Dell Technologies hat ein bedeutendes Update seiner AI Data Platform angekündigt, die Teil der Dell AI Factory-Initiative ist. Die Verbesserungen sollen Unternehmen dabei helfen, verteilte, isolierte Daten schnell und wiederholbar in KI-Ergebnisse umzuwandeln. Da die Datenmengen in Unternehmen mit der Einführung von KI weiter wachsen, benötigen Unternehmen Architekturen, die Sicherheit, Flexibilität und skalierbare Leistung vereinen. Dells Ansatz konzentriert sich auf die Schaffung einer einheitlichen, offenen und modularen Grundlage, die isolierte Datensilos überbrückt und gleichzeitig erweiterte Workloads wie Training, Feinabstimmung, Retrieval-Augmented Generation (RAG) und Inferenz ermöglicht.
Den Wert isolierter Daten für KI-Workloads freisetzen
Die Architektur der Dell AI Data Platform entkoppelt Datenspeicherung und -verarbeitung und beseitigt so Leistungs- und Verwaltungsengpässe. Diese Trennung ermöglicht es verschiedenen Teams, wie Datenwissenschaftlern, DevOps-Ingenieuren und IT-Administratoren, dieselben Datenplattformen für mehrere KI-Workflows zu nutzen, ohne die Infrastruktur jedes Mal neu gestalten zu müssen. Die Plattform ist zudem direkt in das Referenzdesign der NVIDIA AI Data Platform integriert und bietet Unternehmen optimierte Interoperabilität und Beschleunigung zwischen Dell- und NVIDIA-Technologien.
Dell strukturiert die Plattform um vier Hauptsäulen: Speicher-Engines für die Datenplatzierung und -bewegung, Daten-Engines für Echtzeit-Einblicke, integrierte Cyber-Resilienz und intelligente Datenmanagement-Dienste. Zusammen bilden diese Komponenten eine flexible, skalierbare und sichere Grundlage für Unternehmen, die KI in großem Maßstab einsetzen möchten.
Leistungsstarke Speicher-Engines für moderne KI-Pipelines
Das Rückgrat der Dell AI Data Platform basiert auf den Speicherfamilien PowerScale und ObjectScale. Beide wurden erweitert, um einen schnelleren Datendurchsatz, verbesserte Sicherheit und Unterstützung für Multiprotokollzugriff zu bieten. Diese Funktionen sind entscheidend für Training, Feinabstimmung, Inferenz und RAG-Pipelines, bei denen Latenz und Datenlokalität die Modellgenauigkeit und Iterationsgeschwindigkeit direkt beeinflussen.
Dell PowerScale vereint die Einfachheit eines NAS mit der massiven Parallelität, die moderne KI-Architekturen erfordern. Aktuelle Updates integrieren sich nahtlos in neue NVIDIA-Plattformen wie GB200 und GB300 NVL72 und gewährleisten die problemlose Kompatibilität mit bestehenden Anwendungsstacks. Diese Abstimmung ermöglicht es Unternehmen, GPU-intensive Workloads linear zu skalieren und gleichzeitig eine gleichbleibende Leistung zu erzielen. Der PowerScale F710, der die NVIDIA Cloud Partner-Zertifizierung erhalten hat, ist hierfür ein gutes Beispiel: Er unterstützt über 16,000 GPUs in einem einzigen System und benötigt dabei bis zu fünfmal weniger Rackplatz. Dies verbessert die Dichte und Ressourceneffizienz von Rechenzentren erheblich.
Als Ergänzung zu PowerScale bietet Dell ObjectScale S3-kompatiblen, leistungsstarken Objektspeicher für große KI-Daten-Workloads. Kunden können ObjectScale als speziell entwickelte Appliance oder als softwaredefinierten Stack auf Dell PowerEdge-Servern einsetzen. Leistungsbenchmarking zeigt, dass ObjectScale jetzt bis zu achtmal schneller arbeitet als All-Flash-Konfigurationen der vorherigen Generation – ein direkter Vorteil für datenintensive KI-Trainings- und Analyse-Workflows.
Dell führt in einer kommenden Tech Preview außerdem S3 über RDMA ein, das deutliche Leistungssteigerungen bietet: bis zu 230 % höherer Durchsatz, 80 % geringere Latenz und 98 % geringere CPU-Auslastung im Vergleich zu herkömmlichen S3-Protokollen. Diese Verbesserungen tragen dazu bei, den Datenbewegungsaufwand zu reduzieren und Systemressourcen für GPU-Verarbeitung und Inferenz freizugeben. Darüber hinaus bieten die verbesserte AWS S3-Integration, die Komprimierung auf Bucket-Ebene und die Leistungsoptimierung kleiner Objekte bis zu 19 % höheren Durchsatz und 18 % geringere Latenz für 10-KB-Objektoperationen – entscheidend für Umgebungen mit hoher Datenfluktuation und kleinen Dateien, die in KI- und Edge-Anwendungen üblich sind.
Intelligente Daten-Engines für die KI-Aktivierung in Echtzeit
Die Daten-Engines der Dell AI Data Platform sind darauf ausgelegt, Rohdaten sofort für KI, Analysen und Entscheidungsfindung nutzbar zu machen. Diese Engines wurden in Zusammenarbeit mit Partnern wie NVIDIA, Elastic und Starburst entwickelt und integrieren Datensuche, Analysen und semantisches Verständnis in einer einheitlichen Betriebsebene.
Die neue Data Search Engine von Elastic ermöglicht die Suche in natürlicher Sprache über alle Unternehmensdatenquellen hinweg. Benutzer können Datensätze dialogorientiert abfragen – ideal für RAG, semantische Suche und generative KI. Die Engine integriert sich mit MetadataIQ, um die Dateiebene zu verbessern und Milliarden von Dateien auf PowerScale und ObjectScale durch Metadaten-Tagging und -Erkennung zu indizieren. Diese Funktion ermöglicht Entwicklern die Erstellung innovativerer RAG-Anwendungen mit Tools wie LangChain, die neue oder geänderte Daten effizient aktualisieren und abrufen, um die Indizierungskosten zu minimieren und präzise Vektordatenbanken zu pflegen.
Die mit Starburst entwickelte Data Analytics Engine erweitert diese Funktionalität durch die Möglichkeit föderierter Abfragen über Tabellenkalkulationen, Datenbanken, Cloud-Warehouses und Data Lakehouses hinweg – ganz ohne Datenmigration. Die neue Agentic Layer nutzt große Sprachmodelle (LLMs), um zentrale Datenmanagementaufgaben wie Dokumentation, Erkenntnisgewinnung und SQL-Erweiterung zu automatisieren. Durch die direkte Integration von KI in Datenbank-Workflows können Unternehmen schneller von der Rohdatenerfassung zu verwertbaren Ergebnissen gelangen.
Eine wesentliche Ergänzung ist der MCP-Server für die Data Analytics Engine, der Multi-Agent-Koordination und native Unterstützung für die Entwicklung von KI-Anwendungen bietet. Teams können generative KI- und Datenanalyse-Workflows gemeinsam operationalisieren und gleichzeitig Modell-Governance und Lineage-Tracking aufrechterhalten – entscheidend für regulierte oder große Unternehmensumgebungen. Darüber hinaus ermöglicht der einheitliche Zugriff auf den Vektorspeicher nahtlose RAG- und KI-Suchfunktionen in Iceberg, Dells Data Search Engine, PostgreSQL + PGVector und anderen Repositories.
GPU-beschleunigte Vektorsuche mit Dell und NVIDIA
Dells Integration der KI-Datenplattform mit NVIDIA cuVS beschleunigt die Vektorsuche in Unternehmen durch GPU-Beschleunigung. Diese Weiterentwicklung ermöglicht es Unternehmen, hybride, schlüsselwort- und vektorbasierte Suchen mit herausragender Leistung und Skalierbarkeit durchzuführen. Dank GPU-Beschleunigung werden Abfragen schneller ausgeführt, die Ähnlichkeitsbewertung verbessert und große Vektordatenbanken in Echtzeit verarbeitet – alles in einer sicheren, lokalen Umgebung, die den Governance-Standards von Unternehmen entspricht.
Diese GPU-beschleunigte Hybridsuche verbindet die Speicher- und Daten-Engines von Dell und schließt die Lücke zwischen Speicherinfrastruktur und KI-Inferenz. Mit cuVS und der verwalteten Infrastruktur von Dell erhalten IT-Teams eine schlüsselfertige, leistungsstarke Suchlösung, die sowohl auf Geschwindigkeit als auch auf Sicherheit optimiert ist und die neuesten LLMs und multimodalen Workloads im Unternehmensmaßstab unterstützt.
Das Gesamtbild: Eine einheitliche Plattform für Enterprise-KI
Die erweiterte Dell AI Data Platform unterstreicht die kontinuierliche Transformation von Dell Technologies hin zu KI-nativen Infrastrukturumgebungen. Durch die Abstimmung seiner Server, Speicher und Daten-Engines in offener Zusammenarbeit mit Partnern wie NVIDIA, Elastic und Starburst positioniert sich Dell nicht als Speicheranbieter, sondern als Full-Stack-Lösungsanbieter für moderne KI und Analytik.
Amazon