{"id":55796,"date":"2019-02-08T08:00:09","date_gmt":"2019-02-08T07:00:09","guid":{"rendered":"http:\/\/e3mag.com\/?p=55796"},"modified":"2020-03-27T10:38:51","modified_gmt":"2020-03-27T09:38:51","slug":"wettbewerbsvorteile-durch-kuenstliche-intelligenz-mit-netapp-data-fabric","status":"publish","type":"post","link":"https:\/\/e3mag.com\/de\/wettbewerbsvorteile-durch-kuenstliche-intelligenz-mit-netapp-data-fabric\/","title":{"rendered":"Wettbewerbsvorteile durch k\u00fcnstliche Intelligenz mit NetApp Data Fabric"},"content":{"rendered":"\n

Unter wissenschaftlicher Leitung von Cambridge Consultants entstand aus Nvidia- und Net\u00adApp-Komponenten ein neues Produkt: NetApp Ontap AI. Diese Hardware ist der weltweit erste, AI-unterst\u00fctzte Beschleuniger f\u00fcr das Datenmanagement und den Datentransport.<\/p>\n\n\n\n

Die \u00dcberlegung dahinter: Umso schneller neuronale Netze f\u00fcr das Ma\u00adchine\/Deep Learning mit Daten versorgen werden k\u00f6nnen, desto schneller und besser funktionieren diese AI-Algorithmen.<\/p>

\"Fullsize\"<\/a><\/div><\/div>\n\n\n\n

Ein Deep-Learning-Algorithmus zur optimalen Preisfindung macht naturgem\u00e4\u00df nur dann Sinn, wenn die Ergebnisse in Echtzeit vorliegen, also zu dem Zeitpunkt, wenn der Preispunkt gesetzt wird. Ein System, das den optimalen Preis f\u00fcr einen Saisonartikel bestimmen muss, sollte vor Ende der Saison mit dem Lernalgorithmus durch sein.<\/p>\n\n\n\n

Der Flaschenhals bei vielen neuronalen Netzen ist in der Lern- und Testphase die Datenbereitstellung. In einem E-Commerce-System k\u00f6nnen die Verkaufsdaten on- und off-premise vorliegen. Eine \u201eData-Lake\u201c-Konsolidierung und ein schneller Transport zum Deep-Learning-System sind Grundvoraussetzung f\u00fcr nachhaltigen Erfolg.<\/p>\n\n\n\n

In einer Kooperation des AI-Spezialisten Nvidia mit dem Datenspeicher-Spezialisten NetApp entstand unter wissenschaftlicher Beratung durch Cambridge Consulting ein Hardware-Rack, das Komponenten von Nvidia und NetApp enth\u00e4lt.<\/p>\n\n\n\n

Diese Hardware-Kombination \u00fcbernimmt das Datentransportmanagement unter anderem f\u00fcr die Lern- und Testphase von neuronalen Netzen. Christian Lorentz, Senior Product und Solution Marketing Manager bei NetApp EMEA, pr\u00e4sentierte im September dieses Jahres die Nvidia\/NetApp-Hardware bei Cambridge Consultants (UK). Die Entwicklung steht am Beginn und alle Beteiligten evaluieren momentan weitere Einsatzm\u00f6glichkeiten und zuk\u00fcnftige Ausbaustufen.<\/p>\n\n\n\n

\"AI_media_event_NetApp_CambridgeConsultants_NVIDIA-19\"
Eine End-to-End-Betrachtung (E2E) erscheint beim Datenmanagement erstes Gebot zu sein: KI\/AI-Algorithmen k\u00f6nnen bei der Optimierung helfen.<\/figcaption><\/figure><\/div>\n\n\n\n

Somit soll der Aufbau einer Hybrid- Cloud-Architektur f\u00fcr IoT gelingen. Net\u00adApp bietet Datenmanagement-Funktionen und L\u00f6sungssupport, um den stetig wachsenden Datenquellen mit nahezu unbegrenzter Skalierbarkeit und Leistung zu begegnen.<\/p>\n\n\n\n

So k\u00f6nnen datenintensive Applikationen im Bereich KI\/AI, Machine \u00adLearning und Deep Learning mit Daten versorgt, trainiert und ausgef\u00fchrt werden. Im Rahmen einer SAP-ERP- und SAP-Leonardo-Installation ergeben sich jetzt schon zahlreiche Einsatzm\u00f6glichkeiten.<\/p>\n\n\n\n

Aus dem Leonardo-Bereich IoT gibt es die aktuelle Anforderung nach mehr Datendurchsatz und niedrigen Latenzzeiten. An den R\u00e4ndern des Netzwerks bei den Millionen von IoT-Sensoren entstehen Terabyte von Daten. Momentan wird versucht, mit Edge-Computing diese Datenflut zu b\u00e4ndigen.<\/p>\n\n\n\n

Zuk\u00fcnftige AI-Algorithmen zur Datenauswertung, Kompression und Weiterleitung basierend auf NetApp Ontap AI k\u00f6nnten eine wesentliche Entspannung einer heute kritischen Situation bedeuten.<\/p>\n\n\n\n

Am anderen Ende eines End-to-End-Datenszenarios finden sich Multi Cloud und Hybrid Cloud. In einem On- und Off-pre\u00admise-ERP-System erlangt der schnelle, effiziente, ressourcenschonende Datenverkehr einen ganz besonderen Stellenwert, denn nicht immer sind ausreichende Bandbreiten vorhanden. Hier k\u00f6nnte Net\u00adApp Ontap AI die Datenlast nicht nur reduzieren, sondern mit AI-Algorithmen auch den Datenverkehr optimieren.<\/p>\n\n\n\n

NetApp unterst\u00fctzt Unternehmen ganz allgemein beim zielgerichteten Einsatz von k\u00fcnstlicher Intelligenz (KI\/AI) durch einfach einsetzbare Datenservices, eben vom Entstehungsort der Daten \u00fcber das Rechenzentrum bis in die Cloud.<\/p>\n\n\n\n

Net\u00adApp ist einer der f\u00fchrenden Spezialisten f\u00fcr Datenmanagement in der Hybrid Cloud und stellte weiters f\u00fcnf neue L\u00f6sungen und Services vor: Ontap 9.5, Max-Data, StorageGrid SG6060 und die Flash-Performance-Garantie.<\/p>\n\n\n\n

Diese neuen Datenservices und -l\u00f6sungen erweitern das Spektrum des Net\u00adApp-Data-Fabric-Konzepts f\u00fcr das Management von Daten \u00fcbergreifend zwischen ihrem Entstehungsort, der zentralen Datenplattform bis hin zur Cloud.<\/p>\n\n\n\n

\"DSC
Christian Lorentz, NetApp, pr\u00e4sentierte bei Cambridge Consultants (UK) die L\u00f6sung NetApp Ontap AI.<\/figcaption><\/figure><\/div>\n\n\n\n

So k\u00f6nnen Unternehmen das gesamte Potenzial der k\u00fcnstlichen Intelligenz voll aussch\u00f6pfen. Laut Gartner wird sich der weltweite KI-Gesch\u00e4ftswert dieses Jahr auf insgesamt 1,2 Milliarden US-Dollar belaufen, und dies entspricht einem Anstieg von 70 Prozent gegen\u00fcber 2017.<\/p>\n\n\n\n

IDC prognostiziert, dass fast 75 Prozent der kommerziellen Unternehmensanwendungen bis 2021 KI\/AI nutzen werden. Viele Unternehmen m\u00f6chten k\u00fcnstliche Intelligenz f\u00fcr neue und innovative Gesch\u00e4ftschancen in Verbindung mit vielf\u00e4ltigen, verteilten und dynamischen Datens\u00e4tzen nutzen.<\/p>\n\n\n\n

Dabei stellen sie jedoch h\u00e4ufig fest, dass die wertvollsten Daten in Silos eingeschlossen sind. Dadurch wird der Zugriff f\u00fcr ressourcenintensive KI\/AI-Applikationen wie SAP Leonardo meist zu komplex und kostenintensiv.<\/p>\n\n\n\n

\u201eHeutzutage werden enorme Datenmengen von IoT-Ger\u00e4ten und -Sensoren in On-premises-Rechenzentren und in Hy\u00adbrid-Cloud-Umgebungen generiert und verwaltet. Daher ist eine Data-Fabric-Architektur, die den Entstehungsort, die zentrale Datenplattform und die Cloud abdeckt, f\u00fcr den erfolgreichen Einsatz von KI unerl\u00e4sslich\u201c<\/em><\/p>\n\n\n\n

so Joel Reich, EVP, Storage Systems and Software bei NetApp.<\/p>\n\n\n\n

\u201eInte\u00adgrieren Unternehmen die neuen Datenservices und -l\u00f6sungen nach dem Konzept NetApp Data Fabric, k\u00f6nnen sie die Datenprozesse f\u00fcr das gesamte Unternehmen beschleunigen.\u201c<\/em><\/p>\n\n\n\n

\"https:\/\/e3mag.com\/partners\/netapp-deutschland-gmbh\/\"<\/a><\/figure><\/div>\n\n\n\n
\n\n\n\n

Storage-Optimierung f\u00fcr das Datenmanagement der KI<\/span><\/h3>\n\n\n\n

Die NetApp-Ontap-9.5-Software unterst\u00fctzt Unternehmen bei der Modernisierung ihrer Datendienste. Die Software bietet f\u00fchrende Cloud-Integration, optimale All-Flash-Performance sowie gesteigerte Effizienz und einfache Anwendung.<\/p>\n\n\n\n

Ontap 9.5 bietet Vielseitigkeit mit hoher Performance sowie konstant niedriger Latenz. Kritische Workloads k\u00f6nnen mit End-to-End-NVMe-Funktionen beschleunigt werden.<\/p>\n\n\n\n

Weiters automatisiert Ontap 9.5 das Tiering von Datens\u00e4tzen im Petabyte-Bereich bis hin zu Objektspeichern in der Cloud oder on-premises und reduziert die Implementierungskosten f\u00fcr Business-Continuity-L\u00f6sungen an mehreren Standorten.<\/p>\n\n\n\n

Max-Data erm\u00f6glicht es Kunden, die Performance ihrer Applikationen zu beschleunigen, ohne dabei den Code ver\u00e4ndern zu m\u00fcssen. Max-Data ist die branchenweit erste L\u00f6sung, die persistenten Speicher in Servern nutzt, um arbeits\u00adspeicher\u00e4hnliche niedrige Latenzen und Flash-\u00e4hnliche Kapazit\u00e4ten zu liefern.<\/p>\n\n\n\n

Max Data erzielt demnach eine h\u00f6here Performance f\u00fcr Daten auf Applikations\u00adebene und erm\u00f6glicht dadurch die schnellere Verarbeitung von Daten f\u00fcr KI\/AI-Applikationen sowie Datenanalysen in Echtzeit.<\/p>\n\n\n\n

Weiters beschleunigt Max-Data das Recovery von Applikationsdaten mit Datensicherungsservices f\u00fcr persistenten Speicher auf Servern und erh\u00f6ht die Effizienz, da weniger Server f\u00fcr eine gleichwertige oder sogar bessere Performance ben\u00f6tigt werden.<\/p>\n\n\n\n

Die Flash-Performance-Garantie von NetApp bietet die branchenweit erste Latenzgarantie, die es Kunden erm\u00f6glicht, KI\/AI-Anwendungen in einer kalkulierbaren niedrigen Latenz auszuf\u00fchren.<\/p>\n\n\n\n

Diese Performance-Garantie ist branchenweit einzigartig und bietet eine konstante Latenzzeit von maximal 0,5 Millisekunden. Dies erm\u00f6glicht es Unternehmen, Kosten und Risiken zu minimieren, indem sie Flash einsetzen.<\/p>\n\n\n\n

NetApp StorageGRID SG6060 als Objekt-Storage mit Flash-Beschleunigung erf\u00fcllt die Anforderungen leistungsintensiver, parallel ausgef\u00fchrter Workloads f\u00fcr IoT- und Big-Data-Analytics-Umgebungen sowie von Systemen f\u00fcr maschinelles Lernen.<\/p>\n\n\n\n

In Kombination mit den Ontap-Fabric-Pool-Funktionen verf\u00fcgen Unternehmen \u00fcber ausgezeichnete Datenmanagement-Funktionen. Gleichzeitig profitieren sie von der Wirtschaftlichkeit von Object-Storage.<\/p>\n","protected":false},"excerpt":{"rendered":"

Ganzheitlich betrachtet ist es eine einfache Aufgabenstellung \u2013 im Detail wird es komplex: Klassisches Machine Learning kann nur Erfolg mit gro\u00dfen Datenmengen zum Lernen und Testen haben. Und diese Daten sollten schnell verf\u00fcgbar sein.<\/p>\n","protected":false},"author":2,"featured_media":55801,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"pmpro_default_level":"","footnotes":""},"categories":[5,27178],"tags":[7678,6358,5008,370,13891,480],"coauthors":[19954],"class_list":["post-55796","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-it-management","category-mag-1812","tag-data-fabric","tag-deep-learning","tag-hybrid-cloud","tag-iot","tag-leonardo","tag-machine-learning","pmpro-has-access"],"acf":[],"featured_image_urls_v2":{"full":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/11\/shutterstock_747136135.jpg",1000,450,false],"thumbnail":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/11\/shutterstock_747136135-150x150.jpg",150,150,true],"medium":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/11\/shutterstock_747136135.jpg",400,180,false],"medium_large":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/11\/shutterstock_747136135-768x346.jpg",768,346,true],"large":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/11\/shutterstock_747136135.jpg",1000,450,false],"image-100":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/11\/shutterstock_747136135-100x45.jpg",100,45,true],"image-480":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/11\/shutterstock_747136135-480x216.jpg",480,216,true],"image-640":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/11\/shutterstock_747136135-640x288.jpg",640,288,true],"image-720":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/11\/shutterstock_747136135-720x324.jpg",720,324,true],"image-960":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/11\/shutterstock_747136135-960x432.jpg",960,432,true],"image-1168":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/11\/shutterstock_747136135.jpg",1000,450,false],"image-1440":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/11\/shutterstock_747136135.jpg",1000,450,false],"image-1920":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/11\/shutterstock_747136135.jpg",1000,450,false],"1536x1536":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/11\/shutterstock_747136135.jpg",1000,450,false],"2048x2048":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/11\/shutterstock_747136135.jpg",1000,450,false],"trp-custom-language-flag":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/11\/shutterstock_747136135.jpg",18,8,false],"bricks_large_16x9":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/11\/shutterstock_747136135.jpg",1000,450,false],"bricks_large":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/11\/shutterstock_747136135.jpg",1000,450,false],"bricks_large_square":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/11\/shutterstock_747136135.jpg",1000,450,false],"bricks_medium":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/11\/shutterstock_747136135.jpg",600,270,false],"bricks_medium_square":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/11\/shutterstock_747136135.jpg",600,270,false],"profile_24":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/11\/shutterstock_747136135-24x24.jpg",24,24,true],"profile_48":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/11\/shutterstock_747136135-48x48.jpg",48,48,true],"profile_96":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/11\/shutterstock_747136135-96x96.jpg",96,96,true],"profile_150":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/11\/shutterstock_747136135-150x150.jpg",150,150,true],"profile_300":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/11\/shutterstock_747136135-300x300.jpg",300,300,true]},"post_excerpt_stackable_v2":"

Ganzheitlich betrachtet ist es eine einfache Aufgabenstellung \u2013 im Detail wird es komplex: Klassisches Machine Learning kann nur Erfolg mit gro\u00dfen Datenmengen zum Lernen und Testen haben. Und diese Daten sollten schnell verf\u00fcgbar sein.<\/p>\n","category_list_v2":"IT-Management<\/a>, MAG 18-12<\/a>","author_info_v2":{"name":"Peter M. F\u00e4rbinger, E3-Magazin","url":"https:\/\/e3mag.com\/de\/author\/peter-m-faerbinger-e-3-magazin\/"},"comments_num_v2":"0 comments","_links":{"self":[{"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/posts\/55796","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/comments?post=55796"}],"version-history":[{"count":0,"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/posts\/55796\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/media\/55801"}],"wp:attachment":[{"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/media?parent=55796"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/categories?post=55796"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/tags?post=55796"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/coauthors?post=55796"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}