Blogpost KI
Cloud Explained Titel

☁️ Cloud Explained: KI, die Cloud
und der EU AI-Act

Wie Unternehmen von diesem Trio profitieren

EU AI Act

Vor wenigen Wochen hat die EU den Artificial Intelligence Act angekündigt – ein Gesetz, mit dem der EU-Binnenmarkt durch klare Regelungen zum weltweiten Pionier für die Entwicklung sicherer und innovativer KI-Systeme gemacht werden soll. Inhalte und Feinheiten sind aktuell noch in der Abstimmung. Der AI-Act wird die Art, wie europäische Unternehmen mit Künstlicher Intelligenz umgehen, langfristig positiv verändern. Unternehmer sollten sich also schon jetzt mit den Vorteilen von KI beschäftigen und mit der Implementierung entsprechender Lösungen beginnen.

Die hohe Rechenleistung, die der Rollout benötigt, kann dabei aus einer Public Cloud kommen: Unternehmen müssen ihre internen Rechenzentren nicht aufstocken und können die gebuchten IT-Ressourcen nach Ende des Prozesses einfach wieder anderweitig verteilen – oder kündigen.

KI Big Data

Was bringt der EU AI-Act?

Mittel- und langfristig wird der AI-Act für mehr Transparenz und Erklärbarkeit von KI-Anwendungen sorgen und deren Einsatz so kalkulierbarer machen: Je strikter die Regeln, an die sich KI-Anbieter (auch in puncto Datenschutz und Cybersicherheit) halten müssen, desto einfacher und risikoärmer wird die Anwendung von Lösungen auch für kleinere Unternehmen, die nicht unbedingt über eigene IT-Teams verfügen. Das größte Potenzial des AI-Act liegt also darin, dass er schon bald den Weg für einen Ausbau der effizienten Nutzung von KI im deutschen Mittelstand ebnen könnte. 

Warum KI aus der Cloud?

Bereits 2019, kurz vor Beginn der Pandemie, nahmen laut einer IDC-Studie 61 Prozent der befragten Unternehmen cloudbasierte KI-Dienste in Anspruch. 43 Prozent bevorzugten dabei die Private-Cloud-Variante. 

Zusammen mit dem deutlichen Anstieg der allgemeinen Cloud-Nutzung innerhalb deutscher Unternehmen in den letzten Jahren (vgl. BITKOM-Studie: vor fünf Jahren lag die Cloud-Nutzung deutscher Unternehmen noch bei 65 Prozent, rund einem Viertel weniger als heute) dürften diese Zahlen heute noch ein gutes Stück höher sein. Doch entgegen vieler Annahmen eignet sich die Public Cloud für KI-Anwendungen sogar besser als die private Variante: Im Vergleich zu Private Cloud und On-Premises-Konfigurationen ist die Public Cloud deutlich flexibler und kann Arbeitsspeicher, Rechenleistung und permanenten Speicher  je nach Bedarf zur Verfügung stellen.

Mit dieser Flexibilität ergibt sich ein nahezu unbegrenztes Maß an Anpassungsfähigkeit – besonders, wenn man sie mit dedizierten (also physischen) Servern kombiniert und so eine Hybrid-Umgebung schafft. Die dedizierten Server können beispielsweise für die Speicherung hochkritischer Daten genutzt werden, die einem besonderen gesetzlichen Schutz unterliegen.

Gleichzeitig bietet die Public Cloud insbesondere kleinen und mittelständischen Unternehmen meist ein höheres Maß an Sicherheit und kontrolliertem Zugriff als ein eigenes Rechenzentrum. Und bei deutschen und europäischen Public Cloud-Anbietern, die ihre Rechenzentren in Deutschland oder Europa betreiben, liegen die Nutzer auch bei den Datenschutzvorgaben auf der sicheren Seite.

KI Datapool

KI ist nicht Skynet

Wie Unternehmen ihre Anwendungen im Griff behalten

KIs sind immer auf zwei entscheidenden Strängen aufgebaut: Daten als Input für Modelle sowie die Berechnung auf Basis statistischer Algorithmen. Hat man beides im Griff, wird KI zu einem 100 Prozent kalkulierbaren Faktor: KI-basierte Software ist damit genauso kontrollierbar, wie traditionelle Anwendungen auch.

Die genutzten Daten liegen dabei in verschiedenen Formen vor: von relationalen Datenbanken, über unstrukturierte Daten, die als binäre Objekte gespeichert sind, Notizen in NoSQL-Datenbanken oder Rohdaten aus Data Lakes sind in der Regel alle möglichen Formate vorhanden, die der Algorithmus dann auf einen Nenner bringen muss. Damit die folgenden, komplexen Berechnungen zu einem optimalen Ergebnis führen können, braucht es im nächsten Schritt eine passende Kombination von CPUs und GPUs (Grafikprozessoren).

Aktuell sind GPUs teurer als CPUs. Um Modelle für Kunden auch preislich attraktiv zu gestalten, bieten Cloud-Provider Cluster von GPU-gestützten VMs und Containern häufig über ein Pay-per-use-Modell an  –  gezahlt wird also nur genau die Menge an Rechen- und Speicherleistung, die auch in Benutzung ist. Zusätzliche Rechendienste wie Batch-Verarbeitung, Container-Orchestrierung und Serverless Computing werden zur Parallelisierung und Automatisierung von maschinellen Lernaufgaben eingesetzt. 

Public-Cloud-Anbieter stellen darüber hinaus auch APIs und andere Dienste zur Verfügung, mit denen Programmierer:innen Software erstellen oder mit externen Systemen interagieren können. Dazu zählen beispielsweise Cognitive-Computing-APIs wie Vision, Sprache, Übersetzung, Textanalyse und Suche. Sie lassen sich mit nur einem API-Aufruf einfach in Anwendungen integrieren.

Wie Cloud Provider helfen können

Für Einsteiger in die Datenverarbeitung bieten Cloud Provider eine Fülle an Assistenten und Tools, die die Komplexität von Modellen des maschinellen Lernens abstrahieren und deren Anwendung vereinfachen. Dabei hängt die Qualität der Software, wie bereits erwähnt, immer von Daten ab: Die Informationen, auf denen eine KI aufbaut, nennt man Trainingsdaten.

Auf ihrer Basis lernt der Algorithmus, worauf er seinen Fokus legen soll und welche Parameter und Eigenschaften er als wichtig einstufen soll. Trainingsdaten bilden damit quasi das Weltbild der KI und sind somit von entscheidender Bedeutung für den Erfolg einer Anwendung. Alles, was sich im späteren Lernprozess entwickelt, fußt auf genau diesen Informationen.

Sollten sich die Trainingsdaten nachträglich als nicht optimal herausstellen, können Programmierer sie problemlos jederzeit wieder ändern. Um solche, teilweise sehr aufwändigen Nachbesserungen zu vermeiden, sollten Unternehmen sich also gerade während der Trainingsphase viel Zeit lassen und besonders sorgfältig vorgehen.

Auch hier können SaaS- bzw. Cloud-Provider eine Hilfe sein: Sie bieten etablierte Datenaufbereitungs-Tools an, die die Aufgabe des Extrahierens, Transformierens und Ladens (ETL) automatisiert übernehmen.

KI Fazit

Fazit

Keine Angst vor Künstlicher Intelligenz

KI wird mittel- und langfristig der Schlüssel zur Wettbewerbsfähigkeit deutscher und internationaler Unternehmen sein  –  egal welcher Größe. Organisationen, die auf traditionelle Software bestehen, werden den Vorteil der KI-unterstützten Konkurrenz auf Dauer nicht aufholen können. Umso wichtiger ist es, sich schon jetzt mit den bestehenden technischen Möglichkeiten vertraut zu machen und mit SaaS- und Cloud-Anbietern erfahrene Partner zu suchen, die bei der Implementierung KI-basierter Lösungen unterstützen können.

Die beste Basis, gerade für kleinere und mittelständische Unternehmen, ist die Implementierung einer Public-Cloud-Struktur als Ankerpunkt für die Entwicklung und Nutzung sicherer KI-Anwendungen. Zusammen mit den Vorteilen in Sachen Transparenz, die der AI-Act mit sich bringen wird, brauchen Unternehmen KI so nicht zu fürchten, ganz im Gegenteil: KIs im realen Leben haben nichts mit fiesen Maschinen wie denen aus der Terminator-Filmreihe zu tun. Sie sind dazu entworfen, Unternehmen und Mitarbeitende in ihrer täglichen Arbeit zu unterstützen und sie lernen nur exakt aus den Daten, die wir ihnen zur Verfügung stellen wollen.