Künstliche Intelligenz (KI) und Machine Learning (ML) erfordern hohe Rechenleistung, schnelle Netze und viel Speicherkapazität im Rechenzentrum. Der vorliegende Report zeigt, wie Unternehmen diese Anforderungen erfüllen können, und welche Stellschrauben bei der Datacenter-Modernisierung entscheidend sind.
Inhalt:
Seit dem Hype um ChatGPT ist die Nachfrage nach großen Sprachmodellen (Large Language Model, LLM) und anderen Formen der generativen KI stark gestiegen. 70 Prozent der deutschen Unternehmen sehen großes oder sehr großes Potenzial für generative KI in der Erstellung von Texten und Bildern, wie eine Umfrage des Digitalverbands Bitkom ergab.
Das Training von Sprachmodellen und anderen neuronalen Netzen, das sogenannte Machine Learning (ML), erfordert allerdings hohe Rechenleistung, schnelle Netze und viel Speicherkapazität. Da oft Zehntausende von Trainingszyklen durchlaufen werden müssen, zählt jede Millisekunde. Die Entwicklung von Modellen dauert daher auf älteren Systemen viel zu lange, um im Wettbewerb mithalten zu können.
Dieser Report zeigt Ihnen, wie Sie Ihr Rechenzentrum modernisieren, um die durch KI und ML steigenden Anforderungen zu erfüllen.
Sie erfahren:
- Welche Maßnahmen die Performance von KI-Workloads besonders stark beeinflussen.
- Wie sich IT-Probleme auf den Erfolg von KI-Projekten auswirken.
- Warum Sie alte Server auf lange Sicht teurer kommen als die Investition in neue Systeme.
Originalauszug aus dem Dokument:
The path to modernization
Today, enterprise workloads are trending toward modernization, both in public cloud and on- premises. Primarily, this means moving workloads out of legacy environments and into modern, advanced infrastructure environments whether in on-premises datacenters, in a public cloud or a mixture. Modernized IT environments must support varying workload execution venues (public cloud, private cloud, on-premises and colocation), application packaging (VMs, containers, bare metal) and diverse systems with processing speed, storage and network throughput capacity optimized for different types of workloads.
Organizations have choices about how they procure, deploy, integrate, manage and transform their digital infrastructure stacks. The “either/or” IT binaries of public versus private cloud and on-premises versus off-premises have given way to converged approaches and hybrid/ multicloud IT estates spanning private and public cloud environments. For example, 26% of organizations anticipate that public cloud infrastructure or other off-premises environments will be the primary workload execution venue in the next two years, up from 20% today, according to 451 Research’s Voice of the Enterprise: Digital Pulse, Workload Placement 2023 survey. Modern on-premises IT environments remain in the mix, with nearly one-third of organizations expecting this to be the primary venue for their workloads, thanks in large part to migration from legacy on-premises IT environments (see Figure 2).