Wie Microsofts Modelle als Dienstleistung den Zugang zu KI für alle demokratisiert

Heutige Werkzeuge erleichtern die Erstellung von KI-gestützten Anwendungen, aber viele Entwickler scheuen sich oft vor den Komplexitäten des Modellhostings. Die Wahl zwischen Optionen wie OpenAI's GPT-4, Meta’s Llama 3, Google’s Gemini oder verschiedenen Open-Source-Modellen ist eine Herausforderung, doch die Umsetzung dieser Modelle bringt ganz neue Schwierigkeiten mit sich. Diese komplexe Aufgabe kann Entwickler frustrieren und ihre unternehmerischen Ambitionen hemmen. Microsoft bietet jedoch eine Lösung, die es Entwicklern ermöglicht, sich wieder auf Kreativität statt auf technische Hürden zu konzentrieren. Ihr Angebot Models-as-a-Service (MaaS) ähnelt Cloud-Diensten und ermöglicht es Nutzern, für den Zugriff auf Modelle zu zahlen, anstatt die Infrastruktur selbst zu verwalten. Dieser Dienst ist über Microsofts AI Azure Studio zugänglich.

„Wenn Sie jemals ein Modell einsatzbereit gemacht haben, wissen Sie, wie komplex die Kombinationen von Pytorch-Versionen und Hardware-Spezifikationen sind“, erklärt Seth Juarez, Principal Program Manager der AI-Plattform von Microsoft. „MaaS abstrahiert diese Komplexität. Wenn Sie ein Modell haben – sei es Open Source oder von OpenAI erstellt – können Sie einfach über unseren Katalog darauf zugreifen. Mit nur einem Klick haben Sie einen einsatzbereiten Endpunkt.“

Mit MaaS können Entwickler ganz einfach Inferenz-APIs mieten und das Fine-Tuning nach dem Pay-as-you-go-Prinzip durchführen, ohne dass eine virtuelle Maschine erforderlich ist. Juarez hebt hervor, dass Microsoft über 1.600 Modelle mit unterschiedlichen Funktionalitäten anbietet und dass das Ziel von MaaS darin besteht, Entwicklern die Integration von KI-Funktionen in ihre Software zu erleichtern.

Seit der Einführung im Jahr 2023 hat Microsoft ausgewählte Modelle über MaaS verfügbar gemacht. Zunächst wurden Modelle wie Mistral-7B und Meta’s Llama 2 eingeführt. Kürzlich stößt TimeGen-1 von Nixtla und Core42 JAIS zu dem Portfolio, wobei weitere Modelle von AI21, Bria AI, Gretel Labs, NTT Data, Stability AI und Cohere in Aussicht stehen. Allerdings qualifiziert sich nur ein kleiner Teil der im AI Azure Studio verfügbaren Modelle als MaaS-Modelle.

Die Modellberechtigung resultiert häufig aus Unternehmenspartnerschaften, auch wenn Juarez zugeben muss, dass er keine Einblicke in die Einzelheiten dieser Kooperationen hat. Andere Modelle werden aufgenommen, weil API-Änderungen ihre Funktionssignaturen für die MaaS-Kompatibilität standardisiert haben. Spezialisiertere Modelle müssen jedoch mit anderen Methoden implementiert werden. „Deshalb werden einige als Models-as-a-Service eingestuft, während andere in Ihren eigenen Container für verwaltete Inferenz integriert werden können“, erklärt Juarez.

Juarez erwartet eine Zukunft, in der Entwickler die Wahl zwischen zwei Ansätzen haben – ähnlich dem Unterschied zwischen Eigenheimbesitz und Mieten. „In diesem Modell besitzen Sie den gesamten Container und das Modell und kümmern sich um die Wartung, während wir bei MaaS diese Pflege für Sie übernehmen. Je mehr Modelle wir unterstützen, desto mehr Optionen haben Entwickler für die Miete“, merkt er an.

MaaS ist kein neues Konzept, zeigt jedoch einen signifikanten Wandel im Technologiemarkt. Juarez glaubt, dass sich die Dynamiken verschoben haben – anstatt dass Technologieunternehmen unsere Bedürfnisse diktieren, äußern Verbraucher jetzt Wünsche nach spezifischen Funktionen und Dienstleistungen. Diese Evolution wurde durch die parallelen Fortschritte in der KI-Forschung und Kommerzialisierung angetrieben. „Wir erleben diese Umkehrung, bei der Nutzer jetzt die Nachfrage antreiben, was durch die weitverbreitete Nutzung von Werkzeugen wie ChatGPT geschieht und Unternehmen dazu drängt, schnell zu reagieren und die geforderten Erfahrungen anzubieten“, schließt er.