Die Themen Künstliche Intelligenz (KI) und Machine Learning (ML) sind in deutschen Unternehmen angekommen. Das besagt eine aktuelle Studie des Marktforschungsinstituts IDG. Jedoch ist KI kein Selbstläufer. So müssen Unternehmen bestimmte Anforderungen berücksichtigen, um tatsächlich von KI-Projekten zu profitieren. Welche das sind und wie NetApp Firmen dabei unterstützen kann, erfahren Sie im Beitrag.
18. Februar 2022
|
Lesedauer: ca. 7 Min.
Bild: © kras99/stock.adobe.com (modifiziert von CANCOM)
Ob Künstliche Intelligenz oder Machine Learning: Noch vor einigen Jahren beschäftigten sich Unternehmen mit diesen Begriffen eher im theoretischen Kontext. Doch diese Zeiten sind vorbei. Das geht aus der aktuellen Studie “Machine Learning 2021” von IDG Research Services hervor, über die unter anderem die Computerwoche berichtet hat. Demnach setzen zwei Drittel der Unternehmen in Deutschland KI und ML ein oder arbeiten daran, erste Lösungen zu implementieren. Umgekehrt sei KI und ML nur für 8 Prozent kein Thema.
Die hohe Relevanz des Bereichs Künstliche Intelligenz zeige sich allein dadurch, dass 86 Prozent der Unternehmen eigene Budgets für KI- und ML-Projekte ausgewiesen haben. Auch hätten Firmen in der Corona-Pandemie die Investitionen in solche Projekte nicht zurückgefahren, sondern teils sogar beträchtlich erhöht.
Der Grund für die Bedeutung von KI und ML ist laut Studie eindeutig: die hohe Erfolgsquote. Wie die Studienautor:innen beschreiben, haben über 60 Prozent der Unternehmen mit KI- und ML-Projekten bereits nach drei Monaten einen messbaren Mehrwert erreicht. Allerdings, so die Studie weiter, müsse man diese Quote differenziert betrachten. Denn was Unternehmen als “Erfolg” bewerten, sei sehr subjektiv. Die Bandbreite reiche von Produktivitätssteigerungen bis hin zur Entwicklung neuer, innovativer Produkte und Services.
Außerdem seien KI-Projekte durchaus mit einem bestimmten Risiko behaftet und würden nicht per se zum Erfolg führen: Immerhin jedes zehnte Unternehmen habe die Erfahrung gemacht, dass vorhandenes Budget für KI- und ML-Projekte wieder gestrichen worden sei, weil angestrebte Ziele nicht erreicht wurden.
Hinzu kommt, dass KI-Projekte nicht nur kurzfristig, sondern auch auf lange Sicht erfolgreich sein müssen, wenn Unternehmen nachhaltig davon profitieren möchten. Wie Hermann Wedlich hervorhebt, ist das nicht einfach. In seiner Position als Manager Business Development Strategic Technologie Partner & AI/Analytic bei NetApp beschäftigt er sich täglich mit Themen rund um Daten, Analyse und Künstliche Intelligenz. “Mehrere Kund:innen sehen sich aktuell mit der Herausforderung konfrontiert, KI-Projekte langfristig anzugehen. Und daran beißen sich einige die Zähne aus. Sie kommen nicht über die Experimentierphasen hinaus”, führt Hermann Wedlich aus.
Grundsätzlich gilt: Unternehmen müssen zwei Dimensionen in den Fokus rücken, um KI-Projekte auf lange Sicht erfolgreich zu gestalten. Einerseits ist es nötig, den Bereich Business ins Auge zu fassen. Hier geht es vor allem darum, konkrete Use Cases zu identifizieren und Fragen zu beantworten wie: Inwiefern können KI- und ML-Projekte das eigene Business tatsächlich voranbringen? In welchem Verhältnis stehen Aufwand und Nutzen? Nur wer darauf Antworten hat, weiß, welche Ziele solche Projekte überhaupt verfolgen sollen – und zu welchem Preis.
Die zweite Dimension dreht sich um das Thema IT. Für Unternehmen besteht hier die Aufgabe, eine moderne IT-Architektur auf die Beine zu stellen, die KI und ML-Projekte technologisch ermöglicht – und mit der Firmen ihre Business-Ziele entsprechend verwirklichen können. Genau an diesem Punkt knüpfen Hersteller wie NetApp an.
Wie Hermann Wedlich betont, bietet NetApp ein breites Lösungsportfolio an, das Unternehmen erlaubt, genau diese moderne und performante IT zu etablieren. So würde eine durch NetApp modernisierte und auf KI-Datenpipelines optimierte IT sämtliche Anforderungen meistern, die erforderlich sind, um KI-Projekte in technischer Hinsicht durchzuführen.
Welche Anforderungen das sind, präsentiert die Redaktion von CANCOM.info im Überblick.
Ohne Daten kein KI-Projekt – diese Erkenntnis ist längst kein Geheimnis mehr. Einer weiteren IDG-Studie zufolge weisen 48 Prozent der IT-Entscheider:innen den Themen Daten und Analyse für Künstliche Intelligenz, Machine Learning und IoT die höchste Priorität für 2022 zu.
Die bloße Datensammlung und -analyse alleine reicht jedoch nicht aus. Vielmehr müssen die gesammelten Daten auf einer zentralen Plattform zusammengeführt und dort ausgewertet werden – um so eine einheitliche Datenbasis für KI-Projekte zu schaffen. Sonst besteht die Gefahr von Datensilos. Und diese können die für KI-Projekte dringend benötigte, hohe Datenqualität empfindlich beeinträchtigen.
Mit der NetApp Data Fabric möchte NetApp hier wertvolle Unterstützung leisten. Als sogenannte “hybride Platform as a Service (PaaS)” stellt die Lösung eine einheitliche Infrastruktur für Daten aus unterschiedlichen Quellen zur Verfügung – egal ob diese am Edge, im lokalen Rechenzentrum oder in der Cloud generiert werden. “Mit unserer Data Fabric als PaaS schaffen wir eine einheitliche Datenlokation, eine zentrale Anlaufstelle, die Unternehmen den Zugriff auf alle erforderlichen Daten ermöglicht. Basierend auf diesen Daten können Firmen ihre KI-Projekte nachhaltig vorantreiben”, so Hermann Wedlich.
Eine unkomplizierte und flexible Datenverwaltung spielt für die erfolgreiche Umsetzung von KI-Projekten eine wesentliche Rolle. Auf diese Weise können Firmen unter anderem bestimmte Datensätze in mehrfacher Ausfertigung erstellen – und anschließend für das KI-Training einsetzen.
Mit ONTAP AI hat NetApp eine Datenmanagement-Lösung im Portfolio, die eine solch einfache und agile Datenverwaltung mit einer Vielzahl inhärenter Software-Dienste ermöglicht – so Hermann Wedlich. Unternehmen hätten zum Beispiel die Option, mehrere Terrabyte große Datensätze auf Grundlage der gemeinsamen, mittels NetApp Data Fabric geschaffenen Datenbasis, zu bilden und beliebig oft in wenigen Sekunden zu klonen. Damit könnten Firmen die Experimentierphasen für das KI-Modelltraining parallelisieren und somit die Zeit bis zu einem positiven Ergebnis dramatisch verkürzen.
Zudem würden dedizierte Funktionen von ONTAP AI ein hohes Sicherheits- und Compliance-Niveau gewährleisten. Neben einer umfassenden Datenverschlüsselung zähle dazu beispielsweise die Möglichkeit, Datensätze zwischen den einzelnen Umgebungen – von Edge, On Premise bis hin zur Cloud – sicher und flexibel hin- und herzubewegen. Wie Hermann Wedlich beschreibt, wird diese Möglichkeit in der Praxis häufig angewandt, um mitunter sensible Datensätze aus Compliance-Gründen von der Public Cloud in das lokale Rechenzentrum zu verschieben. Eine weitere Funktion sei NetApp Datasense für das “Scannen” der gesammelten und verarbeiteten Daten. So ließen sich darüber automatisch Datensätze und deren Lokation im Rechenzentrum oder in der Cloud identifizieren, die nach Datenschutzverordnung oder firmeninternen Regularien nur eingeschränkt oder nicht bewegt werden dürfen.
Damit KI-Projekte auf lange Sicht erfolgreich sind, ist es gerade in den Experimentierphasen entscheidend, viel auszuprobieren. Wer nun entsprechend viele Datensätze erstellt, um darauf basierend KI-Trainings zu starten, sieht sich traditionell mit einem großen Problem konfrontiert: dem Zeitaufwand. Denn das Trainieren eines Algorithmus kann Wochen, wenn nicht Monate in Anspruch nehmen. Dies liegt allein daran, dass Unternehmen Rohdaten für KI-Trainings einsetzen müssen – die mit einer Größe im Terrabytebereich aufwarten können.
Um den Zeitaufwand für KI-Trainings erheblich zu verkürzen, benötigen Firmen eine Lösung, die insbesondere große Datenmengen performant und effizient verarbeiten kann – und zwar permanent. Diese Lösung möchte NetApp vor allem mit dem Speicherbetriebssystem ONTAP bieten. So bietet ONTAP unter anderem die Technologien “Snapshotting” und “Flex Clone”. Was sich dahinter verbirgt, erklärt Hermann Wedlich: “Damit können Unternehmen große Datensätze klonen und sofort damit arbeiten. Das ermöglicht ihnen zum Beispiel, mehrere KI-Trainings, die auf dem gleichen Datensatz basieren, innerhalb kurzer Zeit parallel zu starten.”
Dass ONTAP die Datensätze klont und nicht kopiert, sei ein ganz entscheidender Punkt. “Im Gegensatz zum Kopiervorgang, der mehrere Stunden wenn nicht Tage dauern kann, ist das Klonen in wenigen Sekunden erledigt”, so Hermann Wedlich. Außerdem bräuchten geklonte Datensätze kaum Speicherplatz – und seien dennoch ein exaktes Abbild der Originaldatei, die sich nur durch ihre Metadaten unterscheiden würden.
Besonders die Public Cloud ist für KI-Projekte unabdingbar: Wegen der einfachen Skalierbarkeit und Flexibilität starten dort viele KI-Projekte. Neben Sicherheits- und Compliance-Fragen müssen Unternehmen allerdings in erster Linie beim Thema Kosten aufpassen. Bei anspruchsvollen Anwendungen, die viel Rechenleistung oder Storage benötigen – wozu etwa Anwendungen im Bereich Machine Learning zählen – kann es für Unternehmen schnell teuer werden, wenn sie die erforderliche Performance als Infrastructure as a Service aus der Public Cloud beziehen.
Um dies zu verhindern, hat NetApp die SPOT-Software im Portfolio. Wie Hermann Wedlich betont, ist die Software in der Lage, die Public Cloud-Ressourcen exakt den jeweiligen Anforderungen anzupassen – und das kontinuierlich und vollautomatisiert. “Dadurch entsteht eine Ressourcen-optimierte Cloud-Infrastruktur, mit der Firmen bis zu 80 Prozent an Kosten einsparen können”, hebt der NetApp-Experte hervor. Entsprechend könnten Betriebe mit ihrem verfügbaren Budget deutlich mehr KI-Projekte in der Public Cloud vorantreiben, wenn sie auf SPOT setzen.
Die Ausführungen zeigen: KI-Projekte zu planen und durchzuführen, ist eine komplexe Angelegenheit. Neben einem konkreten Plan, wie KI-Projekte überhaupt das Business voranbringen sollen, müssen Unternehmen ihre IT-Infrastruktur fit für solche Projekte machen. Nur wer diese Anforderungen erfüllt, kann über die Experimentierphasen hinaus kommen und langfristig vom Thema Künstliche Intelligenz profitieren.
Um Firmen hier zu unterstützen, bieten Hersteller wie NetApp dedizierte Lösungen an. So sind NetApp-Lösungen wie Data Fabric, ONTAP AI oder SPOT darauf ausgerichtet, die IT-Infrastruktur der Kund:innen zu modernisieren – damit KI- und ML-Projekte darauf performant ausgeführt werden können. Dies schließt sowohl Edge-, On Premise- als auch Cloud-Umgebungen mit ein. Zur IT-Modernisierung gehört besonders die Schaffung einer einheitlichen Datenbasis, die Implementierung eines einfachen und flexiblen Datenmanagements, eine performante und effiziente Datenverarbeitung sowie die Einbindung und Optimierung der Public Cloud-Infrastruktur.
Sie wünschen eine unverbindliche Beratung zum Thema Künstliche Intelligenz mit NetApp? Dann wenden Sie sich gerne an die Experten von CANCOM.
In Industrie und Logistik wird die elektronische Kennzeichnung zur Zeitersparnis eingesetzt. Erfahren Sie, wie PDI Digital mit CANCOM die Umsetzung ermöglicht.
Lesedauer: 2 Min.
