KI-Agenten: Entwickler-Produktivität springt um 50 Prozent
Veröffentlicht am: 24.07.2026 um 04:48 Uhr | Redaktion boerse-global.de
Die Skalierung von Künstlicher Intelligenz in Unternehmen scheitert oft an der Infrastruktur. Doch neue Hardware-Designs und Software-Architekturen versprechen Abhilfe – mit massiven Effizienzsprüngen.
Rack-Scale-Systeme: Weniger Platz, mehr Rechenpower
Ein zentraler Hebel ist die enge Verzahnung von Rechenleistung, KI-Kühlung und Stromversorgung. Hersteller wie AMD und Schneider Electric setzen dabei auf Referenzdesigns für die Helios-Plattform, die am 23. Juli veröffentlicht wurden. Die Systeme unterstützen KI-Cluster mit bis zu 10,4 Megawatt Leistung – und erreichen eine Leistungsdichte von bis zu 246 Kilowatt pro Rack.
Die technische Konfiguration solcher Einheiten umfasst beispielsweise 72 Grafikprozessoren vom Typ AMD Instinct MI455X und 18 EPYC-Prozessoren der sechsten Generation. Laut technischen Daten erreichen die Systeme eine Rechenleistung von 2,9 Exaflops im FP4-Format. Durch Flüssigkühlung soll eine Abwärmeabfuhr von bis zu 84 Prozent gelingen – der PUE-Wert (Power Usage Effectiveness) liegt dann bei 1,12.
Das Ziel: Die Kosten pro generiertem Token um bis zu 30 Prozent senken und die Engineering-Zeit für KI-Fabriken reduzieren.
Parallel dazu treibt NVIDIA die Produktion seiner Vera-Rubin-Plattform voran. Berichte vom 22. Juli bestätigen den Produktionsstart für Systeme, die für das Training von Modellen mit Billionen von Parametern optimiert sind. Ergänzt werden die Hardware-Entwicklungen durch Netzwerklösungen wie Spectrum-6, die durch intelligenten Lastausgleich eine verlustfreie Paketzustellung in großen KI-Clustern sicherstellen sollen.
Während die Hardware-Infrastruktur für KI-Systeme immer leistungsfähiger wird, müssen Unternehmen auch die rechtlichen Rahmenbedingungen im Blick behalten. Dieser kostenlose Umsetzungsleitfaden zum EU AI Act hilft Ihnen, Risikoklassen und Dokumentationspflichten frühzeitig zu verstehen. EU AI Act in 5 Schritten verstehen
KI-Agenten steigern Entwickler-Produktivität um 50 Prozent
Auf der Softwareebene zeigen automatisierte Agenten messbare Effekte. Eine Fallstudie von monday.com, veröffentlicht am 22. Juli, dokumentiert den Einsatz von Produktions-KI-Agenten auf Basis von Amazon Bedrock. Das Unternehmen nutzt ein dreistufiges System – von einfachen Assistenten bis hin zu autonomen Agenten für die End-to-End-Lieferung.
Das Ergebnis: Neun von zehn Entwicklern nutzen bereits KI-Tools. Der Durchsatz bei Pull Requests stieg um über 50 Prozent. Für eine stabile Identität und Zuverlässigkeit der Agenten wurde eine Architektur entwickelt, die verschiedene Cloud-Dienste für Messaging, Container-Management und Datenspeicherung integriert.
Auch hybride Ansätze gewinnen an Bedeutung. Systeme wie die b4-Plattform kombinieren regelbasierte Prozessautomatisierung (RPA) mit KI: Die KI interpretiert unstrukturierte Daten, die anschließende Prozessausführung erfolgt durch klassische Automatisierungstools. Das erlaubt flexiblere Arbeitsabläufe, ohne die Kontrolle über die Prozesslogik zu verlieren.
Neue KI-Technologien bringen neben Produktivitätssteigerungen auch neue Sicherheitsanforderungen für die Unternehmens-IT mit sich. Erfahren Sie im kostenlosen Experten-Report, wie Sie aktuelle Bedrohungen abwenden und neue gesetzliche Anforderungen an Ihre IT-Sicherheit effizient erfüllen. Gratis-E-Book: Cyber Security Trends & Schutzmaßnahmen
Edge-KI und smarter Datentransfer
Ein weiterer Trend: KI-Inferenz wandert an den Rand des Netzwerks. Branchenlösungen vom 22. Juli kombinieren Hardware-Appliances mit Container-Plattformen wie OpenShift, um KI-Anwendungen direkt in Fertigungsstätten oder Filialen zu betreiben. Die Datensynchronisation erfolgt über Architekturen mit replizierten Datenknoten.
In der softwaredefinierten Fertigung kommen zunehmend Methoden wie Retrieval-Augmented Generation (RAG) zum Einsatz. Sie ergänzen große Sprachmodelle mit Echtzeitdaten aus der Produktion – für präzisere Steuerung und Überwachung.
Gleichzeitig optimieren neue Forschungsansätze den Datentransfer innerhalb von Rechenzentren. Eine am 22. Juli präsentierte Architektur der Tsinghua-Universität und Moonshot AI trennt rechenintensive Prefill-Phasen von speicherintensiven Decode-Phasen. In Tests steigerte diese Spezialisierung den Durchsatz um 54 Prozent und senkte die Latenzzeiten – genutzt wird dafür Standard-Ethernet.
Unternehmen wie StructureCraft zeigen zudem, wie die Modernisierung der Dateninfrastruktur globale Zusammenarbeit unterstützt. Durch Datenkonsolidierung und KI-gestützte Snapshot-Technologien bereiten Organisationen die Basis für proprietäre KI-Betriebssysteme, die interne Design- und Planungsprozesse weiter automatisieren sollen.
Disclaimer zu unseren Artikeln: Keine Anlageberatung, keine Kauf- oder Verkaufsempfehlung. Angaben zu Kursen, Unternehmen und Märkten ohne Gewähr; Änderungen jederzeit möglich. Börsengeschäfte können zu hohen Verlusten führen. Unsere Beiträge werden ganz oder teilweise automatisiert mit Unterstützung von AI erstellt und geprüft.
