Der Begriff agentic künstliche Intelligenz (AI) bezieht sich auf autonome Agenten, die unabhängig schlussfolgern, planen und mehrstufige Aufgaben ohne fortlaufendes menschliches Eingreifen ausführen. Diese Agenten stützen sich auf Inferenz und wenden trainierte Modelle auf neue und unbekannte Daten an.

Agentic AI könnte ein evolutionärer Sprung im Straight Through Processing (STP) sein, bei dem in Ausnahmefällen menschliches Wissen hinzugezogen wird. Diese Agenten führen schnelle, wiederholbare Workflows aus, die die Entscheidungsfindung beschleunigen, Abläufe optimieren und Personalisierung skalieren.

Unternehmen entwickeln agentische AI-Systeme in Erwartung dieser skalierten Effizienz. Laut IDC geben 50 % der Unternehmen an, dass „der Aufbau maßgeschneiderter AI-Agenten für die Automatisierung von Geschäftsprozessen“ einer der Bereiche ist, in dem sie mit steigenden Ausgaben rechnen.¹

Echtzeit-Inferenz, die agentische AI antreibt, erfordert die Verarbeitung und Übertragung großer Datenmengen. Wenn die Datenverarbeitung nicht für Standort und Bandbreite optimiert ist, leiden Leistung und Produktivität. Das Ergebnis? Fehlerhafte Workflows, was zu Umsatzeinbußen und zum Verlust von Kundenvertrauen führen kann.

Metro-basierte Inferenz ist ein AI-Bereitstellungsmuster, bei dem Inferenz-Rechenleistung (GPU/CPU + Model Serving) in Rechenzentren im Ballungsraum nahe an Endnutzern, Geräten und Unternehmensdatenquellen platziert wird. Unternehmen skalieren agentischen Workflows und in Metropolregionen gelegene Inferenz muss fester Bestandteil des Fundaments der AI-Infrastruktur sein.

Erfahren Sie, wie AI-Workloads am Rand Inferenz antreiben, und entdecken Sie Lösungen für die Herausforderungen bei Leistung, Zuverlässigkeit und Sicherheit.

Datenverarbeitung und Latenz: der IT-Infrastruktur- und Produktivitätsengpass

Datenaustausch ist grundlegend für die AI-Inferenz. Mit agentic AI erstellen Modelle mehrstufige Schlussfolgerungen und Mikro-Inferenzen mit Informationsabruf in Echtzeit. Agentic AI führt Inferenzen in wiederholten Schleifen aus, wodurch die Inferenz permanent aktiv und latenzempfindlich wird.

In Bereichen wie dem Hochfrequenzhandel im Finanzdienstleistungssektor, in denen Kontinuität und Konsistenz von entscheidender Bedeutung sind, macht selbst eine Verzögerung von wenigen Millisekunden einen Unterschied. Wenn Erkenntnisse aus AI zu lange auf sich warten lassen, werden Chancen verpasst und die Produktivität sinkt. Durch zentralisierte Clouds kann die Leistung beeinträchtigt werden, da Daten vor der Verarbeitung weite Strecken zurückzulegen müssen und sie sind juristisch betrachtet vor allem in Bezug auf Datenschutz und Datensouveränität komplexer.

Cloud-Collaboration-Tools können auch die Bandbreite belasten. Große Dateien und kontinuierliches Batching beanspruchen Kapazitäten, insbesondere bei verteilten Teams. Dies hängt mit der Datengravitation zusammen, – das Verschieben großer Datenmengen kann die Performance, das Kundenerlebnis und die Sicherheit beeinträchtigen. Die dadurch entstehende Verzögerung kann die Zusammenarbeit und Kreativität hemmen, während sich die Kosten für die Modernisierung der Infrastruktur zur Bewältigung hoher Datenlasten schnell summieren können.

Kundenservice-Tools stehen vor ähnlichen Herausforderungen. Wenn AI-Chatbots oder Antwortsysteme verzögert reagieren, bekommen das sowohl Mitarbeiter als auch Kunden zu spüren. Mit zunehmender Nutzung dieser Tools nehmen auch die Verzögerungen in der Warteschlange zu, was die Time-to-First-Token verlangsamt. Technologie, die eigentlich die Effizienz steigern soll, kann das Benutzererlebnis auch beeinträchtigen.

Das Problem der Latenzengpässe ist beträchtlich, wird jedoch durch den Zustand moderner Arbeitsplätze noch weiter verkompliziert.

Die Herausforderung einer verteilten Belegschaft

Hybride und Remote-Arbeit haben neu definiert, was es bedeutet, in Verbindung zu bleiben. Videokonferenzen sind mittlerweile geschäftskritisch und nutzen zunehmend AI-Assistenten, um die Zusammenarbeit zu optimieren.

Doch Verzögerungen, Pufferung und abgebrochene Anrufe können Energie und Engagement rauben. Einfach ausgedrückt: Je mehr Menschen geografisch verteilt sind, desto mehr Apps und Systeme interagieren mit dem KI-Modell – was sich auf die Inferenzleistung auswirkt. Zuverlässige Infrastruktur mit hoher Bandbreite ist kein nettes Extra mehr; sie ist für die Produktivität unverzichtbar.

Mitarbeiter benötigen konsistente Erfahrungen, ganz gleich, wo sie arbeiten, und diese ist abhängig von Systemen, die sich sofort synchronisieren und Daten effizient verarbeiten. Mitarbeiter benötigen häufig Zugriff auf Echtzeitdaten und -visualisierungen, um schnellere Entscheidungen zu treffen, aber diese Anwendungen funktionieren nur dann gut, wenn die Latenz minimal ist. Metro-basierte Inferenz bietet diese Reaktionsschnelligkeit durch die lokale Verarbeitung von Informationen und bietet so Leistung in Echtzeit.

Auch die Tools, die wir nutzen, um verteiltes Arbeiten zu ermöglichen, entwickeln sich weiter. Wieder einmal bietet Edge-Processing zunehmend die Plattform, die sie benötigen.

Agentic AI und Zusammenarbeit mit geringer Latenz

Metrobasierte Inferenz transformiert diese Tools, indem sie die Entfernung verkürzt, die Daten zurücklegen. Echtzeit-Updates und -Analysen finden in der Nähe der Benutzer statt und nicht in weit entfernten Rechenzentren, was zu reibungsloseren Interaktionen für verteilte Teams führt.

Branchen wie das Gesundheitswesen, das Baugewerbe und die Logistik erzielen bereits bahnbrechende Ergebnisse durch agentic AI. Außendiensttechniker können sofortiges Diagnose-Feedback von AI-gestützten Apps erhalten und selbst bei eingeschränkter Konnektivität schnelle, fundierte Entscheidungen treffen. Durch die lokale Verarbeitung von Daten können Unternehmen den reibungslosen Betrieb von Tools gewährleisten und Ausfallzeiten vermeiden, die die Produktivität beeinträchtigen können.

Agentic AI erzielt die beste Leistung mit einer spezialisierten Infrastruktur, die für die Bewältigung komplexer Workloads ausgelegt ist.

Agentic AI und Inferenz-Workloads verändern die Anforderungen an Rechenzentren

Da AI einen entscheidenden Wendepunkt erreicht, wächst die Erkenntnis, dass die digitale Infrastruktur die höheren Leistungsdichten, den Kühlungsbedarf und die Konnektivität unterstützen muss, die für eine zuverlässige Ausführung von Inferenz auf Grafikprozessoren (GPU) erforderlich sind.

Diejenigen Rechenzentren, die nicht für den Einsatz von AI ausgestattet sind, weisen ähnliche Einschränkungen auf:

Sie sind nur für 5–10 kW pro Rack ausgelegt.
Die Kühlung ist oft primär luftbasiert und nicht für GPU-Wärmelasten ausgelegt.
Die Stromverteilung ist nicht für High-Density-Cluster ausgelegt.
Netzwerkmuster sind nicht für produktionsreife AI ausgelegt.
Sie befinden sich an Orten, an denen Strom und Grundstücke möglicherweise kostengünstiger sind, aber Latenz kein priorisierter Faktor ist.

Rechenzentren in Metropolregionen: für Höchstleistung

Um niedrige Latenz im großen Maßstab zu ermöglichen, setzen Unternehmen auf metrobasierte Rechenzentren—dezentrale Einrichtungen, die Informationen näher an den Endnutzern verarbeiten. Dadurch verkürzen sich die Datenübertragungswege, und die Leistung von Software-as-a-Service (SaaS)-Plattformen, Analysetools und Videokonferenzsystemen wird erheblich verbessert.

Durch Rechenzentren in Metropolregionen kann sichergestellt werden, dass intelligente Anwendungen selbst in Regionen mit geringer Konnektivität effektiv funktionieren. Sie verarbeiten und filtern Informationen lokal und senden nur wesentliche Updates an die Cloud zurück. Das sorgt für mehr Geschwindigkeit und Zuverlässigkeit.

Große Cloud-Anbieter investieren erheblich in dieses Modell. AWS (mit Outposts und Wavelength) und Microsoft (über Azure Edge Zones und Azure Stack) ermöglichen es Unternehmen nun, Cloud-Funktionen bis an den Netzwerkrand zu erweitern. Diese hybriden Infrastrukturen kombinieren die Skalierbarkeit von Cloud-Systemen mit der Reaktionsfähigkeit lokaler Datenverarbeitung und helfen Unternehmen jeder Größe, weltweit effizient zu arbeiten.

Digital Realty kann Ihnen den Maßstab, die Reichweite und die Kapazität bieten, die sie brauchen, um Ihre AI-Workloads dort zu platzieren, wo sie benötigt werden. Unsere mehr als 300 strategisch gelegenen Rechenzentren in über 55 Metropolregionen bieten die einzigartige Möglichkeit, Inferenz nah an Ihren Nutzern und Workflows zu platzieren.

Doch diese neue Welt der leistungsstarken Infrastruktur hat einen wichtigen Haken – die Konnektivität.

Die Konnektivitätsebene

Edge-Computing ist nach wie vor auf robuste Verbindungen angewiesen, damit alles synchron bleibt. Daten müssen sich nahtlos zwischen Edge-Knoten, Rechenzentren und der Cloud bewegen, um für Genauigkeit und Echtzeiteinblicke zu sorgen.

Rechenzentren in Metropolregionen arbeiten nicht isoliert. Für echte Effizienz muss jedes Rechenzentrum Teil eines verteilten Netzwerks oder von Connected Data Communities™ sein, verbunden über Hochgeschwindigkeits-Glasfaser und dynamische Verbindungen zu mehreren Endpunkten.

Dank dieser Vernetzung können Workloads dynamisch über Standorte hinweg ausbalanciert und repliziert werden, wodurch sichergestellt wird, dass Daten synchronisiert und verfügbar bleiben, selbst wenn ein Knotenpunkt ausfällt. Sie ermöglicht es diesen Rechenzentren in Metropolregionen zudem, Rechenressourcen gemeinsam zu nutzen und weltweit eine konsistente Leistung aufrechtzuerhalten. Tatsächlich verlassen sich Unternehmen nicht auf einen einzelnen Standort, sondern auf ein Mesh aus Edge-Knoten: ein koordiniertes Netzwerk, das die Vorteile lokaler Verarbeitung bietet und gleichzeitig die Ausfallsicherheit und Skalierbarkeit der Cloud beibehält.

Glasfasernetze bilden das Rückgrat für diese Konnektivität. Ihre Geschwindigkeit und Zuverlässigkeit ermöglichen eine blitzschnelle Datenübertragung und unterstützen alles von autonomen Systemen bis hin zu Echtzeitanalysen.

Kontinuierliche Synchronisierung stellt sicher, dass AI-Modelle aktuell bleiben – unerlässlich für Branchen wie das Gesundheits- und Finanzwesen, in denen Entscheidungen auf präzisen Daten basieren. Netzwerkredundanz ist ebenfalls wichtig: mehrere Verbindungen können Ausfallzeiten verhindern, falls eine Verbindung ausfällt, und dafür sorgen, dass hybride Teams vernetzt und produktiv bleiben.

Schließlich gehen Sicherheit und Geschwindigkeit Hand in Hand. Netzwerke mit geringer Latenz müssen außerdem sicher sein, wobei Verschlüsselung und fortschrittliche Protokolle Daten schützen, ohne die Zusammenarbeit zu verlangsamen. Dies ist von entscheidender Bedeutung für Anwendungen wie Live-Videoanrufe, Remote-Schulungen und virtuelle Diagnostik, bei denen sowohl Unmittelbarkeit als auch Vertraulichkeit wichtig sind.

Metrobasierte Inferenz steigert die Produktivität

Agentic AI bietet Vorteile mit Blick auf Geschwindigkeit und Skalierbarkeit, was sie zu einem Grundpfeiler der modernen digitalen Belegschaft macht. Sie ist mehr als nur ein technisches Upgrade; sie ist eine neue Arbeitsweise, die eine beispiellose Welle von Produktivität und Effizienz ermöglicht.

IT-Führungskräfte, die ihre digitale Belegschaft zukunftssicher machen möchten, müssen der AI-Grundlage, die diese unterstützt, Priorität einräumen.

Indem AI näher dorthin verlagert wird, wo Daten entstehen, können Unternehmen Verzögerungen reduzieren, Kosten senken und die Privatsphäre schützen, ohne die Leistung zu beeinträchtigen.

Es ist ein Wandel von zentralisierter Kontrolle hin zum Teilen globaler AI-Intelligenz – ein Wandel, der Remote-Arbeit, Entscheidungsfindung in Echtzeit und Zusammenarbeit unterstützt. Kurz gesagt bereitet agentic AI die Bühne für eine agilere, stärker vernetzte und produktivere Zukunft der Arbeit.

Digital Realty hat das AI-Fundament geschaffen

Agentic AI und Inferenz erfordern eine strategische Workload-Platzierung. Die über 300 weltweit vernetzten Rechenzentren von Digital Realty befinden sich in Metropolregionen, die für viele Unternehmen strategisch wichtig sind, um AI-Geschäftsergebnisse zu erzielen. Unsere vernetzten Campus sind darauf ausgelegt, latenzarme, energieintensive Workloads wie AI, High-Performance-Computing (HPC) und fortschrittliche Datenanalysen zu unterstützen.

Unsere globale Rechenzentrumsplattform, PlatformDIGITAL®, bietet standardisierte, HPC-fähige Infrastrukturkonfigurationen zur Unterstützung von High Density-Workloads.

Werden Sie noch heute unser Partner, um die notwendige AI-Infrastruktur aufzubauen die Sie für eine schnellere Bereitstellung und Skalierung benötigen.

¹IDC, IDC Market Glance: Agentic AI Ecosystems, 2Q26, Juni 2026

Tech Talk: Chicago – Daten, AI und die Zukunft der Finanzdienstleistungen

Tech Talk: Chicago – Daten, AI und die Zukunft der Finanzdienstleistungen 