Mit neuen Technologien wie KI und Big Data Analytics steigt auch der Bedarf an Rechenleistung. Während On-Premise-Systeme wirtschaftlich mit dem erhöhten Ressourcen-Aufwand kaum mehr mithalten können, sind skalierbare Cloud-Instanzen serviceschlanker und deutlich kosteneffizienter.
Die Technologielandschaft verändert sich gerade in einem rasanten Tempo. IoT, KI, Machine-Learning, Big Data und andere rechenintensive Technologien haben sich auf breiter Basis durchgesetzt – und ein Ende der Innovationssprünge ist nicht abzusehen. Um im Wettbewerb mithalten zu können, müssen Unternehmen in der Lage sein, diese neuen Technologien schnell zu implementieren und zu nutzen.
Für IT- und Finanz-Verantwortliche ist der Druck, in Abhängigkeit vom eigenen, begrenzten Budget technologisch immer auf dem neuesten Stand zu sein, eine erhebliche Belastung: Die Investitionen in neue Technologien, die erforderliche Hardware und die umfangreichen Wartungskosten können sich nur finanzstarke Betriebe leisten. Hinzu kommt: Die Einführung moderner Technologien führt zwangsläufig zu einem Anstieg des Rechenaufwands – der künftig weiter zunehmen wird. So hat sich die Rechenleistung laut einer Bitkom-Studie allein in den letzten 10 Jahren verdoppelt.
Um mit der rasanten Entwicklung Schritt zu halten, sind Unternehmen gezwungen, ihre Rechenleistung kontinuierlich zu erweitern. „Die vierte industrielle Revolution ist geprägt von einer stetigen Zunahme der Computerrechenleistung, der Vernetzung von Gegenständen und Maschinen, enorm anwachsenden Datenmengen und dem Einsatz künstlicher Intelligenz“, heißt es in der Deloitte Innovation Survey.
Die Verfügbarkeit von leistungsstarken Rechenressourcen, so die Analysten, beeinflusst direkt die Innovations- und Wettbewerbsfähigkeit eines Unternehmens. Firmen, die nicht in der Lage sind, ausreichend Rechenleistung bereitzustellen, laufen Gefahr, bei der Entwicklung neuer Produkte und Dienstleistungen ins Hintertreffen zu geraten.
KI: Hohe Infrastruktur-Anforderungen
Aktuell ist KI das prominenteste Beispiel für diese Herausforderung. Viele Unternehmen möchten mit KI-Modellen Betriebsabläufe und Kundenservices optimieren. Doch die bestehende On-Premise-Infrastruktur mit ihren traditionellen Server-Landschaften gibt die für KI-Entwicklung und -Betrieb notwendigen Ressourcen in den wenigsten Fällen her.
Das Training der Machine-Learning-Modelle ist ein äußerst rechenintensiver Prozess. Server-, Storage- und Netzwerk-Infrastrukturen müssen in der Lage sein, die für KI notwendigen riesigen Datenmengen und die komplexen Machine-Learning-Algorithmen zu verarbeiten. Hardware-seitig sind vor allem die Ausstattung mit Rechenleistung sowie die Geschwindigkeiten und Kapazitäten von Memory und Storage-Systemen kritische Punkte.
Um das Training zu beschleunigen, müssen möglichst viele Prozesse gleichzeitig ausgeführt werden. Ein Training auf gängiger serieller Hardware kann in der Praxis sehr lange dauern oder überhaupt nicht in akzeptabler Zeit durchgeführt werden. Der Einsatz klassischer CPUs ist deshalb hier kontraproduktiv, hier kommen GPUs mit ihrer parallelen Architektur und den Tausenden von Rechenkernen ins Spiel: Speziell für KI optimierte GPUs können Hunderte von parallelen Berechnungen durchführen und bringen es so auf eine Rechenleistung von weit über 100 Fließkommaoperationen pro Sekunde.
Andere Infrastruktur-Elemente sind nicht weniger wichtig: Das Netzwerk sollte optimal auf die zu verbindenden Komponenten abgestimmt sein, um Bottlenecks zu vermeiden. Herkömmliche SSD-Systeme reagieren vergleichsweise langsam auf Datenanforderungen von Prozessoren. Werden Daten zwischen RAM-basiertem Speicher und SSD-Speicher hin- und hergeschoben, entsteht eine enorme Bandbreitenbelastung und in der Folge hohe Latenz.
Eventuell müssen bei höchsten Ansprüchen parallele Dateisysteme installiert werden. Mit diesen lassen sich Gigabyte große Datenmengen sekundenschnell an CPUs und GPUs übertragen und wieder zurück transportieren.
Unbegrenzte Rechenleistung – bei geringen Kosten
Das Beispiel zeigt: Eine leistungsfähige KI-Umgebung bereitzustellen, ist aufwändig – und kostet viel Geld. Betriebswirtschaftlich gesehen ist das Vorhalten, Betreiben und Warten solcher Hochleistungsumgebungen, die möglicherweise nur temporär benötigt werden, alles andere als optimal.
Der Bezug solcher IT-Ressourcen aus der Cloud bietet in der Regel die ökonomisch sinnvollere Variante. Cloud Provider können Instanzen wie KI-fähige Umgebungen jederzeit bedarfsgerecht und skalierbar bereitstellen. Ohne größere Umstrukturierungen vornehmen und hohe Kosten aufwenden zu müssen, haben Unternehmen mit individuellen Cloud-Instanzen in der Regel die neuesten technologischen Systeme parat. Eigene Hardwarekosten entfallen, ungenutzte Ressourcen lassen sich vermeiden und finanzielle Ausgaben beschränken sich auf ein Minimum
- Themenspecial: Die verborgenen Kosten der Cloud
- Themenspecial: Energiesparende Cloud: Grün für Umwelt und Geldbeutel
- Weiterführende Informationen zum Thema Hybrid Cloud
- Whitepaper: Relevante Preispunkte in der Cloud
Laut einer aktuellen Bitkom-Studie versprechen sich 38 Prozent der deutschen Unternehmen von Cloud-Diensten Zugang zu innovativen Technologien wie IoT oder KI. „Die Cloud bietet insbesondere kleinen und mittelständischen Unternehmen Zugang zu innovativen Technologien wie Künstlicher Intelligenz – ohne hohe Investitionskosten oder spezielles technisches Know-how im eigenen Unternehmen“, sagt Bitkom-Hauptgeschäftsführer Dr. Bernhard Rohleder.
Betriebswirtschaftlich gesehen lohnt sich der Bezug von Cloud-Rechenleistung besonders für Unternehmen mit steigendem oder stark schwankendem Bedarf. Die beträchtlichen Investitionskosten in eigene Software, Server, Storage und Serverräume (CAPEX) entfallen oder fallen geringer aus und werden ersetzt durch gleichmäßig anfallende Mietkosten (Opex). Diese lassen sich als Betriebskosten in voller Höhe steuerlich geltend machen.
Die Ausgaben für die IT-Investition verlagern sich somit von einmaligen, teuren Investitionsausgaben hin zu flexiblen, verbrauchsabhängigen, monatlichen Betriebskosten – im Grunde als ein Abonnement-Service. Die Kapitalbindung sinkt, die Liquidität steigt.
FAZIT
Cloud-basierte Instanzen für Hochleistungsanwendungen wie KI, IoT und Analytics spielen eine wichtige Rolle bei der Bewältigung steigender Rechenanforderungen und der Integration neuer Technologien. Auf diese Weise haben Unternehmen stets Zugriff auf aktuelle IT-Technologie, können gleichzeitig ihre IT-Kosten reduzieren – und schneller auf veränderte Geschäftsanforderungen reagieren.