Sind alte Daten nicht einfach nur Big Data im neuen Gewand?
KI-Innovationen führen zu einem exponentiellen Wachstum des Datenvolumens und -wertes. Genauer gesagt hält die generative KI endlich, was Big Data versprochen hat – sie verwandelt Informationen in verwertbare Informationen.
Aber hier liegt der eigentliche Wandel: Diese Erkenntnisse stammen nicht nur aus den Daten von gestern. Sie stammen aus allem, was eine Organisation jemals erfasst hat. Jedes Byte könnte den nächsten Durchbruch enthalten.
Aus diesem Grund betrachten Unternehmen Daten neu als langfristiges strategisches Gut und nicht als etwas, das man wegwerfen kann. Big Data gibt Ihnen das „Jetzt“. Historische Daten geben Ihnen das „Warum“. Gemeinsam fördern sie die Intelligenz.
Melyssa Banda ist SVP Edge Storage and Services bei Seagate
Warum sind alte Daten so wichtig (KI, ML) und wo liegen sie hauptsächlich? (Band? alte Festplatten? Papier?)
KI existiert nicht ohne Daten und die leistungsstärksten Modelle basieren auf Mustern, die sich über die Zeit erstrecken. Historische Daten liefern KI-Kontext und verwandeln Vorhersagen in Präzision und Ideen in Innovation.
Stellen Sie sich das so vor: Die Menschheit hat schon immer Informationen aufbewahrt – von Tontafeln in Mesopotamien bis hin zu Lochkarten für die US-Volkszählung. Der Unterschied besteht heute darin, dass die Einsätze höher sind. KI lebt von Volumen und Vielfalt. Mehr Daten bedeuten bessere Ergebnisse und verschaffen Unternehmen einen Wettbewerbsvorteil.
Was den Speicherort dieser Daten betrifft, so wird der überwiegende Teil davon, etwa 87 % bei großen Bereitstellungen, auf Festplatten gespeichert. Moderne KI-Workloads erfordern skalierbare Festplatten mit hoher Kapazität, die für dauerhaften Durchsatz und Haltbarkeit optimiert sind. Dabei kommt es nicht mehr nur auf die Geschwindigkeit an, sondern auch auf die Bewältigung riesiger Volumina, die Sicherstellung einer langfristigen Aufbewahrung und dies in großem Maßstab.
Die Pflege alter Daten ist mit Kosten verbunden. Was kann passieren, wenn Unternehmen beschließen, alte Daten vollständig zu löschen?
Durch das Löschen von Daten werden keine Kosten eingespart, sondern der potenzielle Wert vernichtet. Jedes gelöschte Byte ist eine verpasste Gelegenheit, bessere Modelle zu trainieren und proprietäre Erkenntnisse zu gewinnen.
In Branchen wie dem Finanzwesen, dem Gesundheitswesen und der Fertigung sind historische Daten für die Erkennung von Anomalien, die vorausschauende Wartung und die Trendanalyse unerlässlich. Ohne sie wird die KI weniger genau, weniger transparent und weniger vertrauenswürdig.
Es gibt auch einen Compliance-Aspekt. Regulierungsbehörden fordern zunehmend Überprüfbarkeit bei der KI-Entscheidungsfindung. Wenn Sie Ihre Trainingsdaten nicht zurückverfolgen können, können Sie die Verantwortlichkeit nicht nachweisen.
Das Löschen historischer Daten ist wie das Löschen des institutionellen Gedächtnisses. Sie verlieren den Rohstoff für Innovation. Sobald es weg ist, ist sein Wert weg.
Vor Jahren fragten Kunden: „Warum speichern wir all diese Daten?“ Heute fragen sie: „Warum löschen wir es? Helfen Sie uns, es aufzubewahren.“
Welche Lösungen können die OPEX für die Speicherung alter Daten reduzieren?
Das Ziel besteht nicht nur darin, Daten kostengünstig zu speichern, sondern sie intelligent zu speichern. Viele Unternehmen wechseln zu mehrschichtigen Speicherarchitekturen, bei denen sich häufig abgerufene Daten auf Hochleistungssystemen befinden, während ältere oder weniger genutzte Daten auf kostenoptimierte Schichten verschoben werden.
Dieser Ansatz stellt sicher, dass Unternehmen nicht für Leistung bezahlen, die sie nicht benötigen. Kurz gesagt: Shoppen Sie intelligenter und nicht nur billiger.
In einer Erklärung sagten Sie/Seagate, dass Unternehmen das Datenlebenszyklusmanagement überdenken müssen – aber ist das tatsächlich möglich, da sich die Technologie so schnell entwickelt wie derzeit?
KI hat den Wert von Daten neu definiert, was bedeutet, dass Datenlebenszyklusmanagement nicht länger Archivierung bedeuten kann. Es geht darum, eine flexible, skalierbare Infrastruktur aufzubauen, die sich an die Entwicklung der Arbeitslast anpasst.
Das alte „Speichern und Vergessen“-Modell funktioniert nicht mehr. Betrachten Sie Daten als Kapital, sie sind dynamisch, ebenso wie die Technologie, die sie antreibt. Unternehmen, die das Lebenszyklusmanagement heute neu überdenken, halten nicht nur mit, sie bauen auch eine Grundlage auf, die mit ihnen skaliert.
