{"id":2622,"date":"2018-11-09T09:15:22","date_gmt":"2018-11-09T09:15:22","guid":{"rendered":"https:\/\/smartshifttech.org\/?p=2622"},"modified":"2023-04-13T21:41:28","modified_gmt":"2023-04-13T21:41:28","slug":"of-application-understanding-and-machine-learning-or-where-i-am-coming-from","status":"publish","type":"post","link":"https:\/\/smartshift.imagemakersdev.com\/de\/der-anwendung-verstehen-und-maschine-lernen-oder-woher-komme-ich-her\/","title":{"rendered":"Von Anwendungsverst\u00e4ndnis und maschinellem Lernen oder woher ich komme"},"content":{"rendered":"

Seit 25 Jahren bin ich im Bereich der Automatisierung t\u00e4tig. Aber das war nicht der Anfang meiner Karriere. W\u00e4hrend meines Masterstudiums an der USC wurde ich zum ersten Mal mit k\u00fcnstlicher Intelligenz konfrontiert, ein Bereich, der mich sofort faszinierte. Zu dieser Zeit gab es nur wenige Stellen, die mit k\u00fcnstlicher Intelligenz zu tun hatten, aber meine erste Stelle war tats\u00e4chlich relevant: Ich arbeitete mit regelbasierten Entscheidungssystemen. Seitdem hat sich der Bereich der k\u00fcnstlichen Intelligenz stark weiterentwickelt, zumeist ohne f\u00fcr Schlagzeilen zu sorgen. Erst in den letzten Jahren hat er wieder gro\u00dfe Aufmerksamkeit erregt, insbesondere der Bereich des maschinellen Lernens. Das erinnert mich an den Hype, den das Internet und \"dot com\" in den 1990er Jahren ausgel\u00f6st haben. Blase gef\u00e4llig? Nur dieses Mal haben die Fortschritte in diesem Bereich eine solide Grundlage geschaffen, um die Expansion des maschinellen Lernens zu unterst\u00fctzen. Mein zweiter Job f\u00fchrte mich in die Welt des Anwendungs- und Sprachverst\u00e4ndnisses ein, und in diesem Bereich bin ich nun schon seit vielen Jahren t\u00e4tig. In dieser Zeit sind viele faszinierende Dinge passiert, und wie Sie sehen werden, geht es jetzt dorthin, wo ich angefangen habe. Der Kreislauf schlie\u00dft sich jetzt.<\/p>\n

Verstehen von Anwendungen und deren Code<\/strong><\/p>\n

Am Anfang stand der Gro\u00dfrechner. Leistungsstarke Ger\u00e4te, die eine enorme Anzahl von Transaktionen bew\u00e4ltigen konnten, die aber auch ihren Preis hatten. Dann kam das \"Netzwerk als Computer\", wie Sun Microsystems der Welt verk\u00fcndete. Die Unternehmen hatten nun Alternativen zu den Mainframe-Monolithen.<\/p>\n

Es gab jedoch ein Problem. Erfolgreiche Unternehmen hatten viel Geld in die Entwicklung von Mainframe-Prozessen investiert, die ihnen einen Vorsprung verschafften, und nat\u00fcrlich Unmengen an benutzerdefiniertem Code, der dazu geh\u00f6rte. Was sollte man nun mit all dem benutzerdefinierten Code machen? Der Wille war stark, aber der Code war schwach, propriet\u00e4r und inkompatibel. Und wir sollten nicht vergessen, dass relationale Datenbanken noch nicht als selbstverst\u00e4ndlich galten. Hierarchische und Netzwerk-Datenbankverwaltungssysteme waren stark und, wenn Sie mich fragen, basierten sie auf eleganten Konzepten und waren sehr gut in dem, was sie taten. Aber die Geschichte wird von den Gewinnern (neu) geschrieben, und so wurden es Server und relationale Datenbanken.<\/p>\n

Die Rolle der Automatisierung<\/strong><\/p>\n

Das Wort des Tages war Migration. Weg von den Mainframe-Monolithen, hin zu den Client-Servern. Dies erforderte jedoch eine Aufteilung der Anwendungen auf verschiedene Ebenen, die dem Client-Server-Modell entsprachen: Front-End, Business- und Datenbankebene. Das war eine gro\u00dfe Aufgabe, denn die Herausforderung war vielschichtig:<\/p>\n