Projekte mit künstlicher Intelligenz Mit Enterprise Bare Metal die KI-Rechenkapazität schnell erweitern

Autor / Redakteur: Xavier Gonzalez* / Dipl.-Ing. (FH) Hendrik Härter

In den nächsten Jahren wollen mehr Firmen aus dem deutschen Mittelstand künstliche Intelligenz nutzen. Doch dazu ist ausreichend Rechenpower notwendig. Eigene Server sind teuer. Abhilfe versprechen Server ohne Software und Betriebssystem, sogenannte Bare-Metal-Server.

Firma zum Thema

Bilderkennung: Mit den Methoden des maschinellen Lernens lassen sich Muster in Bildern erkennen. Allerdings ist die Rechenleistung sehr hoch. Mittelständische Unternehmen können auf Bare-Metal-Server zurückgreifen.
Bilderkennung: Mit den Methoden des maschinellen Lernens lassen sich Muster in Bildern erkennen. Allerdings ist die Rechenleistung sehr hoch. Mittelständische Unternehmen können auf Bare-Metal-Server zurückgreifen.
(Bild: Gerd Altmann / Pixabay )

Die Einsatzmöglichkeiten von künstlicher Intelligenz (KI) und maschinellem Lernen (ML) in der Industrie sind vielfältig. Egal ob für die Qualitätskontrolle in der Produktion oder Predictive Maintenance, zur Kontrolle der Produktionslinien, zum Prozesse optimieren, der autonomen Anlagensteuerung oder für selbstlernende Roboter in der Fertigung. Laut einer aktuellen Umfrage des Branchenverbandes Bitkom vom April 2021 unter 600 Unternehmen sehen 69 Prozent der Unternehmen in Deutschland die KI als eine wichtige Zukunftstechnologie [1] [2].

Einsatz findet KI in nahezu allen Unternehmensbereichen, besonders stark mit 64 Prozent wird sie verwendet, um interne Abläufe in der Produktion und Instandhaltung zu verbessern. Schaut man sich die Frage nach den KI-Investitionen an, so ergibt sich für die großen und mittleren Unternehmen ein unterschiedliches Bild und insgesamt ein interessanter Trend: Während vor allem Großunternehmen mit mehr als 2.000 Mitarbeitenden schon in der Vergangenheit in KI-Projekte investiert haben (41 Prozent) und sie vor allem mit spezialisierten KI-Teams oder KI-Abteilungen aktiv vorantreiben (65 Prozent), stehen mittelständische Unternehmen gerade eher an der Schwelle zum KI-Einstieg.

Der deutsche Mittelstand vor dem Einstieg mit KI

Die größte Gruppe der Investitionswilligen ist laut Bitkom-Befragung aktuell bei den Unternehmen mit 500 bis 1999 Mitarbeitern zu finden: 49 Prozent von ihnen wollen noch 2021, 2022 oder später in KI-Projekte investieren. Bei Unternehmen dieser Größe treiben spezialisierte KI-Teams und die klassischen IT-Abteilungen den KI-Einsatz gleichermaßen voran. Als Engpass für die Umsetzung von KI-Projekten identifizieren die befragten Unternehmen insgesamt vor allem das Fehlen von Personal, Zeit und finanziellen Mitteln. Wie lässt sich für sie der Einstieg in KI-Projekte erleichtern?

Ob ein Fertigungsroboter durch maschinelles Lernen den richtigen Umgang mit einem Werkstück in der Produktion lernen soll oder fehlerhafte Produkte dank KI-gesteuerter Qualitätssicherung aussortiert oder KI-Algorithmen anhand von Daten des digitalen Zwillings industrieller Produktionsprozesse erkennt, wann die beste Zeit für den geplanten Austausch von maschinellen Ersatzteilen im Rahmen von Predictive Maintenance ist – der Erfolg von KI- und ML-Projekten hängt davon ab, dass möglichst viele Daten mit möglichst effizienten Algorithmen verarbeitet werden können. KI- und ML-Projekte brauchen daher viel Rechenpower.

KI braucht viel Rechenleistung

Während die Leistungsfähigkeit der eigenen Hardware zu Beginn von KI-Projekten oft noch ausreicht, braucht es im weiteren Verlauf – zum Beispiel für das Trainieren neuronaler Netze – oft so viel Rechenleistung, dass die bestehende Infrastruktur diese Anforderungen nicht mehr erfüllen kann. Spätestens dann müssen die meisten KI-Projektverantwortlichen ihre Rechenkapazitäten möglichst kostengünstig erweitern und dabei gleichzeitig ihre Flexibilität und Handlungsfreiheit im Projekt erhalten.

Wer die benötigte Hardware selbst kauft, muss meist eine hohe Anfangsinvestition dafür aufbringen, ohne dass sie skalierbar ist und obwohl sie schnell wieder veraltet. Wer stattdessen den Weg in die Public Cloud wählt, muss ebenfalls mit hohen Kosten rechnen, weil für virtualisierte GPU-Instanzen oft ein enormer Aufpreis zu zahlen ist und die Gebühren für einen Ausstieg meist auch enorm sind. So erweisen sich beide Wege oft als teuer und wenig flexibel, um gerade mittelständische Industrieunternehmen gut bei ihren ersten KI-Projekten zu unterstützen.

Erklärt: Was ist ein Bare-Metal-Server?

Ein sogenannter Bare-Metal-Server lässt sich entsprechend den Anforderungen des Kunden in Bezug auf Performance, Sicherheit und Zuverlässigkeit anpassen. Ein Bare-Metal-Server wird auch als physische Single-Tenant-Server oder dedizierter Managed-Server bezeichnet.

Auf solch einem Server wird das Betriebssystem direkt auf dem Server installiert, wodurch auf zusätzliche Schichten verzichtet werden kann. Das wirkt sich positiv auf die Performance aus. Unternehmen können dedizierte Server in einem eigenen Rechenzentrum betreiben oder sie auf Stunden- oder Monatsbasis im Abonnement bei einem Managed-Service-Anbieter mieten.

Server-Hardware ohne Software und Betriebssystem

Mehr Kontrolle und Flexibilität bei geringeren Kosten versprechen sogenannte Bare-Metal-Angebote von entsprechenden Rechenzentrumsdienstleistern. Unter Bare Metal versteht man einen Service, bei dem gewünschte Server-Hardware dem Unternehmen als „nacktes Metall“, also ohne Software und Betriebssystem exklusiv zur Nutzung bereitgestellt wird. Auf diese Weise lässt sich dedizierte Server-Hardware der unternehmenseigenen IT-Infrastruktur schnell hinzufügen. Wer seine Rechenkapazitäten speziell für seine Projekte mit künstlicher Intelligenz oder maschinellem Lernen erweitern will, muss darauf achten, dass die vom Dienstleister angebotene Hardware dafür konzipiert und ausgelegt ist – so lässt sich nicht nur das eigene Projekt, sondern das Preis-Leistungs-Verhältnis für einen solchen Service am besten optimieren.

Für eine hohe Flexibilität der eigenen Entscheidungen und die Weiterentwicklung eines KI- oder ML-Projekts, sollten sich Unternehmen für einen RZ-Dienstleister entscheiden, bei dem sie leistungsfähige KI-optimierte Server nach zeitlichem Bedarf ohne langfristige Verträge nutzen können. Das Konzept bietet beispielsweise Cyxtera mit seinen RZ-Services an. Nur wer nicht in langfristigen und vielleicht teuren Pflichtverträgen festhängt, kann seine KI-Projekte flexibel steuern und dabei gleichzeitig die eigenen finanziellen Ressourcen optimal nutzen.

Die Bereitstellung der zugangskontrollierten und vorinstallierten Bare-Metal-Hardware sollte vollständig automatisiert und Software-definiert erfolgen – am besten über eine komfortable und leistungsfähige Management-Plattform, die dem Unternehmen vom Service-Anbieter bereitgestellt wird und sich bestenfalls wie bei Cyxtera gut in das eigene IT-Management integrieren lässt. Software-basiertes Management der Infrastruktur sichert dem Unternehmen die volle technische Kontrolle und reduziert die Komplexität und Risiken der KI-optimierten Hardware.

Referenzen

[1] Künstliche Intelligenz kommt in Unternehmen allmählich voran, abgerufen am 16.7.2021.

[2] PDF: Künstliche Intelligenz – Wo steht die deutsche Wirtschaft?

* Xavier Gonzalez ist Vice President Corporate Communication bei Cyxtera.

(ID:47525869)