Nicht verpassen: Neue Technologie-Trends
Die Analyseergebnisse von riesigen Datenmengen aus immer zahlreicheren Quellen sind längst Grundlage für private und wirtschaftliche Entscheidungen geworden. Zusehends leistungsfähigere Systeme übernehmen diese Aufgaben – sowohl in großen Rechenzentren, in der Cloud oder auf kleinen verteilten Systemen. Um ernsthaft Nutzen aus Big Data zu ziehen, spielt künstliche Intelligenz eine wachsende Rolle – künftig auch in Kombination mit smarten Objekten, die selbstständig Probleme lösen. Die Technologie-Trends entwickeln sich in rascher Abfolge weiter und lösen wiederum selbst neue Folgetrends aus. Wir wagen einen Blick in die nähere Zukunft:
Viel Power macht klug
Ein Trend, der erst durch enorm gestiegene Rechenleistungen ermöglicht wurde, ist die künstliche Intelligenz (Artificial Intelligence, AI). Während in der Vergangenheit sowohl die technischen Kapazitäten fehlten, als auch der Nutzen durch gewinnbringende Anwendungsszenarien – sind nun beide Voraussetzungen erfüllt. So erwarten auch die Marktforscher von Gartner in ihrer aktuellen Analyse „10 Strategic Technology Trends for 2018“, dass AI im kommenden Jahr deutlich an Fahrt aufnimmt. Begünstigt wird die Entwicklung durch eine zunehmende Roboterisierung, sprunghaft steigendes Datenaufkommen und sinkende Kosten für potente Computersysteme. Ein entscheidendes Element für die weitere Entwicklung ist maschinelles Lernen: Anstatt schon bei der Programmierung Software-Routinen zu implementieren, die erwartete Ereignisse vorab definieren, wird das künstliche System mit großen Datenmengen auf bestimmte Muster und Gesetzmäßigkeiten „trainiert“. So können abstrahierte Aufgabenstellungen und Lösungswege gelernt und als Erfahrungswissen in künftigen Situationen eingesetzt werden.
Insbesondere in Verbindung mit dem Deep-Learning-Ansatz erhalten Systeme ungleich größere Fähigkeiten. Intelligente Persönliche Assistenten (IPAs) wie Apples Siri oder der Google Assistant nutzen Deep Learning, um ihr Können auszubauen und mit dem Menschen immer natürlicher zu interagieren. Allerdings ist nicht davon auszugehen, dass künstliche Intelligenz zwangsläufig zu menschenähnlichen Systemen führt. Denn auch wenn im Deep Learning neuronale Netze – ähnlich dem des Menschen – adaptiert werden, kann sich die kognitive Architektur grundlegend unterscheiden. Besonders emotionale Elemente wie Liebe, Hass, Angst oder Freude, werden auch künftig eher im Verhalten simuliert als tatsächlich „empfunden“. Menschlich oder nicht: Intelligente Assistenzsysteme werden in weitere Lebensbereiche vordringen und neue Aufgaben übernehmen.
Das Internet der smarten Dinge
Die Unternehmensberatung PwC (PricewaterhouseCoopers) spricht in der aktuellen Studie „Leveraging the upcoming disruptions from AI and IoT“ von einem tiefgreifenden Wandel durch den Einfluss von künstlicher Intelligenz (AI) auf das Internet der Dinge (IoT). Beide Gebiete werden sich laut PwC ineinander verschränken und gegenseitig massiv verstärken. Ansatzweise finden sich solche Szenarien beispielsweise in der produzierenden Industrie. Dort werten selbstlernende Systeme die Daten aus dem ERP-System und von Maschinen und Sensoren aus, um daraus vorausschauende und anpassende Analysen zu erstellen. Sie steuern Prozesse und machen Vorschläge zur Änderung der Geschäftsstrategie – eine smarte Entscheidungsunterstützung.
Nun bleibt es aber nicht dabei, dass selbstlernende Systeme Datenquellen aus dem Internet der Dinge nutzen. Vielmehr verstärkt sich eine Tendenz, in der vernetzte Maschinen und Geräte künftig selbst mit künstlicher Intelligenz ausgestattet sind. Denn die ungeheuer schnell wachsenden Datenbestände lassen sich nur noch dann vernünftig nutzen, wenn sie in einen sinnvollen Kontext gestellt werden. An dem Punkt kommt künstliche Intelligenz ins Spiel: Die wesentlichen Komponenten des IoT wie Konnektivität, Sensorik oder Robotik müssen in Zukunft durch eigene AI angereichert werden. Schon heute bilden eingebettete Systeme auf vernetzten Geräten ein Schlüsselelement für das Internet der Dinge. Ihren Einsatz auszubauen und diese mit Intelligenz zu versehen, ermöglicht es, dass sich Objekte künftig autonom verhalten – je nach den variierenden Anforderungen in ihrer Umgebung. Die dezentrale Intelligenz von diesen Smart Objects kann beispielsweise in der Logistik zu extrem flexibler und proaktiver Lagerbestandshaltung führen.
Im Container warten Microservices
Das wachsende Internet der Dinge muss nicht smart sein, um der Softwareentwicklung besondere Herausforderungen zu bereiten: Zum Beispiel wird aus Zeit- und Kostengründen häufig Software für Hardwaresysteme entwickelt, die erst als frühe Prototypen vorliegen. Existiert später die endgültige Hardware, muss die Software mühsam an die finalen Spezifikationen angepasst werden. Auch ist es im IoT schwierig, die heterogenen und verteilten Systeme regelmäßig mit Updates und Sicherheits-Patches zu versorgen. In beiden Fällen werden künftig vermehrt Container-Technologien wie das hochgelobte Docker helfen. Denn Container machen unabhängig: Sie enthalten die Applikation selbst und alle benötigten Komponenten einer angepassten Laufzeitumgebung, wie Bibliotheken oder Konfigurationsdateien. Damit sind sie ein hervorragendes Tool, um komplette Anwendungen vom Host-System zu abzukapseln. Ist die Anwendung sauber in ihrem Container isoliert, lassen sich neue Funktionen oder Sicherheits-Updates durch die Entwickler leichter testen und an verteilte Produktivsysteme deployen.
Aber auch abseits vom Internet der Dinge sind Container und ihre Vorteile zusehends gefragt: Zum Beispiel gehen Container sehr effizient mit der eingesetzten Hardware um, da keine vollständige Virtualisierung gestartet werden muss. So können auf einem System zeitgleich mehrere Container eingesetzt werden. Außerdem sind Container mit ihrer gekapselten Applikationslogik prädestiniert für die sehr gefragten Microservices. Damit sind Anwendungen gemeint, die in kleinere, unabhängig voneinander implementierbare Module aufgeteilt wurden – anstatt aus einem großen, komplexen Codeblock zu bestehen. Die einzelnen Module stellen dann jeweils nur Teilbereiche wie Database oder Frontend zur Verfügung. Solche modularen Microservices sind übersichtlicher und leichter zu modifizieren, da für Änderungen nicht gleich eine monolithische Applikation überarbeitet werden muss. Container werden so zur Schlüsseltechnologie, die den Folgetrend Microservices ermöglicht.
