nach oben

Erschienen in:

2023 | OriginalPaper | Buchkapitel

6. Die Operationalisierung von KI

verfasst von : Eberhard Hechler, Martin Oberhofer, Thomas Schaeck

Erschienen in: Einsatz von KI im Unternehmen

Verlag: Apress

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Zusammenfassung

Die Entwicklung von KI-Lösungen, einschließlich des Trainings und des Einsatzes von ML/DL-Modellen, bleibt eine wichtige und oft ressourcenintensive Aufgabe. Die Integration von KI-Artefakten wie ML/DL-Modellen und Data-Engineering-Modulen in eine bestehende IT-Infrastruktur und Anwendungslandschaft des Unternehmens stellt eine zusätzliche Herausforderung dar. Die Operationalisierung von KI und die Ableitung von KI-basierten analytischen Erkenntnissen innerhalb der Anwendungen werden in diesem Kapitel näher untersucht, wobei wir uns auf die Operationalisierung von KI speziell im Unternehmenskontext konzentrieren. Darüber hinaus beleuchten wir die wichtigsten Herausforderungen bei der Operationalisierung von KI und beschreiben wesentliche Ziele für eine effiziente und nachhaltige Operationalisierung von KI-Lösungen, insbesondere ML- und DL-Modelle und Data-Engineering-Artefakte.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel Von Daten zu Vorhersagen zu optimalen Maßnahmen

Nächstes Kapitel Design Thinking und DevOps im KI-Kontext

Weitere Informationen über die Operationalisierung von KI finden Sie unter [1].

Ein Teilbereich der Operationalisierung von KI, wie sie in diesem Buch verwendet wird, wird oft als Inferenz oder Inferencing bezeichnet.

Weitere Informationen zu den Anforderungen und Herausforderungen der KI-Operationalisierung finden Sie in [2].

Weitere Informationen zur Konfiguration von IBM Watson ML für z/OS Scoring Services in einer CICS-Region finden Sie unter [3].

In Kap. 4, „KI-Informationsarchitektur“, haben wir die Genauigkeit und Präzision von ML-Modellen im Zusammenhang mit dem ML-Workflow beschrieben.

Die Liste der Herausforderungen ist nicht prorisiert.

Weitere Informationen über den Einsatz von KI, insbesondere im Hinblick auf die Entwicklung von Scorecards und die Durchführung umfassender Selbstbewertungen, finden Sie unter [4].

Weitere Informationen über PMML, ONNX und PFA finden Sie unter [5].

Weitere Informationen zu Daten und KI auf IBM zSystems finden Sie unter [6].

In Kap. 4, „KI-Informationsarchitektur“, haben wir einige dieser Anbieter beschrieben.

In [7] finden Sie eine kurze Beschreibung der bekanntesten Open-Source-Tools, -Bibliotheken und -Frameworks für KI.

Dies steht im Zusammenhang mit den Nummern 1, 2 und 3 in Abb. 6-2, den Schlüsselbereichen für die Operationalisierung von KI.

Dies steht im Zusammenhang mit Nummer 4 in Abb. 6-2, den Schlüsselbereichen der KI-Operationalisierung.

Dies steht im Zusammenhang mit den Nummern 2 und 5 in Abb. 6-2, den Schlüsselbereichen für die Operationalisierung von KI.

Dies steht im Zusammenhang mit den Nummern 6 und 7 in Abb. 6-2, den Schlüsselbereichen für die Operationalisierung von KI.

Dies steht im Zusammenhang mit den Nummern 3 und 8 in Abb. 6-2, den Schlüsselbereichen für die Operationalisierung von KI.

Siehe [8] für ein Beispiel der KI-Operationalisierung von ML-Pipelines mit PFA.

Weitere Informationen zu Apache Spark ML-Pipelines finden Sie unter [9].

In [10] finden Sie ein Beispiel für einen integrierten Online-Bewertungsdienst.

Wir möchten noch einmal darauf hinweisen, dass der Begriff „Inferenz“ häufig für eine Teilmenge des in diesem Buch verwendeten Themas KI-Operationalisierung verwendet wird.

Siehe Kap. 8, „KI und Governance“.

Siehe Kap. 13, „Grenzen der KI“, wo wir autonomes ML und DL weiter ausführen.

Weitere Informationen über Verzerrungen finden Sie in Kap. 13, „Grenzen der KI“.

Siehe Kap. 13, „Grenzen der KI“, wo wir mehr über die Erklärbarkeit von Entscheidungen schreiben.

In [11] finden Sie ein Beispiel für die Messung von KI-Ergebnissen anhand von Unternehmens-KPIs.

Jyoti, R. Accelerate and Operationalize AI Deployments Using AI-Optimized Infrastructure. IDC. IDC Technology Spotlight, 2018, www.ibm.com/downloads/cas/ZYGVAOAL (Zugegriffen am March 1, 2020).

Walch, K. Forbes. Operationalizing AI, 2020, www.forbes.com/sites/cognitiveworld/2020/01/26/operationalizing-ai/#49ef691c33df (Zugegriffen am March 2, 2020).

IBM. IBM Knowledge Center, Configuring WML for z/OS scoring services in a CICS region, 2020, www.ibm.com/support/knowledgecenter/SS9PF4_2.1.0.2/src/tpc/mlz_configurescoringservicecics.html (Zugegriffen am March 2, 2020).

Blokdyk, G. Deploying Artificial Intelligence – A Complete Guide. ISBN-13: 978-0655810681, 5starcooks, 2019.

Levitan, S., Claude, L. Open standards for deployment, storage and sharing of predictive models. PMML/PFA/ONNX in action. Conference: Applied Machine Learning days 2019, DOI: 10.13140/RG.2.2.31518.89920, 2019, www.researchgate.net/publication/334611859_Open_standards_for_deployment_storage_and_sharing_of_predictive_models_PMML_PFA_ONNX_in_action (Zugegriffen am March 6, 2020).

IBM. Data and AI on IBM Z – insight at the point of interaction, www.ibm.com/in-en/analytics/data-and-ai-on-ibm-z (Zugegriffen am March 6, 2020).

Deb, A. Edureka. Top 12 Artificial Intelligence Tools & Frameworks you need to know, 2019, www.edureka.co/blog/top-12-artificial-intelligence-tools/ (Zugegriffen am March 7, 2020).

Pentreath, N. IBM. Productionizing Machine Learning Pipelines with PFA, https://events19.linuxfoundation.org/wp-content/uploads/2017/12/Productionizing-ML-Pipelines-with-the-Portable-Format-for-Analytics-Nick-Pentreath-IBM.pdf (Zugegriffen am March 10, 2020).

Apache Spark. MLlib Main Guide. ML Pipelines, https://spark.apache.org/docs/latest/ml-pipeline.html#dataframe (Zugegriffen am March 11, 2020).

10.

IBM. IBM Knowledge Center, Configuring WML for z/OS scoring services in a CICS region, www.ibm.com/support/knowledgecenter/SS9PF4_2.1.0/src/tpc/mlz_configservicesincics.html (Zugegriffen am March 12, 2020).

11.

IBM. IBM Watson OpenScale. www.ibm.com/cloud/watson-openscale/ (Zugegriffen am March 14, 2020).

Titel: Die Operationalisierung von KI
verfasst von: Eberhard Hechler
Martin Oberhofer
Thomas Schaeck
Verlag: Apress
Buch: Einsatz von KI im Unternehmen
Print ISBN: 978-1-4842-9565-6

Electronic ISBN: 978-1-4842-9566-3

Copyright-Jahr: 2023
DOI: https://doi.org/10.1007/978-1-4842-9566-3_6

Springer Professional

Zusammenfassung

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"

Premium Partner