Datentechnologien
Es steht und fällt mit Hardware und Know-how
Fortsetzung des Artikels von Teil 1
Referenzdaten sind ausschlaggebend
Die Trainingseinheiten sind entscheidend, die jede KI-Anwendung durchläuft, damit die Applikation ihren geplanten Zweck erfüllen kann. Auch in diesem Prozess gibt es lang- und kurzlebige Daten, die entsprechend gespeichert werden müssen. Zudem ist gerade für hochkomplexe Anwendungsszenarien ein leistungsfähiger Rechner erforderlich. Diese basieren oft auf bestimmten Hardware-Komponenten wie Grafikkarten, die speziell zu KI-Zwecken entwickelt wurden. Aber auch Daten parallel zu verarbeiten und zu berechnen, ist entscheidend, was wiederum beim Kauf der passenden Rechnerarchitektur zu berücksichtigen ist.
Die Geschwindigkeit mit 5G-Netzen erhöhen
Die großen Telekommunikationsanbieter hinken hierzulande hinsichtlich der 5G-Infrastruktur hinterher. Zahlreiche Unternehmen – besonders aus der Fertigungsindustrie – haben bereits ihre eigenen 5G-Netze aufgespannt. Denn sie haben erkannt, welches Potenzial darin steckt. Aufgrund der höheren Bandbreite einer 5G-Infrastruktur lassen sich größere Datenströme schneller und sicherer von A nach B transferieren. Das ist bei Anwendungen aus den Bereichen KI und IoT von besonderer Bedeutung. Es ist allerdings auch deutlich, dass nicht jede Anwendung 5G-tauglich ist. Vor allem wenn die Datenübertragung möglichst latenzfrei erfolgen soll, sind drahtlose Übertragungswege nicht unbedingt die beste Lösung.
Geräte und Rechnersysteme vernetzt
Für den Einstieg in die IoT-Welt, in der sämtliche Geräte miteinander kommunizieren, spielen Edge Computing und 5G eine wichtige Rolle. Dabei kommt es auf eine große Nähe der zu verarbeitenden Daten zu den Recheneinheiten an. Hierfür stehen spezialisierte Edge Computer zur Verfügung, die eine optimierte Kombination aus Rechenleistung, Konnektivität, robuster Bauweise und geringem Platzbedarf bieten.
IoT-relevante Daten sind auch mit dem Thema Cloud Computing verbunden. Denn nicht alle Daten müssen auf schnellen Speichereinheiten abgelegt werden. So eignen sich Cloud-Infrastrukturen für Cold Data, also Daten, auf die seltener zugegriffen wird. Ob also in einer Private Cloud im Rechenzentrum, in einer Mischform aus Rechenzentrum und Public Cloud oder komplett in der Public Cloud, dort sind IoT-Daten effektiv aufgehoben. Daneben spielen hier die zu erwartende Datenmenge und die erforderlichen Latenzzeiten eine gewisse Rolle: Wie schnell müssen Verantwortliche auf Daten zugreifen und in welchem Umfang? Das betrifft vor allem Unternehmen, die verstreute Anlagen und Werkshallen betreiben, deren Daten an einem zentralen Ort gespeichert werden sollen.
- Es steht und fällt mit Hardware und Know-how
- Referenzdaten sind ausschlaggebend
- Das eigene Rechenzentrum in die Cloud überführen
Lesen Sie mehr zum Thema
