IT-Security, CIO-KongressLSZ Consulting Wien, Big Data Kongress

12.11.2018

Das Rechenzentrum auf dem Mond

Rechenzentrum auf dem MondStudie zu Machine Learning

Wenn Künstliche Intelligenz (KI) unsere Autos fährt, Zeitungsartikel schreibt und unsere Produktion optimiert – dann wird sich auch der Betrieb von Rechenzentren diesem Trend nicht entziehen. Mithilfe von Machine Learning orchestrieren Unternehmen die zunehmende Komplexität und Menge von Maschinen, Infrastrukturen und Daten besser denn je. Sind bald komplett autonome, sich selbst heilende Rechenzentren möglich? Und wo werden sie dann stehen – warum nicht auf dem Mond?

BIM und Prozessautomatisierung

Robotic Process Automation sorgt dafür, dass traditionelle Prozesse mit KI-Algorithmen neu gedacht und optimiert werden, so dass menschliche Eingriffe nur noch nötig sind, um in Ausnahmefällen zu entscheiden. Basis dafür sind Machine Learning und Deep Learning. Ganz ähnlich, wie derzeit über eine Automatisierung der Fabrik und den Digitalen Zwilling nachgedacht wird, gilt es jetzt auch im Rechenzentrum zu agieren. Die Produktion in der Industrie 4.0 basiert darauf, dass jedes Element in ihr digital sichtbar und damit von einer zentralen Plattform aus in einem Gesamtprozess steuerbar ist. Auch die „Digitale Fabrik“ fließt ein, also die digital geplante Anordnung von Maschinen und Anlagen im Gebäude. Hier gibt es eine Parallele, denn für Rechenzentren wird derzeit intensiv über BIM diskutiert. Building Information Modeling (BIM) will Entwürfe von Gebäuden und die digitale RZ-Konzeption als virtuelle und vollständig begehbare 3D-Modelle darstellen. Die Diskussion sollte jedoch noch einen Schritt weiter gehen und die Verknüpfung von physischer und digitaler Welt vorantreiben.

Das selbstheilende Rechenzentrum

Auch jeder Server, jede Festplatte, jede Storage Unit und jedes Rack muss zum Ding im IoT werden, die Ausstattung mit günstigen Sensoren sicherstellen, dass sämtliche Temperaturveränderungen und Vibrationen aufgenommen werden. Erst wenn diese Daten zusammen mit Log-Daten, Ergebnissen von in Systemen platzierten Datensensoren und Erfahrungswerten in selbstlernende, tiefe neuronale Netze eingefüttert werden, können KI-Analysen das Wissen liefern, um irgendwann auf ein Verfügbarkeitslevel von 100 Prozent bei deutlich geringeren Kosten zu kommen. Zugleich lässt sich so, nach dem Vorbild der „Predictive Maintenance“, Wartung flexibler steuern und Ausfälle im Vorfeld prognostizieren. Die extrem strukturierte RZ-Umgebung ist zudem ein ideales Szenario für Robotik. So könnten künftig autonome Roboter 24/7 Hardware austauschen, bevor sie ausfällt und das Layout je nach verändertem Bedarf flexibel umstellen. Mit Hilfe intelligenter Cybersecurity-Analysen auf Netzwerk-, Nutzungs- und zahlreichen weiteren System- und Logdaten, insbesondere in deren Kombination, wird es möglich sein, Bedrohungen und Malfunctions schneller zu erkennen und automatisiert zu beantworten. Dass mit KI eine ganz andere Ressourceneffizienz erreicht werden kann, zeigt ebenfalls ein Google-Beispiel: Mit DeepMind ließen sich in Teilen der eigenen Daten Center 40 Prozent der Kühlungsenergie sparen, insgesamt war so eine Stromeinsparung von 15 Prozent möglich.

Das Potenzial von KI ist immens

Bisher ist die Skepsis sowohl gegenüber den Möglichkeiten als auch den Risiken von KI (auch AI, Artificial Intelligence) groß. Doch die Autoindustrie zeigt heute schon, was möglich ist. Selbstfahrende Autos sind dank Sensorik, Radar, Lidar, Bilderkennungstechnologie, Grafikchips (GPU) und Computing-Power bereits in der Realität angekommen: Das war vor Kurzem noch reine Fiktion. Auch in der Automobilproduktion werden Aufgaben automatisiert, die zuvor ausschließlich von Menschen erledigt werden konnten. So schauen bei einigen Autoherstellern nicht mehr spezialisierte Mitarbeiter, ob der Lack perfekt aufgetragen wurde, sondern die Technik: Dafür wird ein neuronales Netz mit Bildern gefüttert, wie der perfekte Lack aussieht und wie nicht. Roboter trainieren die Zusammenarbeit mit Menschen, lernen durch Zuschauen, welchen nächsten Handgriff sie leisten sollen, lernen im Verbund mit anderen Robotern.  Ähnliches ist auch für die Anordnung von Assets im „Autonomous Data Center“ zu erwarten.

Wie Unternehmen sich neuen Technologien stellen

Eines hat sich für Unternehmen in den letzten Jahren erheblich verändert: Neue Technologien, die für Disruption sorgen, entstehen schneller als früher. Das haben die Entwicklung von Cloud und Big Data gezeigt. Während viele Unternehmen jahrelang über die Sicherheit von Cloud gegrübelt haben, preschten Wettbewerber vor und schufen Fakten. Beide Trends sind die Vorläufer von KI, die wir jetzt sehen. Über Künstliche Intelligenz wird schon seit den fünfziger Jahren spekuliert, ressourcentechnisch lässt sie sich jedoch erst seit kurzer Zeit umsetzen. Für viele Unternehmen liegt die Herausforderung in der Frage, wie sich neue technologische Möglichkeiten gewinnbringend nutzen lassen und helfen, ihr Geschäft digital umzukrempeln. CEOs und CIOs müssen heute als Visionäre agieren, den Impact neuer Technologien vorausdenken – das klappt nur im Nachdenken und Diskutieren mit denen, die sich mit den Möglichkeiten dieser Technologien im Detail auskennen.

Die Nutzung von Machine Learning verzehnfacht sich in den nächsten vier Jahren

Aus einer aktuellen Studie, die Crisp Research in Deutschland durchgeführt hat, geht hervor, dass der Wertschöpfungsanteil durch Machine Learning rasant zunimmt. Allein die deutschen Top-100-Unternehmen setzen 2022 über 100 Mrd. Euro damit um. Die Hälfte der Unternehmen in Deutschland beschäftigt sich inzwischen aktiv mit Machine Learning. In den nächsten vier Jahren wird eine Verzehnfachung des Wertschöpfungsanteils prognostiziert. Fast die Hälfte der befragten Entscheider geht davon aus, dass Machine Learning in den nächsten zwei Jahren mehr als 20 Prozent der Wertschöpfung neuer digitaler Produkte und Dienstleistungen ausmacht. Allein für die 100 umsatzstärksten deutschen Unternehmen entspricht das rund 61 Milliarden Euro im Jahr 2020. Bis 2022 machen Machine Learning und KI gar ein Viertel der digitalen Wertschöpfung aus. Die Studie gibt es hier zum Download.

Ravin Mehta
Autor:

Ravin Mehta ist Gründer und Managing Director von The unbelievable Machine Company (*um), die zur Basefarm Group gehört (ein Unternehmen der Orange Business Services), einem der führenden nordeuropäischen Anbieter für IT-Betrieb und -Services. *um hat als einer der ersten deutschen Dienstleister Cloud- und Big-Data-Projekte für Kunden wie BMW, Metro Group oder Deutsche Post Direkt umgesetzt. Auch beim Thema KI investiert *um massiv in eigene Forschung und arbeitet mit Unternehmen an progressiven Nutzungsszenarien.

Quelle: Blogbild: Monsit Jangariyawong