Rackspace und Uniphore bündeln ihre Kräfte, um eine „Infrastructure-to-Agents“-Architektur für das Enterprise-AI zu liefern

Unternehmen haben in den letzten Jahren viel Zeit mit der Erforschung von künstlicher Intelligenz verbracht, doch viele Initiativen stecken noch in den Pilotphasen fest. Eine neue Partnerschaft zwischen Rackspace Technology und Uniphore zielt darauf ab, diese Lücke zu schließen, indem sie eine sogenannte „Infrastructure-to-Agents“-Architektur einführen, eine Full-Stack-Ansatz, der Unternehmen helfen soll, AI-Systeme von der Experimentierphase in reale Produktionsumgebungen zu überführen.

Die im frühen März angekündigte Zusammenarbeit kombiniert Rackspace’ hybride Multicloud– und private Cloud-Infrastruktur mit Uniphores Enterprise-AI-Plattform. Die Unternehmen erklären, dass das Ziel darin besteht, eine integrierte Umgebung zu schaffen, in der Unternehmen AI-Modelle bereitstellen, Daten vorbereiten und autonome AI-Agents ausführen können, während sie gleichzeitig Governance, Sicherheit und regulatorische Compliance aufrechterhalten.

Der Einsatz spiegelt einen breiteren Trend im Enterprise-AI wider. Unternehmen konzentrieren sich nicht mehr auf die Frage, welche Modelle oder Chips verwendet werden sollen, sondern darauf, wie AI-Fähigkeiten in zuverlässige Geschäftsergebnisse übersetzt werden können.

Die Herausforderung, AI in die Produktion zu überführen

Generative AI-Tools haben sich rasch in Unternehmen verbreitet, doch das Aufbauen zuverlässiger Systeme, die in der Produktion laufen, bleibt schwierig. Viele Unternehmen stehen vor einer Fragmentierung über die gesamte AI-Stack.

Die Partnerschaft zielt darauf ab, diese Fragmentierung zu überwinden, indem sie zwei komplementäre Schichten kombiniert. Rackspace trägt private Cloud-Infrastruktur bei, die für die sichere Ausführung von AI-Workloads in CPU- und GPU-Umgebungen konzipiert ist. Uniphore trägt seine Business AI Cloud-Plattform bei, die Modelle, Datenpipelines, Wissensschichten und agentenbasierte Automatisierung integriert.

Zusammen zielen die Unternehmen darauf ab, eine einheitliche Umgebung zu bieten, die den gesamten Lebenszyklus des Enterprise-AI abdeckt. Dazu gehören die Vorbereitung von Daten, die Ausführung von Inferenz-Workloads, die Verwaltung von Modellen und die Bereitstellung von AI-Agents, die Geschäftswerkzeuge automatisieren.

Das Verständnis der „Infrastructure-to-Agents“-Stack

Der Begriff „Infrastructure-to-Agents“ bezieht sich auf die Behandlung des gesamten AI-Stacks als ein verbundenes System und nicht als eine Sammlung unabhängiger Tools.

Innerhalb dieser Architektur unterstützt die Infrastruktur die Compute-Schicht, Daten-Vorbereitungspipelines transformieren Unternehmensdaten in nutzbare Eingaben, Modelle führen Reasoning und Vorhersagen aus und AI-Agents automatisieren Aufgaben innerhalb von Betriebsabläufen.

Im Rahmen der Partnerschaft erhalten Unternehmen Zugang zu Inferenzumgebungen, die auf beiden NVIDIA- und AMD-Compute-Architekturen laufen können. Die Plattform bietet auch Daten-Vorbereitungsdienste, die Unternehmensdaten so strukturieren, dass sie von AI-Modellen effektiv genutzt werden können. Fein abgestimmte Small Language Modelle sind ein weiterer wichtiger Bestandteil, der es Unternehmen ermöglicht, spezialisierte Modelle bereitzustellen, die auf bestimmte Geschäftsfunktionen zugeschnitten sind.

Diese Modelle können dann AI-Agents antreiben, die Aufgaben in Branchen wie Gesundheitswesen, Finanzen und Versicherungen automatisieren.

Small Language Modelle spielen in Unternehmensumgebungen eine besonders wichtige Rolle. Im Vergleich zu großen allgemeinen Modellen können sie für engere Anwendungsfälle optimiert werden, effizienter arbeiten und eine bessere Kontrolle über Leistung und Governance bieten.

Uniphores Vision des agentischen Unternehmens

Uniphores Plattform basiert auf dem Konzept des agentischen Unternehmens, in dem AI-Agents strukturierte Arbeit über Geschäftsprozesse hinweg ausführen, anstatt einfach nur auf Anfragen zu reagieren.

Das Unternehmen bietet eine Business AI Cloud-Plattform, die mehrere Schichten umfasst, die zusammenarbeiten. Zu diesen Schichten gehören die Infrastruktur für die Inferenz, die Daten- und Wissenssysteme, die Unternehmensinformationen organisieren, die Modelle selbst und die Agents, die Aufgaben auf der Grundlage dieser Modelle ausführen.

Diese Architektur soll die Lücke zwischen Consumer-AI-Tools und Unternehmenssystemen schließen, die strenge Anforderungen an Zuverlässigkeit, Sicherheit und Compliance erfüllen müssen.

Durch die Integration mit Rackspace’ Infrastrukturumgebung kann die Plattform innerhalb privater Cloud-Bereitstellungen operieren, die von dem Unternehmen kontrolliert werden. Dieser Ansatz ermöglicht es Unternehmen, AI bereitzustellen, während sie gleichzeitig die Kontrolle über sensible Daten aufrechterhalten.

Rackspace bei der Operationalisierung von AI

Rackspace bringt Erfahrung in der Verwaltung komplexer Cloud-Umgebungen über öffentliche und private Infrastruktur hinweg ein.

Im Rahmen der Partnerschaft werden Rackspace-Ingenieure eng mit Unternehmenseams zusammenarbeiten, um die kombinierte Plattform bereitzustellen und zu betreiben. Diese Ingenieure helfen bei der Konfiguration der Infrastruktur, der Optimierung von Workloads und der Sicherstellung, dass AI-Systeme zuverlässig in Produktionsumgebungen laufen.

Dieses Betriebsmodell spiegelt Rackspace’ breitere Strategie wider, managede Infrastrukturdienste bereitzustellen, anstatt nur Hardware- oder Softwarekomponenten zu liefern. Die Unternehmen beschreiben das Angebot als ergebnisorientiert, was bedeutet, dass der Fokus auf der Lieferung messbarer Ergebnisse und nicht nur auf der Bereitstellung von Technologie liegt.

Souveräne AI und regulierte Branchen

Ein wichtiger Treiber hinter der Zusammenarbeit ist die wachsende Nachfrage nach souveräner AI-Infrastruktur.

Branchen wie Finanzdienstleistungen, Gesundheitswesen und Versicherungen operieren unter strengen regulatorischen Rahmenbedingungen. Diese Organisationen benötigen oft starke Garantien für Daten-Governance, Datenschutz und Betriebskontrolle.

Durch die Ausführung von AI-Workloads innerhalb privater Cloud-Umgebungen und die Möglichkeit für Unternehmen, die geeignetste Compute-Architektur auszuwählen, ist die Rackspace- und Uniphore-Plattform darauf ausgelegt, diese Anforderungen zu erfüllen. Dieser Ansatz ermöglicht es Unternehmen, AI-Technologien zu adoptieren, während sie gleichzeitig die Sicherheits- und Compliance-Standards einhalten, die in regulierten Sektoren erwartet werden.

Ein Shift hin zu operativer AI

Die Partnerschaft spiegelt einen breiteren Wandel in der Art und Weise wider, wie Unternehmen künstliche Intelligenz angehen.

In den frühen Phasen des generativen AI-Booms konzentrierten sich die Gespräche stark auf Modelle und Hardware. Unternehmen diskutierten, welche großen Sprachmodelle sie adoptieren oder welche Compute-Plattformen die beste Leistung boten.

Heute hat sich der Fokus auf die operative Integration verlagert. Unternehmen fragen sich, wie AI in reale Workflows eingebettet werden kann, wie Systeme sicher verwaltet werden können und wie Bereitstellungen skaliert werden können, ohne neue Schichten der Komplexität zu schaffen.

Indem Rackspace und Uniphore eine einheitliche Infrastructure-to-Agents-Architektur präsentieren, versuchen sie, diese Herausforderungen auf Systemebene anzugehen.

Von der Experimentierung zu messbaren Ergebnissen

Letztendlich besteht das Ziel der Partnerschaft darin, den Weg von der AI-Experimentierung zur Produktionsbereitstellung zu verkürzen.

Viele Organisationen kämpfen noch mit Pilotprojekten, die nie über begrenzte Testumgebungen hinausgehen. Eine einheitliche Plattform, die Infrastruktur, Daten-Vorbereitung, Modelle und AI-Agents integriert, könnte helfen, diese Barrieren zu überwinden.

Wenn die Zusammenarbeit erfolgreich ist, könnte sie ein aufkommendes Muster im Enterprise-AI darstellen: Die nächste Phase der Adoption wird weniger von neuen Modellen abhängen und mehr von der Fähigkeit, AI-Systeme in sichere, regulierte und operative Technologieumgebungen zu integrieren.