Mit ausgefeilten Statistiken und Analytics-Anwendungen hat der Softwareanbieter SAS seinen Ruf aufgebaut – und nebenbei seinen Chef Jim Goodnight zum reichsten Mann in seinem Heimatstaat North Carolina gemacht. Vor allem mit der Vertikalisierung seiner mathematischen Verfahren gelang es dem Unternehmen über viele Jahre hinweg immer neue Anwendungsbereiche zu erschließen. Doch die Zeiten haben sich gewandelt.
Cloud-Provider und ERP-Anbieter haben Analytics und Business Intelligence in ihr Standard-Portfolio integriert. Und auch wenn diese Angebote in puncto Leistungsumfang nicht immer an die Lösungen von SAS heranreichen, so sind sie doch in vielen Anwendungsfällen eine ausreichende Alternative.
Allerdings droht ein weiterer Paradigmenwechsel durch neue Technologien und neue Anwendungsbereiche.
IT als IT-Disruptor
„Die neuen Technologien krempeln ganze Branchen um – und davon ist auch die IT-Welt betroffen“, sagt Patric Märki, DACH-Chef bei SAS, in seiner Eröffnungsrede zum SAS-Forum in Bonn im Juni 2018. So sei Analytics heute kein Produkt mehr, sondern selbst Opfer der technologischen Disruption.
Mit seiner neuen Initiative Edge Analytics will SAS seine Software dort hinbringen, wo die Daten entstehen – und wo sie auch zur sofortigen Problemlösung ausgewertet werden müssen. Ziel ist es, die IoT-Datenmengen soweit zu reduzieren, dass es keine Bandbreitenprobleme gibt und auch mit wesentlich kürzeren Latenzen gearbeitet werden kann.
„Unser Ziel ist es, Sensordaten schon so früh wie möglich zu verarbeiten, um damit die nachfolgende Infrastruktur so wenig wie möglich zu belasten“, sagt SAS-Analytics-Expertin Nicole Tschauder in ihrer Präsentation. Sie teilt diesen Prozess in sieben Schritte auf: Datentransformation und -Vorverarbeitung, intelligente Filterung, Dimensionen reduzieren, Merkmale extrahieren, Performance überwachen sowie Anomalien erkennen.
Nicht nur Daten, sondern auch Entscheidungen, an der Edge
Mit Modellen, die über diese Funktionen bereits in unmittelbarer Sensornähe verfügen, lassen sich dann direkte Ergebnisse erzielen. Als ein Beispiel dafür verweist sie auf die Erkennung eines Asthmaanfalls mit Hilfe von Atmungssensoren. Der Atmungsrhythmus und die weiteren gemessenen Schwingungen werden mit Short-Time Fourier Transformation (STFT) analysiert. Als Ergebnis werden Asthmaanfälle automatisch erkannt und die entsprechenden Alarme ausgelöst.
„Der intelligente Umgang mit IoT-Daten und die Erschaffung von signifikantem Geschäftswert erfordert neue analytische Techniken und neue Wege zu deren Anwendung“, lautet Tschauders Zusammenfassung der diesbezüglichen SAS-Aktivitäten.
Edge Analytics: ein boomender Markt
Mit dem Fokus auf Edge Analytics adressiert SAS einen Markt mit deutlichem Wachstumspotential. So sagen die Analysten von Research-and-Markets, dass das weltweite Marktvolumen von derzeit 2,14 Milliarden bis 2025 auf 13,44 Milliarden Dollar ansteigen wird. Das entspricht einem jährlichen Wachstum von rund 22 Prozent.
Abbildung 1: Patric Märki in seiner Eröffnungsrede zum SAS-Forum in Bonn.
Doch das lockt natürlich auch die Konkurrenz auf den Plan. Fast wöchentlich kommen neue Angebote von den großen System- und Cloud-Anbietern auf den Markt. HPE, IBM, Microsoft, Google und Amazon sind besonders aktiv.
Zweiter Disruptor: KI
Neben IoT und den damit verbundenen neuen Analyseanforderungen gibt es noch einen zweiten Disruptor. „Alle unsere Kunden experimentieren in irgendeiner Form mit KI“, sagt Märki. Branchenmäßig ist das vor allem beim Handel und im Bereich Life-Science zu beobachten. In Deutschland gibt es laut Märki außerdem viele KI-Projekte im Verbund mit IoT.
Bei einem speziellen Bereich von KI, dem Machine Learning (ML), verweist Märki darauf, dass es sich lediglich um eine Weiterentwicklung von Analytics handelt. „Das, was man heute ML nennt, ist eigentlich klassisches Analytics. Das heißt, es handelt sich um eine Klasse von Algorithmen, die über Eigenschaften verfügen, die man mathematisch formulieren kann. Diese reifen dadurch, dass ein Lernalgorithmus hinzugefügt wird, der bestimmte Parametereinstellungen oder Gewichtungen nachjustiert“, sagt Märki. Somit mache Machine Learning Analytics nur präziser.
KI nicht ohne natürliche Intelligenz
Märki weist aber auch darauf hin, dass KI nicht einfach nur auf Knopfdruck funktioniert. „Das Hausmittel Mensch ist noch immer sehr wichtig“, lautet seine Einschätzung. In diesem Zusammenhang zeichnet sich auch eine Art Glaubenskrieg darüber ab, wie man die neuen KI-Projekte organisatorisch im Unternehmen ansiedeln sollte.
Alle unsere Kunden experimentieren in irgendeiner Form mit KI.
Patric MärkiSAS
Die eine Meinung lautet, dass KI-Experimente losgelöst vom Tagesgeschäft in separaten Einheiten erfolgen sollten. Die andere besagt, dass man von Anfang an den realen Praxisbezug mit integrieren muss, das heißt KI muss bei den Operations-Einheiten aufgehängt sein.
Während die meisten Referenten eher zur ersten Vorgehensweise neigen, scheinen die Teilnehmer den zweiten Weg zu bevorzugen. „KI-Projekte lassen sich am besten nur interdisziplinär realisieren, isolierte Elfenbeintürme sind hier nicht angebracht“, sagt ein Analytics-Architekt von einer großen Schweizer Versicherung während des SAS Forums.
Vom Produkt zum Know-how
Die meisten Teilnehmer des Forums sehen die Zukunft von SAS nicht mehr als reinen Produktlieferanten, sondern vor allem als Partner für Know-how-Transfer und Software-Consulting. „Die Analytics-Produkte sind doch schon längst alle Commodities geworden“, lautete daher auch die Meinung vieler Teilnehmer.
Folgen Sie SearchEnterpriseSoftware.de auch auf Twitter, Google+, Xing und Facebook!
Nächste Schritte
Wie SAS seine Marketing-Mitarbeiter auf Datenanalysen vorbereitet.
