Dein neuer Kollege aus dem Metaverse

Mit KI-Agenten Informationen schneller finden und effizienter nutzen

Gartner ist sich sicher, dass große Unternehmen bis 2028 die Kapazität an unstrukturierten Daten an ihren Standorten vor Ort, am Edge und in der öffentlichen Cloud verdreifachen werden im Vergleich zu Mitte 2024. Doch schon jetzt sehen sich Unternehmen mit einer beispiellosen Menge an strukturierten, halbstrukturierten und unstrukturierten Daten (wie Protokollen, Videos, IoT- und Social-Media-Daten) konfrontiert, die sich mit relationalen Datenbanken oder klassischen Data Warehouses weder speichern noch analysieren lassen. KI-Mitarbeiter könnten helfen. Doch 95% der Projekte scheitern. Ctera hat Antworten.

Data Lakes sind dafür ausgelegt, Rohdaten in ihrem natürlichen, unveränderten Zustand zu speichern. Das ermöglicht eine größere Flexibilität bei der Erforschung, Aufbereitung und Analyse der Daten. Zum Beispiel können Datenwissenschaftler und Analysten verschiedene Analyse-, BI- und Machine-Learning-Workloads auf derselben Plattform ausführen.

Schätzungen zufolge werden bis 2028 fast ein Viertel aller weltweiten Softwareausgaben auf Gen AI entfallen, was eine enorme Veränderung darstellt. Gleichzeitig scheitern jedoch 95% aller Gen-AI-Pilotprojekte, wie Ctera in einer Umfrage unter 300 IT- und Sicherheitsverantwortlichen für seinen 2025 State of Data and Cloud Strategy Survey Report herausfand. Als Gründe nannten die Befragten vor allem Compliance- und regulatorische Bedenken (67%) und Sicherheitsrisiken wie Datenoffenlegung oder -missbrauch (57%). Aber auch strukturelle Herausforderungen wie Datensilos, die den KI-Zugang einschränken (45%) oder hohe Implementierungs- und Wartungskosten (44%) machen den Unternehmen zu schaffen.

Die genannten Gründe sind jedoch nur Symptome eines tiefer liegenden Problems. Die wahre Ursache liegt ganz woanders.

Ambitionen im Bereich KI übersteigen die Bereitschaft

Viele Unternehmen werden von Investoren dazu gedrängt, KI einzusetzen, um das Kundenerlebnis zu verbessern (64%), die Vorhersagegenauigkeit zu erhöhen (64%) und die Genauigkeit von Abfragen zu steigern (53%).

Selbstverständlich lassen sich mit KI-Arbeitsabläufe optimieren und die Kosten langfristig senken. Hochbezahlte Mediziner können die aufwendige, manuelle Dokumentenprüfung optimieren und so das Gesundheitssystem entlasten. Anwälte erreichten mit einer effizienteren Fallvorbereitung schneller Lösungen und Gerechtigkeit für Ihre Mandanten – was wiederum zu einer Entlastung der Gerichte und Vollzugsanstalten beitragen kann.

Dennoch braucht es Zeit und vor allem eine Strategie, damit die Einführung von KI in einer Organisation nicht von vornherein zum Scheitern verurteilt ist. Ein wichtiger Punkt in der Vorbereitung ist die Ausarbeitung einer Datenstrategie.

“Wir haben festgestellt, dass Unternehmen und Organisationen derzeit oft einen sehr naiven Ansatz verfolgen, wenn sie versuchen, KI mit ihren privaten Daten zu trainieren”, sagt Aron Brand von Ctera. “Sie sagen sich, dass sie einfach ihre KI-Tools auf alle ihre Daten anwenden: ‘Wir werden alles faktorisieren. Wir werden eine Rag-Schicht hinzufügen und GPT-5 einbinden – das intelligenteste Modell, das wir finden können. Und dann lehnen wir uns zurück und beobachten, wie die Magie wirkt.’”

Aber die Realität sieht anders aus. In Wirklichkeit ist es keine Magie, sondern Technologie und gute Vorbereitung. “Wenn man die Qualität der Daten betrachtet, über die Organisationen verfügen, ist diese sehr schlecht”, sagt Brand. “Sie sind unorganisiert. Es gibt verschiedene Versionen der Dateien, alte und neue. Es herrscht das totale Chaos. Man weiß nicht wirklich, was man hat. Und wenn man diese Daten von geringer Qualität in Gen AI einspeist, erhält man keine besseren Daten, sondern sehr selbstbewusste Fehler.”

Und GenAI ist sehr gut darin, sehr selbstbewusste Fehler zu produzieren. Das trifft erst recht zu, wenn man ihr Daten von geringer Qualität zur Verfügung stellt. Brand glaubt, “dass die nächste Herausforderung nicht mehr Daten ist, wie es bisher der Fall war, denn wir haben mehr als genug Daten. Es geht um Daten von hoher Qualität.”

Zuerst die grundlegenden Qualitätsprobleme lösen

Organisationen haben historisch bedingt gemischte Daten aus verschiedenen Zeiträumen. Oft sind diese Daten nicht organisiert. Noch seltener sind sie klassifiziert. Wenn man diese Daten in eine KI einspeist, sind die Ergebnisse weder relevant noch realistisch. Zuerst muss das Problem mit unordentlichen Daten gelöst und etwas Ordnung in dieses Chaos gebracht werden. Dazu können Tools eingesetzt werden, die auch KI-gestützt sein können. Es gibt spezielle Lösungen zur Datenklassifizierung und Anreicherung mit Metadaten auf Basis.

Allerdings brauchen diese Werkzeuge den Menschen. Organisationen werden nicht um das Training ihrer Mitarbeiter herumkommen. Die Endnutzer müssen wissen, wie man Daten klassifiziert. Sie brauchen Werkzeuge, um die Daten zu kuratieren. Umso erschreckender ist, dass nur 10% der von Ctera befragten Unternehmen sich darauf konzentrieren, Qualifikationslücken wie diese zu schließen.

Nur Experten können entscheiden, was Qualität ist und was nicht. Brand ist überzeugt: “Wenn Sie auf Ermittlungen spezialisiert sind oder wenn Sie Arzt sind, wenn Sie sich in einem bestimmten Bereich auskennen, sind Sie wahrscheinlich die beste Autorität, um zu sagen: ‘Das ist wahr. Das ist falsch.’“

An einem Beispiel erläutert er: “Wenn ein bestimmter Geschäftsanwender ein Problem hat und er seine Arbeit effizienter gestalten will, muss man wissen, welche Daten er normalerweise verwendet. Man muss nicht das gesamte globale Dateisystem und alle darin enthaltenen Informationen nehmen. Sie müssen Datensätze erstellen, die für diese Aufgabe geeignet sind. Das ist der Unterschied zu dem naiven Ansatz, alles zu nehmen, es in ein RAG-System zu werfen und zu erwarten, dass dies gut gehen wird.”

Wenn Storage zum Hindernis wird

Eine weitere Herausforderung ist die Verteilung der Daten auf verschiedene Standorte und Speichersysteme sowie die verschiedenen Dateiformate. Organisationen müssen eine einheitliche Sicht auf all diese Daten und Informationen schaffen. Brad Shimmin, Vice President and Practice Lead for Data Intelligence, Analytics, and Infrastructure bei Futurum empfiehlt: “Um den Datenengpass zu überwinden, muss eine einheitliche Hybrid-Cloud-Architektur eingeführt werden, die es ermöglicht, dass Daten in ihrer ursprünglichen Umgebung verbleiben und gleichzeitig über ein globales Dateisystem sicher zugänglich und einsatzbereit sind.”

Shimmin rät weiterhin ausdrücklich zu einer Demokratisierung der Daten: “Dadurch können KI-Workloads sicher mit Daten in ihrer nativen Umgebung ausgeführt werden, was für die Wahrung der Datenhoheit und die Minimierung von Risiken unerlässlich ist.”

Für KI kann Storage zum Hindernis werden, weiß auch Karyn Price, Industry Director and AI Program Manager bei Frost & Sullivan: “Ältere NAS-Systeme wurden für eine andere Zeit entwickelt – als Daten noch an einem Ort gespeichert wurden, Teams im selben Büro arbeiteten und KI noch kein Thema war. Heute sind Daten überall und KI-Modelle benötigen in Echtzeit Zugriff auf riesige, vielfältige Datensätze.”

Auch Price rät zu einem globalen Filesystem (GFS): “GFS verwandelt Speicher von einem Engpass in einen Geschäftsbeschleuniger. Stellen Sie sich ein globales Einzelhandelsunternehmen vor, das versucht, Kundenerlebnisse in Echtzeit zu personalisieren. Seine KI-Modelle müssen Daten aus Dutzenden von Standorten, Lagerbeständen, Kundenverhalten und Lieferkettensystemen abrufen.”

Datenintelligenz ist eine zusätzliche Komponente. Sie ist nicht Teil des globalen Dateisystems und daher relativ unabhängig. Datenintelligenz kann separat bereitgestellt werden.

Maschinen lesen Daten anders

Native Dateiformate sind für die menschliche Darstellung und Speicherung konzipiert, nicht für die numerische Verarbeitung durch KI-Modelle. Moderne GenAI-Systeme, insbesondere Large Language Models (LLMs), funktionieren am besten mit Vektordarstellungen von Daten. KI kann eine PDF- oder DOCX-Datei nicht lesen oder einen Podcast hören und den Inhalt semantisch verstehen. Für KI muss die Bedeutung eines Inhalts in eine numerische Darstellung (Vektor) umgewandelt werden. Die generierten Vektoren werden zusammen mit ihren Metadaten (z. B. ursprüngliche Dokument-ID, Erstellungsdatum) in einer Vektor-Datenbank (dem Index) gespeichert.

Indexdaten sind kritisch für die Nutzung von Retrieval-Augmented Generation (RAG). Wenn Sie eine Frage an die KI stellen, sucht diese nicht in einem riesigen Ordner mit Originaldateien. Stattdessen wird Ihre Frage ebenfalls in einen Vektor umgewandelt. Die KI vergleicht dann diesen Vektor schnell mit dem Index (Vektor-Datenbank), um die semantisch relevantesten Textabschnitte aus Ihren Dokumenten zu finden.

Da sich Dateien ändern können und neue Dateien hinzukommen bzw. alte gelöscht werden, ist die kontinuierliche Aktualisierung des Indexes entscheidend für die Qualität und Relevanz Ihrer GenAI-Anwendungen. Dieser Prozess wird als Daten-Pipeline oder Indexing-Pipeline bezeichnet. In modernen Storage-Lösungen passiert das automatisiert im Hintergrund.

Der Index hat noch einen weiteren Vorteil: Das Durchsuchen von Millionen von Vektoren auf Ähnlichkeit ist zudem wesentlich schneller und effizienter als das Extrahieren und Analysieren des Inhalts aus den nativen, komplex strukturierten Originaldateien bei jeder Anfrage.

Compliance und Sicherheit

Brand vermutet, dass “Compliance und Sicherheit vielleicht das schlimmste Problem ist, welches die meisten POCs aus diesen 95% zunichte macht. Ich würde sagen, dass vielleicht 50% durch Sicherheit und durch Anwälte zunichte gemacht werden.”

Diese Anwälte sind zu Recht besorgt über die Fütterung oder das Training von KI-Modellen mit Daten, die möglicherweise personenbezogen sind und Gesundheitsinformationen oder sensible Finanzberichte enthalten. Schatten-KI ist eine Realität. So wie Daten früher über Dropbox geteilt wurden, wenn die USB-Schnittstelle blockiert war, neigen Mitarbeiter heute dazu, ihre sensiblen Daten in ChatGPT hochzuladen und beginnen, ihre Arbeit effizienter zu gestalten. Dabei spielt es keine Rolle, ob Sie als Firma Ihren Mitarbeitern ein GenAI-Tool wie ChatGPT zur Verfügung stellen oder nicht.

Brand ist überzeugt, “dass dieses Problem durch eine Kombination aus Datenschutzvorkehrungen gelöst werden kann, welche die Plattform – die Gen-KI-Plattform oder die genetische Plattform – bereitstellen sollte, um die Daten zu filtern, diese sensiblen Informationen zu entfernen, entweder durch Löschen ganzer Dateien oder durch Schwärzen bestimmter Felder in den Dateien.”

Dabei ist es wichtig, dass Daten nicht aus den sensiblen Systemen des Unternehmens in die Gen-AI-Tools kopiert werden, sondern die GenAI-Tools sich mit den Quelldaten verbinden können. Die Herausforderung dabei ist es, gleichzeitig die Berechtigungen für das Quelldateisystem durchzusetzen.

“All das ist mit klassischen Speicherarchitekturen und -lösungen nicht möglich", sagt Brand. “Die Lösung dieser Herausforderungen, und ich denke, das ist derzeit der Heilige Gral der Branche, ist eine intelligente Datenstruktur, die alle Daten aus verschiedenen Teilen des Unternehmens, aus verschiedenen Datenrepositorien mit unterschiedlichen Datenformaten konsolidiert und all dies in eine Datenstruktur zusammenführt, die GenAI den Zugriff auf hochwertige, kuratierte und sichere Informationen ermöglicht.

Künstliche Experten

Für Brand ist “das Visionärste und Wichtigste, was wir uns für die nächsten Jahre vorstellen, virtuelle Mitarbeiter.” AgenticAI ist bereits eine Form eines solchen virtuellen Mitarbeiters. Ctera gibt den KI-Agenten ein Gesicht.

Idealerweise sollten diese Agenten von Fachexperten erstellt werden, denn sie wissen, was wichtig ist. Jeder Wissensarbeiter sollte in der Lage sein, seine eigenen virtuellen Assistenten zu erstellen, der seine Arbeit wirklich effizienter macht. Neben kuratierten Daten braucht es dazu spezifische Anweisungen auf der Grundlage des jeweiligen Fachwissens.

Ctera hat seine Datenintelligenzplattform um die Möglichkeit erweitert, Agenten oder virtuelle Mitarbeiter zu erstellen, Die Option umfasst alle Schritte der KI-Pipeline (Datenkuratierung, Konsolidierung der Daten, Vereinheitlichung) und die notwendigen Sicherheitsvorkehrungen zum Schutz sensibler Daten. Brand ist begeistert: “Die Idee dahinter ist, vertrauenswürdige Antworten auf alle Fragen zu geben, die ein Mitarbeiter zu seinem Geschäftsbereich haben könnte, und dabei ein hohes Maß an Sicherheit zu gewährleisten. Das Alleinstellungsmerkmal des Systems ist die Sicherheit.”

Er betont: “Es gibt mittlerweile viele Systeme, die Suchfunktionen bieten, aber nur sehr wenige Systeme bieten dies in einer Weise, die für die sensibelsten Unternehmen, Militär-, Bundes- oder Regierungsbehörden geeignet ist.”

Aus Mangel an Angeboten entwickeln diese Organisationen ihre eigenen Systeme. Sie stellen ein Team zusammen, besorgen sich Open-Source-Software und eine Vektordatenbank und beginnen mit der Arbeit an diesen Projekten. Aber 95% scheitern. Vor allem kleinere Unternehmen und Firmen mit anderen Kerngeschäften als IT haben oft nicht die Ressourcen oder das Wissen. Brand vergleicht es mit einer Fluggesellschaft: “Denn eigentlich sollte ein Passagier keine eigenen Flugzeuge bauen, oder? Das macht keinen Sinn. Und deshalb wollen wir die Flugzeuge bauen, damit diese Passagiere fliegen können.”

Computing traf Ctera-CTO Aron Brand während der IT Press Tour im Oktober 2025 in New York und konnte sich live von den neuen Funktionen überzeugen.