Bei Künstlicher Intelligenz (KI) stellt sich die Frage: Wohin mit all den Daten? Ein Gastbeitrag von David Friend, CEO von Wasabi Technologies.

Artificial intelligence (AI) raises the question: where to put all that data? A guest article by David Friend, CEO of Wasabi Technologies.
Mit dem Launch des Chatbots ChatGPT von OpenAI ist im letzten halben Jahr ein regelrechter KI-Hype ausgebrochen: Laut aktuellen Prognosen soll der internationale Markt für KI-basierte Dienstleistungen, Software und Hardware in den nächsten zwei Jahren auf insgesamt rund 130 Milliarden Dollar anwachsen. Auch immer mehr Unternehmen erkennen das Potenzial von Künstlicher Intelligenz. Doch bei aller Euphorie bleibt eine entscheidende Frage offen: Wohin mit all den Daten?

Wenn es um den Einsatz und den Nutzen von Künstlicher Intelligenz geht, führt im aktuellen gesellschaftlichen, politischen und wirtschaftlichen Diskurs nach wie vor kein Weg an OpenAIs KI-Erfolgsprodukt ChatGPT vorbei. Wann immer also von „KI“ die Rede ist, steht ein einzelner Dienst meist stellvertretend für einen ganzen, bereits seit Jahren existierenden technologischen Fortschritt.

Künstliche Intelligenz: So nützlich wie komplex

Ganz so eindeutig, wie der Begriff KI in diesem Zusammenhang erscheint, ist er jedoch nicht. Eine allgemeingültige Definition von KI gibt es ebenso wenig wie die eine künstliche Intelligenz. Es handelt sich um Algorithmen unterschiedlicher Komplexität, die ein Problem lösen – auf einem Weg, den sie zuvor selbstständig gelernt haben.

Damit eine solche selbstständige Lösung möglich ist, muss der Algorithmus in der Lage sein, Regeln abzuleiten. Diese wendet er dann auf neue, zukünftige Probleme an. Dazu dient ihm der ursprüngliche Programmcode, der über die Dauer der letzten Anwendungsfälle durch ein großes Konglomerat an genauen Parametern und Datenmustern ergänzt wurde. Diese verändert der Algorithmus so lange, bis er eine Kombination gefunden hat, die das Problem löst.

Auf diese Weise können theoretische Vorhersagen für zukünftige Szenarien getroffen, Prozesse automatisiert und standardisierte Aufgaben einfach und schnell gelöst werden. Dabei gilt, dass die Lösung eines Problems immer nur so gut sein kann, wie die historischen Daten, aus denen sie sich speist. Das heißt: Je mehr Daten, desto besser das Ergebnis und desto schneller die Bearbeitungszeit.

Individuelle Bedürfnisse

So individuell KI als Technologie ist, so individuell sind auch die Anwendungszwecke, für die sie eingesetzt wird. So setzt der E-Commerce-Sektor häufig auf Chatbots, die Kunden durch gezielte Fragen zu bestimmten Produkten führen. Recruiting-Unternehmen und Personalabteilungen wiederum nutzen KI-Anwendungen, um ihre Stellenanzeigen zu optimieren und anhand definierter Kriterien nach Bewerbern zu filtern.

Doch eine Frage eint alle Anwendungen: Wohin mit all den Daten? KI-basierte Anwendungen sind in hohem Maße auf proprietäre Daten angewiesen. Die Datenmengen machen einen adäquaten Speicherort obligatorisch:

 

  • Wollen Unternehmen das volle Potenzial von KI nutzen, müssen sie große Datenmengen verlässlich speichern können
  • Gleichzeitig sollten diese für das KI-System einfach, schnell und jederzeit ohne Unterbrechung zugänglich sein
  • Darüber hinaus müssen sensible Daten für kundenspezifische KI-Anwendungen sicher und datenschutzgerecht aufbewahrt werden

 

Die genannten Kriterien sind nur ein kleiner Bruchteil dessen, worüber sich Organisationen bei der Datenspeicherung im Zuge der KI-Nutzung Gedanken machen müssen. Jedoch veranschaulichen sie, dass Unternehmen sorgfältig abwägen müssen: Speichern sie die Daten auf lokalen Servern, in der Cloud oder in einem hybriden Cloud-System? Ihre Wahl hat direkten Einfluss auf die Effizienz der KI-Implementierung.

 

Für KI-Anwendungen der beste Weg: Datenspeicherung in der Cloud

Die beste Möglichkeit für Unternehmen, große Datenmengen sicher aufzubewahren, ohne die Zugriffsmöglichkeiten für KIs einzuschränken, bietet eine Kopie in der Cloud. Das hat unter anderem folgende Gründe.

 

  1. Unternehmensdaten auf lokalen Servern zu speichern, erfordert viel Geld und Aufwand. Zum einen müssen Unternehmen die Systeme manuell regelmäßig warten, die Technik regelmäßig erneuern. Zum anderen ist eine Skalierung der Infrastruktur – im Vergleich zu Cloud-Lösungen – aufwändiger und teurer. Das gilt vor allem für KI-basierte Anwendungen.

 

  1. Nicht nur der Einsatz von KI-Anwendungen entwickelt und vervielfältigt sich weiter, auch neue Cybersicherheitsrisiken gehen mit dem Fortschritt einher. Insbesondere dann, wenn KI mit sensiblen Unternehmensdaten arbeitet ist es wichtig, gegen Angriffe gewappnet zu sein. Die Cloud bietet entscheidende Sicherheitsvorteile gegenüber lokalen Speichermethoden, da eine Cloud-Infrastruktur direkt von den Arbeitsplätzen der Benutzer getrennt ist. Da Hacker häufig über Phishing und kontaminierte E-Mails auf Unternehmensnetzwerke zugreifen, lässt sich dem direkten Zugriff auf lokal gespeicherte Daten so zuvorkommen.

 

Gerade in Sachen Cybersicherheit ist es wichtig, keine Kompromisse einzugehen. Der beste Schutz vor Bedrohungen besteht darin, eine zweite, unveränderliche Kopie der KI-Systemdaten zu speichern. Haben Unternehmen mehrere Kopien der Daten, von denen mindestens eine Version unveränderlich in der Cloud gespeichert ist, gehen sie sicher, dass keine kritischen KI-Systeme gefährdet oder gar gelöscht werden.

 

In Kombination mit einer umfassenden Backup-Strategie, bieten Cloud-Speicheranbieter eine hohe Datensicherheit, indem sie unveränderliche Backups speichern, die abgerufen werden können, wenn die Originaldaten gefährdet oder gelöscht werden. Dies gewährleistet die Verfügbarkeit und der endgültige Verlust wichtiger Daten wird vermieden.

 

Fazit

Der Wert künstlicher Intelligenz liegt für Unternehmen in der Optimierung von Prozessen und den potenziellen Kosteneinsparungen. KI übernimmt die Aufgaben, für die früher Mitarbeiter Stunden an Zeit und Energie aufwenden mussten. In der Diskussion über den Gebrauch von KI-Anwendungen, findet das Thema der Speicherung immenser Datenmengen, die notwendig sind, um das volle Potential von KI auszuschöpfen, unternehmensseitig oftmals nicht genug Beachtung. Eine empfehlenswerte Lösung für Unternehmen ist der Einsatz von Cloud-Speicher. Diese Methode hat das Potenzial sich flexibel und kostengünstig an die individuellen Bedürfnisse anzupassen, lässt sich gegenüber lokalem Speicher besser skalieren und bietet ausreichende Sicherheitsvorkehrungen.

 

With the launch of OpenAI’s ChatGPT chatbot, a real AI hype has broken out in the last six months: According to current forecasts, the international market for AI-based services, software and hardware is expected to grow to a total of around $130 billion in the next two years. More and more companies are also recognizing the potential of artificial intelligence. But despite all the euphoria, one crucial question remains unanswered: Where to put all that data?

When it comes to the use and benefits of artificial intelligence, there is still no way around OpenAI’s successful AI product ChatGPT in the current social, political and economic discourse. So whenever „AI“ is mentioned, a single service is usually representative of an entire technological advance that has existed for years.

Artificial intelligence: as useful as it is complex

However, the term AI is not quite as unambiguous as it appears in this context. There is no universally valid definition of AI, nor is there one artificial intelligence. It is about algorithms of varying complexity that solve a problem – in a way that they have learned independently beforehand.

For such an autonomous solution to be possible, the algorithm must be able to derive rules. It then applies these to new, future problems. For this purpose, it uses the original program code, which has been supplemented by a large conglomerate of exact parameters and data patterns over the duration of the last use cases. The algorithm changes these until it finds a combination that solves the problem.

In this way, theoretical predictions can be made for future scenarios, processes can be automated, and standardized tasks can be solved easily and quickly. The rule here is that the solution to a problem can only ever be as good as the historical data from which it is fed. In other words, the more data, the better the result and the faster the processing time.

Individual needs

As individual as AI is as a technology, so are the application purposes for which it is used. The e-commerce sector, for example, often relies on chatbots to guide customers to specific products by asking targeted questions. Recruiting companies and HR departments, on the other hand, use AI applications to optimize their job ads and filter for applicants based on defined criteria.

But one question unites all applications: Where to put all the data? AI-based applications rely heavily on proprietary data. The volumes of data make adequate storage mandatory:

 

– If companies want to harness the full potential of AI, they need to be able to reliably store large amounts of data

– At the same time, this should be easily, quickly and at all times accessible to the AI system without interruption

– In addition, sensitive data for customer-specific AI applications must be stored securely and in compliance with data protection regulations

 

The above criteria are only a small fraction of what organizations need to think about when storing data in the course of AI use. However, they illustrate that organizations need to carefully consider: do they store data on on-premises servers, in the cloud, or in a hybrid cloud system? Their choice will directly impact the efficiency of their AI implementation.

 

The best way for AI applications: data storage in the cloud.

The best way for organizations to securely store large amounts of data without limiting access for AIs is to have a copy in the cloud. This is for the following reasons, among others.

 

  1. storing enterprise data on local servers requires a lot of money and effort. For one thing, companies have to manually maintain the systems on a regular basis, regularly renewing the technology. For another, scaling the infrastructure – compared to cloud solutions – is more complex and expensive. This is especially true for AI-based applications.

 

  1. Not only does the use of AI applications continue to evolve and multiply, but new cybersecurity risks also accompany the progress. Especially when AI works with sensitive corporate data, it is important to be prepared against attacks. The cloud offers key security advantages over local storage methods because a cloud infrastructure is directly separate from users‘ workstations. Since hackers often access corporate networks via phishing and contaminated e-mails, direct access to locally stored data can be prevented in this way.

 

 

 

Especially when it comes to cybersecurity, it is important not to compromise. The best protection against threats is to store a second, immutable copy of the AI system data. If companies have multiple copies of the data, at least one version of which is stored immutably in the cloud, they ensure that no critical AI systems are compromised or even deleted.

 

When combined with a comprehensive backup strategy, cloud storage providers provide a high level of data security by storing immutable backups that can be retrieved if the original data is compromised or deleted. This ensures availability and the ultimate loss of important data is avoided.

 

Conclusion

The value of artificial intelligence for businesses lies in the optimization of processes and the potential cost savings. AI takes over the tasks that previously required employees to spend hours of time and energy. In the discussion about the use of AI applications, the issue of storing immense amounts of data necessary to realize the full potential of AI often does not receive enough attention from the enterprise side. One recommended solution for enterprises is the use of cloud storage. This method has the potential to adapt flexibly and cost-effectively to individual needs, is more scalable than local storage, and offers sufficient security precautions.

 

 

Von Jakob Jung

Dr. Jakob Jung ist Chefredakteur Security Storage und Channel Germany. Er ist seit mehr als 20 Jahren im IT-Journalismus tätig. Zu seinen beruflichen Stationen gehören Computer Reseller News, Heise Resale, Informationweek, Techtarget (Storage und Datacenter) sowie ChannelBiz. Darüber hinaus ist er für zahlreiche IT-Publikationen freiberuflich tätig, darunter Computerwoche, Channelpartner, IT-Business, Storage-Insider und ZDnet. Seine Themenschwerpunkte sind Channel, Storage, Security, Datacenter, ERP und CRM. Dr. Jakob Jung is Editor-in-Chief of Security Storage and Channel Germany. He has been working in IT journalism for more than 20 years. His career includes Computer Reseller News, Heise Resale, Informationweek, Techtarget (storage and data center) and ChannelBiz. He also freelances for numerous IT publications, including Computerwoche, Channelpartner, IT-Business, Storage-Insider and ZDnet. His main topics are channel, storage, security, data center, ERP and CRM. Kontakt – Contact via Mail: jakob.jung@security-storage-und-channel-germany.de

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert

Cookie Consent mit Real Cookie Banner