Erfolgreich im Datenzeitalter - mit neuen Maßstäben bei Leistung, Flexibilität und Skalierbarkeit

Künstliche Intelligenz, Advanced Analytics, Cloud Computing und neue Storage-Technologien helfen Unternehmen bei der Problemlösung, Entscheidungsfindung und Skalierung. Erfahren Sie hier, wie Sie mit moderner, effizienter IT-Infrastruktur im Zeitalter der Daten erfolgreich sein können.

Künstliche Intelligenz

Deep-Learning wird Business-ready

17.03.2020
Künstliche Intelligenz, inklusive Machine Learning und Deep Learning erobert die Businesswelt, denn mit neuer Hard- und Software-Technologie ergeben sich völlig neue Möglichkeiten und Performance-Daten.
Für den Einstieg in eine erfolgreiche KI-Lösung ist es ratsam frühzeitig auf erfahrene Experten zuzugehen.
Für den Einstieg in eine erfolgreiche KI-Lösung ist es ratsam frühzeitig auf erfahrene Experten zuzugehen.
Foto: Zapp2Photo - shutterstock.com

Laut Gartner hat sich die Adaption von Künstlicher Intelligenz (KI) in den Unternehmen im vorigen Jahr verdreifacht. Das Beratungshaus PwC geht sogar davon aus, dass das deutsche Bruttoinlandsprodukt (BIP) durch KI bis zum Jahr 2030 um 11,3 Prozent steigen wird. Das entspricht einer Wertschöpfung von rund 430 Milliarden Euro.

Bislang aber erfolgt die Einführung von KI in der Business-Welt noch schleppend, was mehrere Gründe hat. Zum einen gibt es eine Begriffsverwirrung, die der Sache wenig hilfreich ist. So werden häufig Lösungen als KI-Anwendung gepriesen, obwohl sie nicht mehr sind als normale mathematische Verfahren. Insbesondere wird die lineare Regression fälschlicherweise immer wieder der KI zugerechnet. Doch es gab in der Vergangenheit auch viele technische Hindernisse, die einer weiten Verbreitung von KI im Wege standen. Um das zu verstehen, muss man ein wenig in die KI-Methoden einsteigen.

Zunächst einmal: KI ist nicht besonders neu. Unter den Begriffen Rules-Engines, Expert-Systems, Knowledge-Graphs, Symbolic-Programming und vielen weiteren tauchte KI schon vor Jahren in Management-Informations-Systemen und Suchprogrammen auf. Das alles fasst man heute unter GOFAI zusammen (Good Old-Fashioned AI), denn in den vergangenen Jahren hat KI eine neue Dimension erreicht.

Immense Leistungssteigerungen der Hardware sowie neue Softwaretools haben zur Entwicklung von selbstlernenden Programmen geführt. Stichworte: Machine-Learning (ML) und Deep-Learning (DL). Das sind Programme, die sich selbst entsprechend den Anforderungen modifizieren. Beim normalen ML erfolgt das Lernen hauptsächlich durch von Menschen korrigiertes Training der Software, wogegen beim DL künstliche neuronale Netze die Software selbstständig anpassen. Bislang typische Anwendungen sind Bilderkennung, natürliche Sprachverarbeitung oder komplexe Spiele, wie Schach und Go.

Neue Lernmethodik führt KI zur Business-Reife

Neuerdings erobert DL aber auch die Business-Welt. Experten prognostizieren, dass spätestens im nächsten Jahr DL den Sprung in viele Business-Anwendungen schaffen wird. Begründet wird dies damit, dass die dafür erforderliche Hard- und Software in puncto Geschwindigkeit und Genauigkeit wesentliche Fortschritte gemacht haben. Hinzu kommt die neue Lernmethodik Deep-Learning-Inferenz.

Hierbei werden Erkenntnisse aus zuvor unbekannten Daten abgeleitet. Intel meint, dass sich das Verhältnis zwischen Inferenz- und Trainingszyklen von einstmals 1:1 bis 2020 auf deutlich über 5:1 verschieben wird. Inferenz ist aber derzeit für fast 80 Prozent der Arbeitsleistung von KI verantwortlich. Daraus folgt, dass der Weg zu einer effizienten KI-Leistung mit der richtigen Hardware-Architektur beginnt.

Use Case: Wie Novartis die erforderliche Rechenleistung bereitgestellt hat um komplette Mikroskopie-Bilder mithilfe neuronaler Netze und KI zu analysieren.
Use Case: Wie Novartis die erforderliche Rechenleistung bereitgestellt hat um komplette Mikroskopie-Bilder mithilfe neuronaler Netze und KI zu analysieren.
Foto: Intel

KI wird also immer komplexer. Folglich können singuläre Lösung niemals alle spezifischen Bedingungen einer gegebenen KI-Umgebung abdecken. Das betrifft vor allem die Verfügbarkeit, die Benutzerfreundlichkeit und die Betriebskosten. Aus diesem Grund setzt Intel beispielsweise auf eine breite Palette an leistungsstarken Hardware- und Speicher-Lösungen. So laufen weltweit bereits viele Inferenz-Workloads in Rechenzentren auf skalierbaren Xeon-Prozessoren, die speziell für High-Performance-KI entwickelt wurden. Hinzu kommt Intels Deep Learning Boost, das bereits eingebettete Befehlssätze (Vector Neural Network Instructions, VNNI) enthält. Das beschleunigt komplexe Berechnungen, wie sie für Convolutional Neural Networks (CNN) und andere Deep Neural Networks (DNN) typisch sind. Damit lässt sich dann ein 30-mal höherer Inferenzdurchsatz erreichen.

Weitere spannende Uses Cases im Überblick:

Erst eine fundierte Planung führt zum KI-Erfolg

Doch eine hohe und flexible Prozessor-Leistung ist nur ein Teil einer leistungsstarken KI-Implementation. Noch wichtiger ist ein optimal aufeinander abgestimmtes Proof of Concept (PoC). Sonst kann es leicht passieren, dass in einem Bereich eine (teure) Überdimensionierung erfolgt, während an anderer Stelle unbeabsichtigt gravierende Flaschenhälse entstehen. Hierzu gibt es zwar viele Tools und Plattformen, doch der Vergleich dieser Angebote ist für KI-Laien schwierig - wenn nicht gänzlich unmöglich.

Für den Einstieg in eine erfolgreiche KI-Lösung ist deshalb die frühe Einschaltung von KI-erfahrenen Experten unbedingt ratsam. Diese kennen aus ihrer Praxis die meisten technischen und anwendungsspezifischen Probleme. Intel bietet hierzu beispielsweise Schulungen, Beratung und weitere Unterstützung an. Sozusagen als Lotse durch ein noch unbekanntes KI-Gewässer. Dabei richten sich diese KI-Dienstleistungen nicht nur an die IT-Abteilungen, sondern es gibt auch spezielle Fortbildungsmöglichkeiten für Channel-Partner und ISVs. Ergänzt wird dies alles um Events und Ressourcen-Bibliotheken, die eine fortlaufende Weiterbildung für jeden Bedarf und jede Ebene ermöglichen.

Das könnte Sie auch interessieren:

Weiterführende Informationen zum Thema KI