EN

Kunden-News

9. Sep. 2026

Red Hat stellt mit Red Hat AI 3.5 Sicherheit und Observability in den Mittelpunkt

Umfassende Verbesserungen über das gesamte Portfolio hinweg liefern die verifizierbare Sicherheit, operative Kontrolle, standardisierten Architekturen und transparente Performance, die Unternehmen für den Betrieb von KI-Services benötigen

München, 9. September 2026 – Red Hat, der weltweit führende Anbieter von Open-Source-Lösungen, stellt mit Red Hat AI 3.5 umfangreiche Neuerungen für das gesamte Portfolio von Red Hat AI vor. Damit reagiert Red Hat auf die Tatsache, dass Unternehmen die Phase der KI-Experimente und erfolgreichen Pilotprojekte hinter sich lassen. Führungskräfte in der IT und im Platform Engineering stehen nun vor der Herausforderung, KI mit derselben operativen Sorgfalt zu betreiben wie geschäftskritische Infrastrukturen. Red Hat AI 3.5 schließt die Lücke zwischen isolierten KI-Piloten und Enterprise-Architekturen mit vollständiger Governance durch die Bereitstellung einer skalierbaren Basis für die Steuerung, den Schutz und die Überwachung der Workloads in der Hybrid Cloud.

Was ist Red Hat 3.5?

Red Hat 3.5 liefert die operative Basis, um produktiv eingesetzte KI zu skalieren und den Einsatz über hybride Umgebungen hinweg voranzutreiben und stellt dafür neue Sicherheits- und Observability-Funktionen bereit. Unternehmen können KI-Modelle vor der Bereitstellung über EvalHub verifizieren, wodurch ein risikoorientiertes Sicherheitsbenchmarking und die Erstellung von Zertifizierungen, die die Einhaltung regulatorischer Vorschriften nachweisen, möglich wird. Neue Observability-Dashboards bieten Plattformteams umfassende Metriken, über die sie Echtzeiteinblicke in den Inferenz-Status, die GPU-Auslastung und die Leistung der Modelle erhalten. Benutzer ohne administrative Berechtigungen können auf Dashboards mit dem nach Nutzern aufgeschlüsselten Tokenverbrauch und Informationen zu verteilten Inferenz-Workloads zugreifen.

Darüber hinaus baut Red Hat AI 3.5 auf bewährten Funktionen für Enterprise-Plattformen auf und bietet eine verbesserte Mandantenfähigkeit für KI-Dienstleister und Anwendungsfälle, in denen eine vollständige Hardware- und Software-Isolierung notwendig ist oder eine prioritätsgesteuerte Ausführung mit nativer Mandantenfähigkeiten in geteilten GPU-Infrastrukturen gebraucht wird. Für Unternehmen, die eine stärkere Isolierung zwischen Mandanten benötigen, unterstützt Red Hat AI nun offiziell Control Planes, die auf Red Hat OpenShift gehostet und über Red Hat OpenShift Virtualization bereitgestellt werden. Diese Control Planes bieten jedem Mandanten eine eigene Kontrollschicht, während die darunterliegende Hardware konsolidiert wird. Die Ausführung von KI-Workloads in virtuellen Maschinen auf Basis von Red Hat OpenShift Virtualization sorgt für eine robuste Isolierung auf VM-Ebene über gemeinsam genutzte GPU-fähige Infrastrukturen hinweg. Im Zusammenspiel ermöglichen es diese Funktionen Infrastrukturanbietern, die gesamte zugrunde liegende Umgebung über zentrale Funktionen zu betreiben und zu aktualisieren.

Red Hat AI 3.5 beschleunigt auch die Einführung von KI-Agenten mit vollständiger Governance. AutoRAG verbindet Daten-Repositories mit agentenbasierten Anwendungen und führt erweiterte Funktionen wie die Unterstützung von Dokumenten in verschiedenen Sprachen, Conversational Testing und kontextbezogenes Retrieval ein. Eine visuelle Aufbereitung der Pipeline bietet Sicherheit vor dem Roll-out von RAG-Konfigurationen. Agenten-Templates wiederum liefern vorkonfigurierte Implementierung für gängige Aufgaben wie Code-Reviews, Dokumentenverarbeitung und Recherche-Workflows. Nach der Bereitstellung optimiert das Inference-Time Scaling (ITS) die GPU-Auslastung, indem es die Rechenleistung dynamisch an die Komplexität der Abfragen anpasst.

Warum ist Red Hat 3.5 wichtig?

Wenn KI-Piloten erfolgreich verlaufen und die ersten Ergebnisse vielversprechend sind, müssen IT-Teams sich um die skalierbare Bereitstellung kümmern. Doch die unternehmensweite Skalierung von KI erfordert dieselbe operative Sorgfalt wie jede geschäftskritische Infrastruktur: verifizierbare Sicherheit vor der Bereitstellung, präzise Kontrolle aller Ressourcen über geteilte GPU-Umgebungen hinweg, Kontrolle und Steuerung des Agentenverhaltens sowie transparente Nutzungsmetriken. Die meisten Unternehmen versuchen, die damit verbundenen Herausforderungen mit fragmentierten Tool-Landschaften und manuellen Prozessen zu bewältigen, die nicht skalieren. Red Hat AI 3.5 vereint daher Sicherheit, Mandantenfähigkeit, agentenbasierte Entwicklung und Observability in einer einzigen Enterprise-Plattform. Das Ergebnis ist KI, die innerhalb einer Architektur mit Governance und Verantwortlichkeiten über hybride Cloud-Umgebungen hinweg agiert – und nicht als isoliertes Experiment.

Das sagt Red Hat

„Der Fokus hat sich verschoben – von der produktiven Einführung von KI hin zur Skalierung innerhalb vertrauenswürdiger Infrastrukturen. Dafür braucht es Sicherheitsnachweise, regulierte Agenten, Kostenzuordnung und Mandantenfähigkeit“, sagt Joe Fernandes, Vice President und General Manager der AI Business Unit bei Red Hat. „Mit Red Hat AI 3.5 stellen wir die operativen Kontrollmechanismen, die verifizierbare Sicherheit und die agentenbasierte Basis bereit, die IT-Führungskräfte benötigen, um KI wie alle Enterprise-Architekturen sicher, kontrolliert und nachvollziehbar in der Hybrid Cloud zu betreiben.“

Das Wichtigste auf einen Blick

  • Verifizierbare Sicherheit und Evaluierung vor der Bereitstellung: Die evaluierten Modelle im Katalog listen die Benchmark-Scores von Garak auf, während die allgemeine Verfügbarkeit von EvalHub die Sicherheits- und auditfähige Compliance-Berichterstattung für individuelle Modelle, RAG-Implementierungen und Agenten automatisiert.
  • Kontrolle für gemeinsame GPU-Nutzung bei mandantenfähiger Inferenz: Ein Fair-Share-Scheduling für GPUs verwaltet die Ressourcenzuweisung zwischen den Mandanten, während eine prioritätsbewusste Ausführung die Zugangssteuerung und ein prioritätsbasiertes Request-Routing ermöglicht, um die Ressourcen für Echtzeit-Inferenz zu schützen und Background-Workloads die Nutzung verfügbarer Kapazitäten zu gestatten.
  • Agenten-APIs und Gateway-Sicherheit: Durch die Unterstützung der Responses API, die nun allgemein verfügbar ist, und das integrierte RAG gibt es ein einheitliches Open-Source-Interface für mehrstufige Agentenkonversationen, wobei die integrierten NeMo-Guardrails gefährliche Tool-Aufrufe abfangen.
  • Data Grounding und effizientes Reasoning: AutoRAG mit pgvector-Support, natives AutoML und Inference-Time Scaling ermöglichen es den Modellen, die Nutzung von Rechenressourcen dynamisch an den Schwierigkeitsgrad der Abfrage anzupassen.
  • Integrierte Observability und Sichtbarkeit für MaaS-Nutzung: Red Hat AI misst den Tokenverbrauch pro Nutzer, bietet Performance-Dashboards für Modelle und Agenten, visuelle Tracing-Funktionen für MLflow und Dashboards mit der GPU-Auslastung, sodass der Betrieb und die Nutzung von KI transparent werden.
  • Vorgefertigte Agenten-Templates für eine schnellere Entwicklung: AI Hub führt Agenten-Templates und Starter-Kits mit vorkonfigurierten Reference-Implementierungen für gängige Enterprise-Aufgaben wie Code-Reviews, Dokumentenverarbeitung und Recherche-Workflows ein.

Die Neuerungen im Detail

  • Support für gehostete Control Planes und Red Hat OpenShift Virtualization für die bessere Nutzung von Ressourcen bei Mandantenfähigkeit: Red Hat AI unterstützt nun offiziell gehostete Control Planes, wodurch jeder Mandant über eine dedizierte Control Plane verfügt und die Hardware-Konsolidierung verbessert wird. Die Unterstützung von KI in VMs, die via Red Hat OpenShift Virtualization verwaltet werden, erlaubt es mehreren Mandanten, physische Server gemeinsam zu nutzen – mit starker Isolierung auf VM-Ebene.
  • Neue validierte Modelle mit KI-Sicherheitsbewertungen: Dem Katalog wurden mehr als 20 neue verifizierte Modelle hinzugefügt, darunter Modelle von Google (Gemma 4), NVIDIA (Nemotron 3) und Alibaba Cloud (Qwen). Für diese validierten Modelle gibt es umfangreiche Performance-Benchmarks und Garak-Scores zu Sicherheit, zum Risiko der Offenlegung personenbezogener Daten und zur Gefahr unerwünschter, toxischer KI-Ausgaben. Auf diese Weise erhalten Unternehmen mehr Transparenz für die Bewertung von Risiken bei der Auswahl von Modellen.
  • Validierte Modelle für den Aufruf von Tools: Eine ausgewählte Gruppe validierter Modelle wurde im Katalog als geprüft für den Aufruf von Tools gekennzeichnet, um Unternehmen mehr Sicherheit bei der Auswahl von Modellen für agentische Anwendungsfälle zu geben.
  • Traffic-Management und sichere Modell-Aktualisierungen: Die prioritätsorientierte Bereitstellung erlaubt eine Zugangssteuerung und ein prioritätsbasiertes Request-Routing, um die Ressourcen für Echtzeit-Inferenz zu schützen und gleichzeitig Background-Workloads die Nutzung verfügbarer Kapazitäten zu ermöglichen. Ein kontrollierter Roll-out für Modelle verwaltet den Traffic während Updates, sodass sich Modelle mit minimalen Service-Unterbrechungen aktualisieren lassen.
  • Effizientes GPU-Speichermanagement: Die allgemeine Verfügbarkeit des CPU-Offloadings und eine Developer Preview des Storage-Offloadings erlauben es Modellen, längere Konversationen zu führen und größere Dokumente zu verarbeiten, ohne dass zusätzliche GPU-Hardware benötigt wird.
  • Multimodales Model-Serving: Mit vLLM Omni gibt es eine einheitliche Serving-Schicht für die Generierung von Text, Audio und Bildern. Dieses Feature befindet sich noch im Early Access.
  • Kubernetes-Serving in Multi-Clouds: Dieses Feature erweitert das verteilte Inferencing mit llm-d über OpenShift hinaus auf Kubernetes-Services von Drittanbietern, sodass eine konsistente Modellbereitstellung über verschiedene Clouds hinweg möglich wird. Das Feature ist allgemein verfügbar auf CoreWeave CKS und Microsoft Azure; Amazon EKS kommt als Technology Preview hinzu.
  • Agent-Entwicklungskits: Der AI Hub führt vorkonfigurierte Agent-Templates und Starter-Kits für gängige Enterprise-Aufgaben wie Code-Reviews, Dokumentenverarbeitung und Recherche-Workflows ein. Dabei werden Frameworks, Tools und Deployment-Konfigurationen integriert, sodass diese auch in Sandbox-Umgebungen laufen, wobei die operativen Kontrollen und Sicherheitsrichtlinien von der ersten Bereitstellung bis hin zum produktiven Einsatz erhalten bleiben.
  • Enterprise Data Workbench: Der Kubeflow Spark Operator, der als Developer Preview verfügbar ist, bringt verteilte Datenverarbeitung direkt in die aktive Workbench-Umgebung und vereint so die Datenaufbereitung und den Modellbetrieb auf einer einzigen Plattform.
  • GPU-as-a-Service und Mandantenfähigkeit: Red Hat AI bietet neue Funktionen für die Namespace-Isolierung, Unterstützung für gehostete Control Planes, ein Echtzeit-Dashboard für Einblicke in das Hardware-Inventar und die aktuelle Auslastung sowie die dynamische Zurverfügungstellung freier GPU-Kapazitäten.

Verfügbarkeit

Red Hat AI 3.5 ist ab sofort allgemein verfügbar, und das auch als Teil der Red Hat AI Factory with NVIDIA.

Weitere Informationen

Mehr zu Red Hat

Über Red Hat

Red Hat ist der führende Anbieter von Open-Hybrid-Cloud-Technologien und bietet damit eine vertrauenswürdige, konsistente und umfassende Grundlage für transformative IT-Innovationen und KI-Anwendungen. Das Portfolio an Cloud-, Entwickler-, KI-, Linux-, Automatisierungs- und Applikationsplattform-Technologien ermöglicht den Einsatz jeder Anwendung an jedem Ort – vom Rechenzentrum bis zum Edge. Als weltweit führender Anbieter von Enterprise-Open-Source-Softwarelösungen investiert Red Hat in offene Ökosysteme und Communities, um die IT-Herausforderungen von morgen zu bewältigen. In Zusammenarbeit mit Partnern und Kunden unterstützt Red Hat beim Aufbau, der Vernetzung, der Automatisierung, der Sicherung und der Verwaltung von IT-Umgebungen, unterstützt durch Consulting-Services und preisgekrönte Trainings- und Zertifizierungsangebote 

Forward-Looking Statements

Except for the historical information and discussions contained herein, statements contained in this press release may constitute forward-looking statements within the meaning of the Private Securities Litigation Reform Act of 1995. Forward-looking statements are based on the company’s current assumptions regarding future business and financial performance.  These statements involve a number of risks, uncertainties and other factors that could cause actual results to differ materially. Any forward-looking statement in this press release speaks only as of the date on which it is made. Except as required by law, the company assumes no obligation to update or revise any forward-looking statements.

Red Hat, Red Hat Enterprise Linux, the Red Hat logo and OpenShift are trademarks or registered trademarks of Red Hat, LLC or its subsidiaries in the U.S. and other countries. Linux® is the registered trademark of Linus Torvalds in the U.S. and other countries.

Pressekontakt

PR-COM GmbH
Melissa Gemmrich
Senior Account Manager
Sendlinger-Tor-Platz 6
D-80336 München
Tel. 089-59997-759
melissa.gemmrich@pr-com.de