Organisationen auf der ganzen Welt bereiten sich auf ein Jahr voller KI-Transformation, Sicherheitsherausforderungen und Nachhaltigkeitsanforderungen vor

NetApp^® (NASDAQ: NTAP), das Unternehmen für intelligente Dateninfrastruktur, hat sein zweites Jahresjahr veröffentlicht Bericht zur DatenkomplexitätDarin wird untersucht, wie globale Unternehmen mit der zunehmenden Komplexität der Verwaltung ihrer Daten für KI umgehen. Der diesjährige Bericht bietet einen globalen Überblick darüber, wie sich KI im Jahr 2025 und darüber hinaus auf Unternehmen auswirken wird, und bietet Einblicke, die Unternehmen dabei helfen, das Potenzial von KI zu nutzen und gleichzeitig die Komplexitäten und Risiken zu bewältigen, die mit dieser transformativen Technologie einhergehen.

„2025 zeichnet sich als entscheidendes Jahr für KI ab, da Unternehmen vom Experimentieren zur Skalierung ihrer KI-Fähigkeiten übergehen“, sagte Gabie Boko, Chief Advertising and marketing Officer von NetApp. „Der diesjährige Information Complexity Report zeigt, dass Unternehmen erhebliche Investitionen tätigen, um Innovation und Effizienz voranzutreiben. Diese Bemühungen werden jedoch nur dann erfolgreich sein, wenn globale Technologiemanager die wachsenden Herausforderungen der Datenkomplexität, -sicherheit und -nachhaltigkeit bewältigen können. Eine intelligente Dateninfrastruktur mit einheitlicher Datenspeicherung als Herzstück wird der Schlüssel zur Erschließung des KI-Potenzials sein.“

KI-Investitionen: Wird KI die Financial institution sprengen?

Zwei Drittel der Unternehmen weltweit geben an, dass ihre Daten entweder vollständig oder größtenteils für KI optimiert sind – das bedeutet, dass ihre Daten für KI-Anwendungsfälle zugänglich, genau und intestine dokumentiert sind. Trotz dieser Fortschritte wird das Jahr 2025 jedoch weiterhin Investitionen in KI und Datenmanagement erfordern. Tatsächlich glauben 40 % der weltweiten Technologiemanager, dass ihre Unternehmen im Jahr 2025 beispiellose Investitionen in KI und Datenmanagement erfordern werden. Während Unternehmen Fortschritte bei der Optimierung von Daten für KI gemacht haben, wird das Erreichen zukünftiger Durchbrüche noch mehr Engagement und Ressourcen erfordern.

Datensilos: Werden Ihre Daten den KI-Erfolg behindern?

Die Datenvereinheitlichung entwickelt sich zu einem entscheidenden Treiber für den KI-Erfolg. 79 % der globalen Tech-Führungskräfte erkennen die Bedeutung der Datenvereinheitlichung für optimale KI-Ergebnisse an. Unternehmen, die über eine einheitliche Datenspeicherung verfügen, konnten Datensilos beseitigen, indem sie Daten unabhängig von Typ und Standort in hybriden Multicloud-Umgebungen miteinander verbinden, sodass sie jederzeit zugänglich sind. Unternehmen, die der Vereinheitlichung von Daten Priorität einräumen, werden ihre KI-Ziele im Jahr 2025 eher erreichen. Nur 23 % der Unternehmen, die der Vereinheitlichung von Daten Priorität einräumen, geben an, dass sie ihre Ziele nicht erreichen werden, im Vergleich zu 30 % der Unternehmen, die der Vereinheitlichung von Daten keine Priorität einräumen. Investitionen in Datenmanagement und Infrastruktur sind für Unternehmen zur obersten Priorität geworden, und Führungskräfte legen doppelt so viel Wert darauf wie andere Initiativen im Zusammenhang mit KI – Tendenz steigend. Mit Blick auf die Zukunft werden Unternehmen, die sich für die Datenvereinheitlichung einsetzen, besser in der Lage sein, die transformative Kraft der KI voll auszuschöpfen und sicherzustellen, dass sie in einem zunehmend wettbewerbsintensiven Umfeld die Nase vorn haben.

Datensicherheit: Werden Cyber-Bedrohungen mit der KI zunehmen?

Globale Tech-Führungskräfte rechnen mit einem erheblichen Anstieg der Sicherheitsbedrohungen neben der KI-Einführung, wobei 41 % einen starken Anstieg im Jahr 2025 prognostizieren. Datenschutz- und Sicherheitsbedenken bleiben im Jahresvergleich weltweit die größten Herausforderungen, wobei KI-führende Länder wie Indien, In Japan und den Vereinigten Staaten (die auf dem Weg zur KI weiter fortgeschritten sind) ist die Wahrscheinlichkeit, dass die Zahl der Sicherheitsprobleme zunimmt, quick doppelt so hoch wie in Ländern mit KI-Rückstand wie Deutschland, Frankreich und Spanien.

Der Aufstieg der KI hat die Angriffsfläche vieler Unternehmen vergrößert und neue Herausforderungen mit sich gebracht, etwa den Schutz der KI-Modelle selbst, die Verteidigung von Datensätzen, die Angriffen stärker ausgesetzt sind, und die Sicherstellung, dass Daten für die Verwendung in KI-Anwendungen verfügbar und sicher sind. KI-gesteuerte Sicherheitsherausforderungen belasten die Köpfe globaler Technologieführer stark, wobei 59 % diese Bedrohungen als einen der größten globalen Stressfaktoren bezeichnen. Dieser erhöhte Fokus spiegelt die wachsende Komplexität von Cyberrisiken wider. Führungskräfte auf Vorstands- und C-Suite-Ebene priorisieren weiterhin Cybersicherheit und Ransomware-Schutz, wobei 38 % sie als ihre höchste Priorität einstufen. Es gibt jedoch einen Lichtblick: Die von den Unternehmen umgesetzten strategischen Maßnahmen scheinen sich auszuzahlen. Der Fokus auf Cybersicherheit als oberste Priorität ist seit 2023 um 17 % zurückgegangen – ein vielversprechendes Zeichen dafür, dass Fortschritte bei der Bekämpfung dieser sich ständig weiterentwickelnden Bedrohungen erzielt werden.

Datennachhaltigkeit: Gefährdet KI den Planeten?

Da sich die Einführung von KI beschleunigt, rechnen 34 % der weltweiten Technologiemanager mit großen Veränderungen in den Nachhaltigkeitsprozessen von Unternehmen und 33 % erwarten neue staatliche Energierichtlinien und -investitionen. KI-gesteuertes Datenwachstum und die Infrastruktur, die erforderlich ist, um Daten in geschäftlichen Wert umzuwandeln, verbrauchen viel Energie, was den Nachhaltigkeitszielen zuwiderläuft, wobei KI-führende Länder größere Auswirkungen haben als KI-schwächere Länder. Die Reduzierung des CO2-Fußabdrucks ist nach wie vor äußerst wichtig oder sehr wichtig, insbesondere in Regionen mit hoher KI-Einführung, obwohl ihr Fokus von Jahr zu Jahr zurückgegangen ist, von 84 % der Unternehmen im Jahr 2023 auf 72 % im Jahr 2024. Die künftige Herausforderung wird darin bestehen, die Umweltkosten zu bewältigen KI bei gleichzeitiger Maximierung ihres Innovationspotenzials.

Der diesjährige Information Complexity Report hebt einen entscheidenden Wandel hervor: Unternehmen, die in eine intelligente Dateninfrastruktur investieren, Sicherheit priorisieren und Nachhaltigkeit berücksichtigen, machen nicht nur ihre Abläufe zukunftssicher, sondern verschaffen sich auch einen erheblichen Wettbewerbsvorteil in der KI-gesteuerten Landschaft.

„Das transformative Potenzial von KI hängt von sicheren, skalierbaren und nachhaltigen Datenstrategien ab“, sagte Krish Vitaldevara, Senior Vice President und Basic Supervisor von NetApp. „Die führenden Unternehmen im Bereich Superior Analytics und KI sind diejenigen, die über einheitliche und intestine katalogisierte Daten, robuste Sicherheit und Compliance für wise Informationen sowie ein klares Verständnis dafür verfügen, wie sich Daten entwickeln. Durch die Bewältigung dieser Herausforderungen können sie Innovationen vorantreiben und gleichzeitig Belastbarkeit, Verantwortung und zeitnahe Erkenntnisse im neuen KI-Zeitalter gewährleisten.“

Melden Sie sich für die kostenlosen insideAI-Information an E-newsletter.

Begleiten Sie uns auf Twitter: https://twitter.com/InsideBigData1

Treten Sie uns auf LinkedIn bei: https://www.linkedin.com/firm/insideainews/

Begleiten Sie uns auf Fb: https://www.fb.com/insideAINEWSNOW

Schauen Sie bei uns vorbei YouTube!

Gesponserte Inhalte

Wenn Unternehmen versuchen, generative KI zu nutzen, stoßen sie häufig auf eine Lücke zwischen ihrem vielversprechenden Potenzial und der Realisierung des tatsächlichen Geschäftswerts. Bei Astronomer haben wir aus erster Hand gesehen, wie die Integration generativer KI (GenAI) in Betriebsprozesse Unternehmen verändern kann. Wir haben aber auch festgestellt, dass der Schlüssel zum Erfolg in der Orchestrierung der wertvollen Unternehmensdaten liegt, die zum Betrieb dieser KI-Modelle erforderlich sind.

Dieser Blogbeitrag beschreibt die entscheidende Rolle der Datenorchestrierung bei der Bereitstellung generativer KI im großen Maßstab. Ich werde reale Kundenanwendungsfälle hervorheben, bei denen Apache Airflow, verwaltet von Astro des Astronomenstruggle maßgeblich an erfolgreichen Bewerbungen beteiligt, bevor wir abschließend die nützlichen nächsten Schritte für den Einstieg erläutern.

Welche Rolle spielt die Datenorchestrierung im GenAI-Stack?

Generative KI-Modelle sind mit ihrem umfangreichen vorab trainierten Wissen und ihrer beeindruckenden Fähigkeit, Inhalte zu generieren, unbestreitbar leistungsstark. Ihr wahrer Wert erschließt sich jedoch erst, wenn sie mit dem institutionellen Wissen kombiniert werden, das in Ihren umfangreichen, proprietären Datensätzen und operativen Datenströmen erfasst ist. Die erfolgreiche Bereitstellung von GenAI umfasst die Orchestrierung von Workflows, die wertvolle Datenquellen aus dem gesamten Unternehmen in die KI-Modelle integrieren und ihre Ergebnisse mit einem relevanten und aktuellen Geschäftskontext untermauern.

Die Integration von Daten in GenAI-Modelle (für Inferenz, Eingabeaufforderungen oder Feinabstimmung) umfasst komplexe, ressourcenintensive Aufgaben, die optimiert und wiederholt ausgeführt werden müssen. Datenorchestrierungstools bieten ein Framework – im Zentrum des entstehenden KI-App-Stacks –, das diese Aufgaben nicht nur vereinfacht, sondern auch die Möglichkeit für Entwicklungsteams verbessert, mit den neuesten Innovationen aus dem KI-Ökosystem zu experimentieren.

Die Orchestrierung von Aufgaben stellt sicher, dass Rechenressourcen effizient genutzt, Arbeitsabläufe in Echtzeit optimiert und angepasst werden und Bereitstellungen stabil und skalierbar sind. Diese Orchestrierungsfunktion ist besonders wertvoll in Umgebungen, in denen generative Modelle häufig aktualisiert oder basierend auf neuen Daten neu trainiert werden müssen oder in denen mehrere Experimente und Versionen gleichzeitig verwaltet werden müssen.

Apache-Luftstrom ist zum Customary für eine solche Datenorchestrierung geworden, die für die Verwaltung komplexer Arbeitsabläufe von entscheidender Bedeutung ist und es Groups ermöglicht, KI-Anwendungen effizient vom Prototyp zur Produktion zu bringen. Wenn es als Teil des verwalteten Dienstes Astro von Astronomer ausgeführt wird, bietet es außerdem Skalierbarkeits- und Zuverlässigkeitsebenen, die für Geschäftsanwendungen von entscheidender Bedeutung sind, sowie eine Governance- und Transparenzebene, die für die Verwaltung von KI- und maschinellen Lernvorgängen unerlässlich ist.

Die folgenden Beispiele veranschaulichen die Rolle der Datenorchestrierung in GenAI-Anwendungen.

Konversations-KI für die Assist-Automatisierung

Eine führende digitale Reiseplattform nutzte bereits Airflow, das von Astro verwaltet wird, um Datenflüsse für ihre Analyse- und Machine-Studying-Pipelines zu verwalten. Um das Potenzial von GenAI im Unternehmen zu steigern, erweiterten die Ingenieure des Unternehmens Astro in ihr neues Reiseplanungstool, das Millionen von Benutzern täglich Reiseziele und Unterkünfte empfiehlt und dabei auf großen Sprachmodellen (LLMs) und Strömen operativer Daten basiert.

Diese Artwork von Konversations-KI, die oft als Chat- oder Voice-Bots verwendet wird, erfordert intestine kuratierte Daten, um Antworten von geringer Qualität zu vermeiden und ein sinnvolles Benutzererlebnis zu gewährleisten. Da das Unternehmen Astro als Customary verwendet, um sowohl seine bestehenden ML-/Betriebspipelines als auch seine GenAI-Pipelines zu orchestrieren, kann das Reiseplanungstool den Benutzern relevantere Empfehlungen unterbreiten und gleichzeitig ein nahtloses Erlebnis vom Durchsuchen bis zur Buchung bieten.

Astronomeneigene Assist-Anwendung, Frag Astronutzt LLMs und Retrieval Augmented Era (RAG), um domänenspezifische Antworten durch die Integration von Wissen aus mehreren Datenquellen zu liefern. Durch die Veröffentlichung Ask Astro als Open-Supply-Projekt Wir zeigen, wie Airflow sowohl die Verwaltung von Datenströmen als auch die Überwachung der KI-Leistung in der Produktion vereinfacht.

Inhaltserstellung

Lorbeerein KI-Unternehmen, das sich auf die Automatisierung der Zeiterfassung und Abrechnung für professionelle Dienstleistungen konzentriert, demonstriert die Leistungsfähigkeit der Inhaltsgenerierung als einen weiteren gängigen Anwendungsfall von GenAI. Das Unternehmen nutzt KI, um aus detaillierten Dokumentationen und Transaktionsdaten Zeitnachweise und Abrechnungszusammenfassungen zu erstellen. Die Verwaltung dieser vorgelagerten Datenflüsse und die Pflege kundenspezifischer Modelle kann komplex sein und erfordert eine robuste Orchestrierung.

Astro dient als zentrale Anlaufstelle für Laurels Daten und verarbeitet enorme Mengen an Benutzerdaten effizient. Durch die Integration von maschinellem Lernen in seine Airflow-Pipelines automatisiert Laurel nicht nur kritische Prozesse für seine Kunden, sondern macht sie buchstäblich doppelt so effizient.

Argumentation und Analyse

Mehrere Supportorganisationen verwenden von Airflow verwaltete KI-Modelle, um Supporttickets umzuleiten. Dadurch wird die Lösungszeit erheblich verkürzt, indem Tickets je nach Fachwissen Agenten zugeordnet werden. Dies zeigt die Anwendung von KI beim Denken, um Geschäftslogik für eine verbesserte Betriebseffizienz bereitzustellen.

Dosueine KI-Plattform für Softwareentwicklungsteams, verwendet eine ähnliche Orchestrierung, um Datenpipelines zu verwalten, die Informationen von Slack, GitHub, Jira usw. aufnehmen und indizieren. Zuverlässige, wartungsfreundliche und überwachbare Datenpipelines sind für die KI-Anwendungen von Dosu von entscheidender Bedeutung, die dabei helfen, Aufgaben für große Softwareprojekte wie LangChain automatisch zu kategorisieren und zuzuweisen.

Dosus KI-Workflows werden von Airflow orchestriert und laufen in Astro

Optimieren Sie die Anwendungsentwicklung mit KI und Airflow

Große Sprachmodelle helfen auch bei der Codegenerierung und -analyse. Dosu und Astro verwenden LLMs, um Codevorschläge zu generieren bzw. Cloud-IDE-Aufgaben zu verwalten. Diese Anwendungen erfordern eine sorgfältige Datenverwaltung aus Repositories wie GitHub und Jira, um sicherzustellen, dass organisatorische Grenzen eingehalten und vertrauliche Daten anonymisiert werden. Die Orchestrierungsfunktionen von Airflow sorgen für Transparenz und Herkunft und geben Groups Vertrauen in ihre Datenverwaltungsprozesse.

Nächste Schritte zum Einstieg in die Datenorchestrierung

Durch die Nutzung des Workflow-Managements von Airflow und der Bereitstellungs- und Skalierungsfunktionen von Astronomer müssen sich Entwicklungsteams keine Gedanken über die Verwaltung der Infrastruktur und die Komplexität von MLOps machen. Stattdessen können sie sich auf die Datentransformation und Modellentwicklung konzentrieren, was die Bereitstellung von GenAI-Anwendungen beschleunigt und gleichzeitig deren Leistung und Governance verbessert.

Um Ihnen den Einstieg zu erleichtern, haben wir vor kurzem unsere Leitfaden zur Datenorchestrierung für generative KI. Der Leitfaden bietet Ihnen weitere Informationen zu den wichtigsten erforderlichen Funktionen für die Datenorchestrierung sowie ein Cookbook mit Referenzarchitekturen für eine Vielzahl verschiedener Anwendungsfälle generativer KI.

Unsere Groups sind bereit, Workshops mit Ihnen durchzuführen, um zu besprechen, wie Airflow und Astronomer Ihre GenAI-Initiativen beschleunigen können. kontaktiere uns um Ihre Sitzung zu planen.