{"id":14538,"date":"2018-12-13T15:22:33","date_gmt":"2018-12-13T14:22:33","guid":{"rendered":"https:\/\/www.inovex.de\/blog\/?p=14538"},"modified":"2026-03-17T07:59:36","modified_gmt":"2026-03-17T06:59:36","slug":"mlaas-maschinelles-lernen-in-der-cloud","status":"publish","type":"post","link":"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/","title":{"rendered":"MLaaS: Maschinelles Lernen in der Cloud"},"content":{"rendered":"<p>Cloud Computing gewinnt durch sein flexibles Bereitstellungsmodell immer gr\u00f6\u00dfere Bedeutung. Von Software (SaaS),Plattformen (PaaS) bis hin zur IT-Infrastruktur (IaaS) wird ein weites Spektrum an Diensten angeboten, die Unternehmen in der immer schneller werdenden Digitaler Transformation unterst\u00fctzen sollen. Eine neue Sparte bildet Machine learning as a service (MLaaS), welches Unternehmen eine einfache M\u00f6glichkeit bietet Daten zu verarbeiten, Modelle zu trainieren und Prognosen zu erstellen. In diesem Artikel werden die Angebote von vier der gr\u00f6\u00dften Cloud Anbieter vorgestellt: Google Cloud Platform (GCP), Amazon Web Services (AWS), Microsoft Azure und IBM Cloud\/Watson.<!--more--><\/p>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_79_2 counter-hierarchy ez-toc-counter ez-toc-custom ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\"><p class=\"ez-toc-title\" style=\"cursor:inherit\"><\/p>\n<\/div><nav><ul class='ez-toc-list ez-toc-list-level-1 ' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/#Angebotsuebersicht\" >Angebots\u00fcbersicht<\/a><ul class='ez-toc-list-level-3' ><li class='ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/#Plattformbasierte-Dienste\" >Plattformbasierte Dienste<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/#Vortrainierte-ML-APIs\" >Vortrainierte ML APIs<\/a><ul class='ez-toc-list-level-4' ><li class='ez-toc-heading-level-4'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/#Sprach-Textanalyse\" >Sprach- &amp; Textanalyse<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-4'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/#Bildanalyse\" >Bildanalyse<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-4'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/#Sonstige-Services\" >Sonstige Services<\/a><\/li><\/ul><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/#Semi-Automatisierte-Dienste\" >(Semi-)Automatisierte Dienste<\/a><\/li><\/ul><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/#Evaluierung-der-Bild-und-Sprachanalysedienste\" >Evaluierung der Bild- und Sprachanalysedienste<\/a><ul class='ez-toc-list-level-3' ><li class='ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-9\" href=\"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/#Bildanalyse-2\" >Bildanalyse<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-10\" href=\"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/#Sprachanalyse\" >Sprachanalyse<\/a><\/li><\/ul><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-11\" href=\"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/#Ausblick\" >Ausblick<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-12\" href=\"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/#Weiterlesen\" >Weiterlesen<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"Angebotsuebersicht\"><\/span>Angebots\u00fcbersicht<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Cloud-basierte ML-Dienste lassen sich aktuell anhand ihrer technischen Anforderungen, der Stack-Tiefe und ihrer Usability in drei verschiedene Kategorien einordnen:<\/p>\n<h3><span class=\"ez-toc-section\" id=\"Plattformbasierte-Dienste\"><\/span>Plattformbasierte Dienste<span class=\"ez-toc-section-end\"><\/span><\/h3>\n<table class=\"table table-bordered table-hover table-condensed\">\n<thead>\n<tr>\n<th><\/th>\n<th>Amazon SageMaker<\/th>\n<th>Google Cloud ML Engine<\/th>\n<th>Azure ML Services<\/th>\n<th>IBM Watson Studio<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Schnittstellen<\/td>\n<td>CLI, REST, Jupyter Notebook<\/td>\n<td>CLI, REST<\/td>\n<td>CLI, Jupyter Notebook<\/td>\n<td>CLI, Jupyter Notebook<\/td>\n<\/tr>\n<tr>\n<td>SDKs<\/td>\n<td>.NET, C++, Go,Java, JavaScript, PHP, Python, Ruby<\/td>\n<td>C#, Go, Java, Node.js, PHP, Python,Ruby<\/td>\n<td>Python<\/td>\n<td>Python<\/td>\n<\/tr>\n<tr>\n<td>Feat. Frameworks<\/td>\n<td>Apache MXNet, XGBoost, TensorFlow, PyTorch, Chainer<\/td>\n<td>scikit-learn, XGBoost, TensorFlow<\/td>\n<td>Apache MXNet, scikit-learn, TensorFlow, PyTorch, CNTK<\/td>\n<td>Spark MLlib, scikit-learn, XGBoost, TensorFlow, Keras, Caffe, PyTorch, IBM SPSS<\/td>\n<\/tr>\n<tr>\n<td>Eigene Algorithmen<\/td>\n<td>+<\/td>\n<td>&#8211;<\/td>\n<td>+<\/td>\n<td>+<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Plattformbasierte Dienste bieten eine verwaltete Plattform f\u00fcr ML, mit der Entwickler m\u00f6glichst schnell und einfach ihre eigenen Modelle trainieren und einsetzten k\u00f6nnen. Dabei stehen ihnen eine Auswahl an unterschiedlichen Frameworks und Algorithmen zur Verf\u00fcgung. Durch die Abstraktion der Plattformschicht entf\u00e4llt der Mehraufwand durch die Verwaltung eigener Hardware. Zus\u00e4tzlich bietet eine Cloud-basierte Infrastruktur auch Vorteile in der Skalierbarkeit und Elastizit\u00e4t. Diese Dienste bieten die gr\u00f6\u00dfte Flexibilit\u00e4t hinsichtlich Modellaufbau und Tests anhand unterschiedlicher Algorithmen.<\/p>\n<p>Alle vier Dienste bieten ein Command-line Interface f\u00fcr ihre Plattformen an. Google und Amazon stellen zudem REST APIs zur Verf\u00fcgung. AWS, Azure und IBM bieten zus\u00e4tzlich noch den Zugriff \u00fcber ein <a href=\"https:\/\/www.inovex.de\/blog\/working-efficiently-with-jupyter-notebooks\/\" target=\"_blank\" rel=\"noopener\">Jupyter Notebook<\/a> an. W\u00e4hrend Azure und IBM lediglich ein SDK f\u00fcr Python bereitstellen, unterst\u00fctzen Google und AWS zahlreiche weitere Programmiersprachen. Alle Anbieter stellen durch ihre Frameworks und Algorithmen L\u00f6sungen f\u00fcr die g\u00e4ngigsten ML Problematiken (Regression, Klassifizierung) zur Verf\u00fcgung und decken in der Hinsicht denselben Funktionsumfang ab. Es k\u00f6nnten jedoch zus\u00e4tzliche sekund\u00e4re Faktoren wie z.B. Laufzeit, Framework Usability, o.\u00c4. eine wichtige Rolle in der Entscheidungsfindung spielen. Diese h\u00e4ngen jedoch nicht von der Plattform ab, sondern vom eingesetzten Framework.<\/p>\n<h3><span class=\"ez-toc-section\" id=\"Vortrainierte-ML-APIs\"><\/span>Vortrainierte ML APIs<span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p>Neben den Plattformdiensten werden zahlreiche vortrainierte ML APIs angeboten, bei denen die Modelle bereits vortrainiert sind. Es werden f\u00fcr die Nutzung keine vorherigen ML Kenntnisse ben\u00f6tigt; man \u00fcbergibt lediglich die eigenen Daten und erh\u00e4lt die von den oder SDKs. Durch die bereits vortrainierten und getesteten Modelle entf\u00e4llt ein gro\u00dfer Modellen erzeugen Ergebnisse. Die Anbindung erfolgt meist \u00fcber eine REST-Schnittstelle oder SDKs. Durch die bereits vortrainierten und getesteten Modelle entf\u00e4llt ein gro\u00dfer\u00a0 Arbeitsaufwand, vor allem da keine eigenen Trainings- und Testdatens\u00e4tze ben\u00f6tigt werden. Diese vortrainierten Dienste lassen sich zurzeit in drei gr\u00f6\u00dfere Kategorien einteilen:<\/p>\n<ol>\n<li>Sprach- &amp; Textanalyse<\/li>\n<li>Bildanalyse<\/li>\n<li>Sonstige Dienste<\/li>\n<\/ol>\n<h4><span class=\"ez-toc-section\" id=\"Sprach-Textanalyse\"><\/span>Sprach- &amp; Textanalyse<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p>Der Kernbereich der Sprach- und Textanalyse bildet das <b><a href=\"https:\/\/en.wikipedia.org\/wiki\/Natural_language_processing\">Natural Language Processing (NLP)<\/a><\/b>, das Maschinen erm\u00f6glicht, mit menschlicher Sprache zu interagieren. NLP besteht unter anderem aus Spracherkennung, Syntaxanalyse und Textgenerierung. Viele dieser Bereiche haben in den Vergangen Jahren deutliche Fortschritte gemacht, nicht zuletzt dank den Erfolgen im Deep Learning (<a href=\"https:\/\/ieeexplore.ieee.org\/document\/8416973\/\">Young et al. [2018]<\/a>). In den meisten F\u00e4llen wird Spracherkennung zusammen mit NLP genutzt, um die W\u00fcnsche von Nutzern nachzuvollziehen. Die bekanntesten Beispiele dieser Technologie sind digitale Sprachassistenten wie Apples <i>Siri<\/i> oder Amazons <i>Alexa<\/i>.<\/p>\n<table class=\"table table-bordered table-hover table-condensed\">\n<thead>\n<tr>\n<th title=\"Field #1\">Funktion \/ Anbieter<\/th>\n<th title=\"Field #2\">AWS<\/th>\n<th title=\"Field #3\">GCP<\/th>\n<th title=\"Field #4\">Azure<\/th>\n<th title=\"Field #5\">Watson<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>speech to text<\/td>\n<td>2<\/td>\n<td>119<\/td>\n<td>30<\/td>\n<td>9<\/td>\n<\/tr>\n<tr>\n<td>text to speech<\/td>\n<td>27<\/td>\n<td>56<\/td>\n<td>51<\/td>\n<td>8<\/td>\n<\/tr>\n<tr>\n<td>language translator<\/td>\n<td>12<\/td>\n<td>98<\/td>\n<td>62<\/td>\n<td>22<\/td>\n<\/tr>\n<tr>\n<td>language detection<\/td>\n<td>100<\/td>\n<td>104<\/td>\n<td>66<\/td>\n<td>62<\/td>\n<\/tr>\n<tr>\n<td>topic extraction<\/td>\n<td>X<\/td>\n<td>X<\/td>\n<td>X<\/td>\n<td>X<\/td>\n<\/tr>\n<tr>\n<td>entities extraction<\/td>\n<td>X<\/td>\n<td>X<\/td>\n<td>X<\/td>\n<td>X<\/td>\n<\/tr>\n<tr>\n<td>keywords extraction<\/td>\n<td>X<\/td>\n<td>X<\/td>\n<td>X<\/td>\n<td>X<\/td>\n<\/tr>\n<tr>\n<td>metadata extraction<\/td>\n<td><\/td>\n<td><\/td>\n<td><\/td>\n<td>X<\/td>\n<\/tr>\n<tr>\n<td>relations analysis<\/td>\n<td><\/td>\n<td><\/td>\n<td>X<\/td>\n<td>X<\/td>\n<\/tr>\n<tr>\n<td>syntax analysis<\/td>\n<td>X<\/td>\n<td>X<\/td>\n<td>X<\/td>\n<td>X<\/td>\n<\/tr>\n<tr>\n<td>sentiment analysis<\/td>\n<td>X<\/td>\n<td>X<\/td>\n<td>X<\/td>\n<td>X<\/td>\n<\/tr>\n<tr>\n<td>emotion analysis<\/td>\n<td><\/td>\n<td><\/td>\n<td><\/td>\n<td>X<\/td>\n<\/tr>\n<tr>\n<td>personality analysis<\/td>\n<td><\/td>\n<td><\/td>\n<td><\/td>\n<td>X<\/td>\n<\/tr>\n<tr>\n<td>tone analysis<\/td>\n<td><\/td>\n<td><\/td>\n<td><\/td>\n<td>X<\/td>\n<\/tr>\n<tr>\n<td>voice verification<\/td>\n<td><\/td>\n<td><\/td>\n<td>X<\/td>\n<td><\/td>\n<\/tr>\n<tr>\n<td>spell check<\/td>\n<td><\/td>\n<td><\/td>\n<td>X<\/td>\n<td><\/td>\n<\/tr>\n<tr>\n<td>Total<\/td>\n<td>9<\/td>\n<td>9<\/td>\n<td>13<\/td>\n<td>14<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<h5>Amazon<\/h5>\n<p>Amazon bietet f\u00fcr alle sprach- und textrelevanten Aufgaben vier unterschiedliche APIs an, jede mit einem bestimmten Aufgabenbereich. <i>Amazon Transcribe<\/i> dient zur Spracherkennung. Die dabei erzeugten Audiodateien k\u00f6nnen dann zur weiteren Analyse verwendet werden. Ein naheliegender Anwendungsfall w\u00e4re die Auswertung von Kundentelefonaten. <i>Transcribe<\/i> unterst\u00fctzt Englisch und Spanisch. <i>Amazon Polly<\/i> bietet die M\u00f6glichkeit zur Sprachsynthese. Dabei wird ein bestehender Text mit einer m\u00f6glichst menschen\u00e4hnlichen computergenerierten Stimme wiedergegeben. Dies ist vor allem hilfreich bei Vorleseger\u00e4ten f\u00fcr Sehbehinderte. <i>Polly<\/i> unterst\u00fctzt 27 verschiedene Sprachen und bietet f\u00fcr einige Sprachen mehrere Stimmvarianten an. Zur Textanalyse wird <i>Amazon Comprehend<\/i> angeboten. <i>Comprehend<\/i> ist ein NLP Dienst und bietet unterschiedliche Analysetools an, um in Texten neue Einsichten und Zusammenh\u00e4nge zu finden. Aktuell bietet <i>Comprehend<\/i> folgende Funktionen:<\/p>\n<ul>\n<li>Schl\u00fcsselphrasenextraktion<\/li>\n<li>Stimmungsanalyse, um die allgemeine Stimmung eines Texts (positiv, negativ, neutral oder gemischt) wiederzugeben<\/li>\n<li>Syntaxanalyse, mit der man Text in Tokens unterteilen kann, um so Wortgrenzenund Bezeichnungen wie Substantive und Adjektive im Text zu erkennen<\/li>\n<li>Entit\u00e4tenerkennung (Erkennung von Namen, Orten, Unternehmen, etc.)<\/li>\n<li>Erkennung von 100 Sprachen<\/li>\n<\/ul>\n<p><i>Amazon Translate<\/i> \u00fcbersetzt Text aus dem Englischen oder ins Englische. Dabei werden 12 Sprachen unterst\u00fctzt.<\/p>\n<h5>Google<\/h5>\n<p>Google bietet mit <i>Cloud Speech-to-Text<\/i> ebenfalls einen Spracherkennungsdienst an. Dabei werden insgesamt 119 Sprachen und Dialekte unterst\u00fctzt. F\u00fcr die Sprachsynthese steht <i>Cloud Text-to-Speech<\/i> zur Verf\u00fcgung. Dieser Dienst unterst\u00fctzt 56 verschiedene Sprachen\/Dialekte. Darunter sind besondere <i>WaveNet-<\/i>Stimmen, die laut Google (<a href=\"https:\/\/arxiv.org\/abs\/1609.03499\">van den Oord et al. [2016]<\/a>) gegen\u00fcber anderen Sprachsynthesetechnologien von Menschen als authentischer wahrgenommen werden. <i>WaveNet<\/i> erzeugt f\u00fcr die Synthese komplett neue Audiodateien mithilfe eines neuronalen Netzes, welches auf realistische Tonfolgen und Sprachwellen trainiert ist. Diese Technologie wird auch beim Google Assistant und Googles \u00dcbersetzungsdienst verwendet. <i>Cloud Natural Language<\/i> ist das NLP-Pendant zu <i>Amazon Comprehend<\/i> und bietet dieselben Funktionalit\u00e4ten. Mit <i>Cloud Translation<\/i> bietet Google eine M\u00f6glichkeit, den bekannten <i>Google-Translate-<\/i>\u00dcbersetzungsdienst in eigene Anwendungen zu integrieren. Dabei liegt Google mit 104 unterst\u00fctzten Sprachen klar vor der Konkurrenz, wobei hier keine Aussage zur \u00dcbersetzungsqualit\u00e4t mit einbezogen wird. Bei <i>Cloud Translation<\/i> k\u00f6nnen zudem alle Sprachen auch untereinander \u00fcbersetzt werden.<\/p>\n<h5>Azure<\/h5>\n<p>Microsoft bietet ebenfalls sprachrelevante Schnittstellen an, die einen Teilbereich der sogenannten <b>Cognitive Services<\/b> bilden, in denen Microsoft seine KI-Dienste zusammenfasst. Unter der <i>Speech API<\/i> befinden sich Dienste f\u00fcr Text-to-Speech (51 Sprachen\/Dialekte, tlw. mehrere Stimmen zu Auswahl) oder Speech-to-Text (30 Sprachen). Die <i>Translator Speech API<\/i> kombiniert diese beiden Dienste zusammen mit einer \u00dcbersetzungsfunktion und bietet damit Speech-to-Speech oder Speech-to-Text \u00dcbersetzungen an. Azure stellt zudem eine <i>Speaker Recognition API<\/i> zur Verf\u00fcgung, \u00fcber die Personen anhand ihrer Stimmen identifiziert und verifiziert werden k\u00f6nnen. Unter den <i>Language APIs<\/i> findet man die Analyse- und \u00dcbersetzungs-Tools von Azure. <i>Text Analytics<\/i> bietet NLP f\u00fcr Schl\u00fcsselphrasenextraktion, Stimmungsanalyse, Entit\u00e4tenerkennung, Beziehungsanalyse zwischen W\u00f6rtern\/Phrasen und unterst\u00fctzt die Erkennung von 120 Sprachen. \u00dcber die <i>Linguistic Analysis API<\/i> ist zudem Tokenisierung m\u00f6glich. Die \u00dcbersetzungs-API <i>Translator Text<\/i> unterst\u00fctzt 65 Sprachen. Azure bietet au\u00dferdem als einziger Service Rechtschreib- und Grammatikpr\u00fcfung \u00fcber die <i>Bing Spell Check API<\/i> an.<\/p>\n<h5>IBM<\/h5>\n<p>IBMs Speech-to-Text Service unterst\u00fctzt neun Sprachen und mit der Text-to-Speech API k\u00f6nnen acht verschiedene Sprachen wiedergegeben werden. Der <i>Language Translator<\/i> Service bietet die M\u00f6glichkeit, 21 Sprachen zu \u00fcbersetzten. <i>Natural Language Understanding<\/i> analysiert Texte nach Schl\u00fcsselw\u00f6rtern, Entit\u00e4ten, Relationen und Stimmung und erkennt 62 Sprachen. Der Dienst unterst\u00fctzt zudem weitere Funktionen, die bei der Konkurrenz nicht verf\u00fcgbar sind. So k\u00f6nnen zus\u00e4tzliche Metadaten extrahiert werden oder zu den gefundenen Schl\u00fcsselw\u00f6rtern und Entit\u00e4ten verbundene Emotionen abgefragt werden. Womit sich IBM au\u00dferdem von der Konkurrenz abhebt sind die <i>Personality Insights<\/i> und <i>Tone Analyzer<\/i> Services. Mit <i>Personality Insights<\/i> k\u00f6nnen komplexere Pers\u00f6nlichkeitsprofile f\u00fcr Autor:innen der \u00fcbergebenen Texte erstellt werden. Diese Profile geben unter anderem Einsicht in Charaktereigenschaften, m\u00f6gliche Bed\u00fcrfnisse und Tendenzen zum Konsumverhalten (z.B. bevorzugte Filmgenres). Der <i>Tone Analyzer<\/i> untersucht den Sprachton (analytisch, zuversichtlich, zur\u00fcckhaltend) und Emotionen eines Textes.<\/p>\n<h4><span class=\"ez-toc-section\" id=\"Bildanalyse\"><\/span>Bildanalyse<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p>In den vergangen Jahren gab es immense Fortschritte in der maschinellen Bildbearbeitung. Heutzutage k\u00f6nnen mit Smartphones in Echtzeit Objekte vor der Kamera erkannt und Kategorisiert werden (<a href=\"https:\/\/www.ted.com\/talks\/joseph_redmon_how_a_computer_learns_to_recognize_objects_instantly\">Redmon [2017]<\/a>). Ein Gro\u00dfteil dieses Erfolges ist den <b><a href=\"https:\/\/de.wikipedia.org\/wiki\/Convolutional_Neural_Network\">Convolutional Neural Networks (CNN)<\/a><\/b> zuzuschreiben, welche vor allem in der Gesichtserkennung eine wichtige Rolle spielen (<a href=\"https:\/\/www.sciencedirect.com\/science\/article\/pii\/S0893608003001151\">Matsugu et al. [2003]<\/a>). Bei einem Vergleich aller bekannten Bilderkennungsalgorithmen erreichten CNNs die geringste Fehlerquoten (<a href=\"https:\/\/ieeexplore.ieee.org\/document\/6248110\">Ciresan et al. [2012]<\/a>). Cloudbasierte Services bieten eine leicht zug\u00e4ngliche Schnittstelle, um die Leistung vortrainierter Netze in eigene Anwendungen zu integrieren. Prim\u00e4r geht es bei den Bildanalysediensten um die Objekt- und Gesichtserkennung. Beide Funktionen werden von allen vier Anbietern zur Verf\u00fcgung gestellt. Bei erkannten Gesichtern kann zudem bei allen Anbietern die relative Position im Bild bestimmt werden (Bounding Box).<\/p>\n<table class=\"table table-bordered table-hover table-condensed\">\n<thead>\n<tr>\n<th title=\"Field #1\">Funktion \/ Anbieter<\/th>\n<th title=\"Field #2\">AWS<\/th>\n<th title=\"Field #3\">GCP<\/th>\n<th title=\"Field #4\">Azure<\/th>\n<th title=\"Field #5\">Watson<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>age<\/td>\n<td>X<\/td>\n<td><\/td>\n<td>X<\/td>\n<td>X<\/td>\n<\/tr>\n<tr>\n<td>facial hair<\/td>\n<td>X<\/td>\n<td><\/td>\n<td>X<\/td>\n<td><\/td>\n<\/tr>\n<tr>\n<td>face bounding box<\/td>\n<td>X<\/td>\n<td>X<\/td>\n<td>X<\/td>\n<td>X<\/td>\n<\/tr>\n<tr>\n<td>celebrity<\/td>\n<td>X<\/td>\n<td><\/td>\n<td>X<\/td>\n<td><\/td>\n<\/tr>\n<tr>\n<td>emotion<\/td>\n<td>X<\/td>\n<td>X<\/td>\n<td>X<\/td>\n<td><\/td>\n<\/tr>\n<tr>\n<td>glasses<\/td>\n<td>X<\/td>\n<td><\/td>\n<td>X<\/td>\n<td><\/td>\n<\/tr>\n<tr>\n<td>eyes open<\/td>\n<td>X<\/td>\n<td><\/td>\n<td><\/td>\n<td><\/td>\n<\/tr>\n<tr>\n<td>gender<\/td>\n<td>X<\/td>\n<td><\/td>\n<td>X<\/td>\n<td>X<\/td>\n<\/tr>\n<tr>\n<td>landmarks<\/td>\n<td>X<\/td>\n<td>X<\/td>\n<td>X<\/td>\n<td><\/td>\n<\/tr>\n<tr>\n<td>mouth open<\/td>\n<td>X<\/td>\n<td><\/td>\n<td><\/td>\n<td><\/td>\n<\/tr>\n<tr>\n<td>pose<\/td>\n<td>X<\/td>\n<td><\/td>\n<td>X<\/td>\n<td><\/td>\n<\/tr>\n<tr>\n<td>picture quality<\/td>\n<td>X<\/td>\n<td>X<\/td>\n<td>X<\/td>\n<td><\/td>\n<\/tr>\n<tr>\n<td>smile<\/td>\n<td>X<\/td>\n<td><\/td>\n<td>X<\/td>\n<td><\/td>\n<\/tr>\n<tr>\n<td>hair<\/td>\n<td><\/td>\n<td><\/td>\n<td>X<\/td>\n<td><\/td>\n<\/tr>\n<tr>\n<td>accessories<\/td>\n<td><\/td>\n<td>X<\/td>\n<td>X<\/td>\n<td><\/td>\n<\/tr>\n<tr>\n<td>makeup<\/td>\n<td><\/td>\n<td><\/td>\n<td>X<\/td>\n<td><\/td>\n<\/tr>\n<tr>\n<td>text\/OCR<\/td>\n<td>X<\/td>\n<td>X<\/td>\n<td>X<\/td>\n<td><\/td>\n<\/tr>\n<tr>\n<td>labels\/objects<\/td>\n<td>X<\/td>\n<td>X<\/td>\n<td>X<\/td>\n<td>X<\/td>\n<\/tr>\n<tr>\n<td>logo<\/td>\n<td><\/td>\n<td>X<\/td>\n<td><\/td>\n<td><\/td>\n<\/tr>\n<tr>\n<td>Total<\/td>\n<td>15<\/td>\n<td>8<\/td>\n<td>16<\/td>\n<td>4<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<h5>Amazon<\/h5>\n<p><i>Amazon Rekognition<\/i> bietet den zweitgr\u00f6\u00dften Funktionsumfang bei der Bildanalyse. Neben Objekten und Gesichtern unterst\u00fctzt Rekognition Texterkennung (<a href=\"https:\/\/de.wikipedia.org\/wiki\/Texterkennung\">Optical character recognition<\/a>). Erkannte Gesichter k\u00f6nnen unter anderem auf Alter, Geschlecht, Emotionen, und Haltung untersucht werden. Zudem kann abgefragt werden, ob es sich bei der erkannten Person um eine prominente Pers\u00f6nlichkeit handelt. Bei <i>Rekognition<\/i> k\u00f6nnen Gesichter mit IDs versehen werden, um so eine Datenbank von bereits analysierten Personen aufzubauen. Dadurch k\u00f6nnen bekannte Personen auf neuen Bildern wiedererkannt werden. \u00c4hnliche Gesichter auf verschiedenen Bildern k\u00f6nnen auch direkt miteinander verglichen werden, um zu pr\u00fcfen, ob es sich um dieselbe Person handelt. Dar\u00fcber hinaus bietet Rekognition die M\u00f6glichkeit, Videos auf Gesichter\/Personen\/Pers\u00f6nlichkeiten, Objekte und explizite Inhalte zu untersuchen.<\/p>\n<h5>Google<\/h5>\n<p>Googles <i>Vision API<\/i> bietet einen deutlich geringeren Funktionsumfang. Zwar k\u00f6nnen neben Objekten und Gesichtern zus\u00e4tzlich Text und Logos erkannt werden, jedoch ist eine detaillierte Analyse eines erkannten Gesichtes nicht m\u00f6glich. Mit der <i>Video Intelligence API<\/i> k\u00f6nnen Videos auf Objekte, Film-Einstellungen und explizite Inhalte untersucht werden.<\/p>\n<h5>Azure<\/h5>\n<p>Azure unterst\u00fctzt mit der <i>Computer Vision<\/i> und der <i>Face API<\/i> die meisten Features. Neben OCR bietet Azure eine detaillierte Gesichtsanalyse, bei der sogar die Haare und das Makeup untersucht werden k\u00f6nnen. Zudem besteht wie bei <i>Rekognition<\/i> die Option, bereits analysierte Gesichter\/Personen zu speichern und verwalten. Im Gegensatz zu Amazon und Google bietet Azure jedoch keine integrierte Videoanalyse.<\/p>\n<h5>IBM<\/h5>\n<p><i>Watson Visual Recognition<\/i> bietet den geringsten Funktionsumfang. Neben der Objekt- und Gesichtserkennung besteht lediglich die M\u00f6glichkeit, erkannte Personen auf das Alter und Geschlecht zu analysieren. Eine Videoanalyse ist nicht verf\u00fcgbar.<\/p>\n<h4><span class=\"ez-toc-section\" id=\"Sonstige-Services\"><\/span>Sonstige Services<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p>Neben Bild- und Textanalyse gibt es noch andere ML APIs, die f\u00fcr spezielle Aufgabenbereiche bestimmt sind. So vereinfachen <i>Azure Bot Service<\/i>, <i>Amazon Lex<\/i> und <i>Watson Assistant<\/i> die Erstellung von Bots, die f\u00fcr die Interaktion mit Menschen bestimmt sind. Mit den <i>Azure Search APIs<\/i> k\u00f6nnen Anwendungen die Suchfunktionen von Bing integrieren, inklusive Bild\/Videosuche und Autovervollst\u00e4ndigung. Google bietet mit <i>Cloud Talent Solution<\/i> eine verbesserte Suche f\u00fcr Jobb\u00f6rsen und optimiert zudem das Einstellungsverfahren f\u00fcr Unternehmen.<\/p>\n<h3><span class=\"ez-toc-section\" id=\"Semi-Automatisierte-Dienste\"><\/span>(Semi-)Automatisierte Dienste<span class=\"ez-toc-section-end\"><\/span><\/h3>\n<table class=\"table table-bordered table-hover table-condensed\">\n<thead>\n<tr>\n<th><\/th>\n<th>Amazon ML<\/th>\n<th>Google AutoML<\/th>\n<th>Azure ML Studio<\/th>\n<th>IBM Watson Studio<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Regression<\/td>\n<td>+<\/td>\n<td><\/td>\n<td>+<\/td>\n<td>+<\/td>\n<\/tr>\n<tr>\n<td>Binary Classification<\/td>\n<td>+<\/td>\n<td><\/td>\n<td>+<\/td>\n<td>+<\/td>\n<\/tr>\n<tr>\n<td>Multiclass Classification<\/td>\n<td>+<\/td>\n<td><\/td>\n<td>+<\/td>\n<td>+<\/td>\n<\/tr>\n<tr>\n<td>Clustering<\/td>\n<td><\/td>\n<td><\/td>\n<td>+<\/td>\n<td><\/td>\n<\/tr>\n<tr>\n<td>Anomly Detection<\/td>\n<td><\/td>\n<td><\/td>\n<td>+<\/td>\n<td><\/td>\n<\/tr>\n<tr>\n<td>Recommendation<\/td>\n<td><\/td>\n<td><\/td>\n<td>+<\/td>\n<td><\/td>\n<\/tr>\n<tr>\n<td>Statistical Functions<\/td>\n<td><\/td>\n<td><\/td>\n<td>+<\/td>\n<td><\/td>\n<\/tr>\n<tr>\n<td>NLP<\/td>\n<td><\/td>\n<td>+<\/td>\n<td>+<\/td>\n<td><\/td>\n<\/tr>\n<tr>\n<td>Computer Vision<\/td>\n<td><\/td>\n<td>+<\/td>\n<td>+<\/td>\n<td><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Die letzte Kategorie der ML Services bilden die (semi-)automatisierten Dienste. Diese sollen den Aufbau von eigenen Modellen stark vereinfachen bzw. vollst\u00e4ndig automatisieren. Man \u00fcbergibt die eigenen Trainingsdaten und die Dienste w\u00e4hlen dann die passenden Algorithmen aus, um die Modelle zu trainieren. Amazon und IBM bietet dabei h\u00f6chste Automatisierung an. Man w\u00e4hlt lediglich das gew\u00fcnschte Verfahren (Regression, Binary\/Multiclass Classification) und den Rest \u00fcbernimmt der Dienst. IBM unterst\u00fctzt zus\u00e4tzlich einen manuellen Modus, bei dem 12 Algorithmen zur Auswahl stehen. <i>Azure Machine Learning Studio<\/i> stellt die meisten Funktionen zu Verf\u00fcgung. Neben Regression und Klassifizierung k\u00f6nnen noch weitere Problemstellungen angegangen werden, wie z.B. Clustering oder <a href=\"https:\/\/www.inovex.de\/blog\/disadvantages-of-k-means-clustering\/\">Anomalieerkennung<\/a>. Insgesamt stehen \u00fcber 30 verschiedene Algorithmen zur Auswahl. Zus\u00e4tzlich besteht noch die M\u00f6glichkeit zur Datenexploration und -vorverarbeitung. Google bot mit der <i>Cloud Prediction API<\/i> ebenfalls eine automatisierte L\u00f6sung f\u00fcr Regression und Klassifizierung an, stellte diese aber am 30. April 2018 ein. Mit <i> Cloud AutoML<\/i> erm\u00f6glicht Google seit Neuestem das automatische Trainieren von Modellen zur Bild- und Textanalyse. F\u00fcr <i> AutoML Vision<\/i> stellt Google sogar ein internes Team zur Verf\u00fcgung, das die kundenspezifischen ungekennzeichneten Bilder nach den Instruktionen des Kunden kategorisiert, um diese f\u00fcr das Training weiterzuverwenden.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Evaluierung-der-Bild-und-Sprachanalysedienste\"><\/span>Evaluierung der Bild- und Sprachanalysedienste<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Um die Dienste der vier Anbieter in den Kategorien der Bild- und Sprachanalyse miteinander zu vergleichen, wurde jeweils ein Test f\u00fcr die Kategorie entwickelt.<\/p>\n<h3><span class=\"ez-toc-section\" id=\"Bildanalyse-2\"><\/span>Bildanalyse<span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p>F\u00fcr die Bildanalyse wurde gepr\u00fcft, wie gut die Dienste menschliche Gesichter in Bildern erkennen. Hierf\u00fcr wurde ein Testdatensatz mit Bildern aus dem <b>Labeled Faces in the Wild Datensatz<\/b> und des <b>Caltech 101 Datensatzes<\/b> zusammengestellt. Die Bilder wurden anschlie\u00dfen von den jeweiligen Diensten der Anbieter analysiert.<\/p>\n<p>Die Bewertung basiert auf der entstanden Wahrheitsmatrix, welche festh\u00e4lt, ob die Bilder korrekt klassifiziert wurden oder nicht. Die verwendeten Metriken sind <b>Accuracy<\/b>, <b>Precision<\/b> und <b>Recall<\/b>.<\/p>\n<table class=\"table table-bordered table-hover table-condensed\">\n<caption>Gesichtserkennung Wahrheitsmatrix<\/caption>\n<thead>\n<tr>\n<th title=\"Field #1\"><\/th>\n<th title=\"Field #2\">AWS<\/th>\n<th title=\"Field #3\">Azure<\/th>\n<th title=\"Field #4\">GCP<\/th>\n<th title=\"Field #5\">IBM<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>TP<\/td>\n<td align=\"right\">198<\/td>\n<td align=\"right\">197<\/td>\n<td align=\"right\">198<\/td>\n<td align=\"right\">197<\/td>\n<\/tr>\n<tr>\n<td>FP<\/td>\n<td align=\"right\">1<\/td>\n<td align=\"right\">0<\/td>\n<td align=\"right\">0<\/td>\n<td align=\"right\">4<\/td>\n<\/tr>\n<tr>\n<td>TN<\/td>\n<td align=\"right\">99<\/td>\n<td align=\"right\">100<\/td>\n<td align=\"right\">100<\/td>\n<td align=\"right\">96<\/td>\n<\/tr>\n<tr>\n<td>FN<\/td>\n<td align=\"right\">0<\/td>\n<td align=\"right\">1<\/td>\n<td align=\"right\">0<\/td>\n<td align=\"right\">1<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Google liegt bei allen Bewertungskriterien vorne und hat als einziger Anbieter alle Bilder korrekt kategorisiert. Amazon und Azure liegen bei der Accuracy gleichauf, jedoch bietet Azures Modell eine h\u00f6here Precision, das von Amazon hingegen einen h\u00f6heren Recall. Azure ist daher eher f\u00fcr Anwendungsf\u00e4lle geeignet, bei denen es wichtig ist, dass positiv annotierte Bilder auch tats\u00e4chlich ein menschliches Gesicht enthalten; Amazon dagegen bei Anwendungen, die m\u00f6glichst viele Bilder mit Gesicht erkennen soll. Das Modell von IBM annotierte die Bilder am h\u00e4ufigsten falsch und findet sich so an letzter Stelle.<\/p>\n<table class=\"table table-bordered table-hover table-condensed\">\n<caption>Gesichtserkennung Ergebnisse<\/caption>\n<thead>\n<tr>\n<th title=\"Field #1\"><\/th>\n<th title=\"Field #2\">AWS<\/th>\n<th title=\"Field #3\">Azure<\/th>\n<th title=\"Field #4\">GCP<\/th>\n<th title=\"Field #5\">IBM<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Accuracy<\/td>\n<td align=\"right\">0.996<\/td>\n<td align=\"right\">0.996<\/td>\n<td>1<\/td>\n<td align=\"right\">0.983<\/td>\n<\/tr>\n<tr>\n<td>Precision<\/td>\n<td align=\"right\">0.994<\/td>\n<td align=\"right\">1<\/td>\n<td>1<\/td>\n<td align=\"right\">0.98<\/td>\n<\/tr>\n<tr>\n<td>Recall<\/td>\n<td align=\"right\">1<\/td>\n<td align=\"right\">0.994<\/td>\n<td>1<\/td>\n<td align=\"right\">0.994<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<h3><span class=\"ez-toc-section\" id=\"Sprachanalyse\"><\/span>Sprachanalyse<span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p>Bei der Sprachanalyse wurde untersucht, wie gut die Dienste in der Sentimentbestimmung sind. Hierf\u00fcr wurde ein anonymisierter Datensatz eines <b><a href=\"https:\/\/www.kaggle.com\/nicapotato\/womens-ecommerce-clothing-reviews\">E-Commerce Shops f\u00fcr Frauenkleidung<\/a><\/b> genutzt. Die 5000 verwendeten Produktbewertungen bestehen unter anderem aus einer eindeutigen Bewertungs-ID, einer Produktbewertung von eins (negativ) bis f\u00fcnf (positiv) und einer optionalen, englischsprachigen Rezension. F\u00fcr den Test wurden zun\u00e4chst alle Bewertungen ohne Rezension entfernt. Anschlie\u00dfend wurden alle Bewertungen mit einer Rezensionsl\u00e4nge von unter 15 Zeichen entfernt, da diese aufgrund der K\u00fcrze nicht vom IBM-Dienst analysiert werden k\u00f6nnen.<\/p>\n<p>Die Rezensionen wurden jeweils alle von den Cloud-Diensten nach ihrem Sentiment untersucht. Google und IBM bewerten anhand eines Wertes zwischen -1 (negatives Sentiment) und 1 (positives Sentiment). Bei Azure liegt der Wert zwischen 0 (negativ) und 1 (positiv). AWS bewertet das Sentiment lediglich anhand von Strings: POSITIVE, NEGATIVE, NEUTRAL und MIXED. Durch die Unterschiedlichen Skalen der Anbieter f\u00e4llt ein direkter Vergleich des Sentiments pro Bewertung schwer. Damit alle vier Anbieter methodisch bewertet werden k\u00f6nnen, wurde daher das Problem auf eine bin\u00e4re Klassifizierung reduziert. Die Bewertungen wurden in zwei Kategorien unterteilt: alle Bewertungen &lt; 3 gelten als negativ, alle Bewertungen &gt; 3 als positiv. Produktbewertungen von 3 werden f\u00fcr die Sentiment Bewertung nicht ber\u00fccksichtigt. Die Sentiment Werte bei IBM und Google werden bei &lt;0 als negativ und bei &gt;0 als positiv eingestuft. Bei Azure sind alle Werte &lt;0.5 negativ und &gt;0.5 positiv. F\u00fcr AWS gelten die Label NEGATIVE entsprechend als negative und POSITIVE als positive Bewertung.<\/p>\n<p>Um einen ersten Einblick in die Resultate der Sentiment-Analyse zu gewinnen, wurden f\u00fcr Google, IBM und Azure Violin-Plots erstellt. Diese zeigen die Verteilung der Sentiment-Werte auf die jeweilige Produkt-Bewertung. Bei der Erstellung der Plots fiel auf, dass bei den Analysen von Google teilweise die Sentiment-Bewertungen fehlten. Die Rezensionen wurden jedoch fehlerfrei analysiert, lediglich die Bewertung wurde nicht zur\u00fcckgegeben.<\/p>\n<figure><a href=\"https:\/\/www.inovex.de\/wp-content\/uploads\/2018\/12\/gcp_violin.png\"><img loading=\"lazy\" decoding=\"async\" class=\"alignnone wp-image-14572 size-medium\" src=\"https:\/\/www.inovex.de\/wp-content\/uploads\/2018\/12\/gcp_violin-300x225.png\" alt=\"GCP Violin Plot zeigt einen Trend zum positiven Sentiment\" width=\"300\" height=\"225\" \/><\/a>\u00a0<a href=\"https:\/\/www.inovex.de\/wp-content\/uploads\/2018\/12\/azure_violin.png\"><img loading=\"lazy\" decoding=\"async\" class=\"alignnone wp-image-14573 size-medium\" src=\"https:\/\/www.inovex.de\/wp-content\/uploads\/2018\/12\/azure_violin-300x225.png\" alt=\"Azure Violin Plot zeigt wenig gem\u00e4\u00dfigtes Sentiment\" width=\"300\" height=\"225\" \/><\/a> <a href=\"https:\/\/www.inovex.de\/wp-content\/uploads\/2018\/12\/ibm_violin.png\"><img loading=\"lazy\" decoding=\"async\" class=\"alignnone size-medium wp-image-14574\" src=\"https:\/\/www.inovex.de\/wp-content\/uploads\/2018\/12\/ibm_violin-300x225.png\" alt=\"Violin Plot von IBM zeigt gro\u00dfe Unsicherheit in der Bewertung\" width=\"300\" height=\"225\" \/><\/a><figcaption style=\"text-align: center;\">Violin-Plots<\/figcaption><\/figure>\n<p>Bei der Betrachtung der Violin-Plots f\u00e4llt auf, dass sowohl Azure als auch IBM bei fast allen Bewertungen Ausrei\u00dfer \u00fcber die jeweils gesamten Skalen aufzeigen, was auf eine sehr gro\u00dfe Unsicherheit in der Beurteilung hindeutet. Bei Azure sind zudem kaum Bewertungen im Mittelbereich der Skala (um 0.5) zu finden, das Modell tendiert eher zu extremen Werten. Bei Googles Ergebnissen kann man anhand der Verteilung einen verh\u00e4ltnism\u00e4\u00dfigen Anstieg des Sentiment-Wertes zur Produktbewertung erkennen, so wie man ihn erwarten w\u00fcrde. Wenn man jedoch die Durchschnittswerte \u00fcber alle Bewertungen hinweg betrachtet, f\u00e4llt auf, dass lediglich ein Bruchteil der m\u00f6glichen Skala genutzt wird (ca. -0.25 bis 0.5). Dadurch ist das Modell bei seinen Bewertungen nicht so Aussagekr\u00e4ftig wie bei anderen Anbietern.<\/p>\n<p>Neben den Violin-Plots wurden f\u00fcr die drei Anbieter Histogramme erstellt, welche die Sentiment Verteilungen f\u00fcr die Rezensionen mit einer Bewertung von 3 zeigen. Alle drei Anbieter liegen hier mit ihrer Durchschnittsbewertung dort, wo man es anhand ihrer Skalen f\u00fcr die 3er-Bewertungen erwarten w\u00fcrde: Azure Mitte 0.5, \u00f8 0.44; IBM Mitte 0, \u00f8 0.03; GCP Mitte 0, \u00f8 -0.06. Jedoch weist lediglich Google eine Normalverteilung f\u00fcr diese Bewertungen auf. Bei Azure und IBM liegt der Durchschnitt zwar im erwarteten Bereich, jedoch ergibt sich dieser durch das Mittel an zu negativ oder zu positiv Bewerteten Rezensionen. Vor allem bei Azure f\u00e4llt auf, wie wenige der 3er-Rezensionen im Mittel der Skala liegen. IBM und Azure eignen sich daher nicht f\u00fcr Textanalysen mit neutralem\/gemischtem Sentiment.<\/p>\n<figure><a href=\"https:\/\/www.inovex.de\/wp-content\/uploads\/2018\/12\/gcp_3.png\"><img loading=\"lazy\" decoding=\"async\" class=\"alignnone size-medium wp-image-14575\" src=\"https:\/\/www.inovex.de\/wp-content\/uploads\/2018\/12\/gcp_3-300x206.png\" alt=\"GCP 3er-Bewertung zeigt eine Normalverteilung\" width=\"300\" height=\"206\" \/><\/a> <a href=\"https:\/\/www.inovex.de\/wp-content\/uploads\/2018\/12\/azure_3.png\"><img loading=\"lazy\" decoding=\"async\" class=\"alignnone size-medium wp-image-14576\" src=\"https:\/\/www.inovex.de\/wp-content\/uploads\/2018\/12\/azure_3-300x206.png\" alt=\"Bei der 3er-Bewertung von Azure fehlt das Mittelfeld\" width=\"300\" height=\"206\" \/><\/a><a href=\"https:\/\/www.inovex.de\/wp-content\/uploads\/2018\/12\/ibm_3.png\"><img loading=\"lazy\" decoding=\"async\" class=\"alignnone size-medium wp-image-14577\" src=\"https:\/\/www.inovex.de\/wp-content\/uploads\/2018\/12\/ibm_3-300x206.png\" alt=\"Bei der 3er-Bewertung von IBM fehlen \u00dcberg\u00e4nge zwischen Mittelfeld und den Extremen\" width=\"300\" height=\"206\" \/><\/a><figcaption style=\"text-align: center;\">Histogramme f\u00fcr 3er-Bewertung<\/figcaption><\/figure>\n<p>Zur Einsicht der AWS-Ergebnisse wurde ein S\u00e4ulendiagramm erstellt, das die Verteilung der Labels auf die jeweiligen Produktbewertungen zeigt. Dabei ist gut zu sehen, dass das Modell bei den 1er- und 5er-Rezensionen das Sentiment richtig eingestuft hat. Jedoch zeigt auch das AWS-Modell Schw\u00e4chen bei gemischten\/neutralen Rezensionen. Von den gut 600 3er-Rezensionen wurde jeweils \u00fcber ein Drittel als positiv und negativ kategorisiert.<\/p>\n<figure><a href=\"https:\/\/www.inovex.de\/wp-content\/uploads\/2018\/12\/aws_table.png\"><img loading=\"lazy\" decoding=\"async\" class=\"alignnone size-medium wp-image-14578\" src=\"https:\/\/www.inovex.de\/wp-content\/uploads\/2018\/12\/aws_table-300x206.png\" alt=\"Das AWS-Modell zeigt schw\u00e4chen bei gemischten\/neutralen Rezensionen\" width=\"300\" height=\"206\" \/><\/a><figcaption style=\"text-align: center;\">AWS-Sentiment-Analyse<\/figcaption><\/figure>\n<p>Um die Analysen nun nach ihrer Accuracy bewerten zu k\u00f6nnen, wurde zun\u00e4chst eine Liste aller relevanten Bewertungen zusammengestellt. Von den urspr\u00fcnglich 5000 Bewertungen wurden zun\u00e4chst alle 604 Bewertungen entfernt, die keinen Sentiment-Wert von Google erhalten haben. Danach wurden die \u00fcbrig gebliebenen 449 3er-Bewertungen gestrichen. Damit bleiben f\u00fcr die Endauswertung 3947 Bewertungen. Mithilfe der vorher festgelegten Kategorien zur positiv\/negativ-Klassifizierung wurden anschlie\u00dfend die richtigen und falschen Prognosen der Dienste gez\u00e4hlt und anhand dieser Werte die <b>Accuracy<\/b> der Modelle errechnet.<\/p>\n<table class=\"table table-bordered table-hover table-condensed\">\n<caption>Sentimentanalyse Ergebnisse<\/caption>\n<thead>\n<tr>\n<th title=\"Field #1\"><\/th>\n<th title=\"Field #2\">AWS<\/th>\n<th title=\"Field #3\">Azure<\/th>\n<th title=\"Field #4\">GCP<\/th>\n<th title=\"Field #5\">IBM<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Richtig<\/td>\n<td align=\"right\">3620<\/td>\n<td align=\"right\">3273<\/td>\n<td align=\"right\">3752<\/td>\n<td align=\"right\">3513<\/td>\n<\/tr>\n<tr>\n<td>Falsch<\/td>\n<td align=\"right\">327<\/td>\n<td align=\"right\">674<\/td>\n<td align=\"right\">195<\/td>\n<td align=\"right\">434<\/td>\n<\/tr>\n<tr>\n<td>Accuracy<\/td>\n<td align=\"right\">0.917<\/td>\n<td align=\"right\">0.829<\/td>\n<td align=\"right\">0.95<\/td>\n<td align=\"right\">0.89<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Dabei erzielte Googles Dienst mit 95% Accuracy den h\u00f6chsten Wert und kann demnach am besten beurteilen, ob ein Text ein positives oder negatives Sentiment aufweist. Darauf folgen AWS und IBM, welche mit 91,7% bzw. 89% dicht beieinander liegen. Das Modell von Azure hat mit 82,9% Accuracy am schlechtesten abgeschnitten. Wenn man dazu ber\u00fccksichtigt, dass Azure zus\u00e4tzlich bei neutralem\/gemischtem Sentiment gro\u00dfe Probleme bei der Beurteilung hat, schneidet Azure bei der Qualit\u00e4t der Sentiment-Analyse insgesamt am schlechtesten ab.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Ausblick\"><\/span>Ausblick<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Man kann davon ausgehen, dass cloudbasierte MLaaS und generell ML-Dienste auch in Zukunft an Funktionalit\u00e4t und Qualit\u00e4t gewinnen werden. Laut einer Studie der <a href=\"https:\/\/www.researchandmarkets.com\/research\/czmprd\/machine_learning\">Infoholic Research LLP [2017]<\/a> soll der MLaaS Markt im Prognosezeitraum 2017-2023 um 49% wachsen. Ein potenzieller Einsatzbereich f\u00fcr MLaaS ist das <b><a href=\"https:\/\/de.wikipedia.org\/wiki\/Internet_der_Dinge\">Internet of Things (IoT)<\/a><\/b>. Dieses soll sich laut Gartner bis 2020 aus \u00fcber 20 Mrd. Ger\u00e4ten (ausgenommen PCs, Tablets und Smartphones) zusammensetzen. Und da die meisten Cloud Provider bereits spezielle Dienste f\u00fcr das IoT anbieten, die sich leicht mit anderen Cloud-Diensten integrieren lassen, k\u00f6nnte MLaaS eine Schl\u00fcsselrolle in diesem Bereich einnehmen.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Weiterlesen\"><\/span>Weiterlesen<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Mehr Informationen zu <a href=\"https:\/\/www.inovex.de\/de\/leistungen\/data-science-deep-learning\/\">Machine Learning<\/a> und <a href=\"https:\/\/www.inovex.de\/de\/leistungen\/cloud\/\">Cloud Services<\/a> gibt es auf unserer Website. Wir sind au\u00dferdem immer auf der Suche nach neuen KollegInnen, die sich mit diesen und anderen aktuellen Technologiethemen auseinandersetzen m\u00f6chten!<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Cloud Computing gewinnt durch sein flexibles Bereitstellungsmodell immer gr\u00f6\u00dfere Bedeutung. Von Software (SaaS),Plattformen (PaaS) bis hin zur IT-Infrastruktur (IaaS) wird ein weites Spektrum an Diensten angeboten, die Unternehmen in der immer schneller werdenden Digitaler Transformation unterst\u00fctzen sollen. Eine neue Sparte bildet Machine learning as a service (MLaaS), welches Unternehmen eine einfache M\u00f6glichkeit bietet Daten zu [&hellip;]<\/p>\n","protected":false},"author":96,"featured_media":14587,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"inline_featured_image":false,"ep_exclude_from_search":false,"footnotes":""},"tags":[509,71],"service":[76,414],"coauthors":[{"id":96,"display_name":"Yavuz Arslan","user_nicename":"yarslan"}],"class_list":["post-14538","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","tag-ai-2","tag-cloud","service-artificial-intelligence","service-cloud"],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v26.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>MLaaS: Maschinelles Lernen in der Cloud - inovex GmbH<\/title>\n<meta name=\"description\" content=\"Machine learning as a service (MLaaS) bietet Unternehmen eine einfache M\u00f6glichkeit, Daten zu verarbeiten, Modelle zu trainieren und Prognosen zu erstellen. In diesem Artikel werden die Angebote von vier der gr\u00f6\u00dften Cloud-Anbieter vorgestellt: GCP, AWS, MS Azure und IBM Cloud\/Watson.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"MLaaS: Maschinelles Lernen in der Cloud - inovex GmbH\" \/>\n<meta property=\"og:description\" content=\"Machine learning as a service (MLaaS) bietet Unternehmen eine einfache M\u00f6glichkeit, Daten zu verarbeiten, Modelle zu trainieren und Prognosen zu erstellen. In diesem Artikel werden die Angebote von vier der gr\u00f6\u00dften Cloud-Anbieter vorgestellt: GCP, AWS, MS Azure und IBM Cloud\/Watson.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/\" \/>\n<meta property=\"og:site_name\" content=\"inovex GmbH\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/inovexde\" \/>\n<meta property=\"article:published_time\" content=\"2018-12-13T14:22:33+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2026-03-17T06:59:36+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.inovex.de\/wp-content\/uploads\/2018\/12\/mlaas-hero.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1920\" \/>\n\t<meta property=\"og:image:height\" content=\"1080\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"Yavuz Arslan\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:image\" content=\"https:\/\/www.inovex.de\/wp-content\/uploads\/2018\/12\/mlaas-hero-1024x576.png\" \/>\n<meta name=\"twitter:creator\" content=\"@inovexgmbh\" \/>\n<meta name=\"twitter:site\" content=\"@inovexgmbh\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Yavuz Arslan\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"19\u00a0Minuten\" \/>\n\t<meta name=\"twitter:label3\" content=\"Written by\" \/>\n\t<meta name=\"twitter:data3\" content=\"Yavuz Arslan\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/\"},\"author\":{\"name\":\"Yavuz Arslan\",\"@id\":\"https:\/\/www.inovex.de\/de\/#\/schema\/person\/5250fc9c1884686a8bca41ccf0a562a9\"},\"headline\":\"MLaaS: Maschinelles Lernen in der Cloud\",\"datePublished\":\"2018-12-13T14:22:33+00:00\",\"dateModified\":\"2026-03-17T06:59:36+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/\"},\"wordCount\":3240,\"commentCount\":1,\"publisher\":{\"@id\":\"https:\/\/www.inovex.de\/de\/#organization\"},\"image\":{\"@id\":\"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/www.inovex.de\/wp-content\/uploads\/2018\/12\/mlaas-hero.png\",\"keywords\":[\"Ai\",\"Cloud\"],\"articleSection\":[\"Analytics\",\"General\"],\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/#respond\"]}]},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/\",\"url\":\"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/\",\"name\":\"MLaaS: Maschinelles Lernen in der Cloud - inovex GmbH\",\"isPartOf\":{\"@id\":\"https:\/\/www.inovex.de\/de\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/#primaryimage\"},\"image\":{\"@id\":\"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/www.inovex.de\/wp-content\/uploads\/2018\/12\/mlaas-hero.png\",\"datePublished\":\"2018-12-13T14:22:33+00:00\",\"dateModified\":\"2026-03-17T06:59:36+00:00\",\"description\":\"Machine learning as a service (MLaaS) bietet Unternehmen eine einfache M\u00f6glichkeit, Daten zu verarbeiten, Modelle zu trainieren und Prognosen zu erstellen. In diesem Artikel werden die Angebote von vier der gr\u00f6\u00dften Cloud-Anbieter vorgestellt: GCP, AWS, MS Azure und IBM Cloud\/Watson.\",\"breadcrumb\":{\"@id\":\"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/#breadcrumb\"},\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/#primaryimage\",\"url\":\"https:\/\/www.inovex.de\/wp-content\/uploads\/2018\/12\/mlaas-hero.png\",\"contentUrl\":\"https:\/\/www.inovex.de\/wp-content\/uploads\/2018\/12\/mlaas-hero.png\",\"width\":1920,\"height\":1080,\"caption\":\"MLaaS: Schaltkreise durchziehen eine Wolke wie Venen\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/www.inovex.de\/de\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"MLaaS: Maschinelles Lernen in der Cloud\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/www.inovex.de\/de\/#website\",\"url\":\"https:\/\/www.inovex.de\/de\/\",\"name\":\"inovex GmbH\",\"description\":\"\",\"publisher\":{\"@id\":\"https:\/\/www.inovex.de\/de\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/www.inovex.de\/de\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"de\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/www.inovex.de\/de\/#organization\",\"name\":\"inovex GmbH\",\"url\":\"https:\/\/www.inovex.de\/de\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/www.inovex.de\/de\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/www.inovex.de\/wp-content\/uploads\/2021\/03\/inovex-logo-16-9-1.png\",\"contentUrl\":\"https:\/\/www.inovex.de\/wp-content\/uploads\/2021\/03\/inovex-logo-16-9-1.png\",\"width\":1921,\"height\":1081,\"caption\":\"inovex GmbH\"},\"image\":{\"@id\":\"https:\/\/www.inovex.de\/de\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/www.facebook.com\/inovexde\",\"https:\/\/x.com\/inovexgmbh\",\"https:\/\/www.instagram.com\/inovexlife\/\",\"https:\/\/www.linkedin.com\/company\/inovex\",\"https:\/\/www.youtube.com\/channel\/UC7r66GT14hROB_RQsQBAQUQ\"]},{\"@type\":\"Person\",\"@id\":\"https:\/\/www.inovex.de\/de\/#\/schema\/person\/5250fc9c1884686a8bca41ccf0a562a9\",\"name\":\"Yavuz Arslan\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/www.inovex.de\/de\/#\/schema\/person\/image\/1e66173d94644b58799e54f8593322be\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/1588fc7bdff4ed5df1339dc9169f22c11cd43cc2111aa9b9f8b2c173d31adb73?s=96&d=retro&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/1588fc7bdff4ed5df1339dc9169f22c11cd43cc2111aa9b9f8b2c173d31adb73?s=96&d=retro&r=g\",\"caption\":\"Yavuz Arslan\"},\"url\":\"https:\/\/www.inovex.de\/de\/blog\/author\/yarslan\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"MLaaS: Maschinelles Lernen in der Cloud - inovex GmbH","description":"Machine learning as a service (MLaaS) bietet Unternehmen eine einfache M\u00f6glichkeit, Daten zu verarbeiten, Modelle zu trainieren und Prognosen zu erstellen. In diesem Artikel werden die Angebote von vier der gr\u00f6\u00dften Cloud-Anbieter vorgestellt: GCP, AWS, MS Azure und IBM Cloud\/Watson.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/","og_locale":"de_DE","og_type":"article","og_title":"MLaaS: Maschinelles Lernen in der Cloud - inovex GmbH","og_description":"Machine learning as a service (MLaaS) bietet Unternehmen eine einfache M\u00f6glichkeit, Daten zu verarbeiten, Modelle zu trainieren und Prognosen zu erstellen. In diesem Artikel werden die Angebote von vier der gr\u00f6\u00dften Cloud-Anbieter vorgestellt: GCP, AWS, MS Azure und IBM Cloud\/Watson.","og_url":"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/","og_site_name":"inovex GmbH","article_publisher":"https:\/\/www.facebook.com\/inovexde","article_published_time":"2018-12-13T14:22:33+00:00","article_modified_time":"2026-03-17T06:59:36+00:00","og_image":[{"width":1920,"height":1080,"url":"https:\/\/www.inovex.de\/wp-content\/uploads\/2018\/12\/mlaas-hero.png","type":"image\/png"}],"author":"Yavuz Arslan","twitter_card":"summary_large_image","twitter_image":"https:\/\/www.inovex.de\/wp-content\/uploads\/2018\/12\/mlaas-hero-1024x576.png","twitter_creator":"@inovexgmbh","twitter_site":"@inovexgmbh","twitter_misc":{"Verfasst von":"Yavuz Arslan","Gesch\u00e4tzte Lesezeit":"19\u00a0Minuten","Written by":"Yavuz Arslan"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/#article","isPartOf":{"@id":"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/"},"author":{"name":"Yavuz Arslan","@id":"https:\/\/www.inovex.de\/de\/#\/schema\/person\/5250fc9c1884686a8bca41ccf0a562a9"},"headline":"MLaaS: Maschinelles Lernen in der Cloud","datePublished":"2018-12-13T14:22:33+00:00","dateModified":"2026-03-17T06:59:36+00:00","mainEntityOfPage":{"@id":"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/"},"wordCount":3240,"commentCount":1,"publisher":{"@id":"https:\/\/www.inovex.de\/de\/#organization"},"image":{"@id":"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/#primaryimage"},"thumbnailUrl":"https:\/\/www.inovex.de\/wp-content\/uploads\/2018\/12\/mlaas-hero.png","keywords":["Ai","Cloud"],"articleSection":["Analytics","General"],"inLanguage":"de","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/","url":"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/","name":"MLaaS: Maschinelles Lernen in der Cloud - inovex GmbH","isPartOf":{"@id":"https:\/\/www.inovex.de\/de\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/#primaryimage"},"image":{"@id":"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/#primaryimage"},"thumbnailUrl":"https:\/\/www.inovex.de\/wp-content\/uploads\/2018\/12\/mlaas-hero.png","datePublished":"2018-12-13T14:22:33+00:00","dateModified":"2026-03-17T06:59:36+00:00","description":"Machine learning as a service (MLaaS) bietet Unternehmen eine einfache M\u00f6glichkeit, Daten zu verarbeiten, Modelle zu trainieren und Prognosen zu erstellen. In diesem Artikel werden die Angebote von vier der gr\u00f6\u00dften Cloud-Anbieter vorgestellt: GCP, AWS, MS Azure und IBM Cloud\/Watson.","breadcrumb":{"@id":"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/#breadcrumb"},"inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/"]}]},{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/#primaryimage","url":"https:\/\/www.inovex.de\/wp-content\/uploads\/2018\/12\/mlaas-hero.png","contentUrl":"https:\/\/www.inovex.de\/wp-content\/uploads\/2018\/12\/mlaas-hero.png","width":1920,"height":1080,"caption":"MLaaS: Schaltkreise durchziehen eine Wolke wie Venen"},{"@type":"BreadcrumbList","@id":"https:\/\/www.inovex.de\/de\/blog\/mlaas-maschinelles-lernen-in-der-cloud\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/www.inovex.de\/de\/"},{"@type":"ListItem","position":2,"name":"MLaaS: Maschinelles Lernen in der Cloud"}]},{"@type":"WebSite","@id":"https:\/\/www.inovex.de\/de\/#website","url":"https:\/\/www.inovex.de\/de\/","name":"inovex GmbH","description":"","publisher":{"@id":"https:\/\/www.inovex.de\/de\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.inovex.de\/de\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"de"},{"@type":"Organization","@id":"https:\/\/www.inovex.de\/de\/#organization","name":"inovex GmbH","url":"https:\/\/www.inovex.de\/de\/","logo":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/www.inovex.de\/de\/#\/schema\/logo\/image\/","url":"https:\/\/www.inovex.de\/wp-content\/uploads\/2021\/03\/inovex-logo-16-9-1.png","contentUrl":"https:\/\/www.inovex.de\/wp-content\/uploads\/2021\/03\/inovex-logo-16-9-1.png","width":1921,"height":1081,"caption":"inovex GmbH"},"image":{"@id":"https:\/\/www.inovex.de\/de\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/inovexde","https:\/\/x.com\/inovexgmbh","https:\/\/www.instagram.com\/inovexlife\/","https:\/\/www.linkedin.com\/company\/inovex","https:\/\/www.youtube.com\/channel\/UC7r66GT14hROB_RQsQBAQUQ"]},{"@type":"Person","@id":"https:\/\/www.inovex.de\/de\/#\/schema\/person\/5250fc9c1884686a8bca41ccf0a562a9","name":"Yavuz Arslan","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/www.inovex.de\/de\/#\/schema\/person\/image\/1e66173d94644b58799e54f8593322be","url":"https:\/\/secure.gravatar.com\/avatar\/1588fc7bdff4ed5df1339dc9169f22c11cd43cc2111aa9b9f8b2c173d31adb73?s=96&d=retro&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/1588fc7bdff4ed5df1339dc9169f22c11cd43cc2111aa9b9f8b2c173d31adb73?s=96&d=retro&r=g","caption":"Yavuz Arslan"},"url":"https:\/\/www.inovex.de\/de\/blog\/author\/yarslan\/"}]}},"_links":{"self":[{"href":"https:\/\/www.inovex.de\/de\/wp-json\/wp\/v2\/posts\/14538","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.inovex.de\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.inovex.de\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.inovex.de\/de\/wp-json\/wp\/v2\/users\/96"}],"replies":[{"embeddable":true,"href":"https:\/\/www.inovex.de\/de\/wp-json\/wp\/v2\/comments?post=14538"}],"version-history":[{"count":4,"href":"https:\/\/www.inovex.de\/de\/wp-json\/wp\/v2\/posts\/14538\/revisions"}],"predecessor-version":[{"id":66534,"href":"https:\/\/www.inovex.de\/de\/wp-json\/wp\/v2\/posts\/14538\/revisions\/66534"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.inovex.de\/de\/wp-json\/wp\/v2\/media\/14587"}],"wp:attachment":[{"href":"https:\/\/www.inovex.de\/de\/wp-json\/wp\/v2\/media?parent=14538"}],"wp:term":[{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.inovex.de\/de\/wp-json\/wp\/v2\/tags?post=14538"},{"taxonomy":"service","embeddable":true,"href":"https:\/\/www.inovex.de\/de\/wp-json\/wp\/v2\/service?post=14538"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/www.inovex.de\/de\/wp-json\/wp\/v2\/coauthors?post=14538"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}