vchalup - stock.adobe.com

Big Data: Fundament für fortschrittliches Machine Learning

KI-Systemen benötigen Big Data, um zu lernen. Entscheidungen lassen sich damit sicherer treffen, da die Datenbasis größer ist und das System aus Analysen lernt.

Mit intelligenten IT-Systemen ist es wie beim Menschen: Je mehr Informationen zur Verfügung stehen, umso besser und fundierter sind die darauf basierenden Entscheidungen. Daher kamen IT-Systeme bisher dort an ihre Grenzen, wo Daten nicht in der Menge – und vor allem im passenden Format – vorhanden waren.

Außerdem waren klassische Systeme, was die autonome Erkenntnisfindung betraf, streng limitiert. Sie gaben Entscheidern lediglich einen Überblick über die aktuelle Faktenlage, ohne Schlüsse zu ziehen. Daher kam es oft dazu, dass Personen, die an Unternehmensentscheidungen beteiligt sind, die vielen granularen Einzeldaten nicht mehr überblicken konnten.

KI oder Big Data?

Im Gegensatz zu Systemen, die Informationen lediglich anhäufen, erkennen solche mit Machine Learning (ML) als Teil einer künstlichen Intelligenz (KI) Muster und Gesetzmäßigkeiten und stellen selbständig Zusammenhänge her. Dabei können neue beziehungsweise unbekannte Daten anhand der gelernten Muster korrekt beurteilt und eingeordnet werden. Je öfter dieser Prozess durchlaufen wird, umso besser wird das Ergebnis, da anhand von neuen Informationen auch die bestehenden Beurteilungsregeln verfeinert werden.

Während also das maschinelle Lernen auf die Entwicklung von Entscheidungsmustern setzt, verfolgt Big Data den Ansatz, auf eine sehr große Menge strukturierter und unstrukturierter Daten zurückgreifen zu können. Dabei werden Prognosen aus bisher dokumentierten Informationen erstellt.

Der Unterschied liegt in der Verwendung existierender Daten. Bei Big Data dienen sie der fertigen Analyse – hingegen verwendet KI sie für den eigenen Lernprozess, der seinerseits zu einem Ergebnis führt. Obwohl Big Data und das maschinelle Lernen zwei unterschiedliche Prinzipien verfolgen, können gerade Big-Data-Systeme hilfreich für den Lernprozess der KI sein.

Abbildung 1: Diese sechs Schritte bilden ein Machine-Learning-Projekt ab.
Abbildung 1: Diese sechs Schritte bilden ein Machine-Learning-Projekt ab.

Nicht zuletzt haben Massendaten die Entwicklung des maschinellen Lernens beschleunigt. Mit strukturierten und unstrukturierten Daten des Big Data kann die künstliche Intelligenz trainiert werden. Sicher ist dies auch im laufenden Betrieb der KI möglich, der Erfolg stellt sich nur wesentlich später ein, wenn lediglich gängige Unternehmensdaten importiert werden.

Studie: Machine Learning schon im Fokus der Entscheider?

Doch ist maschinelles Lernen bereits bei den Unternehmen angekommen? In einer von Cloudera beauftragten Studie untersuchte das Londoner Forschungsunternehmen Loudhouse die Bedeutung des maschinellen Lernens für IT-Entscheider. Befragt wurden 200 Teilnehmer in Deutschland, Großbritannien, Frankreich und Spanien.

Hier ergab sich, dass zwar 89 Prozent eine ungefähre Ahnung hatten, was maschinelles Lernen bedeutet – jedoch nur 50 Prozent konkret die Funktionsweise erklären konnten. Dabei hat ein Drittel der Unternehmen, die bereits in maschinelles Lernen investiert haben, spürbare Vorteile verzeichnen können.

Eine Hürde bei der Implementierung von ML ist sicher, dass zu wenig Fachkräfte zur Verfügung stehen – für 51 Prozent fehlt schlicht die Expertise. Noch liegt maschinelles Lernen nicht ganz im Fokus der Entscheider. So erkannten 35 Prozent der Befragten seinen Wert erst nach einer vorherigen Erläuterung des Themas. Nicht zuletzt vertraut die Mehrheit externen Beratern, denn 61 Prozent der Studienteilnehmer sehen das Projekt eher bei externen Experten als im eigenen Unternehmen gut aufgehoben.

Im eigenen Interesse

Die Vorteile von KI-Systemen, die mit Big Data lernen, liegen auf der Hand. Entscheidungen lassen sich fundierter treffen, da ja auch die Datenbasis größer ist und das System aus vergangenen Analysen lernt sowie auf bereits erzielte Resultate aufbaut. Diese Entscheidungen können auch granulare Fragestellungen betreffen.

Daniel Metzger, Cloudera

„Der gemeinsame Einsatz von Machine Learning und Big Data wird in Zukunft bei Unternehmen zum Standard werden.“

Daniel Metzger, Cloudera

Praktisch jeder Vorgang kann einer KI-Entscheidung unterzogen werden. Beispiele dafür finden sich im Fertigungsbereich, in dem Prozesse optimiert werden können, was zu flexiblerer Produktion und besserer Produktqualität führt. Auch im Bereich der Energieversorgung können Unternehmen Kosten einsparen, in dem nicht nur der zusammengefasste Verbrauch ganzer Bereiche analysiert wird, sondern auch der Energiekonsum einzelner Geräte – und das unternehmensweit.

Der gemeinsame Einsatz von Machine Learning und Big Data wird in Zukunft bei Unternehmen zum Standard werden. Die Weiterentwicklung von Big-Data-Plattformen wird dabei Einfluss auf das maschinelle Lernen haben. Je nachdem wie Big Data skalierbar ist, werden es auch KI-Systeme sein.

Es ist ferner damit zu rechnen, dass sich verschiedene einzelne Systeme miteinander stärker vernetzen. Investieren IT-Verantwortliche nicht rechtzeitig in diese Technologie, wird es der Wettbewerb tun. Bei zunehmender Personalknappheit und schnelleren Entwicklungs- und Analysezyklen ist Big Data und Machine Learning sicher ein Thema, das Entscheider in der nahen Zukunft beschäftigen dürfte.

Über den Autor:
Daniel Metzger ist Regional Vice President Central & Eastern Europe bei Cloudera.

Die Autoren sind für den Inhalt und die Richtigkeit ihrer Beiträge selbst verantwortlich. Die dargelegten Meinungen geben die Ansichten der Autoren wieder und entsprechen nicht unbedingt denen von ComputerWeekly.de.

Nächste Schritte

Datenaustausch von Entwicklerteams und Machine Learning.

Wie man Predictive Modeling mit Machine Learning realisiert.

Gute Datenqualität ist ein Muss für Machine Learning.

Artikel wurde zuletzt im Juni 2019 aktualisiert

Erfahren Sie mehr über Big Data

- GOOGLE-ANZEIGEN

ComputerWeekly.de

Close