Storage Consortium Podcasts

Zum Inhalt dieses Podcasts

Quantencomputer-Entwicklungen machen rasche Fortschritte und innerhalb der kommenden fünf Jahre können nach Ansicht von Experten Quantenangriffe im größeren Stil möglich werden, die bisher verwendete sichere Verschlüsselungsverfahren brechen – mit direkten Folgen für die digitale Sicherheit.

Industriegrößen wie Google, IBM, Apple oder Cloudflare, aber auch viele spezialisierte Lösungsanbieter und Spezialisten im Sicherheitsumfeld weisen darauf hin, dass beim Einsatz derzeitiger klassischer Verschlüsselungsverfahren die Gefahr besteht, bei einem Angriff massive Schäden zu erleiden.

IT-Verantwortliche insbesondere von KRITIS-Unternehmen sollten bereits jetzt Maßnahmen zur Quantensicherheit ergreifen und potentiell betroffene Systeme auf Post-Quanten-Kryptografie umstellen.

Wie dies aussehen kann und worauf es bei der Migration ankommt, soll in dieser Episode näher erläutert werden. Inhaltliche Stichworte sind:

Post Quantum Cryptography (PQC)

Asymmetrische Kryptografie

Quantum Key Distribution (QKD)

Kryptoagilität

Zero-Trust-Architektur

Gemeinsame Sicherheitsstandards

NIST mit ML-KEM, ML-DSA (Module-Lattice-Based Digital Signature Algorithm) und SLH-DSA (Stateless Hash-Based Digital Signature Algorithm).

Mehr dazu auch unter www.storageconsortium.de

AI-Inferenz steht gegenüber AI-Training im Vordergrund; Speicher wird zum substanziellen Bestandteil von AI-Architekturen. Überblick mit aktuellen Entwicklungstrends und einem Recap zur (US) FMS 2026...

Um was geht es in diesem Podcast?

Inzwischen sind fast alle zentralen Infrastrukturbereiche (Hardware, Software, Prozesse) von KI betroffen. Dies betrifft Datenbanken, aktive Archive, Netzwerke, die plattformübergreifende Datenverwaltung, Echtzeit-Datenzugriffe, usw.

Dem gegenüber steht eine zunehmende Infrastruktur-Komplexität mit steigende Kosten, getrieben durch entsprechende Sicherheits-, Verfügbarkeit und Leistungsanforderungen.

Der KI-Wertbeitrag hängt heute wesentlich von datengetriebenen Innovationen und damit auch der vorhandenen Speicherebene ab. Beispiel: Applikationen mit massiven Datensätzen benötigen konstant hohe I/O-Leistungswerte (IOPS, GB-/TB/s) und je nach Profil extrem niedrige Latenzen. Hochparallele I/O-Architekturen für Server und Storage im Verbund mit HDDs, NAND Flash und Memory stellen dazu die Basis.

Gesteuert wird die Hardware über Software-definierte Systeme auf Server- bzw. Appliance-Ebene. Hochleistungs-Filesysteme integrieren NVMe-basierten Flash-Speicher und HDDs auf I/O-level mit GPU-/CPUs von Servern, Objektspeicher und Interconnects mit geringer Latenz, dies innerhalb von Fabric-Architekturen mit NVMeoF oder Infiniband.

Welche Speichertechnologien und Trends in diesem Zusammenhang relevant sind, werden im Podcast näher erläutert...

Zum Inhalt dieser Podcast-Episode #179:

Bekanntlich haben sich Container-Technologien wie Kubernetes & Co. in den vergangenen Jahren zum Standard für moderne Cloud-native Anwendungen entwickelt.

Hintergrund: Sie ermöglichen es, Anwendungen in kleine, voneinander unabhängige Dienste – sogenannte Microservices – aufzuteilen. Dadurch lassen sich Anwendungen einfacher entwickeln, aktualisieren und effektiv skalieren. Eine wichtige Rolle kommt dabei der Speicherinfrastruktur zu:

Container-Plattformen benötigen persistente Speicherressourcen für Datenbanken, KI-Anwendungen oder andere zustandsbehaftete Workloads.

Mit Hilfe des Container Storage Interface (CSI) können Kubernetes-Cluster auf unterschiedlichste Speicherlösungen zugreifen...

Die kritische Ressource „Storage für KI“ weiter optimieren.

Neu: Google PolarQuant mit extremer Kompression zur Lösung des Speicherbedarfs bei der Vektor-Quantisierung und WEKA AI Storage mit Augmented Memory Grid und Token-Warehouse zusammen mit NVIDIA's Inference Context Memory Storage Platform und GPUDirect Storage (GPU-Speicher mit GPUDirect Storage und RDMA erweitern).

Zum Inhalt dieses nicht KI-erzeugten Podcasts (Hörzeit 8:25 min):

Interaktionen bei agentischen KI-Systemen werden komplexer und betreffen sowohl die Inferenzleistung selbst, als auch deren Wirtschaftlichkeit. Der Grund: Anwendungen wie große Sprachmodelle (LLMs) benötigen immer mehr Speicherplatz, um KeyValue Einträge im Cache zu speichern. Dies gilt insbesondere bei der Verarbeitung von Kontext mit großer Reichweite und Vector Search Engines.

Damit steigt parallel die Nachfrage nach schnellen Speicherchips und NAND Flash weiter an. Nicht nur auf Grund aktueller Engpässe bei der Versorgung mit Memory- und Flashstorage entsteht damit ein potentiell kritischer Flaschenhals.

Das alles macht Anwenderseitig verschiedene Maßnahmen zur möglichst effektiven Reduzierung des Speicherbedarfs notwendig und rückt als Priorität bei KI-Projekten mit in den Vordergrund.

Inference Context ist im Zeitalter von Agents und deren komplexen Interaktionen inzwischen nicht länger eine reine Optimierungs-, sondern zunehmend eine gesamte IT-Infrastruktur-Herausforderung.

Im folgenden Überblick finden Sie zwei aktuelle Beispiele zu Lösungen, um die geschilderten Anforderungen IT-Infrastruktur-, Storage- und datenseitig zu adressieren...

Eine cyberresiliente Speicherumgebung gehört mit zu den zentralen Anforderungen, um die Sicherheit von kritischen Daten zu gewährleisten und Angriffe auf die Storage-Infrastruktur verhindern zu können.

Hinweis: Unternehmen in Deutschland sind ab dem nationalen Stichtag (6. Dez. 2025) verpflichtet, die erhöhten Cybersicherheitsstandards und Meldepflichten der NIS2-Richtlinie zu erfüllen. Laut BSI müssen diese selbständig prüfen, ob sie von der NIS-2-Richtlinie betroffen sind.

Gesucht sind im Speicher- und Datenverwaltungs-Umfeld Lösungen & Services, um die schädliche Auswirkungen eines Cyberangriffs oder andere Katastrophen so weit wie möglich zu minimieren oder im Idealfall unmöglich machen zu können.

Welche Maßnahmen und aktuellen Technologien dafür in Frage kommen, wird in dieser Podcast-Episode zusammengefasst. Weiterführende Informationen zu dem Themenkomplex finden Sie unter www.storageconsortium.de