Die neuesten Trends zu AI/KI & Cloud Computing beim Google Cloud Day

Blog. Tauchen Sie ein in die AI-Welt

Die neuesten AI/KI-Trends beim Google Cloud Day 2019

jakub-portret

Jakub Bzdęga,
AI/ ML Ingenieur
4. April 2019

Wussten Sie, dass…. Unternehmen 50% ihrer strukturierten Daten und NUR 1% ihrer unstrukturierten Daten nutzen?

Diese Statistiken, die während des Google Cloud Day in Warschau vorgestellt wurden, ließen mich erkennen, wie große Datenmengen einfach weggelassen werden, obwohl sie in Entscheidungsprozessen verwendet werden könnten (und sollten). Außerdem machte mich die Konferenz auf eine weitere wichtige Sache aufmerksam, wenn es darum geht, neue Lösungen einzuführen oder bestehende Plattformen zu erweitern:

  1. Was passiert mit meinen Daten in einem Jahr?
  2. Was kann ich dann mit den Daten machen?

Denken Sie nicht aufs Aufhören, wenn Sie zufrieden sind. Der rasante technologische Wettlauf eröffnet viele Möglichkeiten, stellt aber auch das Business vor große Herausforderungen. Aus diesem Grund sollten Unternehmen Systeme wählen, die es ihnen ermöglichen, die Informationen am einfachsten und effizientesten zu nutzen.

In diesem Artikel möchte ich meine Überlegungen mit Ihnen teilen und Ihnen ein wenig über die neuesten Trends der Künstlichen Intelligenz im Zusammenhang mit Cloud-Lösungen erzählen.

google cloud trends ai

Serverlos - kein Server.... kein Problem?

Die Instandhaltung einer traditionellen IT-Infrastruktur ist teuer und zeitaufwändig. Darüber hinaus wird der Einsatz eigener Server geschäftspolitisch immer weniger sinnvoll. „Serverless/Serverlosigkeit“ löst dieses Problem. Durch den Wechsel zu Cloud Computing können wir neue Technologien reibungslos umsetzen. Wir nutzen Rechenleistung nur dann, wenn wir sie brauchen – und wir bezahlen auch nur für das, was wir nutzen.

Bei der serverlosen Variante liegen die Probleme der Wartung und der Verfügbarkeit beim Serviceanbieter selbst. So sparen Unternehmen Zeit und Kosten bei der Wartung der Infrastruktur.

Darüber hinaus sind „Serverlosigkeit“ und Skalierbarkeit die nötigen Voraussetzungen um größte Herausforderungen zu meistern. Ein Beispiel kann hier „Black Friday“ sein – ein Tag, an dem sich viele Unternehmen für große Werbeaktionen entscheiden. Dies erzeugt großen Traffic und somit Belastung auf E-Commerce-Websites. Deshalb wird eine störungsfreie, skalierbare Lösung gebraucht. Wenn die Lösung auch die vielfältigen Möglichkeiten der maschinellen Lernmodelle nutzen kann, dann kann der Markt noch bessere Ergebnisse erzielen, z.B. durch personalisierte Angebote für Kunden.

artificial intelligence google image processing

Ist Integration der Schlüssel zum Erfolg?

Google-Experten behaupten, dass der Schlüssel zur optimalen Nutzung der Daten darin besteht, sie in einem System zu speichern. Die meisten Unternehmen tun das Gegenteil und speichern Daten auf verschiedenen, verstreuten Firmenservern. Nur ein angemessener Datensatz erlaubt es uns, die richtigen Schlüsse zu ziehen und strategische Entscheidungen zu treffen. Aus diesem Grund ermöglicht Google eine einfache Integration seiner Datenbanken (wie BigTable) mit Lösungen, die auf kommerzieller Software basieren, die zuvor in Unternehmen installiert wurde (wie Tableau). Der Technologieriese stellt kontinuierlich sicher, dass die Integration mit jedem lokalen System so einfach wie möglich ist. Dadurch wird die Übertragung von Daten in die Cloud extrem einfach, z.B. die Hadoop-Migration mit Hilfe von Cloud Dataproc. Die firmeneigenen Lösungen von Google sind jedoch nicht alles. Das Unternehmen ermöglicht auch die Integration mit externen Bibliotheken und Frameworks. Dazu gehören unter anderem:

  • Apache Beam,
  • SciKitLearn,
  • Airflow,
  • Keras – jetzt noch besser integriert mit dem neuen Tensorflow 2.0.

Dank der einfachen Integration mit anderen Tools kann Google Cloud in jeder Phase der Datenverarbeitung aufgerufen werden:

  • Zusammenstellung – aus Quellen wie dem Internet der Dinge (IoT),
  • Verarbeitung – ETL, Datentechnik,
  • Interpretation der Ergebnisse und Entscheidungsprozesse – Machine Learning, Analyst und Business Intelligence.
google cloud day warsaw 2019

Edge AI - die Zukunft der künstlichen Intelligenz?

Daten verlieren ihren Wert, wenn sie nicht rechtzeitig analysiert werden. Die Antwort auf dieses Problem stellt sich als eine Kombination aus Edge Computing und Machine Learning / Künstlicher Intelligenz heraus. Edge AI wendet maschinellen Lernens direkt auf dem Gerät. In diesem Fall verlassen die Daten gar nicht das Gerät/die Hardware bis sie ihre „bestimmte“ Aufgabe erfüllt haben (z.B. ein bestimmtes Phänomen oder eine Anomalie erkennen). Dann erst werden diese Erkenntnisse an die Datenbank gesenden. Diese Technologie erobert den Markt in einem erstaunlichen Tempo. Schätzungen zufolge wird sich die Zahl der sogenannten Edge-Geräte bis 2020 auf über 5 Milliarden erhöhen, und bis zu 45% der erzeugten Informationen werden direkt auf Edge-Geräten und (nach dem IDC-Bericht) verarbeitet.

Entdecken Sie die neuesten KI-Technologien – Google Coral und Nvidia Jetson

 

 

Auch Google hat sich entschieden, auf diesen Trend zu reagieren. Aus diesem Grund erstellt und entwickelt Google seine eigenen Edge TPU-Module auf dem Gerät „Coral“. Es wird verwendet, um komplexe Berechnungen durchzuführen und maschinelle Lernmodelle direkt auf dem Gerät anzuwenden. Für die Performance sind hier die TPU (Tensor Processing Unit) Einheiten verantwortlich. Sie sind optimiert, um eine höchstmögliche Effizienz der mit Hilfe der Tensorflow-Bibliothek angewandten Modelle zu erreichen. Einer der Hauptgründe für die Übertragung von KI auf Datenerfassungsgeräte ist die Tatsache, dass es nicht immer sinnvoll ist, Daten zu speichern und dann an eine Datenbank weiterzuleiten. Nicht alle Rohinformationen sind relevant, und einige Daten können nur zum Einleiten eines bestimmten Ereignisses verwendet werden. Schauen Sie sich nur die riesige Datenmenge an, die durch die Geräte des Internet der Dinge in verschiedenen Bereichen erzeugt wird:

  • Industrie – bis zu 4 TB pro Maschine und Jahr,
  • Gesundheitswesen – ca. 1 TB pro Monat,
  • Transport/Versicherung – bis zu 25 GB pro Stunde,
  • Konsumgüter – ca. 4 GB pro Tag und Produktionslinie.

Welche Datenbank ist die richtige?

Ein weiteres Problem für viele Unternehmen ist die Wahl der richtigen Datenbank. Die Marktdifferenzierung kann diese Entscheidung einerseits behindern und andererseits ermöglichen, dass die Technologie genau auf die Bedürfnisse des Projekts zugeschnitten werden kann. Was ist bei einer solchen Entscheidung zu beachten? Nachfolgend finden Sie eine Übersicht über ausgewählte Technologien:

  1. Cloud SQL, ist eine Cloud-Version von MySQL- und PostgreSQL-Datenbanken, die von vielen Unternehmen häufig verwendet wird. Es ermöglicht einen reibungslosen Übergang von On-Premise- zu Cloud-Lösungen.
  2. Cloud Spanner ist eine skalierbare relationale Datenbank. Es gewährleistet eine hohe Datenkonsistenz. Dies macht es zu einem ausgezeichneten Motor für viele Google-Produkte, wie Google Ads, Google Store oder YouTube.
  3. Cloud Bigtable ist perfekt für Internet of Things Lösungen. Es bietet hohe Leistung und Skalierbarkeit bei Datenwachstum und -sicherheit. Es lässt sich perfekt in BigQuery, Cloud Dataproc, Cloud Dataflow und Tensorflow integrieren.

Google Cloud Day - meine Eindrücke

Cloud-Lösungen sind ein sich ständig weiterentwickelnder Trend in immer größerem Umfang. Immer mehr Unternehmen entscheiden sich für den Wechsel in die Cloud. Allerdings muss man sich darüber im Klaren sein, dass die von Google und anderen Anbietern angebotenen Lösungen nicht für jeden perfekt sind. Denken wir daran, dass die wirklichen Vorteile des Wechsels in die Cloud auftreten, wenn ein Unternehmen effektiv serverlose Dienste nutzt und durch sie geschickt zusätzlichen Wert generiert. +Kleiner Einblick – bereits Google Cloud Next 9.-11. April 2019, wo große Neuerungen vorgestellt werden sollen!

Sie wollen künstliche Intelligenz in Ihrem Unternehmen einsetzen?