NVIDIA erlebt einen akuten HBM-Engpass, die nächste GPU-Generation ist dadurch in ihrer Entwicklung eingeschränkt, doch diese Festplatte stiehlt die ganze Show.

Wenn Verschlüsselung, Kompression, Indizierung, Speicherverwaltung und Kontextdienste näher an den Speichermedien ausgeführt werden, werden die Wertgrenzen von SSD, DRAM, HBM und HBF neu definiert

KI-Agenten wandeln Computersysteme schrittweise von dem Modus, der nach Erhalt einer Aufgabe nur einen einzigen Modellaufruf durchführt, zu einem laufenden System um, das kontinuierlich beobachtet, schlussfolgert, Werkzeuge aufruft, die Umgebung modifiziert und den Zustand dauerhaft beibehält.

Eine einzelne Aufgabe kann nacheinander auf Modelle, Speichereinheiten, Vektorindizes, betriebliche Datenbanken, Objektspeicher und Netzdienste zugreifen, und schreibt ständig Werkzeugausgaben, Ausführungspfade, Benutzereinstellungen, temporäre Kontexte und Prüfprotokolle zurück. Je länger der Agent läuft, desto stärker hängt sein Wert davon ab, ob Daten sicher gespeichert, korrekt abgerufen, rechtzeitig aktualisiert und kostengünstig wiederverwendet werden können [1].

Das bedeutet, dass der Speicher nicht mehr nur der Endpunkt für das Ablegen von Daten auf dem Datenträger ist, nachdem der Agent seine Arbeit abgeschlossen hat, sondern schrittweise in den Wahrnehmungs-, Speicher- und Entscheidungszyklus des Agenten eintritt. KI-SSDs haben bereits die ersten Richtungen aufgezeigt: Sie speichern Modelle und Adapter, übernehmen aus dem Arbeitsspeicher verdrängte KV-Caches, verkürzen den Kaltstart und erweitern die Kapazität einsetzbarer Modelle. Einen Schritt weiter können SSDs auch beim Ablegen von Daten auf dem Datenträger Verschlüsselung, Kompression, Duplikatbeseitigung, Markierung, Indizierung, Versionsverwaltung und Lebenszyklusverwaltung durchführen und dem Agent Memory langfristige Kapazität bereitstellen.

Diese Veränderung entsteht nicht aus dem Nichts. Selbstverschlüsselnde Festplatten können bereits die Verschlüsselung und Entschlüsselung von Daten transparent im Controller durchführen; die Standards für rechenfähigen Speicher listen Kompression, Verschlüsselung, reguläre Filter und Löschcodes als Funktionen auf, die von der Speicherseite ausgeführt werden können; Produkte wie Samsung SmartSSD haben auch Datenbank-Scans und Videoverarbeitung auf die Festplattenebene verlagert [4][5][7]. Das Neue im Zeitalter der Agenten ist, dass diese Fähigkeiten nicht mehr nur der allgemeinen Datenverarbeitung dienen, sondern sich um die Identität von intelligenten Einheiten, Kontext, Speicher, Werkzeugpfaden und Token-Kosten neu gruppieren.

Auf dem zukünftigen Markt können unterschiedliche Bezeichnungen wie „Sicherheits-SSD“, „Kompressions-SSD“, „Abruf-SSD“, „Speicher-SSD“ oder „Kontext-SSD“ auftauchen, oder es entstehen keine voneinander getrennten Hardwarekategorien, sondern sie vereinen sich zu einer programmierbaren funktionsorientierten SSD: Die Grundform bleibt mit Standardspeichern kompatibel, und die obere Software erkennt und ruft Gerätefunktionen je nach Szenario auf.

NVMe hat bereits Befehlssätze wie Computational Programs und Subsystem Local Memory gebildet, die einen standardisierten Pfad für die Erkennung, Konfiguration und Ausführung von Programmen auf Geräteebene bereitstellen [6]. Das eigentliche industrielle Problem besteht nicht nur darin, ob ein Prozessor in die Festplatte eingebaut werden kann, sondern wer die Datensemantik, Funktionsgrenzen und End-to-End-Ergebnisse definiert.

Der Agent ist kein einmaliger Aufruf

sondern eine kontinuierlich beschriebene Datenkette

Das wichtigste persistente Objekt eines herkömmlichen Chatbots ist das Gesprächsprotokoll, während der Agent einen komplexeren Datenplan erzeugt. Er muss Beobachtungsergebnisse, Werkzeugausgaben, Pläne und Reflexionen, Zwischenzustände von Aufgaben, Benutzerprofile, Umgebungssnapshots, Abrufnachweise und Ausführungsprotokolle speichern; auf der Modellseite entstehen zudem KV-Cache, Prefix-Cache, Adapter, Expertengewichte und Checkpoint. Die Aktualisierungszeit, der Wiederverwendungsbereich und die Sicherheitsstufe verschiedener Objekte sind unterschiedlich, aber sie bestimmen gemeinsam, ob die nachfolgende Schlussfolgerung fortgesetzt werden kann.

Agent Memory bedeutet auch nicht, alle historischen Gespräche in eine Vektordatenbank zu stecken. Kürzlich durchgeführte systematische Forschungen zu Agent Memory aus Sicht der Datenverwaltung teilen es in vier Module auf: Darstellung und Speicherung, Informationsgewinnung, Abruf und Routing sowie Wartung, und weisen darauf hin, dass keine Architektur bei allen Arbeitslasten überlegen ist [9].

Systeme wie Mem0 betonen ebenfalls, ursprüngliche Gespräche in kompaktere, wiederverwendbare Langzeitspeicher umzuwandeln, um die Eingabe-Token und die Abruflast in langen Gesprächen zu senken [10]. Das bedeutet, dass die Speicherschicht zukünftig nicht nur Inhalte speichern, sondern auch verwalten muss, wie Inhalte organisiert, aktualisiert und vergessen werden.

Daher erfordert das Ablegen von Agent-Daten auf dem Datenträger einen umfangreicheren Vertrag als die „erfolgreiche Schreiboperation“. Ein Speicherobjekt sollte mit der Identität des Benutzers oder Agenten, dem Mandanten, der Herkunft, der Zeit, der Version, den Berechtigungen, der Glaubwürdigkeit, der Aufbewahrungsdauer und der Löschbarkeit versehen sein; der Modellkontext muss zudem mit der Modellversion, dem Tokenizer, der Positionscodierung und dem Adapter verbunden werden. Nur wenn Namensraum und Lebenszyklus klar definiert sind, zerstören nachfolgende Kompression, Indizierung, Zwischenspeicherung und gemeinsame Nutzung keine semantischen Grenzen.

Die angemessene Rolle der funktionsorientierten SSD in dieser Datenkette besteht nicht darin, selbst zu beurteilen, ob ein Erinnerungsstück wert ist, gespeichert zu werden, sondern deterministische Arbeiten in der Nähe der Daten auszuführen, nachdem die Laufzeitumgebung Objekte und Strategien festgelegt hat. Beispielsweise die Auswahl von Schlüsseln nach Mandanten, die Platzierung von Daten nach Lebenszyklus, die Kompression und Duplikatbeseitigung verkleinerbarer Objekte, die Wartung von Indizienseiten und Metadaten, die vorrangige Durchführung der Rückladung, die bald für die Schlussfolgerung verwendet wird, sowie die Rückmeldung von Latenzzeit, Schreibvergrößerung und Gesundheitszustand des Mediums an die obere Ebene. Semantische Entscheidungen verbleiben im Agenten und der Laufzeitumgebung, die Datenausführung erfolgt so nah wie möglich am Medium.

Abbildung 1 Das Fähigkeitsspektrum funktionsorientierter SSDs im Zeitalter der Agenten. Funktionen wie Sicherheit, Datenreduktion, Indizierung, Speicherverwaltung, Kontext für Schlussfolgerungen und Governance können auf dem Gerät fest eingebaut oder von herunterladbaren Programmen, Laufzeitumgebungen und Speicherknoten gemeinsam ausgeführt werden. Die Abbildung stellt eine industrielle Mechanismusableitung dar, die Grenzen der rechenfähigen Speicher- und Sicherheitsfunktionen orientieren sich an den SNIA- und NVMe-Spezifikationen [4][5][6].

Kernurteil: Die Aktualisierung von SSDs im Zeitalter der Agenten besteht nicht einfach darin, die Rechenleistung in der Festplatte zu erhöhen, sondern Standard-Blockgeräte, erkennbare datennahe Funktionen, Objektsemantik und Lebenszyklusverwaltung zu kombinieren. Funktionen, die näher am Medium liegen, sollten deterministisch, prüfbar und isolierbar sein; Entscheidungen, die näher am Modell liegen, müssen in der Laufzeitumgebung verbleiben.

Automatische Verschlüsselung existiert bereits, die Veränderung besteht darin, dass Strategien nun dem Agenten folgen

„Automatische Verschlüsselung von beim Ablegen auf dem Datenträger befindlichen Daten“ ist kein zukünftiges Konzept. Selbstverschlüsselnde Festplatten verschlüsseln geschriebene Daten und entschlüsseln gelesene Daten mit spezialisierter Hardware im Controller und erreichen durch Schlüsselverwaltung und Strategiesteuerung einen transparenten statischen Schutz der Daten [5].

Für Agentensysteme besteht die neue Anforderung darin, die Granularität der Verschlüsselung von der gesamten Festplatte oder einem einzelnen Namensraum weiter auf Benutzer, Agenten, Aufgaben und Objekte zu verfeinern: Persönliche Erinnerungen und Anwendungscaches auf demselben Endgerät dürfen keine gegenseitigen Zugriffsverletzungen begehen, und bei gemeinsam genutzten Kontexten von mandantenübergreifenden Agenten auf der Cloudseite muss klar festgelegt werden, welche Teile wiederverwendet werden können und welche nur innerhalb eines Berechtigungsbereichs gelesen werden dürfen.

Die NVMe-Spezifikation hat bereits feinere Fähigkeiten wie die vom Host verwaltete Schlüsselverwaltung und Key Per I/O eingeführt [6], die die Grundlage dafür bieten, dass jede E/A einen unterschiedlichen Sicherheitskontext mit sich führt. Zukünftige sicherheitsorientierte SSDs können zudem Datenherkunft, Zeitstempel, Zugriffsprotokolle, Integritätsprüfung und vertrauenswürdiges Löschen kombinieren, sodass der Agent nicht nur antworten kann „Woran erinnere ich mich?“, sondern auch „Woher stammt diese Erinnerung, wurde sie verändert, wer hat sie gelesen und wann muss sie unbedingt gelöscht werden?“. Für Finanzen, Medizin, unternehmensweite Wissensdatenbanken und persönliche KI kann die Beweiskette genauso wichtig sein wie die Abrufgeschwindigkeit.

Verschlüsselung verändert auch die Reihenfolge anderer datennaher Funktionen. Verschlüsselte Byte-Streams lassen sich in der Regel nicht effektiv komprimieren und von Duplikaten befreien, daher sollte die Datenreduktion im Allgemeinen vor der Verschlüsselung erfolgen [5]; bei der Indizierung muss die Grenze zwischen Klartextmerkmalen, geschützten Metadaten und durchsuchbarem Chiffretext klar unterschieden werden. Die Wettbewerbsfähigkeit funktionsorientierter SSDs besteht nicht nur darin, über wie viele Funktionen sie verfügen, sondern darin, ob sie Kompression, Indizierung, Verschlüsselung, Ablegen auf dem Datenträger und Löschen mit einem überprüfbaren Pipeline korrekt organisieren können, ohne dass irgendein Glied die Angriffsfläche vergrößert.

Kompression, Indizierung und Speicherverwaltung können die nächsten SSD-Funktionen werden

Kompression ist eine der Funktionen, die am leichtesten einen geschlossenen Wirtschaftszyklus bilden können. Agenten schreiben wiederholt Texte, JSON, Protokolle, Vektoren, Checkpoints und multimediale Zwischenergebnisse, von denen ein erheblicher Teil strukturelle Wiederholungen aufweist. Wenn die Kompression abgeschlossen ist, bevor die Daten in das Netzwerk oder den NAND-Speicher gelangen, kann die Übertragung, das physische Schreiben und die Kapazitätsauslastung reduziert werden, und indirekt Energieverbrauch und Medienverschleiß gesenkt werden. Allerdings müssen Kompressionsverhältnis, zusätzliche Latenzzeit, Einsparung von CPU-Ressourcen und Schreibvergrößerung gemeinsam bewertet werden; bei bereits quantisierten oder stark komprimierten Modellgewichten kann eine weitere Kompression nur begrenzte Vorteile bringen.

Die Indizierungsfunktion steht in einem direkteren Zusammenhang mit dem Agenten, da Erinnerungen nur dann wertvoll sind, wenn sie korrekt abgerufen werden. KIOXIA AiSAQ platziert Vektoren und Indizierungsstrukturen auf der SSD, reduziert den DRAM-Bedarf durch SSD-freundliche Clustering- und Graphensuchen und hat bereits einen vektoriellen Abruf im Umfang von mehreren Milliarden auf einem einzigen Server demonstriert [8]. Es muss streng unterschieden werden: AiSAQ ist zunächst eine Software-Technologie, die SSD als hauptsächlichen Indizierungsträger verwendet, was nicht bedeutet, dass gewöhnliche SSDs automatisch Embeddings erzeugen oder Semantik verstehen. Der wahrscheinlichere industrielle Weg besteht darin, dass GPU, NPU oder CPU für die Generierung von Darstellungen verantwortlich sind, während SSD und datennahe Programme für die Organisation von Indizes, das Filtern von Kandidaten und die Rückgabe kleinerer Ergebnismengen zuständig sind.

Die Speicherverwaltung ist komplexer als die Indizierung. Im langfristigen Agent Memory treten Hinzufügungen, Zusammenführungen, Konflikte, Überarbeitungen, Gewichtungsreduzierungen, Ablauf und Vergessen auf; dieselbe Tatsache kann gleichzeitig in ursprünglichen Aufzeichnungen, Zusammenfassungen, Vektoren und Wissensgraphendarstellungen vorhanden sein [9]. Zukünftige „Speicher-SSDs“ können für diese Versionen atomare Aktualisierungen, Protokolle, TTL, Platzierung nach Hitze- und Kaltstufe sowie sicheres Löschen bereitstellen, können aber nicht allein nach Ähnlichkeit entscheiden, was eine echte Erinnerung ist. Die Qualität der Erinnerungen hängt weiterhin von der Extraktion, dem Routing, der Konfliktbehandlung und der Bewertung auf der oberen Ebene ab.

Aus Produktsicht müssen diese Funktionen nicht auf jeder Festplatte komplexe Modelle ausführen. Kompression, Verschlüsselung, Hash-Berechnung, Filterung, Wartung von Indizienseiten und Objektlebenszyklus eignen sich für deterministische spezielle Schaltkreise oder leichtgewichtige Programme; Embeddings, Neusortierung, Zusammenfassung und Zusammenführung von Erinnerungen können dagegen vom Host oder einem unabhängigen Beschleuniger ausgeführt werden.

Der Schlüssel zu funktionsorientierten SSDs besteht darin, beide Arbeitsarten mit einheitlichen Objekt-IDs und beobachtbaren Schnittstellen zu verbinden, um den Datentransport zu reduzieren, statt alle KI-Berechnungen in die Festplatte zu stecken.

Auf der Endgeräteseite: SSD kann die langfristige Zustandsebene für persönliche Agenten werden

Endgeräte-Agenten haben ständig Kontakt mit persönlichen Dokumenten, Fotos, E-Mails, Terminen, Anwendungszuständen, Browserverläufen und Sensordaten des Geräts. Der einheitliche Arbeitsspeicher eignet sich nur für die Speicherung des aktuellen Arbeitssatzes, während SSD größere lokale Modellbibliotheken, Adapter, Vektorindizes, persönliche Erinnerungen und Werkzeugpfade speichern kann. Solange sie die Standard-NVMe-Form beibehalten, können funktionsorientierte SSDs zunächst direkt als gewöhnliche Systemfestplatten in KI-PCs und Workstations installiert werden, um dann schrittweise Sicherheits-, Indizierungs- und Kontextfähigkeiten über Treiber, Laufzeitumgebungen und Firmware zu aktivieren.

Ihr Wert für Verbraucher besteht nicht darin, dass „die Festplatte denken kann“, sondern dass die lokale KI Erinnerungen länger behalten kann, auch bei schwacher Netzwerkverbindung weiterarbeitet und die ursprünglichen Daten und Eingabe-Token reduziert, die bei jeder Aufgabe in die Cloud hochgeladen werden. Ein Konferenzagent kann Audio, Zusammenfassungen und Aufgabenzustände behalten, ein Programmieragent kann Lagerindizes und Änderungsverläufe verwalten, ein Haushaltsagent kann autorisierte Fotos, Dokumente und Gerätezustände geräteübergreifend gemeinsam nutzen. SSD speichert diese Zustände in der Nähe des Geräts, und der Router entscheidet dann nach Qualität, Datenschutz, Energieverbrauch und Netzwerk, ob die Verarbeitung lokal erfolgt oder die Cloud aufgerufen wird.

Der Endgerätemarkt kann sich auch von einer einzelnen Festplatte zu kleinen Speicherknoten erweitern. KI-PCs, Haushaltsserver oder Randgeräte für Filialen können lokale Modellabbilder, persönliche Erinnerungen, Vektorbibliotheken und verschlüsselte Archive für Mobiltelefone, Tablets, Roboter und Kameras bereitstellen, sodass jedes Gerät nicht denselben Datensatz wiederholt speichert. Das Geschäftsmodell erstreckt sich von Kapazitätserweiterungen über Aufschläge für KI-PCs, lokale Agenten-Abonnements, Verwaltung von Mod