Die Unternehmenswelt tritt in eine neue Phase der Reife im Bereich der künstlichen Intelligenz ein. Es ist eine Phase, die nicht durch aufsehenerregende Pilotprojekte oder begrenzte Experimente geprägt ist, sondern durch eine rasche Integration in die zentralen Geschäftsabläufe von Unternehmen im großen Maßstab. Doch während dieses Streben nach Skalierbarkeit weitergeht, sehen sich Führungskräfte in Unternehmen zunehmend mit einer schwierigen Realität konfrontiert: Herkömmliche Datenarchitekturen hätten längst eine KI-orientierte Modernisierung benötigt. Und diese Erkenntnis hat den Weg für eine umfassende Neugestaltung der KI-Architektur geebnet, in deren Rahmen IT-Verantwortliche in Unternehmen ihre Datenarchitekturen für eine KI-gestützte Zukunft umgestalten.
Um besser zu verstehen, wie Unternehmen diese neue Herausforderung angehen, hat Cloudera seinen neuesten Report Die große Neugestaltung der KI-Architektur veröffentlicht, für den weltweit 1.500 Enterprise-Architekten, Führungskräfte für Cloud-Infrastruktur und Datenarchitekten befragt wurden. Die Ergebnisse sind eindeutig – KI definiert grundlegend neu, wie Unternehmen ihre Datenarchitektur strukturieren. Tatsächlich gaben 72 % der Befragten an, dass ihre aktuelle Datenarchitektur grundlegend überarbeitet werden muss, um ihre KI-Ziele zu erreichen.
Wie entwickeln sich also die Datenarchitekturen weiter, um den Anforderungen der Zeit gerecht zu werden, während Führungskräfte in Unternehmen auf eine tiefgreifendere KI-Integration und größere geschäftliche Auswirkungen drängen? Lassen Sie uns einige der wichtigsten Erkenntnisse näher betrachten.
Die Anfänge einer umfassenden Neugestaltung der KI-Architektur
Da fast drei Viertel (72 %) der Befragten angaben, dass ihre aktuelle Architektur grundlegend überarbeitet werden muss, um zukünftige KI-Ziele zu unterstützen, ist klar, dass sich die Unternehmenswelt der erforderlichen Maßnahmen durchaus bewusst ist. Weitere 75 % gaben an, dass sie ihre Praktiken in den Bereichen Datenspeicherung und Architektur bereits in moderatem oder erheblichem Umfang verändert haben.
KI-Workloads benötigen nahtlosen Zugriff auf Daten, die sich häufig über mehrere Umgebungen verteilen – ob On-Premises, in Public Clouds, Private Clouds und souveränen Clouds oder verteilt über Edge-Systeme. All diese Daten ordnungsgemäß zu verwalten und für den Einsatz durch KI bereitzustellen, ist kostspielig. Tatsächlich gaben 84 % der Befragten an, dass KI-Workloads ihre Infrastrukturkosten erhöht haben.
Zwar stehen Unternehmen generell alle unter dem Druck, ihre Datenarchitekturen zu überarbeiten und die Vorteile der KI zu nutzen, doch weisen die treibenden Faktoren hinter diesen Bemühungen gewisse Unterschiede auf. 42 % der Befragten nannten Anforderungen an Datensicherheit, Governance und Compliance als treibende Kraft hinter Veränderungen der Praktiken in den Bereichen Datenspeicherung und Architektur. Es folgten 35 % der Befragten, die sich auf die Verbesserung der Leistung und die Verringerung der Latenz konzentrierten, 35 %, die Echtzeit- oder Edge-basierte KI-Funktionen nannten, und 33 %, die angaben, KI-Initiativen unternehmensweit zu skalieren.
Was auch immer der Grund sein mag, viele Unternehmen mussten feststellen, dass ihre Infrastruktur schlichtweg nicht bereit ist, KI zu nutzen, auch wenn sie selbst dazu bereit sind.
Ein Schwerpunkt auf Governance und vertrauenswürdigen Daten
Der Wettlauf um die Skalierung von KI hat Governance und Sicherheit wieder stärker in den Mittelpunkt gerückt – ihre Rolle hat sich von bloßen Kästchen auf einer Compliance-Aufgabenliste hin zu einem Wegbereiter für KI gewandelt. Wie Befragte nur allzu gut wissen, können Governance-Probleme ein ernsthaftes Hindernis für erfolgreiche KI-Initiativen darstellen. Nahezu alle befragten Unternehmen (95 %) berichteten, im vergangenen Jahr KI-Projekte aufgrund von Governance- oder Compliance-Problemen verzögert oder abgesagt zu haben.
Wenn KI Einzug in die zentralen Geschäftsprozesse hält, müssen die Daten, auf die sie sich stützt, vertrauenswürdig sein. Das bedeutet, dass Führungskräfte in Unternehmen wissen müssen, wo ihre Daten gespeichert sind, wer darauf zugreifen kann und ob sie in komplexen Umgebungen verantwortungsvoll genutzt werden können. Ohne diese Transparenz und Kontrolle riskieren Unternehmen, die Einführung von KI zu verlangsamen oder im Rahmen ihrer KI-Bemühungen unnötige Risiken zu schaffen.
Die Erkenntnisse zeigen einen deutlichen Wandel in der Rolle der Governance als Wegbereiter. Doch mit dem inhärenten Wandel Schritt zu halten, der mit KI einhergeht, erfordert eine einheitliche Datengrundlage, die die Kontrolle über 100 % der Unternehmensdaten gewährleistet, unabhängig davon, wo sie gespeichert sind.
Eine KI-getriebene Zukunft lebt von Flexibilität
Ein auffälliger Trend, der sich aus dem Report von Cloudera abzeichnet, ist die bewusstere Entscheidung von Unternehmen darüber, wo KI-Workloads ausgeführt werden sollen. Viele holen sogar Workloads aus Public-Cloud-Umgebungen zurück. Unter den Befragten gaben 66 % an, in den letzten 12 Monaten KI-Workloads aus der Public Cloud zurück in On-Premises- oder Private-Cloud-Umgebungen verlagert zu haben.
Diese Zahl ist kein Hinweis auf ein Versagen der Public Clouds. Vielmehr zeigt sich darin eine Präferenz für einen hybriden Ansatz statt eines Cloud-first-Ansatzes. Tatsächlich gab fast ein Drittel der Befragten (31 %) an, KI-Inferenz-Workloads in hybriden Umgebungen auszuführen. Dicht dahinter folgten jedoch die Public Cloud (30 %) und die Private Cloud (22 %). Letztlich zeigt dies eine Präferenz dafür, KI-Workloads in die Umgebungen zu bringen, in denen sie die besten Ergebnisse liefern können.
Doch was bedeutet eine hybrid ausgerichtete Zukunft für die Pläne von IT-Führungskräften? In den nächsten zwei Jahren planten etwa ein Drittel (29 %) der Befragten, ihre Cloud-Ausgaben weiterhin zu erhöhen. Gleichzeitig wollten ein Viertel (25 %) mehr Gewicht auf einen hybriden Ansatz legen.
Wohin sich KI auch entwickelt, die Zukunft wird mit Sicherheit deutlich vielfältiger sein, da Unternehmen nach Datenarchitekturen suchen, die die wirkungsvollsten Geschäftsergebnisse ermöglichen. Dieser Wandel erfordert jedoch die Flexibilität, Workloads am jeweils richtigen Ort auszuführen, ohne dabei Transparenz, Governance, Leistung und Kostenkontrolle in der gesamten Datenlandschaft zu beeinträchtigen.
Eine neue Grundlage für Unternehmens-KI
KI hat die nächste Phase der Datenarchitektur eingeläutet – eine umfassende Neugestaltung der Datenarchitektur für KI, die neu definieren wird, wie jedes Unternehmen mit Daten- und KI-Workloads umgeht. Während KI immer tiefer in zentrale Unternehmenssysteme vordringt und sich weiterhin in großem Maßstab verbreitet, müssen kritische Lücken geschlossen werden, um echten, nachhaltigen Mehrwert zu schaffen.
Unternehmen, die mit der nötigen Dringlichkeit handeln und eine Datenarchitektur nutzen, die die Flexibilität, Transparenz und Kontrolle bietet, um KI in großem Maßstab zu unterstützen, werden sich einen deutlichen Wettbewerbsvorteil für die Zukunft verschaffen.
Entdecken Sie den vollständigen Umfragebericht und erfahren Sie, wie Unternehmen die Datenarchitektur für das nächste Zeitalter der KI überdenken.
