Auf den Punkt: Unternehmens-IT-Architekturen erweisen sich als nicht skalierbar für produktive KI-Workloads und erfordern grundlegende Modernisierung.
Eine NTT-DATA-Studie dokumentiert, dass bestehende IT-Architekturen in Unternehmen nicht für produktiven KI-Einsatz ausgelegt sind. Für CTOs wird dies zur zentralen Infrastruktur-Herausforderung.
Die NTT-DATA-Studie identifiziert ein strukturelles Mismatch zwischen den Anforderungen moderner KI-Anwendungen und den existierenden IT-Infrastrukturen in Enterprise-Umgebungen. Viele Organisationen haben ihre Systeme über Jahre für traditionelle Workloads optimiert — Legacy-Architekturen, monolithische Anwendungen, klassische Datenbank-Setups — und stoßen nun an Kapazitätsgrenzen, wenn sie Claude, andere Large Language Models oder spezialisierte KI-Pipelines produktiv einbinden wollen.
Konkret entstehen Bottlenecks in mehreren Bereichen: Rechenressourcen-Anforderungen für Modell-Inferenz skalieren nicht linear mit traditionellen Server-Setups. Datenflüsse zu KI-Systemen erfordern Real-Time-Verarbeitung statt Batch-Processing. Sicherheits- und Compliance-Modelle sind auf deterministische Systeme ausgelegt, nicht auf probabilistische KI-Ausgaben. Netzwerk-Latenz und Speicher-I/O werden zu kritischen Faktoren, die klassische Drei-Schichten-Architekturen überlasten.
Für CTOs bedeutet dies keine kurzfristige Patch-Lösung: Grundlegende Entscheidungen über Containerisierung, Microservices, GPU-Ressourcen-Management, Datenarchitektur (Data Lakes, Feature Stores) und KI-spezifische Observability-Systeme stehen an. Hybride Ansätze — On-Premises-Legacy neben Cloud-nativen KI-Stacks — erfordern neue Integrations- und Governance-Patterns, für die viele Organisationen weder die Architektur noch das Fachpersonal haben.
Quelle: itwelt.at · Erschienen 17. Juni 2026
Lumi AI News — KI-assistierte Kuratierung gemaess Art. 50 EU AI Act. Paraphrase und Klassifikation durch Lumi News Pipeline v1.7.1.