de.wedoany.com-Bericht: HPE kündigte auf der Discover 2026 eine umfassende Aktualisierung seiner Private Cloud AI-Produkte und der Sovereign AI Factory-Konfiguration an, um den Anforderungen an Governance, Sicherheit und Bereitstellungseffizienz hybrider KI-Workloads in regulierten Branchen und souveränen Umgebungen gerecht zu werden.
Seit der Skalierung der Public Cloud Ende der 2000er Jahre wurde angenommen, dass nahezu alle Workloads aus lokalen Umgebungen verlagert würden. 15 Jahre später verwalten IT-Führungskräfte in Unternehmen weiterhin umfangreiche lokale Infrastrukturen. Studien zeigen, dass 35 % bis 50 % der Workloads in die Cloud migriert wurden, wobei die Workloads über verschiedene Standorte verteilt sind. Kosten, Datensensitivität, regulatorische Compliance, Latenzanforderungen und Betriebskontrolle bestimmen gemeinsam den Standort der Workloads – die Bereitstellung von KI-Workloads folgt derselben Logik.
Als Reaktion auf die neuen Sicherheits- und Governance-Herausforderungen durch agentische KI hat HPE die Sovereign AI Factory-Konfiguration für Regierungen und regulierte Branchen eingeführt, die eine verteidigungsrelevante Sicherheitshärtung, föderale Compliance-Vorbereitung und Air-Gap-Betriebsfähigkeiten bietet. HPE-CEO Antonio Neri betonte, dass KI-Infrastrukturentscheidungen untrennbar mit Daten-Governance und Souveränität verbunden sind. HPE Private Cloud AI bietet eine vorvalidierte lokale Umgebung, die darauf abzielt, die Integrationskomplexität zu reduzieren und die Bereitstellungszeitpläne zu beschleunigen. HPE gibt an, dass die Wertschöpfung im Vergleich zum selbstständigen Aufbau einer Umgebung 7- bis 12-mal schneller erfolgt. Private Cloud AI umfasst nun eine Governance-Datenschicht, die tief in die Nvidia AI Data Platform integriert ist und Unternehmen einheitliche Datenzugriffs- und Verwaltungsfähigkeiten bietet. HPE Alletra Storage MP Extend 1000 dient als Speicherbasis und unterstützt Echtzeit-Metadatenanreicherung und das native MCP-Protokoll. Die neue Konfiguration ist auf bis zu 256 GPUs skalierbar, einschließlich ProLiant DL394-Server mit optimierten Nvidia-GPUs, und integriert eine gemeinsame KV-Cache-Funktion, um die Kosten für das erste Token zu senken und die Leistung zu verbessern.
Im Bereich Identität und Sicherheit hat HPE ein dreistufiges Identitätsmodell für agentische Workloads vorgeschlagen, das Benutzerauthentifizierung, agentenbezogene Governance und manuelle Genehmigungsschritte umfasst. Die Lösung integriert zudem die isolierte Ausführungsumgebung von Nvidia OpenShell, die NeMo Guardrails-Richtlinien-Engine und die Zerto-Rollback-Funktion, um auf Ausführungsfehler von Agenten zu reagieren. Rami Rahim, Executive Vice President der HPE-Netzwerksparte, betonte weiter, dass das Netzwerk selbst durch Zero-Trust-Architektur und KI-gesteuerte Anomalieerkennung zu einer aktiven Durchsetzungsebene für die Agentensicherheit werden sollte.
Die Bereitstellung von HPE wurde bereits bei wichtigen Kunden validiert. Die Defense Information Systems Agency der USA hat HPE einen Zehnjahresvertrag zur Modernisierung ihrer digitalen und KI-Plattform erteilt, der eine NIST-konforme Private-Cloud-Umgebung erfordert. In Europa baut HPE für das Höchstleistungsrechenzentrum Stuttgart (HLRS) in Deutschland das HammerHAI-System auf, eine souveräne KI-Anlage mit einer Spitzen-KI-Inferenzleistung von über 15 Exaflops, die Forschungsinstitute und Industrieorganisationen bedient, die die europäischen Datenresidenzanforderungen einhalten müssen. Im Gesundheitswesen hat das St. Jude Children’s Research Hospital HPE Private Cloud AI eingeführt, um seinen klinischen und Forschungsteams KI-Fähigkeiten zu bieten und gleichzeitig sensible pädiatrische onkologische Daten zu schützen.
Die unternehmensweite KI-Bereitstellung ist keine einfache Entscheidung zwischen Cloud und lokalem Betrieb. Selbst Organisationen, die umfangreiche lokale KI-Umgebungen betreiben, sind auf die Public Cloud für bestimmte Workloads angewiesen, wie z. B. groß angelegtes Modelltraining, experimentelles Prototyping oder den Zugriff auf hochmoderne Modelle. Der Kern der Entscheidung ist eine Kombinationsfrage: Wo laufen verschiedene Workloads und welche Governance-Bedingungen muss jede Umgebung erfüllen? Vorvalidierte Referenzdesigns für private Bereitstellungen senken die Einstiegshürde für KI für Organisationen mit der geringsten Risikotoleranz.
Dieser Artikel wurde von Wedoany übersetzt und bearbeitet. Bei jeglicher Zitierung oder Nutzung durch künstliche Intelligenz (KI) ist die Quellenangabe „Wedoany“ zwingend vorgeschrieben. Sollten Urheberrechtsverletzungen oder andere Probleme vorliegen, bitten wir Sie, uns unverzüglich zu benachrichtigen. Wir werden den entsprechenden Inhalt umgehend anpassen oder löschen.
E-Mail: news@wedoany.com
