Machine learning und Datenbanken Optimierung

Maschinelles Lernen für IT-Anwendungen

Das maschinelle Lernen ist ein Teilgebiet der künstlichen Intelligenz. Auf Basis vorhandener Datenbestände und Algorithmen können zum Beispiel Muster und Gesetzmäßigkeiten erkannt und Vorhersagen und Lösungen entwickelt werden. Anhand vorgegebener mathematischer und statistischer Modellierung wird aus der Vergangenheit gelernt und automatisch künstliches Wissen erzeugt, das teils explizit zum Beispiel in Form von gelernten Clustern und teils implizit, z.B. in Form von gelernten impliziten Strukturen in neuralen Netzen vorliegt. Das Wissen, das aus den Daten gewonnen wurde, lässt sich verallgemeinern und für neue Problemlösungen, oder für die Analyse von bisher unbekannten Daten, verwenden. Liegen zum Beispiel gelernte Cluster (sinnvolle, zusammengehörigen Gruppen von Daten) vor, können neu auftretende Fälle, Personen, Ereignisse, etc., anhand ihrer Eigenschaften relativ leicht in diese eingeordnet werden. Das bietet vielfältige Einsatzgebiete in der Optimierung von Prozessen – insbesondere auch im Bereich IT und Datenbank-Optimierung. Wenn passende Daten vorhanden sind, Abläufe, Prozesse und Lernregeln bestimmt wurden, sind Systeme mit maschinellen Lernen zum Beispiel in der Lage:

• Essenzielle Daten zu finden, zu extrahieren und zusammenzufassen
• Vorhersagen auf Grundlage der analysierten Daten zu treffen
• Wahrscheinlichkeiten für bestimmte Aktionen zu berechnen
• Sich an Entwicklungen selbstständig anzupassen (Lernen)
• Prozesse auf der Grundlage erkannter Muster zu optimieren

Diese Offenheit von Maschinellem Lernen wird zusätzlich durch verschiedene Anwendungsarten und Lerntypen verstärkt. So kann die Datenbasis online oder offline vorliegen. Es kann sich um einen einmaligen Daten-Input, oder um ein konstantes Daten-Feeding handeln. Beispiele für Lerntypen sind:

• Überwachtes Lernen (Supervised Learning): Dem Algorithmus werden mit expliziten Labels versehene Beispielfälle von Input-Output-Paaren gegeben, anhand derer eine Funktion gelernt wird, die einen Input (z.B. einen aktuellen Fall, ein Ereignis, eine Person) einem Output (z.B. Gruppen / Cluster) zuordnet.
• Unüberwachtes Lernen (Unsupervised Learning): Der Algorithmus lernt Muster in Daten ohne vorab existierende Labels. Dadurch können explorativ neue, bisher unbekannte Muster entdeckt werden.
• Teilüberwachtes Lernen (Semi-supervised Learning): Hier werden im Training Daten mit und ohne Labels genutzt, da das Labeling aller Trainingsdaten zu zeit- und kostenintensiv sein kann.
• Verstärktes Lernen (Reinforcement Learning): Der Algorithmus lernt / optimiert hier durch Belohnung und Bestrafung in Bezug auf eine wünschenswerte Optimierung. Eine Beispielanwendung ist einen Prozess so zu optimieren, um in möglichst kurzer Zeit ein bestimmtes Ziel zu erreichen.

In Summe sind die Anwendungsgebiete von Maschinellem Lernen in der IT dadurch sehr vielfältig. Beispiele sind das Erkennen von Spam-Mails, die Sprach- und Texterkennung für digitale Assistenten, oder die automatische Erkennung von Kreditkartenbetrug. Selbstredend kann Machine Learning daher in unterschiedlicher Art in der Datenbank-Optimierung eingesetzt werden.

Arten der Datenbank-Optimierung

Das Optimieren einer Datenbank kann dazu dienen, wichtige Prozesse zu beschleunigen, IT-Ressourcen besser auszunutzen, oder die Datenqualität / -konsistenz zu verbessern. „In vielen Unternehmen ist eine anstehende Optimierung der Datenbank oft eigentlich unausweichlich“, weiß Wendl. „Wenn zum Beispiel standardisierte Datenabfragen ewig dauern, kostet das in Summe nicht nur wertvolle Arbeitszeit, sondern erzeugt oft auch auf allen Ebenen Frust – bei langen Ladezeiten in Online-Shops, in Online-Portalen, im Amt, u.s.w., sogar bis hin zum Kunden.“ Im Unternehmensalltag werden auch oft mehrere, ganz verschiedene Datenbanken zusammengeschlossen, oder ein notwendiger Zusammenschluss fehlt, was zusätzlich inkonsistente Datenbestände (z.B. in Form von fehlenden Daten, falschen Zuordnungen, etc.) erzeugen kann. Eine gelungene Optimierung kann daher – je nach konkretem Problemfall & den abhängigen Unternehmensprozessen – ganz unterschiedliche Bedarfe abdecken.

Datenbanken-Optimierungen und Maschinelles Lernen

Es gab schon immer eine Nähe von DBAs zur Anwendung analytisch-statistischer Prozeduren für Analyse- & Optimierungszwecke. So können Leistungsdaten der Datenbank statistisch (auch über die Zeit) analysiert werden, um die gewonnenen Erkenntnisse für spätere Optimierungen zu nutzen. Zudem werden mittels Business-Intelligence & Machine Learning Algorithmen große Datenmengen selbst für die Optimierung von Geschäftsprozessen analysiert. In diesem Umfeld überraschen Versuche derartige Instrumente auch in der Datenbank-Optimierung an sich einzusetzen wenig. Am Markt sind diverse Produkte vorhanden, die ein optimiertes Umgehen mit Extrakations-, Transformations- und Laderoutinen in Datenbanken ermöglichen. Je nach Datenbanken, eingesetzter Software, abgebildeten Geschäftsprozessen und der dahinterliegenden IT-Infrastruktur kann Machine Learning z.B. für das dynamische Lernen von Datenbankverhalten über die Zeit (z.B. Anfragehochs zu bestimmten Tageszeiten, strukturelles Userverhalten, etc.) und automatisierte Optimierungen eingesetzt werden. Komplementär muss natürlich auch praktisches Wissen der Firma (z.B. über die einzusetzende Art von Joins bei komplexen Datenbankabfragen) vorhanden sein.

Datenbank-Systeme, die auf Maschinellem Lernen basieren

Auf dem Markt sind mehrere Datenbank-Systeme erhältlich, die maschinelles Lernen von Grund auf in ihre Logik und Architektur einbeziehen. Ein Beispiel ist die für große Datenmengen und Cloud optimierte Datenbank deepSQL. Sie kombiniert eine relationale Datenbank, die entwickelt wurde, um Datenstreaming, Transaktionen und Analysen im Cloud-Bereich gleichzeitig mit maschinellem Lernen auszuführen, um Probleme in Zusammenhang mit traditionellen Datenbanken, wie Concurrency, Caching und Kalibrierung zu lösen, die die Flexibilität, Leistung und Skalierbarkeit einschränken. Die Antwort des Unternehmens auf die Probleme traditioneller Datenbanken heißt CASSI (Continuously Adapting Sequential Summarization of Information), basierend auf einem „Self-Tuning-Loop“, der vier Phasen umfasst: beobachten und analysieren, vorhersagen und anpassen, orchestrieren und optimieren und den Kreislauf schließen. Speicher und Festplatte sind getrennt, damit sie unabhängig voneinander konfiguriert werden können. Das maschinelle Lernen sagt z.B. vorher, was im Speicher organisiert werden muss, um eine hochperformante, gleichzeitige Ausführung von Workloads zu bewältigen.