Computerworld hat sich vor einer Weile mit einer Gruppe europäischer Tech-Journalisten auf eine Firmen-Tour durch San Francisco und das umliegende Silicon Valley begeben. Auf dem Programm standen Besuche bei Software-Unternehmen, die mit ihren fortschrittlichen Lösungen Managern, IT-Verantwortlichen oder auch Datenspezialisten den Arbeitsalltag erleichtern wollen. Diese elf Software-Hersteller aus San Francisco und dem Silicon Valley machen sich bereit, die Welt zu erobern. Hierzulande sind sie zwar noch eher unbekannt, ihre Lösungen könnten aber schon bald helfen, IT-Fachleute zu entlasten und neue Business-Möglichkeiten zu schaffen.

Das Spektrum reicht dabei von der Compliance-Lösung mit Künstlicher Intelligenz über die Active-Analytics-Plattform, den API-Marktplatz und die Automatisierungslösung für die Datenerfassung bei Machine-Learning-Projekten bis hin zur Network-Visibility-Anwendung für mehr IT-Sicherheit.

Das Problem: Für Finanzdienstleister wird es zunehmend schwieriger und teurer, alle für sie relevanten regulatorischen Veränderungen im Blick zu behalten. Laut Kayvan Alikhani, Mitgründer von Compliance.ai, kostete das Firmen aus diesem Sektor seit 2009 bereits Bussgelder von mehr als 340 Milliarden Dollar. Den 50 grössten Banken weltweit gingen dadurch Gewinne von 850 Milliarden Dollar durch die Lappen.

Der Lösungsansatz: Compliance.ai entwickelte eine SaaS-Plattform, die automatisch Millionen von Gesetzestexten, Vorschriften, Nachrichten oder auch Whitepapers von zahlreichen Behörden analysiert und aus diesen konkrete Erkenntnisse und Trends zieht. Compliance-Abteilungen erhalten die für sie relevanten Insights mit Handlungsanweisungen über ein personalisierbares Dashboard angezeigt. Zur Datenanalyse werden Machine-Learning-Algorithmen angewendet. Compliance.ai setzt Fachleute mit Branchenkenntnissen ein, um das maschinelle Lernen und die KI-basierten Entscheidungen durch die Integration von menschlichem Input kontinuierlich zu verbessern.

Das Problem: Damit Firmen ihr Geschäft mit Erkenntnissen aus der Datenanalyse voranbringen können, braucht es eine Verlagerung von passiver zu aktiver Analytik. «Passive Analytik ist wie der Blick in den Rückspiegel», sagt Irina Farooq, Chief Product Officer bei Kinetica. «In der heutigen Zeit müssen Entscheidungen aber in Echtzeit getroffen werden.»“

Der Lösungsansatz: Kinetica bietet seinen Kunden eine Active-Analytics-Plattform, mit der Milliarden von aktiven und historischen Datenpunkten kontinuierlich und automatisch analysiert werden können. Darauf basierend liessen sich sofort fundierte Entscheidungen fällen. Kinetica vereint in der Plattform die Analyse von historischen und von Streaming-Daten, Graph Analytics, Location Intelligence und auf Machine Learning gestützte Analysen. Kern der Lösung ist eine dezentrale, GPU-beschleunigte InMemory-Datenbank. Dank der cloudfähigen Architektur soll die Platt­form ausserdem eine automatische Skalierung über öffentliche und private Cloud-Infrastrukturen hinweg bieten.

Das Problem: Künstliche Intelligenz liegt mächtig im Trend. Den Angaben von Donald Scott zufolge – er ist einer der beiden Gründer des 2017 gegründeten Start-ups Onepanel – kämpfen viele Unternehmen jedoch damit, eine skalierbare Infrastruktur für KI zur Verfügung zu stellen.

Der Lösungsansatz: Dafür hat Scott gemeinsam mit Rush Tehrani eine Plattform entwickelt, die es ermöglichen soll, durch den Einsatz von Kubernetes Deep-Learning-Modelle in einer reproduzierbaren und elastischen Cloud-Umgebung bereitzustellen. Möglich ist das gleichermassen auf AWS, Azure und Google Cloud Platform. Mit Onepanel lässt sich zudem die Entwicklung von KI- und Deep-Learning-Anwendungen von der Infrastruktur entkoppeln. Scott meint, dass dank der entkoppelten Infrastruktur und der automatisierten Workflows jedes Unternehmen KI-Initiativen starten könne. Er will sie mit der Onepanel-Plattform dabei unterstützen, Innovationen schneller voranzutreiben.

Das Problem: Machine Learning funktioniert nicht ohne Modell, das anhand einer grossen Menge an Daten trainiert wird. Anwender kennen diese Modelle allerdings oftmals nicht. Das wird dann problematisch, wenn ein Unternehmen dieses von Gesetzes wegen nachvollziehen können muss. «Ist ein Modell erst einmal produktiv, ist es sehr schwierig he­rauszufinden, was zu einer Entscheidung geführt hat», erklärt Eero Laaksonen, der Gründer und CEO des finnischen Start-ups Valohai, das mittlerweile auch ein Standbein in San Francisco hat.

Der Lösungsansatz: Valohai (was so viel bedeutet wie leuch­tender Hai) hat hierfür ein ausgeklügeltes Tool im Angebot, mit dem Anwender Machine-Learning-Prozesse und die dafür notwendige Datenerfassung automatisieren können. Programmierern wird so ermöglicht, mehrere Varianten eines Machine-Learning-Projekts parallel zu entwickeln, zu testen und zu betreiben. Laut Laaksonen soll die Valohai-Lösung Änderungen verfolgen und reproduzierbare Algorithmen erstellen können. Ausserdem stelle sie sicher, dass sich Änderungen beim Experimentieren nicht auf die laufenden Prozesse auswirken, versichert der Gründer.

Das Problem: Wer in Eigenregie Programmierschnitt­stellen entwickeln und bereitstellen will, braucht dafür nicht nur das nötige Know-how, sondern auch genügend Zeit und ein ausreichend grosses Entwicklerteam. Entsprechend hoch sind die damit einhergehenden Kosten.

Der Lösungsansatz: RapidAPI bietet als Alternative einen Marktplatz, der Programmierern den Austausch von APIs erleichtern soll. Gestartet ist das Projekt laut CEO Iddo Gino eigentlich als nicht kommerzielle Bibliothek für Programmierschnittstellen. Schnell hätten dann aber viele Entwickler mit dieser gearbeitet. Gino zufolge ist die Community rund um RapidAPI mittlerweile auf rund eine Million Entwickler angewachsen. Sie können über die Plattform jene APIs suchen und schliesslich einsetzen, die sie be­nötigen. Zusätzlich bietet RapidAPI vertiefte Insights zu den jeweiligen Programmierschnittstellen, damit man beispielsweise häufig auftretende Fehler identifizieren kann. Über die Plattform werden gegenwärtig bereits mehr als 10'000 APIs vermarktet.

Das Problem: Den IT-Support rund um die Uhr sicher­zustellen, das ist für Unternehmen nicht nur eine personal­intensive Angelegenheit, sondern kostet diese auch noch eine ganze Menge Geld. Managed Service Provider können hier zwar für sie in die Bresche springen, stehen aber letztlich vor genau den gleichen Problemen wie ihre Kunden.

Der Lösungsansatz: Gabby Nizri, CEO und Gründer von Ayehu, will Unternehmen hierbei entlasten. Gemeinsam mit Yavon Levy hat er eine Automatisierungslösung mit Machine-Learning-Funktionen entwickelt, die insbesondere repetitive Aufgaben übernehmen und damit helfen soll, IT-Kosten zu reduzieren. Interessant: Die Lösung erfordert keine Programmierung. Ein Workflow-Designer sorgt in Kombination mit vorkonfigurierten Aktionen und Agentless-Technologie dafür, dass Prozesse mittels Drag and Drop über Systemgrenzen hinweg definiert und automatisiert werden können. So kann man beispielsweise die Infrastruktur managen, Software-Patches einspielen oder auch neue Arbeitsplätze onboarden. Anwender können die Plattform On-Premises betreiben. Zu ihren Kunden zählt die Firma Ayehu unter anderem die beiden Schweizer Grossbanken UBS und Credit Suisse.

Das Problem: Ein Grossteil von Business Intelligence ist Schinderei. Datenspezialisten investieren für gewöhnlich Monate in die Integration und Aufbereitung von Informa­tionen. Ob die Daten richtig sind, findet man jedoch meist erst bei der Abfrage heraus. Wenn es schlecht läuft, vergeuden Fachleute unter Umständen viel Zeit.

Der Lösungsansatz: Kaycee Lai, der CEO und Gründer von Promethium, will diesen Prozess auf den Kopf stellen. So schlägt die Software seiner Firma den Datenanalysten zunächst mögliche Fragen vor. Die relevanten Daten werden dann von der Lösung automatisch mit den zur Ver­fügung stehenden Quellen verknüpft. Identifiziert würden dabei auch Datenduplikate sowie die Herkunft der Informationen. Die Intelligenz der Software wird dabei laut Lai mit menschlichen Inputs kombiniert. Datenexperten können die Anfragen validieren und mit dem Modell spielen. Dieses Vorgehen soll den Prozess insgesamt massiv beschleunigen: «Mit Promethium beantworten Analysten eine Frage in drei Minuten. Mit herkömmlichen Tools brauchen sie dafür drei bis vier Monate», sagt der CEO. Eingebaut wurden auch Funktionen zur Verarbeitung natürlicher Sprache (Natural Language Processing), um SQL-Abfragen aus menschlichen Spracheingaben zu generieren.

Das Problem: Bei Bouquet.ai liegt der Fokus ähnlich wie bei Promethium. Wollen Unternehmen Datensätze visualisieren, müssen sie zuerst sicherstellen, dass diese von ausreichender Qualität sind.

Der Lösungsansatz: Die Firma bietet hierzu mit Aristotle ein KI-basiertes Tool, das es ermöglicht, sich direkt mit Datenbanken zu unterhalten. Zum Einsatz kommt auch hier die Natural-Language-Processing-Technologie. Der virtuelle Assistent Aristotle erforscht verfügbare Daten mit Abfragefunktionen und lernt dabei gleichzeitig. Er unterstützt etwa den Zugriff auf Informationen aus operativen Anwendungen wie CRM- oder ERP-Systemen. Aristotle lässt sich auch in Messaging-Dienste wie Slack oder Microsoft Teams integrieren. CEO Adrien Schmidt verspricht beim ersten Erstellen eines Modells eine Datenerkennungsrate von bis zu 50 Prozent. Nach weiterem Training steige diese auf 85 Prozent.

Das Problem: Auch in der Industrie kann Künstliche Intelligenz Unternehmen entscheidend voranbringen. Wie Qirong Ho, CTO und Co-Gründer von Petuum erklärt, decken KI-Lösungen dort aber meist nur spezifische Funktionen und Anwendungen ab. Eine weitere Hürde sei zudem die oft sehr hohe Komplexität.

Der Lösungsansatz: Petuum bietet daher die Software-Plattform Symphony an. Sie soll als Basis dafür dienen, dass Unternehmen auf einfachere Art und Weise ihre eigenen KI-Lösungen anhand vorgefertigter Module ent­wickeln können. Hierfür liefert die Firma standardisierte Prozesse, Software-Design-Tools sowie Bausteine für die Datenverarbeitung und das Machine Learning. Laut CTO Ho lassen sich so Deep-Learning- und Machine-Learning-Workflows in verschiedenen Umgebungen ausführen und skalieren. Petuum hat bereits prominente Unterstützer: Von der Plattform war der Softbank-Chef Masayoshi Son derart angetan, dass er kurzerhand 108 Millionen Dollar in das Unternehmen investierte.

Das Problem: Die europäische Datenschutz-Grundverordnung DSGVO verlangt von Unternehmen, dass sie sorgfältig mit ihren Daten umgehen. Die Verschlüsselung der Informationen bietet dabei den besten Schutz. Wer aber mit den Informationen arbeiten will, muss sie zuerst entschlüsseln. Da wird es nun beispielsweise für Hacker interessant.

Der Lösungsansatz: Damit die Daten zu diesem Zeitpunkt nicht in falsche Hände geraten, setzt die Firma Shield­IO auf das homomorphe Verschlüsselungsverfahren. Dieses ermöglicht es, dass verschlüsselte Daten verarbeitet werden können, ohne sie zuvor zu entschlüsseln. Unternehmen können so verschlüsselte Informationen mit tieferer Latenzzeit durchsuchen und analysieren. Nicht nötig sind zudem KeyStores, die normalerweise für die Datenbankverschlüsselung gebraucht würden. Der ShieldIO-CEO AJ Jennings erklärt, dass stattdessen für jedes verschlüsselte Bit mit einem proprietären Algorithmus ein flüch­tiger Schlüssel generiert wird. ShieldIO wurde mittlerweile etwa in das Cloud-Ökosystem von Oracle aufgenommen. Bereitgestellt werden kann das System als JDBC-, OBDC-, .NET- und EF-Datenbanktreiber.

Das Problem: Hacker fallen heutzutage oftmals nicht mehr mit der Tür ins Haus. Vielmehr nisten sie sich in Firmennetzen ein und saugen Daten über längere Zeit ab. Besonders APT-Angriffe (Advanced Persistent Threats) stellen neue Herausforderungen für die IT-Sicherheit dar.

Der Lösungsansatz: Corelight bietet als Gegenmassnahme eine Network-Visibility-Lösung auf Basis des Open-Source-Frameworks Zeek. Das Tool für die Netzwerkanalyse wurde 1994 von Vern Paxson ent­wickelt. Er ist heute Chief Scientist bei Corelight. Das Unternehmen macht Zeek nun im Prinzip Enterprise-ready. Die Lösung soll im Datenverkehr die nötigen Informationen sammeln, um etwa Threat-Hunting-Teams auf mögliche Ungereimtheiten aufmerksam zu machen. Corelight-CEO Gregory Bell beschreibt die Lösung als «Schweizer Sackmesser für die Überwachung des Netzwerk-Traffics». So erkenne sie nicht nur APT-Angriffe, sondern zum Beispiel auch Malware-Infektionen, unbefugte Zugriffe, Phishing oder Datenklau.