Business-IT
22.05.2017
Zukunft der IT
1. Teil: „Machine Learning in der Cloud“

Machine Learning in der Cloud

Cloud-RoboterCloud-RoboterCloud-Roboter
vexworldwide / Shutterstock.com
Die Cloud macht maschinelles Lernen jeder Art von Unternehmen zugänglich. com! professional spricht mit der AI-Expertin Jennifer Marsman von Microsoft über das Thema.
  • Jennifer Marsman, Principal Software Development Engineer bei Microsoft
    Quelle:
    Microsoft
Jennifer Marsman ist eine der Top 100 einflussreichsten Expertinnen zum Thema Künstliche Intelligenz und Machine Learning – und Keynote-Sprecherin der Next IT Con, die am 27. Juni 2017 auf dem Messegelände in Nürnberg stattfindet. Im Interview mit com! professional spricht sie über das Potenzial, das aus der Verbindung von Cloud und Machine Learning entsteht, und darüber, was von Microsoft auf diesem Gebiet in nächster Zeit zu erwarten ist.
com! professional: Die Verbindung zwischen Cloud und Machine Learning wird gerade als besonders vielversprechend diskutiert. Wie kann Machine Learning Cloud-Anwendungen intelligenter machen?
Jennifer Marsman: Künstliche Intelligenz oder Machine Learning erfordert viele Daten und viele Unternehmen speichern riesige Datenmengen in der Cloud. Machine Learning hilft ihnen, diese Daten zu verstehen. Beispielsweise kann Machine Learning Muster in historischen Daten entdecken, auf deren Basis wir dann Vorhersagen über die Zukunft machen können.
com! professional: Wann lohnt sich cloudbasiertes Machine Learning für Unternehmen?
Marsman: Geräte, Web-Services und jede verbundene „Sache“ aus dem Internet of Things erzeugen unglaubliche Datenmengen. Früher haben wir diese Daten analysiert, um die Gegenwart und die Vergangenheit zu verstehen. Maschine Learning liefert die Begründung für diese Daten und so sind wir in der Lage, die Ergebnisse der Zukunft vorherzusagen und Muster aufzudecken – was zu neuen Erkenntnissen führen kann. Früher war Machine Learning auf Unternehmen beschränkt, die sich Datenwissenschaftler und große Investi­tionen in Infrastrukturen leisten konnten. Machine Learning in der Cloud verändert das Spiel, indem es die Macht des maschinellen Lernens für jedermann zugänglich macht – und zwar ganz einfach über den Browser.
com! professional: Was sind die größten Herausforderungen für die Umsetzung von cloudbasiertem Machine Learning?
Marsman: Die größte Herausforderung besteht darin, Systeme zu implementieren, die Echtzeit-Antworten benötigen. Sehen Sie sich zum Beispiel ein selbstfahrendes Auto an: Wenn es die Cloud anfragt, um jedes einzelne Bild zu analysieren, das es empfängt, entsteht jedes Mal eine leichte Verzögerung (Netzwerklatenz), und Netzwerke können zusammenbrechen. Mit einem Gerät an Bord des Autos macht das viel mehr Sinn.
Wenn es allerdings darum geht, Car-Modelle zu trainieren und zwar auf Basis der riesigen Datenmengen, die erst einmal gesammelt werden müssen, damit das Auto seine Umgebung versteht, ist die Cloud eine gute Wahl. Denn in der Cloud können riesige Mengen an Fahrzeugdaten gespeichert und über verschiedene Fahrzeuge hinweg aggregiert werden. Außerdem erlaubt es die Cloud, Rechenaufgaben parallel durchzuführen und Kapazitäten zu verteilen.
Tabelle:

2. Teil: „Diese Unternehmen profitieren am meisten“

Diese Unternehmen profitieren am meisten

com! professional: Welche Unternehmen haben am meisten von der Verbindung aus Cloud und Machine Learning?
Marsman: Jedes Unternehmen kann von cloudbasiertem Machine Learning profitieren. Große Unternehmen schätzen vor allem die Freiheit, die die Cloud ihnen bietet: Services können schnell bereitgestellt und genutzt werden. Start-ups hingegen profitieren von der Cloud, weil sie Services leicht skalieren können – je nachdem wie ihr Geschäft wächst.
com! professional: Wie hilft Microsoft Kunden, die Machine-Learning-Applikationen anwenden wollen?
Marsman: Wir unterstützen unsere Kunden auf ihrer Maschine Learning Journey, indem wir immer dort sind, wo sie sind. Für all diejenigen, die noch nicht viel Erfahrung mit dem Thema Machine Learning haben, aber unsere vorgefertigten ML-Modelle für AI-Aufgaben (Artificial Intelligence) wie Emo­tion Identification, Textanalyse und Gesichts-Verifizierung nutzen möchten, gibt es den Bereich Cognitive Services. Für diejenigen, die einen Schritt weiter sind und ihre eigenen Modelle mit ihren eigenen Daten trainieren wollen, haben wir Azure Machine Learning. Für Machine-Learning-Experten, die Deep-Learning-Techniken nutzen, bieten wir das Open Source Cognitive Toolkit.
Einige Kunden und Partner haben uns zudem gebeten, auch SQL-Server für zusätzliche Entwicklungs- und Produktionsumgebungen zu unterstützen. Indem wir die nächste Version von SQL Server auch für Linux anbieten, ermöglicht es Microsoft seinen Kunden und Partnern, ihre Anwendungen auf einer einzigen Datenmanagement- und Business-Analytics-Plattform aufzubauen und zu implementieren – einschließlich der nächsten Generation intelligenter Anwendungen.
com! professional: Als Principal Software Development Engineer arbeiten Sie an neuen Technologien für Microsoft. Welche Innovationen können wir in naher Zukunft von Microsoft erwarten?
Marsman: Microsoft wird auch weiterhin in den Bereichen Künstliche Intelligenz und Maschinelles Lernen innovativ sein. In einer Welt, die von Daten angetrieben wird, ist der Anreiz klar: Echtzeit-Einblick in die Daten! So können noch nie dagewesene Experiences aufgebaut werden, die Kunden begeistern. Die Inspiration ist dabei das Potenzial, das die Technologie bietet, um einige der größten Probleme der Welt zu lösen – das Universum zu verstehen, das Ausbrechen von Krankheiten zu verhindern und jedem von uns zu helfen, das wichtigste Kapital unserer Welt zu maximieren – unsere Zeit.
Die Vorteile der Cloud
Laut Jennifer Marsman zeichnen das Cloud-Computing vor allem die folgenden fünf Charakteristika aus:
  • Fast keine Infrastrukturkosten: Man braucht kein großes Rechenzentrum aufzubauen, man kann einfach loslegen.
  • Just-in-time-Infrastruktur: Je nachdem wie die eigenen Bedürfnisse sich verändern, kann man die Infrastruktur in der Cloud skalieren – entweder vergrößern, um mehr Nachfrage zu bedienen, oder verkleinern und damit Geld sparen.
  • Effizientere Ressourcennutzung: Cloud Applikationen können Ressourcen anfordern und abgeben, ganz wie man es braucht. Systemadministratoren müssen sich somit keine Sorgen mehr über zu viel oder zu wenig Hardware machen, sondern können Ressourcen effizient einsetzen.
  • Usage-based Computing: Sie zahlen nur für das, was Sie nutzen.
  • Bearbeitungszeit senken: Wenn die Architektur gut aufgebaut ist, können Sie Aufgaben parallel durchführen und Prozesszeiten verkürzen.

mehr zum Thema