Machine Learning bietet Chancen und Herausforderungen

Laut Ed Featherston, Vice President und Principal Architekt beim Cloud-Beratungsunternehmen Cloud Technology Partners, eröffnen sich mit Machine-Learning-Systemen zahlreiche Geschäftsmöglichkeiten – und Hürden für CIOs.

Featherston sprach mit TechTarget auf der Cloud Expo in New York über die Möglichkeiten und Herausforderungen durch Machine Learning. Im Video erläutert er, wie Machine-Learning-Systeme CIOs dabei helfen, Muster in großen Datensätzen zu erkennen und wie zum Beispiel Bahnunternehmen durch den Einsatz von Machine-Learning-Algorithmen Geld bei Wartungskosten einsparen.

Er erklärt außerdem, wie CIOs herausfinden, welche Projekte für Machine Learning geeignet sind, und nennt Herausforderungen, die auf CIOs bei der Implementierung von Machine Learning für Big Data Analytics zukommen.

Hier das deutsche Transkript zum Video-Interview:

Welche Möglichkeiten bieten Machine-Learning-Systeme für CIOs?

Ed Featherston: Es ist eine interessante neue Welt für CIOs, denn sie hatten schon immer viele Daten, und sie haben versucht, sie auf unterschiedliche Weise zu analysieren und Muster zu erkennen. Maschinelles Lernen hilft dabei, Muster zu erkennen, die CIOs vielleicht nie zuvor gesehen oder erkannt haben, und potenzielle neue Geschäftschancen oder neue Wege zu finden, um Dinge im Unternehmen zu ändern.

Ein tolles Beispiel, das ich gerne benutze, ist die Bahnindustrie. Die Wartung von Zügen ist sehr kostspielig. Wenn man einen Zug aus dem Verkehr ziehen muss, kostet nicht nur die Reparatur eine Menge Geld, sondern auch die Service-Level-Agreements und mögliche Geldbußen, die man zahlen muss, weil der Zug außer Betrieb ist. Indem man aber die Daten nimmt, die man aus den Sensoren in den Zügen gewinnt, diese durch Machine-Learning-Algorithmen leitet und die Daten analysiert, kann man voraussagen, dass in Zug XYZ Teil BCD in drei Wochen ausfallen wird und es repariert werden sollte. Man kann es planen, ohne die Gesamtsysteme zu beeinflussen.

Das ist eine Fähigkeit, die man vorher nicht hatte. Sie sparen ein Vermögen an Wartungskosten, da Sie das im Voraus vorhersagen können. Das ist nichts, wozu eine durchschnittliche Person in der Lage ist, indem sie alle Daten betrachtet und herausfindet, welches Muster erklärt: Oh, dieses Teil ist im Begriff auszufallen.

Wie können CIOs Probleme identifizieren, die für maschinelles Lernen geeignet sind?

Featherston: Sie müssen es zunächst aus unternehmerischer Sicht betrachten. Was sind die größten Herausforderungen? Was schadet ihrem Geschäft am meisten oder bremst es? Und dann sagen sie: Okay, wenn ich in der Lage wäre, diese Probleme vorherzusehen, indem ich genügend Daten zur Verfügung habe, die eingespeist werden, so dass jemand die Probleme analysieren und herausfinden kann, würde dies mir einen geschäftlichen Wert auf der anderen Seite liefern? Wie bei allem anderen auch, kommt es immer noch darauf an, Geschäftsprobleme zu erkennen.

Wenn jemand herausfindet, was die Informationen aussagen, und das würde dazu beitragen, das Problem zu lösen, dann ist das wahrscheinlich ein guter Kandidat, den man aus der Perspektive des maschinellen Lernens betrachten sollte. Eine andere Sache ist: Haben Sie die richtigen Daten zum Betrachten? Machine Learning ohne Daten ist nutzlos. Das wäre wie ein hochleistungsfähiges Auto ohne Benzin im Tank.

Welche Herausforderungen erwarten CIOs bei der Nutzung von Machine-Learning-Systemen?

Featherston: Es gibt mehrere Herausforderungen. Zunächst muss man die Machine-Learning-Algorithmen oder Fähigkeiten, die das Problem lösen, identifizieren. Und es gibt verschiedene Anbieter da draußen, die das schaffen. IBM Watson ist wahrscheinlich der bekannteste. Was maschinelles Lernen so wichtig macht, ist nicht der Algorithmus, sondern die Daten, die den Algorithmus speisen.

Früher mussten CIOs einen Machine-Learning- und KI-Spezialisten einstellen, um einen Algorithmus zu entwickeln, der dabei hilft, die Daten zu knacken und die gewünschten Antworten zu finden. Das muss nicht mehr so sein. Was man braucht, sind Datenexperten und Data Scientists, die sich die Datensätze ansehen können und sagen: Welche Date stehen mir zur Verfügung? Welche Daten werden mir dabei helfen, die Unternehmensziele zu erreichen?

Ein weiterer Teil der Herausforderung ist, dass Sie möglicherweise nicht die Ergebnisse erhalten, die Sie erwarten. Die Machine Learning Engine kann ihnen etwas ganz anderes und völlig Neues erzählen, was sie von den Daten nicht erwartet haben. Sie können nicht mit einem vorgefassten Begriff hineingehen und sagen: Ich werde diese Daten eingeben und es wird mir A, B, C erzählen. Wenn Sie bereits wussten, dass es Ihnen A, B, C erzählen wird, müssen Sie kein Geld für Machine Learning und all die Daten ausgeben. Es ist wichtig, sich darauf vorzubereiten, dass sie neue und interessante Dinge herausfinden, die andere Möglichkeiten eröffnen können.

Folgen Sie SearchEnterpriseSoftware.de auch auf Twitter, Google+, Xing und Facebook!

Alle Videos ansehen

Diskussion starten

Schicken Sie mir eine Nachricht bei Kommentaren anderer Mitglieder.

Mit dem Absenden dieser Daten erklären Sie sich bereit, E-Mails von TechTarget und seinen Partnern zu erhalten. Wenn Ihr Wohnsitz außerhalb der Vereinigten Staaten ist, geben Sie uns hiermit Ihre Erlaubnis, Ihre persönlichen Daten zu übertragen und in den Vereinigten Staaten zu verarbeiten. Datenschutz

Bitte erstellen Sie einen Usernamen, um einen Kommentar abzugeben.

- GOOGLE-ANZEIGEN

SearchSecurity.de

SearchStorage.de

SearchNetworking.de

SearchDataCenter.de

Close