20.11.2019
Start-up-Porträt
1. Teil: „H2O will jede Firma zum KI-Unternehmen machen“
H2O will jede Firma zum KI-Unternehmen machen
Autor: Hartmut Wiehr
jijomathaidesigners / shutterstock.com
Der KI-Shootingstar H2O hat das Ziel, Künstliche Intelligenz (KI) zu vereinfachen und zu automatisieren. Jedes Unternehmen soll die Möglichkeit bekommen, KI zu verwenden.
Auf dem Gebiet der Künstlichen Intelligenz ist H2O aus dem kalifornischen Mountain View ein Senkrechtstarter. Das Start-up wurde 2012 von Sri Ambati gegründet und sammelte in relativ kurzer Zeit 147 Millionen Dollar Funding-Gelder ein, unter anderem von Wells Fargo, Goldman Sachs, Nvidia GPU Ventures und Nexus Venture Partners. Die Mission seines Unternehmens bringt Ambati so auf den Punkt: „Wir wollen Artificial Intelligence demokratisieren.“
AI soll nach dem Willen von Ambati für alle Unternehmen schneller, billiger und einfacher werden: „Bis heute ist AI zu teuer und zu schwierig zu installieren, weil man viel Erfahrung, Zeit und Ressourcen braucht, um es auszuprobieren und zum praktischen Einsatz zu bringen. Die Installationskosten sind sowohl für kleinere als auch für große Unternehmen zu hoch. Unser Ziel ist es, AI für Unternehmen jeder Größenordnung wirklich einfach zu machen und so weit wie möglich zu automatisieren.“
Seine Produkte und Services teilt H2O in zwei unterschiedliche Kategorien ein:
- Open Source sind die Machine-Learning-Plattform H2O, die Integration des Cluster-Computing-Frameworks Apache Spark in H2O und die Integration der Nvidia-GPUs in H2O. Frei erhältlich ist die H2O-Technologie für Universitäten, Studierende und Angehörige akademischer Berufe sowie für Forschungsinstitute.
- Als kommerzielles Enterprise-Produkt angeboten und von Support-Dienstleistungen flankiert wird die automatisierte Machine-Learning-Plattform H2O Driverless AI.
Damit gelang es H2O in den wenigen Jahres seines Bestehens schon über 18.000 Kunden „über alle Industriezweige hinweg und auf jedem Kontinent“ zu gewinnen, wie Ambati stolz berichtet. Dazu zählen zum Beispiel der Krankenversicherer Aetna, die Reisebuchungs-Metasuchmaschine Booking.com, die Apothekenkette Walgreens und der Finanzdienstleister Capital One. Für die Nutzung von H2O Driverless AI zahlen die Unternehmen einen monatlichen Betrag, der von der Zahl der Anwender abhängt, die mit der Software arbeiten. Einige Kunden haben sich sogar an der jüngsten Finanzierungsrunde beteiligt, um zum Fortbestehen der Firma beizutragen.
Besonderen Erfolg hat H2O im Retail-Bereich, weil viele Unternehmen in diesem Sektor mit ihrem bisherigen Online-Marketing unzufrieden sind, auch und gerade mit der Auswertung der Kundendaten. Oft können sie deshalb nicht mehr mit Marktgiganten wie Amazon mithalten.
Mit gegenwärtig etwa 170 Mitarbeitern ist H2O immer noch relativ klein, hat sein Headcount in den vergangenen 18 Monaten aber verdoppelt. Vor Kurzem wurde etwa ein Center for AI Excellence and Research in Prag eröffnet, außerdem verfügt H2O über eigene Vertretungen in Indien und Kanada, der chinesische und weitere asiatische Märkte sollen folgen.
2. Teil: „H2O Driverless AI“
H2O Driverless AI
Software umzusetzen, mit der Unternehmen Modelle für Datenvirtualisierung und Dateninterpretation entwickeln und eigene Data-Science-Aufgaben durchführen können. Die Plattform setzt dazu sehr stark auf Automatisierungstechniken und arbeitet viel mit GPUs - GPU-Pionier Nvidia zählt wie eingangs erwähnt zu den Unterstützern von H2O.
Das Kernprodukt von H2O, die Driverless-AI-Plattform, hat vor allem den Ehrgeiz, Data-Science-Techniken in einfach anzuwendende Mit H2O Driverless AI lassen sich laut Unternehmens-Website „Aufgaben in Minuten erledigen, die früher Monate in Anspruch nahmen“. Mit Driverless AI könne „jedermann, sowohl erfahrene wie auch Junior Data Scientists, Domain Scientists und Data Engineers, Modelle für Machine Learning entwickeln“.
Was dafür alles an Funktionen aufgefahren wird, deutet eine Auflistung auf der Website an: Automatic Feature Engineering, Machine Learning Interpretability (MLI), Natural Language Processing (NLP), Time Series, Model Deployment and Operations, Automatic Visualization, Flexibility of Data and Deployment, Nvidia GPU Acceleration und Bring-Your-Own Recipes.
Der grundlegende Ablauf der Arbeit mit Driverless AI besteht laut H2O aus fünf Schritten: Als Erstes bringen die Anwender ihre Daten aus unterschiedlichsten Quellen in das Modell ein, etwa Daten aus der Cloud, aus Big-Data- oder Desktop-Systemen. Als Nächstes dreht sich alles um das Verständnis der Daten, kümmert man sich um Zusammenhänge, Sonderfälle oder fehlende Angaben.
Drittens werden automatisiert Vorhersagen erstellt. Auf Basis von Best-Practice-Modellen und mit High-Performance-Computing werden Tausende von Modellen wieder und wieder durchkalkuliert. Im vierten Schritt geht es darum, die erstellten Vorhersagen zu prüfen und die komplexen Zusammenhänge auch für Nichtfachleute möglichst verständlich zu erklären. Das geschieht vor allem über automatisiert erstellte Dashboards. Im letzten Schritt schließlich können Anwender „ultra-low latency Python or Java Automatic Scoring Pipelines“ einbringen, „that include feature transformations and models“.
Und weil die großen Versprechungen von H2O mehr sind als bloßes Marketing-Getöse, hat Forrester Research H2O in seinem Report „Automation-Focused Machine Learning Solutions“ vom Mai 2019 neben DataRobot in das Spitzenfeld der „Leader“ eingestuft. Zur Begründung heben die Analysten die besondere Rolle der Automatisierung in Driverless AI hervor. Die Plattform biete dabei eine breite Palette an Konfigurationsmöglichkeiten, sodass die IT-Abteilung die Kontrolle über die Automatisierung behalte.
Allerdings, so Forrester, müssten die Fähigkeiten der eingesetzten Modelle noch verbessert werden, insbesondere bei den Tests. Da viele Unternehmen aber Schwierigkeiten hätten, teure Data Scientists zu verpflichten, biete die H2O-Lösung mit ihrem Automatisierungspotenzial einen Ausweg, weil sie vorhandene IT-Teams produktiver mache.
3. Teil: „H2O in der Praxis“
H2O in der Praxis
Cloud-Plattformen an. H2O ist mit seinen Produkten auf dem IBM Marketplace, dem AWS Marketplace, auf Microsoft Azure und der Google Cloud Platform vertreten.
Wer H2O Driverless AI kennenlernen will, kann das zum Beispiel über ein „Free Trial“-Angebot auf der Website machen. Für ernsthaftere Vorhaben bieten sich dann die großen Tutorials und weitere Einführungen in H2O Driverless AI finden sich auch auf dem Open-Source-Portal Github unter https://h2oai.github.io/tutorials.
H2O selbst richtet mittlerweile internationale Konferenzen aus, um mit Informationen und Anwendungsbeispielen für seine Technologie zu werben - für ein junges Start-up ein eher ungewöhnliches Vorgehen. Auf der „H2O World 2018“ in New York konnten die Besucher zum Beispiel einen Vortrag von Gary Rapsey hören, dem Global Assurance Innovation Leader von PricewaterhouseCoopers. Er sprach unter der Überschrift „Truth in Numbers“ über den Einsatz von Driverless AI in seinem Beratungskonzern. Angesichts Millionen von Kunden allein in den USA hätten die herkömmlichen Methoden zur Datenanalyse nicht mehr ausgereicht. Buchhaltungs-Software, Excel oder ähnliche Tools seien nicht mehr in der Lage, die finanzielle Situation von Unternehmen angemessen zu erfassen und zu analysieren, so der PwC-Manager in seiner Keynote.
Fazit & Ausblick
H2O beschwört mit seinem Slogan „Every Company Can Be An AI Company“, wie leicht es dank seiner Plattform sei, Machine Learning und Künstliche Intelligenz zu verstehen und anzuwenden. Mit etwas Spezialwissen, das man sich mehr oder weniger leicht aneignen könne (und viel Hilfestellung durch Applikations- und Service-Verkäufer) könne praktisch jedes Unternehmen seine eigenen KI-Anwendungen bauen.
In den Worten des H2O-CEOs Sri Ambati klingt das, etwas dick aufgetragen, so: „Wir machen aus den Anwendern die wahren KI-Supermächte. Wir wollen die Unternehmen in die Lage versetzen, ihre Daten zu Geld zu machen. Wenn sie ihre eigene KI aufbauen, dann können sie es mit Giganten wie Amazon, Google oder Microsoft aufnehmen, die es bloß auf ihre Daten abgesehen haben.“ Mit diesen Versprechungen ist Ambati nicht allein. Bei den Konkurrenten von H2O klingt das alles ganz ähnlich.
Ganz so einfach ist es am Ende des Tages dann aber wohl doch nicht. Die Website von H2O jedenfalls ist voll mit Tutorials und anderen Hilfsquellen. So finden sich unter www.h2o.ai/academic eine Reihe von Forschungsberichten, die den Umgang mit Machine Learning und Künstlicher Intelligenz erleichtern sollen, und unter www.h2o.ai/resources gibt es Anwenderberichte und Einführungen zum Einsatz von KI in den unterschiedlichsten Branchen wie Finanzwirtschaft, Versicherungen, Healthcare, Retail und Manufacturing. Für den Produktionssektor etwa werden als potenzielle Einsatzzwecke Predictive Maintenance, Supply-Chain-Optimierung, Produktionsplanung und Transportoptimierung aufgelistet.
H2O bietet viele Lernprogramme und Support-Dienstleistungen für Unternehmen an, die Artificial-Intelligence-Anwendungen innerhalb der eigenen IT-Infrastruktur aufbauen wollen. Wer allerdings dieses Risiko vorerst noch scheut und mit seinen Geschäftsanwendungen doch lieber auf der sicheren Seite bleiben will, sollte es vielleicht erst einmal bei der einen oder anderen Cloud-Plattform mit Artificial Intelligence as a Service versuchen. Ein durchaus vielversprechendes Produkt dafür steht mit H2O Driverless AI jedenfalls zur Verfügung.
Butler
Roboter mit gesundem Menschenverstand
Künstliche Intelligenz kann künftig Haushaltsrobotern bei Aufgaben im Haushalt helfen und dabei, unvermeidliche Fehler selbstständig auszubügeln.
>>
Connectivity-as-a-Service
ADN und DE-CIX schließen Partnerschaft
ADN hat einen neuen Kooperationsvertrag mit DE-CIX unterzeichnet. Der Anbieter stellt die physische Infrastruktur und Connectivity-Services bereit, mit denen Partner den Datenverkehr von Unternehmenskunden sicher routen können.
>>
Couchbase
Datenbank-Skills für KI-Apps
Daten sind gleichzeitig Motor und Treibstoff bei der Entwicklung und dem Betrieb von KI-Anwendungen. Entsprechend zentral ist die Rolle der Datenbank. Datenbank-Anbieter Couchbase erklärt, welche Skills eine KI-taugliche Datenbank mitbringen muss.
>>
Infragistics
Angular Apps - Daten binden und anzeigen
Infragistics Professional 23.2 enthält ein leistungsstarkes Angular-Datenraster, mit dem Ihre Anwendung Datensätze jeder Größe verarbeiten kann.
>>