Unternehmensnetzwerke unterliegen aufgrund der künstlichen Intelligenz (KI) einem erheblichen Wandel. Die Verschiebung ist durch kontinuierlichen, hohen Datenverkehr gekennzeichnet, der während des KI-Modelltrainings erzeugt wird und eine hohe Bandbreite, extrem niedrige Latenz und minimale Paketverluste erfordert. KI-Inferenz bringt Herausforderungen mit sich, da der Datenaustausch in Echtzeit sofortige Reaktionen erfordert, wobei sich Verzögerungen im Millisekundenbereich negativ auf die Leistung auswirken können.
Gartner prognostiziert, dass die weltweiten KI-Ausgaben bis 2026 um 47 % steigen werden. In der Zwischenzeit hat ein Bericht von McKinsey & Das Unternehmen gibt an, dass 88 % der Unternehmen derzeit KI in mindestens einer Geschäftsfunktion einsetzen, obwohl sich fast zwei Drittel noch in Pilotprojekten oder Experimentierphasen befinden.
Ein Bericht von Cisco Systems and Foundry aus dem Jahr 2026 geht davon aus, dass KI den Datenverkehr im Unternehmensnetzwerk innerhalb von drei Jahren verdreifachen wird. Laut Ciscos AI Readiness Index 2025 verfügen jedoch nur 15 % der Unternehmen über Netzwerke, die flexibel genug sind, um KI in großem Maßstab zu unterstützen. Taranvir Singh, Forschungsmanager für Netzwerkinfrastruktur und -dienste bei IDC, betont, dass sich das Netzwerk von einer einfachen Konnektivitätsrolle zu einer intelligenten Struktur entwickeln muss, die identitätsbasierte Autorisierung, Richtliniendurchsetzung und Optimierung unterstützen kann.
Deepu Komati, leitender Ingenieur bei HCL America, stellt fest, dass KI die Wahrnehmung von Unternehmensnetzwerken verändert hat. Sie gibt an, dass KI-Assistenten und Copiloten die Diskussion von der bloßen Bereitstellung zuverlässiger Konnektivität hin zur Bereitstellung eines konsistenten Zugriffs mit geringer Latenz auf verteilte KI-Dienste verlagert haben. KI-Arbeitslasten, die einen stoßartigen Datenverkehr erzeugen und von Cloud-APIs abhängig sind, führen zu erhöhten Netzwerkengpässen, die durch Latenz, Überlastung und ineffizientes Routing verursacht werden.
IT-Teams stehen vor der Herausforderung, Transparenz und Kontrolle über den KI-Verkehr zu erlangen, der häufig mit Standard-Cloud-Aktivitäten zusammenhängt. Komati weist darauf hin, dass die herkömmliche Netzwerküberwachung möglicherweise die Verfügbarkeit einer Verbindung erkennt, jedoch nicht berücksichtigt, warum KI-Reaktionen langsam oder unvollständig sein können. Der 2026 Worldwide AI in Networking Special Report von IDC hebt Sicherheit, Automatisierung und Netzwerkfähigkeiten als wesentliche Hindernisse für die erfolgreiche Umsetzung von KI-Projekten hervor.
Shamus McGillicuddy, Vizepräsident für Forschung für Netzwerkinfrastruktur bei der EMA, argumentiert, dass eine robuste Netzwerkinfrastruktur für Unternehmen, die in KI-Technologie investieren, von entscheidender Bedeutung sein wird. Er betont die Notwendigkeit für Unternehmen, Rechenzentren und Weitverkehrsnetzwerke zu modernisieren, um KI-Workloads zu bewältigen, die sich über öffentliche Clouds und Rechenzentren erstrecken.
Organisationen werden ermutigt, ihre Netzwerke zu modernisieren, um sie an die Fortschritte im Bereich der KI anzupassen. CIOs sollten in einheitliche, programmierbare Netzwerkplattformen investieren, die hohe Leistung und integrierte Sicherheit bieten. IT-Teams sollten auch abteilungsübergreifend zusammenarbeiten, einschließlich Netzwerk-, Sicherheits-, Daten- und KI-Teams, um das Infrastrukturmanagement zu verbessern.
Komati empfiehlt IT-Teams in den nächsten zwei bis drei Jahren drei Prioritäten: Entwicklung einer End-to-End-Beobachtbarkeit, die Benutzer, Netzwerke, Cloud-Plattformen, APIs und KI-Anwendungen verbindet; Modernisierung der Architektur für intelligentes Verkehrsmanagement und belastbare Cloud-Konnektivität; und fördern Sie die Zusammenarbeit zwischen Teams, um den Betrieb in Silos zu vermeiden. Sie kommt zu dem Schluss: „Das Ziel sollte nicht darin bestehen, die Bandbreite blind zu erhöhen. Es sollte darin bestehen, ein adaptives Netzwerk aufzubauen, das kritischen KI-Verkehr priorisieren, Leistungseinbußen erkennen, Datenverwaltungsrichtlinien durchsetzen und skalieren kann, wenn die KI-Nutzung im gesamten Unternehmen verankert wird.“
