Serverless, künstliche Intelligenz & Clouditegration

Eine Serverless-Architektur bietet dem Projektteam den grossen Vorteil, dass es sich nur mit dem Code und dessen Applikation beschäftigen kann, ohne sich mit Infrastruktur-Themen auseinandersetzen zu müssen. Der IT-Betrieb wird an den Cloud-Anbieter übertragen. Die benötigte Infrastruktur kommt quasi «wie der Strom aus der Steckdose». Flexibilität, Skalierbarkeit und Sicherheit sind einige der wichtigsten Features einer Serverless-Architektur, neben der Reduzierung der IT-Kosten.

Nach jahrelanger Erfahrung ist BMT von dieser Architektur-Variante überzeugt und unterstreicht dies mit dem Einsatz von eigenen sowie von kundenspezifischen Serverless-Lösungen. Nachfolgend zeigen wir einige Beispiele auf:

Woonig – der digitale Immobilienverwalter
Mit Woonig gewann BMT den Real Estate Award 2019 in der Kategorie Bewirtschaftung (siehe www.woonig.ch und realestateaward.ch ).

Woonig ist eine Serverless-Cloud-Lösung für Immobilienverwalter, welche die Kommunikation zwischen Verwalter, Mieter und Handwerker/Dienstleister perfektioniert.

Die Kommunikation zwischen den Beteiligten kann dank des Einsatzes künstlicher Intelligenz kontextbezogen automatisch in über 100 Sprachen übersetzt werden. Auf diese Weise kommuniziert und empfängt jeder Informationen in seiner präferierten Sprache. Die Lösung ist zudem geräteunabhängig über Web-App und Mobile-App verfügbar.

CloudCheckliste – der Checklisten-Generator
Ein weiteres Beispiel ist die Serverless-Cloud-Lösung www.CloudCheckliste.ch .

Hier wurde eine Serverless-Lösung aufgebaut, die es ermöglicht, einfache und komplexe Checklisten sowie Formulare zu generieren, verteilen und ausfüllen zu lassen.

Man kann den Checklisten und deren Fragen/Antworten frei definierbare Metadaten hinterlegen. Über die eingesetzten Webhooks können Folgeprozesse gestartet werden wie z. B. in ERP-Systemen Daten ergänzen.

Mit der BMT-CloudCheckliste können einfache Mitarbeiter- oder Kundenumfragen im Handumdrehen erstellt, aber auch mehrstufige Prozesse wie die Wartung komplexer Anlagen unterstützt werden. Die Checkliste kann zudem in bestehende Apps und Webanwendungen integriert werden.

Künstliche Intelligenz im Bereich Produkt-Katalog-Management
Im E-Commerce spielen digitale Produktkataloge eine entscheidende Rolle. Diese setzen sich meist aus einer Vielzahl an Daten unterschiedlicher Lieferanten zusammen. Die Formate sind uneinheitlich und müssen zusammengeführt werden. Dazu müssen die verschiedenen Quellstrukturen auf einer Zielstruktur abgebildet werden (Mapping). Diese Arbeit wird heutzutage noch überwiegend manuell durchgeführt. Künstliche Intelligenz mithilfe maschinellen Lernens eignet sich sehr gut zur Automatisierung von Szenarien mit repetitiven Prozessen. BMT hat sich dazu entschlossen, in dieses herausfordernde Innovationsvorhaben zu investieren.

In einem ersten Schritt wird die Abbildung formalisiert, um ein lernfähiges System (Active Learning) aufbauen zu können. Eine Mapping-Recommender-Benutzeroberfläche (UI) liefert dann zunehmend bessere Vorschläge für Zuordnungen (Mappings), um den Vorgang zu beschleunigen. Ein weiteres Anwendungsgebiet der Katalog-KI ist die automatisierte Extraktion strukturierter Produktmerkmale (Features) aus unstrukturierten Beschreibungstexten. Die Datenqualität von Katalogen und damit der wirtschaftliche Wert hängen oft entscheidend von der Verfügbarkeit von Produkteigenschaften ab. Häufig fehlen diese, sind unvollständig oder uneinheitlich. Mithilfe von Computerlinguistik (Natural Language Processing) können Kandidaten zur Anreicherung (Feature-Augmentierung) identifiziert werden. Anschliessend kann in einem Active-Learning-System eine Qualitätskontrolle durchgeführt werden. Mit diesem Verfahren werden grosse Skalierungseffekte erzielt, da einzelne Merkmale in den meisten Fällen einmalig bestätigt oder verworfen werden müssen, um produkt- oder sogar katalogübergreifend Gültigkeit zu erlangen.

Künstliche Intelligenz im Bereich Bilderkennung und Datenkategorisierung
Die Bilderkennung ist ein Anwendungsgebiet des maschinellen Sehens (Computer Vision), das erst in den letzten Jahren mit der rasanten Entwicklung leistungsstarker Architektur von neuronalen Netzen (Deep Learning) und Infrastruktur/Hardware, also Grafikprozessoren (GPUs) praktikabel realisierbar wurde. Bei einer grossen Anzahl von Einzelbildern pro Objekt (beispielsweise verschiedene Autotypen) können diese hinreichend gut unterschieden (klassifiziert) werden. Problematisch ist der Fall, bei dem nur wenige Bilder (oft nur ein einziges Bild) pro Objekt vorhanden sind, aber eine Vielzahl verschiedener Klassen unterschieden werden sollen. Dieses Szenario findet man häufig bei Produktbildern in einem Katalog. Soll nun dem Anwender einer Webshop-App eine Produktbilderkennung mithilfe der Smartphone-Kamera ermöglicht werden, ist für die Bildklassifikation von Produktkategorien ein manuelles Bild-Labeling erforderlich. BMT entwickelt dazu ein System zur Bildsortierung unter Nutzung maschinellen Lernens. Zunächst leistet dieses eine Vorsortierung mit Image-Clustering (Häufung von Bildern mit ähnlichem Inhalt nach Feature-Extraktion durch ein vortrainiertes neuronales Netz). Anschliessend wird mit minimalem Eingreifen des Nutzers in einem Active-Learning-Prozess nach der Benennung der Kategorien die Klassifikation verbessert. Das System schlägt dabei jeweils unsichere Kandidaten vor (Uncertainty Sampling), deren korrektes Labeling durch den Menschen die Genauigkeit am meisten erhöht. Schliesslich kann ein neuronales Netz zur Klassifikation trainiert und in der Cloud deployed werden.

Die heute immer stärker ausgeprägte agile Software-Entwicklung stellt neue bzw. veränderte Anforderungen an die Integration bestehender und neuer Applikationen. Bei der Abwicklung von Geschäftsprozessen werden immer häufiger «as a Service»-Applikationen (SaaS) eingebunden, bei denen fortlaufend neue Features des jeweiligen Anbieters gebraucht werden können. Aufgrund zunehmender Nutzung solcher Cloud-basierter Dienste wächst die IT-Landschaft auch ausserhalb der hauseigenen Unternehmensgrenzen.

Die Kopplung interner Systeme und Schnittstellen zu extern betriebenen Services bringt neue Herausforderungen mit sich. In diesem Kontext kann eine Cloud-basierte Integrations-Plattform (IPaaS) die Komplexität reduzieren und deren kontinuierliche Integration optimieren. Diverse Cloud-basierte Integrations-Plattformen stellen für unterschiedliche SaaS-Anwendungen sogenannten Integrations-Content zur Verfügung, der die Integration erleichtert respektive vordefinierte und lediglich parametrisierbare Schnittstellen ausliefert.

Die Integration und Orchestration vieler Services und Applikationen bedarf einer ganzheitlichen Überwachung und stellt neue Anforderungen an den Betrieb einer solchen IT-Landschaft. Mit dem Produkt CLOUDSIRENE (https://www.cloudsirene.com) stellen wir hierfür eine unabhängige Plattform für das Alerting und Applikationsmonitoring zur Verfügung. CLOUDSIRENE ist einfach einzubinden und kann als «Software as a Service» bezogen werden.

Stetig wachsende, neue und innovative Technologien erfordern eine agile Integration, die zugleich robust und nachhaltig gestaltet sein sollte. Das beinhaltet: