Aktueller Channel Fokus:

Business Continuity

DATA Storage & Analytics Technology Conference 2019

Technische Voraussetzungen für KI-Projekte

| Autor: Klaus Länger

Kurt Gerecke, Storage Berater bei Tech Data Advanced Solutions
Kurt Gerecke, Storage Berater bei Tech Data Advanced Solutions (Bild: Tech Data Advanced Solutions)

KI-Projekte erfordern sehr spezielle technische Voraussetzungen. Kurt Gerecke, Storage-Berater bei Tech Data AS, erläutert die Rolle von GPU-Computing und die vielfältigen Herausforderungen an die Storage-Lösungen, die KI und maschinelles Lernen stellen.

ITB: Welche Rolle spielt GPU-Computing für erfolgreiche KI-Projekte?

Gerecke:KI und Teilbereiche des maschinellen Lernens stand in den letzten Jahrzehnten immer wieder im Mittelpunkt von IT-Aktivitäten und scheiterte oft an technischen Hürden unterschiedlichster Art. Was für Machine- und Deep-Learning-Projekte fehlte, waren zum einen die Daten und zum anderen die Rechenleistung. Mit GPU-Computing können solche Projekte heute aufgrund der hohen Leistungsfähigkeit erfolgreich umgesetzt werden. Es sind aber noch viele andere Dinge, die für ein erfolgreiches Projekt eine Rolle spielen, notwendig. Neben dem GPU-Computing spielt die CPU, die Kommunikationsbandbreiten zwischen CPU und GPUs, zwischen den GPUs selbst, die Übertragungsbandbreiten von den Rechnern auf die Speicherinfrastrukturen, die Datensammlung und die Aufbereitung für das Training, die Frameworks zur Datenstrom orientierten Programmierung, Tools und Frameworks für die Algorithmen zum maschinellen Lernen und vieles mehr an neuen Technologien eine ebenso wichtige Rolle. Allein schon die Definition eines „Use-Cases“, was will man erreichen, und die damit verbundene planerische Arbeit ist sehr komplex.

Ergänzendes zum Thema
 
Infos & Anmeldung „DATA Storage & Analytics Technology Conference 2019“

ITB: Welche Speicherarchitekturen sind für KI-Anwendungen besonders gut geeignet?

Gerecke: Ist eine KI-Anwendung in Produktion, kann das in der Regel mit vorhandenen Speicherinfrastrukturen abbildbar sein. Darin liegt nicht die Herausforderung! Die Herausforderung an die Speicherinfrastrukturen ergibt sich aus der Datensammlungsphase, das Aufbereiten der Daten und das Training von neuronalen Netzen in Form von Machine- und Deep-Learning-Projekten. Hier bedarf es Infrastrukturen der unterschiedlichsten Art. So können zum Beispiel für die Sammelphase der Daten aus den unterschiedlichsten Quellen Cloudspeicherlösungen, Objektspeicher, Onlinearchive und Filesysteme eine große Rolle spielen. Auch die Skalierbarkeit spielt ist hier wichtige. Für das Kategorisieren und Aufbereiten der Daten werden ausreichende Bandbreiten, Random-IO’s für Lesen als auch Schreiben und ein intelligentes Verschieben an die richtigen Speicherplätze erforderlich. Für die Trainingsphase selbst sind in der Regel hohe Durchsätze (Random Read), schnellste Antwortzeiten, lineare Skalierung, Workflow Integration, verschiedene Versionen, verschiedene Varianten bis hin zur Rückverfolgbarkeit der Daten, also Archivierung und Compliance, notwendig. Die Daten-Pipeline vom Sammeln der Daten bis zum Training spiegelt also die unterschiedlichsten Anforderungen wieder und es gibt nicht viele Anbieter, die eine End-to-End-Daten- und Speicher-Plattform für alle Phasen zur Verfügung stellen können. Darin liegt die Herausforderung.

Technische Voraussetzungen für KI-Projekte DATA Conference 2019

Mehr Infos zur DATA STORAGE & ANALYTICS Technology Conference 2019

Kommentare werden geladen....

Sie wollen diesen Beitrag kommentieren? Schreiben Sie uns hier

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de/ (ID: 45885098 / Storage & Data-Management)