Maschinelles Lernen leicht gemacht

Laut Forrester Research haben 98% der Unternehmen Probleme damit, Erkenntnisse aus den gesammelten Daten zu gewinnen; dies ist in erster Linie auf fehlendes internes Fachwissen zurückzuführen.¹ Während Ihr Unternehmen heute vielleicht noch in der Lage ist, seinen Wettbewerbsvorteil ohne diese Erkenntnisse zu erhalten, könnte das Tempo des Wandels hin zur digitalen Transformation schon bald Auswirkungen auf Ihr Unternehmen haben.

Daher konzentrieren sich Unternehmen auf der ganzen Welt auf die Nutzung von Daten - und die Einbeziehung von künstlicher Intelligenz (KI) und maschinellem Lernen (ML) - um ihr Geschäft zu verbessern. Mit ML können Sie Geschäftsabläufe verbessern und automatisieren, Ereignisse und Verhaltensweisen vorhersagen und auf der Grundlage dieser Vorhersagen proaktiv präskriptive programmatische Aktionen durchführen.

Mithilfe von ML und prädiktiven Analysen kann Ihr Unternehmen beispielsweise neue Käufer identifizieren und ansprechen oder den besten Zeitpunkt für einen Verkauf ermitteln, indem es das Verhalten und die Vorlieben der Verbraucher besser versteht. Wenn Sie ein Gesundheitsdienstleister sind, kann Ihre Organisation kodierte Diagnosen sowie die Aufnahme-, Verlegungs- und Entlassungsdaten des Patienten analysieren, um die Wiedereinweisungsraten zu senken. Einfach ausgedrückt: ML kann Zeit und Ressourcen sparen, die Prognosen verbessern und Sie in die Lage versetzen, bessere Entscheidungen zu treffen und bessere Ergebnisse zu erzielen.Das klingt großartig, aber es gibt einen Nachteil: Die Entwicklung von ML-Modellen ist schwierig und erfordert knappes - und teures - Fachwissen.Glücklicherweise arbeiten Branchenexperten daran, ML durch die Entwicklung neuer Tools wie AutoML und IntegratedML® einfacher zu machen.

Lesen Sie diesen Technologie-Kurzbericht und erfahren Sie mehr:

• Warum ML für den Erfolg Ihres Unternehmens entscheidend ist
• Wie der Mangel an Talenten es für Unternehmen schwierig macht, ML zu nutzen
• Was AutoML ist und wie es Ihnen hilft, den Kampf um KI-Talente zu gewinnen
• Was InterSystems IntegratedML® ist und wie es konzipiert ist:
  
  • Befähigen Sie Ihre vorhandenen Softwareentwickler zur Entwicklung von ML-Modellen und ML-fähigen Anwendungen.
  • Steigern Sie die Produktivität von ausgebildeten Datenwissenschaftlern.
  • Optimieren Sie operative und analytische Prozesse, um das Kundenerlebnis, die operative Effizienz und die Produktivität zu verbessern.
  • Verbessern Sie die Prognosegenauigkeit, erzielen Sie bessere Geschäftsergebnisse und heben Sie sich von Ihren Mitbewerbern ab.

Dieses Technologie-Briefing ist eine geeignete Lektüre für Führungskräfte, Manager und IT-Fachleute, egal ob Sie die Produktivität Ihres ML-Teams steigern wollen oder gerade erst mit ML beginnen, ohne ML-Experten einstellen zu müssen.

Download des Technologie-Briefings

Als Anwendung der künstlichen Intelligenz trainiert ML eine Maschine, um aus Erfahrungen und Schlussfolgerungen über Daten zu lernen. Sie verbessert kontinuierlich die Ergebnisse, ohne dass sie speziell dafür programmiert werden muss.

ML kann ein breites Spektrum an Daten analysieren und Modelle erstellen, die eine Vielzahl von analytischen und betrieblichen Anforderungen erfüllen. Offline können ML-Modelle Geschäftsanwendern helfen, das Kundenverhalten zu verstehen oder Probleme der Prozesseffizienz zu lösen, um nur einige Anwendungen zu nennen. Wenn ML online oder in den Betriebsabläufen eines Unternehmens eingesetzt wird, kann es sehr sichtbar zu besseren Ergebnissen führen - sei es, dass einem Kunden ein bevorzugtes Produkt oder eine Dienstleistung empfohlen wird, während er im Internet stöbert, sei es, dass Sie vor einem Verkauf proaktiv gewarnt werden, wenn ein hohes Risiko besteht, dass der Lieferant nicht liefern kann, oder dass vor der Genehmigung einer Transaktion festgestellt wird, ob es sich um einen Betrug handeln könnte. Abteilungen in jedem Teil Ihres Unternehmens können von ML profitieren, einschließlich Vertrieb und Marketing, Forschung und Entwicklung, Rechtsabteilung, Personalwesen, Kundensupport, Produktentwicklung und sogar Finanzen. Tatsache ist, dass ML in fast jeder Branche von Nutzen ist und verspricht, allgegenwärtig zu werden, wenn immer mehr Unternehmen es einsetzen.

Sie erleben ML bereits in Ihrem Alltag: von virtuellen persönlichen Assistenten wie Amazon Alexa und Apples Siri, über Spam-Filter und Malware-Detektoren, bis hin zu Facebooks Methode, neue Freunde und neue Gruppen vorzuschlagen, zu Chatbots, die Online-Kundendienst leisten, bis hin zu intelligenten Autos, die selbst fahren.

Maschinelles Lernen bietet viele Vorteile, aber es stellt sich die Frage: Warum nutzen nicht mehr Unternehmen diese Technologie? Ein Hauptgrund: ML ist schwierig zu handhaben und erfordert ein hohes Maß an Fachwissen.

ML erfordert Experten, die die Theorie, Technologie, Methoden und Werkzeuge verstehen. Heute sind diese Experten rar und sehr gefragt. Nach den neuesten Daten des US Bureau of Labor Statistics gibt es in den USA insgesamt weniger als 32.000 Datenwissenschaftler.² Der Mangel an KI-Spezialisten und Datenwissenschaftlern wird noch dadurch verschärft, dass ein Großteil der verfügbaren Talente von den digitalen Giganten wie Amazon, Facebook, Google und Microsoft eingestellt wird, die schwindelerregend hohe Gehälter zahlen. Dies erschwert den Unternehmen den Wettbewerb um diese ohnehin knappen Ressourcen.

Automatisiertes maschinelles Lernen (AutoML) ist eine aufkeimende neue Technologie für Unternehmen, die die Reichweite ihrer derzeitigen ML-Talente erweitern möchten, und für Unternehmen, die gerade erst mit ML beginnen.

AutoML ist ein relativ neuer Ansatz für die Datenwissenschaft - er automatisiert und vereinfacht die Erstellung von ML-Modellen. Es führt Feature Engineering durch und automatisiert den Prozess der Umwandlung von Rohdaten in für ML-Modelle geeignete Formate. Es automatisiert die Modellauswahl, das Training und die Ergebnisanalyse und testet verschiedene ML-Algorithmen mit unterschiedlichen Parametern, um das genaueste Modell für ein bestimmtes Problem zu erstellen. Für Unternehmen mit einem Team von Data Scientists automatisiert dies einen Großteil der manuellen und Trial-and-Error-Prozesse, die für die Erstellung von ML-Modellen verwendet werden, und verbessert die Produktivität Ihrer Data Scientists erheblich, was Zeit und Aufwand spart.

Wenn Sie noch keine ML-Spezialisten beschäftigen, kann die Durchführung von Feature-Engineering und die Erstellung und Schulung von Modellen eine Herausforderung sein. Doch mit AutoML braucht Ihr Unternehmen nicht mehr unbedingt Datenwissenschaftler, um nützliche ML-Modelle zu erstellen. Stattdessen können Sie mit einfachen Anwendungsfällen und AutoML beginnen und gleichzeitig Ihre Entwickler darin schulen, einen größeren Teil des Analyse- und ML-Entwicklungsprozesses zu übernehmen.

Viele der heutigen AutoML-Tools sind jedoch begrenzt. Sie sind zwar in der Lage, ML-Modelle zu erstellen, bieten aber keine Funktionalität, um die Modelle in Echtzeit-Geschäftsprozessen auszuführen. Dies ist ein wichtiger Unterschied zu InterSystems IntegratedML.

InterSystems IntegratedML ist eine eingebettete Funktion der InterSystems IRIS® Datenplattform, einer vollständigen Softwareumgebung für das Datenmanagement. IntegratedML bietet alle Funktionen und Vorteile der herkömmlichen AutoML. Da es jedoch in InterSystems IRIS eingebettet ist, können Sie anspruchsvolle Anwendungen entwickeln und einsetzen, die diese Modelle als Reaktion auf Echtzeit-Ereignisse und -Transaktionen nahtlos dynamisch ausführen, ohne Modelle oder Daten zu extrahieren oder zu verschieben.

Nehmen wir zum Beispiel eine Bank, die Kreditkarten ausgibt und vor der Genehmigung jeder Transaktion das Betrugsrisiko ermitteln muss. Sie führt eine hochleistungsfähige Echtzeit-Kreditkartenanwendung aus, die mit InterSystems IRIS entwickelt wurde und in der alle demografischen und finanziellen Daten aller Kunden und Kreditkartentransaktionen gespeichert sind. Diese Anwendung kann Hunderte von Datenelementen für jede Kreditkartentransaktion enthalten - einschließlich der Angabe, ob die jeweilige Transaktion betrügerisch oder gültig war.

Mit IntegratedML können die Anwendungsentwickler in der Bank automatisch ein ML-Modell erstellen, um risikoreiche Transaktionen auf der Grundlage vergangener Transaktionen zu identifizieren, indem sie einfach das gewünschte Feld (z. B. "is_fraudulent") auswählen und IntegratedML das am besten geeignete Modell und die Parameter erstellen lassen.

Im Gegensatz zu herkömmlicher AutoML kann das IntegratedML-basierte Modell von InterSystems jedoch nahtlos in die Kreditkartenanwendung integriert werden, um bei jeder eingehenden Transaktion in Echtzeit ausgeführt zu werden, und die Anwendung kann die entsprechenden programmatischen Maßnahmen ergreifen, wenn das Modell
feststellt, dass ein hohes Betrugsrisiko besteht, wie z. B. die Verhinderung der Transaktion und das Anrufen und Versenden von SMS an den Karteninhaber.

IntegratedML macht es auch einfacher, die Modelle aktuell zu halten, wenn die Anwendungen in der Produktion laufen und neue Daten erzeugt werden. Im Falle des Kreditkartenbetrugs wird eine Betrugsart durch die Anwendung aufgedeckt und verhindert, und die Kriminellen werden mit Sicherheit neue Techniken anwenden. Da alle Daten, einschließlich der neuesten Daten, in der Datenplattform gespeichert sind, müssen keine manuellen Extrakte erstellt und Daten in verschiedene Umgebungen verschoben werden. Stattdessen kann die Bank die Modelle anhand der neuesten Daten kontinuierlich verfeinern, um neue Angriffsmuster ohne Verzögerung zu erkennen und zu verhindern.

Mit InterSystems IRIS und IntegratedML können Sie Anwendungen entwickeln, die intelligente, präskriptive programmatische Aktionen als Reaktion auf Echtzeit-Ereignisse durchführen und entscheidende Wettbewerbsvorteile und Geschäftsvorteile erzielen. Es kann Ihnen helfen, als Erster ein neues Produkt oder eine neue Dienstleistung auf den Markt zu bringen, als Erster auf eine neue Initiative zu reagieren und als Erster auf ein verändertes Kundenverhalten zu reagieren.

Mit IntegratedML kann ein Entwickler - mit wenig oder gar keinen ML-Kenntnissen - SQL verwenden, um anspruchsvolle ML-Modelle zu entwickeln.

Das soll nicht heißen, dass Sie niemals Data Scientists einstellen sollten. Wenn es sich bei Ihrem Unternehmen um ein großes Unternehmen mit einem Team von Datenwissenschaftlern handelt, kann IntegratedML Ihren Dateningenieuren und Datenwissenschaftlern viel Zeit sparen. So ergab eine 2018 von Kaggle ML and Data Science3 durchgeführte Umfrage, d^ass Datenwissenschaftler fast 40 % ihrer Zeit mit dem Sammeln und Bereinigen von Daten4 verbringen ⁽siehe Abbildung 1 unten). Durch den Einsatz von IntegratedML für die Datenaufbereitung und das Feature-Engineering können sich Ihre Datenwissenschaftler auf wichtigere, wertvollere Aufgaben wie die Optimierung von Modellen konzentrieren.

Unternehmen, die gerade erst mit ML beginnen, können mit InterSystems IntegratedML die Softwareentwickler und Analysten, die Ihre Geschäftsanwendungen erstellen und die Daten kennen, ML selbständig erforschen. IntegratedML automatisiert die grundlegenden Arbeiten, wie z. B. die Identifizierung der am besten geeigneten Modelle, die Festlegung von Parametern sowie die Erstellung und das Training von Modellen. Außerdem beschleunigt es die Integration der ML-Modelle in Produktionsanwendungen. Wenn Ihre Entwickler anspruchsvoller werden und beginnen, den Prozess und die Ergebnisse zu verstehen, können sie anfangen, optionale Parameter zu ändern und die Werte selbst festzulegen. Datenwissenschaftler können mit IntegratedML auch produktiver arbeiten, weil sie ihre Zeit auf die eigentliche Modelloptimierung verwenden können, anstatt sich mit Daten, Feature-Engineering und -auswahl herumzuschlagen.

Mit IntegratedML werden die Modellschulung, einschließlich der Identifizierung geeigneter Eingabemerkmale aus den Quelldaten, die Abstimmung der Modellparameter und die Ausführung mit nur einer Handvoll SQL-Befehle durchgeführt.

CREATE MODEL WillSurvive PREDICTING (Survived) FROM TitanicDer

Befehl CREATE MODEL richtet die Metadaten des maschinellen Lernmodells ein. Die Entwickler geben den Namen des Modells (WillSurvive), das vorauszusagende Zielfeld (Survived) und einen Datensatz an, aus dem das Zielfeld und alle Modelleingabefelder stammen (Titanic). Die FROM-Syntax ist völlig allgemein und kann jeden beliebigen Unterabfrageausdruck angeben. Die mit diesem Datensatz verbundenen Metadaten werden auch verwendet, um die Datentypen der Ziel- und Eingabefelder abzuleiten, wodurch das Problem, das das Modell lösen soll, vollständig definiert wird.

TRAIN MODEL WillSurvive FROM TitanicDer

Befehl TRAIN MODEL gibt die für das Training zu verwendenden Daten an und führt die AutoML-Engine aus, die als Eingabe einen Satz relationaler Daten erhält. Da die FROM-Syntax allgemein ist, kann dasselbe Modell mehrfach mit verschiedenen Datensätzen trainiert werden. So können Sie beispielsweise ein Modell für eine Marketingkampagne auf verschiedene Kundensegmente trainieren oder Ihr Modell regelmäßig neu trainieren, wenn neue Trainingsdaten verfügbar sind.

Die AutoML-Engine übernimmt automatisch alle erforderlichen Aufgaben des maschinellen Lernens. Es identifiziert relevante Kandidatenmerkmale aus den ausgewählten Daten, berücksichtigt geeignete Modelltypen auf der Grundlage der Daten und der Problemdefinition und stimmt die Hyperparameter ab, um ein oder mehrere lauffähige Modelle zu erhalten.

Entwickler können aus verschiedenen AutoML-Engines wählen, darunter InterSystems AutoML, H2O und DataRobot Enterprise AI Platform. Alle AutoML-Engine-Optionen sind nahtlos in InterSystems IRIS integriert und für Entwickler transparent.

SELECT PREDICT(WillSurvive) As Predicted FROM Titanic
SELECT PROBABILITY(WillSurvive FOR 1) FROM TitanicNach dem

Training liefert das Modell die Ergebnisse über eine von zwei skalaren Funktionen, PREDICT() und PROBABILITY(). PREDICT() gibt den wahrscheinlichsten oder geschätzten Wert für die angegebene Spalte zurück, der durch das trainierte Modell ermittelt wurde. Bei Kategorisierungsproblemen gibt PROBABILITY() die vom trainierten Modell berechnete Wahrscheinlichkeit zurück, dass das Zielfeld des Modells gleich einem benutzerdefinierten Wert ist. Diese einfachen skalaren Funktionen können überall in einer Abfrage und in jeder Kombination mit anderen Feldern und Funktionen verwendet werden. Eine der wichtigsten Innovationen von IntegratedML ist die transparente Zuordnung der verfügbaren Felder im gegebenen Abfragekontext zu den Eingabefeldern, die für die Ausführung des Modells erforderlich sind.

IntegratedML bietet Entwicklern zusätzliche Flexibilität, z. B. die Zuordnung zu anderen Datenquellen als der speziellen Tabelle oder Abfrage, die für die Erstellung oder das Training des Modells verwendet wird, wie das folgende Beispiel zeigt.

SELECT Name, PREDICT(WillSurvive WITH Sex = Geschlecht, Age = DATEDIFF(year, NOW(), Geburtsdatum), Fare = TicketPreise, Cabin = Kabine) FROM HindenburgWährend

die meisten AutoML-Lösungen in einer eigenständigen Umgebung mit loser, durchsatzarmer Kopplung mit externen Datenplattformen und Anwendungen arbeiten, ist IntegratedML anders. Sie arbeitet nahtlos in der InterSystems IRIS-Datenplattform, um das Training und die Ausführung von ML-Modellen zu beschleunigen und zu vereinfachen, und ermöglicht die nahtlose Integration der ML-Modelle in InterSystems IRIS-Anwendungen, ohne dass die Daten oder Modelle verschoben werden müssen. Diese Operationalisierung von ML-Modellen gilt als eines der größten Hindernisse für die rasche Einführung von ML in Geschäftsanwendungen.

Die Technologie von InterSystems wird weltweit in 150.000 Installationen in einer Vielzahl von Branchen eingesetzt. Die IRIS Data Platform von InterSystems ist eine vollständige Softwareplattform für das Datenmanagement, die speziell dafür entwickelt wurde, die Entwicklung von datengesteuerten Echtzeitanwendungen zu beschleunigen und zu vereinfachen. InterSystems IRIS ermöglicht es Entwicklern, anspruchsvolle Analysen - einschließlich Business Intelligence, KI, ML, natürliche Sprachverarbeitung und prädiktive Analysen - in geschäftskritische Echtzeitprozesse einzubinden. Die eingebettete transaktionsanalytische Hochleistungsdatenbank-Engine unterstützt sowohl operative als auch analytische Workloads in sehr großem Umfang.

Zusätzlich zu den eingebetteten ML-Entwicklungs- und Laufzeitfunktionen ermöglicht InterSystems IRIS auch:

Daten- und Anwendungsintegration - InterSystems IRIS bietet ein komplettes Set an Integrations- und Interoperabilitätsfunktionen, um Daten zu bereinigen, zu transformieren und zu normalisieren sowie anspruchsvolle Integrationen zu unterstützen. Es bietet sofort einsatzbereite Konnektivität und Datentransformationen für eine Vielzahl von Anwendungspaketen, Datenbanken, Industriestandards, Protokollen und Technologien, um die Integration und Analyse von Daten sowie die Erstellung von Vorhersage- und Prognosemodellen zu erleichtern.

Darüber hinaus können Sie analytische Verarbeitungen wie SQL-Abfragen, Vorhersageanalysen, ML und Natural Language Processing (NLP) in zusammengesetzte Geschäftsprozesse einbetten, die unterschiedliche Datenquellen und Anwendungen miteinander verbinden. Diese zusammengesetzten Prozesse können Abläufe rationalisieren und Warnmeldungen auslösen, ohne die Anwendungsleistung zu beeinträchtigen.

Skalierbarkeit - InterSystems IRIS ist vertikal und horizontal skalierbar und hochgradig ressourceneffizient, so dass es sich ideal für Anwendungen eignet, die sehr hohe Ingestion-Raten, ein hohes Maß an analytischen Workloads, viele gleichzeitige Geschäftsprozesse und die Fähigkeit zur kosteneffizienten Verarbeitung, Speicherung und Analyse sehr großer Datensätze unterstützen.

Reporting und Nachvollziehbarkeit - Alle Daten (einschließlich In-Flight-Daten, Metadaten und Daten im Zusammenhang mit lang laufenden asynchronen Transaktionen) werden automatisch in der eingebetteten Datenbank gespeichert und stehen für Echtzeit-Reporting und Analysen zur Verfügung. Die Visualisierung und Diagnose des Verhaltens von Integrationen und Prozessen wird durch visuelle Trace-Funktionen erleichtert.

Grafische Entwicklung - Grafische Low-Code-Tools ermöglichen es Entwicklern, Prozesse, Transformationen, Regeln und Workflows visuell darzustellen, so dass sie sich auf die logischen Interaktionen zwischen Systemen konzentrieren können, anstatt zu programmieren. Die grafischen Modelle fördern die Zusammenarbeit zwischen den Geschäftsbereichen und der IT-Abteilung, so dass Ihr Unternehmen schneller neue Lösungen entwickeln oder bestehende Anwendungen modifizieren kann.

Bereitstellung - InterSystems IRIS unterstützt eine breite Palette von Bereitstellungsoptionen, einschließlich aller wichtigen öffentlichen Clouds, privaten Clouds, On-Premises- und hybriden Bereitstellungsoptionen.

Ob Sie Ihre Kunden mit personalisierten Echtzeit-Erlebnissen begeistern, die klinischen Ergebnisse für Patienten verbessern, den Wartungsbedarf proaktiv vor Ausfällen vorhersagen oder Betrug in Echtzeit aufdecken und verhindern möchten, InterSystems IRIS und IntegratedML können Ihnen helfen, diese Ziele und mehr zu erreichen.

Erfahren Sie mehr über InterSystems IRIS

Das maschinelle Lernen ist die Welle der Zukunft, und jedes Unternehmen, das wettbewerbsfähig sein will, muss damit beginnen, es zu nutzen. Leider sind Datenwissenschaftler rar und ihre Gehälter explodieren, was es für große Unternehmen schwierig macht, ihre ML-Präsenz zu erweitern und für kleine Unternehmen, mit ML zu beginnen. Auch wenn Innovationen wie AutoML hilfreich sind, reicht AutoML allein nicht aus.

InterSystems IntegratedML bietet ausgereifte AutoML-Funktionen, die über eine intuitive SQL-Schnittstelle zugänglich sind und vollständig in eine umfassende Datenplattform integriert sind. IntegratedML macht es einfach, ML-Modelle in geschäftskritischen Anwendungen in Echtzeit einzusetzen, ohne dass Daten oder Modelle verschoben werden müssen und ohne dass ein Team von Datenwissenschaftlern erforderlich ist. Mit InterSystems IRIS und IntegratedML können Sie einen positiven Verbesserungszyklus schaffen, indem Sie ML-Modelle ohne Verzögerung auf der Grundlage der neuesten Produktionsdaten kontinuierlich verfeinern.

Wenn Sie ein Team von Datenwissenschaftlern haben, wird IntegratedML die Produktivität Ihres Teams verbessern.

Wenn Sie gerade erst mit KI beginnen, kann IntegratedML Ihnen den Einstieg in ML ermöglichen, ohne dass Sie teure ML-Experten einstellen müssen.

In jedem Fall kann IntegratedML Ihnen helfen:

• Beschleunigung und Vereinfachung der Erstellung von ML-Modellen
• Ausführen intelligenter programmatischer Aktionen in Echtzeit
• Rationalisierung von Prozessen zur Verbesserung des Kundenerlebnisses, der betrieblichen Effizienz und der Produktivität
• Verbessern Sie die Prognosegenauigkeit, beschleunigen Sie bessere Geschäftsergebnisse und überflügeln Sie Ihre Konkurrenz
• Schnellere und einfachere Entwicklung intelligenter Anwendungen mit weniger Ressourcen
• Den Kampf um KI-Talente gewinnen

Erfahren Sie mehr über InterSystems IRIS

---

^{1 - Forrester Opportunity Snapshot. (2019) Dateneinblicke sind der Schlüssel zu einem differenzierten Kundenerlebnis: Eine einheitliche Datenanalyseplattform ermöglicht eine zeitnahe und kontextbezogene CX
2 -} https://www.bls.gov/ooh/computer-and-information-technology/computer-and-information-research-scientists.htm
^{3 -} https://www.kaggle.com/headsortails/what-we-do-in-the-kernels-a-kaggle-survey-story
^{4 -} https://businessoverbroadway.com/2019/02/19/how-do-data-professionals-spend-their-time-on-data-science-projects/