Plattformen für MLOps und AIOps entlasten IT-Teams

Basis für KI-Projekte

20. Juni 2022, 7:00 Uhr | Niels Pothmann und Thomas Löwen/jos
LANline-Cartoon KI und ML
© Wolfgang Traub

Künstliche Intelligenz ist endgültig im Business angekommen. Spezielle Plattformen für Machine Learning Ops ermöglichen es nicht nur, Daten aus unterschiedlichen Quellen schnell und effizient bereitzustellen, sondern auch, KI-Modelle zu trainieren und zu optimieren. Damit bilden MLOps-Plattformen die technische Grundlage dafür, individuelle Use Cases aus verschiedensten Bereichen zielführend umzusetzen.

Der Einsatz künstlicher Intelligenz ist weiterhin auf dem Vormarsch. KI-basierende Lösungen halten in immer mehr Branchen Einzug – in der Industrie, im Handel oder in den Medien. Dabei steht inzwischen nicht mehr das Experimentieren mit Prototypen im Vordergrund. Vielmehr geht es darum, bestehende Geschäftsprozesse sinnvoll zu verbessern und echte Mehrwerte zu schaffen. Voraussetzung dafür sind unter anderem leistungsstarke Plattformen für Machine Learning Ops (MLOps) und Artificial Intelligence for IT Operations (AIOps). Ein derartiger Ansatz entlastet nicht nur IT-Administratoren, er schafft zugleich eine solide Basis, auf der sich KI-Lösungen nachhaltig etablieren können.

Zeit der Experimente ist vorüber

Die Zeit des spielerischen Experimentierens mit Prototypen ist vorbei. KI-Initiativen müssen heute einen zufriedenstellenden Return on Investment (ROI) liefern. Gegenstand von Projekten ist nicht mehr die reine Innovation. Es gilt vielmehr, Potenziale nutzbar zu machen und langfristig auszuschöpfen. Zu diesem Zweck müssen KI-basierende Lösungen und Services zwingend mit den Kernprozessen von Unternehmen verknüpft sein.

Sie sind in der IT-Systemlandschaft nachhaltig zu verankern und nahtlos in die relevanten Geschäftsabläufe sowie Applikationen zu integrieren. Andernfalls besteht die Gefahr, dass ein Prototyp unter Produktivbedingungen nicht funktioniert und keinen Mehrwert schafft. Natürlich verliert KI dadurch etwas vom Glanz früherer Tage: Sie wird von einer spannenden Innovation zu einer etablierten Technik, die im Business zuverlässig funktioniert und die Abläufe substanziell unterstützt.

Daten effizient bereitstellen

Damit dies tatsächlich gelingt, ist eine optimale strategische, strukturelle und technische Grundlage erforderlich. Unternehmen müssen sich zunächst über drei Aspekte Klarheit verschaffen: Welche Prozesse sind für eine KI-basierende Automatisierung geeignet? Gibt es womöglich manuelle Teilprozesse, die zu Brüchen innerhalb von Geschäftsabläufen führen? Ist der eigene Datenbestand qualitativ hochwertig genug? Denn den Bestandsdaten kommt eine zentrale Bedeutung zu. Firmen müssen in der Lage sein, aktuelle und konsistente Daten aus unterschiedlichen Quellen schnell und effizient bereitzustellen.

Systemübergreifendes Arbeiten

Genau dies ermöglicht eine MLOps-Plattform. Indem sie Daten systemübergreifend konsolidiert, entsteht eine verkettete Datengrundlage: eine optimale Grundlage, um Daten zu sichten und für den gewünschten Use Case zu verarbeiten. Zugleich ist es möglich, KI-Modelle mit den eingespielten Daten zu trainieren und zielgerichtet zu optimieren.

Idealerweise basiert eine solche Plattform auf den Lösungen der etablierten Hyperscaler wie Microsoft, Google oder Amazon Web Services. Diese bieten bereits im Standard eine Vielzahl integrierter und im Business bewährter Services. Die vorgefertigten Komponenten lassen sich für den jeweiligen Anwendungsfall flexibel kombinieren und bedarfsgerecht anpassen.

Praktische Umsetzung: MLOps bedarfsgerecht nutzen

Was in der Theorie vielversprechend klingt, kann dennoch an der praktischen Umsetzung scheitern. Vielerorts hat die eigene IT-Abteilung keinerlei Ressourcen, um derartige Projekte zu stemmen. Einerseits ist sie mit dem Management der Bestandssysteme voll ausgelastet. Andererseits muss sie dafür sorgen, dass alle bereitgestellten IT-Lösungen sicher, skalierbar und hochverfügbar sind. Darum ist es mehr als ein Kompromiss, für erfolgreiche KI-Initiativen mit einem spezialisierten Dienstleister zusammenzuarbeiten.


  1. Basis für KI-Projekte
  2. Anforderungen an den Dienstleister

Verwandte Artikel

künstliche Intelligenz

Machine Learning