Blog

Schweizer Firmen zeigen wachsendes Interesse an Machine Learning

2 Min. Lesezeit

Machine Learning hält viele Versprechungen bereit. Doch ist die Entwicklung für einige Firmen eine Hürde. Wie Machine Learning vom Proof of Concept zur Produktion gelangt und weshalb der Cybersecurity-Aspekt nicht unterschätzt werden sollte, erklärt Ireneu Pla, Senior Machine Learning Engineer bei Adnovum.

Wie stehen Schweizer Firmen zu Machine Learning?

Ireneu Pla: Sie zeigen ein wachsendes Interesse an Machine Learning, kurz ML. Die Situation ist aber nicht überall gleich. Gewisse Akteure sind primär neugierig und wollen herausfinden, welchen Nutzen ML für sie hat, während andere auf künstliche Intelligenz (KI) setzen, um innovativ und effizienter zu sein. Daneben gibt es die etwas skeptischeren Unternehmen, die warten, bis sich ein klarer Nutzen zeigt. Häufig macht der Zeitmangel Unternehmen, die über viele Daten verfügen und diese optimal nutzen könnten, einen Strich durch die Rechnung. Geniessen ML-Bestrebungen weder Priorität noch Unterstützung, werden sie zugunsten allgemeiner Digitalisierungsmassnahmen aufgeschoben. Wer ML erforschen will, muss investieren und von den richtigen Erwartungen ausgehen. Ein erfolgreiches Experiment ist der erste Schritt, um von ML zu profitieren.

Wie kommt ML vom Proof of Concept zur Produktion?

Ireneu Pla: Damit aus einem funktionierenden Proof of Concept ein produktives System wird, braucht es eine ganzheitliche Sicht der Dinge. Das bedeutet, dass man von Data Science zu technischen Herausforderungen übergeht. Es ist wichtig, sich bewusst zu sein, dass ML sehr rechenintensiv sein kann und dass es gute Ansätze gibt, mit Fehlern des Modells umzugehen. Wenn Nutzer mit der Lösung interagieren sollen, ist zudem ein durchdachtes UX Design entscheidend. Die Qualität einer ML-Lösung hängt stark davon ab, wie Informationen genutzt und präsentiert werden. Dieser Aufwand wird oft unterschätzt und kann aufgrund der zunehmend komplexen Softwaresysteme dazu führen, dass ein vielversprechendes Modell fallengelassen wird.

Inwiefern ist ML für die Cybersecurity herausfordernd?

Ireneu Pla: Als Herzstück interaktiver Software und kritischer Prozesse öffnet ML neue Türen für Cyberangriffe. ML zeichnet sich aus durch die Fähigkeit, aus Daten und neuen Beispielen zu lernen. Diese Eigenschaft macht es jedoch schwierig, abschliessend zu verstehen, wie gewisse Vorhersagen zustande kommen. Aus unserer Sicht ist man sich der Sicherheitsrisiken beim Einsatz von ML oft zu wenig bewusst. Zudem ist die Bewertung solcher Bedrohungen in der Regel nicht Teil von Security Assessments, da ihre Analyse ein tiefes Verständnis der Funktionsweise und des Nutzungskontexts von ML erfordert. Doch es gibt auch gute Nachrichten: In vielen Fällen ist der Umgang mit diesen neuen Sicherheitslücken sehr einfach.

Wie hilft ML dabei, Datenschätze zu verwerten?

Ireneu Pla: Es gibt zwei wesentliche Möglichkeiten, wie Unternehmen ihre Daten optimal nutzen können: Die erste ist eine bessere Analyse. Ziel ist die Gewinnung neuer Informationen, um Zusammenhänge besser zu verstehen und weitere verwertbare Erkenntnisse zu erhalten. Menschen sind zwar sehr gut darin, Zusammenhänge zu erfassen, ein geeigneter Algorithmus kann indes neue und wertvolle Muster erkennen. Die zweite Möglichkeit besteht darin, mittels ML Schritte zu digitalisieren, die sich mit üblicher Software nicht automatisieren lassen. Solche Fälle ergeben sich oft aus neuen Erkenntnissen, welche die Analytik hervorbringt. Unternehmen können jedoch auch ohne eigene Daten von ML profitieren. Bestehende Modelle oder Cloud-Angebote für KI ermöglichen es, Lösungen zu implementieren, die Prozesse erheblich verbessern oder den Weg für neue Prozesse bereiten.

Dieses Interview ist ursprünglich im ICT-Jahrbuch 2022 der Netzwoche erschienen.

Conversational AI Webinar (EN)

Aufzeichnung ansehen

 

 

Publiziert am 17 Mär 2022

icon