KI-Infrastruktur optimieren: Supermicro und Cisco setzen auf moderne Storage-Konzepte

Wer heute eine KI-Infrastruktur plant, kommt an einer ehrlichen Bestandsaufnahme der eigenen Storage-Architektur nicht mehr vorbei.

Der Netzwerkausstatter erweitert seine Secure AI Factory mit NVIDIA um flüssigkeits- und luftgekühlte Serversysteme von Supermicro. Zielgruppe sind nach Angaben von Cisco ausdrücklich Neocloud- und Sovereign-Cloud-Kunden, die ihre Daten unter eigener Kontrolle halten müssen. Erste Systeme sollen ab Oktober 2026 verfügbar sein.

Wenn der Speicher zum Engpass wird

In einer Diskussionsrunde des Supermicro Open Storage Summit schilderten Vertreter der Partner den Hintergrund. Allen Liu, Senior Product Manager bei Supermicro, beschrieb den Wandel: weg von reinen Kapazitätsfragen, hin zu Leistung, Skalierbarkeit und Komponierbarkeit. Molly Presley von Hammerspace ergänzte, dass viele Unternehmen KI auf Storage-Architekturen aufbauten, die für die KI-Ära gar nicht gedacht seien – fragmentierte Silos, alternde Systeme, hohe Reibungsverluste. Die Hammerspace-Lösung legt sich nach Anbieterangaben wie eine Software-Schicht über die bestehende Infrastruktur und macht die Daten dort verfügbar, wo sie liegen, ohne aufwändige Migrationen.

Praveen Midha von Sandisk verwies zudem auf ein bekanntes Problem: GPU-Ressourcen sind in vielen Unternehmen nur zu 30 bis 50 Prozent ausgelastet. QLC-SSDs sollen diese Lücke schließen, indem sie zwischen HDD-Tiers und GPU-nahen Stufen eine Brücke bauen – mit höherer Kapazität und niedrigerer Latenz als klassische Festplatten.

Was die Partnerschaft konkret liefert

Die Cisco-Ankündigung beschreibt eine Full-Stack-Architektur, bei der Compute, Netzwerk und Speicher aus einer Hand kommen. Supermicro liefert die Compute-Hardware in luft- und wassergekühlter Form, Cisco steuert die Netzwerkschicht mit Silicon-One-Switches im Front-End und NVIDIA-Spectrum-X-Switches im Back-End bei, zusammengeführt über Cisco Nexus One. Damit lassen sich laut Cisco dichte GPU-Cluster zusammen mit klassischen Nicht-KI-Workloads in einer Umgebung betreiben. Die Architektur unterstützt Plattformen wie NVIDIA Vera Rubin NVL72 und NVIDIA HGX Rubin NVL8 und ermöglicht auch Rack-to-Fabric-Flüssigkühlung.

Was IT-Verantwortliche jetzt prüfen sollten

Die Ankündigung eignet sich als Anlass für drei konkrete Schritte. Erstens: Den Storage-Stack auf fragmentierte Silos abklopfen und prüfen, ob Metadaten-Ebenen vorhanden sind, die Daten über Speicherorte hinweg auffindbar machen. Zweitens: Die tatsächliche GPU-Auslastung messen – wer dauerhaft unter 50 Prozent liegt, verliert Geld und sollte das Bottleneck im Storage-Tier suchen, nicht im Compute. Drittens: Eigene Anforderungen an Sovereign-Cloud- oder Neocloud-Szenarien definieren, bevor kombinierte Stacks auf den Tisch kommen.

Das bedeutet für die Praxis: Wer jetzt die Weichen stellt, vermeidet später teure Migrationsprojekte und behält die Hoheit über die eigenen Daten.