Setzen Sie KI-Analysen dort ein, wo sich Ihre Daten befinden

KI-Experimente halten rasch Einzug in den unternehmensweiten Produktivbetrieb. In vielen Fällen ist jedoch der Einheitsansatz einer ausschließlich auf „ Cloud “ basierenden KI mit vom Anbieter verwalteten Modellen nicht tragfähig.

Wenn KI Teil der alltäglichen Geschäftsprozesse wird, sehen sich Unternehmen mit Fragen konfrontiert, die in früheren Versuchsphasen oft vermieden wurden: Wo läuft die Anwendung? Welche Modelle kann sie nutzen? Wo werden sensible Daten verarbeitet? Erfüllt die Architektur die bestehenden Anforderungen hinsichtlich Sicherheit, Regulierung und Datenhoheit?

Eine neue Studie von BARC und Actian zeigt, wie sich die Anforderungen an „ Deployment “ verändern, während KI zunehmend in die Produktion Einzug hält. Der Bericht „Where Enterprise AI Runs“ ergab, dass drei von vier Unternehmen in irgendeiner Form „ Cloud “-Dienste für KI-Workloads nutzen, doch 76 % geben an, dass die Bedeutung des Einsatzes von KI außerhalb der „ Cloud “ in den letzten 12 Monaten zugenommen hat. Diese Verlagerung spiegelt wachsende Anforderungen in Bezug auf Souveränität, sensible Informationen, Nachvollziehbarkeit, Abhängigkeit von Anbietern, Ausfallsicherheit und geschäftskritische Bedeutung wider.

Das bedeutet nicht, dass Unternehmen die „ Cloud “ aufgeben. Es spiegelt jedoch ihr Bedürfnis wider, selbst entscheiden zu können, wo einzelne KI-Workloads ausgeführt werden.

Actian AI Analyst unterstützt nun selbst gehostete „ Deployment “ und „Bring-Your-Own-LLM“ (BYOLLM), wodurch Unternehmen mehr Kontrolle darüber erhalten, wo ihre KI-Analysen ausgeführt werden und welche Modelle sie verwenden.

Zuverlässige KI-Analysen mit mehr Auswahl bei „ Deployment “

AI Analyst stellt Geschäftsanwendern einen KI-Datenanalysten für Unternehmensdaten zur Verfügung. Sie können Fragen in natürlicher Sprache stellen, Veränderungen untersuchen, Berichte erstellen und das Geschäft überwachen, ohne auf eine neue „ dashboard “ warten oder jede Frage an das Analyseteam weiterleiten zu müssen.

Hinter diesen Interaktionen stützt sich AI Analyst bei der Analyse auf festgelegte Kennzahlen, Dimensionen, Beziehungen und geschäftliche Definitionen. Die zur Ermittlung der Ergebnisse verwendete Logik bleibt sichtbar, sodass Teams überprüfen können, wie eine Antwort zustande gekommen ist, anstatt eine von der KI generierte Antwort einfach nur zu akzeptieren.

Bislang wurde AI Analyst als verwaltetes SaaS-Angebot bereitgestellt. Dies ist für viele Unternehmen nach wie vor die einfachste Option, passt jedoch nicht zu jeder Produktionsumgebung.

Ein Finanzinstitut kann verlangen, dass eine Analyseanwendung innerhalb seiner privaten „ Cloud “ zusammen mit anderen zugelassenen KI-Diensten ausgeführt wird. Ein Hersteller muss möglicherweise sicherstellen, dass sensible Betriebsdaten innerhalb einer bestimmten Umgebung verbleiben. Ein Gesundheitsdienstleister verfügt möglicherweise bereits über zugelassene LLM-Anbieter und Richtlinien zur Modellverwaltung, an die sich jede neue KI-Anwendung halten muss.

Je mehr KI vom Experimentierstadium in den produktiven Einsatz übergeht, desto schwieriger wird es, diese Anforderungen zu umgehen. BARC beschreibt den sich abzeichnenden Ansatz als „deliberate Workload placement“ (bewusste Platzierung von KI-Systemen). Dabei wird anhand der Anforderungen an Kontrolle, Risiko, Leistung und Infrastruktur des jeweiligen Workload entschieden, wo KI eingesetzt werden soll.

Setzen Sie AI Analyst dort ein, wo Ihre Anforderungen es erfordern

Mit der selbst gehosteten Version von „ Deployment “ können Unternehmen AI Analyst innerhalb ihrer eigenen Infrastruktur betreiben, anstatt ausschließlich die „ Cloud “-Umgebung von Actian zu nutzen.

Für Unternehmen, die hinsichtlich des Einsatzortes ihrer Anwendungen bestimmte Anforderungen in Bezug auf Sicherheit, gesetzliche Vorschriften, Datenhoheit oder Architektur haben, lässt sich AI Analyst nahtlos in die bereits bestehende Infrastruktur integrieren. Dies kann die Bereitstellung in einer privaten „ Cloud “ neben bestehenden Daten- und KI-Diensten bedeuten oder die Beibehaltung der Anwendung „ On-Premises “, wenn die Workloads innerhalb der unternehmenseigenen Umgebung verbleiben müssen.

Die Entscheidung hängt von den Anforderungen des „ Workload “ ab. Nutzen Sie Managed SaaS, wenn Sie möchten, dass Actian die Anwendungsinfrastruktur „ verwalten “ bereitstellt. Betreiben Sie AI Analyst selbst, wenn Sicherheits-, regulatorische, souveränitätsbezogene oder architektonische Anforderungen es erfordern, dass die Anwendung innerhalb einer von Ihnen kontrollierten Infrastruktur ausgeführt wird.

Deployment Die Wahl des Modells hat keinen Einfluss auf das Produkterlebnis. Der selbst gehostete AI Analyst bietet dieselben Funktionen und dieselbe Leistung wie die Version „ Cloud “, einschließlich derselben regulierten semantischen Grundlage und derselben Transparenz hinsichtlich der Entstehung der Ergebnisse.

Nutzen Sie das LLM, das zu Ihrer KI-Strategie passt

Wo die Anwendung läuft, ist nur ein Teil des Ganzen. Viele Unternehmen haben zudem eigene Beziehungen zu LLM-Anbietern, KI-Gateways und Cloud KI-Diensten aufgebaut.

Mit der Option „Bring your own LLM“ können Unternehmen AI Analyst mit ihrem bestehenden LLM-Anbieter oder Modell-Endpunkt verbinden, anstatt auf ein von Actian gehostetes Modell zurückzugreifen. Dies gibt Teams mehr Kontrolle über die Modellauswahl und ermöglicht es, AI Analyst in die bestehende KI-Infrastruktur und die Governance-Richtlinien des Unternehmens zu integrieren.

Dazu kann ein vom Kunden verwaltetes Konto bei einem kommerziellen LLM-Anbieter wie OpenAI oder Anthropic gehören oder der Zugriff auf Modelle über ein Unternehmens-KI-Gateway oder einen KI-Dienst v Cloud , wie beispielsweise AWS Bedrock, Google Vertex AI oder Azure AI, je nach Architektur und Authentifizierungsanforderungen des Kunden.

Für manche Unternehmen bietet BYOLLM bereits die gesamte zusätzliche Kontrolle, die sie benötigen. Andere verfügen möglicherweise über eine Modellinfrastruktur, auf die ausschließlich von innerhalb ihres privaten Netzwerks zugegriffen werden kann. In solchen Umgebungen bietet das selbst gehostete AI Analyst eine weitere Ebene der „ Deployment “-Kontrolle, wobei die gleichen Analysefunktionen erhalten bleiben.

Da KI zunehmend den Sprung von der Experimentierphase in den alltäglichen Geschäftseinsatz schafft, benötigen Unternehmen die Flexibilität, KI in ihre bestehende Infrastruktur, ihre Sicherheitsanforderungen und ihre Modellstrategie zu integrieren. Mit den selbst gehosteten Lösungen „ Deployment “ und „BYOLLM“ kann AI Analyst nun an die vom Unternehmen gewählte Architektur und KI-Strategie angepasst werden.

Starten Sie eine kostenlose Testversion von Actian AI Analyst, um zu erfahren, wie kontrollierte KI-Analysen mit Ihren Daten funktionieren.

Über den Autor

Über Andrew Petersen

Andrew leitet das Produktmarketing für das KI-Portfolio von Actian. Mit seinem Hintergrund in den Bereichen Produktmarketing, Kundenforschung, Content-Strategie und Journalismus konzentriert sich Andrew darauf, komplexe Daten- und KI-Technologien so zu positionieren, dass sie zu greifbaren Geschäftsergebnissen führen. Vor seiner Tätigkeit bei Actian war er in verschiedenen Positionen im Produktmarketing bei CData, data.world und Workato tätig.