Interview mit Rainer Sternecker, Head of Speed & Cloud Services bei SAS Wo liegen die Grenzen offener KI?

Anbieter zum Thema

SAS Institute AG

Fsas Technologies GmbH

Hyland Software Germany GmbH

Cloudgermany.de GmbH

Rainer Sternecker ist bei SAS Spezialist für Cloud Computing & Data Management und berät Kunden beim Design modernster Cloud-nativer Data-Science-Plattformen. Im Vorfeld der globalen SAS-Konferenz im Mai erläutert er Best Practices zu Cloud-nativen Technologien und welche Auswirkungen er durch die generative künstlicher Intelligenz (KI) erwartet.

CloudComputing-Insider: Die Veranstaltungen „SAS Innovate“ in Orlando und Frankfurt stehen bevor, gerade aber waren Sie erst auf der „SAS Viya Tour 2023“ und dem „Data Business Forum“ unterwegs, unter anderem in Wien, Frankfurt und Zürich. Dort konnten Sie sich mit KI-Experten sowie Vertretern von Banken, Versicherungen, Gesundheitskassen und IT-Dienstleistern austauschen. Was haben Sie von der Veranstaltungsreihe mitgenommen?

Rainer Sternecker: Zunächst war es wirklich wunderbar, nach einer längeren Durststrecke – bedingt durch die Pandemie – endlich wieder an einer gut besuchten Präsenzveranstaltung mitzuwirken. Online- und hybride Formate sind durchaus sinnvoll, aber der direkte Austausch mit Kunden und Partnern von Angesicht zu Angesicht ist einfach durch nichts zu ersetzen. Das war auch der einhellige Tenor aller Teilnehmer: Die Dynamik der Gespräche, die Unmittelbarkeit, das haben alle sehr vermisst. Viele Teilnehmer sprudelten nur so vor neuen Ideen, dieser Enthusiasmus ist sehr ansteckend. Was ich allerdings ebenfalls mitgenommen habe, ist ein dezenter Muskelkater und leichte Heiserkeit. Die Körperspannung auf der Bühne und das laute Sprechen war ich offenkundig nicht mehr gewohnt.

Was ist der aktuelle Stand bei SAS? Was dürfen Viya-Anwender an Neuem in diesem Jahr erwarten, woran sitzen Sie darüber hinaus?

Sternecker: Lassen wir uns überraschen, wir haben jedenfalls sehr viele spannende Themen auf der Agenda! Durch die beschleunigten Release-Zyklen, die wir mit SAS Viya durch den Umstieg auf Cloud-native Technologie anbieten, müssen die Anwender auf neue Features nicht lange warten, die Plattform verbessert sich kontinuierlich. Unmittelbar bevor steht eine neuerliche deutliche Performance-Steigerung in allen Bereichen, „pfeilschnelles“ Arbeiten und Verarbeiten sind im Fokus. Hier werden wir in den nächsten Wochen und Monaten unseren Vorsprung nochmals ausbauen können. Was die analytischen Methoden und Werkzeuge angeht, sind wir mit unserem Angebot schon seit jeher ganz vorne im Markt, aber auch hier gibt es Weiterentwicklungen, insbesondere im Bereich KI und Deep Learning. Zudem sind weiterhin Automatisierung, API-first und Einbindung von Open-Source-Werkzeugen wichtige Faktoren. Ein sehr wichtiges Thema ist darüber hinaus Responsible AI: Eingebettete Funktionen in SAS Viya zur Interpretation von Modellen, zur Sicherstellung ihrer Fairness und zum Bias-Monitoring bilden dafür die Voraussetzung. Automatisch generierte, wiederholbare Erklärungen von Daten und Modellen in einfacher Sprache stellen zusätzliche Transparenz her.

Was ist das langfristige Ziel von Viya? Wie sollte die Plattform aussehen und was können, wenn sie jetzt sofort fertig wäre?

Sternecker: „Fertig“ wird sie nie sein, vollständig ist sie jedoch schon seit Längerem und deckt bereits jetzt alle Technologien und Prozesse des analytischen Lebenszyklus ab. Das klingt widersprüchlich, ist aber genau unser Ansatz. Tatsächlich wird es immer neue Anforderungen und Optimierungsmöglichkeiten geben. Unsere Aufgabe ist es daher, unseren Kunden eine Plattform bereitzustellen, die schnell anpassbar, erweiterbar, portierbar und agnostisch ist. Und die darüber hinaus den höchsten Sicherheits- und Compliance-Standards entspricht. Das alles sind bewegliche Ziele. Langfristig konzentrieren wir uns darauf, der Anbieter zu sein, der am schnellsten und besten auf neue Entwicklungen reagieren kann. Genau dafür sind wir bestens gerüstet.

Wie steht es um die Ausrichtung der Cloud-Strategie von SAS? Welche Ziele haben Sie sich für dieses Jahr gesetzt, welche darüber hinaus?

Sternecker: Wenn wir etwas machen, dann machen wir es richtig. Das passt auch zu unserem Kundenstamm mit vielen sicherheitsbewussten Kunden, oft aus regulierten Branchen. „One size fits all“ funktioniert bei sensiblen und kritischen Themen wie Risk Management, Betrugserkennung oder AML in den meisten Fällen nicht – um nur einige Beispiele zu nennen. Das Schlagwort „Cloud“ muss man zudem in zwei Themenblöcke trennen. Der erste ist das reine Technologiethema „Cloud-native“, das unter anderem die Adaption von Container-basierten Architekturen, Infrastructure-as-Code (IaC) oder Continuous Integration/Continuous Delivery (CI/CD) umfasst. Der zweite Block betrifft den Cloud-Betrieb. Handelt es sich bei der Umgebung um die SAS Cloud, Public Cloud, Private Cloud oder On-Premises? Und wer übernimmt die Wartung? Dadurch ergeben sich viele weitere Fragen in Richtung Compliance und Informationssicherheit. Unser Ziel ist es, SAS Software über jede Cloud und jeden Marketplace anzubieten, ohne On-Premises-Infrastrukturen zu vergessen, damit Anwender größtmögliche Unabhängigkeit haben. Ein wichtiger Schritt in unserer Cloud-Strategie ist daher auch die Bereitstellung von SAS Viya über den Microsoft Azure Marketplace im Rahmen unserer Partnerschaft mit Microsoft. Wie das konkret aussehen kann, zeigt Fraport. Der Flughafenkonzern setzt auf SAS Analytics für die Vorhersage und Simulation von Passagier- und Gepäckströmen. Mit SAS Viya on Azure in Kombination mit Komponenten im eigenen Rechenzentrum prognostiziert Fraport zum Beispiel die Ankunftszeit von Flügen am Gate und schafft damit die Voraussetzung für die situationsgerechte Steuerung der Besucherströme.

Frage zu Ihrem Titel: Head of Speed & Cloud Services – wofür steht Speed bzw. stehen die Speed Services?

Sternecker: Hierbei handelt es sich zugegebenermaßen um einen Fantasietitel, den mir unser Event-Team für die Veranstaltungsreihe verpasst hat. Die Aufgabe meines Teams und mir besteht darin, unseren Kunden erstklassige Beratung in Bezug auf Cloud und Architektur zu bieten. Und wie schon erwähnt ist bei der Weiterentwicklung von SAS Viya Top-Performance eines der wichtigsten Ziele. Denn im verbrauchsorientierten Cloud-Geschäftsmodell bedeuten schnellere Antwortzeiten unter anderem auch handfeste Kosteneinsparungen für unsere Kunden. Insofern ist „Head of Speed” dann doch wieder sehr passend. Nachweislich sind analytische Abfragen mit SAS Viya tatsächlich im Schnitt bis zu 91 mal schneller als bei anderen Anbietern.

Sie haben vor vier Jahren die Kosten als „Haupttreiber“ für die Migration in die Cloud genannt. Ist das nach wie vor so? Wie sieht es mit anderen Gründen aus, etwa die stetige Zunahme der Daten, die kaum mehr on-prem abgespeichert werden können?

Sternecker: Kosten bzw. das nutzungsbasierte Kostenmodell in der Cloud ist weiterhin ein starkes Argument. Laut einer Total-Economic-Impact-(TEI)-Studie von Forrester Consulting bringt SAS Viya auf Microsoft Azure einen Return on Investment (ROI) von 204 Prozent innerhalb von drei Jahren. Aber auch Skalierung und Flexibilität zählen. Corona hat gezeigt, dass gerade dieser Aspekt, also schnelle Anpassungsfähigkeit, ein entscheidender Faktor für die Resilienz von Unternehmen ist – und SAS hat diese Kombination als eine von fünf „Resiliency Rules“ definiert. Dazu gibt es demnächst eine Studie, die einen „Gap“ zwischen Wunsch des Managements und Wirklichkeit zeigt. Demnach liegen deutsche Unternehmen unter dem weltweiten Schnitt, sehen sich also im Moment noch nicht ausreichend auf Krisen vorbereitet. Für Deutschland heißt das konkret: 95 Prozent der Executives sehen Resilienz als wichtig an, weniger als die Hälfte (40 Prozent) sagt, ihr Unternehmen sei bereits resilient. Große Datenvolumen sind sicherlich auch ein Grund für die Cloud-Migration: Gerade moderne Technologien wie Blockchain oder Quanten-Computing benötigen große Mengen an Daten und eine hohe Rechenleistung – das kann nicht jedes Unternehmen inhouse stemmen. Dennoch überlegen Unternehmen heute ganz genau, ob und welche Daten, Prozesse und Anwendungen sie in die Cloud schieben. Es kann durchaus auch Sinn machen, manches weiterhin on-premises zu hosten, weil dies schnelleren, sicheren Zugriff und eine höhere Verfügbarkeit gewährleistet.

Sie haben damals drei Möglichkeiten aufgezählt, um „in die Cloud zu gehen: „Rehosting, Replatforming oder Repurchasing“ – ist das nach wie vor gültig oder haben sich neue Wege eröffnet?

Sternecker: Das sind sicherlich weiterhin die gültigen Ansätze, neben dem bösen „Do nothing“ natürlich. Was sich aber deutlich verbessert hat, sind die Werkzeuge, die dafür zur Verfügung stehen und das Ganze automatisieren können. Bei SAS bieten wir hierfür beispielsweise eine frei verfügbare Utility an (Content Assessment auf support.sas.com), die das Bestandssystem auf Herz und Nieren prüft, voll inventarisiert und für ein etwaiges Replatforming vorbereitet. So können faktenbasiert entsprechende Pläne und Kosten-/Nutzen-Betrachtungen durchgeführt werden, einschließlich zu erwartender Infrastruktur- und Service-Aufwände. Es ist gut, wenn man vorher weiß, welche Vorteile man davon hat. Und wenn man weite Teile des Vorhabens nicht manuell, sondern Tool-gestützt umsetzen kann. Advanced Analytics profitiert Ihrer Meinung nach insbesondere von der Cloud, weil sie die Verwendung von künstlicher Intelligenz und Machine Learning für intelligente Anwendungen erlaubt – ohne dass man sich erst mit der Bereitstellung der technologischen Umgebung befassen muss.

Tatsächlich wirbelt KI in Form von ChatGPT gerade jede Menge Staub auf. Ihre Meinung dazu?

Sternecker: Ich finde es großartig, dass KI durch ChatGPT jetzt in aller Munde ist und breit diskutiert wird, die Fortschritte in diesem Bereich sind zweifelsohne bahnbrechend. Das neueste Release hat kürzlich sogar die österreichische Zentralmatura bestanden, der berühmte Turing-Test hat damit fast ausgedient, könnte man meinen. Jedenfalls erleben wir gerade, was KI alles leisten kann, und nimmt uns die Scheu davor, sich sogar selbst daran zu wagen. Ich finde es sehr wohltuend, dass KI auf diese Art gerade „demokratisiert“ wird und sich somit auch Hürden in den Köpfen abbauen. Jetzt ist es aber wichtig, den möglichen Impact auf die Unternehmensprozesse zu erforschen, ganz ohne Euphorie. Das Preis-Leistungs-Verhältnis wird auch hier bestehen müssen. Gleichzeitig müssen wir dringend in eine öffentliche Diskussion treten, wo die Grenzen „offener“ KI liegen und wo qualitätsgesicherte KI-Systeme gefordert sind. Ich sehe in Zukunft ein Zwei-Klassen-System für KI, im besten Sinne: Auf der einen Seite „Jedermann-KI“ für unkritische Fälle und individuelle Nutzung, auf der anderen Seite voll dokumentierte, verantwortlich eingesetzte und zuverlässige KI für alle Anwendungen, die sich (fast) keine Fehler erlauben dürfen.

Kann ChatGPT auch in Sachen Analytics weiterhelfen?

Sternecker: Mit Sicherheit hat der Buzz um ChatGPT und generative KI das Potenzial, das Verständnis für die Technologie auch im Unternehmensumfeld voranzutreiben. Es könnte dazu beitragen, dass Menschen intelligenten Datenanalysen mehr vertrauen – und auch sich selbst mehr zutrauen, wenn sie schon mal mit einer KI in Berührung gekommen sind. Voraussetzung ist jedoch, dass wir klar abgrenzen, was „öffentliche“ KI kann und darf – und wo Profis mit Profi-KI gefragt sind. Und dafür müssen die Menschen KI nicht nur vom Hörensagen kennen, wie es jetzt ist. Denn ich habe kein Problem, wenn mir ein KI-gestütztes Entscheidungssystem einen Pullover empfiehlt, der mir nicht gefällt. Wenn KI eine medizinische Diagnose stellt oder meinen Kreditantrag ablehnt, möchte ich das aber nachvollziehen können. Dort braucht man also „Trustworthy & Responsible AI“. Seit Jahren bietet SAS solche vertrauenswürdige, transparente und vor allem kontrollierbare KI. Text Analytics mit NLP beispielsweise ebenso wie Deep Learning und Reinforcement Learning (RL).

Machine Learning haben Sie mal als „Automatisierungsturbo“ bezeichnet. Gilt das noch?

Sternecker: Selbstverständlich – es wird sogar immer wichtiger. Ein Beispiel dafür ist das – vorgeschriebene – Transaktionsmonitoring bei Banken, um Betrug erkennen zu können. Das ist zwar weitgehend automatisiert, liefert aber bis zu 90 Prozent False-Positives, also Fehlalarme. Hier können KI und Machine Learning entscheidend helfen, die Automatisierung besser zu machen. Das automatische Erkennen von sensitiven Daten in Echtzeit ist zudem ein gutes Beispiel, wo ML sogar aktiv zum Datenschutz beitragen kann.

(ID:49317408)