Interviews
Leo Brunnick, Chief Product Officer bei Cloudera – Interviewreihe
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
Leo Brunnick, Chief Product Officer bei Cloudera, ist ein erfahrener Technologie‑Executive und Unternehmer mit mehr als drei Jahrzehnten Erfahrung im Aufbau und Skalieren von Software, digitalen Medien und Unternehmens‑Technologie‑Organisationen. Bei Cloudera leitet er das Produktmanagement, die Technik und den Kundensupport und überwacht die Produkt‑ und Technologierichtung des Unternehmens, während die Fähigkeiten der Daten‑ und KI‑Plattform ausgebaut werden. Vor seinem Eintritt bei Cloudera im Jahr 2025 verbrachte Brunnick sechs Jahre bei Naviga, zuletzt als Chief Operating Officer, wo er mehr als 600 Fachleute in den Bereichen Produkt, Technik, Marketing, R&D, Kundensupport und professionelle Dienstleistungen führte. Früher in seiner Laufbahn gründete und war er CEO von Patheos, baute die digitale Medienplattform auf etwa 15 Millionen monatliche Besucher aus, bevor er erfolgreich ausstieg, und verbrachte acht Jahre als Chief Product Officer beim Enterprise‑Content‑Management‑Unternehmen Vignette. Sein Hintergrund umfasst zudem Technologieberatung bei Andersen Consulting und den Dienst als Infanterieoffizier der U.S. Marine Corps.
Cloudera ist ein Unternehmen für Unternehmensdaten und KI, das Organisationen dabei unterstützt, Daten zu verwalten, zu steuern, zu analysieren und KI auf Daten anzuwenden, wo immer sie sich befinden – in öffentlichen Clouds, privaten Rechenzentren und Edge‑Umgebungen. Seine hybride Plattform kombiniert Datenmanagement, Analytik, maschinelles Lernen, generative KI und zunehmend agentenbasierte KI‑Funktionen, wobei der Schwerpunkt auf Unternehmenssicherheit, Governance, Datenschutz und Portabilität von Workloads liegt. Die aktuelle Plattform‑Strategie des Unternehmens umfasst Cloudera Anywhere Cloud, eine Architektur, die Unternehmen ein konsistentes Cloud‑Erlebnis über verschiedene Infrastrukturumgebungen hinweg bieten soll, zusammen mit einem offenen Data‑Lakehouse, einem einheitlichen Daten‑Fabric, Echtzeit‑Datenverarbeitung und Werkzeugen zur Entwicklung und Bereitstellung von KI‑Modellen und Agenten. Cloudera gibt an, dass seine Technologie mehr als 25 Exabyte Daten verwaltet und von großen globalen Unternehmen genutzt wird, die ihre Dateninfrastruktur modernisieren wollen, ohne dass alle Workloads oder sensiblen Daten in eine öffentliche Cloud verschoben werden müssen.
Ihre Karriere umfasste Technologieberatung, die Leitung von Produktorganisationen bei Vignette und Naviga, die Gründung und Skalierung von Patheos und heute die Tätigkeit als Chief Product Officer bei Cloudera. Wie haben diese Erfahrungen Ihre Sichtweise auf den Aufbau von Unternehmens‑Technologieplattformen geprägt, zu einem Zeitpunkt, an dem KI grundlegend verändert, wie Organisationen ihre Daten nutzen?
Für all diese Situationen gilt dasselbe Prinzip. Technologie ist am wertvollsten, wenn sie etwas Komplexes für Menschen einfacher nutzbar macht. Dieser Punkt ist jetzt noch wichtiger, da KI erhebliche Chancen schafft, gleichzeitig aber eine weitere Ebene von Komplexität für Unternehmen hinzufügt, die bereits Cloud‑Daten, Rechenzentren und zunehmend souveräne Umgebungen navigieren.
Wenn wir diese nächste Ära bei Cloudera gestalten, überlege ich häufig, wie wir Unternehmen ermöglichen können, von neuen Technologien zu profitieren, ohne dass sie alles, was sie bereits aufgebaut haben, neu überdenken müssen. In den letzten Jahren haben Unternehmen ihre Datenbestände, Anwendungen, Governance‑Modelle und Betriebsprozesse aufgebaut. Es wäre nicht vernünftig, all das jedes Mal zu verwerfen, wenn eine neue Technologie erscheint. Die Plattformen, die im KI‑Zeitalter erfolgreich sind, werden auf dem aufbauen, was Unternehmen bereits besitzen, und ihnen gleichzeitig die Flexibilität und Kontrolle geben, sich an veränderte Anforderungen anzupassen.
Cloudera hat kürzlich Cloudera Anywhere Cloud eingeführt, um Unternehmen dabei zu unterstützen, KI über öffentliche Clouds, private Infrastrukturen, souveräne Clouds, On‑Premise‑Umgebungen und den Edge zu bauen und zu betreiben. Welches Problem haben Sie bei Kunden beobachtet, das Cloudera davon überzeugt hat, dass diese Art von einheitlicher Architektur notwendig ist?
Der Druck auf Kunden, KI in die Praxis umzusetzen, wächst, obwohl ihre Daten und Infrastruktur über mehr Umgebungen verteilt sind als je zuvor. Daten können in öffentlichen Clouds, privaten Rechenzentren, souveränen Umgebungen und am Edge liegen, jeweils mit eigenen Sicherheits-, Regulierungs-, Leistungs- und Wirtschaftsanfordungen. Die Verwaltung all dieser Umgebungen kann für Unternehmen eine erhebliche operative Belastung darstellen.
Die Idee hinter Anywhere Cloud ist, dass Unternehmen nicht zwischen der Agilität der Cloud und der Aufrechterhaltung von Kontrolle, Sicherheit und Governance über ihre Daten wählen müssen. Organisationen benötigen eine konsistente Methode, um Daten‑ und KI‑Dienste dort bereitzustellen, zu steuern und zu skalieren, wo es für das Unternehmen am sinnvollsten ist. Mit einer einzigen Steuerungsebene können Unternehmen weniger Zeit mit der Verwaltung der zugrunde liegenden Infrastruktur verbringen und mehr Zeit darauf verwenden, die gewünschten Ergebnisse mit ihren Daten und ihrer KI zu erzielen, unabhängig davon, in welcher Umgebung sie sich befinden.
Sie haben gesagt, dass Enterprise‑KI das Modell „nur‑öffentliche‑Cloud“ überholt hat. Was sind die größten Einschränkungen, denen Unternehmen begegnen, wenn sie Produktions‑KI vollständig in öffentlichen Cloud‑Umgebungen betreiben wollen, und welche Workloads verlagern sich zunehmend woanders?
Die Plattformen, die im KI‑Zeitalter erfolgreich sind, bauen auf dem auf, was Unternehmen bereits besitzen, und geben ihnen die Flexibilität, sich an verändernde Bedürfnisse anzupassen. Die öffentliche Cloud bleibt ein wichtiger Bestandteil der Unternehmens‑Technologiestrategie, ist jedoch nicht die einzige Option. Wenn KI in die Produktion übergeht, müssen Unternehmen entscheiden, wo ihre Daten und Workloads basierend auf Faktoren wie Regulierung, Sicherheit und Kosten ausgeführt werden sollen.
Dies zeigt, dass Entscheidungen darüber, wo Workloads platziert werden, jetzt bewusster getroffen werden. Bestimmte KI-Anwendungen wären sicherlich geeignet für die öffentliche Cloud, während Workloads, die hochsensible oder regulierte Daten beinhalten, in einem privaten Rechenzentrum oder einer souveränen Umgebung verbleiben müssen. In anderen Fällen sind Workloads am Edge besser aufgehoben, da Latenz ein wichtiger Faktor ist. Das Ziel ist nicht, sich von der öffentlichen Cloud zu entfernen; vielmehr soll Unternehmen die Flexibilität erhalten, jede Art von Workload an dem Standort auszuführen, der am besten geeignet ist, ohne gezwungen zu sein, für jede Umgebung ein separates Betriebsmodell zu schaffen.
Cloudera Anywhere Cloud beinhaltet einen agentischen Copilot, der Anfragen in natürlicher Sprache in Daten-Workflows und Infrastruktur‑Operationen übersetzen kann. Wie autonom erwarten Sie, dass diese Systeme werden, und wo sollten Unternehmen die menschliche Aufsicht beibehalten, wenn Agenten mehr Kontrolle über kritische Dateninfrastruktur erlangen?
Agenten werden weiterhin die repetitiven operativen Aufgaben übernehmen, die derzeit die Zeit von Daten‑ und Infrastruktur‑Teams beanspruchen. Wenn ein Agent ein Ergebnis in natürlicher Sprache ausdrücken und dann in einen Workflow oder eine Infrastruktur‑Aktion umwandeln kann, reduziert das die Reibung erheblich und macht fortgeschrittene Datenfähigkeiten einer größeren Anzahl von Menschen zugänglich.
Mehr Autonomie erzeugt zudem einen größeren Bedarf an effektiver Governance. Unternehmen müssen klare Richtlinien haben, die festlegen, worauf ein Agent zugreifen darf, welche Aktionen er eigenständig ausführen kann und wann menschliche Genehmigung erforderlich ist. Je größer das potenzielle Ausmaß einer Aktion, desto wichtiger werden diese Kontrollen. Autonomie und Governance sollten parallel voranschreiten, um Agenten ausreichend Freiheit zu geben, reale Produktivitätsgewinne zu erzielen, während das Unternehmen die Aufsicht und Kontrolle über seine wichtigsten Daten und die Infrastruktur behält.
Cloudera arbeitet mit NVIDIA zusammen, um native GPU‑Beschleunigung über cuDF für Apache‑Spark‑4.1‑Workloads zu ermöglichen, mit potenziellen Leistungsverbesserungen von bis zu dem Vierfachen, ohne dass Organisationen bestehende PySpark‑ oder SQL‑Anwendungen neu schreiben müssen. Warum ist die Beseitigung des Bedarfs an Code‑Umstellungen so wichtig für die Beschleunigung der Unternehmens‑KI‑Einführung?
Unternehmen haben erhebliche Investitionen in ihre bestehenden Anwendungen, Fähigkeiten und Datenpipelines getätigt. Der Umstieg auf eine neue Technologie erfordert mehr als nur Ingenieurarbeit. Er kann Risiken einführen, Ergebnisse verzögern und Störungen in bereits funktionierenden Systemen verursachen.
Zero‑Code‑Beschleunigung hilft, diese Herausforderung zu meistern. Organisationen können ihre bestehenden PySpark‑ und SQL‑Workloads nutzen, um die Vorteile der GPU‑Beschleunigung zu erhalten, ohne grundlegend zu ändern, wie ihre Teams arbeiten. Das macht die Technologie leichter adoptierbar und verbessert gleichzeitig die Leistung der Datenpipelines, die Analysen und KI unterstützen, und schützt bestehende Investitionen.
GPUs werden zunehmend über das Modell‑Training und die Inferenz hinaus eingesetzt, etwa für Datenvorbereitung und Analytik. Erwarten Sie, dass GPU‑Beschleunigung zu einem Standardbestandteil des Unternehmens‑Daten‑Stacks wird, und wie könnte dies die Wirtschaftlichkeit der Vorbereitung massiver Datensätze für KI verändern?
Meiner Meinung nach werden Unternehmen viel besser darin werden, ihre Infrastruktur an ihre Workloads anzupassen. GPUs haben bereits die Art und Weise verändert, wie Modell‑Training und Inferenz durchgeführt werden, und Data‑Engineering ist der nächste offensichtliche Innovationsbereich, da die Vorbereitung großer Datensätze ein erhebliches Engpass‑Problem beim Übergang von KI‑Anwendungen in die Produktion darstellen kann.
Der wirtschaftliche Effekt ist ebenso bedeutend, da schnellere Verarbeitung mehr bewirken kann, als nur einen Spark‑Job schneller abzuschließen. Kürzere Compute‑Laufzeiten können die Infrastrukturkosten senken und gleichzeitig Daten‑Teams ermöglichen, schneller zu iterieren – ein zunehmend wichtiger Aspekt, da KI‑Workloads wachsen. Laut unsere Forschung haben 84 % der Befragten festgestellt, dass KI‑Workloads die Infrastrukturkosten erhöhen, was es für Unternehmen wichtiger macht, die gesamte Datenpipeline nach Möglichkeiten zur Verbesserung von Leistung und Kosten zu durchsuchen. GPU‑beschleunigte Datenverarbeitung könnte ein wichtiger Teil dieser Gleichung werden.
Ein Versprechen von Cloudera Anywhere Cloud ist, Organisationen zu ermöglichen, Workloads dort zu platzieren, wo regulatorische, wirtschaftliche oder operative Anforderungen es diktieren, ohne ständig ihre Daten zu verschieben oder zu kopieren. Wie wichtig ist es, KI‑Rechenleistung zu den Daten zu bringen, anstatt alle Unternehmensdaten zur KI zu bringen?
Das ist entscheidend, weil Unternehmen über Jahre hinweg enorme Datenmengen in verschiedenen Umgebungen aufgebaut haben und es oft unpraktisch ist, all diese Daten an einem Ort für KI zu konsolidieren. Das kann kosten- und zeitintensiv sein, während Sicherheits‑, Datenschutz‑ oder Souveränitätsanforderungen Organisationen daran hindern können, bestimmte Daten überhaupt zu verschieben.
Derzeit ist es für Unternehmen nicht praktikabel, alle ihre Daten sicher zu den verschiedenen Anwendungen und Umgebungen zu bewegen, in denen KI eingesetzt wird. KI zu den Daten zu bringen, ermöglicht es Organisationen, mehr von den bereits vorhandenen Daten zu nutzen, während sie dort bleiben, wo sie bleiben müssen. Es gibt ihnen zudem die Flexibilität, Workloads dort auszuführen, wo es aus geschäftlichen und technischen Gründen am sinnvollsten ist. Da KI zunehmend im gesamten Unternehmen verankert wird, wird die Fähigkeit, konsistent dort zu operieren, wo Daten gespeichert sind, immer wichtiger.
Datensouveränität ist zu einem großen Anliegen geworden, da Regierungen und regulierte Branchen KI übernehmen. Wie verändern souveräne KI-Anforderungen die Architektur, die Unternehmen benötigen, und erwarten Sie, dass souveräne Clouds und private KI-Infrastrukturen in den nächsten Jahren deutlich wichtiger werden?
Absolut. Souveränität wird zu einer architektonischen Anforderung, nicht nur zu einem Compliance-Problem. Unternehmen müssen wissen, wo ihre Daten gespeichert sind und wo ihre KI-Workloads laufen, sowie wer Zugriff hat und wie geistiges Eigentum und sensible Informationen geschützt werden.
Unternehmen können nicht länger davon ausgehen, dass alles in einer einzigen öffentlichen Cloud zentralisiert werden kann. Sie benötigen die Flexibilität, über souveräne Clouds, private Infrastrukturen, öffentliche Clouds und lokale Systeme hinweg zu operieren und dabei in jeder Umgebung eine konsistente Governance anzuwenden. Diese Anforderungen werden nur noch wichtiger, wenn KI weiter in regulierte Branchen und kritische Geschäftsprozesse vordringt. Unternehmen, die innovieren können, während sie die Kontrolle über ihre Daten und KI-Umgebungen behalten, werden besser positioniert sein, KI verantwortungsvoll zu skalieren.
Da autonome KI‑Agenten Zugriff auf Unternehmensdaten, Anwendungen und Infrastruktur erhalten, könnte die traditionelle Daten‑Governance nicht mehr ausreichen. Wie muss die Governance sich weiterentwickeln, wenn die Nutzer, die auf Unternehmensdaten zugreifen und darauf handeln, zunehmend KI‑Agenten statt Menschen sind?
In der Vergangenheit basierte Governance hauptsächlich darauf, dass Personen und Anwendungen auf Daten zugreifen konnten. Agenten bringen einen neuen Aspekt hinzu, da sie Informationen abrufen, darüber nachdenken und basierend auf ihren Erkenntnissen handeln können.
Deshalb müssen Unternehmen Konzepte wie Identität, Berechtigungen, Datenherkunft, Beobachtbarkeit und Zero‑Trust‑Zugriff auf Agenten anwenden, um die Sicherheit und Governance ihrer Daten zu gewährleisten. Unternehmen sollten wissen, welcher Agent welche Daten abgerufen hat, was er mit diesen Informationen gemacht hat, welche Aktionen er durchgeführt hat und ob diese Aktionen mit den Unternehmensrichtlinien übereinstimmen. Governance kann nicht nachträglich eingeführt werden, nachdem ein Agent gehandelt hat; sie muss in die Umgebung integriert werden, sodass Richtlinien und Schutzmaßnahmen mit den Daten mitgehen und kontinuierlich durchgesetzt werden, unabhängig davon, ob die betreffende Einheit eine Person, eine Anwendung oder ein autonomer Agent ist.
Cloudera legt mehr Wert auf offene Standards wie Apache Iceberg, Polaris, Spark, Kafka und Trino, anstatt von Kunden zu verlangen, dass sie ausschließlich innerhalb eines proprietären Stacks arbeiten. Da sich die KI‑Infrastruktur um große Plattformen konsolidiert, wie wichtig werden offene Standards und Interoperabilität sein, um eine neue Generation von KI‑Vendor‑Lock‑In zu verhindern?
Je stärker KI Teil der Unternehmensinfrastruktur wird, desto wichtiger werden offene Standards. KI entwickelt sich schnell, und Unternehmen müssen vermeiden, heute architektonische Entscheidungen zu treffen, die die Modelle, Engines, Infrastrukturen oder Technologien, die sie künftig nutzen können, einschränken könnten.
Technologien wie Apache Iceberg, Spark, Kafka, Trino und offene Kataloge geben Unternehmen die Flexibilität, verschiedene Werkzeuge für unterschiedliche Workloads zu nutzen und gleichzeitig die Interoperabilität über ihre Datenumgebungen hinweg zu erhalten. Das ist besonders wichtig, da Unternehmen zunehmend über öffentliche Clouds, souveräne Infrastrukturen und private Rechenzentren hinweg operieren und die Freiheit benötigen, zu entscheiden, wo ihre Daten und KI‑Workloads laufen, ohne alles um einen einzigen Anbieter herum neu aufzubauen.
Ein offener Ansatz erleichtert zudem die Einführung neuer KI‑Funktionen, während auf bestehenden Investitionen aufgebaut wird, anstatt Daten bei jeder technologischen Weiterentwicklung immer wieder zu verschieben oder zu kopieren. Da sich das KI‑Umfeld ständig wandelt, bieten offene Standards Unternehmen die Flexibilität, ihre Architektur im Laufe der Zeit weiterzuentwickeln und gleichzeitig Auswahl und Kontrolle über ihre Daten, Infrastruktur und Technologieentscheidungen zu bewahren.
Vielen Dank für das großartige Interview, Leser, die mehr erfahren möchten, sollten Cloudera besuchen.
