VMware AI Factory: Automatisierte Infrastruktur für KI-Workloads im Rechenzentrum

VMware AI Factory: Provisioning von Bare-Metal bis Modell automatisiert

Auf der VMware Explore 2026 in Las Vegas hat Broadcom die Plattform VMware AI Factory vorgestellt, die VMware Cloud Foundation (VCF) mit zertifizierten VCF AI ReadyNodes kombiniert und das Provisioning von Bare-Metal-Servern samt GPU-Ressourcen für On-Premises-Rechenzentren automatisiert. Wie CRN berichtet, adressiert die Lösung den Engpass zwischen physischer Hardware und produktivem KI-Modell. Für IT-Verantwortliche bedeutet das: ein einheitlicher Software-Stack, der Hardware-Bereitstellung, Stack-Aktivierung und Lifecycle-Management in einer Pipeline bündelt statt in drei getrennten Workflows.

Architektur und Funktionsumfang

Die KI-Factory abstrahiert die komplette Bereitstellungskette. Laut CRN automatisiert sie Hardware-Provisioning, Software-Stack-Aktivierung und End-to-End-Lifecycle-Management. Innerhalb von VCF werden GPU-Ressourcen organisationsweit gepoolt und gemeinsam genutzt, sodass mehrere Modelle auf derselben Hardware laufen können, statt dedizierte Infrastruktur pro Workload zu binden.

Über Private-AI-Services lassen sich Modelle als governable Service bereitstellen, wechselnde Modelle bei gleichbleibender Hardware nutzen und Token-Kosten auf privater Cloud-Basis vorhersagbar halten. Paul Turner, Chief Product Officer für VCF, wird von CRN mit der Aussage zitiert, dass KI Factory die Zeit bis zum ersten produktiven Modell verkürze und private Cloud-Kosten planbar mache.

Hardware-Zertifizierung und Partnermatrix

Die KI-Factory ist nicht an einen einzelnen Hersteller gebunden. CRN nennt als zertifizierte VCF AI ReadyNodes Dell PowerEdge sowie Knoten von Cisco, Lenovo und Supermicro. Damit positioniert Broadcom die Plattform als herstellerneutral über die x86-Lieferkette.

Zusätzlich bestehen Partnerschaften und Modellintegrationen mit AMD, Google, Kyndryl, Rackspace Technology, MetalSoft und Nvidia. Für Beschaffung und Architekturplanung folgt daraus: GPU-Knoten können herstellerübergreifend geplant werden, sofern die VCF-AI-ReadyNode-Zertifizierung des jeweiligen Modells vorliegt.

Arm-Kontext und Roadmap-Risiko

Auf derselben Konferenz hat Broadcoms Enterprise-Software-Chef Ram Velaga laut Value Add VC eingeordnet, dass Arm-basierte Server drei bis fünf Jahre für relevante Marktanteile in Unternehmensrechenzentren benötigen. VMware setze daher auf eine herstellerneutrale Abstraktionsschicht und eine schrittweise Hypervisor-Portierung.

Für mittelfristige Investitionsentscheidungen bedeutet das: x86-basierte AI ReadyNodes bleiben in diesem Zeitraum der beschiffbare Pfad. Arm-Knoten sind in der Roadmap, aber nicht als kurzfristiger Liefergegenstand einzuplanen.

Was jetzt zu prüfen ist

• Bestandsaudit: Welche Dell-, Cisco-, Lenovo- oder Supermicro-Knoten sind bereits im RZ? Abgleich mit der VCF-AI-ReadyNode-Matrix prüfen.
• GPU-Pooling-Modell: Eigene Workloads auf Eignung für mandantenfähige GPU-Nutzung analysieren, bevor dedizierte Zuweisungen beantragt werden.
• Lifecycle-Konzept: Patch- und Update-Kadenz mit VCF-Version synchronisieren, um Breaking Changes im AI-Stack zu vermeiden.
• Tokenkosten-Tracking: Verbrauchsmessung pro Modell etablieren, bevor Private-AI-Services produktiv gehen.
• Arm-Pfad: Beschaffungspläne für 2027/2028 mit der Annahme eines Arm-Anteils von null bis gering im Enterprise-Segment ansetzen.

Spezifikationen auf einen Blick