine Automatisierung, es ist nur mehr Lärm.
5:17
Sie wissen, was gemeint ist.
5:18
Eine Flut von Pop-Ups auf jedem Bildschirm, von denen jedes fordert, dass Sie sich etwas ansehen,
5:22
das wichtig sein könnte oder auch nicht oder auch nicht.
5:24
Zuerst hat man das Gefühl, alles im Griff zu haben, aber schon bald beginnt Ihr Team,
5:27
Sie zu ignorieren, werden die wichtigen Dinge im Chaos untergehen.
5:33
Die Ironie dabei ist, dass die Systeme, die Sie eigentlich informieren sollen, Sie oft nur noch blinder machen.
5:38
Wir alle saßen schon in diesem Montags-Meeting, in dem jemand erwähnt,
5:40
dass er ein großes Kundenproblem übersehen hat, nur weil der Alarm aussah wie alle anderen, nur weil der anderen.
5:45
Die Wurzel des Problems ist nicht ein Mangel an Erkennung,
5:47
sondern ein Mangel an Intelligenz darüber, was als nächstes zu tun ist.
5:51
Überempfindliche Auslöser behandeln jede kleine Schwankung wie eine Krise,
5:54
was eine Kultur schafft, in der jeder darauf trainiert ist, sie abzutun.
5:58
Hier beginnt Microsoft Fabric Data Activator im Zusammenspiel mit dem Rest von Microsoft Fabric
6:01
wichtig zu werden.
6:03
Es ist nicht einfach nur aufgesetzt, sondern arbeitet direkt neben Power BI Synapse
6:07
und dem Data Warehousing von Fabric.
6:10
Das bedeutet, es spielt auf dem gleichen Spielfeld wie die Tools,
6:12
die bereits ihre Analysen und Pipelines betreiben.
6:14
Anstatt sie bei jeder wankenden Metrik anzupingen, kann es entscheiden, ob die Schwankung es wert ist,
6:18
die Produktion anzuhalten.
6:20
Stellen Sie es sich wie eine Telefonzentrale der alten Schule vor.
6:23
Nur eine, die tatsächlich die Dringlichkeit hinter jedem Anruf versteht.
6:26
Wenn etwas passiert, zum Beispiel ein Datenfeed ein Signal sendet,
6:29
dass Ihr Produktnamensformat mitten im Ladevorgang defekt ist.
6:32
Data Activator weiß, welche Leitungen zu den richtigen Systemen führen.
6:35
Es sendet dem Marketing-Team keine Benachrichtigungen, die Sie erst morgen lesen.
6:38
Es leitet das Problem direkt an das System weiter, das den fehlerhaften Ladevorgang stoppen kann,
6:42
bevor er nachgelagerte Berichte verfälscht.
6:45
Hier ist ein praktisches Beispiel.
6:46
Eine Synapse-Pipeline ruft alle paar Sekunden Finanztransaktionsdaten ab.
6:51
Eines der vorgeschalteten Systeme beginnt aufgrund eines Fehlers beim Anbieter doppelte Datensätze zu senden.
6:56
Wenn Sie nur Warnmeldungen verwenden, sehen Sie eine Teams-Nachricht oder eine E-Mail mit dem Inhalt
6:59
Hallo, doppelte Anzahl erkannt.
7:01
Jetzt steht es also auf der To-Liste von irgendjemandemann.
7:03
Mit Data Activator kann die Pipeline genau dann angehalten werden,
7:06
wenn die Duplikate eintreffen, was ihren Dateningenieurin Zeit gibt,
7:09
die Quelle zu reparieren, bevor die fehlerhaften Daten in Ihr Warehouse gelangen.
7:14
Die Fehlerbehebung erfolgt auf Systemebene nicht,
7:15
weil zufällig jemand das Dashboard überprüft hat.
7:18
Das ist ein entscheidender Unterschied.
7:19
Data Activator ist nicht an einen einzigen Datensatz oder einen schmalen Stream gebunden.
7:23
Es arbeitet über verschiedene Eingabetypen,
7:25
strukturierte Warehouse-Tabellen, Event-Streams und andere mit Fabric-verbundene Datenquellen hinweg
7:29
und wendet dieselben logischen Regeln an, ohne dass Sie diese ständig überwachen müssen.
7:33
Dieser dienstübergreifende Umfang bedeutet,
7:35
dass es nicht nur weiß, wann etwas nicht stimmt.
7:37
Es weiß genau, wann es Bremsen oder Gas geben muss.
7:40
Und da es im selben Ökosystem wie Ihre Transformationslogik und Ihr Speicher lebt,
7:44
arbeitet es nicht gegen die Datenströme.
7:46
Äh, es ist darin eingebettet.
7:48
Deshalb können Sie eine Kette aufbauen in der Aufnahme,
7:50
Transformation, Validierung und Lösung in einem Flussgeschehen,
7:53
ohne dass sich Mitarbeiter bei Übergaben gegenseitig hinterherlaufen.
7:56
Es ist der Unterschied zwischen einer Reaktion auf Daten
7:59
und der Anpassung Ihrer Systeme während des laufenden Prozesses,
8:01
um Qualität und Aktualität zu wahren.
8:04
Der wahre Nutzen zeigt sich jedoch erst,
8:06
wenn Sie dies nicht als Alarmierungstool,
8:08
sondern als Ebene der operativen Entscheidungsfindung betrachten.
8:11
Es reagiert kontextbasiert,
8:12
was das Rauschen drastisch reduziert
8:14
und gleichzeitig den Anteil der Alarme erhöht,
8:17
die tatsächlich sinnvolle Maßnahmen auslösen.
8:21
Sie sind nicht mehr überlastet.
8:22
Sie erhalten Signale statt Rauschen mit weniger,
8:25
manuellem Aufwand.
8:25
Und da diese Entscheidungen echte Änderungen auslösen können,
8:29
wie das Anhalten von Jobs,
8:30
das Aktualisieren von Datensätzen
8:31
oder das Einleiten von Korrekturen,
8:33
wird nicht nur die Verzögerung zwischen Wissen und Handeln verkürzt.
8:36
Die Lücke wird komplett geschlossen.
8:38
Kommen wir nun zu dem Teil, der für Aufsehen sorgt.
8:40
APIs aufrufen und mit der Welt außerhalb von Microsoft interagieren.
8:43
Wenn das Innere die Außenwelt ruft,
8:45
kann Ihre Datenquelle einen Anruf tätigen,
8:46
bevor Sie überhaupt den verpassten Anruf sehen.
8:48
Das ist keine Redewende und wir sprechen davon,
8:50
denselben Ereignisstrom, den Sie bereits verfolgen,
8:52
zu nutzen, um in Echtzeit etwas außerhalb
8:54
des Microsoft-Fabrik-Ökosystems auszulösen.
8:57
Bost!
8:58
Anstatt darauf zu warten, dass Sie ein Dashboard lesen
9:00
oder auf eine Teams-Benachrichtigung klicken,
9:02
wählt das System, selbst metaphorisch oder buchstäblich,
9:05
um in einer anderen Anwendung oder einem Dienstmaßnahmen einzuleiten,
9:09
sobald die Bedingung erfüllt ist.
9:10
Sobald die Bedingung erfüllt ist.
9:12
Die meisten BI-Systeme scheitern genau hier.
9:14
Sie sind hervorragend darin, Erkenntnisse aufzuzeigen,
9:16
manchmal sogar mit schicken Visualisierungen und KI-gestützten Kommentaren,
9:19
aber Sie werfen Ihnen den Ball zu und erwarten, dass Sie damit laufen.
9:21
Äh, Sie müssen immer noch das CRM öffnen,
9:23
die Bestellung senden, das ERP aktualisieren
9:25
oder den Prozess manuell starten.
9:28
Genau in diese Lücke schleicht sich der menschliche Flaschenhals wieder ein.
9:31
Sie erkennen das Problem vielleicht in Minuten,
9:33
aber die Ausführung erfolgt erst Stunden später,
9:35
weil auf jemanden gewartet wird, der Zeit zum Handeln hat.
9:38
Mit Data Activator wird dieser Schritt nicht nur verkürzt,
9:40
der entfällt komplett.
9:42
Stellen Sie sich vor, die Lagerbestände.
9:43
Fallen mitten am Tag unter Ihren Auffüllschwellenwert.
9:47
In einem normalen Setup bemerkt, dass jemand im operativen Betrieb in Power BI
9:50
sendet eine Notiz an den Einkauf und wartet auf Bestätigung.
9:53
In der Zwischenzeit verkaufen Sie das Produkt weiter
9:55
und steuern auf einen Lieferengpass zu.
9:58
Stattdessen kann Data Activator einen APA-Aufruf
10:00
direkt an das Bestellsystem Ihres Lieferanten senden,
10:02
sobald die Daten diese Grenze überschreiten.
10:05
Die Bestellung geht ein, die Lieferung wird in die Warteschlange gestellt,
10:07
noch bevor Ihr Team die Warnmeldung gelesen hat,
10:09
ist die Lösung bereits auf dem Weg.
10:10
Das ist der Mehrwert, wenn externe Aufrufe direkt aus Fabric heraus ausgelöst werden.
10:14
Sie sind nicht auf Microsoft Tools beschränkt,
10:16
ob SaaS, CRM, altes ERP, ein benutzerdefinierter Restendpunkt
10:20
oder die API eines Partners.
10:22
Sie können Echtzeit-Trigger nutzen,
10:23
um die Lücke zwischen Erkennung und Behebung zu schließen.
10:26
Die Ausgabe kann so simpel sein wie das Senden von Daten an eine Webhook
10:30
oder so strukturiert wie ein formatiertes Payload,
10:33
das einen mehrstufigen Workflow in einer völlig anderen Plattform auslöst.
10:39
An diesem Punkt hört Fabric auf, nur eine Sammlung von Analyse-Tools zu sein
10:43
und beginnt, wie das zentrale Nervensystem Ihrer Betriebsumgebung zu fungieren.
10:48
Wenn ein Ereignis eintritt, sendet der Nerv nicht nur ein Signal an Ihre Augen,
10:51
er übermittelt Anweisungen an die Gliedmaßen, die sofort handeln können.
10:54
So gelangen Sie von der Überwachung von Abläufen dazu,
10:57
dass diese sich weitgehend selbst regulieren.
11:00
Das sieht man besonders in Branchen mit ausgeprägter IoT-Nutzung.
11:04
Stellen Sie sich ein Fertigungswerk mit Vibrationssensoren an kritischen Maschinen vor.
11:08
Diese Sensoren streamen Daten in Echtzeit an Fabric.
11:11
Sobald ein Messwert in den Warnbereich für Ausfälle drifte,
11:14
kann Data Activator einen Arbeitsauftrag in Dynamics 365 erstellen und zuweisen
11:18
und einen Techniker einplanen, noch bevor die Maschine einen kritischen Zustand erreicht.
11:21
Kein Vorgesetzter muss seinen Tag unterbrechen, um den Anruf zu tätigen.
11:25
Das System leitet den Auftrag automatisch weiter,
11:27
inklusive aller Kontextinformationen, die der Techniker benötigt.
11:30
Die Reparaturarbeiten beginnen, noch bevor Ausfallzeiten überhaupt ein Thema werden.
11:33
Die Kombination aus automatisierter Überwachung und ausgehenden APIs
11:36
sorgt für echte Autonomie.
11:38
Sie filtern Warnmeldungen nicht nur nach Relevanz,
11:40
sondern verbinden diese gefilterten Trigger mit konkreten Aktionen,
11:43
die unmittelbar ausgeführt werden.
11:44
Das ist der Sprung von Daten gesteuert zu Daten aktiviert,
11:47
bei dem das System so schnell reagieren kann, wie es erkennt.
11:51
Wenn Sie es richtig einrichten, entfallen nicht nur menschliche Mikromanagementprozesse,
11:56
sondern diese verbessern sich aktiv, weil der Kreislauf zwischen Erkennung und Aktion eng,
12:00
konsistent und dauerhaft aktiv ist.
12:03
Sie können sich darauf konzentrieren, bessere Regeln und Logiken zu entwerfen,
12:05
anstatt sich Sorgen zu machen, ob jemand die Warnung gesehen hat.
12:08
Aber selbst das reaktionsschnellste Nervensystem hat Schwellenwerte,
12:11
die Sie nicht ignorieren können.
12:12
Und wenn Sie diese vor Beginn nicht kennen, können die Ergebnisse schnell unübersichtlich werden.
12:15
Kennen Sie die Grenzen, bevor Sie bauen?
12:19
Jeder Automatisierungsheld hat eine Entstehungsgeschichte und eine Liste von Fallstricken,
12:22
die er lieber früher gekannt hätte.
12:25
Bei Data Activator ist die Realität, dass die Idee,
12:28
wann Erkennung plus Reaktion zwar grenzenlos klingt,
12:30
ihr aber ein sehr praktisches Framework zugrunde liegt.
12:32
Irr.
12:32
Es ist keine Magie.
12:34
Es läuft weiterhin auf der Fabrikarchitektur
12:36
und ist an dieselben Kapazitätsmodelle, Service-Limits und Designannahmen gebunden,
12:40
die für alles andere im Ökosystem gelten.
12:42
Das ignorieren Sie diese Grenzen und Sie werden schnell feststellen,
12:46
was passiert, wenn gut gemeinte Automatisierung zum Stillstand kommt.
12:50
Das Tückische daran ist, dass die Fehlerquellen während des Proof-of-Concept meist nicht sichtbar sind.
12:54
Bei einem kleinen Test fühlt sich alles sofort an.
12:57
Bedingungen lösen aus, Aktionen werden gestartet und Sie sehen das Ergebnis fast unmittelbar.
13:00
Erst wenn Sie skalieren,
13:02
wie Ihre externe Systeme anbinden, das Trigger-Volumen erhöhen und komplexe Logik hinzufügen,
13:06
zeigen die Einschränkungen, Ihre Zähne.
13:08
Die Latenz steigt, die Kapazitätsauslastung schnellt in die Höhe.
13:11
Plötzlich wird diese Echtzeit-Entscheidungs-Engine gedrosselt oder in eine Warteschlange gestellt.
13:17
Überlegen Sie, was passiert, wenn ein Trigger von einer Quelle abhängt,
13:20
die zwar technisch verbunden ist, aber nicht innerhalb der nativen Fabrik-Dienste läuft.
13:24
Vielleicht haben Sie einen Datenstrom von einem externen Event-Hub, der Ihre Berichte speist.
13:28
Wenn Data-Activator auf diesen Feed angewiesen ist, um einen kritischen Prozess zu starten,
13:33
das Verarbeitungsintervall auf der Quellseite aber langsamer ist als die Zielreaktionszeit von Fabrik,
13:38
werden Sie nie die erwartete Reaktionsfähigkeit erhalten.
13:41
Ich habe erlebt, wie Rollouts in Stocken gerieten,
13:43
weil Bedingungen auf halbstationären Daten basierten, die mit der Trigger-Logik einfach nicht mithalten konnten.
13:47
Die Automatisierung ist nicht fehlgeschlagen, sie kam nur zu spät, um noch von Bedeutung zu sein.
13:50
Es gibt auch die Versuchung, alles zu überwachen.
13:52
Das ergibt zunächst durchaus Sinn.
13:53
Mehr Überwachungsbedingungen sollten mehr Reaktionsmöglichkeiten bedeuten,
13:57
aber jeder definierte Trigger trägt zur Arbeitslast bei, die auf Ihrer Fabrik-Kapazität läuft.
14:03
Das bedeutet, Sie verbrauchen dieselbe Kapazität,
14:05
die Ihre BI-Aktualisierungen, Datenflüsse und Warehouse-Abfragen unterstützt.
14:10
Treiben Sie es zu weit, werden Sie einen Domino-Effekt erleben,
14:12
bei dem andere Workloads verlangsamt werden, weil Ihre Trigger die Eichenleistung aufzehren.
14:17
Kapazitätsplanung ist hier keine Option, denn sie ist die Disziplin,
14:19
die verhindert, dass Automatisierung zu selbstverschuldeten Ausfallzeiten führt.
14:22
Latentziele sind ebenfalls wichtig.
14:24
Data-Activator kann in Sekunden reagieren, aber nur,
14:26
wenn die Upstream- und Downstream-Systeme mit dieser Geschwindigkeit Schritt halten können.
14:29
Wenn Ihr getriggerter API-Aufruf auf eine ERP-Integration zielt,
14:32
die alle 15 Minuten im Batch verarbeitet wird,
14:34
haben Sie sich effektiv selbst eingebaute Verzögerungen geschaffen.
14:38
Der Trigger wird ausgeführt, aber das Endergebnis wartet trotzdem auf den nächsten Batch.
14:42
Diese Unterschiede im Servicetakt müssen erfasst werden,
14:44
bevor Sie damit beginnen, Systeme dann zu verknüpfen.
14:45
Der sicherere Weg ist es, mit wertvollen, aber seltenen Bedingungen zu beginnen.
14:51
Das bedeutet, Szenarien zu wählen, bei denen selbst ein paar Auslöser am Tag eine klare Wirkung haben,
14:55
die eine Automatisierung rechtfertigt, der
14:57
Es geht darum, die Effektivität zu beweisen, ohne die Kapazität zu fluten oder nachgelagerte Dienste zu überlasten.
15:04
Sie verfeinern die Trigger-Logik, verstehen das Verarbeitungsprofil und beginnen erst dann mit der Erweiterung.
15:09
Es ist auch wichtig, daran zu denken, dass es bei Preisgestaltung und Kapazität nicht nur um Speicher oder Aktualisierung geht.
15:15
Die Trigger-Auswertung und die Aktionsausführung verbrauchen Ressourcen aus demselben Pool.
15:18
Dieser ausgehende API-Aufruf, das ist Rechenleistung.
15:21
Die Transformation, die Sie vor der Überprüfung einer Bedingung ausführen, benötigt ebenfalls Rechners.
15:24
Wenn Sie Bedingungen und Verbindungen skalieren, ohne den Pool Ihrer Fabrikeinheiten zu berücksichtigen,
15:29
erreichen Sie schneller als erwartet Ihre Grenzen.
15:32
Die gute Nachricht ist, sobald Sie wissen, wo die Grenzen liegen, können Sie Ihre Entwürfe entsprechend anpassen.
15:36
Sie erstellen Prozesse, die sich selbst