Maschinelles Lernen auf bestehenden Infrastrukturen[Gesponsert]

So gelingt der Start in die KI ohne zusätzliche Ausgaben

| Autor: Dr. Dietmar Müller

Unternehmen benötigen keine neue Infrastruktur, um das volle Potential der KI auszuschöpfen.
Unternehmen benötigen keine neue Infrastruktur, um das volle Potential der KI auszuschöpfen. (Bild: gemeinfrei, NicoElNino / stock.adobe.com)

IT-Manager benötigen keine neue Infrastruktur, um das volle Potential der KI auszuschöpfen. Sie können ohne zusätzliche Ausgaben sinnvolle Szenarien aufbauen und testen, gewinnbringend nutzen und bei Bedarf unkompliziert skalieren.

Keine Frage: Künstliche Intelligenz (KI, auch Artificial Intelligence / AI genannt) beeinflusst die Unternehmens-IT wie kaum eine andere Technologie zuvor. Galt sie gestern noch als Spielwiese für spleenige Tüftler und risikofreudige Frühphasen-Finanziers, hat sie heute längst ihren Wert für das Unternehmen unter Beweis gestellt.

Dieses besteht nicht zuletzt darin, mittels maschinellem Lernen (ML) Muster und Anomalien zu erkennen – nicht zuletzt in den immer größer werdenden Big Data-Strömen, die sich über den heutigen Unternehmen ergießen. Diese Datenströme speisen sich aus der Cloud, aus den sozialen Medien, von intelligenten Mobilgeräten oder aus dem ergiebigen Internet der Dinge (IoT). Analysten prognostizieren, dass die Menge der Daten bis 2025 exponentiell um das Zehnfache wachsen und 163 Zettabyte erreichen wird.

„Künstliche Intelligenz eröffnet vor allem in der Datenanalyse neue Möglichkeiten. Big Data und das IoT werden mit Hilfe von KI strukturiert und in sinnvolle, verwertbare Ergebnisse umgewandelt. Die Technologie wird folglich überall dort verwendet, wo wir mit großen Datenmengen konfrontiert sind“, so Hannes Schwaderer, Country Manager Deutschland bei Intel.

Nur mittels KI können diese riesigen Datenmengen gewinnbringend ausgewertet werden. Maschinelles Lernen sowie das weiterentwickelte Deep Learning setzen dafür spezielle Algorithmen ein und werden umso „klüger“, je mehr Daten sie auswerten dürfen. Praktische Beispiele für solche Szenarien finden sich in Ihrem Alltag schon viele, etwa bei den Produktempfehlungen bei Amazon und Co, beim Aufspüren von Spam oder dem Aufdecken von Kreditkartenbetrügereien.

Weitere Beispiele wären die IoT-Datenanalyse, die Überwachung von Servern und ganzen Rechenzentren, gezielte Werbung, Bilder- und Gesichtskennung, Routenplanung, genetische Sequenzierung, das Identifizieren menschlicher Gefühle, autonomes Fahren, Energieförderung und viele andere. Der Computer findet Fehler oder Besonderheiten in riesigen Datenbergen einfach unvergleichlich viel schneller, als dies je ein Mensch könnte.

Vorhandene Hardware kann einfach genutzt werden

Das Schöne daran: Interessierte Unternehmen benötigen keine neue Infrastruktur, um das volle Potential der KI auszuschöpfen. Sie als IT-Manager können ohne zusätzliche Ausgaben sinnvolle Szenarien aufbauen und gewinnbringend nutzen, sofern Ihr Unternehmen bereits auf Technologien von Intel gesetzt hat – dafür stehen die Chancen gut, schließlich sind die Intel Xeon-Prozessoren die mit Abstand am weitesten verbreiteten CPUs in Rechenzentren weltweit. Damit ist es ein Leichtes, vorhandene Hardware zu minimalen Kosten so umzufunktionieren, dass sie maschinelles Lernen gewinnbringend und lösungsorientiert anwenden kann.

Wie beginnen? Als Einsteiger in die KI können Sie etwa freie Zyklen in ihren Rechenzentren nutzen, um KI-Workloads auszuführen. Oder Sie entwickeln Anwendungen speziell für einen unausgelasteten Server und testen auf ihm, was für Ihr Unternehmen sinnvoll sein könnte. Auch sind Sie so in der Lage, Hardware- und Software-Optionen zu evaluieren, Erfahrungen in einem realen Szenario zu sammeln und Fähigkeiten aufzubauen sowie die verschiedenen Geschäftszweige mit den Vorteilen von KI vertraut zu machen.

Durch die Nutzung vorhandener Hardware fallen für Sie lediglich geringen Anschaffungskosten an, wenn überhaupt. Die Lösung kann in kürzester Zeit aufgesetzt werden und erlaubt es Ihnen, sich ganz auf das Wirken der KI zu konzentrieren und technisch nachrangige Fragen etwa nach der Bandbreite oder einem übergreifenden Managementsoftware erstmal beiseite zu lassen. Dies spart Zeit und Geld, bremst den bestehenden Datenfluss nicht ein und integriert die KI direkt in vorhandene Analyseanwendungen.

Security und Skalierung

Risiken gehen Sie bei Ihrem KI-Testlauf eigentlich keine ein, weil dabei ja auf bewährte IT-Infrastruktur zurückgegriffen wird. Die Lösungen von Intel sind bekanntlich und unzweifelhaft in höchstem Maße sicher, zusätzlich hilft gerade maschinelles Lernen sehr bei der Gefahrenabwehr. Das zu testende Verfahren ist also zugleich ein wichtiges Glied in der Verteidigungskette Ihres Unternehmens.

Bei Gefallen können Sie die Leistungsfähigkeit der Testplattform ganz einfach steigern, Intel hat als holistischer Lösungsanbieter alle dafür nötigen Anwendungen, Werkzeuge, Bibliotheken, Frameworks und Komponenten in seinem Portfolio. Starten Sie klein und erweitern Sie danach nach Belieben. Die Intel Xeon-Prozessorreihe stellt ein stabiles Fundament für eine leistungsstarke KI-Plattform, die enorme Agilität und Skalierbarkeit offeriert. Sie ist bereits für hochkomplexe, hybride KI-Workloads optimiert.

Für erste Pilotprozesse ist zudem keine kostenintensive „KI Box“ beziehungsweise kein „KI Gadget“ nötig, wie sie andere Provider offerieren. Das ist unnötig. Es genügt wirklich die geprüfte und bestehende Infrastruktur, die im Bedarfsfall einfach aufgerüstet werden kann.

BigDL macht das Maschinelle Lernen schnell

Für auf maschinellem Lernen basierende Anwendungen hat Intel eine Reihe verbreiterter Deep-Learning-Frameworks für die Intel-Architektur optimiert, etwa TensorFlow, Theano und andere. Zusätzlich hat Intel BigDL entwickelt, um Deep Learning für Big Data sinnvoll und effektiv nutzen zu können.

BigDL ist eine Distributed-Deep-Learning-Bibliothek für Apache Spark, die auf bestehenden Spark- oder Apache-Hadoop-Clustern läuft. Entwickler nutzen sie, um mit Python oder Scala KI-Anwendungen zu erstellen. Diese performen auf einem Einzelknoten mit Intel Xeon-Prozessoren deutlich besser als Standard-Open-Source-Konfigurationen von Torch oder TensorFlow, weil BigDL in jedem Spark-Task auf die die Intel Math Kernel Library (Intel MKL) zugreift und Multithread-Programmierung beherrscht.

Fazit

Intel ermöglicht den Einstieg in die Künstliche Intelligenz, ohne dass Sie Ihre bestehende Infrastruktur kostenintensiv aufrüsten müssten. Nur Intel verfügt einerseits über die technische Basis für KI, andererseits über neuste Frameworks und Bibliotheken, ohne die Maschinelles Lernen keine sinnvollen Ergebnisse liefern kann. Nach dem Einstieg hält Intel alle weiteren Komponenten bereit, um Ihre Infrastruktur zu skalieren und Sie umfangreich und tief in die KI einsteigen zu lassen, zum Segen und Wohle des Unternehmens und seiner Kunden.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de/ (ID: 46182903 / Künstliche Intelligenz)