Ankündungen auf der re:Invent 2022 AWS bringt zwei neue Anwendungen und erweitert Amazon Connect

Anbieter zum Thema

Amazon Web Services EMEA SARL,

Confluent Germany GmbH

Snowflake Computing GmbH

Fivetran Germany GmbH

Auf seiner Anwenderkonferenz AWS re:Invent 2022 hat Amazon Web Services (AWS) wieder Neuheiten im Bereich Cloud Computing vorgestellt. Mit AWS Supply Chain fügt AWS seinem Applikationsportfolio eine weitere Anwendung hinzu. AWS Omics unterstützt den dynamischen Markt der Medizin, Biowissenschaft und Genomik.

AWS Supply Chain nutzt das Fachwissen der AWS-Cloud-Infrastruktur, um Daten in einem Data Lake zu vereinheitlichen und verwertbare Erkenntnisse auf der Basis von Machine Learning (ML), integrierte kontextbezogene Zusammenarbeit sowie Nachfrageplanung bereitzustellen. AWS Supply Chain lässt sich mit bestehenden ERP- und Lieferketten-Management-Systemen verbinden, ohne dass ein Plattformwechsel, Vorab-Lizenzgebühren oder langfristige Verpflichtungen erforderlich sind.

AWS Supply Chain richtet einen Data Lake ein, um verschiedene, inkompatible Daten zu verstehen, zu extrahieren und in ein einheitliches Datenmodell umzuwandeln. Dazu werden für Lieferketten trainierte ML-Modelle verwendet. Der Data Lake kann Daten aus einer Reihe von Datenquellen erfassen, einschließlich ERP-Systemen wie SAP S/4HANA und Systeme für das Management von Lieferketten.

Zum Hinzufügen von Daten aus variablen Quellen wie EDI 856 verwendet die Lösung ML und natürliche Sprachverarbeitung (NLP), um Daten aus Quellsystemen mit dem einheitlichen Datenmodell zu verknüpfen. EDI-850- und 860-Nachrichten werden direkt mit vordefinierten, aber anpassbaren Transformationsrezepten umgewandelt. Sie können auch Daten aus anderen Systemen in einen S3-Bucket (Objektspeicher) laden. Von dort aus werden sie automatisch in den Data Lake von AWS Supply Chain eingepflegt.

AWS Supply Chain kontextualisiert Daten in einer visuellen Karte in Echtzeit. Dazu werden eine Reihe von interaktiven, visuellen Endnutzerschnittstellen verwendet, die auf einer Micro Frontend (MFE)-Architektur basieren. Die Lösung zeigt dann die aktuelle Bestandsauswahl und -menge sowie den Zustand der Bestände an jedem Standort an (so etwa, ob das Risiko einer Fehlmenge besteht). Bestandsverwalter können Einrichtungen aufschlüsseln und den aktuellen Bestand, den Bestand im Transit und potenzielle Risiken an jedem Standort anzeigen.

Analytik mit Machine Learning

AWS Supply Chain generiert automatisch Erkenntnisse für potenzielle Risiken in der Lieferkette (z. B. Überbestände oder Fehlmengen). Der Service nutzt dazu die umfassenden Lieferkettendaten im Data Lake und stellt sie in der visuellen Karte in Echtzeit dar. Hierfür wendet die Lösung ML-Modelle an, um genauere Vorhersagen über die Vorlaufzeiten von Lieferanten zu erstellen. Beschaffungsplaner (s.u.) können diese voraussichtlichen Vorlaufzeiten der Lieferanten nutzen, um die statischen Annahmen in den Planungsmodellen zu aktualisieren und so das Risiko von Fehlmengen oder Überbeständen zu verringern.

Bestandsverwalter, Bedarfsplaner und Lieferkettenleiter können auch ihre eigenen Überwachungslisten erstellen, indem sie den Standort, die Art des Risikos (beispielsweise Fehlmenge oder Überbestand) und den Schwellenwert auswählen und dann Teammitglieder als Beobachter hinzufügen. Wird ein Risiko erkannt, erzeugt die Lösung eine Warnung, die das potenzielle Risiko und die betroffenen Standorte hervorhebt.

Nachfrageprognose für bessere Planung

Nachfrageplanung ist wohl eines der nützlichsten Leistungsmerkmale der Lösung, denn es sagt die Zukunft voraus. Demand Planning erstellt in AWS Supply Chain genauere Nachfrageprognosen, passt sich an die Marktbedingungen an und ermöglicht Nachfrageplanern die teamübergreifende Zusammenarbeit, um Kosten für überschüssigen Bestand und Verschwendung zu vermeiden. Laut AWS soll die Applikation den manuellen Aufwand und das Rätselraten bei der Nachfrageplanung beseitigen.

Dazu verwendet die Lösung Machine Learning, um historische Verkaufsdaten und Echtzeitdaten (etwa offene Bestellungen) zu analysieren, Prognosen zu erstellen und Modelle kontinuierlich anzupassen, um auf diese Weise die Genauigkeit zu verbessern. Demand Planning lernt außerdem kontinuierlich aus sich ändernden Nachfragemustern und Benutzereingaben, um auf dieser Grundlage Prognosen nahezu in Echtzeit zu aktualisieren. Unternehmen können so ihre Lieferkettenabläufe proaktiv anpassen.

Unterstützung medizinischer Forschung

Amazon Omics ist eine weitere umfassende Applikation, die CEO Adam Selipsky auf der AWS re:Invent vorstellte. „Omics“ heiße so, weil die Bezeichnungen vieler Disziplinen in diesem Bereich, etwa „Genomics“, auf diese Weise enden, so der CEO. Omics soll Organisationen im Gesundheitswesen und in der Biowissenschaft helfen, genomische, transkriptomische und andere Omics-Daten zu speichern, abzufragen und zu analysieren und dann aus diesen Daten Erkenntnisse zu gewinnen, um die Gesundheit zu verbessern und wissenschaftliche Entdeckungen voranzutreiben. Es vereinfacht und beschleunigt den Prozess der Speicherung und Analyse von Multiomics-Informationen für Forschung und klinische Anwendungen, sodass Anwender sich darauf konzentrieren können, detailliertere Erkenntnisse aus ihren Daten zu gewinnen.

Mit Amazon-Omics-Speicher können Kunden Petabyte an Omics-Daten effizient und kostengünstig speichern und so wissenschaftliche Entdeckungen im Populationsmaßstab ermöglichen. Workflows automatisieren die Bereitstellung und Skalierung der Datenverarbeitungsinfrastruktur, sodass Nutzer bioinformatische Analyse-Pipelines im Produktionsmaßstab ausführen können und weniger Zeit für die Verwaltung der Infrastruktur aufwenden müssen und so mehr Zeit für die Forschung zur Verfügung haben. Amazon-Omics-Analytics vereinfache die Aufbereitung von Omics-Daten für multimodale Analysen. So könnten Kunden Multiomics- und Gesundheitsdaten zusammenführen und eine gezieltere und personalisierte Therapie entwickeln.

Diese Funktionen seien auch HIPAA-konform, also zur US-Norm für Gesundheits- und Patientendaten, die auch den Datenschutz regelt. Anwender können integrierte Zugriffskontrollen einsetzen, um die Speicherung und Analyse anonymisierter Omics-Daten zu optimieren und Forschern einen sichereren Datenaustausch zu ermöglichen.

Der Amazon-Omics-Speicher ist laut AWS mit bioinformatischen Dateiformaten wie FASTQ, BAM und CRAM kompatibel und ermöglicht es Ihnen, diese Daten effizient und kostengünstig zu speichern, zu entdecken und zu teilen. Diese Dateiformate werden als Lesesatzobjekte in einem Sequenzspeicher gespeichert. Sie können auch Referenzgenome im FASTA-Format speichern. Daten werden als unveränderliche Objekte mit eindeutigen Bezeichnern importiert, um Workloads zu unterstützen, die eine strenge Datenprovenienz erfordern.

Bildergalerie

Bildergalerie mit 8 Bildern

Neue Funktionen für Amazon Connect

Die Callcenter-Lösung Amazon Connect bietet als Preview Schritt-für-Schritt-Anleitungen im Arbeitsbereich für Kundendienstmitarbeiter. Die Anleitungen führen die Kundendienstmitarbeiter durch die Identifizierung von Kundenproblemen und die Empfehlung von Folgeaktionen. Mit Amazon Connect können Anwender Workflows erstellen, die Kundendienstmitarbeiter durch benutzerdefinierte Seiten der Benutzeroberfläche führen und vorschlagen, was zu einem bestimmten Zeitpunkt während einer Kundeninteraktion zu tun ist. Detaillierte Schritt-für-Schritt-Anleitungen sollen die Produktivität der Mitarbeiter erhöhen und die Schulungszeit verkürzen.

Die angekündigte nächste Version von Amazon Connect gibt Leistungsbewertungsformulare von Kundendienstmitarbeitern in Contact Lens aus. Mit diesen Funktionen zur Bewertung der Leistung von Kundendienstmitarbeitern können Contact-Center-Manager Bewertungsformulare mit Kriterien erstellen (so etwa zur Einhaltung von Gesprächsskripten oder Einhaltung sensibler Datenerfassungspraktiken), die mithilfe der ML-gestützten Konversationsanalyse bewertet werden können.

Manager können die Leistung von Kundendienstmitarbeitern zusammen mit Kontaktdaten, Aufnahmen, Abschriften und Zusammenfassungen überprüfen, ohne die Anwendung wechseln zu müssen. Dadurch können Manager mehr Interaktionen zwischen Kundendienstmitarbeitern und Kunden bewerten und gleichzeitig den Zeitaufwand für die Identifizierung von Leistungsproblemen und das Coaching von Kundendienstmitarbeitern reduzieren, damit diese ihr Bestes geben können.

Konversationsanalysen für Chats

Contact Lens für Amazon Connect bietet jetzt Funktionen zur Konversationsanalyse für Amazon Connect Chat und erweitert die ML-gestützte Analyse zur besseren Bewertung von Chat-Kontakten. Mit diesen Funktionen sollen Unternehmen die Stimmung der Kunden sowohl in Gesprächen mit Agenten als auch mit Chatbots verstehen können, sensible Kundeninformationen schwärzen und die Einhaltung der Unternehmensrichtlinien durch die Kundendienstmitarbeiter überwachen können, um die Leistung der Agenten und das Kundenerlebnis zu verbessern.

Prognose, Kapazitäts- und Zeitplanung in Amazon Connect ist inzwischen allgemein verfügbar und bietet neue ML-gestützte Funktionen für Kontaktcenter. Die Vorhersagefunktion, Kapazitäts- und Zeitplanung unterstützt Contact-Center-Manager dabei, den Bedarf an Kontakten zu prognostizieren, die optimale Personalbesetzung zu bestimmen und sicherzustellen, dass die richtigen Kundendienstmitarbeiter zur richtigen Zeit zur Verfügung stehen, um die betrieblichen und geschäftlichen Ziele zu erreichen.

Mitte Dezember 2022 führte Amazon Connect detailliertere Zugriffskontrollen ein, denn AWS ist bemüht, Sicherheitsmerkmale auf breiter Front nicht nur in Amazon Connect einzubauen. Anwender können nun detailliertere Zugriffskontrollen für Sicherheitsprofile aktivieren, indem sie Ressourcen-Tags auf der Admin-Website von Amazon Connect konfigurieren. Durch das Taggen eines Sicherheitsprofils können sie detaillierte Berechtigungen konfigurieren und definieren, wer auf ein bestimmtes Sicherheitsprofil zugreifen kann.

Bildergalerie

Bildergalerie mit 8 Bildern

(ID:49203653)