Medien

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.

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.

Die Zeiten des Entweder-oder sind vorbei, wenn es um die Nutzung der Cloud geht. Heute findet man in den meisten Unternehmen eine hybride Infrastruktur aus Public und Private Cloud vor. Wie gut so eine hybride Infrastruktur funktioniert, hängt wesentlich von ihrer Flexibilität ab. Das gilt in zweierlei Hinsicht: Zum ersten muss die Private Cloud das gleiche Maß an Flexibilität bieten wie die Public Cloud. Das bringt gewissen Anforderungen vor allem an das Abrechnungsmodell mit sich. Zum zweiten muss gewährleitstet sein, dass nicht nur die Infrastruktur der Public sowie der Private Cloud sich aufwärts und abwärts skalieren lässt. Auch muss es möglich sein, Workloads ohne viel Aufwand von einer Cloud in die andere zu verschieben.

Der Speicherlösungsanbieter Infinidat hat seine InfiniBox SSA angekündigt. Dabei handelt es sich um ein Solid-State-Array, das eine hohe Leistung für anspruchsvolle Unternehmensanwendungen bieten soll. Die InfiniBox SSA basiere auf den hauseigenen Deep-Learning-Software-Algorithmen und einem umfangreichen DRAM-Cache.