Zukunft Industrien

Mit über 50 nochmal durchstarten: Mainframes im kognitiven Zeitalter

Kognitive Systeme, künstliche Intelligenz (KI) und Blockchain haben sich in den letzten 24 Monaten zu echten Stars entwickelt: Egal, ob beim Kundengespräch, auf Konferenzen oder einfach bei der Zeitungslektüre – mindestens eins dieser Themen und seine Auswirkungen auf die Digitalisierung der Wirtschaft und Gesellschaft wird angesprochen, beschrieben oder diskutiert. Kein Zweifel: Kognitiv, KI und Blockchain werden Mainstream und damit zentrale Bausteine jeder IT-Strategie.

Interessanterweise taucht in diesem Zusammenhang eine Frage bisher nur am Rande auf: Welche IT-Plattformen werden zukünftig dabei helfen, den wachsenden Anforderungen an diese Technologien gerecht zu werden?

Kognitive Systeme haben insbesondere die unstrukturierten Daten im Blick – also etwa handgeschriebene Texte, Bilder oder Audio-Aufnahmen, die 80 Prozent der neun Billionen Gigabyte an Daten, die im letzten Jahr erzeugt wurden, ausmachen. Aber wir brauchen mehr denn je Plattformen, die sicherstellen, dass Unternehmen auch ihre strukturierten Daten, die nach wie vor anfallen und deren wahrer Informationsgehalt bislang noch nicht ausreichend ausgeschöpft werden konnte, strategisch nutzen. Nur in der Verknüpfung dieser beiden Datentypen bekommen Unternehmen einen umfassenden Überblick und Einblick, um strategische Entscheidungen zu treffen und wettbewerbsfähig zu bleiben.

Tatsächlich scheint der Mainframe in Zukunft eines der ganz wenigen Systeme zu sein, das den Spagat zwischen traditioneller IT, Cloud und neuer, kognitiver Welt bewerkstelligen kann.

Unser ältestes und gleichzeitig jüngstes Produkt: Der IBM Mainframe

Über den Mainframe ist in den letzten Jahren viel geurteilt worden: Zu teuer. Zu komplex. Zu alt. Und überhaupt: In Zeiten kognitiver Systeme, Cloud, Big Data und künstlicher Intelligenz – wer braucht da noch eine über ein halbes Jahrhundert alte IT-Plattform?  Die Antwort: Die 25 weltweit größten Banken, die zehn weltweit größten Versicherungsunternehmen und 18 der 25 größten U.S.-Einzelhändler. Denn nach wie vor liegen 80 Prozent aller strukturierter Daten weltweit auf dem Mainframe. Pro Tag werden schätzungsweise etwa 30 Milliarden Transaktionen von Kreditkarten, Aktiengeschäften, Geldtransfers, aber auch ERP Systemen oder Produktionsprozesse, über die Plattform abgewickelt. Und rund 70 Prozent aller Datenanalysen laufen nach wie vor über Datenbanken, die von einem Mainframe unterstützt werden. Die Gründe für die Treue bestehender und das wachsende Interesse neuer Kunden sind gleichzeitig die Vorteile, die die Plattform seit vielen Jahrzehnten auszeichnet: Die extreme hohe Ausfallsicherheit, die Anzahl an möglichen Transaktionen und die auf anderen IT-Infrastrukturen nicht erreichte Sicherheit genau dieser Transaktionen.

mainframepicintext2

 

Der IBM Mainframe ist IBM ältestes Produkt und auch heute noch von großem Wert bei vielen Anwendungen.

In den letzten Jahren wurde die Plattform konsequent auf die neuen An- und Herausforderungen der Kunden angepasst: Dazu gehören die Optimierung für mobile Transaktionen ebenso wie die Ausrichtung des Mainframes als Basis für Cloud-Umgebungen innerhalb von Unternehmen wie auch als Plattform für Serviceanbieter im Public-Cloud-Umfeld. Und nicht zuletzt wurden die originären Datenanalyse-Funktionen ausgebaut, um Unternehmen in Echtzeit Einblick in Transaktionen zu geben.

Gerade für Blockchain-Anwendungen in Unternehmensnetzwerken sind Kryptographie, Sicherheit, Hochverfügbarkeit und die Transaktionsgeschwindigkeit des Mainframes Grundvoraussetzung für das notwendige Vertrauen aller Beteiligten in die zugrundeliegende Infrastruktur –  schließlich werden hochsensible Daten und Informationen über die Blockchain ausgetauscht beziehungsweise mit Unternehmensanwendungen integriert.

Wer sich für Details einer dieser Technologien, die Blockchain auf dem Mainframe unterstützt interessiert, findet hier Details für den so genannten Secure Service Container.

Machine Learning für den Mainframe

Richtig spannend wird es, wenn wir Elemente kognitiver Technologien auf die Plattform bringen. Denn die Analyse und Anwendung aller Unternehmensdaten auf einem Mainframe ist selbst für Experten wie die in diesem Zusammenhang häufig genannten Data Scientists eine Herausforderung.

Mit Machine Learning können in Zukunft die bereits vorhandenen, aber nicht immer optimal genutzten Daten wesentlich detaillierter und besser durchforstet und verarbeitet werden. Während unser Gehirn nur einige wenige Datenpunkte erkennen und verknüpfen kann, können Rechner Millionen dieser Punkte miteinander verbinden. Mehr noch: Mit Machine Learning können Systeme vorhandene Datenmodelle mit neuen Daten anreichern und so über die Zeit optimieren.

Die Technologie wird ihr volles Potential aber nur dann nutzen können, wenn sie unmittelbar dort zum Einsatz kommt, wo die Daten auch sitzen: Entweder in einer Public Cloud-Umgebung oder in einer privaten Unternehmens-Cloud.

Seit kurzem gibt es dafür ein nützliches Angebot: IBM Machine Learning for z/OS. Die Technologie hilft Nutzern, die Transaktionsdaten auf dem Mainframe zu analysieren, ohne sie auf eine andere Plattform migrieren zu müssen. Unter Zuhilfenahme von IBM Watson Machine Learning (ML) können Data Scientists auch die Entwicklung, das Training und die Implementierung entsprechender Analyse-Modelle automatisieren und so beschleunigen.

Die Technologie nutzt erstmals die von IBM Research entwickelte Cognitive Automation for Data Scientists, die dabei unterstützt, den richtigen Algorithmus für die entsprechenden Datensätze auszuwählen. Dabei werden die zu analysierenden Daten gegen verfügbare Algorithmen gewertet und der am besten geeignete empfohlen – abhängig davon, welche Aufgabe zu leisten ist und wie schnell das Ganze Resultate zeigen soll.

Der Einsatz von Machine Learning für Big Data in Unternehmen wird weitreichende Veränderungen nach sich ziehen und über die Unterstützung von Data Scientists hinausreichen: Machine Learning hilft dabei, Daten automatisch und mit Hilfe von entsprechenden Systemen autonom zu analysieren, zu verstehen und daraus zu lernen.  Damit werden mittelfristig Ansätze wie Predictive Analytics durch kognitive Technologien ersetzt, die durch automatisch optimierten Modelle ein echtes, datenbasiertes Wissen für Unternehmen schaffen. Und was bedeutet das für den Mainframe?  Den Beginn eines neuen Kapitels in seiner seit Jahrzehnten fortschreitenden Evolution.

Auf der CeBIT 2017 am IBM Stand in Halle 2, Demopunkt 844, können Sie sich von Experten weitere Details zum Thema Machine Learning auf System z erläutern lassen.

Add Comment
No Comments

Leave a Reply

Your email address will not be published.Required fields are marked *

More Zukunft Industrien Stories

Outthink Disruption – Innovation für die kognitive Ära auf der IFA 2016

Die IFA steht vor der Tür. Das ist ein guter Anlass für einen Blick zurück auf ein Jahr voller Innovationen und natürlich für die Aussicht auf eine Zukunft mit kognitiven Technologien: Denn ein großer Trend auf der IFA in diesem Jahr wird die viel diskutierte künstliche Intelligenz sein, zusammen mit dem Internet der Dinge. Es […]

Gesundheitswesen: Kognitive Assistenzsysteme im Praxiseinsatz

Über die Rolle von Daten in der Medizin in Zusammenhang mit kognitiven Assistenz-Systemen wie IBM Watson haben wir an dieser Stelle bereits berichtet. In einem zweiten Teil wollen wir Ihnen jetzt einige praktische Einsatzmöglichkeiten aufzeigen, wie kognitive Assistenzsysteme im Alltag zu effizienteren Prozessen und besserer Patientenversorgung beitragen können. Patient Summary Individuelle und dynamisch aufbereitete Zusammenfassungen […]

Die Zeit ist reif für eine neue Generation von Customer Services: Kognitive Technologien für mehr Kundenzufriedenheit und höhere Effizienz

Einen wirklich exzellenten Kundenservice kann nur derjenige bieten, der seine Kunden genau kennt und sie dort abholt, wo sie stehen – so weit, so unstrittig. Doch was sich nach einer Binsenweisheit anhört, ist in der Praxis oft kaum umzusetzen: Schließlich muss sich der Kundenberater im Service Center in Sekundenschnelle auf seinen Interaktionspartner und dessen Bedürfnisse […]