An kaum eine Technologie werden aktuell so viele Hoffnungen geknüpft wie an Künstliche Intelligenz (KI) oder auf Englisch Artificial Intelligence (AI). Diese soll helfen, Krankheiten zu erkennen und zu heilen, Fahrzeuge autonom und ohne Unfall von A nach B zu bringen oder online Identitäten zu überprüfen und Betrug zu verhindern. Einiges hiervon ist durchaus noch Zukunftsmusik. In der IT aber macht AI in der Form von Artificial Intelligence for IT Operations (AIOps) endlich möglich, dass es nach Angeboten wie Software-as-a-Service oder Infrastructure-as-a-Service nun auch Storage-as-a-Service (STaaS) gibt, sogar mit Kapazitäten vieler Petabytes. AI kommt dabei auf mehreren Ebenen zum Einsatz.
In der Box
Um wirklich von STaaS zu profitieren, sollten Anwender darauf achten, dass nicht nur „AI“ auf der Box steht, sondern tatsächlich Deep Learning (DL) zum Einsatz kommt. Nur DL versetzt ein Speichersystem in die Lage, die Selbstoptimierung zu vollziehen, die für STaaS erforderlich ist. DL ist ein Unterbereich des Machine Learning und geht in einem wesentlichen Punkt über dieses hinaus: Ein DL-System orientiert sich an der Funktionsweise des menschlichen Gehirns und ist in der Lage, nicht nur trainiert zu werden, sondern von sich aus zu lernen. Permanent passt das System das bereits Erlernte auf Basis neuen Inputs an und optimiert sich so kontinuierlich selbst.
Beim Einsatz in einem Storage Array kann DL die Anwendungsumgebungen und Leistung im Laufe der Zeit optimieren und im Wesentlichen nach einmaliger Installation und Konfiguration einen wartungsfreien Betrieb gewährleisten. Es passt sich dynamisch an sich ändernde Anwendungs-, Benutzer- und Leistungsanforderungen an – ohne administrativen Aufwand. Bei Systemen mit mehreren Arten Speichermedien kann DL auch dafür sorgen, dass das System das optimale Medium für jeden Job wählt. So können IT-Abteilungen und Service Provider auch anspruchsvollste SLAs einhalten.
Außerhalb der Box
Eine wirkliche STaaS-Umgebung ist aber so noch nicht erreicht. Hierfür sollte AIOps auch außerhalb des Arrays zum Einsatz kommen und genutzt werden, um prädiktive Analysen, frühzeitige Problemerkennung und verbesserten, proaktiven Support zu bieten. Außerdem sollte die Storage-Umgebung keine AIOps-Insel in der Infrastruktur bilden. Sie sollte vielmehr mit entsprechenden Angeboten anderer Anbieter kombiniert werden können, damit Unternehmen beispielsweise Cloud-Automatisierungs-, Orchestrierungs- und AIOps-Plattformen nutzen können. Hierzu muss das Storage-System mit den nötigen Schnittstellen (APIs) ausgestattet sein. Unternehmen auf der Suche nach einer STaaS-Lösung sollten also nicht nur auf die technische Ausstattung des ins Auge gefassten Arrays achten, sondern auf APIs sowie ein entsprechendes Ökosystem von Partnern zu achten.
Flexible Preismodelle
Neben den beschriebenen technischen Voraussetzungen und dem erforderlichen Ökosystem ist weiterhin das Preismodell für STaaS von zentraler Bedeutung. Bei einem Service wie Strom aus der Steckdose bezahlt man schließlich auch nur für den Strom, den man tatsächlich verbraucht, und nicht etwa für 200 KWH, wenn man aktuell nur 50 KWh benötigt, nur weil man auf den fall vorbereitet sein will, dass der Bedarf höher ausfällt als geplant. Neben einem reinen ein OpEx-Modell sollte der Storage-Anbieter daher auch ein elastischere Modell im Angebot haben, das über bekannte „Pay-as-you-grow-Modell“ hinausgeht und CapEx- und OpEx-Preisbildung kombiniert, um eine kostengünstige und schnelle Erweiterung der Speicherkapazität ebenso zu ermöglichen wie eine Verringerung.
Aller guten Dinge
Der Einsatz von AIOps in der beschriebenen Kombination mit einem entsprechenden Ökosystem und einem elastischen Preismodell ermöglicht tatsächlich Storage-As-a-Service. Ein System, das sich selbst optimiert, und so beste Performance und Nutzung der Speichermedien bietet; das mit prädiktiven Analysen und proaktivem Support, Kapazitätsengpässe erkennt und ausfallfrei arbeitet; und das zu guter Letzt mit seinem Preismodell die Flexibilität der Public Cloud in einer Private Cloud bietet.
Die Entwickler arbeiten noch an weiteren „Verfeinerungen“. Windows Insider erhalten nun wohl eine erste Vorschau…
Laut Bitkom-Umfrage werden in jedem dritten Unternehmen in Deutschland private KI-Zugänge genutzt. Tendenz steigend.
2023 erlitten neun von zehn Unternehmen in der DACH-Region Umsatzverluste und Kurseinbrüche in Folge von…
Der Report „Pacific Rim“ von Sophos beschreibt Katz-und-Maus-Spiel aus Angriffs- und Verteidigungsoperationen mit staatlich unterstützten…
NVIDIA DGX SuperPOD soll voraussichtlich Mitte 2025 in Betrieb genommen und für Forschungsberechnungen genutzt werden.
Latrodectus, auch bekannt als BlackWidow, ist auch unter dem Namen LUNAR SPIDER bekannt.