Nachbericht SAS Forum 2019 Bonn SAS fokussiert sich auf IoT, Cloud-Solutions und KI

Anbieter zum Thema

SAS Institute GmbH Niederlassung München

Fsas Technologies GmbH

Board Deutschland GmbH

INFOMOTION GmbH

Auf dem diesjährigen SAS Forum hat der Analytics-Spezialist seine Produkte „SAS Intelligent Decisioning“ und „SAS Analytics for IoT“ vorgestellt sowie „SAS Demand Planning“ angekündigt. Die neue Plattform Viya werde komplett im Kubernetes-Container laufen. Daher wird es künftig neue Preismodelle geben.

Schon im Februar und April dieses Jahres hat SAS-Eigentümer und -CEO Jim Goodnight „Analytics für alle“ angekündigt und sich vor allem der Automation von analytischen Prozessen sowie von Business-Entscheidungen verschrieben – auch in der Industrie. Voraussetzung für diese Weiterentwicklung ist die Investition von einer Milliarde US-Dollar in KI, die für die nächsten drei Jahre angekündigt wurde. Das wirkt sich in der Unterstützung von Neuronalen Netzwerken, in Natural Language Processing, Gesichts- und Objekterkennung aus, aber auch in der Verarbeitung von IoT-Datenströmen. Dabei sucht SAS immer häufiger die Partnerschaft von Markt- oder Branchenführern wie etwa Siemens Healthineers und mit der IoT-Plattform Mindsphere.

SAS Intelligent Decisioning

Ein Beispiel für die Automation von BI-gestützten Prozessen ist das im April dieses Jahres angekündigte Produkt „SAS Intelligent Decisioning“, das der Business Process Optimization (BPO) dient. Es soll dem Fachanwender datenbasierte Next-Best-Action-Strategien anbieten. Solche User können damit Modelle rasch konfigurieren, automatisieren und in Echtzeit implementieren. Das sei die Voraussetzung, kontinuierlich aus den Daten zu lernen und die profitabelsten Modelle zu wählen – die Basis für schnelle und smarte Geschäftsentscheidungen.

SAS hat in seine Plattform SAS Viya bzw. SAS 9.4 Funktionen für Model Management und Governance integriert, die auch auf in R oder in Python entwickelte Modelle angewandt werden können. User können demnach aus einem zentralen Pool das optimale Modell für die jeweilige Geschäftsanforderung wählen, beispielsweise personalisiertes Marketing. „Die Lösung erlaubt die automatisierte Erstellung von Modellen und Regeln sowie Aussagen über die Folgen, was etwa in Predictive Maintenance oder Qualitätssicherung wichtig ist“, sagte Dr. Andreas Becks, Head of Business Analytics in der DACH-Region bei SAS.

Im Markt für Retail und CPG (Consumer Packaged Goods) hat SAS eine neue Geschäftseinheit gegründet, wie Annette Green, seit Januar 2019 die neue Chefin für die DACH-Region bei SAS, sagte. „Hier verzeichnen wir das höchste Wachstum.“ SAS hat bei Carrefour, dem größten französischen Retailer, KI im Einsatz. „Weitere Use Cases sind Supply-Chain-Management-Optimierung und -Planung.“ SAS bietet zunehmend fertige Branchenlösungen an, die sich auch für den Mittelstand eignen sollen und die in der Hybrid-Cloud, also Private plus Public Cloud, bereitgestellt und betrieben werden können. SAS unterstützt AWS und MS Azure. „Alle diese Lösungen werden auf Viya portiert werden“, sagte Green. So kommt im zweiten Halbjahr auch die nächste Version von „SAS Demand Planning“ auf den Markt. Es ergänzt die bestehende „Visual“-Familie, denn „SAS für alle“ impliziert, dass jedes Produkt leicht und intuitiv zu bedienen ist.

SAS und Open Source

„SAS für alle“ bedeutet auch, dass die SAS-Viya-Plattform überall installiert und ausgeführt werden kann. Der Forschungs- und Entwicklungsleiter Udo Sglavo sagte, dass SAS Ende dieses Jahres komplett in einem Kubernetes-Container laufen könne: „Die SAS-Umgebung (9.x und Viya) lässt sich in einem Kubernetes-Container implementieren und betreiben. Dann können Kunden Microservices nutzen und ganze Instanzen verschieben.“

Um die Instanz skalierbarer zu machen, würde Kubernetes automatisch weitere Instanzen nachladen. „Mit Containern ermöglichen wir die ganze Bandbreite des Betriebs zwischen dem Rechenzentrum und dem Serverless Computing.“ Weil SAS auf diese Weise einen Continuous Release Cycle erlaubt, werde sich auch das Core-basierte Preismodell ändern. Details dazu blieben offen.

„Wir bieten mit Viya eine offene, SOA-basierte Plattform, in die RESTful-Werkzeuge integriert sind und in die wir derzeit stark investieren“, so Sglavo weiter. „Sie unterstützt Machine Learning und Deep Learning, auch mit GPU-Nutzung. Wir haben großes Interesse an Python, denn diese Programmiersprache kann unsere SAS-Funktionen steuern und SAS-Algorithmen verwenden.“ Der Nutzer brauche etwa keinen weiteren SAS-Code zu schreiben.“ Die Unterstützung von Open Source erfolgt auf GitHub, so etwa das SWAT-Paket mit Python“, ergänzte Dr. Becks. SWAT steht dabei für SAS Scripting Wrapper for Analytics Transfer.

SAS im IoT-Markt

Auf der IoT-Seite investiert SAS ebenfalls seit über einem Jahr kräftig und offeriert mit SAS Analytics for IoT ein gesondertes Produkt. Es gibt bereits viele US-amerikanische Anwenderbeispiele. Doch auch Europäer wissen viel mit IoT-Daten anzufangen, so etwa das italienische Telematikunternehmen Octo Telematics. Octo erfasst in Echtzeit die Nutzungsdaten von Fahrzeugen und stellt Versicherern eine IoT-Plattform mit Analytics von SAS zur Verfügung, über die sie das Risiko berechnen und die entsprechende Prämie kalkulieren können. Vorsichtige Fahrer belohnt dieses System, indem sie Rabatte bekommen.

In einer Keynote-Demonstration zeigte Andreas Becks, wie auch Fahrzeugschäden mittels einer mobilen App in Echtzeit erfasst, berechnet und taxiert werden können. Die geschädigten Klienten fotografieren die Schäden selbst und schicken die Handy-Fotos an ihren Versicherer. Kurze Zeit später erhalten sie eine Taxierung der Schadenssumme. Wie komplex der Prozess dazwischen aufgebaut ist, zeigte Becks in seiner Demo.

So ist etwa SAS Event Stream Processing (ESP) eine Engine, die u. a. für Lösungen bei GE Transportation genutzt wird, um IoT-Daten abzurufen, zu bearbeiten und zu analysieren. Handy-Fotos etwa sind unstrukturiert und müssen auf signifikante Merkmale – eben die Schadensstellen – eingegrenzt werden. Die ESP Engine wird im Docker-Container bereitgestellt, das Modell selbst verarbeitet die eingesandten Fotos serverseitig in einem Neuronalen Netzwerk namens YOLO v2 („You Only Look Once“). Eine GPU führt das Modell performant aus. Das YOLO-Modell wird auf Tauglichkeit bei der Objekterkennung getestet und die Ergebnisse werden visualisiert.

Im Endeffekt erhält der Nutzer der App von seiner Versicherung eine Schadenstaxierung, mit der er zur nächstgelegenen Werkstatt gehen kann. Versicherungsseitig sind ein Data Scientist, ein Enterprise Cloud Architect und ein IT-Spezialist beteiligt. Dass auch die Fachabteilung die entsprechende Business-Logik beisteuern sollte, versteht sich von selbst.

Diese Demo veranschaulicht zwei Aspekte. „Die Prinzipien Choice, also Wahlfreiheit für den Fachbereichsanwender im Unternehmen, und Control bzw. Governance (für die IT bzw. das Unternehmen) werden in der App realisiert“, so Dr. Becks. „Zum zweiten: Die möglicherweise auftretenden Lastspitzen in der Mobil-App bedeuten, dass es keine Core-basierten Lizenzpreise mehr geben kann und flexible Preismodelle an ihre Stelle treten.“

(ID:45977323)