Ein KI Spielplatz

Diese Woche war ich zur offiziellen Eröffnungsfeier des ARIC (Artificial Intelligence Center) Hamburg eingeladen. Das ARIC bringt Unternehmen, Start-Ups, Forschung, Banken und Politik zusammen, um KI-basierte Projekte zu initiieren und KI-Lösungen am Markt zu etablieren. Neben guten Gesprächen erlebte ich interessante Vorträge, in denen KI-Projekte vorgestellt wurden.

Ein sehr großes etabliertes Finanzunternehmen nutzt KI auf zwei Arten. Es gibt kurzfristige (in 1 bis 3 Jahre Laufzeit) Projekte, in denen moderne Anwendungen und neue Benutzerschnittstellen entwickelt werden. Langfristig werden in Zusammenarbeit mit dem ARIC ganz neue Geschäftsfelder angegangen, und die alten Prozesse fundamental zu verbessern, z.B. bei der Analyse von rechtlichen Dokumenten.

Ein Kommunikationsunternehmen stellte vor, wie sie KI nutzen, um die Effizienz und Reichweite von Marketingmethoden zu bewerten und zu optimieren. Ein Beratungsunternehmen zeigte, wie mit KI in der Bildanalyse Defekte an Triebwerke von Flugzeugen viel schneller kategorisiert werden können.

Es gibt viele Ideen, wie KI neue Geschäftsfelder treiben kann, und doch wirkte es auf mich ein bisschen wie ein Spielplatz. Das ist nicht negativ gemeint. Es geht um spielerisches Experimentieren. Es wird noch viel mehr probiert werden. Und es kommt darauf an, im kleinen Stil anzufangen und den Mehrwert von KI Lösungen zu beweisen, wie ich schon früher geschrieben hatte.

Je mehr KI-basierte Geschäftsmodelle funktionieren, desto mehr neue Ideen kommen dazu. Ich kann mir vorstellen, dass KI für viele Unternehmen noch sehr viel interessanter werden wird. Und zwar schneller als man denken mag.

Wirklich intelligente Maschinen

Die Definition von künstlicher Intelligenz kann schwammig sein. Manchmal scheint es nur brute force number crunching zu sein. Da wird über immer mehr Rechenleistung ein Verhalten erzeugt, dass Intelligenz zu zeigen scheint. Aber wenn wir hinter die Kulissen von Deep Blue und anderen Supercomputern schauen, die Spiele wie Schach oder Go meistern, dann sind das Sonderfälle, wo Wissen auf einem klar definierten Gebiet optimiert ist.

Die menschliche Intelligenz ist viel kreativer und anpassungsfähiger. Sie ist auf alle Fälle unseres Lebens vorbereitet, viel mehr als jeder Computer.

Und genau da setzt der 15 Jahre alte Klassiker von Jeff Hawkins und Sandra Blakeslee an: „On Intelligence“ ist ein Buch, in dem wir sehr detailliert die Einzelheiten lernen, wie das menschliche Gehirn funktioniert, wie der Neocortex aufgebaut ist, wie wir uns damit Dinge merken, und wie wir Entscheidungen treffen. Und genau diese biologische Vorlage nehmen die Autoren, um Hinweise zu geben, wie man wirklich intelligente Computer bauen kann.

Ein Kollege und Freund hat mir dieses Buch empfohlen, und ich kann diese Empfehlung nur weitergeben. Auch wenn die Vorhersagen von vor 15 Jahren nicht so richtig eingetroffen sind, ist es doch eine erhellende Lektüre.
„Die mächtigsten Dinge sind einfach.“, schreibt Jeff im Prolog. Er hat Recht, man mag nur an das iPhone denken. So wird in diesem Buch eine einfache und geradlinige Theorie der Intelligenz dargestellt. Es ist sehr tief gehend, wenn die einzelnen Zellen und Zellregionen im Gehirn erklärt werden, wie sie zusammenwirken, und wie Informationen gespeichert und abgerufen werden. Ja, du solltest dich beim Lesen konzentrieren, aber ist es auch für Nicht-Neurowissenschaftler verständlich.

Wenn nun eine Maschine dieses Verhalten des menschlichen Gehirns nutzt, dann ist sie wirklich intelligent. Jeff vermutet in diesem Buch, dass in 10 Jahren (das wäre 2015) solche intelligenten Maschinen existieren. Aber im nächsten Satz wird er gleich vorsichtiger, weil es auch länger dauern kann.

Jeff ruft dazu auf, solche Maschinen zu bauen, die den menschlichen Neocortex des Gehirns als Vorbild haben. In dem Buch gibt es einige Beispiele, z.B. wie solche Maschinen kommunizieren und das Wetter der Welt in einer Detailtiefe erfassen, die heute unmöglich scheint. Wollen wir das wirklich? Ich bin mir nicht sicher, ob das eine gute Idee ist. Und ich habe auch noch nichts weiter von solchen Maschinen gehört.

Wie dem auch sei, ich empfehle das Buch „On Intelligence“ jedem, der sich für intelligente Computer interessiert. Du wirst nach der Lektüre mehr Respekt vor deinem Gehirn haben.

Investitionen in AI und die Rolle von VMware

Auf der NORTEC 2020 Fachmesse für Produktion wurde ich zu einer Round Table Diskussion eingeladen, bei der es um die Einführung der KI in der Fertigungsindustrie ging. Große Unternehmen, Universitäten und lokale Wirtschaftsführer untersuchten, wie man mit KI Innovationen vorantreiben und einen Geschäftsplan dafür erstellen kann. Ich wurde gebeten, die Rolle der Virtualisierung für KI/ML-Projekte vorzustellen, und ein Datenwissenschaftler war interessiert (und überrascht) an den Leistungsvorteilen der Virtualisierung, wie sie im VROOM Blog-Artikel How Does Project Pacific Deliver 8% Better Performance Than Bare Metal? beschrieben sind.

Mehrere Vertreter und lokale Führungskräfte aus Privat- und Familienunternehmen diskutierten über ihr Geschäft. Kleine und private Unternehmen treiben die Wirtschaft in Norddeutschland an, hier gibt es nicht einen einzigen DAX-Konzern, aber viele kleine und mittlere Unternehmen. Ich war überrascht zu erfahren, dass diese kleineren Unternehmen ihren Umsatz viel schneller und stärker steigern als die großen öffentlichen Unternehmen. Die Übereinstimmung war, dass langfristige Investitionen die kurzfristigen Investitionen übertreffen. Öffentliche Unternehmen müssen den Shareholder-Value berücksichtigen und vierteljährliche Zahlen vorlegen. Es werden viele Entscheidungen getroffen, um die kurzfristigen Einnahmen zu steigern. Kleinere Unternehmen haben einen Zeithorizont von 10 bis 20 Jahren für ihre Investitionen, was zu einem stabileren und zuverlässigeren Geschäft führt. Sie arbeiten über viele Generationen hinweg.

Dies hat einen interessanten Einfluss auf ihre KI-Strategie. Diese Unternehmen können sich keine großen Investitionen leisten, deshalb haben wir gemeinsame Projekte mit Studenten der örtlichen Universitäten diskutiert. Diese Unternehmer können es nicht riskieren, große Summen zu investieren, weil sie die Risiken kontrollieren müssen. Aber sie sind sehr interessiert an der KI, und es gibt erste Unternehmen, die einen Wert aus der KI ziehen. Aber sie stehen erst am Anfang. Ein weiterer Hemmschuh sind die Bedenken gegen die Nutzung der Public Cloud für KI-Projekte, vor allem in Bezug auf die Einhaltung von Compliance und den Schutz des geistigen Eigentums. Daher werden sie KI/ML-Software auch in ihren lokalen Rechenzentren oder Standorten betreiben wollen. Der Umfang der Investitionen liegt oft nur bei etwa 10.000 bis 15.000 € für Hardware, so dass ich zunächst dachte, dies sei zu uninteressant für Cloud Infrastrukturanbieter wie VMware, die eher größere Projekte unterstützen. Aber ich wurde nach der Virtualisierung von AI/ML-Workloads gefragt, weil fast jeder gute Erfahrungen mit VMware vSphere (oder VMware Workstation) gemacht hat. Außerdem haben Universitäten und Forschungseinrichtungen wie das DESY wiederum ganz andere Größenordnungen abzudecken, was Infrastrukturprojekte mit Virtualisierung interessant machen kann.

Unerwartete Nebenwirkungen

Im Deutschlandfunk Podcast Die Maschine: Kontrolle ist gut, KI ist besser wird ab der 21. Minute eine schaurige fiktive Geschichte erzählt:

Es wurde eine künstliche Intelligenz entwickelt, die weltweit alle Medikamentenlieferungen kontrolliert und ausführt. Weil das so kritisch war, wurde ganz besonders viel wert auf einen speziellen Algorithmus gewählt, der Benachteiligung einzelner Bevölkerungsgruppen unter Garantie ausschließt, der immer 100% politisch korrekt ist.

Als nun die künstliche Intelligenz aktiviert wurde lief es zunächst gut, doch dann häuften sich in den reichen Ländern die Todesfälle von Diabetikern. Überall in den Krankenhäusern der Industriestaaten fehlt es an Insulin. Wie konnte das passieren?

Naja, das System funktionierte genau so, wie es entworfen wurde. Allerdings berücksichtigte die künstliche Intelligenz den Bedarf an Medikamenten weltweit. Für alle Menschen auf der Erde gab es aber nicht genug Medikamente wie Insulin. Unterversorgte Gebiete vor allem in Asien und Afrika bekamen von der künstlichen Intelligenz mehr Medikamente zugeteilt, die reichen Länder weniger. So wurde der Mangel global gleich verteilt.

Es ist ein ähnliches Dilemma wie zwei brennende Häuser, in denen Menschen eingeschlossen sind, du hast aber nur genug Helfer, um einen Brand zu bekämpfen und die Menschen zu retten, nicht beide Brände. Was machst du?

Das sind ethische Fragen, die eine künstliche Intelligenz nicht automatisch beantworten kann. Wenn also künstliche Intelligenz eingesetzt wird, um Leben zu erhalten, dann sollten wir ganz genau hinsehen. Und gut gemeint ist sicher nicht immer gut gemacht, wie die Geschichte von den Medikamenten zeigt.

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.

DeepL – KI übersetzt am besten

Ich schreibe meine Artikel zuerst auf deutsch und hatte bisher Google Translate benutzt, um die englische Version zu erstellen. Das war zu ca. 80% gut, noch etwas poliert, dann war auch die zweite Sprache online.

Ein Kollege hatte mich gestern darauf hingewiesen, dass der DeepL Übersetzer eine viel bessere Übersetzungsmaschine für mich sein könnte. Ich habe es ausprobiert, und ich bin begeistert. Im direkten Vergleich mit Google Translate ist der DeepL Übersetzer um Längen besser darin, meine deutschen Artikel ins Englische zu übersetzen.

Was macht DeepL so besonders? Ich denke, es ist die konsequente Anwendung von neuronalen Netzen, maschinellem Lernen und künstlicher Intelligenz. Auf der DeepL Presse Webseite ist das so beschrieben:

„2016 – Das Team beginnt damit, ein neuronales Netzwerk zu konstruieren, das in der Lage ist, jede Art von Text zu übersetzen. Es wird später als DeepL Übersetzer bekannt. Dieses System baut auf jahrelanger Erfahrung des Teams mit maschinellen Lernverfahren und natürlicher Sprachverarbeitung auf und wurde mit über einer Milliarde hochqualitativer Übersetzungen trainiert, die durch Linguees Web-Crawler gesammelt wurden.“

Jetzt sind weitere 3 Jahre vergangen, und DeepL wird immer besser. Das ist es, was mich an guter Technologie so begeistert. Weiter so, DeepL Team!

Der Wettlauf zwischen Regulierung und Innovation

Während in der Politik und der Wirtschaft noch diskutiert wird, wie Künstliche Intelligenz (KI) reguliert werden soll, schreitet die Entwicklung neuer KI-Lösungen voran. Es ist ein Wettlauf. Neue und bessere Roboter werden gebaut, für die Küche und für das Militär.

Algorithmen übernehmen mehr und mehr Entscheidungen. Dabei können bestimmte Gruppen von Menschen benachteiligt werden, wie es im Oktober 2019 in den USA geschehen ist. Dabei sind die Algorithmen nicht per se „böse“. Sie verstärken die Vorurteile, die Menschen schon haben. Sie legen schonungslos offen, wie wir denken, weil unser Denken die Datensätze und die KI-Regeln (meist unbewusst) beeinflusst.

Ich glaube, dass neue Regulierungen da nur bedingt helfen. Wir haben jetzt schon sehr gute Gesetze, die sicherstellen, dass alle Menschen gleichgestellt sind. Die Anwendung der bestehenden Gesetzte und Regulierungen ist wichtig. Und noch wichtiger ist es, sich bewusst zu werden, wie KI Systeme lernen und wie wir sicherstellen, dass KI Systeme die aktuellen Regelungen einhalten.

Ich vermute, dass es da noch viel Forschungsbedarf gibt. Das Verhalten von KI-Systemen in die richtigen Bahnen zu lenken, darin liegt eine Chance für uns, die Zukunft positiv zu gestalten.

Macht dir das Angst? Nun, was wäre denn die Alternative? Die Anwendung von KI-Systemen zu verbieten? Ich glaube, das wäre schlimmer, weil es eine Schattenwirtschaft entstehen lassen kann, die KI Systeme weiter entwickeln. So ähnlich wie es Drogenkartelle gibt, die verbotene Geschäfte treiben. Doch mit der KI ist es viel gefährlicher, wenn sie im Verborgenen entwickelt wird, vielleicht sogar mit viel Geld und Ressourcen. Es ist gefährlicher, weil sie so mächtig ist.

KI kann im Guten wie im Bösen genutzt werden. Lasst uns die neuen Werkzeuge zum Wohle der Menschheit einsetzen. Dazu gehört vor allem Aufklärung und Transparenz. Lasst uns verstehen, wie jetzt schon vorhandene Regulierungen und Gesetze am besten angewendet werden können. Lasst uns KI-Techniken in den Schulunterricht behandeln, bildet die interessierte Öffentlichkeit weiter. Je mehr Menschen über KI Bescheid wissen, desto besser können wir sie im Griff haben. Neue Regulierungen helfen da nur bedingt.

Übrigens: Je näher wir der technologischen Singularität kommen, in der KI Systeme unkontrollierbar werden, desto mehr sollten wir diese Debatte über Regulierung führen. Vielleicht werde ich dann auch meine Meinung ändern.

1984, Alfred Nobel und künstliche Intelligenz

Ich hatte geschrieben, dass ich einen positiven Beitrag für diese Welt leisten will und dass ich mich um die Verbreitung von maschinellem Lernen und künstlicher Intelligenz kümmern werde. Passt das überhaupt zusammen? Wie sieht der positive Beitrag von künstlicher Intelligenz heute aus?

Amazon Alexa, Google Home, Apple Siri, selbst fahrende Autos, intelligente Webseiten sind die Vorboten einer Welle von künstlicher Intelligenz, die gerade erst im Entstehen ist. In den Medien werden diese Vorboten oft kritisiert. Ist der freizügige Umgang mit unseren Daten vertretbar? Ohne unsere Daten, ohne viele Daten, funktionieren maschinelles Lernen und künstliche Intelligenz nicht. Sind wir bereit, diesen Preis zu zahlen?

Wenn Du Dich mit künstlicher Intelligenz beschäftigen willst, dann empfehle ich Dir wärmstens, den Roman „1984“ von George Orwell zu lesen. Orwell hat ihn 1947/1948 geschrieben, er wurde 1949 veröffentlicht, und er ist aktueller denn je. „Big Brother is watching you!“ In diesem Roman begleiten wir Winston, der im Ministerium für Wahrheit arbeitet und Zeitungsartikel umschreibt, damit vorhersagen der Regierung als wahr im Archiv stehen, auch wenn sie nicht eintreffen. Und Winston wird wie alle Bürger tag und nacht über Telescreens in ihren Wohnungen und bei der Arbeit beobachtet. Die Telescreens erinnern mit an Geräte wie Amazon Alexa, die auch mithören – und bald auch beobachten, wie die Telescreens im Roman „1984“. Was viele Jahre als irrwitzige Science-Fiction erschien, ist heute Alltag.  Lies den Roman und mache Dir selbst ein Bild von der Welt, die wir mit künstlicher Intelligenz erschaffen könnten.

Neue Technologien sind erst einmal neutral. Wie ein Küchenmesser. Es kann zum Kochen benutzt werden, oder man kann damit Menschen verletzen. Das Gute und das Böse sind beides möglich. Alfred Nobel hat Dynamit erfunden, um etwas Gutes zu bewirken. Er wollte den Bergbau vereinfachen. Das hat er auch geschafft. Aber dann wurde Dynamit auch benutzt, um Kriege zu führen. Das hat Nobel so sehr zu schaffen gemacht, dass er sein Vermögen eingesetzt hat, um die Nobel-Preise zu ermöglichen.

Jede neue Technologie steckt in diesem Zwiespalt. Seit der Steinzeit. Der Speer sorgte für Essen, wenn damit ein Tier erlegt wurde. Und er wurde auch für Kämpfe zwischen Menschen benutzt. Dieselben Seiten gibt es bei der Dampfmaschine, der Elektrizität, Motoren, Flugzeugen, Kernspaltung, was auch immer.

Auch maschinelles Lernen und die künstliche Intelligenz sind in der Lage, das Leben der Menschen ungemein zu erleichtern, autonom fahrende Fahrzeuge werden die Straßen sicherer machen und wir werden keine Zeit mehr in Staus vergeuden, sondern sie nutzen. Die Schattenseiten könnten eine umfassende Überwachung und Transparenz meiner Daten sein. Wer weiß.

Ich freue mich auf die Arbeit mit neuen Technologien. Ich glaube, dass die Welt am Ende dadurch ein Stück besser wird. „Technology as a force for good“, forderte der VMware CEO Pat Gelsinger. Das stimmt. Wir müssen aber auch reflektieren und ethische Aspekte berücksichtigen. Die Ethik neuer Technologien, das ist ein ganz eigenes Feld, ein wichtiges Feld. Wir müssen aufpassen, dass wir bei allem Fortschritt das nicht vernachlässigen.

Das ist ein Kernthema für meine Arbeit bei VMware.

Mein Weg zu künstlicher Intelligenz und maschinellem Lernen

Eines meiner persönlichen Ziele ist es, einen positiven Beitrag in dieser Welt zu leisten. Dazu gehört für mich ehrenamtliche Arbeit, Familie und Freunde zu unterstützen, aber auch mein Beruf als Mitarbeiter bei VMware.

Menschen geben Geld aus für Dinge, die Ihr Leben verbessern. Firmen bieten die Dinge an. Das können Produkte oder Dienstleitungen sein.

In diesem Kontext betrachte ich künstliche Intelligenz und maschinelles Lernen (KI/ML). Können Produkte und Dienstleitungen durch KI/ML besser werden? Kann KI/ML einen positiven Beitrag für das Leben der Menschen leisten? Für viele ist dies eine offene Frage. Es gibt Befürworter und Skeptiker. Ich gehe davon aus, dass die Antwort „ja“ ist.

Dann folgt daraus die Frage: Wie kann ich mit meiner Arbeit bei VMware dabei helfen?

VMware ist eine Firma, die modernste IT Infrastrukturen anbietet. IT Infrastrukturen sind das Rückgrat für Unternehmen. Dort verwalten Unternehmen ihre Produkte, ihre Kundendaten, ihre Prozesse und Kommunikation. Und immer mehr Unternehmen nutzen IT Infrastrukturen, um ihre Produkte zu verbessern, oder sogar ganz neue Produkte und Dienstleistungen anzubieten. Und diese Produkte bzw. Dienstleistungen sollten idealerweise das Leben der Menschen verbessern.

Wenn nun ein Unternehmen KI/ML nutzen möchte, muss es zuerst überlegen, wofür diese eingesetzt werden soll. Was ist der Grund für den Einsatz von KI/ML? Dann folgt die Überlegung, welche Technologie, welche Algorithmen oder welche Kombination von Technologien und Algorithmen am besten für diese Anforderung geeignet sind.

Dann folgt die Bestimmung der KI/ML Infrastruktur. Und an diesem Punkt kann VMware eine sehr gute Basis liefern. Hier kann ich meinen positiven Beitrag für die Welt liefern, indem ich helfe die Punkte zu verbinden. Das Potenzial von VMware, die Menschen, die Unternehmen, die Technologie, die Ethik, und andere Aspekte, die beim Einsatz vom KI/ML wichtig sind. Es ist ein komplexes Feld mit vielen Anhängigkeiten. KI/ML wird immer mehr Bereiche erobern. Der Beitrag von VMware für die IT Infrastruktur dieser Welt kann signifikant sein. Ich weiß nicht, wie er genau aussehen wird. Es ist eine Reise mit ungewissem Ausgang. Aber es ist eine spannende Reise.

Ich folgenden Beiträgen werde ich meine Reise dokumentieren. Ich werde Fragen aufwerfen, und vielleicht auch einige Fragen beantworten. Es ist meine persönliche Sicht auf die Welt neuer Technologien.