- Anzeige -


Sie sind hier: Startseite » Markt » Tipps und Hinweise

Mangelware: Komplexe Machine Learning-Anwendungen


Selbst IT-Fachleute wissen oft nicht, was unter Machine Learning zu verstehen ist
Acht Gründe, warum es maschinelles Lernen in Unternehmen schwer hat


- Anzeigen -





Maschinelles Lernen (ML) hat deutliche Fortschritte gemacht. Der Streaming-Service Netflix nutzt diese Technik beispielsweise, um seinen Nutzern maßgeschneiderte TV-Angebote zu servieren, und Googles App "Arts & Culture" ist dank ML in der Lage, die Doppelgänger von Smartphone-Nutzern in weltbekannten Kunstwerken aufzuspüren. Doch wenn es um den Einsatz von Machine Learning in Unternehmen geht, sieht die Sachlage anders aus. Umfassende, komplexe Machine Learning-Applikationen sind im Unternehmensumfeld nach wie vor Mangelware. Die Application-Intelligence-Experten von AppDynamics nennen dafür acht Gründe.

1. Unklarheit, was maschinelles Lernen ist
Selbst IT-Fachleute wissen oft nicht, was unter Machine Learning zu verstehen ist. De facto heißt ML, dass mathematische Verfahren eingesetzt werden, um große Datenmengen nach Mustern zu durchsuchen. Die Algorithmen entfernen dazu störendes "Rauschen" (Noise) aus den Daten-Samples.

2. Nutzen ist nicht offenkundig
Die Stärke von ML-Algorithmen ist, dass sie sich ohne Zutun von Menschen an Systeme anpassen können, die sich verändern. Dabei sind sie in der Lage, zwischen erwarteten und anormalen Verhaltensmustern zu unterscheiden. Deshalb lässt sich maschinelles Lernen in vielen Bereichen einsetzen, etwa im Gesundheitswesen und in Sicherheitsapplikationen. Gleiches gilt für Anwendungen, die Daten klassifizieren oder Nutzern Empfehlungen geben, etwa welche Waren ihren Geschmack treffen könnten. Ein weiteres Einsatzfeld ist die Sprach- und Bilderkennung.

3. Den richtigen Einstieg finden
Unternehmen wissen oft nicht, wie sie Machine Learning implementieren sollen. Oft erfolgt das auf zwei Arten: Mitarbeiter beginnen eigenständig damit, ML für die Datenanalyse zu nutzen. Oder ein Unternehmen schafft eine Lösung an, in die ML-Algorithmen integriert sind, etwa eine Lösung für das Performance-Management von Anwendungen.

4. Daten aufbereiten
Einfach Daten zu sammeln und einen ML-Algorithmus "darüber zu jagen", funktioniert nicht. Vielmehr müssen die Daten zuvor aggregiert und um fehlende Informationsbestände ergänzt werden. Zudem ist es notwendig, "Datenmüll" zu entfernen und Informationen in die richtige Reihenfolge zu bringen.

5. Mangel an öffentlich verfügbaren, klassifizierten Daten
Erste Schritte in Richtung Machine Learning wären einfacher, würden genügend "gelabelte" Datensätze zur Verfügung stehen. Solche Informationen sind notwendig, um Machine-Learning- und Deep-Learning-Systeme zu trainieren. Leider sind solche Informationsbestände nur begrenzt verfügbar. Daher sind Unternehmen oft zu einem "Kaltstart" gezwungen, wenn sie ein ML-Projekt initiieren.

6. Domain Knowledge ist gefragt
Im Idealfall ist maschinelles Lernen die perfekte Kombination eines Algorithmus und einer Problemstellung. Das bedeutet jedoch, dass ein Machine-Learning-Fachmann "Domain Knowledge" benötigt. Das sind beispielsweise spezielle Kenntnisse über die Branche, in der ein Unternehmen aktiv ist, oder über eingesetzte Fertigungstechnologien. Auch Wissen über IT-Systeme und die Daten, die sie generieren, zählt dazu.

7. Datenspezialisten sind kein Allheilmittel
Die meisten Data Scientists sind Mathematiker. Daher verfügen sie nicht in jedem Fall über die Domain Knowledge, die für ihren Arbeitgeber relevant ist. Solche Spezialisten sollten daher mit Analysten und Domain-Experten aus dem Unternehmen zusammenarbeiten. Das erhöht jedoch die Kosten von Machine-Learning-Projekten.

8. Es fehlt eine gemeinsame "Sprache"
Bei Machine-Learning-Projekten in Unternehmen gibt es häufig keine Regeln, auf welche Weise Resultate gewonnen werden sollen. Deshalb entstehen "Silos", weil Mitarbeiter unterschiedliche Daten-Samples und Definitionen der Eingabewerte verwenden. Das wiederum hat zur Folge, dass ML-Analysen höchst unterschiedliche Ergebnisse produzieren. Solche Diskrepanzen können Zweifel am Nutzen von ML schüren.

Fazit: Keine Angst vor Machine Learning
Unternehmen, die Machine Learning einsetzen wollen, müssen somit etliche Klippen umschiffen. Dennoch sollten sie sich mit maschinellem Lernen, Deep Learning und künstlicher Intelligenz (KI) beschäftigen. Denn diese Technologien spielen bereits heute eine wichtige Rolle in Unternehmensanwendungen – und sie werden drastisch an Bedeutung gewinnen. Eine zögerliche Haltung ist somit keine gute Strategie. Denn wer den Anschluss verliert, wird dies teuer bezahlen: durch eine sinkende Wettbewerbsfähigkeit.
(AppDynamics: ra)

eingetragen: 19.06.18
Newsletterlauf: 03.07.18

AppDynamics: Kontakt und Steckbrief

Der Informationsanbieter hat seinen Kontakt leider noch nicht freigeschaltet.

- Anzeigen -





Kostenloser Compliance-Newsletter
Ihr Compliance-Magazin.de-Newsletter hier >>>>>>



Meldungen: Tipps und Hinweise

  • Fünf Aspekte für die Security in der Multi-Cloud

    Unternehmen setzen zunehmend auf Multi-Cloud-Modelle. Dabei wird für bestimmte Funktionen, Standorte oder zur Kostensenkung mit verschiedenen Anbietern zusammengearbeitet. Gleichzeitig werden kritische Daten über unterschiedlichste cloudbasierte Anwendungen und Dienste verbreitet und verarbeitet. Es ist quasi unmöglich, eine dynamische, hochelastische Multi-Cloud-Umgebung mit herkömmlichen Sicherheitslösungen und -strategien angemessen zu sichern. Stattdessen brauchen digitale Umgebungen von heute ein integriertes, Fabric-basiertes Security-Konzept. Fortinet hat eine Übersicht erstellt, was Unternehmen bei ihrer Multi-Cloud-Sicherheitsarchitektur beachten müssen.

  • Cloud bedeutet Komplexität

    Dem Mittelstand fehlt es oft an nötigem Cloud Computing-Wissen und an Ressourcen, um es aufzubauen. Der IT-Dienstleister Consol zeigt, worauf kleine und mittlere Unternehmen auf dem Weg in die Cloud achten sollten. Die Verwirrung beginnt bereits bei der Terminologie: Cloud ist nicht gleich Cloud, es gibt Private, Public, Hybrid-Clouds oder die momentan im Trend liegende Multi-Cloud. Zudem sind verschiedene Cloud-Geschäftsmodelle zu berücksichtigen, etwa die altbekannten Platform as a Service (PaaS), Infrastructure as a Service (IaaS) und Software as a Service (SaaS) oder die neueren Containers as a Service (CaaS) und Function as a Service (FaaS). "Bei dieser massiven Anzahl von Möglichkeiten gibt es keine Strategie für Cloud-Services, die zu jedem Unternehmen passt", erklärt Lukas Höfer, Senior IT-Consultant beim IT-Dienstleister Consol in München. "Somit brauchen Unternehmen in aller Regel einen Partner, der sie individuell berät und bei der Ausarbeitung eines maßgeschneiderten Gesamtkonzepts unterstützt - nur so ist eine erfolgreiche Cloud-Transformation gewährleistet."

  • BSI: Auch für Cloud-Dienste Vorgaben erarbeitet

    Erstmals können Unternehmen Cloud Computing-Dienste und mobile Applikationen mit der bewährten IT-Grundschutz-Methode des Bundesamtes für Sicherheit in der Informationstechnik (BSI) absichern. Das BSI hat die entsprechenden Standards in der aktuellen Version des IT-Grundschutz-Kompendiums veröffentlicht. Umsetzen lassen sich die neuen Bausteine mit dem Update der IT-Sicherheitsdatenbank "SAVe". Sie wurde auf das komplette IT-Grundschutz-Kompendium 2019 hin aktualisiert. Die Sicherheitsdatenbank "SAVe 5.1.6" der Infodas GmbH enthält alle 95 Grundschutz-Bausteine des neuen Grundschutz-Kompendiums, darunter auch 14 völlig neue. Der Baustein "Mobile Anwendungen" zeigt etwa, wie Unternehmen Apps für iOS und Android sicher nutzen können. Auch für Cloud-Dienste hat das BSI Vorgaben erarbeitet, die eine sichere Nutzung ermöglichen. Die Überarbeitungen bestehender Bausteine sind ebenfalls in der neuen Version enthalten. Eine zügige (Re)-Zertifizierung nach modernisiertem IT-Grundschutz ist für Unternehmen ab sofort möglich.

  • In der Cloud und im heimischen Rechenzentrum

    Die heutige vernetzte Welt basiert auf der Datenzugänglichkeit von überall, zu jeder Zeit und auf jedem Gerät. Die Geschwindigkeit und Agilität, die mit Hosting-Diensten und -Anwendungen in der Cloud einhergeht, sind für den Erfolg zentral. Die damit verbundenen Vorteile haben Unternehmen in den letzten Jahren gezwungen, zumindest einige und in manchen Fälle sogar alle ihre Anwendungen oder ihre Infrastrukturen in die Cloud zu migrieren. Der Anteil in der Cloud gehosteter Workloads von Unternehmen ist Experten zufolge wohl bereits höher als 80 Prozent.

  • Spear-Phishing gegen DevOps-Mitarbeiter

    Immer häufiger erhalten Hacker Zugriff auf die Public-Cloud-Ressourcen von Unternehmen und Organisationen. Die Ursache ist oft ein nachlässiger Umgang mit den Zugangsschlüsseln berechtigter Nutzer. Eine wesentliche Quelle solcher Schlüssel stellen Entwickler-Plattformen wie GitHub dar, auf denen Mitglieder der DevOps-Teams oft auch vertrauliche Informationen ablegen, die sich in Skripten oder Konfigurationsdateien befinden.

  • Unterschied zwischen IoT und IIoT

    Das Internet der Dinge (Internet of Things, kurz IoT) bezeichnet die Möglichkeit, Geräte mit dem Internet zu verknüpfen. Mit dem Industrial Internet of Things (IIoT) weitet sich der Anwendungsbereich auf Produktionsprozesse in der Industrie aus. FP, Spezialist für sichere Kommunikation, erklärt, was das IIoT vom IoT unterscheidet und welchen Nutzen es für industrielle Unternehmen hat. Die Heiztemperatur, Lichtstimmung oder Musik im Zuhause bequem per App steuern, die Rollläden bei Sonnenuntergang herunterfahren und per Kamera das eigene Zuhause von unterwegs immer im Blick haben - das IoT erleichtert viele Dinge im Alltag. Die Geräte bekommen durch die Vernetzung eine eindeutige Identität, mit der sie im Internet repräsentiert und angesteuert werden können. Sie verarbeiten mittels Sensoren erfasste Daten in Echtzeit, führen automatisiert Funktionen aus und lassen sich aus der Ferne steuern.

  • Online-Zahlungsdienste: Wann ist "sicher" sicher?

    Online bezahlen war noch nie so einfach: Die EU-Richtlinie PSD2 ("Payment Services Directive 2") mischt bereits seit Anfang 2018 die Payment-Branche auf. Sie erlaubt Unternehmen, auf Daten von Kreditinstituten zuzugreifen und begünstigt so die Entstehung neuer Finanz- und Zahlungsdienste, zum Beispiel Zahlungsauslöse- und Kontoinformationsdienste. Ab 14. September 2019 sind Banken und Unternehmen EU-weit dazu verpflichtet, diese Dienste durch Zwei-Faktor-Authentifizierung und verschlüsselte Übertragung abzusichern - doch reicht das aus, um dem hohen Schutzbedarf sensibler Kundendaten zu genügen? IT-Sicherheitsexperte Dr. Hubert Jäger von der TÜV SÜD-Tochter Uniscon rät Banken, Finanzdienstleistern und Unternehmen zu zusätzlichen Maßnahmen.

  • Die fünf Merkmale erfolgreicher MSP

    MSP sind genauso unterschiedlich wie die Services, die sie anbieten. Aber wodurch setzen sich die erfolgreichsten vom Rest der Konkurrenz ab? Die Kaseya Benchmark Survey 2019 legt in diesem Jahr ein besonderes Augenmerk auf Service-Provider mit einem jährlichen Umsatzwachstum von über 20 Prozent. Mit welchen Services und Technologietrends behalten sie in einer sich ständig wandelnden MSP-Welt die Nase vorn? Kaseya ermittelte die fünf wichtigsten Schlüsselfaktoren erfolgreicher MSP.

  • DSGVO: Fünf Tipps für klare Sicht in der Cloud

    Die Nutzung von Cloud-Services ist für viele Unternehmen eine betriebliche Notwendigkeit geworden. Werden personenbezogene Daten in die Cloud ausgelagert, gelten bei der Auswahl eines Cloud-Anbieters jedoch besondere Vorgaben durch die DSGVO. Um die Compliance-Vorgaben bestmöglich zu erfüllen, sollten Unternehmen einige wesentliche Punkte beachten. Für Cloud-Services gilt das Modell der Shared Responsibility, das heißt, dass sowohl der Anbieter als auch das nutzende Unternehmen für die Datensicherheit verantwortlich sind. Während der Nutzer dafür zu sorgen hat, dass die Datennutzung in der Cloud sicher ist, hat der Cloud-Anbieter für die Sicherheit der bereitgestellten Infrastruktur zu garantieren. Werden für personenbezogene Daten Cloud-Services genutzt, verlangt die DSGVO von den Nutzern, sich zu vergewissern, dass der Cloud-Anbieter seiner Verantwortung in ausreichendem Maße nachkommt. Unternehmen müssen also sicherstellen, dass das Datenschutzniveau, dass sie ihren Kunden zusichern, auch jenseits ihrer eigenen Infrastruktur in der Cloud aufrechterhalten bleibt.

  • Keine Digitalisierung ohne 5G

    Das Thema 5G beherrscht derzeit beinahe täglich die Nachrichten, besonders seit dem Mobile World Congress (MWC) 2019, der Ende Februar in Barcelona stattfand. So haben Huawei und Samsung auf dem Kongress ihre ersten 5G-fähigen Handy-Modelle vorgestellt. Zudem wurde das Potenzial der neuen Technologie bei einem ersten Videoanruf und einer ersten telemedizinisch betreuten Operation live unter Beweis gestellt. Und auch die Weltpolitik beschäftigt 5G: Die USA und China streiten seit Monaten wirtschaftlich wie politisch mit immer härteren Bandagen über die Vorreiterrolle beim Netzausbau. Die deutsche Politik hadert dagegen noch mit sich und ihrer Rolle im internationalen Wettstreit. Und läuft so mehr denn je Gefahr, den technologischen Anschluss zu verpassen.