Unternehmen müssen die betrieblichen Auswirkungen der von ihnen eingesetzten agentenbasierten KI-Lösungen kennen. Im Bereich des agentenbasierten Gedächtnisses schreitet die Innovation derzeit rasant voran, sodass es zum nächsten wichtigen Indikator für betriebliche Auswirkungen wird. Warum? Innovationen beim agentenbasierten „Langzeitgedächtnis“ treiben die Innovation bei agentenbasierter KI unmittelbar voran – und agentenbasierte KI wirkt sich direkt auf das Netzwerk aus.
Laut einem aktuellen Bericht von S&P Global Data gilt: „Fortschritte bei logischem Schlussfolgern, Multi-Agenten-Systemen und Informationsabruf treiben agentenbasierte KI voran: Agentenbasierte KI entwickelt sich durch fortschrittliche Frameworks für logisches Schlussfolgern, dynamische Modelle für die Zusammenarbeit mehrerer Agenten und intelligente Abruftechniken rasant weiter. Diese Innovationen ermöglichen es Agenten, selbstständig wahrzunehmen, zu planen und zu handeln, und verbessern so Skalierbarkeit, Anpassungsfähigkeit und Personalisierung in komplexen realen Umgebungen.“
Fortschritte bei Technologien für das Langzeitgedächtnis treiben Innovationen im Bereich agentenbasierter KI voran. Lösungen wie LangMem, Memobase und Mem0, die auch als fortschrittliche Schlussfolgerungs-Frameworks bezeichnet werden, nutzen neuartige Gedächtnisfunktionen, die während und zwischen agentenbasierten Abläufen Zugriff auf den Zustand, den Kontext und die Entwicklung von Informationen ermöglichen. Das Erstellen, Speichern, Aktualisieren, Verschieben und Teilen all dieser Daten erhöht die Netzwerkanforderungen.
Darüber hinaus stellen agentische Speichersysteme einen neuen Datenspeicherort dar, auf den potenziell Gruppen von Agenten zugreifen, die geschäftliche und personenbezogene Informationen gemeinsam nutzen und aktualisieren müssen. Diese Informationen müssen mit derselben Sorgfalt wie alle anderen Unternehmensressourcen verwaltet, kontrolliert, geprüft und geschützt werden. Daraus ergeben sich drei Auswirkungen auf den Netzwerkverkehr.
1. Agentische KI erhöht den Netzwerkverkehr
Laut dem Nokia Global Network Traffic Report wird der KI-Datenverkehr in Unternehmen bis 2033 voraussichtlich mit einer durchschnittlichen jährlichen Wachstumsrate (CAGR) von 57 % zunehmen. Warum? Agenten erzeugen neuen Datenverkehr, den es vor ihrer Bereitstellung nicht gab. Dadurch steigen der Bandbreitenverbrauch und das Risiko von Latenzen. Dieser Datenverkehr entsteht in Form von API-Aufrufen. Je mehr Aktionen von einer wachsenden Zahl von Agenten ausgeführt werden, desto mehr API-Aufrufe erfolgen, was die Reaktionsfähigkeit der API-Endpunkte beeinträchtigt. Retrieval-Augmented Generation (RAG) ist eine weitere Quelle für API-Aufrufe, die mit der zunehmenden Verbreitung von Agenten voraussichtlich an Bedeutung gewinnen wird, da ein dynamischer Abrufspeicher Änderungen des Kontexts berücksichtigt. Das bedeutet, dass RAG nicht länger statisch sein wird, sondern in Echtzeit aktualisiert wird. Mehr RAG bedeutet mehr API-Aufrufe an Vektordatenbanken, um Daten zu aktualisieren und die Inferenz anzureichern.
2. Agentische KI erhöht die Verkehrsdichte
IDC berichtet, dass Unternehmen ihre GenAI-Roadmaps mit Maßnahmen zur Netzwerkmodernisierung abstimmen, um Workloads agentenbasierter KI zu unterstützen. In alle Richtungen entstehen mehr Netzwerkverkehrspfade. Dadurch bildet sich ein Datenpfad-Mesh, das mit jedem weiteren Agenten und jeder zusätzlichen Ressource exponentiell wächst. Mehr Datenverkehr zwischen Containern. Mehr ein- und ausgehender Datenverkehr bei Container-Hosts. Mehr ein- und ausgehender Datenverkehr bei Container-Pods und -Clustern. Die zunehmende Zahl an Netzwerkpfaden erfordert zusätzliche Richtlinien, weitere Konfigurationen von Netzwerkkomponenten und mehr Automatisierung. Netzwerkkarten werden komplexer und der Überwachungsaufwand steigt. Das Ergebnis? All dies führt zu einer größeren Umgebung – einem Datenpfad-Mesh –, die Wartungs-, Sicherheits- und Governance-Prozessen unterliegt.
3. Agentenbasierte KI erfordert mehr Telemetriedaten
Mehr Kommunikationspfade erfordern eine umfangreichere Übertragung und Erfassung betrieblicher Telemetriedaten. Diese Telemetriedaten unterstützen sämtliche Formen der Observability – vom Betriebsmanagement und der Fehlerbehebung bis hin zu Sicherheit und Governance. Eine hohe Konzentration von Agenten, Modellen und Ressourcen kann in zentralisierten Architekturen zu Netzwerküberlastungen führen. Intelligentes Routing kann dies bis zu einem gewissen Grad abmildern, erfordert jedoch, die Überlastung in einem Netzwerksegment gegen die eines anderen abzuwägen. Wenn die Netzwerkkapazität insgesamt nicht ausreicht, bringt dies möglicherweise keine tatsächliche Verbesserung.
Glücklicherweise können Unternehmen die bei der Einführung von Microservices gewonnenen Erkenntnisse auf agentenbasierte KI übertragen. Die ähnlich starke Zunahme der betrieblichen Telemetriedaten erfordert dieselben Maßnahmen zur Kostenkontrolle, etwa die Entscheidung, welche Telemetriedaten in welchem Umfang ausgegeben, erfasst, analysiert und gespeichert werden sollen.
So bereiten Sie sich auf die Auswirkungen vor
Agentenbasierte KI befindet sich noch in der Entwicklungsphase. Während Entwickler Tools und Entwicklungskits erstellen, müssen sich IT-Betreiber auf die unvermeidlichen Auswirkungen auf ihr Netzwerk vorbereiten.
Die am besten vorbereiteten Unternehmen werden Entwicklerprototypen mit frühzeitigen Infrastrukturtests kombiniert haben, um die Auswirkungen auf das Netzwerk zu überwachen und zu messen, sodass Verbesserungen rechtzeitig vor der Produktivbereitstellung umgesetzt werden können. Zusammenarbeit und Kommunikation verringern das Risiko, dass ein Funktionsbereich einem anderen vorauseilt. Darüber hinaus hilft es Netzwerkbetreibern, das Innovationstempo bei agentischen Speichersystemen zu verfolgen und so der Innovationskurve immer einen Schritt voraus zu sein.
Sobald sich die Innovationen im Bereich des agentischen Gedächtnisses konsolidieren, wissen IT-Betreiber, dass der Zeitpunkt für die erste unternehmensweite Bereitstellung einer agentischen Lösung in ihrem Netzwerk näher rückt.
Über den Autor
Ähnliche Blogbeiträge
Ein umfassender Leitfaden zur Bereitstellung und Sicherheit von KI-Anwendungen
Entdecken Sie optimale Strategien für die Absicherung und Bereitstellung von KI-Anwendungen.
KI zulassen und einführen? Lehren aus der Public Cloud
Die Einführung von KI steht unmittelbar bevor und könnte entscheidend sein, um wettbewerbsfähig zu bleiben. Daher muss die IT-Sicherheit proaktiv handeln und der KI-Einführung schon jetzt einen Schritt voraus sein, um sie auf einen risikogerechten Weg zu lenken.
Stand der Anwendungsstrategie 2022: Zeit für die Modernisierung des Betriebs
Es ist deutlich geworden, dass Unternehmen ihren Fokus erneut auf die Geschäftsfunktionen richten müssen, um die Dynamik ihrer digitalen Transformation aufrechtzuerhalten. Kundenerlebnisse haben zwar weiterhin Priorität, doch auch Geschäftsfunktionen wie Recht, Personalwesen und Finanzen müssen digitalisiert werden. Das bedeutet, dass CIOs das Steuer übernehmen, während sich die digitale Transformation von der Modernisierung von Anwendungen hin zur Modernisierung von Betriebsabläufen verlagert.
F5s Weg zu einer vielseitigen Plattform für Anwendungsanalysen
F5 bietet heute die umfassendsten Anwendungsdienste entlang des gesamten Weges vom Code bis zum Kunden. Künftig werden wir verstärkt auf Anwendungstelemetrie und -analysen setzen, damit unsere Kunden wertvolle Erkenntnisse über ihre Anwendungen, Geschäftsabläufe und Benutzererlebnisse gewinnen können. Beim Ausbau unserer Cloud-Analysefunktionen werden wir ML und KI noch stärker nutzen, um unsere Kunden bei der Verbesserung ihrer Geschäftsdienste zu unterstützen.
Telemetrie: Eine andere Art von Daten
Verwenden wir den Begriff „Telemetrie“ nur, weil er attraktiver klingt als „Daten“? Letztlich sind sowohl Daten als auch Telemetrie strukturierte Informationseinheiten. Es ist kein Verbrechen, die Begriffe synonym zu verwenden. Doch wenn man es genau nimmt, gibt es einen Unterschied. Und dieser Unterschied wird immer wichtiger werden, je weiter Unternehmen in die Datenökonomie vordringen.
MTTR bedeutet nicht „Mean Time to Reboot“
„Schnell scheitern“ lautet heute das Mantra für mehr Geschwindigkeit. Ob in DevOps oder im Geschäftsleben: Wer in einer digitalen Wirtschaft agiert, muss eine möglichst perfekte Verfügbarkeit gewährleisten.