Andreas-Joachim Peters absolvierte sein Studium in Elementarteilchenphysik an der Universität Mainz und kam 2002 als Fellow zu CERN, wo er 2009 eine unbefristete Stelle erhielt. Er ist Gründer, Projektleiter und Core-Developer von EOS Open Storage, dem Large Scale Storage für LHC-Daten, das heute mehr als 1 EB Kapazität verwaltet. Seine Laufbahn umfasst die Promotion in der Hochenergiephysik, mehrere Jahre in der GRID-Computing-Infrastruktur des ALICE-Experiments sowie die Entwicklung von Data-Management-Systemen in der IT-Abteilung von CERN. Zudem trug er zum Ceph-Projekt bei, indem er ein auf ISA-L basierendes Erasure-Coding-Plug-in entwickelte. Von 2022 bis 2024 war er Mitglied des Architecture Review Board von CERN IT, und seit 2024 wirkt er zusätzlich als RCS ICT Business Engagement Manager, wo er die strategische Abstimmung zwischen der IT-Abteilung und dem Forschungs- und Computerbereich von CERN fördert. Seit Januar 2026 gehört er zum Department Head Office der CERN-IT als Business Engagement Lead.

AI- und ML-Workloads benötigen hochperformanten, kontrollierbaren On-Premise Storage, gleichzeitig aber flexible Skalierung durch Public-Cloud-Ressourcen. Der Vortrag zeigt kompakte Architekturansätze für hybride Storage-Umgebungen, in denen lokale Hochleistungs-Storage-Systeme mit Cloud-Services für Burst-Kapazität, Objekt-Speicher und verteiltes Training verbunden werden. Beispiele aus der High-Energy-Physics (HEP) verdeutlichen storagekritische Anforderungen wie hoher Durchsatz, effiziente Metadatenverarbeitung und schnelle Datenbewegung.

Zudem wird erläutert, wie KI zur Optimierung von Storage-Software und zum Betrieb beiträgt - etwa durch automatisierte Logfile-Analyse, Anomalieerkennung, Performance-Modellierung und Fehlervorhersage. Der Beitrag bietet einen prägnanten Überblick über die Rolle moderner hybridfähiger Speicherlösungen für AI/ML-Workloads sowie über den Nutzen von KI für zuverlässigere Storage-Systeme.