• Plattformen für Künstliche Intelligenz & Maschinelles Lernen

  • Bewertungskriterien

    Welche Merkmale sind ausschlaggebend?

    Funktionsumfang

    Welche Funktionalitäten werden bereitgestellt?

    Unter diesem Punkt werden folgende Merkmale betrachtet:

    • Bereitstellung vorkonfigurierter Modelle
    • Möglichkeit der Entwicklung eigener Modelle
    • Unterstützung gängier Open Source Tools
    • Umgang mit großen Datensätzen, z.B. Möglichkeit des verteilten Trainings
    • Angebot spezieller Hardware zur Beschleunigung der Modellentwicklung

    Benutzerfreundlichkeit

    Wie schnell können erste Ergebnisse erzielt werden?

    Folgende Gesichtspunkte werden in die Bewertung einbezogen:

    • Unterstütze Programmiersprachen
    • Intuitive Bedienbarkeit (auch für Nicht-Spezialisten)
    • Integration mit Cloud-Infrastruktur für schnelle Skalierung entwickelter Modelle
    • Erfüllung der GDPR-Anforderungen

    Community & Support

    Wie viel Unterstützung erfährt der Anwender?

    Relevante Merkmale hinsichtlich der Unterstützung des Anwenders:

    • Bereitstellung von Tutorials und Beispielen
    • Größe und Aktivität der Communities auf relevanten Plattformen, z.B. GitHub & Stack Overflow
  • Zusammenfassung

    Welche Tools sind für Ihren Anwendungsfall am besten geeignet?

    Anhand der oben genannten Kriterien haben wir die größten KI-Plattformen bewertet und untereinander verglichen. Zusammenfassend ist zu sagen, dass alle Plattformen ähnliche Funktionalität anbieten und sich nur in Details unterscheiden. Als mögliches Auswahlkriterium sollte deshalb die bestehende IT-Infrastruktur berücksichtigt werden, insbesondere in Bezug auf die Nutzung von Cloud-Services. Anbindung von KI-Dienste an bestehende Cloud-Infrastruktur kann Synergieeffekte hervorrufen, wobei die Gefahr des Vendor Lock-in jedoch immer in Betracht gezogen werden muss.

     

    Funktionsumfang

     

    Alle betrachteten Anbieter ermöglichen die Nutzung vortrainierte Modelle aus den Bereichen Bild-, Text- und Sprachverarbeitung. Des Weiteren werden vorinstallierte Umgebungen zum Trainieren eigener, domänenspezifischer Modelle bereitgestellt. Die betrachteten Plattformen unterstützen dabei zumeist die Nutzung populärer Open Source Tools und Hardwarebeschleunigung mittels GPU-Chips. Die meisten Anbieter arbeiten zudem an der Entwicklung spezifischer Hardware für Anwendungen des Maschinellen Lernens, zurzeit werden jedoch seitens der Google Cloud bereits fertige Chips bereitgestellt.

     

    Benutzerfreundlichkeit

     

    Die Interaktion mit den bereitgestellten Services erfolgt zumeist über REST APIs oder sogenannte Software Development Kits (SDKs). Diese werden in verschiedenen Programmiersprachen bereitgestellt, wobei die Google Cloud Platform und Amazon Web Services eine breitere Palette an Sprachen unterstützen als z.B. SAP und IBM.

    Darüber hinaus werden in vielen Fällen grafische Benutzeroberflächen angeboten, die Anfängern und Nicht-Spezialisten den Einstieg erleichtern. Alle betrachteten Anbieter behaupten, die aktuellen GDPR-Anforderungen zu unterstützen.

     

    Community & Support

     

    Mit Ausnahme von SAP stellen alle betrachteten Anbieter die entwickelten SDKs als Open Source Tools bereit. Hilfe können Anwender auf Plattformen wie Stack Overflow oder den offiziellen Hilfeportalen der Anbieter suchen. In allen Fällen werden Anleitungen und Beispiele geliefert, um den Einstieg auf die jeweilige Plattform zu erleichtern.

  • Plattformen

    Machine Learning in Amazon Web Services

    Funktionsumfang

    • Vorkonfigurierte Modelle aus den Bereichen Text, Bild, Sprache und Chatbots
    • Umgebung zum Trainieren individueller ML Modelle
    • Unterstützung gängiger Deep Learning Frameworks (siehe Tools)
    • GPU-Unterstützung

    Benutzerfreundlichkeit

    • Programmiersprachen: Java, C#, JavaScript, PHP, Python, Ruby, Go, C++
    • Machine Images für Deep Learning ermöglichen schnelles Setup einer geeigneten Entwicklungsumgebung
    • Trainierte Modelle können schnell operativ eingesetzt und skaliert werden
    • Einhaltung der GDPR-Vorschriften

    Community & Support

    Google Cloud AI

    Funktionsumfang

    • Vortrainierte Modelle aus den Bereichen Bild-, Text- und Sprachverarbeitung
    • Automatisiertes Training domänenspezifischer Modelle mittels AutoML
    • Verarbeitung großer Datensätze mittels der BigQuery Plattform
    • GPU- und TPU-Unterstützung zum effizienteren Training komplexer Modelle

    Benutzerfreundlichkeit

    • Programmiersprachen: C#, Go, Java, JavaScript, PHP, Python, Ruby
    • Vorkonfigurierte Umgebungen zur Entwicklung von Deep Learning Modellen
    • Deployment und Skalierung mittels Google Cloud Infrastruktur einfach umsetzbar
    • Einhaltung der GDPR-Vorschriften

    Community & Support

    IBM Watson Machine Learning

    Funktionsumfang

    • Vortrainierte Modelle integriert, z.B. Bilderkennung und Textverarbeitung
    • Umgebungen für die Entwicklung eigener Modelle, mit Unterstützung für gängige Open Source Tools
    • Unterstützung bei der Vorverarbeitung der Daten

    Benutzerfreundlichkeit

    Community & Support

    Microsoft Azure AI

    Funktionsumfang

    • APIs für die Nutzung vorkonfigurierter Modelle aus den Bereichen Bild, Text und Sprache
    • Tools zum Trainieren eigener Modelle, inkl. gängiger ML- und DL-Frameworks (siehe Tools)
    • Chatbot-Plattform für Dienste wie Skype, Cortana oder Slack
    • GPU-Unterstützung für beschleunigtes Trainieren komplexer Modelle

    Benutzerfreundlichkeit

    • Programmiersprachen: C#, Python, Java, PHP, JavaScript, Go
    • Virtuelle Data Science-Umgebungen ermöglichen schnellen Einstieg in die Modellentwicklung
    • Skalierung mittels angebundener Azure-Services
    • Einhaltung der GDPR-Vorschriften

    Community & Support

    SAP Leonardo Machine Learning

    Funktionsumfang

    • Vortrainierte Modelle aus den Bereichen Bild- und Sprachverarbeitung, inkl. Chatbots
    • Vorkonfigurierte Services, u.a. aus den Bereichen Marketing, Buchhaltung und Kundensupport
    • Möglichkeit der Entwicklung eigener Modelle mittels des TensorFlow Frameworks
    • GPU-Unterstützung

    Benutzerfreundlichkeit

    • Programmiersprache: Java, Python
    • Einfache Integration mit bestehender SAP-Infrastruktur
    • Konsolen für die Steuerung der eingesetzten Services
    • Einhaltung der GDPR-Vorschriften

    Community & Support