Den KI-Datenpfad mit sicheren Datenplattformen neu denken

Jahrelang wurden Sicherheit, Speicher, Netzwerke und Rechenleistung in der Unternehmensinfrastruktur meist als getrennte Betriebsebenen behandelt. Disruptive Technologien neigen dazu, diese Grenzen verschwimmen zu lassen. Wir haben dies bei Backup und Wiederherstellung, Virtualisierung und nun auch bei KI erlebt. Bei jedem dieser Übergänge wurde den Unternehmen sehr schnell klar, dass die Spezialisten, die diese disruptiven Technologien – wie KI – vorantreiben, oft ein besseres Verständnis des gesamten Betriebsstacks entwickelten als die isolierten Infrastrukturteams selbst, da sie verstehen mussten, wie sich die gesamte Workload von Anfang bis Ende verhält.

Da sich KI-Systeme zu größeren Reasoning-Modellen und agentenbasierten Workloads entwickeln, die über verteilte Datenquellen hinweg arbeiten, sind die Infrastrukturherausforderungen nicht länger nur eine Frage der reinen Rechenleistung. Sicherheit, Datenlokalität, Orchestrierung, Kontextspeicherkoordination und die Verschiebung von Daten zwischen Systemen werden alle Teil derselben Betriebsstrategie und sind entscheidend für die Bereitstellung skalierbarer, sicherer und effizienter KI. Das macht unter anderem die Sicherheitsankündigung zu NVIDIA Vera BlueField-4 STX so interessant.

Hinter all den Produkt- und Plattformbotschaften verbirgt sich die ziemlich wichtige architektonische Erkenntnis, dass der Engpass in KI-Workflows die Datenbewegung selbst ist. NVIDIA beschreibt diesen Wandel in seinen Mitteilungen direkt als den Übergang von „menschlicher Interaktion zu maschinellem Reasoning und Datenbewegung“.

Jahrelang klangen die meisten KI-Gespräche sehr nach traditionellen HPC-Diskussionen, die sich fast ausschließlich um GPUs, FLOPS und die Skalierung der Rechenleistung drehten. Die Hauptunterschiede bestanden in der Anzahl der Modellparameter und darin, wie schnell zentralisierte KI-Server Trainingsdaten laden konnten. Unterdessen argumentieren einige von uns schon länger, dass die längerfristige Herausforderung schließlich in der Speicherarchitektur, der Orchestrierungseffizienz, der Datenlokalität und den Kosten für die Datenverschiebung in verteilten KI-Systemen liegen wird. Sind wir mal ehrlich: Das Verschieben von Daten war schon immer einer der teuersten Posten in jeder IT-Strategie. Manchmal zeigten sich diese Kosten in Form von Latenz. Manchmal zeigten sie sich in größeren und schnelleren Speicherplattformen, Netzwerken mit höherer Geschwindigkeit oder der Infrastruktur, die erforderlich ist, um riesige Datenmengen effizient in der Umgebung zu bewegen.

Im Gegensatz zu den Herausforderungen, mit denen wir uns in den späten 90er und frühen 2000er Jahren konfrontiert sahen, besteht das Problem jedoch nicht mehr nur darin, Daten schnell genug vom Speicher abzurufen, sondern wie effizient Kontext, Einbettungen, Inferenz-Pipelines, Speicherstatus und Orchestrierungsebenen zwischen GPUs, DPUs, CPUs, Speicherebenen, Netzwerken und verteilten Systemen verschoben werden, ohne unnötige Latenzen oder Ineffizienzen in den Workflow selbst einzubringen.

Das ist ein Grund, warum Lokalität zu einem so wichtigen architektonischen Aspekt wird. Das Verschieben der Daten und der auf diesen Daten operierenden Dienste näher an die Ausführungsumgebung schafft Effizienzsteigerungen im gesamten System.

Was NVIDIA mit Vera BlueField-4 STX beschreibt, ist eine engere Integration zwischen Rechenleistung, Netzwerk, Speicher, Speicherkoordination und Sicherheit, die viel näher an der KI-Ausführungspipeline selbst operiert. Sie fragen sich vielleicht, warum Sicherheit ein so großer Bestandteil dieser Ankündigung ist, denn ganz ehrlich: Sicherheit sollte eigentlich eine Selbstverständlichkeit sein. Der Grund für diese Betonung liegt darin, dass sich die Auswirkungen sehr schnell in verteilten Systemen ausbreiten können, wenn KI-Daten kompromittiert werden. Im großen Maßstab können sich selbst geringe Mengen an manipulierten Daten in Inferenz-Pipelines, Agenten, Workflows und Datenquellen viel schneller vervielfachen als bei herkömmlichen Unternehmensanwendungen.

Aus diesem Grund sind all diese Kategorien zusammen so wichtig. Sicherheit, Lokalität, Orchestrierung, Governance und Laufzeittransparenz sind keine voneinander unabhängigen betrieblichen Belange mehr. Selbst die Sicherheitsbotschaften von NVIDIA spiegeln diesen Wandel wider, indem sie über Inline-Durchsetzung direkt im KI-Datenpfad diskutieren, anstatt sich vollständig auf herkömmliche Perimeter-Modelle zu verlassen.

Diese Richtung macht Sinn, da sich KI-Workloads ganz anders verhalten als herkömmliche Unternehmensanwendungen und selbst klassische HPC-Umgebungen. Diese Systeme sind zunehmend dynamisch, verteilt und stärker orchestriert, mit wachsenden Kontextfenstern, zunehmender Agent-zu-Agent-Kommunikation und kontinuierlicher Interaktion zwischen Inferenz-Pipelines, APIs, Vektordatenbanken, Tools, externen Datenquellen und anderen Modellen in Echtzeit. Wenn diese Interaktionen skalieren, beginnt der Betriebsaufwand für das Verschieben von Daten innerhalb der Umgebung einen viel größeren Teil der Gesamtleistungsgleichung auszumachen.

Einer der interessantesten Aspekte der Vera BlueField-4 STX-Ausrichtung ist, dass NVIDIA nicht nur über Speicherdurchsatz spricht oder eine weitere Infrastrukturkomponente um die GPU herum hinzufügt. Die Architektur konzentriert sich darauf, Reibungsverluste zu reduzieren. Im Systemdesign und in der Architektur untersuchen wir, wo Reibung existiert und was wir tun können, um diese Reibung aus dem operativen Workflow zu minimieren oder zu abstrahieren. Die Reibung, die NVIDIA Vera BlueField-4 STX adressiert, befindet sich direkt im KI-Ausführungspipeline selbst, indem Datendienste, Orchestrierung, Netzwerk, Sicherheitsdurchsetzung und Speicherkoordination viel näher an die Compute-Umgebung gebracht werden, in der Argumentation und Inferenz tatsächlich stattfinden. Wenn Sie verstehen, wie Netzwerk-Router funktionieren, stellen Sie sich dies als eine Reduzierung von Hops vor.

Die Sicherheitsseite der Ankündigung ist ebenso interessant, da sie widerspiegelt, wie KI traditionelle Annahmen rund um die Enterprise-Sicherheitsarchitektur verändert. NVIDIA beschreibt Speicher als „ein Echtzeitsystem, das steuert, wie Agenten auf Daten zugreifen, ihnen vertrauen und basierend darauf handeln“.

In vielerlei Hinsicht beginnt dies einigen der betrieblichen Belange zu ähneln, die wir in Echtzeitsystemen sehen, in denen vertrauenswürdige Daten, Governance, Zugriffskontrollen und Entscheidungsintegrität kritisch werden, da das System selbst aktiv an operativen Entscheidungsfindungen teilnimmt. Wenn das zugrunde liegende System kompromittiert, manipuliert oder mit schlechten Daten betrieben wird, kann dies direkte Auswirkungen auf die getroffenen Entscheidungen haben.

Dieselbe Sorge gilt zunehmend auch für Enterprise-KI im großen Maßstab. Das ist ein ganz anderes Betriebsmodell als die perimeterbasierten Ansätze, um die herum die meisten Unternehmensumgebungen ursprünglich konzipiert wurden.

Traditionelle Unternehmensanwendungen waren relativ vorhersehbar und deterministisch. Agentenbasierte KI-Systeme sind das nicht, sie sind weit davon entfernt. Autonome Systeme interagieren kontinuierlich mit verteilten Datenquellen, APIs, Tools, Modellen, Inferenz-Pipelines und anderen Agenten, wobei zwischen den Transaktionen nur sehr wenig menschliches Eingreifen stattfindet. Wenn diese Interaktionen skalieren, werden Laufzeittransparenz, Governance, Inline-Inspektion und Richtliniendurchsetzung betrieblich viel wichtiger. Mit NVIDIA Vera BlueField-4 STX und NVIDIA DOCA wird die Infrastruktur selbst Teil des Sicherheitsmodells, anstatt einfach nur die Umgebung zu sein, auf der KI-Anwendungen ausgeführt werden.

Die breitere architektonische Konvergenz in der Ankündigung des NVIDIA Vera BlueField-4 STX ist letztendlich vielleicht die wichtigste Erkenntnis. Enterprise-KI-Infrastruktur ist nicht länger nur eine Sammlung von Hardwarekomponenten, die in einer Umgebung bereitgestellt und unabhängig von isolierten Infrastrukturteams verwaltet werden. Sie entwickelt sich zu einer koordinierten Systemlösung, bei der Rechenleistung, Speicher, Netzwerk, Orchestrierung, Lokalität, Governance und Sicherheit alle zusammen als Teil derselben Ausführungsumgebung arbeiten. Das unterscheidet sich stark von der traditionellen IT, und ich glaube, die Branche fängt erst jetzt an zu verstehen, wie bedeutsam dieser Wandel wirklich ist. Aus diesem Grund konzentriert sich Hitachi Vantara darauf, unseren Kunden beim Aufbau verantwortungsvoller Enterprise-KI-Umgebungen mit NVIDIA zu helfen.

Beschleunigen Sie Ihre Transformation mit Hitachi IQ, der KI-Lösungssuite von Hitachi Vantara für moderne Workloads.