Das RZ wandert zum Edge
Eine der gravierendsten Folgen von Industrie 4.0 und dem Internet der Dinge ist die Dezentralisierung. Dieser Effekt wird sich auch zunehmend auf Data Center auswirken. Das Edge Computing, das große Mengen an Sensordaten dort vor Ort aufnimmt und auswertet, wo Echtzeitanforderungen die Übertragung in die Cloud nicht zulassen, führt zu kleineren Recheneinheiten, unter anderem in Maschinennähe.
Auch im autonomen Auto werden beispielsweise immer die vitalen Funktionen innerhalb des Fahrzeugs verbleiben, unabhängig von einer Verbindung zur Cloud. Es könnte also zunehmend einen Trend zu Mini-Rechenzentren geben. Schon jetzt werden Lösungen wie Data-Center-Container diskutiert, die mit autonomen Konzepten sehr viel leichter zu nutzen wären.
KI ist aber nicht nur Chance, sondern stellt Data Center vor echte Herausforderungen. "Nach zehn Jahren der IT-Infrastruktur-Konsolidierung wird es demnächst wieder etwas bunter in den Rechenzentren der Unternehmen und ihrer Service- und Cloud-Provider. Vielfalt, Komplexität und Hardware-Expertise kennzeichnen die Landschaften der nächsten fünf bis zehn Jahre", konstatiert das Marktforschungsunternehmen Crisp Research. Gerade Machine Learning sei mit den altbewährten X86-Standard-Infrastrukturen großflächig und performant nicht zu skalieren, ein Umdenken bei den Digitalisierungsverantwortlichen notwendig.
Parallel zu diesen Entwicklungen verändert sich auch die Hardware, die in den Rechenzentren zum Einsatz kommen wird. Flash-Speicher und GPUs nehmen zu. Innerhalb der nächsten zehn Jahre wird zudem das Quantum Computing die Bühne erobern und vielen Anwendungen, aber auch der Künstlichen Intelligenz, einen weiteren Schub geben. Konzerne wie IBM, Intel oder Microsoft arbeiten auf Hochdruck daran, von D-Wave steht bereits ein erster kommerzieller Quantencomputer zur Verfügung.
Noch gibt es dafür andere Platzanforderungen, die an Mainframes erinnern, denn ein Quantenprozessor muss bei Temperaturen wie im Weltall gekühlt werden. Angesichts all dieser Entwicklungen ist deshalb Ingenieurskunst gefragt, die das DevOps-Mindset verinnerlicht und auf Automatisierung und Elastizität der Systeme setzt.
Wie Unternehmen sich neuen Technologien stellen
Eines hat sich für Unternehmen in den letzten Jahren erheblich verändert: Neue Technologien, die für Disruption sorgen, entstehen schneller als früher. Das haben die Entwicklung von Cloud und Big Data gezeigt. Während viele Unternehmen jahrelang über die Sicherheit von Cloud gegrübelt haben, preschten Wettbewerber vor und schufen Fakten.
Beide Trends sind die Vorläufer von AI, die wir jetzt sehen. Über Künstliche Intelligenz wird schon seit den fünfziger Jahren spekuliert, ressourcentechnisch lässt sie sich jedoch erst seit kurzer Zeit umsetzen. Der Forscher Prof. Christian Bauckhage vom Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme (IAIS) und Experte für Deep Learning stellt dazu fest: "Ich sehe derzeit eigentlich keine prinzipiellen Grenzen bei KI-Technologie.
Was hier in den letzten fünf Jahren passiert ist, überwältigt mich selbst. In den zwanzig Jahren meiner Tätigkeit in diesem Bereich hätte ich nie gedacht, dass ich diese Fortschritte in meiner Lebensspanne erlebe". Das Thema KI wird also nicht verschwinden, sondern jedes Business betreffen, vom Mittelständler bis zum Großkonzern.
Für viele Unternehmen liegt die Herausforderung in der Frage, wie sich neue technologische Möglichkeiten gewinnbringend nutzen lassen und helfen, ihr Geschäft digital umzukrempeln. Untrennbar damit verbunden ist die IT-technische Umsetzung, in der das Data Center zum Gehirn, zur Schaltzentrale wird. CEOs und CIOs müssen heute als Visionäre agieren, den Impact neuer Technologien vorausdenken - das klappt nur im Nachdenken und Diskutieren mit denen, die sich mit den Möglichkeiten dieser Technologien im Detail auskennen. (mb)