Zum Hauptinhalt springen
Die Zukunft der Data Science

Die Zukunft der Data Science

Edge und Cloud: Die richtige Balance finden

Edge und Cloud: Die richtige Balance finden
Z-Logo-Black.jpg
Firma: HP Deutschland GmbH
Sprache: Deutsch
Größe: 1 Seite
Erscheinungsjahr: 2021
Besonderheit: registrierungsfrei

Deutschland war viele Jahre lang ein Land der Cloud-Skeptiker. Noch 2016 erklärten 17 Prozent der Teilnehmer an der jährlich durchgeführten „Cloud-Monitor“-Studie, Cloud Computing sei für sie kein Thema, mehr als die Hälfte lehnte die Public Cloud als Bereitstellungsmodell ab. Seitdem hat sich die Stimmung komplett gedreht: In diesem Jahr gab es in der Umfrage nur noch drei Prozent Cloud-Skeptiker. Zwei Drittel nutzen die Public Cloud oder planen deren Einsatz.

In Ländern, in denen die Cloud-Adoption wesentlich schneller voranging, gibt es mittlerweile allerdings einen gegenteiligen Trend. Bereits 2018 stellte das Marktforschungsunternehmen IDC in seiner „Cloud and AI Adoption Survey“ fest, dass 80 Prozent der Unternehmen Workloads aus der Public Cloud wieder zurück in eine lokale oder gehostete private Infrastruktur brachten. Durchschnittlich gingen die Umfrageteilnehmer davon aus, dass sie innerhalb von zwei Jahren die Hälfte aller Applikationen aus der Public Cloud in eine private Umgebung umziehen würden. Es ist davon auszugehen, dass in Deutschland nach dem verzögerten Cloud-Boom eine ähnliche Gegenbewegung einsetzen wird.

Der am häufigsten genannte Grund für die „Cloud Repatriation“ waren laut IDC Sicherheitsbedenken. Sie treiben auch deutsche Unternehmen um, wie der Cloud Monitor 2021 zeigt. Die Furcht vor einem unberechtigten Zugriff auf sensible Firmendaten ist in den vergangenen Jahren gestiegen. In der aktuellen Befragung gaben drei Viertel der Teilnehmer dies als Grund für ihre Cloud-Zurückhaltung an, 67 Prozent nannten hier rechtliche Unklarheiten.

Weitere Aspekte, die laut IDC häufig gegen eine reine Cloud-Strategie sprechen, sind Performance und Kosten. Bei daten- und transaktionsintensiven Workloads können durch den Transfer zwischen lokalen und Cloud-Umgebungen hohe Latenzen auftreten, die eine schnelle Analyse unmöglich machen. Der Vorteil der nutzungsabhängigen Abrechnung kehrt sich dann ins Gegenteil, wenn sich der Einsatz von Cloud-Ressourcen intensiviert und die Kosten in die Höhe schnellen.

IDC-Analyst Tom Mainelli empfiehlt Unternehmen daher, für jeden Anwendungsfall zu prüfen, welches Bereitstellungsmodell das Richtige ist: „Diejenigen, die sich diese Mühe machen, werden oft feststellen, dass die unterschiedlichen Anforderungen des Unternehmens durch ein hybrides Modell, das nicht nur öffentliche und private Cloud-Optionen, sondern auch On-Premises- und On-Device-Workload-Optionen umfasst, viel besser erfüllt werden.“

Steigender Bedarf an Workstations

Viele Unternehmen haben dies erkannt, wie die steigende Nachfrage nach Workstations zeigt. IDC zufolge verzeichnete der Markt für Workstations in den vergangenen Jahren Zuwachsraten von rund 30 Prozent. Laut einer Umfrage des Marktforschungsunternehmens unter IT-Entscheidern planen fast zwei Drittel der Befragten, ihre Ausstattung mit Workstations kurzfristig zu erweitern. Mehr als 45 Prozent nannten Workloads in den Bereichen Data Science / Machine Learning / künstliche Intelligenz als wesentlichen Grund für diese Investitionsentscheidungen.

Die Beliebtheit von Workstations für Data Science Workloads sowie andere daten- und transaktionsintensive Anwendungen hat vor allem drei Gründe:

  • Workstations sind auf Hochleistung ausgelegt. Hohe Arbeitslasten und harte Umgebungsbedingungen sind das Metier der Workstations. Oft sind sie mit Server-CPUs und Highend-Grafikprozessoren ausgestattet. Die speziell für Data Science Workloads vorkonfigurierten Systeme „HP Z4 G4“ und „HP Z8 G4“ von Z by HP sind beispielsweise mit Intel Xeon-Prozessoren und integrierten „NVIDIA Quadro RTX 8000“-Grafikkarten ausgerüstet. Im Vergleich zu herkömmlichen CPU-Lösungen ist eine solche Workstation bis zu zehn Mal schneller und kann bis zu fünf Milliarden Datensätze verarbeiten.
  • Workstations sind individuell konfigurierbar. Anders als PCs oder Notebooks sind Workstations keine standardisierten Produkte für den Massenmarkt, sondern individuell konfigurierbar. IT-Entscheider können sich daher genau das Leistungspaket zusammenstellen, das sie für ihre individuellen Workload-Anforderungen benötigen.
  • Workstations bieten eine hohe Zuverlässigkeit. Die Systeme werden vor der Auslieferung gründlich getestet, um sicherzustellen, dass sie den Leistungsanforderungen unter schwierigen Bedingungen gerecht werden. Hardware und Software sind zertifiziert, was eine optimierte, konsistente Leistung gewährleistet. Hersteller wie HP mit seinen Z by HP Workstations bieten zusätzliche Service- und Supportleistungen, die Anwender bei der Einrichtung und dem Einsatz der Workstations unterstützen.

Fazit: Es muss nicht immer Cloud sein

Cloud Computing bietet zahlreiche Vorteile, das ist unbestritten. Cloud-Ressourcen sind schnell einzusetzen, nahezu unbegrenzt skalierbar und schonen dank nutzungsabhängiger Abrechnung das Investitionsbudget. Bei daten- und transaktionsintensiven Workloads sowie bei der Verarbeitung sensibler Informationen sprechen Sicherheit-, Performance- und der Kostenaspekte jedoch häufig gegen einen Cloud-Einsatz. IT-Entscheider sollten deshalb für jeden Anwendungsfall sorgfältig abwägen, welches Bereitstellungsmodell das Richtige ist. Vor allem für Data Science Workloads sind Workstations oft das bessere Mittel der Wahl, denn sie bieten hohe Leistung bei höchster Zuverlässigkeit. Dank ihrer lokalen dezentralen Nutzung sind schnelle Analysen bis hin zur Auswertung in Echtzeit möglich. Personenbezogene Daten oder Geschäftsgeheimnisse lassen sich in lokalen Umgebungen zudem wesentlich einfacher schützen als in einer verteilten Public Cloud.

10470 Views / Downloads

Teilen

Edge und Cloud: Die richtige Balance finden

Inhaltstyp: Artikel
Z-Logo-Black.jpg

Kommentare und Feedback (0)