HPE Blog, Austria, Germany & Switzerland
abbrechen
Suchergebnisse werden angezeigt für 
Stattdessen suchen nach 
Meintest du: 

Lösungspakete ebnen den Weg zur künstlichen Intelligenz: KI für den Mittelstand

KI-Lösungen.jpgAutonomes Fahren, digitale Zwillinge, robotergestützte Prozessautomation, vorausschauende Wartung, sprachgesteuerte Assistenten: An Einsatzbereichen für künstliche Intelligenz (KI) herrscht kein Mangel. Auf den KMU-Markt abgestimmte Lösungspakete erleichtern kleineren und mittelständischen Unternehmen nun erstmals den Einstieg in diese Zukunftstechnologie.

KI birgt enormes Potenzial für das Wirtschaftsleben, das dürfte inzwischen allen Entscheidern klar sein. So prognostiziert etwa das Beratungshaus PricewaterhouseCoopers, dass KI im Jahr 2030 stolze 15,7 Billionen Dollar zur Weltwirtschaft beitragen wird. Doch vielen Unternehmen, die bislang mit KI noch keine Erfahrung gesammelt haben, erscheint die Technologie als unerreichbare Zauberkraft. Sie fragen sich: Wie hole ich den Geist aus der Flasche, und welche Wünsche wird er mir erfüllen können?

Zunächst sollte man kurz die Begriffe klären: Unter „KI“ fasst man mathematische Verfahren zusammen, die dazu dienen, menschliche Entscheidungsfindung und damit letztlich auch menschliches Handeln nachzuahmen – und zu übertreffen. Dabei geht es allerdings bislang nur in Forschungslaboren darum, eine allgemeine KI zu entwickeln, die das menschliche Gehirn komplett nachbilden soll – davon ist man noch weit entfernt.

Viel praxisnäher sind Spielarten aufgabenspezifischer (sogenannter „schwacher“) KI: Sie sind in zahlreichen Branchen teils schon seit Jahren im Einsatz, um Aufgaben zu bewältigen, die der Mensch nur sehr schwer, mit großem Zeitaufwand oder aber gar nicht lösen könnte. Häufig kommt hier die KI-Disziplin des maschinellen Lernens (ML) zum Einsatz: Algorithmen, die es einem Computersystem erlauben, Zusammenhänge in umfangreichen Datensätzen zu erkennen, ohne explizit dafür programmiert worden zu sein. In komplizierteren Fällen greift man zur ML-Variante Deep Learning (DL). Hier erlauben es mehrschichtige (oder „tiefe“) künstliche neuronale Netze, selbst komplexe Strukturen automatisiert zu analysieren. Ein Einsatzbeispiel wäre die Handschriftenerkennung.

Vom autonomen Fahrzeug zur Risikoanalyse: KI ist schon Alltag

KI im Einsatz.jpg

Künstliche Intelligenz ist im Alltag längst etabliert. Denn inzwischen haben sich die enormen Datenberge gebildet, die KI als Grundlage für Auswertungen braucht. Ebenso bietet der Markt heute passende Hardware und Software, um diese Datenmassen zu bewältigen. Und so arbeitet heute die Objekterkennung und automatische Reaktion bei Fahrassistenzsystemen oder autonomen Fahrzeugen ebenso mit KI wie die Risikoanalyse im Banken- und Versicherungswesen. 

Derlei Anwendungsfälle scheinen auf den ersten Blick nur für Forschungseinrichtungen, die großen Cloud-Provider und Konzerne geeignet. Es dürfte jedoch kaum einen Mittelständler geben, der nicht nach kurzem Überlegen Möglichkeiten entdeckt, seine Geschäftsprozesse, Kundenansprache oder Aspekte wie Sicherheits- und Risikomanagement per KI zu optimieren: von Chatbots für die Kunden-Hotline bis zu vorausschauender Wartung mit automatisiert erzeugten Handlungsempfehlungen („präskriptive Wartung“) in der Industrie.

Einige große Organisationen setzen zum Beispiel auf KI, um in schier grenzenlosen Bilddatenbanken Fotos bestimmter Personen aufzuspüren. Eine KI-gestützte Bilddatenanalyse könnte aber auch ein Textilhersteller nutzen, um Textilien automatisiert auf Verarbeitungsmängel zu überprüfen und die Fehlerquelle zu identizieren. Manche Unternehmen verwenden KI-basiertes Speech-to-Text (Sprache zu Text) für Echtzeit-Untertitel bei Videokonferenzen, während Cloud-Services wie DeepL Übersetzungen mittels KI extrem beschleunigen. Diese Technologien wären etwa für eine Filmproduktionsfirma interessant: Sie könnte neue Märkte erschließen, indem sie ihre Produkte – etwa Schulungsvideos – automatisiert mit Untertiteln in mehreren Sprachen versieht. Im Einzelhandel wiederum könnte ML das Verhalten von Kunden in Ladenlokalen echtzeitnah auswerten, um unverzüglich Vermarktungsmöglichkeiten für bestimmte Käufergruppen zu identifizieren. Dann könnte der Händler diese Zielgruppe über Digital Signage vor Ort oder aber per Push-Nachricht auf Sonderaktionen hinweisen.

Wie man Daten per KI nutzbar macht

Zunächst gilt es, jene geschäftliche Problemstellung zu ermitteln, die von KI/ML-Unterstützung am deutlichsten profitiert. Hier kann es sinnvoll sein, externe Experten mit nachweislicher Erfahrung bei der Durchführung von KI-Projekten hinzuzuziehen. Sie unterstützen auch bei Fragen der Umsetzung: Welches KI-Framework nutze ich? Welche Hardware benötige ich, welche Software, welche zusätzlichen Fähigkeiten oder Fachkräfte?

Nun muss das Unternehmen die Datenbestände, die für KI-gestützte Analysen relevant sind (oder sein könnten), in einem sogenannten Data Lake („Datensee“) zusammenzuführen. Anhand dieses Data Lakes entwickeln Datenwissenschaftler dann ein Datenmodell, das sich für den jeweiligen Einsatzfall eignet. Geeignet ist ein Datenmodell, wenn es reproduzierbar nützliche Ergebnisse für das gewünschte Ziel ausgibt. Dies erreichen Datenwissenschaftler, indem sie mit Datenmodellen experimentieren und das gefundene Modell anschließend lernen lassen (also es „trainieren“). Ist ein nützliches Modell entwickelt, dient es als Basis für die Analyse der aktuellen Geschäftsdaten und kann daraus Handlungsempfehlungen ableiten. Parallel zur Nutzung des Datenmodells für das laufende Geschäft trainieren und verfeinern die Datenwissenschaftler das Modell weiter – oder ersetzen es durch ein neueres, noch wirksameres Modell.

Um dieses Ziel zu erreichen, gilt es, die Komplexität der KI/ML-Technologien zu bewältigen, Mitarbeiter mit den nötigen Fachkenntnissen zu finden oder – aufgrund akuten Fachkräftemangels wohl oft der bessere Weg – im Hause auszubilden. Nicht zuletzt sind auch die Kosten für Rechenleistung, Speicherkapazität, Analysesoftware und Beratung zu bedenken. Kein Wunder also, dass mittelständische Unternehmen sich einen KMU-gerechten Zugang zum Thema KI wünschen.

Hilfestellung für KI-Projekte im Mittelstand

Als Antwort auf diesen akuten Bedarf hat HPE spezielle Pakete aus Hardware, Software, Dienstleistung und Schulung für den Mittelstand geschnürt. Die HPE AI Bundles (AI: Artificial Intelligence, der englische Ausdruck für KI) sind in vier Ausbaustufen erhältlich und vereinen, was Mittelständler für den einfachen, kostengünstigen Einstieg in die KI-Welt benötigen.

Hilfestellung für KI-Projekte im Mittelstand.png

Als Hardwarebasis des AI Starter Kits dienen HPE Apollo 2000 Gen 10 Server mit Nvidia-GPUs (Grafikprozessoren). Die Apollo-Server haben sich in zahlreichen KI-Projekten bei Großunternehmen und in Universitäten bewährt. Nvidias GPUs wiederum sind der Stand der Technik auf Prozessorseite, da sich Grafikprozessoren aufgrund ihrer Parallelarchitektur für ML besser eignen als gewöhnliche CPUs.

Eine wichtige Ergänzung: Alle Bundles umfassen sechs Online-Kurse des Nvidia Deep Learning Institute. Kurse zu Deep Learning, High-Performance-Computing, Datenwissenschaften sowie für das IT-Betriebsteam vermitteln das Know-how, um bestmöglichen Nutzen aus dem KI-Equipment zu ziehen. Der optionale „AI Transformation Workshop“, durchgeführt von KI-Experten der HPE-Beratungsorganisation Pointnext, ergänzt dies um Know-how und Best Practices aus zahlreichen KI-Projekten , um gerade das Potential des Flaschengeistes für das eigenen Unternehmen ausfindig zu machen. Hierfür lassen sich auch die Ressourcen der Nvidia GPU Cloud (NGC) nutzen, denn die Apollo-Server sind auf den NGC-Einsatz ausgelegt. GPC ist Nvidias Cloud-Plattform, die Vorgänge wie Deep Learning und Hochleistungs-Computing mittels GPUs beschleunigt.  

Die nächstgrößere Ausbaustufe, das AI Training Kit, basiert auf einem Apollo 6500 Gen 10 Server und eignet sich für den hochperformanten Betrieb mittelständischer KI-Umgebungen . Auch hier können ein AI Transformation Workshop und NGC den Wertbeitrag der Umgebung steigern.

Für umfangreichere Proofs of Concept und KI-Einsatzfälle wiederum sind die Angebote ML Ops POC und ML Ops Sandbox konzipiert. Beide nutzen HPE ML Ops, ein KI-Komplettsystem auf der Basis der HPE Container Platform. Diese ermöglicht es dank Betrieb von Anwendungen in Software-Containern,welche multitenancy unterstützen, die Applikationslandschaft schnell und flexibel zu verändern, nützlich beispielsweise für mehrere parallel laufende KI/ML-Projekte.  Die beiden letztgenannten Bundles sind mandantenfähig. Dadurch können Organisationen mehrere KI-Projekte verschiedener Teams auf gemeinsam genutzter Compute-, Storage- und Netzwerkinfrastruktur parallel durchführen.

Ein wesentlicher Vorteil: HPEs MapR- und BlueData-Technologie erlaubt es den Datenwissenschaftlern, auf verteilte Datenbestände zuzugreifen. Das Unternehmen muss also seine Datenbestände nicht – wie etwa bei der Nutzung rein Cloud-basierter ML-Services – in einer Public Cloud  zu einem Data Lake zusammenführen. Vielmehr stehen die Daten direkt in ihren ursprünglichen Datenspeichern zur Verfügung: im Rechenzentrum, in der Cloud oder am Edge – vorteilhaft aus Datenschutz- wie auch aus Performance-Gründen, etwa wenn es um niedrige Latenz geht.

Ebenfalls ein Kernkriterium für manche Einsatzfälle:  betreibt jede Umgebung in einer isolierten Sandbox und ist mandantenfähig. So können erstens verschiedene Abteilungen eines Unternehmens gleichzeitig mit ihren eigenen Datenbeständen operieren, ohne Zugriff auf die restlichen Unternehmensdaten zu erhalten. Zweitens lassen sich damit auch firmenübergreifende KI-Projekte aufsetzen. So könnte zum Beispiel ein Systemhersteller den Lieferanten von Systemkomponenten Zugriff auf die Sensordaten ihres jeweiligen Bauteils gestatten. Dadurch kann jeder Zulieferer Performance-Analysen seiner Komponente durchführen, ohne die Datenhoheit des Systemherstellers oder des Anwenderunternehmens zu gefährden – relevant für das effiziente Zusammenspiel von Partnern und nicht zuletzt im Hinblick auf die DSGVO.

Vom Pilotprojekt zum KI-gestützten Business

Die vier HPE AI Bundles erlauben es mittelständischen Unternehmen, mit einer Serverinstallation für ein kleines KI-Pilotprojekt zu beginnen und dieses auf der Basis erster Anfangserfolge nach Bedarf zu skalieren und auf weitere Einsatzfälle auszudehnen. Die Option eines Umstiegs auf ein größeres Hardwaresystem oder auf eine mandantenfähige HPE ML Ops-Umgebung mit Sandbox-Struktur bietet einen klaren Migrationspfad selbst für den Betrieb umfangreicher KI-Umgebungen. Die vier Bundles eröffnen dem Mittelstand damit einen praktikablen und vor allem bezahlbaren Weg ins Zeitalter KI-gestützter Geschäftsprozesse und Geschäftsmodelle. Das Schöne daran: Dieser Schritt erfordert weder Magie noch einen Flaschengeist – man nutzt einfach die Erfahrung der Experten und die Kraft der Mathematik.

HPE_discover_virtual_0415-2.pngAm 23. Juni startet die HPE Discover Virtual Experience, die eine Vielzahl von Live- und On-Demand-Sitzungen, Demos und Schulungen bietet, um Ihnen und Ihrem Unternehmen jetzt und in Zukunft zu helfen. Wenn Sie mehr über KI-Lösungen für den Mittelstand oder anderen Themen der Edge-to-Cloud-Welt erfahren möchten, dann registrieren Sie sich noch heute kostenlos.

Weitere Informationen zu den KI-Angeboten von HPE erhalten Sie hier. Beratung zu KI-Projekten können Sie hier anfordern.

Featured Blog Posts:


Capture.PNGDima Tsaripa ist Category Manager HPC, Big Data & Artificial Intelligence bei Hewlett Packard Enterprise.


Dima Tsaripa
Hewlett Packard Enterprise

twitter.com/HPE_DE
linkedin.com/in/dima-tsaripa-31b1b319/
hpe.com/de

0 Kudos
Über den Autor

Dima_Tsaripa

Veranstaltungen
Starting June 23
HPE Discover Virtual Experience
Joins us for HPE Discover Virtual Experience live and on-demand
Mehr lesen
Online Expert Days - 2020
Visit this forum and get the schedules for online Expert Days where you can talk to HPE product experts, R&D and support team members and get answers...
Mehr lesen
Alle anzeigen