{"id":71388,"date":"2021-03-09T08:00:00","date_gmt":"2021-03-09T07:00:00","guid":{"rendered":"http:\/\/e3mag.com\/?p=71388"},"modified":"2025-07-02T11:52:01","modified_gmt":"2025-07-02T09:52:01","slug":"machine-learning-voranbringen-mit-devops","status":"publish","type":"post","link":"https:\/\/e3mag.com\/de\/machine-learning-voranbringen-mit-devops\/","title":{"rendered":"Machine Learning voranbringen mit DevOps"},"content":{"rendered":"\n

Scheitern zulassen ist eine Grundvoraussetzung f\u00fcr Innovation. Wer nicht bereit ist zu scheitern, wird nichts wirklich Neues zuwege bringen. Davon bin ich als deutscher CTO eines japanischen IT-Dienstleisters mit ausgepr\u00e4gter Innovationskultur zutiefst \u00fcberzeugt. Wenn jedoch nur gut ein Zehntel der Machine-Learning-Projekte jemals live gehen, l\u00e4uft etwas falsch. Denn Machine Learning ist eine der zentralen Anwendungen von k\u00fcnstlicher Intelligenz (KI) und die Basis zahlreicher Zukunftstechnologien wie etwa autonomes Fahren, Smart Citys und Industrial Internet of Things (IIoT). Um ML und andere KI-Technologien schneller voranzutreiben, brauchen wir deshalb eine neue Form der Zusammenarbeit von Entwicklung und Betrieb von L\u00f6sungen nach DevOps-Prinzipien, kurz: ML-Ops.<\/p>\n\n\n\n

Kontinuerliche Evaluierung <\/h2>\n\n\n\n

Warum ML-Ops? Weil KI anders ist. In der klassischen IT bestimmt der Code das Verhalten des Systems. Die Funktionalit\u00e4t des Systems l\u00e4sst sich Schritt f\u00fcr Schritt pr\u00fcfen und bewerten. In Anwendungen von k\u00fcnstlicher Intelligenz hingegen bestimmen Daten das Verhalten des Systems. Die Schwierigkeit dabei: Die Ursprungsdaten werden im Laufe des Machine Learning und anderer KI-Prozesse aktualisiert. Deshalb m\u00fcssen wir das Verhalten der ML-Modelle laufend \u00fcberwachen. <\/p>

\"Fullsize\"<\/a><\/div><\/div>\n\n\n\n

Dieser Vorgang entspricht dem Prinzip der kontinuierlichen Integration (CI) in der klassischen Software-Entwicklung. Experten f\u00fcr ML-Ops sprechen hierbei von Continuous Evaluation. Dazu geh\u00f6rt neben dem technologischen Know-how f\u00fcr die Automatisierung von Evaluationsprozessen die permanente enge Zusammenarbeit mit den Data-\u00adScientists des Unternehmens.<\/p>\n\n\n\n

ML-Ops in der Praxis<\/h2>\n\n\n\n

Ein typischer Use Case f\u00fcr diese Art von ML-Ops ist die Qualit\u00e4tsverbesserung. Ein japanisches Automobilunternehmen etwa startete ein Projekt, in dem Machine Learning helfen soll, auf Basis von Reklamationsschreiben in nat\u00fcrlicher Sprache die Fahrzeugqualit\u00e4t zu verbessern. ML wird dabei eingesetzt, um die Bedeutung der Reklamationsdaten in den Texten zu analysieren. Eine besondere Herausforderung bestand darin, die Genauigkeit der Analysen auch bei der Einf\u00fchrung neuer Produkte beizubehalten. <\/p>\n\n\n\n

Wir haben hier eine einfache und schnelle M\u00f6glichkeit geschaffen, neue Klassifikationsmodelle auf der Grundlage von \u201eBag-of-Words\u201c und \u201eGradient Boosting\u201c zu aktualisieren. Die unmittelbare Folge: In den Bereichen Data Processing, Design und Deployment sank die Durchlaufzeit um insgesamt sechs Wochen. Hier machte sich unter anderem die hohe Geschwindigkeit der Pr\u00fcfung von Reklamationen positiv bemerkbar. Gleichzeitig ist das Modell erheblich einfacher und wirtschaftlicher zu pflegen \u2013 \u00fcber den gesamten Lebenszy\u00adklus hinweg. <\/p>\n\n\n\n

Auf \u00e4hnliche Weise gelang es in einem KI-Projekt einer international agierenden Versicherung, Entwicklung und Betrieb der L\u00f6sung so weit zu vereinfachen und zu automatisieren, dass keine operative Unterst\u00fctzung durch die IT f\u00fcr den Betrieb und Continuous Evaluation erforderlich ist. Die Data-Scientists k\u00f6nnen sich voll auf ihre Daten\u00adexperimente konzentrieren \u2013 ohne Beschr\u00e4nkungen durch die IT-Infrastruktur.<\/p>\n\n\n\n

Vertrauensw\u00fcrdigkeit der KI<\/h2>\n\n\n\n

Drittes Beispiel: In einer italienischen Bank ging es darum, anomales Verhalten in gigantischen Mengen von Finanztransaktionen zu entdecken. Experten sehen hierin einen zentralen Nutzen von k\u00fcnstlicher Intelligenz f\u00fcr Digital Banking. Doch die anfallenden Datenmengen machen manuelle Trainings der KI-Modelle unm\u00f6glich. Durch den Einsatz von ML-Ops konnte ein automatisches System zum Trainieren der Datenmodelle etabliert werden. Und da es jedes generierte Analysemodell und jede darauf beruhende Vorhersage reproduzierbar macht, erf\u00fcllt es auch die wichtigste Anforderung an KI, nicht nur in der Finanzbranche: Vertrauensw\u00fcrdigkeit.<\/p>\n\n\n\n\n\n\n\n\n\n\n\n

PDF auf Englisch<\/a><\/h2>\n\n\n\n
\"NTTDataCI-Banner.jpg\"<\/a><\/figure>\n","protected":false},"excerpt":{"rendered":"

Machine Learning (ML) ist einer der vielversprechendsten Ans\u00e4tze zur Nutzung von k\u00fcnstlicher Intelligenz im Unternehmen. Doch bislang scheitern fast neun von zehn Projekten vor dem Go-live. Mit DevOps und ML-Ops l\u00e4sst sich dieser Trend umkehren.<\/p>\n","protected":false},"author":1762,"featured_media":50414,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"pmpro_default_level":"","footnotes":""},"categories":[24421,7,38632],"tags":[896,451,5065,624,480,627],"coauthors":[31248],"class_list":["post-71388","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-devops-kolumne","category-meinung","category-mag-21-02","tag-design","tag-devops","tag-finanzwesen","tag-ki-joule","tag-machine-learning","tag-ml","pmpro-has-access"],"acf":[],"featured_image_urls_v2":{"full":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps.jpg",1000,450,false],"thumbnail":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps-150x150.jpg",150,150,true],"medium":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps.jpg",400,180,false],"medium_large":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps-768x346.jpg",768,346,true],"large":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps.jpg",1000,450,false],"image-100":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps-100x45.jpg",100,45,true],"image-480":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps-480x216.jpg",480,216,true],"image-640":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps-640x288.jpg",640,288,true],"image-720":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps-720x324.jpg",720,324,true],"image-960":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps-960x432.jpg",960,432,true],"image-1168":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps.jpg",1000,450,false],"image-1440":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps.jpg",1000,450,false],"image-1920":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps.jpg",1000,450,false],"1536x1536":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps.jpg",1000,450,false],"2048x2048":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps.jpg",1000,450,false],"trp-custom-language-flag":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps.jpg",18,8,false],"bricks_large_16x9":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps.jpg",1000,450,false],"bricks_large":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps.jpg",1000,450,false],"bricks_large_square":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps.jpg",1000,450,false],"bricks_medium":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps.jpg",600,270,false],"bricks_medium_square":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps.jpg",600,270,false],"profile_24":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps-24x24.jpg",24,24,true],"profile_48":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps-48x48.jpg",48,48,true],"profile_96":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps-96x96.jpg",96,96,true],"profile_150":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps-150x150.jpg",150,150,true],"profile_300":["https:\/\/e3mag.com\/wp-content\/uploads\/2018\/07\/DevOps-300x300.jpg",300,300,true]},"post_excerpt_stackable_v2":"

Machine Learning (ML) ist einer der vielversprechendsten Ans\u00e4tze zur Nutzung von k\u00fcnstlicher Intelligenz im Unternehmen. Doch bislang scheitern fast neun von zehn Projekten vor dem Go-live. Mit DevOps und ML-Ops l\u00e4sst sich dieser Trend umkehren.<\/p>\n","category_list_v2":"DevOps Kolumne<\/a>, Die Meinung der SAP-Community<\/a>, MAG 21-02<\/a>","author_info_v2":{"name":"Oliver K\u00f6th, NTT Data","url":"https:\/\/e3mag.com\/de\/author\/oliver-koeth\/"},"comments_num_v2":"0 comments","_links":{"self":[{"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/posts\/71388","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/users\/1762"}],"replies":[{"embeddable":true,"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/comments?post=71388"}],"version-history":[{"count":2,"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/posts\/71388\/revisions"}],"predecessor-version":[{"id":152137,"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/posts\/71388\/revisions\/152137"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/media\/50414"}],"wp:attachment":[{"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/media?parent=71388"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/categories?post=71388"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/tags?post=71388"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/coauthors?post=71388"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}