Beauftragt Im Zeitalter der Automatisierung und generativen KI (GenAI) ist es an der Zeit, zu überdenken, was „Rechenzentrum“ wirklich bedeutet. Für diejenigen, die stark in die öffentliche Cloud investiert haben, ist das Rechenzentrum vielleicht nicht der erste Ort, an den man denkt, wenn es um Automatisierung und GenAI geht, aber diese Technologien verändern schnell die Möglichkeiten in allen Umgebungen.

Als Unternehmen vor zehn oder fünfzehn Jahren begannen, die IT zu umgehen, indem sie Kreditkarten klauten und Entwickler auf Cloud-Ressourcen losließen, war die öffentliche Cloud absolut der richtige Schritt. In den meisten großen Unternehmen wurden interne Kunden oft ignoriert oder ihre Bedürfnisse wurden nicht vollständig erfüllt. Sie wollten Flexibilität, sie sehnten sich nach Skalierbarkeit und sie brauchten niedrige Vorlaufkosten, damit Inkubationsprojekte florieren konnten.

Wenn die Zeit stehen geblieben wäre, hätten die düsteren Prognostiker des Endes des Rechenzentrums vielleicht recht gehabt. Ich selbst war ein echter Cloud-Evangelist, bevor ich mehr über die andere Seite des Zauns erfuhr. Warum ist dieses vom Aussterben bedrohte Ereignis nicht eingetreten? Weil sich das Rechenzentrum angepasst hat. Natürlich gibt es „aaS“- und Abonnementmodelle, die jetzt vor Ort verfügbar sind; aber die eigentliche stabilisierende Kraft war die Automatisierung.

Das bringt uns zur Geschichte des Tages: GenAI und wie es die Automatisierung im Rechenzentrum zu einem Erlebnis machen kann, das der Public Cloud nahezu ebenbürtig ist. Bevor wir jedoch dort ankommen, müssen wir uns die Rolle ansehen, die Automatisierung und Skripterstellung im Rechenzentrum gespielt haben. Wir beginnen mit der Erläuterung einiger wesentlicher Dinge und erläutern dann, warum Automatisierung und GenAI die Möglichkeiten vor Ort verändert haben.

Cloud-Betriebsmodell und Infrastruktur als Code

Beginnen wir mit den Grundlagen: Die Grundlage der Cloud war Infrastructure as Code und die Idee, IT as a Service zu nutzen. Ihre Entwickler mussten nie mit einem Speicheradministrator, einem IT-Mitarbeiter oder dem Netzwerkteam sprechen, um eine Umgebung schnell einzurichten und mit der Arbeit zu beginnen. Dies dürfte im Jahr 2023 ein fester Bestandteil sein, und die gute Nachricht ist, dass es durchaus möglich ist, es selbst aufzubauen. Die Einführung dieses Betriebsmodells bedeutet, dass die IT neben der Automatisierung auch Richtlinien und Prozesse nutzt, um Reibungsverluste in der Umgebung zu vermeiden.

Projektmentalität – Zum Vergrößern anklicken

Visuelle Darstellung des Enderlebnisses, wenn Sie ein Cloud-Betriebsmodell automatisiert haben

Automatisierungstoolsets und Telemetriedaten

Heutzutage sind viele Automatisierungs-, Verwaltungs- und Telemetrie-/AIOps-Produkte verfügbar, die beispiellose Kontrolle und Einblicke in Rechenzentren bieten. Daten sind die Grundlage der KI und für die effektive Verwaltung eines Rechenzentrums. Die Kontrolle und Transparenz in Rechenzentren ist heute oft eine Obermenge dessen, was in der Public Cloud erreicht werden kann – obwohl die Hyperscaler auch in dieser Abteilung großartige Arbeit geleistet haben. Aufgrund der mandantenfähigen Natur der Cloud müssen Cloud-Anbieter einen Teil des Betriebswissens verschleiern, um die Sicherheit jedes Kunden zu gewährleisten. Dies führt zu Architekturentscheidungen, die die Art und Weise einschränken, wie einige Überwachungssysteme eingesetzt werden können und welche Daten gesammelt werden können. Ein wichtiger Schwerpunkt besteht darin, sicherzustellen, dass Sie diese Lösungen stark integrieren, Automatisierung und Infrastruktur als Code nutzen, alles messen/überwachen und einen zusammenhängenden Workflow für alle Ihre Rollen verwenden.

Gemeinsamer Automatisierungs-/Management-Stack – Zum Vergrößern anklicken

Visuelle Darstellung eines gemeinsamen Automatisierungs-/Management-Stacks

Die nächste Welle der IT-Automatisierung mit GenAI

Dies bringt uns zur nächsten Entwicklung des Rechenzentrums mit GenAI. Lassen Sie mich eine unterhaltsame Geschichte über eine frühere Rolle erzählen, bei der der Kunde den Marketingberater dazu veranlasste, ein praktisches HCI-Bereitstellungslabor für physische und virtuelle Infrastruktur aufzubauen, und ihm dann keine Fachexperten zur Hilfe stellte. Falls es nicht klar ist: Dieser Marketingberater war ich, und es war wahrscheinlich eines der anspruchsvollsten Projekte, an denen ich je gearbeitet habe. Ich habe Codefragmente und YouTube-Tutorials verwendet, um die Grundlagen für die Durchführung einer solchen Aufgabe zu erlernen. Ich habe Wochen damit verbracht, das Puzzle zusammenzusetzen und herauszufinden, wie die einzelnen Puzzleteile zusammenpassen. Wie durch ein Wunder habe ich es tatsächlich geschafft, es richtig zu machen, obwohl ich nicht viel über Programmieren wusste. Wie auch immer, hier ist Wonderwall ... ich meine, hier macht GenAI das.

GenAI ist die Suchmaschine und Code-Assembler-Maschine, nach der wir gesucht haben

Nun wohlgemerkt, in meinem praktischen Labor habe ich viel mehr getan, als nur Windows Server zu installieren, aber ich habe keinen Zweifel daran, dass es das könnte, wenn ich es bitten würde, den Rest dieses Prozesses bereitzustellen. Was so wichtig ist, ist, dass GenAI angesichts der Infrastructure-as-Code-Mentalität und in neuen Umgebungen, in denen Entwickler möglicherweise nicht mit dieser Art von Aufrufen oder Runbooks vertraut sind, ein neuer Verbündeter ist, der wirklich helfen kann. Vielen Menschen ist nicht bewusst, dass der Zugriff auf gängige Infrastrukturskripte weit verbreitet ist – und oft werden diese von den Technologieunternehmen selbst geschrieben. Sowohl Hardware- als auch Softwareanbieter verfügen über große Runbook-Repositories. Manchmal geht es nur darum, sie zu finden: Da kommt GenAI ins Spiel. Ein weiterer wichtiger Aspekt ist, dass die Infrastruktur selbst intelligent und sicher ist. Diese Befehle können zu Fernverwaltungszwecken an Tausende von Servern gesendet werden. Dadurch wird die Hürde bei der Verwaltung Ihrer Umgebung erheblich gesenkt.

GenAI und Prozessaufbau

Eine meiner liebsten Kundengeschichten klingt vielleicht etwas altbacken – ein bisschen wie die Geschichten darüber, dass man sich verlaufen hat oder jemanden nicht erreichen kann, die für diejenigen, die mit Smartphones aufgewachsen sind, unvorstellbar sind. Wir hören eine Menge Gespräche über Container, aber als ich dieses Thema mit einem Kunden ansprach, sagte er: „Ich kann nicht einmal meine VMware-Administratoren behalten. Warum glauben Sie, dass ich jemals Container machen könnte?“ Darüber habe ich viel nachgedacht und es ist wahrscheinlich die größte Herausforderung bei der Technologie: Wenn ich nicht über die nötigen Fähigkeiten verfüge, wie könnte ich sie dann integrieren? Hier kommt der nächste unglaubliche Reibungsreduzierer von GenAI ins Spiel: das Schreiben oder Finden von Dokumentationen.

In nur zwei Eingabeaufforderungen haben wir einen routinemäßigen und äußerst wertvollen Prozess dokumentiert und können ihn verwenden

Wir haben seit langem Zugriff auf eine unglaubliche Menge an Informationen, bisher war es jedoch nicht möglich, alles zu analysieren. Das ändert sich alles mit GenAI. Anstatt jetzt mit der Suche zu navigieren und Code-Repositorys zu durchsuchen, liefert eine einfache Abfrage oder Eingabeaufforderung in natürlicher Sprache genau die Dokumentation, die benötigt wird. Anstatt stundenlang nach Antworten zu suchen, steht Ihnen in wenigen Minuten eine umfassende Dokumentation zur Verfügung. Dadurch werden alle Hürden bei der Einführung von Technologie vollständig beseitigt. Hochstapler-Syndrom, Qualifikationsdefizite und Wechselkosten: Sie sind informiert.

Tausende Möglichkeiten, aber AI Ops ist der nächste

Ich möchte die vielfältigen Möglichkeiten anerkennen, wie diese Technologie uns beim Betrieb eines Rechenzentrums helfen kann. Der nächste Bereich, der einen erheblichen Mehrwert bietet, ist wahrscheinlich AI Ops. Diese umfangreichen Telemetriedaten können uns viel sagen, neigen aber auch zu Problemen mit dem Signal-Rausch-Verhältnis. Wir generieren einfach zu viele Daten, als dass Menschen alles analysieren und verstehen könnten. Indem wir diese Daten in GenAI übertragen und natürliche Sprache als Schnittstelle verwenden, werden wir Erkenntnisse einem breiteren Publikum zugänglich machen und es ermöglichen, Fragen zu stellen, an die wir beim Betrachten von Diagrammen und Rohdaten vielleicht nie gedacht hätten. Die durchschnittliche Zeit bis zur Lösung wird drastisch sinken, wenn wir diese Art von Daten verwenden. Es gibt jedoch einen massiven Nachteil, der uns zu unserem letzten Punkt bringt.

GenAI und Automatisierung verändern die Möglichkeiten, aber wir müssen sie mit Bedacht nutzen

Zwei der größten Herausforderungen bei GenAI müssen angegangen werden. Dabei handelt es sich um: den Verlust von geistigem Eigentum (IP) und dessen Fähigkeit, „halluzinieren” oder Dinge erfinden. Lassen Sie uns die einzelnen Aspekte auspacken und herausfinden, wie wir die Technologie nutzen können, ohne bei der Implementierung zu stolpern.

Lassen Sie uns zunächst über IP-Lecks sprechen. In jedem Szenario, in dem Daten an GenAI-Modelle gesendet werden, die als Dienst bereitgestellt werden, besteht das Risiko, dass geistiges Eigentum verloren geht. Ähnlich wie in den Anfängen der Public Cloud und der offenen S3-Buckets, den frühen Experimentatoren in ihrem Missbrauch oder Missverständnis, Risiko geschaffen für ihre Unternehmen. Der beste Weg, dem entgegenzuwirken, besteht darin, eine zentralisierte IT-Strategie zu haben, sie in Ihre allgemeinen Arbeitsabläufe oder Entwicklungspipeline einzufügen und schließlich den Aufbau Ihrer eigenen GenAI vor Ort für hochsensible Daten zu priorisieren, die nicht an eine AIaaS gelangen können, die ständig von Ihnen lernt Daten.

Der andere Vorteil der unternehmensinternen Einführung eines großen Sprachmodells (LLM) besteht darin, dass Sie es auch präziser gestalten und mit Leitplanken versehen können. Dadurch werden die generierten Antworten präziser und stehen im Kontext Ihres eigenen Unternehmens. Die Leitplanken können auch einige der „Halluzinationen“ stoppen, z. B. wenn die GenAI gezwungen ist zu antworten, aber ungenaue und/oder erfundene Informationen bereitstellt, um der Anfrage nachzukommen. Dies ist ein häufiges Problem bei GenAI. Die Realität ist, dass diese Tools alle noch in den Kinderschuhen stecken. So wie die meisten Tests in ihre Release-Pipeline einbauen würden, ist auch dies ein Bereich, in dem vor der Produktion strenger vorgegangen werden sollte. Ich bin ein großer Befürworter des Human-in-the-Loop oder des menschengestützten maschinellen Lernens als Möglichkeit, Fehler mit KI zu reduzieren.

Die Zukunft ist automatisiert

Das Rechenzentrum wird bleiben, kann aber mit GenAI und Automatisierung radikal verändert werden. Diese Tools können unsere Arbeitsabläufe verbessern und IT-Abteilungen und Entwicklern helfen, übermenschliche Fähigkeiten zu erlangen, sie sind jedoch kein direkter Ersatz für Menschen. Bei der Einführung Ihrer KI- und Automatisierungsstrategien ist es wichtig, darüber nachzudenken, was Sie erreichen möchten und auf welchem ​​Niveau Automatisierung, mit der Ihr Unternehmen vertraut ist. Die Zukunft ist rosig und die Fähigkeit, überall Innovationen zu schaffen, ist jetzt Realität.

Erfahren Sie, wie unsere Dell APEX-Portfolio hilft Unternehmen dabei, überall ein einheitliches Cloud-Erlebnis zu nutzen Technologien wie KI übernehmen und Innovationen beschleunigen.

Präsentiert von Dell Technologies.

• SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
• PlatoData.Network Vertikale generative KI. Motiviere dich selbst. Hier zugreifen.
• PlatoAiStream. Web3-Intelligenz. Wissen verstärkt. Hier zugreifen.
• PlatoESG. Automobil / Elektrofahrzeuge, Kohlenstoff, CleanTech, Energie, Umwelt, Solar, Abfallwirtschaft. Hier zugreifen.
• BlockOffsets. Modernisierung des Eigentums an Umweltkompensationen. Hier zugreifen.
• Quelle: https://go.theregister.com/feed/www.theregister.com/2023/06/23/generative_ai_and_automation_accelerating/