In den letzten zwei Jahren hat Künstliche Intelligenz (KI) das weltweite Gespräch dominiert als mögliche Lösung, um massive Verschiebungen in Bezug auf Menschen, Daten und Arbeit zu bewältigen. Heutzutage können generative KI-Modelle viele Arten von Daten aufnehmen und synthetisieren – von Video bis zu Code und sogar molekularen Strukturen. Strategische Investitionen in diese aufstrebende Technologie haben das Potenzial, Unternehmen einen Wettbewerbsvorteil zu verschaffen, neue Geschäftsmöglichkeiten zu entdecken und Schlüsselherausforderungen in wichtigen Funktionen wie Kundenservice, Lieferketten und nachhaltigeren Betriebsabläufen zu bewältigen.

Um erfolgreich zu sein, muss KI jedoch auf eine enorme Menge an vertrauenswürdigen Daten zugreifen können. Je mehr und vielfältiger die Daten sind, desto genauer werden die Algorithmen sein, die für das Training von KI für spezifische Geschäftsanforderungen verwendet werden. Für viele Organisationen ist es jedoch schwierig, die für das Training benötigten Daten auf einheitliche Weise verfügbar zu machen. Daten tendieren dazu, sich überall zu befinden, in isolierten Datenzentren vor Ort und über öffentlichen und privaten Clouds verteilt, die oft von verschiedenen Bereichen des Unternehmens verwaltet werden, die nicht miteinander kommunizieren. Assets in einer so komplexen IT-Umgebung zu finden kann oft wie ein Spiel von Verstecken spielen erscheinen, was es extrem schwierig macht, KI zu trainieren, anzupassen und zu nutzen.

Während diese Technologie weiter voranschreitet, stehen Unternehmen an einem Wendepunkt. Eine Studie des IBM Institute for Business Value zeigt, dass 60% der Organisationen noch keinen konsistenten, unternehmensweiten Ansatz für generative KI entwickeln. Um das volle Potenzial von KI zu realisieren und die Innovationsgeschwindigkeit für spezifische Geschäftsanforderungen zu steigern, müssen Unternehmen meiner Meinung nach zuerst ihre Infrastrukturlandschaft überdenken. Zuallererst sollten sie verstehen, wo sich ihre wichtigen Daten und Anwendungen befinden und wie diese Standorte KI nutzen werden. Dann sollten sie diese strategischen Standorte mit gesicherter Hardware und geeigneten Hochleistungsfähigkeiten ausstatten (Beschleuniger und Hochleistungsspeicher). Verwenden sie eine konsistente Reihe von Plattformtechnologien – Datenverwaltung, KI, Beobachtung, Sicherheit usw. über alle diese Standorte hinweg, um den Zeitpunkt bis zum Wert der KI zu beschleunigen. Dieser Plattformansatz ist das, was wir bei IBM als hybrides Design bezeichnen.

Eine der Hauptbarrieren, denen Unternehmen gegenüberstehen, wenn es darum geht, die transformative Kraft von KI voll auszuschöpfen, ist ihre IT-Umgebung. Historisch gesehen haben KI-Experimente weitgehend isoliert voneinander stattgefunden, wobei verschiedene Unternehmensbereiche ihre eigenen separaten Prioritäten verfolgt haben. Ohne einen abgestimmten, einheitlichen Ansatz zur Innovation wird dies dazu führen, dass die Technologie-Stacks fragmentiert sind, wobei Daten auf unterschiedliche Clouds mit unterschiedlichen Formaten und Protokollen verteilt sind. Dies ist es, was wir als hybrides Standard bezeichnen. Wenn einige dieser isolierten Experimente zwar vielversprechende Ergebnisse liefern können, können ihre einzelnen Overheads sich als Haushaltsbelastung in Form von technischem Schuldenberg anhäufen. Selbst wenn viele der getrennten KI-Prozesse erfolgreich sind, wird die technologische Umgebung insgesamt immer aufgeblähter, was Kosten verursacht und die Agilität zur Innovation beeinträchtigt. Dieser Standardverlauf, bei dem Daten dupliziert und über eine nicht vereinheitlichte „Frankencloud“-Umgebung verteilt werden, verhindert, dass Unternehmen die bahnbrechenden Erkenntnisse ableiten, die aus einem ganzheitlichen Blick auf ihre Vielzahl von Daten resultieren können.

Die Skalierung von KI, um diese Erkenntnisse zu ermöglichen, erfordert eine Grundlage aus vereinigter Hardware und cloud-basierten Lösungen. Wenn dies nicht geschieht, laufen Unternehmen Gefahr, technische Schulden anzuhäufen oder zu erhöhen. Außerdem kann sich das Annehmen von KI, bevor diese Schulden „bezahlt“ sind, in weniger effizienter KI und mehr verteilten Daten niederschlagen. Wenn er richtig umgesetzt wird, zielt ein hybrides Design darauf ab, die Herausforderungen zu beseitigen, die Unternehmen bei ihrem Umstieg auf KI bewältigen müssen, einschließlich Fähigkeiten, Kosten und Sicherheitsbedenken.

Investitionen in generative KI sollen laut Forschung des IBV Institute for Business Value in den nächsten zwei bis drei Jahren um fast das Vierfache steigen, und dennoch macht es nur einen Bruchteil der Gesamtausgaben für KI aus. Um das revolutionäre Potenzial von generativer KI voll auszuschöpfen, müssen Unternehmen einen revolutionären Ansatz zur Organisation ihrer IT-Vermögenswerte verfolgen. Eine gut konzipierte hybride Cloud-Architektur kann Unternehmen die Agilität bieten, um diese neuen KI-Fähigkeiten in ihre Arbeitsabläufe in dem erforderlichen Maßstab zu integrieren. Die Möglichkeiten sind vielfältig: Lösungen wie fortgeschrittene Automatisierung, Echtzeitanalyse und rund-um-die-Uhr-Kundenbindung können die Betriebskosten senken, die Einnahmen steigern und die Grundlage für zukünftige Gewinne legen.