4 In der Unternehmens-IT läuft derzeit ein Gespräch, das ungefähr so klingt: Die KI-Tools sind ausgewählt, die Anwendungsfälle genehmigt, das GPU-Budget ist freigegeben – und dann fragt jemand, wo die Daten eigentlich liegen. Ab da wird es kompliziert. Die meisten Unternehmen werden nicht durch fehlende KI-Fähigkeiten ausgebremst. Sie werden durch ein Datenfundament ausgebremst, das nie dafür ausgelegt war. Verteilt über On-Premises-Infrastruktur, Public Clouds und alles dazwischen, sind Unternehmensdaten oft inkonsistent, ungesteuert und offen gesagt nicht vertrauenswürdig. Laut einer Studie der Enterprise Strategy Group vertrauen nur 48 % der Unternehmen ihren Daten genug, um sie mit Zuversicht in KI-Systemen einzusetzen. Das ist kein Modellproblem. Das ist ein Problem der Datenstrategie. Eine starke Hybrid-Cloud-Datenstrategie beginnt nicht mit der Frage, welche Cloud genutzt wird. Sie beginnt mit dem Verständnis, wo Ihre Daten liegen, wie sie sich bewegen und ob man ihnen im großen Maßstab vertrauen kann. Speziell für KI-Workloads entscheidet dieses Fundament darüber, ob KI in der Produktion funktioniert oder im Proof of Concept stecken bleibt. Warum die Hybrid Cloud der Standard für KI im Unternehmen ist Trotz des Wachstums der Public Cloud liegen zwei Drittel der Unternehmensdaten noch immer On-Premises. Das ist keine Trägheit, sondern Absicht. Regulatorische Anforderungen, Latenzvorgaben, Pflichten zur Datensouveränität und schlicht die Kosten halten wichtige Workloads On-Premises, während Cloud-Umgebungen Lastspitzen bei der Rechenleistung, Analyse-Pipelines und Modellinferenz im großen Maßstab übernehmen. Laut Gartner nutzen zwei von drei Unternehmen die Hybrid Cloud für ihre KI-Initiativen. Der Grund ist klar: KI richtet sich nicht danach, wo Ihre Daten zufällig gespeichert sind. Ein Modell zur Betrugserkennung braucht Transaktionsdaten aus Kernbankensystemen. Eine KI-Pipeline für die Genomik braucht Petabytes an Sequenzierungsdaten aus der Laborinfrastruktur. Eine Anwendung für Kundenanalysen braucht Verhaltensdaten aus mehreren Cloud-Plattformen. Unternehmen, die bei KI erfolgreich sind, zentralisieren nicht erst alle Daten, bevor sie Modelle ausführen. Sie entwickeln eine Hybrid-Cloud-Datenstrategie, die konsistenten Zugriff, Governance und Performance für Daten bietet, wo auch immer sie liegen. Das ist ein grundlegend anderer Ansatz – und er verändert, was Ihre Speicherinfrastruktur leisten muss. Die versteckten Kosten der Datenfragmentierung Fragen Sie die meisten IT-Teams in Unternehmen nach ihrer KI-Bereitschaft, sprechen sie über GPUs, Frameworks und Modellauswahl. Fragen Sie sie, wo ihre Trainingsdaten liegen, wird die Antwort schnell kompliziert. Datenfragmentierung ist der stille Killer von KI-Initiativen. Sie entsteht schleichend – hier ein neuer Cloud-Workload, dort ein Datenspeicher einer Abteilung –, bis es mehrere Versionen derselben Datensätze, uneinheitliche Aufbewahrungsrichtlinien und Zugriffskontrollen gibt, die nicht über Umgebungen hinweg gelten, und keine verlässliche Möglichkeit, festzustellen, ob die Daten für Ihr Modell aktuell oder vollständig sind. Für KI ist das besonders schädlich. Die Modellqualität hängt direkt von der Datenqualität ab (auf Englisch). Sind Ihre Trainingsdaten über Umgebungen mit uneinheitlicher Governance verteilt, haben Sie kein KI-Problem – sondern ein Datenproblem im Gewand eines KI-Problems. Die Kosten zeigen sich nicht nur in der Modellgenauigkeit. Fragmentierte Daten bedeuten, dass Ihre Teams Zeit damit verbringen, Unterschiede zwischen Systemen abzugleichen, statt die eigentlich wichtige Arbeit zu erledigen. Sie bedeuten Compliance-Lücken, weil Richtlinien nicht einheitlich über alle Umgebungen greifen. Und speziell bei KI bedeuten sie GPU-Cluster, die im Leerlauf stehen, weil die Speicherebene sie nicht schnell genug versorgen kann. Wer versteht, was ein KI-Rechenzentrum tatsächlich benötigt, erkennt, wie schnell der Speicher zum limitierenden Faktor wird – nicht die Rechenleistung. Was eine Hybrid-Cloud-Datenstrategie für KI tatsächlich braucht Eine Hybrid-Cloud-Datenstrategie, die KI-Workloads im großen Maßstab unterstützen kann, muss vier Punkte abdecken, für deren Kombination klassische Infrastruktur nie ausgelegt war. 1. Eine Pipeline-Architektur, die von Anfang an für KI gebaut ist KI nutzt Daten anders als Unternehmensanwendungen. Die Volumen sind größer, die Zugriffsmuster weniger vorhersehbar, und Ausfälle der Pipeline sind teuer. Zu verstehen, wie KI-Datenpipelines aufgebaut sind – von der Rohdatenaufnahme über Aufbereitung, Training, Checkpointing und Inferenz bis zur Archivierung –, ist die Voraussetzung für eine Speicherinfrastruktur, die nicht zum Engpass wird. Jede Phase hat andere Anforderungen. Die Aufnahme braucht sequenzielle Schreibvorgänge mit hohem Durchsatz. Das Training braucht zufällige Lesevorgänge mit niedriger Latenz bei hoher Parallelität. Checkpointing braucht langlebige, unveränderliche Schreibvorgänge. Die Langzeitarchivierung braucht kosteneffiziente Kapazität mit einer für RAG-Korpora angemessenen Abrufgeschwindigkeit. Eine Hybrid-Cloud-Datenstrategie, die all diese Phasen mit einer einzigen, undifferenzierten Speicherebene bedienen will, wird bei mehreren davon scheitern. 2. Tiered Storage, das Performance und Kosten in Einklang bringt Nicht alle KI-Daten sind gleich – und sie so zu behandeln, ist einer der teuersten Fehler bei KI-Infrastruktur. Aktive Trainingsdatensätze und aktive Modellartefakte benötigen Zugriff in Flash-Geschwindigkeit. Bereinigte und gelabelte Datensätze, die auf ihren nächsten Trainingslauf warten, vertragen eine etwas höhere Latenz bei deutlich niedrigeren Kosten. Kalte Archive und Compliance-Kopien brauchen langfristige Haltbarkeit zum niedrigstmöglichen Preis pro Gigabyte. Tiered Storage für KI ist der Weg, auf dem Unternehmen die Performance-Anforderungen von GPU-Workloads mit der wirtschaftlichen Realität von Daten im Petabyte-Maßstab in Einklang bringen. Die richtige Tiering-Richtlinie – automatisiert, richtliniengesteuert und konsistent über hybride Umgebungen hinweg – ist der Punkt, an dem die meisten Unternehmen deutliche Kostensenkungen erzielen, ohne auf die wirklich wichtige Performance zu verzichten. 3. Governance und Sicherheit über alle Umgebungen hinweg KI-Workloads sind hochwertige Angriffsziele. Die Datensätze, mit denen Ihre Modelle trainiert werden, die Modellartefakte selbst, die Kundendaten für die Inferenz – all das muss gleich konsequent geschützt werden, unabhängig davon, wo es liegt. Unterschiedliche Sicherheitsrichtlinien für On-Premises- und Cloud-Umgebungen sind der Weg, auf dem Lücken entstehen. Eine produktionsreife Hybrid-Cloud-Datenstrategie braucht Unveränderlichkeit, die auf Speicherebene erzwungen wird, nicht nur auf Richtlinienebene. Sie braucht Verschlüsselung, Zugriffskontrollen und Audit-Trails, die über alle Umgebungen hinweg einheitlich funktionieren. Multi-Cloud-Speicherarchitekturen (auf Englisch) ohne einheitliche Governance erzeugen genau die Art von Fragmentierung, die KI im Unternehmen unzuverlässig und schwer prüfbar macht. 4. Die Fähigkeit, KI zu den Daten zu bringen – nicht die Daten zur KI Dieses Prinzip verändert die Wirtschaftlichkeit von KI in der Hybrid Cloud. Daten zwischen Umgebungen zu verschieben, ist teuer – in direkten Kosten, Latenz und betrieblicher Komplexität. Der Impuls, alle Daten zu zentralisieren, bevor KI darauf angewendet wird, ist nachvollziehbar – im Unternehmensmaßstab aber oft unpraktikabel. Regulatorische Vorgaben können es verhindern. Das Volumen kann es unbezahlbar machen. Die Latenz kann es inakzeptabel machen. Deshalb ist Cloud-Repatriierung ein zunehmend häufiges Ergebnis bei Unternehmen, die zunächst alles in die Public Cloud verlagert haben: Die Wirtschaftlichkeit, KI-Datensätze im Petabyte-Maßstab in Cloud-Object-Storage vorzuhalten, hält nicht stand, sobald Egress-Kosten, das Volumen an API-Aufrufen und der Latenzaufwand für die Versorgung von GPU-Clustern aus der Ferne eingerechnet werden. Das bessere Modell ist eine Infrastruktur, die KI-Tools zu den Daten bringt, wo auch immer sie liegen – nicht umgekehrt. Object Storage als praktischer Standard für hybride KI-Infrastruktur Object Storage hat sich zur Standardgrundlage für Hybrid-Cloud-Datenstrategien für KI entwickelt – aus architektonischen Gründen. Er skaliert horizontal ohne Silos. Er nutzt standardisierte S3-APIs, die KI-Tools, Frameworks und Analyseplattformen bereits nativ unterstützen. Er verarbeitet die Mischung aus strukturierten und unstrukturierten Daten, die KI-Pipelines nutzen. Und er verwaltet den gesamten Datenlebenszyklus über Data Lakes und stärker strukturierte Analyseumgebungen hinweg, ohne für jede Phase separate Systeme zu erfordern. Bei der Frage der Performance wird die Diskussion differenzierter. Standard-Object-Storage ist gut verstanden. Doch KI-Trainings-Workloads – die gleichzeitig Hunderte von Rechenknoten bedienen, Checkpoint-Schreibvorgänge verarbeiten und parallele Aufnahmeströme verwalten – gehen weit über das hinaus, wofür herkömmlicher Object Storage konzipiert wurde. Anwendungsfälle für Object Storage in der KI (auf Englisch) umfassen die gesamte Pipeline, doch die Performance-Anforderungen unterscheiden sich in jeder Phase erheblich, und die Speicherarchitektur muss das widerspiegeln. Eine große US-Bank, die KI zur Betrugserkennung auf Scality RING betreibt, erreicht 80 GB/s Lesedurchsatz pro Standort – 160 GB/s insgesamt über alle Standorte – und bedient dabei ein großes Analysecluster auf Basis von Splunk. Ein globales Reiseunternehmen speist täglich ein Petabyte an Log-Daten in RING ein, um einen rollierenden 14-Tage-Data-Lake für KI und Analytics vorzuhalten. Ein nationales Genomiklabor in Frankreich nutzt RING als Repository für 90 % seiner Genomik-Datenpipeline – fast 10 Petabyte –, auf die Tausende von Rechenknoten zugreifen, zu 3- bis 5-mal niedrigeren Kosten als bei All-Flash-File-Storage-Alternativen. Das sind Produktionszahlen, keine Benchmarks. Der strategische Wandel: von der Verteilung der Infrastruktur zur Konsistenz der Daten Die Hybrid Cloud begann als Frage der Workload-Platzierung – welche Anwendungen On-Premises laufen und welche in der Cloud. Diese Frage ist weitgehend geklärt. Die schwierigere Frage, mit der Unternehmen jetzt ringen, lautet: Wie lassen sich Daten über all diese Umgebungen hinweg gleichzeitig konsistent, vertrauenswürdig und leistungsfähig halten? Für KI ist diese Frage dringend. Mit inkonsistenten Daten trainierte Modelle liefern inkonsistente Ergebnisse. Inferenzanwendungen, die auf fragmentierten Data Lakes beruhen, liefern Ergebnisse, denen man nicht vertrauen kann. Die Herausforderungen bei Big Data und Analytics (auf Englisch), die es auf der Speicherebene schon immer gab, verstärken sich, wenn KI der Abnehmer ist – und es steht mehr auf dem Spiel, wenn man sie falsch angeht. Die Unternehmen, die bei KI gewinnen, haben nicht unbedingt die fortschrittlichsten Modelle. Sie haben eine Hybrid-Cloud-Datenstrategie, die saubere, konsistente Daten mit hohem Durchsatz an jeden KI-Workload liefern kann, der sie braucht – über On-Premises-Infrastruktur, mehrere Clouds und alles dazwischen hinweg. Die Verteilung der Infrastruktur war das erste Kapitel. Die Konsistenz der Daten ist das Kapitel, das darüber entscheidet, ob KI tatsächlich liefert. Möchten Sie sehen, wie das in Ihrer Umgebung aussieht? Scality RING ist gezielt für jede Phase der KI-Datenpipeline im Unternehmen entwickelt – von der Aufnahme in Data Lakes im Petabyte-Maßstab über Modelltraining mit hohem Durchsatz und Checkpointing bis zur Langzeitarchivierung – über hybride und Multi-Cloud-Umgebungen hinweg, ohne Lock-in. Persönliche Demo mit einem Scality-Engineer anfordern → Weiterführende Artikel KI-Datenpipelines: Architektur, Phasen und Best Practices – Ein ausführlicher Blick darauf, wie KI-Pipelines in Unternehmen aufgebaut sind, von der Rohdatenaufnahme bis zu Inferenz und Archivierung. Tiered Storage für KI: skalierbare Performance und Kostenkontrolle – Wie Sie Performance-Stufen des Speichers den richtigen Phasen Ihrer KI-Pipeline zuordnen, ohne zu viel für Flash auszugeben. Was ist ein KI-Rechenzentrum? – Die Infrastrukturkomponenten, die speziell für KI gebaute Umgebungen von Universal-Rechenzentren unterscheiden. Data Lake vs. Data Warehouse: Architektur, Kosten und Anwendungsfälle – Welche Speicherarchitektur zu welchem Analyse- und KI-Workload passt und wann beide sinnvoll sind. Anwendungsfälle für Object Storage (auf Englisch) – Ein praktischer Überblick, wo Object Storage bei Backup, Analytics, KI und Cloud-nativen Anwendungen passt. Multi-Cloud-Speicher: Architektur, Vorteile und Strategie (auf Englisch) – Wie Sie eine Multi-Cloud-Speicherarchitektur entwerfen, ohne die Fragmentierung zu erzeugen, die die Zuverlässigkeit von KI untergräbt. Cloud-Repatriierung: Strategie, Kosten und Leitfaden – Warum Unternehmen KI-Daten-Workloads zurück On-Premises holen und wie Sie bewerten, ob das für Ihre Umgebung sinnvoll ist. Big-Data- und Analytics-Herausforderungen mit Object Storage lösen (auf Englisch) – Praxisbeispiele für Analyse-Workloads im Petabyte-Maßstab auf Object Storage, darunter eine Bereitstellung bei einem Reiseunternehmen mit 1 PB pro Tag. Multidimensionale Skalierung für KI- und Cloud-Speicher (auf Englisch) – Warum die Skalierung der Kapazität allein für moderne KI-Workloads nicht ausreicht und welche Dimensionen wirklich zählen. Hybrid-Cloud-Backup erklärt: Funktionsweise und Einsatzgründe – Die Datenschutzdimension der Hybrid-Cloud-Strategie – denn KI-Datensätzen, die sich nicht wiederherstellen lassen, kann man nicht vertrauen.
