Der Flash-Spezialist Pure Storage verfolgt ambitionierte Wachstumsziele. Die sollen auch mit einer stärkeren Präsenz in vertikalen Märkten erreicht werden, für die der Hersteller noch Partner mit Branchen- oder KI-Know-how sucht. Beim Kunden will er mit PoCs überzeugen.
Von den zahlreichen Flash-Startups, die vor einigen Jahren aus dem Boden schossen, sind die meisten mittlerweile von den großen Storage-Anbietern übernommen worden, sodass sich nur noch wenige reine Flash-Spezialisten im Markt tummeln. Einer von diesen, und der mit Abstand erfolgreichste, ist Pure Storage , das nach seinem Börsengang vor zwei Jahren kaum noch als Startup durchgeht und in diesem Wissen auch den früheren Cisco-Manager Charles Giancarlo zum neuen CEO berufen hat – einen Mann mit Enterprise-Erfahrung.
Im Storage-Markt positioniert sich Pure Storage weiterhin als Herausforderer der etablierten Hersteller und schickt sich an, in diesem Jahr die Marke von einer Milliarde Dollar Jahresumsatz zu knacken. Als Ziel für 2020 hatte man im Sommer eine Verdopplung auf zwei Milliarden Dollar ausgegeben, doch so ambitioniert wie vor wenigen Wochen scheint dieses mittlerweile gar nicht mehr, nachdem sich das seit Jahresbeginn verfügbare »FlashBlade« weit besser als gedacht verkauft. Für das 2-Milliarden-Ziel sei noch mit einem ähnlichen Wachstum von FlashBlade wie seinerzeit bei den klassischen Flash-Arrays kalkuliert worden, berichtet Güner Aksoy, Regional Sales Director Central Europe bei Pure Storage, im Gespräch mit CRN. Doch das neue System lege etwa doppelt so schnell zu, weil der Markt für Storage-Lösungen für unstrukturierte Daten – angetrieben vom IoT – gerade explodiere.
Doch nicht nur bei der Auswertung von Maschinen- und Sensordaten kommen die schnellen Flash-Speicher zum Einsatz, in denen Pure Storage keine SSDs, sondern dicht gepackte Flash-Module verbaut, und bei denen sich sowohl Speicher- als auch Compute-Ressourcen über Blade-Einschübe nachrüsten lassen. Sogar im Backup-Bereich sind sie Aksoy zufolge gefragt, zumindest dort, wo sehr niedrige Ausfallzeiten erreicht werden müssen. Haupteinsatzgebiet sind allerdings KI und Machine Learning, etwa in der Automotive-Industrie bei der Verarbeitung von Daten, die beim autonomen Fahren anfallen, oder in der Wissenschaft bei der Auswertung von Forschungsdaten. Alles in allem ein Markt, der laut einer Analyse der Bank of America Merrill Lynch ein Potenzial von neun Milliarden Dollar bietet.