Megatrend AI as a Service – was ist dran?

Wenn AI ein Trend ist, dann ist AI as a Service der Megatrend. Ob Managed Service oder Professional Service: Auf den Stack kommt es an.

Eigentlich muss über Artificial Intelligence (AI) – über Künstliche Intelligenz (KI) – nicht mehr viel gesagt werden: Irgendwann in den 1950er-Jahren „erfunden“, lange Zeit für eine breite Öffentlichkeit im Dornröschenschlaf, seit einigen Jahren auf der Agenda der IT-Industrie als Umsatztreiber, ein sich entwickelnder Milliardenmarkt – seit geraumer Zeit allgegenwärtig.

AI war allerdings bis von Kurzem durch zu große oder auch zu kleine Datenmengen – je nach Anwendungsfall – und zu geringe Rechenleistung gehemmt. Das gepaart mit hohen Kosten. Erst seit der Verbreitung und gestiegenen Akzeptanz von Cloud-Services und neuen Datenpools setzt sich das Anwendungsfeld durch. Insbesondere Artificial Intelligence as a Service (AIaaS), also Ressourcen und Entwicklungswerkzeuge auf SaaS-Basis, werden zunehmend nachgefragt. Die Analysten von Allied Market Research prognostizieren den weltweiten Markt für AIaaS bis zum Jahr 2025 auf rund 77 Milliarden US-Dollar. Zum Vergleich: Im Jahr 2017 wurde der Markt noch auf knapp 2,4 Milliarden US-Dollar taxiert. Das entspricht einem durchschnittlichen jährlichen Wachstum von gut 56 Prozent.

Unterschiedliche Segmente

Die Angebote lassen sich nach Funktionalität segmentieren. Hier wird regelmäßig zwischen „Managed Services“ und „Professional Services“ und – aus technologischer Sicht – zwischen DL (Deep Learning), ML (Machine Learning) und NLP-Fähigkeiten unterschieden. AIaaS ist auch in Bezug auf die Softwaretools zu segmentieren: Web-/Cloud-APIs, Prozessor-Tools, Datenarchivierung und -speicherung.

Große Nachfrage

Nachgefragt werden diese Services von Unternehmen nahezu jeder Größenordnung aus praktisch jeder Branche. Mithilfe von AIaaS können auch Unternehmen ohne ausgewiesene Data-Science-Expertise datengesteuerte Geschäftsentscheidungen oder neue Geschäftsmodelle etablieren. Auch erschließen sich die üblichen Vorteile von OPEX zu CAPEX. Anwender mit Inhouse-Data-Science-Fachleuten können die Services nutzen, um schneller die definierten Ziele zu erreichen, auf Legacy-Lösungen zurückzugreifen oder von hochwertigen Algorithmen zu profitieren. Um AIaaS erfolgreich einsetzen zu können, müssen nur die Funktionalität, API und Performance des Service den Anforderungen entsprechen bzw. angepasst werden.

Breites Angebot

Angeboten wird AIaaS von spezialisierten Beratungshäusern, Entwicklern und insbesondere von den großen Hyperscalern. Der größte Nachteil ist, dass nahezu alle kommerziellen AIaaS-Anbieter die Spezifikationen – die Grundlagen, Methoden und Formeln – hinter den Algorithmen nicht veröffentlichen. Manchmal gibt es Dokumentationen oder Publikationen, auf denen einzelne Lösungen – einzelne Services – basieren. Meistens werden jedoch nur der Name und die API des Algorithmus dokumentiert. Es handelt sich daher um eine Art „Blackbox“. Hier muss der Kunde Vertrauen in die Genauigkeit und Effizienz des implementierten Algorithmus haben. Aber wie bei jeder anderen Software auch können die Dienste fehlerhaft und unausgereift sein. Daher als wichtige Empfehlung: systematische Tests.

Die wichtigsten Arten von AIaaS

Damit die Künstliche Intelligenz tatsächlich die gewünschten Ergebnisse liefert, müssen Anwender zunächst den „richtigen Typ“ von AIaaS identifizieren und ihn korrekt einsetzen. Das wiederum erfordert, dass die IT-Verantwortlichen die verschiedenen Arten dieser Convenience-AI-Dienste kennen. Im Großen und Ganzen gibt es vier verschiedene Formen von AIaaS:

1. Maßgeschneiderte Plattformen und Frameworks für maschinelles Lernen (ML), die Datenmodelle erstellen und Muster aus bestehenden Datenpools „ableiten“ können;
2. KI-basierte Bots, basierend auf dem immer besser werdenden Natural Language Processing, kurz NLP.
3. Vollständig verwaltete ML-Services, die Drag-and-Drop-Tools, kognitive Analysen und individuell erstellte Datenmodelle nutzen. Ziel ist es, mehr Werte, also einen größeren Nutzen zu generieren (im Vergleich zu den allgemeinen maschinellen Lernframeworks).
4. Die vierte Art von AIaaS beinhaltet die APIs von Drittanbietern (Application Programming Interfaces), die entwickelt wurden, um jeder neuen/bestehenden Anwendung zusätzliche Funktionalitäten hinzuzufügen.

Unternehmen, die bereit sind, sich der digitalen Transformation zu stellen, müssen lediglich die Art(en) von AIaaS identifizieren, die geeignet sind, die ROI-Zahlen zu steigern, sie von KI-Anbietern kaufen und sofort mit der Implementierung beginnen. Kleine Änderungen lassen sich bei Bedarf ebenfalls vornehmen.

Der AI-Stack

Der AI-Stack, über den die Innovation zu verschiedenen Zielanwendungen und Anwendungsfällen gebracht wird, besteht aus mehreren Bausteinen und basiert im Kern auf folgenden fünf Elementen: Applikationen und Services, die AI-Plattform (einsatzbereite Bausteine und Dienste), AI-Frameworks (u. a. Tools zur Nutzung der zugrunde liegenden Algorithmen), AI-Libraries (eine Reihe von Low-Level-Softwarefunktionen, die dazu beitragen, die Bereitstellung eines KI-Frameworks auf einer bestimmten Infrastruktur zu optimieren) und AI-Hardware. Während bei den Algorithmen Vertrauen angesagt ist, kann bei der zugrunde liegenden Hardware, auf der die Services ausgeführt werden, auf Kontrolle oder auch die dahinterliegende Technologie gesetzt werden. Oder in anderen Worten: Bei der Auswahl eines AIaaS-Providers ist auf die technologische Leistungsfähigkeit zu achten bzw. die eingesetzten Komponenten. Diese machen, neben den eigentlichen Algorithmen, den Unterschied. Bei der Auswahl eines AIaaS-Providers empfiehlt es sich daher, auf folgende fünf Punkte zu achten:

1. Skalierbarkeit
2. Frameworks
3. Speicherung großer Datenmengen
4. Performance und Geschwindigkeit
5. Hardware-Homogenität

Fazit

AIaaS ermöglicht es jedem, unabhängig von seinem Wissen Künstliche Intelligenz zu nutzen. Für Entwickler stehen einfache APIs zur Verfügung, für Benutzer ohne Programmierkenntnisse grafische Benutzeroberflächen mit detaillierten Anweisungen, mit denen eine Datenverarbeitungspipeline zusammen „angeklickt“ werden kann; also einfaches „Klick-and-drop“. Die Algorithmen sind oft eine Blackbox. Die zugrunde liegende Hardware aber nicht. Bei der Wahl des AIaaS-Providers ist daher besonders auf den eingesetzten Stack und die Hardware zu achten.