Ma­chi­ne-Le­arning-Ex­per­ten

Computerwoche - - Inhalt - Von Hein­rich Vas­ke, Edi­to­ri­al Di­rec­tor

Un­ter­neh­men, die ex­ter­nen Rat su­chen, wer­den zu­neh­mend bei klei­nen, hoch­spe­zia­li­sier­ten An­bie­tern und Be­ra­tern fün­dig. Ein Über­blick.

Wer Ma­chi­ne-Le­arning-Pro­jek­te pla­nen und vor­an­trei­ben will, braucht meis­tens ex­ter­ne Hil­fe. Ein Über­blick von Crisp Re­se­arch zeigt, dass man­che „Exo­ten“mit den To­pan­bie­tern im Markt mehr als mit­hal­ten kön­nen.

Vie­le Un­ter­neh­men be­schäf­ti­gen sich der­zeit mit Ma­chi­ne Le­arning (ML), um durch die in­tel­li­gen­te Nut­zung und Ana­ly­se von Da­ten neue di­gi­ta­le Pro­duk­te oder sons­ti­ge Mehr­wer­te zu ge­ne­rie­ren. Doch die Pla­nung und Voll­en­dung ent­spre­chen­der Pro­jek­te ist kom­plex, oh­ne den Bei­stand spe­zia­li­sier­ter Part­ner wird es schwie­rig. Die Ana­lys­ten von Crisp Re­se­arch in Kas­sel ha­ben sich des­halb die An­bie­ter und Di­enst­leis­ter an­ge­schaut, die im deut­schen Markt ak­tiv sind. Da­bei ging es zu­nächst um IT-Di­enst­leis­ter, die im Kon­text von ML und künst­li­cher In­tel­li­genz (KI) Kun­den durch Be­ra­tung, Trai­ning, Im­ple­men­tie­rung, Da­ten­auf­be­rei­tung und -ana­ly­se so­wie den Be­trieb von ML-ba­sier­ten Platt­for­men und Sys­te­men un­ter­stüt­zen kön­nen.

Kom­ple­xi­tät be­herr­schen

Über­zeu­gen konn­ten da­bei vor al­lem sol­che Di­enst­leis­ter, „die Ma­chi­ne Le­arning als ihr Fo­kus­the­ma be­trach­ten“. Sie be­herr­schen laut Crisp die Kom­ple­xi­tät, kön­nen das oft spar­sa­me Trai­ning der Mo­del­le kom­pen­sie­ren und sind ge­ge­be­nen­falls in der La­ge, auch den Be­trieb ei­ner Platt­form kom­plett zu über­neh­men. Über­ra­schend trifft das vor al­lem auf hoch­spe­zia­li­sier­te klei­ne­re An­bie­ter zu. So kann sich The un­be­lieva­ble Ma­chi­ne Com­pa­ny (*um) aus Ber­lin gut po­si­tio­nie­ren, eben­so die Ex­per­ten von Alex­an­der Thamm, Mün­chen – bei­de mit ei­ge­nen Me­tho­den- und Tool-Kom­pe­ten­zen so­wie vie­len gu­ten Spe­zia­lis­ten. Als In­no­va­tor prä­sen­tiert sich zu­dem Eo­da aus Kas­sel, ein An­bie­ter, der in spe­zi­el­len Use Ca­ses Un­ter­stüt­zung bie­ten kann und ein Pio­nier des Open-Sour­ce-Statistik-Frame­works R ist.

Ma­chi­ne Le­arning as a Ser­vice

Un­ter den An­bie­tern von „Ma­chi­ne Le­arning as a Ser­vice“(MLaaS) be­haup­ten sich die gro­ßen Cloud-Play­er Mi­cro­soft, IBM, Goog­le und Ama­zon Web Ser­vices (AWS). Doch auch hier gibt es Über­ra­schun­gen: Bi­gML hat es eben­falls in den Qua­dran­ten der füh­ren­den MLaaS-

Pro­vi­der ge­schafft. Das An­ge­bot des Spe­zia­lis­ten zeich­ne sich durch „die ge­ne­ri­sche Abs­trak­ti­ons­ebe­ne aus, wo­durch die Lö­sung aus der Wahl-Cloud des Kun­den be­trie­ben wer­den kann und hier­durch ei­ne Nä­he zu den Da­ten er­zeugt wird“.

In­ter­es­sant ist zu­dem die Rol­le von Goog­le: Der Such­ma­schi­nen­kon­zern ha­be sich zu­nächst be­deckt ge­hal­ten. Das ha­be sich aber mit dem Open-Sour­ce-Pro­jekt „Ten­sorF­low“und vie­len wis­sen­schaft­li­chen Bei­trä­gen zu Ma­chi­ne Le­arning und De­ep Le­arning gründ­lich ge­än­dert. Goog­le ha­be heute ein brei­tes An­ge­bot, das vor al­lem auf den Zu­kunfts­markt De­ep Le­arning aus­ge­rich­tet sei. Die Al­go­rith­men blie­ben ei­ne Black­box, sei­en al­so nicht nach­voll­zieh­bar, den­noch re­agie­re der Markt zu­neh­mend po­si­tiv auf Googles An­ge­bo­te.

Soft­ware und Tools

Als drit­te Ka­te­go­rie un­ter­such­te Crisp An­bie­ter von Soft­ware und Platt­for­men, mit de­nen die Ent­wick­lung und Mo­dell­bil­dung, das Trai­ning, die Ver­wal­tung so­wie das Pro­ces­sing von Ma­chi­ne-Le­arning-Ver­fah­ren und Al­go­rith­men mög­lich wird und die da­bei ver­schie­de­ne De­ploy­ment-Va­ri­an­ten wie on Pre­mi­se, Cloud oder Hos­ting un­ter­stüt­zen. Hier über­zeug­ten die Spe­zia­lis­ten Bi­gML, Kni­me, H2O.ai, Ra­pid­mi­ner und Wolf­ram Re­se­arch, aber auch klas­si­sche An­bie­ter wie IBM und SAS.

Wie die Ana­lys­ten aus­füh­ren, ste­hen MLTech­no­lo­gi­en heute auf der Agen­da der meis­ten CIOs und Tech­no­lo­gie­chefs. Im­mer­hin 43 Pro­zent von ih­nen glau­ben, dass schon im Jahr 2020 mehr als ein Fünf­tel der Wert­schöp­fung in neu­en di­gi­ta­len Pro­duk­ten durch Ma­chi­ne Le­arning ent­steht, in­dem Da­ten in­tel­li­gen­ter ge­nutzt und ana­ly­siert wer­den als heute üb­lich. Der Markt ent­wick­le sich der­zeit be­son­ders dy­na­misch, weil durch Cloud Com­pu­ting na­he­zu un­be­grenz­te Re­chen­leis­tung be­reit­ste­he und sich gro­ße Da­ten­men­gen an­ge­sam­melt hät­ten, auf de­nen Sys­te­me mo­del­liert und Al­go­rith­men trai­niert wer­den könn­ten.

Die Aus­ga­ben für Tech­no­lo­gi­en, Soft­ware, Be­ra­tung, Re­chen­leis­tung und Ser­vices im Kon­text von Ma­chi­ne Le­arning sol­len in den kom­men­den Jah­ren von rund 4,3 Mil­li­ar­den Eu­ro im Jahr 2017 auf rund 21 Mil­li­ar­den im Jahr 2020 stei­gen.

Newspapers in German

Newspapers from Germany

© PressReader. All rights reserved.