AI as a Service – wenn KI nach Hause geliefert wird

Vor etwa zehn Jahren, als ich mich erstmals intensiv mit Cloud‑Architekturen beschäftigte, stieß ich auf ein Modell, das mich sofort faszinierte: das Pizza‑Modell von Albert Barron. Auf charmante und einfache Weise erklärt es die verschiedenen Cloud‑Ansätze – IaaS, PaaS und SaaS – und verknüpft das Thema geschickt mit einer universellen Liebe: Pizza. Denn wer kann schon Pizza widerstehen?

Heute, nach zahlreichen Cloud‑Projekten und dem großen Erfolg, als „Partner of the Year in Cloud Migration“ bei Microsoft ausgezeichnet worden zu sein, habe ich ein neues Abenteuer begonnen – die Welt der Künstlichen Intelligenz. Der Gedanke an Barrons Pizza‑Modell ist nie ganz verschwunden, denn mein Appetit auf Pizza ist nur noch gewachsen.

Künstliche Intelligenz als Dienstleistung – ein neuer Ansatz

Infrastruktur bildet das Fundament für unsere „Pizza“ – also die KI-Modelle. Diese Ebene umfasst die Hardware und Software, die das Training ermöglichen, wie Graphics Processing Units (GPUs), Tensor Processing Units (TPUs) und verteilte Rechenressourcen.

Die nächste Ebene ist Data Science. In diesem Schritt entwickelt der Data Scientist das Rezept für die KI-Pizza: Welche Zutaten (Features) werden verwendet und wie wird das Modell optimal abgestimmt.

Der Algorithmus ist die „Sauce“ – sie verteilt sich auf die Daten und bringt die Aromen hervor. Algorithmen repräsentieren die Methode, mit der das Modell anhand der Daten lernt – sei es durch überwachte, unüberwachte oder Reinforcement-Learning-Methoden.

Daten sind der „Käse“. Wie bei jeder Pizza verbindet er die Bestandteile und liefert dem Modell die Informationen, die es zum Lernen braucht. Die Trainingsdaten ermöglichen Verknüpfungen und Assoziationen zwischen den einzelnen Bausteinen.

Das Modell sind schließlich die „Beläge“. Jeder Belag (Feature) trägt einen eigenen Geschmack (Vorhersagekraft) bei, und erst die Kombination ergibt das volle Geschmackserlebnis (Performance). Je nach Rezept kann das Modell als Datei oder über eine API bereitgestellt werden.

Machine Learning – wie lernt eine Maschine?

Im klassischen Machine Learning liegt die Verantwortung beim Data Scientist: Er wählt passende Algorithmen, bereitet und bereinigt die Daten, betreibt Feature Engineering und trifft die finalen Modellentscheidungen. Das ist vergleichbar mit einem Koch, der eine Pizza von Grund auf selbst zubereitet. Hinsichtlich der Werkzeuge, Bibliotheken und Plattformen genießt der Data Scientist volle Flexibilität. Wie bei „Pizza as a Service“, das den gesamten Prozess vereinfacht, hilft uns dieses Bild dabei, die Schritte in der Machine‑Learning‑Pipeline klar zu strukturieren und ein erfolgreiches KI‑Modell zu „servieren“:

• Infrastruktur (Pizzaofen): Die Hardware – Server, GPUs etc. – wird vom Nutzer oder Unternehmen bereitgestellt und konfiguriert, ganz so, als würde man einen eigenen Pizzaofen einrichten.
• Data Science (Pizzabäcker): Der Data Scientist übernimmt alle Schritte – Datenbereinigung, Feature Engineering, Modellauswahl, Optimierung – und erstellt das KI‑Rezept von Grund auf.
• Daten (Pizzateig/Käse): Die Daten bilden das Fundament – genau wie Teig und Käse bei einer Pizza. Sie werden gesammelt, bereinigt und vorbereitet, um eine stabile Basis zu schaffen.
• Algorithmus (Pizzasauce): Der Algorithmus verteilt sich auf die Daten wie Sauce auf dem Teig und ist entscheidend für den Geschmack – also das Lernergebnis.
• Modell (Pizzabeläge): Das Modell entspricht den Belägen – jeder Belag (Feature) bringt eigene Vorhersagekraft mit, und erst in der Kombination entsteht das volle „Geschmackserlebnis“. Je nach Bedarf kann das Ergebnis als Datei oder API bereitgestellt werden.

Maßgeschneiderte KI‑Dienste

Maßgeschneiderte KI‑Dienste von Amazon

Amazon (AWS) bietet eine Vielzahl anpassbarer KI‑Dienste, die die Möglichkeiten vortrainierter Modelle erweitern und eine individuelle Datenanpassung ermöglichen. Diese Individualisierung sorgt dafür, dass die KI‑Dienste präziser auf die spezifischen Anforderungen eines bestimmten Kontexts zugeschnitten sind und ihre Funktionalität dadurch optimiert wird. Hier ein Überblick über die wichtigsten benutzerdefinierten KI‑Dienste von Amazon:

• Amazon SageMaker: Ein vollständig verwalteter Dienst, der es Entwicklern ermöglicht, eigene Machine‑Learning‑Modelle mithilfe ihrer eigenen Datensätze zu erstellen, zu trainieren und in großem Umfang bereitzustellen.
• Amazon Personalize: Ein Machine‑Learning‑Dienst zur Erstellung personalisierter Empfehlungssysteme basierend auf Nutzungsdaten.
• Amazon Lex: Ein Dienst zur Entwicklung von sprach- und textbasierten Konversationsschnittstellen, mit dem individuelle Chatbots für spezifische Interaktionen erstellt werden können.
• Amazon Rekognition (Custom Labels): Ein Dienst zur Analyse von Bildern und Videos, bei dem Nutzer Modelle trainieren können, um gezielt unternehmensrelevante Objekte oder Szenen zu erkennen.
• Amazon Custom Terminology: Ein Übersetzungsdienst, der benutzerdefinierte Terminologie unterstützt, damit spezielle Begriffe in einem bestimmten geschäftlichen Kontext korrekt übersetzt werden.

Maßgeschneiderte KI‑Dienste von Google

Google bietet eine Reihe anpassbarer KI‑Dienste, mit denen sich die Fähigkeiten vortrainierter Modelle erweitern und auf eigene Daten zuschneiden lassen. Diese Personalisierung sorgt dafür, dass die KI‑Lösungen besser auf individuelle Anforderungen abgestimmt sind und in spezifischen Kontexten präziser arbeiten. Hier ein Überblick über die wichtigsten maßgeschneiderten KI‑Dienste von Google:

• Google Cloud AI Platform: Eine einheitliche Plattform, die es ermöglicht, eigene Machine‑Learning‑Modelle mit individuellen Datensätzen zu erstellen, zu trainieren und bereitzustellen. Unterstützt werden dabei verschiedene Frameworks wie TensorFlow und PyTorch.
• AutoML: Eine Produktsuite für maschinelles Lernen, mit der Nutzer ohne tiefgehende Programmierkenntnisse eigene Modelle für Bild-, Text- und Videodaten erstellen können – genau auf ihre Anforderungen zugeschnitten.
• Dialogflow: Eine Plattform für natürlichsprachliches Verständnis, die speziell für den Aufbau von Konversationsschnittstellen entwickelt wurde. Sie erlaubt es Entwicklern, individuelle Chatbots und Sprachassistenten zu erstellen, die Benutzerabsichten erkennen und darauf reagieren können.
• Google Vision AI (Custom Models): Ermöglicht das Trainieren benutzerdefinierter Bilderkennungsmodelle, die speziell auf gewünschte Objekte oder Kategorien ausgerichtet sind – zusätzlich zu den vortrainierten Modellen.
• Google Natural Language API (Custom Models): Bietet Funktionen zur benutzerdefinierten Erkennung von Entitäten und zur Sentimentanalyse, basierend auf eigenen Datensätzen. Dies verbessert das Verständnis spezifischer Begriffe und Kontexte, z. B. in branchenspezifischen Anwendungen.

Maßgeschneiderte KI‑Dienste von Microsoft

Microsoft bietet eine Vielzahl anpassbarer KI‑Dienste, die die Möglichkeiten vortrainierter Modelle erweitern und deren Anpassung an eigene Daten ermöglichen. Durch diese Individualisierung lassen sich KI‑Lösungen gezielt auf die spezifischen Anforderungen eines Unternehmens abstimmen, wodurch sie in ihrem jeweiligen Anwendungsbereich präziser und zuverlässiger arbeiten. Im Folgenden eine Übersicht der wichtigsten benutzerdefinierten KI‑Dienste von Microsoft:

• Azure AI Custom Speech: Ermöglicht die Anpassung von Spracherkennungsmodellen, um branchenspezifische Begriffe oder bestimmte Akzente besser zu verstehen. Dadurch wird die Spracherkennung in verschiedenen Umgebungen und Szenarien deutlich verbessert.
• Custom Vision: Bietet die Möglichkeit, Bildklassifizierungs- und Objekterkennungsmodelle auf unternehmensspezifische Objekte oder Muster zu trainieren – für höhere Genauigkeit und bessere Ergebnisse.
• Custom Translator: Erlaubt das Training von Übersetzungsmodellen mit eigenen Unternehmensdokumenten, um branchentypische Sprache und Formulierungen korrekt zu übertragen und die beabsichtigte Bedeutung im Kontext beizubehalten.

Vorgefertigte KI‑Dienste von Anbietern

Neben individuell anpassbaren Modellen bieten viele Anbieter auch vortrainierte KI‑Dienste an, die sofort einsatzbereit sind. Diese Dienste basieren auf großen Datensätzen und sind so konzipiert, dass sie typische Aufgaben wie Bilderkennung, Spracherkennung, Textanalyse oder Übersetzung effizient und zuverlässig erledigen. Sie eignen sich besonders für Szenarien, in denen keine individuelle Modellanpassung erforderlich ist oder schnell Ergebnisse erzielt werden sollen.

Diese vortrainierten Dienste bieten:

• Schnelle Integration in bestehende Anwendungen
• Keine Notwendigkeit für eigene Trainingsdaten
• Hohe Skalierbarkeit und einfache Nutzung über APIs
• Erprobte Modelle, die regelmäßig aktualisiert und verbessert werden

Die großen Anbieter – wie Amazon, Google und Microsoft – stellen in diesem Bereich jeweils eine breite Palette an Diensten zur Verfügung, z. B. zur Bilderkennung, Texterkennung, Sprachverarbeitung oder semantischen Suche.

Vorgefertigte KI‑Dienste von Amazon

Amazon Web Services (AWS) bietet eine breite Palette an KI- und Machine-Learning-Diensten, die ähnliche Funktionen wie die Azure‑Dienste abdecken. Im Folgenden ein Überblick über die wichtigsten AWS‑Angebote in diesem Bereich:

• Amazon Rekognition: Ein Bild- und Videoanalysedienst mit einsatzbereiten Funktionen zur Gesichtserkennung, Objekterkennung und Szenenanalyse – ganz ohne eigenes Modelltraining.
• Amazon Comprehend: Ein Dienst für die Verarbeitung natürlicher Sprache (Natural Language Processing), der automatisch Erkenntnisse wie Entitäten, Schlüsselbegriffe, Stimmungen und Sprache aus Texten extrahiert – ohne individuell trainierte Modelle.
• Amazon Polly: Ein Text‑zu‑Sprache‑Dienst, der Texte mithilfe vortrainierter Deep-Learning-Modelle in lebensechte Sprache umwandelt. Es stehen zahlreiche Stimmen und Sprachen zur Verfügung.
• Amazon Translate: Ein Dienst für neuronale maschinelle Übersetzung, der sofortige Übersetzungen in viele Sprachen liefert – auf Basis vortrainierter Modelle mit hoher Übersetzungsqualität.
• Amazon Textract: Extrahiert automatisch Text und Daten aus gescannten Dokumenten und erkennt dabei auch Tabellen und Formulare – ohne zusätzlichen Trainingsaufwand.
• Amazon Kendra: Ein intelligenter, auf maschinellem Lernen basierender Suchdienst, der die natürliche Sprachsuche sowie die Informationsgewinnung aus unterschiedlichen Datenquellen ermöglicht.

Vorgefertigte KI‑Dienste von Google

Auch Google bietet eine umfangreiche Palette an KI- und Machine-Learning-Diensten, mit denen Entwickler und Unternehmen intelligente Anwendungen erstellen können. Ähnlich wie Azure und AWS stellt Google Cloud Dienste für die Verarbeitung von Sprache, Text, Bildern und Videos sowie für maschinelles Lernen bereit. Hier ein Überblick über die wichtigsten Google‑Dienste und deren Anwendungsbereiche:

• Google Cloud Vision API: Ein leistungsstarker Dienst zur Bildanalyse, der vortrainierte Modelle für Objekterkennung, Bildbeschriftung, Gesichtserkennung und optische Zeichenerkennung (OCR) bereitstellt – ohne eigenes Training.
• Google Cloud Natural Language API: Analysiert und versteht Text mithilfe von Entitätenerkennung, Stimmungsanalyse und Syntaxanalyse. So lassen sich Inhalte aus Dokumenten oder sozialen Medien direkt erschließen – ohne individuelle Modelle.
• Google Cloud Translation API: Ein cloudbasierter Übersetzungsdienst, der vortrainierte neuronale Übersetzungsmodelle nutzt, um sofortige Übersetzungen in zahlreichen Sprachen bereitzustellen.
• Google Cloud Speech-to-Text: Wandelt Audiodaten in Text um – mit vortrainierten Modellen, die verschiedene Sprachen und Dialekte unterstützen. Ideal für Echtzeit-Transkription und Spracherkennung ohne zusätzlichen Trainingsaufwand.
• Google Cloud Text-to-Speech: Konvertiert geschriebenen Text in natürlich klingende Sprache. Die vortrainierten Deep-Learning-Modelle bieten eine große Auswahl an Stimmen und Sprachen.
• Google AutoML Tables: Ein Dienst, mit dem Benutzer benutzerdefinierte Machine-Learning-Modelle für strukturierte Daten erstellen können – inklusive automatisiertem Training und Bewertung, auch ohne tiefgehende ML‑Kenntnisse.

Vorgefertigte KI‑Dienste von Microsoft

Die Azure‑AI‑Dienste von Microsoft basieren auf leistungsstarken KI‑Modellen, die mit sehr großen Datensätzen trainiert wurden. Azure bietet eine breite Palette an Diensten, die verschiedene Bereiche der künstlichen Intelligenz abdecken. Hier einige konkrete Beispiele:

• Azure AI Vision: Bietet Funktionen wie optische Zeichenerkennung (OCR), Bildanalyse, Gesichtserkennung und räumliche Analyse.
• Azure AI Speech: Umfasst Funktionen wie Sprache‑zu‑Text, Text‑zu‑Sprache, Übersetzung sowie Sprechererkennung.
• Azure AI Language: Unterstützt die Entwicklung von Anwendungen mit fortschrittlichem Verständnis natürlicher Sprache.
• Azure AI Search: Erweitert Web‑ und Mobile‑Anwendungen um KI‑gestützte Cloud‑Suchfunktionen.
• Azure AI Content Safety: Erkennt unerwünschte Inhalte und hilft dabei, die Qualität und Sicherheit von Materialien sicherzustellen.
• Azure AI Translator: Nutzt KI‑Technologie zur Übersetzung von über 100 Sprachen und Dialekten.
• Azure AI Document Intelligence: Wandelt Dokumente in intelligente, datengestützte Lösungen um.
• Video Indexer: Extrahiert verwertbare Erkenntnisse aus Videoinhalten.

Große Sprachmodelle (LLMs)

Große Sprachmodelle wie GPT‑4 von OpenAI stellen einen bedeutenden Fortschritt in der Entwicklung künstlicher Intelligenz dar. Sie überzeugen in verschiedensten Anwendungsbereichen – von Sprachverständnis bis hin zur Verarbeitung multimodaler Inhalte – und zeigen bemerkenswerte kognitive Fähigkeiten. Im Folgenden sind die wichtigsten Merkmale aufgeführt, die LLMs so wirkungsvoll machen:

• Umfassende Wissensbasis: LLMs werden mit Datensätzen trainiert, die eine Vielzahl an Themen, Sprachen und Formaten abdecken. Dadurch entwickeln sie ein breites Verständnis für Sprache und Kontext.
• Fortgeschrittenes Verständnis: Sie können menschenähnliche Texte generieren und verstehen, einschließlich Nuancen, Sarkasmus oder kultureller Referenzen.
• Multimodale Fähigkeiten: Einige Modelle, wie GPT‑4, können nicht nur Text verarbeiten, sondern auch Bilder interpretieren – und so visuelle und sprachliche Informationen miteinander verknüpfen.
• Hohe kognitive Leistung: LLMs haben in vielen professionellen und akademischen Benchmarks Ergebnisse erzielt, die mit menschlicher Leistung vergleichbar sind – teils sogar im oberen Leistungsbereich.

Anpassung großer Sprachmodelle

Große Sprachmodelle werden in der Regel nach ihrer Veröffentlichung nicht direkt mit benutzerdefinierten Trainingsdaten nachtrainiert. Es gibt jedoch zwei wirksame Methoden, um ihr Verhalten flexibel anzupassen:

• Prompt Engineering: Durch gezielte Gestaltung und Optimierung von Eingabeaufforderungen (Prompts) kann das Modell zu kontextsensibleren und spezifischeren Antworten geführt werden.
• Retrieval-Augmented Generation (RAG): Dabei wird das Modell vor der Texterzeugung mit relevanten Informationen aus externen Datenbanken versorgt. So können Antworten auf Basis aktueller oder spezifischer Inhalte generiert werden.

Diese Techniken ermöglichen eine flexible Anpassung, ohne dass aufwendiges Nachtrainieren notwendig ist.

Vertrauenswürdigkeit

Um Vertrauen in Machine Learning und KI aufzubauen, sind robuste Feedback-Mechanismen unerlässlich. Diese verbessern nicht nur die Fairness, Genauigkeit und Transparenz der Modelle, sondern stellen auch sicher, dass ethische Standards eingehalten werden. Durch Einbeziehung vielfältiger Perspektiven können zudem Verzerrungen reduziert werden.

Abschließende Gedanken

Der Versuch, das Pizza‑as‑a‑Service‑Modell auf künstliche Intelligenz zu übertragen, war erfolgreich. Wenn wir jede Ebene – von der Infrastruktur bis hin zum Modell – bewusst betrachten, lassen sich fundierte Entscheidungen darüber treffen, welche KI‑Methoden am besten zu den eigenen Anforderungen passen.

So wird dein nächstes KI‑Projekt genauso zufriedenstellend wie dein Lieblingsstück Pizza – inspiriert vom ursprünglichen Modell, aber ganz auf dich zugeschnitten.

Dieses Modell ist nicht nur zur Nutzung gedacht, sondern auch zum Teilen, Diskutieren und Weiterentwickeln. Es lädt dazu ein, neue Ideen und kreative Ansätze einzubringen. Zusammenarbeit steht dabei im Mittelpunkt – denn nur durch Austausch können wir gemeinsam voranschreiten und die Zukunft der künstlichen Intelligenz gestalten.

Ich bin gespannt, welche faszinierenden Entwicklungen die nächsten zehn Jahre für unsere Technologiebranche bereithalten. Die Reise hat gerade erst begonnen – also bleib neugierig und offen!

Quelle: AI as a Service: Serving Intelligence by the Slice of Pizza