Vertrauenswürdige Agenten beginnen mit vertrauenswürdigen Daten

Wenn agentenbasierte KI in einem Unternehmen ins Stocken gerät, liegt die Ursache meist nicht im Modell. Es ist die Bereitschaft der Daten, die sie speisen. Agenten verarbeiten Unternehmensinformationen deutlich schneller und in größerem Umfang als Menschen, was die Anforderungen an präzise Daten, konsistente Berechtigungen sowie aktuellen Kontext und aktuelles Gedächtnis erhöht, die Wissen schaffen, um Handlungen zu ermöglichen.

Jedes Unternehmen wünscht sich von KI dasselbe: bessere Entscheidungen, schnelleres Handeln und messbare Ergebnisse aus den bereits vorhandenen Daten. Das ist schwer zu erreichen, wenn die Datenbestände fragmentiert und schwer zu inventarisieren sind. Wenn Sie nicht wissen, welche Daten vorhanden sind, wo sie sich befinden, wem sie gehören und wer darauf zugreifen kann, können Sie sie nicht mit Zuversicht für KI einsetzen.

Genau diese Lücke soll die NetApp^® AI Data Engine schließen. Als Grundlage der AI Data Services Schicht der NetApp Platform macht sie Unternehmensdaten in hybriden Umgebungen für KI auffindbar, verwaltbar und nutzbar, und dies beginnt mit der Erkennung.

Deshalb geben wir heute die allgemeine Verfügbarkeit von Datenermittlungs- und Metadatendiensten in der AI Data Engine für Ihre gesamte Unternehmensdatenlandschaft bekannt, unabhängig davon, ob sich diese Daten auf NetApp befinden oder nicht. Ein einziger Katalog umfasst NetApp ONTAP^®, StorageGRID sowie NAS- und Objektspeicher anderer Anbieter über NFS, SMB und S3, lokal und in der Cloud, einschließlich ONTAP-basierter Cloud-Services des Erstanbieters und S3-Buckets anderer Anbieter. Das Ergebnis ist unternehmensweite Transparenz und eine Metadatengrundlage, um Ihre Daten zu kennen, bevor KI darauf zugreift.

Der erste Schritt zu Agenten, denen Sie vertrauen können

Unternehmen haben schon früher versucht, unstrukturierte Daten in den Griff zu bekommen. Die verfügbaren Tools arbeiteten jeweils nur mit einem Anbieter, führten Stichproben statt vollständiger Scans durch oder erforderten das vorherige Kopieren der Daten in ein separates System, sodass das Ergebnis nur ein unvollständiges und bereits veraltetes Bild war. Mehr als 80 Unternehmen sagten uns dasselbe, bevor wir dies entwickelten: Ein Tool, das nur den Storage eines einzigen Anbieters erfasst, löst das Problem nicht.

Datenermittlungs- und Metadatendienste sind genau auf diese Anforderung zugeschnitten: ein zentraler Katalog für heterogene Systemlandschaften, nicht nur Stichproben und nicht nur NetApp Systeme. Die Architektur ermöglicht diese Reichweite. Die Bereitstellung erfolgt als Software neben dem bereits vorhandenen Storage, sie scannt direkt vor Ort ohne Datenverschiebung oder Kopien, ist für Datenbestände mit Milliarden von Dateien ausgelegt und läuft unabhängig vom Storage OS, weshalb sie Systeme anderer Anbieter genauso liest wie ONTAP. Nichts wird auf eine separate Plattform verlagert, sodass Berechtigungen, Schutzmechanismen und die hybride Reichweite erhalten bleiben.

Es wurde auch für Agents entwickelt, nicht nur für Menschen. Der Katalog ist über offene APIs und authentifizierte MCP-Endpunkte abfragbar, sodass ein Agent fragen kann, was vorhanden ist und was heute relevant ist. Dadurch ist er ein aktiver Index und kein Klassifizierungsbericht sowie die erste Stelle, an der agentische KI mit Ihrer IT-Umgebung in Berührung kommt.

Sofortiger Nutzen aus derselben Grundlage

Der Nutzen beginnt bereits beim ersten Scan. Derselbe unternehmensweite Index, der Daten für KI vorbereitet, hilft Teams auch dabei, Kapazitäten freizusetzen, Migrationen zu planen und Daten zu finden, die breiter zugänglich sind, als sie es sein sollten. Es handelt sich dabei nicht um separate Funktionen, sondern um unterschiedliche Anwendungsfälle desselben Index, und alles läuft auf Metadaten, sodass keine Inhalte extrahiert, keine Modelle oder GPUs bereitgestellt und nichts verschoben oder kopiert werden muss:

• Optimierung. Identifizieren Sie redundante, veraltete, doppelte und inaktive Daten auf NetApp Systemen und Storage anderer Anbieter, strukturiert nach Eigentümer und Größe, um den Speicherbedarf anzupassen und fundierte Entscheidungen zum Tiering zu treffen.
• Migrationsplanung. Der Katalog wird auf NFS-, SMB- und S3-Freigaben gerichtet, unabhängig davon, ob von NetApp oder nicht, um vor jeder Verschiebung zu verstehen, was aktiv ist und was wichtig ist.
• Zugriffshygiene und Gefährdungspotenzial. Nutzen Sie ein einziges Inventar über ONTAP, StorageGRID und Storage anderer Anbieter hinweg, um Probleme wie offene Freigaben, herrenlose Schlüssel, exponierte Protokolle und Daten mit übermäßigen Berechtigungen aufzudecken.
• Der Einstieg für Agenten. Dateien, die Agenten nicht verwenden sollen, wie z. B. Protokolle, Binärdateien, Duplikate und jahrealte Daten, werden herausgefiltert, um einen saubereren Korpus und eine vertrauenswürdigere Grundlage für Agenten zu schaffen.

In einer Unternehmensumgebung indexierte der Metadatendienst über drei Milliarden Dateien nahezu in Echtzeit, ohne sie zu verschieben oder zu kopieren. Durch das Herausfiltern von Binärdateien, Protokollen, Duplikaten und Dateien, die seit Jahren niemand geöffnet hatte, reduzierte sich der Bestand auf etwa siebzigtausend Dokumente, die es wert waren, einem Agenten bereitgestellt zu werden. Derselbe Scan gruppierte kalte Daten nach Eigentümer, machte aus einer Diskussion über die Datenbereinigung ein Gespräch mit konkreten Ansprechpartnern und lieferte dem Team die Grundlage für einen Migrationsplan für eine veraltete Plattform, die bisher nicht abgelöst werden konnte.

Vom Auffinden zum Wissensgraphen

Discovery ist heute allgemein verfügbar und bildet die Grundlage für das, was wir als Nächstes entwickeln. Die Reihenfolge ist entscheidend: die Daten finden, verstehen, was sich darin befindet, diesen Inhalt mit dem Kontext und der Erinnerung verknüpfen, die daraus Wissen machen, und dann entscheiden, wem das Wissen zur Verfügung steht. Agenten benötigen diese Verbindung, weil Kontext und Erinnerung das sind, was Wissen schafft, und Wissen das ist, was Handlungen ermöglicht, die Ergebnisse vorantreiben.

Das Verständnis beginnt im Inneren der Datei. Die Inhaltsextraktion dient dazu, den tatsächlichen Inhalt eines Dokuments oder Objekts zu erfassen und die für ein Unternehmen relevanten Informationen zu identifizieren: Kundennamen, Vertragsnummer, Verlängerungsdatum. Ein Wissensgraph dient dazu, diese Informationen zu verknüpfen und eine Verbindung zwischen einem Kunden und einem Vertrag, einem Vertrag und einer Verlängerung sowie einer Verlängerung und dem zuständigen Team herzustellen, sodass ein Mitarbeiter einer Beziehung folgen kann, anstatt sie abzuleiten.

Über dem Diagramm ist eine Entscheidungsstruktur angeordnet, die das speichert, was keine Datei enthält: was die Organisation entschieden hat, wer es entschieden hat und warum. Dieses organisatorische Gedächtnis sorgt dafür, dass die Agenten mit den Entscheidungen im Einklang bleiben, die das Unternehmen bereits getroffen hat.

Solch umfangreiches Wissen wirft eine naheliegende Frage auf: Wer sollte darauf zugreifen dürfen? Bestehende Berechtigungen sind so konzipiert, dass sie übernommen werden, sodass die Regeln, die Unternehmensdaten bereits schützen, diese auch für AI schützen. Die Aktivierung umfasst semantische und visuelle Suche in Texten, Bildern und Videos über offene Protokolle sowie offene Analysen, die es Engines wie Starburst ermöglichen, mit unstrukturierten Daten direkt am Speicherort zu arbeiten. Diese Funktionen befinden sich in der Entwicklung und bauen auf der heute verfügbaren Grundlage für die Erkennung auf.

Mehr aus den Daten herausholen, die Sie bereits besitzen

Die größere Chance liegt nicht in einem besseren Datenbestand. Vielmehr geht es darum, den Wert bereits vorhandener Daten zu steigern und gleichzeitig die Komplexität, die Kosten und die Risiken der Vorbereitung für KI zu reduzieren. Die meisten Wege zur KI-Bereitschaft erfordern, dass Daten verschoben oder separate Speichersysteme eingerichtet werden: eine weitere Pipeline, ein weiterer Satz von Berechtigungen, eine weitere abzusichernde Oberfläche. Diese Intelligenz läuft dort, wo Ihre Daten bereits liegen, geschützt und verwaltet wie bisher, über hybride Umgebungen hinweg, sodass weniger aufgebaut, weniger verschoben werden muss und es weniger Stellen gibt, an denen Ihre Kontrollen versagen können. Für ein Team, das ein nicht mehr unterstütztes Array nicht außer Betrieb nehmen kann, weil niemand sagen konnte, was sich darauf befand, ist dieser Unterschied das gesamte Projekt.

Der rote Faden ist einfach. Das agentische Unternehmen ist nur so vertrauenswürdig wie die zugrunde liegenden Daten, und diese Daten gehören Ihnen bereits, ganz gleich, wo sie sich befinden und auf wessen Storage sie liegen. Die Aufgabe besteht darin, sie auffindbar, verständlich, kontrollierbar und direkt zugänglich zu machen, damit sie zu vertrauenswürdigem Wissen werden, auf dessen Grundlage KI handeln kann, um Geschäftsergebnisse zu erzielen. Dieser erste Schritt ist bereits heute in Ihrer gesamten Umgebung verfügbar, und darauf bauen die Funktionen auf, mit denen Ihre Daten verstanden, verwaltet und aktiviert werden.

Sie können noch heute beginnen. Daten-Discovery und Metadatendienste stehen Kunden kostenlos zur Verfügung – sowohl für NetApp Storage als auch für Storage anderer Anbieter.

Wir werden das Thema ausführlich auf der NetApp INSIGHT 2026 in Las Vegas vom 29. September bis 1. Oktober behandeln.