Teil 5: Der harte Weg zum Webservice

Wie Service auch digital scheitern kann

Service ist der Kern einer Wirtschaft, die sich immer weiter in Richtung Dienstleistung entwickelt. Als ich noch am Anfang meiner Karriere stand, sagte mir Jürgen Fuchs, damals Generalbevollmächtigter der CSC Ploenzke AG, in einem Gespräch über Vertrieb etwas, das sich tief eingebrannt hat und heute treffender ist, als je zuvor:

Verkaufe nicht, sondern mache es deinen Kunden leicht, bei dir zu kaufen.

Leicht gesagt, alter Mann, dachte ich damals. Mittlerweile bin ich selbst so alt und kann sagen, der Satz ist wahr, erinnert er doch stets daran, dass Erfolg nicht dadurch entsteht, dass Kunden mit einem massivem Marketingbudget zum Kauf getrieben werden. OK, das kann schon helfen. Noch besser ist es aber, ein überzeugendes Wertangebot zu generieren, so dass Kunden von sich aus einen unbändigen Willen entwickeln zu kaufen. Nun gut, kombiniert man beides, Idee und Budget, dann wirkt es umso besser.

Es Kunden leicht zu machen, heißt auch, zugänglich zu sein und Service zu bieten, den Kunden wirklich brauchen. Mittlerweile geht es dabei nur noch zum Teil um Menschen. Maschinen beginnen miteinander zu kommunizieren und einander Services zu liefern, ohne dass ein Mensch eingreifen muss. Über das Internet und entsprechende Protokolle miteinander verbunden, bilden sie das Internet of Things (IoT) und im industriellen Kontext halt das Industrial Internet of Things (IIoT). Mittlerweile gibt es schon weit mehr Maschinen, die am Informationsaustausch via Internet teilnehmen als Menschen! Damit das funktioniert braucht es eine Schnittstelle (Application Programming Interface - API). Dafür stehen verschiedene Architekturen zur Verfügung, z.B. REST oder SOAP.

Ein Webservice funktioniert in etwas so: Eine anfragende Einheit (Rechner, Maschine, zur Not auch ein Mensch) sendet via Internet strukturierte Daten an die Schnittstelle des Webservices. Dabei muss sich der Sender mit einem API-Schlüssel identifizieren. Der Webservice sendet dann das Ergebnis, das er aus den Daten herausgeholt hat, als Antwort zurück. Das Prinzip ist also nicht anders als auf einer Sonnenterasse beim Kellner einen Drink zu bestellen und ihn dann auch zu bekommen, nur halt viel, viel schneller und zuverlässiger.

Die technische Seite ist damit kurz angerissen. Viel spannender wird es aus strategischer Sicht, denn Services und APIs öffnen das Unternehmen in vielfältige Richtungen und erlauben automatisierte Kollaboration.

Ein API ist das in Programmcode gegossene Kollaborationsmodell

Das ist von großer Tragweite. Wie ein API gestaltet wird, wer Zugriff bekommt und welche Rechte damit verknüpft sind, gestaltet wesentlich die Einbindung des eigenen Unternehmens in ein wirtschaftliches Ökosystem, und zwar unmittelbarer und dauerhafter als jeder Vertrag. Daher sollte der Gestaltung von Services und APIs höchte Management-Aufmerksamkeit gewidmet werden.

Webservices und künstliche Intelligenz

Aufmerksame Leserinnen und Leser werden sich jetzt vielleicht Fragen, "was hat das alles mit Künstlicher Intelligenz zu tun?" Eine gute Frage. Ersteinmal nichts, denn Services und APIs existieren unabhängig von KI. Dennoch können die Technologien gemeinsam große Wirkung entfalten:

• Analytik-Einheiten und KI-Module können als Services in eigene Lösungen eingebunden werden.
• Eigene KI-Lösungen können als Service zur Verfügung gestellt werden.
• Unterschiedliche Datenanalyse- und KI-Lösungen können schnell und effizient über Services zusammenarbeiten und so eine größere, verteilte Künstliche Intelligenz erschaffen.
• Services sind dafür prädestiniert, ältere Softwarelösungen (Legacy Systeme) und modere Systeme sicher und sinnvoll miteinander zu verbinden.
• Services lassen sich gut administrieren.
• Und nicht zuletzt ist es möglich, mithilfe von Services ökonomisch reizvolle Geschäftsmodelle aufzubauen, die nicht auf einmalige, sondern wiederkehrende Umsätze zielen, z.B. in Abo- oder "Pay-as-you-go"-Modelle.

Jetzt aber selbst einen Service erstellen

Bei Fragen der Monetarisierung sind wir im Azure Machine Learning Kurs aber längst nicht. Die nächste Aufgabe lautet, einen Service zu erstellen, der von außerhalb angesteuert werden kann und der aufgrund eingegebener Datensätzt eine Wahrscheinlichkeit zurück gibt, ob jemand Diabetiker ist oder nicht.

Das gelingt in Azure wirklich per Mausklick, da das Erstellen von Services ein integraler Bestandteil ist, der aus dem Experiment-Design heraus automatisch gestarte werden kann.

So war es jedenfalls, als ich es vor ein paar Tagen gemacht habe. Heute, als ich genau dort weitermachen wollte großer Frust. Ja, ich konnte mich sofort in die Azure Platform einloggen und habe mein Projekt gefunden. Da war dann in der Übersicht auch der Link zum Workspace. Darauf klicken bringt einen aber nicht dahin, wohin man will, nämlich zum Workspace, der mit dem eigenen Projekt verbunden ist, sondern es folgt ein allgemeiner Login und dann — nichts. Eine leere Liste. Ich war mir sicher, dass ich alles gespeichert hatte.

Es hat eine halbe Stunde gedauer, bevor ich dahinter kam, dass ich auf das Verzeichnis-Symbol in der Kopfzeile klicken muss, um zunächst den richtigen Server auszuwählen. Liebe Microsofties, das ließe sich deutlich besser lösen. Denkt mal an Service und daran, es euren Kunden leicht zu machen. Im Endeffekt wollt ihr doch auch verkaufen, oder?

Der nächste Schritt wäre gewesen, den Service mit Excel zu nutzen. Das wäre eine feine Sache, man braucht dann kein extra Webinterface. Allerdings muss man dafür ein Add-In herunterladen. Aber auch da bin ich gescheitert. Ich nutze Office 365 auf einem deutschen Server. Und alles was sich mir bot, war folgende Fehlermeldung:

Und kein Hinweis, was ich nun tun könnte. Ärgerlich. Glücklicherweise konnte unser Server-Administrator das Problem lösen. Und tatsächlich. Jetzt kann ich mit Excel feststellen, ob ein Datensatz darauf hindeutet, ob jemand Diabetes hat (Spalte L = 1) und mit welcher Wahrscheinlichkeit (Spalte M). Endlich.

 

Der nächste Schritt ist dann schon wieder einfacher, obwohl er viel technischer aussieht: Eine Webservice in der Programmiersprache Python 3.6. So sieht es aus:

Sieht cool aus, oder? Ganz ehrlich, ich habe nicht eine einzige Zeile Code geschrieben. Das hat das System übernommen und ich musste es nur rüberkopieren in die Programmumgebung. Und siehe da, es funktioniert!

Vom Lernen zum Service zum Lernen

Was ist jetzt herausgekommen? Die Maschine hatte in den vorhergehenden Stufen gelernt, Diabetes anhand von Daten vorherzusagen. Nein, falsch. Vorhersagen und "predictive" klingen im Moment zwar super, aber in Wahrheit ist es bisher keine Vorhersage gewesen, sondern lediglich eine automatisierte Datenanalyse und Dateninterpretation. Trotzdem nicht schlecht, aber auch nicht überzubewerten.

Was gibt es noch? Die Erkenntnis, dass Services und vor allem die Orientierung in so komplexen Systemen wie Azure noch längst nicht dem Fuchs'schen Ideal entspricht, es Kunden leicht zu machen.

Bis bald.

 

⬅ Zum vorhergehenden Blog-Eintrag    Zum nächsten Blog-Eintrag ⮕

veröffentlicht: 23.05.2018, © Uwe Weinreich