Mit ChatGPT ist KI im breiten Bewusstsein der Öffentlichkeit angekommen. Viele CEOs wollen inzwischen von ihren CIOs wissen, wie man diese Technologie auch im eigenen Unternehmen sinnvoll anwenden kann. Dabei übersehen sie oft, dass diese Form der generativen KI immense Rechenleistungen benötigt. Den CIOs ist dieser Sachverhalt dagegen bestens bekannt - entsprechend skeptisch sind sie bei den Diskussionen um businesstaugliche generative KI-Lösungen. Hinzu kommt, dass die generativen KI-Modelle immer größer werden und der damit verbundene Energieverbrauch zu einem entscheidenden Faktor für den produktiven Einsatz dieser High-Performance-Workloads werden kann. Das heißt, gefordert sind heute nachhaltige Technologien, die leicht verfügbar sind, einen geringen Stromverbrauch aufweisen und gleichzeitig den wachsenden Leistungsanforderungen gerecht werden.

Neue Technologien für neue KI-Lösungen

Inzwischen gibt es Lösungen dafür. Beispielsweise verfügt der neue skalierbare Intel®-Xeon®-Prozessor der 4. Generation über entscheidende Architekturverbesserungen, wie Intel® AMX, mit denen sich klassische maschinelle Lern- und Deep-Learning-Workloads spürbar beschleunigen lassen. Der entscheidende Faktor sind dabei die Intel-Prozessoren, die mit ihrer hohen Energieeffizienz und ihrer hohen Performance für alle KI-Workloads prädestiniert sind. Unterstützt wird das noch durch leistungsstarke Software-Tools, die den Entwicklern die einfache Ausführung von leistungsstarken End-to-End-KI-Pipelines ermöglichen. Das reicht von der Datenvorverarbeitung und -modellierung bis hin zur Produktion. Intel stellt dabei Software, Hardwareplattform und Lösungspartnerschaften zur Verfügung, um so die Integration von KI in vielen Bereichen zu beschleunigen. Das alles ist in einer AI-Software-Suite zusammengefasst, zu der auch die beliebtesten Branchenbibliotheken und Open-Source-Tools gehören. Die Suite wurde bereits an über 400 KI-Modellen und Anwendungsfällen validiert. Damit wurde sichergestellt, dass die häufigsten Anwendungen schnell und problemlos eingerichtet werden können. Intel hat hiermit ein offenes KI-Ökosystem geschaffen - sozusagen eine Demokratisierung der KI. Ziel ist es, den Fortschritt bei der KI-Entwicklung und -Nutzung auf breiter Front voranzubringen.

KI: Das Arbeitspferd in vielen Anwendungen

Neben dem Hype um ChatGPT leistet KI aber schon lange unschätzbare Dienste in vielen anderen Bereichen, wie bei der Qualitätskontrolle, der Betrugserkennung, der Logistik und neuerdings auch im Managen der IT-Infrastruktur. Der Grund dafür ist einfach: IT-Administration besteht zum großen Teil aus mühsamen, komplexen und repetitiven Tätigkeiten. Beispiele dafür sind Kapazitätsplanung, Größenanpassungen von virtuellen Maschinen (VMs) und Containerumgebungen oder die effiziente Nutzung von Ressourcen beim Energieverbrauch oder der Cloud. Folglich gibt es hier schon lange viele Automationstools, die der Entlastungen der IT-Administratoren dienen. Intel ist auf diesem Gebiet sehr breit aufgestellt. Dazu gehört beispielsweise der Intel® Data Center Manager (Intel® DCM), der so konzipiert wurde, dass sich auch die Effizienz und Nachhaltigkeit eines Rechenzentrums spürbar verbessern lassen.

KI und Automatisierung benötigen viele Daten

So wie jede Automatisierungslösung basiert auch Intel DCM auf vielen präzisen Echtzeit-Messdaten. Telemetrie ist der Oberbegriff dafür, der auch schon die ersten Analysen umfasst. Es ist die Grundvoraussetzung zur Lösung von gravierenden Problemen, wie Speicherfehler oder eine nicht zufriedenstellende Gesamtsystemleistung. Für die Telemetrie bietet Intel das Data Center Diagnostic Tool. Es prüft beispielsweise im Rahmen eines regelmäßigen Systemwartungsprogramms die Funktionalität aller Kerne innerhalb eines Intel Xeon Prozessors. Darüber hinaus kann Hardwaretelemetrie helfen, viele Aspekte des Systemzustands, wie Stromverbrauch und Wärmeabgabe, zu managen. Der größte Vorteil der automatischen Tools besteht aber vor allem darin, dass viele menschliche Eingriffe - und die damit verbundenen Fehlermöglichkeiten - wegfallen. Damit ist der Weg zu einem weitgehend vollautomatischen Rechenzentrum vorgezeichnet.

Fazit

Auch wenn es bis zum vollautomatischen Rechenzentrum noch ein weiter Weg ist, so arbeiten doch einige Hyperscaler bereits mit Intel auf den Gebieten der prädiktiven Automatisierung und Steuerung sehr eng zusammen. Sie haben die Vorteile erkannt, die sich aus der Nutzung von Telemetrie und KI/ML-Tools ergeben und suchen intensiv nach weiteren neuen Lösungen. Aber das ist nicht exklusiv den Hyperscalern vorbehalten. Auch jedes andere Unternehmen kann mithilfe der Telemetrie und den damit verbundenen Analysen und KI-basierten Prognosen seine Rechenzentren nachhaltiger, effizienter und zunehmend automatischer gestalten.