- 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

  • Datenzugriff auf Paketebene

    Das Jahr 2017 war geprägt von einer starken Zunahme des Enterprise Cloud Computing. Laut Gartner nutzen derzeit bereits 90 Prozent der globalen Unternehmen zumindest einen Cloud-Service. Doch mit nur einem Cloud Computing-Service kommt heute kaum noch jemand aus, und auch ein einziger Cloud-Service-Provider wird zunehmend Seltenheitswert besitzen. Multicloud, also die Nutzung multipler Public Clouds, entwickelt sich schnell zum nächsten Schritt beim Aufbau wirklich dynamischer Infrastrukturen. Durch die dynamische Ausführung von Workloads über mehrere Cloud-Provider hinweg können Unternehmen sicherstellen, dass Workloads wirklich optimiert werden. Die erwähnte Gartner-Studie berichtet, dass 70 Prozent der Unternehmen bis 2019 Multi-Cloud-Implementierungen planen - gegenüber 10 Prozent heute.

  • Sicherheitsverantwortung in der Cloud

    Das enorme Wachstum von Cloud Computing-Services in der Geschäftswelt hat einen leidigen, aber vorhersehbaren Nebeneffekt: Die Cloud wird zum beliebten Ziel für Cyberkriminelle. Aufgrund der vernetzten Struktur kann sich Malware in der Cloud rasch auf Anwendungen und Geräte verbreiten, falls keine Sicherheitsmaßnahmen getroffen werden. Doch mit entsprechenden Best Practices können Unternehmen sich gegen die wachsende Bedrohung von Malware in der Cloud schützen. Die Cloud bietet Unternehmen nicht nur Skalierbarkeit, Flexibilität und Agilität, sondern auch effizientere Arbeitsprozesse und damit einhergehende Kostenersparnis bis hin zu bequemerer Datensicherung und Disaster Recovery. Die aktuellen Cloud-Akzeptanzraten deuten laut Gartner darauf hin, dass im Jahr 2020 eine No-Cloud-Policy so selten sein wird wie heute eine No-Internet-Policy.

  • Verfügbare Cloud-Technologie optimal nutzen

    Multi-Cloud-Konzepte sind auf dem Vormarsch, da Unternehmen mehr Auswahl über den besten Ort für ihre Daten und Workloads suchen. Im Verlauf teilen Branchenexperten ihr Wissen darüber, was IT-Teams beachten sollten, um die Vorteile der Cloud-Flexibilität bei der Einführung einer Multi-Cloud-Strategie voll ausschöpfen zu können. Sie empfehlen drei Schlüsseltechnologien, die beim Aufbau einer Multi-Cloud-Umgebung wichtig sind. Entwickelt in den späten neunziger Jahren von visionären IT-Teams bei Compaq Computing, war Cloud Computing ein Katalysator für die Entwicklung der IT generell und für einen Großteil der modernen globalisierten Welt, wie wir sie heute kennen.

  • Application Intelligence & IoT-Anwendungen

    Die Wachstumsprognosen für das Internet der Dinge sind pessimistischer als noch vor einigen Jahren. Ein Mitgrund ist der falsche Fokus vieler Hersteller: Um erfolgreich zu sein, müssen sie in Zukunft die Nutzererfahrung stärker in den Mittelpunkt rücken. Die Application-Performance-Experten von AppDynamics nennen drei grundlegende Schritte, die alle Hersteller gehen sollten. Jahrelang überschlugen sich die Wachstumsprognosen der Branchenanalysten: 50 Milliarden Geräte sollten bis 2020 im Internet der Dinge (IoT) vernetzt sein, 150 Milliarden, vielleicht sogar 200 Milliarden. Aktuell findet jedoch eine Trendumkehr statt: Statista.com erwartet ein lineares Wachstum und geht für das Jahr 2020 von "lediglich" 30 Milliarden Geräten aus. Auch Gartner hat seine Prognose nach unten korrigiert und spricht aktuell von 20 Milliarden.

  • Service Management & Lizenzmanagement

    Office 365 hat den Durchbruch geschafft. Laut einer Gartner Studie nutzen bereits 61 Prozent der Unternehmen die Cloud Computing-Angebote von Microsoft, weitere 23 Prozent planen den Einsatz von Office 365 innerhalb der nächsten sechs Monate. Die Unternehmen profitieren von Aufwand- und Kostenreduktion. Bei der Lizenzierung der Cloud Computing-Lösungen allerdings gehen viele Unternehmen nach dem Gießkannenprinzip vor und geben dadurch mehr für Lizenzen aus als notwendig. Vor nicht allzu langer Zeit hatten noch viele IT-Verantwortliche Bedenken in Bezug auf die Sicherheit der Public Cloud. Mittlerweile sind die Zweifel beseitigt, immer mehr Unternehmen nutzen ihre Vorteile. Auch zunehmend viele öffentliche Institutionen planen ihren Umzug in die Cloud. In der Regel beginnt der Weg in die Cloud mit Office 365. Schrittweise werden zunächst Outlook und Sharepoint ausgelagert, dann folgen Excel, Word und alle weiteren Produkte, die die Office 365 Suite anbietet. Die Vorteile liegen auf der Hand: Wartung und Administration müssen nicht mehr durch die IT geleistet werden, IT Ressourcen re-fokussieren sich. Oft unterschätzt und ausgeblendet wird aber die Notwendigkeit, die Prozesse im Unternehmen an die Cloud anzupassen. Vom Bestellprozess bis zu Abrechnungen sind Adaptierungen nötig, die durchaus umfangreich werden können.

  • IT entlasten durch Cloud-Services

    Gerade in Zeiten des Fachkräftemangels ist eine hohe Produktivität entscheidend für die Zukunftssicherheit von Unternehmen. Doch viele, vor allem kleinere Firmen leiden unter Produktivitätsverlust durch administrative Aufgaben. Und jetzt verursacht auch noch die DSGVO zusätzlichen Aufwand. Rainer Downar, Executive Vice President Central Europe bei Sage, gibt Tipps, wie Unternehmen produktiver werden können. Kleine und mittlere Unternehmen (KMU) in Deutschland verwenden 3,7 Prozent ihrer gesamten Arbeitszeit auf administrative Tätigkeiten. Das entspricht einem Produktivitätsverlust von mehr als 28 Milliarden Euro pro Jahr. Diese Zahlen erhob die Studie "Sweating the Small Stuff: the impact of the bureaucracy burden", die Plum Consulting im Auftrag von Sage durchgeführt hat. Die Untersuchung zeigt auch: Je kleiner die Unternehmen, desto höher der Anteil unproduktiver Tätigkeiten.

  • Nutzung mehrerer Cloud Computing-Anbieter

    Viele große Unternehmen setzen auf eine Mischung aus Private-Cloud und Public-Cloud-Lösungen verschiedener Anbieter. Eignet sich eine solche Multi-Cloud-Umgebung auch für den Mittelstand? Und worauf sollte man dabei achten? Unternehmen verzeichnen heute eine kontinuierlich steigende Zahl von Workloads, Applikationen und Services. Die Festlegung auf nur einen Cloud-Anbieter fällt mittlerweile selbst für Infrastruktur-Dienste schwer. Denkt man darüber hinaus strategisch über den Einsatz von Software-as-a-Service (SaaS)-Angeboten nach, ist die Nutzung mehrerer Cloud Computing-Anbieter zumeist obligatorisch.

  • Für Multi-Cloud ein geeignetes API-Konzept nötig

    Die Multi-Cloud ist in immer mehr Unternehmen Realität. Das Handling mehrerer Cloud Services gestaltet sich allerdings oft sehr komplex. Die Multi-Cloud-Checkliste von Nexinto zeigt, worauf Anwender für einen reibungslosen Betrieb achten sollten. Mittlerweile ist es für Unternehmen normal, verschiedene Cloud Computing-Services für ihr Business einzusetzen. Dabei greifen sie nicht nur auf einen Anbieter oder Hersteller zurück: Der parallele Einsatz verschiedener Architekturen, Technologien und Betriebsmodelle bringt seine ganz eigenen Herausforderungen mit sich. Um die zunehmende Komplexität zu beherrschen, sollten Multi-Cloud-Nutzer vor allem diese fünf Aspekte beherzigen.

  • Cloud-Wahl hat Auswirkungen auf Performance

    Die Argumente für eine Migration in die Cloud gehören mittlerweile zum IT-Allgemeinwissen. Aber ein Selbstläufer ist die Umstellung selbstverständlich nicht. In einer aktuellen Umfrage von IDC und AppDynamics gaben 75 Prozent der befragten Unternehmen an, in den nächsten beiden Jahren zwei bis fünf Clouds nutzen zu wollen - 60 Prozent verfolgen damit das Ziel, die Kosten zu senken. Doch wer hoch hinaus will, der braucht ein stabiles Fundament. Das gilt nicht nur für den Bau von Wolkenkratzern, sondern auch für eine erfolgreiche Multi-Cloud-Strategie. Unternehmen müssen vier Herausforderungen meistern, damit der Sprung in die Wolken nicht im kalten Wasser endet.

  • Ein Mikro-Rechenzentrum so gut wie die Cloud

    Unternehmen befinden sich an einem Wendepunkt. Sie müssen neue Wege finden, wie sie Kunden für sich gewinnen. Die Geschäftsentwicklung erfolgt heute nicht mehr linear. Stattdessen können sich Chancen jederzeit aus allen Richtungen auftun. Unternehmen brauchen die Flexibilität, um umgehend reagieren zu können. Mit einem traditionellen Rechenzentrum ist das nicht möglich. Starre IT-Strukturen sind eher ein Bremsklotz als ein Enabler, weil sie zu komplex zu managen sind und jede Änderung viel Zeit kostet.