Skalieren!

Künstliche Intelligenz im Konzernumfeld – Trusted AI

Alle größeren Unternehmen haben bereits seit einigen Jahren eigene Strukturen die sich um data governance und künstliche Intelligenz kümmern. Moderne Entwicklungen beschäftigen sich mit Nachverfolgung und Messung von KI über den Lebenszyklus und ermöglichen Adaption und Steuerung.

Auch bei KI änden sich ständig die Rahmenbedingungen

Es sind Prinzipien wie “build and running anywhere” und die Beobachtung des “feedback loop” gegen BIAS – also Modellverschiebungen. Mit der GDPR kommt die Notwendigkeit Entscheidungen zu erklären. Alles diese drei Felder sind gerade im Bereich von produktiven Szenarien in Großunternehmen von Bedeutung. Zusätzlich haben wir oftmals auch in diesem modernen Zweig der IT schon gewachsene Strukturen die diverse Werkzeuge und Methoden nutzen.

Wir helfen Ihnen bei der Formung und Vereinheitlichung ihre Werkzeuge und Prozesse. Wir gehen z.B. mit IBM openScale den Weg ihre ML erklärbar zu machen:

Regulatorische Anforderungen

Kein uns bekanntes Großunternehmen hat ML Modelle in Praxis, die nicht erklärbar sind. Durch Nachverfolgung und Erläuterung von Entscheidungen durch KI ist überhaupt erst rechtssicher ein Service in der EU anzubieten. Im Sinne der GDPR lässt sich nur mit Befragungstechniken – ja das geht! – KI Software produktiv einsetzen [IBM Research].

Ökosysteme

Wir können Bei Ihnen Ihnen moderne Entwicklungsprozesse und geregelten Bau und Betrieb von KI schulen und implementieren. Hier sind ganz klar aus dem Open Source Umfeld ONNX und Tensorflow serving sowie von der IBM das openScale Ökosystem die ausgereiftesten Prozesse.

Projects – Models – Tracking

openScale lässt sich sogar in nicht IBM Infrastrukturen einfügen – in bereits produktive und laufende Anwendungen, auch ‘alter Bauart’. Die ARS stellt Ihnen auch hier die Bandbreite von Schulungen bis Coaching und der Übernahme einzelner Prozesse im Entwicklungszyklus bereit.

Weitere Frameworks – ONNX und MLFlow

Im Microsoft Umfeld unterstützen wir sie auch mit MLflow, hier sind die Prozesse ähnlich wir bei den oben genannten. Auch hier kann der Machine Learing Lifecycle bis hinunter zum Spark Cluster gesteuert und gelebt werden. Fragen sie uns! Wir erklären es ihnen!

Ihr Ansprechpartner

   Dr. Thorsten Gressling
   Business Leader Artificial Intelligence
   +49 172 5328003
   thorsten.gressling@ars.de