Ziel ist die Beseitigung von Datenverarbeitungsengpässen bei KI- und Analyse-Workloads. Beschleunigtes Computing dort ermöglichen, wo Daten entstehen und gespeichert werden…
Hintergrund
NetApp hat am 20. Juli 2026 die Übernahme von DataPelago bekanntgegeben. Die Übernahme erweitert das NetApp-Portfolio um GPU-beschleunigte Datenverarbeitung direkt auf Storage-Ebene. Damit wird laut Entwickler eine Zero-Copy-Aktivierung von Unternehmensdaten für KI zur Realität. Nach der Übernahme wird DataPelago nach vorliegenden Informationen als hundertprozentige Tochtergesellschaft von NetApp geführt.
Aufgrund von KI sind IT-Plattformen massiv im Umbruch. Viele Betriebe stehen vor der Herausforderung, Daten schnell genug aufzubereiten und sie produktiver KI-Nutzung zuzuführen, ohne dabei die Kontrolle aus der Hand zu geben. Damit gewinnt die Vorgehensweise, beschleunigtes Computing dort zu ermöglichen, wo die Daten entstehen und gespeichert werden, weiter an Bedeutung. DataPelago definiert nach eigenen Angaben diesen Prozess neu und bringt seinen „Accelerated Compute“ - Ansatz direkt in die Datenschicht.
Da Teams ihre Daten nicht aus ihren operativen Systemen in KI-Systeme kopieren müssen, kann DataPelago diesen Engpass bei der Einführung von Unternehmens-KI beseitigen helfen. Die Technologie soll laut Anbieter bereits in Großunternehmen verschiedener Branchen im Einsatz sein und dort anspruchsvolle Workloads für mehr Infrastruktureffizienz im großen Maßstab beschleunigen.
Die Kerntechnologie von DataPelago Nucleus ist eine universelle Datenverarbeitungs-Engine. Sie nutzt heterogenes beschleunigtes Computing mit CPUs und GPUs, um Daten am Speicherort zu verarbeiten. Indem Nucleus Daten beim Storage statt in externen Rechenclustern verarbeitet, sollen sich die Infrastrukturkosten um bis zu 80 Prozent senken lassen; zudem kann laut Entwickler eine bis zu zehn Mal höhere Leistung als bei konventionellen Ansätzen erreicht werden.
Ankündigungsdetails (Quelle, Anbieter)
- „Erste VM mit einer domänenspezifischen Befehlssatzarchitektur, die multimodale Datenverarbeitung auf beliebiger Hardware (CPUs, GPUs etc.) ermöglicht; nutzt Frameworks wie LLVM, CUDA und ROCm für maximale Kompatibilität.
- Koordiniert GenAI- und Analytics-Transformationen dynamisch, indem automatisch optimale Ausführungspipelines erstellt und auf der Grundlage einer Echtzeit-Kosten-Leistungs-Analyse die leistungsstärkste Hardware ausgewählt wird.
- Konvertiert Abfragen oder jeden Ausführungsplan in standardbasierte Formate wie Substrait mithilfe von Mechanismen wie Apache Gluten – speziell entwickelt für GenAI, LLMs und Lakehouse-Analysen. Unterstützt natives SQL, Python zur beschleunigten Integration.
- Keine Anbieterabhängigkeit oder proprietäre Formate. Bestehende Data Lakehouses, Kataloge und Infrastrukturinvestitionen können beibehalten werden. Ermöglicht Verarbeitungsfunktionen der nächsten Generation auf jeder beliebigen Hardwareplattform.
Abb.: Enterprise Platfom (Bildquelle: DataPelago).
Kommentarauszug Rajan Goyal, Gründer und Chief Executive Officer von DataPelago: „Unternehmen haben Milliarden in GPUs und KI-Modelle investiert, doch ihre Daten bleiben fragmentiert. Wertvolle Rechenressourcen liegen brach, anstatt diese Investitionen zu nutzen. Gemeinsam sind wir in der Lage, den KI-Einsatz in großem Maßstab zu vereinfachen und zu beschleunigen…“
Fazit zur Ankündigung
Mit GPU-beschleunigter Intelligenz auf Storage-Ebene können Unternehmen Daten für KI und Analysen einfacher erschließen, steuern und aktivieren.
Querverweis:
Unser Beitrag > KI-Performance und Unternehmens-Compliance: MongoDB mit neuem Modell voyage-context-4
Unser Beitrag > KI Data Management: Starburst Enterprise Intelligence Platform Ankündigung und neue Partnerschaft mit Qlik
Unser Beitrag > Open-source IT Infrastruktur Monitoring mit Icinga