KI als solide Basis für nachhaltige Geschäftsmodelle

Lesezeit
2 Minuten
Bis jetzt gelesen

KI als solide Basis für nachhaltige Geschäftsmodelle

27.04.2022 - 14:00
Veröffentlicht in:
Künstliche Intelligenz ist endgültig im Business angekommen. Spezielle Plattformen für Machine Learning Ops ermöglichen nicht nur, Daten aus unterschiedlichen Quellen schnell und effizient bereitzustellen, sondern auch, KI-Modelle zu trainieren und zu optimieren. Damit bilden ML-Ops-Plattformen die technologische Grundlage, um individuelle Anwendungsfälle aus verschiedensten Bereichen zielführend umzusetzen – von der Industrie über den Handel bis hin zur Medienbranche.
KI-basierte Anwendungen halten in immer mehr Branchen Einzug – sei es in der Industrie, im Handel oder in den Medien. Dabei steht inzwischen nicht mehr das Experimentieren mit Prototypen im Vordergrund. Vielmehr geht es darum, bestehende Geschäftsprozesse sinnvoll zu verbessern und echte Mehrwerte zu schaffen. Damit das gelingt, braucht es unter anderem leistungsstarke Plattformen für Machine Learning Ops (MLOps) und Artificial Intelligence for IT Operations (AIOps). Ein derartiger Ansatz entlastet nicht nur IT-Administratoren, er schafft zugleich eine solide Basis, auf der sich KI-Anwendungen nachhaltig etablieren können.

KI-basierte Applikationen und Services müssen heute zwingend mit den Kernprozessen von Unternehmen verknüpft sein: Sie sind in der IT-Systemlandschaft nachhaltig zu verankern und mit relevanten Geschäftsabläufen sowie Drittanwendungen nahtlos zu verzahnen. Andernfalls besteht die Gefahr, dass ein Prototyp unter Produktivbedingungen nicht funktioniert und keinen Mehrwert stiftet. Natürlich verliert KI dadurch etwas vom Glanz früherer Tage: Sie wird von einer spannenden Innovation zu einer etablierten Technologie, die im Business zuverlässig funktioniert und substanzielle Abläufe unterstützt.

Daten effizient bereitstellen
Damit das tatsächlich gelingt, bedarf es einer optimalen strategischen, strukturellen und technologischen Grundlage. Unternehmen müssen sich zunächst über drei Aspekte Klarheit verschaffen: Welche Prozesse sind für eine KI-basierte Automatisierung geeignet? Gibt es womöglich manuelle Teilprozesse, die zu Brüchen innerhalb von Geschäftsabläufen führen? Ist der eigene Datenbestand qualitativ hochwertig genug? Denn den Bestandsdaten kommt eine zentrale Bedeutung zu. Firmen müssen in der Lage sein, aktuelle und konsistente Daten aus unterschiedlichen Quellen schnell und effizient bereitzustellen.

Genau das ermöglicht eine MLOps-Plattform. Indem sie Daten systemübergreifend konsolidiert, entsteht eine verkettete Datengrundlage: eine optimale Grundlage, um Daten zu sichten und für den gewünschten Use Case zu verarbeiten. Zugleich ist es möglich, KI-Modelle mit den eingespielten Daten zu trainieren und zielgerichtet zu optimieren. Idealerweise basiert eine solche Plattform auf den Angeboten der etablierten Hyperscaler Microsoft, Google oder AWS. Diese bieten bereits im Standard eine Vielzahl integrierter und im Business bewährter Services. Die vorgefertigten Komponenten lassen sich für den jeweiligen Anwendungsfall flexibel kombinieren und bedarfsgerecht anpassen.

MLOps bedarfsgerecht nutzen
Was in der Theorie vielversprechend klingt, kann an der praktischen Umsetzung scheitern. Vielerorts hat die eigene IT-Abteilung keinerlei Ressourcen, um derartige Projekte zu stemmen. Einerseits ist sie mit dem Management der Bestandssysteme voll ausgelastet. Andererseits muss sie dafür sorgen, dass alle bereitgestellten IT-Komponenten sicher, skalierbar und hochverfügbar sind. Darum ist es mehr als ein Kompromiss, für erfolgreiche KI-Initiativen mit einem spezialisierten Dienstleister zusammenzuarbeiten. Er richtet eine hochperformante und skalierbare Cloudumgebung als infrastrukturelle Basis für den Betrieb der MLOps-Plattform ein.

Zudem implementiert er die Plattform, passt sie an den individuellen Zweck des Unternehmens an und verknüpft sie mit relevanten Quell- und Zielsystemen. Idealerweise ist ein solcher Dienstleister nicht nur technisch versiert. Als erfahrener Berater ist er in der Lage, Unternehmen dabei zu unterstützen, sich einen Überblick über ihre IT-Systemlandschaft zu verschaffen, ihre Prozesse optimiert zu digitalisieren und ihre Datenqualität zu verbessern.



Seite 1 von 2 Nächste Seite >>


ln/Niels Pothmann, Head of AI, und Thomas Löwen, AIOps Spezialist bei Arvato Systems

Ähnliche Beiträge

Im Test: Heimdal Patch & Asset Management

Ein zeitgemäßes Patchmanagement darf sich angesichts der vielfältigen Bedrohungen nicht allein auf die Microsoft-Produkte konzentrieren, sondern muss sich auch verbreiteten Drittanbieteranwendungen widmen. Der dänische Anbieter Heimdal Security geht noch einen Schritt weiter und hat eine ganze Suite zum Schutz vor Cyberbedrohungen im Programm. Mit dem Fokus auf das Patchen haben wir uns das cloudbasierte Angebot genauer angesehen.

Device-Management mit Microsoft Intune und Office 365 - Zwei Wege, ein Ziel

Um Geräte im Netzwerk oder mobile Geräte, die auf das Netzwerk zugreifen, zu verwalten, bietet sich für Unternehmen entweder Office 365 Mobile Device Management oder Microsoft Intune an. Ein Unterschied zwischen den beiden Lösungen besteht vor allem im Preis. Während das Device-Management zu vielen Abonnements in Office 365 gehört, muss Microsoft Intune gesondert abonniert werden. In diesem Beitrag stellen wir beide Ansätze vor.