NetApp integriert seine AIPod-Lösung in das Referenzdesign der NVIDIA AI Data Platform, um Unternehmen beim Aufbau sicherer, kontrollierter und skalierbarer Datenpipelines für KI-Anwendungen zu unterstützen. Im Fokus stehen dabei sowohl agentenbasierte KI-Modelle als auch Verfahren wie Retrieval-Augmented Generation (RAG) und Inferenzprozesse, die durch die Kombination aus NetApp ONTAP und NVIDIA-Technologien beschleunigt werden sollen.

Künstliche Intelligenz entwickelt sich rasant – und mit ihr die Anforderungen an Dateninfrastrukturen. Die Fähigkeit, große Mengen an Informationen effizient zu verarbeiten und bereitzustellen, ist für den Einsatz agentenbasierter KI entscheidend. In diesem Kontext vertiefen NetApp und NVIDIA ihre Zusammenarbeit: Die NetApp AIPod-Lösung wird Teil des Referenzdesigns der NVIDIA AI Data Platform. Die gemeinsame Lösung adressiert unter anderem den steigenden Bedarf nach leistungsfähiger Datenverarbeitung für KI-gestützte Entscheidungsfindung in Unternehmen.

Quelle: NetApp

Gemeinsame Plattform für agentenbasierte KI

Ziel der Kooperation ist es, Unternehmen eine standardisierte und skalierbare Infrastruktur bereitzustellen, mit der KI-Agenten schneller auf relevante Daten zugreifen können. Die NetApp AIPod-Implementierungen kombinieren die leistungsfähige Datenmanagement-Plattform NetApp ONTAP mit der Compute-Innovation von NVIDIA. Daraus entsteht ein Referenzdesign, das unter anderem den NVIDIA NeMo Retriever unterstützt – einen Mikrodienst zur Informationsbeschaffung für Large Language Models.

Die Lösung ist darauf ausgelegt, große Datenmengen aus internen und externen Quellen in Echtzeit zu scannen, indexieren und klassifizieren. Damit verbessern sich laut NetApp sowohl die Genauigkeit von RAG-Prozessen als auch die Effizienz agentenbasierter KI-Anwendungen, die auf den schnellen Zugriff auf relevante Daten angewiesen sind. Dies betrifft unter anderem Anwendungsbereiche wie automatisierte Entscheidungsprozesse, erweiterte Kundeninteraktionen oder die Optimierung komplexer Betriebsabläufe.

Quelle: NetApp

Dateninfrastruktur als Wettbewerbsfaktor

Laut dem aktuellen NetApp Data Complexity Report sehen 79 Prozent der Technologie- und Geschäftsentscheider die Vereinheitlichung ihrer Datenlandschaften als essenziell an, um 2025 das Potenzial von KI vollständig auszuschöpfen. Die AIPod-Lösung soll dabei helfen, isolierte Datensilos aufzulösen und einen zentralen, mandantenfähigen Datenzugang zu schaffen – lokal, in der Cloud und über verschiedene Geschäftsbereiche hinweg.

Foto: NetApp Peter Hermann, Countrymanager Österreich bei NetApp Peter Hermann, Countrymanager Österreich bei NetApp, betont: „Ein einheitliches und umfassendes Verständnis von Geschäftsdaten ist der Schlüssel zu Wettbewerbsvorteilen im Zeitalter der Intelligenz – und KI-Inferenz ist der Motor dafür. Wir sind überzeugt, dass ein einheitlicher Datenansatz essenziell ist, um den vollen Wert aus Digitalinformationen zu schöpfen. Der Aufstieg agentenbasierter KI bestätigt dahingehend, dass echte einheitliche Datenspeicherung über Multi-Protokoll-Speicherung hinausgeht. Unternehmen müssen Silos in ihrer gesamten IT-Landschaft beseitigen – lokal, in der Cloud und über alle Geschäftsbereiche hinweg. Gemeinsam mit NVIDIA liefern wir dafür die passende Speicherlösung.“

Referenzdesign für skalierbare KI-Strategien

Das neue Referenzdesign der NVIDIA AI Data Platform in Kombination mit der NetApp AIPod-Architektur adressiert insbesondere den Bedarf nach aktueller, vektorisierter Datenverarbeitung in Echtzeit. Durch kontinuierlich aktualisierte Metadaten sollen KI-Systeme kontextrelevantere und präzisere Antworten generieren können.

Rob Davis, Vice President Storage Technology bei NVIDIA, unterstreicht den Nutzen der gemeinsamen Lösung:
„Agentenbasierte KI hilft Unternehmen, komplexe Probleme mit übermenschlicher Effizienz und Präzision zu lösen – vorausgesetzt, die Agenten und Modelle haben schnellen Zugriff auf hochwertige Daten.“

Die Partnerschaft von NetApp und NVIDIA bringt laut den Unternehmen nicht nur neue Möglichkeiten für KI-Pipelines, sondern ebnet auch den Weg für einen breiteren industriellen Einsatz von Retrieval-Augmented Generation und Inferenzprozessen auf Basis intelligenter Speicherlösungen.