Modernes Datacenter-Management Die KI macht das schon…

Anbieter zum Thema

Vertiv GmbH

Global Switch GmbH

Eaton Germany GmbH

Schneider Electric S.A.

VMware Global Inc Zweigndl. Deutschland

mehr weniger

Cisco Systems GmbH Attn: Accounts Payable Business Campus München

Microsoft Deutschland GmbH

IBM Deutschland GmbH

Schneider Electric GmbH

Fsas Technologies GmbH

Data Center Group – Büro Köln

weniger

Die Komplexität des datengetriebenen Datacenter-Managements entzieht sich langsam dem menschlichen Fassungsvermögen. Wo deterministische Regeln und das Bauchgefühl versagen, tritt Künstliche Intelligenz (KI) auf den Plan. Das „kognitive“ Rechenzentrum steht förmlich vor der Türe.

Als der russische Schachweltmeister Garry Kasparov vor rund zwei Jahrzehnten gegen „IBM Deep Blue“ den Kürzeren zog“, war der heutige Stand der Technik noch in weiter Ferne – und der Sieg einer Maschine über den Menschen rein unvorstellbar... Schachmatt, „game over“? Heute gehen Rechenzentrumsbetreiber mit KI voll in die Offensive. Das Wettrennen, wer die beste KI auf ein Rechenzentrum „los jagt“, ist weit offen.

KI auf dem Vormarsch

Der weltweite Markt für kognitive Systeme soll laut IDC bereits im Jahre 2022 einen Umsatz von insgesamt 77,6 Milliarden Dollar erreichen. Laut dem Beratungshaus Accenture dürfte die verstärkte Anwendung von Lösungen der Künstlichen Intelligenz die Unternehmensgewinne bis zum Jahre 2035 um durchschnittlich 38 Prozent anheben. Die Wirtschaft steht unter Druck, Reserven der Produktivität freizusetzen und neue Wege der Entscheidungsfindung zu betreten. Kann denn KI Abhilfe schaffen?

Das Potenzial von Künstlicher Intelligenz, die Effizienz von Rechenzentren zu steigern und das Geschäftsergebnis zu verbessern, ist vielerorts bereits bewiesen. Der Einsatz von KI hat sich vor allem in vier Bereichen des Datacenter-Managements bewährt:

• Energie-Management: Durch KI-getriebene Optimierungen des Betriebs von Heiz- und Kühlsystemen lassen sich Stromkosten senken, der Personaleinsatz besser koordinieren und die Effizienz verbessern.

• Geräteverwaltung: KI-Systeme können den Zustand von Servern, Speicher- und Netzwerkgeräten überwachen, die Konfiguration überprüfen sowie Ausfälle vorhersagen.

• Workload-Management: KI-Systeme können die Migration von Workloads in Echtzeit automatisieren, sowohl innerhalb des Rechenzentrums als auch in einer Hybrid-Cloud-Umgebung zwischen On-Premise-, Cloud- und Edge-Umgebungen.

• Sicherheit: KI-Tools können 'lernen', wie normaler Netzwerkverkehr aussieht, Anomalien erkennen, Kommunikationsverbindungen beobachten, Warnungen klassifizieren, menschlichen Sicherheitsexperten bei der Analyse eines Vorfalls helfen, mit Handlungsempfehlungen zum Schließen von Verwundbarkeiten beitragen und bei aktiver Cyberabwehr beratend zur Seite stehen.

Laut einer Prognose von Omdia soll der globale Markt für KI-Software bis zum Jahre 2025 ein Volumen von 98,8 Milliarden Dollar erreichen, sechs Mal mehr als noch im Jahre 2019. Laut einer Prognose von Tractica dürften einzig und allein die Telekommunikationsanbieter jährlich satte 36,7 Milliarden Dollar für die KI-gesteuerte Automatisierung des Betriebs ihrer Infrastrukturen ausgeben. Der größte Investitionsschwerpunkt sei demnach die Überwachung und Verwaltung des (Funk) Netzwerk- und IT-Betriebs. Weitere Ressourcen dürften in den Einsatz von KI im Kundenservice, in der Cyber-Sicherheit, für prädiktive Instandhaltung und Betrugsbekämpfung fließen.

Die KI-Verunsicherung des Mittelstands

Unternehmen in Deutschland stehen der Künstlichen Intelligenz generell „positiv und hoffnungsvoll“ gegenüber und erhoffen sich durch ihren Einsatz „entscheidende Wettbewerbsvorteile“, urteilt der TÜV-Verband (VdTÜV) im Studienbericht „Künstliche Intelligenz in Unternehmen: Chancen nutzen – Risiken begegnen“ vom Anfang Oktober 2020. (Dem Bericht liegt eine repräsentative Befragung unter Mitgliedern der Geschäftsführung, IT-Führungskräften und Mitarbeiter/innen auf Leitungsebene mit IT-Hintergrund in deutschen Firmen ab 50 Mitarbeiter/ innen zugrunde. 80 Prozent der Befragten repräsentieren Firmen mit 50 bis 199 Mitarbeiter/ innen. Die Umfrage hat Ipsos im Auftrag von VdTÜV durchgeführt.)

Dennoch würden sich viele Unternehmen an die KI-Technologie (noch) nicht herantrauen, argumentiert Dirk Stenkamp, Präsident des TÜV-Verbands und CEO TÜV Nord, in seinem Vorwort. Erst 11 Prozent der Befragten setzten KI in ihrer Organisation (wissend) bereits ein, weitere 19 Prozent würden dies jedoch bereits „planen oder diskutieren“.

Der Artikel entstammt dem 2021er eBook „Die KI macht das schon...“:

eBook

Künstliche Intelligenz in der Steuerung des Rechenzentrumsbetriebs

Die KI macht das schon...

Künstliche Intelligenz hält mittlerweile in allen Bereichen der IT und OT unerbittlich Einzug. Doch gerade im Mittelstand herrscht noch viel Unkenntnis und Unsicherheit, was den Einsatz von KI bis jetzt ausbremst. So beschreibt das eBook:

• OT mit KI: Facility Management
• IT mit KI: Hardware & Co
• Intelligente Ressourcenzuteilung
• KI-gestützte Cyberabwehr

  
  >>> eBook „Die KI macht das schon...“ zum Download

Gerade im Mittelstand herrsche noch „viel Unkenntnis und Verunsicherung“, was den Einsatz von KI ausbremse.

• 76 Prozent der Befragten machen sich Sorgen um Hackerangriffe. 42 Prozent der Verantwortlichen befürchten rechtliche Probleme.

• 85 Prozent wünschen sich, dass die Tauglichkeit von KI-Systemen von unabhängigen Stellen geprüft werde.

Doch gerade Künstliche Intelligenz hält mittlerweile in allen Bereichen der IT und OT unerbittlich Einzug. Die RZ-Branche bläst dabei zum Angriff. Bei den Lösungen handelt es sich längst nicht mehr um Nischenprodukte, sondern um handfeste Produktivitätswerkzeuge, zum Teil sogar um ganze Ökosysteme, die von führenden Marktakteuren bereitgestellt werden.

Lösungen für KI-basiertes Energie-Management haben zum Beispiel unter anderem so noble Anbieter wie Schneider Electric, Siemens, Vertiv und Eaton im Köcher. In der Kategorie des AIOps-gestützten IT-Infrastruktur-Managements (ITIM) treten unter anderem OpsRamp, Datadog, Virtana, ScienceLogic und Zenoss gegeneinander an.

Auch im Markt für Workload-Management-Anawendungen tummeln sich ganze Scharen innovativer Anbieter, von Redwood über Tidal Automation und Ignio bis hin zu Schwergewichten wie Cisco, IBM und VMware. Selbst einige Rechenzentrumsbetreiber morphen zu Technologie-Anbietern, um sich auf Kosten gleichgesinnter Mitbewerber Skaleneffekte zu verschaffen. Switch Datacenters versucht sich gerade als ein Anbieter einer autonomen, robotisierten Sicherheitsplattform für Datacenter namens „Switch Sentry“.

Einige Unternehmen experimentieren bereits mit der Idee, Rechenzentren für einen vollständigen „Lights-Out“-Betrieb zu automatisieren. Stattdessen finden sie die Lösung ihrer betrieblichen Probleme auf der Gegenseite des Spektrums: Die geballte KI-Expertise und tiefe Domänenintelligenz kognitiver Systeme brauchen nach wie vor menschliches Urteilsvermögen.

Das „kognitive Rechenzentrum“: mit KI in den „Lights-Out“-Betrieb

Künstliche Intelligenz erschließt eine Vielzahl neuartiger Nutzungsszenarien im RZ-Management. Zum Beispiel:

• Prädiktive Instandhaltung: Anhand detaillierter Messwerte können KI-Agenten Ausfälle mechanischer Teile akkurat vorhersagen und Wartungsarbeiten einleiten; ein Beispiel dafür ist „Dac“ von Litbit.

• Ursachenforschung durch Tiefes Lernen (mit Hilfe künstlicher neuronaler Netze): Analyse von Sensordaten zur Aufdeckung zuvor unbekannter Zusammenhänge in komplexen Systemen wie Rechenzentren, Photovoltaikanlagen oder Gasturbinen. Googles künstliches neuronales Netz zur Optimierung des PUE-Wertes seiner Rechenzentren ist bereits ein Klassiker.

• KI-gestützte Support-Chatbots: Dank ihrer Fähigkeiten zur Verarbeitung natürlicher Sprache bewähren sich KI-Sprachassistenten u.a. im Kundenservice. Beispiel: Die proprietäre Machine-Learning-Technologie von „Cisco Mindmeld“ mit tiefer Domänenintelligenz bringt kognitive Sprach- und Chat-Assistenten auf ein (nahezu) menschenähnliches Kompetenzniveau.

• Tiefe Domänenintelligenz: Kognitive KI-Systeme können Fachwissen aus Knowledgebases und anderen Wissensquellen extrahieren und im Kontext aktueller Projektanforderungen bereitstellen; in diese Kategorie fällt unter anderem HPE Infosight.

• Kollektive Intelligenzsysteme: Geballtes Expertenwissen hochspezialisierter menschlicher Experten hilft Datacenter-Fachkräften in Echtzeit, in vereinzelten Ausnahmesituationen komplexe Herausforderungen kompetent zu bewältigen. Beispiel: Microsoft Threat Experts, verfügbar als Teil von „Microsofts Windows Defender ATP“.

• Robotik: Autonome cyber-physische Systeme dürften in Zukunft die robotische Montage der Racks an abgelegenen Edge-Standorten übernehmen. Standardisierungsinitiativen wie OCP und Open19 schaffen hierzu geeignete Voraussetzungen, auch wenn sich Roboter vorerst als Wächter zum Dienst „rollen“.

• Cyber-Verteidigung mit KI: KI-gestützte Cyber-Sicherheitslösungen nutzen heuristische Algorithmen, um noch unbekannte Malware mit einer hohen Treffsicherheit zu identifizieren

• Situationswahrnehmung: Die Erkennung von Bild und Ton in Video-Feeds aus Sicherheitskameras stärkt die physische Sicherheit am Perimeter des Rechenzentrums.

*Über das Autorenduo: Anna Kobylinska und Filipe Pereira Martins arbeiten für McKinley Denali Inc. (USA).

(ID:47843606)