Data-Scientists sind häufig mit enormen Mengen an Zeitreihendaten konfrontiert, beispielsweise bei der quantitativen Analyse. Um diese Herausforderung zu meistern, entwickelte die Man Group, ein britischer Finanzdienstleister, eine eigene, Dataframe-zentrierte Datenbank: ArcticDB. Das Besondere: Das System speichert pandas-Dataframes spaltenorientiert und stellt jede Änderung als neue Version bereit. Durch diese Art der Speicherung, unveränderliche (immutable) Versionierung und native pandas-Integration erleichtert ArcticDB den Umgang mit riesigen Datensätzen.

Herkömmliche Dateiformate und Data-Warehouse-Systeme reichen nicht immer aus, um Dataframes mit Milliarden Zeilen effizient zu verarbeiten. Das Konzept von ArcticDB stellt Dataframes in den Mittelpunkt des Datenmodells (siehe Artikel „Our Journey Creating ArcticDB: Solving the Challenge of Dataframes at Scale“ von William Dealtry, einem der Hauptentwickler von ArcticDB). Zwei Ideen sind dabei zentral: günstiger Cloud-Speicher und Immutabilität. Statt Daten nachträglich zu ändern, erzeugt ArcticDB bei jeder Schreiboperation eine neue Version, was Skalierung und Zeitreisen ermöglicht. Daraus leiten sich die Kerneigenschaften des Datenbanksystems ab:

• pandas in, pandas out: Die Python-API arbeitet direkt mit Dataframes und verzichtet auf SQL.
• Serverlos und unveränderlich: ArcticDB läuft als Embedded-Engine auf dem Client, nutzt Objektspeicher (S3, LMDB) und speichert Daten als unveränderliche Versionen.
• Spaltenorientiert und leistungsfähig: Die Datenbank nutzt spaltenbasierte, komprimierte Segmente, um sehr große Dataframes schnell zu lesen und zu schreiben. Persistente Strukturen schützen ältere Versionen vor Beschädigung.

Die genannten Prinzipien bestimmen Architektur, API und Anwendungsfälle.

Das war die Leseprobe unseres heise-Plus-Artikels „So funktioniert ArcticDB: Vom Dataframe zur Hochleistungsdatenbank“.
Mit einem heise-Plus-Abo können Sie den ganzen Artikel lesen.

Viele Aufgaben folgen festen Mustern: Informationen suchen, Daten übertragen, Formulare ausfüllen, Termine koordinieren. Bislang erledigen Menschen diese Schritte selbst – oder automatisieren sie mit hohem Aufwand. Mit agentischer KI ändert sich das grundlegend: Systeme können Abläufe verstehen, eigenständig ausführen und verschiedene Anwendungen miteinander verbinden. In der Praxis könnte das so aussehen: Sie beauftragen eine KI mit der Planung Ihres Traumurlaubs – und das System erledigt den Rest: Es bucht das Hotel, organisiert die Anreise und reserviert den Tisch im Lieblingsrestaurant. Was heute noch nach Science-Fiction klingt, entwickelt sich rasant zur Praxis.

Das Model Context Protocol (MCP) bildet dafür die technische Grundlage. Es verbindet große Sprachmodelle direkt mit Anwendungen und Online-Diensten und macht sie damit handlungsfähig. KI-Agenten können eigenständig Aufgaben ausführen, Daten aus unterschiedlichen Quellen abrufen und Aktionen in bestehenden Systemen anstoßen.

Agentische KI im Praxiseinsatz

Im Webinar „MCP verstehen: So arbeiten KI-Agenten für Sie“ erfahren Sie, was hinter dem Konzept steckt und wie sich MCP praktisch nutzen lässt. Die c’t-Redakteure Jan Mahn, Jo Bager und Sylvester Tremmel erklären, wie MCP funktioniert und weshalb es auch trotz der Erfindung von KI-Agents wie OpenClaw noch eine wichtige Rolle spielt. Anhand realer Beispiele zeigen sie, wie agentische KI schon heute Arbeitsabläufe automatisiert und den Umgang mit Software verändert – und wo Grenzen sowie Risiken liegen.

Praxiswissen für Anwender und Entwickler

Entwickler lernen, wie sie ihre Anwendungen an KI anbinden. Die Referenten demonstrieren konkrete Programmierbeispiele mit realen Datenquellen und erläutern typische Integrationsszenarien. Gleichzeitig greifen sie zentrale Sicherheitsfragen auf: Welche Risiken entstehen, wenn KI direkten Zugriff auf Systeme und Daten erhält? Wie lassen sich Datenschutz und Zugriffskontrollen sauber umsetzen? Sie erhalten praxisnahe Empfehlungen für einen sicheren und effizienten Einsatz von MCP.

Nach dem Webinar können Sie einschätzen, wie agentische KI funktioniert – und wo sie Ihren Arbeitsalltag oder eigene Projekte sinnvoll unterstützt. Technische Vorkenntnisse sind nicht erforderlich; erste Erfahrungen mit Sprachmodellen sind hilfreich.

Anmeldung und weitere Informationen

• Termin: 26. März 2026
• Uhrzeit: 15:00 bis 18:00 Uhr
• Preis: 69,00 Euro

Zur Teilnahme benötigen Sie lediglich einen aktuellen Browser. Weitere Informationen zum Webinar sowie Details zur Anmeldung finden Sie auf der Website zum Webinar.

(abr)

Der Brandanschlag auf die Hoch- und Mittelspannungsleitungen nahe des Heizkraftwerks Lichterfelde in Berlin hat gezeigt, dass bei Stromausfall nicht bloß etwas dunkler wird. Über 100.000 Menschen verloren in den frühen Morgenstunden des 3. Januars nicht nur Heizung und Licht, sondern wenig später auch den Zugang zu Fest- und Mobilfunknetzen.

Die Konsequenzen werden einem erst bewusst, wenn es passiert: Man kann plötzlich nur auf Rufweite kommunizieren. Der Kontakt zur Familie im anderen Stadtteil bricht ab und lebensrettende Hilfe ist unter Umständen einen fünfzehnminütigen Fußmarsch entfernt.

Im Nachgang wurden Stimmen laut, die bessere Vorbereitung auch der Telekommunikationsnetze auf solche Szenarien forderten. Doch aus technischer Sicht steht längst fest: Insbesondere in mit Mobilfunkzellen gepflasterten Großstädten kann man nicht an allen Antennenstandorten Stromgeneratoren mit Spritreserven für Tage oder gar Wochen vorhalten – die Kosten für Installation und Wartung würden ausufern. Essenzielle Mobilfunkzellen zu versorgen kann helfen, dennoch hat dann das Mobilnetz viele Funklöcher und ist im Falle des Falles schnell überlastet.

Das war die Leseprobe unseres heise-Plus-Artikels „Kommunikation im Blackout: Diese Optionen haben Sie“.
Mit einem heise-Plus-Abo können Sie den ganzen Artikel lesen.