sarayut_sy - stock.adobe.com

Onepanel: KI-Workflow-Automatisierung in beliebiger Umgebung

Onepanel automatisiert KI-Workflows auf einer beliebigen Infrastruktur und erleichtert so die Bereitstellung produktionsreifer Lösungen mit künstlicher Intelligenz.

Onepanel wurde 2017 von Donald Scott und Rush Tehrani gegründet. Das Start-up hat eine offene und erweiterbare Plattform für den Aufbau, das Training und den Einsatz von reproduzierbaren Deep-Learning-Anwendungen entwickelt. Onepanel richtet sich damit an Unternehmen, die eigene KI- und Deep-Learning-Initiativen starten möchten.

„Wir bieten eine einfache Lösung für die Bereitstellung von KI-Ressourcen“, sagt Scott, der auch als CEO fungiert. „Fast 2.000 Nutzer sind bereits Kunden unserer Plattform. In Indien nutzen viele Organisationen die Plattform, da sie einfach zu implementieren und infrastrukturunabhängig ist.“

Die Plattform ermöglicht es Programmierern und Data Scientists, Deep-Learning-Modelle und -Pipelines in einer reproduzierbaren und elastischen Cloud-Umgebung bereitzustellen. Da der Einsatz der Anwendung sowohl auf Amazon Web Services, Microsoft Azure als auch Google Cloud Platform möglich ist, entkoppelt Onepanel die Entwicklung von KI- und Deep-Learning-Anwendungen von der Infrastruktur.

„Das Problem ist, dass eine skalierbare Infrastruktur für KI schwer bereitzustellen ist“, erklärt der Onepanel Geschäftsführer. „Mit einer entkoppelten Infrastruktur sowie unseren automatisierten Workflows kann dagegen jedes Unternehmen KI-Initiativen starten.“ Die Modelle lassen sich unter Verwendung mehrerer Container, die mit Kubernetes orchestriert werden, mit paralleler GPU-Beschleunigung ausführen.

Der automatisierte KI-Workflow beinhaltet sieben Prozessschritte (siehe Abbildung 1):

  1. Im ersten Schritt werden die Daten geladen und integriert.
  2. Während der Datenannotation werden Bedingungen für die Datenobjekte festgelegt.
  3. Anschließend erfolgt die Modellentwicklung.
  4. Der vierte Schritt umfasst das Modelltraining auf parallelen GPUs.
  5. Nach dem Training werden alle Metriken analysiert und ausgewertet.
  6. Innerhalb der Managementphase wird das Modell überprüft.
  7. Schließlich wird das KI-Modell via Serverless APIs bereitgestellt.
Der KI-Workflow der Onepanel Enterprise-Plattform umfasst sieben Schritte.
Abbildung 1: Der KI-Workflow der Onepanel Enterprise-Plattform umfasst sieben Schritte.

Anwendungsbeispiel Bildanalyse

Die Onepanel-Plattform kann laut Scott zum Beispiel für die Stapelverarbeitung von hochauflösenden, medizinischen Bildern verwendet werden, die Radiologen helfen, Krebserkrankungen zu erkennen.

Ein weiteres Beispiel, das der CEO nennt, ist die Analyse von Schwingungen, die von vernetzten Autos übertragen werden. Die Daten lassen sich einsetzen, um den Zustand einer Straße zu beurteilen. Stadtplaner können mit Unterstützung des KI-Workflows Straßenreparaturen organisieren.

Deployment über Cloud-Umgebung oder Bare-Metal

Die Abrechnung der Lösung erfolgt verbrauchsbasiert pro Workflow. Hinzu kommen die Kosten für Speicher- und Rechenressourcen des jeweils verwendeten Cloud-Providers. Die entworfenen KI-Modelle können auf einem Marktplatz von Onepanel geteilt oder vertrieben werden.

„Die Lösung ist für AWS, Microsoft Azure und Google Cloud Platform mit einem Datensatz verfügbar, um die Datenpersistenz auf einem S3- oder anderem kompatiblen Bucket aufrechtzuerhalten“, sagt Scott.

Neben der Bereitstellung über eine Public-Cloud-Umgebung ist auch der On-Premises-Einsatz auf Bare-Metal Servern sowie in einer Private Cloud innerhalb des Data Centers des Kunden vorgesehen.

Anmerkung der Redaktion: Onepanel stellte seine Plattform im Rahmen der IT Press Tour vor, die mehrmals im Jahr Besuche bei Start-ups und IT-Unternehmen organisiert.

Nächste Schritte

Petuum: künstliche Intelligenz für den industriellen Einsatz.

Die Gratwanderung zwischen künstlicher Intelligenz und Ethik.

Wie trifft künstliche Intelligenz eigentlich Entscheidungen?

Erfahren Sie mehr über Datenanalyse

ComputerWeekly.de

Close