Wir verlagern Arbeitslasten aus künstlicher Intelligenz und maschinellem Lernen in die Cloud

putilov_denis – stock.adobe.com

Künstliche Intelligenz (KI) und maschinelles Lernen (ML) gehören zu den am meisten gehypten Unternehmenstechnologien und haben die Fantasie von Vorständen mit dem Versprechen von Effizienz und geringeren Kosten sowie der Öffentlichkeit mit Entwicklungen wie selbstfahrenden und autonomen Autos erregt Quadcopter-Flugtaxis.

Natürlich ist die Realität etwas prosaischer: Unternehmen setzen auf KI, um Bereiche wie Online-Produktempfehlungen oder die Erkennung von Fehlern an Produktionslinien zu automatisieren. Unternehmen nutzen KI in vertikalen Branchen wie Finanzdienstleistungen, Einzelhandel und Energie. Zu den Anwendungen gehören die Betrugsprävention und die Analyse der Geschäftsleistung bei Krediten, die Nachfragevorhersage für saisonale Produkte und die Verarbeitung großer Datenmengen zur Optimierung von Energienetzen.

All dies bleibt hinter der Vorstellung von KI als intelligenter Maschine im Sinne von HAL aus 2001: Odyssee im Weltraum zurück. Aber es handelt sich immer noch um einen schnell wachsenden Markt, der von Unternehmen angetrieben wird, die versuchen, den Wert ihrer Daten zu steigern und Business Intelligence und Analysen zu automatisieren, um die Entscheidungsfindung zu verbessern.

Das Branchenanalystenunternehmen Gartner prognostiziert beispielsweise, dass der globale Markt für KI-Software in diesem Jahr 62 Milliarden US-Dollar erreichen wird, wobei das stärkste Wachstum im Bereich Wissensmanagement zu verzeichnen ist. Nach Angaben des Unternehmens haben 48 % der befragten CIOs bereits künstliche Intelligenz und maschinelles Lernen eingesetzt oder planen, dies innerhalb der nächsten 12 Monate zu tun.

Ein Großteil dieses Wachstums wird durch Entwicklungen im Cloud Computing vorangetrieben, da Unternehmen von den niedrigen Anfangskosten und der Skalierbarkeit der Cloud-Infrastruktur profitieren können. Gartner nennt beispielsweise Cloud Computing als einen von fünf Faktoren, die das KI- und ML-Wachstum vorantreiben, da es Unternehmen ermöglicht, „KI schneller und mit geringerer Komplexität zu experimentieren und zu operationalisieren“.

Darüber hinaus entwickeln die großen Public-Cloud-Anbieter eigene KI-Module, darunter Bilderkennung, Dokumentenverarbeitung und Edge-Anwendungen zur Unterstützung von Industrie- und Distributionsprozessen.

Zu den am schnellsten wachsenden Anwendungen für KI und ML gehören E-Commerce und Werbung, da Unternehmen versuchen, Ausgabenmuster zu analysieren, Empfehlungen abzugeben und Automatisierung für gezielte Werbung zu nutzen. Dies nutzt die wachsende Menge an Geschäftsdaten, die sich bereits in der Cloud befinden, und reduziert die mit der Datenverschiebung verbundenen Kosten und Komplexität.

Die Cloud ermöglicht es Unternehmen auch, fortschrittliche Analyse- und Recheneinrichtungen zu nutzen, deren interner Aufbau oft nicht kosteneffektiv ist. Dazu gehört der Einsatz dedizierter Grafikprozessoren (GPUs) und extrem großer Speichervolumina, die durch Cloud-Speicher ermöglicht werden.

„Solche Fähigkeiten liegen außerhalb der Reichweite der On-Prem-Angebote vieler Unternehmen, wie etwa der GPU-Verarbeitung. Dies zeigt die Bedeutung der Cloud-Fähigkeit in den digitalen Strategien von Unternehmen“, sagt Lee Howells, Leiter KI beim Beratungsunternehmen PA Consulting.

Auch Unternehmen bauen durch cloudbasierte Dienste Fachwissen im Umgang mit KI auf. Ein Wachstumsbereich ist AIOps, bei dem Unternehmen künstliche Intelligenz nutzen, um ihre IT-Abläufe, insbesondere in der Cloud, zu optimieren.

Ein anderes ist MLOps, bei dem es sich Gartner zufolge um die Operationalisierung mehrerer KI-Modelle handelt, wodurch „zusammengesetzte KI-Umgebungen“ entstehen. Dadurch können Unternehmen aus kleineren Bausteinen umfassendere und funktionsfähigere Modelle aufbauen. Diese Blöcke können auf On-Premise-Systemen, intern oder in Hybridumgebungen gehostet werden.

So wie Cloud-Dienstleister die Bausteine ​​der IT – Rechenleistung, Speicher und Netzwerk – anbieten, bauen sie auch eine Reihe von Modellen für künstliche Intelligenz und maschinelles Lernen auf. Sie bieten auch KI- und ML-basierte Dienste an, die Firmen oder Dritttechnologieunternehmen in ihre Anwendungen integrieren können.

Diese KI-Angebote müssen keine End-to-End-Prozesse sein und sind es oft auch nicht. Stattdessen stellen sie Funktionen bereit, deren Bereitstellung für ein Unternehmen kostspielig oder komplex wäre. Es handelt sich aber auch um Funktionen, die ohne Beeinträchtigung der Sicherheits- oder Regulierungsanforderungen des Unternehmens ausgeführt werden können oder die eine groß angelegte Datenmigration erfordern.

Beispiele für diese KI-Module sind Bildverarbeitung und Bilderkennung, Dokumentenverarbeitung und -analyse sowie Übersetzung.

„Wir agieren innerhalb eines Ökosystems. Wir kaufen Ziegel von Menschen und bauen dann Häuser und andere Dinge aus diesen Ziegeln. Anschließend liefern wir diese Häuser an einzelne Kunden“, sagt Mika Vainio-Mattila, CEO von Digital Workforce, einem robotergestützten Prozessautomatisierungsunternehmen (RPA) Unternehmen. Das Unternehmen nutzt Cloud-Technologien, um die Bereitstellung von Automatisierungsdiensten für seine Kunden zu erweitern, einschließlich seines „Robot as a Service“, der entweder auf Microsoft Azure oder einer privaten Cloud ausgeführt werden kann.

Laut Vainio-Mattila ist KI bereits ein wichtiger Bestandteil der Geschäftsautomatisierung. „Am weitesten verbreitet ist wahrscheinlich die intelligente Dokumentenverarbeitung, bei der es im Grunde darum geht, unstrukturierte Dokumente zu verstehen“, sagt er.

„Das Ziel besteht darin, diese Dokumente für ‚Roboter‘ oder automatisierte digitale Agenten aussagekräftig zu machen, die dann mit den Daten in diesen Dokumenten arbeiten. Das ist der Bereich, in dem wir den größten Einsatz von KI-Tools und -Technologien gesehen haben und wo wir ihn auch haben.“ Wir haben die KI selbst am häufigsten angewendet.“

Er sieht einen wachsenden Vorstoß seitens der großen Public-Cloud-Unternehmen, KI-Tools und -Modelle bereitzustellen. Zunächst geht es dabei um Software-Drittanbieter oder Dienstleister wie sein Unternehmen, von den Cloud-Lösungsanbietern (CSPs) geht er jedoch davon aus, dass sie den Anwenderunternehmen auch mehr KI-Technologie direkt anbieten.

„Es ist ein interessanter Bereich, weil die großen Cloud-Anbieter – natürlich angeführt von Google, aber sehr dicht gefolgt von Microsoft und Amazon und anderen, auch IBM – Dienste rund um ML- und KI-basierte Dienste zur Entschlüsselung unstrukturierter Informationen implementiert haben. Dazu gehört.“ Erkennen oder Klassifizieren von Fotos oder Übersetzungen.

Hierbei handelt es sich um „Allzweck“-Technologien, die so konzipiert sind, dass andere sie wiederverwenden können. Die Geschäftsanwendungen sind häufig sehr anwendungsfallspezifisch und erfordern Experten, die sie an die Geschäftsanforderungen eines Unternehmens anpassen. Und der Fokus liegt mehr auf Back-Office-Operationen als auf Anwendungen wie selbstfahrenden Autos.

Laut Howells von PA Consulting bieten Cloud-Anbieter auch „domänenspezifische“ Module an. Diese hätten sich bereits in den Bereichen Finanzdienstleistungen, Fertigung und Gesundheitswesen entwickelt, sagt er.

Tatsächlich ist das Angebot an KI-Diensten, die in der Cloud angeboten werden, groß und wächst. „Die großen [Cloud-]Player verfügen jetzt über Modelle, die jeder nutzen und ausführen kann“, sagt Tim Bowes, stellvertretender Direktor für Datentechnik beim Beratungsunternehmen Dufrain. „Vor zwei bis drei Jahren war alles Technologie von Drittanbietern, aber jetzt entwickeln sie proprietäre Tools.“

Azure bietet beispielsweise Azure AI mit KI-Modellen für Vision, Sprache, Sprache und Entscheidungsfindung, auf die Benutzer über KI-Aufrufe zugreifen können. Microsoft unterteilt sein Angebot in Applied AI Services, Cognitive Services, Machine Learning und AI Infrastructure.

Google bietet KI-Infrastruktur, Vertex AI, eine ML-Plattform, datenwissenschaftliche Dienste, Medienübersetzung und Sprache in Text, um nur einige zu nennen. Mit der Cloud Inference API können Unternehmen mit großen Datensätzen arbeiten, die in der Cloud von Google gespeichert sind. Es überrascht nicht, dass das Unternehmen Cloud-GPUs anbietet.

Amazon Web Services (AWS) bietet außerdem eine breite Palette von KI-basierten Diensten an, darunter Bilderkennung und Videoanalyse, Übersetzung, Konversations-KI für Chatbots, Verarbeitung natürlicher Sprache und eine Reihe von Diensten für Entwickler. AWS bewirbt auch seine Gesundheits- und Industriemodule.

Auch die großen Anbieter von Unternehmenssoftware und Software-as-a-Service (SaaS) verfügen über eigene KI-Angebote. Dazu gehören Salesforce (ML und Predictive Analytics), Oracle (ML-Tools einschließlich vorab trainierter Modelle, Computer Vision und NLP) und IBM (Watson Studio und Watson Services). IBM hat sogar eine Reihe spezieller KI-basierter Tools entwickelt, um Unternehmen dabei zu helfen, ihre Umweltrisiken zu verstehen.

Zu den Spezialfirmen gehören H2O.ai, UIPath, Blue Prism und Snaplogic, obwohl die letzten drei eher als intelligente Automatisierungs- oder RPA-Unternehmen als als reine KI-Anbieter beschrieben werden könnten.

Es ist jedoch ein schmaler Grat. Laut Jeremiah Stone, Chief Technology Officer (CTO) bei Snaplogic, wenden sich Unternehmen häufig versuchsweise der KI zu, selbst wenn ausgereiftere Technologien geeigneter sein könnten.

„Wahrscheinlich 60 % oder 70 % der Bemühungen, die ich gesehen habe, beginnen zumindest am Anfang mit der Erforschung von KI und ML als Möglichkeit zur Lösung von Problemen, die möglicherweise besser mit besser verstandenen Ansätzen gelöst werden können“, sagt er. „Aber das ist verzeihlich, denn als Menschen sind wir ständig äußerst optimistisch, was Software und Technologie für uns tun können – wenn wir das nicht tun würden, würden wir nicht vorankommen.“

Experimente mit KI werden seiner Meinung nach längerfristige Vorteile bringen.

Es gibt weitere Einschränkungen für KI in der Cloud. Erstens eignen sich cloudbasierte Dienste am besten für generische Daten oder generische Prozesse. Dies ermöglicht es Unternehmen, die Sicherheits-, Datenschutz- und regulatorischen Hürden zu überwinden, die mit der Weitergabe von Daten an Dritte verbunden sind.

KI-Tools wirken dem entgegen, indem sie Daten nicht verschieben – sie verbleiben in der lokalen Geschäftsanwendung oder Datenbank. Und die Sicherheit in der Cloud verbessert sich so weit, dass immer mehr Unternehmen bereit sind, sie zu nutzen.

„Einige Unternehmen ziehen es vor, ihre sensibelsten Daten vor Ort aufzubewahren. Da Cloud-Anbieter jedoch branchenführende Sicherheitsfunktionen anbieten, wird der Grund dafür immer geringer“, sagt Howells von PA Consulting.

Dennoch ziehen es einige Firmen trotz der Kosten vor, ihre eigenen KI-Modelle zu erstellen und ihre eigene Schulung durchzuführen. Wenn KI das Produkt ist – und selbstfahrende Autos sind ein Paradebeispiel –, möchte das Unternehmen das geistige Eigentum an den Modellen besitzen.

Aber selbst dann können Unternehmen von Bereichen profitieren, in denen sie generische Daten und Modelle nutzen können. Das Wetter ist ein Beispiel, die Bilderkennung möglicherweise ein anderes.

Sogar Unternehmen mit sehr spezifischen Anforderungen an ihre KI-Systeme könnten von den umfangreichen Datenressourcen in der Cloud für das Modelltraining profitieren. Möglicherweise möchten sie auch die synthetischen Daten von Cloud-Anbietern nutzen, was ein Modelltraining ohne die Sicherheits- und Datenschutzbedenken einer Datenfreigabe ermöglicht.

Und nur wenige in der Branche würden gegen diese Dienste wetten, die in erster Linie von den Cloud-Dienstanbietern stammen.