SAS erweitert SAS Platform: Innovationen für Machine Learning, Computer Vision und NLP

Aktuelle Version bringt Analytics zur automatischen Lösung komplexer Aufgaben in unterschiedlichste Anwendungsbereiche

Heidelberg, 15. Mai 2019 — SAS, einer der führenden Analytics-Anbieter, erweitert seine leistungsstarke Analytics-Plattform um zahlreiche neue Technologien. Die SAS Platform verfügt nun über zusätzliche Funktionen für künstliche Intelligenz (KI), insbesondere Machine Learning, Computer Vision, Natural Language Processing (NLP) und andere Technologien, die KI unterstützen.

Im Rahmen der jüngst angekündigten KI-Investition von einer Milliarde US-Dollar über die nächsten drei Jahre arbeitet SAS an der Optimierung seiner Computer-Vision-Software. Diese soll Unternehmen dabei unterstützen, mit visuellen Daten ihre Geschäftsergebnisse zu verbessern.

„Unser stetiges Streben nach Innovation, wie man es an der SAS Platform und unseren KI-Technologien sieht, ist Treibstoff für das operative Geschäft. Führungskräfte, Fachmitarbeiter und Data Scientists haben die Chance, mit Advanced Analytics ihr Geschäft auf einen neuen Kurs zu bringen“, sagt Jim Goodnight, CEO von SAS.

Mit dem aktuellen Release der SAS Platform automatisiert SAS für seine Kunden die komplexen Aufgaben, die mit der Erstellung höchst leistungsfähiger analytischer Modelle verbunden sind. Datenbereinigung und Datentransformation, die Wahl der besten Variablen, Erstellung und Vergleich von Modellen, Modellimplementierung und Retraining werden anhand von Best Practices automatisiert.

Operationalisierung von Analytics: Interpretierbarkeit und Nachvollziehbarkeit

Die SAS Platform vergleicht automatisch Tausende von analytischen Modellen, um das beste für ein spezielles Geschäftsproblem zu bestimmen. Da NLP eingesetzt und die analytischen Ergebnisse in Klartext dargestellt werden, können Anwender mit unterschiedlichen Vorkenntnissen diese Informationen einfach interpretieren und schnell fundierte Entscheidungen treffen.

Auf diese Weise wird der Einsatz von Analytics demokratisiert: Mitarbeiter in den Fachabteilungen und das Management können KI ebenso nutzen wie Data Scientists und Analytics-Experten, und sie können nachvollziehen, wie die Ergebnisse zustande kommen.

„Viel zu viele Unternehmen sind noch im KI-Forschungsmodus und schaffen nicht den Sprung zu einem Machine-Learning-Modell, das tatsächlich wirtschaftliche Vorteile bringt“, erklärt Oliver Schabenberger, Executive Vice President, Chief Operating Officer und Chief Technology Officer bei SAS. „Tausende von hoch qualifizierten SAS Spezialisten und Data Scientists stehen Unternehmen zur Seite, wenn es darum geht, Strategien zu entwickeln, mit denen sich Daten in Intelligenz überführen lassen. Unser umfassendes Trainingsangebot fördert die vorhandenen Talente im Unternehmen. Wir vereinfachen unsere Technologie, damit Anwender jeglichen Wissensstands leistungsstarke KI- und Machine-Learning-Analysen nutzen können. Wir bringen damit KI in die Praxis.“

SAS hat Computer Vision für eine Vielzahl von Anwendungen vereinfacht. Automatische Segmentierung kann beispielsweise Ärzten dabei helfen, schnell Veränderungen in der Form und Größe von Tumoren sowie ihre Farbe zu erkennen, um die Krankheit besser zu bekämpfen.

Analytics und KI für jeden Anwender

Zu den Erweiterungen der SAS Platform gehören unter anderem:

Neue Ansicht zu Projektergebnissen – gibt eine narrative Zusammenfassung auf hohem Niveau, mit der Nicht-Data-Scientists verstehen können, was analysiert und wie die Analyse durchgeführt wurde. Fachanwender, Data Scientists und die IT sind dadurch in der Lage, ihre Modelle und Algorithmen besser zu diskutieren. Mehr Kollaboration schafft größeres Vertrauen in KI, was wiederum zu höherer Akzeptanz und letztlich mehr Wettbewerbsvorteilen führt.

Bessere Interpretierbarkeit und Nachvollziehbarkeit von KI-Modellen – Mit den in die SAS Platform integrierten NLP-Funktionalitäten können Anwender automatisch Erklärungen für die Analyseergebnisse erstellen – und zwar in Begriffen, die auch für Laien verständlich sind. Dazu gehört zum Beispiel der Hintergrund, warum eine Transaktion als potenziell kriminell aufgezeigt wird, oder warum bestimmte Kunden das beste Ziel für eine Marketingkampagne sind. Diese aufbereiteten Informationen verbessern das Verständnis von Fachanwendern sowie Business Analysts und sind eine wichtige Voraussetzung, um eine breite Nutzung von KI und Advanced Analytics im gesamten Unternehmen sicherzustellen.

Bessere Entscheidungsfindung – Die SAS Platform arbeitet nahtlos mit anderen SAS Lösungen wie SAS Intelligent Decisioning zusammen, um Entscheidungen abteilungsübergreifend zu automatisieren und zu managen.

Offene Application Program Interfaces (API) – über die Entwickler Zugriff auf Daten haben und passgenaue Webapplikationen entwickeln können, um Fach- und technischen Anwendern die automatisierte Nutzung von Machine Learning, NLP und anderen SAS KI-Funktionalitäten zu ermöglichen. Dabei müssen diese Anwender keine Kenntnisse in Code-Programmierung oder Statistik haben.

Zusätzlicher wertvoller Content im SAS Portfolio – Lösungen wie SAS Visual Investigator oder der neue SAS Mobile Investigator bringen die analytischen und operativen Qualitäten von SAS Viya, inklusive der integrierten Funktionalitäten für Machine Learning und anderen KI-Technologien, zu Außenmitarbeitern. Diese Anwender haben von ihrem mobilen Gerät aus Zugriff auf Informationen und können an Ort und Stelle Daten aus Text, Dokumenten oder Fotos eingeben; das System wird daraufhin sofort aktualisiert. Die Echtzeitdaten können zudem genutzt werden, um analytische Modelle anzupassen und Risikoerhebungen anhand der neuen Informationen durchzuführen.

Automatische Entscheidungen – ganz nach Bedarf

In der heutigen schnelllebigen digitalen Welt sind Unternehmen gefragt, unmittelbare, informierte und personalisierte Entscheidungen zu treffen. SAS Intelligent Decisioning kombiniert Geschäftsregelmanagement, Entscheidungsverarbeitung, Ereignisanalyse in Echtzeit, Entscheidungsgovernance und Advanced Analytics – und bildet somit die beste Voraussetzung, um Entscheidungen im gesamten Unternehmen zu automatisieren und zu steuern.

SAS unterstützt die Kundeninteraktion beispielsweise in Form von personalisiertem Marketing und Next-Best-Action-Empfehlungen sowie bei Entscheidungen, die den Kunden betreffen, wie Kreditvergabe oder Betrugsprävention.

Analytics in Action: Bessere Patientenversorgung

SAS arbeitet zusammen mit den Amsterdam University Medical Centers (UMC) an einem KI-gestützten Projekt zur medizinischen Bildverarbeitung, das helfen soll, Patienten mit kolorektalem Karzinom (Dickdarm- oder Mastdarmkrebs) zu identifizieren, bei denen die Erfolgschancen einer Operation hoch sind.

Kolorektales Karzinom ist die dritthäufigste Krebsform weltweit, und bei rund der Hälfte der Patienten entstehen Metastasen in der Leber. Mit KI-trainierten SAS Modellen sollen Ärzte am Amsterdamer Klinikum in der Lage sein, mit größerer Genauigkeit Patienten zu identifizieren, die gut auf Chemotherapie ansprechen und somit Kandidaten für eine OP sind.

Bisher lagen zeitaufwendige manuelle Untersuchungen von Tumoren und Läsionen voll und ganz in der Hand des Radiologen. Eine Anwendung zur medizinischen Bildverarbeitung in der SAS Platform, die Computer Vision und prädiktive Analytics verwendet, bietet objektivere, akkurate und automatisierte Evaluationskriterien. Dadurch entstehen präzisere Diagnosen, die mehr Patientenleben retten, dem Radiologen Zeit sparen und ihm gleichzeitig eine objektive Metrik zur Responsebeurteilung an die Hand geben, um Patienten konsistent zu behandeln.

„Gegenwärtig nutzen wir diese Technologie für Patienten mit kolorektalem Karzinom, aber sie hat durchaus das Potenzial, künftig auch für viele andere solide Tumortypen, darunter Brust- und Lungenkrebs, eingesetzt zu werden“, sagt Geert Kazemier, Professor für Hepatobiliary Surgery and Transplantation und Clinical Director am Cancer Center Amsterdam der Amsterdam UMC. „Demnächst werden wir womöglich sogar den Ausgang einer OP vorhersagen können. Wenn wir diese neuen Optionen nutzen und die Erkenntnisse mit weiteren Informationen, beispielsweise genomischen Daten, verknüpfen, ergibt sich ein aussagekräftiges Gesamtbild zu Response- und Überlebenschancen des Patienten.“

Analytics in Action: Mehr Umsatz pro Kunde

Die Seacoast Bank, eine der größten Gemeinschaftsbanken in Florida mit einem verwalteten Vermögen von 6,7 Milliarden US-Dollar, verfügt über ein großes Volumen an Kundendaten. Die Herausforderung besteht darin, die Erkenntnisse daraus sinnvoll zu nutzen, um die wertvollsten Kunden zu definieren, und den Service, die Kundenbindung sowie die Kundenakquise zu verbessern.

Mit der Investition in SAS und eine KI-gestützte Machine-Learning-Plattform für Customer Analytics hat Seacoast seinen risikobereinigten Umsatz pro Kunde um 30 Prozent erhöht, und der RoI für automatisierte Marketingkampagnen liegt im hohen dreistelligen Bereich. Das Unternehmen wendet Machine Learning an, um spezifische Geschäftsprobleme zu adressieren. Dazu gehören unter anderem skalierte Personalisierung, mit der Seacoast in der Lage ist, einzelnen Kunden genau auf ihre Vorlieben und ihre Transaktionshistorie zugeschnittene Angebote zu unterbreiten. Analytische Erkenntnisse fließen aus sämtlichen Abteilungen ein, so dass Marketiers Kampagnen automatisieren, engere Bindungen zu den vielversprechenden Kunden entwickeln, Geschäftskundenportfolios besser steuern und über interaktive Dashboards die Performance nachverfolgen können.

„Wir sind jetzt stets im Bilde, wie der Customer Value für den einzelnen Kunden aussieht – und können entsprechend unsere Strategien und Akquisemaßnahmen konkret danach ausrichten“, erklärt Jeff Lee, Chief Marketing Officer bei Seacoast. „Machine Learning und Advanced Analytics von SAS geben uns eine echte Roadmap für die Zukunft: Wir haben Zugriff auf die Daten, gewinnen Erkenntnisse, fördern Kollaboration, schaffen genau das richtige Maß an Personalisierung und verbessern unterm Strich das Kundenerlebnis.“

Analytics in Action: Weniger Infektionen bei Frühgeburten

Etwa zehn Prozent aller Kinder weltweit werden erheblich zu früh geboren und sind äußerst anfällig für Infektionen. Diese Säuglinge sind an eine Vielzahl von Geräten angeschlossen, um ihren Gesundheitszustand zu überwachen.

Seit zehn Jahren nutzt das University Medical Center (UMC) Utrecht anonymisierte Patientendaten seiner Neonatology Intensive Care Unit (NICU). Jetzt hat die Einrichtung das Projekt „Big Data for Small Babies“ gestartet: Dafür werden Advanced Analytics, Machine Learning und KI eingesetzt, um proaktiv Infektionen bei Frühgeburten zu behandeln oder zu vermeiden.

KI und Advanced Analytics von SAS bilden die Basis für das UMC-Utrecht-Team, das die historischen Daten aus NICU-Geräten analysiert und ein analytisches Modell entwickelt hat, mit dem sich Infektionen bei Frühgeborenen prognostizieren lassen. Das SAS Modell sagt bakterielle Infektionen, von denen auch eine lebensbedrohliche Sepsis ausgelöst werden kann, mit 90-prozentiger Sicherheit voraus. Damit liegt die Prognosegenauigkeit wesentlich höher als bei den Aussagen, die ein Arzt auf der Grundlage von Untersuchungen und Symptomen treffen kann.

„Mit leistungsstarker SAS Software können wir die beste Entscheidung für unsere kleinen Patienten treffen: lebensrettende Maßnahmen ergreifen und gleichzeitig eine unnötige Verabreichung von Antibiotika vermeiden“, erklärt Dr. med. Daniel Vijlbrief, Neonatologe am UMC Utrecht.

circa 11.000 Zeichen

Facebooktwittermail