Big Data Analyse in Echtzeit


Real-Time Big Data Analytics (RTBDA) hat sich als neues Thema in den Diskussionen über Big Data herauskristallisiert. Die Konzepte, die RTBDA zugrunde liegen, können in einem Telekommunikationskontext angewendet werden, aber es erfordert ein Überdenken dessen, was “Echtzeit” bedeutet und welche Informationsquellen eine RTBDA-Strategie unterstützen können. Glücklicherweise sind die Technologien, die zur Umsetzung einer solchen Strategie erforderlich sind, nicht nur verfügbar, sondern in vielen Fällen bereits im Einsatz, nur nicht so effektiv oder strategisch, wie sie sein könnten.

Real-Time Big Data Analytics (RTBDA) ist in letzter Zeit als neuer Begriff in Diskussionen um Big Data entstanden. Er bezieht sich auf einen der Schlüsselaspekte und Wertversprechen von Big Data Analysen, nämlich die Fähigkeit, auf der Grundlage der Analyse der verfügbaren Informationen entweder proaktiv oder reaktiv in Echtzeit zu handeln. Diese Strategie ist einer der Eckpfeiler vieler Internetunternehmen wie Amazon und Google.

Diese Over-The-Top (OTT)-Akteure sind eine Quelle der Inspiration, aber auch der Frustration für Telekommunikationsanbieter, die sich mit dem zunehmenden Verkehrsaufkommen auseinandersetzen müssen, das diese Unternehmen in den Telekommunikationsnetzen erzeugen und zu dem sie nur einen geringen oder gar keinen Umsatzbeitrag leisten. Der erste Schritt besteht darin zu verstehen, warum diese Unternehmen erfolgreich sind, was zu einem Interesse daran führt, wie OTT-Akteure große Datenanalysen, und insbesondere RTBDA, einsetzen, um erfolgreich zu sein.

In diesem Papier werden wir uns RTBDA näher ansehen und im Zusammenhang mit Telekommunikationsnetzen diskutieren. Wir werden feststellen, dass die Konzepte, die RTBDA zugrunde liegen, im Telekommunikationskontext angewendet werden können, aber es erfordert ein Umdenken darüber, was “Echtzeit” ist und welche Informationsquellen eine RTBDA-Strategie unterstützen können. Glücklicherweise sind die Technologien, die zur Umsetzung einer solchen Strategie erforderlich sind, nicht nur verfügbar, sondern werden in vielen Fällen bereits eingesetzt, nur nicht so effektiv oder so strategisch, wie sie sein könnten.

Definition von RTBDA

Vereinfacht könnte man sagen, dass sich die Analyse von Big Data aus zwei Teilen zusammensetzt, die sie von Business Intelligence oder Data Warehousing und Mining unterscheiden: verteilte, parallele Verarbeitung und die Fähigkeit, in Echtzeit zu agieren.

Eine der Herausforderungen, mit denen sich die Analyse großer Datenmengen befasst, ist die Notwendigkeit, große, disparate Datensätze zu verarbeiten, die normalerweise nicht von einer einzigen Datenbank oder einem einzigen Server untergebracht werden können. Eine der Lösungen zur Bewältigung dieses Problems ist der Einsatz einer verteilten, parallelen Verarbeitung, bei der große Datensätze auf mehrere Server verteilt werden, die jeweils einen Teil des Datensatzes parallel verarbeiten. Die Analyse großer Datenmengen erfordert keine spezielle Struktur der Daten, sondern kann sowohl mit strukturierten als auch mit unstrukturierten Daten arbeiten. Die Verwendung von Hadoop mit MapReduce ist ein Beispiel für einen solchen Ansatz und kann als treibende Kraft hinter dem aktuellen Interesse an Big Data gewertet werden.

Es gibt jetzt eine Vielzahl von ergänzenden Lösungen für verschiedene Aspekte der verteilten, parallelen Verarbeitung, einschließlich Kassandra, Impala, Hive, HBase, Storm and Spark und viele andere mehr. Täglich kommen neue Instrumente auf den Markt, die es einfacher machen, Algorithmen zu programmieren oder Daten zu analysieren. Eines der treibenden Prinzipien vieler dieser Lösungen ist die zeitliche Begrenzung. Lösungen können gefunden werden für die Verarbeitung großer Mengen von Daten, aber was bei einer Perspektive in Bezug auf Big Data wichtig ist, ist, dass die Bearbeitung innerhalb eines definierten Zeitrahmens abgeschlossen werden sollte. Dieser Zeitrahmen wird nun zunehmend in Verbindung gebracht mit Echtzeit.

Die RTBDA ist relativ neu, aber sie befasst sich mit der Notwendigkeit, proaktiv oder reaktiv in Echtzeit zu handeln. Sie ist inspiriert von den Fähigkeiten der Anbieter von Internet-Inhalten und -Diensten, das Geschehen zu verstehen, die Situation zu analysieren und in Echtzeit zu handeln. Zum Beispiel, wenn neue Empfehlungen angezeigt werden, nachdem Sie einen Kauf auf einer Website getätigt haben.

Für ein besseres Verständnis von RTBDA ist “Real-Time Big Data Analytics: Emerging Architecture” (Mike Barlow, ”Real-Time Big Data Analytics: Emerging Architecture,” Sebastopol: O’Reilly Media, 2013) eine gute Einführung. Sie bietet einen guten Überblick über die beteiligten Technologien und die Architektur von RTBDA-Lösungen sowie einen fünfphasigen Prozess für die RTBDA-Implementierung.

Definition von „Echtzeit“ für die Telekommunikation

In “Real-Time Big Data Analytics: Emerging Architecture” stellt Mike Barlow die Frage: “Wie real ist ‘Echtzeit’?” Die Antwort lautet: Es kommt darauf an. Es hängt vom Kontext dessen ab, was Sie zu erreichen versuchen, und von der Umgebung, in der Sie arbeiten. Für einige reichen Sekunden oder Mikrosekunden, für andere muss die Echtzeit schneller sein.

Aus der Sicht der Telekommunikation ist dies eine interessante Frage. Sie zeigt ein potentielles Problem mit den gegenwärtigen Praktiken in der Telekommunikation auf, das angegangen werden muss, wenn die Carrier die Herausforderungen, die der OTT-Verkehr mit sich bringt, erfolgreich bewältigen wollen. Tatsache ist, dass die gegenwärtige Akzeptanz dessen, was in der Telekommunikation “Echtzeit” ist, möglicherweise nicht mehr ausreicht.

In der Vergangenheit basierten Telekommunikationsnetze auf verbindungsorientierten Technologien und Protokollen (z.B. SONET/SDH). Dies bedeutete, dass Dienste und die sie unterstützenden Verbindungen statisch geplant, entwickelt und eingesetzt wurden. Änderungen konnten nur zentral in einem stark strukturierten Prozess vorgenommen werden. Dies bedeutete, dass sich das Netzwerk von einer Minute – oder sogar von einer Stunde – zur nächsten nicht sehr viel änderte.

In diesem Umfeld genügte es, in regelmäßigen Abständen Informationen aus dem Netzwerk zu sammeln, um zu wissen, was vor sich ging. Die verwendeten Protokolle waren zudem reich an Management-Informationen, so dass mit nur einem Protokoll-Header sehr viele Erkenntnisse gewonnen werden konnten.

In dieser Art von Umgebung kann “Echtzeit” in Sekunden oder sogar Minuten definiert werden, weshalb es ausreicht, alle 5 bis 15 Minuten Call Detail Records (CDRs) zu sammeln, um einen vollständigen Einblick zu erhalten.

Das Problem ist, dass dies nicht die heutige Situation in der Telekommunikation ist. Mit der Migration zu LTE haben die Telekommunikationsanbieter den Übergang zu Paketnetzen auf der Basis von Ethernet und IP vollzogen, die im Vergleich zu verbindungsorientierten Technologien und Protokollen völlig anders funktionieren.

Erstens ist das Grundprinzip von IP-Netzwerken, dass sich das Netzwerk um sich selbst kümmert. Das Netzwerk definiert den Weg, den der Verkehr nimmt, und leitet diesen Weg je nach Überlastung und anderen Bedingungen um. Dadurch kann das Netzwerk schnell auf Veränderungen reagieren. Die Kehrseite der Medaille ist, dass man nicht mit Sicherheit vorhersagen kann, wohin der Verkehr fließen wird. Dies wird auch nicht dadurch erleichtert, dass Ethernet- und IP-Protokolle vom Design her nicht den gleichen Overhead an Management-Informationen enthalten wie verbindungsorientierte Protokolle sie zur Verfügung stellen.

Paketnetzwerke sind außerdem sprunghafter und dynamischer Natur. Sie sind so ausgelegt, dass sie mehrere Dienste unterstützen, die von mehreren Benutzern, die sich die gleiche Infrastruktur teilen, genutzt werden. Über einen langen Zeitraum kann es so aussehen, als sei die Auslastung des Netzwerks recht gering, aber das liegt daran, dass der Verkehr in Bursts übertragen wird, die die gesamte verfügbare Bandbreite beanspruchen können. In solchen Situationen wird vom IP-Netzwerk erwartet, dass es reagiert und sicherstellt, dass dieser Verkehr auf ausgewogene Weise durch das Netzwerk geleitet wird. Unter dem Strich können im Netzwerk Änderungen von einem IP-Paket oder Ethernet Frame zum nächsten auftreten (siehe Abbildung 1/Figure 1).

Wenn man bedenkt, dass Ethernet-Frames in einem 10-Gbit/s-Netzwerk mit nur 67 Nanosekunden zwischen den einzelnen Frames übertragen werden können, dann beginnen wir zu verstehen, was “Echtzeit” in einem Paketnetzwerk bedeutet. Es geht nicht um Minuten, nicht einmal um Sekunden. Es sind Nanosekunden.

Dies ist die grundlegende Frage, wie Telekommunikationsnetzwerkmanagement und Datenanalyse heute durchgeführt werden. Beide stützen sich auf CDRs, Event Detail Records (EDRs) und IP Detail Records (IPDRs), um zu verstehen, was in Echtzeit geschieht. Aber diese Definition von “Echtzeit” ist im Paradigma der Vergangenheit verankert, als es genügte, alle paar Minuten eine Umfrage durchzuführen. Bei den heutigen Paketnetzen bedeutet “Echtzeit” Nanosekunden.

Echtzeit-Entscheidungsfindung

Nur um es klar zu sagen: Die Verwendung von CDRs, EDRs und IPDRs für große Datenanalysen ist eine gute Idee. Es hängt nur davon ab, was Sie erreichen wollen. Die Analyse großer Datenmengen kann für zwei große Kategorien der Entscheidungsfindung verwendet werden:

 

  • Bessere Planung und Optimierung von Diensten und Netzwerken auf der Grundlage von Trends und vorausschauender Analyse
  • Entscheidungsfindung in Echtzeit

Die Verwendung von Detailaufzeichnungen zur besseren Planung und Optimierung zusammen mit anderen strukturierten und unstrukturierten Datenquellen ist angemessen und wertvoll. Sie sind reich an Informationen, und auf der Grundlage dieser Daten können nützliche Trends und Vorhersagen generiert werden. Sie werden jedoch niemals ein vollständiges Bild liefern, solange sie nicht durch Echtzeit-Informationen aus Paketnetzen ergänzt werden, die genaue Details darüber liefern können, was wann passiert ist.

Es versteht sich von selbst, dass Detailaufzeichnungen nicht für die Entscheidungsfindung in Echtzeit verwendet werden können. Sie werden nur alle 5 bis 15 Minuten gesammelt, was nicht mit unserem Verständnis von Echtzeit in Paketnetzen vereinbar ist. Für eine echte Echtzeit-Entscheidungsfindung ist es notwendig, kontinuierlich Netzwerkinformationen zu sammeln, zu speichern und zu analysieren. Um zu verstehen, was vor sich geht, müssen alle relevanten Ethernet-Frames und IP-Pakete in Echtzeit untersucht werden.

Durch die Erfassung und Speicherung von Netzwerkinformationen auf diese Weise ermöglichen wir nicht nur die Fähigkeit, diese Informationen in Echtzeit zu analysieren und darauf zu reagieren, sondern bieten auch eine Quelle detaillierter, zuverlässiger Informationen darüber, was wann im Netzwerk passiert ist, die andere Big Data Analyseaktivitäten ergänzen können.

Implementierung von RTBDA in der Telekommunikation

In “Real-Time Big Data Analytics: Emerging Architecture” wird ein guter Überblick über eine potentielle Schichtenarchitektur für die Implementierung von Big Data Analysen und ein Fünf-Phasen-Ansatz für die Implementierung gegeben. Eine Reihe von Technologien für die Durchführung von Analysen wird detailliert beschrieben, so dass die Leser aufgefordert sind, dies zu lesen, um zu verstehen, wie die oberen Schichten der Analyse großer Datenmengen implementiert werden können.

In diesem Beitrag möchten wir uns auf die Echtzeit-Datenerfassungsebene konzentrieren. Diese Schicht kann einen konstanten Strom von verwertbaren Informationen für die Entscheidungsfindung liefern.

Sowohl das TM-Forum als auch das Projekt IP Network Monitoring for Quality of Service Intelligent Support (IPNQSIS), Teil des europäischen CELTIC-Plus-Programms, haben diesen Bedarf im Rahmen ihrer jeweiligen Arbeiten zum Kundenerfahrungsmanagement erforscht. Die Schlussfolgerung aus beiden Projekten war, dass Probes und Appliances entscheidend sind, um einen zuverlässigen Echtzeit-Einblick in das Geschehen im Netzwerk zu erhalten.

Probes sind traditionell Datensammler, die Informationen für andere Managementsysteme bereitstellen. Appliances hingegen verwenden die gleiche Technologie, analysieren die Informationen jedoch ebenfalls und können die Informationen lokal speichern. Appliances konzentrieren sich typischerweise auf eine bestimmte Aufgabe, wie z.B. Leistungsüberwachung, Test und Messung oder Sicherheit, und es wird oft davon ausgegangen, dass sie diese sehr spezifische Rolle erfüllen. Probes und Appliances können jedoch strategischer als Quellen von Echtzeitdaten für große Datenanalysen und als Implementierungen von RTBDA-Strategien eingesetzt werden. Im Folgenden wird in drei Schritten dargestellt, wie eine solche Infrastruktur implementiert werden könnte.

Deployment

Der erste Schritt umfasst die Bereitstellung von Appliances zur Datenerfassung. Die Hauptanforderung hierbei ist, dass alle Ethernet-Frames und IP-Pakete in Echtzeit, bei Leitungsgeschwindigkeit und ohne Paketverlust erfasst werden müssen, unabhängig von den Bedingungen. Auf diese Weise wird sichergestellt, dass ein zuverlässiger Informationsstrom erfasst wird.

Es ist auch äußerst wichtig, dass jeder einzelne Frame mit einem eindeutigen Zeitstempel versehen wird, so dass eine genaue Zeitachse erstellt werden kann, nicht nur lokal am Gerät, sondern auch über mehrere Geräte hinweg. Die Genauigkeit und Präzision dieser Zeitstempel muss im Bereich von Nanosekunden liegen. Beispielsweise muss bei nur 67 Nanosekunden zwischen den Ethernet-Frames in einem 10-Gbit/s-Netzwerk die Auflösung der Zeitstempel besser als 67 Nanosekunden sein, da sonst zwei Ethernet-Frames den gleichen Zeitstempel erhalten würden, wodurch es schwierig wäre, zu unterscheiden, welcher zuerst kam. In einem 100-Gbit/s-Netzwerk reduziert sich dies auf 6,7 Nanosekunden.

Die Kombination von Null-Paketverlust-Erfassung mit nanosekundengenauer Zeitstempelung stellt sicher, dass wir über einen zuverlässigen, genauen Strom von Datenanalyse-Informationen verfügen.

Storage

Der zweite Schritt ist die Speicherung dieser Informationen in Echtzeit. Viele Appliances bieten Capture to Disk, wodurch Echtzeitdaten direkt auf einer lokalen Festplatte der Appliance gespeichert werden können. Alternativ können diese Daten an ein Storage Area Network (SAN) oder einen anderen Ort weitergeleitet werden. Die gespeicherten Daten können verwendet werden, um eine historische Zeitachse der Ereignisse im Netzwerk mit genauen Details zu erstellen. Mit Hilfe dieser Informationen ist es möglich, genau zu rekonstruieren, was passiert ist, als es passiert ist.

Für die Datenanalyse ist dies eine Quelle reichhaltiger Informationen. Sie kann Einblick in Nutzungs- und Verhaltenstrends geben. Wenn die Appliance über Deep Packet Inspection (DPI)-Funktionen verfügt, kann die Nutzung von Diensten, einschließlich OTT-Diensten, verfolgt und analysiert werden, um Nutzungsmuster in Bezug auf Zeit, Ort und Gerätetyp zu ermitteln.

Allein diese Informationen stellen eine wertvolle Ressource für die Netz- und Serviceoptimierung dar. Es können neue, attraktive Dienste definiert werden, die den Präferenzen der Benutzer entsprechen. Aber, was vielleicht noch wichtiger ist, diese Informationen können genutzt werden, um den Anbietern von OTT-Inhaltsdiensten Einblicke zu gewähren, so dass die Netzbetreiber diesen potenziellen Kunden überzeugende Dienstangebote unterbreiten können. 

 

Echtzeit-Entscheidungen

Am spannendsten ist die Möglichkeit, Echtzeitdaten und gespeicherte Daten zu nutzen, um eine Entscheidungsfindung in Echtzeit zu ermöglichen, was der dritte und letzte Schritt ist. Historische Informationen, die auf der Festplatte erfasst wurden, können zur Entwicklung eines Profils des erwarteten Verhaltens verwendet werden. Vergleicht man dies mit den Echtzeit-Informationen darüber, was gerade im Netzwerk vor sich geht, kann man unerwartete Ereignisse oder Anomalien erkennen. Diese können eine Sicherheitsbedrohung, eine Leistungsverschlechterung oder eine Gelegenheit sein, einem Kunden eine Paketerweiterung oder einen ergänzenden Dienst anzubieten.

Aus RTBDA-Perspektive kommt dies den Arten von Fähigkeiten sehr nahe, die die Anbieter von OTT-Inhalten und -Diensten implementiert haben. Die Fähigkeit, in Echtzeit zu reagieren, basierend auf dem Verständnis dessen, was gerade geschieht, im Vergleich zu dem, was in der Vergangenheit geschehen ist.

Appliances: Eine strategische Grundlage für RTBDA

Bei dieser dreistufigen Implementierung zeigt sich, dass die von Probes und Appliances gelieferten Echtzeitinformationen zur Implementierung von RTBDA in Telekommunikationsnetzwerken sowie zur Ergänzung anderer Informationsquellen bei der Analyse großer Datenmengen für die strategische Planung genutzt werden können.

Die Technologien und Produkte zur Umsetzung dieser Strategie sind nicht nur verfügbar, sondern werden bereits eingesetzt, nur nicht mit diesem Ziel vor Augen.

Noch interessanter ist die Tatsache, dass die überwiegende Mehrheit der Appliances, die heute in Unternehmens-, Finanz-, Regierungs- und Telekommunikationsnetzen eingesetzt werden, auf kommerzieller, handelsüblicher Servertechnologie basieren, die mit den Zukunftsplänen der Netzbetreiber kompatibel ist. Ein Eckpfeiler sowohl der Software Defined Networks (SDN)- als auch der Network Function Virtualization (NFV)-Strategien ist die Verwendung von handelsüblicher Server-Hardware.

Echtzeit-Technologie von Napatech

Napatech versorgt die weltweit größten Anbieter von Appliances mit der Schlüsseltechnologie und den Produkten, die es ermöglichen, Appliances auf Standard-Server-Hardware zu implementieren. Napatech’s FPGA Netzwerkkarten für Netzwerkmanagement- und Sicherheitsanwendungen gewährleisten Null-Paketverluste und eine garantierte Lieferung von Analysedaten, unabhängig von den Netzwerkbedingungen.

Die Napatech-Zeitstempelung ist für 100-Gbit/s-Netzwerke mit einer Auflösung von 4 Nanosekunden vorbereitet. Diese Funktion ermöglicht die präzise Messung von Jitter und Verzögerung in Mobilfunknetzen und ermöglicht nicht nur die Analyse der Verkehrsbandbreite von OTT-Diensten, sondern auch die QoS-Analyse dieser Dienste.

Um jeden von einem Abonnenten genutzten Dienst effektiv zu trennen und zu analysieren, ist es notwendig, Informationen aus dem gekapselten IP-Header zu extrahieren. Napatech’s FPGA Netzwerkkarten identifizieren, filtern und leiten außerdem Netzwerkflüsse auf der Basis von Informationen der Layer 1 bis 4 weiter, einschließlich der Inhalte von IP-in-IP- und GTP-Tunneln, zusammen mit anderen Off-Load-Funktionen, die sicherstellen, dass der auf der Appliance laufenden Analyseanwendung ein Maximum an Rechenleistung zur Verfügung steht.

Wir arbeiten auch mit den größten unabhängigen Anbietern von DPI-Software zusammen, um eine integrierte Netzwerk- und Serviceanalyselösung anzubieten. Es sind diese Fähigkeiten, die Napatech zum unangefochtenen Weltmarktführer in diesem Bereich und zu einem De-facto-Standard für Hersteller von Appliances gemacht haben.

Zeit, RTBDA in der Telekommunikation zu überdenken

Es ist an der Zeit, neu zu überdenken, was “Echtzeit” in modernen Telekommunikationsnetzen bedeutet. Es ist auch an der Zeit, neu zu überdenken, welche Quellen für Big Data Analysen verwendet werden. Die Telekommunikationsanbieter müssen beginnen, die bereits im Netz vorhandene Probe- und Appliance-Technologie strategischer einzusetzen, um RTBDA zu unterstützen. Dies wird nicht nur eine bessere Informationsquelle für Planungsentscheidungen bieten, sondern auch neue Möglichkeiten eröffnen, nicht nur den Endbenutzern, sondern auch den Anbietern von OTT-Diensten bessere Dienste anzubieten, die endlich das Problem der Monetarisierung von OTT-Verkehr in Telekommunikationsnetzen angehen könnten.

Entdecken Sie die Power von Napatech

Napatech’s FPGA Netzwerkkarten sind so ausgelegt, dass sie den maximalen theoretischen Datendurchsatz für eine gegebene Portgeschwindigkeit bewältigen können. Napatech bietet eine Reihe von FPGA Netzwerkkarten an, die Geschwindigkeiten von 10 Mbit/s bis 100 Gbit/s unterstützen. Eine einzige, gemeinsame Anwendungsprogrammierschnittstelle (API) ermöglicht es, Anwendungssoftware einmal zu entwickeln und mit einer breiten Palette von Napatech’s FPGA Netzwerkkarten zu verwenden. Auf diese Weise können Kombinationen verschiedener SmartNIC‘s mit unterschiedlichen Portgeschwindigkeiten auf demselben Server installiert werden. Zusätzliche Funktionen umfassen:

  • Napatech’s FPGA Netzwerkkarten können Datenströme identifizieren, filtern und an bis zu 32 CPU-Kerne verteilen
  • Datenzusammenführungsfunktionalität ermöglicht das Zusammenführen von Datenströmen von verschiedenen Ports auf verschiedenen FPGA Netzwerkkarten zur Analyse
  • Datenaustauschfunktionalität ermöglicht mehreren Anwendungen den gleichzeitigen Zugriff auf dieselben Daten
  • All dies kann mit sehr geringer Server-CPU-Last durchgeführt werden

Wählen Sie den Marktführer

Napatech ist der marktführende Anbieter von FPGA Netzwerkkarten für Netzwerkmanagement- und Sicherheitsanwendungen. Napatech bietet weltweiten Vertrieb und Support von lokalen Niederlassungen in allen wichtigen Kontinenten, der im Preis der SmartNIC’s inbegriffen ist. Das bedeutet, dass unsere sehr erfahrenen Support-Ressourcen für Design- und Integrationsunterstützung sowie für Support vor Ort ohne Aufpreis zur Verfügung stehen. Napatech’s FPGA Netzwerkkarten werden nach höchsten Standards von ausgelagerten Herstellern in der Schweiz und den USA hergestellt, die alle wichtigen Zertifizierungen einschließlich NEBS für Telekommunikationsanwendungen unterstützen.

Unternehmensprofil

Napatech ist weltweit führend bei der Beschleunigung von Netzwerkmanagement- und Sicherheitsanwendungen. Mit zunehmendem Datenvolumen und zunehmender Komplexität muss die Leistung dieser Anwendungen der Geschwindigkeit von Netzwerken voraus sein, damit sie ihre Aufgaben erfüllen können. Wir machen dies möglich, selbst für die anspruchsvollsten Finanz-, Telekommunikations-, Unternehmens- und Regierungsnetzwerke.

Jetzt und in Zukunft ermöglichen wir unseren Kunden, dass ihre Anwendungen schneller laufen als die Netzwerke, die sie verwalten und schützen müssen.

 

Wir beraten Sie gerne und freuen uns über Ihre Kontaktaufnahme!