BullSequana

Tags

Follow from the Fediverse

Follow #bullsequana from Mastodon or any other Fediverse app and its public posts arrive in your timeline. No vutuv account needed.

@bullsequana@tags.vutuv.de

Your address is used once, to send you to your own server's follow dialog. It is never stored here.

Posts with this tag

4 posts

Filters

Ihre wertvollsten Daten liegen schon da. Warum die KI woanders bauen?

Bei vielen Sovereign-AI-Projekten beginnt die Diskussion mit einer neuen Plattform, neuer Hardware, neuer Betriebsverantwortung. Dabei steht die Grundlage für den ersten produktiven Enterprise-AI-Use-Case in vielen Unternehmen längst im eigenen Rechenzentrum: SAP HANA.

Die BullSequana SH ist SAP-HANA-zertifiziert — zertifiziert für SAP HANA 2.0 SPS 08 und höher, mit aktivierter HANA Vector Engine. Das ändert die Ausgangsfrage:

Ihre HANA-Daten sind DSGVO- und revisionspflichtig. Sie liegen bereits auf einer BullSequana-Plattform. Die erste produktive KI-Anwendung entsteht direkt daneben — auf derselben Hardware-Gattung, ohne Datenbewegung, mit denselben Wartungsverträgen, derselben Administrationsmannschaft.

Was das technisch heißt:

📊 HANA Vector Engine als Retrieval-Backend — Embeddings und Geschäftsdaten in derselben In-Memory-Datenbank, kein separater Vector-Store nötig

🖥️ 2–16 Sockets, bis 64 TB DDR5 — skaliert vom Mittelstands-Refresh bis zur DAX-HANA-Plattform mit großem In-Memory-Bedarf

🐧 SUSE Linux Enterprise Server for SAP Applications (oder RHEL for SAP Solutions) als zertifizierte Betriebsgrundlage

Das ist kein neues Sovereignty-Projekt. Das ist ein Refresh-Zyklus, der ohnehin ansteht — nur mit einem KI-Layer, der von Anfang an mitgedacht ist.

DigitaleSouveränität SovereignAI HANAVectorEngine SAPHANA BullSequana
DigitaleSouveränität SovereignAI HANAVectorEngine SAPHANA BullSequana
René Hamdorf @rene bizzfed.de

Ihre wertvollsten Daten liegen schon da. Warum die KI woanders bauen?

Bei vielen Sovereign-AI-Projekten beginnt die Diskussion mit einer neuen Plattform, neuer Hardware, neuer Betriebsverantwortung. Dabei steht die Grundlage für den ersten produktiven Enterprise-AI-Use-Case in vielen Unternehmen längst im eigenen Rechenzentrum: SAP HANA.

Die BullSequana SH ist SAP-HANA-zertifiziert — zertifiziert für SAP HANA 2.0 SPS 08 und höher, mit aktivierter HANA Vector Engine. Das ändert die Ausgangsfrage:

Ihre HANA-Daten sind DSGVO- und revisionspflichtig. Sie liegen bereits auf einer BullSequana-Plattform. Die erste produktive KI-Anwendung entsteht direkt daneben — auf derselben Hardware-Gattung, ohne Datenbewegung, mit denselben Wartungsverträgen, derselben Administrationsmannschaft.

Was das technisch heißt:

📊 HANA Vector Engine als Retrieval-Backend — Embeddings und Geschäftsdaten in derselben In-Memory-Datenbank, kein separater Vector-Store nötig

🖥️ 2–16 Sockets, bis 64 TB DDR5 — skaliert vom Mittelstands-Refresh bis zur DAX-HANA-Plattform mit großem In-Memory-Bedarf

🐧 SUSE Linux Enterprise Server for SAP Applications (oder RHEL for SAP Solutions) als zertifizierte Betriebsgrundlage

Das ist kein neues Sovereignty-Projekt. Das ist ein Refresh-Zyklus, der ohnehin ansteht — nur mit einem KI-Layer, der von Anfang an mitgedacht ist.

René Hamdorf @rene bizzfed.de

Der EU AI Act fragt: Können Sie das erklären?
Seit August 2024 ist der EU AI Act in Kraft. Für Hochrisiko-KI-Systeme, etwa in Kreditvergabe, Personalwesen, Medizin, kritischer Infrastruktur oder Strafverfolgung, reicht ein funktionierendes Modell nicht mehr aus. Betreiber müssen Datenherkunft, Modellverhalten und Entscheidungswege dokumentieren und auf Anfrage der Aufsichtsbehörde vorlegen können.

Das strukturelle Problem: Ein nicht-transparenter Hyperscaler-LLM-Dienst erzeugt genau die Dokumentationslücke, die der Kunde selbst nicht schließen kann. Wenn niemand erklären kann, warum ein Modell wie entschieden hat, ist die Konformitätsbewertung von Anfang an gefährdet.

Der AI Act steht dabei nicht allein:

DORA verlangt von Banken und Versicherern eine auditierbare Kontrolle über kritische IT-Dienstleister
NIS2 erweitert den Kreis regulierter Sektoren auf Energie, Gesundheit, Verkehr, Finanzmarktinfrastruktur und öffentliche Verwaltung
BaFin (BAIT/VAIT-Rundschreiben) fordert, dass jedes Modell, das Geschäftsentscheidungen beeinflusst, erklärbar und revisionsfest sein muss

Vier Regelwerke, eine gemeinsame Konsequenz: Wer KI-Verarbeitung nicht lückenlos nachweisen kann, trägt das Risiko, nicht der Anbieter.

Die BullSequana SH macht diesen Nachweis führbar:

On-Premise-Betrieb: Daten, Modellgewichte und Inferenzausgaben bleiben im eigenen Perimeter
Intel TDX/SGX für Confidential Computing und nachvollziehbare Verarbeitung
Fertigung in Angers (EU), französisch-staatlicher Hersteller: eine bis zum Hersteller nachvollziehbare Lieferkette
Keine Metadaten-Abflüsse in eine Nicht-EU-Cloud

Compliance wird dann zur Checkliste, wenn die Architektur sie von Anfang an unterstützt, und nicht zum Projekt, das erst nach dem Audit beginnt.

KI-Kosten, die mit dem Erfolg wachsen. Nicht mit dem Budget.

Ein produktiver KI-Assistent, der gut genutzt wird, sollte ein Erfolg sein. In der Public Cloud wird er stattdessen oft zum Kostenrisiko: Token-basierte Abrechnung bedeutet, dass die Rechnung linear mit dem Erfolg des Use Cases wächst. Je mehr Mitarbeitende den Assistenten nutzen, desto höher die monatlichen API-Gebühren — der Erfolg des Systems bestraft sich in der Cloud selbst.

On-Premise-Infrastruktur funktioniert umgekehrt: Die Kostenkurve bleibt nach der initialen Investition flach, unabhängig davon, wie intensiv das System genutzt wird. In den meisten Enterprise-Szenarien liegt der wirtschaftliche Break-even zwischen Public-Cloud-Inferenz und On-Premise-Inferenz zwischen 12 und 24 Monaten Laufzeit.

Die BullSequana SH macht diese Rechnung planbar:

  • Intel AMX ermöglicht CPU-basierte Inferenz — ohne separate GPU-Investition
  • Bis zu 64 TB DDR5-Arbeitsspeicher für datennahe Inferenz und Vector-Workloads
  • Kein Token-Billing, keine US-Cloud-Berührung, keine Metadaten-Abflüsse
  • Fertigung in Angers (EU), französisch-staatlicher Hersteller

Cloud-Pilotierung ist ein guter Startpunkt für einen neuen Use Case. Aber sobald er erfolgreich skaliert, verdient er eine Infrastruktur, deren Kosten nicht mit ihm mitwachsen.

KIInfrastruktur EnterpriseAI OnPremise BullSequana DigitaleSouveränität
KIInfrastruktur EnterpriseAI OnPremise BullSequana DigitaleSouveränität

Keyboard shortcuts

Navigation

Home g h
Feed g f
Messages g m
Notifications g n
Your profile g p
Search /

Actions

Write a new post n
Send the post or message you are writing ⌘/Ctrl ↵
Next post in the feed j
Previous post in the feed k

General

Show this help ?
Close menus and dialogs Esc

The single-key shortcuts pause while you type, and are off on phones and tablets.