# Herausforderungen bei der Streamverarbeitung Durch die Verarbeitung von Echtzeitdaten bereits bei deren Eingang können Sie Entscheidungen viel schneller treffen, als dies mit herkömmlichen Technologien der Datenanalytik möglich ist. Der Aufbau und Betrieb eigener benutzerdefinierter Pipelines für Streaming-Daten ist jedoch kompliziert und ressourcenintensiv: + Sie müssen ein System aufbauen, das Daten, die gleichzeitig aus Tausenden von Datenquellen stammen, kostengünstig erfassen, aufbereiten und übertragen kann. + Für maximalen Durchsatz und niedrige Latenzzeiten müssen Sie die Speicher- und Rechenressourcen so abstimmen, dass die Daten effizient gebündelt und übertragen werden. + Sie müssen eine Flotte von Servern bereitstellen und verwalten, um das System so zu skalieren, dass Sie die unterschiedlichen Datengeschwindigkeiten bewältigen können, die Sie ihm übergeben werden. Das Versionsupgrade stellt einen komplexen und kostspieligen Prozess dar. Nachdem Sie diese Plattform aufgebaut haben, müssen Sie das System überwachen und nach Server- oder Netzwerkausfällen wiederherstellen, indem Sie die Datenverarbeitung an der richtigen Stelle im Sream nachholen, ohne dabei doppelte Daten zu erzeugen. Darüber hinaus benötigen Sie ein spezielles Team für die Verwaltung der Infrastruktur. All dies kostet wertvolle Zeit und Geld. Letzten Endes gelangen die meisten Unternehmen nie ans Ziel, müssen sich mit dem Status Quo zufrieden geben und ihr Geschäft mit Informationen betreiben, die Stunden oder Tage alt sind.