Semantic Layer, Knowledge Graph und GPU-Beschleunigung Dell AI Data Platform: Kontext statt Rekonstruktion für KI-Agenten

Dell erweitert seine AI Data Platform um einen Unified Semantic Layer, einen Enterprise Knowledge Graph und um sogenannte Knowledge Agents. Unternehmen sollen damit KI-Anwendungen und Agenten eine einheitliche, nachvollziehbare Sicht auf ihre Daten bereitstellen können.

Nach Darstellung von Dell liegt die größte Hürde beim KI-Einsatz in Unternehmen in den Daten selbst. Informationen sind demnach über Dateien, Datenbanken, Cloud-Services und weitere Systeme verteilt, oft ohne einheitliche Struktur. KI-Agenten müssten Antworten deshalb aufwendig rekonstruieren, was Token, Rechenleistung und Zeit koste und die Verlässlichkeit der Ergebnisse beeinträchtige.

Die Dell AI Data Platform bildet laut Anbieter das Datenfundament der Dell AI Factory und könne eine durchgängige Basis vom Speicher bis zur Nutzung durch Agenten schaffen. Storage-Systeme stellen die Daten den beschleunigten Recheneinheiten bereit, Orchestrierungsfunktionen verknüpfen und bereiten sie auf, Analyse- und Suchfunktionen transformieren und indizieren sie. Für Dokumenten-Parsing, Embedding und Reranking kommen Nvidia-Nemotron-Retriever-Modelle zum Einsatz, Nvidia cuVS beschleunigt die Vektorindizierung und -suche. Da alle Schritte auf einer Plattform laufen, lasse sich jeder erzeugte Kontext auf die vom Unternehmen kontrollierten Ausgangsdaten zurückführen.

Drei neue Funktionen

Der Unified Semantic Layer soll strukturierte und unstrukturierte Informationen unternehmensweit einheitlich interpretierbar machen, und zwar über Regeln, Definitionen und ein durchsuchbares Glossar. Als Beispiel nennt Dell unterschiedliche Begriffe wie „Kunde“ und „Client“ oder „Konto“ und „Account“, die das System als identisch erkennen soll. Bestehende Ontologien und Klassifikationsschemata lassen sich importieren. Zudem unterstützt die Plattform die Open-Source-Bibliothek Nvidia Auto-Ontology, die aus Unternehmensdaten Knowledge-Graphen erzeugt und den Semantic Layer erweitern kann.

Der Enterprise Knowledge Graph bildet die Beziehungen zwischen strukturierten und unstrukturierten Daten ab. Metadaten, Datenherkunft und Abfragehistorie dienen dazu, den Graphen fortlaufend an veränderte Aktivitäten anzupassen. Stellt ein Agent eine Frage, ruft die Plattform Dell zufolge alle relevanten Informationen ab, für die eine Zugriffsberechtigung besteht – etwa Tabellen, multimodale Daten oder Vektorindizes, unabhängig vom Speicherort. Als Anwendungsfall führt Dell die Fehlersuche in der Fertigung an: Eine ungewöhnliche Sensormessung lasse sich bis zur Maschine, deren Reparaturhistorie, der Lieferantencharge und den gefährdeten Aufträgen zurückverfolgen.

Die Knowledge Agents nutzen diesen Kontext für konkrete Aufgaben. Jeder Agent soll als Berater für ein bestimmtes Thema auf einem definierten Ausschnitt des Knowledge Graph basieren. Unternehmen legen fest, welche Vorgaben gelten, auf welche Daten der Agent zugreifen darf, welche Qualitätsanforderungen er erfüllen muss und wie viel er ausgeben darf. Fähigkeiten für logisches Schlussfolgern und visuelles Verständnis liefern wiederum die Nemotron-Retriever-Modelle.

Semantic Layer, Knowledge Graph und Knowledge Agents enthalten laut Dell besonders wertvolle und zugleich sensible Informationen und bleiben deshalb im eigenen Rechenzentrum. Eine Bindung an ein bestimmtes Modell, einen Datenanbieter oder Storage-Hersteller sei nicht erforderlich.

Beschleunigung und Sicherheit im Datenpfad

Im Bereich Daten und Storage integriert Dell die Accelerator-Funktionen nach eigenen Angaben direkt in die Daten-Engines, sodass keine zusätzliche proprietäre Ebene nötig sei. Die Dell Data Processing Engine auf Basis von Nvidia cuDF und Nvidia RTX PRO 4500 Blackwell Server Edition GPUs verarbeitet Daten in internen Tests im Durchschnitt rund 3,9-mal schneller als rein CPU-basierte Systeme. Bei einem Batch-Processing-Workload (Data-Mining) lag die Spitze bei dem Faktor 20,4. Verglichen wurden GPU-beschleunigte Apache-Spark-Ausführungen auf einem Dell PowerEdge R770 im September 2026, und zwar laut Dell ohne Performance-Tuning. Die tatsächlichen Ergebnisse könnten abweichen. Apache Arrow soll den Datentransfer zwischen Storage und Verarbeitung effizienter machen und Abfragen direkt am Speicherort erlauben.

Dell PowerScale unterstützt künftig bis zu 500 Mandanten in einem Cluster. Der Datenverkehr wird per mTLS über NFS verschlüsselt und authentifiziert, die Verwaltung der Mandanten erfolgt über eine fein granulierbare, rollenbasierte Zugriffskontrolle. Davon sollen vor allem Anbieter von KI-Services und Unternehmen profitieren, die KI-Plattformen gemeinsam betreiben und die Daten der Mandanten strikt getrennt halten müssen.

Das neue Dell Storage Performance Tool soll bei der Dimensionierung von KI-Infrastruktur helfen und den Vergleich von Lösungen verschiedener Anbieter erleichtern. Es testet die Performance von S3-kompatiblem Object-Storage bei Training, Inferenz und Checkpointing. Ergänzend erweitert Dell die Implementierungsservices für die Plattform, um den Übergang vom Deployment in den produktiven Betrieb zu unterstützen.

Verfügbarkeit

Unified Semantic Layer, Enterprise Knowledge Graph und Knowledge Agents sollen im 1. Halbjahr 2027 erscheinen. Die Erweiterungen der Data Processing Engine mit dem Nvidia Acceleration Stack sind für Dezember 2026 angekündigt, der Beschleuniger mit Apache Arrow für das 1. Halbjahr 2027. Das Storage Performance Tool und die KI-fähigen Services sind laut Dell ab sofort verfügbar, die PowerScale-Erweiterungen für Sicherheit und Mandantenfähigkeit sollen im November 2026 folgen.

Storage für KI: Training, Inferenz und Betrieb – Teil 1

Auf der Suche nach der passenden KI-Infrastruktur

(ID:50986585)