NetApp und Cisco richten FlexPod neu auf KI-Herausforderungen in Unternehmen aus

NetApp Inc. und Cisco Systems Inc. richten ihre gemeinsame Enterprise-Infrastrukturplattform FlexPod neu aus, um sie als vorab getestete Lösung für die Bereitstellung künstlicher Intelligenz zu positionieren. Auf der Konferenz NetApp INSIGHT erläuterten Führungskräfte beider Unternehmen, wie sich die seit 16 Jahren bestehende Partnerschaft anpasst, um die spezifischen Integrationsrisiken produktiver KI-Workloads zu bewältigen.

Infrastrukturdesign rund um den Datenfluss

KI-Anwendungen erfordern zeitgleich hohe Leistung in den Bereichen Speicher, Netzwerk, Rechenleistung und Sicherheit. James Cole, Vice President bei Cisco, betonte während der Übertragung, dass RZ-Architekturen früher Anwendungen in bestehende Strukturen einpassen mussten, während KI in Unternehmen heute ein Infrastrukturdesign verlangt, das konsequent um den Datenfluss herum aufgebaut ist.

Um zu verhindern, dass komplexe Integrationen zu betrieblichen Verzögerungen führen, haben NetApp und Cisco ihre FlexPod-Angebote für KI-Workloads bereits im Juni erweitert. Die validierten Designs sollen Unternehmenskunden Flexibilität bei der Hardwareauswahl bieten und gleichzeitig den Aufwand manueller Systemintegrationen reduzieren.

Erfolgsbilanz und künftiger Ausbau

Laut Alvaro Celis, Chief Partner und Ecosystem Officer bei NetApp, hat die gemeinsame FlexPod-Initiative über fast zwei Jahrzehnte hinweg mehr als 10.000 Unternehmenskunden gewonnen und einen Wert von 21 Milliarden US-Dollar im Ökosystem geschaffen. Die enge technische Abstimmung zwischen NetApp, Cisco und ihrem gemeinsamen Partnernetzwerk ermöglicht die skalierbare Umsetzung vorvalidierter Architekturen.

Die Unternehmen planen weitere gemeinsame Updates für FlexPod AI. Zudem wird erwartet, dass sich künftig zusätzliche Technologiepartner dem Ökosystem anschließen, um den steigenden Anforderungen moderner Rechenzentren gerecht zu werden.

KI-generierte redaktionelle Illustration; kein Dokumentarfoto.

Quelle: Decades of DIY best-of-breed give way to pretested stacks as AI raises integration risk