DIGITALISIERUNG
DIGITALISIERUNG kleineren Maschinen erfolgen kann. Die Auslastung der Hochleistungsrechner liegt dann im Monatsverlauf oft unter 5 Prozent, sodass die dynamische Nutzung in der Cloud gegenüber eigener Hardware um ein Vielfaches preiswerter ist. Hinzu kommt, dass laufend neue, noch leistungsfähigere GPUs entwickelt werden mit weiteren speziellen Optimierungen für KI-Anwendungen. Die laufenden Investitionen, um die Hardware auf dem aktuellen Stand zu halten, werden von den großen Cloud-Anbietern übernommen und durchgeführt. Mit SaaS stehen leistungsfähige, schlüsselfertige Anwendungen für KI zur Verfügung Doch auch jenseits der Hardware bietet die Cloud für die Data-Science-Entwicklung viele Vorteile. Denn so wichtig die große Rechenkraft von IaaS ist, um moderne KI-Anwendungen entwickeln zu können: Sie ist nur ein Teil des komplexen Data-Science-Entwicklungszyklus. Dieser umfasst ferner u. a. die Datenerhebung, Datenintegration und -aufbereitung, Datenexploration, Codeverwaltung und natürlich den Betrieb der Data-Science- Produkte. Die großen Cloud-Anbieter haben in den letzten Jahren erhebliche Anstrengungen unternommen, um diesen Markt für sich zu erschließen und den Kunden umfangreiche SaaS-Lösungen für all diese Bedürfnisse zu bieten. Alle drei großen Anbieter stellen explizit die Nutzung von Data Science in den Vordergrund und bieten Rundumlösungen, die die wichtigsten Entwicklungsschritte von KI- Anwendungen vollumfänglich abbilden. Einen ersten Eindruck davon, wie solche schlüsselfertige Software aussieht, kann man sich z. B. bei Google unter http://colab.research. google.com verschaffen. Dort können Sie innerhalb von Minuten ein Notebook starten und erste kleine Data-Science-Anwendungen programmieren. Diese Tools skalieren bis hin zu großen Enterprise-Projekten. Neben der Data-Science-Entwicklung bieten die Cloud-Anbieter auch Services, die auf einzelne KI-Anwendungsbereiche spezialisiert sind, wie z. B. die Erkennung gesprochener Sprache, die Betrugserkennung oder die Verarbeitung von Dokumenten und Formularen. Dieser Werkzeugkasten bietet wichtige Grundbausteine, mit denen man neue Data-Science-Anwendungen in kurzer Zeit an den Start bringen kann. Ein zusätzlicher Vorteil ergibt sich in Hinblick auf das Vertragsmanagement: Alle Services sind in den Rahmenverträgen der Cloud-Anbieter inkludiert, sodass man auch diese innerhalb von Minuten an den Start bringen und bedarfsgerecht als „pay per use“ nutzen kann. Zusätzliche Verhandlungen und Vertragsabschlüsse entfallen. 34 05 | 2022
DIGITALISIERUNG 1 | Die Nutzung der Cloud umfasst drei Säulen bzw. Service-Modelle Infrastructure as a Service (IaaS) Platform as a Service (PaaS) Software as a Service (SaaS) » Bereitstellung von Rechnern und Spezialhardware (GPUs), inkl. Betriebssystem » Datenspeicherung (Festplatten, verteilte Dateisysteme) » Netzwerkinfrastruktur » Cloud-Anbieter sorgt dafür, dass stets die neueste leistungsfähigste Hardware zur Verfügung steht » Bereitstellung von Entwicklungs- und Betriebsplattformen, auf denen Eigenentwicklungen aufgesetzt werden können » Datenbanken, Laufzeitumgebungen, Lastverteilung, Messaging etc. » Komplexe Konfigurationen beim Zusammenspiel verschiedener Werkzeuge entfallen » Bereitstellung von schlüsselfertigen Anwendungen, z. B. Exchange, Salesforce oder SAP » Viele spezielle Data-Science-Angebote von Text-, Bild- und Spracherkennung bis zu ganzen Entwicklungsumgebungen » Cloud-Anbieter kümmert sich um Updates, Grundkonfiguration, Skalierung etc. Quelle: Eigene Darstellung. Jedoch ist zu beachten, dass alle diese Services proprietär für den jeweiligen Cloud-Anbieter sind, sich also nicht so einfach mit Services anderer Anbieter kombinieren lassen. Daher kann es durchaus ratsam sein, wichtige Komponenten oder Anwendungen selbst zu entwickeln und zu betreiben, um die Abhängigkeit von einem Cloud-Anbieter zu reduzieren. Auf dieses Thema des sogenannten „Lock In“ kommen wir später auch noch im Rahmen der Betrachtung von Multi-Cloud-Strategien zu sprechen. So praktisch die vorgefertigten SaaS-Lösungen sind: Gerade bei Banken als hochregulierten Unternehmen gibt es viele Besonderheiten, die durch maßgeschneiderte Erweiterungen oder ggf. sogar nur durch komplette Eigenentwicklungen berücksichtigt werden können. Von der Entwicklung zum Betrieb Neben der Datenevaluation, Software- und Modellentwicklung gibt es aber noch einen anderen Schritt im Entwicklungszyklus von Data-Science-Anwendungen, der ebenfalls auf vielfältige Weise von der Nutzung von Cloud- Technologien profitieren kann: der Betrieb des entwickelten Data-Science-Produkts. Aber die Möglichkeiten sind nicht nur auf die dynamische Nutzung virtueller Betriebssysteme beschränkt, es können beispielsweise auch sehr viele Anwendungsfälle als sogenannte „Serverless-Funktionen” realisiert werden. Das sind in sich gekapselte Anwendungsbausteine, die – einmal entwickelt – einfach in der Cloud-Plattform ausgeführt werden können. Die Notwendigkeit, zugrunde liegende Server-Infrastruktur oder Betriebssysteme einzurichten oder zu verwalten entfällt hier, ein klassischer Systembetrieb ist in diesen Fällen gar nicht mehr nötig. Die Cloud-Anbieter werben für ihre Dienste u. a. mit dem Kostenargument, kommt die minuten- oder gar sekundengenaue Abrechnung von gemieteter Rechenleistung bei vielen Anwendungsfällen mit variablen Lasten doch der Gesamtrechnung zugute. Es darf dabei jedoch nicht vergessen werden, dass sich hier die vielen kleinen Beträge leicht zu großen Summen addieren. Aus diesem Grund sind eine Kostenkontrolle und eine Überwachung der verwendeten Ressourcen vonnöten; allzu leicht könnten Mitarbeiter vergessen, die teure Maschine nach dem Modelltraining auch wieder auszuschalten. Ein anderes, häufig hervorgebrachtes Argument für Cloud-Computing ist eine erhöhte Sicherheit der Infrastruktur im Vergleich zu selbst betriebenen Plattformen, da sich der Cloud-Dienstleister um Patch- und Incident- Management kümmert und dies in der Regel auch äußerst schnell. Dabei gilt aber in der Gesamtbetrachtung der Systemsicherheit immer eines der grundsätzlichen Paradigmen im Cloud Computing, das sogenannte „Shared-Responsibility-Modell“: Der Cloud-Anbieter sorgt zwar für die Sicherheit der Plattform (Security of the Cloud), überlässt aber dem Kunden die Verantwortung für die Sicherheit der eigenen Anwendungsfälle (Security in the Cloud). Gerade hier ist aber Vorsicht geboten, kann doch eine einfache Fehlkonfiguration eines Dienstes oder ein falscher Klick in der Webmaske des Cloud-Anbieters leicht unerwünschte Folgen haben. Um dieses Risiko im Griff zu behalten ist es unabdingbar, dass die Cloud-Infrastrukturen mittels moderner Infrastructure-as-Code- Werkzeuge entwickelt werden und den gleichen Sicherheitskontrollen unterworfen werden wie jede andere Software-Entwicklung auch, Softwaretests, Vier-Augen-Prinzip, Versionskontrolle und Change Management sind auch hier von besonderer Bedeutung. Auch im regulierten Umfeld ist Cloud-Nutzung möglich Häufig wird die Verwendung von Cloud-Technologien – gerade in regulierten Umgebungen – noch mit einigem Argwohn betrachtet, wenn auch in den letzten Jahren eine gewisse Aufbruchsstimmung die zuvor gekannte Vorsicht zu verdrängen scheint. Klar ist: nicht alles, was technisch möglich ist, sollte auch gemacht werden dürfen. Data- 05 | 2022 35
Twitter