Cloud Computing

Internet der Dinge: Datenverarbeitung mit Cloud-Computing und KI

Künstliche Intelligenz und Cloud Computing im Einklang: KI wird zum Game Changer in der Public Cloud

Cloud Computing hat sich in den vergangenen 10 Jahren zu einem ertragreichen Geschäft für Anbieter wie Amazon Web Services oder Microsoft entwickelt. Doch der Wettbewerb wird durch Nachzügler wie Google und Alibaba immer stärker. Mit der massiven Einführung von AI-bezogenen Cloud-Services (AI = Artificial Intelligence, Künstliche Intelligenz) haben die Anbieter den Wettbewerbsdruck selbst nochmal einmal erhöht und wollen die Attraktivität bei den Kunden stärken.

Für kleine und mittelständische Unternehmen kann der Aufbau von performanten und skalierbaren AI-Systemen schnell zu einer teuren Angelegenheit werden. Schließlich benötigt das Training von Algorithmen und der spätere Betrieb der entsprechenden Analytics-Systeme Unmengen an Rechenleistung. Im eigenen Keller, Serverraum oder Rechenzentrum ist es unmöglich, die dafür benötigte Rechenkraft rechtzeitig und punktgenau bereitzustellen. Welche, nebenbei bemerkt, anschließend in der Regel nicht mehr benötigt wird.

Begibt man sich in die Sphären von Amazon, Microsoft oder Google, haben alle drei in den vergangenen Jahren riesige Mengen an Rechenleistung aufgebaut und besitzen gleichermaßen einen großen Anteil an der 40 Milliarden Dollar schweren Cloud-Computing-Industrie. Für alle drei handelt es sich bei der Erweiterung ihrer Portfolios mit AI-Services um den nächsten logischen Schritt in der Cloud.

Einerseits, weil die Entwicklung von AI-Anwendungen bzw. die intelligente Erweiterung von bestehenden Anwendungen den leichten Zugang zu Rechenleistung, Daten, Konnektivität, aber vor allem additive Platform-Services erfordert. Andererseits, um die Attraktivität bei Bestandskunden zu erhalten und Neukunden zu gewinnen, welche immer stärker nach einfach zugänglichen Lösungen suchen, um AI in ihre Anwendungen und Geschäftsmodelle zu integrieren.

Amazon Web Services

Amazon mit Amazon Web Services (AWS) ist nicht nur Cloud-Pionier und Innovationstreiber, sondern weiterhin mit Abstand der Marktführer im weltweiten Public-Cloud Markt. Auf Grund seiner Skalierbarkeit und dem umfangreichen Angebot an Platform-Services ist AWS derzeit die führende Cloud-Umgebung für die Entwicklung und Bereitstellung von Cloud- und AI-Anwendungen. Im Rahmen der vergangenen re:Invent präsentierte AWS unter anderem Amazon Cloud 9 (durch die Akquisition von Cloud9 IDE Inc. im Juli 2016), eine Cloud-basierte Entwicklungsumgebung, welche direkt in die AWS Cloud-Plattform integriert ist, um Cloud-native Anwendungen zu entwickeln.

Weiterhin wurden sechs "Machine Learning as a Service"-(MLaaS) Dienste angekündigt, unter anderem ein Videoanalyseservice sowie ein NLP-Service und ein Übersetzungsservice. Zudem bietet AWS mit MXNet, Lex, Rekognition und SageMaker mächtige Services für die einfache Entwicklung von AI-Anwendungen. Insbesondere SageMaker ist dabei von Interesse. Mit dem Service lässt sich der gesamte Lebenszyklus einer Machine-Learning-Anwendung steuern. Wie bei allen Cloud-Services verfolgt AWS allerdings auch im AI-Bereich den Lock-In-Ansatz. Alle AI-Services sind sehr eng mit der AWS-Umgebung verzahnt, um sicherzustellen, dass AWS nach der Entwicklung der AI-Lösungen auch die Plattform für deren späteren Betrieb bleibt.

Auch hinsichtlich der Strategie bleibt Amazon seinem Erfolgsmodell treu. Nachdem Amazon die Technologien hinter seiner massiv skalierbaren E-Commerce-Plattform als Services via AWS der Öffentlichkeit zur Verfügung gestellt hat, folgen nun zum Beispiel die Technologien hinter Alexa, damit Kunden eigene Chatbots oder Sprachassistenten in Ihre Angebote integrieren können.

KI und Cloud Computing beflügeln den aktuellen Nachhaltigkeitstrend

Fast die Hälfte der deutschen Unternehmen nutzt diversen Studien zufolge Künstliche Intelligenz (KI) bereits zur Reduktion operativer Kosten. Daraus allein entsteht allerdings kein Wettbewerbsvorteil. Nur wenn sich der Mehrwert einer Lösung quantifizieren lässt und anhand des ROI überzeugt, gelingt es Industrieunternehmen und ihren IT-Integrationspartnern, gemeinsam nachhaltiger zu wirtschaften, Ressourcen effizient zu nutzen und die gesteckten Ziele effektiv zu erreichen.

Das ist eine der begeisterndsten Facetten an der digitalen Transformation: Dass wir durch die Analyse von Daten und das Ableiten von Optimierungspotentialen einen großen Schritt in Richtung Nachhaltigkeit gehen können – denn es ist wirtschaftlich ressourcensparend zu arbeiten.

Das IoT in Verbindung mit intelligenten Systemen wie Business Intelligence Lösungen, Robotik und Cloud-Technologie bietet einen unglaublichen Pool an Daten und KPIs, zu deren Erhebung und Analyse wir ohne KI nicht im Stande wären. Um der Komplexität der eigenen Supply Chain Rechnung zu tragen ist es unabdingbar die analoge Welt mit der digitalen zu verbinden. Eine IoT-Plattform kann hierbei das Bindeglied darstellen und ermöglicht es Entscheidern aus den verschiedensten Bereichen, mit individualisierten Dashboards eine optimale Basis für Entscheidungen, Investitionen und Veränderungen zu erlangen, sofern ausreichend viele relevante Datenquellen (intern wie extern) an den Datenpool angeschlossen sind.

Somit ist nicht KI die Antwort auf die Frage, wie Unternehmen aktuell einen Wettbewerbsvorteil generieren können, sondern ein intelligentes System auf Basis eines Datenmodells, das KI nutzt, um einen Digital Twin des eigenen Unternehmens zu schaffen. Externe Daten von Kunden, Lieferanten, Partnerinstitutionen und, falls verfügbar, von Konkurrenten können die Perspektive auf die eigene Situation am Markt entscheidend erweitern und dabei helfen, bestmögliche Entscheidungsgrundlagen für aktuelle Herausforderungen zu generieren. Allerdings gibt es einige zentrale Bedingungen auf dem Weg zu einem solchen: Die Sicherheit des Systems muss gewährleistet, die Strategie klar formuliert, die Datenkompetenz der Mitarbeiter geschult, das Datenmodell perfekt, die Use-Cases klar definiert und das Optimierungspotential ausreichend hoch sein, um den ganzen Aufwand zu rechtfertigen.

Wichtig ist dafür ein strukturierter Prozess, der ein ausgewogenes Change Management beinhaltet und sich auf den Faktor Mensch fokussiert. Intelligente Systeme zu schaffen, die keiner bedienen will, weil durch das System die Hälfte der Kollegen ihren Job verloren hat, scheint nicht zielführend. Die Begeisterung muss beim Anwender entstehen, um die Akzeptanz der neuen Möglichkeiten zu gewährleisten, was nur mit ausgewogenen Schulungskonzepten und intuitiven, verlässlichen Tools funktioniert. Idealerweise vollzieht sich die Transformation nach einem modularisierten Digitalisierungsfahrplan, den man gemäß den eigenen Ressourcen und Zielsetzungen durchlaufen kann.

Die wesentlichen Meilensteine eines solchen Fahrplans sind:

Datensilos auflösen und durch eine Plattform ersetzen, die sowohl betriebswirtschaftliche Zahlen als auch Maschinendaten verarbeitet und in Bezug setzt. Schwellenwerte in Sensoren überwachen und diese Informationen an relevante Stakeholder weiterleiten. Passende Algorithmen auf die Daten loslassen und weitere Potenziale identifizieren. Condition Monitoring und Predicitve Maintenance firmenintern ermöglichen. Erkenntnisse aus den Datenanalysen in den Produktentstehungsprozess einfließen lassen. Externe Daten einbeziehen, um weitere Erkenntnisse zu erhalten.

So schaffen wir enorme Mehrwerte in Sachen Effizienz, Wirtschaftlichkeit und damit auch Nachhaltigkeit. Das heißt im Umkehrschluss: Die Nutzung der technischen Möglichkeiten wie IoT-Plattformen, KI und Cloud Computing beflügelt den aktuellen Nachhaltigkeitstrend – eine Win-Win-Situation, die sich rechnet und auch noch Spaß macht! Wenn wir immer mehr zum sinnvollen Teilen und Integrieren von Daten bereit sind, wenn also beispielsweise zentralisierte Informationspools von Unternehmen auch externe Stakeholder wie Kunden und Distributoren beinhalten, können sich die Produktlebenszyklen verschieben und Produkte langlebiger werden. Dabei helfen auch innovative Smart Services, die dem Kunden ein anderes Verhältnis zum Produkt ermöglichen, etwa in Form von Product as a Service mit Maintenance durch den Hersteller und einer gebrauchsabhängigen Abrechnung. Wenn die Verbraucher bzw. Kunden gleichzeitig durch ihre Teilnahme an Feedbackloops dabei helfen, die Product as a Service-Kosten zu senken und Ideen für neue Produktentwicklungen zu generieren, lohnt sich die Veränderung für alle Beteiligten.

In diesem Szenario werden IT-Experten und Kunden gleichermaßen zu Wegbereitern für eine nachhaltigere Zukunft – was für eine riesige Chance!

Internet der Dinge: Datenverarbeitung mit Cloud-Computing und KI

Markt Magazin

Jedes IoT-System produziert eine große Menge an Daten. Die Cloud-Computing-Lösung ist eine effiziente Möglichkeit, sehr große und stark schwankende Datenmengen schnell und nahtlos zu verarbeiten. Auch Künstliche Intelligenz (KI) hilft bei der einfachen Datenverwaltung. Sie wollen sich den Beitrag vorlesen lassen? Dann klicken Sie einfach auf die Audio-Funktion oben.

Internet der Dinge (Internet of Things oder IoT) ist die Bezeichnung für ein ständig wachsendes Netzwerk, das nicht nur aus Computern, sondern auch und gerade aus Maschinen und Dingen des alltäglichen Lebens besteht. Es verbindet so das digitale und das physische Universum miteinander. Ein kurzer Einblick: Heutzutage enthalten nahezu alle Arten von Geräten Sensoren, ob Alltagsgegenstände wie Kühlschränke, Lautsprecher oder Fernseher, aber auch in großem Umfang Anlagen und Maschinen in der Industrie. Sobald diese, wie heute zunehmend üblich, mit dem Internet verbunden sind, können sie ohne menschliches Zutun interagieren. „Diese Entwicklung dürfte erst am Anfang stehen und in Zukunft ganz neue Geschäftsmodelle eröffnen“, erklärte Stefan Hollidt, Chief Investment Officer bei Santander Asset Management. In seinem Ausblick erörterte er das Wachstumspotenzial der neuen Technologie aus Anlegersicht.

„Laut Statista besaß jeder US-Haushalt bis 2020 im Durchschnitt zehn solcher Geräte – Tendenz stark wachsend. Smartphones, Smart-Watches und intelligente Lautsprecher sind heute für die meisten Menschen alltägliche Begleiter, sie können über unseren Puls genauso Auskunft geben, wie sie helfen Einkaufslisten zu erstellen oder uns bei Bedarf die Nachrichten oder die Wettervorhersage durchgeben“, sagte Hollidt. Neue Autos setzten automatisch im Falle eines schweren Unfalls einen Notruf ab, ebenso wie die Smartwatch im Falle eine Fahrradunfalls. Auch die Vernetzung medizinischer Implantate wie Herzschrittmacher sei heute keine Zukunftsmusik mehr, sondern Realität: „Die möglichen Anwendungen umfassen nahezu alle Lebensbereiche. Schätzungen gehen davon aus, dass es im Jahr 2020 bereits über 20 Milliarden vernetzte Geräte gab,“ so Hollidt.

Die Cloud-Computing-Lösung bietet Kostenvorteile

Jedes IoT-System produziere eine beträchtliche Menge an Daten. Die Cloud-Computing-Lösung sei die effizienteste Möglichkeit, sehr große und auch stark schwankende Datenmengen schnell und nahtlos zu verarbeiten. Sie biete vor allem enorme Kostenvorteile und ermögliche auf on-demand-Basis flexibel auf Rechnerkapazitäten zuzugreifen: „Wenn beispielsweise zahlreiche intelligente Geräte wichtige Gesundheitsdaten an Ärzte in aller Welt übermitteln, entstehen riesige Datenmengen. Es ist kein Wunder, dass nur die Cloud solche Datenmengen effektiv verarbeiten kann. Mehrere bedeutende Innovationsentwicklungen haben das Cloud Computing zu einem der stärksten Treiber des IoT gemacht. Der Cloud-Computing- Markt verzeichnete im Jahr 2020 ein Umsatzvolumen von rund 380 Mrd. US-Dollar bei einer deutlich zweistelligen Wachstumsrate“, betonte Hollidt.

Künstliche Intelligenz hilft bei der einfachen Datenverwaltung und -suche. Dabei kämen die Entwickler auch an Cloud-Technologien nicht vorbei, erklärte Mittelstand Heute: „Doch welche Möglichkeiten bieten KI und Machine Learning (ML) in der Cloud für Unternehmen in der Praxis?“, so die zentrale Fragestellung. Über 70 Prozent der internen Aufgaben würden bis zum Jahr 2025 von Maschinen erledigt werden, so der Future of Jobs Report. Laut Report gingen die befragten Entscheider davon aus, dass Künstliche Intelligenz und Machine Learning wichtige Rollen einnähmen. Diese Technologien benötigten jedoch auch Ressourcen, die skalierbar und schnell verfügbar seien. Die Cloud-Dienste unterstützten diese Verfügbarkeit. Dadurch könnten selbst Unternehmen, die kein umfassendes Know-how über KI- oder ML-Lösungen besäßen, die Technologien implementieren, hieß es.

KI in der Cloud-Plattform

Viele Anbieter von Cloud-Plattformen böten verschiedene Möglichkeiten für den Einsatz von KI- oder ML-Lösungen. Diese ließen sich über die Cloud entwickeln und verwalten. Herkömmliche Cloud-Lösungen bedienten sich dabei an einem Baukastensystem für Firmen. Viele Unternehmen vertrauen demnach ebenso bereits auf Software-Lösungen, die auf einer KI basierten. Ressourcen zur intelligenten Datenspeicherung oder -analyse ließen sich in viele Cloud-Umgebungen mit Hilfe von Infrastrukturdiensten wie Kubernetes integrieren. Viele Cloud-Lösungen böten auch einen integrierten KI-Suchdienst für die großen Datenmengen an. Die Suche nutze KI-Dienste für maschinelles Sehen, Spracherkennung und die individuelle Spracheingabe. Die Nutzer könnten dadurch auch unstrukturierte Informationen von der KI anschaulich darstellen. Der Dienst solle die Suchkomplexität verringern. Anwender könnten durch die Lösung einfacher nach Daten suchen.

Der Einsatz von Cloud Computing böte auch Banken neue Möglichkeiten zur Erschließung innovativer Geschäftsmodelle und zur effizienteren Gestaltung von Arbeitsprozessen, erklärte der Bankenverband. Angesichts des immer schnelleren Wandels von Branchen und Kundenbedürfnissen sei eine flexible und leistungsfähige IT-Infrastruktur essenziell. Sie bilde die technische Grundlage für Innovationen und sollte bedarfsabhängig zur Verfügung stehen. Meist ergäbe sich im Zielbild der IT-Architektur eines Unternehmens ein hybrider Mix aus traditionellen IT-Systemen und Cloud-Anwendungen. Die gezielte Migration der Bankinfrastruktur von lokalen Systemen in die Cloud sei dabei ein wichtiger Baustein, die Wettbewerbsfähigkeit der Bank der Zukunft zu sichern.

Nach Auffassung des Bankenverbands ist die heutige Regulierung noch nicht ausreichend auf den umfassenden Cloud-Einsatz bei Banken ausgelegt. Um das zu ändern, seien insbesondere folgende Anpassungen notwendig: Die Regulierung von Cloud-Auslagerungen sollte auf Grundlage eines risiko-basierten Ansatzes erfolgen. Die Anforderungen für das Reporting an Aufsichtsbehörden sowie an Exit-Strategien müssten europaweit klar und einheitlich sein. Für eine entsprechende Rechtssicherheit bei der Datenverarbeitung im Drittstaat seien weitere Instrumente und Leitlinien des EU-Gesetzgebers notwendig, so der Verband. (ud)

+++

Melden Sie sich bei Interesse zu unserer Veranstaltung „Data Science und Machine Learning in Kreditinstituten“ an.