Startseite
Podcasts
Storage Consortium Podcasts Podcast
IT-Infrastruktur-Anforderungen für Unternehmen bei Planung und Implementierung von KI-Projekten

IT-Infrastruktur-Anforderungen für Unternehmen bei Planung und Implementierung von KI-Projekten

Storage Consortium Podcasts vor 1 Jahr

Mit Private- und Hybrid Cloud-Lösungen die Kontrolle über Daten- und IT-Infrastrukturen behalten

0:00

28:29

Podcast

Storage Consortium Podcasts

101 Episoden

Ausgewählte Fachbeitrage von unserer online-Plattform stehen seit 2005 auch als Podcastfolgen zur Verfügung

Technologie Wirtschaft Nachrichten

Podcast aneignen

In unserem Experten-Podcast #172 bei HPE und CANCOM nachgefragt:

"Wie können Betriebe die Möglichkeiten von KI-Technologien im
Unternehmensmaßstab nutzen, ohne dabei die Kontrolle über ihre
Daten- und IT-Infrastruktur zu verlieren"

Zum Inhalt

Wenn Unternehmen mit der Planung und Implementierung von
KI-Projekten befasst sind, müssen Sie
IT-Infrastrukturseitig eine Reihe spezifischer
Herausforderungen bewältigen, die vermehrt Hybride- oder Private
Cloud-Lösungen betreffen. Weitere Fragestellungen in diesem
Zusammenhang können sein:

Welche KI-Modelle sind im Zuge der dynamischen
KI-Entwicklungen am Markt für meinen Betrieb sinnvoll?

Wie lassen sich Pilotprojekte ohne große Hindernisse in
Produktionsumgebungen überführen?

Wie ist mit geschützten Daten umzugehen (Compliance)?

Wie schaffe ich eine möglichst robuste und einheitliche
Datenverwaltung?

Ist mein Storage KI-geeignet?

Eva Dölle, AI Consultant im Competence Center
Cloud & Datacenter des IT-Dienstleisters
CANCOM (IT, Services) und Dirk
Derichsweiler, Field CTO & Distinguished
Technologist bei HP Enterprise (HPE), werden in
dieser Podcastfolge für Sie auch aus Praxissicht auf diese Punkte
detaillierter eingehen.

Moderation und Fragen: Norbert Deuschle, Storage
Consortium.

Mit welchen unternehmerischen Herausforderungen sind Kunden
derzeit primär im Zusammenhang mit KI-Projekten konfrontiert?

Sind Hybride- oder Private Cloud-Lösungen gegenüber reinen Public
Cloud-Implementierungen zu bevorzugen? Beispiel: HPE Private
Cloud for AI, PCAI.

Wie lassen sich bei der Skalierung von KI-Implementierungen (in
Reaktion auf wachsende Geschäftsanforderungen und dynamische
Entwicklungen) Kosten und Ausgaben aus Projektsicht möglichst
effektiv planen und kontrollieren?

Sowohl die IT bei Modellentwicklung (Training) als auch
Fachabteilungen (Inferenz-Thematik) dürfen beim KI-Einsatz nicht
mit einer überdimensionierten Infrastruktur (teuer) und unnötiger
technischer Komplexität belastet werden...

Welche Ansätze bieten sich in der Praxis an? Wie können
spezialisierte IT- und Services-Anbieter wie CANCOM effektiv
unterstützen?

Agentic AI ist weltweit im Vormarsch. Wie sollten sich
Verantwortliche aus Projektsicht darauf einstellen?

Fazit

Um KI-Anwendungsfälle zu identifizieren, die eine wahrnehmbare
Wertschöpfung und damit Return-on-invest liefern, werden
fundierte Kenntnisse der Geschäftsanforderungen benötigt.
Wichtiger Punkt: Verantwortliche sollten den Bedarf an
Rechenleistung und Speicherplatz mit allen finanziellen
Auswirkungen sorgfältig abwägen und sicherstellen, dass
KI-Implementierungen bei einer Skalierung leistungs- und
kosteneffizient bleiben.

Die richtige Auswahl sowie Optimierung des Technologie-Stacks wie
Storage, Server, Netzwerk und Data Management, ist für moderne
KI-Anwendungen entscheidend für den geschäftlichen Nutzen und
damit Projekterfolg.

Dazu gilt es, die jeweils verwendeten Technologien im gesamten
KI-Stack sorgfältig aufeinander abzustimmen und entsprechend
anzupassen.