SAS: Yes-Code für die hoch performanten Powerprogramme

Inhaltsverzeichnis

Der KI- und Analytics-Spezialanbieter SAS Institute hat auf seiner Kundenveranstaltung Explore mehrere Tools zur weiteren Automatisierung der Programmierung vorgestellt, inklusive der Programmierung von generativen KI-Applikationen. Das liegt im Trend, denn KI ist unbestritten das beherrschende Thema bei allen derzeitigen Ankündigungen. Doch statt nur das Etikett auszutauschen, haben die aktuellen SAS-Ankündigungen Substanz für den Unternehmensalltag. Das liegt vermutlich daran, dass der Anbieter sich schon lange vor ChatGPT & Co. im KI-Bereich engagierte – beispielsweise in der Betrugserkennung, der Bildverarbeitung sowie bei Umsatz- und Ausfallprognosen.

Herzstück der vorgestellten Programmierhilfen sind die beiden SaaS-Produkte Viya Workbench und App Factory. Viya Workbench richtet sich an Developer und Data Scientists und ist für die Erstellung von KI-Modellen mit Python, R und SAS gedacht. Erwähnenswert ist dessen Flexibilität – so sind drei Code-Clients geplant: Jupyter Notebook, Visual Studio Code und SAS Enterprise Guide. Das Produkt ist derzeit in der Preview; die allgemeine Verfügbarkeit soll Anfang 2024 erfolgen.

Die App Factory richtet sich an Entwickler, Analysten und Business-Anwender und dient der Erstellung KI-basierter Anwendungen, inklusive User-Interface. Das Angebot automatisiert die Einrichtung und Integration eines Cloud-nativen Technologie-Stacks, der auf React, TypeScript und Postgres basiert. Die App Factory soll ebenfalls Anfang 2024 auf den Markt kommen.

KI wird genutzt und wird erstellt

Beide Produkte nutzen generative KI und können generative KI-Programme erzeugen. So lassen sich gewünschte Programmänderungen in natürlicher Sprache eingeben und das System erzeugt automatisch den entsprechenden Code. Umgekehrt kann man auch die Bedeutung von Variablen oder Statements abfragen und bekommt eine ausführliche Erklärung in natürlicher Sprache – eine gute Basis für die automatische Dokumentation.

Was die Erstellung von KI-Applikationen betrifft, so bietet auch SAS eine AutoML-Funktion an, bei der anhand von Parametern das Programm automatisch trainiert wird. Dabei spielt es keine Rolle, ob ein neuronales Netzwerk, ein Transition-Tree oder Gradient-Boosting das optimale Modell ist – das wird alles automatisch ermittelt. Die wichtigste Eingabe ist die maximale Trainingszeit, die zur Verfügung steht. Je nachdem, wie lange man wartet, werden Tausende von Modellen getestet und am Schluss das beste Modell identifiziert.

SAS Viya für KI und Analytics

Das zugrundeliegende System ist SAS Viya. Dabei handelt es sich um eine umfangreiche Plattform, die KI, Analytics und Data Management beinhaltet. Hierzu gehört eine breite Palette an Codierungsoptionen, für unterschiedliche Benutzergruppen wie Developer, Data Scientists oder Business-Analysten. All diese sollen nahtlos während des gesamten KI- und Analytics-Lebenszyklus zusammenarbeiten können. "Wir entwickeln Viya ständig weiter, um den neuen Anforderungen von Data Scientists und Developern gerecht zu werden", sagt Bryan Harris, Executive Vice President und Chief Technology Officer bei SAS.

Auch wenn hierbei Low-Code/No-Code (LC/NC) eine Rolle spielt, so fokussiert sich das Unternehmen eindeutig auf die professionelle Programmierung. "Uns interessieren die Low-Code/No-Code-Umgebungen nicht so sehr; wir wollen hochperformante Powerprogramme – und die benötigen eher einen 'Yes-Code'", erklärt Udo Sglavo, Vice President, Advanced Analytics bei SAS.

Das zeigt sich an den von SAS getätigten Benchmarks. Laut CEO Jim Goodnight ist Viya 30-mal schneller als vergleichbare Open-Source-Angebote, 49-mal schneller als kommerzielle Daten- und KI-Plattformen und erlaubt eine bis zu 326-mal schnellere Entwicklung von komplexen Modellen.

Zur Sprache kam auf dem Explore-Event auch ein aufziehendes Problem der neuen KI-Welle: die rasante Zunahme von Modellen und der damit einhergehende Administrationsaufwand. Laut Sglavo entwickelt sich das KI-Modellmanagement zu einem "Game-Changer der KI-Nutzung". "Plötzlich gibt es eine Explosion von Modellen, und der Überblick darüber, welche Modelle noch relevant sind, wird immer schwerer. Die Lösung kann nur ein leistungsstarkes Modelmanagement sein", so Sglavo weiter.

Bedarf an Entwicklern steigt weiter an

Auch auf die Frage, ob durch die Automatisierung der Programmierung Arbeitsplätze wegfallen werden, ging SAS ein. "Es ist umgekehrt", sagt Sglavo. "Durch die Popularität von AI und Machine Learning ist der Bedarf nach solchen Modellen kräftig angestiegen, doch der Personenkreis, der solche Modelle bauen kann, ist nicht linear mitgewachsen, hier wird die personelle Unterdeckung noch weiter ansteigen, was nur durch weitere massive Automatisierungen abgefedert werden kann", so seine Einschätzung.

(fo)