Der PaaS-Markt im Überblick: AWS, Google, IBM, Microsoft & SAP IoT, Big Data und Machine Learning im Aufwind

In den letzten beiden Jahren haben die Anbieter von Platform-as-a-Service ihr Portfolio an Abo-Diensten kräftig ausgebaut. Sie unterstützen Machine Learning in der Big Data Analytik und das Internet der Dinge (IoT). Es gibt aber weiterhin signifikante Unterschiede.

Anbieter zum Thema

Arvato Systems

Fujitsu Technology Solutions GmbH

Insider Research

Seit 2014 haben die PaaS-Anbieter ihre Plattformen stark erweitert, ja, zum Teil sogar umstrukturiert. Jeder Entwickler oder Data Scientist kann heute Big Data Analytics in der Cloud auf die Beine stellen. Mithilfe von Machine Learning und KI kann er seine Lösung so differenzieren, dass seine Lösung kundenfreundliche Wettbewerbsvorteile bietet, etwa mit Sprach- und Gesichtserkennung sowie mit Sprachausgabe. Zunehmend wird auch das Internet der Dinge in die Angebote einbezogen, denn die im IoT erzeugten Streams lassen sich effizient praktisch nur mit Cloud-Ressourcen speichern und verarbeiten.

AWS baut auf Künstliche Intelligenz

Mit hohem Tempo baut Amazon sein Service-Angebot aus: 2015 waren es 722 neue Dienste und Leistungsmerkmale, im Jahr 2016 sogar 1017, was einer Zunahme von 40,9 Prozent entspricht. Dabei ist kaum feststellbar, wo bei AWS der Schwerpunkt liegt, denn es ist erklärte Absicht Amazons, jeden Workload mit einem Service zu ermöglichen. Neben den Datenbank-, EC2- und S3-Services liegt der Fokus beim Wachstum vor allem im Bereich Internet of Things (IoT) und Künstliche Intelligenz. Einen Machine Learning Service startete AWS bereits 2015, und dieses Feld wird seit Herbst 2016 kontinuierlich ausgebaut. Zu diesem Zeitpunkt stellte AWS die drei neuen KI-Services Lex, Polly und Rekognition vor.

Amazon Lex dient der Entwicklung von Konversationsoberflächen mit Stimme und Text. Er basiert auf der Technologie für automatische Spracherkennung und natürliches Sprachverständnis, die auch Amazon Alexa nutzt. Entwickler können intelligente Sprachassistenten (sog. Bots) bauen und testen. Der Service erstellt daraufhin Sprachmodelle, die für Web-Anwendungen, Chat und Messenger Apps sowie sprachgesteuerte Apps und Geräte verwendet werden können. Passende Backend-Services lassen sich über Amazon-Lambda-Funktionen integrieren. Amazon Polly ermöglicht es Developern, natürlich klingende Sprachfunktionen in bereits existierende Programme zu integrieren oder neue Produkte mit Sprachfunktion zu kreieren. Mögliche Anwendungsfelder sind Newsreader oder E-Learning-Plattformen. Der Service verfügt über 47 natürliche männliche sowie weibliche Stimmen und unterstützt 24 Sprachen mit verschiedensten Akzenten. Entwickler zahlen lediglich für den konvertierten Text. Mit Amazon Rekognition können Entwickler schnell und einfach Programme erstellen, die Bilder analysieren und Gesichter, Objekte und Szenen erkennen. Der Service ermöglicht umfassende Bildklassifikation und -erkennung und nutzt dafür Deep-Learning-Algorithmen. Seit Februar 2017 ist auch die Erkennung des Alters eines Menschen möglich. Rekognition und Polly sind erst im englischsprachigen Sprachraum verfügbar. Der Deep-Learning-Service AMI ist seit Februar 2017 auch für Ubuntu-Linux verfügbar.

Neben KI ist IoT für alle PaaS-Anbieter ein wichtiges Wachstumsfeld. AWS Greengrass, Snowball Edge und Snowmobile sind hierfür neue Angebote. AWS Greengrass ist Software, die AWS-Lambda-Funktionen und AWS IoT lokal auf jedem verbundenen Gerät ausführen lässt. Über die AWS Management Konsole können Entwickler einem IoT-Gerät AWS-Lambda-Funktionen hinzufügen. Der Code wird lokal auf dem Gerät ausgeführt, womit nahezu in Echtzeit auf Events reagiert werden kann. Der Service beinhaltet außerdem AWS IoT Messaging und Synchronisierungsmöglichkeiten, damit Geräte direkt mit anderen kommunizieren können, ohne den Umweg über die AWS-Cloud nehmen zu müssen. Das Snowball-Edge-Speichergerät und AWS Snowmobile sind Hardware, die auf dem Vorbild von AWS Snowball basieren.

Erweiterung der SAP Cloud Platform

Seit Herbst 2016 hat sich auf SAPs PaaS-Plattform Cloud Platform einiges getan. Die SAP Cloud Platform unterstützt OpenStack und die CloudFoundry, worauf sich elf Bereiche von Funktionalitäten gründen. Im November 2016 kündigten die Walldorfer eine Reihe von Erweiterungen an. Sie sollen u.a. helfen, den Bau von Brücken zwischen den On-premise- und den Cloud-Installationen der SAP-Kunden zu erleichtern. Workloads, die on-premise laufen, sollen künftig als VMs auch auf der SAP Cloud Platform funktionieren. Damit lassen sich sprachspezifische und andere Apps in die Cloud auslagern. Das API Business Hub, im Juni 2016 angekündigt, ist mittlerweile mit der SAP Cloud Platform integriert und erlaubt die Integration zahlreicher Business Services mit der HANA-Plattform. Diese Services sollen sich als Microservices nach dem Vorbild von „SAP Hybris as a Service“ (YaaS) bereitstellen lassen. Unterstützt werden zunächst vor allem SAPs eigene APIs. Integration ist auch angesagt, wenn es um andere Cloud-Angebote der Walldorfer geht, so etwa Ariba, Concur, Fieldglass usw.

Für BI- und Analysezwecke lassen sich nicht bloß der Workflow Service und der Data Quality Service verwenden, sondern auch der Smart Data Streaming Service und die Predictive Services. Der Streaming Service leitet Ereignisdatenströme direkt an Analyse-Anwendungen und IoT-Apps weiter, was für eine IoT Plattform wie die von SAP wichtig ist. Die Predictive Services nutzen die bereits auf HANA vorhandene Automated Predictive Library (APL). Wer IoT und Streaming nutzt kann auch Business Rules implementieren, um Benachrichtigungen auszulösen, wenn ein KPI verfehlt wird. Der Business Rules Service ist auf der SAP Cloud Platform verfügbar.

Im November 2016 angekündigt, ist das Software Development Kit (SDK) für Apples Mobil-Betriebssystem iOS mittlerweile auf der SAP Cloud Platform verfügbar. Mit dem SDK können Partner und Kunden iOS-Apps für iPhone und iPad entwickeln. Umgekehrt lassen sich damit SAP Fiori Apps für die iOS-Plattform erstellen, die die Fiori-UI nutzen. Mit dem Roambi-Tool können SAP-Entwickler weitere Mobil-Apps erstellen, so dass SAP-Partner ihre mobilen Kunden noch umfassender bedienen können.

Neues auch bei Microsoft

Seit 2015 hat MS Azure seine Trusted Cloud in Deutschland sukzessive im Bereich der IT- und Datensicherheit ausgebaut, um sie noch stärker an die hohen deutschen Sicherheitsanforderungen anzupassen. 2017 erfüllte dann Microsoft Azure Deutschland zusätzlich die internationale Zertifizierungsnorm für Informationssicherheitsmanagementsysteme (ISO 27001) und den Schutz von personenbezogenen Daten in Public Clouds (ISO 27018). Zudem haben Microsoft und Secunet eine gemeinsame Cloud-Lösung für den deutschen Hochsicherheitsmarkt entwickelt. Um IT-Sicherheitsbedrohungen in der Cloud auf einen Blick erkennen, beseitigen und vorbeugen zu können, machte Microsoft das Azure Security Center verfügbar. Mit dem Azure Information Protection Service, der Secure Islands-Technologien mit dem Azure Rights Management integriert, sollen sich insbesondere vertrauliche Dokumente besser schützen lassen.

Neben der Security bildet der Ausbau der Analyse-Funktionen einen weiteren Schwerpunkt. Nach Office 365 wird 2017 auch die BI-Suite PowerBI auf Azure Deutschland verfügbar, die Bereitstellung des ERP-Pakets Dynamics 365 ist für die erste Jahreshälfte geplant. Entwickler können sich an der umfassenden Unterstützung für Docker erfreuen, und Datenbank-Admin haben so die Möglichkeit, den SQL Server im Container auf Linux laufen zu lassen. Neu sind Stream Analytics, die mit Geo-Funktionen und VisualStudio-Unterstützung einhergehen. Für viele Entwickler sind die umfassenden Partnerschaften bedeutsam, die Microsoft mit SAP, Adobe und Secunet eingegangen ist. So können sie ihre Apps mit deren Plattformen besser integrieren. Neben VisualStudio stehen ihnen auch die Web-Frontend-Tools zur Verfügung, die von bzw. mit Xamarin gekauft wurden. Als Technologiestapel für Entwickler wird CloudFoundry bereits seit Ende 2015 unterstützt. Die Unterstützung von RedHat Enterprise Linux Server in einem Pay-as-you-Go-Abo ist sicher ebenfalls willkommen.

Den neuen Schwerpunkt Ende 2016/Anfang 2017 bildet die Unterstützung für das Internet der Dinge, also IoT, und Künstliche Intelligenz (KI/AI), die eng mit dem IoT verbunden ist. Um Mehrwert zu erbringen, müssen die Geräte schließlich möglichst intelligent sein. Es liegt in Microsofts Interesse, den Markt für seine eigene IoT-Suite so rasch wie möglich zu erweitern. So stellten die Redmonder 2016 einen AzureBot und eine API für OpenAI vor. Siemens portierte 2016 sein umfangreiches IoT-Ökosystem MindSphere auf Azure. Ab 2017 sind Azures IoT-Dienste über das Pay-as-you-Go-Abo mit kostenlosem Startguthaben online buchbar.

Entwicklungsfreundliches IBM BlueMix

Bluemix ist als Public, Local oder Dedicated Modell zu betreiben. Dedicated unterscheidet sich kaum von Hybrid Cloud und „Local“ entspricht der Private Cloud. Die Developer-Services unterstützen eine Reihe von Programmiersprachen, darunter Java, Node.js, Go, PHP, Swift, Python, Ruby Sinatra, Ruby on Rails. Die Palette lässt sich durch Build-Packs erweitern, um beispielsweise Scala zu unterstützen, jene Sprache, in der Apache Spark programmiert ist. Die Plattform basiert auf CloudFoundry und läuft auf SoftLayer-Rechenzentren. In jüngster Zeit wurden Bluemix und Softlayer zusammengelegt. Weitere Partner sind MongoDB, Node.js, Redis, OpenStack und natürlich Apache Spark, einem Analytics-Framework, an dem IBM sehr aktiv mitarbeitet.

Zum Angebotskatalog von über hundert Services gehören die Watson Services, DevOps-Services, Objektspeicher, IaaS, virtuelle Server, verschiedene Datenbanken wie Cloudant, DB2, MongoDB und DashDB, sowie die Swift Sandbox. Mit Swift können Entwickler Swift-Codes direkt am Browser schreiben und in der Sandbox testen. Zum Katalog gehört auch OpenWhisk, IBMs quelloffenes Function-as-a-Service-System. Es entspricht etwa den Funktionen in Amazon Lambda, indem es erlaubt, eine spezifische Funktion als Antwort auf ein Ereignis aufzurufen, ohne dabei eine Ressourcenverwaltung durch den Entwickler zu erfordern. Um die Produktivität bei der Arbeit mit den Bluemix DevOps Services zu steigern, können Entwickler verschiedene Tools zu sogenannten Toolchains verketten. Seit 2016 lassen sich diese individuell und automatisch kombinieren. Von Haus aus stehen dafür Tools wie GitHub und Slack bereit. Seit Herbst 2016 können Toolchains mit der Delivery Pipeline kombiniert werden, also einem Mechanismus für die Auslieferung von fertigen Apps und Services. IBM Bluemix Continuous Delivery ist seit November 2016 live.

PaaS mit Google Cloud Platform

Neben den üblichen IaaS- und SaaS-Services bietet Google auch Dienste für Big Data, Analytics, Machine Learning und IoT an. Für Big Data-Verarbeitung stehen ein Data Warehouse, Batch- und Stream-Verarbeitung, Datenerforschung & Search sowie Hadoop- bzw. Spark-Unterstützung zur Verfügung. Damit sich ein Unternehmen vom Wettbewerb abheben kann, wird zunehmend auf Machine Learning zurückgegriffen: Intelligente Dienste werden besonders vom Kunden begrüßt. Für Machine Learning und KI bietet Googles PaaS die Cloud Machine Learning Platform, die Cloud Jobs API, die Cloud Natural Language API, die Cloud Speech API, die Cloud Translation API und die Cloud Vision API an. Dahinter stecken Neuronale Netzwerke für Deep Learning, mit deren Hilfe Computer bzw. Roboter trainiert werden können, Muster zu sehen, zu hören, zu übersetzen und schließlich auch selbst zu sprechen. Der Nutzer kann aber auch eigene Modelle mit anderen DL-Plattformen wie etwa Intel Nervana trainieren.

An Entwicklerwerkzeugen hat Googles PaaS einiges aufzubieten. Man kann zwar die Befehlszeile nutzen (CLI), aber das hieße zu Fuß gehen, wenn man auch einen Ferrari fahren könnte. Google bietet neben seinem Cloud SDK einen Deployment Manager, Source Repositorys, Endpoints und ein Test Lab (lies: Sandbox) an. An fremden Entwicklungsumgebungen unterstützt es Android Studio, IntelliJ und Eclipse. Das SDK umfasst Tools wie gcloud, gsutil und bq, die den CLI- und Skript-Zugriff auf Compute Engine, Cloud Storage, BigQuery und andere Google-Produkte erlauben. Mit gcloud ist die Verwaltung der VMs auf Compute Engine realisierbar, aber auch von Firewalls, Storage usw., ohne dass man eine Konsole nutzen müsste. An Sprachen unterstützen die Client-Bibliotheken Java, Python, Node.js, PHP Ruby, Go und sogar Microsofts .NET bzw. C#. Mithilfe von Service-Emulatoren kann der Entwickler zu Testzwecken Dienste wie Google Cloud Pub/Sub und Google Cloud Datastore nachahmen – eine feine Sache, die an eine Sandbox erinnert. Es gibt zudem einen Service namens kubectl, der die Bereitstellung und Verwaltung von Kubernetes-Container-Clustern auf gcloud orchestriert. Das ist eine Alternative zu Docker. Mit Google Cloud Functions steht eine ereignisgesteuerte Lösung für Microservices zur Verfügung, die ein Gegenstück zu Amazon Lambda darstellt. Der nächste Schritt ist die Plattform für IoT Solutions. Die Datenströme werden von Cloud Dataflow transportiert und von BigQuery verarbeitet. Für Datensicherheit sorgt Cloud IAM. Wer ein Händchen für Hobbyarbeiten hat, kann mit dem IoT Prototyping Kit sein eigenes IoT-Netzwerk aufbauen.

Platform as a Service – ein dynamischer, bunter Cloud-Markt

Die wichtigsten Spieler auf dem PaaS-Feld

(ID:44562978)