Es ist immer DNS.
Der große Azure-Ausfall von 2025? DNS. Der regionale AWS-Ausfall im Jahr 2025, der das halbe Internet für einige Stunden lahmlegte? Wieder DNS. Der älteste Dauerwitz der IT stimmt noch immer, denn die Namensauflösung ist der erste Dominostein – und wenn er fällt, legt alles, was danach kommt, eine Bruchlandung hin.
Jetzt kommt auch noch KI ins Spiel. KI behebt DNS-Probleme nicht auf magische Weise. Sie verschärft jede einzelne Schwachstelle. Inferenz-Endpunkte kommen und gehen, Pods werden neu gestartet und Dienste benennen sich schneller um, als man darüber fluchen kann. Wenn DNS nicht resilient ist, jagt man Phantomen hinterher, während die GPUs ungenutzt bleiben.
Als wir uns mit den zehn größten Herausforderungen bei der Anwendungsbereitstellung befassten, stand gleich an erster Stelle ein Thema rund um DNS. ADC01 warnte vor mangelhaften DNS-Praktiken – denn sie beeinträchtigen Leistung, Verfügbarkeit und Skalierbarkeit. Daran hat sich bis heute nichts geändert. Was sich geändert hat, ist die Geschwindigkeit: KI-Architekturen entwickeln sich rasanter, und jede falsch konfigurierte TTL oder ungesicherte Aktualisierung kann jederzeit einen Millionenschaden verursachen.
DNS ist nicht glamourös. Es ist die Infrastruktur im Hintergrund. Wenn Sie jedoch KI-Systeme entwickeln, die auf Echtzeit-Inferenz oder global verteilte Modelle angewiesen sind, sollte Ihr DNS intelligenter sein als Ihr Modell – sonst ist Schluss, bevor das erste Token ausgegeben wird.
Wie KI die DNS-Praxis beeinflusst
Dies sind die wichtigsten Veränderungen, mit denen Sie beim Umstieg von „normalen Apps“ auf ernst zu nehmende KI-Systeme konfrontiert werden – und die Gründe, warum DNS nach wie vor der zentrale Engpass ist.
1. Geschwindigkeit und Wandel der Infrastruktur
KI ist nicht statisch. Endpunkte werden eingerichtet, skaliert und anschließend über Rechenzentren und Regionen hinweg bis hin zum Edge wieder abgebaut. Wenn Ihre DNS-Aktualisierungen nicht Schritt halten (denken Sie an die Warnung zu dynamischen Aktualisierungen in ADC01), kommt es zu veralteten Einträgen, fehlgeschlagenen Verbindungen und Leistungseinbußen.
Denn bei KI zählt jede Millisekunde. Das Modell mag bereit sein und die GPU auf Hochtouren laufen, doch wenn die DNS-Abfrage für den Inferenz-Endpunkt langsam ist oder ein falsches Ergebnis liefert, geht gar nichts mehr.
2. Globale Reichweite + Edge-Präsenz
KI-Systeme erstrecken sich häufig über verschiedene geografische Regionen, Cloud-Anbieter und Edge-Standorte. Eine hohe Verfügbarkeit ist geschäftskritisch. ADC01 hat darauf hingewiesen, dass ein unzureichendes DNS die Verfügbarkeit beeinträchtigt. Bei KI steht noch mehr auf dem Spiel. Fehlgeleitete Anfragen, Latenzspitzen oder DNS-Ausfälle führen zu schlechteren Modellantworten oder sogar zu Dienstausfällen für Nutzer in verschiedenen Regionen.
3. Verstärkte Sicherheits- und Vertrauensprobleme
KI-Workloads verarbeiten häufig sensible Daten, treffen Entscheidungen und unterstützen regulatorisch gebundene Abläufe. Ist das DNS nicht abgesichert (z. B. durch DNSSEC), kann ein Angreifer, der den Datenverkehr umleitet oder Endpunkte fälscht, katastrophale Folgen verursachen – darunter manipulierte Trainingsdaten, verfälschte Inferenzergebnisse und Datenschutzverletzungen.
Bei KI kann man nicht sagen: „Wir kümmern uns später um DNS.“ Man muss davon ausgehen, dass Angreifer jede Schwachstelle ausnutzen werden.
4. Skalierungskomplexität und Kostendruck
ADC01 weist darauf hin, dass unzureichende DNS-Verfahren die Skalierbarkeit beeinträchtigen und die Betriebskosten erhöhen. Im KI-Bereich sind die Kosten ohnehin bereits enorm: Datenpipelines, GPUs, Modellbetrieb und Monitoring. Ineffizienzen im DNS führen zu verschwendeter Rechenleistung, Zeit und Budget.
Die DNS-Frage lautet also: Kann Ihre Infrastruktur die für die Namensauflösung erforderliche Basis ebenso schnell skalieren wie Ihre Modelle?
5. Abhängigkeiten sind undurchsichtig und Kaskadeneffekte treten schneller auf
Im KI-Bereich gibt es zahlreiche Abhängigkeiten: Datenaufnahme, Modellbereitstellung, Orchestrierung, Protokollierung und Telemetrie. DNS bildet die Grundlage für all diese Komponenten. Fällt DNS aus, bricht alles darüber schneller zusammen als bei herkömmlichen Anwendungen. Die Wirkungskategorien von ADC01 (Leistung, Verfügbarkeit, Skalierbarkeit und Betriebseffizienz) lassen sich alle direkt darauf übertragen, doch bei KI sind die Folgewirkungen noch größer – ähnlich wie der Einfluss von KI auf nahezu alle anderen Bereiche.
Es liegt wirklich immer am DNS
Unterm Strich gilt: Es liegt immer am DNS. Das mag wie ein altes Klischee klingen, aber nur, weil es stimmt. Sie können das ausgefeilteste KI-Modell der Welt entwickeln – wenn jedoch die Namensauflösung fehlschlägt, bekommt der Nutzer es nie zu sehen.
Die Empfehlungen in ADC01 sind nach wie vor absolut verlässlich – auch für KI-Workloads und vielleicht ganz besonders für agentische KI. Wenn unsere Systeme mit der Geschwindigkeit und Skalierbarkeit von KI arbeiten sollen, müssen wir diese Empfehlungen früher und konsequenter umsetzen.
DNS ist nichts, worum man sich erst kümmert, „nachdem das Modell perfektioniert wurde“. Man muss es beherrschen, bevor man sein Modell der Welt zugänglich macht.
Wenn Sie DNS richtig konfigurieren, kann Ihr KI-System sein volles Potenzial entfalten. Ignorieren Sie es, wird Ihr Modell lediglich zu einem sehr teuren schwarzen Klotz, auf den niemand zugreifen kann.
Erfahren Sie mehr über die 10 größten Herausforderungen bei der Anwendungsbereitstellung, mit denen Unternehmen weltweit konfrontiert sind.
Über den Autor
Lori MacVittie ist Distinguished Engineer und Chief Evangelist im Office of the CTO von F5 und verfügt über umfassende Expertise in den Bereichen Anwendungsbereitstellung, Automatisierungsstrategie und Infrastruktur. Sie ist dafür bekannt, Komplexität verständlich zu machen – ob sie Leitplanken für KI-Agenten definiert, fragile Multicloud-Architekturen analysiert oder die Grenzen skalierbarer Systeme auslotet. Sie verfügt über mehr als dreißig Jahre Branchenerfahrung in der Anwendungsentwicklung, IT-Architektur sowie im Netzwerk- und Systembetrieb. Bevor sie zu F5 kam, war sie als mehrfach ausgezeichnete Technologie-Redakteurin tätig. MacVittie hat einen Masterabschluss in Informatik und ist eine produktive Autorin, deren Veröffentlichungen die Bereiche Sicherheit, Cloud und Unternehmensarchitektur abdecken. Außerdem spielt sie leidenschaftlich gern Brett- und Videospiele und vertritt mit voller Überzeugung klare Ansichten zum Thema Käse.
Weitere Blogbeiträge von Lori Mac VittieÄhnliche Blogbeiträge
Was sind die Top 10 der Anwendungsbereitstellung?
Mit der Top-10-Liste für die Anwendungsbereitstellung möchte F5 Unternehmen dabei unterstützen, Herausforderungen bei der Bereitstellung und Absicherung von Anwendungen, APIs und generativer KI zu bewältigen.
Verhalten und Grenzen: Der Wandel hin zu agentischer Sicherheit
Agenten erzeugen emergente, unbegrenzte Abfolgen, in denen sich Risiken im Laufe der Zeit summieren. Sicherheit muss sich daher von der Validierung einzelner Anfragen hin zu einer kontinuierlichen Verhaltenssteuerung über mehrstufige, sich weiterentwickelnde Abläufe verlagern.
Identität ist der Torwächter für agentische KI
Da agentenbasierte KI Maschinen von Werkzeugen zu eigenständig Handelnden macht, wird Identität zum zentralen Kontrollmechanismus: Wer darf in wessen Namen und in welchem Umfang handeln? Dies wird direkt zur Inferenzzeit durchgesetzt.
KI treibt die Entstehung neuer Arten von Datenverkehr voran
Die Einführung von KI bringt neue, eigenständige Arten von Datenverkehr hervor: Inferenzanfragen sowie maschinell erzeugten Automatisierungsverkehr und hochvolumigen Telemetrieverkehr, der Regelkreise mit Daten versorgt.
Inferenz ist jetzt das operative Gravitationszentrum
Der Betrieb mehrerer Modelle und API-gesteuerte Automatisierung verlagern die Kontrolle auf die Inferenzebene – auf Prompts, Token- und Steuerungsmechanismen, Routing und Moderation –, wo Kosten, Risiken und Leistung gesteuert werden müssen.