Da KI immer leistungsfähiger wird, sehen wir sie zunehmend auch in NAS-Systemen zum Einsatz kommen – von smarten Fotoalben und automatischem Tagging über Anomalie-Erkennung bis hin zur natürlichen Sprachsuche (zum Beispiel: „Finde Fotos von meinem Strandurlaub letzten Sommer“) und vielem mehr. Aber ich habe das Gefühl, wir stehen erst ganz am Anfang dessen, was KI und NAS zusammen bewirken könnten.
Wir würden gerne erfahren, wie ihr eigentlich darüber denkt. Hier ein paar Fragen, um die Diskussion anzuregen:
Fragen an die Community:
Was ist die eine Sache, die du dir von KI auf deinem NAS am meisten wünschst? (Dateiorganisation? Automatische Backup-Sortierung? Sicherheitsüberwachung? Oder etwas anderes?)
Hast du Bedenken bezüglich der Privatsphäre, wenn KI deine persönlichen Dateien analysiert? Wäre es für dich in Ordnung, wenn die KI lokal auf dem Gerät läuft, aber NICHT in der Cloud verarbeitet wird?
Möchtest du, dass die KI vollautomatisch im Hintergrund läuft, oder möchtest du jeden ihrer Schritte absegnen?
Ob du schon voll auf KI setzt oder noch skeptisch bist – alle Meinungen sind willkommen. Lasst uns gemeinsam herausfinden, wie KI auf NAS für echte Nutzer:innen aussehen sollte!
Meine größte Sorge bei all dem ist die CPU-Auslastung. Mein TS-873A ist regelmäßig überlastet durch Backups, Qsirch-Indexierung, Multimedia-Indexierung usw.
Es wäre hilfreich, wenn QNAP zunächst die CPU-Nutzung optimieren würde, bevor noch mehr KI-Funktionen hinzugefügt werden, die noch mehr CPU-Leistung beanspruchen.
Bitte konzentriert euch erstmal auf bessere Performance!
Vielen Dank für deinen Vorschlag! Wir werden dafür sorgen, dass die entsprechenden Funktionen dein Nutzungserlebnis nicht beeinträchtigen. Außerdem würden wir gern erfahren, wobei dir KI auf deinem NAS helfen könnte – sei es bei Datenmanagement, Synchronisierung & Backup oder bei anderen Dingen, die dir vorschweben. Über jegliches Feedback freuen wir uns sehr!
Ich stimme NA9D zu, dass zunächst die derzeitige CPU-Auslastung der bestehenden „KI“-Tools verbessert werden sollte, bevor weitere Funktionen hinzukommen (bei mir sind persönlich Qmagie, Qsirch-Indizierung usw. wegen hoher CPU-Auslastung deaktiviert). Aus meiner Sicht wäre es hilfreich, wenn die Sicherheit des NAS mithilfe von KI analysiert werden könnte, indem alle Logdateien zusammengeführt und anschließend eine Zusammenfassung erstellt wird – was läuft gut und, noch interessanter, was läuft falsch.
Ein weiterer Punkt, der meiner Meinung nach interessant wäre, betrifft Fotos: Metadaten analysieren und dann Unterstützung bei der Sortierung der Fotos nach Datum oder Ort bieten.
Zuletzt: Ich bevorzuge KI vor Ort statt in der Cloud.
ich möchte das Thema CPU-Belastung noch aus einem etwas anderen Blickwinkel betrachten – ich glaube nicht, dass KI-Funktionen die bestehende CPU-Last wirklich merklich erhöhen würden. Moderne KI-Modelle (selbst die kleineren) sind für einen effizienten Betrieb auf CPUs meist zu groß und benötigen für Beschleunigung GPU oder NPU. Auf älteren NAS-Geräten ohne entsprechende GPU/NPU würde ich erwarten, dass die KI-Funktionen einfach gar nicht aktiviert werden – sie sollten sich also die CPU nicht mit Qsirch, der Medienindexierung oder Backups teilen müssen.
Natürlich ist es immer sinnvoll, die CPU-Auslastung bei bestehenden Funktionen weiter zu optimieren – das ist aber vermutlich ein eigenes Thema und hat mit KI nur am Rande zu tun.
Zum Thema Cloud vs. lokal: Beides hat seine Berechtigung. Persönlich würde ich lokale Inferenz als Standard bevorzugen, also dass zumindest ein kleines offenes Modell direkt auf dem Gerät läuft (zum Beispiel Gemma4 oder qwen3.5), sodass Grundfunktionen wie Log-Zusammenfassungen, semantische Suche oder einfache Automatisierungen komplett lokal für mehr Datenschutz ablaufen können. Gleichzeitig möchte ich aber auch die Flexibilität haben, bei rechenintensiveren Aufgaben auf ein leistungsfähigeres Cloud-Modell auszuweichen. Cloud-KI hat noch einen weiteren echten Vorteil: Nur so können Nutzer mit älteren NAS-Geräten (die kein eigenes Modell hosten können) überhaupt KI-Funktionen nutzen. Beide Wege anzubieten stellt also sicher, dass niemand außen vor bleibt.
Ein Feature, das ich mir auf der KI-Roadmap für die Zukunft sehr wünschen würde, wäre Agenten-Fähigkeit – also nicht bloß One-Shot-Q&As oder Tagging, sondern wirklich ein Agent, der mehrstufige Aktionen auf dem NAS durchführen kann (zum Beispiel: „Finde alle doppelten Fotos aus 2023 und verschiebe sie in einen Prüfungsordner“ oder „Fasse die Anomalien dieser Woche aus den Logs zusammen und löse einen Alarm aus, wenn etwas Auffälliges dabei ist“). Das wäre für mich der Punkt, an dem KI auf dem NAS wirklich nützlich wird.
Das stimmt so faktisch aber nicht. Mein Unternehmen hat ein KI-Tool, das Edge-AI-Algorithmen auf unseren 32-Bit- und sogar 16-Bit-Mikrocontrollern ermöglicht. Die Algorithmen benötigen nur ein paar kB Speicher und sind sehr effizient und kompakt. Dahinter steckt natürlich jede Menge Datenverarbeitung und Signalverarbeitungsmathematik, die zunächst in der Cloud abläuft, bevor du deinen Algorithmus bekommst. Aber wir können zum Beispiel vorbeugende Diagnostik für eine komplette Klimaanlage durchführen (ist der Wärmetauscher blockiert, gibt es ein Kältemittelleck, läuft der Motor korrekt usw.). Ein Beschleuniger ist dafür nicht nötig. Schau dir mal das Thema TinyML an.
Nicht jedes KI-Modell nutzt TensorFlow oder LLM oder was auch immer. Bitte also nicht pauschalisieren. Es sprengt den Rahmen dieses Forums, aber ich habe VIELE Informationen, die meine Aussage belegen, denn ich verkaufe diese Lösungen täglich.
Bei Dingen wie vollständiger Verarbeitung natürlicher Sprache (nicht nur Keyword-Erkennung – das geht sogar in einem 32-Bit-MCU) oder Bilderkennung braucht man dann allerdings durchaus Beschleuniger.
Wenn man zum Beispiel ohne Accelerator mehr Vision-AI auf ein QNAP bringt, würde das definitiv zu einer höheren CPU-Auslastung führen. Ich habe ein QAI-U100 und der Unterschied der CPU-Belastung, wenn das Teil Bilderkennung macht, im Vergleich zu einem Betrieb ohne angeschlossenen Accelerator, ist gewaltig.
Bestimmte neuronale Beschleuniger sind auch auf bestimmte Aufgaben ausgelegt. Manche sind stärker auf Bildverarbeitung zugeschnitten, andere auf unterschiedliche KI-Aufgaben. Das Feld ist sehr breit gefächert. Abhängig davon, was man nutzt, kann sich die CPU-Auslastung eines QNAP also sehr wohl verändern.
