Über einem Roboterarm schwebt eine virtuelle Darstellung eines Gehirns.

Künstliche Intelligenz aus der Open Telekom Cloud

Mit der Open Telekom Cloud erhalten Sie skalierbare, sichere und datenschutzkonforme Rechenkapazität für Ihr KI-Projekt

So gelingen erfolgreiche KI-Projekte

Sie möchten erste Prototypen und Anwendungen mit künstlicher Intelligenz (KI) ausprobieren, doch die dafür notwendigen Kapazitäten und Kompetenzen fehlen im Unternehmen? Gleichzeitig scheuen Sie vor hohen Investitionskosten zurück? Dank kostengünstiger Public-Cloud-Kapazitäten wird künstliche Intelligenz für jedes Unternehmen bezahlbar. Nutzen sie einfach, flexibel und schnell Ressourcen aus der Open Telekom Cloud und starten Sie Ihr KI-Projekt!

Nützliches Basiswissen

Was ist KI, was nicht? Unser Whitepaper vermittelt nützliches Wissen und sorgt für Orientierung im KI-Dschungel.

Cloud-Kapazitäten für leistungsfähigen KI-Betrieb

Ob digitale Sprachassistenten, präzise Vorhersagen von Kundenverhalten im Marketing oder die vorausschauende Wartung von Maschinen in der Industrie 4.0 – die Anwendungsfälle für künstliche Intelligenz sind vielfältig. Dabei werten intelligente Algorithmen extrem große Datenmengen aus unterschiedlichsten Quellen aus, beispielsweise im Rahmen von Machine Learning oder Neuronalen Netzen. Außerdem erkennen sie Muster und Zusammenhänge, die Menschen verborgen bleiben. Sie erstellen zielgenaue Prognosen, sind lernfähig und entwickeln sich selbstständig weiter. Dies funktioniert jedoch nur mit einer leistungsfähigen Infrastruktur, beispielsweise zum Trainieren von Algorithmen mit großen Datenmengen. Hier profitieren Unternehmen von einer geschickten Kombination aus On-Premises-Kapazitäten und bedarfsabhängigen IT-Ressourcen aus der Public Cloud. Und auf Prozessorebene vom bedarfsgerechten Einsatz von CPU, GPU, FPGA & Co.

So gelingt Ihr KI-Projekt

Das Potenzial von künstlicher Intelligenz für Unternehmen ist groß. Unser Whitepaper zeigt konkrete Anwendungsszenarien.

Prozessoren für KI: Geschwindigkeit ist keine Hexerei

FPGAs und Künstliche Intelligenz

Anwendungen von Künstlicher Intelligenz erfordern häufig Echtzeit-Antworten mit geringstmöglicher Latenz – zum Beispiel Onlineshops, die Preise aktualisieren, oder Trading-Plattformen, die auf Marktentwicklungen schnellstmöglich reagieren müssen, oder kurzfristige Wetterprognosen bei Sturmwarnungen. Wenn keine Zeit zu verlieren ist, sind Field Programmable Gate Arrays (FPGAs) aus der Open Telekom Cloud die beste Lösung.

FPGAs individuell programmieren

FPGAs sind programmierbare Hardware-Elemente beziehungsweise Schaltkreise. Im Unterschied zu Prozessoren wie CPUs und GPUs sind Abfolge und Art der Nutzung von Chip, Arbeitsspeicher, Netzwerk & Co. nicht fest vorgegeben. Die Schaltungen sind frei konfigurierbar, durch ihre Reprogrammierbarkeit sehr flexibel und kommen im KI-Kontext unter anderem bei Machine Learning, Fraud Detection (Betrugserkennung), Spracherkennung oder Trendanalysen zur Anwendung.

Der Turbo für Anwendungen: Xelera

Wie FPGAs sich als Beschleuniger von Anwendungen in Unternehmen nutzen lassen, zeigt das Startup Xelera mit seiner Suite, die Sie aus der Open Telekom Cloud buchen können. Die Xelera Suite ist eine hardwareunabhängige Schnittstelle zu FPGA-Plattformen in Rechenzentren und in der Cloud. Damit lassen sich ohne spezifisches Know-how der Technologie Prozesse und Applikationen in Unternehmen auf Touren bringen: Je nach Skalierung sind Beschleunigungen um mehr als den Faktor 100 möglich.

Durch die Kapazitäten aus der Open Telekom Cloud haben wir die Möglichkeit, unseren Beschleuniger schnell in der Cloud aufzusetzen und je nach Anwendungsszenario des Kunden zu konfigurieren, etwa bei der Beschleunigung von Standard-Datenbanken wie SAP.

Dr. Felix Winterstein, Gründer von Xelera
 

Open Telekom Cloud wird Testsieger im Analysten-Benchmark

Das Analystenhaus Cloud Spectator hat für den Benchmark „Western Europe Cloud IaaS Analysis“ hochspezialisierte virtuelle Maschinen (VMs) verschiedener Cloud Service Provider getestet, darunter Amazon Web Services (AWS), Microsoft Azure, Google Compute Engine (GCE) und die Open Telekom Cloud.

Geprüft wurden zwei Typen virtueller Maschinen (VM): Zum einen Hochleistungs-VMs mit so genanntem Nonvolatile Memory Express (NVMe) oder lokalem SSD-Speicher, zum anderen speicheroptimierte VMs mit entsprechend hohen Lese- und Schreib-Performances. Alle diese VMs erfüllen die notwendigen Voraussetzungen für spezifische Anwendungen wie Prozesse, die einen extrem hohen Datendurchsatz (IOPS) erfordern, Gleitkommaoperationen, Echtzeitanalysen, die Verarbeitung großer Datenmengen oder die Durchführung von Hochfrequenz-Datenbankoperationen im Random Access Memory (RAM).

Das Fazit: „Die Analyse von Cloud Spectator ergab, dass das Open TelekomCloud-Portfolio von T-Systems Premium-Lösungen bietet, die vergleichbaren Hyper-Scaler-Angeboten überlegen sind. Beide getesteten VM-Typen der Telekom weisen große Vorteile gegenüber ihren Mitbewerbern auf“, so Cloud Spectator im Resümee der Studie.

KI in der Praxis

KI bringt alle Voraussetzungen mit, um Unternehmen von Kopf bis Fuß rundum zu erneuern. Nahezu alle Branchen und Fachbereiche können von Anwendungen Künstlicher Intelligenz profitieren. Wie Sie von KI in der Praxis profitieren können erfahren Sie hier.

KI im Einzelhandel

Personalisiertes Marketing im Einzelhandel

Intelligente Systeme auf digitalen Screens in Verkaufsräumen helfen mit Bildverarbeitung und Mustererkennung dabei, Werbung und Ansprache speziell auf Kunden abzustimmen und personalisierte Angebote zu machen. Dazu werten die KI-Systeme Merkmale wie Körperhaltung und Blickzeiten auf bestimmte Warenauslagen aus. Werden mehrere vernetzte Geräte eingesetzt, lernen diese voneinander und erhöhen die KI-Effektivität.

Intelligentes Audiomarketing in Geschäften

Die Auswahl von Hintergrundmusik beeinflusst das Einkaufsverhalten von Kunden. Mithilfe von KI lassen sich Anzahl und Alter der Personen in einem Geschäft erkennen und mit Geschäftsdaten wie Lagerbeständen sowie äußeren Einflüssen wie Wetter und lokalen Events verknüpfen. Auf Basis dieser Analyse werden Hintergrundmusik und Promo-Spots so angepasst, dass sie den Kunden ein angenehmes Einkaufserlebnis verschaffen.

Kundenverhalten vorhersagen

Aus Kundendaten lernen und Kundenverhalten vorhersagen

Mit Verfahren des Maschinellen Lernens (ML) lassen sich vorhandene Kundendaten so aufbereiten, dass Prognosen des Einkaufsverhaltens möglich werden. Ausgewertet werden zum Beispiel die Verweildauer auf einer Website, Anzahl und Preise der Produkte in Warenkörben, Alter der Kunden und Bestellhistorien. Das ML-System kann daraus selbstständig Muster und Vorhersagen ableiten – etwa, dass günstigere Produkte schneller gekauft werden, wiederholtes Aufrufen eines Produkts die Bestellwahrscheinlichkeit erhöht oder bestimmte Produkte von Kunden einer bestimmten Altersgruppe häufig gekauft werden.

In sozialen Netzwerken Trends und Kundenvorlieben aufspüren

Der Einsatz von KI-Verfahren wie Machine Learning ist nicht auf eigene Datenbestände im Unternehmen beschränkt. Durch KI lassen sich auch Beiträge, Posts und Tweets auf Facebook oder Twitter analysieren, unter anderem auf Worthäufigkeiten und emotionalen Gehalt (Sentiments) sowie die Anzahl von Hashtags und Likes. Zusätzlich können die Systeme etwa die Wetter- und Nachrichtenlage bei ihren Analysen berücksichtigen und in die Prognosen künftigen Kundenverhaltens einfließen lassen. Maschinelles Lernen ermöglicht es KI-Systemen, relevante Merkmale und Schwellwerte selbstständig zu erkennen und auszuwerten. Und eine Künstliche Intelligenz bleibt niemals auf dem Status quo stehen – sie lernt und entwickelt sich permanent weiter.

KI in der Qualitätssicherung

Qualitätssicherung in der Produktion: Artikelprüfung

Eine selbstlernende Oberflächenprüfung sorgt dafür, dass Oberflächenfehler, Verunreinigungen und Schwankungen in Artikel-Mustern zuverlässig erkannt werden. Hierfür hat das Fraunhofer IPA ein adaptives, optisches Inspektionsverfahren entwickelt. Es basiert auf einem unüberwachten Lernverfahren, bei dem sich das optische Prüfsystem automatisch an veränderte Oberflächenstrukturen anpasst.

Qualitätssicherung in der Industrie: Recycling

Mithilfe einer selbstlernenden Objektklassifikation lassen sich Altgeräte wie Katalysatoren besser identifizieren. Deren Zustand ist aufgrund von Korrosion, Verformungen oder Beschädigungen oft schlecht. Die Geräte werden dreidimensional mit einem Laserliniensensor erfasst und anhand verschiedener Merkmale – wie Objektkontur und Krümmung – auf Basis von Neuronalen Netzen klassifiziert. Dabei erzielten Fraunhofer-Forscher eine Klassifikationsrate von über 90 Prozent.

Qualitätssicherung in der Pharmazie: Sichtkontrolle

In Pharmazie und Biologie werden große Mengen von befruchteten Zebrafischeiern benötigt. Dank einer automatisierten Sichtkontrolle lassen sich befruchtete Eier automatisch erkennen und von unbefruchteten unterscheiden. Dafür wird von jedem Ei ein Kamerabild aufgenommen und durch ein Deep-Learning-Netzwerk analysiert. Die Erkennungsrate liegt bei 99,8 Prozent.

Weitere Praxisbeispiele

Smart Wearables – Alles im Blick mit Datenbrillen

Tragbare, mit Sensoren ausgestattete KI-Systeme, die am Körper getragen werden oder in die Kleidung integriert sind, leisten nützliche Dienste. Datenbrillen etwa unterstützen die Mitarbeiter bei Kommissionierungsaufträgen durch das Scannen von Behältern, Lager- und Artikelcodes. Zum Beispiel können farbige Markierungen auf der Brille den Weg zum richtigen Regal erleichtern oder Wartungsanleitungen eingespielt werden. Das spart Zeit und minimiert die Fehlerquote.

Fahrzeuge steuern über 4.000 Kilometer Entfernung

Zusammen mit dem israelischen Startup Ottopia hat T-Systems gezeigt, wie sich über tausende Kilometer hinweg Fahrzeuge auf einem Werkhof fernsteuern, überführen oder auch als Taxi nutzen lassen. Damit die Reaktionszeit bei der Übertragung der riesigen Datenmengen nicht zu lang wird, setzt Ottopia eine KI-Anwendung ein, die die Auslastung der Funkzellen rechtzeitig vorhersagt. Damit sind unterbrechungsfreie Dienste selbst über öffentliche LTE-Netze an abgelegenen Orten möglich.

KI-gestützte Tourenplanung reduziert Leerstände

Jeder dritte LKW fährt leer durch Deutschland. Eine KI-gestützte Tourenplanung, die Faktoren wie Wetter, Events und Kaufverhalten der Kundschaft zu unterschiedlichen Jahreszeiten berücksichtigt, kann die Anzahl von Leerfahrten und Stehzeiten verringern. Das KI-System prognostiziert die Marktpreise für LKW-Touren und bestimmt Preise für freiwerdende Kapazitäten. So lassen sich Angebot und Nachfrage schnell und effektiv koppeln – und Transportfahrten nachhaltiger gestalten.

KI sortiert die Post – automatisierte Belegerfassung

Briefe, E-Mails, Rechnungen und andere Belegdokumente können mithilfe der Bild- und Objekterkennung von KI-Lösungen automatisch verarbeitet und weiter verteilt werden. Da Dokumente häufig in unterschiedlichen Formaten in Unternehmen eintreffen – besonders in international tätigen – empfiehlt sich der Einsatz einer selbst lernenden KI, die Text, Zahlen und Werte richtig zuordnen kann.

Texte richtig verstehen – mit Text Mining

Text Mining ist eine KI-gestützte Lese- und Verständnishilfe, die Verfahren wie Natural Language Processing und Deep Learning nutzt. Sie erkennt und verarbeitet Bedeutungszusammenhänge in strukturierten und unstrukturierten Dokumenten. Zahlreiche Prozesse profitieren davon: So lässt sich etwa aus der Analyse des Kundenfeedbacks in E-Mails automatisiert die richtige Reaktion des Kundenservice auslösen. Zudem ist Text Mining sehr nützlich, wenn es etwa um die Analyse von Vertragstexten und anderen Geschäftsdokumenten geht. 

Neugierig geworden?

Unsere KI-Experten ermitteln das Potenzial, wie Ihr Unternehmen von künstlicher Intelligenz profitieren kann. Gemeinsam mit Ihnen setzen wir individuelle KI-Projekte um – vom Konzept über die Installation bis zum Betrieb in der Open Telekom Cloud.