Die Neuheiten der AWS re:Invent-Konferenz

Im ersten Bericht zur AWS re:Invent Konferenz haben wir darüber gesprochen, was es bedeutet, wieder einmal eine internationale Konferenz zu veranstalten und wie Kunden und Partner von Amazon Web Services eine wichtige Verbindung herstellen, um die neuesten Technologien des Herstellers zu nutzen (und natürlich Geschäfte abzuschließen). Heute gehen wir auf die wichtigsten neuen Entwicklungen ein, die der Cloud-Anbieter angekündigt hat.

Heute bietet AWS mehr als 200 vollständige Dienste an, eine Zahl, die ständig wächst dank der Innovation, die AWS seit seiner Gründung vor 15 Jahren eingeführt hat. Jegliche Zweifel an der Verlagerung von Unternehmensressourcen wie Daten und Anwendungen in die Cloud sind ausgeräumt, denn sie beherbergt die neueste Technologie, die wichtigsten Fortschritte der letzten Jahrzehnte im IKT-Sektor.

All dies ist für jedes Unternehmen zugänglich, unabhängig von seiner Größe oder dem Sektor, in dem es tätig ist. Noch vor einigen Jahren wäre es für ein KMU undenkbar gewesen, Zugang zu der von einem großen Unternehmen verwendeten Software oder Hardware zu haben, und zwar aus offensichtlichen Budgetgründen.

Dank der Möglichkeiten der Cloud und des Pay-per-Use-Modells ist es heute eine Realität, Zugang zu den fortschrittlichsten Datenbanken, zu Modellen der künstlichen Intelligenz und des maschinellen Lernens, zu den leistungsfähigsten Verarbeitungen zu haben und das alles ohne Wartezeit, praktisch in Reichweite von ein paar Klicks. Das ist der Grund, warum Tausende von Start-ups ihre Geschäftsideen verwirklicht haben und viele KMU mit den Giganten der Branche konkurrieren können. Und genau das ist es, was AWS bietet: Senkung der Technologiekosten und Wachstum in großem Maßstab, da Technologieinvestitionen auf den jeweiligen Bedarf des Unternehmens zugeschnitten werden können.

Doch konzentrieren wir uns jetzt auf die wichtigsten Innovationen, die auf der diesjährigen AWS re:Invent zu sehen waren – und davon gab es viele.

Digitale Zwillinge mit AWS IoT TwinMaker

Einfach ausgedrückt ist ein digitaler Zwilling eine Nachbildung eines bestehenden Systems in der physischen Welt auf der Funktionsebene. AWS IoT TwinMaker wurde angekündigt, um die Erstellung und Entwicklung dieser digitalen Zwillinge so einfach wie möglich zu gestalten und die Funktionen ihrer physischen Gegenstücke wie Sensoren, Kameras oder Geschäftsanwendungen zu verwalten.

Es geht nicht nur darum, einen Schalter ein- oder auszuschalten oder irgendeine Art von Warnmeldung auf einheitliche Weise anzuzeigen. Mit TwinMaker können Sie alle Informationen aus verschiedenen Quellen zusammenstellen, um grafische Modelle zu generieren, die eine umfassende Kontrolle über das Geschehen in der physischen Welt ermöglichen und die Entscheidungsfindung in Echtzeit sowie die Automatisierung aller Arten von Aufgaben erleichtern, die die betriebliche Effizienz verbessern und Ausfallzeiten reduzieren. Und das ist für jede industrielle Tätigkeit unerlässlich.

AWS IoT TwinMaker bietet eine grafische Oberfläche, die es ermöglicht, jedes beliebige 3D-Modell während des Entwurfs des digitalen Zwillings zu absorbieren, so dass Bediener eine virtuelle 3D-Welt erkunden können, um die Aktivität eines beliebigen Sensors zu steuern.

Die Einbindung künstlicher Intelligenz in diese riesige Datenmenge bringt eine zusätzliche Komponente wie die Vorhersage mit sich, so dass es möglich ist, Ausfälle jeglicher Mechanismen zu antizipieren, um Teile zu ersetzen und eine wesentlich effizientere Wartung der Anlagen durchzuführen.

5G private Netzwerke für jede Branche

AWS Private 5G wurde angekündigt, um die drahtlose Verbindungskomponente hinzuzufügen, die viele Industrieunternehmen in ihren Anlagen benötigen. Nach Angaben des Unternehmens ermöglicht dieser Service, der die Verwendung von SIM-Karten umfasst, die von AWS selbst bereitgestellt werden sowie die Bereitstellung, Skalierung und Verwaltung privater Netzwerke innerhalb von Tagen statt Monaten.

Es handelt sich um einen verwalteten Dienst, bei dem AWS auch die Funkantennen, Server und die RAN-Infrastruktur bereitstellt, so dass die gesamte Verwaltung dieser Kommunikation in einem einzigen Dashboard zentralisiert ist.

Natürlich ist dies ein Service, der andere Dienste wie den bereits erwähnten AWS IoT TwinMaker ergänzt, um eine einheitliche Erfahrung zu bieten.

AWS Mainframe-Modernisierung

Jahrzehntelang hatte die IT-Branche den Mainframe als tot abgeschrieben. Diese Aussage war schon immer weit von der Wahrheit entfernt. Das liegt daran, dass die IBM-Plattform nach wie vor die robusteste und verfügbarste für geschäftskritische Umgebungen ist, wie sie in Finanz- und Bankensystemen eingesetzt werden.

Allerdings stößt das Erbe des Mainframe an die Grenzen des Machbaren, da Millionen von Codezeilen, die in Programmiersprachen wie COBOL geschrieben wurden und noch heute verarbeitet werden, für die Unternehmen, die diese Plattform nutzen, sowohl programmtechnisch als auch monetär ein Problem darstellen. Der Mangel an Fachkräften, die sich mit Mainframes auskennen, ist ein ernstes Problem und verschärft sich ständig, weil viele Mainframe-Experten das Rentenalter erreicht haben.

Im Laufe der Jahre gab es mehrere Migrations- und Modernisierungsversuche, von denen einige sicherlich erfolgreich waren, aber es fehlte ein System, das diese Prozesse erleichtern konnte.

Genau darum geht es bei AWS Mainframe Modernization, einem Service, der es Kunden ermöglicht, Mainframe-basierte Anwendungen und Arbeitslasten schneller und einfacher in die Cloud zu migrieren, sodass sie von größerer Flexibilität, Elastizität und geringeren Kosten profitieren können.

Wie AWS behauptet, können Anwendungen und Arbeitslasten mit minimalen Änderungen am Quellcode in Java-basierte Cloud-Services umgewandelt werden: Eine spezielle Laufzeitumgebung wurde in diesen Service integriert, um den gesamten Bedarf an Rechenleistung, Arbeitsspeicher und Speicherplatz für die Ausführung dieser Anwendungen bereitzustellen. Darüber hinaus ist AWS Mainframe Modernization so konzipiert, dass Kapazitätsbereitstellung, Sicherheit, Lastausgleich, Skalierung und sogar die Überwachung des Anwendungsstatus automatisch erfolgen.

Amazon EC2

In der Tat arbeitet AWS seit einiger Zeit auch an Chipdesigns für seine EC2-Server. Bei dieser Gelegenheit wurden die Graviton 3-Chips (basierend auf der ARM-Architektur) als die leistungsstärksten Chips des Unternehmens für allgemeine intensive Arbeitslasten in Amazon EC2 C7g-Recheninstanzen angekündigt, aber es wurden auch zwei spezifischere Chips vorgestellt, die im Folgenden näher beschrieben werden:

Amazon EC2 C7g: Rechenintensive Instanzen, die eine 25-prozentige Leistungssteigerung gegenüber der Vorgängergeneration auf Basis von Graviton 2-Chips darstellen.

Amazon EC2 Trn1: Spezielle Instanzen des maschinellen Lernens für die Modellschulung. Sie werden von AWS Trainium-Chips angetrieben, deren Schaltkreise auf neuronalen Netzen basieren, um die Effizienz der Modellschulung zu verbessern.

Amazon EC2 Im4gn/Is4gen/I4iC: Diese Instances nutzen AWS Nitro SSD-Speicherlaufwerke, die die E/A-Leistung beim intensiven Verschieben von Arbeitslasten und Daten erheblich verbessern.

Maschinelles Lernen wird mit Amazon SageMaker leichter zugänglich

AWS hat neue Funktionen in Amazon SageMaker (das in Zusammenarbeit mit der Muttergesellschaft Amazon entwickelt wurde) angekündigt, einer auf maschinelles Lernen spezialisierten Plattform, die auf praktisch jede andere Suite angewendet werden kann, die auf AWS-Cloud-Services verfügbar ist.

Mit dem exponentiellen Wachstum der von Unternehmen verwalteten Daten haben sich maschinelle Lernprozesse stark verbreitet, um effizientere und intelligentere Prozesse zu automatisieren und zu erreichen, ohne dass ein menschliches Eingreifen erforderlich ist.

Das Problem in diesen Bereichen liegt in der Entwicklung von Trainings- und Lernmodellen, die seit jeher in den Händen einiger weniger Personen mit fundierten mathematischen und wissenschaftlichen Kenntnissen liegen.

Die neuen Funktionen von Amazon SageMaker zielen genau darauf ab, diese Technologien für eine größere Anzahl von Fachleuten zugänglich zu machen, die keine derartigen Kenntnisse benötigen. Das Unternehmen hat mehrere Ankündigungen im Bereich des maschinellen Lernens bekannt gegeben:

Amazon SageMaker Canvas: Erweitert den Zugang zum maschinellen Lernen, indem es Geschäftsanalysten die Möglichkeit bietet, genauere Vorhersagen zum maschinellen Lernen zu generieren, die keine Codierung erfordern.

Amazon SageMaker Ground Truth Plus: Bietet einen vollständig verwalteten Datenerfassungsdienst, für den keine Fachleute erforderlich sind. Darüber hinaus bietet sie integrierte Workflows zur Bereitstellung hochwertiger kommentierter Daten für die Ausbildung.

Amazon SageMaker Studio: Dieser Service umfasst Daten-Engineering-, Analyse- und maschinelle Lern-Workflows, die über einen einheitlichen Laptop zugänglich sind.

Amazon SageMaker Training Compiler: Hilft Kunden, Deep-Learning-Modelle bis zu 50 % schneller zu trainieren, indem der Code automatisch kompiliert wird, um ihn effizienter zu machen.

Amazon SageMaker Serverless Inference: Bietet serverloses Computing für maschinelles Lernen in großem Umfang.

Neue Funktionen für mehr Datenbankanwendungsfälle

Angesichts der Notwendigkeit, die großen Datenmengen, die Unternehmen erzeugen, zu verwalten, ist es aufgrund ihrer Vielfalt und Beschaffenheit nicht mehr sinnvoll, eine einzige Architektur für alle diese Daten zu verwenden. Es ist jedoch notwendig, für jede Art von Datenbankabfrage eine höhere Leistung und eine Antwort nahezu in Echtzeit zu erreichen. Hohe Verfügbarkeit, Zuverlässigkeit und Vielseitigkeit sind für Unternehmen nicht mehr nur eine Option, sondern ein Muss, um Mitarbeitern und Kunden ein optimales Erlebnis zu bieten.

In diesem Zusammenhang hat AWS drei neue Funktionen angekündigt, um die Auswahl für Kunden zu erweitern und diese Aspekte der Datenbankverwaltung zu verbessern. Sie lauten wie folgt:

Amazon RDS Custom – Ein verwalteter Service für kommerzielle Anwendungen, die benutzerdefinierte Datenbanken für vertikale Umgebungen erfordern.

Amazon DynamoDB Standard-Infrequent: Entwickelt für den Zugriff auf selten genutzte, in DynamoDB gespeicherte Daten. Sie senkt die Kosten für den Zugang zu ihnen um etwa 60 %.

Amazon DevOps Guru für RDS: Verwendet maschinelles Lernen, um schwer zu findende Leistungsprobleme besser zu erkennen, zu diagnostizieren und zu beheben. Nach Angaben des Unternehmens kann es Tage bis Minuten dauern, sie zu finden.