Cloudera-Studie: 95 Prozent verschieben oder stoppen KI-Projekte
KI-Projekte scheitern derzeit nicht nur an Modellen oder Rechenleistung, sondern an der Datenbasis. Laut Cloudera haben 95 Prozent der Befragten Vorhaben wegen Governance-, Compliance- oder regulatorischer Hürden verschoben oder gestoppt. Gleichzeitig zwingt KI viele Unternehmen, ihre Datenarchitekturen grundlegend neu auszurichten.
Für IT-Verantwortliche wird KI damit zunehmend zu einer Infrastrukturfrage: Daten müssen für Modelle und Anwendungen nicht nur verfügbar sein, sondern über unterschiedliche Umgebungen hinweg kontrolliert, verschoben und verarbeitet werden können. Genau diese Verbindung von Datenarchitektur und KI untersucht die Studie The Great AI Re-Architecture von Cloudera und Wakefield Research. 77 Prozent der Befragten nutzen KI bereits aktiv. Zugleich mussten 95 Prozent im vergangenen Jahr mindestens eine KI-Initiative wegen Data-Governance-, Compliance- oder regulatorischer Anforderungen verschieben oder absagen.
Der Umbau hat laut Studie bereits begonnen. 75 Prozent erklären, dass KI-Integrationen ihre Datenspeicherungs- und Architekturpraxis verändert haben. 84 Prozent berichten zugleich von gestiegenen Infrastrukturkosten durch KI-Workloads. Für 72 Prozent reicht eine punktuelle Anpassung nicht aus: Sie halten eine grundlegende Überarbeitung ihrer bestehenden Datenarchitektur für notwendig, um künftige KI-Anforderungen abzudecken.
Kosten stehen bei den Gründen für den Umbau nicht an erster Stelle. Als wichtigsten Treiber für veränderte Storage- und Architekturpraktiken nennen 42 Prozent der Befragten Security, Governance und Compliance. Jeweils 35 Prozent führen Performance beziehungsweise geringere Latenzen sowie Anforderungen an Echtzeit- und Edge-KI an. Die Skalierung von KI im Unternehmen und die Verringerung der Abhängigkeit von einem einzelnen Cloud-Anbieter folgen mit jeweils 33 Prozent. Kostensenkungen nennen dagegen 25 Prozent.
Governance wird zum Infrastrukturthema
Die Governance-Probleme beschränken sich nicht auf einzelne Projekte. 73 Prozent der Befragten sagen, KI habe Data Governance komplexer gemacht. 55 Prozent haben innerhalb von zwölf Monaten mehr als sechs KI-Projekte aufgrund von Governance-, Compliance- oder regulatorischen Hürden verschoben oder abgebrochen.
Hinzu kommt die hohe Beweglichkeit der Daten. 97 Prozent der Befragten verschieben Daten mindestens monatlich zwischen verschiedenen Umgebungen, 31 Prozent sogar täglich. Bei der Frage, welche Plattform für die Governance von KI-Workloads am schwierigsten ist, liegt die Private Cloud mit 29 Prozent vor hybriden Umgebungen mit 24 Prozent und der Public Cloud mit 20 Prozent. On-Premises-Umgebungen nennen dagegen nur neun Prozent als größte Governance-Herausforderung.
»Das aktuelle KI-Zeitalter zwingt Unternehmen dazu, die Grundlagen ihrer Technologieinfrastruktur zu überdenken«, meint Sergio Gago, Chief Technology Officer bei Cloudera. »Viele Betriebe stellen fest, dass Architekturen für traditionelle Analysen nicht für Umfang, Governance und Flexibilität ausgelegt sind, die KI heute erfordert. Der Erfolg hängt davon ab, eine Datengrundlage zu schaffen, die Unternehmen erlaubt, KI dort einzusetzen, wo es am sinnvollsten ist, ohne Kompromisse bei Kontrolle oder Sicherheit einzugehen.«
Hybrid-IT gewinnt für KI-Workloads an Gewicht
Die Studie liefert zugleich Hinweise darauf, wie Unternehmen ihre Infrastruktur neu verteilen. 66 Prozent der Befragten geben an, im vergangenen Jahr KI-Workloads aus Public-Clouds in Private-Clouds oder die eigene On-Premises-Infrastruktur zurückverlagert zu haben. Das ist kein genereller Abschied von der Public-Cloud, zeigt innerhalb der Stichprobe aber, dass Kosten, Governance und Platzierung von Daten und Rechenlasten neu bewertet werden.
Entsprechend planen die Unternehmen nicht mit einem einzigen Bereitstellungsmodell. Für die kommenden zwei Jahre nennen 29 Prozent höhere Cloud-Ausgaben, 24 Prozent höhere On-Premises-Ausgaben und 22 Prozent höhere Edge-Ausgaben. 25 Prozent wollen stärker auf eine »Hybrid-First«-Architektur setzen. Für Storage- und Infrastrukturverantwortliche bedeutet das vor allem: Datenmanagement, Governance und Workload-Platzierung müssen gemeinsam geplant werden. KI wird damit nicht nur zur Frage von GPUs und Modellen, sondern ebenso von Datenzugriff, Speicherarchitektur und kontrollierbarer Datenbewegung.