Zwischen Hype und außergewöhnlichem Nutzen

Letzte Woche war ich auf der ML Conference in Berlin. Die Konferenz war sehr lehrreich für mich. In den Vorträgen ging es einerseits um die Technik hinter dem maschinellen Lernen, Data Science, Sicherheit und Algorithmen. Aber dann wurde auch darüber besprochen, wie ich ein ML Projekt aufsetze, welche Fehler begangen werden können, und warum Containertechnologien wie Docker oder Kubernetes ML Projekte sehr erleichtern. Am spannendsten fand ich aber die Vorträge, in denen es um konkrete Anwendungen von maschinellem Lernen und künstlicher Intelligenz ging. Und natürlich kamen auch die Gespräche mit anderen Teilnehmern nicht zu kurz.

Mein Fazit

Die meisten Unternehmen experimentieren zurzeit mit maschinellem Lernen. Es gibt wenig Ideen, wie diese neuen Technologien heute schon echte Vorteile für das Geschäft bringen. Der Hype in den Medien – sowohl das Positive als auch das Negative betreffend – war weit weg. Gleichzeitig stimmten alle, mit denen ich gesprochen hatte, darin überein, dass in ein paar Jahren jedes Unternehmen maschinelles Lernen einsetzen muss, um am Markt bestehen zu bleiben. Es wird der kleinste gemeinsame Nenner sein.

Dabei wird es sowohl in der Public Cloud als auch im eigenen Rechenzentrum genutzt werden. Das größte Problem im eigenen Rechenzentrum scheinen die langsamen Prozesse zu sein. „Es dauert viel zu lange, bis ich ein System aufgesetzt bekomme. Da bin ich in der Public Cloud viel schneller,“ wurde mir gesagt.

Aus Sicht meines Arbeitgebers VMware ist mir aufgefallen, dass einige Teilnehmer uns zwar kennen, aber keiner brachte VMware in Verbindung mit maschinellem Lernen und künstlicher Intelligenz. Dabei bietet VMware interessante Optionen an, wenn es um Flexibilität und Sicherheit der ML Anwendungen geht. Nun gut, das behandele ich ein anderes Mal.

Hier sind zwei Highlights aus meiner Sicht:

Wie wir Seeunfälle vermeiden

Die Keynote Data to the Rescue! Preventing Accidents at Sea von Dr. Yonit Hoffman des israelischen Startups Windward hat mich begeistert. Wusstet Ihr, dass 10% aller Schiffe einmal im Jahr eine Havarie haben? Mit Big Data Analysen und maschinellem Lernen hat Windward Modelle entwickelt um Unfälle vorherzusahen und auch zu verhindern. 150 Million Datenpunkte über Schiffspositionen, Schiffstypen, Wetterinformation, Wassertiefen, die Nähe zu Häfen, und viele weitere Daten wurden zusammengebracht und in tiefes Wissen und Verständnis über die Vorgänge auf See umgemünzt. Der Vortrag war wirklich fesselnd.

Die Ergebnisse haben zu einer sehr fruchtbaren und interessanten Zusammenarbeit mit Versicherungsunternehmen geführt. Stellt Euch mal vor, welche Welten da aufeinander treffen. Maritime Versicherungen arbeiten seit 350 Jahren auf ähnliche Weise – oft noch mit Papier. Jetzt entsteht etwas Neues. Und es ist ganz klar vom Geschäft getrieben. So stelle ich mir die Zukunft von maschinellem Lernen vor.

Regenabflussrohre für China

Das spannendste Gespräch war mit einem Mitarbeiter einer Firma, die Sanitäranlagen für große Gebäude und Regenwasser-Abflussrohre herstellt. Eine besondere Herausforderung sind große Flachdächer, z.B. für Industrieanlagen oder Geschäfte. Die Abflussrohre müssen genau den richtigen Durchmesser haben. Sind sie zu klein fließt zu wenig Wasser ab. Sind sie zu groß, entsteht kein Saugeffekt. Beim optimalen Durchmesser der Rohre entsteht ein Sog im Rohr, der das Regenwasser optimal ableitet.
Ich habe gelernt, dass viele Jahre Berufserfahrung nötig sind, um diese optimalen Rohre zu entwerfen. Das ist ein Problem, wenn man in neue Märkte gehen will. Nun hat das Unternehmen es geschafft, mit maschinellem Lernen optimale Regenrohrdurchmesser sehr viel schneller zu bestimmen. Damit ist es nun zum ersten Mal möglich, neue Märkte wie China anzugehen, auch ohne dort Mitarbeiter zu haben, die Jahrzehnte an Erfahrung besitzen.

Wenn maschinelles Lernen und künstliche Intelligenz heute schon auf diese außergewöhnliche Art Mehrwerte liefert, dann werden wir in Zukunft sicher noch mehr Beispiele sehen. Die Grenzen sind unsere Kreativität und Vorstellungskraft. Das Wissen um die Technik reicht nicht aus. Das ist nur eine notwendige, aber keine hinreichende Bedingung für den erfolgreichen Einsatz von maschinellem Lernen. Die Identifizierung von Geschäftsideen, das ist die wahre Herausforderung.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.