Storage-Admins im Wandel: Wie KI die Rolle verändert
Seit fast zwei Jahrzehnten wird Storage-Administratoren prophezeit, dass ihre Rolle bald verschwindet. Zuerst sollte die Virtualisierung alles vereinheitlichen. Dann sollte die Cloud lokale Speicher-Arrays wie Museumsstücke aussehen lassen, und die Automatisierung sollte jede Bereitstellung auf einen Knopfdruck reduzieren, für den niemand mehr Spezialisten braucht. Jetzt tritt KI mit einem gewinnenden Lächeln auf den Plan und verspricht natürlichsprachliche Schnittstellen, vorausschauende Optimierung, sich selbst reparierende Abläufe und Speichersysteme, mit denen man wie mit Kollegen spricht, statt sich nachts um 2 Uhr durch eine CLI zu kämpfen.
Die jüngste Unruhe entstand, als IBM seine mit KI ausgestatteten FlashSystem-Arrays präsentierte. Das Versprechen lautet, dass Admins in normaler Sprache interagieren können, statt sich durch GUIs zu klicken oder alte Befehlsketten auswendig zu lernen. Das trifft jeden, der seine Laufbahn auf alten EMC-Symmetrix-Systemen begonnen hat, auf denen das Erstellen und Maskieren einer LUN wie ein Ritual in einer toten Sprache wirkte. Die Frage ist berechtigt: Wenn Speicherverwaltung bereits einfacher geworden ist, die Cloud die Rolle nicht getötet hat und KI nun die Schnittstelle übernimmt, was geschieht dann mit den Spezialisten, die bisher den gesamten Stack betreut haben?
Das klassische Berufsbild des Storage-Admins ist bereits Geschichte
Die ehrlichste Antwort lautet: Die klassische Rolle des Storage-Administrators verblasst schon seit Jahren. Sie ist weder tot noch überflüssig, sieht heute aber völlig anders aus. Wer früher den Tag damit verbrachte, LUNs zu schneiden, RAID-Level abzuwägen, Festplatten-Pools auszubalancieren, Spindeln zu prüfen, Hosts zu maskieren und zu hoffen, dass eine unhandliche GUI nicht den Nachmittag ruiniert, passt nicht mehr zum heutigen Anforderungsprofil. Ein großer Teil dieser Aufgaben wurde von besseren Arrays, intelligenteren Bereitstellungsebenen, Virtualisierungsplattformen, Automatisierungs-Frameworks und Cloud-nahen Workflows geschluckt.
Ein Storage-Verantwortlicher mit rund 12 Jahren Branchenerfahrung brachte es auf den Punkt: Erst wenn das jährliche Datenwachstum unter 20 Prozent fällt, beginnt er sich Sorgen zu machen. In seiner Organisation hat sich das Wachstum sogar noch beschleunigt, insbesondere im Bereich Forschung und Entwicklung. Der aktuelle KI-Hype übersieht diesen Punkt gern: Stellen für Storage-Spezialisten existieren, weil Daten sich unablässig vermehren, bewegt, reguliert, analysiert, kopiert, gesichert und bei Fehlern als erstes verdächtigt werden.
Das manuelle Verwalten von Festplatten-Pools und das händische Verteilen von Lasten gehören in vielen Umgebungen der Vergangenheit an. Das hat die Arbeit jedoch nicht beseitigt. Sie hat sich vielmehr in Richtung Data Services, Datenmobilität, Lifecycle Management, Disaster-Recovery-Konzepte, Sicherheitsvorgaben, Performance-Analysen und Plattformstrategie verlagert. Die Aufgaben sind eine Ebene nach oben gerückt. Für manche ist das eine spannende Entwicklung, während andere das Gefühl haben, dass ihnen das Fundament ihrer ursprünglichen Ausbildung entgleitet.
In diesem Spannungsfeld liegt der Kern der Entwicklung: KI baut die Speicheradministration Schritt für Schritt um, beginnend bei jenen Aufgaben, die ohnehin zu monoton waren, um eine Vollzeitstelle zu rechtfertigen.
KI wird zuerst die einfachen Tickets übernehmen
Am stärksten betroffen ist der operative Routinebetrieb, weit unterhalb des Senior Storage Architects. Ein Kollege, der von der Systemadministration in den Pre-Sales-Bereich gewechselt ist, äußerte die Sorge, dass er bei einer Rückkehr vielleicht nur noch einen Chatbot vorfinden würde, besonders bei Aufgaben im L1- und sogar L2-Support. Diese Befürchtung trifft die Richtung recht genau. Die ersten Abläufe, die durch KI automatisiert werden, sind die verbreiteten, gut dokumentierten Standardfälle: „Erstelle dieses Volume“, „Warum läuft dieser Pool voll?“, „Fasse diesen Alert zusammen“, „Zeige mir die Latenz über diese Hosts“, „Was hat sich gestern geändert?“, „Entwirf einen Change-Plan“, „Finde die laute Workload“.
Man wird KI nicht blindlings alles ausführen lassen, aber der Einstieg in den Beruf wird schmaler. Junior-Admins lernten ihr Handwerk früher über Routine-Tickets. Sie bauten Kompetenz auf, indem sie einfache Bereitstellungen vornahmen, Logs sichteten, auf vorhersehbare Alarme reagierten, Runbooks pflegten und allmählich Muster erkannten. Fängt KI diese Arbeit komplett ab, verlieren Unternehmen die Ausbildungsebene für den Nachwuchs, und das ist ein echtes Problem.
Jede Branche, die Einstiegsarbeit automatisiert, stellt am Ende fest, dass sie weiterhin Experten benötigt, aber weniger Wege hat, diese heranzubilden. Im Storage-Bereich ist das nicht anders. Man formt keinen souveränen Incident Commander, indem man fünf Jahre lang jeden einfachen Zwischenfall einem Chatbot überlässt und danach einen Menschen bittet, die verfahrene Großstörung zu lösen. Fachkräfte brauchen praktische Erfahrung, eigene Fehler und ungewöhnliche Fälle. Man muss wissen, wie der Normalbetrieb aussieht, um Abweichungen diagnostizieren zu können.
KI wird einfache Storage-Aufgaben beschleunigen. Sie könnte es jedoch zugleich erschweren, künftige Senior-Experten heranzubilden, sofern Teams den Faktor Mensch nicht bewusst im Lernprozess verankern.
Die Aufgabe verlagert sich von Befehlen zu Urteilsvermögen
Das stärkste Argument für den Storage-Admin ist einfach: Aufgaben, die echtes Speicherwissen verlangen, werden dies auch weiterhin tun. KI deckt Standardfälle passabel ab. Dennoch muss jemand beurteilen, was das Werkzeug leisten kann, wo seine Grenzen liegen und wann seine Antworten schlicht plausibel klingender Unsinn sind. Ein Administrator berichtete, dass KI nützlich sei, um Daten schneller zu korrelieren. Man könne Metriken von Storage, Knoten und Jobs zusammenführen und Auffälligkeiten bei bestimmten Workloads rasch identifizieren, was einen echten Mehrwert darstellt. Zugleich stellte er fest, dass KI diese Erkenntnisse bisher nicht verlässlich in bessere Layouts oder Topologien übersetzt. Die Fehlersuche in KI-generierten Zuordnungen sei mühsam, weil betroffene Objekte oft nicht klar erkennbar sind.
Genau hier verläuft die Grenze. KI kann zusammenfassen, korrelieren, Empfehlungen geben, Befehle generieren und Alarme erklären. Storage-Entscheidungen haben jedoch Auswirkungen, die weit über das Speichersystem hinausgehen. Eine Neuinstallation muss zur Bestellung, zu künftigen Wachstumsprognosen, Sicherheitsvorgaben, Rack-Kapazitäten, internen Abstimmungen mit Applikationsteams, dem Backup-Konzept, Disaster-Recovery-Zielen, Wartungsfenstern und der Risikobereitschaft des Unternehmens passen. KI kann einen Entwurf liefern. Sie weiß jedoch nicht, dass der Finanzvorstand ungeplante Lizenzverlängerungen ablehnt, das Entwicklungsteam Failover-Szenarien nie testet, der alte VMware-Cluster einen problematischen Host hat oder die Sicherheitsabteilung einem Techniker ohne Vorlauf von 2 Tagen den Zutritt verwehrt.
Ein Kommentator stellte die praktische Frage: Wird ein Unternehmen einer KI anvertrauen, sich mit Technikern vor Ort abzustimmen, Gebäudezugänge freizugeben, Einlasskontrollen zu steuern und Hardware-Austausche zu koordinieren? Kaum in absehbarer Zeit, und vermutlich niemals ohne direkte menschliche Verantwortung.
Deshalb wird der Administrator der Zukunft weniger Befehle abtippen, sondern vielmehr prüfen, übersetzen, Risiken bewerten und in Systemzusammenhängen denken.
Natürliche Sprache ist komfortabel, birgt aber Risiken
Mit einem Speichersystem wie mit einem Menschen zu sprechen, klingt verlockend, wenn man sich an frühere Zeiten erinnert. Wer symconfigure noch miterlebt hat, erinnert sich an Preview, Prepare, Commit und all die Rituale, die Storage wie ein Priestertum mit schlechter Ergonomie wirken ließen. Werkzeuge einfacher bedienbar zu machen, ist ein echter Fortschritt. Niemand sollte unhandliche Tools verklären, nur weil sie Jobsicherheit verschafften. Schlechte Schnittstellen haben unzählige Arbeitsstunden vergeudet.
Natürlichsprachliche Befehle haben jedoch eine Kehrseite: Sie lassen komplexe Systeme einfacher wirken, als sie sind. Eine präzise CLI ist zwar sperrig, aber eindeutig. Eine gute GUI bildet Strukturen ab, während ein Chatbot eine riskante Operation in einen freundlichen Satz verwandelt. „Verschiebe diese Workload in den anderen Pool und optimiere die Latenz“ klingt harmlos, bis man die Details hinterfragt: Welche Objekte sind betroffen? Welche Abhängigkeiten, Snapshot-Regeln, Replikationspläne und Hosts hängen daran? Wie sieht der Rollback-Plan aus?
Ein Nutzer, der sich die IBM-Lösung ansah, bemerkte, dass moderner Speicher kaum noch etwas sei, das man durch den Austausch von Controllern oder Laufwerken im Rechenzentrum behebt. Er vermisste Zeiten, in denen Systeme so überschaubar waren, dass man keinen KI-Assistenten brauchte, der einem die Abläufe erklärt. Diese Skepsis ist mehr als Nostalgie, denn sie berührt ein grundlegendes Problem der Nachvollziehbarkeit.
Wenn KI zur zentralen Bedienschnittstelle wird, benötigen Administratoren noch mehr Transparenz über Absichten, generierte Befehle, Auswirkungen und Rückfallpfade. Der Assistent muss seine Schritte entwerfen, begründen, in einer Vorschau darstellen und absichern, bevor man ihm vertraut. Das bewährte Prinzip aus Vorschau, Vorbereitung und Ausführung kehrt damit im Gewand eines Chatbots zurück.
Viele Admins entwickeln sich zu SREs und profitieren davon
Ein Erfahrungsbericht fasste die berufliche Entwicklung in wenigen Sätzen zusammen: Der letzte reine Storage-Admin, den der Nutzer kannte, wechselte nach der Automatisierung des laufenden Day-2-Betriebs in die SRE-Rolle, lernte Python und Go, stieg später bei FoundationDB ein und verdient heute vermutlich das Dreifache. Das klingt selbstbewusst, dient aber zugleich als Orientierung für die eigene Karriere.
Diejenigen Administratoren, die im KI-Zeitalter erfolgreich bleiben, verstehen Speicher tief genug, um ihn sicher zu automatisieren. Wer manuelle Abläufe dagegen als unantastbar verteidigt, wird es schwer haben. Gefragt sind Kenntnisse in APIs, Skriptsprachen, Observability, Change Management, Datensicherung, Cloud-Storage-Kosten, Kubernetes-Speicherarchitekturen, Replikation und dem realen Datenhunger moderner Applikationen. Entscheidend ist die Fähigkeit, zwischen Array-Telemetrie und Geschäftsanforderungen zu vermitteln.
Nicht jeder muss gleich Softwareentwickler werden. Reine Silo-Administratoren verlieren jedoch an Einfluss, und wer nur die grafische Oberfläche eines einzigen Herstellers beherrscht, lebt gefährlich. Wer hingegen Datenmobilität, Wiederherstellungszeiten, Performance-Muster, Automatisierung und Governance versteht, hat eine sichere Zukunft vor sich.
KI schärft diese Trennung. Sie verleiht Generalisten mehr Reichweite und belohnt jene, die maschinelle Ergebnisse fundiert prüfen können. Ein Storage-Admin, der bessere Fragen stellt, Ausgaben validiert, Leitplanken definiert und technische Kompromisse erklärt, wird unverzichtbar. Die Berufsbezeichnung mag sich zu Storage Platform Engineer, Data Infrastructure Engineer, SRE, Cloud Storage Architect oder Data Services Lead wandeln, die Substanz der Arbeit bleibt unter neuem Namen erhalten. Diese Entwicklung läuft seit Jahren, und KI beschleunigt sie lediglich.
Hersteller müssen sich Vertrauen erst erarbeiten
Unter Administratoren herrscht gegenüber Herstellerversprechen gesunde Skepsis. Mehrere Stimmen kritisierten, dass moderne GUIs eher unübersichtlicher werden. Ein Nutzer merkte an, dass grundlegende Aufgaben mit jedem Update der NetApp-Oberfläche umständlicher würden. Ein anderer hatte dem Management empfohlen, sich an der Oberfläche von Pure Storage zu orientieren, um Abläufe zu vereinfachen. Andere wiederum ärgerten sich darüber, dass manche Anbieter ihren Kunden immer noch schlicht die CLI empfehlen, was in modernen Umgebungen völlig deplatziert wirkt.
Das ist relevant, weil eine aufgesetzte KI aus einem fehlerhaften Produktkonzept kein gutes Werkzeug macht. Ein Chatbot über einer instabilen Management-Plattform ist lediglich Kosmetik auf einer Ticket-Maschine. Wenn Telemetriedaten lückenhaft sind, die Automatisierung brüchig ist und die Bedienlogik verwirrt, macht KI das Chaos allenfalls gesprächig.
Erfahrene Admins kennen das: Das Versprechen einer einheitlichen Verwaltungsoberfläche endete in der Praxis oft bei sieben separaten Konsolen und einem Support-Paket, Tools hinkten dem Systemzustand hinterher und Dashboards widersprachen der Befehlszeile. Auch Cloud-Portale versprachen Einfachheit, verschleierten dabei aber reale Ausfallrisiken.
Die Zukunft entscheidet sich daher nicht daran, ob Hersteller KI einbauen, sondern ob diese KI nachvollziehbar arbeitet. Liefert sie klare Belege und Telemetriedaten? Kann sie Änderungen vorab simulieren und den Radius möglicher Fehler aufzeigen? Hält sie Sicherheitsrichtlinien ein? Übergibt sie bei Unklarheiten sauber an menschliche Admins? Gibt sie eigene Unsicherheiten offen zu?
Falls nicht, werden Administratoren keineswegs ersetzt, sondern müssen das System dauerhaft beaufsichtigen.
Die Sorge ist verständlich, doch die Rolle formiert sich neu
Einige Spezialisten haben den Bereich verlassen, weil sie den Wandel kommen sahen. Andere bleiben bewusst, weil die Datenmengen ungebremst wachsen. Beide Entscheidungen sind nachvollziehbar. Die klassische Karriere im Storage-Umfeld bietet nicht mehr die gewohnte Sicherheit, doch die Disziplin selbst verliert keineswegs an Bedeutung. Datenmengen sind schwerfällig, und moderne Workloads lassen sie weiter anwachsen. Compliance-Vorgaben bleiben bestehen und Wiederherstellung bleibt essenziell. Ransomware hat unveränderliche Backups zu einem Thema für die Chefetage gemacht. Die Cloud hat lokalen Speicher nicht verdrängt, sondern Standortwahl, Kosten, Latenzen und Datenhoheit komplexer gemacht.
Der Wert auswendig gelernter Befehle, repetitiver Zuweisungen und des Wissens, in welchem Untermenü sich eine Funktion versteckt, wird durch KI sinken. Das ist ein Fortschritt, denn das waren nie die erfüllenden Teile der Arbeit.
Der eigentliche Wert liegt künftig im Urteilsvermögen: Erkennen, wann ein vorgeschlagener Plan unsicher ist, und fundiert entscheiden, ob Daten lokal, in der Cloud, als Objekt, Datei, Block oder Archiv abgelegt gehören, oder gar gelöscht werden sollten. Hinzu kommt die Fähigkeit, mit Entwicklern, Sicherheitsabteilung, Finanzen, Compliance und Dienstleistern zu kommunizieren, ohne aus jedem Change einen Glaubenskrieg zu machen. Diese Kompetenz bleibt unersetzlich.
Storage-Administratoren sind keineswegs am Ende, auch wenn jene, die jede Veränderung verweigern, es künftig schwer haben werden.