So gelingt Mittelständlern der KI-Einstieg
Xavier Gonzalez, Vice President Corporate Communication bei Cyxtera, beschreibt, wie Mittelständler hohe Anfangsinvestitionen bei KI-Projekten umgehen können.
Künstliche Intelligenz benötigt leistungsfähige Hardware – das erfordert eine hohe Anfangsinvestition, die vor allem mittelständische Unternehmen scheuen. Wir zeigen, wie ihnen mit Bare Metal on-demand ein KI-Einstieg gelingt, der deutlich kostengünstiger und flexibler ist.
Eine repräsentative Befragung* von über 600 Unternehmen im Auftrag des Digitalverbands Bitkom aus dem April 2021 gibt einen Überblick über den Einsatz von Künstlicher Intelligenz sowie getätigte und geplante Investitionen in KI-Projekte: Während vor allem Großunternehmen mit mehr als 2.000 Mitarbeitenden schon in der Vergangenheit in KI-Projekte investiert haben (41 Prozent) und diese mit spezialisierten KI-Teams oder KI-Abteilungen aktiv vorantreiben (65 Prozent), stehen mittelständische Unternehmen eher an der Schwelle zum KI-Einstieg. Die größte Gruppe der Investitionswilligen ist nämlich laut Bitkom-Befragung bei den Unternehmen mit 500-1.999 Mitarbeitenden zu finden: 49 Prozent von ihnen wollen noch 2021, 2022 oder später in KI-Projekte investieren. Das Fehlen der notwendigen finanziellen Mittel ist für die Befragten – neben Mangel an Personal und Zeit – ein wesentliches Hemmnis für den KI-Einstieg.
Herausforderung Hardware-Kosten
Wie lässt sich nun gerade für mittelständische Unternehmen der Einstieg in KI-Projekte erleichtern? Und warum ist der oft so teuer? Ganz egal, in welchem Unternehmensbereich KI eingesetzt werden soll, für die Bearbeitung großer Datenmengen mit smarten Algorithmen braucht es so viel Rechenkapazität, dass die Performance klassischer Server meist nicht ausreicht. Selbst wenn man den Einstieg in ein KI-Projekt zu Beginn noch mit eigenen Hardware-Ressourcen ermöglichen kann, sobald es ernst wird, braucht es spezialisierte KI-optimierte Hardware. Entscheider in KI-Projekten stehen vor der Aufgabe, ihre Rechenkapazitäten so zu erweitern, dass sie einerseits möglichst kostengünstig und andererseits möglichst flexibel nutzbar sind, um die volle Handlungsfreiheit im Projekt zu behalten und jederzeit nach oben oder unten skalieren zu können.
Warum Hardware-Kauf und Public Cloud zu kurz greifen
Viele Unternehmen müssen bestimmten gesetzlichen Anforderungen genügen oder haben es zur eigenen Policy gemacht, genutzte IT-Infrastruktur komplett selbst zu managen. Ihnen verspricht der Kauf KI-optimierter Hardware umfassende Kontrolle und Sicherheit über die eingesetzten IT-Kapazitäten. Der Kauf aber kostet: Je nach Ausstattung kann KI-optimierte Hardware im Einkauf fünf- bis zehnmal teurer sein als klassische Server. Es braucht also eine hohe Anfangsinvestition sowie passendes Personal, Know-how und die Zeit diese IT-Ressourcen zu integrieren und nutzbar zu machen. Wächst das KI-Projekt, sind weitere Investitionen fällig, wird es reduziert oder gar eingestellt, steht leistungsfähige IT-Infrastruktur möglicherweise ungenutzt herum. In jedem Fall handelt es sich um schnell alternde Technologie, die meist nach wenigen Jahren überholt ist und daher aufgerüstet oder ausgetauscht werden muss. So erlaubt der Kauf eigener KI-fähiger Hardware zwar volle Kontrolle, erweist sich aber als recht teuer und wenig flexibel.
Viele KI-Verantwortliche suchen ihr Heil deshalb in klassischen Public-Cloud-Angeboten. Hier lässt sich mit virtualisierten Rechenkapazitäten leicht und flexibel starten. Doch auch hier entstehen bei näherem Hinsehen für KI-bedingt hohe Computing-Anforderungen oft unerwartet hohe Kosten, denn für virtualisierte GPU-Instanzen ist meist ein enormer Aufpreis zu zahlen. Und sollten die Computing-Kapazitäten aus der Public Cloud nicht mehr gebraucht werden, werden auch hier nicht selten gewaltige Ausstiegsgebühren fällig. So erweisen sich beide Wege häufig als teuer und unflexibel, um gerade mittelständische Unternehmen mit ihren ersten KI-Projekten gut auf den Weg zu bringen.
Das Beste aus beiden Welten
Es gibt jedoch Rechenzentrumsdienstleister, die die Vorteile von Hardware-Kauf und Public-Cloud zu einem neuen Angebot verbinden, das Unternehmen das beste aus beiden Welten bietet und damit gerade Mittelständlern den KI-Einstieg erleichtert. Sie stellen Hardware im Rahmen eines sogenannten Bare-Metal-Service, also ohne Software und Betriebssystem, exklusiv zur Nutzung zur Verfügung. Unternehmen profitieren so von dedizierter Server-Hardware, die sie leicht in unternehmenseigene IT-Infrastruktur aufnehmen können. Wer diese Hardware für KI-Projekte nutzen will, sollte vorher checken, ob die angebotenen Server auch für Künstliche Intelligenz und Machine Learning ausgelegt und konzipiert sind – dann lässt sich nicht nur das eigene KI-Projekt, sondern auch das Preis-Leistungs-Verhältnis am besten optimieren.
KI-optimierte Hardware on-demand
Gerade für KI-Einstiegsprojekte braucht es große Flexibilität: Wenn der Auftakt gelingt, müssen Rechenkapazitäten möglicherweise schnell und umfangreich aufgestockt werden. Wenn nicht, dann sollten sie – vielleicht bis zum nächsten Anlauf – kündbar sein und die eigenen finanziellen Ressourcen nicht weiter belasten. Das gelingt nur, wenn der Rechenzentrumsdienstleister erlaubt, die bereitgestellten KI-optimierten Server nach zeitlichem Bedarf ohne langfristige Verträge nutzen können. Es gilt also, den passenden Anbieter zu finden und langfristige und teure Vertragsverpflichtungen strikt zu vermeiden. Nur dann erlangen Unternehmen mit ersten KI-Projekten die nötige Handlungs- und Entscheidungsfreiheit, ein Projekt weiterzuentwickeln und damit zu wachsen oder es auch schlicht einzustampfen und nach einiger Zeit einen erfolgversprechenderen Ansatz zu wählen.
Was RZ-Dienstleister bieten sollten
Gerade mittelständische Unternehmen mit knappen Ressourcen profitieren davon, wenn der RZ-Dienstleister ihnen bei der Hardware-Bereitstellung, dem Provisioning durch eine leistungsfähige Rechenzentrumsumgebung entgegenkommt. Folgende Aspekte sind hier wichtig: Die KI-optimierte Hardware muss in einem abgetrennten und zugangskontrollierten Bereich des Rechenzentrums vorinstalliert und über redundante Netzwerkschnittstellen miteinander verbunden sein. Ihre Bereitstellung und Implementierung sollte vollständig automatisiert und software-definiert erfolgen. Manche Dienstleister bieten ihren Kunden dazu eine komfortable und leistungsfähige Management-Plattform an, die in das eigene IT-Management integrierbar ist. Das software-basierte Management der KI-optimierten Hardware vereinfacht die Administration deutlich, reduziert Komplexität und Risiken und verringert signifikant den eigenen Zeitaufwand.
Über den Autor: Xavier Gonzalez ist Vice President Corporate Communications bei Cyxtera in Miami, Florida, USA. Cyxtera ist weltweiter Anbieter von Datacenter Services mit europäischen Rechenzentren in den Internet-Metropolen Frankfurt, London und Amsterdam. Gonzalez verantwortet bei Cyxtera neben der Unternehmenskommunikation auch das Community Management des Unternehmens. Er ist seit über 20 Jahren in den Bereichen Informationstechnologie, Marketing und Non-Profit tätig.
Quelle / Source BITKOM
