Multi-Cloud-Expertise als Chance für Systemhäuser

KI-Anwendungen treiben Einsatz von Multi-Cloud-Architekturen

Die Ära der klassischen Rechenzentren scheint langsam zu Ende zu gehen. Multicloud - also die Nutzung von zwei oder mehr öffentlichen Clouds unterschiedlicher Anbieter - gilt als der Erfolgsfaktor. Verstärkt wird dies durch die Vorteile, die sich aus dem Einsatz von Künstlicher Intelligenz (KI) ergeben. Denn diese KI-Lösungen stammen fast ausnahmslos von Cloud-Anbietern. Beim Aufbau einer Multi-Cloud-Struktur und der Migration in eine solche IT-Architektur ergeben sich große Umsatzpotenziale für Systemhäuser.

Die ChannelAcademy unterstützt Reseller bei der Positionierung als Partner mit Expertise für Multicloud-Architekturen.

Will ein Unternehmen die besten Dienste und Funktionen verschiedener Anbieter kombinieren, muss es diese Dienste in der Regel aus verschiedenen Clouds beziehen. Denn nur solche Multi-Cloud-Architekturen bieten die größtmögliche Flexibilität, um die spezifischen Bedürfnisse eines Unternehmens zu erfüllen. Zudem sind Unternehmen nicht an einen einzigen Cloud-Anbieter gebunden und können flexibel auf Marktveränderungen oder spezielle Anforderungen reagieren.

Auch das Thema Optimierung spricht für die Nutzung einer Multicloud, denn durch die Auswahl der besten Services verschiedener Anbieter können Unternehmen ihre IT-Ressourcen optimal nutzen. Ein weiteres Argument für die Nutzung mehrerer Clouds ist die Risikominimierung: Die Verteilung von Workloads auf mehrere Clouds reduziert das Ausfallrisiko und die Abhängigkeit von einem einzelnen Cloud-Anbieter.

Wenn jedoch eine IT-Infrastruktur aus vielen Komponenten besteht, muss die IT-Abteilung in der Lage sein, diese vielen Bereiche zu unterstützen und nahtlos zu integrieren. Denn die gleichen Funktionen, die mehr Flexibilität und Zuverlässigkeit bieten, bringen auch zusätzliche Sicherheitsrisiken und IT-Herausforderungen mit sich. All diese Probleme, mit denen IT-Teams beim Cloud Computing konfrontiert sind, werden in Multi-Cloud-Umgebungen noch verstärkt, wodurch es schwieriger wird, kritische Probleme in der Cloud zu erkennen, zu untersuchen und zu lösen.

Herausforderung in Sachen IT-Security

Ein weiteres Problem betrifft die IT-Sicherheit: Herkömmliche Cyber-Sicherheitsgrundsätze sind nicht unbedingt auf Multi-Cloud-Umgebungen anwendbar. Ein Unternehmen kann zwar mehrere Lösungen zur Überwachung seiner Cloud-Dienste einsetzen, aber diese Methode verlangsamt die Teams und verursacht Kosten, insbesondere wenn zeitkritische Probleme auftreten. Auch die Beschaffung von Informationen über einen Ausfall oder eine Sicherheitsverletzung in einem Multi-Cloud-System kann den IT- und Sicherheitsteams Kopfzerbrechen bereiten und das Unternehmen Zeit und Geld sowie die Zufriedenheit und das Vertrauen der Nutzer kosten.

Eine geringere Transparenz über den gesamten IT-Stack hinweg bedeutet auch, dass IT-Teams viel mehr Zeit damit verbringen, herauszufinden, wo und warum Ausfälle auftreten. Dazu müssen sie möglicherweise zwischen verschiedenen Überwachungssystemen wechseln, um Ereignisdaten zu korrelieren und zu analysieren und so ein vollständiges Bild zu erhalten. Bei einem Dienstausfall oder einem böswilligen Angriff zählt jede Minute, und die zusätzliche Komplexität eines Multi-Cloud-Systems wirkt sich direkt auf das Endergebnis aus. Daher sind spezielle Fähigkeiten erforderlich. Für viele Unternehmen aus dem KMU-Umfeld ist dies jedoch kaum realisierbar - hier kommen kompetente Systemhäuser ins Spiel.

Sie verfügen über die notwendige Erfahrung, um ein digitales Ökosystem in der Cloud zu konzipieren. Dabei geht es darum, die komplexe Architektur zunächst als Blueprint und dann als robustes, skalierbares Framework zu entwickeln. Auf diese Weise können Leistungsfähigkeit und Kosteneffizienz in Einklang gebracht werden. Eine möglichst einfache Integration in die jeweils bestehende IT - unter Beibehaltung möglichst vieler Ressourcen - gehört dabei zu einer maßgeschneiderten Architektur.

Geplanter Übergang

Ein modernes Lösungsdesign umfasst die Nutzung moderner Cloud-Umgebungen, die Integration von Hybrid- und Multi-Cloud-Ansätzen sowie die Durchführung der eigentlichen Migration. Ein solcher Übergang muss optimal orchestriert werden, die bestehenden Workloads müssen passgenau in die Cloud überführt werden. Dabei sollten Ausfallzeiten minimiert und die vorhandenen Daten bestmöglich geschützt werden. Die gesamte Transformation muss der Vorgabe folgen, dass der Geschäftsbetrieb nicht gestört werden darf.

Mit dem Umlegen des Schalters, also der Durchführung der Migration, ist es nicht getan. Denn die Betreuung nach der Migration darf nicht vernachlässigt werden. Dazu sollte ein Partner, also das Systemhaus, die laufende Wartung, den Support und die Überwachung der neuen Infrastruktur anbieten können. Nur so können Probleme schnell und zuverlässig gelöst werden und die kontinuierliche Optimierung der Multicloud-Umgebung wächst mit den Bedürfnissen des Anwenderunternehmens.

Möchte das Unternehmen die neue IT-Umgebung hingegen weitgehend selbst betreuen, ist eine möglichst reibungslose Übergabe an die eigenen Mitarbeiter erforderlich. Kompetente Systemhäuser sind in der Lage, den Wissenstransfer in definierten Zeitfenstern zu ermöglichen und darüber hinaus eine kontinuierliche Optimierung des IT-Betriebs umzusetzen.

Künstliche Intelligenz kommt aus der Cloud

Ein wichtiger Treiber für Multi-Cloud-Konfigurationen ist der Einsatz von KI-Anwendungen. Denn fast alle Unternehmen, die Cloud-Dienste nutzen, beziehen ihre KI-Lösungen von Cloud-Anbietern. Will sich ein Unternehmen erfolgreich am Markt positionieren und im Wettbewerb behaupten, benötigt es über kurz oder lang eine Strategie für den Einsatz von Anwendungen, die primär auf Künstlicher Intelligenz setzen. So sind laut Digitalverband Deutschland (Bitkom) rund 78 Prozent der hiesigen Unternehmen davon überzeugt, dass KI als Technologie entscheidend sein wird, um auch in Zukunft weltweit erfolgreich zu sein.

Ein wichtiges Anwendungsgebiet der KI ist die Datenanalyse (Data Analytics). Der Begriff „Big Data“ war lange Zeit für viele Menschen wenig greifbar. Mit der zunehmenden Digitalisierung und der Umstellung vieler Unternehmensprozesse auf eine teil- oder vollautomatische Steuerung rückt die Datenanalyse in den Fokus verschiedenster Berufsgruppen. Denn durch den Einsatz leistungsfähiger Computer, moderner KI-Technologien und KI-Anwendungen lassen sich schier unendliche Datenmengen nutzen. Doch diese Datenmengen sind „onprem“ - also im eigenen Haus - nur schwer zu bewältigen.

Betrachtet man die vom Informationsdienst der Deutschen Wirtschaft (IDW) prognostizierte Steigerung der weltweit zu verarbeitenden Datenmengen von rund 33 Zettabyte (ZB) im Jahr 2018 um jährlich rund 27 Prozent auf 175 Zettabyte im Jahr 2025, wird deutlich, wie wichtig der Einsatz von Künstlicher Intelligenz (KI) und Maschinellem Lernen (ML) für Unternehmen in Zukunft sein wird. Denn nur mit Hilfe von KI bzw. KI-Technologien lassen sich diese Datenmengen überhaupt auswerten, um darauf aufbauend Geschäftsentscheidungen zu treffen und den Unternehmenserfolg zu sichern.

Je mehr Rohdaten dabei zur Verfügung stehen, desto mehr Algorithmen der Künstlichen Intelligenz und des maschinellen Lernens können gefüttert und trainiert werden. Hinzu kommt eine umfassende Verknüpfung von Informationen und die Nutzung unterschiedlichster Quellen, um die Daten miteinander in Beziehung zu setzen. Auf diese Weise lassen sich nach einer umfangreichen Datenanalyse mit Hilfe von KI-Technologien und -Anwendungen wertvolle Erkenntnisse ableiten, um beispielsweise mit Hilfe von Business Analytics bestehende Prozesse zu optimieren, Einsparpotenziale bzw. Kostentreiber zu identifizieren oder die Qualität in den unterschiedlichsten Bereichen gezielt zu verbessern.

Die Vielzahl der Angebote und die Spezifität der verfügbaren KI-Lösungen erschweren insbesondere Fachfremden die Auswahl. Es fehlt an Übersicht und Bewertungskriterien, um KI-Plattformen anbieterunabhängig, aber auf die individuelle Problemstellung zugeschnitten, miteinander vergleichen zu können. Auch hier können sich Systemhäuser mit einem geschärften KI-Profil als geeignete Partner präsentieren.

Checkliste

© ROUTMAIL Redaktion
Author Rainer Huttenloher

Linkliste Security-Hersteller

• AWS
• Azure Cloud (Microsoft)
• Cloudera
• Google Cloud
• IBM Cloud (Kyndryl)
• IONOS
• Oracle Cloud
• OVHcloud
• Plusserver
• SAP Cloud