Die deutsche Sprachversion wurde als Serviceleistung für Sie durch maschinelle Übersetzung erstellt. Bei eventuellen Unstimmigkeiten hat die englische Sprachversion Vorrang.

Erfahren Sie mehr über AI Data Engine

10/29/2026 Beitragende

PDFs

AI Data Engine (AIDE) ist ein Metadaten-Intelligence-Service, der Ihnen Transparenz in strukturierte und unstrukturierte Daten bietet, die auf Ihren Storage Systemen gespeichert sind. AI Data Engine scannt Ihre Storage Systeme und katalogisiert Dateisystemmetadaten, sodass Sie Möglichkeiten zur Storage Optimierung identifizieren, Ihre Daten untersuchen und Governance-Richtlinien durchsetzen können.

Was AI Data Engine leistet

AI Data Engine durchsucht die Datenquellen, die Sie verbinden, und erstellt einen durchsuchbaren Metadatenkatalog, der bei jedem Scanvorgang aktualisiert wird. Aus diesem Katalog können Sie:

Ihr Storage im Überblick. Sie sehen, wie viele Daten Sie haben, wem sie gehören und wo sie sich befinden.
Speicherplatz freigeben. Sie sehen kalte, veraltete und doppelte Daten sowie, welche Dateneigentümer den größten Teil davon besitzen, sodass Sie wissen, wen Sie wegen der Bereinigung kontaktieren müssen.
Zugriffsrisiken ermitteln. Verzeichnisse mit offenen Berechtigungen lassen sich identifizieren, damit Sie diese für die Überprüfung priorisieren können.
Untersuchung und Organisation. Metadatenfilter ermöglichen es Ihnen, die für Sie relevanten Daten zu finden, mit Tags zu versehen und Ihre Kriterien als Richtlinie zu speichern, die Sie im Laufe der Zeit überwachen können.
Daten nutzen. Die überprüften Dateien lassen sich taggen, archivieren, kopieren oder löschen.
Daten für KI vorbereiten. Autorisierte KI-Clients können Ihre Metadaten durchsuchen und Aktionen für Daten ausführen.

Speicheroptimierung und Datenlebenszyklusmanagement

Mithilfe von Metadaten lassen sich Daten identifizieren, die eine Überprüfung rechtfertigen, z. B. Dateien, die die in Ihrem Unternehmen festgelegten Schwellenwerte für kalte und veraltete Daten erfüllen, sowie doppelte Dateien. Vor der Entscheidung, ob die Daten beibehalten, gekennzeichnet, archiviert, kopiert oder gelöscht werden sollen, empfiehlt sich eine Überprüfung der Ergebnisse.

Erkenntnisse zur Speicheroptimierung weisen auf Einsparmöglichkeiten hin. Die Kapazität, die Sie zurückgewinnen können, hängt von den Maßnahmen ab, die Sie ergreifen.

KI-Zugriff mit Governance

Governance-gesteuerter KI-Zugriff ermöglicht KI-Clients, Ihre Metadaten über das Model Context Protocol (MCP) innerhalb der von Ihnen festgelegten Grenzen zu durchsuchen. Sie wählen aus, welche Daten durch das Erstellen von Sammlungen verfügbar gemacht werden. Eine Sammlung ist eine Menge gescannter Daten, die Sie KI-Clients zur Verfügung stellen. Sie steuern, welche Sammlungen ein Benutzer durchsuchen kann, indem Sie die Microsoft Entra ID Scopes definieren.

AI-Clients arbeiten ausschließlich mit Metadaten. Sie können keine Dateiinhalte abrufen.

"Weitere Informationen zum Governance-gesteuerten KI-Zugriff".

Wer nutzt AI Data Engine

Die folgenden Beispiele zeigen, wie verschiedene Personen AI Data Engine verwenden könnten:

Storage-Administratoren, die Dateien prüfen müssen, welche die Kalt- und Veraltungsschwellenwerte ihres Unternehmens erfüllen, doppelte Dateien identifizieren und Möglichkeiten zur Storage-Optimierung bewerten.
IT-Betriebsteams, die einen zentralen Überblick darüber benötigen, welche strukturierten und unstrukturierten Daten in ihrer Speicherumgebung vorhanden sind.
Daten- oder KI-Teammitglieder, die einen KI-Client verwenden, um die Metadaten in einer autorisierten Sammlung zu durchsuchen und die Daten, mit denen sie arbeiten möchten, mit Tags zu versehen.
IT-Verantwortliche, die KI-Tools einführen und entscheiden müssen, welche Sammlungen KI-Clients durchsuchen können und wer sie nutzen darf.

Wo AI Data Engine ausgeführt wird

Der Zugriff auf AI Data Engine erfolgt über NetApp Console unter AI data hub > AI Data Engine. Die Scanning- und Catalog-Services laufen auf einer Infrastruktur, die Sie bereitstellen, entweder in Ihrem Cloud-Konto oder in Ihrer On-Premises-Umgebung. Es kann ein AIDE Single-Node Deployment auf einer Linux-VM oder ein AIDE Multi-Node Deployment auf einem Kubernetes-Cluster gewählt werden, wenn Ihre Umgebung hohe Verfügbarkeit in großem Maßstab erfordert.

"Weitere Informationen zu den Bereitstellungsoptionen".

AI Data Engine scannt die unterstützten Datenquellen, die Sie verbinden. Weitere Informationen finden Sie unter "Herstellen einer Verbindung mit einer Datenquelle".