Sieben Einsatzbereiche, in denen KI besser lokal läuft

Besonders bei hohen Anforderungen an Datenschutz, Reaktionsgeschwindigkeit und Ausfallsicherheit kann es sinnvoller sein, Daten direkt im Unternehmen, am Edge oder in einem eigenen Rechenzentrum zu verarbeiten. Der Speicheranbieter Cloudian nennt sieben Einsatzbereiche, in denen lokale KI-Infrastrukturen Vorteile bieten.

Vertrauliches Unternehmenswissen schützen

Interne Chatbots und Wissensassistenten entfalten ihren Nutzen vor allem dann, wenn sie auf unternehmenseigene Informationen zugreifen können. Dazu zählen beispielsweise interne Dokumentationen, technische Unterlagen und abteilungsspezifisches Wissen. Diese Daten können sensible Informationen oder wertvolles geistiges Eigentum enthalten.

Werden die Anwendungen lokal betrieben, bleiben die Daten innerhalb der eigenen Infrastruktur. Zudem entfällt die Notwendigkeit, große Datenbestände für die Verarbeitung in externe Cloud-Umgebungen zu übertragen. Die räumliche Nähe zu den Daten kann auch die Verarbeitung beschleunigen.

Videoanalysen direkt an der Quelle durchführen

Bei der Analyse von Videomaterial fallen große Datenmengen an. KI-Systeme werten beispielsweise Besucherströme, Verkehrsbewegungen und logistische Abläufe aus oder erkennen verdächtige Ereignisse auf Betriebsgeländen.

Eine Verarbeitung am Edge, also möglichst nahe an den Kameras, reduziert den Bedarf an Bandbreite und externem Speicherplatz. Das ist insbesondere bei hochauflösenden 4K- und 8K-Aufnahmen relevant. Für weiterführende Auswertungen und das Training von KI-Modellen können ausgewählte Sequenzen anschließend in ein Rechenzentrum übertragen werden.

Produktion und Maschinen in Echtzeit steuern

In der Industrie unterstützt KI unter anderem die Qualitätskontrolle, die vorausschauende Wartung und die Produktionsplanung. Algorithmen erkennen Materialfehler, identifizieren Verschleiß an Maschinen und helfen dabei, Fertigungsprozesse effizienter zu gestalten.

Damit solche Anwendungen zuverlässig arbeiten, müssen sie häufig ohne Verzögerungen auf Veränderungen reagieren können. Eine Abhängigkeit von einer stabilen Internetverbindung wäre in vielen Produktionsumgebungen ein zusätzliches Risiko. Hinzu kommen vertrauliche Informationen über Fertigungsverfahren, Materialien und Produktmodelle. Deshalb bietet sich die Verarbeitung direkt an Maschinen oder in produktionsnahen Rechenzentren an.

Medizinische Daten unter Kontrolle behalten

Im Gesundheitswesen verarbeitet KI besonders schützenswerte Informationen, darunter bildgebende Untersuchungen, Laborwerte, Befunde und Therapiepläne. Eine lokale Verarbeitung erleichtert es, Zugriffe zu kontrollieren und sensible Daten innerhalb der eigenen IT-Umgebung zu halten.

Auch die Verfügbarkeit spielt eine wichtige Rolle. Klinische Anwendungen müssen teilweise selbst dann funktionieren, wenn externe Verbindungen oder Cloud-Dienste ausfallen. In Notaufnahmen, auf Intensivstationen und während Operationen können zudem kurze Reaktionszeiten entscheidend sein. Bei solchen Anwendungen ist eine Verarbeitung auf dem Gerät oder innerhalb des Krankenhauses häufig die geeignete Lösung.

Betrugserkennung ohne Verzögerung

Banken, Versicherungen und Zahlungsdienstleister setzen KI ein, um verdächtige Transaktionen zu erkennen und Risiken zu bewerten. Bei Kartenzahlungen und im Onlinehandel müssen entsprechende Systeme innerhalb kürzester Zeit entscheiden, ob ein Vorgang freigegeben werden kann. Ähnliche Anforderungen bestehen beim algorithmischen Handel und bei digitalen Kreditentscheidungen.

Lokale Systeme oder Edge-Infrastrukturen können die benötigten Reaktionszeiten unterstützen. Bei der Bearbeitung von Versicherungsfällen kommt ein weiterer Aspekt hinzu: KI prüft zunehmend Schadensbilder, bewertet Schäden und erkennt mögliche Manipulationen. Da dabei sensible Kundendaten verarbeitet werden, kann auch hier eine lokale Infrastruktur sinnvoll sein.

Autonome Fahrzeuge und Roboter absichern

Autonome Fahrzeuge und Roboter müssen ihre Umgebung kontinuierlich erfassen und auf Hindernisse oder andere Veränderungen reagieren. Die dafür notwendige KI-Verarbeitung findet deshalb direkt im Fahrzeug oder im Robotersystem statt. Eine Abhängigkeit von externen Cloud-Diensten wäre für sicherheitskritische Entscheidungen zu langsam oder zu unzuverlässig.

Die gesammelten Telemetrie- und Sensordaten können später in Rechenzentren für Analysen und das weitere Training der Modelle genutzt werden. Eine vollständige Übertragung aller Daten in die Cloud kann angesichts der großen Datenmengen hohe Kosten verursachen. Zudem lassen sich Informationen über Bewegungsmuster, Personen und Kennzeichen lokal besser kontrollieren.

Kritische Infrastrukturen unabhängig betreiben

Energieversorger, Telekommunikationsunternehmen, Verkehrsbetriebe, Krankenhäuser, Banken und Behörden müssen hohe Anforderungen an Sicherheit und Verfügbarkeit erfüllen. Für solche Organisationen kann eine eigene KI-Infrastruktur die Kontrolle über Daten, Systeme und Zugriffsrechte verbessern.

Je nach Schutzbedarf lassen sich lokale Umgebungen zudem weitgehend von externen Netzen trennen oder vollständig isoliert betreiben. Das reduziert die Abhängigkeit von Internetverbindungen und Cloud-Anbietern und kann dazu beitragen, besonders kritische Anwendungen auch bei externen Störungen verfügbar zu halten.

Infrastruktur muss zum Anwendungsfall passen

Eine lokale KI-Umgebung ist nicht grundsätzlich die bessere Wahl. Die Entscheidung hängt unter anderem davon ab, wie sensibel die Daten sind, welche Reaktionszeiten erforderlich sind und wie hoch die Anforderungen an Verfügbarkeit und Betriebssicherheit ausfallen.

Sascha Uhl, Director Technical Alliances bei Cloudian, empfiehlt Unternehmen deshalb, diese Faktoren vor der Wahl des Betriebsmodells sorgfältig abzuwägen. Lokale Systeme könnten auch dabei helfen, Anforderungen an Transparenz und Nachvollziehbarkeit umzusetzen, wie sie im Zusammenhang mit dem EU AI Act relevant sind.

Eine wichtige Grundlage bildet dabei die Speicherung der Daten. Moderne Objektspeicher können große Datenbestände für KI-Anwendungen bereitstellen. Funktionen wie Object Lock schützen gespeicherte Daten vor unzulässigen Änderungen und können verhindern, dass sie im Rahmen eines Ransomware-Angriffs verschlüsselt oder manipuliert werden.

Für Unternehmen ergibt sich daraus ein differenzierter Ansatz: Während sich Cloud-Dienste für viele KI-Projekte aufgrund ihrer Flexibilität eignen, sprechen bei zeitkritischen, sicherheitsrelevanten oder datenschutzsensiblen Anwendungen häufig gute Gründe für eine Verarbeitung in der eigenen Infrastruktur.

(red/Cloudian)