Modernisierung der IT-Infrastruktur KI-Einführung: Wie Unternehmen die Datenfesseln sprengen

Anbieter zum Thema

Dell GmbH - Technologies

FIS Informationssysteme und Consulting GmbH

d.velop AG

Yorizon GmbH & Co. KG

Viele Unternehmen haben IT-Umgebungen, die nie dafür vorgesehen waren, mit den hohen Anforderungen einer KI-Einführung mitzuhalten. Um das volle Potenzial der Technologie nutzen zu können, müssen sie ihre Daten von Fesseln befreien, die ihnen ältere IT-Systeme anlegen.

Sind Unternehmen vornehmlich damit beschäftigt, IT-Systeme manuell anzupassen, Integrationen zu entwickeln und Workarounds auszuprobieren, damit KI reibungslos trainiert und eingesetzt werden kann, ist das ein deutliches Zeichen dafür, dass ihre IT-Infrastruktur einer Modernisierung bedarf. Sie müssen eine leistungsfähige, agile und robuste Basis schaffen, um die KI-Einführung voranzutreiben. Entscheidend sind dabei die folgenden Aspekte:

KI-Einführung: Reibungslose Datenflüsse

Stecken Daten in Silos fest, kann sich die KI kein Gesamtbild verschaffen. Sie arbeitet nur mit einem Teil der verfügbaren Informationen, was in ungenauen Prognosen, Antworten mit begrenzter Aussagekraft und suboptimalen Entscheidungen resultiert. Letztlich ist ein KI-System immer nur so gut wie die Daten, mit denen es gefüttert wurde. Unternehmen müssen daher die strukturellen Barrieren beseitigen, die viele Altsysteme darstellen, und eine moderne Data Fabric aufbauen. Dahinter verbirgt sich eine integrierte Datenarchitektur, die sich vom Edge über das Rechenzentrum bis in die Cloud erstreckt und Daten leicht zugänglich macht, ohne sie zwangsläufig in einen zentralen Pool zu verschieben oder zu kopieren.

Einheitliche Datenpipelines

Müssen Data Scientists sämtliche Daten mühsam zusammensuchen, prüfen, bereinigen und mit weiteren Informationen anreichern, und das für jedes KI-Projekt aufs Neue, bremst das nicht nur die Evaluierung neuer KI-Anwendungsfälle, sondern auch die Überführung der Piloten und PoCs in den Produktivbetrieb. Moderne Datenplattformen helfen, ETL-Prozesse (Extract, Transform, Load) zu vereinfachen und einheitliche Datenpipelines aufzubauen. Über diese lassen sich leicht nutzbare Datenprodukte bereitstellen – also saubere und qualitativ hochwertige Datensätze, die optimal zu den Anwendungsfällen passen.

KI-Einführung: Robuster Governance-Rahmen

KI benötigt klare Regeln, Kontrollen und Prozesse, sonst entstehen große Risiken – von Sicherheits- und Datenschutzverletzungen bis hin zu unfairen, diskriminierenden oder nicht nachvollziehbaren Entscheidungen. Diese können nicht nur das Vertrauen in die KI-Systeme untergraben, sondern auch die Reputation des Unternehmens schädigen und Strafzahlungen nach sich ziehen, wenn Verstöße gegen regulatorische Vorgaben wie DSGVO oder EU AI Act vorliegen. Unternehmen müssen daher einen robusten Governance-Rahmen schaffen, der sicherstellt, dass KI sicher und verantwortungsbewusst entwickelt und eingesetzt wird, aber die Initiativen nicht behindert. Sie benötigen klare und konsistente Sicherheits- und Compliance-Richtlinien, moderne Plattformen, die deren Durchsetzung ermöglichen, sowie eine enge Zusammenarbeit zwischen IT-Team, Daten- und KI-Spezialisten, Experten aus den Fachbereichen sowie der Rechtsabteilung. Darüber hinaus sollten Unternehmen in Risk Assessments und Audits investieren, um Schwachstellen frühzeitig erkennen und beseitigen zu können.

Schnelle Datenzugriffe und Datenverarbeitung

Alte Server, Storage-Systeme und Netzwerkkomponenten können die hohe Verarbeitungsgeschwindigkeit, den hohen Datendurchsatz und die geringe Latenz, nach denen KI verlangt, in der Regel nicht bieten. Damit bremsen sie sowohl das Training der KI-Modelle als auch die Nutzung von KI-Tools im Arbeitsalltag aus. Echtzeit-Entscheidungen sind dann unmöglich und die längeren Antwortzeiten beeinflussen die User Experience negativ. Um Anwendungsfälle mit Echtzeit-Anforderungen umsetzen zu können und Anwender optimal zu unterstützen, müssen Unternehmen ihre IT-Infrastrukturen aktualisieren und Systeme einführen, die speziell für KI entwickelt wurden. Durch optimierte Architekturen beseitigen diese Engpässe bei Datenübertragungen zwischen Prozessoren, Arbeitsspeicher und Speichersystemen und nutzen Hardware-Beschleunigung für eine schnelle Datenverarbeitung.

KI-Einführung: Hohe Skalierbarkeit

Sollen KI-Piloten in den Produktivbetrieb überführt und unternehmensweit skaliert werden, geht das in vielen Unternehmen mit disruptiven IT-Projekten einher, weil Infrastrukturen umfangreich angepasst und erweitert werden müssen. Damit verzögert sich der Zeitpunkt erheblich, ab dem neue KI-Anwendungen einen Mehrwert liefern und zum Geschäftserfolg beitragen. Mit flexiblen IT-Infrastrukturen, die modular aufgebaut sind und unkompliziert skalieren, beschleunigen Unternehmen die KI-Einführung. Compute-, Storage- und Netzwerkressourcen lassen sich bei Bedarf schrittweise nachrüsten, sodass die Infrastruktur langfristig mit den Anforderungen mitwachsen kann, etwa wenn das Datenvolumen infolge neuer KI-Projekte oder steigender Nutzerzahlen anschwillt.

Christian Winterfeldt, Senior Director Datacenter Sales DACH bei Dell Technologies, erklärt: „KI weckt hohe Erwartungen, doch die Entwicklung und Einführung scheitert oft an Legacy-Infrastrukturen. Erst mit modernen Systemen und Plattformen, die schnelle und reibungslose Datenflüsse ermöglichen, sicher und resilient sind und bei Bedarf mitwachsen, kann KI das Experimentierstadium verlassen und zum festen Bestandteil des Geschäfts werden.“

Dell Technologies World 2026

Agentic AI: Dell bringt sofort einsatzbereite Lösung auf den Schreibtisch