Wichtige Infrastrukturherausforderungen schränken das Potenzial der KI ein

Patrick Lastennet, Marketing- und Geschäftsleiter beim digitalen Immobilienunternehmen Interxion, untersucht die Hindernisse für die Beschleunigung der KI-Innovation. Sie ist davon überzeugt, dass es wichtig ist, von Anfang an eine starke Infrastrukturstrategie für den KI-Einsatz zu entwickeln.

Die Nachfrage der Menschen nach künstlicher Intelligenz wächst. Unternehmen aller Branchen erforschen, wie sie künstliche Intelligenz nutzen können, um Innovationen zu beschleunigen und sich einen starken Wettbewerbsvorteil zu verschaffen. Der Entwurf einer KI-Infrastruktur ist jedoch komplex und überwältigend, weshalb 76 % der Unternehmen glauben, dass die Infrastruktur ein Hindernis für den KI-Erfolg darstellt.

Das ist jedoch keine Entschuldigung, den Fortschritt zu verlangsamen. Da immer mehr Unternehmen KI aktiv verfolgen oder zumindest hinterherhinken, werden diejenigen, die warten, nur noch weiter zurückfallen.

Eine aktuelle Umfrage unter IT-Entscheidungsträgern in acht europäischen Ländern ergab, dass fast zwei Drittel der Unternehmen (62 %) derzeit KI einsetzen oder testen, weitere 17 % planen, sie im Jahr 2020 einzusetzen KI.

Die Befragten stellten fest, dass viele Infrastrukturbarrieren den groß angelegten Einsatz von KI einschränken, angefangen von einem Mangel an Ressourcen wie Finanzierung, Personal und physischer Infrastruktur bis hin zu unklaren Unternehmensstrategien, die KI nicht berücksichtigen .

Da die KI-Bereitstellung für viele Unternehmen ein langsamer Aufbauprozess ist, entsteht eine große Technologielücke zwischen den Unternehmen, die sich bereits in der Bereitstellungsphase befinden, und denen, die noch nicht mit der Planung begonnen haben. Unternehmen, die nicht in KI investieren wollen, verpassen Chancen, sich einen Wettbewerbsvorteil zu verschaffen.

Deshalb ist es so wichtig, von Anfang an eine starke Infrastrukturstrategie für die KI-Bereitstellung zu haben. Hier sind einige Fragen, die Sie berücksichtigen sollten.

Erfolgshindernisse

Unternehmen, die große KI-Forschung und -Entwicklung leiten, verfügen häufig nicht über nennenswerte Anfangsinvestitionen ihrer IT-Abteilungen. Infolgedessen schaffen Teams leider eine Schatten-KI – eine KI-Infrastruktur, die unter dem Radar der IT entsteht, deren erfolgreicher Betrieb eine Herausforderung darstellt und letztendlich ineffektiv ist. Unternehmen können Schatten-KI vermeiden, indem sie eine speziell für KI optimierte Infrastrukturstrategie entwickeln.

Die Umfrage ergab, dass unermessliche Kosten das Hauptthema sind (21 %). Von der Notwendigkeit neuer Investitionen in Personal und Ausrüstung über unvorhergesehene Kosten auf dem kurvenreichen Weg zwischen KI-Entwurf und -Einsatz bis hin zu schnellen Innovationen und Veränderungen in den Technologieanforderungen können KI-Investitionen erheblich und schwer vorhersehbar sein. Darüber hinaus können interne Diskrepanzen zwischen IT und KI-Entwicklung zu einem niedrigen ROI führen, wenn Unternehmen die Technologie nicht einsetzen.

Eine große Herausforderung ist auch der Mangel an eigenem Fachpersonal. Unternehmen müssen häufig professionelle Entwickler einstellen, was kostspielig sein kann und neuen Mitarbeitern Zeit kostet, sich mit dem Geschäft vertraut zu machen, um KI-Design- und Organisationsziele zu erreichen.

Unzureichende IT-Ausstattung hindert Unternehmen auch daran, sich vorzustellen, wie künstliche Intelligenz in ihre Abläufe integriert werden kann. Laut der Umfrage befürchten viele Unternehmen, dass ihre aktuelle Infrastruktur nicht für die Unterstützung von KI optimiert ist und dass Rechenzentren ihre Kapazitätsgrenzen erreichen.

Hindernisse für die Strategiephase sind im Allgemeinen branchenübergreifend ähnlich, spezifische Infrastrukturentscheidungen können jedoch je nach Branche unterschiedlich sein. Gesetzliche oder Compliance-Anforderungen wie die DSGVO sowie die Arten von Daten und Arbeitsabläufen wirken sich auf Entscheidungen zur KI-Infrastruktur aus.

Die Studie ergab, dass 39 % der Unternehmen aller Branchen große öffentliche Clouds nutzen – die meisten davon sind Hersteller, die Flexibilität und Geschwindigkeit suchen. Mittlerweile bevorzugen 29 % der Befragten interne Lösungen mit Unterstützung von Beratern – typischerweise Finanz-, Energie- und Gesundheitsunternehmen, die ihre personenbezogenen Daten (PII) streng schützen und besser kontrollieren möchten.

Elemente einer erfolgreichen Infrastruktur für künstliche Intelligenz

Da viele Unternehmen bei Null anfangen, ist es wichtig, von Anfang an eine klare Strategie zu haben, da der Wiederaufbau schwierig sein wird Später kostet Architektur viel Zeit, Geld und Ressourcen. Um KI erfolgreich in großem Maßstab zu ermöglichen, müssen Unternehmen mehrere Aspekte prüfen.

Zunächst müssen Unternehmen sicherstellen können, dass sie über die richtige Infrastruktur verfügen, um die Datenerfassung und -sammlung zu unterstützen, die für die für KI-Workloads vorbereiteten Datensätze erforderlich sind. Insbesondere muss auf die Effektivität und die Kosten der Datenerfassung von Edge- oder Cloud-Geräten geachtet werden, auf denen KI-Inferenz ausgeführt wird. Idealerweise muss dies in mehreren Regionen auf der ganzen Welt implementiert werden und gleichzeitig Hochgeschwindigkeitsverbindungen nutzen und eine hohe Verfügbarkeit gewährleisten. Das bedeutet, dass Unternehmen eine Infrastruktur benötigen, die von einer Netzwerkstruktur unterstützt wird, die die folgenden Vorteile bietet: KI-Daten von Geräten, Büros und Produktionsanlagen werden zur Verarbeitung entlang einer Multi-Node-Architektur in regionale, miteinander verbundene Rechenzentren gebracht.

Direkter Cloud-Zugriff: Bietet leistungsstarken Zugriff auf Cloud-Hyperscale-Umgebungen, um hybride Bereitstellungen von KI-Trainings- oder Inferenz-Workloads zu unterstützen.

Geografischer Maßstab: Durch die Platzierung ihrer Infrastruktur in mehreren Rechenzentren in strategischen geografischen Gebieten können Unternehmen eine kostengünstige Datenerfassung und eine leistungsstarke KI-Workload-Bereitstellung auf globaler Ebene erreichen.

Wenn Unternehmen die Schulung von KI-/Deep-Learning-Modellen in Betracht ziehen, müssen sie einen Rechenzentrumspartner in Betracht ziehen, der über die erforderliche Stromversorgungs- und Kühltechnologie verfügt, um GPU-beschleunigtes Computing langfristig zu unterstützen. Dies erfordert:

Hohe Rack-Dichte: To Um KI-Workloads zu unterstützen, benötigen Unternehmen mehr Rechenleistung von jedem Rack in ihren Rechenzentren. Das bedeutet eine höhere Leistungsdichte. Tatsächlich müssen die meisten Unternehmen ihre maximale Dichte mindestens verdreifachen, um KI-Workloads zu unterstützen und sich auf zukünftige höhere Stufen vorzubereiten.

Volumen und Skalierung: Der Schlüssel zur Nutzung der Vorteile von KI ist die Implementierung in großem Maßstab. Die Fähigkeit, auf großer Hardware (GPU) zu laufen, ermöglicht groß angelegte Recheneffekte.

Der Weg zu einer realistischen künstlichen Intelligenz

Die meisten lokalen Unternehmensrechenzentren können diese Datenmenge nicht verarbeiten. Öffentliche Clouds hingegen bieten den Weg des geringsten Widerstands, sind jedoch aufgrund hoher Kosten oder Latenzprobleme nicht immer die beste Umgebung, um KI-Modelle in großem Maßstab zu trainieren oder in der Produktion bereitzustellen.

Was ist also der beste Ansatz für Unternehmen, die eine Infrastruktur zur Unterstützung von KI-Workloads entwerfen möchten? Indem wir untersuchen, wie Unternehmen, die bereits von KI profitieren, ihre Infrastruktur einsetzen, können wichtige Erkenntnisse gewonnen werden.

Hyperscale-Unternehmen wie Google, Amazon, Facebook und Microsoft haben KI erfolgreich in großem Maßstab mithilfe ihrer eigenen Kern- und Edge-Infrastruktur bereitgestellt, die häufig in hochgradig vernetzten, hochwertigen Rechenzentren bereitgestellt wird. Sie nutzen Colocation auf der ganzen Welt intensiv, weil sie wissen, dass sie die von ihnen benötigte Größe, Dichte und Konnektivität unterstützen können.

Durch die Nutzung des Wissens und der Erfahrung dieser KI-Führungskräfte können Unternehmen ihr eigenes Schicksal in der KI bestimmen.

Das obige ist der detaillierte Inhalt vonWichtige Infrastrukturherausforderungen schränken das Potenzial der KI ein. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!