Ulrike Ostler

Am vergangenen Freitag hat Huawei mit „Ascend 910“ den bisher leistungsfähigsten KI-Prozessor vorgestellt. Es ist bestimmt für das Training von Anwendungen Künstlicher Intelligenz. Außerdem hat der Konzern „Mindspore“ präsentiert, ein Framework, das es insbesondere Wissenschaftler erleichtern soll, KI-Anwendungen zu entwickeln – für alle KI-Hardware. Die Software soll 2020 Open Source werden.

IBM hat den neuen „IBM Power Systems Server“ mit seinem ebenfalls neu designten „Power9“-Prozessor speziell für rechenintensive KI-Workloads entwickelt. Mit ihm können die Trainingszeiten im Bereich Deep Learning um das bis zu Vierfache beschleunigt werden.

Wer in dieser Woche die „GTC Europe 2017“, die GPU Technology Conference von Nvidia, besucht hat, hätte meinen können, man betrete einen Autosalon. Denn das autonome Fahren ist das Paradebeispiel für die Anwendung Künstlicher Intelligenz (KI) und von Audi bis Post, von Uni Stuttgart bis Tesla zeigte die Automobilbranche, was es bereits zu bestaunen gibt. Was es dafür braucht, ist Software und jede Menge Rechen-Power, am besten für den Hersteller mithilfe der Nvidia-GPUs.

Nicht kleckern, sondern klotzen: Es handelt sich um eine der größten Investitionen von IBM in Europa in den vergangenen 20 Jahren und betrifft die IBM-Kunden und alle, die das Internet der Dinge (IoT) nutzen möchten. Zudem unterzeichnen Schaeffler und IBM eine Partnerschaft, wie es heißt, „zum Aufbruch in ein neues industrielles Zeitalter“.

Die englischsprachige Fachpresse ist voll davon: Google senkt den Energieverbrauch im Rechenzentrum durch den Einsatz von Künstlicher Intelligenz (KI) seines Startup-Aufkaufs Deepmind. Der Energiebedarf für die Kühlung soll sich bereits um 40 Prozent reduziert haben.

Das Darmstädter Rechenzentrum, kurz DARZ, Netapp und Helpium sind die Partner, die für Kunden ein Compute-Sourcing in multiple Hyperscale-Clouds ermöglichen. Die eigene IT mit privater Cloud und den Dimensionen von AWS, Azure und Softlayer verheiraten, das soll nun möglich sein. Helpium ist der erste Kunde.

Es ist Dell die Gründung einer neuen Abteilung wert: Das Internet der Dinge, Internet of Things (IoT), fordert andere Konzepte, so das Credo, schon alleine wegen der riesigen Menge an Daten aus Sensoren und Maschinen. Die Herausforderung bestehe darin, IoT als ein System, ein Netzwerk zu begreifen, so John Swainson, President von Dell Software jüngst in Kopenhagen, wo Dell auch neue Server zeigte.

Die Marktforscher von IDC gehen davon aus, dass der globale Markt für Big Data und Business Analytics (BDA) bis zum Jahr 2022 ein Gesamtvolumen von rund 260 Milliarden US-Dollar pro Jahr erreicht.

Am 21. Oktober 2020 verleihen sieben Insider-Portale zum sechsten Mal in Folge die Leserpreise „IT-Awards“. Es gibt Silber, Gold und Platin zu gewinnen – in 43 Kategorien. Und die Leser können mitjubeln.

Aktuellen Studien zufolge planen 70 Prozent der Unternehmen innerhalb der nächsten fünf Jahre den Einsatz von Künstlicher Intelligenz (KI) in ausgesuchten Servicesegmenten. Das entspricht mehr als einer Verdopplung des aktuellen Anteils. Wie der Einsatz in der Praxis gelingen kann, zeigt der folgende Beitrag aus dem Hause USU am Beispiel des Forschungsprojektes „Service-Meister“.

Egal, ob Daten nun das neue Wasser oder das neue Öl sind – klar ist, dass Daten als Produktionsfaktor in praktisch allen Branchen an Bedeutung gewinnen. Damit einher geht eine ebenso steigende Relevanz des Datenmanagements für den Unternehmenserfolg. Eine von Rubrik beim Marktforschungsunternehmen IDC in Auftrag gegebenen Studie beleuchtet den Status quo des Datenmanagements in knapp 1.000 Unternehmen.

Digitalisierung steht nicht nur bei IT-Organisationen und Unternehmen ganz oben auf der To-do-Liste, sondern auch bei der Politik. Dennoch sind die erzielten Fortschritte überschaubar. Die Erwartungen bleiben hinter den Hoffnungen zurück. Das haben gerade die IT-Probleme zu Beginn der COVID-19-Pandemie gezeigt. Ein Grund für das Ruckeln und Zuckeln ist, dass zumeist nicht der Mensch im Mittelpunkt von IT-Innovationen steht.

Die AI Foundation und ODPi der Linux Foundation fusionieren, um das wachsende Portfolio an Technologien zu unterstützen und die Open-Source-Zusammenarbeit über KI und Daten hinweg voranzutreiben.

Das Geschäftsmodell der großen Internet-Unternehmen sieht den Umgang mit riesigen Datenbeständen vor. Wie das geht und was es bringt, lässt sich gut am Beispiel von Apple nachvollziehen.

Die Risk-Management-Abteilung des Rückversicherungsriesen Swiss Re kämpfte mit einer steigenden Anzahl regulatorischer Anforderungen, die sich in längeren Durchlaufzeiten und sinkender Zufriedenheit der internen Kunden niederschlug. Beim Umbau der traditionellen Data-Warehouse-Architektur setzte Swiss Re auf die Datenvirtualisierungsplattform von Denodo.

Continental hat einen eigenen Supercomputer mit „Nvidia-DGX“-Technologie zum Training von KI-Systemen in Betrieb genommen, um die Entwicklungsleistung im Bereich des autonomen Fahrens zu steigern.

In-Memory gilt als wesentlicher Baustein zur Bewältigung von Big Data. Doch das kostet: In den USA, wo derzeit die Technik am meisten verbreitet ist, kalkulieren die Unternehmen ein Budget zwischen 500.000 und einer Million Euro ein. Zwei von fünf Unternehmen rechnen mit Ausgaben von mehr als 1 Million Euro. Die Studie von TNS Infratest und T-Systems fand aber noch mehr heraus:

„Hadoop ist das Big-Data-Betriebssystem.“ Die Aussage vom Forrester-Analysten Mike Gaultieri macht das Open-Source-Framework für die Haltung und Verarbeitung multi-strukturierter Daten zu einem must-have – eine Steilvorlage für den Distributor Hortonworks, der gerade frisches Kapital bekam und seinen „Hadoop Summit“ hielt.

Künstliche Intelligenz und maschinelles Lernen, Augmented und Virtual Reality, Cloud Computing sowie 5G zählen für Dell Technologies zu den wichtigsten Schlüsseltechnologien, mit denen Unternehmen im Jahr 2019 die Digitale Transformation vorantreiben.

Egal ob Daten nun das neue Wasser oder das neue Öl sind – klar ist, dass Daten als Produktionsfaktor in praktisch allen Branchen an Bedeutung gewinnen. Damit einher geht eine ebenso steigende Relevanz des Data Managements für den Unternehmenserfolg. Eine von Rubrik beim Marktforschungsunternehmen IDC in Auftrag gegebenen Studie beleuchtet den Status Quo des Daten-Managements in knapp 1.000 Unternehmen.

Die Zeit für eine Fehlerbehebung soll um das Fünffache verkürzt, Insider-Bedrohungen reduziert und die Betriebskosten um 25 Prozent gesenkt werden. Diese hehren Ziele setzt CA Technologies derzeit für das Mainframe Computing mithilfe neuer Werkzeuge. Sie sollen insbesondere tiefere Einblicke, automatische Voraussagen von Performance-Problemen, verbesserten Schutz von Kundendaten, Steigerung von Agilität und Senkung von Kosten liefern.

Algorithmen, Roboter und digitale Assistenten haben in deutschen Unternehmen Einzug gehalten: Gut 40 Prozent der Betriebe haben schon mit Künstlicher Intelligenz (KI) gearbeitet, 88 Prozent planen dies in den kommenden zwölf Monaten. Doch die Unternehmen setzen KI vorwiegend zur Prozessoptimierung ein – und schöpfen dadurch ihr Potenzial nicht umfassend aus, so die These von Johannes Wagmüller, Netapp.

HP steigt mit einer Kapitalbeteiligung von 50 Millionen Dollar beim Hadoop-Distributor Hortonworks ein. Außerdem haben die beiden Unternehmen eine strategische Zusammenarbeit vereinbart, um gemeinsam Big-Data-Lösungen für Kunden zu entwickeln.

Eine Studie des Ponemon Institute „The State of Data Centric Security“ belegt, dass Unternehmen häufig nicht wissen, wo ihre sensiblen Unternehmensdaten gespeichert werden, welchen Schutzbedarf diese Daten besitzen und wie diese Daten ausgetauscht werden. Eine Datenklassifizierung ändert das.

Die Analyse von Gartner zeigt es auf – im Markt für Datenbank-Management-Systeme (DBMS) deutet sich ein rasanter Wandel an. Open-Source-Technik spielt eine Führungsrolle.

Die IT-Abteilung steckt häufig in der Bredouille, wenn Fachabteilungen von ihr eine Big-Data-Lösung einfordern. Meist ist den Beteiligten zu Beginn solcher Projekte nicht klar, für welche zu erwartenden Workloads die Infrastruktur auszurichten ist. Das erschwert die Abwägung zwischen Skalierbarkeit und Kostenaufwand. Ein neuer Ansatz über eine Referenzarchitektur schafft Abhilfe.

IBM hat den neuen „IBM Power Systems Server“ mit seinem ebenfalls neu designten „Power9“-Prozessor speziell für rechenintensive KI-Workloads entwickelt. Mit ihm können die Trainingszeiten im Bereich Deep Learning um das bis zu Vierfache beschleunigt werden.