Anbieter von großen Cloud-Systemen und/oder vielen Microservices haben in der Regel sehr große und umfangreiche API-Schnittstellen, die sich für eigene Web-Anwendungen einsetzen lassen. So umfangreich, dass das Anbieten von einzelnen API-Schnittstellen inzwischen viel zu umständlich ist und spätestens bei der Skalierung Probleme verursacht. Aber auch der Einsatz von verschiedenen API-Versionen stellt sich als ein Problem dar, da letztlich die Adressen der API-Schnittstelle geändert werden müssen, um neue Versionen einer API-Schnittstelle bereitzustellen.
Die Lösung zu diesem Problem sind API Gateways, die vom Prinzip her wie ein Proxy funktionieren. Sie sind der zentrale Zugang für umfangreiche API-Sammlungen eines Anbieters und übernehmen im Backend die Weiterleitung der API-Anfragen an die entsprechenden Zielsysteme. Auf diese Weise können API-Anbieter die Zugriffsmöglichkeiten dramatisch erhöhen und praktisch unendlich skalieren, aber auch – und das ist der Clou – problemlos mehrere API-Versionen über das API Gateway anbieten. Entsprechend versionierte Zugriffe auf eine API ordnet dann das API Gateway selbstständig zu.
Gerade bei Microservices wie beispielsweise Amazon AWS oder IBM Watson machen API Gateways überhaupt erst den sinnvollen und vor allem agilen Einsatz von API-Schnittstellen möglich, denn erst so ist es den Anbietern möglich, sehr schnell und zentral neue Dienstleistungen anzubieten und weiterzuentwickeln.
Und letztlich ist auch auf Seiten unserer Kunden ein deutliches Plus zu erkennen, denn mit dem Einsatz von API Gateways können wir den Einsatz von Microservices exakt programmieren, jederzeit erweitern und sehr flexibel auf mögliche Zugriffsspitzen reagieren.
Stellen Sie sich eine App vor, mit der ein Nutzer eine Verbindung zu einem Kundendienst aufnehmen kann. Diese App bietet, wie viele solcher Apps heutzutage, auch eine Videochat-Möglichkeit, um das Gespräch von “Face to Face” führen zu können. Wie wäre es nun, wenn vor dem eigentlichen Gespräch die App bewerten könnte, ob der Anrufer gut oder überaus schlecht gelaunt ist? Mit einer funktionierenden CRM- bzw. ERP-Lösung wäre diese kleine Information schon so wertvoll, da sehr kurzfristig entschieden werden könnte, ob der Anruf in den First Level Support geht oder, zusammen mit anderen Bewertungsgrundlagen, gleich in den Second Level.
Zugegeben, ein noch nicht realisiertes Beispiel – aber keinesfalls ein rein fiktives. Schon heute bieten einige Dienstleister von Microservices entsprechende Services an, die Stimmung einer Person anhand seiner Gesichtszüge in Quasi-Echtzeit zu bewerten und eine Einschätzung in Prozentwerten darüber zu geben, ob der Anrufer eine gute Stimmung ausstrahlt, in Sorgen ist, möglicherweise trauert, gelangweilt wirkt oder “geladen” ist. Das sind selbstverständlich nur ungefähre Werte, die aber zum einen immer genauer werden und zum anderen auch heute schon eine sehr gute Grundlagemöglichkeit für eine perfekt abstimmbare Kundenbeziehung bieten.
Microservices sind Dienste, die sehr umfangreiche Analysemöglichkeiten selbst für kleine Anwendungen bieten und die sehr kostengünstig und effizient eingebunden werden können. Ob es nun eine Gemütslagenerkennung ist oder Erkennungsmöglichkeiten für gesprochene Sprache oder geschriebenen Text – die hier implementierten Technologien der künstlichen Intelligenz (KI) stehen mit Microservices Anwendern und Entwicklern zur Verfügung und bereichern Apps und Anwendungen nahtlos mit sehr anschaulichen Funktionen.
Wir implementieren Microservices verschiedener Anbieter wie beispielsweise IBM Watson und Amazon Web Services ein und ergänzen Ihre Anwendungen und Apps um hochintelligente Funktionen.
Neueste Kommentare