KI-Projekte und die Microsoft-Cloud: Was ist möglich?

Von Thomas Joos

Anbieter zum Thema

Unternehmen und Entwickler, die auf KI-Funktionen setzen, kommen kaum um den Einsatz von Cloud-Technologien herum, da hier enorme Rechen- und Speicherkapazitäten notwendig sind. Wir zeigen, welche Möglichkeiten Microsoft Azure in diesem Bereich bietet.

Wollen Unternehmen KI-Technologie einsetzen, sind entsprechende cloud-basierte Angebote oft attraktiv.
Wollen Unternehmen KI-Technologie einsetzen, sind entsprechende cloud-basierte Angebote oft attraktiv.
(Bild: gemeinfrei / Pixabay)

Laut einer aktuellen, internationalen Studie zu KI von Microsoft, setzen stark wachsende Unternehmen, also Unternehmen mit zweistelliger Wachstumsrate, mehr als doppelt so oft auf KI (37,8 Prozent), als andere (17,1 Prozent). In Deutschland ist der Unterschied noch gravierender. Hier setzen über zwei Drittel der stark wachsenden Unternehmen auf KI. Im Rahmen der Studie wurden 1.150 Führungskräfte aus 13 Ländern befragt.

KI-Lösungen spielen für den geschäftlichen Erfolg eine wichtige Rolle

Der Future of Jobs Report geht davon aus, dass die von Maschinen erfüllten Aufgaben bis zum Jahr 2025 auf über 70 Prozent steigen. Hier spielen KI- und ML natürlich eine wesentliche Rolle. Die Welthungerhilfe setzt ebenfalls auf KI und will ab 2030 den Hunger auf der Welt mit Hilfe digitaler Technologien abschaffen.

Damit solche Dienste im Unternehmen eingesetzt werden können, sind Ressourcen notwendig, die schnell skalierbar und hochverfügbar sind. Dabei unterstützten Cloud-Dienste auf verschiedenen Wegen. Das bietet zusätzlich auch den Vorteil, dass Organisationen auf KI- oder ML-Lösungen setzen können, ohne selbst über umfassende Kenntnisse in diesem Bereich zu verfügen. Das gilt natürlich auch gleichzeitig für die Infrastruktur.

KI in Microsoft Azure

Auch Microsoft bietet in seiner Cloud-Plattform Azure verschiedene Möglichkeiten, mit denen sich KI- und ML-Lösungen entwickeln, betreiben, verwalten und unterstützen lassen. KI-Technologien in der Microsoft-Cloud arbeiten natürlich auch mit anderen Ressourcen in der Cloud zusammen, sodass KI- und ML-Lösungen erweitert werden können. Dadurch können Unternehmen ein Baukastensystem nutzen.
Ein Beispiel für den praktischen Einsatz von KI ist Microsoft Swiftkey. Dabei handelt es sich um eine intelligente, softwarebasierte Tastatur, die ein neuronales Netzwerk nutzt. Dieses ist darauf trainiert, Wörter in einem Text bereits während des Tippens zu analysieren. Dadurch kann die Software mit ihrer KI das nächste Wort automatisch erkennen. Swiftkey wird bereits auf 300 Millionen Android- und iOS-Geräten verwendet.

Dazu gehören verschiedene Ressourcen zur Datenspeicherung, Datenbanken oder auch Analyse-Ressourcen. Aber auch Infrastrukturdienste wie Kubernetes können für die Bereitstellung größerer KI-Umgebungen in der Microsoft-Cloud genutzt werden.

Wer sich mit KI in Azure auseinandersetzen will, kann sich ein kostenloses Testkonto erstellen, in dem einige Dienste bis zu 12 Monate kostenlos zur Verfügung stehen, alle anderen Funktionen bis zu 30 Tage. Die kostenlosen Dienste und deren maximal zur Verfügung stehenden Ressourcen listet Microsoft auf der Webseite für KI auf. Auch verschiedene KI-Funktionen werden kostenlos angeboten, natürlich mit begrenzten Ressourcen.

Entwickler sollen dabei nicht auf bestimmte Werkzeuge begrenzt sein, daher öffnet sich Azure auch zur Open Source-Community. So können zur Entwicklung von KI-/ML-Lösungen auch Open Source-Dienste wie Open Neural Network Exchange (ONNX) eingesetzt werden. Auch PyTorch, TensorFlow und scikit-learn stehen hier zur Verfügung.

Azure Machine Learning mit Open Neural Network Exchange

Im KI-Bereich benötigt Machine Learning (ML) besonders viele Ressourcen, da Lernmodelle dafür sehr ressourcenhungrig sind. Der auf Python basierende Dienst Azure Machine Learning ermöglicht hier den Aufbau eigener Modelle, kann aber auch externe Daten importieren. In diesem Zusammenhang kann auch Azure Databricks und ONNX für eigene KI-Anwendungen zum Einsatz kommen. Eingesetzte ML-Modelle können in der Cloud aber auch in eigene Rechenzentren übertragen und dort weiterverwendet werden.

Mit ONNX bietet Microsoft ein Open-Source-Modellformat und Funktionen für maschinelles Lernen. Hier gibt es auch verschiedene Möglichkeiten, um zwischen Modellen und Frameworks wechseln zu können. Open Neural Network Exchange ist eine Community-Lösung. Es handelt sich dabei um ein offenes Format, das zur Darstellung von Modellen des maschinellen Lernens entwickelt wurde. ONNX definiert dazu einen gemeinsamen Satz von Operatoren und ein gemeinsames Dateiformat, mit dem KI-Entwickler Modelle mit einer Vielzahl von Frameworks, Werkzeugen, Laufzeiten und Compilern verwenden können. Durch die Integration in die Cloud können Entwickler hier ebenfalls auch auf andere Ressourcen setzen.

Jetzt Newsletter abonnieren

Verpassen Sie nicht unsere besten Inhalte

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung.

Aufklappen für Details zu Ihrer Einwilligung

Azure Cognitive Search – Große Datenmengen mit KI durchsuchen

Azure Cognitive Search ist ein Suchdienst, der mit integrierten KI-Funktionen riesige Datenmengen durchsuchen kann. Bisher war der Dienst als Azure Search bekannt. Cognitive Search ist ein verwalteter Suchdienst, der in eigene Lösungen eingebunden werden kann.

Die Suche nutzt Funktionen zur Verarbeitung natürlicher Sprache und KI-Dienste für maschinelles Sehen, Spracherkennung und Spracheingabe. Hiermit lassen sich auch unstrukturierte Informationen in durchsuchbare Inhalte transformieren.
Der Dienst soll dabei helfen, die Suchkomplexität zu verringern. Durch den Einsatz lassen sich selbstentwickelte, benutzerdefinierte Modelle integrieren. Dadurch können Anwender im Unternehmen schneller und einfacher nach Daten suchen, und dabei auf Funktionen aus der Cloud zurückgreifen. Das Modell dazu kann durch KI-Entwickler erweitert und an das eigene Unternehmen angepasst werden.

Azure Cognitive Services – Eigene KI-Apps entwickeln

Azure Cognitive Services ermöglicht die Entwicklung eigener KI-Anwendungen und ML-Lösungen, ohne dass umfassende Machine-Learning-Vorkenntnisse notwendig sind. Über eine API lassen sich eigene Apps anbinden, und auch Azure Cognitive Search kann hier eingebettet werden. Cognitive Services stellen einfache Schnittstellen zur künstlichen Intelligenz zur Verfügung.

Azure Bot Service: Intelligente Bots selbst bauen

Intelligente Bots sind wichtige Einsatzgebiete von KI in Unternehmen, da sie auf Fragestellungen und Probleme intelligent reagieren und dabei auch auf herkömmliche Umgangssprache reagieren können. Sinnvoll ist der Einsatz zum Beispiel im Support und Vertrieb um häufige Fragen und Probleme zu lösen. Hier soll Azure Bot Service dabei helfen, dass Unternehmen eigene Bots schneller und einfacher entwickeln können. So können eigene Frage-Antworten-Bots erstellt werden, aber auch komplette virtuelle Assistenten. Azure Cognitive Servicessollen dabei helfen, KI-Funktionen zu nutzen und in eigene Anwendungen einzubinden

Die Bots sind auch in eigenen Websites oder Apps ideal. Auch Microsoft Teams, Skype, Cortana oder Facebook Messenger sind hier integrierbar. Benutzer haben die Möglichkeit, über natürliche Sprache mit dem Bot kommunizieren. Komplexe, virtuelle Assistenten sind auch in der Lage, umfangreiche und lange Unterhaltungen führen.

Fazit

Microsoft Azure bietet einen guten Einstiegspunkt in die KI- und ML-Entwicklung. Durch zahlreiche Dienste lassen sich eigene KI- und ML-Anwendungen entwickeln und bereitstellen. Einige der Funktionen stehen kostenlos zur Verfügung. Es lohnt sich für KI-Entwickler einen Blick auf die Möglichkeiten zu werfen, und sich ein kostenloses Konto zu erstellen. Microsoft unterstützt zahlreiche Open Source-Tools in seinen KI- und ML-Lösungen.

Allerdings sollte man beim Einsatz bedenken, dass Kosten entstehen. Diese sind nicht immer schnell nachvollziehbar, da Ressourcen in Microsoft Azure abhängig vom Verbrauch und der Dauer berechnet werden. Vor dem kommerziellen Einsatz sollte man daher zunächst testen, ob die Funktionen ausreichen. Danach sollte eine Kalkulation entstehen, um festzustellen, ob der Einsatz für den eigenen Zweck auch bezahlbar ist. Hier ist der Azure-Preisrechner ein sinnvolles Werkzeug.

Dieser Beitrag erschien zuerst auf unserem Partnerportal Industry-of-Things.de.

(ID:46960518)