de.wedoany.com-Bericht: Google Cloud hat den „Infrastruktur-Statusbericht“ veröffentlicht, in dem 83 % der Organisationen angeben, dass sie ihre bestehende Infrastruktur aufrüsten müssen, um produktionsreife agentische KI-Systeme (agentic AI) zu unterstützen. Gleichzeitig stellte das Unternehmen die „Agentische Daten-Cloud“-Lösung vor, die darauf abzielt, Daten, KI-Modelle und operative Datenbanken in einem einheitlichen Aktionssystem zu integrieren.
Google Cloud ist der Ansicht, dass das derzeitige Haupthindernis für die Skalierung von KI nicht die Modellleistung ist, sondern der Zugang zum geschäftlichen Kontext und die unterstützende Systeminfrastruktur. Der Bericht zeigt, dass 43 % der IT-Führungskräfte die Integration traditioneller APIs und Datenquellen als die größte Infrastrukturlücke für agentische KI betrachten. Im Gegensatz zu herkömmlichen Software-Workflows kann ein Agent von einer einzigen Eingabeaufforderung ausgehen und Abfragen sowie Ausführungsvorgänge über mehrere Anwendungen und Daten hinweg auslösen, was die Infrastrukturschichten belastet, die nicht für solche Arbeitslasten ausgelegt sind.
Der Bericht zeigt außerdem, dass 81 % der Führungskräfte die betriebliche Komplexität und den technischen Aufwand als die größten unerwarteten Kosten bei der Skalierung von KI betrachten. Dies bedeutet, dass viele KI-Projekte ins Stocken geraten könnten, da die Ingenieurteams viel Zeit damit verbringen müssen, fragmentierte Systeme zu verbinden. Google Cloud weist darauf hin, dass der geschäftliche Kontext oft in fragmentierten Systemen und traditionellen Architekturen gefangen ist. Um dieses Problem zu lösen, ermöglicht das „grenzenlose Lakehouse“-Modell (borderless lakehouse) Agenten, mit Tools wie BigQuery und Spanner auf Daten über verschiedene Umgebungen hinweg zuzugreifen. Diese Tools basieren auf offenen Standards wie Apache Spark und Apache Iceberg und zielen darauf ab, die Notwendigkeit zu reduzieren, große Datenmengen an einen zentralen Ort zu verschieben.
Um die Datenverständnisfähigkeit von KI-Systemen zu verbessern, betont Google Cloud die Bedeutung der semantischen Schicht. Der Bericht zeigt, dass 36 % der Führungskräfte das Fehlen einer hochdurchsatzfähigen Vektordatenbank für die KI-Grundierung (AI grounding) als entscheidende Lücke betrachten. Das Produkt „Wissenskatalog“ (Knowledge Catalog) kann Informationen in Data Lakes aggregieren und anreichern und unterstützt Agenten dabei, semantischen Kontext aus unstrukturierten Informationen zu extrahieren. Für Unternehmen geht es nicht nur darum, Daten zu finden, sondern auch darum, ob KI-Systeme sicher auf der Grundlage dieser Daten handeln können.
Google Cloud stellt fest, dass sich KI-Anwendungen von Modellexperimenten hin zur Architekturneugestaltung verlagern. Viele Unternehmen haben generative KI-Tools getestet, aber um sie in Systeme zu verwandeln, die automatisch Aufgaben in den Bereichen Finanzen, Kundenservice usw. erledigen können, ist eine engere Kopplung zwischen Daten und Infrastruktur erforderlich. Dies betrifft Cloud-Anbieter, Datenbankanbieter und Unternehmenssoftwaregruppen und wirft auch Fragen zu den Ausgaben der Kunden auf. Die Kernaussage des Berichts bleibt, dass 83 % der Organisationen eine Infrastrukturaufrüstung für notwendig halten, um produktionsreife agentische KI-Systeme zu unterstützen.
