Startseite

Z Software

Z Analysen

Machine Learning for z/OS

Machine Learning for IBM z/OS

Beschleunigen Sie Ihre Geschäftserkenntnisse in großem Maßstab mit transaktionaler KI auf IBM z/OS

Kostenlos testen

Machine Learning for IBM® z/OS (MLz) ist eine transaktionale KI-Plattform, die nativ auf IBM z/OS läuft. Sie bietet eine Web-Benutzeroberfläche (UI), verschiedene APIs und ein webbasiertes Administrations-Dashboard mit einer leistungsstarken Suite benutzerfreundlicher Tools für die Modellentwicklung und -bereitstellung, das Benutzermanagement und die Systemverwaltung.

Sie können Modelle einfach importieren, bereitstellen und überwachen, um aus jeder Transaktion einen Mehrwert zu erzielen und neue Ergebnisse für Ihr Unternehmen zu generieren, während gleichzeitig die betrieblichen SLAs eingehalten werden.

Für mehr Flexibilität umfasst Machine Learning for z/OS zwei Editionen: 

  • IBM Machine Learning für IBM z/OS Enterprise Edition – eine KI-Plattform mit vollständigem Lebenszyklus und End-to-End-Funktionalität mit KI-Funktionen für Unternehmen wie native CICS- und IMS-Scoring-Schnittstellen, Python- und Spark-Scoring-Services, ONNX- und Deep Learning Compiler-Unterstützung und Funktionen für vertrauenswürdige KI wie Erklärbarkeit.
  • IBM Machine Learning for IBM z/OS Core Edition: eine leichtgewichtige Version von MLz, die die wesentlichen Services auf Basis einer REST-API für maschinelle Lernvorgänge einschließlich Online-Scoring-Funktionen auf IBM® Z bereitstellt.

Alle Editionen von IBM Machine Learning for IBM z/OS können als eigenständige Lösung betrieben oder als skalierbare Plattform in Ihre betriebliche KI-Kapazität integriert werden.

Release 3.2: Machine Learning for IBM z/OS
Informationen zu den ersten Schritten Erste Schritte mit Machine Learning for IBM z/OS Optimierte Inferenzierung und Integration mit KI auf IBM z Systems Mit Machine Learning for IBM z/OS Daten in Erkenntnisse verwandeln
Die Leistungsfähigkeit vertrauenswürdiger KI mit MLz v3.2 erschließen

Nehmen Sie an unserem exklusiven Webinar teil und entdecken Sie innovative Funktionen und praktische Anwendungen.

Neuerungen Visualisierte Erklärungen von KI-Schlussfolgerungen können nativ in MLz aufgerufen werden MLz Core MLz Enterprise
Vorteile
KI mit Tempo

Nutzen Sie die beispiellose Leistung von IBM z16 und Telum AIU mit der Softwarelösung „Machine Learning for z/OS“, um transaktionale KI-Funktionen bereitzustellen. Verarbeiten Sie bis zu 228.000 z/OS-CICS-Kreditkartentransaktionen pro Sekunde mit einer Antwortzeit von 6 ms. Dabei wird für jede Transaktion eine Inferenzoperation zur Betrugserkennung durchgeführt, die ein Deep-Learning-Modell verwendet.1

KI im richtigen Maß

Ordnen Sie Anwendungen gemeinsam mit Inferenzanforderungen an, um durch Netzwerklatenz verursachte Verzögerungen zu minimieren. Dies führt zu einer bis zu 20-mal kürzeren Antwortzeit und einem bis zu 19-mal höheren Durchsatz im Vergleich zum Senden derselben Inferenzanforderungen an einen vergleichbaren x86-Cloud-Server mit einer durchschnittlichen Netzwerklatenz von 60 ms.2

Vertrauenswürdige KI 

Verwenden Sie Funktionen der vertrauenswürdigen KI wie Erklärbarkeit und überwachen Sie Ihre Modelle in Echtzeit auf Abweichungen, um Ihre transaktionalen KI-Modelle auf z/OS für geschäftskritische Transaktionen und Workloads zu entwickeln und bereitzustellen.

Editionen vergleichen
Editionen Enterprise Edition

Eine erweiterte Edition mit verbesserter Scoring-Leistung, einer neuen Version der Spark- und Python-Laufzeiten für maschinelles Lernen und einem GUI-geführten Konfigurationstool und mehr.

Core Edition

Eine leichtgewichtige Version von WMLz, die die wesentlichen Services auf Basis einer REST-API für maschinelle Lernvorgänge einschließlich Online-Scoring-Funktionen auf IBM Z bereitstellt.

Konfigurationserfahrung

Geführte Benutzeroberfläche

Skripte, z/OSMF-Workflow

Repository-Datenbank

Db2 for IBM z/OS, integriert (Derby für z/OS)

Db2 for IBM z/OS, integriert (Derby for z/OS)

Scoring-Engine

Spark, Python, PMML, IBM Snap ML, Watson Core Time Series

Spark, PMML, IBM Snap ML, Watson Core Time Series

Inferenzschnittstelle

In-Transaction-Scoring mit nativen Schnittstellen für CICS und IMS, RESTful-Schnittstelle

RESTful-Schnittstelle

Modell-Lebenszyklusmanagement

Geführte Benutzeroberfläche, RESTful-Dienste

RESTful-Dienste

Unterstützte KI-Modellformate

Spark, Python, PMML, ONNX

Spark, PMML

z16 im Chip integrierte KI-Beschleunigung

ONNX- und IBM Snap ML-Modelle

IBM Snap ML-Modelle

Trainingstool für KI-Modelle

Integrierter JupyterHub

Vertrauenswürdige KI

Erklärbarkeit und Drifterkennung

*Preise sind indikativ, können je nach Land variieren, enthalten keine anfallenden Steuern und Abgaben und unterliegen der Verfügbarkeit des Produktangebots vor Ort. 

Kostenfrei ausprobieren
Machine Learning for IBM z/OS Online Scoring Community Edition

Testen Sie diese leichte, kostenlose Option, um IBM Machine Learning for z/OS zu erleben, das ein In-Transaction-Scoring für Deep-Learning-Modelle ermöglicht. Diese Fähigkeit kann in kritischen Geschäftsbereichen wie Betrugserkennung, Kundenabwanderung, Kreditgenehmigung und Betriebsleistung einen erheblichen Mehrwert für die KI bieten. Integrieren Sie Deep-Learning-Modelle in Ihre Transaktionsanwendungen auf IBM Z, insbesondere wenn es auf Millisekunden ankommt.

Kostenfrei ausprobieren
Technische Details

Machine Learning für z/OS nutzt sowohl proprietäre als auch Open-Source-Technologien von IBM und setzt erforderliche Hardware und Software voraus. 

  • z16, z15, z14, z13 oder zEnterprise EC12 system
  • z/OS 3.1, 2.5 oder 2.4
  • IBM 64-bit SDK for z/OS Java Technology Edition Version 8 SR7, 11.0.17 oder höher
  • IBM WebSphere Application Server for z/OS Liberty Version 22.0.0.9 oder höher
  • Db2 12 for z/OS oder höher nur, wenn Sie Db2 for z/OS als Repository-Metadatendatenbank wählen
Voraussetzungen für die Enterprise Edition Voraussetzungen für die Core Edition
Weiterführende Produkte IBM Z-Anomalieanalyse

Identifizieren Sie Betriebsprobleme und vermeiden Sie kostspielige Vorfälle, indem Sie Unregelmäßigkeiten sowohl in Protokoll- als auch in Metrik-Daten erkennen.

Python KI-Toolkit für IBM z/OS

Nutzen Sie eine Bibliothek mit relevanter Open-Source-Software zur Unterstützung moderner KI- und ML-Workloads.

IBM z/OS

Nutzen Sie ein sicheres und skalierbares Betriebssystem für geschäftskritische Anwendungen.

IBM Db2 13 for z/OS

Optimieren Sie Verfügbarkeit, Sicherheit und Ausfallsicherheit und verbessern Sie gleichzeitig Leistung und Geschäftsergebnisse.

IBM Db2 Analytics Accelerator for z/OS

Erhalten Sie Hochgeschwindigkeits-Datenanalysen für Erkenntnisse in Echtzeit unter der Kontrolle und Sicherheit von IBM Z.

IBM Db2 AI for z/OS

Erfahren Sie, wie KI die Benutzerfreundlichkeit verbessert, die Betriebsleistung optimiert und den Zustand von IBM Db2 Systemen aufrechterhält.

Nächste Schritte

Erkunden Sie Machine Learning for IBM z/OS. Planen Sie ein kostenfreies 30-minütiges Meeting mit einem IBM Z-Ansprechpartner.

Kostenfrei ausprobieren
Weitere Erkundungsmöglichkeiten Dokumentation Support IBM Redbooks Support und Services Global Financing Flexible Preisstruktur Schulung und Training Community Entwicklungscommunity Business Partner Ressourcen
Fußnoten

HAFTUNGSAUSSCHLUSS: Die Leistungsergebnisse wurden aus internen Tests von IBM hochgerechnet, bei denen eine CICS-Kreditkartentransaktions-Workload mit Inferenzoperationen auf einem IBM z16 ausgeführt wurde. Es wurde eine z/OS V2R4 LPAR mit 6 CPs und 256 GB Speicher verwendet. Die Inferenz wurde mit Machine Learning for z/OS 2.4 auf einem WebSphere Application Server Liberty 21.0.0.12 unter Verwendung eines synthetischen Kreditkarten-Betrugserkennungsmodells (https://github.com/IBM/ai-on-z-fraud-detection). und dem integrierten Beschleuniger für KI ausgeführt. Serverseitiges Batching wurde auf Machine Learning for z/OS mit einer Größe von 8 Inferenzoperationen aktiviert. Die Benchmark wurde mit 48 Threads ausgeführt, die Inferenzoperationen ausführten. Die Ergebnisse beziehen sich auf einen vollständig konfigurierten IBM z16 mit 200 CPs und 40 TB Speicher. Ergebnisse können variieren.

HAFTUNGSAUSSCHLUSS: Die Leistungsergebnisse wurden aus internen Tests von IBM hochgerechnet, bei denen eine CICS-OLTP-Kreditkartentransaktions-Workload mit Inferenzoperationen auf einem IBM z16 ausgeführt wurde. Die Messungen wurden mit und ohne den integrierten Beschleuniger für KI durchgeführt. Es wurde eine z/OS V2R4 LPAR mit 12 CPs, 24 zIIPs und 256 GB Speicher verwendet.Die Inferenz wurde mit Machine Learning for z/OS 2.4 auf einem WebSphere Application Server Liberty 21.0.0.12 unter Verwendung eines synthetischen Kreditkarten-Betrugserkennungsmodells (https://github.com/IBM/ai-on-z-fraud-detection). Serverseitiges Batching wurde auf Machine Learning for z/OS mit einer Größe von 8 Inferenzoperationen aktiviert. Ergebnisse können variieren.