Suchen

Nachbericht EGG-Konferenz in Stuttgart Großes Interesse an Künstlicher Intelligenz und Data Science

| Autor / Redakteur: Michael Matzer / Nico Litzel

In Stuttgart haben sich auf der EGG-Konferenz Interessenten für Künstliche Intelligenz (KI) und Data Science zum Meinungsaustausch getroffen. Dataiku der französische Anbieter einer kollaborativen Data-Science-Plattform, war der Veranstalter und enthüllte seine Produktplanung bis 2020.

Firmen zum Thema

Die EGG Germany gastierte in den Stuttgarter Wagenhallen, wo üblicherweise Konzerte und Aufführungen stattfinden.
Die EGG Germany gastierte in den Stuttgarter Wagenhallen, wo üblicherweise Konzerte und Aufführungen stattfinden.
(Bild: Dataiku)

Mehr als 350 registrierte Teilnehmerinnen und Teilnehmer besuchten die Premiere der Konferenz in Deutschland und informierten sich in 15 verschiedenen Vorträgen und Workshops über vielfältige Anwendungsfälle von Data Science. Eröffnet wurde die Konferenz von Florian Dirnberger, Regional VP Sales DACH-Region von Dataiku. Er hat die deutsche Niederlassung im August eröffnet und bereits 15 Mitarbeiter, was auf das große Interesse bei deutschen KI-Anwendern hinweist. Insgesamt ist die EGG Germany eine der sechs EGG Konferenzen, die Dataiku in diesem Jahr weltweit veranstaltet.

Eine Podiumsdiskussion zum Thema „Reshaping the organisation according to data“. Der Saal war fast voll besetzt.
Eine Podiumsdiskussion zum Thema „Reshaping the organisation according to data“. Der Saal war fast voll besetzt.
(Bild: Dataiku)

Dass so viele Besucherinnen und Besucher den Weg in die Stuttgarter Wagenhallen fanden, einen ehemaligen Eisenbahnbau, lag auch an den klingenden Namen der deutschen Unternehmen, die sich hier mit Vorträgen vorstellten. Das Axel-Springer-Medienhaus war mit dem gewitzten Dan Tran als Head of AI vertreten, der den Weg „From ML Research to Production – the Autobahn Way“ vorstellte. Danach präsentierte Walid Mehanna, Head of Data & Analytics bei Mercedes-Benz, wie es um die „Augmented Human Intelligence“ beim Autofahren steht. Die anschließende Podiumsdiskussion zum Thema „Reshaping the organisation according to data“ erörterte die Frage, ob es überhaupt geht, eine Organisation mit der Ausrichtung auf Daten umzugestalten.

Dat Tran, Head of AI bei Axel Springer, begeisterte das Publikum auf der EGG Germany mit seinem erfrischenden und informativen Vortrag.
Dat Tran, Head of AI bei Axel Springer, begeisterte das Publikum auf der EGG Germany mit seinem erfrischenden und informativen Vortrag.
(Bild: Dataiku)

Der deutsche Pharmakonzern Merck, vertreten durch den Head of AI Immanuel Schweizer, stellte die Frage, ob der Kunde bereit sei für einen „Digitalen Chemiker“. Der klingenden Namen nicht genug, trat Mercedes-Benz mit seiner Consultingfirma Statworx erneut auf, um ein paar ernstzunehmende Vorschläge zu unterbreiten, wie man KI-Projekte durch „Demokratisierung von Data Science“ anpackt – und was man dabei lieber unterlässt.

Vorträge von Festo und Microsoft

Auf bekannten Pfaden befanden sich hingegen die Vorträge von Festo und Microsoft. Sie referierten einfach nur den bekannten Stand der Dinge, sei es in KI, Machine Learning, Robotik oder Quantenrechnen. Jan Seyler, Festos Lead AI Developer and Semantic Data Engineer, nutzt bereits die VPU „Movidius“ von Intel (VPU: Video Processing Unit). Interessant war in seiner Demo, dass man bereits mit einem oder zwei Deep-Learning-Durchläufen eines Neuronalen Netzwerks die „Overall Engine Efficiency“ (OEE) einer Maschine wie etwa eines Roboters um etliche Prozent steigern kann (1. Durchlauf: 15 Prozent).

Brian Moore, bei Microsoft im Bereich Data & AI Technology tätig und in enger Zusammenarbeit mit Daimler, zeigte auf, welche vielfältigen Voraussetzungen im Datenmanagement und in der KI-Wertschöpfungskette erfüllt sein müssen, um aus einer digitalen Rückkopplung, etwa im IIoT, eine KI-Lösung zu erstellen, die einen wirtschaftlichen Nutzen liefert. Der Data Lake von Mercedes wird beispielsweise von 160 Datenquellen befüllt und von zahlreichen Teams genutzt. Einziger Augenöffner in seinem Vortrag: Julia White, eine US-Managerin aus dem Azure-AI-Team bei Microsoft, spricht fließend Japanisch! Das tut sie allerdings nicht selbst, sondern ihr „Mini-Me“, das mit HoloLens 2.0 und Azure AI in Echtzeit US-Englisch in Japanisch übersetzt und daher so aussieht, als spräche Julia White selbst Japanisch.

Gregory Herbert, Senior Vice President Sales EMEA bei Dataiku, sieht in Deutschland überdurchschnittliches Potenzial für KI und Data Science: „Das Feedback unserer Besucher auf der EGG Germany war enorm positiv. Man spürt, dass viele Manager die Chancen, die Künstliche Intelligenz und Data Science bieten, beim Schopf packen wollen. Schnell sollen sinnvolle Projekte definiert und realisiert werden. Erfahrungen mit anderen Anwendern zu teilen, liefert dazu die entscheidenden Impulse. Davon sind wir überzeugt.“

Dataikus DSS-Plattform

Florian Dirnberger, Regional VP Sales DACH-Region von Dataiku, eröffnete die EGG Germany.
Florian Dirnberger, Regional VP Sales DACH-Region von Dataiku, eröffnete die EGG Germany.
(Bild: Dataiku)

Florian Dirnberger erläuterte, was Dataiku macht: „Dataiku entwickelt eine kollaborative Data Science-Plattform, die eine erfolgreiche Projekt-Zusammenarbeit zwischen Business Usern, Data Scientists und Data Engineers ermöglicht.“ Sie liefert die Infrastruktur für die gesamte Wertschöpfungskette von der Datenakquise bis zur Projekt-Implementierung. Die Zwischenstationen sind die Erstellung von Machine Learning-Projekten mit Algorithmen und Code, Analytik mit Data Mining und Visualisierung, schließlich die Bereitstellung des Projektes und dessen Überwachung und Anpassung.

Die Prozesse in Data Science, die Dataiku DSS unterstützt.
Die Prozesse in Data Science, die Dataiku DSS unterstützt.
(Bild: Dataiku)

Dabei sind vier Rollen beteiligt: Data Scientist, Business Analyst, Analytics Leader und natürlich der Data Engineer. Die Zusammenarbeit zwischen diesen unterschiedlichen Rollen zu organisieren, ist für Dataiku die zentrale Aufgabe der DSS-Plattform.

Bereits bestehende Kunden wie etwa Daimler, UBS und Zurich Insurance hat die DSS-Plattform überzeugt, denn Dataiku verfügt u. a. über eine teambasierte Benutzeroberfläche, die auf die Bedürfnisse von Data Scientists und Einsteiger-Analysten gleichermaßen abgestimmt ist. „Ein einheitliches Framework bietet unseren Nutzern“, so Dirnberger weiter, „unmittelbaren Zugriff auf die Features und Tools, die zur Erstellung und Ausführung von datengetriebenen Projekten benötigt werden.“ Mit Dataiku DSS könnten Unternehmen effizient Techniken des maschinellen Lernens und der Data Science auf Rohdaten aller Größen und Formate – aus Data Warehouses wie Snowflake bis zu unstrukturierten Multimedia-Daten – anwenden, um so erfolgreich prädiktive Datenflüsse zu erzeugen. Die Bereitstellung der Plattform erfolge allerdings vor allem on-premises, in der Private Cloud und in einer Hybrid Cloud. Was Dataiku nicht anbietet, ist Software-as-a-Service direkt in einer Cloud.

Roadmap

Die mehrstufige DSS-Plattform von Dataiku.
Die mehrstufige DSS-Plattform von Dataiku.
(Bild: Dataiku)

Derzeit bietet Dataiku die Version 5.1 seiner DSS-Plattform an. Doch noch in diesem Monat soll die Version 6.0 verfügbar werden. Sie soll Zeitreihen und Graphen verarbeiten können. Für Anfang 2020 sei eine statistische Benutzeroberfläche mit Drill-down-Fähigkeiten auf Datasets geplant. Dies sei eine Eigenentwicklung und nicht von Tableau lizenziert, sagte Dirnberger. Ein weiteres Modul treibt die Automatisierung von Machine-Learning-Modellen und deren Evaluierung bzw. Implementierung voran. „Tausende von Modellen“, so Dirnberger, „erfordern auch eine effiziente Modellverwaltung.“ Da sich selbstlernende Modelle weiterentwickeln, soll die Version 6.1 ein Feature namens „Whitebox ML“ enthalten, das ein Modell erklärt – Stichwort „Trusted AI“.

In die gleiche Kerbe schlägt der Ausbau der Governance-Features: angepasste Richtlinien, zentrales Governance Hub und schließlich vollständige Nachverfolgbarkeit aller Daten-Assets im Unternehmen. Dass dafür auch die Plattform entsprechend skalierbar werden muss, liegt nahe. Für die Version 6.0 steht die Unterstützung für Snowflake, Apache Spark, Google BigQuery, AWS-Datenbanken und MS Azure auf dem Programm. Auch die Container-Unterstützung soll nicht vergessen werden, legen die Produktpläne nahe. Dafür soll es eine Kubernetes-Runtime geben, die für die automatisierte Skalierbarkeit der Workloads sorgt.

(ID:46268274)

Über den Autor