Wenn Infrastruktur nicht nur meldet, sondern handelt

Illustration Absmeier foto ki designer

Management Summary

Vier Kräfte verändern die Infrastruktur: AI/HPC, Cyberresilienz, Compliance und Distributed IT stellen unterschiedliche Anforderungen an Leistung, Datenbewegung, Wiederherstellung und Betrieb – klassische, zentral gedachte Architekturen reichen dafür zunehmend nicht mehr aus.
Wahlfreiheit wird zum Resilienzfaktor: Offene Hardware- und Hypervisor-Modelle sollen Abhängigkeiten reduzieren. Unterschiedliche Server, Generationen und Virtualisierungsplattformen lassen sich weiterverwenden oder kombinieren, ohne die gesamte Datenarchitektur neu aufzubauen.
Aus Zukäufen muss erst eine Plattform werden: Sechs Übernahmen zwischen 2021 und 2025 erweiterten das Portfolio um Object Storage, Kubernetes, Media, Orchestrierung, AI/HPC und Edge-HCI. Der eigentliche Nutzen entsteht jedoch erst durch die Integration von Technologie, Entwicklung, Vertrieb, Support und Betriebsprozessen.
Agentic KI soll vom Erkennen zum Handeln führen: Statt Probleme nur über Dashboards und Alerts sichtbar zu machen, soll die Plattform Telemetrie und Kontext auswerten, Ursachen und Zusammenhänge erkennen, Maßnahmen empfehlen und freigegebene Aktionen kontrolliert ausführen.
Management-Fazit: Die Strategie verbindet technologische Offenheit mit einer einheitlichen Betriebs- und Automatisierungsebene. Das Potenzial liegt weniger in einem weiteren Storage-Portfolio als in einer Infrastruktur, die heterogene Systeme gemeinsam steuert und Probleme zunehmend selbst löst. Vollständige Autonomie bleibt dabei bewusst begrenzt; Richtlinien, Freigaben, Auditierbarkeit, Rollback und menschliche Kontrolle sollen kritische Entscheidungen absichern.

Wie offene Architekturen, Resilienz und Agentic AI den IT-Betrieb neu ordnen

KI verschlingt Daten, Cyberangriffe erzwingen neue Recovery-Konzepte, Regulierung verlangt Beweise und immer mehr IT wandert an den Edge. Gleichzeitig werden Hardware- und Plattformbindungen zum Lock-in-Risiko. Die Antwort darauf soll eine Infrastruktur sein, die Vielfalt zulässt – und trotzdem zunehmend selbstständig operiert.

Die Infrastrukturgeschichte wird derzeit an vier Fronten neu geschrieben:

Künstliche Intelligenz und High Performance Computing (HPC) treiben Datenmengen und Leistungsanforderungen nach oben.
Cyberresilienz macht Wiederherstellung zum festen Bestandteil des Infrastrukturdesigns.
Compliance verlangt belastbare Nachweise statt bloßer Architekturdiagramme.
Distributed IT verlagert Anwendungen und Daten an Standorte, an denen häufig keine spezialisierten IT-Teams verfügbar sind.

Core, Edge, Cloud-native Workloads und AI/HPC benötigen damit unterschiedliche Leistungs-, Kosten- und Schutzmodelle.

»Wenn Server knapp sind, wird Wahlfreiheit zur operativen Resilienz«, so Said Boukhizou, Vice President of Products bei DataCore. Foto: Stefan Mutschler/KI-bearbeitet

Für Said Boukhizou, Vice President of Products bei DataCore, erhält damit ein alter Grundsatz neue Bedeutung: technologische Wahlfreiheit. »Wenn Server knapp sind, wird Wahlfreiheit zur operativen Resilienz«, lautet seine These. Kann ein Unternehmen unterschiedliche x86-Server, Hersteller und Generationen einsetzen, vorhandene Systeme weiterverwenden oder geeignete gebrauchte Hardware einbinden, verliert die Verfügbarkeit eines bestimmten Servermodells ihren Einfluss auf das gesamte Projekt. Hardware wird zur austauschbaren Ressource statt zur Abhängigkeit.

Heterogenität wird vom Problem zur Strategie

Dasselbe Prinzip gilt für die Virtualisierung. Nach den Marktverwerfungen rund um VMware steigt der Druck, den Hypervisor wechseln zu können, ohne gleichzeitig die Datenarchitektur neu aufzubauen. Unabhängige Datenservices sollen deshalb die Virtualisierungsschicht von der Datenstrategie entkoppeln. Unterstützt werden dabei unter anderem:

VMware ESXi
Microsoft Hyper-V
Proxmox
XCP-ng
Xen

Heterogenität ist dann nicht mehr ausschließlich technischer Ballast. In einer Welt knapper Hardware, wechselnder Plattformstrategien und verteilter Workloads kann sie selbst Teil einer Resilienzstrategie werden – vorausgesetzt, die Vielfalt lässt sich beherrschen.

Genau dort beginnt allerdings das eigentliche Problem. Denn viele Produkte ergeben noch lange keine Plattform.

Sechs Firmenkäufe liefern die Bausteine

Zwischen 2021 und 2025 wurde das Portfolio deshalb gezielt erweitert:

2021: Caringo für Object Storage
2021: MayaData für Kubernetes Storage
2023: Object Matrix für Media Archive
2025: Pixitmedia für Orchestrierung
2025: Arcastream für AI- und HPC-Dateisysteme
2025: StarWind für Edge-HCI

Damit kamen Spezialtechnologien für Object, Container, Media, AI/HPC und Edge zu den bereits vorhandenen Block-Storage-Fähigkeiten hinzu.

Die Strategie dahinter war ausdrücklich nicht, ein einziges Produkt zu bauen, das jede Aufgabe irgendwie erfüllt. Boukhizou spricht vom Gegenmodell zum großen »Elefanten«, der alles ein bisschen könne. Die Zukäufe sollten vielmehr spezialisierte Technologien für unterschiedliche Anforderungen liefern.

Gleichzeitig benennt er die Schwäche einer solchen Strategie ungewöhnlich klar: »Ein breites Portfolio schafft zunächst nur Möglichkeiten. Der eigentliche Wert entsteht erst, wenn Technologie, Mitarbeiter, Support und Arbeitsabläufe zusammenfinden.«

Integration reicht weit über gemeinsame APIs hinaus

Damit verschiebt sich der Schwerpunkt von den Übernahmen auf deren Integration. Und die betrifft wesentlich mehr als den Programmcode. Zusammengeführt werden müssen:

Produktentwicklung und Engineering
Vertrieb und Go-to-Market
Support
Lifecycle- und Qualitätsprozesse
technische Grundlagen wie APIs, Identitätsverwaltung, Telemetrie und Interoperabilität

»Die schwierigste Phase nach einer Übernahme ist die Integration«, sagt Boukhizou. Nach seiner Darstellung seien Teams, CRM, Engineering, Vertrieb, Technologie und Support inzwischen zusammengeführt. Der nächste Schritt bestehe darin, daraus auch für den Kunden eine einheitliche Plattform zu formen. Die Entwicklung lässt sich in vier Schritte zusammenfassen:

Übernehmen
Integrieren
Vereinheitlichen
Autonomisieren

Erst wurden Fähigkeiten hinzugekauft, anschließend organisatorische und technische Grundlagen verbunden. Nun sollen die spezialisierten Produkte als gemeinsame Plattform operieren – und im nächsten Schritt zunehmend automatisiert gesteuert werden.

Einheitliche Bedienung statt einheitlicher Technologie

Dabei entsteht ein offensichtlicher Zielkonflikt. Plattformen leben üblicherweise von Standardisierung. Wahlfreiheit erzeugt dagegen Vielfalt. Viele Plattformanbieter lösen diesen Widerspruch dadurch, dass Kunden möglichst viele Komponenten aus demselben Ökosystem beziehen müssen.

Hier soll der umgekehrte Weg gelten. »Wir vereinheitlichen den Betrieb, nicht die Entscheidungen des Kunden«, fasst Boukhizou das Prinzip zusammen. Unterschiedlich bleiben können:

Hardware
Hypervisor
Datentyp
Bereitstellungsmodell

Vereinheitlicht werden sollen dagegen:

Richtlinien
Telemetrie
Automatisierung
Support

Eine gemeinsame Steuerungsebene soll dafür Benutzer, Mandanten und Berechtigungen zentral verwalten, den Bestand, den Zustand und Ereignisse der Infrastruktur erfassen, Regeln für Schutz, Datenplatzierung und Automatisierung durchsetzen und Abläufe über mehrere Produkte hinweg steuern. Ergänzend sollen KI-gestützte Betriebsfunktionen diese Informationen auswerten, Zusammenhänge erkennen, geeignete Maßnahmen vorschlagen und freigegebene Aktionen kontrolliert ausführen.

Damit würde nicht versucht, Block-, File-, Object-, Kubernetes- und HCI-Technologien in ein einziges monolithisches Produkt zu pressen. Die spezialisierten Engines bleiben bestehen. Vereinheitlicht wird die Ebene darüber.

Vom Dashboard zum System, das Probleme löst

Der ambitionierteste Teil der Strategie beginnt dort, wo klassische Managementplattformen meist aufhören. Dashboards zeigen Auslastung, Latenzen, Fehler und Warnungen. Die eigentliche Arbeit bleibt anschließend beim Administrator:

Metriken interpretieren
Logs durchsuchen
Abhängigkeiten erkennen
Ursachen finden
geeignete Maßnahmen auswählen

Genau diese Grenze soll Agentic KI verschieben. Die Zielsetzung lautet ausdrücklich: weg von Dashboards, die Probleme beschreiben, hin zu Systemen, die helfen, sie zu lösen. Das Konzept besteht aus vier Stufen:

Beobachten: Telemetrie, Topologie und Workload-Kontext zusammenführen
Analysieren: Risiken, Muster und Abhängigkeiten erkennen
Empfehlen: eine geeignete Maßnahme vorschlagen
Handeln: freigegebene Aktionen ausführen und das Ergebnis überprüfen

Boukhizou beschreibt die angestrebte Arbeitsweise so: »Das System beobachtet, korreliert Ereignisse, erkennt Muster und empfiehlt eine Aktion. Wenn der Kunde zustimmt, kann es handeln.« Dabei soll der Agent nicht lediglich eine Chat-Oberfläche über vorhandene Funktionen legen, sondern verschiedene Informationen gemeinsam auswerten:

Kapazität
Leistung
Schutzstatus
Updates
Ereignisse

Ein greifbares Beispiel ist das Daten-Lifecycle-Management. Ein Agent könnte feststellen, welche Dateien seit Jahren nicht mehr genutzt wurden, wie groß sie sind und auf welchem teuren Performance-Speicher sie liegen. Statt lediglich eine Kapazitätswarnung auszugeben, könnte das System vorschlagen, diese Daten auf günstigeren Object Storage zu verschieben – oder einen zuvor genehmigten Workflow automatisch ausführen.

Nicht der Alert zählt, sondern die Lösung

Auch der Support könnte sich dadurch grundlegend verändern. Heute erkennt ein Administrator ein Problem, sammelt Logs, eröffnet ein Ticket und erläutert anschließend die Situation. Ein Agent könnte relevante Ereignisse bereits korrelieren, Logs auswerten und dem Support gemeinsam mit dem Ticket den vollständigen Kontext übergeben.

Für Boukhizou ist genau das der relevante Maßstab für den Einsatz von KI: »Was zählt, ist nicht, wie schnell jemand eine E-Mail sendet. Entscheidend ist, wie lange es dauert, das Problem zu lösen.« Die zentrale Kennzahl verschiebt sich damit von der Menge erkannter Ereignisse und der Reaktionszeit auf einzelne Alerts zur tatsächlichen Zeit bis zur Problemlösung.

Das unterscheidet den Ansatz auch von einem weiteren KI-Dashboard. Mehr Telemetrie und mehr Warnungen beseitigen die operative Komplexität nicht. Erst wenn ein System aus den Daten Schlussfolgerungen zieht und daraus ausführbare Maßnahmen ableitet, verändert sich die Arbeit des Administrators.

Autonomie braucht eine Bremse

Vollständig autonom soll die Infrastruktur dennoch nicht werden. Gerade bei kritischen Primär- und Backup-Daten lehnt Boukhizou eine uneingeschränkte Steuerung durch KI derzeit ausdrücklich ab. »KI ist heute eher Assistent als Ersatz«, lautet seine Einschätzung.

Damit automatisierte Systeme kontrollierbar bleiben, gehören mehrere Schutzmechanismen zum Modell:

Richtlinien
Freigaben
Auditierbarkeit
Rollback
Erklärbarkeit

Menschlich definierte Regeln und Genehmigungen bilden die Kontrollinstanz. Agenten dürfen beobachten, analysieren und empfehlen; wie weit sie selbst handeln dürfen, bestimmt der Betreiber. Damit schließt sich der Kreis zu den vier Fronten der Infrastrukturentwicklung:

AI/HPC verlangt intelligente Datenbewegung.
Cyberresilienz braucht überprüfbare Schutz- und Recovery-Prozesse.
Compliance fordert belastbare Nachweise.
Distributed IT benötigt Automatisierung, weil Spezialisten nicht überall verfügbar sind.

Die eigentliche DataCore-Geschichte ist deshalb größer als eine Reihe von Firmenkäufen und ein erweitertes Storage-Portfolio. Die Übernahmen lieferten spezialisierte Bausteine. Die Integration soll daraus eine gemeinsame Betriebsebene formen. Agentic KI wiederum soll diese Plattform vom passiven Beobachter zum aktiven Assistenten weiterentwickeln.

Die nächste Generation der Dateninfrastruktur soll nicht nur Daten speichern, sondern ihren Zustand verstehen, Risiken erkennen und gezielt handeln. Ziel ist eine Infrastruktur mit Wahlfreiheit bei der Technik und intelligenter Unterstützung im Betrieb – vom freien Entscheiden zur intelligenten Steuerung.

Den Hypervisor austauschen – die Datenstrategie begalten: Unabhängige Datendienste erhalten Resilienz und Betriebskontinuität, auch wenn sich die Virtualisierungsplattform verändert. Quelle: Datacore

FAQ: DataCore, offene Infrastruktur und Agentic KI

Welches Problem will DataCore lösen?

Unternehmen müssen immer mehr unterschiedliche Infrastrukturwelten gleichzeitig beherrschen: AI/HPC, Cyberresilienz, Compliance und verteilte IT. Die Strategie zielt darauf, diese Vielfalt zentraler zu steuern, ohne Kunden auf eine bestimmte Hardware-, Hypervisor- oder Bereitstellungsplattform festzulegen.

Warum spielt technologische Wahlfreiheit dabei eine so große Rolle?

Weil Abhängigkeiten von einzelnen Herstellern zunehmend zum Betriebsrisiko werden. Unterschiedliche x86-Server, Hersteller und Generationen sollen kombiniert, vorhandene Systeme weiterverwendet und Plattformwechsel erleichtert werden können.

Welche Rolle spielen die Firmenübernahmen?

Zwischen 2021 und 2025 kamen sechs Spezialanbieter hinzu: Caringo, MayaData, Object Matrix, Pixitmedia, Arcastream und StarWind. Damit wurde das Portfolio um Object Storage, Kubernetes Storage, Media Archive, Orchestrierung, AI/HPC-Dateisysteme und Edge-HCI erweitert.

Warum ergibt ein breites Portfolio noch keine Plattform?

Weil einzelne Spezialprodukte zunächst nur zusätzliche Fähigkeiten liefern. Eine Plattform entsteht erst, wenn Entwicklung, Vertrieb, Support, Lifecycle-Prozesse und technische Grundlagen wie APIs, Identitätsverwaltung, Telemetrie und Interoperabilität zusammengeführt werden.

Was soll künftig vereinheitlicht werden?

Nicht die zugrunde liegende Technologie, sondern deren Betrieb. Hardware, Hypervisor, Datentyp und Bereitstellungsmodell sollen unterschiedlich bleiben können. Zentralisiert werden sollen dagegen Richtlinien, Telemetrie, Automatisierung und Support.

Was ist das Ziel von Agentic KI in dieser Architektur?

Agentic KI soll nicht nur Probleme anzeigen, sondern bei deren Lösung helfen. Das System soll Telemetrie und Kontext auswerten, Muster und Abhängigkeiten erkennen, geeignete Maßnahmen empfehlen und freigegebene Aktionen kontrolliert ausführen.

Wie unterscheidet sich das von klassischen Dashboards?

Dashboards zeigen typischerweise Auslastung, Latenzen, Fehler oder Warnungen. Der Administrator muss anschließend selbst Logs analysieren, Ursachen suchen und Maßnahmen ableiten. Die neue Architektur soll diesen Weg verkürzen, indem sie aus den Daten konkrete Handlungsvorschläge erzeugt.

Welche Aufgaben könnte ein solcher Agent konkret übernehmen?

Ein Beispiel ist das Daten-Lifecycle-Management. Der Agent könnte lange ungenutzte Dateien erkennen und vorschlagen, diese von teurem Performance-Speicher auf günstigeren Object Storage zu verschieben. Bei entsprechender Freigabe könnte der Workflow auch automatisch ausgeführt werden.

Soll die Infrastruktur vollständig autonom arbeiten?

Nein. Gerade bei kritischen Primär- und Backup-Daten soll die letzte Kontrolle beim Betreiber bleiben. Richtlinien, Freigaben, Auditierbarkeit, Rollback und Erklärbarkeit sind ausdrücklich als Schutzmechanismen vorgesehen.

Was ist die strategische Bedeutung für IT-Entscheider?

Der Ansatz versucht, zwei bislang oft gegensätzliche Ziele zu verbinden: technologische Offenheit und einheitlichen Betrieb. Der Mehrwert liegt damit weniger in einzelnen Storage-Produkten als in einer gemeinsamen Steuerungs- und Automatisierungsebene, die heterogene Infrastruktur beherrschbarer machen soll.

Management Summary, FAQ und Bild wurden mit Hilfe von KI erstellt

Cloud Computing | Infrastruktur | News | Rechenzentrum | Strategien

DataCore CEO Dave Zabrowski zur Übernahme von StarWind durch DataCore

22. Juni 2025

Die Bedeutung von Innovation und kontinuierlicher Verbesserung in der modernen Geschäftswelt ist enorm. Durch die Übernahme von StarWind erweitert DataCore seine Rechenzentrumskompetenz auf die Edge-Umgebung. Dave Zabrowski betont, wie wichtig es ist, sich an veränderte Marktbedingungen anzupassen und neue Technologien zu nutzen. Durch die komplementären Stärken beider Unternehmen lässt sich ein deutlich breiterer Markt schneller…