Vorbereitung der Unternehmensdateninfrastruktur auf KI im großen Maßstab

KI-Workloads erzeugen riesige Mengen an strukturierten und unstrukturierten Daten. Zur Unterstützung von Trainings-, Inferenz- und Retraining-Zyklen benötigen Unternehmen skalierbare Speicher mit hoher Kapazität, die mit kontinuierlichem Datenwachstum umgehen können.

Ohne Daten – und zwar Unmengen davon – gibt es keinen Erfolg für KI.

Und ohne ausreichenden und effizienten Datenspeicher gibt es keine riesigen Datensätze. KI-Workloads erzeugen kontinuierliche Datenströme – von Trainingsdatensätzen und Inferenzprotokollen bis hin zu Metadaten, Einbettungen und Modellausgaben. Mit der zunehmenden Verbreitung von generativer KI und großen Sprachmodellen (LLMs) wachsen Umfang und Vielfalt der Unternehmensdaten exponentiell. Diese rasante Skalierung erfordert Speicherarchitekturen, die eine kontinuierliche Datenaufnahme, einen schnellen Zugriff und eine zuverlässige Langzeitarchivierung gewährleisten können.

Daten bilden die Grundlage für KI und Festplatten mit hoher Speicherkapazität speichern Daten.

Diese Erkenntnisse werden durch eine Umfrage des Forschungsinstituts Recon Analytics aus dem Jahr 2025 deutlich sichtbar.

Die globale Studie liefert detaillierte Informationen darüber, wie Unternehmen in verschiedenen Branchen ihre Infrastruktur anpassen, um KI zu unterstützen. Die Befragten repräsentieren Organisationen, die bereits KI einsetzen oder deren Einsatz planen, und bieten Einblicke in den Speicherbedarf, Skalierungsherausforderungen und die Zukunft der Dateninfrastruktur von Unternehmen.

Bei der von Seagate in Auftrag gegebenen weltweiten Studie wurden 1.062 Personen befragt. Es handelt sich um IT-Speicherkäufer und -Entscheidungsträger, die in Speicherinfrastrukturfunktionen für Unternehmen arbeiten, die einen Jahresumsatz von über 10 Millionen US-Dollar erzielen, über eine aktuelle Speichernutzung von über 50 Terabyte (TB) verfügen, KI eingeführt haben oder planen, KI innerhalb der nächsten drei Jahre einzuführen, und ihren Sitz in den Vereinigten Staaten, China, Großbritannien, Südkorea, Singapur, Frankreich, Indien, Japan, Taiwan und Deutschland haben.

Die Umfrage konzentrierte sich auf die Auswirkungen der KI-Einführung auf Infrastrukturprioritäten, Datenspeicherung und Datenmanagement. Die Ergebnisse geben Aufschluss darüber, wie sich KI in den nächsten drei Jahren auf die Anforderungen an die Infrastruktur auswirken wird.

Globale Umfrageergebnisse: Wie die Einführung von KI die Dateninfrastruktur verändern wird

Die jüngste Studie von Recon Analytics zeigt einen entscheidenden Wandel in der Art und Weise, wie Unternehmen ihre Datenökosysteme für das KI-Zeitalter planen. Anstatt KI als isolierte Initiative zu betrachten, überdenken Organisationen angesichts der zunehmenden Verbreitung von KI nun ihre Speicherstrategien, die Ressourcenzuweisung und die langfristige Infrastrukturplanung. Die Umfrage zeigt, wie sich globale IT-Führungskräfte auf eine Zukunft vorbereiten, in der Datenwachstum, Aufbewahrungsanforderungen und Leistungserwartungen schneller steigen werden als je zuvor.

KI-Datenwachstum bis 2028: Warum die Nachfrage nach KI-Speicher rasant steigt

Die Studie zeigte vor allem, dass die Einführung von KI bis 2028 zu einem exponentiellen Wachstum des Datenspeicherbedarfs führen wird.

Ganze 61 % der Befragten aus Unternehmen, die überwiegend Cloud-Speicher nutzen, gaben an, dass der Cloud-basierte Speicher ihrer Unternehmen in den nächsten drei Jahren um mehr als 100 % erhöht werden müsse – das heißt, er müsse sich verdoppeln.

Abbildung 1 61 % der Befragten, deren Unternehmen hauptsächlich Cloud-Speicher für ihr KI-Datenmanagement nutzen, erwarten, ihren Speicherbedarf um 100 % oder mehr zu erhöhen.

Warum die langfristige Datenspeicherung die Genauigkeit und Vertrauenswürdigkeit von KI verbessert

Da KI-Anwendungen eine beispiellose Datengenerierung vorantreiben, können Unternehmen umso besser überprüfen, ob die KI wie erwartet funktioniert, je mehr Daten sie speichern. Durch den Zugriff auf Verhaltensdaten – wie Trainingsdatensätze, Modell-Checkpoints, Eingabeaufforderungen und Antworten – können Unternehmen Algorithmen überprüfen und die Entscheidungsfindung von KI besser verstehen und verfeinern. Ohne skalierbare und effiziente Rechenzentren ist das Potenzial von KI begrenzt, denn große Datensätze zu speichern und abzurufen, ist unerlässlich.

Nicht allein die Speicherkapazität ist für den Erfolg von KI ausschlaggebend. Die Dauer der Datenspeicherung spielt ebenfalls eine Rolle.

Branchen wie das Finanzwesen, das Gesundheitswesen, die Fertigungsindustrie und der öffentliche Dienst sind auf die langfristige Datenspeicherung angewiesen, um die Anforderungen der Compliance und der Wirtschaftsprüfung zu erfüllen. Die Aufbewahrung historischer Daten stärkt die Governance-Rahmenbedingungen, unterstützt die regulatorische Berichterstattung und macht die KI-Ergebnisse im Laufe der Zeit genauer.

Von den befragten Personen, die in Unternehmen mit eingeführter KI‑Technologie beschäftigt sind, sind 90 % der Ansicht, dass eine längere Datenaufbewahrung die Qualität der KI‑Ergebnisse verbessert.

Abbildung 2: 90 % der Unternehmen, die heute KI einsetzen, glauben, dass die Speicherung von mehr historischen Daten die Genauigkeit der Modelle verbessert.

Dieses Ergebnis weist auf einen Zusammenhang zwischen der längeren Aufbewahrung von Daten und zuverlässigeren KI-Erkenntnissen hin. Diese Vorgehensweise kann durch mehrere Faktoren untermauert werden. Erstens ist die ständige iterative Verarbeitung wesentlich für die Funktionsweise von KI-Algorithmen. Die Inhaltsausgaben fließen wieder in das Modell ein, was dessen Genauigkeit verbessert und neue Modelle ermöglicht. Rohdatensätze und -ergebnisse werden zu Quellen für Weiterentwicklungen und neue Workflows.

Die Rolle von Datenherkunft, Compliance und IP-Schutz für vertrauenswürdige KI

Die längere Aufbewahrung von Datensätzen erfüllt aber auch andere geschäftskritische Funktionen, da sie das geistige Eigentum eines Unternehmens schützt. Es speichert „Belege“ der ursprünglichen Datensätze und Prozesse des Modells und liefert bei Bedarf eine Erklärung der Ergebnisse (z. B. im Rahmen eines Gerichtsverfahrens).

Diese Belege dokumentieren die Datenherkunft und zeichnen einen klaren Verlauf des Datenwegs von der Eingabe bis zur Ausgabe nach. Die Datenherkunft ermöglicht es Organisationen, den Ursprung und die Verwendung von Datensätzen nachzuverfolgen, sodass KI-Modelle auf genauen Daten basieren. Es ermöglicht die vollständige Überprüfbarkeit von KI-Systemen und unterstützt sowohl die Einhaltung gesetzlicher Vorschriften als auch die interne Verantwortlichkeit.

Darüber hinaus könnten Unternehmen sich dafür entscheiden, mehr Daten länger zu speichern, weil sie erkennen, dass sie heute nicht wissen können, welche neuen, wertvollen Erkenntnisse die Algorithmen von morgen aus den Daten von gestern gewinnen könnten. Eine längere Datenaufbewahrung ermöglicht die Verarbeitung alter Daten durch noch nicht entwickelte KI-Modelle. Aus diesen Gründen steigert eine längere Datenspeicherung den Geschäftswert, den KI bieten kann.

In einem damit zusammenhängenden Ergebnis betrachten Entscheidungsträger im Infrastrukturbereich die verlängerte Datenaufbewahrung als unerlässlich für den Aufbau von Vertrauen – einer entscheidenden Grundlage, ohne die KI-Erkenntnisse nur wenig Wert besitzen.

88 % der Befragten, deren Unternehmen heute KI einsetzen, sind der Meinung, dass die Einführung einer vertrauenswürdigen KI die Notwendigkeit erhöht, mehr Daten über längere Zeiträume zu speichern.

Abbildung 3. 88 % der Befragten, deren Unternehmen heute KI einsetzen, gaben an, dass die Einführung vertrauenswürdiger KI einen erhöhten Bedarf an Datenspeicherung über längere Zeiträume mit sich bringt.

Seagate definiert vertrauenswürdige KI als KI-Datenworkflows und -Modelle, die zuverlässige Eingaben verwenden und verlässliche Erkenntnisse generieren. Die zugrunde liegenden Daten müssen folgende Kriterien erfüllen:

• Hohe Qualität und Genauigkeit
• Klare Rechtmäßigkeit, Eigentumsverhältnisse und Herkunft
• Sichere Aufbewahrung und Schutz
• Erklärbare und nachvollziehbare Transformationen durch den Algorithmus
• Konsistente und zuverlässige Ergebnisse der Datenverarbeitung

Skalierbare Speicherinfrastruktur unterstützt vertrauenswürdige KI, da sie die von KI-Systemen genutzten riesigen Datenmengen ordnungsgemäß verwaltet, speichert und sichert.

Im Rahmen der Entwicklung vertrauenswürdiger KI betonten 80 % der Befragten die Wichtigkeit von Checkpointing.

Checkpointing: Warum häufige Modellaufnahmen auf zuverlässigen Festplattenspeicher mit hoher Kapazität angewiesen sind

Beim Checkpointing wird der Zustand eines KI-Modells während seines Trainings in bestimmten kurzen Intervallen aufgezeichnet. KI-Modelle werden anhand großer Datensätze durch iterative Prozesse trainiert, die von Minuten bis zu Monaten dauern können. Die Dauer des Modelltrainings hängt von der Komplexität des Modells, der Größe des Datensatzes und der verfügbaren Rechenleistung ab. Während dieser Zeit werden die Modelle mit Daten gefüttert, Parameter angepasst und das System lernt, auf der Grundlage der verarbeiteten Informationen Ergebnisse vorherzusagen.

• Checkpoints fungieren im Wesentlichen als Momentaufnahmen des aktuellen Zustands des Modells – seiner Daten, Parameter und Einstellungen – an vielen Punkten während des Trainings. Durch die in regelmäßigen Abständen gespeicherten Momentaufnahmen wird der Fortschritt des Modells dokumentiert und vor Datenverlusten durch unerwartete Unterbrechungen geschützt.

Laut der Umfrage speichern und sichern Unternehmen, die mehr als 100 PB Speicherplatz nutzen, Checkpoints täglich bis wöchentlich. 87 % von ihnen speichern diese Checkpoints in der Cloud oder auf einer Mischung aus Festplatten und SSDs.

Um Checkpointing in diesem Umfang zu unterstützen, benötigen Unternehmen Speichersysteme, die eine kontinuierliche Schreibaktivität gewährleisten können, ohne den Modellfortschritt zu unterbrechen. Hochleistungsfähige Festplatten und Hybrid-Cloud-Architekturen bieten die Zuverlässigkeit und Kosteneffizienz, die für die Aufrechterhaltung dieser schnellen Snapshot-Zyklen erforderlich sind. Durch die konsequente Erfassung und den Schutz von Kontrollpunkten können Organisationen den Trainingsfortschritt sichern, die Wiederherstellung nach Unterbrechungen beschleunigen und stabile, vorhersehbare KI-Entwicklungsprozesse aufrechterhalten.

Speicher: Geheimnisvoller Treiber skalierbarer, kosteneffizienter KI-Systeme

Rechenleistung und Energieverbrauch sind beliebte Themen bei Diskussionen über die Einführung von KI. Die Studie von Recon Analytics hebt jedoch die Speicherung als entscheidenden Faktor hervor.

• Aus der Perspektive von Einkäufern im Bereich Infrastruktur wurde die Datenspeicherung nach der Sicherheit als zweitwichtigster Bestandteil der KI-Infrastruktur eingestuft. Nach Sicherheit und Speicherung folgten in absteigender Reihenfolge Datenmanagement, Netzwerkkapazität, Rechenleistung, Regulierung, LLM-Durchführbarkeit und Energie.
• Zwei Drittel (66%) der Befragten stuften den Speicherplatz als zweitwichtigsten Faktor unter ihren vier wichtigsten KI-Ermöglichern und als viertwichtigstes Hindernis für die Einführung ein.

Abbildung 4. 66 % der Entscheidungsträger im Infrastrukturbereich stuften die Speicherung als zweitwichtigste Komponente unter ihren vier wichtigsten KI-Ermöglichern ein. Zudem wurde Speicher als viertgrößte Hürde für den Einsatz von KI genannt.

„Die Umfrageergebnisse deuten insgesamt auf einen bevorstehenden Anstieg der Nachfrage nach Datenspeicherung hin, wobei Festplatten als klare Gewinner hervorgehen. Wenn man bedenkt, dass die von uns befragten Unternehmensführer beabsichtigen, immer mehr dieser KI-gesteuerten Daten in der Cloud zu speichern, sind Cloud-Dienste gut positioniert, um eine zweite Wachstumswelle zu erleben.“

Roger Entner, Gründer und leitender Analyst von Recon, beschreibt die wichtigste Erkenntnis wie folgt:

Um den größtmöglichen Nutzen aus KI zu ziehen, müssen sich Unternehmen mit einer skalierbaren und effizienten Datenspeicherung vorbereiten. Ob direkt oder über Cloud-Dienste, die Abhängigkeit der KI von Daten hängt von Festplatten ab – die unübertroffene Kapazität, Kosteneffizienz und Nachhaltigkeit bieten – als Rückgrat einer vertrauenswürdigen KI.

Festplatten bieten unübertroffene Kostenvorteile pro Terabyte für die Speicherung großer Mengen an KI-Daten. Festplatten mit hoher Speicherkapazität bieten die optimale Balance zwischen Skalierbarkeit, Energieeffizienz und Nachhaltigkeit und ermöglichen es Unternehmen, ihre Speicherkapazitäten zu erweitern, ohne Budget- oder Energiebeschränkungen zu überschreiten.