Laut IDC werden bis 2019 40 % der Initiativen zur digitalen Transformation Services mit Künstlicher Intelligenz (KI) nutzen. Zudem werden 75 % der kommerziellen Unternehmensanwendungen bis 2021 auf KI zurückgreifen, über 90 % der Konsumenten mit Bots im Kundenservice in Kontakt kommen und über 50 % der neuen Industrieroboter KI nutzen.

Und so investieren Unternehmen weiterhin massiv in Datenexperten und rüsten mit leistungsfähigen GPU-Servern auf, um KI-Modelle zu entwickeln und aus der riesigen Datenmenge Geschäftswerte zu generieren. Dreh-und Angelpunkt sind dabei die Daten und die Effizienz der KI-Daten-Pipeline – von der Datenaufbereitung bis hin zu nutzbaren Erkenntnissen.

Die Wahl des Datenspeichers ist dabei entscheidend für den Erfolg. Datenanalysten benötigen Zugang zu großen Datenmengen, die von vielfältigen Datenwerkzeugen unterstützen werden. Leistungsstarker, protokollübergreifender Shared Storage für die neuesten KI- und Datentools wie TensorFlow, PyTorch und Spark ermöglicht den Teams einen schnelleren Zugriff auf einen größeren Datenumfang mit weniger Komplexität, niedrigeren Kosten und höherer Zuverlässigkeit.

Um die Produktivität von KI-Entwicklungen zu steigern und die KI-Daten-Pipeline zu optimieren, stellt IBM mit IBM SpectrumAI mith NVIDIATM DGX eine neue Lösung vor. Diese konvergente Lösung kombiniert die branchenweit bewährte, skalierbare Hochleistungslösung für das Daten- und Dateimanagement IBM Spectrum Scale mit NVIDIA DGX-1.

Mehr dazu finden Sie im IBM Unternehmensblog IBM THINK Blog DACH