von Manuel Altermatt

Organisationen jeglicher Art und Grösse sind mehr denn je an einer vereinfachten Anwendungsentwicklung, an kürzeren Innovationzeiten, einer effizienten Skalierung und einem gleichzeitig reduzierten Technologierisiko interessiert. Der Aufbau und die Bereitstellung solcher Anwendungsfälle ist meistens mit bedeutenden Investitionen verbunden. Die Nutzung von Public-Cloud-Plattformen bietet sich deshalb an, denn diese vereinen künstliche Intelligenz (KI), maschinelles Lernen (ML) und das Internet der Dinge (IoT) in idealer Weise, da diese Dienste stets aktuell und kosteneffizient als Service angeboten werden.

Künstliche Intelligenz hat einen hohen Reifegrad erreicht. Sie ist heute ein wesentlicher Bestandteil vieler Consumer-Produkte und wird zum Beispiel erfolgreich zur Verbesserung von Suchergebnissen eingesetzt. In der Landwirtschaft, der Fertigungsindustrie, im Handel, dem Gesundheitswesen oder bei der Realisierung intelligenter Städte gibt es vielversprechende Use Cases für KI und ML. Es sind Einsatzgebiete wie die visuelle Inspektion, die vorbeugende Wartung, automatisch gesteuerte Fahrzeuge in der Logisitk, intelligente Verkehrssteuerungen oder die Roboterchirurgie. In diesen Szenarien werden mit innovativen und transformativen Ansätzen durchgängig Qualität, Genauigkeit und Kosten zugunsten einer optimierten Nutzererfahrung verbessert.

Nun können Faktoren wie branchen- oder länderspezifische Anforderungen an Compliance, Datensouveränität und Datenverarbeitung die Nutzung von Public-Cloud-Diensten vermeintlich einschränken. Ich denke hierbei an regulierte Sektoren wie die öffentliche Verwaltung, das Gesundheitswesen, die Telekommunikation oder das Finanz- und Versicherungswesen. Damit betroffene private und öffentliche Bereiche neueste Technologien wie KI- und ML-Modelle als Service noch besser nutzen und ausreizen können, sind neue Ansätze wie die Distributed Cloud sinnvoll. Diese bringt beispielsweise die Public-Cloud-Infrastruktur und Software bis an den Edge oder in den Kundendatenzentren, und erlaubt diesen die volle Kontrolle über die entsprechende Hard- und Software. Innovations- und Transformationsprojekte, und die damit verbundenen Chancen für Unternehmen und Endanwender, sind so mit einem Multi- und Distributed-Cloud-Ansatz auch für regulierte Sektoren zugänglich. Strenge Datensicherheits- und Datenschutzanforderungen schliessen also die Nutzung innovativer Cloud-Dienste wie KI, ML und IoT nicht länger aus. Diese können unter Einhaltung relevanter Richtlinien oder Vorschriften lokal bereitgestellt und über mehrere öffentliche Clouds hinweg vereinheitlicht werden.

Das Ziel von (Public-) Cloud-Anbietern muss es deshalb sein, Organisationen den Weg in die Cloud zu erleichtern. Mit transformativen Fähigkeiten, die helfen, schneller zu innovieren und kosteneffizient zu arbeiten, verfolgt auch Google Cloud einen Open-Source-basierten Multi-und-Distributed-Cloud-Ansatz und schafft so die grösstmögliche Flexibilität und Auswahl für die Innovation in Organisationen.