Thought Leadership
KI hat mit Generative AI nochmals einen enormen Popularitätsschub erfahren, an der Praxistauglichkeit im Enterprise-Umfeld mangelt es jedoch oftmals noch. Gefragt ist eine effiziente Entwicklung geeigneter KI-Modelle – die Antwort darauf kann Developer Workbench als schlanke, agile und skalierbare Umgebung sein.
Um Innovation mit KI voranzutreiben, benötigen Unternehmen eine Entwicklungsumgebung, die vor allem Effizienz, Skalierbarkeit, Flexibilität und Sicherheit bietet. Hier punktet eine bedarfsgesteuerte Developer Workbench wie SAS Viya Workbench gegenüber Einzeltools. Als stabile Cloud-native Umgebung ermöglicht sie eine schlanke Entwicklung verschiedenster Analytics-Anwendungen. Somit erfüllt eine Workbench die speziellen Anforderungen von Developern und Data Scientists, so dass sie auch unter Zeit- und Wettbewerbsdruck schnell zu praktikablen Lösungen kommen können.
Fünf wesentliche Aspekte sprechen für eine Workbench als KI-Entwicklungsumgebung.
1. Ressourcenschonende IT-Administration
Eine Workbench ist ein nicht zu unterschätzender Effizienzfaktor, denn sie entlastet die IT-Abteilung: Da sie den Prozess für das Schreiben, Testen und Optimieren von Code für Machine-Learning-Modelle vereinfacht, sind Entwickler in der Lage, ihre eigene Umgebung aufzusetzen. Diese autonome Arbeitsweise erhöht Produktivität sowie Agilität und baut organisatorische Hürden ab – somit werden Kapazitäten frei für Innovation.
2. Skalierbarkeit sorgt für Kosteneffizienz
Wichtig ist, dass die Umgebung für sehr große Datensätze sowie komplexe Rechenaufgaben geeignet ist und eine geringe Anlaufzeit benötigt. Mit einer Workbench können Entwickler exakt die Ressourcen an CPU- oder GPU-Leistung nutzen, die der jeweilige Projektumfang benötigt. Das schafft ideale Voraussetzungen, um mit neuen Anwendungsszenarien zu experimentieren und Projekte zu skalieren. Eine automatische Versionierung der Modelle sorgt für Reproduzierbarkeit und Transparenz.
Skalierbarkeit ist entscheidend für die Planungssicherheit bei den Kosten.Bei Projekten mit sehr begrenztem Budget, wie beispielsweise oft im akademischen Bereich, ist es umso wichtiger, dass die Sockelkosten im Rahmen bleiben. Wenn man dann aber nach Bedarf mehr GPUs dazuschalten kann, ist dies ein großer Vorteil. Mit SAS Viya Workbench beispielsweise können Anwender Rechenressourcen kontrollieren und skalieren.
3. Nahtlose Zusammenarbeit
Zudem schafft eine Workbench insofern optimale Bedingungen für die Zusammenarbeit , als sich Code, Analyseergebnisse und Best Practices problemlos teilen lassen. Dazu trägt unter anderem die Offenheit bei der Wahl der Sprache bei: Eine Developer Workbench, die mehrere Programmiersprachen unterstützt, erleichtert die Kollaboration von Entwicklern – egal, in welcher Sprache sie sich zu Hause fühlen. Auch wenn das zu entwickelnde KI-Modell am Schluss beispielsweise in einer SAS Umgebung zum Einsatz kommen soll, muss man nicht SAS als Programmiersprache gelernt haben – das geht auch mit Python-Code und seiner sehr simplen Syntax.
4. Höchste Datenqualität
Für die effiziente und sichere Entwicklung von KI-Modellen ist der Zugang zu qualitativ hochwertigen Daten eine Grundvoraussetzung und muss innerhalb der Umgebung gesteuert werden. Zentrales Datenmanagement sorgt dafür, dass sensible Daten innerhalb der Firewall bleiben, was insbesondere wichtig für regulierte Branchen wie Banken, Versicherungen oder auch die öffentliche Verwaltung ist.
5. Niederschwelliger Einstieg für Nachwuchsentwickler
Eine Workbench ist aber nicht nur für erfahrene Programmierer eine echte Erleichterung, sie senkt auch die Hürden für Berufseinsteiger. Dank der Integration von Open-Source-Technologien und der Unterstützung einer Multi-Language-Architektur können Entwickler – unabhängig von ihren Vorkenntnissen – sofort produktiv arbeiten.
Eine wichtige Rolle spielt zudem Generative AI: ChatGPT & Co. beschleunigen die Arbeit von Entwicklern signifikant. Bei SAS Viya Workbench kann beispielsweise per Natural Language Prompt in einem einzigen Schritt SAS Code generiert werden. Das Ergebnis erfordert zwar noch manuelle Anpassungen, um wirklich aussagekräftige, vertrauenswürdige Ergebnisse zu erzielen, bildet aber eine gute Basis.
Anwendungsszenario: Optimierung der Kundenansprache
Um das Verhalten seiner Kunden besser zu verstehen, kann ein Einzelhändler in der Workbench zunächst Daten vorverarbeiten, Features erstellen und Pipelines bauen. Modellierer können dann mit verschiedenen Algorithmen wie XGBoost oder neuronalen Netzwerken experimentieren, um Kundenpräferenzen vorherzusagen. Die Time to Value beim Lösen von Aufgaben wie die Verbesserung der Kundenzufriedenheit lässt sich so signifikant verkürzen.
SAS Viya Workbench: Schneller Modelle implementieren
SAS Viya Workbench ist eine als SaaS bereitgestellte On-Demand-Umgebung, die Anwendern Datenanalysen und Modellentwicklung über eine codebasierte Oberfläche in ihrer präferierten Programmiersprache erlaubt. Entwickler können Open-Source-Code performanter nutzen, indem sie über gängige Python-Tools wie pandas oder Scikit-learn-Pakete die Compute Engine umstellen und Analytics-Funktionen mit SAS ausführen.
SAS Viya Workbench stellt jedem Anwender die passende Analytics-Umgebung bereit, die seinen Workload-Anforderungen entspricht. Mit der Integration in die Plattform SAS Viya stehen gleichzeitig Enterprise-Features zur Verfügung, darunter Daten- und Modellmanagement, Governance und Orchestrierung. Entwickler und Modellierer profitieren dadurch von höherer Produktivität und schnellerer Innovation.
