Gastbeitrag: Künstliche Intelligenz (KI) und Machine Learning (ML) werden von vielen Unternehmen bereits aktiv genutzt. Proof-of-Concepts (PoC) sind das Mittel der Wahl, um die Effizienz und Wirtschaftlichkeit von entsprechenden Projekten zu demonstrieren. Wie der Start gelingt und welche Vorteile die Cloud dabei mit sich bringt, erklären Michelle Mei-Li Pfister und Florian Ettinger von AWS.

Foto: AWS Michelle Mei-Li Pfister arbeitet als Solutions Architect bei AWS in München und unterstützt Retailer auf ihrer Cloud Journey. Foto: AWS Florian Ettinger unterstützt als Solutions Architect bei AWS in Wien Unternehmen im Finanzsektor beim Einstieg in die Cloud. Künstliche Intelligenz (KI) hat in den vergangenen Jahren in zahlreichen Branchen an Bedeutung gewonnen und wird bereits von vielen Firmen aktiv eingesetzt. Insbesondere Maschinelles Lernen (ML), ein Teilbereich der KI, wird hier von Führungskräften als erfolgversprechend eingeschätzt. Längst ist ML nicht mehr nur eine technische Spielerei, sondern ist in vielen Unternehmen zu einem strategischen Schwerpunktziel geworden. Wurde ein spannendes Projekt für ML identifiziert, muss seine Umsetzbarkeit und der daraus entstehende Mehrwert bewertet werden.

Strategien für den ersten Proof of Concept (PoC)

Doch auf welche Voraussetzungen sollte man achten, wenn man den Nutzen von ML nach Identifizierung eines ersten geeigneten Projektes durch einen PoC testen will? Nachfolgende vier Kriterien erhöhen die Erfolgschancen für den ersten PoC.

1. Qualitativ hochwertige Daten: Die Qualität der Daten ist ausschlaggebend für den Erfolg eines jeden ML-Projektes. Deshalb zahlt es sich aus, bereits vor dem Start des PoCs zu überlegen, welche Datensätze verfügbar sind. Die Daten sollten vollständig und relevant für das Projekt sein. 
2. Klein beginnen: Um den Mehrwert von ML zu testen, ist es am Anfang wichtig, einen kleinen, klar definierten Teil des Projektes auszuwählen, bei welchem der Einsatz von ML Sinn ergibt. Dadurch können schnell Annahmen und Ideen getestet werden. Mit Hilfe des AI Use Case Explorers können klassische Aufgaben identifiziert werden, für die bereits vorgefertigte Lösungen existieren. 
3. Messbarkeit: Um den Erfolg und Fortschritt des PoCs messen zu können, ist es wichtig konkret messbare Kennzahlen auszuwählen. Um geeignete Kennzahlen zu finden ist es hilfreich, im Austausch mit Experten aus den relevanten Fachbereichen zu sein. Die klare Messbarkeit ermöglicht es, den Mehrwert von ML für das Unternehmen objektiv ersichtlich zu machen.
4. Unterstützung für den Start: ML zu nutzen setzt nicht immer voraus, komplexe neue Technologien lernen zu müssen. Besteht bereits Expertise im Unternehmen, macht es Sinn auf diese zu setzen. Allerdings gibt es auch viele Möglichkeiten für das Erstellen eigener ML-Modelle für Anwender mit wenig Vorkenntnissen. Visuelle Oberflächen, welche den Benutzer unterstützen, neue ML-Vorhersagen zu erstellen, bieten gerade für den ersten PoC, wenn noch kein tiefes ML-Fachwissen im Unternehmen vorhanden ist, eine einfache Möglichkeit, um mit ML zu starten.

Vorteile der Cloud bei der Einführung von ML

Steht die Definition für einen PoC fest, so bietet sich die Cloud an, um diesen mit wenig Risiko schnell umsetzen zu können. Sie erlaubt es, Rechenkapazitäten auf Knopfdruck bereitzustellen und somit langwierige Prozesse zur Hardwarebeschaffung zu umgehen, wie auch das schnelle Herunterfahren von Ressourcen nach Beendigung eines PoCs zu ermöglichen. Cloudanbieter wie beispielsweise Amazon Web Services (AWS) bieten auch ML-Services an, welche die schnelle Umsetzung von PoCs begünstigen. Der Service Amazon SageMaker JumpStart bietet vorgefertigte ML-Lösungen, welche mit wenigen Klicks eingesetzt werden können, wie beispielsweise die Umsetzung von ML-unterstützten Bedarfsprognosen. Der Aufwand, um einen PoC umsetzen zu können, kann hierdurch deutlich reduziert werden.

Fazit

Erfolgreich durchgeführte PoCs können Unternehmen helfen, fundierte Entscheidungen für den Einsatz von ML zu machen. Damit ein PoC erfolgreich sein kann, ist es wichtig, sich schon bei der Definition des PoCs die Zeit zu nehmen und messbare Ziele zu definieren. Auch ist es wichtig, PoCs so anzusetzen, dass sie schnell Erkenntnisse liefern. Hierfür bieten sich insbesondere Services von Cloudanbietern an, welche den Aufwand eines PoCs durch die flexible Bereitstellung von Ressourcen und vorgefertigte ML-Lösungen stark reduzieren können. 

Die Serie „Cloud Computing Now“ zeigt, wie Unternehmen heute von der Cloud profitieren. Bisher erschienen folgende Beiträge:

• Cloud Computing als Schlüssel für die Entwicklung von KI-Anwendungen
• Green IT: Das Potential der Cloud bei der Erfüllung von Nachhaltigkeitszielen

Der nächste Beitrag erscheint in zwei Wochen.