Aufrufe
vor 2 Jahren

Netzwoche 19-20/2017

Advertorial Hausmittel

Advertorial Hausmittel Mensch Machine Learning und künstliche Intelligenz (KI) sind und bleiben auch 2018 absolute Hype-Themen und versprechen den nächsten Schritt der intelligenten Automatisierung. Ein Irrglaube ist jedoch, dass mit der Technologie alles von selbst geht. DER AUTOR Dr. Andreas Becks, Head of Business Analytics bei SAS DACH Ob prädiktive Wartung in der Fertigungsindustrie, automatisierte Beratung in der Finanzwelt oder das Einkaufserlebnis im Supermarkt der Zukunft: Maschinelles Lernen gilt als Schlüssel für moderne analytische Anwendungen. Unter Datenwissenschaftlern tobt der Wettbewerb um die modernsten Lernverfahren, die das Beste aus den Daten holen sollen. Machine Learning ist jedoch kein Wundermittel. Oft herrscht die Vorstellung: Man muss seine Daten nur an eine Maschine geben und «dann kommt schon irgendwas hinten raus». So einfach funktioniert es nicht. Im Wesentlichen steckt klassische Analytics- Technologie dahinter, die Muster lernt und diese anwenden kann. Solche analytischen Modelle werden anhand von Beispieldaten trainiert. Anders ausgedrückt: Ein System lernt aus Beispielen und kann diese nach Abschluss der Lernphase verallgemeinern. So kann das System auch unbekannte Daten beurteilen. Es erfolgt demnach ein Lerntransfer. Ohne Menschen geht es nicht Machine Learning hilft somit, gute Modelle zu entwickeln. Entscheidend ist aber, dass und wie diese zum produktiven Einsatz kommen. Selbstlernend heisst selbstverständlich nicht, dass es für den Menschen nichts mehr zu tun gibt. Der Data Scientist muss immer noch Daten richtig aufbereiten, algorithmische Parameter optimieren, verschiedene Verfahren miteinander vergleichen, gegebenenfalls kombinieren und am Schluss eines präsentieren, das valide Vorhersagen ermöglicht. Paradise Found – ausgerechnet ins Paradies Was die Technologie leisten kann, hat SAS anschaulich an einem B2C-Projekt gezeigt. Es galt, mit Machine Learning und Analytics den besten Ort der Welt zu finden. Und der Gewinner ist: West Perth! Zumindest analytisch gesehen ist der Stadtteil der Boomtown im Westen Australiens der beste Ort zum Leben weltweit. Das haben nicht Befragungen oder ein festgelegter Fragenkatalog ergeben, sondern allein die Daten. SAS hat für das Projekt «Paradise Found» nicht weniger als 148 233 Orte in 193 Ländern betrachtet. Und das ohne vorgefertigte Fragestellung oder Hypothese. Stattdessen hat man die Daten sprechen lassen. «Zu Wort» kamen mehr als fünf Millionen Datenpunkte aus 1124 Datenquellen, und zwar strukturierte ebenso wie unstrukturierte Daten (etwa in Form von Texten statistischer Dienste). Summa summarum flossen 1060 internationale Datenservices, 3 Online- Geodaten-Services, 4 Social-Media- Dienste und 57 City-Studien in die Erhebung ein. Mit Data Wrangling und performanter Data-Management-Software von SAS wurden die Daten gereinigt, strukturiert und aufbereitet. Nächster Schritt: Mit Machine Learning der leistungsstarken, flexiblen und offenen Analytics-Plattform SAS Viya wurden die fehlenden Werte zu den einzelnen Orten ermittelt und ersetzt und ein Prognosemodell entwickelt, das die Bewertung von Orten als lebenswert vorhersagt. Acht Cluster von Merkmalen, die einen Ort attraktiv zum Machine Learning ist keine Hexerei, passiert aber auch nicht von selbst. Leben machen, haben sich dabei herauskristallisiert: Bildung und Karriere, Familie, Kultur, Natur, Sicherheit und Infrastruktur, Lebenshaltungskosten, Restaurants und Shopping sowie Gesundheit. Zum Einsatz kamen für die Auswertung und visuelle Aufbereitung unter anderem SAS Visual Data Mining and Machine Learning und SAS Visual Analytics. Fazit Das Projekt zeigt nicht zuletzt auch: Machine Learning ist keine Hexerei, passiert aber auch nicht von selbst durch eine magische, selbstlernende Maschine. Es handelt sich dabei um eine Menge an Algorithmen, die aus den Daten lernt, anstatt von einer Modellannahme auszugehen. Das funktioniert aber nur, wenn Visualisierung, Datenmanagement und Analytik optimal zusammenspielen. Und es macht die Vielfalt der potenziellen Anwendungsfälle für Machine Learning und Analytics deutlich. Egal, ob es um den besten Ort, den besten Kunden, das Identifizieren potenziell betrügerischer Finanztransaktionen oder Optimierungsmöglichkeiten bei Produktionsprozessen geht: Machine Learning kennt keine Branchen- und Fachbereichsgrenzen. In dieser Hinsicht ist der Hype absolut gerechtfertigt. Wo ist der «beste Ort der Welt» für mich persönlich? Die Antwort auf diese Frage kann jetzt jeder ganz individuell beantworten lassen: mit dem Paradies- Konfigurator. SAS Institute AG Richtistrasse 11 8304 Wallisellen Telefon: 044 805 74 74 www.sas.com C M Y CM MY CY CMY K

Editorial 07 Keine Mandarinli und Nüssli für die digitale Universität Universitäten waren Vorreiter der Digitalisierung. Computer, E-Mails und Internet waren an vielen Bildungsstätten schon im Einsatz, als kaum jemand im Rest der Welt mit diesen Begriffen etwas anfangen konnte. Auch heute kommen Studenten an der digitalen Technologie nicht mehr vorbei. Laptop, elektronische Kommunikationskanäle und ein Grundverständnis für die IT-Welt sind heute selbstverständliche Voraussetzungen für ein Studium. Umso seltsamer mutet es an, dass manche Uni-Verwaltungen in einer halb-digitalen Zwischenwelt steckengeblieben sind. Vor einigen Wochen wollte ich mich für den Abschluss des Doktorats an der Universität Zürich anmelden. Die Prozedur ist auf der Uni-Website ausführlich beschrieben. Insgesamt vier Formulare müssen eingereicht werden. Drei davon sind auszudrucken, korrekt auszufüllen, zu stempeln und dann eingescannt als PDF auf den Uni-Server hochzuladen. Etwas umständlich – zumal einige der benötigten Informationen bereits in den Datenbanken der Uni vorhanden sind – aber machbar. Eine Viertelstunde, dachte ich mir, länger sollte das nicht gehen. Zu früh gefreut. Obwohl ich alle Dokumente wie verlangt parat hatte, war ich auf die weiteren Formalitäten der Onlineanmeldung nicht gefasst. Adressen, Angaben zum Studium und zur Abschlussarbeit mussten in einem mehrstufigen Prozess eingetragen werden. Koordinaten, die die Uni eigentlich längst von mir haben sollte. Dann die Einreichung der Formulare. Dreimal musste ich den Upload neu starten, da der Server das Dokument ablehnte. Mal störte ein Umlaut das System, mal durfte der Dateiname keine Leerzeichen enthalten. Schliesslich war die Anmeldung abgeschickt, der Abend allerdings fast vorbei. Die Eingangsbestätigung lag nur Sekunden später im virtuellen Posteingang. In doppelter Ausführung. Am Folgetag dann die Schrecksekunde. «Ihre Doktoratsanmeldung wurde zurückgewiesen», lautete « Der Samichlaus hofft, dass die Anmeldung zum Uni-Abschluss in Zukunft mit weniger Hindernissen versehen ist. » Oliver Schneider Redaktor, Netzwoche der E-Mail-Betreff. Der Grund? Ich hatte eine andere Postadresse als im System hinterlegt angegeben, beim studierten Fach gab es ein Adjektiv zu viel und – zweifellos am schlimmsten – es fehlten Stempel und Unterschrift des Instituts, das meine längst verbuchten Studienleistungen noch einmal bestätigen sollte. Also ab auf das richtige Büro und das Formular gestempelt. So klappte es am Ende mit der Anmeldung zur Prüfung. Den Weg dahin hatte ich mir allerdings einfacher vorgestellt. Die Uni-Verwaltung hat ihre digitalen Hausaufgaben in diesem Jahr nicht brav gemacht, würde der Samichlaus sagen. Er hofft, dass die Anmeldung zum Abschluss in Zukunft mit weniger Hindernissen versehen ist. Ungeachtet dieser Schwierigkeiten zum Jahresende wünsche ich unseren Leserinnen und Lesern nun viel Vergnügen mit der letzten «Netzwoche»-Ausgabe in diesem Jahr, eine frohe Weihnachtszeit und einen guten Rutsch ins Jahr 2018. Ergonomen_Netzwoche 4_Schrauber_neu.pdf 1 21.12.2015 09:05:56 Anzeige Usability: sehr gut. Einfach klar! Das finden unsere Kunden wie auch die Benutzer der Produkte unserer Kunden. www.netzwoche.ch © netzmedien ag Wir machen Kompliziertes einfach! www.ergonomen.ch 1920 / 2017

Archiv