KI-Anwendungen begegnen uns im alltäglichen Leben mittlerweile ständig: Vom digitalen Assistenten in Smartphones über Gesichtserkennungssoftware bis hin zu intelligenten Chat-Programmen. Doch auch die Industrie profitiert von KI-Technologien: Sie helfen z. B. dabei, Verschleiß bei Maschinen zu überwachen und anhand gelernter Muster Ausfälle vorauszusagen, bevor sie geschehen.
Um die Nutzung von KI transparenter zu machen und klare Regeln für Anwendungen vorzugeben, hat die EU vor kurzem den AI-Act angekündigt. Ziel des Gesetzes: Cyber-Sicherheit und Datenschutz bei KI-Anwendungen vereinheitlichen und Risiken bei der Anwendung verringern. Das Gesetz ist noch nicht gültig, schon jetzt ist aber klar, dass auch kleinere und mittlere Unternehmen dank des AI-Acts von regulierten KI-Lösungen profitieren dürften.
Fehlendes Personal und hohe Kosten verpassen KI-Euphorie einen Dämpfer
Bei KI handelt es sich um eine Zukunftstechnologie. Diese Erkenntnis ist auch in der deutschen Industrie angekommen. Laut BITKOM-Umfrage halten zwei Drittel der befragten Unternehmen die KI für die wichtigste zukünftige Technologie. Dem entgegen steht die eigentliche Nutzung solcher Lösungen: Nur acht Prozent setzen laut eigenen Angaben bereits KI-basierte Anwendungen im Geschäftsalltag ein.
Die Gründe hierfür sind verschieden: Bei den meisten Organisationen spricht fehlendes Personal gegen eine Nutzung, gefolgt von fehlender Zeit, um sich mit der Materie zu beschäftigen sowie fehlende finanzielle Mittel.
Der AI-Act wird zwar die Nutzung von KI-Technologien für Unternehmen einfacher machen, dennoch hilft er nicht, wenn Personal und Budget fehlen. Denn: KI-Anwendungen benötigen, insbesondere zu Beginn eines Projekts, viele IT-Ressourcen. Zudem bedarf es anderer Ressourcen als gängige Anwendungen. KI setzt mehrheitlich anstatt auf CPUs auf GPUs (Grafikprozessoren), die in den letzten Monaten und Jahren teurer geworden sind – steigender Nachfrage und Lieferengpässen sei Dank.
Der Aufbau eines eigenen KI-geeigneten Rechenzentrums ist somit für kleinere und mittlere Unternehmen in den seltensten Fällen lohnenswert. Die Nutzung von Cloud-Diensten schafft hier Abhilfe, von der Implementierung über den Roll-out bis hin zur täglichen Anwendung.
Quelle: gridscale
Cloud: Private, Public oder Hybrid?
Cloudbasierte KI-Dienste indes sind für viele deutsche Unternehmen zur Gewohnheit geworden: Laut IDC-Studie nutzten bereits 2019 61 Prozent der befragten Firmen solche Dienste, 43 Prozent bevorzugten dafür die Private Cloud. Diese Zahlen dürften heute, drei Jahre nach der Studie, weiter gestiegen sein, betrachtet man den Anstieg der Cloud-Nutzung im Allgemeinen.
Allerdings ist die Private Cloud nicht für alle Unternehmen eine gute Lösung. Sie bietet im Vergleich zu anderen Modellen nicht die nötige Flexibilität, die KMUs für ihre KI-Anwendungen benötigen. Die Public Cloud bietet hier mehr: Zum Beispiel hohe Flexibilität, was die Bereitstellung von Arbeitsspeicher, Rechenleistung und permanentem Speicher angeht.
Auch bei der für KI-Anwendungen benötigten Hardware kann sie die notwendigen Rechen- und Speicherressourcen innerhalb von Sekunden bereitstellen: Einige Public Cloud-Provider bieten spezielle Clouds für solche Zwecke an. Die Buchung erfolgt über ein eigenes Dashboard und Kunden bezahlen nur die Ressourcen, die sie tatsächlich in Anspruch nehmen – auf die Sekunde genau.
Unternehmen, die sensible Daten verarbeiten, können zudem auf hybride Modelle aus Private und Public Cloud zurückgreifen: Kritische Daten bleiben in der Private Cloud während die Public Cloud die notwendigen Ressourcen zur Verarbeitung bereitstellt. Neben der schnellen Bereitstellung von Ressourcen bieten Public-Cloud-Anbieter zudem ein Maß an Cyber- und Ausfallsicherheit, das insbesondere kleinere Unternehmen nur selten vorweisen können.
Quelle: shutterstock
Trainingsdaten sind die Grundlage für eine gute KI
KI-basierte Anwendungen lassen sich genauso gut kontrollieren wie traditionelle Software auch. Basis für KI-Lösungen bilden Informationen, mit denen die KI lernt. Bei diesen sogenannten Trainingsdaten ist die Qualität deshalb von entscheidender Bedeutung: Die Trainingsdaten lehren den Algorithmus, was für ihn wichtig ist und worauf er seinen Fokus legen soll. Diese Daten bringen der KI sozusagen bei, in was für einer Welt sie sich bewegt. Sämtliche, im späteren Lernprozess entwickelten Lösungen basieren auf diesen Informationen. Etablierte Datenaufbereitungstools von SaaS- oder Cloud-Providern bereiten die Trainingsdaten qualitativ auf, sodass die KI später bessere Ergebnisse liefert.
Die KI muss, um zu optimalen Ergebnissen zu kommen, neben qualitativ hochwertigen Daten auch über die richtige Hardware, das bedeutet die passende Kombination von CPUs und GPUs, verfügen. Cloud-Provider setzen häufig auf von GPU-gestützte VMs und Container.
Vorkonfigurierte VM-Vorlagen für schnellen Einstieg
Für einen schnellen Start bieten einige Cloud-Provider ihren Nutzer:innen eigene, in die Nutzeroberflächen integrierte KI-Tools an. Die Einrichtung und Installation einer eigenen Data-Science-Umgebung ist komplex, weshalb Kunden ohne das nötige Know-How und Personal vorkonfigurierte VM-Vorlagen nutzen können.
Für Neulinge in der KI-gestützten Datenverarbeitung gibt es eine Fülle an Hilfen und Werkzeugen, die die Komplexität von Modellen des maschinellen Lernens abstrahieren und in der Anwendung vereinfachen.
Fazit: Künstliche Intelligenz sichert den Erfolg
Mittel- und langfristig werden Unternehmen, die KI nutzen, wettbewerbsfähiger sein als diejenigen, die es nicht tun. Organisationen, die nicht abgehängt werden wollen, sollten sich schon heute mit den bestehenden technischen Möglichkeiten vertraut machen und mit SaaS- und Cloud-Anbietern erfahrene Partner suchen. Eine Public Cloud-Struktur ist dabei ein zentraler Ankerpunkt für die Entwicklung und Nutzung sicherer und zuverlässiger KI-Anwendungen. Zusammen mit der Transparenz, die der AI-Act mit sich bringen wird, brauchen Unternehmen KI also nicht zu fürchten. Das Gegenteil ist der Fall: KI ist dazu entworfen, Unternehmen und Arbeitnehmer:innen in ihrer täglichen Arbeit zu unterstützen, Synergien zu schaffen und Wachstum zu fördern.
Gastbeitrag von von Henrik Hasenkamp, CEO gridscale
Bildquellen
- gridscale_Container: gridscale
- Machine,Learning,Analytics,Identify,Vehicles,Technology,,,Artificial,Intelligence,Concept.: shutterstock
- gridscaleapplogo: gridscale
- Gridscale-21778: gridscale