Sie sind hier: HomeDatacenter

Software Defined Datacenter: Die Transformation des Rechenzentrums

Fortsetzung des Artikels von Teil 1.

Das denkende und lernende Rechenzentrum

Mit der fortschreitender Virtualisierung wird auch die Denk- und Lernkapazität in Rechenzentren Einzug halten. Konkret bedeutet dies, dass Automatisierung, Agilität und die Ausrichtung auf Geschäftsprozesse zunehmen werden.

In einem konventionellen Rechenzentrum bleiben nach einer Service-Bedarfsanalyse sowie der darauf folgenden IT-Beschaffung und -Umsetzung diese Ressourcen bis zum Ende des Services oder ihrer eigenen Laufzeit fest miteinander verbunden. Anpassungen oder eine weitere Verwendung sind nur mit größerem Aufwand möglich und selten der Fall.

Bei einem softwaredefinierten Ansatz wird der Gedankengang umgedreht: Zunächst werden die benötigte Kapazität bestimmt und entsprechende Ressourcen zugewiesen, zum Beispiel für Verarbeitung, Speicher oder Netzwerk. Veränderungen während eines Projektes oder Lebenszyklus eines Services können im Gegensatz zum konventionellen Rechenzentrum jederzeit dynamisch vorgenommen werden. Die vorhandenen Ressourcen werden auf diese Weise wesentlich effizienter genutzt.
Schon heute ermöglichen softwarebasierte Rechenzentren zahlreiche automatisierte Prozesse. Zu den gängigsten Prozessen zählen beispielsweise Fehlererkennung und -diagnose, Fehlerbehebung, Sicherheit sowie die Prognose und Vermeidung möglicher Ausfälle. Rechenzentrumsautomatisierung wird häufig auch für Software-Updates und -Patches sowie für Back-up und Recovery genutzt.

In den nächsten fünf bis zehn Jahren werden noch fortschrittlichere Systeme entstehen, insbesondere „denkende“ und „lernende“ Rechenzentrumssysteme, die KI-Technologie (Künstliche Intelligenz)
nutzen, um den Resourcenbedarf vorherzusagen und anzupassen, Arbeitslasten zu orchestrieren und Richtlinien automatisch zu verwalten.

„Denkende“ Systeme nutzen Algorithmen und Intelligenz, um Daten zu interpretieren, und treffen fundierte Entscheidungen. Diese Denkfähigkeit lässt sich für operationale Analysen, vorausschauende Services, Arbeitsplatzautomatisierung oder die Automatisierung geschlossener Kreisläufe einsetzen.

„Lernende“ Systeme wiederum können Kontext verstehen, Nutzerverhalten interpretieren, sich diesen Parametern oder anderen Systemen anpassen sowie Aktivitäten prognostizieren und empfehlen. Zudem ermöglichen sie die Verwaltung der Rechenzentrumskapazität und Bedarfsprognosen und liefern handlungsorientierte Erkenntnisse.

In der Praxis bedeutet dies die direkte Verknüpfung des Rechenzentrums mit den Workflows im Kundenumfeld. Vorhersehbare Kapazitätsengpässe werden automatisch erkannt. Hieraus leiten sich Bedarfsvorschläge durch KI ab, welche nach Freigabe in einen Orderprozess umgewandelt werden. Die Rechenzentrumsresourcen werden dem Kunden als Rack oder Block Unit geliefert und sind für die sofortige Nutzung vorbereitet. Nach der Verkabelung (Strom und Netzwerk) erfolgt eine komplett automatisierte Integration in die bestehende Umgebung, die es nur noch durch Freigabeprozesse und Statusrückmeldungen zu überwachen gilt.