NetApp IT erschließt die Kraft von KI-Analysen

Bei NetApp sprechen wir nicht nur über KI – wir erforschen, testen und implementieren sie aktiv, um echte Geschäftsprobleme zu lösen. Da der Hype um generative KI weiter zunimmt, verfolgen wir einen fokussierteren Ansatz, identifizieren Anwendungsfälle mit hoher Wirkung und erzielen aussagekräftige Ergebnisse in unserem gesamten Daten-Ökosystem. Hier erfahren Sie, wie NetApp IT an KI-Analysen herangeht und was wir daraus gelernt haben.

Generative KI trifft auf strukturierte Daten

Eine unserer ersten Herausforderungen bestand darin, Chat-basierte Interaktionen mit Dokumenten in NetAIChat, unserem internen generativen KI-Tool, zu ermöglichen. Benutzer konnten Dateien hochladen—Word, PowerPoint, Excel—und Fragen dazu stellen. Das funktionierte bei den meisten Formaten gut, aber Excel stellte ein einzigartiges Problem dar: Generative KI-Modelle haben Probleme mit Zahlen.

Statt aufzugeben, haben wir umgesattelt. Wir haben die Interpretation natürlicher Sprache durch eine neue Funktion ersetzt, Text-zu-SQL. Wenn ein Benutzer strukturierte Daten hochlädt, übersetzt das System seine Frage in SQL-Abfragen. Das Ergebnis? Präzise, umsetzbare Analysen aus Tabellenkalkulationen und strukturierten Dateien, die zuvor von großen Sprachmodellen (LLMs) nicht verstanden wurden. 

KI-gestützter Zugriff auf unser Data Warehouse

Unser nächster Schritt war das Freischalten von Erkenntnissen aus unserem Enterprise Data Warehouse, das auf Snowflake gehostet wird. Anstatt uns auf menschliche Analysten zu verlassen, um Berichte zu erstellen, bauen wir ein System, in dem KI die benötigten Daten zur Beantwortung einer Frage bestimmt und die Antworten in Echtzeit generiert. Zum Beispiel würde eine Anfrage wie „Zeige mir Buchungen in Deutschland für Produkt X im letzten Quartal“ kein Ticket und keine Bearbeitungszeit mehr erfordern – sie könnte in Sekunden bearbeitet werden.

Das Ziel ist nicht nur Geschwindigkeit; es ist die Skalierung. Wir möchten unsere Analysten entlasten, damit sie sich auf strategische Arbeit konzentrieren können, nicht auf manuelle Berichterstellung.

Echtzeit-Analysen – und reale Leitplanken

Während historische Berichte wertvoll sind, besteht ein wachsender Bedarf an Echtzeit-Einblicken aus Transaktionssystemen wie Vertrieb und Lieferkette. Wir untersuchen derzeit, wie wir KI mit diesen Systemen integrieren können, ohne die Sicherheit oder die Zugriffssteuerungen zu beeinträchtigen.

Sicherheit ist ein kritisches Anliegen. Wir betrachten nicht nur, auf welche Daten zugegriffen werden kann; wir stellen sicher, dass nur die richtigen Personen darauf zugreifen können. Generative KI muss Datenberechtigungen genauso einhalten wie jedes andere Unternehmenssystem. Das bedeutet, keine KI-gesteuerten Abkürzungen bei sensiblen Informationen.

Auf dem Weg zu prädiktiver Intelligenz

NetApp investiert zudem in herkömmliches Machine Learning für Anwendungsfälle wie Kapazitätsplanung und Ransomware-Erkennung. Hier werden historische Daten verwendet, um Modelle zu trainieren, die zukünftiges Verhalten prognostizieren, wie zum Beispiel das Erkennen von Frühwarnzeichen für Ransomware anhand anomaler Systemaktivität.

Diese Modelle erfordern spezielles Fachwissen und sorgfältige Beaufsichtigung, aber sie ergänzen unsere Bemühungen um generative KI. Zusammen helfen sie uns, die Fragen „Was ist passiert?“ und „Was wird wahrscheinlich als Nächstes passieren?“ zu beantworten.

Die Rolle der Governance – und des Realismus

Außerdem haben wir ein KI-Governance-Komitee eingerichtet, um sicherzustellen, dass wir diese Technologien verantwortungsvoll nutzen. Dieses Komitee ist organisch gewachsen und arbeitet nun mit der Geschäftsleitung zusammen, um Anwendungsfälle zu priorisieren, die einen greifbaren geschäftlichen Nutzen bieten, nicht nur wissenschaftliche Experimente.

Eine der größten Herausforderungen, denen wir begegnet sind, ist das Management von Erwartungen. Führungskräfte möchten oft KI-gestützte Antworten mit dem gleichen Maß an Präzision wie von Menschen erstellte Berichte. Aber generative KI ist nicht für 100 % Genauigkeit gebaut. Sie eignet sich am besten für Ad-hoc-Einblicke, Brainstorming und Entscheidungsunterstützung – nicht für Finanzberichte.

Während wir KI-Tools weiterentwickeln, verfeinern wir Methoden, um das Vertrauen in KI-generierte Antworten zu stärken, während wir ihre Einschränkungen kommunizieren.

KI als strategisches Alleinstellungsmerkmal

Ich glaube, KI wird so allgegenwärtig werden wie das Internet, aber das wird Zeit brauchen. Aktuell ist NetApp der Zeit voraus, aber das Feld entwickelt sich rasant. Im Geschäftsjahr 2026 liegt der Schwerpunkt darauf, bewährte Anwendungsfälle weiter auszubauen, sie im großen Maßstab zu operationalisieren und sicherzustellen, dass in die Bereiche mit dem höchsten Mehrwert investiert wird.

Unser CEO hob kürzlich in einer unternehmensweiten Mitteilung hervor, dass „KI nicht nur ein Trend ist. Sie ist ein strategischer Hebel zur Effizienzsteigerung.“ Bei NetApp IT wird diese Vision in die Realität umgesetzt. 

Weitere Informationen finden Sie unter NetApp KI-Datenmanagement für KI-Anwendungen.