Study Tour Digital Leadership – Day 5 : Swissnex & IBM Silicon Valley Laboratory
November 7, 2016
Vom Final Day der Study Tour des CAS Digital Leadership in San Francisco bloggen Dario Bernardi und Giuseppe Marino:
Swissnex
Emina Reissinger, Head of Partnerships
Am Pier 17, zehn Minuten vom historischen Ferry Building entfernt, treffen wir bei der Swissnex ein. Die Location ist bewusst gewählt und die Räumlichkeiten betten sich zwischen Salesforce, Autodesk, Google, LinkedIn und Bloomberg ein womit dem Schweizer Klischee von Kühen, Bergen und Schokolade etwas entgegengewirkt werden soll. Damit bezeichnet sich die Swissnex konsequent als „Switzerland’s Innovation Outpost“ und begleitet Projekte von Schweizer Firmen im Rahmen von Public Private Partnerships im Ausland. Alle Projekte werden Interdisziplinär aufgesetzt, sollen offen und in einem kollaborativen Rahmen stattfinden. Damit die Swissnex die ganzen Vereinigten Staaten abdecken kann, gibt es in den USA mit Boston und San Francisco zwei Niederlassungen. Die Niederlassung in San Francisco ist eine ehemalige Industriehalle und kann multifunktional eingesetzt werden. Damit eignen sich die Swissnex Büros für diverse Aktivitäten: Kunstausstellungen und Networking-Events werden ebenso durchgeführt wie Produktlaunches und natürlich Coworking Spaces angeboten.
Expertise & Kooperationen als Fokus
Spezifische Innovationsexpertise besitzt Swissnex an den Schnittpunkten zwischen Research & Education, Wissenschaft, Technologie und Design. Im Rahmen dieser vier Eckpunkte vermittelt Swissnex Know-How an interessierte Firmen wobei sie sich nicht nur auf bestimmte Branchen fokussieren, sondern offen und Branchenübergreifend operieren. Darüber hinaus existieren diverse Kooperationen mit Schweizer Partner wie bspw. der ETH oder dem KTI.
Das Ziel ist somit dreierlei:
- Das Erforschen neuer Trends
- Zusammenarbeit fördern und Firmen beraten
- Strategische Partnerschaften schaffen um neue digitale Initiativen zu starten
Die Liste der Firmen mit denen Swissnex kooperiert ist illuster und reicht von Grossfirmen über Universitäten bis hin zu Kantonen und Bundesbetrieben. Speziell erwähnt werden muss an dieser Stelle Vitra. Vitra ist einerseits Kooperationspartner und stellt damit auch die Einrichtung zur Verfügung. Das schlägt sich visuell natürlich in wunderschönen Büros nieder die gespickt sind mit Designknüllern der berühmten Marke.
Aktuell betreut Swissnex rund 16 Start-Ups und Firmen. Einige Corporates benutzen die Swissnex allerdings öfters auch “nur” als eine Art Coworking Space damit sie das in San Francisco existierende Swissnex Netzwerk für ihre Projekte nutzen können. Lang ist auf jeden Fall die Liste der bis heute betreuten Startups, wie die Timeline an der Wand beeindrucken zeigt.
Ein sehr aktuelles Beispiel ist das in der Schweiz bekannte und von der ZHDK entwickelte Birdly. Swissnex unterstützt den Flugsimulator Birdly in San Francisco vor Ort, um etwas mehr Systematik ins Projekt zu bringen und die Kommerzialisierung in den Vereinigten Staaten voranzutreiben.
Weitere Infos über Aktivitäten, Kooperationen und weiteren Möglichkeiten finden sich auf http://www.swissnexsanfrancisco.org/
IBM Silicon Valley Laboratory
Vorneweg ein grosses Danke an Thierry Kellerhals ! Dank seinem Einsatz und seinen Connections bei IBM kann die ganze Klasse der Silicon Valley Study Tour 2016 einen einmaligen Zugang zu den IBM Laboratories in San Jose ergattern. Kudos to Thierry!
Der Empfang ist sehr professionell und Marc Boegner lässt die Runde erstmal einen Fakt erzählen den sonst niemanden weiss. So erfahren wir, dass Massimo als Microsoft Mitarbeiter mal mit Apple zu tun hatte, Dario in seiner Jugend sich mit Pascal (Pascal = Programmiersprache) rumgeschlagen hat und Derek seine ersten IT Schritte auf einem Commodore 64 machte.
IBM hat rund 450‘000 Mitarbeiter und ist eines der grössten IT und Consultingunternehmen der Welt.
From Machine Learnings to Learning Machines
Remus Lazar, Director Spark Technology Center
Das Thema könnte nicht aktueller sein. Es berührt unser ganzes Leben und wird dieses weitgehend umstellen. Machine Learning Technologien können weitgehend in drei Anwendungsgebieten kategorisiert werden:
- Changing business rules
- Rapid speed of development
- Act with intelligence
Mittels Deep learning ist IBM heutzutage in der Lage, Objekte zu erkennen. Die Funktionalität wird dabei mittels sogenanntem Layering ermöglicht. Faktisch werden dabei Objekte einzeln erkannt und ebendiese Layers miteinander kombiniert womit Objekte erkannt werden können.
Wie funktioniert ein Machine Learning Prozess?
Daten müssen erhoben und verarbeitet werden (Data Ingestion), die Daten müssen extrahiert und interpretiert werden (Extract Features), das Model muss trainiert werden (Training & Deploy Model) womit folglich Vorhersagen gemacht werden können. Wie bei Menschen steigt der Lernfaktor mit dem Anstieg an zur Verfügung stehenden Datenmengen – und genau das ist heute prinzipiell machbar womit Machine Learning in ganz neue Dimensionen vorstossen kann. IBM arbeitet konkret im Health Bereich und Image Recognition Systemen mit Machine Learning.
Exkurs: Selbstfahrende Autos
IBM betreibt selber keine Forschung von selbstfahrenden Autos, kooperiert aber offenbar mit GM in diesem Space. Deep Learning ist auch da ein grosses Thema wobei die Methodik im Bereich der Erkennung extrem kurzer Distanzen angewendet wird. Offenbar ist es äusserst komplex, selbstfahrenden Autos die Erkennung von Abmessungen im Millimeterbereich beizubringen, während grössere Objekte oder Veränderungen auf der Strasse relativ gut machbar sind.
Grenzen von Machine Learning
Machine Learning stösst allerdings auch heute noch ein seine Grenzen, wobei menschliches Eingreifen vor allem in den folgenden vier Fällen notwendig ist:
- Choosing best model: Machine learning kann nicht selber über das zu applizierende Modell entscheiden. Ein Mensch muss das für die Maschine übernehmen.
- Creating examples: Schlecht schneidet eine Maschine auch beim erstellen von Beispielen ab. Sie ist (noch) zu wenig kreativ um eine solche Aufgabe bewältigen zu können.
- Models lose accuracy: Es gibt Fälle in denen maschinelle Vorhersagemodelle Genauigkeit verlieren. In diesem Fall muss der Mensch mit seiner Erfahrung eingreifen.
- Scalable deployment: Die Implementierung muss von Menschen durchgeführt werden.
In der Natur der Sache liegt die inhärente Wichtigkeit umfassender Datenquellen. Insofern können Daten aus allen möglichen nur erdenklichen Quellen erschlossen werden. Twitter, salesforce, Google, Finance- und Buchhaltungsinformationen, Bevölkerungsdaten oder IBM Kafka sind nur einige Schlagwörter die fallen. Die Kunst liegt in diesem Kontext auch darin, die erschlossenen Daten nun miteinander zu kombinieren. IBM nennt das Object Store und erledigt damit drei grundlegende Funktionen:
- Es sammelt alle Informationen und stellt diese ohne Hierarchien dar, womit
- eine hohe Effizienz angestrebt werden und somit folglich
- die Verfügbarkeit in Echtzeit sicherstellt.
Wichtig dabei ist nie zu vergessen, dass es sich nicht um eine simple Datenbank handelt, sondern um Daten enormen Ausmasses.
Remus’s Vortrag war etwas komplex, aber er schliesst mit den Worten, dass jede Industrie, jedes Unternehmen mittels Daten vollkommen disruptiert werden kann und wird. Das absolut zentrale Ziel eines jeden Unternehmens muss es insofern sein, seine Daten korrekt zu erheben, zu messen, zu interpretieren und damit das Überleben seines Unternehmens zu ermöglichen. Wir wissen also nun was wir zu tun haben, denn:
„If you don’t understand your data, you will fail“ (Remus Lazar, 4. November 2016, Director Spark Technology Center, IBM Silicon Valley Labs)
Watson Health and Watson for Drug Discovery
Scott Spangler, Principal Data Scientist
Sogar für IBM ist Watson Health ein neues Thema, womit wir heute in den Genuss von sehr exklusivem Wissen kommen. Die IBM Watson Health Cloud enthält eine Analytics Insights Platform, Image Processing aber auch eine Cognitive Knowledge Plattform. Zum jetzigen Zeitpunkt enthält die IBM Cloud rund 100‘000‘000 Patientendaten, 30‘000‘000‘000 Bilder, 15‘000‘000 Seiten medizinischer Informationen und 40‘000‘000 wissenschaftliche Untersuchungen. Was nun die Cloud Platform so einzigartig macht, ist die künstliche Intelligenz die alle diese Dokumente untersucht und inhaltlich daraus lernt. Da ein Mensch niemals alle diese Informationen kennen kann, wird IBM Watson bereits in naher Zukunft bessere Informationen zur Verfügung haben als Menschen. Damit lässt sich eine bessere Gesundheitsversorgung mittels Machine Learning anbieten als heutzutage dank Ärzten.
Zusammenfassend gibt es vier Tendenzen die es notwendig machen, dass die Gesundheitsversorgung künftig vermehrt auf Machine Learning verlassen wird:
- Datenexplosion: Die verfügbaren Gesundheitsdaten verdoppeln sich alle 24 Monate
- Die grosse Unbekannte: Da Gesundheitsdaten unstrukturiert sind, sind rund 80% der verfügbaren Informationen unsichtbar. Die IBM Watson Health Cloud sieht auch diese 80% und interpretiert sie.
- Informationsüberlastung: Ärzte müssten täglich 29 Stunden lesen, um sich mit den neusten täglichen Erkenntnissen auseinanderzusetzen und aktuell zu bleiben.
- Geschwindigkeit: Watson kann 200‘000‘000 Seiten in 3 Sekunden lesen.
Anwendungsgebiete gibt es dabei viele: Pharmahersteller können bessere Medikamente entwickeln, Ärzte genauere Diagnosen stellen, Versicherungen spezifische Leistungsangebote erstellen und Behörden die Gesundheitsversorgung der Bevölkerung effizient organisieren.
Es geht also einmal mehr nicht darum, dass uns Maschinen Entscheidungen abnehmen werden, sondern sie unterstützen uns in einer sinnvollen Entscheidungsfindung Dank aufbereiteter Informationen zu denen wir ansonsten nie Zugang hätten.
Making Blockchain Real for Business
Dulce B. Ponceleon, Content Protection Competency Center
Die charmante Dulce Ponceleon gibt uns einen Überblick über die Blockchain. Heute in aller Munde und vor allem durch Bitcoin bekannt geworden gibt es viele Interpretationen und Vorstellungen davon, was eine Blockchain alles kann, soll, muss, tut. Aber für was kann man denn eine Blockchain überhaupt verwenden? Dulce verwendet dabei eine klare Definition und bricht alle möglichen Interpretationen auf einen Satz herunter: die Blockchain soll für Transaktionen das sein, was das Internet für Dokumente ist. Es ist also das Internet der Werte, „the internet of value“.
Die Blockchain ist im grundlegenden Prinzip nichts anderes als ein Verzeichnis, das in diesem Rahmen alle möglichen Informationen beinhalten kann. Die Blockchain enthält alle Informationen die eine Transaktion ermöglichen und enthält zusätzlich Informationen zu den Rahmenbedingungen einer Transaktion. Als Analogie lässt sich ein Grundbuchamt aufführen, wobei das Grundbuchamt zwar die Transaktion registriert und aufführt, aber ohne Bedingungen der eigentlichen Transaktion. Diese Informationen werden in diesem Fall separat definiert und aufbewahrt. Der massgebende Unterschied zwischen bspw. einem Grundbuch und einem dazugehörendem Vertrag ist, dass die Blockchain nicht zentral abgelegt oder verwaltet wird. Das heutige System ist damit einer Blockchain weitgehend unterlegen.
Die Blockchain führt somit in einem zentralen Verzeichnis alle verfügbaren Informationen zusammen und konsolidiert die verschiedenen, heute existierenden Player wie bspw. Grundbuchämter, Bankverzeichnisse, Auditoren und die bspw. verschiedenen Vertragspartner die einer entsprechenden Transaktion zugeordnet werden müssen.
Die Blockchain setzt sich aus folgenden vier Elementen zusammen:
- Shared Ledger: das Verzeichnis ist verteilt über ein Netzwerk und jede Transaktion wird ans Ende ebendieser Blockchain angehängt. Da das Verzeichnis nicht zentral aufbewahrt wird ist der Shared Ledger prinzipiell sicherer als ein zentral geführtes Register.
- Smart Contracts: Vertragsdetails sind in der Transaktionsbasis eingetragen und werden mitaufbewahrt
- Privacy: Obwohl eine Transaktion grundsätzlich einsehbar ist, wird die Privacy jedes einzelnen in 1:1 Beziehungen geregelt und sind damit vollständig privat bzw. nur zwischen den betroffenen Parteien einsehbar
- Consensus: Die Parteien sind sich einig über den Transaktor, in diesem Fall die Blockchain
Da IBM einen Alleingang als zu disruptiv empfunden hätte, haben sie ihren Code 2014 an die Linux Stiftung übergeben. Damit wurde ein Open Source Standard und eine Risikominimierung geschaffen womit die Blockchain zusätzliche Zukunftsperspektiven erhalten hat. Da sie zusätzlich Permission Based ist geniesst die Blockchain ein verhältnismässig hohes Vertrauen von Unternehmen,
Privaten und Behörden. Damit hat es IBM geschafft, dass IBM Blockchain Technologie eine gute Chance eine gute Basis für zukünftige Applikationen zu sein, wie auch das folgende Video gut illustriert:
Erste Beispiele erfolgreicher Kooperationen existieren bereits. Diverse Finanzinstitute, ein Logistikunternehmen sowie die japanische Börse haben erste Kooperation mit IBM beschlossen.
Zum Schluss noch ein grosses Dankeschön an Patrick, Joanna und das MetaDesign Team für die Organisation und die Gastfreundschaft. Danke für diese unvergessliche Woche!
Wir werden den Silicon Valley Spirit vermissen.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Wait for it!
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Teilnehmer der #epic #awesome #amazing #hwzsv #digitalleader Study Tour im Hebst 2016.
vlnr: Bruno, Gaby, Res, Giuseppe, Dario, Thierry, Florance, Massimo, Derek, Roger, Andy, Walter.