Objektspeicher bildet laut Studie die Basis für 91 % der produktiven Private-AI Implementierungen
Innerhalb dieser Umgebungen wird Objektspeicher weitreichend als grundlegende Komponente von KI-Pipelines On-Prem eingesetzt. Mit fortschreitender Reife von KI-Implementierungen sowie derenÜbergang in den Produktionsbetrieb orientieren sich Entscheidungen in der Infrastruktur zunehmend an Anforderungen wie Zuverlässigkeit, Governance, Kostenkontrolle und Lifecycle-Management.
Produktive KI ist ein Problem der Datenpipeline
Während GPUs und Rechenkapazität häufig die Diskussionen mit Blick auf KI-Infrastruktur dominieren, zeigen die Forschungsergebnisse von Freeform Dynamics, dass Unternehmen mit Private-AI Implementierungen Systeme priorisieren, die Daten über Inferenz-getriebene Pipelines hinweg bereitstellen, verwalten, schützen und wiederverwenden.
Zu den wichtigsten Ergebnissen der Studie gehören:
91?% der Unternehmen mit Private-AI Implementierungen geben an, Objektspeicher im Produktionsbetrieb aktiv zu nutzen. 44 % nutzen Objektspeicher in ihren KI-Umgebungen intensiv, weitere 47 % in nennenswertem Umfang. Damit liegt diese Speicherform leicht vor dateibasierten Lösungen und deutlich vor blockbasiertem Speicher.
81?% der Unternehmen betrachten eine selbst kontrollierte Private-AI Infrastruktur als entscheidend für ihren Erfolg, getrieben von Anforderungen an Souveränität, Compliance und Datenlokalität.
57?% der Unternehmen priorisieren Speicher-Performance, um Engpässe in KI-Workloads zu vermeiden. Zum Vergleich: 54?% achten auf die Verfügbarkeit von Compute-Ressourcen oder GPUs, 52?% auf Netzwerkbandbreite. Diese Erkenntnis unterstreicht, dass Speicher in produktiven KI-Umgebungen genauso kritisch ist wie Rechenleistung.
44?% der Unternehmen passen ihre bestehende Compute-Infrastruktur für KI an, 42?% ihre Speicherinfrastruktur. Gleichzeitig bauen 40?% Compute-Ressourcen und 39?% Speicher gezielt neu für KI-Workloads auf. Das verdeutlicht: Mehrstufige, hybride Architekturen stellen die Norm dar, Greenfield-Deployments die Ausnahme.
40 % der Unternehmen nennen die Verarbeitung von Metadaten in großem Maßstab als potenziellen Engpass, und 38 % berichten über Herausforderungen beim Umgang mit gemischten Workloads. Dies verdeutlicht den Bedarf an Speicher-Plattformen, die sowohl hochperformante Trainings-Workloads als auch latenzarme Inferenz über den gesamten KI-Lifecycle hinweg unterstützen.
“In vielen Diskussionen in der Branche wird KI-Infrastruktur häufig vorrangig als eine Herausforderung im Hinblick auf Rechenleistung betrachtet“, so Tony Lock, Director of Engagement und Distinguished Analyst bei Freeform Dynamics. „Unsere Studie zeigt jedoch, dass Unternehmen, die Private-AI produktiv einsetzen, mit einer deutlich komplexeren Realität konfrontiert sind. Viele Unternehmen sehen die Notwendigkeit klarer, skalierbarer Architekturen, die Daten nahe an den Workloads halten, verschiedene KI-Anwendungsfälle unterstützen und Leistung mit Governance und Cyber-Resilienz über die gesamte Pipeline hinweg in Einklang bringen.“
Relevanz für Teams im Bereich Infrastruktur
Die Umfrage berücksichtigt Organisationen, die KI über die Phase von Pilotprojekten hinaus bereits in produktiven, operativen Umgebungen einsetzen. Da sich der KI-Betrieb zunehmend Inferenz-getrieben darstellt, setzen Unternehmen zunehmend auf mehrstufige Architekturen, die schnelle Storage-Tiers für aktive Workloads mit skalierbaren Kapazitäts-Ebenen für persistente und wiederverwendbare Daten kombinieren. In diesem Modell bildet S3-kompatibler Objektspeicher die zentrale Basis, ergänzt durch File- und andere Speichertypen, die weiterhin spezifische Anforderungen einzelner Workloads abdecken.
„Die Daten definieren das Problem, und die Plattform entscheidet darüber, wer skalieren kann“, so Paul Speciale, Chief Marketing Officer bei Scality. „Diese Studie bestätigt, was wir bereits im Markt beobachten: Der Erfolg produktiver KI hängt maßgeblich davon ab, wie effektiv Teams Daten über den gesamten KI-Lifecycle hinweg verwalten und operationalisieren. Scality stellt hierfür eine S3-native, mehrstufige und cyberresiliente Basis bereit, die den Anforderungen souveräner KI-Architekturen in Unternehmen gerecht wird. Sie bietet die Kontrolle, Vorhersehbarkeit und operative Resilienz als unerlässliche Grundlage für erfolgreiches Skalieren.“
Die Studie von Freeform Dynamics basiert auf einer Umfrage unter 504 IT-Entscheidern sowie Verantwortlichen im Datenbereich in mittelgroßen und großen Unternehmen, die Private-AI bereits produktiv in operativen Umgebungen einsetzen.
Die Befragten kommen aus verschiedenen Branchen, darunter Finanzdienstleistungen, professionelle Dienstleistungen, Fertigungsindustrie, Gesundheitswesen, Life Sciences,öffentliche Verwaltung sowie der Medien- und Unterhaltungssektor. Die Mehrheit der Befragten repräsentiert Organisationen mit mehr als 1.000 Mitarbeitenden in den USA, Deutschland, dem Vereinigten Königreich sowie Frankreich.
Über Freeform Dynamics
Freeform Dynamics ist ein Analystenhaus der IT-Branche. Durch unsere Forschung und Analysen unterstützen wir vielbeschäftigte IT- und Business-Verantwortliche dabei, sich rasch über aktuelle technologische Entwicklungen zu informieren und fundierte Entscheidungen im Investitionsbereich zu treffen. Weitere Informationen unter freeformdynamics.com.
Categories: Allgemein
No Responses Yet
You must be logged in to post a comment.