Maßgeschneiderte MLOps-Lösungen für die Industrie

Die Herausforderungen der Toolauswahl und Integration meistern

© Have a nice day / AdobeStock.com

Auf dem Markt gibt es viele kommerzielle und Open-Source-Tools für die Entwicklung von ML-Lösungen in der Industrie. Der Prozess der Auswahl eines bestimmten Tools ist jedoch nicht einfach. Diese Komplexität ergibt sich aus verschiedenen anwendungsspezifischen Zwängen wie beispielsweise Lizenzvereinbarungen, Datensicherheit und Kompatibilität mit bestehenden Systemen. Außerdem müssen mehrere Tools kombiniert werden, um die gewünschte Funktionalität für einen konkreten Anwendungsfall zu erreichen. Daraus ergeben sich Herausforderungen in Bezug auf Benutzerfreundlichkeit, Bedienbarkeit, Wartung und Integration in die bestehende Infrastruktur der Industriepartner.

Unsere Forscherinnen und Forscher der Arbeitsgruppe für Supply Chain Services des Fraunhofer IIS entwickeln maßgeschneiderte Lösungen für maschinelles Lernen (MLOps), die auf die spezifischen Anforderungen unserer Industriepartner zugeschnitten sind. Diese MLOps-Lösungen nutzen die Stärken verschiedener ML-spezifischer Tools und sind dennoch einfach zu bedienen und zu warten.

Vorgehensweise bei der Entwicklung maßgeschneiderter MLOps-Lösungen

Zunächst analysieren wir die Anforderungen durch ausführliche Interviews mit den relevanten Akteuren im Unternehmen. Durch umfangreiche Recherchen identifizieren und bewerten wir geeignete Tools in Übereinstimmung mit den Anforderungen des Anwendungsfalls. Das Ziel ist es, alle identifizierten Tools zu kombinieren und eine maßgeschneiderte MLOps-Lösung zu entwickeln, die auf den aktuellen Anwendungsfall zugeschnitten ist. Diese Lösung umfasst alle notwendigen Funktionalitäten, die für eine ML-Lösung unerlässlich sind, wie in dem Architekturdiagramm in Abbildung 1 dargestellt.

© Fraunhofer IIS
ML-Architekturdiagramm, das die verschiedenen Komponenten beschreibt, die zur Entwicklung einer ML-Anwendung benötigt werden.

Anschließend kann diese MLOps-Lösung in die Infrastruktur des Kunden integriert werden und wird durch einen Katalog ergänzt, der die durchgeführten Interviews und die aus unserer Forschung abgeleiteten Empfehlungen zusammenfasst.

Wenn Sie auf der Suche nach maßgeschneiderten MLOps-Lösungen für Ihr Unternehmen sind, stehen wir Ihnen gerne zur Verfügung. Bitte nehmen Sie Kontakt mit uns auf.

Das könnte Sie auch interessieren

 

Kernkompetenz

Data Analytics Methoden

Um den Rohstoff »Daten« zu gewinnen, bieten wir als eine von drei ineinandergreifenden Kernkompetenzen an, neue Lösungen für Data Analytics und KI zu entwickeln. Lesen Sie hier mehr darüber, warum wir mit Hilfe von Analytics aus scheinbar unbeherrschbaren Datenmengen und -materialien handhabbare, qualitative Daten und Informationen generieren wollen und wie wir vorgehen.

 

Forschungsfeld

MLOps – Operationalisierung von KI in Produktion und Logistik

Mit Entwicklungsleitlinien für verständliche bedien- und wartbare KI-Systeme (MLOps) wird die operative Nutzung von Machine Learning Methoden für Endanwender*innen ohne KI-Expertise ermöglicht.

 

Data Efficient Automated Learning

Lesen Sie hier mehr über unsere Kompetenzen für mehr Effizienz von KI innerhalb des Machine Learning Lifecycles.  

 

DeKIOps: Demokratisierung von KI mit MLOps

Ziel des Forschungsvorhabens ist die Demokratisierung von ML-Systemen und der niederschwellige Zugang zu ML-Lösungen für Endanwendende, um dem Fachkräftemangel von ML-Expertinnen und -Experten entgegenzuwirken. Dazu werden Entwicklungsleitlinien für verständlich bedien- und wartbare ML-Systeme entwickelt werden, welche die operative Nutzung dieser ML-Systeme für Endanwender:innen ohne KI-Expertise ermöglichen.