Nutanix Germany GmbH

Der KI-Zug rollt immer schneller. Immer häufiger übernehmen KI-Agenten die Steuerung, weil sie über höhere Reasoning-, Planungs- und Toolnutzungsfähigkeiten verfügen. Im Gegensatz zur Vorgängergeneration von GenAI können sie große Sprachmodelle (LLMs) in die Lage versetzen, den eigenen Schlussfolgerungen und Empfehlungen Taten folgen zu lassen. Dem stehen aber auch viel und zum Teil kontrovers diskutierte Herausforderungen gegenüber wie der wachsende Energiehunger oder neue Sicherheitsbedrohungen.

Während die genannten Themen und Schlagworte große mediale und allgemeine Aufmerksamkeit erfahren, verharrt eine Voraussetzung für den GenAI-Erfolg abseits des Scheinwerferlichts: der Bedarf an Cloud-nativen Architekturen, um GenAI-Applikationen zu unterstützen. Ohne sie droht die Rendite entsprechender Projekte weit hinter den Erwartungen zurückbleiben oder sogar negativ auszufallen.

Allerdings ist ein frischer Ansatz bei der Containerisierung nötig, um die spezifischen Anforderungen von GenAI zu erfüllen. Das gelingt nur mit einer entsprechend ausgelegten Infrastruktur. Außerdem sind dafür neue Kompetenzen nötig. Schulungen und, falls möglich und nötig, Neueinstellungen sind daher ebenso wichtig. Containerisierung, Infrastruktur und Kompetenzen – das ist der Dreiklang, den Unternehmen für den Erfolg ihrer GenAI-Projekte anstimmen sollten.

Gold-Standard Containerisierung

Viele mögen Containerisierung nur für ein weiteres Buzzword halten. Doch das Konzept dahinter ist überraschend einfach. Im Grunde geht es darum, den Code einer Applikation zusammen mit all seinen Abhängigkeiten gleichsam in eine Verpackung einzuwickeln. Durch die Kapselung lässt sich die Anwendung umgebungsunabhängig nutzen, ob in der Cloud, in einem unternehmenseigenen Rechenzentrum oder auf Geräten am Edge.

Moderne Anwendungen weisen komplexe Abhängigkeiten auf. Diese reichen von Modulen für Authentifizierungsmanagement bis zu Konnektoren für ERP- und CRM-Systeme. Zudem sind regelmäßige Updates und Patches nötig. Ohne sie kann sogar ein kleineres Problem eine Applikation unerwartet zum Absturz bringen.

An dieser Stelle setzt Containerisierung an. Sie erlaubt die gemeinsame Nutzung von Ressourcen – CPU, Hauptspeicher, Storage – und sorgt gleichzeitig für Isolierung, um die Sicherheit zu erhöhen.

Für GenAI-Anwendungen, die oftmals in komplexe Abhängigkeiten verstrickt sind, stellt Containeriserierung eine notwendige Voraussetzung dar. Entwickler teilen dabei Anwendungen in Microservices auf – gekapselte Komponenten, die sich einzeln testen lassen – und sind dadurch in der Lage, kurze Iterationsschleifen zu drehen, effektiv zu skalieren und für flexible Bereitstellungen zu sorgen.

Der Trend ist den Unternehmen nicht entgangen, wie der siebte jährliche Bericht Nutanix Enterprise Cloud Index zeigt. Knapp 90 Prozent der Unternehmen gaben zu Protokoll, dass zumindest einige ihrer Anwendungen mittlerweile containerisiert sind. Dieser Prozentsatz dürfte angesichts der zügigen Implementierung neuer Workloads wie GenAI weiter steigen. Allerdings finden 64 Prozent der Befragten die Entwicklung Cloud-nativer und containerisierter Applikationen herausfordernd.

Moderne Infrastrukturen für die GenAI-Welt

Die traditionelle Softwareentwicklung folgt einem hoch strukturierten Prozess. Zu den zentralen Phasen gehören die Analyse der Anforderungen, das Systemdesign, das Schreiben, Debuggen und Prüfen von Code sowie das Deployment. Es handelt sich um einen ausgereiften Prozess, der über Jahrzehnte immer weiter verfeinert wurde. Er versagt jedoch, wenn er auf GenAI-Applikationen angewandt wird. Das liegt zum Großteil an den Besonderheiten der KI-Entwicklung wie zum Beispiel Datenbereinigung, Fine-Tuning und Retrieval-Augmented Generation (RAG).

Die Anforderungen an die Infrastruktur sind nicht minder anspruchsvoll. Um die Modelle zu trainieren und bereitzustellen, sind oft GPU-lastige Umgebungen notwendig, was die Kosten in die Höhe treibt. Ferner müssen die verschiedenen KI-Modelle orchestriert werden. Kubernetes, der lange Zeit unangefochtene Orchestrierungsliebling der Entwickler, hat seit ein paar Jahren von neuen Frameworks wie LangChain, AutoGen und CrewAI Gesellschaft bekommen.

Zudem müssen sich GenAI-Anwendungen nahtlos in Cloud-native und containerisierte Umgebungen einfügen lassen. Dementsprechend messen mehr als 80 Prozent der Teilnehmer an der ECI-Studie der Modernisierung ihrer Infrastruktur Top-Priorität bei.

Die Kompetenzlücke schließen

GenAI reißt eine große Kompetenzlücke. Laut ECI-Studie – befragt wurden C-Level-Entscheider für IT und DevOps – sind nur 21 Prozent der Umfrageteilnehmer der Überzeugung, ihre Organisation verfüge über die notwendigen Kompetenzen, um GenAI-Anwendungen und -Infrastrukturen zu unterstützen. Neue Mitarbeiter mit dem entsprechenden Können sind nur schwer zu finden und teuer.

GenAI-Experten sind typischerweise die Endanwender in KI-Projekten und nicht in der Lage oder willens, die Bereitstellung von GenAI zu managen. Unternehmen sollten sich deshalb darauf konzentrieren, das vorhandene Wissen und Können zu kultivieren. Dies gilt insbesondere für Bereiche wie Plattform-Engineering, Datenaufbereitung und die Nutzung einfacher, aber leistungsfähiger Tools, die für den Enterprise-Einsatz geeignet sind. Die gute Nachricht lautet, dass Schulungsressourcen zur Genüge im Angebot sind, von Online-Kursen bis zu intensiven Bootcamps.

Herausforderungen in Chancen verwandeln

GenAI wird das Gesicht vieler Branchen verändern. Ihr Erfolg hängt jedoch insbesondere von drei Schlüsselfaktoren ab: Containerisierung, modernisierten Infrastrukturen und GenAI-geschulten Mitarbeitern. Sie bilden das Rückgrat für Skalierung, Effizienz und Anpassungsfähigkeit. Unternehmen, die diese Voraussetzungen erfüllen, können die Herausforderungen von heute in die Chancen von morgen verwandeln. Damit legen sie die Grundlage für tragfähiges und nachhaltiges Wachstum in der Zukunft.