Mobile-Menu

Glockenspiel mit Unternehmensdaten und KI Zeit zu sprinten: Deutsche Unternehmen im KI-Wettlauf

Von Daniel Schrader 4 min Lesedauer

Anbieter zum Thema

NetApp Deutschland GmbH
Fsas Technologies GmbH
DeRZ - Deutsche Rechenzentren GmbH
EPS Rechenzentrum Infrastruktur GmbH

Deutsche Unternehmen sind für den KI-Wettbewerb besser als oft gedacht vorbereitet, so Marius Kowalewski von Netapp. Doch das Zeitfenster ist knapp. Entscheidend sei solide Vorarbeit, um Unternehmensdaten sicher mit angepassten KI-Modellen nutzen zu können.

Für den KI-Wettlauf sind deutsche Unternehmen laut Netapp-Experte Marius Kowalewski „gar nicht so schlecht“ vorbereitet. Es bleiben dennoch wichtige „Hausaufgaben“. (Bild: Midjourney / KI-generiert)
Für den KI-Wettlauf sind deutsche Unternehmen laut Netapp-Experte Marius Kowalewski „gar nicht so schlecht“ vorbereitet. Es bleiben dennoch wichtige „Hausaufgaben“.
(Bild: Midjourney / KI-generiert)

Um im Wettbewerb um den breiten Einsatz Künstlicher Intelligenz (KI) nicht den Anschluss zu verlieren, müssten Unternehmen noch einiges an „Hausaufgaben“ bewältigen. Im internationalen Vergleich aber „stehen die Unternehmen in Deutschland gar nicht so schlecht da“, betont Kowalewski aus der Perspektive von Netapp, einem Hersteller von Software für Speicher- und Datenverwaltung mit Fokus auf Hybrid- und Multi-Cloud-Umgebungen. Kowalewski leitet bei Netapp aus dem Ruhrgebiet ein Solutions-Team, das sich neben Cloud- und DevOps-Themen insbesondere mit neuen KI-Möglichkeiten befasst.

Wie können Unternehmen ihre Daten mit generativer KI nutzen, ohne sie preiszugeben? Marius Kowalewski (Netapp) spricht im DataCenter-Diaries-Podcast #46 „Deutschlands knappes Zeitfenster im KI-Wettbewerb?“ mit Ulrike Ostler über die Position deutscher Unternehmen im globalen KI-Wettbewerb.

Viele Firmen haben Datenschutz und Sicherheit adressiert, doch bei der Datenklassifizierung und dem Abbau von Datensilos, so Kowalewski, gibt es Nachholbedarf. Erst dann ermöglichen Technologien wie „Retrieval-Augmented Generation“ den sicheren Einsatz von KI-Modellen mit Unternehmensdaten.

Die Podcast-Folge #46 von DataCenter Diaries findet sich auf Spotify, Apple Podcasts, Deezer und Amazon Musik.

Cloud-Vorbehalte eröffnen Chancen im KI-Wettlauf

Laut Kowalewski seien sich „viele der deutschen Unternehmen bereits darüber im Klaren, wo ihre Daten liegen“, und hätten zu deren datenschutzkonformer Verwaltung oft „moderne Multicloud [oder] Hybrid-Cloud-Lösungen“ aufgebaut. Ebenfalls seien deutsche Unternehmen „sehr affin, was das Thema IT-Security angeht“. Auch dass man lange beim „Weg in die Cloud […] in Deutschland restriktiv gewesen ist“, böte Chancen beim KI-Wettlauf, da die Bereitschaft da sei, KI-gestützte Produkte „im eigenen Haus zu entwickeln“.

„Um an AI zu partizipieren“, hätten „viele der deutschen Unternehmen, was die Voraussetzungen angeht, schon sehr viel erfüllt“. Dennoch müsse man aktiver daran arbeiten „sich vorzubereiten. Denn ich glaube, viele sind noch weit davon entfernt, KI so zu nutzen, wie sie es sich eigentlich vorstellen.“

Unternehmensdaten und KI zusammenbringen

Für Unternehmen, die vom Durchbruch generativer KI profitieren wollen, entsteht laut Kowalewski ein klares Dilemma. „Als Unternehmen möchte ich beispielsweise ein öffentliches Modell wie ‚Llama‘ von Meta mit meinen Daten trainieren. Ich möchte [aber] da meine Daten auf keinen Fall preisgeben, das sind Unternehmensgeheimnisse, die größten Assets“.

Auch personenbezogene Daten dürfe man schon aus rechtlichen Gründen nicht zum Training verwenden. Die eigne KI mit privaten Daten zu trainieren, wie dies etwa Meta in den USA mache, sei mit der europäischen Datenschutz-Grundverordnung schlicht nicht machbar, weshalb auch die KI-Funktionen in „Whatsapp“ nicht in Europa verfügbar seien.

RAG und Small-Language-Models

Einen Ausweg böten Technologien wie „Retrieval Augmented Generation“ (RAG), wie sie beispielsweise „Amazon Bedrock“ nutzt. Das Produkt ermöglicht Unternehmen, auf verschiedene bereits trainierte Modelle zuzugreifen, die dann mit eigenen Daten zur internen Nutzung angereichert werden können. Unternehmensdaten werden so nicht zum Trainieren von öffentlichen KI-Modellen verwendet.

Allerdings entstehe dann oft das Problem, dass viele Unternehmensdaten oft gar nicht bei AWS verfügbar seien – zum Beispiel, weil File Services von Microsoft und Analytics-Tools bei Google genutzt werden. Die Aufbereitung dieser Daten für „Bedrock“ ist dann nur durch umständliche Umwege möglich. Auch andere „Hausaufgaben“ müssten Unternehmen laut Kowalewski zuvor erledigen – vor allem ihre Daten unter Governance- und Sicherheitsaspekten klassifizieren und isolierte Datensilos abbauen.

Dann könnten auch erfolgreich weitere Alternativen eingesetzt werden, etwa spezialisierte Small-Languange-Modelle oder Modifikationen der großen KI-Produkte für eigene Anwendungsfälle. Netapp nutze so die GPU-basierten Cluster „Nvidia Rack“, um KI-Modelle mit eigenen Daten „on premises“ zu trainieren.

Jetzt Newsletter abonnieren

Täglich die wichtigsten Infos zu RZ- und Server-Technik

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung. Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).

Aufklappen für Details zu Ihrer Einwilligung

Ein knappes Zeitfenster

Das Zeitfenster, um Deutschland im KI-Wettbewerb „auf einen guten Weg“ zu bringen, sei laut Kowalewski dabei ausgesprochen knapp. Zumindest größere Tech-Unternehmen müssten es schaffen, „in den kommenden zwei Jahren“ mit der Kombination von eigenen Unternehmensdaten und KI-Technologien „erste Mehrwerte“ zu produzieren, um nicht „ hintendran“ zu enden.

Die Marktmöglichkeiten dazu seien durchaus vorhanden. Viele Produkte hätten noch kein „Enterprise-ready“-Niveau erreicht, „wie es die Unternehmen auch brauchen“.

Auch die großen Large-Language-Modelle stünden vor einem Scheideweg, weil sie öffentlich verfügbare Daten bereits zum Training „abgegrast“ hätten. Zwar suchen ihre Entwickler aktiv nach Alternativen – durch das Training mit User-Daten oder durch Verträge mit Leitmedien. Insgesamt aber geht Kowalewski von einem „ein wenig gedrosselten“ Entwicklungstempo bei den großen KI-Modellen aus.

Aufholchancen für deutsche Unternehmen

Dies sei eine Chance für „Unternehmen, die jetzt KI-Modelle entwickeln und mit Herstellern wie Nvidia zusammenarbeiten“. Der Fokus müsse sich laut Kowalewski verschieben. „Wie kriege ich mehr Daten aus der Öffentlichkeit?“, sei keine tragbare Frage mehr. Entscheidender sei: „Wie schaffe ich maßgeschneiderte Lösungen für Unternehmen, um ihnen Modelle an die Hand zu geben, [damit] sie mit ihren Daten Mehrwerte herausziehen können?“

So sieht Kowalewski auch mehr Potential für dezidierte KI-Rechenzentren in Deutschland. Ihren Mehrlasten könne man mit „ordentlicher Nachhaltigkeit und mit modernen Systemen wieder gerecht werden“. Mit intelligentem Daten-Management eingesparte Racks würden dann „für Innovationen in Rechenzentren wieder Platz" schaffen.

(ID:50326959)

Weiterführende Inhalte