Die Macht der Gegenwart: Mit leistungsintensiver Computerinfrastruktur tiefgreifende und zeitnahe Erkenntnisse gewinnen

Auf der Grundlage datengestützter Erkenntnisse können Unternehmen heute und in Zukunft Wettbewerbsvorteile erzielen. Extern wird eine Wettbewerbsdifferenzierung durch die Einführung neuer Waren und Dienstleistungen oder die Verbesserung bestehender Waren und Dienstleistungen durch neue Benutzerinteraktionen und -erfahrungen erreicht. Intern kann eine Differenzierung durch die Reduzierung und Verbesserung von Unternehmensverfahren erreicht werden. Datengestützte Erkenntnisse verkürzen die Zeit bis zur Wertschöpfung und führen zu Umsatz- und Gewinneffekten für das Unternehmen.

Leistungsintensive Computerinfrastruktur (PIC-I), die für die Skalierung künstlicher Intelligenz (KI), Big Data und Analytik (BDA), Modellierung und Simulation (M&S) und technischer Anwendungen wie Electronic Design Automation (EDA) erforderlich ist, gewinnt in großen und kleinen Unternehmen sowie in allen Organisationseinheiten (Konzerne, Regierungen, Universitäten, gemeinnützige Organisationen) an Bedeutung. Das wichtigste Service-Level-Ziel für die Infrastruktur ist eine skalierbare Leistung.

Damit eine Organisation aussagekräftige Erkenntnisse aus riesigen und/oder heterogenen Datensätzen in der genannten Größenordnung gewinnen kann, muss von Grund auf eine leistungsfähige Infrastruktur geschaffen werden. Darüber hinaus implementieren Unternehmen PIC-I häufig getrennt von ihrer IT-Infrastruktur, da die Ausführung dieser Anwendungen gut sein sollte.

Performance-intensive Computing-Systeme (PIC) sind in der Regel batchorientiert. Dennoch werden sie zunehmend um eine (Echtzeit-)Streaming-Analytics-Komponente erweitert, wodurch die Servicequalität der zugrunde liegenden Infrastruktur noch wichtiger wird. Unabhängig davon, wie modern oder effizient sie auch sein mag, ist Infrastruktur für den allgemeinen Gebrauch nicht für die Unterstützung von PIC-Anwendungen gedacht. Vielmehr soll sie einen stabilen Unternehmensbetrieb gewährleisten, indem sie die für geschäfts- und unternehmenskritische, umsatzgenerierende Anwendungen erforderliche Servicequalität bietet.

PIC-Workloads wurden in mehreren öffentlichen Cloud-Installationen auf Skalierbarkeit, Leistung und Sicherheit geprüft, wo Unternehmen häufig vorläufige Entwicklungs- und Testarbeiten durchführen. IT-Käufer sind daran interessiert, PIC-I-Lösungen vor Ort oder in Colocation-Einrichtungen einzusetzen. Sie möchten sich auf Geschäftsergebnisse mit den gleichen Wert-, Leistungs-/Watt-, Sicherheits- und Nachhaltigkeitszielen wie die öffentliche Cloud konzentrieren. Glücklicherweise stellen sich IT-Anbieter dieser Herausforderung. Beispielsweise haben Siliziumhersteller wie AMD und seine Lösungspartner wie Supermicro Infrastrukturlösungen entwickelt, die auf PIC-Anwendungen zugeschnitten sind.

Laut IDC ist der Hauptgrund für das Scheitern vieler PIC-Projekte (wie etwa KI) der Bedarf an mehr Wissen und unzureichende Investitionen in speziell entwickelte Infrastruktur. Unternehmen müssen auch erkennen, dass die Auswirkungen von Datengravitation und -relevanz bei Einsatzentscheidungen berücksichtigt werden müssen, damit PIC-Projekte effektiv sind. Unternehmen müssen im Rahmen ihrer IT-Strategie in den richtigen Infrastruktur-Stack investieren, um die Hindernisse für weit verbreitete und sichere PIC-Implementierungen zu überwinden.

Aufbau einer Infrastruktur für leistungsintensives Computing

Mehrere zuvor identifizierte Anwendungsfälle erfordern zur Operationalisierung einen dreistufigen Ansatz: Technologie, Organisation (Mitarbeiter) und Verfahren. Ein Mangel an Bewusstsein für die entscheidenden Mitarbeiter, Prozesse und technologischen Kompetenzen, die für den Erfolg erforderlich sind, ist ein großes Hindernis für Unternehmen bei der Operationalisierung vieler neuer Workloads, insbesondere bei der Verwaltung des Lebenszyklus der Anwendungen und der zugehörigen Daten. Darüber hinaus gewinnen Sicherheit und Energieeffizienz auf der IT-Agenda an Bedeutung.

Es erfordert neue Prozesse und organisatorische Methoden, wie Investitionen in die Kommunikation zwischen den Geschäfts- und Technikteams sowie zwischen den Entwicklungs- und Betriebsteams. Am Beispiel der künstlichen Intelligenz müssen Unternehmen ihre KI-Operationen skalieren, einschließlich Workflow-Kooperation, Modellprototypen und -training, Modellbereitstellung, Modellleistungsbewertung und kontinuierliche Modellüberwachung.

Es gibt fünf technologische Bereiche, die Unternehmen im Rahmen ihrer PIC-I-Strategie bewerten müssen. Sie müssen eine umfassende Strategie entwickeln und dabei Folgendes berücksichtigen:

• Softwarelösungen und -plattformen, die grundlegende Funktionen für die weitere App-Entwicklung bieten und dabei helfen, die Kluft zwischen Entwicklern, Datenwissenschaftlern und IT-Betriebsteams zu überbrücken.
• Spezielle Infrastruktur, die die Leistung steigern kann, um den wachsenden Anforderungen der Anwendungen an Rechenleistung und Datenhaltbarkeit gerecht zu werden
• Standorte für die Bereitstellung von Infrastruktur, um eine allgegenwärtige Nutzung und unternehmensweite Analysen zu ermöglichen
• Sicherheitslösungen auf Siliziumebene ermöglichen Unternehmen die Umsetzung einer zeitgemäßen Strategie zur Reduzierung der Bedrohung wertvoller Vermögenswerte, zur Eindämmung von Malware und zum Schutz vor internen und physischen Angriffen.
• Investitionen in Technologien, die den Umwelt-, Sozial- und Governance-Zielen (ESG) des Unternehmens entsprechen (durch die Implementierung energieeffizienter Designs können IT-Unternehmen zum Erreichen dieser Ziele beitragen und gleichzeitig die Geschäftsanforderungen erfüllen.) Die Infrastruktur gehört zu den am meisten missverstandenen und unterbewerteten Komponenten jedes PIC-Aufgabenstapels.

Es ist auch einer der Hauptgründe für gescheiterte PIC-Initiativen. Untersuchungen von IDC zeigen beispielsweise, dass sich Unternehmen in der Anfangszeit der KI nicht auf die Infrastruktur einigen konnten, die für die Ausführung ihrer KI-Workloads am besten geeignet war. Infolgedessen probierten sie alles aus, oft mit enttäuschenden Ergebnissen. Cloud-Service-Provider und Hyperscale-Rechenzentren mit KI-Funktionen haben den Luxus, ihre KI- und HPC-Workloads mit riesigen Mengen an Allzweckservern zu erweitern. Sie beschäftigen auch große IT-Teams, um die Servicequalität der Infrastruktur sicherzustellen.

Die meisten Unternehmen können solche Methoden nicht imitieren und Versuche, dies zu tun, führen häufig zum Scheitern ihrer KI-Projekte in der Produktion. Der Aufbau einer leistungsorientierteren Infrastruktur für diese leistungsintensiven Apps und Workloads ist die beste Antwort, da der Betrieb auf einer Allzweckinfrastruktur nicht den erforderlichen Umfang bieten würde, um aussagekräftige Erkenntnisse und damit einen Wettbewerbsvorteil zu gewinnen.

Laden Sie das Whitepaper von IDC herunter, um mehr über den Cloud-Infrastrukturdienst exklusiv bei Whitepapers Online zu erfahren.