Wie die Cloud den Weg zur sicheren KI-Anwendung ebnen kann
... und warum Künstliche Intelligenz nicht Skynet ist
Die neue Regelung der EU über die Nutzung Künstlicher Intelligenz wird KI auch für kleinere und mittelständische Unternehmen zugänglicher machen. Erschwinglich wird der Betrieb von KI-Anwendungen für sie jedoch nur, wenn sie auf Cloud-Ressourcen setzen.
Gerade hat die EU den Artificial Intelligence Act angekündigt – ein Gesetz, dessen erklärtes Ziel es ist, den EU-Binnenmarkt durch klare Regelungen zum weltweiten Pionier für die Entwicklung sicherer und innovativer KI-Systeme zu machen. Die Details und Feinheiten werden aktuell zwar noch ausgearbeitet, aber schon jetzt dürfte klar sein: der AI-Act wird die Art, wie europäische Unternehmen mit Künstlicher Intelligenz umgehen, langfristig beeinflussen.
Je strikter die Regeln für die KI-Anbieter, desto einfacher und sicherer wird die Anwendung von KI-Lösungen.
Und das auf eine positive Weise: Der AI-Act wird mittel- und langfristig für mehr Transparenz und Erklärbarkeit von KI-Anwendungen sorgen, was gerade für mittelständische Unternehmen eine große Hilfe sein kann. Denn: 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-Expert:innen verfügen.
Der AI-Act könnte also schon bald den Weg für einen Ausbau der effizienten Nutzung von KI im deutschen Mittelstand ebnen. Doch welche Vorteile bieten KI-Systeme für deutsche Unternehmen überhaupt und welche Rolle spielen Daten und auch die Cloud für die Entwicklung neuer Infrastrukturen und Anwendungen?
Unsicherheit und hohe Kosten
Laut einer BITKOM-Studie zur Nutzung von Künstlicher Intelligenz in deutschen Unternehmen halten zwei Drittel KI für die wichtigste Zukunftstechnologie unserer Zeit – bislang nutzen allerdings nur acht Prozent KI-basierte Anwendungen, jedes vierte Unternehmen will investieren.
Vielen Entscheidern scheint also bewusst zu sein, dass der Einsatz von KI in Zukunft einer der entscheidenden Wettbewerbsfaktoren sein wird. Es fehlt aber noch der praktische Schritt, die Technologien auch gewinnbringend einzusetzen. Ein Grund dafür ist Unsicherheit: Viele Unternehmen wissen nicht, welche Lösungen für sie in Frage kommen und wie sie sie einsetzen können, ohne über entsprechendes eigenes IT-Know-How zu verfügen.
Genau hierauf zielt der AI-Act ab, er macht KI-Anwendungen verständlicher und auch für nicht-IT-Fachkräfte leichter einsortierbar. Doch auch nach Inkrafttreten des neuen Gesetzes wird es Hürden geben, die den Einstieg gerade für kleinere und mittelständische Unternehmen erschweren: Denn der Aufbau von leistungsfähigen und skalierbaren KI-Systemen kann schnell viel Geld kosten. Schließlich benötigt das Training von Algorithmen und der spätere Betrieb der entsprechenden Analytics-Systeme Unmengen an Rechenleistung sowie geschultes Personal.
Die Anforderungen an die IT-Infrastruktur sind hoch
Hinzu kommt: KI-Anwendungen benötigen spezielle Hardware, um effizient zu laufen: Eigentlich für die Berechnung von grafischen Darstellungen gedacht, laufen Graphics Processing Units (GPUs) parallelisiert und bandweitenoptimiert. Sie liefern damit genau die Leistung, die rechenintensive Anwendungen wie KI benötigen. Der immer noch anhaltende Chip-Mangel führt hier schon länger zu Engpässen, der den Aufbau eigener, KI-optimierter Infrastrukturen behindert.
Investitionen in eine eigene KI-Infrastruktur laufen langfristig ins Leere.
Für viele Unternehmen ist es nur sehr schwer möglich, die benötigte Rechenkraft rechtzeitig und punktgenau bereitzustellen. Ein weiterer Risikofaktor: sind die Systeme erstmal trainiert und in Betrieb, wird die Rechenleistung in der Regel nicht mehr benötigt. Die Investition läuft also langfristig ins Leere, da dauerhafte Leistungen aufgebaut werden müssen, die nur für einen kurzen Zeitraum benötigt werden.
Diese Probleme können SaaS-Anbieter (Software-as-a-Service) und Cloud-Provider lösen. Sie können gerade kleineren Unternehmen dabei helfen, KI sicher und effizient einzusetzen ohne dabei die eigene Rechenleistung teuer ausbauen zu müssen. Indem sie Unternehmen sowohl bei der Implementierung, dem Roll-out, der täglichen Anwendung sowie der Cybersicherheit der bereitgestellten Software beraten und unterstützen, wird auch keine spezialisierte interne IT-Expertise benötigt.
KI aus der Cloud – darf es privat, public oder hybrid sein?
Bereits 2019, kurz vor Beginn der Pandemie, nahmen laut einer IDC-Studie 61 Prozent der befragten Unternehmen cloudbasierte KI-Dienste in Anspruch. 43 Prozent der befragten Firmen bevorzugten dabei die Private Cloud-Variante. Zusammen mit dem deutlichen Anstieg der allgemeinen Cloudnutzung 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.
Vertrauliche Daten auf eigene Server, Rechenpower aus den Cloud – eine überzeugende Kombination.
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-Premise-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 besonders kritischer 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 im Griff: kritische Säulen beherrschen
KI und maschinelles Lernen sind auf zwei kritischen Säulen aufgebaut: Daten als Input für Modelle sowie die Berechnung auf Basis statistischer Algorithmen. Hat man beide Säulen im Griff, kann es in Sachen KI für Unternehmen auch keine bösen Überraschungen geben: 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 Binärobjekte gespeichert sind, Notizen in NoSQL-Datenbanken oder Rohdaten aus Datalakes sind in der Regel alle möglichen Formate vorhanden, die der Algorithmus dann auf einen Nenner bringen muss.
Das schlagende Argument der Cloud: Man zahlt nur für die Ressourcen, die man tatsächlich nutzt, nicht für die Redundanz.
Damit die folgenden, komplexen Berechnungen zu einem optimalen Ergebnis führen können, braucht es im nächsten Schritt eine passende Kombination von CPUs und GPUs. Aktuell sind GPUs teurer als CPUs. Um Modelle für Kund:innen auch preislich attraktiv zu gestalten, bieten Cloud-Provider Cluster von GPU-gestützten virtuellen Maschinen (VMs) und Containern häufig über ein Pay-by-Use-Modell an – gezahlt wird also nur genau die Menge an Arbeitsspeicher, die auch genutzt wird. 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 Schnittstellen (Application Programming Interfaces, APIs) und andere Dienste zur Verfügung, mit denen Programmierer:innen Software erstellen oder mit externen Systemen interagieren können. Dazu zählen beispielsweise Cognitive Computing-APIs für Bild- und Spracherkennung, Übersetzung, Textanalyse und Suche. Sie können mit nur einem API-Aufruf einfach in Anwendungen integriert werden.
Vorkonfigurierte VM-Vorlagen und Trainingsdaten
Neben APIs und der Infrastruktur bieten Cloud-Provider auch eigene KI-Tools an, die in der Regeln direkt in die Daten- und Rechenplattformen integriert sind. Auch hier gilt: Da die Einrichtung und Installation der richtigen Data-Science-Umgebung komplex ist, stehen gerade für Kund:innen ohne eigene IT-Teams vorkonfigurierte VM-Vorlagen zur Verfügung.
Auch für die Datenaufbereitung bietet die Cloud eine Vielzahl an Möglichkeiten.
Für Einsteiger in die Datenverarbeitung gibt es eine Fülle an Assistenten und Tools, die die Komplexität von Modellen des maschinellen Lernens abstrahieren und in der Anwendung vereinfachen. Wie bereits erwähnt, sind Daten die Grundlage für jede KI. Mit ihnen steht und fällt die Qualität der Software: Die Informationen, mit denen eine KI aufgebaut wird, nennt man Trainingsdaten. Sie bringen dem Algorithmus bei, was für ihn wichtig ist und worauf er seinen Fokus legen soll. Man kann sagen, Trainingsdaten bilden das Weltbild der KI. Alles, was sich im späteren Lernprozess entwickelt, basiert auf genau diesen Informationen. Sollten sich die Trainingsdaten nachträglich als nicht optimal herausstellen, können Programmierer:innen sie problemlos jederzeit wieder ändern.
Damit hängt die Effizienz eines maschinellen Lernmodells allerdings stark von der Datenqualität ab. Bei der Vielzahl an Datenformaten, die in den meisten Organisationen vorliegen, ist daher zu empfehlen, die Informationen vor der Trainingsphase noch einmal zusätzlich aufzubereiten. Auch hier können SaaS- bzw. Cloud-Provider eine Hilfe sein: Sie bieten etablierte Datenaufbereitungstools an, die die Aufgabe des Extrahierens, Transformierens und Ladens (ETL) automatisiert übernehmen.
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: K-Anwendungen im realen Leben haben nichts mit fiesen Maschinen wie denen aus dem Film Terminator zu tun. Sie sind dazu entworfen, Unternehmen und Arbeitnehmer:innen in ihrer täglichen Arbeit zu unterstützen und sie lernen nur exakt aus den Daten, die wir ihnen als Basis ihrer Fähigkeiten zur Verfügung stellen wollen.
