KI-Workloads scheitern nicht nur dann, wenn Modelle unzureichende Leistung erbringen. Sie scheitern auch, wenn der Datenpfad nicht mithalten kann. Wenn Unternehmen das Modelltraining, Fine-Tuning und die Retrieval-Augmented Generation (RAG) skalieren, wird die Übertragung von Daten zwischen Speicher- und Rechenressourcen zu einem entscheidenden Leistungsengpass. Wenn Netzwerklatenz und Jitter den Durchsatz des Objektspeichers beeinträchtigen, werden Modell-Pipelines langsamer, GPUs bleiben ungenutzt und die Infrastrukturkosten steigen.
Aus diesem Grund gibt F5 neue unabhängige Leistungstests bekannt, die zeigen, wie F5 BIG-IP die KI-Datenbereitstellung für S3-kompatible Speicherumgebungen erheblich verbessern kann.
Unabhängige Validierung zeigt höheren Durchsatz bei Funktionstests
SecureIQLab hat bestätigt, dass F5 BIG-IP Local Traffic Manager (LTM) auf einem F5 VELOS CX410-Chassis mit zwei BX520-Blades, das vor einem MinIO-Cluster bereitgestellt wurde, unter Latenz- und Jitterbedingungen einen um bis zu 332 % höheren Durchsatz als beim Referenzdatenverkehr erzielte. Die Ergebnisse zeigen, dass der Nutzen eines programmierbaren Kontrollpunkts im Speicherdatenpfad mit zunehmender Netzwerkbeeinträchtigung noch deutlicher wurde.
Dies ist von Bedeutung, da sich die meisten Diskussionen über KI-Infrastrukturen nach wie vor isoliert auf Rechenleistung und Speicher konzentrieren. In der Praxis hängt die KI-Leistung jedoch vom Gesamtsystem ab. Ist der Netzwerkpfad zwischen Speicher- und Rechenressourcen instabil, kann selbst der leistungsfähigste GPU-Cluster nicht effizient arbeiten. Architekten, die KI-Fabriken und groß angelegte Inferenzumgebungen entwickeln, müssen den Speicherdatenpfad als sorgfältig konzipierten Bestandteil der Gesamtarchitektur behandeln und nicht als passive Verbindung zwischen Anwendungen und Objektspeichern.
“SecureIQLab hat bestätigt, dass F5 BIG-IP LTM auf einem F5 VELOS CX410-Chassis mit zwei BX520-Blades, das vor einem MinIO-Cluster bereitgestellt wurde, unter Latenz- und Jitterbedingungen einen um bis zu 332 % höheren Durchsatz erzielte.”
Der Bericht von SecureIQLab bewertete den Durchsatz S3-kompatibler Speicherlösungen in realistischen Szenarien, darunter lokale Rechenzentrumsumgebungen, SD-WAN-Bedingungen und Weitverkehrsnetze mit einer Latenz von bis zu 75 Millisekunden und einem Jitter von 5 Millisekunden. In den Szenarien mit der höchsten Latenz erzielte F5 einen deutlich höheren Durchsatz als die Basiskonfiguration. Dies verdeutlicht, wie TCP-Proxying, die Wiederverwendung von Verbindungen und die Optimierung des Datenverkehrs zur Stabilisierung von Objektübertragungen beitragen. Bei den Tests wurde außerdem der reine Ver- und Entschlüsselungsdurchsatz gemessen. Dabei erreichte eine Bereitstellung mit einem F5 VELOS CX410-Chassis und zwei BX520-Blades bei Verwendung von 1-GB-Objekten 173,65 Gbit/s.
Neben einer Durchsatzsteigerung von bis zu 332 % enthält der Leistungsvalidierungsbericht von SecureIQLab die folgenden zentralen Ergebnisse:
- In einem Enterprise-SD-WAN-Szenario mit niedriger Latenz (10 ms Latenz, 2 ms Jitter) steigerte F5 VELOS den S3-Durchsatz von 62,5 Gbit/s (Leistung ohne F5 VELOS) auf 121,7 Gbit/s – eine Leistungssteigerung von 95 %.
- In einem Breitband-/VPN-Szenario mit niedriger Latenz (10 ms Latenz, 5 ms Jitter) steigerte F5 VELOS den S3-Durchsatz von 46,8 Gbit/s (Leistung ohne F5 VELOS) auf 119,6 Gbit/s – eine Leistungssteigerung von 155 %.
- In einem Multicloud-Backbone-Szenario mit hoher Latenz (75 ms Latenz, kein Jitter) steigerte F5 VELOS den S3-Durchsatz von 10,9 Gbit/s (Leistung ohne F5 VELOS) auf 41,5 Gbit/s – eine Leistungssteigerung von 281 %.
- In einem Edge-Szenario mit hoher Latenz und starken Schwankungen (75 ms Latenz, 5 ms Jitter) steigerte F5 VELOS den S3-Durchsatz von 9,6 Gbit/s (Leistung ohne F5 VELOS) auf 40,1 Gbit/s – eine Leistungssteigerung von 316 %.
- In einem SD-WAN-Multicloud-Szenario mit hoher Latenz (75 ms Latenz, 2 ms Jitter) steigerte F5 VELOS den S3-Durchsatz von 9,5 Gbit/s (Leistung ohne F5 VELOS) auf 41,2 Gbit/s – eine Leistungssteigerung von 332 %.
Die Latenz ist der wichtigste begrenzende Faktor für den Durchsatz S3-kompatibler Speicher
Die Latenz zwischen dem S3-kompatiblen Speicher-Client und den Speicherknoten beeinträchtigte den Durchsatz wesentlich stärker als erwartet. So zeigten die Referenzergebnisse beispielsweise, dass der Durchsatz bei einer Latenz von 10 ms auf etwa 60 % des Referenzdurchsatzes bei 0 ms Latenz sank. Die Referenzergebnisse zeigten außerdem, dass der Durchsatz bei einer Latenz von 75 ms auf etwa 8,25 % des Referenzdurchsatzes bei 0 ms Latenz sank.
Obwohl F5 davon ausging, dass Jitter im Vergleich zur Latenz einen größeren relativen Einfluss auf den Durchsatz haben würde, war genau das Gegenteil der Fall. Tatsächlich wirkte sich die Latenz stärker als der Jitter auf den Durchsatz zwischen dem S3-Client und den Speicherknoten aus.
Ein F5 VELOS mit BIG-IP LTM als Proxy optimiert den Datenverkehr zwischen S3-kompatiblen Speicher-Clients und Speicherknoten und steigert den Durchsatz in realen Netzwerken deutlich stärker als zu Beginn der Validierung erwartet.
Die Datenbereitstellung bildet die Grundlage jeder KI-Architektur
Für Führungskräfte aus Wirtschaft und Technologie ist die Schlussfolgerung eindeutig: Die Leistung der KI-Infrastruktur ist nicht mehr nur eine Frage der Rechenleistung oder der Speicherung. Sie ist eine Frage der Datenbereitstellung. Als Bestandteil der F5 Application Delivery and Security Platform (ADSP), bietet F5 BIG-IP einen skalierbaren, sicheren und leistungsstarken Zugangspunkt für die Aufnahme von Datensätzen, die beim Training und Fine-Tuning von KI-Modellen sowie in RAG-Workflows verwendet werden. Durch die Kombination von intelligentem Traffic-Management, richtlinienbasierter Steuerung und ausfallsicherem Failover trägt F5 dazu bei, KI-Pipelines vorhersehbarer, besser steuerbar und effizienter zu machen.
Dieser Mehrwert zeigt sich in drei architektonischen Vorteilen.
Erstens verbessert F5 den verteilten Datentransport, indem es die Übertragung riesiger Datensätze zwischen Speicher- und Recheninfrastrukturen steuert und optimiert. Zweitens ermöglicht F5 eine lose Kopplung und Ausfallsicherheit der Endpunkte und unterstützt Unternehmen so dabei, Leistung und Flexibilität auch bei der Weiterentwicklung ihrer Speicherarchitekturen aufrechtzuerhalten. Drittens erweitert F5 den KI-Datenpfad um ein programmierbares Traffic-Management, sodass Teams dort Richtlinien, Beobachtbarkeit und Kontrolle umsetzen können, wo sie zuvor nur wenig Einblick hatten.
Letztlich können Unternehmen so die Rendite ihrer Investitionen in KI-Infrastruktur maximieren und zugleich sicherstellen, dass die Systeme unter realen Bedingungen zuverlässig funktionieren – und nicht nur unter idealen Laborbedingungen. Dies deutet zudem auf einen umfassenderen Wandel in der Branche hin: Die Prinzipien der Anwendungsbereitstellung werden zu einer wesentlichen Grundlage für die Gestaltung moderner KI-Infrastrukturen.
Vollständigen SecureIQLab-Bericht herunterladen
Lesen Sie den vollständigen SecureIQLab-Bericht zur Leistungsvalidierung, der die Methodik, Topologie und Ergebnisse hinter diesen Erkenntnissen ausführlich beschreibt, und erfahren Sie, wie F5 dazu beiträgt, die Bereitstellung von KI-Daten für MinIO und andere S3-kompatible Speicherumgebungen zu optimieren, zu stabilisieren und zu skalieren.
Das Engagement von F5 im Bereich KI geht noch weiter – entdecken Sie, wie F5 KI-Anwendungen bereitstellt und absichert.
Über die Autoren
Florin Meilescu ist Senior Principal Software Engineer und Test Architect bei F5. Dort ist er als Solution Test Architect für BIG-IP auf Hardware- und Softwareplattformen sowie in Public-Cloud-Umgebungen tätig. Er verfügt über mehr als 20 Jahre Erfahrung im Markt für Application Delivery Controller (ADC), unter anderem bei Citrix NetScaler. Seine Expertise reicht von L2- bis L7-Protokollen und den Systemen, über die sie übertragen werden, von Linux-Servern bis hin zu Netzwerkgeräten, die er zu Beginn seiner Karriere betreute. Florin hat einen Bachelorabschluss in Ingenieurwissenschaften von der Polytechnischen Universität Bukarest.
Weitere Blogbeiträge von Florin MeilescuPaul Pindell ist Principal Architect bei F5. Dort ist er im Bereich Technology Alliances tätig und verantwortet technische Partnerschaften im gesamten Produktportfolio von F5. Seit 2019 spielt er zudem eine zentrale Rolle bei Initiativen zur Unternehmensstrategie und war unter anderem an der Einführung des ersten Innovationsprojekts von F5 beteiligt. Paul leitete das Tiger-Team für die KI-Strategie von F5, das sich mit der Frage befasste, wie die bestehenden Produkte von F5 zur sicheren Bereitstellung von KI-Anwendungen beitragen können. Später wirkte er an der Entwicklung der KI-Referenzarchitektur von F5 mit, die die zentralen Bausteine, Herausforderungen, Risiken und Partnerlösungen beschreibt, die für die Bereitstellung und Absicherung von KI-Anwendungen erforderlich sind. Paul hält regelmäßig Keynotes und Fachvorträge auf Branchenveranstaltungen, darunter der OPI Summit, der OCP Global Summit, Intel InnovatiON, der Open Source Summit, die Red Hat Tech Exchange sowie mehrere VMworld-Konferenzen in den USA und der EMEA-Region. Darüber hinaus ist er Gründer und Maintainer von Open-Source-Projekten, Vorsitzender des Outreach Committee des Open Programmable Infrastructure Project und war zuvor für den Betrieb der Antivirus Response Data Centers und der Testlabore für Sicherheitssoftware von Symantec verantwortlich.
Weitere Blogbeiträge von Paul PindellÄhnliche Blogbeiträge
Kubernetes-native WAF für das Gateway-Zeitalter: F5 WAF for NGINX lässt sich jetzt in F5 NGINX Gateway Fabric integrieren
F5 erweitert WAFs, um mit F5 NGINX Gateway Fabric und F5 NGINX Ingress Controller einen konsistenten, skalierbaren Schutz über Cluster und Umgebungen hinweg bereitzustellen.
Von Regeln zu Risiken: Die Entwicklung von WAFs und der Aufstieg KI-gestützter Ergebnisse
WAF-Programme geraten oft an einem bekannten Punkt ins Stocken: Der Blockierungsmodus wird verzögert aktiviert, weil die Feinabstimmung aufwendig ist.
Erklärbarkeit: Licht ins Dunkel der KI-Blackbox bringen
Einblicke von James White, CTO bei CalypsoAI: Dank GenAI verstehen wir inzwischen gut, wie Antworten generiert und an uns zurückgegeben werden. Vereinfacht gesagt basiert KI auf einer Transformer-Architektur – sie wählt die beste Vorhersage für das nächste Wort und den nächsten Satz aus und liefert anhand der ihr vorliegenden Informationen die wahrscheinlichste Antwort […]
Die neue KI-Risikolandschaft: unsichtbar, autonom und bereits im Unternehmen
James White, VP Engineering, F5 Zur Jahresmitte 2025 ist es an der Zeit, eine Momentaufnahme der KI-Nutzung in Unternehmen und des aktuellen Stands der KI-Sicherheit zu erstellen. Der Einsatz generativer KI ist in Unternehmen mittlerweile Standard Unternehmen verfügen inzwischen durchweg zumindest über ein grundlegendes Verständnis von generativer KI. Sie wissen, was sie ist und wo sie […]
Die KI-Grenzen sichern: Strategien zur Bekämpfung von Datenexfiltration
Da Unternehmen zunehmend Modelle der generativen KI (GenAI) und große Sprachmodelle (LLMs) in ihre digitalen Systeme integrieren, sind sie mit neuen und erhöhten Risiken konfrontiert. Wenig überraschend stehen dabei Risiken im Zusammenhang mit Datenexfiltration – der unbefugten Übertragung von Daten aus einem Unternehmen an ein externes Ziel – meist ganz oben auf der Prioritätenliste der Sicherheitsteams. Ein Verständnis […]
Everest Group-Bericht: Aktuelle Trends und Zukunftsaussichten bei der Einführung von GenAI in der Industrie
Wir freuen uns, einen wesentlichen Beitrag zu einem wegweisenden neuen Bericht der Everest Group, einem weltweit führenden Forschungsunternehmen, geleistet zu haben. Der Bericht mit dem Titel „Generative AI Adoption – Examining Real-world Use in Horizontal Functions and Future Outlook“ bietet eine eingehende Analyse der Einführung generativer KI (GenAI) in verschiedenen Branchen. Dem Bericht zufolge ist die IT […]