Edge und On-Premises: KI-Infrastrukturen: Sieben Anwendungsfälle, bei denen lokale Systeme der Cloud überlegen sind

Die Cloud ermöglicht Unternehmen einen schnellen Einstieg in den Einsatz künstlicher Intelligenz. Doch bei sensiblen Daten, hohen Echtzeitanforderungen oder kritischen Geschäftsprozessen stoßen Cloud-basierte KI-Anwendungen an Grenzen. Der Speicheranbieter Cloudian nennt sieben Einsatzbereiche, in denen lokale KI-Infrastrukturen Vorteile bieten. Dazu zählen Fertigung, Gesundheitswesen, Finanzdienstleistungen und kritische Infrastrukturen.

KI-Anwendungen lassen sich in der Cloud flexibel bereitstellen und betreiben, ohne dass Unternehmen eigene Systeme und Plattformen aufbauen müssen. Allerdings ist die Cloud nicht für jeden Anwendungsfall die geeignete Betriebsumgebung. Insbesondere bei hohen Anforderungen an Datenschutz, Verfügbarkeit und Reaktionsgeschwindigkeit können lokale KI-Infrastrukturen die bessere Wahl sein.

Entscheidend ist dabei nicht allein, wo die KI-Modelle ausgeführt werden. Auch der Speicherort und die Menge der zu verarbeitenden Daten spielen eine wichtige Rolle. Müssen große Datenbestände regelmäßig in die Cloud übertragen werden, entstehen zusätzliche Anforderungen an Bandbreite, Speicherkapazität und Kosten. Eine Verarbeitung direkt am Entstehungsort der Daten oder im eigenen Rechenzentrum kann diese Herausforderungen reduzieren.

Der Objektspeicheranbieter Cloudian hat sieben Anwendungsfälle zusammengestellt, bei denen KI-Anwendungen bevorzugt lokal betrieben werden sollten.

Sieben Einsatzbereiche für lokale KI-Infrastrukturen

1. Interne Chatbots und Wissenssysteme

KI-gestützte Wissensbots können interne Informationen erschließen und unternehmensspezifische Fragen beantworten. Dafür benötigen sie Zugriff auf Dokumente, Datenbanken und weitere interne Informationsquellen. Da diese häufig personenbezogene Daten oder geschäftskritisches Wissen enthalten, kann eine lokale Verarbeitung sinnvoll sein. Gleichzeitig entfällt die Übertragung großer Datenbestände in die Cloud.

2. Videoanalysen am Edge

Bei der Auswertung von Videodaten, etwa zur Überwachung von Besucherströmen, zur Verkehrssteuerung oder zur Erkennung von Sicherheitsvorfällen, entstehen erhebliche Datenmengen. Hochauflösende Kameras liefern selbst bei komprimierter Übertragung mehrere Gigabyte pro Stunde.

Eine KI-Verarbeitung direkt am Edge reduziert den Bandbreitenbedarf. Ausgewählte Videosequenzen können anschließend für weiterführende Analysen oder das Nachtraining der Modelle in ein Rechenzentrum übertragen werden.

3. KI in der industriellen Fertigung

In Produktionsumgebungen unterstützt KI unter anderem die Qualitätskontrolle, die Optimierung von Fertigungsparametern und die frühzeitige Erkennung von Maschinenverschleiß. Viele dieser Anwendungen erfordern schnelle Entscheidungen, damit Maschinen und Steuerungssysteme unmittelbar reagieren können.

Lokale KI-Systeme verringern die Abhängigkeit von Netzwerkverbindungen und vermeiden Verzögerungen durch Cloud-Übertragungen. Zudem verbleiben sensible Informationen zu Produktionsverfahren, Materialien und Modellen innerhalb der eigenen Infrastruktur.

4. Medizinische Anwendungen

Im Gesundheitswesen verarbeitet KI häufig besonders schützenswerte Informationen wie MRT- und CT-Aufnahmen, Laborergebnisse oder Patientenakten. Eine lokale Datenverarbeitung erleichtert die Kontrolle über Zugriffe und die Umsetzung von Datenschutzanforderungen.

Auch die Verfügbarkeit ist entscheidend: KI-Anwendungen in klinischen Abläufen müssen teilweise selbst bei gestörten Internetverbindungen funktionieren. In Notaufnahmen, Intensivstationen und Operationssälen kommen zusätzliche Echtzeitanforderungen hinzu.

5. Betrugserkennung im Finanzsektor

Bei elektronischen Zahlungsvorgängen müssen KI-Systeme verdächtige Transaktionen teilweise innerhalb weniger Millisekunden bewerten. Vergleichbare Anforderungen entstehen beim Echtzeithandel und bei der automatisierten Kreditvergabe.

Eine Verarbeitung am Edge oder im lokalen Rechenzentrum kann die erforderlichen Reaktionszeiten unterstützen. Darüber hinaus sprechen sensible Kundendaten für lokale Systeme, beispielsweise bei der KI-gestützten Bewertung von Versicherungsschäden und der Erkennung manipulierter Schadensbilder.

6. Autonome Fahrzeuge und Roboter

Autonome Systeme müssen Sensordaten unmittelbar auswerten und innerhalb von Sekundenbruchteilen auf Veränderungen ihrer Umgebung reagieren. Deshalb erfolgt die KI-Verarbeitung direkt im Fahrzeug oder Roboter.

Für die spätere Weiterentwicklung der Modelle lassen sich Telemetriedaten in ein Rechenzentrum übertragen. Angesichts der großen Datenmengen können zentrale Cloud-Verarbeitungen jedoch erhebliche Kosten verursachen. Hinzu kommen Datenschutzanforderungen bei Bildaufnahmen, Bewegungsmustern und Betriebsdaten.

7. KI in kritischen Infrastrukturen

Versorgungsunternehmen, Telekommunikationsanbieter, Verkehrsbetriebe, Krankenhäuser und Behörden unterliegen hohen Sicherheits- und Verfügbarkeitsanforderungen.

Lokale KI-Infrastrukturen ermöglichen eine weitgehende Kontrolle über Systeme und Daten. Sie können unabhängig von öffentlichen Cloud-Diensten betrieben und bei Bedarf vollständig von externen Netzwerken getrennt werden. Solche sogenannten Air-Gapped-Systeme bieten zusätzliche Möglichkeiten zur Abschottung sensibler Betriebsumgebungen.

Datenkontrolle und Verfügbarkeit als Entscheidungskriterien

Bei der Wahl zwischen Cloud und lokaler Infrastruktur sollten Unternehmen neben der technischen Leistungsfähigkeit auch die Anforderungen an Datenhoheit, Betriebssicherheit und regulatorische Nachvollziehbarkeit berücksichtigen.

„Lokale Systeme sind oft die bessere Wahl – nicht zuletzt, weil dort auch viele Anforderungen aus dem EU AI Act hinsichtlich Transparenz und Nachvollziehbarkeit besser umsetzbar sind. Mit modernen Objektspeicher-Plattformen lassen sich große Datenmengen sicher, effizient und kostengünstig verwalten und der KI mit der benötigten Latenz und Performance zur Verfügung stellen. Per Object Lock können die Daten dabei vor der Verschlüsselung durch Ransomware geschützt werden, aber auch vor versehentlichen Veränderungen – was wichtig für die Einhaltung von Transparenz- und Archivierungsvorgaben ist.“ – so Uhl.

Damit rückt auch die Speicherinfrastruktur stärker in den Mittelpunkt der KI-Strategie. Unternehmen müssen sicherstellen, dass große Datenbestände mit ausreichender Geschwindigkeit bereitstehen und gleichzeitig gegen unbefugte Zugriffe und Veränderungen geschützt sind. Lokale KI-Infrastrukturen können insbesondere dort Vorteile bieten, wo Echtzeitverarbeitung, Datenschutz und eine hohe Unabhängigkeit von externen Diensten erforderlich sind.

---

Weitere Informationen zu Cloudian finden Sie hier.