Demokratisierung der KI mit dem AI Data Fabric von F5

Als wir uns auf diese Reise begaben, hatten wir uns einige sehr konkrete Designziele gesetzt, um die Akzeptanz voranzutreiben. Anstatt die Benutzer zu zwingen, ihre Arbeitsweise zu ändern, mussten wir sie dort abholen, wo sie standen. Dies bedeutete, das Auffinden und Herstellen einer Verbindung zu allen Daten zu unterstützen, Self-Service zu ermöglichen, Mobilität und Portabilität zu unterstützen, ein Ökosystem zur Förderung von Zusammenarbeit und Innovation aufzubauen und große Sprachmodelle (LLMs) zur Beschleunigung des Modelltrainings zu verwenden.

Gute KI beginnt mit Daten, und das F5 AI Data Fabric hilft dabei, Erkenntnisse aus den riesigen Datenmengen zu gewinnen, die von Produkten aus unserem gesamten Portfolio gesammelt werden. Wie die meisten Unternehmen, die Apps in großem Maßstab betreiben, sind wir uns der Realität bewusst, dass die Daten in vielen verschiedenen Speichern und nicht nur in einem einzigen Datensee gespeichert sind. Wir bringen Apps und Datenquellen unter, die vor Ort und in mehreren öffentlichen und privaten Clouds bereitgestellt werden. Das AI Data Fabric kann Daten verbinden und ihnen Rechenleistung hinzufügen, egal wo sie sich befinden. Ein gemeinsamer Datenkatalog unterstützt Benutzer bei der Navigation durch viele Datenquellen und ermöglicht es uns als Team, uns in die Datenverwaltungsstrategie von F5 einzufügen, um eine angemessene Kontrolle und Prüfung der Datenbestände sicherzustellen. Mithilfe dieser Strategie können wir Erkenntnisse gewinnen und Daten aus unterschiedlichen Applications und Produkten über mehrere Datenseen und Datenquellen hinweg verwalten und steuern, ohne die Arbeitsweise unserer Benutzer zu ändern.

Benutzern die Möglichkeit zu geben, Daten mit Rechenleistung zu verknüpfen, ist nur ein Teil der Geschichte. Um die Akzeptanz zu fördern, mussten wir die gesamte Data Science-Benutzerreise berücksichtigen und überlegen, wo wir Reibungspunkte beseitigen können. 

Das Verpacken und Bereitstellen von KI-Apps ist ein gutes Beispiel. Wir übernehmen einen Großteil der harten Arbeit, damit unsere Benutzer das nicht tun müssen. Das AI Data Fabric kann Python-Abhängigkeiten verwalten, KI-Apps in einem Container mit einem HTTP-Server verpacken, diesen Endpunkt in unserem API-Gateway konfigurieren und die KI-Apps in Kubernetes mit den richtigen GPU-, CPU- und Speicheranforderungen bereitstellen, wo immer sie benötigt werden. Stellen Sie sich vor, Sie könnten ein Modell trainieren, verpacken und bereitstellen – alles in einem automatisierten Workflow über ein benutzerfreundliches SDK. Mit diesem System kann ein Datenwissenschaftler in 10 bis 15 Minuten eine neue Version seiner KI- Application bereitstellen. Durch die Reduzierung von Reibungsverlusten können Datenwissenschaftler das tun, was sie am besten können: Datenwissenschaft.

Dies ist ein weiteres Beispiel dafür, dass wir unsere Kunden dort abholen, wo sie sind. Alle erstellten Container werden im Container-Verzeichnis des AI Data Fabric gespeichert, sodass Benutzer KI-Apps überall dort bereitstellen können, wo sie ausgeführt werden müssen, sogar in Air-Gap-Umgebungen.

Eine beschleunigte Einführung von KI erfordert eine schnelle Zusammenarbeit. Es bedeutet, die Arbeit Ihrer Vorgänger zu nutzen und darauf aufzubauen. Innerhalb des AI Data Fabric befinden sich ein „KI-Ökosystem“, Tools und vorgefertigte Module zum Ausführen allgemeiner und komplexer KI-Funktionen. Wenn Benutzer Module und Modelle zum Ökosystem zurückgeben, ist das ein echter Innovationsbeschleuniger. Die Module können von vorgefertigten Modellen zur Anomalieerkennung und Klassifizierung bis hin zu Apps für die Durchführung von Retrieval Augmented Generation (RAG) reichen.