Cloudera: ML- und KI-Workloads befeuern Multi-Cloud-Umgebungen

Künstliche Intelligenz und Machine-Learning sind künftig die Treiber von Multi-Cloud-Umgebungen. Zu diesem Schluss kommt eine Umfrage von Cloudera und Harvard Business Review. Business-Intelligence und Data-Warehousing sollen dann ins zweite Glied zurücktreten. So richtig planvoll sind die Ansätze allerdings noch nicht. Um die datengetriebene Speicherung voranzutreiben, kündigt Cloudera seine Data Platform nun auch in die Private-Cloud an.

Data-Analytics: Machine-Learning und künstliche Intelligenz werden in den kommenden 3 Jahren wichtiger (Quelle: Harvard Business Review ).Business-Intelligence und Data-Warehousing sind für Unternehmen heute nach wie vor elementare Aspekte bei der Datenhaltung bzw. der daraus resultierenden Speicherstrategie. In drei Jahren allerdings nicht mehr. Zu diesem Schluss kommt die Studie, mit dem schmissigen Titel Critical Success Factors to Achieve a Better Enterprise Strategy in a Multi-Cloud Environment von Harvard Business Review (HBR) und dem Open-Source-Anbieter Cloudera. Befragt wurden vor allem Großunternehmen, konkret über 150 Geschäftsführer weltweit, von denen über die Hälfte über eine Milliarde US-Dollar Umsatz verantwortet.

Cloud ja, Plan nein?

Demnach planen bereits 51 Prozent der Unternehmen, künftig Multiple-Cloud-Ansätze umzusetzen. Wobei nur 34 Prozent angeben, eine klare Strategie, also einen konkreten Plan, für die daraus resultierenden Datenmanagementaufgaben zu besitzen.

Wobei die Studie nicht exakt zwischen Multi-Cloud (Nutzung paralleler Public Cloud-Angebote) und Hybrid-Cloud (die Kombination von privater und öffentlicher Cloud) differenziert. Die Cloud jedenfalls, konstatieren die Marktbeobachter unisono mit den Analysten von Gartner, wird bis 2022 über die Hälfte der Daten in Realtime-/Analytics-Anwendungen beherbergen.

Nach HBR wollen 49 Prozent die Cloud innerhalb der nächsten drei Jahre verstärkt für ML- und KI-Workloads (Machine-Learning und Künstliche Intelligenz) nutzen. 69 Prozent sind sich zwar bewusst, dass es dafür übergreifende Datenstrategien bräuchte, aber nur 35 Prozent sehen sich dafür adäquat aufgestellt.

Dies ergibt ein recht diffuses Gesamtbild: Die Akzeptanz für die Notwendigkeit multibler Cloud-Nutzung wächst demnach, aber bei der konkreten Umsetzung für die nächsten drei Jahre stochern die Unternehmen mehr im Bodennebel als in den gewünschten Wolkenregionen.

KI und ML drängen Unternehmen in die Cloud

Die Studie konstatiert, dass heute Business-Intelligence (zu 79 Prozent) und Data-Warehousing (zu 69 Prozent) die dominanten Aspekte bei der Datenhaltung und Speicherausrichtung einnehmen. Binnen drei Jahren sollen diese Werte allerdings drastisch sinken (auf 51 bzw. 32 Prozent). Stattdessen werden andere Aspekte der Datenhaltung wichtiger, und mit ihnen die Cloud-Lösungen: Ausgehend von 30 (KI) bzw. 34 (ML) Prozent sollen beide Realtime-Technologien in drei Jahren für 49 Prozent der Unternehmen oberste Priorität erlangen. Artverwandt soll Intelligent Automation von 30 auf 48 Prozent als primärer Motivationsfaktor für die Ausrichtung der Speicherstrategie dienen.

Das Datenmanagement ist heterogen verteilt (Quelle: Harvard Business Review).

Cloudera sieht das Potenzial in Open-Source

Der Bericht von Harvard Business Review Analytic Services thematisiert auch, dass die Anforderungen an die Gesetzeskonformität (Regulatory Compliance) zu der großen Unsicherheit bzw. Planlosigkeit bei der Adaption der Cloud-Technologien und -ansätze beiträgt.

»Dieser Bericht zeigt spezifische Hindernisse auf, die moderne Unternehmen überwinden müssen, um das wahre Potenzial ihrer Daten auszuschöpfen, und bestätigt die Notwendigkeit eines neuen Ansatzes für die Unternehmensdatenstrategie«, meint Arun Murthy, Chief Product Officer von Cloudera. Unternehmen müssten daher bestrebt sein, sich in Punkto Datenanalyse möglichst gut aufzustellen. Ziel sollte sein, dass Mitarbeiter möglichst schnell und einfach Erkenntnisse aus den Daten gewinnen können.

Hier sieht sich Murthy, mit der Cloudera Data Platform (CDP) und dem damit verbundenen datengetriebenen Konzept, natürlich gut aufgestellt. Das heißt, die Unternehmensdaten werden unabhängig vom Ablageort verarbeitet. Eine Multifunktionsanalyse auf einer einheitlichen Plattform soll Silos eliminieren und datengesteuerte Erkenntnisse beschleunigen.

CDP: Datengetriebene Speicherung auch für lokale Rechenzentren

Anupam Singh, ClouderaCDP ist ab sofort auch für Private-Cloud im lokalen Rechenzentrum verfügbar: »Die durch CDP Private Cloud möglichen Datenanalysen erlauben es Mitarbeitern, Teams und Unternehmen intelligenter zu arbeiten«, erklärt Anupam Singh, Chief Customer Officer bei Cloudera. »Mitarbeiter sind produktiver, weil sie über einen Self-Service-Zugang genau die Daten und Analysen einsehen können, die sie für effizienteres Arbeiten benötigen. Teams arbeiten kollaborativer, da sie von überall schnell auf Daten zugreifen und diese untereinander teilen können. Unternehmen sind agiler, weil sie dank der leistungsstarken Datenanalysefunktionen von CDP Private Cloud schnellere und bessere Entscheidungen treffen können.«

Die Container-basierten Management-Tools der CDP Private Cloud sollen die Zeit für die Bereitstellung von Analysen und Modellen für maschinelles Lernen von Wochen auf Minuten reduzieren. Dies vereinfache, laut Hersteller, den Betrieb für die IT-Abteilung. Zudem verspricht Cloudera eine bessere Wirtschaftlichkeit von Rechenzentren, indem die Server-Auslastung um bis zu 70 Prozent erhöht und gleichzeitig die benötigten Speicher- und Rechenzentrums-Ressourcen reduziert werden. Insgesamt soll CDP Private Cloud bei gleicher Infrastruktur bis zu 50 Prozent mehr Analysen liefern.

Mit der CDP Private Cloud bedient die IT-Abteilung die exponentielle Nachfrage nach Datenanalysen und Services im Bereich des maschinellen Lernens. Die hybride Datenarchitektur lässt sich laut Hersteller bis in den PByte-Bereich skalieren und in privaten und öffentlichen Clouds nutzen. IDC zufolge kommen 84 Prozent der Anwender-Workloads aus der Public-Cloud, 67 Prozent der zugehörigen Anwendungen laufen in öffentlichen oder privaten Cloud-Umgebungen.

»CDP Private Cloud verbindet On-Premises-Umgebungen und öffentliche Clouds mit konsistenter, integrierter Security und Governance«, sagt Singh. »Hinsichtlich Nutzererfahrung im Bereich Analytik unterscheidet sich die Lösung für das Rechenzentrum nicht von dem bewährten Angebot der CDP Public Cloud für AWS oder Azure.«

.