7th Annual Nutanix Enterprise Cloud Index

Der 7. jährliche Nutanix Enterprise Cloud Index (ECI) zeigt einen bedeutenden Wandel in der Branche: Mehr als die Hälfte der Unternehmen (54 Prozent) geben an, dass alle ihre Anwendungen mittlerweile in Containern laufen. Diese Entwicklung wird zum Teil von reinen Cloud-Unternehmen vorangetrieben, die alle ihre Anwendungen in einer oder mehreren öffentlichen Clouds betreiben. 66 Prozent von ihnen geben an, dass alle ihre Anwendungen containerisiert sind, was 24 Prozent der ECI-Befragten entspricht. Dabei dürfte es sich jedoch eher um selbst entwickelte Anwendungen als um Standardunternehmensapplikationen handeln.

Diese Verlagerung hin zur Containerisierung wird durch die Entwicklung neuer Anwendungen vorangetrieben und durch KI beschleunigt, die in den meisten Fällen auf Containern basiert. Daher ist zu erwarten, dass sich der Trend zur Containerisierung in den kommenden Jahren fortsetzen wird. Dies wird durch die Tatsache untermauert, dass 98 % der befragten Unternehmen angaben, dass sie zumindest dabei sind, Anwendungen zu containerisieren – sowohl Legacy-Anwendungen als auch neu entwickelte Anwendungen.

Die Umfrageergebnisse zeigen, dass die überwiegende Mehrheit der befragten Unternehmen (85 %) bereits über eine GenAI-Strategie verfügt, auch wenn der Grad der Umsetzung dieser Strategie variiert. Nur 2% der Unternehmen gaben an, noch nicht mit der Planung ihrer GenAI-Strategie begonnen zu haben.

Obwohl die meisten Unternehmen angaben, über eine GenAI-Strategie zu verfügen, scheint nicht immer klar zu sein, wie GenAI die übergeordneten Geschäftsziele oder -strategien des Unternehmens unterstützt.

Es ist wichtig, dass Unternehmen nicht der Versuchung erliegen, KI um der KI willen einzusetzen. KI-Initiativen und -Lösungen sollten immer mit übergeordneten Geschäftszielen und messbaren Kennzahlen verknüpft werden, damit der Erfolg (und letztlich die Rendite) der Implementierung von KI-Lösungen im Laufe der Zeit gemessen und bewertet werden kann.

Die Befragten der diesjährigen ECI-Umfrage nannten Produktivitätssteigerung, Automatisierung, Effizienz und Innovation als die wichtigsten Geschäftsziele und -strategien, die durch GenAI unterstützt werden. Nur 1% der Befragten gab an, dass GenAI die übergeordneten Geschäftsziele und -strategien ihres Unternehmens nicht unterstützt bzw. nicht unterstützen kann.

In Bezug auf die Nutzung von GenAI-Anwendungen und -Workloads gab die Mehrheit der Befragten (53 %) an, dass sie GenAI-basierte Lösungen für den Kundensupport und die Kundenerfahrung nutzen (z. B. zur Verbesserung von Chatbots für den Kundensupport, zur Analyse von Kundenfeedback, zur Personalisierung der Kundenerfahrung, zur Identitätsprüfung usw.). Dies könnte sich jedoch ändern, da die Befragten angaben, dass sich ihr Fokus in den nächsten 1-3 Jahren auf die Implementierung von GenAI-basierten Cybersicherheits-, Betrugserkennungs- und Verlustvermeidungslösungen verlagern wird.

Wie bei jedem modernen oder Cloud-nativen Anwendungsstack benötigen Entwickler schnellen und einfachen Zugriff auf Ressourcen und Dienste in einer zuverlässigen, skalierbaren Infrastruktur. Dazu gehören sowohl Elemente des Infrastructure-as-a-Service-Ökosystems (IaaS) (z. B. Rechenleistung, Speicher, Netzwerke) als auch des Platform-as-a-Service-Ökosystems (PaaS) (z. B. KI-Inferenz-Endpunktdienste, Entwicklungs-/Test-Tools, serverlose Funktionen, Multi-Cloud-Orchestrierungstools usw.

Während die meisten containerisierten Anwendungen in einer Cloud entstehen, müssen viele aus Kosten-, Governance- oder anderen Gründen in eine andere öffentliche, private, Edge- oder Managed Cloud verschoben werden. Allerdings sind nur sehr wenige Anwendungen wirklich Multi-Cloud und so konzipiert, dass sie problemlos von einer Cloud in eine andere verschoben werden können (z. B. Nutzung ähnlicher IaaS- und PaaS-Ressourcen in AWS wie in Azure oder Google) oder vor Ort eingesetzt werden können. Darüber hinaus fehlt es vielen zustandsbehafteten nativen Cloud-Anwendungen an konsistenten Datendiensten für die Speicherung, den Schutz und die Verarbeitung von Daten in verschiedenen Clouds. Diese Komplexität ist nur einer der Gründe, warum die Entwicklung wirklich portabler, Cloud-übergreifender Anwendungen eine solche Herausforderung für moderne IT-Organisationen darstellt.

Aufkommende GenAI-Anwendungen sind vor diesen Infrastruktur-Herausforderungen nicht gefeit. Die Ergebnisse der diesjährigen ECI-Umfrage zeigen, dass fast alle Befragten (98%) mit Herausforderungen bei der Skalierung von GenAI-Workloads von der Entwicklung zur Produktion konfrontiert sind. Die größte Herausforderung für Unternehmen bei der Skalierung von GenAI-Workloads von der Entwicklung in die Produktion ist die Integration in die bestehende IT-Infrastruktur.

Da mehr als die Hälfte der Unternehmen ihre Anwendungen vollständig in Container umwandeln, hat sich dieser Ansatz zum De-facto-Standard entwickelt, der Skalierbarkeit, Portabilität und Agilität in hybriden und Multi-Cloud-Umgebungen ermöglicht. Die symbiotische Beziehung zwischen Containerisierung und GenAI unterstreicht, wie wichtig es ist, Cloud-native Prinzipien zu übernehmen, um den Anforderungen dieser aufkommenden Workloads gerecht zu werden.

Die Umfrageergebnisse verdeutlichen auch die doppelten Herausforderungen und Chancen, die mit der Einführung von GenAI verbunden sind. Während Unternehmen GenAI für Produktivität, Automatisierung und Innovation nutzen wollen, sehen sie sich auch mit kritischen Hindernissen in Bezug auf Datensicherheit, Compliance und Modernisierung der IT-Infrastruktur konfrontiert.

Die weit verbreitete Erkenntnis, dass es den Unternehmen an der Entwicklung von Fähigkeiten oder einer soliden Governance mangelt, um GenAI-Lösungen effektiv einzuführen und zu verwalten, zeigt, dass die Unternehmen ihre technischen Initiativen mit ihren Geschäftszielen in Einklang bringen müssen. Investitionen in IT-Schulungen, die Gewinnung von Talenten und eine fortschrittliche Infrastruktur sind unerlässlich, um das volle Potenzial von GenAI auszuschöpfen und gleichzeitig die damit verbundene Komplexität zu bewältigen.

Schließlich betont der Bericht die Notwendigkeit eines ganzheitlichen Ansatzes bei der Modernisierung von Anwendungen und Infrastruktur. Durch die Priorisierung von Sicherheit, die Förderung von Talenten und den Einsatz von Orchestrierungsplattformen wie Kubernetes können Unternehmen die Herausforderungen der Skalierung von GenAI-Workloads von der Entwicklung bis zur Produktion effektiv meistern. Während Unternehmen ihre Strategien weiter verfeinern, wird die nächste Grenze der Innovation durch ihre Fähigkeit definiert, GenAI nahtlos in ihre breiteren IT-Ökosysteme zu integrieren.

The 7th Annual Nutanix Enterprise Cloud Index (ECI) report highlights a major industry shift, with more than half of organizations (54%) reporting that all of their applications are now containerized. This is driven in part by pure-play cloud organizations that run all of their applications in one or more public clouds, 66% of whom report that all of their applications are containerized, representing 24% of ECI respondents. However, this is likely to reflect applications that organizations have built in-house, rather than off-the-shelf enterprise applications.

This shift toward containers is driven by the development of new applications, and accelerated by AI, which are most often built on containers. For this reason, we can expect this trend towards containerization to continue over the coming years. This is supported by the fact that 98% of organizations surveyed say they are at least in the process of containerizing applications – including both legacy and newly developed applications.

Survey results show that the vast majority of responding organizations (85%) already have a GenAI strategy in place, although the level of implementation of that strategy varies. Meanwhile, just 2% of organizations reported not having started planning their GenAI strategy.

Although most organizations reported having an enterprise GenAI strategy in place, it may not always seem obvious how GenAI supports the organization’s higher-level business goals or strategies. It is critical that organizations stay away from the attraction of “doing AI for AI’s sake.” AI initiatives and solutions should always be tied to larger business goals with measurable metrics so that the success (and ultimately ROI) of AI solution implementation can be measured and evaluated over time. 

Respondents from this year’s ECI survey cited increased productivity, automation, efficiency, and innovation as the top business-related goals and strategies supported by GenAI. Just 1% of respondents said GenAI does not/could not support their organization’s overarching business goals and strategies.

In terms of GenAI applications and workloads deployment, the majority of respondents (53%) say they are leveraging GenAI-based customer support and experience solutions (i.e., to improve customer support chatbots; to analyze customer feedback; personalize the customer experience; identity verification, etc.). However, this might change, as respondents indicate that over the next 1-3 years, their focus will shift to implementation of GenAI-based cybersecurity, fraud detection and loss prevention solutions.

Like any modern or cloud native application stack, developers need fast, easy access to resources and services on a reliable, scalable infrastructure. This includes elements of both the Infrastructure-as-a-Service (IaaS) ecosystem (e.g., compute, storage, networking), as well as the Platform-as-a-Service (PaaS) ecosystem (e.g., AI inference endpoint services, dev/test tools, serverless functions, multicloud orchestration tools, etc.). 

While the majority of containerized applications are born in a cloud, many may need to be moved to a different public, private, edge or managed cloud due to cost, governance, or other reasons. However, very few are actually multicloud and built to be moved easily from one cloud to another (e.g., utilize similar IaaS and PaaS resources in AWS as they would in Azure or Google), or on-premises. Many stateful cloud native applications also lack consistent data services to store, protect, and process data across clouds. These complexities are just a few of the reasons why building truly portable, multicloud applications is such a challenge for modern IT organizations. 

Emerging GenAI applications are not immune to these infrastructure challenges. Results from this year’s ECI survey indicate that almost all respondents (98%) face challenges when it comes to scaling GenAI workloads from development to production. In fact, the #1 challenge organizations face when scaling GenAI workloads from development into production is integration with existing IT infrastructure.

With over half of organizations fully containerizing their applications, this approach has emerged as the de facto standard, enabling scalability, portability, and agility across hybrid and multicloud environments. The symbiotic relationship between containerization and GenAI underscores the importance of adopting cloud native principles to meet the demands of these emerging workloads.

The survey results also highlight the dual challenges and opportunities posed by GenAI adoption. While organizations are eager to leverage GenAI for productivity, automation, and innovation, they also face critical hurdles in the form of data security, compliance, and IT infrastructure modernization.

The widespread acknowledgment that organizations lack the skills development or robust governance to effectively launch and manage GenAI solutions signals a critical need for enterprises to align their technical initiatives with business objectives. Investments in IT training, talent acquisition, and advanced infrastructure are imperative to unlock the full potential of GenAI while addressing its inherent complexities.

Ultimately, the report underscores the need for a holistic approach to application and infrastructure modernization. By prioritizing security, fostering talent, and embracing orchestration platforms like Kubernetes, organizations can effectively navigate the challenges of scaling GenAI workloads from development to production. As enterprises continue to refine their strategies, the next frontier of innovation will be defined by their ability to integrate GenAI seamlessly into their broader IT ecosystems.