foto magnific

Viele Unternehmen möchten KI einsetzen, doch häufig sind ihre Infrastrukturen nicht gut darauf vorbereitet. Was sind die größten strukturellen Schwächen – und wie können sie behoben werden?

Künstliche Intelligenz wird zunehmend zu einem entscheidenden Faktor für Effizienz, Innovation und Wettbewerbsfähigkeit. Deshalb möchten immer mehr Unternehmen KI im großen Stil nutzen und breit in ihre Geschäftsprozesse integrieren. Ihre IT-Infrastrukturen stehen diesen Ambitionen aber oft im Weg, denn als sie konzipiert wurden, war noch nicht abzusehen, dass sie einmal KI-Anwendungen unterstützen müssen. Dell Technologies erläutert die größten Stolpersteine und wie man sie aus dem Weg räumt.

Der Datenzugriff wird zum Flaschenhals.
KI-Modelle benötigen einen schnellen Zugriff auf hochwertige Daten. Gleichzeitig müssen Unternehmen Informationen in Übereinstimmung mit gesetzlichen Vorgaben wie der DSGVO verwalten und übertragen. Diesen Anforderungen stehen häufig Datensilos im Weg. Außerdem liefern ältere Speichersysteme oft nicht den erforderlichen Datendurchsatz für das Training komplexer Modelle. Moderne Datenplattformen konsolidieren Daten aus verschiedenen Quellen und liefern gleichzeitig hohe Datendurchsätze und optimierte Zugriffspfade, so dass Training und Inferenz von KI-Modellen in der erforderlichen Geschwindigkeit durchgeführt werden können.
Die Rechenressourcen stoßen an ihre Grenzen.
Der produktive Einsatz von KI ist meist sehr rechenintensiv. Nur wenige Unternehmen trainieren große Sprachmodelle von Grund auf neu, aber viele setzen KI ein, um Echtzeitentscheidungen, Analysen, Computer Vision und zunehmend auch autonome Workflows zu unterstützen. Wenn diese Aufgaben mit den bestehenden Geschäftsanwendungen um dieselben Ressourcen konkurrieren, leidet die Leistung der KI. Eine spezielle Infrastruktur mit beschleunigter Rechenleistung erlaubt es Unternehmen, ihre gemischten Workloads effizient zu unterstützen. Sie sorgt für priorisierten Zugriff auf Ressourcen, optimiert die Verarbeitung großer Datenmengen in Echtzeit und stellt sicher, dass KI-Anwendungen mit maximaler Leistung betrieben werden können.
Das Netzwerk produziert Staus.
KI erfordert ein robustes Netzwerk, um riesige Datensätze zwischen Speichern, Verarbeitungseinheiten und Endbenutzern zu übertragen. Ein langsames oder unzuverlässiges Netzwerk kann zu erheblichen Engpässen führen und dadurch die Mitarbeiter und Kunden frustrieren. Eine schnelle Netzwerkstruktur mit geringer Latenz ist unerlässlich, um einen reibungslosen, kontinuierlichen Datenfluss zu gewährleisten. Solche Infrastrukturen kombinieren hohe Bandbreiten, stabile Verbindungen und optimierte Kommunikationsprotokolle mit KI-optimierten Features und Traffic-Priorisierung, so dass große Datenmengen in Echtzeit übertragen und KI-Anwendungen zuverlässig betrieben werden können.
Bereitstellung und Verwaltung sind komplex.
Bei der Übertragung von KI-Modellen aus der Entwicklungs- und Testumgebung in den produktiven Betrieb sind viele IT-Teams mit großer Komplexität konfrontiert. Sie haben Schwierigkeiten, Ressourcen bereitzustellen, Softwareabhängigkeiten zu verwalten und Anwendungen zu skalieren. Der Grund dafür sind meist starre, manuell konfigurierte Umgebungen. Moderne Software-Stacks und Automatisierungstools ermöglichen es IT-Teams, KI-Anwendungen schnell bereitzustellen, einfach zu verwalten und bei Bedarf zu skalieren. Sie stellen katalogbasierte, validierte Blueprints und orchestrierte Automatisierungen bereit, die manuelle Konfigurationsschritte eliminieren, Abhängigkeiten automatisch einrichten und Infrastrukturkomponenten konsistent konfigurieren.
Es gibt keinen klaren Skalierungspfad.
Auch wenn das erste KI-Projekt eines Unternehmens klein anfängt, sollte seine Infrastruktur für die nächsten Schritte bereit sein. Dafür ist eine klare und kosteneffiziente Strategie zur Skalierung von KI-Anwendungen erforderlich. Wenn die Erweiterung der KI-Umgebung eine vollständige und kostspielige Überarbeitung der Infrastruktur verlangt, ist es schwierig, den Erfolg eines ersten, begrenzten KI-Projekts im gesamten Unternehmen zu wiederholen. Mit einer Infrastruktur, die auf einer skalierbaren, modularen Architektur basiert, können Unternehmen ihre KI-Ressourcen schrittweise erweitern.

Christian Scharrer, Enterprise Architect und CTO Ambassador bei Dell Technologies (Quelle: Dell Technologies)

»KI braucht nicht nur Algorithmen und Daten, sondern auch eine leistungsstarke und agile Grundlage«, erklärt Christian Scharrer, Enterprise Architect und CTO Ambassador bei Dell Technologies. »Die Investition in eine moderne, zielgerichtete Infrastruktur ist eine Investition in die Zukunft. Sie stärkt die IT-Teams, vereinfacht komplexe Abläufe und schafft die Voraussetzung dafür, dass KI ihre Versprechen einlösen kann.«

7680 Artikel zu „KI Infrastruktur“

News | Cloud Computing | Favoriten der Redaktion | Infrastruktur | Künstliche Intelligenz | Rechenzentrum | Strategien

Cloud-Rückführung: Optimierung der Infrastruktur für KI im großen Maßstab

8. Mai 2026

Cloud‑Rückführung ist kein Rückzug aus der Public Cloud, sondern eine strategische Neuausrichtung hin zu optimierten Hybrid‑ und On‑Prem‑Architekturen, um KI im großen Maßstab effizient zu betreiben. Bei der Skalierung von KI erweisen sich Daten‑ und Speicherinfrastrukturen zunehmend als kritische Engpässe – oft ebenso relevant wie die Verfügbarkeit von GPUs. Insbesondere Objektspeicher spielt dabei eine…

Jetzt 25 % Ticketrabatt für »manage it« Leser

Viele Unternehmen möchten KI einsetzen, doch häufig sind ihre Infrastrukturen nicht gut darauf vorbereitet. Was sind die größten strukturellen Schwächen – und wie können sie behoben werden?

7680 Artikel zu „KI Infrastruktur“