Sechs Fragen an… Ulrich Walter

Veröffentlicht am: 25.Mrz.2019

Sechs Fragen an…

Ulrich Walter, Business Development Manager AI Acceleration Team, Tech Data Advanced Solutions

“Künstliche Intelligenz-Technologien wie Machine Learning sorgen für ein Revival der Hardware“

Der KI-Experte von Tech Data erklärt, warum High Performance Computing-
Lösungen als Plattform für neue Anwendungen wie Machine Learning oder
Cognitive Computing im Umfeld von Rechenzentren das Comeback der
Hardware einläuten.

Frage: Das maschinelle Lernen ist derzeit einer der wichtigsten Treiber im Bereich „Künstliche Intelligenz“. Was versteht man darunter genau?

Walter: „Machine Learning“ ist eine Disziplin aus dem Bereich der künstlichen Intelligenz (KI) und umfasst alle Methoden, mit denen Computer automatisiert Muster und Zusammenhänge erlernen können. Sie bildet die Voraussetzung für KI-Anwendungen. Die Einsatzfelder für KI finden heute in allen Bereichen unseres täglichen Lebens statt: von intelligenter Bildbearbeitung im Smartphone, über Chatbots bis hin zum autonomen Fahren, Automatisierung in der Produktion oder vollautomatische Dunkelverabeitung von handschriftlichen Formularen und Dokumenten um nur einige Beispiele zu nennen.

Frage: Immer mehr Unternehmen interessieren sich für die Möglichkeiten von KI-Technologien. Muss dafür die komplette Datenanalyse zu einem Cloud-Anbieter außerhalb der Unternehmensgrenzen ausgelagert werden?

Walter: Keineswegs. Cloud stellt in vielen Einsatzfällen eine wichtige Datenquelle oder auch eine Zielinfrastruktur für die Umsetzung der KI-Anwendung dar. Hier gibt es einige wichtige Fragen der Datenhaltung und auch der Regularien im Vorfeld zu klären, ob und in wie weit Cloud für den Einsatz der KI-Lösung oder als Datenquelle in Frage kommt. Prinzipiell stehen die vier Stufen der KI-Datapipeline (Collect, Analyse/Prepare, Train und Inference) immer  in einem engen Zusammenhang mit der Rechenleistung, der Bandbreite und der Latenzzeit, die gerade bei der Planung der Integration in Cloud-Lösungen neben den Upload/Download-Kosten bei hohem Datenaufkommen zu beachten sind.

Frage: Wie lassen sich solche Stolperfallen vermeiden?

Walter: Planung ist hier alles. Im Vordergrund steht immer das Ergebnis, dass durch den Einsatz der KI Systeme erreicht werden soll. Also wie auch in der klassischen IT, sollten TCA und TCO immer kleiner als der durch den Einsatz der KI-Lösung erreichte ROI sein. Für die Planung einer optimalen KI-Lösung spielt der Faktor Zeit eine wesentliche Rolle. Neben der optimalen IT-Architektur und der für die Entwicklung der KI-Lösung notwendigen Organisation aus Datascientist, Domain Experts, Programmierern und Projekt-Managern ist hier vor allem die Planung der idealen IT-Infrastruktur oder deren Sourcing zu beachten. Eine ideale IT-Architektur sollte immer für eine optimale Auslastung der Datapipeline ausgelegt werden, um so die Aufwände für die Datenaufbereitung  – und das sind immerhin 80% des gesamten Aufwandes – zu reduzieren. Hier spielen Datendurchsatz und Latenz neben der Effizienz der darunterliegenden Infrastruktur sowie ein durchgängiges Storagekonzept von NVMe bis hin zu Tape eine entscheidende Rolle. Für das Training der KI-Lösung selbst bieten sich Systeme wie wir sie auch aus dem HPC-Umfeld kennen  an. So bieten etwa die IBM POWER9- Systeme ein Optimum an Verarbeitungsgeschwindigkeit, Bandbreite und Sicherheit. Bei dieser PowerAI-Plattform profitiert der Kunde von einem Höchstmaß an Skalierbarkeit, Stabilität und Zuverlässigkeit bei gleichbleibend hoher Leistung. Ein weiterer wichtiger Vorteil: Mit den Software-Bausteinen der Watson ML-Reihe lässt sich in kurzer Zeit eine Softwarearchitektur implementieren, die genau den Bedürfnissen des Kunden entspricht und jederzeit skalierbar ist. Diese Architektur lässt sich auch problemlos in Hybrid Cloud-Konzepte integrieren .

Frage: Sind solche Mischkonzepte auch für komplexe und rechenintensive Analytics-Aufgaben zu empfehlen, beispielsweise in einer digital vernetzten Fabrik?

Walter: Es kommt immer auf den zu erwartenden Nutzen an. Aber wenn die Balance zwischen den Kosten, den Zeitaufwänden und dem geplanten ROI stimmt, dann ist das ein durchaus denkbares Szenario.

Frage: Was empfehlen Sie Händlern, die mit ihren Kunden das vielversprechende neue Geschäftsfeld „Künstliche Intelligenz“ angehen wollen?

Walter: Zunächst geht es darum, gemeinsam Vorschläge für die Umsetzung von KI-Lösungen und die sich damit verbindende Frage nach der Entwicklung der Lösung zu diskutieren. KI-Lösungen werden zunehmend von Fachabteilungen oder Beratungsunternehmen bei den Kunden diskutiert. Insofern ist es für die Händler essentiell, dass sie sich mit dieser Klientel auch fachlich auseinander setzen, um so die für sie relevanten IT Infrastruktur Themen an der richtigen Stelle zu positionieren. Vielleicht ist das aber auch eine Chance für die Händler, sich neuen Herausforderungen und Märkten zu stellen und hier branchenspezifische Kompetenzen aufzubauen, um so ihren Wettbewerbsvorteil auszubauen.
Dabei ist auch die Zusammenarbeit mit einer Vielzahl von neuen OpenSource-Partnern, ISVs und Lösungsanbietern die Voraussetzung zum Erfolg.

Frage: In den letzten Jahren haben sich viele Firmen auf die Cloud konzentriert und klassische Rechenzentren drohten zum Auslaufmodell zu werden. Geht die Entwicklung künftig wieder in die andere Richtung?

Walter: Hybride Umgebungen sind weiterhin stark im Kommen. Im Zusammenhang mit HPC Computing und der künstlichen Intelligenz ist es keineswegs vermessen, von einer Renaissance der Hardware zu sprechen. Dennoch wird nicht jedes Unternehmen die gesamte Infrastruktur aus unterschiedlichsten Gründen selbst betreiben. Dabei bietet sich die Chance für MSPs/CSPs optimale Infrastrukturkonzepte z.B. für „Labelling aaS“ oder „Analytics aaS“  als neue Geschäftsfelder anzubieten. Wenn das noch zuammen mit Compliance und sicherheitsrelevanten Datenzertifikaten erfolgt, ist das aus meiner Sicht eine gute Voraussetzung für die schnelle Nutzung und Umsetzung von KI-Lösungen.