AI產(chǎn)業(yè)化白皮書(shū) Die Industrialisierung von KI

Pr?sentiertvonInformaTech

DieIndustrialisierungvonKI

Vonder

Experimentierphase

zurImplementierung

imgro?enMa?stab

InZusammenarbeitmit:

Informationsklassifizierung:Allgemeines

DieIndustrialisierungvonKI–BusinessWhitepaper

01

?2020Omdia.AlleRechtevorbehalten.DienichtautorisierteVervielf?ltigungistuntersagt.

Inhalt

Einführung

2

ReifegraddesKI-Markts

7

OperationalisierungvonKI:vomExperimentierenzumImplementieren

11

HauptanforderungenandieIndustrialisierungvonKI

14

BeispielefürFallstudien

19

AusblickundEmpfehlungen

24

Anhang

25

DieIndustrialisierungvonKI–BusinessWhitepaper

02

?2020Omdia.AlleRechtevorbehalten.DienichtautorisierteVervielf?ltigungistuntersagt.

Einführung

Kurzfassung

KeinBranchentrend,nichtdasClient/Server-Computing,nichtpreiswerteHardwareundnichteinmaldieCloudbirgtdasPotenzial,Unternehmensogrundlegendzuver?ndernwiekünstlicheIntelligenz(KI).DurchdasVerschmelzen

vonjahrzehntealtenmathematischenPrinzipienmitwegweisendenAlgorithmenundunmittelbarverfügbarer

Hochleistungs-Hardwarepr?gtKIinUnternehmenallerBrancheneineganzneueHerangehensweisefürdasEntwickeln,VerwaltenundAuswertenvonProzessenaufUnternehmens-undAbteilungsebene.DaaufdemMarktzudemimmerschnellerindieEntwicklungvonLifecyleManagementToolsinvestiertwird,dieaufmaschinellemLernen(ML)

basieren,rechnenKI-PraktikerinUnternehmenjetztdamit,dasssichderübergangvonderexperimentellenNutzungvonKIundzurKI-NutzungimGesch?ftsbetriebschnellundzuvertretbarenKostenvollziehenwird.

ObbeiderSteigerungdesgesch?ftlichenNutzensinKerngesch?ftsbereichen(z.B.Vertriebsf?rderung)oderfür

AufgabenaufAbteilungsebene(z.B.AuswertungvonMarketingkampagnen)–derEinsatzvonKIimUnternehmenhateinensohohenReifegraderreicht,dassdasallgemeineNutzenpotenzialvonKIfürdieBudgetplanungund

Einkaufspolitikl?ngstnichtmehrstrittigist.DieDiskussionrundumKIistmittlerweilepragmatischerundkonzentriertsichdarauf,wieausfrühenermutigendenErfolgenbeiwenigerwichtigenProzessenfundamentaleVorteilebei

gesch?ftskritischenGesch?ftsprozessenwerdenk?nnen.IndiesemWhitepaperanalysiertOmdiadiesenübergang

under?rtertdieHindernisse,AntriebsfaktorenundBestPracticesaufdemWegvonderKI-ExperimentierphasezumprofessionellenEinsatzvonKIimGesch?ftsbetrieb,dereinewichtigegesch?ftlicheGrundlageundeinHauptfaktorist,umsichamMarktvonseinenWettbewerbernabzuheben.

KIfloriertinZeiteneinerweltweitenKriseDiebeispiellosenMarkterschütterungenundgesellschaftlichenTurbulenzen,diemitdemAusbruchder

COVID-19-PandemieimFrühjahr2020einsetzten,werdenallerVoraussichtnachaufabsehbareZeitnicht

abklingen.DasVirushatdieBeziehungenzwischenArbeitnehmernundIhrenArbeitgebernbereitsunwiderruflichver?ndert.EshatUnternehmenzueinemradikalenUmbauvonZug?ngenzumMarktundunterstützenden

Gesch?ftsprozessengezwungen.IT-Eink?uferinUnternehmenwarenzudemdazugezwungen,Einkaufspriorit?tenzuüberdenkenundlangfristigeZielezugunstenvonInvestitionenaufzugeben,dieeinenunmittelbarenNutzen

versprechen–seiesinFormvonUmsatz,KosteneinsparungenoderfunktionalerAusfallsicherheit.

UngeachtetderweltweitenCOVID-19-Kriseschreitetdieschnelleundimmergr??ereVerbreitungvonKIin

Unternehmendennochweitervoran.Woranliegtdas?Wiesichherausgestellthat,werdenmitKI-ErgebnisseninderRegeldreiallgemeineWünscheverbunden,diemitSorgenkorrelieren,dievondisruptivenEreignissengr??eren

Umfangshervorgerufenwerden.

?VerbessernderProzess-,Produkt-oderServiceeffizienz,h?ufigmitdemZielderAutomatisierungvonAufgaben,derenAusführungdurchMenschenpandemiebedingtgest?rtist

?ReduzierenderKostenfürdasAusführenvonAufgabenoderProzessen,wodurchsichdieM?glichkeitzurdirektenNeuverteilungvonFinanzmittelnergibt,umvorübergehendunterdrückteUmsatzstr?me

krisenfesterzumachen

?Generierenv?lligneuerWertsch?pfungschancen,indemUnternehmenunterstütztwerden,umbesseraufdieaktuellenMarktanforderungenabgestimmteGesch?ftsmodellezuerkennenundzuübernehmen

DieIndustrialisierungvonKI–BusinessWhitepaper

03

?2020Omdia.AlleRechtevorbehalten.DienichtautorisierteVervielf?ltigungistuntersagt.

AllgemeingesagtistfürdieErreichbarkeitdieserZieledieF?higkeitderKIentscheidend,neueundeffizientere

MethodenfürdieAusführungbestimmterAufgabenzuentdecken,neueMusteroderKorrelationeninDatenzuerkennenundeffizientereMittelzumVerbindenunterschiedlicherDatenpunktezufinden.Wennsiediesleistet,bietetKIdieeinzigartigeM?glichkeit,vonMenschengesteuerteodervorprogrammierteProzessedurchErstelleneinesAlgorithmuszuverbessern,derausfrüherenAktionenlernenkannundAnpassungendeutlichschnellerundfundierter(d.h.datenorientiert)vornehmenkannalsdiesdurcheinfacheProzessautomatisierungoderdurch

EntscheidungenvonMenschenm?glichist.

SolcheFunktionentreffendenKernvielerProblemevonUnternehmen,dieihrüberlebensichernm?chtenund

vielleichtsogarmittenineinemgro?endisruptivenEreigniswieeinerglobalenPandemiegesch?ftlicherfolgreich

sind.InzahlreichenBranchensindOmdiaverschiedeneAnwendungsf?lleaufgefallen,beidenenKIdenUnternehmenneueChancener?ffnet.EinBeispielsindB2B(Business-to-Business)-Vertriebsgesellschaften(Business-Services),diefürProduktempfehlungenKI-gestützteEngineseinsetzen,dieüblicherweisefürConsumer-Medienservicesverwendetwerden,unddieseimBusiness-Services-Sektorreplizieren,umdasE-Commerce-TransaktionsvolumenimB2B-Gesch?ftzuerh?hen.AufdiesemWegverwendenDistributorenundHerstellerProduktempfehlungenaufihreneigenen

Verkaufs-WebsitesoderaufPlattformenDritter,umneueUms?tzezugenerieren.

GanzoffenkundighatsichindieserPandemieerwiesen,dassKIvielenUnternehmenhelfenkann,ihrenGesch?ftsbetriebaufneueFü?ezustellen.AufdemLebensmittel-undGetr?nkemarktmüssenzumBeispielRestaurantsmitsofortigenSchlie?ungenzurechtkommenundh?chsteAnforderungenfürdieWiederer?ffnungerfüllen.VieleUnternehmen

reagierendaraufmitderPersonalisierungvonDrive-In-undKiosk-AngebotensowiemobilenAnwendungenfür

Speisekarten–allesamtKI-gestützt.DieseSystemeberücksichtigenFaktorenwieWetter,Uhrzeit,lokaleVeranstaltungen,Verkehrsaufkommen,historischeVerkaufsdatenundaktuellbeliebteArtikel,bevorsieEssensempfehlungenoderWartezeitenfürfreieTischeoderAbholungenausgeben.

InderLebensmittel-undGetr?nkeindustrieunddortvorallembeiUnternehmen,indenenMenschenarbeiten,hatderEinsatzvonKIzurVermeidungvonAusfallzeitendurchlokaleCOVID-19-Ausbrüchemittlerweilegr??teBedeutung.ZudiesemZwecktreibenvielefleischverarbeitendeUnternehmenundVerpackungsunternehmenwieTysonFoods,JBCundPilgrim'sPrideihreInvestitionenindierobotergesteuerteProzessautomatisierung.Diesschütztvorder

Schlie?ungvonAnlagenundst?rktdadurchLieferketten,diedurchdieglobalePandemiefragilgewordensind.

KundeninderLieferkettehoffenselbstdarauf,dasssiedurchdenEinsatzvonKIdieNachfragenachProdukten

undKomponentenerkennenundvorhersagensowiehistorischeDatenverwaltenundmitaktuellenundzukünftigenNachfragekennzahlenk?nnen,umoptimierteLieferpl?nezuerstellen.

Wichtigegesch?ftlicheFaktorenfürdieRechtfertigungvonKI-Investitionen

Wieweiterobenerw?hnt,sinddiewichtigstenKI-ErgebnisseKostensenkungen,Wertsch?pfungundeffizientere

Betriebsabl?ufe.Wiesp?terindiesemWhitepapernocherl?utertwird,beruhtjedeseinzelneKI-Gesch?ftsergebnis,zumBeispielUmsatzsteigerungendurchEnginesfürEmpfehlungenimB2B-Gesch?ft,aufderAnwendungvoneinerodermehrerenKI-Technologien.OmdiadefiniertviersolcherTechnologie-undL?sungskategorien.

?MaschinellesLernen(ML):Computergestütztepr?diktiveoderkategorischemathematischeAlgorithmen.

?DeepLearning(DL):EineUnterkategorievonML,diedemMenschen?hnlicheneuronaleNetzwerkenutzt.

?NaturalLanguageProcessing(NLP):eineAnwendungvonMLundDL,diemenschlicheSpracheverstehtunderzeugt.

?ComputerVision(CV):EineweitereML-undDL-NutzungmitdemSchwerpunktaufderIdentifizierungundKlassifizierungvonObjektbildern,dievonLive-KamerasaufgenommenwurdeoderauserfasstenDatenstammen.

DieIndustrialisierungvonKI–BusinessWhitepaper

04

VondiesenKategoriensindMLundDLdieHauptmotorenfürKI-VerbreitungundInnovation–auchinAnbetrachtderTatsache,dassdieanderenKI-TechnologienMLundDLnutzen,umdieerfasstenDatenzuverstehen.Das

HauptmerkmalvonMLundDListdieF?higkeit,MusterinDatenzuerkennen,separateDatenelementezuverbindenundfundiertereAnalysenschnellerbereitzustellenalsMenschenoderstatischeAnalyseprogrammediesverm?gen.

DieseProzessesindnichtnurabh?ngigvonAlgorithmenundModellen,sondernauchvonderVerfügbarkeit

spezialisierterHardwarevonHerstellern,dieinderLagesind,au?ergew?hnlichgro?eDatenmodelleinkurzer

ZeitzutrainierenundModellergebnisse(Vorhersagen)mitsowenigLatenzwiem?glichzuliefern.GlücklicherweisehabenderMarktführerNVIDIAsowieAMD,Intel,Microsoft,GoogleundandereUnternehmensehrvielin

dieseMarktchanceninvestiert,sodassheuteeineVielzahlvonlokalenundCloud-basiertenOptionenzur

Hardwarebeschleunigungverfügbarsind.DievorherrschendeBeschleunigungstechnologieistderGrafikprozessor(GraphicsProcessingUnit,GPU),derdurchNVIDIAindensp?ten1990erJahrenpopul?rwurdeundursprünglichdieVerarbeitungvonSpielegrafikenbeschleunigensollte.Durchihnk?nnenUnternehmenRoutineaufgaben

schnellerundpr?ziserausführenundsoProduktivit?tundEffizienzsteigern.Darüberhinauserm?glichenMLundDLdieEntwicklungvonSystemen,dieeineintuitivere,menschen?hnlicheVerarbeitungvonInformationenerm?glichenundMenscheneineinstinktivereInteraktionmitMaschinenundTechnologieerleichtern.

LetztlichprofitierenUnternehmenvonderF?higkeit,zeit-oderressourcenintensiveFunktionenzuerweiternoderdurchautomatisierteintelligenteTechnologiezuersetzen.Diesführtzuh?hererProduktivit?tundEffizienzundkannh?ufigdenWegzuneuenTechnologie-,Produkt-oderServiceangebotenebnen,diedasGesch?ftsergebnisvonUnternehmenunmittelbarverbessernk?nnen.KI-TechnologienleistendiesinzweierleiHinsicht.

?DirekterUmsatz:DieserUmsatzrepr?sentiertdieEinnahmenausdemVerkaufeinerKI-basiertenL?sung.DieVerhinderungeinerBedrohungderCybersicherheitistzumBeispieleinedirekteAnwendungvonKI,

beiderKIfüreineCybersicherheits-oderEmotionsanalyseeingesetztunddieEmotionsanalyseas-a-ServiceDrittenbereitgestelltwird.

?IndirekterUmsatz:DieserUmsatzrepr?sentiertnichtunbedingtdieausdemAnwendungsfallselbstresultierendenEinnahmen,sonderndaraus,dassKIimWesentlichenalseineEbeneodereinPluginaufgefasstwird,diebzw.daseinProduktodereinenServiceverbessert.Internetrecherchenoder

ProduktempfehlungenimE-CommercesindzumBeispielallgemeinbekannteAnwendungsf?lle,in

denenKIdazudient,bessereErgebnissezuliefern.DerUmsatzl?sstsichinbeidenF?llennichtdirektKIzuordnen,daessichumwerbebasiertenoderE-Commerce-Umsatzhandelt.

Omdiahatherausgefunden,dassEink?uferinUnternehmentrotzderPandemieweiterhinaufKIsetzenundnachwievorindieUnterstützungvondirektenundindirektenUmsatzchanceninvestieren.EineaktuelleUmfrageergab,dassdiegro?eMehrheitderPraktikerindenUnternehmeninnaherZukunftmitpositivenErgebnissenrechnen

(sieheAbbildung1).DiePraktikergründenihreZuversichtimWesentlichenaufdiebetrieblicheEffizienzunddieorganisatorischeStabilit?t,wobeiUmfrageteilnehmerangaben,dassdieMehrheitder(indenn?chsten24Monaten)entstehendenneuenGesch?ftsbereicheAnwendungsf?llefürdenIT-BetriebunddasLieferkettenmanagement

unterstützenwerden.

DieIndustrialisierungvonKI–BusinessWhitepaper

05

?2020Omdia.AlleRechtevorbehalten.DienichtautorisierteVervielf?ltigungistuntersagt.

Abbildung1:KurzfristigesVertraueninpositiveKI-ErgebnissetrotzCOVID-19

?2020Omdia

n=146

EndbenutzerunternehmenwurdefolgendeFragegestellt:?WiezuversichtlichsindSie,dassKIindenn?chsten12–24MonatenIhreGesch?ftszielepositivbeeinflussenwird?“

Quelle:Omdia

DifferenzierungimWettbewerbmitKI

DasUntermauerndieserZielegeh?rtzumWesensmerkmalvonKITechnologie.EinbedeutenderAnteilder

KI-KompetenzkannfürAnwendungsf?lleimKerngesch?ftundinAbteilungengenutztwerden.Siekannfür

einau?ergew?hnlichesbreitesSpektrumanAnwendungsf?llenvonVorteilsein.Zudemkannsiesichfür

UnternehmenalsDifferenzierungsmerkmalerweisen.FolglichentwickelnUnternehmenunternehmensweit

eine?All-in-Mentalit?t“,diealsnotwendigerachtetwird,umdiebetrieblichenundwirtschaftlichenVorteilevonKIvollaussch?pfenzuk?nnen.AllerdingsgibtesfürdieseNutzungvonKIkeinPlug-and-Play-Angebot.EinebedeutendeInvestitionanZeit,RessourcenundKapitalisterforderlich.IndenmeistenF?llenbesitzendie

unternehmensinternenTeamsnochnichtdien?tigeErfahrungmitBetriebsabl?ufenundihnenstehenwedermodernstesdatenwissenschaftlichesKnow-how,nochFachwissenbezüglichSoftwareentwicklungund

Computing-InfrastrukturzurVerfügung,umeinewirklichtransformativeKI-ImplementierungeffektivzumAbschlusszubringen.

DieIndustrialisierungvonKI–BusinessWhitepaper

06

?2020Omdia.AlleRechtevorbehalten.DienichtautorisierteVervielf?ltigungistuntersagt.

OmdiaistdaherderAuffassung,dassdiedurchCOVID-19verursachtenfinanziellenZw?ngeletztlichdieAkzeptanzvonKIalsDifferenzierungsmerkmalf?rdern,Investitions-,Know-how-undErfahrungslückenaufdeckenundfüreinescharfeTrennungzwischendenUnternehmenmitKIunddenUnternehmenohneKIsorgenwerden.Frühzeitige

Anwender–alsosolcheUnternehmen,dieschonvorderCOVID-19-PandemieinKIinvestierthabenundKI-bezogeneVerpflichtungeneingegangensind–erntenjetztdenErtragihrerInvestitionen.Wiebereitserw?hnt,deutenaktuelleStudiendaraufhin,dassdiemeistenpraktischenAnwenderunterdenUnternehmenihreUmstellungaufKIwegenderCOVID-19-Krisenichtverlangsamen.UmgekehrtwerdenUnternehmen,dievorCOVID-19nichtinKIinvestierthaben,ihreInvestitionenwahrscheinlichkürzenoderhinausz?gern,bissichdiewirtschaftlicheLageverbessert.Diesk?nnteUnternehmen,diefrüheAnwenderihreChancegenutzthaben,weitereWettbewerbsvorteileverschaffen,diefür

z?gerlicheUnternehmenschwerwettzumachenseindürften.

DadieErschütterungendurchdiePandemienochweitinsJahr2021unddarüberhinausnachwirkendürften,wirddieseFeuerprobenichtnurdiefrühenAnwenderbetreffen,sondernauchdieStandhaftigkeitvonfortgeschrittenenKI-PraktikernaufdieProbestellen.Diejenigen,dieeineVielzahlvonKI-Projekten(dauerhaft)zumErfolgführen

k?nnen,werdeninderLagesein,sichvondenjenigenabsetzen,deneneslediglichgelingt,effektivundkonsistenteinpaarhochspezialisiertefrüheProjekteumzusetzen.

DieIndustrialisierungvonKI–BusinessWhitepaper

07

?2020Omdia.AlleRechtevorbehalten.DienichtautorisierteVervielf?ltigungistuntersagt.

ReifegraddesKI-Markts

VondenPionierenzurKIimUnternehmensalltag

ImVergleichzuorganisations-undumsatztechnischausgereiftenM?rkten(z.B.Cloud-ComputingundCloud-StorageinUnternehmen)stecktderKI-MarktnochindenKinderschuhen–zumindestmitBlickdarauf,wieUnternehmen

KI-Ergebnisseentwickeln,implementierenundverwalten.AuseineraktuellenStudievonOmdiaResearchgehthervor,dass53%derUnternehmenzurzeitAnwendungsf?lleuntersuchenoderschonermittelthabenundjetztzumindestmit

einemAnwendungsfalleinPilotprojektstarten.VondengleichenUnternehmennutzendennochnur7%der

UmfrageteilnehmerderzeitKIimgro?enMa?stabinmehrerenGesch?ftsfunktionenoderGesch?ftsbereichen(sieheAbbildung2).

Abbildung2:StandderKI-Implementierung

?2020Omdia

n=161

EndbenutzerunternehmenwurdefolgendeFragegestellt:?WieistderaktuelleStandbezüglichderKI-ImplementierunginIhrerFirma?“

Quelle:Omdia

DieIndustrialisierungvonKI–BusinessWhitepaper

08

?2020Omdia.AlleRechtevorbehalten.DienichtautorisierteVervielf?ltigungistuntersagt.

Warumgibteseinesolchauff?lligeLückezwischenisoliertemExperimentierenundumfassenderImplementierung?AufderunterstenEbenemüssenKI-PraktikerselbstbeimErstellenbanalerML-AufgabeneineReihekomplexer

Herausforderungenmeistern.ObbeimTrainiereneinesvorgefertigtenChatbot-ModellsfürdenKundenserviceoderbeimProgrammiereneinesDL-AlgorithmuszurBetrugserkennungreichtbeijedemSchrittimML-LebenszykluseineinzigerFehleraus,umdieEntwicklungzuverlangsamen,dieKostenindieH?hezutreibenoderdasEndergebnis

unbrauchbarzumachen.Nochschlimmeristes,wenneineinzigerFehlerzuirreführendenoderfalschenErgebnissenführt,diem?glicherweisenochdannunentdecktbleiben,wenndieL?sungindieProduktiongeht.BeikomplexerenProzessensehensichKI-PraktikermiteinerVielzahlvonHerausforderungenundpotenziellenFallstricken

konfrontiert.Dazugeh?rendieAuswahldesAnwendungsfallsunddieLeistungsmessung,Infrastrukturinvestitionen,dieProjektleitung,dieAneignungvonKnow-howunddieEinhaltungvonDatenschutz-undSicherheitsrichtlinien.

Einfacheallt?glicheML-Arbeitensindjedochdiegr??teundst?ndigeHerausforderungfürFirmen,diesichzudatenorientiertenundKI-gestütztenUnternehmenweiterentwickelnm?chten.

Prozesskomplexit?t

WelcheArtenvonFehlernmüssenKI-PraktikerinUnternehmenbeimEntwickelnvonML-Ergebnissenvermeiden?BetrachtenwireinextremeinfachesML-Projekt,durchdasanhandvonhistorischenKundendatenvorhergesagtwerdensoll,welcheKundenamunwahrscheinlichsteneinj?hrlichesServiceabonnementverl?ngernwerden.IndiesemBeispielgibtesaufderunterstenEbenedreiwichtigePhasenderEntwicklung:

?Datenerhebungund-vorbereitung

?DatenwissenschaftlicheUntersuchungundExperimentieren

?ImplementierungundMonitoringdesVorhersagemodells

BeidiesemvereinfachtenBeispielfürKundenabwanderungmusseinKI-Praktiker,inderRegeleinDataEngineer,

diezumTrainierenundTestendesVorhersagemodellsben?tigtenDatenerfassen,bereinigen,transformierenund

kennzeichnen.Anschlie?endmusseinDataScientistdieDatenuntersuchen,Datenfeaturesweiterentwickelnund

schlie?licheineReihevoniterativenExperimenteninAngriffnehmen,umdasambestengeeigneteML-Modell

zufindenundzuoptimieren,daszudemgewünschtenErgebnisführt.AlledieseSchrittesetzeneinepassende

InvestitionineinezugrundeliegendeInfrastrukturvoraus,dieandieAnforderungendiesesProjektsangepasstistundbeispielsweisedenZugriffaufeinenad?quatdimensioniertenComputing-Clustererm?glichtundeineGruppevonGPUsunterstützt.IndiesemBeispielkannderDataScientist,sobaldeinModelldiegewünschteGenauigkeiterreicht,seineErkenntnissever?ffentlichenunddadurchVermarkternhelfen,diebestm?glicheEntscheidungfürdieKommunikationmitKundenzutreffen,beideneneinAbwanderungsrisikobesteht.

DiesesModellk?nntejedochgenausogutdauerhaftinderProduktionsumgebungeingesetztwerdenunddarinanhandvonLive-Dateneinenst?ndigenüberblicküberdenStatusdesAbonnentenstammsliefern.Indieser

SituationmüssenVorkehrungenfürdasHostingdesausgeführtenModells,dieprogrammatischeBereitstellungvonVorhersagenunddieregelm??igeüberprüfungderModellgenauigkeit(sieheAbbildung3)getroffenwerden.

DieIndustrialisierungvonKI–BusinessWhitepaper

09

?2020Omdia.AlleRechtevorbehalten.DienichtautorisierteVervielf?ltigungistuntersagt.

Abbildung3:ML-WorkflowimUnternehmen

?2020Omdia

Quelle:Omdia

EineFragevonWiederholung,LeistungundVertrauen

InAnbetrachtdiesersehrfundamentalenKomplexit?tistderimunternehmensweitenMa?stabrelativgeringeDurchdringungsgradvonKIkeineüberraschung.Diegr??tenHerausforderungenfürUnternehmen,diemehralsgrundlegendeKI-Machbarkeitsstudienund-Pilotprogrammeanstreben,stellendiedreiSchlüsselkonzeptehinsichtlichML-ExperimentenundKI-Implementierungendar:

?Wiederholbarkeit–K?nnensiezuverl?ssigrepliziertoderiteriertwerden?

?Skalierbarkeit–K?nnensiekostengünstigtrainiertundskaliertwerden?

?Verl?sslichkeit–K?nnensieverl?sslichdierichtigenVorhersagenliefern?

LeidergibteseineVielzahlvonHindernissen,dieesselbstdenerfahrenstenIT-Organisationenunm?glichmachen,

diesedreiKonzepteharmonischmiteinanderzuvereinen.AlleinschonderBegriffDataSciencestelltaufgrundseinerhochgradigexperimentellenunditerativenNatureineHürdedar.InjederallgemeinenPhasedesKI-ImplementierungszyklusstehenKI-PraktikervoreinerReihevonHerausforderungen,einschlie?lichderwenigengenanntenBeispiele.

Wiederholbarkeit–KI-Praktikernf?lltesschwer,einehochgradiginvestigativeMethodologiezuwiederholen,

beideresvorStoppsundStarts,SackgassenundunvorhergesehenenWegenderUntersuchungnursowimmelt.

NichtverwalteterCode,h?ufiginPythonundRgeschrieben,befindetsichunkontrolliertinverschiedenenJupyter

Notebook-ImplementierungenundmachtesPersonenau?erdemursprünglichenAutornahezuunm?glich,denCodemitderZeitzufindenundzuverwalten.HinzukommtdieHerausforderungderVersionsverwaltungfüreineVielzahlvonBibliothekenundFrameworks,diesichvonProjektzuProjekt?ndern.Esf?lltauf,dasssichdasineinemProjektGelerntenichtohneWeiteresaufzukünftigeArbeitenübertragenl?sst.

DieIndustrialisierungvonKI–BusinessWhitepaper

10

?2020Omdia.AlleRechtevorbehalten.DienichtautorisierteVervielf?ltigungistuntersagt.

Skalierbarkeit–EskannfürUnternehmenbekannterma?enschwierigsein,denRessourcenbedarffürdie

Entwicklung(Training)undImplementierung(Inferenz)effektivzuverwalten,dadieseAufgabenselbstvoneinerVielzahldehnbarerBedingungenabh?ngen.GleichesgiltfüralleunterstützendenDatenspeicher-undVerarbeitungsressourcen(u.a.Datenbankinstanzen,VerarbeitunginderDatenpipelineundAusführungderInferenz-Engines).DieserhoheGradderVerflechtungerschwertIT-ManagernundCTOsdieKostenprognoseundsomitdieKostenkontrolle–eineSchwierigkeit,diesichexponentiellerh?ht,wennneueKI-ProjekteindieEntwicklungundProduktioneintreten.

Verl?sslichkeit–Esistmitunterinsgesamtschwierig,KI-Gesch?ftsergebnissenzutrauen.DieGründehierfürsindfehlendeTransparenzinvielenDL-Vorhersagemodellen,ungeprüfte,sowohlindenDatenalsauchimModell

verborgeneBiases,schlechteCode-DokumentationimProjektlebenszyklusundungeeignetesTestenvonModellenvorderImplementierung.SelbstwenneineIT-Organisationdiese(undviele?hnliche)Herausforderungenw?hrendderImplementierungmeistert,erfordertdieAufrechterhaltungderVerl?sslichkeiteinhohesMa?anWachsamkeitundeinkontinuierlichesMonitoringderModelle,umsicherzustellen,dassderenWirksamkeitnichtdurch?nderungenandenunterstützendenDatenoderdensieumgebendenSystemenabnimmt.InstarkreguliertenBranchenkanndiese

ArtdesMonitoringerfordern,dasErgebniseinesbestimmtenModellszueinembestimmtenZeitpunktzureplizieren.Dieskanneineunm?glichauszuführendeAufgabefürIT-Organisationendarstellen,dienichtinderLagesind,dengesamtenML-Lebenszyklusvollst?ndigzudokumentieren:u.a.Daten,Datenvorbereitung,FeatureEngineering,

Modellauswahl,ParameteroptimierungundModelltests.

ZusammengefasstagiertjedesKI-ProjektwiekomplexeSysteme,derenVerhaltenmituntersehrschwervorherzusagenoderzukontrollierenist.JederVersucheinerSkalierungaufmehralseineHandvollKI-Projekteversch?rftdiese

Schwierigkeitennur.Interessantist,dasssichdieSoftwareentwicklunginden1990erJahrenineiner?hnlichen

Situationbefand,alsderErfolgstarkvomNavigierenineinemkomplexenundh?ufigunberechenbarenUmfeldauszugrundeliegendenHardware-undSoftwaresystemenabhing.GlücklicherweisehatdieWeiterentwicklungdes

MarktsfürSoftwareentwicklunghochflexibleundeinfachzuhandhabendeInnovationenhervorgebracht,zum

BeispielMethodologienzuragilenEntwicklungundzurgemeinsamenVersionssteuerungsowieSoftwarevirtualisierungund-containerisierung.DiesekollektivalsoperationalisierteEntwicklung(DevOps)beschriebenenInnovationen

habenesEntwicklernerm?glicht,dieSoftwareentwicklung,-bereitstellungund-wartungerheblichzuverbessern.

DieIndustrialisierungvonKI–BusinessWhitepaper

11

?2020Omdia.AlleRechtevorbehalten.DienichtautorisierteVervielf?ltigungistuntersagt.

OperationalisierungvonKI:vomExperimentierenzumImplementieren

KI-PraktikerinUnternehmenstehenheutevordengleichenHerausforderungen,mitdenenSoftwareentwicklerinden1990erJahrenkonfrontiertwaren.SiemüsseneinhohesMa?anKomplexit?taufderSystem-undOrganisationsebenetolerieren–unddiesohnezuverl?ssigeMittelzurumfassendenKontrollevonProjektabh?ngigkeitenimgesamten

Unternehmen.

MLOps-Prinzipienund-Praktiken

GlücklicherweisestehenvielederDevOps-Technikenund-Technologien,aufdiesichmoderneSoftwareentwicklerinUnternehmenverlassen,auchfürKI-PraktikerzurVerfügung.Einfachausgedrückt,wirdmitDevOpsangestrebt,denSoftwarelebenszyklusdurchdieAnwendungvonmeh