Bericht zur Bereitschaft der Dateninfrastruktur 2026

Die Anforderungen der KI wachsen schneller als die Bereitschaft der Infrastruktur. Eine neue, von Seagate in Auftrag gegebene globale Studie unter mehr als 2.700 IT-Entscheidungsträgern in Unternehmen ergab: 99 % erwarten, dass KI den Speicherbedarf in den nächsten drei Jahren erhöhen wird, doch nur 38 % sind nach eigener Aussage vollständig vorbereitet.

Diese Lücke bei der Vorbereitung gewinnt an Bedeutung, da KI in eine neue Phase eintritt. Die erste Ära der KI war durch Durchbrüche bei Modellen und Rechenleistung gekennzeichnet. Die nächste Ära wird von den Entscheidungen zur Dateninfrastruktur geprägt sein, um KI effizient und nachhaltig zu skalieren und dabei langfristigen Wert zu erschließen. Unternehmen stehen vor einer neuen Realität: Der Erfolg von KI hängt von Innovationen in der Infrastruktur ab. Daten sind heute ein strategisches Unternehmenskapital und nicht länger ein Kostenfaktor.

Vor diesem Hintergrund untersuchte die Studie mehrere Faktoren, die Unternehmen bei der Vorbereitung auf die künftige KI-Infrastruktur berücksichtigen müssen:

• KI-gesteuertes Datenwachstum
• Bereitschaft der KI-Infrastruktur
• Prioritäten für Infrastrukturinvestitionen 
• Nachhaltigkeit und betriebliche Effizienz
• Speicherstrategie und langfristige Skalierbarkeit

Diese Faktoren unterstreichen, wie wichtig kontinuierliche Investitionen in Datenstrategie, Governance und die für erfolgreiche KI erforderlichen Systeme sind. Daraus ergibt sich eine neue Notwendigkeit: nachhaltige Skalierung.

Nachhaltige Skalierung ist die Fähigkeit, die Kapazität und den geschäftlichen Mehrwert der KI zu steigern und gleichzeitig die Effizienz der zugrunde liegenden Infrastruktur kontinuierlich zu verbessern. Da politische Entscheidungsträger, Regulierungsbehörden und die Öffentlichkeit das Wachstum der KI-Infrastruktur verstärkt beobachten, wird eine nachhaltige Skalierung eine entscheidende Rolle für die langfristige Tragfähigkeit einer robusten und gesunden KI-Wirtschaft spielen.

Die folgenden fünf strategischen Veränderungen zeigen, wie Unternehmen die nachhaltige Skalierung in der Praxis umsetzen und wo die größten Chancen und Herausforderungen liegen.

KI schafft bereits einen messbaren geschäftlichen Mehrwert. 86 Prozent der Befragten bewerten den Ertrag der KI-Investitionen ihres Unternehmens als moderat oder signifikant. 33 Prozent berichten sogar von erheblichen messbaren Erträgen. Dadurch gewinnen die Daten, die KI erst ermöglichen, noch stärker an Bedeutung. Wenn Modelle, Anwendungen und Entscheidungen von Daten abhängen, ist deren Speicherung keine reine Hintergrundfunktion mehr. Sie wird Teil der Fähigkeit eines Unternehmens, die KI-Ergebnisse im Laufe der Zeit zu verbessern. Dieses Muster zeigt sich in allen Märkten. Moderate bis erhebliche Erträge wurden in den USA (87 %), China (91 %), Indien (91 %), Japan (75 %), Frankreich (82 %), Großbritannien (86 %) und Deutschland (82 %) gemeldet.

Das erwartete Wachstum ist beträchtlich. Nahezu alle Befragten gehen davon aus, dass KI den Speicherbedarf innerhalb von drei Jahren erhöhen wird. Sieben von zehn Befragten rechnen mit einem Anstieg um mindestens 26 %. 32 % erwarten, dass der Bedarf um mehr als die Hälfte zunimmt. Diese Erwartung ist in allen Märkten nahezu einheitlich: Sie reicht von 98 % in Japan bis zu 100 % in Indien, Frankreich, Großbritannien und Deutschland; in den USA und China liegt sie jeweils bei 99 %.

Die Konsequenz ist eindeutig: Unternehmen müssen sowohl für mehr Daten als auch mit einem höheren Wert dieser Daten planen. Ein kurzfristiger Ansatz, der sich nur auf die unmittelbare Kapazität konzentriert, kann dazu führen, dass Informationen fragmentiert, unzugänglich oder teuer in der Wiederverwendung sind. Eine langfristige Perspektive kann Entscheidungen zu Speicherung, Zugriff und Governance mit der künftigen Wertschöpfung mithilfe von KI verknüpfen.

Dieser Wandel ist bereits in der Art und Weise sichtbar, wie Führungskräfte über Speichersysteme sprechen. 98 Prozent stimmen zu, dass KI die Datenspeicherung von einer Backoffice-Funktion in eine strategische Geschäftsinfrastruktur verwandelt. Die Erkenntnis signalisiert einen Prioritätenwechsel: Speicherentscheidungen beeinflussen nun direkt, wie schnell Unternehmen Daten nutzbar machen und wie gut sie deren Wert erhalten können. Diese Einschätzung ist in allen Märkten ähnlich: Sie reicht von 96 % in Japan und Deutschland bis zu 100 % in Indien; in den USA und Großbritannien liegt sie bei 99 %, in China bei 98 % und in Frankreich bei 97 %.

Vergrößern

Die meisten Unternehmen sind von ihrer strategischen Ausrichtung überzeugt. Bei genauerer Betrachtung zeigt sich jedoch ein differenzierteres Bild. 83 % geben an, vollständig oder weitgehend auf den langfristigen Datenbedarf der KI vorbereitet zu sein. Nur 38 % halten sich jedoch für vollständig vorbereitet. Die wahrgenommene Bereitschaft unterscheidet sich je nach Markt erheblich: 96 % in China, 55 % in Japan, 89 % in Indien, 88 % in Großbritannien, jeweils 86 % in den USA und Deutschland sowie 74 % in Frankreich.

Die Ergebnisse legen nahe, dass die KI-Bereitschaft nicht nur von Rechenkapazität oder Investitionen abhängt. Die Befragten nennen als häufigste Defizite die Reife der KI-Strategie, das Budget und die Ressourcen sowie Datenmanagement und Governance. Bei den Herausforderungen der Implementierung zeigt sich ein ähnliches Bild. Als wesentliche betriebliche Einschränkungen nennen 53 % die Datenqualität und -verfügbarkeit und 43 % die Speicherinfrastruktur. Die Verfügbarkeit von Rechenleistung nennen dagegen 27 % und eine eingeschränkte Energieversorgung 24 %.

Die Befragten nennen Datenqualität und -verfügbarkeit (53 %) sowie die Speicherinfrastruktur (43 %) als größte Herausforderungen bei der KI-Implementierung – noch vor der Verfügbarkeit von Rechenleistung und einer eingeschränkten Energieversorgung.

Vergrößern

Die Befragten nennen Datenqualität und -verfügbarkeit (53 %) sowie die Speicherinfrastruktur (43 %) als größte Herausforderungen bei der KI-Implementierung – noch vor der Verfügbarkeit von Rechenleistung und einer eingeschränkten Energieversorgung.

Die mangelnde KI-Bereitschaft ist letztlich auf eine unzureichende Datengrundlage zurückzuführen. Daher benötigen Unternehmen eine koordinierte Datengrundlage, die DatenSpeicherung, Governance, Speicherung und Rechenleistung aufeinander abstimmt, um KI effektiv skalieren zu können.

Unternehmen betrachten Investitionen in Rechenzentren zunehmend als strategische Geschäftspriorität und nicht mehr als notwendige Betriebsausgabe. Mehr als drei Viertel der Befragten zählen sie zu ihren drei wichtigsten Infrastrukturprioritäten, und jeder Fünfte bezeichnet sie als seine oberste Priorität.

Vergrößern

Die geplanten Ausgaben zeigen außerdem, dass KI-Infrastruktur mehr als nur GPUs umfasst. Sicherheits- und Compliance-Infrastruktur steht mit 44 % an erster Stelle der Investitionsprioritäten, gefolgt von Datenmanagement und Governance mit 43 %. KI- und GPU-Infrastruktur sowie die Modernisierung der Speicherhardware teilen sich mit 39 % den dritten Platz der Investitionsprioritäten.

Die strategische Frage ist daher nicht, welche einzelne Ebene im System das größte Budget erhält. Die Frage ist vielmehr, ob die gesamte Infrastruktur den Datenfluss in KI-Systeme unterstützt und Daten, die später an Wert gewinnen könnten, speichern und ohne neue betriebliche Einschränkungen skalieren kann. Investitionen schaffen Mehrwert, wenn Unternehmen diese Abhängigkeiten gemeinsam bewerten.

Energie- und Nachhaltigkeitsaspekte beeinflussen bereits die Planung der KI-Infrastruktur. 77 Prozent der Befragten geben an, dass ihr Unternehmen aufgrund dieser Aspekte eine Erweiterung verschoben oder neu geplant hat. Davon haben 36 % die geplanten Investitionen erheblich umstrukturiert, bei 41 % kam es zu geringfügigen Verzögerungen.

Damit wird Effizienz von einem künftigen Ziel zu einer aktuellen Planungsanforderung. Unternehmen müssen ihre Kapazitäten erweitern, aber auch die Auswirkungen dieses Wachstums auf Energieverbrauch, Platzbedarf, Kühlung und den Lebenszyklus der Geräte verstehen. Am wertvollsten sind Entscheidungen, die Führungskräfte mit messbaren betrieblichen Anforderungen verknüpfen können.

Die Befragten erwarten Fortschritte. 39 Prozent bezeichnen den Betrieb ihrer Speichersysteme heute als „sehr nachhaltig“. Für die kommenden fünf Jahre steigt dieser Anteil auf 61 %. Die Erwartungen variieren auch je nach dem verfügbaren Kapital: 70 % der Unternehmen mit einem jährlichen Nachhaltigkeitsbudget von mindestens 100 Millionen US-Dollar erwarten, dass ihr Betrieb innerhalb von fünf Jahren „sehr nachhaltig“ sein wird. Bei Unternehmen mit einem Budget unter 1 Million US-Dollar sind es 48 %.

Unternehmen definieren und messen nachhaltige Infrastruktur zunehmend anhand der betrieblichen Effizienz und nicht mehr allein anhand der Umweltberichte. Der Energieverbrauch ist der am häufigsten berücksichtigte Faktor bei der Bewertung des ökologischen Fußabdrucks von Speicherhardware; 62 % nennen diesen Faktor. Lebensdauer und Robustheit der Geräte folgen mit 55 %. Nahezu alle Befragten stimmen auch darin überein, dass die Verlängerung der Lebensdauer von Datenspeichergeräten einen erheblichen Einfluss auf die Nachhaltigkeit des Rechenzentrumsbetriebs hat.

Diese Ergebnisse sprechen für eine betriebsorientierte Betrachtung der nachhaltigen Skalierung. Statt allgemeiner Umweltaussagen können Unternehmen konkrete Infrastrukturentscheidungen anhand von Energieverbrauch, Kapazitätsauslastung, Gerätelebensdauer und Energiekosten pro Terabyte bewerten. Diese Kennzahlen erleichtern es, Nachhaltigkeitsziele mit der alltäglichen Wirtschaftlichkeit von Infrastrukturprojekten zu verknüpfen.

Da KI die Menge, Vielfalt und den Wert der Daten erhöht, die Unternehmen für ihren Erfolg und ihr Wachstum benötigen, werden die darauf basierenden Geschäftsmodelle zunehmend von der zugrunde liegenden Dateninfrastruktur geprägt. Ebenso wichtig wie der Ausbau der Kapazitäten ist die Optimierung der Wirtschaftlichkeit und der betrieblichen Effizienz des Wachstums. Dazu muss die Infrastruktur effizienzorientiert geplant werden, damit die Unternehmen die Kapazität skalieren und gleichzeitig die Ressourcennutzung, die Gewinnmargen und die langfristige Kapitalrendite kontinuierlich verbessern können.

Der Wandel hin zu einer effizienzorientierten Infrastruktur spiegelt sich in den von Unternehmen angewandten Betriebspraktiken wider:

• 52 % nutzen KI, um Speicher- und Betriebsbedarf zu ermitteln (USA: 48 %, China: 55 %, Indien: 62 %, Japan: 54 %, Frankreich: 47 %, Vereinigtes Königreich: 53 %, Deutschland: 42 %).
• 46 % investieren in erneuerbare Energiequellen (USA: 44 %, China: 41 %, Indien: 58 %, Japan: 37 %, Frankreich: 45 %, Vereinigtes Königreich: 49 %, Deutschland: 47 %).
• 40 % setzen Energie bedarfsorientiert ein, anstatt die Infrastruktur kontinuierlich zu betreiben (USA: 34 %, China: 44 %, Indien: 48 %, Japan: 41 %, Frankreich: 29 %, Vereinigtes Königreich: 41 %, Deutschland: 40 %).
• 31 % nutzen die von der Dateninfrastruktur erzeugte Abwärme (USA: 26 %, China: 37 %, Indien: 32 %, Japan: 24 %, Frankreich: 38 %, Großbritannien: 31 %, Deutschland: 33 %).

Derselbe auf Effizienz ausgerichtete Ansatz prägt zunehmend auch die Speicherarchitektur. Ein an den Workloads ausgerichteter Ansatz unterstreicht diesen Wandel. Statt für den gesamten Datenlebenszyklus eine einheitliche Architektur einzusetzen, können die Unternehmen Systeme entwickeln, die Leistung, Kapazität, Effizienz und langfristigen Wert auf die Anforderungen der Workloads abstimmen. Dadurch wird ein praktischerer Rahmen für die Skalierung von KI geschaffen; gleichzeitig können die Infrastrukturkosten und der Ressourcenbedarf kontrolliert werden.

KI-Umgebungen umfassen unterschiedliche Datentypen mit verschiedenen Anforderungen an Leistung, Kapazität und Zugriff. Trainingsdaten, aktive Datensätze, Inferenzkontext, Modellprüfpunkte, Quellinhalte und aufbewahrte Ergebnisse stellen unterschiedliche Anforderungen an die Infrastruktur. Mit der Skalierung von KI gewinnt eine effizienzorientierte Gestaltung zunehmend an Bedeutung. Unternehmen, die Speichertechnologien an die Workload-Anforderungen innerhalb intelligenter, mehrstufiger Architekturen anpassen, können die Wirtschaftlichkeit verbessern, die Betriebskosten senken und eine robustere Grundlage für langfristiges Wachstum schaffen.

Die nächste Phase der KI wird mehr Daten erzeugen, aber die Kapazität allein wird nicht darüber entscheiden, welche Unternehmen ihren Wert nutzen können. Der entscheidende Unterschied wird die Fähigkeit sein, Daten verfügbar und einsatzbereit zu halten und gleichzeitig die mit dem Wachstum einhergehenden Infrastrukturanforderungen effizient zu bewältigen.

Die Umfrage zeigt, dass diese Arbeiten bereits im Gange sind. Unternehmen priorisieren Investitionen in Rechenzentren, bewerten die Rolle der Datenspeicherung neu und berücksichtigen Effizienz sowie Lebenszyklen in ihren Erweiterungsplänen. Doch die Kluft zwischen größtenteils vorbereitet und vollständig vorbereitet bleibt groß.

Um diese Lücke zu schließen, ist eine Infrastrukturstrategie erforderlich, die den gesamten Datenlebenszyklus abdeckt. Unternehmen müssen verstehen, welche Daten sie erzeugen, wie schnell verschiedene Workloads darauf zugreifen müssen, wie lange die Daten ihren Wert behalten und welche betrieblichen Maßnahmen das Wachstum steuern sollen. Diese Entscheidungen bilden die Grundlage für nachhaltiges Wachstum und dauerhaften Nutzen aus KI.