Everpure ruft die Daten-Revolution aus

Mit seiner neuen Architektur der Datenpriorität will Everpure nicht weniger als ein Paradigma der IT-Welt auf den Kopf stellen: Indem sie Daten vom Anhängsel der Anwendungswelt zum bestimmenden Faktor macht, sollen die alten Silos aufgebrochen und so die Basis für eine effiziente und sichere KI-Nutzung geschaffen werden.

Everpure hat seine Pure Accelerate 2026 dazu genutzt, den in Las Vegas versammelten Partnern und Experten einige richtungsweisende Neuheiten vorzustellen, in deren Zentrum eine neue Architektur stellt. Das Modell verlässt den anwendungszentrierten Blickwinkel, der Daten als Anhängsel betrachtet und sie dadurch fest an Anwendungen und Geschäftsbereiche bindet. "Von Mainframes über Minicomputer und Client-Server bis hin zur Cloud hat jede Ära das Verhältnis zwischen diesen Komponenten neu geprägt. Doch über 50 Jahre dieser Umbrüche hinweg blieb eine Beziehung unangefochten: Daten dienten dem Anwendungsdesign – und tatsächlich auch dem Betriebssystem des Computers. In den vergangenen 30 Jahren standen Anwendungen im Zentrum", erklärt Everpure-CEO Charles Giancarlo.

Ein Modell, das ungeachtet aller Entwicklungen, mit denen Daten zu einem immer wichtigeren Asset moderner Unternehmen geworden sind, bis heute fortbesteht. "Jede Anwendung basiert auf einem eigenen Datenbestand und enthält den Kontext und die Bedeutung, die zu dessen Interpretation erforderlich sind", fasst Giancarlo zusammen und konstatiert: "Die unkontrollierte Ausbreitung von Anwendungen hat eine zersplitterte Datenlandschaft entstehen lassen. Dadurch wurde auch die Datensemantik fragmentiert." Dieser fehlende Kontext macht die Daten aus seiner Sicht "faktisch undurchsichtig" für andere Anwendungen, die sie erst nach einer aufwändigen Bereinigung und Umwandlung nutzen können.

Das Datengold im Anwendungstresor

Für Unternehmen potenziert sich dieses Problem mit der wachsenden Zahl ihrer Anwendungen, die oft in die Hunderten oder Tausenden gehen kann. Durch den Best-of-Breed-Ansatz hat fast jede davon ihren eigenen Datenbestand, teils auch mehrfach und verschiedenen Versionen. Neben der Komplexität und dem Aufwand für die Integration erhöht das zugleich das Risiko von Inkonsistenzen. Dies gilt insbesondere bei Prozessen wie etwa Angeboten für Kunden, die mehrere Anwendungen und Datenbestände anzapfen müssen. "In einer Welt, in der Anwendungen im Mittelpunkt stehen, bedeutet 'Kunde' in einem CRM etwas anderes als in einem Abrechnungssystem. 'Asset' in einem ERP ist nicht dasselbe Objekt wie in einer Supply-Chain-Plattform. Multipliziert man dies über Hunderte von Anwendungen hinweg, entsteht ein System mit ständigem Rekonstruktionsbedarf", führt der Everpure-CEO aus. Für den IT-Betrieb bedeute das: "Domänenübergreifende Bedeutung muss jedes Mal neu hergestellt werden, wenn sie für einen neuen Workflow benötigt wird. Meist geschieht dies über eine weitere Datenkopie, eine weitere Tabelle, eine weitere Pipeline und ein weiteres Meeting zur Abstimmung all dieser Elemente. Dadurch entstehen Fehler, die häufig manuell behoben werden müssen."

Hatte das schon bislang zu allerlei solcher Herausforderungen wie einer massiven Datenverteilung, blinden Flecken und kostspieligen Replikationen nicht vertrauenswürdiger Daten geführt, werden diese im datenzentrierten KI-Zeitalter nun zu einem selbst mit viel Einsatz kaum noch überwindbaren Hindernis. Denn gerade die Inkonsistenzen bedeuten beim Einsatz Künstlicher Intelligenz nicht nur eine technische Herausforderung, sondern auch eine Inhaltliche, da sie sich direkt auf die Qualität der Ergebnisse niederschlagen. "In Geschäftsprozessen, Rechnungswesen sowie Forschung und Entwicklung reicht eine Genauigkeit von 95 Prozent schlichtweg nicht aus. Daten müssen konsistent und korrekt sein", konstatiert Giancarlo.

"KI muss sich durchgehend mit dem Problem der Inkonsistenz auseinandersetzen, wenn sie in bestehenden anwendungszentrierten Umgebungen eingesetzt wird. Das ist kein hypothetisches Problem. Genau das meint 'Garbage in, garbage out'. Inkonsistente Daten führen zu fehlerhaften Maßnahmen," vertieft der Manager. Er ist deshalb überzeugt, dass die Komplexität durch "große, unkontrollierte Bestände aus Data Lakes und Datensilos mit Datenkopien über Dutzende von Umgebungen hinweg" nicht nur "anspruchsvoller und kostspieliger" ist, sondern schlichtweg "nicht tragfähig".

Anwendungen als Bittsteller der Daten

All dem setzt Everpure nun das Modell der Datenpriorität entgegen, das die Probleme lösen soll, indem die Informationen aus einzelnen Anwendungen und anderen Silos herausgelöst und in einem gemeinsamen, verwalteten Datenbestand zusammengeführt werden. Statt die Daten erst innerhalb ihrer Silos identifizieren und daraus extrahieren zu müssen, sollen sie so in einer gemeinsamen Datenschicht im Zentrum liegen, wo Apps und KI gemäß ihren Berechtigungen auf sie zugreifen und zu ihnen beitragen können, sie aber nicht mehr besitzen. Eine Entwicklung, die nach dem Dafürhalten Giancarlos unabdingbar ist: "KI stellt die traditionelle IT-Hierarchie vollständig auf den Kopf. Unternehmen, die nicht von Anwendungszentrierung zu Datenpriorität wechseln, werden den Anschluss verlieren."

Damit das gelingen kann, müssen die Daten allerdings nicht nur in sich korrekt und valide selbstbeschreibend sein, sondern ihre Bedeutung und Logik zugleich überallhin mitführen, statt dies der Anwendung zu überlassen. Dann können auf diesem Wege auch Aspekte wie Lebenszyklusmanagement und Datenschutzregeln dauerhaft mit den Informationen verbunden werden. Statt die Governance durch zusätzliche Lösungen überwachen zu müssen, ist sie damit laut Everpure direkt in die Datenschicht integriert.

"In dieser Architektur werden operative Datensysteme und Systems of Record zum zentralen, grundlegenden Asset. Echtzeitdaten sind wertvoller als ältere Daten. Sämtliche Anwendungsumgebungen – operative, informationsbezogene und agentenbasierte – greifen auf dieselben Echtzeitdaten zu", erklärt der Everpure-CEO und präzisiert: "Anwendungen lesen aus Systems of Record oder schreiben in diese. Sie speichern selbst keine maßgeblichen Informationen. Daten werden also nicht kopiert und transformiert, damit sie den Anforderungen einer anderen Anwendung entsprechen. Stattdessen wird Kontext als Metadaten gemeinsam mit den Daten selbst erstellt, gespeichert und gepflegt."

Everpure bringt Data Intelligence, Data Stream, Purity Turbo, OverDrive und mehr Neuheiten

Data Intelligence

Die Basis, um die Unternehmensdaten in dieses einheitliche Modell zu bringen und damit das Problem der Datensemantik zu lösen, soll die jetzt vorgestellte Everpure Data Intelligence (ehemals 1touch.io) stellen. Dem Anbieter Zufolge kann sie die Informationen über alle Datenquellen hinweg erkennen, klassifizieren und kontextualisieren, von der Everpure Platform über Public Clouds und SaaS-Anwendungen bis hin zu Storage-Systemen von Drittanbietern. Zugleich ergänzt die Lösung die Informationen Everpure zufolge um Sicherheitsregeln und kontextuelle Beziehungen, die für KI erforderlich sind. "Angereichert mit ihrem spezifischen Kontext und ihrer Semantik entsteht eine Bedeutung, die unternehmensweit verfügbar ist. Sie dient nicht nur einer einzelnen Anwendung, sondern allen Anwendungen, jedem Agenten und jeder Anfrage. Dabei sind Sicherheit, Governance, Zuverlässigkeit und Vertrauen integriert", so Giancarlo.

Diese universelle Data-Intelligence-Schicht macht Datenverständnis und Datenbeziehungen über APIs und das Model Context Protocol (MCP) verfügbar. Eine physische Migration der Daten ist dafür laut Everpure nicht erforderlich. Im Ergebnis verspricht der Datenspezialist den Nutzern zugleich eine effizientere Nutzung ihrer Gesamtdaten und eine bessere Antwortgenauigkeit und -Geschwindigkeit durch die Bereitstellung präziser und relevanter Daten in Echtzeit, während zugleich Kontextfenster und Token-Kosten drastisch reduziert werden sollen. "Unternehmen, die den Schritt zu Data Primacy vollziehen, werden effizienter arbeiten und KI besser einsetzen", ist der Manager überzeugt. "Dabei entsteht eine neue Datenarchitektur, die widerstandsfähiger gegenüber Änderungen und Anpassungen von Workflows ist. Entscheidungen lassen sich schneller, mit größerer Sicherheit und höherer Genauigkeit treffen."

Data Stream

Darüber hinaus stellte Everpure mit Data Stream eine Lösung vor, die KI-Projekte in Unternehmen beschleunigen soll, indem sie KI-Funktionen direkt dort nutzbar macht, wo Unternehmensdaten bereits liegen, und dadurch die Kosten- und Komplexitätshürden reduziert. Um wechselnden Modellanforderungen gerecht zu werden, ist die Scale-out-Architektur so angelegt, dass Storage- und Compute-Ressourcen unabhängig voneinander skalieren können. Der Hersteller verspricht die Vorbereitung von Rohdaten damit von Monaten auf Minuten zu verkürzen und so die Einbindung von Unternehmensdaten in KI-Workflows, die konsequente Wahrung von Datensicherheit und Governance sowie den Aufbau einer skalierbaren KI-Infrastruktur erheblich schneller und einfacher zu ermöglichen. Dabei sollen Zugriffskontrollen auf Stream-Ebene sicherstellen, dass die Informationen im Unternehmensnetzwerk bleiben.

Everpures Vice President of Product Management, Chadd Kenney, erläuterte gegenüber CRN, die Ankündigung knüpfe an die im vergangenen Jahr vorgestellte Enterprise Data Cloud von Everpure an. Dabei handelt es sich um eine einheitliche Datenebene, über die Unternehmen sämtliche Workloads – vom Archiv bis zur KI – betreiben können. Hinzu kommt der Intelligent Control Plane, der mehr Autonomie bei Abläufen wie Data Governance, Datenkontrollen und Automatisierung schaffen soll.

Weitere Neuheiten von Everpure: Purity Turbo, OverDrive, ActiveCluster for File und mehr

Zudem erweitert Everpure seine einheitliche Datenebene, die Daten über alle Standorte hinweg virtualisiert und zu einer gemeinsamen Struktur verbindet, um mehrere neue Funktionen. Eine davon ist Purity Turbo für die Everpure FlashArray//XL190, das durch die Nutzung eines sekundären Controllers zusätzliche Performance bereitstellt. "So etwas haben wir bisher eigentlich nicht gemacht, aber es ist nützlich für leseintensive Workloads", erläuterte Kenney. "Nehmen wir zum Beispiel an, nachts läuft ein Backup- oder ETL-Prozess [Extract, Transform and Load]. Wenn dieser potenziell die SLA eines produktiven Workloads beeinträchtigen würde, werden diese Workloads auf den sekundären Controller verlagert, damit die SLAs eingehalten werden. Diese Turbo-Funktion stellt zusätzliche Leistungsreserven bereit."

Und auch Everpures Storage-as-a-Service-Angebot Evergreen//One bekommt mit OverDrive eine Performance-Erweiterung. "OverDrive liefert zusätzliche Performance, und Nutzer bezahlen diese Leistung nur innerhalb eines bestimmten 24-Stunden-Zeitraums", kündigte der Produkt-Chef an. "Man zahlt nur, wenn man sie braucht. Man erhält Performance-Flexibilität, wenn zusätzliche Leistung erforderlich ist."

Die Everpure Cloud wird um Azure-native virtuelle Maschinen erweitert, sodass Partner und Kunden nun native VMs in Azure auf der Everpure Cloud betreiben können.

Zu den von Everpure in Las Vegas vorgestellten neuen Funktionen im Bereich Object Storage gehören unter anderem Lifecycle-Policies, Benachrichtigungen, Tagging und Strong Consistency. Letztere stellt Kenney zufolge sicher, dass gelesene Daten ortsunabhängig übereinstimmen.

Auf der File-Storage-Seite stellte Everpure ActiveCluster for File vor, das laut Kenney dem Angebot ähnelt, das das Unternehmen bereits zuvor für Block Storage bereitgestellt hatte. "Der große Vorteil dabei ist, dass es auf Flottenebene funktioniert. Wir verwalten es also jetzt über die einheitliche Datenebene hinweg", sagte er. "Und wir machen es policy-orientiert, sodass es zwischen Systemen verschoben werden kann, wenn man die Service-Level darin ändert. Es funktioniert außerdem über mehrere Rechenzentren hinweg." Als Beispiel präsentierte sein Team auf der Bühne eine Demo, bei der die Daten vollständig synchron und aktiv-aktiv zwischen Mountain View und Sunnyvale verschoben wurden und selbst nach der Abschaltung eines der Rechenzentren unterbrechungsfrei weiter genutzt werden konnten.

Für seinen Intelligent Control Plane kündigte Everpure die Möglichkeit an, Compliance-Reporting und Remediation umzusetzen, um Richtlinienänderungen zu vereinfachen. "Angenommen, es gab einen Ransomware-Angriff, und die Umgebung musste auf eine 30-tägige Aufbewahrungsrichtlinie für Snapshots umgestellt werden", so Kenney. "Viele Umgebungen sind ad hoc aufgebaut. Es gibt keine Datenkontrollen, also würde man Monate damit verbringen, alles zu finden, was aktualisiert werden muss. In einer Welt mit Datenkontrollen, in der man Absichten vorgibt, kann man einfach die Richtlinie ändern. Sie wird dann überall aktualisiert und anschließend überwacht, damit sie so bleibt. Wir nennen das Compliance Reporting and Mediation."

Neu sind außerdem dynamisches Rebalancing und Mobilität. Damit können Kunden Vorhersagen zu Performance-Problemen erhalten, falls ein Workload verschoben wird, sagte Kenney. "Das System sagt eine Performance-Herausforderung voraus, bevor sie eintritt, und verschiebt den Workload ohne Unterbrechung auf ein alternatives System", sagte er. "Das hilft nicht nur, die Einhaltung von SLAs sicherzustellen, sondern verwaltet auch die Kapazität über Umgebungen hinweg effizient."

Partner: Überblick und Ergebnisse statt IOPS gefragt

In einer ersten Reaktion gegenüber CRN bezeichnete Ned Engelke, CTO des Lösungsanbieters und Everpure- Partners Evotek die Einführung der Universal Data Intelligence als sehr guten Schritt für Everpure. "Data Discovery, Datenmanagement und Datenkontrolle sind ein heißes Feld, weil sie entscheidend sind. In der Vergangenheit haben wir gesehen, dass die meisten Storage-Anbieter vor allem mit Kunden darüber sprechen wollten, wie viele IOPS [I/Os pro Sekunde] sie aus ihrer Hardware herausholen können", erklärte Engelke gegenüber CRN. "Und das ist in Ordnung. Aber was unsere Kunden wirklich brauchen, ist: Wie finde ich Dinge? Wie kategorisiere ich sie? Wie erkenne ich, ob daraus Haftungsrisiken entstehen? Wie verschiebe ich sie, wenn ich sie an einem anderen Ort brauche? Wie nutze ich Metadaten-Tricks, damit meine Anwendung denkt, die Daten seien verschoben worden, ohne sie tatsächlich zu verschieben, weil die Übertragung über das Netzwerk so lange dauern würde? All diese Elemente sind Teil dieser Technologie."

Damit trifft Everpures Vision für ihn genau ins Schwarze. "Für mich geht es dabei um die Frage, wozu ich Storage habe. Natürlich, weil ich Daten haben möchte. Und wozu habe ich die Daten? Weil ich sie finden können muss, um einen Vorteil beim Aufbau einer Anwendung zu haben, die mit ihnen arbeiten kann", so Engelke. "Ich muss diesen gesamten Lebenszyklus durchlaufen. Deshalb gefällt mir die Idee sehr, dass Everpure dies integriert und daraus eine Plattform für Daten und Datenmanagement macht, um sein Wertversprechen als starke Storage-Plattform zu erweitern."

Nach Engelkes Überzeugung wird DataStream gerade auch angesichts des rapide zunehmenden Einsatzes von GPUs, die Daten über ihre großen Speicherbereiche um Größenordnungen schneller verarbeiten als andere Speichermedien, eine wichtige Rolle spielen. "Der Schlüssel zu hoher Geschwindigkeit in einer Trainings- oder Inferenzumgebung besteht darin, den Datensatz, mit dem man arbeitet, im Speicher zu halten und anschließend intelligentes Prefetching zu nutzen, um ihn aus im Grunde archivischem Speicher wie NVMe zu holen", begründete er. "Wie stellt man die richtige Abfrage, um die Daten zu bekommen? Wie überträgt man sie? Wie stellt man sicher, dass Prefetching funktioniert? Wie arbeitet man damit zusammen? Das erfordert eine Designpartnerschaft zwischen Nvidia und der Storage-Plattform. Das haben wir in der Vergangenheit bereits bei einigen anderen Anbietern gesehen, aber Data Stream wirkt wie ein sehr effektiver Weg, Storage für besonders performancekritische Workloads anzubinden."

Schließlich seien Data Scientists in der Regel sehr teuer und schwer zu finden. Das Letzte, was ein Kunde möchte, sei deshalb, dass eine solche Person auf einen Ladebalken schaut, während sie darauf wartet, dass ein Modell trainiert wird, findet Engelke: "Je schneller man also arbeiten kann, desto mehr holt man aus seiner Investition in Menschen heraus."

Auch für Everpure-Manager Kenney ist Data Stream durch seine Möglichkeiten zur Vektorisierung und Vorbereitung von Daten für die KI ein zentraler Bestandteil der datenzentrierten Vision. "Wir haben eine Plattform entwickelt, die sich die Daten ansieht, sie in Chunks aufteilt und vektorisiert und anschließend in einer Vektordatenbank speichert, die für Retrieval Augmented Generation, kurz RAG, in KI-Deployments genutzt wird", sagte er. Das sei gerade angesichts des Umstands wichtig, dass Anwendungen heute größtenteils isoliert sind und über ihren eigenen Kontext, ihre eigenen Daten und ihre eigenen Workflows verfügen.

"Wenn Agenten beginnen, mit diesen Dingen zu interagieren, haben sie keinen gemeinsamen Kontext und kein gemeinsames Verständnis dessen, was jeweils passiert", unterstrich er. "Menschen haben das. Man weiß, dass Kundendaten hier liegen und Rechnungen dort. Man kennt vielleicht den Kontext dieser einzelnen Bereiche. Aber niemand hat bislang wirklich gelöst, wie wir ein breites Verständnis erreichen. Diese Universal-Data-Intelligence-Schicht nimmt effektiv den Kontext aus all diesen Orten und ermöglicht es Agenten der nächsten Anwendungsgeneration sowie Analysen, ihn als neues Fundament zu nutzen. Ich halte das für eine unserer spannendsten Visionen: Die Anwendungszentrierung wird sich zur Datenzentrierung verschieben, Daten werden zum Schwerpunkt und wichtiger als die App, und Kontext wird zum neuen Unterbau, auf dem Anwendungen entwickelt werden, den Agenten nutzen und auf den Analyseumgebungen zugreifen, um diese Dinge zu verwalten."

Everpure setzt bewussten Fokus auf Software

Dass Everpure trotz seiner Bekanntheit als Entwickler leistungsstarker All-Flash-Storage-Arrays auf der Accelerate nicht über neue Hardware, sondern ausschließlich über Software-getriebene Innovationen gesprochen hat, war laut Kenney ganz bewusst so geplant. "Wir befinden uns gewissermaßen in unserem Software-Jahr", führte er dazu aus. "Im vergangenen Jahr haben wir die gesamte Plattform vollständig aktualisiert, die FlashArray//X und FlashArray//C. Das FlashArray//XL erhielt im vergangenen Jahr ein r5, und das XL190 Flash Blade ein r2, dazu kamen weitere Updates. Wir haben das gesamte Portfolio aktualisiert." Obwohl Hardware also auch weiterhin eine wichtige Rolle spielt, wird sich diese nach seinem Dafürhalten verändern: "Man wird sehen, dass wir Storage zunehmend als Ressource betrachten, die Ergebnisse für Kunden liefert – mit weniger Fokus auf einzelne Systeme und mehr darauf, welche Anwendungsfälle wir ihnen ermöglichen können." Eine Entwicklung, der auch die Umbenennung Rechnung trägt.

Auf die Frage nach neuen Trainings oder Zertifizierungen für Partner zu der neuen Technologie sagte Kenney, dies hänge damit zusammen, wohin das Unternehmen Kunden führen wolle – einschließlich einer Weiterentwicklung der Art und Weise, wie Menschen über Themen wie Richtlinien und Betrieb nachdenken. "Wir haben das Enterprise Data Cloud Maturity Model entwickelt und schulen sowohl unsere internen Vertriebsteams als auch Partner, um Kunden entlang dieses Reifegradmodells zu begleiten. So können sie erkennen, welche Werte und Ergebnisse sich erzielen lassen", sagte er. "Es gibt Trainings und Zertifizierungen sowie eine Reihe von Services, die für unsere Partner sehr hilfreich sind, um Kunden bei der Rationalisierung ihrer Umgebung zu unterstützen. Ich scherze manchmal, das sei ein bisschen so, als würde man jemandem, der lange Zeit sehr unorganisiert war, plötzlich viele Kisten zum Sortieren geben – und auf einmal fragt er sich: ‚Was soll ich eigentlich damit machen? So etwas musste ich bisher noch nie tun.‘"

Für Teile dieses Artikels haben wir Material unserer geschätzten Kollegen von crn.com genutzt.

CRN-Newsletter beziehen und Archiv nutzen - kostenlos: Jetzt bei der CRN Community anmelden