Nachbericht AWS re:Invent 2021 AWS erweitert den Kundenkreis für Amazon SageMaker um Wirtschaftsanalytiker

Von Michael Matzer

Auf der Anwenderkonferenz AWS re:Invent 2021 hat Amazon Web Services zahlreiche Neuheiten in den Bereichen Datenbanken, Analytik, Machine Learning / KI sowie IoT und Robotik vorgestellt oder angekündigt.

Anbieter zum Thema

Der neue AWS-CEO Adam Selipsky bei der Eröffnungs-Keynote der AWS re:Invent 2021
Der neue AWS-CEO Adam Selipsky bei der Eröffnungs-Keynote der AWS re:Invent 2021
(Bild: mrvphotography.com)

Der neue AWS-CEO Adam Selipsky hat auf der AWS re:Invent 2021 zahlreiche Neuheiten sowie Erweiterungen bestehender Produkte vorgestellt und angekündigt. Eine der bemerkenswertesten ist wohl die Ausweitung des Kundenkreises für das Machine Learning Framework SageMaker. Ohne Kenntnisse vom Machine Learning zu haben, sollen damit auch Wirtschaftsanalytiker Modelle entwickeln können, um damit Vorhersagen für ihre Analysen treffen zu können.

Auch die Bereiche Analytik, IoT und Robotik werden um neue Services erweitert. Auf Revolutionen warteten die Besucher in diesen Segmenten zwar vergebens, aber dafür wurden sie durch diverse Optionen, Kosten und Aufwand bei der Nutzung solcher Dienste zu sparen, erfreut.

Datenbanken

Amazon DynamoDB ist eine der zahlreichen spezifischen Datenbanktypen bei AWS. Damit sie sich bis zu 60 Prozent kostengünstiger betreiben lässt, bietet AWS nun eine Tabellenklasse namens Standard-IA an. „Im Austausch gegen die niedrigeren Speicherkosten erhöhen sich die Kosten für das Schreiben und Lesen von Daten um 25 Prozent“, erläutert Constantin Gonzalez, Principal Solutions Architect bei AWS, und weiter: „Damit ist die neue Klasse für Anwendungen besonders günstig, die vergleichsweise selten auf die Daten zugreifen, ohne dass der Nutzer dafür den Code seiner Anwendung ändern müsste.“

Manche Anwendungen sind abhängig von bestimmten Konfigurationen und Drittanbieter-Lösungen. Beispiele sind Unternehmens-, E-Commerce- und Content-Management-Systeme wie MS SharePoint, die Anpassungen an der Datenbank notwendig machen. Diese Anpassungen für SQL Server lassen sich nun im relationalen Datenbanksystem Amazon RDS vornehmen.

Um Leistungsprobleme mit Amazon Aurora mithilfe von Machine Learning zu entdecken, zu untersuchen und zu beheben, können Nutzer jetzt Amazon DevOps Guru for RDS heranziehen. Dessen Report spart eine Menge Zeit. Der „Guru“ ist bereits verfügbar.

Der AWS Database Migration Service (DMS) ist ein sehr beliebter Dienst, um etwa auf die vergleichsweise preisgünstige Datenbank Aurora umsteigen zu können. Der neue Fleet Advisor für AWS DMS erleichtert die automatische Entdeckung und Analyse von Datenbank- und Analytik-Workloads. Der Fleet Advisor ist derzeit als Preview zu bekommen.

Analytik

Die serverlose Bereitstellung von Datenbanken und Analyseprogrammen spart eine Menge Verwaltungsaufwand, Zeit und Kosten für Datenübertragungen. Zudem skalieren diese Dienste automatisch, je nach Bedarf. Swami Sivasubramanian, der AWS Vice President für Machine Learning, stellte in seiner Keynote eine Reihe neuer Dienste mit dieser Eigenschaft vor.

Mit Amazon Redshift Serverless ist keine Nachjustierung des Data Warehouse mehr nötig. Ein Setup sowie die Verwaltung von Datenbank-Clustern sind überflüssig. Das Gleiche gilt für die Dienste Amazon EMR (für Apache Spark, Hive, Presto und andere Big-Data-Anwendungen) und Amazon MSK (für Apache Kafka). Sie liegen als Previews vor.

In AWS Kinesis soll ein neuer Datenstrom angelegt werden. Neu: Die Kapazität ändert sich je nach Bedarf statt nach oben begrenzt zu sein.
In AWS Kinesis soll ein neuer Datenstrom angelegt werden. Neu: Die Kapazität ändert sich je nach Bedarf statt nach oben begrenzt zu sein.
(Bild: AWS)

In die gleiche Kerbe haut auch der Streamingdienst Amazon Kinesis Data Streams On-demand. Der Dienst wird bezüglich seiner Kapazität automatisch skaliert.

Der Verlauf dieser beiden Linien zeigt an, dass in AWS Kinesis die Kapazität für den Durchsatz von PutRecords optimiert und für PullRecords minimiert wurde.
Der Verlauf dieser beiden Linien zeigt an, dass in AWS Kinesis die Kapazität für den Durchsatz von PutRecords optimiert und für PullRecords minimiert wurde.
(Bild: AWS)

Streaming-Daten landen häufig in einem Data Lake. Zur Erstellung eines Data Lakes bietet Amazon AWS Lake Formation an. Was früher Wochen und Monate dauerte, nimmt so nur noch Tage in Anspruch. Um auch entsprechende Sicherheitsmerkmale zu berücksichtigen, kann der Nutzer nun auf Security auf Zellenebene und auf Governed Tables zurückgreifen. Neue Funktionen sorgen dafür, dass Daten schneller geladen, der Datenzugriff sicher verwaltet und die Speicherkapazität optimiert wird.

Data Lakes sind für den Datenaustausch häufig auf Programmierschnittstellen angewiesen. Dafür hat Amazon den Service AWS Data Exchange for APIs angekündigt. Mithilfe des Consistent Authenticator können Entwickler und Admins den Zugriff auf mehrere Drittanbieter-APIs herstellen und absichern.

Artificial Intelligence / Machine Learning

Die zentrale Werkbank seitens AWS für Machine Learning und KI ist Amazon SageMaker. Nach den Worten von Vice President Sivasubramanian ist das Entwicklungswerkzeug bei zehntausenden von Kunden im Einsatz. Kein Wunder also, wenn AWS es gemäß den Kundenwünschen erweitert.

Der Amazon SageMaker Inference Recommender ist eine neue Funktion des Amazon SageMaker Studio, die das Testen von Machine-Learning-Modellen automatisiert und deren Performance bezüglich ML-Instanzen optimiert, indem es den richtigen Instanz-Typ vorschlägt. Der neue Training Compiler kompiliert automatisch Python-Code für das Training von ML-Modellen und erzeugt GPU-Rechenkerne, die für das jeweilige Modell spezifisch sein sollen. Als Vorteil beansprucht der Trainingscode weniger Arbeitsspeicher und Rechenleistung und erledigt den Trainingsvorgang des Modells schneller.

Der Inferenzvorgang für Modelle lässt sich in SageMaker nun auch serverless ausführen. Die Preview liegt bereits vor. Der Preis wird gemäß dem Pay-per-use-Modell festgelegt.

Aus SageMaker Studio heraus ist nun der Zugriff und die Bearbeitung von EMR-Clustern und Spark-Workloads realisierbar. Data Scientists müssen ihre bevorzugte Arbeitsumgebung, nämlich SageMaker, nicht mehr verlassen, um andere Anwendungen einzubinden.

Mit dem Data-Preparation-Tool Amazon SageMaker Ground Truth lassen sich Trainingsdaten annotieren („labeling“). Mit der Plus-Variante lassen sich mithilfe von 30 vorgefertigten Workflows und über 100 Templates qualitätsvolle Trainings-Datensätze und Labels schnell erzeugen – und ganz nebenbei die Kosten für Training, Visualisierung und Dashboards um bis zu 40 Prozent verringern. „Dies wird durch den Einsatz von erfahrenen Annotations-Experten erreicht“, erklärt Gonzalez. Die Funktion ist bereits verfügbar.

AWS SageMaker Canvas ist ein neues Werkzeug im SageMaker-Framework. Damit sollten auch Wirtschaftsanalytiker Vorhersagen mit Machine-Learning-Modellen erstellen können. Diagramme gehören zum Standardrepertoire.
AWS SageMaker Canvas ist ein neues Werkzeug im SageMaker-Framework. Damit sollten auch Wirtschaftsanalytiker Vorhersagen mit Machine-Learning-Modellen erstellen können. Diagramme gehören zum Standardrepertoire.
(Bild: AWS)

Amazon SageMaker Canvas wendet sich nicht an Data Scientists, sondern an Wirtschaftsanalytiker. Das Tool soll die visuelle Erstellung von Machine-Learning-Modellen ohne Programmierung erlauben, um Vorhersagen machen zu können.

Mit dem neuen Amazon CodeGuru Reviewer Secrets Detector sollen Nutzer von Amazon CodeGuru automatisch „Geheimnisse“ im hartkodierten Programmcode oder in Konfigurationsdateien aufspüren können. Diese können eingebettete Passwörter, API-Schlüssel, SSH-Schlüssel und Zugangs-Tokens enthalten. Sie sollten besser mit dem AWS Secrets Manager gesichert und verwaltet werden.

Das Internet of Things (IoT)

Das Internet der Dinge lässt sich direkt in Digital Twins abbilden, was beim Betrieb von Industrieanlagen hilft, Prozesse zu optimieren und die Produktion zu steigern. Um den Aufbau von Digital Twins zu erleichtern, bietet AWS nun den AWS IoT TwinMaker an. Auf ähnliche Weise demonstrierte zum Beispiel Continental im Zuge einer lokalen AWS-Veranstaltung im Rahmen der re:Invent, wie die moderne Autoentwicklung ohne das Internet der Dinge nicht mehr zufriedenstellend wäre: Pro Automodell müssen Daten von einer Million Fahrkilometern nachgewiesen werden. Mit AWS IoT FleetWise können Fahrzeughersteller Daten realer Fahrzeuge einfacher und effizienter in die Cloud transferieren.

Um Edge-Geräte, die mit AWS IoT Greengrass arbeiten, zu verwalten, mussten Admins bislang eigene Tools erstellen oder integrieren, wenn sie sicherstellen wollten, dass sie die Edge-Geräte neben EC2- und On-premises-Instanzen mithilfe einer Reihe konsistenter Richtlinien verwalten wollten. Diese Tage der Mühe sind vorüber, seit sie den AWS Systems Manager auch für Greengrass Edge-Geräte verwenden können.

Embedded-System-Entwickler verwenden mitunter das Embedded-Betriebssystem FreeRTOS. Sie sind auf regelmäßige Bugfixes und Security Patches seitens AWS angewiesen. Deshalb ist es für sie eine gute Nachricht, dass AWS den Wartungsplan für FreeRTOS auf zehn Jahre ausgedehnt hat, nachdem der anfängliche LTS-Zeitraum ausgelaufen ist.

Robotik

Der Spot Robot von Boston Dynamics lässt sich in industriellen Umgebungen einsetzen, um Aufgaben auszuführen, die für Menschen zu gefährlich oder zu mühsam sind.
Der Spot Robot von Boston Dynamics lässt sich in industriellen Umgebungen einsetzen, um Aufgaben auszuführen, die für Menschen zu gefährlich oder zu mühsam sind.
(Bild: AWS)

AWS IoT RoboRunner ist ein neuer Robotikservice, der es Unternehmen erleichtern soll, Anwendungen zu erstellen und bereitzustellen, die dazu beitragen, dass Flotten von Robotern reibungslos zusammenarbeiten. Die Software beruht auf der gleichen Technologie, die in Amazons Lagern und Auslieferungszentren verwendet wird.

Mit AWS IoT RoboRunner lassen sich Anwendungen für Roboter erstellen, die mit anderen Robotern in einer Flotte zusammenarbeiten sollen.
Mit AWS IoT RoboRunner lassen sich Anwendungen für Roboter erstellen, die mit anderen Robotern in einer Flotte zusammenarbeiten sollen.
(Bild: AWS)

In AWS IoT RoboRunner müssen einem Roboter eine Facility zugeordnet werden. Zwei sind bereits mit einer ARN-Nummer angelegt.
In AWS IoT RoboRunner müssen einem Roboter eine Facility zugeordnet werden. Zwei sind bereits mit einer ARN-Nummer angelegt.
(Bild: AWS)

Amazon-CTO Werner Vogels hat in seinem Blog den neuen AWS Robotics Startup Accelerator vorgestellt, der nun weltweit für Hard- und Software-Start-ups geöffnet ist. Das Beschleunigungsprogramm, das AWS zusammen mit dem Softwarehaus MassRobotics betreibt, soll Start-ups eine Reihe von Vorteilen bieten, darunter praktisches Training mit den AWS-Robotiklösungen sowie bis zu 10.000 US-Dollar in AWS-Credits, um AWS IoT, Robotik und Machine Learning Services zu nutzen. Jedes Programm dauert vier Wochen und wird von entsprechenden Experten begleitet. Danach greift ihnen MassRobotics unter die Arme: Business Development, Investitionsberatung und Co-Marketing mit AWS.

Jetzt Newsletter abonnieren

Täglich die wichtigsten Infos zu Big Data, Analytics & AI

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung.

Aufklappen für Details zu Ihrer Einwilligung

(ID:47876691)