Medien

"Die IT-Branche gilt allgemein als besonders schnelllebig. In Wirklichkeit kann sie sich als äußerst traditionell erweisen. Im Rückblick betrachtet wird oft deutlich, dass neue Technologien oder Ansätze sich nur langsam durchsetzen konnten, sich dann aber hartnäckig halten, obwohl sie nicht mehr zeitgemäß sind. Oft handelt es sich dabei um sogenannte „Paradigmenwechsel“, wie sie ursprünglich vom Wissenschaftshistoriker Thomas Kuhn in seinem Buch „Die Struktur wissenschaftlicher Revolutionen“ beschrieben wurden. Kuhn erklärt auch, warum Paradigmenwechsel sich oft langsam vollziehen. Ein etabliertes Paradigma kann sich demnach so lange als „herrschende Meinung“ halten, wie es Ausnahmen, die nicht ins Paradigma passen, durch Zusatzerklärungen integrieren kann. So konnte sich das geozentrische Weltbild beispielsweise auch deshalb so lange halten, weil es Abweichungen erklärte, indem es (sehr komplexe) Epizyklenbewegungen in seine Erklärungen aufnahm.
Auch beim Tiering der Speicherinfrastruktur handelt es sich um ein gut etabliertes Paradigma, dessen unterstellte Nützlichkeit mit mehr und mehr Ausnahmen zu tun hat und in nicht allzu ferner Zukunft dem geozentrischen Weltbild in die Bedeutungslosigkeit folgen dürfte."

Infinidat hat Richard Bradbury zum Senior Vice President (SVP) für EMEA und APJ ernannt. In seiner neuen Rolle wird Bradbury die Kundenbetreuungsteams des Unternehmens in EMEA und APJ leiten, die sich aus Vertriebsmitarbeitern, Pre-Sales-Ingenieuren und technischen Beratern zusammensetzen. Zu seinen Aufgaben gehört es, die Entwicklung und das Wachstum der Teams zu leiten, Go-to-Market-Strategien voranzutreiben, die Partner- und Kundenaktivitäten zu intensivieren und ein starkes Wachstum in den Regionen zu erzielen.

Richard Bradbury Appointment as SVP EMEA e APJ.

Mit den Produkten von Infinidat will ADN sein Storage-Portfolio für große, mittelständische und kommunale Kunden ergänzen. Partner profitieren zudem von einem attraktiven Cross-Selling-Potenzial. Die Infinidat-Lösungen zeichnen sich insbesondere durch ihren "Neural Cache" aus. Dieser setzt Machine-Learning-Algorithmen ein, um unabhängig vom Speichermedium die bestmögliche Performance zu gewährleisten. Das gilt für All-Flash-Lösungen und für hybride Storage Arrays des Herstellers, die damit verschiedene Speichermedien kombinieren und All-Flash-Performance zu deutlich geringeren Kosten bieten können.

Infinidat untermauert seine Storage-as-a-Service (STaaS)-Strategie mit Hilfe von AIOps-Technologien und flexiblen Verbrauchsmodellen für den Petabyte-Bereich. Die Deep-Learning-Technologie Neural Cache, verschiedene AIOps-Angebote, strategische Partnerschaften sowie verbrauchsbasierte Bezahlmodelle sollen Unternehmenskunden dabei helfen, ihren IT-Betrieb zu vereinfachen. Die Grundlage dafür sind Datenspeicherlösungen mit skalierbaren Speicherkapazitäten bis in den Petabyte-Bereich bei 100 %iger Verfügbarkeit, hoher Leistung und den niedrigstmöglichen Gesamtbetriebskosten.

Die Liste der Opfer von Ransomware-Angriffen in der jüngsten Vergangenheit ließe sich fast endlos fortsetzen. Sowohl private Unternehmen als auch öffentliche Einrichtungen sind von Malware schwer getroffen worden. Als Gegenmaßnahme setzen viele Organisationen Lösungen ein, die ihre Backups verschlüsseln und so gegen Malware sichern sollen. Das kann zu enorm steigenden Kosten für Storage führen, weil sich verschlüsselte Daten nicht deduplizieren lassen und darum die Menge der zu speichernden Daten stark ansteigt.

Artificial Intelligence for IT Operations (AIOps) enables Storage-as-a-Service (STaaS) to follow offerings such as Software-as-a-Service (SaaS) or Infrastructure-as-a-Service (IaaS), explains Nevzat Bucioglu, Country Manager Germany at Infinidat, in a guest post.

Künstliche Intelligenz (KI) und verwandte Technologien wie Maschinelles Lernen (ML) und Deep Learning (DL) werden in vielen Branchen immer häufiger eingesetzt. Die Technologien müssen jedoch zunächst trainiert werden, was in den meisten Fällen eine riesige Menge an Daten und auch Zeit erfordert. Das wiederum hat einen erheblichen Einfluss darauf, wie die Infrastruktur für den Betrieb dieser Technologien aussehen sollte. Während dabei viel für die Nutzung entsprechender Cloud-Angebote zu sprechen scheint, funktioniert eine Hybridlösung jedoch in den meisten Fällen besser. Unternehmen, die den Einsatz von KI oder Maschinellem Lernen planen, sollten ihre spezifischen Anforderungen daher genau prüfen und klären, welche Parameter für eine geeignete Infrastruktur angesetzt werden sollten.

Hypes und Trends entwickeln schnell eine Eigendynamik. Das gilt insbesondere in einer schnelllebigen Branche wie der IT. Unternehmen in der IT-Branche spüren die Notwendigkeit, möglichst schnell in relevante Trends einzusteigen, um den Eindruck zu vermeiden, sie hätten den Anschluss verpasst. Das gilt ganz sicher für den Einsatz von Künstlicher Intelligenz in IT-Produkten. „Künstliche Intelligenz“ und damit verwandte Begriffe wie „Machine Learning“ und „Deep Learning“ werden entsprechend inflationär von IT-Unternehmen beziehungsweise Lösungsanbietern benutzt, ohne dass die entsprechend angepriesenen Produkte immer oder auch nur häufig die Versprechungen erfüllen können. Da keine offizielle Definition der erwähnten Begriffe besteht, kann man diesen Unternehmen nicht einmal Etikettenschwindel vorwerfen.

Künstliche Intelligenz (KI) und verwandte Technologien wie Maschinelles Lernen (ML) und Deep Learning werden in vielen Branchen immer häufiger eingesetzt. Die Technologien müssen jedoch zunächst trainiert werden, was in den meisten Fällen eine riesige Menge an Daten und auch Zeit erfordert. Das wiederum hat einen erheblichen Einfluss darauf, wie die Infrastruktur für den Betrieb dieser Technologien aussehen sollte. Während dabei viel für die Nutzung entsprechender Cloud-Angebote zu sprechen scheint, funktioniert eine Hybridlösung jedoch in den meisten Fällen besser. Unternehmen, die den Einsatz von KI oder Maschinellem Lernen planen, sollten ihre spezifischen Anforderungen daher genau prüfen. Das gilt u.a. für die Menge der zu verarbeitenden Daten und für die Einhaltung gesetzlicher Vorschriften.