Neben dem eigenen Rechenzentrum gibt es einige Angebote aus externen Rechenzentren, also der Cloud, die eine hohe Verfügbarkeit bieten und gleichzeitig eine hohe Flexibilität in Bezug auf die Kapazität ermöglichen. Interessant sind diese Produkte, wenn das Konsumverhalten zu den kostenbestimmenden Faktoren passt. Diese sind normalerweise Verbrauch von Rechenleistung über die Zeit gesehen, Speicher und Netzwerkkapazität. Und genau hier liegt ein Problem bei der Nutzung von Cloudservices: Die gewachsenen IT-Prozesse stimmen nicht mit wichtigen Faktoren des Cloudangebots überein. Das Reduzieren von Ressourcen ist im aktuellen Bereitstellungsprozess nicht vorgesehen.
Das ist im eigenen RZ in der Regel nicht so schlimm, da nur Strom und Kühlung verbraucht werden. Auch hier versuchen die IT-Verantwortlichen, nicht benötigte Ressourcen abzuschalten. Das scheitert häufig, da sich das Hochfahren in der Regel nicht antizipieren lässt und beim Anwender zu Wartezeiten führt. Der Einsatz von Machine Learning (ML) und Künstlicher Intelligenz (KI) soll in Zukunft für Verbesserungen sorgen, aber nach dem heutigen Stand "brennt im Rechenzentrum immer das Licht".
"Always on" – das kostet besonders in der Cloud mehr Geld als geplant. Eine Herausforderung ist demnach, die IT-Prozesse um Automatismen zu ergänzen, die Ressourcen schonen, wenn sie nicht verfügbar sein müssen. Das ist deshalb kompliziert, weil das Abschalten beziehungsweise das Downsizing in Abstimmung mit den Nutzern der jeweiligen Fachbereiche geschehen muss, die für solche Aufgaben meist wenig Initiative zeigen. Einer der wesentlichen Gründe, warum das Abschalten von Ressourcen bislang wenig Erfolg gezeigt hat, liegt beim Bedarf an schnellen und hochverfügbaren Systemen. Die Möglichkeit, zu jeder Zeit zu arbeiten, auch in den Nachtstunden, schafft den Bedarf für hochverfügbare Ressourcen.
Der komplette Artikel ist nur für Abonnenten des ADMIN Archiv-Abos verfügbar.