Holen Sie KI-Projekte in die Luft

Jeder Mensch erlebt Angst, und zwar auf seine ganz individuelle Art und Weise. In der KI-Welt wird die Angst durch die Unkenntnis des Prozesses, die beruflichen Auswirkungen des Scheiterns und die entmutigende Aufgabe, alle Menschen und Perspektiven zusammenzubringen, die erforderlich sind, um loszulegen, getrieben. In der Luft- und Raumfahrt wird diese Herausforderung durch Ressourcenknappheit, Herausforderungen in der Lieferkette und Marktvolatilität verstärkt. Fügen Sie riesige Mengen an disparaten, nicht zusammenhängenden Daten hinzu und Sie haben das Rezept für Stillstand, gescheiterte Projekte und verschwendetes Geld.

Das Fehlschlagen des Starts ist real. Hier sind drei wichtige Lehren aus unserer Arbeit mit Rolls-Royce und Gulfstream, die Ihr KI-Projekt zum Abheben bringen werden.

Lektion 1:Wie isst man einen Elefanten?

Ein Biss nach dem anderen. Luft- und Raumfahrtunternehmen wollen ihre Betriebsmargen erhöhen. Von reduzierten Ausfallzeiten über vorhersagbare Qualität bis hin zur Vorhersage der Bewegung kritischer Teile gibt es viele Möglichkeiten. Lassen Sie sich nicht von allen Möglichkeiten verführen. Finden Sie eine, die schnell durchgeführt werden kann, und stellen Sie die Glaubwürdigkeit Ihres Teams und Ihres Anbieters fest. Dies ist wichtig, da KI ein iterativer Prozess ist. Wenn die Verfügbarkeit von Daten und Fachwissen nicht konsistent ist, wird Ihr Projekt ins Stocken geraten. Bei Rolls-Royce haben wir Anwendungsfälle für Predictive Maintenance und Ausschussreduzierung diskutiert, bevor wir uns am Prüfstand auf Predictive Quality festgelegt haben. Wieso den? Weil die benötigten Daten und Kundenressourcen leicht verfügbar waren und der Weg zur Integration der Funktion klar war. Denken Sie hier an Occam’s Razor:Der einfachste Weg ist der beste.

Lektion 2:Verliere nicht die Kontrolle

Ein wichtiger Streitpunkt zwischen dem Business und der IT ist, wer die Kontrolle über diese neue Funktion behält und wie sie unterstützt und gewartet wird. Cloud-Anbieter preisen schnelle Starts durch leicht verfügbare, erschwingliche Infrastruktur. Für das Business stellt dies einen klaren Weg dar, ohne die Bürokratie von IT-Prozessen durchzustarten. Dies kann jedoch zu einem technischen Lock-in führen; eine Situation, in der all Ihre Logik, Modelle und Datenprozesse in den Systemen eines Anbieters stecken bleiben. Die Kosten steigen, die Flexibilität wird eingeschränkt und Sie fühlen sich gefangen. Denken Sie daran, dass der Wert in der Logik, den Modellen und Datenkonstrukten liegt – nicht unbedingt in der Infrastruktur. Bei Gulfstream haben wir diese Falle vermieden, indem wir die Containerisierung genutzt haben, einen Ansatz, der es Ihrer Logik und Funktionalität ermöglicht, vollständig portierbar, bereitgestellt und über jede Kombination von Infrastrukturen basierend auf Anforderungen und Kosten skaliert zu werden. Gulfstream war in der Lage, die Kontrolle über ihr geistiges Eigentum zu behalten und es auf den/die Anbieter ihrer Wahl auszuweiten.

Lektion 3:Die wahren Kosten verstehen

Es ist einfach, sich in einen schnellen, einfachen und erschwinglichen Anwendungsfall zu verlieben. Aber was passiert, wenn Sie es auf mehrere Linien, Anlagen und Prozesse skalieren möchten? Ist es noch schnell, einfach und erschwinglich? Cloud-Lösungen können in dieser Hinsicht trügerisch sein; Die Speicherung ist kostengünstig, aber die zum Trainieren und Optimieren von Modellen erforderliche Rechenkapazität kann mit zunehmenden Datensätzen kostspielig werden. Ein Kunde prognostizierte einen 35-fachen Anstieg der Cloud-Kosten im Zusammenhang mit der Skalierung eines vorausschauenden Wartungsmodells auf vier Anlagenbetriebe. Auch hier kann Containerisierung verwendet werden, um die Kosten der Skalierbarkeit zu optimieren. Bei Rolls-Royce haben wir die Containerisierung genutzt, um Modelle auf kostengünstigerer lokaler Infrastruktur neu zu trainieren, und die neu trainierten Modelle dann in Cloud-Umgebungen bereitgestellt, um optimalen Zugriff und Verfügbarkeit zu gewährleisten. Dadurch konnten die Skalierungskosten jährlich unter 5 % gehalten werden.

Die Verwaltung von Komplexität, Kontrolle und Kosten ist der Kern des Erfolgs jeder maschinellen Lern- oder KI-Bemühung. Wir haben Vorlagen genutzt, die in jahrelangen Projekten entwickelt wurden, um diese Richtlinien zu vereinfachen, zu verstehen und an wichtige Projektteams weiterzugeben.