2022 wird das Jahr sein, in dem Unternehmen den Weg in eine Welt nach der Pandemie suchen – und dieser Weg führt über die Digitalisierung. Künstliche Intelligenz (KI) wird dabei eine tragende Rolle spielen. Dass Unternehmen mittels KI Geschäftsprozesse optimieren, Kundenbeziehungen verbessern und ihre Schlagkraft steigern können, ist bekannt: Bei einer Umfrage von S&P Market Intelligence und 451 Research gaben 86 Prozent der befragten Unternehmen an, ihre Investionen in KI und ML (Machine Learning) zu forcieren – und fast alle (95 Prozent) erachten KI/ML als wichtig für ihre digitale Transformation. Doch für rund die Hälfte der Unternehmen ist KI noch Neuland. Neue Bundles von HPE helfen, das Potenzial von KI und ML schnellstmöglich freizusetzen.
Die enorme Macht der Datenauswertung zeigt sich in folgenden Zahlen: McKinsey berichtet, dass einige Modeunternehmen in den USA ihre Umsätze durch Datenanalysen und personalisierten E-Commerce um 30 bis 50 Prozent steigern konnten – und dies während der Pandemie, die den stationären Modegeschäften sehr zusetzte. So ist der Umsatz im deutschen Einzelhandel 2021 zwar laut aktuellen Zahlen des Statistischen Bundesamts wohl um 3,1 Prozent gestiegen, doch beim Handel mit Bekleidung und Schuhen lag er 6,2 Prozent unter dem Vorkrisenniveau. Datenanalysen weisen hier also den Weg zum Geschäftserfolg.
Die Wertschöpfungskette optimieren – von A bis Z
Künstliche Intelligenz und maschinelles Lernen ermöglichen im Handel Verbesserungen entlang der gesamten Wertschöpfungskette, wie das BMWi in einem Leitfaden aufzeigt. Zum Beispiel heben unternehmensweite ML-basierte Datenanalysen das Prinzip Business Intelligence und Data Warehouse auf ein neues Niveau: Sie erleichtern Sortimentgestaltung und Preisfindung ebenso wie Bestandsmanagement und Personaleinsatzplanung. Die ML-gestützte Auswertung sensorbasierter Bewegungsdaten optimiert Transport und Logistik, während Robotik die Lagerhaltung automatisiert und Fehlerquellen aufzeigt. In der Einzelhandelsfiliale helfen ML-Auswertungen bei der Inventur, während KI-Abläufe Self-Checkouts und intelligentes Audiomarketing ermöglichen. Beim Online-Einkauf wiederum optimiert KI die Kundenerfahrung durch Chatbots, personalisiertes Marketing und eine virtuelle Anprobe von Kleidungsstücken. Ein Handelsunternehmen kann mit KI und ML also nicht nur seine Umsätze steigern, sondern verbessert zugleich seine Reaktionsfähigkeit auf veränderliche Bedingungen sowie die Kundenbindung – das Unternehmen hat also die Gewissheit, dass alle verfügbaren Daten optimal für das Business arbeiten.
Über alle Branchen hinweg gibt es vielfältige Möglichkeiten, Geschäftsprozesse mit KI und ML zu optimieren – hier nur einige ausgewählte Beispiele
Ähnlich vielfältige Ansatzpunkte lassen sich ohne lange Suche auch in allen anderen Branchen finden. Ein paar Beispiele: In der Medizin ermöglicht KI die Identifikation und Visualisierung von Krankheiten ebenso wie die Genomsequenzierung. In der Industrie nutzt man KI und ML für die vorausschauende Wartung, die Qualitätskontrolle und die automatisierte Produktion. Im Finanzsektor kommt KI/ML schon längst zur Betrugserkennung zum Einsatz, zunehmend auch zur Risikoanalyse und als „Robo-Advisor“ (KI-Bot als Bankberater). Die öffentliche Hand profitiert von KI-gesteuertem Energie- und Verkehrsflussmanagement in der Smart City ebenso wie von ML-Analysen in der Gesundheitsvorsorge und im Katastrophenmanagement. So verwundert es nicht, dass der Markt für KI-Software laut IDC in den nächsten Jahren eine durchschnittliche Wachstumsrate von 63 Prozent aufweisen soll.
Die Erwartungen an KI und ML sind hoch. Doch auf dem Weg zum KI/ML-getriebenen Geschäftserfolg stehen viele Unternehmen vor 2 Hürden: Erstens ist die Datenreife in der Unternehmenswelt sehr heterogen – noch längst nicht alle Organisationen sind mit ihrer Datenarchitektur und ihrem Datenmanagement so weit, dass sie umfassende interne oder gar Supply-Chain-übergreifende Datenanalysen durchführen könnten. Zweitens haben viele Unternehmen bislang nur eine sehr vage Vorstellung davon, wie ihre Reise in die KI-Welt aussehen könnte: Mit welchem Anwendungsfall sollte man starten? Welche Hardware und Software eignet sich dafür am besten? Wie kommen die Beschäftigten an Know-how und Qualifikationen? Wie lässt sich ein Projekt reibungslos vom Test- in den Produktionsbetrieb übernehmen und skalieren? Und vor allem: Wie bleiben die Kosten dafür im Rahmen? Schließlich galt KI lange als eine Technologie, die allein schon aus Kostengründen universitären Forschungseinrichtungen und Konzernen vorbehalten war.
Datenreife per Selbsttest eruieren
Zur Ermittlung der Datenreife hat HPE ein Reifegradmodell für die Datenwertschöpfung und darauf aufbauend einen Self-Service-Test entwickelt, den man jederzeit online durchführen kann. Abhängig vom Ergebnis liefert eine Roadmap Empfehlungen für das weitere Vorgehen, um die hauseigene Datenarchitektur und Datenhaltung für die Anforderungen des KI/ML-Zeitalters zu rüsten.
Nach HPE-Erkenntnissen stehen rund 50 Prozent der Unternehmen noch ganz am Anfang dieser KI-Reise, sie sind sich somit weder über die Anwendungsfall noch über die Vorgehensweise im Klaren. Rund 30 Prozent der Organisationen haben schon KI/ML-Projekte angestoßen, befinden sich also in der Experimentier- oder „Proof of Concept (PoC)“-Phase, in der die KI ihren Nutzen beweisen muss. Ungefähr 19 Prozent haben bereits KI/ML für einen oder sogar schon für mehrere Anwendungsfälle im Einsatz; sie stehen damit vor der Aufgabe, den KI-Einsatz unternehmensweit zu skalieren und die Auswirkungen der KI-Nutzung für den Geschäftserfolg zu messen. Lediglich ein Prozent der Unternehmen befindet sich laut HPE-Erkenntnissen bereits auf dem Niveau eines fortschrittlichen KI-Einsatzes mit gemischen KI- und HPC-Workloads (High-Performance Computing) sowie unternehmensübergreifend abgestimmter Datennutzung und KI-Entwicklung.
Für jene Hälfte der Unternehmen, die in puncto KI noch ganz am Anfang steht, bietet HPE einen sogenannten AI Transformation Workshop an. Im Rahmen dieses Workshops helfen erfahrene KI-Berater von HPEs Beratungsorganisation Pointnext, zusammen mit den Stakeholdern im Unternehmen geeignete Anwendungsfälle für den KI/ML-Einsatz zu identifizieren. Anschließend unterstützen sie dabei, die dazu benötigten Datenanalyse- und KI-Anforderungen zu definieren und eine individuelle KI-Roadmap inklusive der Auswahl passender Hardware und Software zu entwickeln. Zugleich hilft der Workshop, die finanziellen Risiken von KI-Experimenten zu minimieren.
Accelerate AI Bundles
Um innovationsorientierten Unternehmen – bis (tief) in den Mittelstand – Anleitung und Unterstützung auf ihrer Reise in die KI/ML-Zukunft zu geben, hat HPE sogenannte „Accelerate AI Bundles“ geschnürt (AI: Artificial Intelligence, also KI). Diese Angebote sind darauf ausgelegt, den möglichst zügigen, zielführenden Start in die KI/ML-Welt zu ermöglichen – vom ersten Experimentieren bis hin zum hochskalierenden Produktiveinsatz.
Die Accelerate AI Bundles gibt es in verschiedenen Varianten, die sich jeweils an den konkreten Anforderungen eines Stadiums der KI-Reise orientieren. Dadurch muss ein Unternehmen nun nicht mehr wie bisher, sämtliche erforderlichen Hardware- und Softwarekomponenten selbst auswählen, konfigurieren und integrieren. Zusätzlich sind zur Fortbildung der Beschäftigten mehrere Trainingseinheiten inbegriffen. Dies kann die Zeit, bis KI/ML-Projekte Gewinn bringen, erheblich verkürzen. Zu diesem Zweck vereinen die Bundles einen Mix aus praxiserprobter, hochperformanter Hardware und innovativer Software mit Consulting-, Integrations- und Schulungsservices. Sie bieten eine einfache, aber nach Bedarf anpassbare Konfiguration der erforderlichen Bausteine. Durch diese Staffelung, vor allem aber durch die Option des Bezugs im Greenlake-Abonnement – also „as a Service“ – ebnen sie den Weg zur KI-Nutzung bei minimalen Investitionskosten.
Drei „Accelerate AI Bundles“ erleichtern den Einstieg in die KI/ML-gestützte Geschäftsoptimierung.
Für die Einstiegsphase stehen drei Bundles zur Verfügung: ein AI Starter Kit, AI Inference Kit und AI Training Kit. Diese drei Bundles richten sich an einzelne Projektteams und unterscheiden sich durch die Leistungsstärke der Hardware, vorrangig durch die Bestückung mit CPUs und den für das ML-Training so wichtigen Grafikprozessoren (GPUs). Die GPUs stammen von Nvidia, dem Marktführer in diesem Segment. Den drei Bundles ist gemeinsam, dass ein Anwenderunternehmen neben fünf Tagen Consulting- und Integrationsleistung auch kostenlos sechs beliebige Onlinekurse des Nvidia DLI Deep Learning Institute (DLI) erhält. Bei Bedarf lässt sich ein AI Transformation Workshop hinzubuchen, ebenso ein Jahr NGC-Support (Nvidia GPU Cloud, bei Nvidia gehostete Hardware-Beschleunigung).
Die drei „Accelerate AI Bundles“ für die PoV-Phase und die einsatzspezifische Skalierung von KI/ML-Projekten.
Für den „Proof of Value“ (PoV) und die Skalierung über den ersten Testeinsatz hinaus – auch für mehrere Projekte oder Teams parallel – sind die drei umfangreicheren Accelerate AI Bundles konzipiert. Auch sie enthalten die genannten Consulting-, Integrations- und Schulungsservices, und sind ebenfalls in drei Varianten erhältlich: das „Data Fabric Kit“, das „Enterprise Runtime Kit“ und das „ML Ops Kit“. Wie die Namen andeuten, umfassen die drei Bundles jeweils auf den speziellen Einsatzfall abgestimmte Software: Das Data Fabric Kit dient der Etablierung einer auf den KI/ML-Einsatz ausgelegten Dateninfrastruktur; das Enterprise Runtime Kit bietet eine Umgebung für den flexiblen und skalierbaren Betrieb von KI/ML-Applikationen in sogenannten Softwarecontainern; und das ML Ops Kit optimiert den IT-Betrieb durch Machine-Learning-gestützte Datenanalysen (im Englischen „ML Ops“ genannt).
Die sechs Accelerate AI Bundles bieten damit eine sorgsam abgestimmte Grundlage, um sämtliche oben genannten KI/ML-Anwendungsfälle – vom Einzelhandel bis zur Verwaltung einer Smart City – deutlich schneller, einfacher und kostengünstiger in die Tat umzusetzen, als dies bislang möglich war.
Die HPE Accelerate AI Bundles beschleunigen den Erkenntnisgewinn, sorgen für hohe GPU-Leistung, ermöglichen flexible Skalierung und bieten die beruhigende Gewissheit, für KI/ML-Projekte mit minimalem finanziellem Risiko marktführende Technologie nutzen zu können.
Daten treiben künftig die Wirtschaft an
Der Geschäftserfolg eines Unternehmens wird künftig von seinen Datenanalyse-Fähigkeiten abhängen – und damit vom möglichst effizienten Einsatz von KI und ML. Unternehmen haben sich deshalb über alle Branchen hinweg auf den Weg gemacht, die Power von KI und ML für die digitale Transformation ihres Geschäfts zu nutzen: 63 Prozent der Unternehmen investieren derzeit laut Forrester-Erkenntnissen in den Auf- oder Ausbau ihrer KI-Infrastruktur. Für die Unternehmen geht es deshalb heute darum, möglichst schnell den Sprung in die KI/ML-Welt zu schaffen, um nicht den Anschluss an die Digitalisierungsvorreiter zu verlieren. Die AI Bundles von HPE bieten für jedes Stadium, an dem sich ein Unternehmen auf seiner KI-Reise befinden könnte, wie auch für jeden geplanten Anwendungsfall die passende Kombination von Hardware, Software, Consulting-, Integrations- und Schulungsservices – und dies dank des Greenlake-Modells auf Abruf, also ohne die bislang erforderlichen hohen Anfangsinvestitionen. Damit bringen sie ihre KI-Projekte auf die Überholspur – mit der beruhigenden Gewissheit, nicht einfach vorzupreschen, sondern mit „State of the Art“-Technologie und gemäß bewährter Best Practices vorzugehen.
Um die dringend erforderliche Verbreitung von KI und ML zu beschleunigen, rollt HPE nun sogar den roten Teppich aus: Im Rahmen einer „Accelerate AI Bundles“-Kampagne vom 15. Januar bis Ende Oktober gibt es bis zu 55 Prozent Rabatt gegenüber den Listenpreisen. 2022 kann damit für zahlreiche Unternehmen das Jahr werden, in dem sie auf ihrer Reise in die digitale Zukunft ebenso bequem wie budgetschonend den entscheidenden Schritt vorankommen.
Das Wichtigste zur erfolgreichen Umsetzung von KI-Projekten fasst dieses Video kurz zusammen. Gerne können Sie zu diesem Thema auch direkt per E-Mail Kontakt zu HPE aufnehmen.
Doch nichts geht über Spaß an Innovation und direkten Expertenkontakt. Für alle, die eine kleine Challenge während der Kaffeepause suchen, bietet das Online-Spiel Jump for AI die ideale Gelegenheit. Branchenspezifische Webinare zeigen, wie Sie Ihre digitale Transformation im Gesundheitswesen, im Finanzsektor oder in der Produktion umsetzen können. Melden Sie sich für Ihren Wahltermin an und gehen Sie mit HPE auf KI-Reise.
Dima_Tsaripa
Dima Tsaripa ist Category Manager HPC, Big Data & Artificial Intelligence bei Hewlett Packard Enterprise.
