Netzwerk und Storage für KI-Workloads im KMU
KI-Hardware wird oft über GPUs diskutiert. Im Alltag bremsen aber häufig Netzwerk, Speicher, Dateichaos und fehlende Backups. Für KMU ist eine solide Datenbasis wichtiger als das größte Datenblatt.
Warum Storage plötzlich wichtig wird
Lokale KI arbeitet mit Daten: Dokumente, PDFs, Bilder, Audio, Produktinformationen, Tickets, Angebote und interne Wissensstände. Schon ein kleiner Chatbot auf Firmendokumenten erzeugt Kopien, Extrakte, Vektoren, Protokolle und Modell-Dateien. Wenn diese Daten auf langsamen Netzlaufwerken, alten NAS-Systemen oder unklaren Ordnerstrukturen liegen, wird die beste GPU ausgebremst.
Für KMU ist daher die erste Infrastrukturfrage oft nicht „Welche Grafikkarte?“, sondern „Wo liegen unsere Daten, wie sauber sind sie und wie schnell kommen sie zum KI-Dienst?“
Lokale SSD, NAS oder Serverstorage?
| Speicherort | Stärke | Grenze |
|---|---|---|
| lokale NVMe-SSD | sehr schnell für Modelle, Cache, Indizes | kein Ersatz für zentrale Ablage und Backup |
| NAS | gut für gemeinsame Daten und Archiv | je nach Netzwerk langsam für viele kleine Dateien |
| Serverstorage | planbar, erweiterbar, zentral betreibbar | höhere Kosten und Administrationsbedarf |
Ein guter KI-Server nutzt meist beides: schnelle lokale SSDs für Modelle, temporäre Verarbeitung und Vektordatenbanken; zentrale Ablage für Quell- und Ergebnisdaten. NAS-Hersteller wie Synology und QNAP sind im KMU-Umfeld verbreitet, müssen aber passend dimensioniert werden.
Netzwerk: 1 Gbit/s ist oft der Anfang, nicht das Ziel
Für Textdokumente reicht 1 Gbit/s häufig aus. Sobald viele PDFs, Bilder, Audio oder Videos verarbeitet werden, sind 2.5 Gbit/s oder 10 Gbit/s sinnvoll. Besonders bei Transkription, Bild-KI oder großen Dokumentenimporten kann Netzwerkdurchsatz spürbar werden. Switches und Netzwerkkarten von Anbietern wie Netgear oder Ubiquiti sind typische Bausteine, sollten aber zur vorhandenen IT passen.
Wichtig ist auch Latenz und Zuverlässigkeit. Ein KI-Dienst, der Dateien während der Verarbeitung verliert, weil WLAN schwankt oder ein NAS schläft, erzeugt schlechte Nutzererfahrung. Produktive KI-Systeme gehören an stabile Kabelnetze.
Datenqualität schlägt Rohleistung
Viele Unternehmen haben mehrere Versionen derselben PDF, alte Preislisten, ungepflegte Ordner und nichtssagende Dateinamen. Ein KI-System kann daraus keine verlässliche Wissensbasis zaubern. Vor dem Indexieren sollten Quellen ausgewählt, Dubletten reduziert und Verantwortliche benannt werden. Der Artikel Self-Hosting-Starter-Guide behandelt diesen Punkt aus Serversicht.
- Quellenliste erstellen: welche Ordner, welche Systeme, welche Daten?
- Altdaten und Archive von aktuellen Arbeitsdaten trennen
- Zugriffsrechte vor dem KI-Import prüfen
- Änderungen regelmäßig neu indexieren, aber nicht ungeprüft alles einsammeln
Backup und Wiederherstellung
KI erzeugt neue Daten, die oft vergessen werden: Embedding-Indizes, Konfigurationsdateien, Prompt-Vorlagen, Nutzerfeedback und Protokolle. Nicht alles muss ewig gesichert werden, aber das Wiederherstellungskonzept sollte bewusst sein. Anbieter wie Veeam stehen für professionelle Backup-Ansätze; kleinere Umgebungen können auch mit NAS-Snapshots und klaren Exporten arbeiten.
Wichtig ist ein Test der Wiederherstellung. Ein Backup, das nie zurückgespielt wurde, ist nur eine Hoffnung. Gerade bei KI-Diensten sollte dokumentiert sein, wie ein Server nach Defekt neu aufgebaut wird.
Sicherheit und Zugriffsrechte
Ein KI-System darf nicht mehr sehen als der jeweilige Nutzer sehen darf. Das ist technisch anspruchsvoll, wenn Dokumente aus Netzlaufwerken, SharePoint, Ticketsystemen und lokalen Ordnern gemischt werden. Unternehmen sollten klein starten: ein klarer Datenbereich, definierte Nutzergruppe, dokumentierte Rechte. Erst danach wächst der Umfang.
Bei sensiblen Daten helfen lokale Systeme, externe Abflüsse zu vermeiden. Trotzdem braucht es Verschlüsselung, Zugriffsschutz und Protokollierung. Orientierung bieten Behörden wie der BSI.
Prüffragen vor dem Ausbau
Vor neuen Switches, NAS-Geräten oder SSDs sollte gemessen werden, wo der Engpass wirklich liegt. Manchmal ist nicht das Netzwerk zu langsam, sondern ein alter Virenscanner, ein überfülltes NAS oder ein KI-Import, der zu viele kleine Dateien einzeln verarbeitet. Ein kurzer Test mit typischen Datenmengen verhindert teure Scheinlösungen.
Außerdem sollte jede Datenquelle einen fachlichen Besitzer haben. Wenn niemand entscheidet, welche Version eines Dokuments gültig ist, hilft auch das schnellste Storage nicht. Gute KI-Antworten entstehen aus gepflegten Quellen, klaren Rechten und regelmäßiger Aktualisierung.
Für größere Umgebungen lohnt eine einfache Datenlandkarte. Sie zeigt, welche Quellen in welchen KI-Dienst fließen, wie oft sie aktualisiert werden und wo Ergebnisse gespeichert werden. Diese Übersicht verhindert Wildwuchs und erleichtert spätere Audits.
Fazit
Gute KI-Infrastruktur besteht nicht nur aus GPU-Leistung. Netzwerk, Storage, Datenqualität und Backup entscheiden, ob ein System im Alltag zuverlässig ist. Für KMU lohnt ein pragmatischer Plan: schnelle lokale SSD für Verarbeitung, zentrale saubere Quellen, stabiles LAN und getestete Backups. Wer diese Grundlage schafft, bekommt aus jeder KI-Hardware deutlich mehr Nutzen.