Amazon Web Services rückt in den Industrie-Bereich vor.

Amazon setzt seit mehr als 20 Jahren, Methoden des Machine Learning ein.
Amazon setzt seit mehr als 20 Jahren, Methoden des Machine Learning ein. ML-Algorithmen sind die Basis vieler interne Systeme.

Ein innovatives Standkonzept und viele smarte Anwenderbeispiele waren heuer auf der Hannovermesse zu sehen. Principal Solutions Architect bei Amazon Web Services (AWS), Constantin Gonzalez, sprach mit Chefredakteurin Stephanie Englert über die digitale Zukunft und Verantwortungsbewusstsein.

IoT 4 Industry & Business: Mit den Amazon Web Services bieten Sie Unternehmen Möglichkeiten an, die vor allem in Bezug auf Machine Learning (ML) interessant sind. Wie lautet Ihre Definition von ML und seit wann ist sie bei Amazon in Anwendung?

Constantin Gonzalez: Das Unternehmen Amazon setzt seit den Anfängen, also seit mehr als 20 Jahren, Methoden des ML ein. ML-Algorithmen sind die Basis vieler unserer internen Systeme. Es ist eine mathematische Methode, die es einer Maschine ermöglicht, selbständig Wissen aus Erfahrungen zu generieren. Das heißt, dass der Mensch beim traditionellen Programmieren jeden Schritt einzeln vorgeben muss, beim ML steht das Lernen im Vordergrund. Bei Amazon hat das ganze Thema ML angefangen indem etwa „neue Produktvorschläge“ dem Kunden nach einem Kauf angezeigt wurden.

Kurzum versucht man aus historischen Daten gewisse Muster abzuleiten, um diese dann zu nutzen und Empfehlungen auszusprechen (für den Kunden) und einen gewissen Mehrwert zu kreieren. Im Grunde genommen ist ML also nichts Mystisches, sondern etwas völlig Natürliches, denn beim Menschen passiert etwa im Kindesalter nichts anderes – wir lernen Laufen und fallen auch einmal hin. Innerhalb der Industrie werden Machine-Learning-Methoden genutzt, um etwa Predictive Maintenance einzusetzen.

Constantin Gonzalez Principal Solutions Architect bei AWS
Constantin Gonzalez
Principal Solutions Architect bei AWS
„Friedrich Hölderlin sagte:
‚Wo aber Gefahr ist, wächst das Rettende auch‘ und eine intelligente
Art und Weise mit Machine Learning- Methoden zu arbeiten liegt in der Verantwortung des Menschen.“

IoT: Wie funktioniert ML?

Gonzalez: Beim ML ist es so, dass „man“ anhand von sehr vielen Beispielen lernen muss. Wir sprechen hier von einigen Hundert oder Tausend Datensätzen, oft sogar noch größeren. Ich gebe Ihnen ein Beispiel. Nehmen Sie die automatische Bilderkennung. Wenn ich einem System beibringen möchte, automatisch Bilder zu erkennen und diese auch zu klassifizieren, dann sind hier bis zu mehrere Tausend oder sogar Millionen Bilder für diesen Lernprozess nötig. Es müssen Kanten, runde Formen, Straßenabschnitte etc. vom System erkannt werden, das dauert.

IoT: Arbeitet AWS verstärkt mit Industriekunden zusammen?

Gonzalez: Wir sehen derzeit, dass viele Kunden die AWS-Cloud nutzen um diese für ML-Methoden zu nutzen. Unsere Kunden sind u.a. Industrieunternehmen wie Beckhoff oder auch Siemens. Der Siemens-IoT-Dienst MindSphere läuft seit einiger Zeit auf AWS.

IoT: ML führt schlussendlich zum autonomen Fahren. Ist der Hype gerechtfertigt?

Gonzalez: Ein System, das selber lernt, hat den Vorteil, sich auch selber tunen zu können. Innerhalb der Automobilwirtschaft und beim autonomen Fahren setzt man bewusst darauf, immer bessere Fahrerassistenzsysteme zu entwickeln. Die Anfänge reichen weit zurück, denn als das ABS-System erfunden wurde, hatten wir damit bereits ein ML-System vorliegen. ABS ist ein autonomes System, denn es macht schlussendlich nichts anderes als für den Fahrer in der vorliegenden Gefahrensituation zu bremsen.

Das, was ML interessant macht ist das Phänomen, dass erst seit kurzem die Möglichkeit geschaffen wurde, ML industrialisiert zu nutzen. Deep Learning-Methoden gibt es ja bereits seit den 80ziger Jahren und es wurde viel hierzu geforscht. Allerdings war es damals überhaupt nicht praktikabel, neuronale Netze zu simulieren und einen Nutzen herzustellen. Hier fand innerhalb der vergangenen zehn Jahre erst eine entscheidende Weiterentwicklung statt, vor allem aufgrund der Cloud.

IoT: Das bedeutet?

Gonzalez: Unsere Kunden haben innerhalb der Cloud den großen Vorteil, dass sie große Mengen von CPUs/GPUs kurzfristig nutzen können und das zu günstigen Konditionen, um schlussendlich Modelle für ML zu trainieren. Der wirkliche Aufwand besteht darin, die Lernprozesse durchzuführen, sprich das Training. Diese Ressourcen, die hier benötigt werden, kann ein normales Rechenzentrum nicht leisten. Innerhalb der Cloud bestehen diese Probleme nicht und daher ist ML jetzt erst seit Kurzem praktikabel geworden.

IoT: Ist das auch der Grund dafür, weshalb AWS nun auch auf der Hannovermesse seinen Platz gefunden hat?

Gonzalez: Das ist richtig, denn hier finden wir bzw. unsere Kunden eine gemeinsame Plattform für das, was wir bieten bzw. die Unternehmen suchen. Und viele unserer Mitarbeiter bauen auch gemeinsam mit Industriekunden neue Lösungen.

IoT: Welchen Nutzen ziehen wir aus ML-Methoden?

Gonzalez: ML beinhaltet das Potenzial, Fehler gegenüber manuellen Prozessen zu minimieren, das liegt auf der Hand. Der Einsatz von ML-Systemen in einer intelligenten Art und Weise liegt aber in unserer Verantwortung als Mensch. Fest steht, dass wir durch die zahlreichen Vorteile, die durch ML gegebenen werden, profitieren können. Das Thema der Akzeptanz ist dann wieder eine andere Angelegenheit.

IoT: Und beim autonomen Fahren?

Gonzalez: Autonomes Fahren darf nicht als Anwendung angesehen werden, die plötzlich über Nacht kommt. Es wird einen fließenden Übergang geben, der über immer mehr vorhandene Assistenzsysteme im Fahrzeug schrittweise passieren wird. Wir werden ausreichend Zeit haben, uns an diese zu gewöhnen.

IoT: Gibt es Cloud-Skeptiker?

Gonzalez: Den klassischen Skeptikern begegnen wir eher selten. Unternehmen kommen meist mit Fragen zu uns, wie „wie kann ich in der Cloud möglichst schnell etwas bauen und dabei möglichst sicher sein?“. Dass wir ein sicheres System anbieten wird bereits vorausgesetzt und das ist ein wichtiger Fortschritt den wir erkennen.

Unsere Servicemitarbeiter und unsere Partner bieten diesen Unternehmen umfassenden Support bei der Weiterentwicklung ihrer Techniken. AWS ist eine sichere Plattform für Cloud-Services, die Rechenleistung, Datenbankspeicherung, Bereitstellen von Inhalten und weitere Funktionen bietet, um das Wachstum eines Unternehmens zu unterstützen. Und unsere Kunden gehen sehr kreativ mit AWS um.

IoT: Das bedeutet also auch, AWS bietet seinen Kunden Sicherheit?

Gonzalez: Das Thema Verantwortung ist ein wesentliches in der Cloud und wir sind in der Pfl icht, hier bewusst zu handeln. Amazon lebt daher auch bewusst das so genannte „Modell der gemeinsamen Verantwortung.“ Es besagt, dass Sicherheit und Compliance eine geteilte Verantwortlichkeit zwischen AWS und dem Kunden darstellen. AWS stellt die Komponenten der Infrastruktur und der Virtualisierungsebene zur Verfügung, verwaltet und steuert diese und zudem sind wir für die physische Sicherheit der Standorte verantwortlich, an denen die Services ausgeführt werden. Der Kunde übernimmt Verantwortung für das Betriebssystem, Software, Architektur, Konfiguration und dessen Verwaltung.