Welche Anforderungen stellt KI an Storage?
Künstliche Intelligenz (KI) stellt Storage vor neue Herausforderungen. Wir zeigen Ihnen, welche Fragen dabei anfallen und wie Sie diese beantworten sollten.
Technischer Fortschritt, steigendes Datenvolumen und verbesserte Algorithmen haben KI soweit vorangebracht, dass von realen Einsatzmöglichkeiten gesprochen werden kann.
Die Planung von Speicherinfrastrukturen für künstliche Intelligenz (KI) weist Ähnlichkeiten zur traditionellen Herangehensweise auf. Es geht um Kapazität, Zuverlässigkeit und IOPS für die Quelldaten und die Anwendungsdatenbank. Aber wie stellt sich die Verbindung von KI und Storage dar?
Es gibt auf diese Frage keine einfache Antwort, weil jede KI-Anwendung (auch bekannt als Artificial Intelligence oder Cognitive Computing) sich von einer anderen unterscheidet und auch unterschiedliche Datentypen erfordert. Deswegen müssen Sie sich verschiedene Fragen stellen.
Welcher Art sind die Quelldaten?
KI-Anwendungen hängen von ihren Quelldaten ab. Sie müssen wissen, wo sich die Quelldaten befinden und wie die Applikation diese verwendet.
Nehmen wir an, eine bestimmte KI-Anwendung trifft Entscheidungen auf der Basis von Sensordaten aus dem Internet der Dinge (IOT). Ihnen obliegt die Kontrolle, ob die KI-Applikation diese Sensordaten speichern muss und dann analysiert oder als Durchlaufposten in nahezu Echtzeit behandelt.
Wenn die Daten fast in Echtzeit analysiert werden, müssen sie nicht gespeichert werden. Wenn dagegen eine Speicherung zu Analysezwecken unabdingbar ist, stellen sich weitere Fragen, bevor es ans Design geht.
Kann beispielsweise die Anwendung selbst die Quelldaten bereinigen, nachdem die Analyse abgeschlossen ist? Oder sollten Kopien der Quelldaten behalten werden, um gegebenenfalls weitere Analysen durchzuführen? Wie die Antwort auf diese beiden Fragen ausfällt, hat Auswirkungen auf das beizubehaltende Datenvolumen.
Sie müssen außerdem sicherstellen, dass das Storage-Backend den anfallenden Datenstrom bewältigen kann.
Wie hoch ist die Datenmenge bei KI?
Sehr wichtig ist die Gesamtmenge der Daten, die durch KI erzeugt wird. KI-Anwendungen erzeugen zusätzlich zu den Quelldaten auch ihre eigenen Daten. Normalerweise analysieren sie die Quelldaten und schreiben dann die Resultate auf eine Backend-Datenbank, die Entscheidungsbäume erzeugt. Es wäre unpraktisch, wenn die KI vor einer Entscheidung jedes Mal Terabytes oder Petabytes durchforsten müsste. Sinnvoller ist es, auf eine Entscheidungsdatenbank mit fertigen Ergebnissen zurückgreifen zu können.
Folgen Sie SearchStorage.de auch auf Twitter, Google+, Xing und Facebook!
