Studie von Pure Storage D-Unternehmen begegnen dem massiven Energie- und Datenbedarf von KI unvorbereitet

Anbieter zum Thema

Pure Storage GmbH

Rittal GmbH & Co. KG

Schneider Electric GmbH

Data Center Group – Büro Köln

Pure Storage und Wakefield Research haben eine Studie aufgesetzt, die die Hürden dokumentiert, denen sich Unternehmen aller Branchen bei der Einführung von Künstlicher Intelligenz (KI) gegenübersehen, Dazu gehört ganz sich der Daten- und Energiebedarf, der jedoch auch gerne einmal übersehen oder ignoriert wird.

87 Prozent der IT-Einkäufer in Deutschland finden es schwieriger, ESG-Ziele zu erreichen, wenn sie ihre IT-Infrastruktur für die Einführung von KI aufrüsten. Das geht aus dem Bericht „Drivers of Change: Meeting the Energy and Data Challenges of AI Adoption“ hervor.

Er zeigt zudem, wie wichtig es ist, die Dateninfrastruktur neu zu bewerten, um wirklich von den Vorteilen der KI zu profitieren, die Energiekosten im Rahmen zu halten und die Umweltziele von Unternehmen zu erreichen. Im Zuge der Studie wurden auch in deutschen Unternehmen mit mehr als 500 Mitarbeitern 100 IT-Einkäufer befragt. Insgesamt waren es 500 IT-Einkäufer in vier Ländern.

Die zentrale Ergebnisse der Umfrage:

• Der Bedarf an Rechenleistung steigt, angetrieben durch die Einführung von KI: Bei 87 Prozent der Unternehmen, die KI eingeführt haben, ist der Bedarf an Rechenleistung erheblich gestiegen. Über die Hälfte (58 Prozent) musste ihre Rechenleistung seit der Einführung von KI verdoppeln oder mehr. Im internationalen Durchschnitt liegt die Quote bei 46 Prozent.

• Unternehmen haben den Energiebedarf von KI nicht vorhergesehen: 67 Prozent der IT-Einkäufer waren nicht vollständig auf die Energie-Anforderungen von KI vorbereitet.

• Der Energieverbrauch ist nur eine der Belastungen durch KI: Für 77 Prozent der Unternehmen ist eine Aufrüstung des Daten-Managements in irgendeiner Form erforderlich oder wird erforderlich sein. Zu den spezifischen Upgrades gehören: Daten-Management-Tools (48 Prozent), Daten-Management-Prozesse (55 Prozent) und die Datenspeicherinfrastruktur (47 Prozent).

• Infolgedessen haben fast alle (94 Prozent) ihre IT-Infrastruktur bereits aktualisiert oder planen dies: 34 Prozent der befragten IT-Einkäufer in Deutschland gaben an, dass KI eine komplette Umgestaltung erfordert oder erfordern wird. Im internationalen Durchschnitt liegt die Quote bei 29 Prozent.

• Diese Herausforderungen haben die Nachhaltigkeitsziele der Unternehmen zurückgeworfen: 88 Prozent haben festgestellt, dass die ESG-Ziele infolge der Aufrüstung ihrer IT-Infrastruktur nach der Einführung von KI schwieriger zu erreichen sind. Allerdings gaben 67 Prozent derjenigen, die bereits KI-Technologien eingeführt haben (oder dies in den nächsten zwölf Monaten planen) an, dass sie in Energie-effizientere Hardware investiert haben oder investieren werden, um die ESG-Ziele zu erreichen.

Und was heißt das?

Der Einsatz von KI ist in allen Branchen auf dem Vormarsch, doch den meisten Unternehmen fehlt es an der notwendigen Infrastruktur, um die hohen Anforderungen an die Datenverarbeitung und den Energiebedarf zu bewältigen, die für die Maximierung der Vorteile von KI erforderlich sind. Diese Einschränkung stellt eine Herausforderung für die erfolgreiche Implementierung von KI zur Unterstützung wichtiger Unternehmensinitiativen dar, einschließlich solcher, die auf das Erreichen von Umweltzielen abzielen.

Denn nahezu alle IT-Einkäufer sehen sich gezwungen, ihren ökologischen Fußabdruck zu verringern. Die meisten sind sich einig, dass die IT-Ziele unerreichbar bleiben, wenn die IT-Infrastruktur unangemessen auf die Unterstützung von KI vorbereitet wird.

Rob Lee, Chief Technology Officer bei Pure Storage, kommentiert: „Der heutige Bericht bietet IT-Führungskräften wichtige Einblicke in die Konsequenzen, die sich ergeben, wenn sie die für die Implementierung von KI erforderlichen Änderungen nicht einplanen, sowie in die Vorteile, die sich ergeben, wenn sie auf die Auswirkungen von KI auf die Infrastruktur vorbereitet sind.“ Denn die Nachfrage nach einer intelligenteren Infrastruktur sei noch nie so groß wie heute gewesen. Zugleich seien Legacy-Systeme oft nicht in der Lage, die massiven KI-Datenpipelines zu unterstützen, die erforderlich sind, um das Beste aus dem Maschinellen Lernen herauszuholen.

(ID:49801501)