Huawai präsentiert in Paris
Dateninfrastruktur als Grundlage skalierbarer KI-Anwendungen
Huawei hat auf seinem Innovative Data Infrastructure Forum 2026 in Paris eine umfassende Full-Stack-Dateninfrastrukturlösung für KI-Rechenzentren vorgestellt. Gutes Timing, denn europäische Unternehmen suchen nach Lösungen abseits des US-amerikanischen Markts.
Die Huawei-Lösung adressiere die Herausforderungen moderner KI-Umgebungen entlang der gesamten Wertschöpfungskette, so der chinesische Anbieter, und zwar von der Datenspeicherung über die Modellbereitstellung bis hin zur Datenresilienz. Ziel sei es, Unternehmen beim Aufbau leistungsfähiger KI-Rechenzentren zu unterstützen und die produktive Einführung von KI-Anwendungen zu beschleunigen.
KI verändert die Anforderungen an Rechenzentren
Nach Einschätzung von Huawei entwickelt sich die aktuelle Unternehmens-IT zunehmend in Richtung spezialisierter KI-Rechenzentren. Treiber dieser Entwicklung seien demnach vor allem KI-Agenten, die als digitale Assistenten oder automatisierte Mitarbeiter immer stärker in Geschäftsprozesse integriert werden. Mit der Ausweitung solcher Anwendungen steige der Verbrauch von Tokens und damit die Anzahl der Datenzugriffe, Speicheroperationen und Inferenzvorgänge erheblich.
Yuan Yuan, Vizepräsident von Huawei und Präsident der Huawei Data Storage Product Linie, stellte in seiner Keynote mit dem Titel „Data Awakening, Infra Evolving“ die hauseigene Full-Stack-Dateninfrastrukturlösung für KI-Rechenzentren vor: „Das nächste Kapitel der KI sind Daten. Huawei setzt konsequent auf technologische Innovationen im Bereich Datenspeicherung, wird seine Erfahrungen bei der industriellen Einführung von KI weiter ausbauen und eng mit der gesamten Branche zusammenarbeiten, um Kunden auf ihrem Weg in das intelligente Zeitalter zu unterstützen.“
Eine leistungsfähige KI-Infrastruktur müsse daher verschiedene Komponenten integrieren. Dazu gehören skalierbare Data Lakes, spezialisierte Datenplattformen für KI-Anwendungen, flexible Rechenressourcen, Werkzeuge für das Modell-Management, Agenten-Frameworks sowie umfassende Sicherheits- und Resilienzmechanismen.
Bemerkenswerterweise betonten mehrere Redner in ihren Präsentationen dazu, wie stark der Konzern die Bemühungen seiner europäischen Kunden und Partner in puncto Umweltschonung und Einsparung von Ressourcen unterstützen wolle.
Skalierbare Datenspeicherung für KI-Workloads
Ein zentraler Bestandteil der vorgestellten Architektur ist der KI-Data-Lake. Dabei setzt Huawei auf seinen Scale-Out-Speicher OceanStor Pacific. Das System habe man für hochdichte Speicherumgebungen konzipiert, und es erreicht laut Hersteller eine Speicherkapazität von 11 Petabyte auf lediglich zwei Höheneinheiten im Rack. Der Fokus liegt also auf der effizienten Speicherung großer Mengen unstrukturierter und multimodaler Daten. Solche Daten bilden die Grundlage für das Training und die Nutzung moderner KI-Modelle.
Ergänzt wird die Speicherplattform durch das sogenannte DME Omni-Dataverse. Die Lösung fungiert als zentraler Datenraum und ermöglicht die Integration von Daten aus unterschiedlichen Quellen und Standorten. Unterstützt werden sowohl multimodale Datenformate als auch Echtzeit-Datenströme. Darüber hinaus biete die Plattform Funktionen zur globalen Transparenz und Verwaltung verteilter Datenbestände.
Besondere Bedeutung kommt der Vektordatenverarbeitung zu. Huawei gibt an, dass DME Omni-Dataverse Abfragen in Datenbeständen mit Hunderten Milliarden Vektoren und einer Dimensionalität von 1.000 Merkmalen innerhalb von Sekunden durchführen kann. Solche Fähigkeiten sind insbesondere für Retrieval-Augmented Generation (RAG), semantische Suchverfahren und Wissensdatenbanken relevant.
Optimierung der KI-Inferenz
Mit zunehmender Nutzung generativer KI rückt die Optimierung von Inferenzprozessen in den Mittelpunkt. Huawei stellte in diesem Zusammenhang das Konzept des Context Memory Storage (CMS) vor. CMS wurde speziell für Inferenzcluster im Ultra-Scale-Bereich entwickelt und unterstützt heterogene Rechenumgebungen. Ziel sei die effizientere Verwaltung von Key-Value-Daten, die bei der Verarbeitung großer Sprachmodelle eine zentrale Rolle spielen.
Das System ermöglicht entweder eine direkte semantische Weitergabe von Key-Value-Informationen oder die Auslagerung entsprechender Daten über dedizierte Data Processing Units. Dadurch hinaus lassen sich gemeinsam genutzte KV-Cache-Pools im Petabyte-Bereich aufbauen.
Laut Huawei lässt sich durch diesen Ansatz die sogenannte Time to First Token um bis zu 90 Prozent reduzieren. Dieser Kennwert beschreibt die Zeitspanne zwischen einer Benutzeranfrage und der Ausgabe des ersten generierten Tokens durch das Modell. Eine Verringerung dieses Werts verbessert die wahrgenommene Reaktionsgeschwindigkeit von KI-Anwendungen erheblich.
Für den Unternehmenseinsatz hat Huawei zudem eine sogenannte 3+1-KI-Datenplattform entwickelt. Diese kombiniert mehrere Funktionen, die typischerweise in KI-Inferenzumgebungen benötigt werden. Dazu zählen eine KV-Cache-Beschleunigung, eine Wissensdatenbank mit hoher Abrufgenauigkeit sowie eine kontinuierlich erweiterbare Memory-Bank. Die Plattform soll dadurch sowohl die Antwortqualität als auch die Konsistenz von KI-Anwendungen verbessern.
Ein weiterer Bestandteil ist der Unified Cache Manager (UCM). Diese Komponente übernimmt die zentrale Verwaltung und Planung verschiedener Cache-Ressourcen. Durch die koordinierte Nutzung der verfügbaren Speicherstrukturen soll die Genauigkeit von Inferenzprozessen um bis zu 30 Prozent gesteigert werden.
Neben Speicher- und Datenmanagementlösungen adressiert Huawei auch das Management von KI-Modellen. Die Plattform ModelEngine dient als zentrale Umgebung für die Bereitstellung, Anpassung und Verwaltung von Modellen. Ein Schwerpunkt liegt auf der Vereinfachung von Integrationsprozessen. Neue Modelle können ohne umfangreiche Programmierarbeiten eingebunden und per Klick bereitgestellt werden. Dies soll sowohl den Entwicklungs- wie auch den Betriebsaufwand reduzieren.
Darüber hinaus enthält ModelEngine Funktionen zur intelligenten Ressourcenplanung. Durch eine fein granulierte Aufteilung von Rechenressourcen und automatisierte Steuerungsmechanismen wird eine effizientere Nutzung vorhandener Hardware ermöglicht. Huawei spricht von einem xPU-Partitionierungsverhältnis von bis zu 1:10. Dadurch kann eine einzelne Beschleunigereinheit gleichzeitig mehreren Aufgaben zugeordnet werden, was die Auslastung der Infrastruktur verbessert.
Vereinfachte Entwicklung intelligenter Agenten
Ein weiterer Bestandteil der Gesamtarchitektur ist die Agentenplattform ModelEngine Nexent. Sie richtet sich an Unternehmen, die KI-Agenten zur Automatisierung von Geschäftsprozessen einsetzen wollen. Sie ermögliche die Erstellung von Agenten über natürlichsprachliche Eingaben. Entwickler müssen daher weniger Programmcode schreiben, wodurch sich die Implementierungszeiten deutlich verkürzen.
Zusätzlich integriert Nexent Mechanismen zur automatischen Optimierung von Fähigkeiten, Prompts und Speicherstrukturen. Agenten können dadurch kontinuierlich an neue Anforderungen angepasst werden. Huawei gibt an, dass sich die Einführungszeit entsprechender Lösungen um bis zu 80 Prozent reduzieren lässt.
Datenresilienz als Bestandteil der KI-Architektur
Mit der zunehmenden Verbreitung von KI-Anwendungen steigen auch die Anforderungen an Datenschutz und Datensicherheit. Deshalb gelte Datenresilienz als integralen Bestandteil seiner KI-Infrastruktur, so der chinesische Konzern. Die vorgestellte Architektur berücksichtigt Risiken auf verschiedenen Ebenen – von Modellen und Agenten über Plattformen bis hin zur zugrunde liegenden Infrastruktur. Zu den adressierten Bedrohungen zählen Datenvergiftung, Manipulationsversuche, missbräuchliche Werkzeugnutzung sowie Ransomware-Angriffe.
Durch einen End-to-End-Ansatz will man so die Datenbestände während ihres gesamten Lebenszyklus schützen. Dies umfasse sowohl präventive Sicherheitsmaßnahmen als auch Mechanismen zur Wiederherstellung und Absicherung kritischer Datenressourcen.
Fazit
Die vorgestellte Full-Stack-Dateninfrastrukturlösung soll die zunehmende Verschmelzung von Speichertechnik, Daten-Management, KI-Inferenz und Sicherheitsarchitekturen verdeutlichen. Der Huawei-Ansatz verfolgt das Ziel, Unternehmen eine integrierte Plattform für den Aufbau leistungsfähiger KI-Rechenzentren bereitzustellen. Im Mittelpunkt stehen hochskalierbare Speicherlösungen, optimierte Inferenzverfahren, ein effizientes Ressourcen-Management sowie die vereinfachte Entwicklung intelligenter Agentensysteme. Damit will Huawei nach eigenem Bekunden die zentralen Herausforderungen adressieren, die mit der breiten Einführung generativer KI und datenintensiver Anwendungen in Unternehmen verbunden sind. Dass der chinesische Konzern damit auch speziell den europäischen Markt adressiert, verdeutlichte beim IDI in Paris auch die Auswahl der präsentierenden französischen Kunden wie dem Mobilfunkanbieter Orange oder der Supermarkt-Kette Auchan.
Dr. Jörg Schröper ist als freier Journalist in München tätig.