Infrastruktur-Markt: IaaS für KI-Workloads wird „disruptiver Wachstumsmotor“

Die KI-optimierten Infrastrukturservices entwickeln sich laut Gartner „zum nächsten disruptiven Wachstumsmotor“ im Markt für Infrastruktur. Die Analysten der US-Marktforschungsfirma schätzen, dass die weltweiten Ausgaben der Endnutzer für KI-optimierte Infrastructure as a Services (IaaS) bis Ende 2025 um 146 Prozent auf insgesamt 18,3 Milliarden US-Dollar steigen. Für 2026 wird eine Verdopplung des Marktvolumens auf voraussichtlich 37,5 Milliarden Dollar prognostiziert.

Das Wachstumstempo verliert in den nächsten Jahren zwar an Fahrt und soll 2029 nur noch bei 34 Prozent bei einem Volumen von knapp 109 Milliarden Dollar liegen. Die Zuwachsquoten der gewöhnlichen IaaS-Ausgaben werden damit aber noch immer deutlich übertroffen. Der Anteil der Investitionen in KI-optimierte Infrastrukturservices an den gesamten Infrastrukturausgaben soll sich in diesem Jahr voraussichtlich auf knapp neun Prozent verdoppeln. Bis 2029 erwarten die Marktforscher einen Anstieg auf knapp 22 Prozent.

Mehr als die Hälfte für Inferenz

„Da Unternehmen ihre KI- und GenAI-Anwendungen zunehmend ausweiten, benötigen sie spezialisierte Infrastrukturen wie GPUs, Tensor Processing Units (TPUs) oder andere KI-ASICs, ergänzt durch Hochgeschwindigkeitsnetzwerke und optimierte Speicherlösungen für schnelle parallele Verarbeitung und effiziente Datenübertragung“, deutet Gartner-Analyst Hardeep Singh das Marktgeschehen. Mit klassischen, auf CPUs basierenden IaaS-Angeboten sei es zunehmend schwieriger, diesen Anforderungen gerecht zu werden.

Mit der zunehmenden Verbreitung der künstlichen Intelligenz in allen Branchen entwickeln sich nach Beobachtungen der Marktforscher insbesondere die Inferenz-Workloads zu einer dominierenden Kraft hinter der anziehenden Nachfrage. Laut Prognose werden im Jahr 2026 die Investitionen für Inferenz-fokussierte Anwendungen mit 20,6 Milliarden Dollar einen Anteil von 55 Prozent an allen Ausgaben für KI-IaaS erreichen. Bis 2029 soll die Quote auf über 65 Prozent ansteigen.

„Im Gegensatz zum Training, das intensive, großangelegte Rechenzyklen während der Modellentwicklung und laufenden Aktualisierungen erfordert, findet die Inferenz kontinuierlich statt“, erläutert Singh, warum die Aufwendungen für die Anwendung der Modelle etwa für Empfehlungsmaschinen oder Betrugserkennungssysteme, die des Trainierens übertreffen.

(axk)