DevOps & SRE

Eine Cloud für Entwickler*innen – werden Sie Teil unserer Innovators Community!

Mon, 04 Apr 2022 06:00:00 +0000

Wo wird Ihr Unternehmen in zehn Jahren stehen? Wir sind davon überzeugt, dass nur Branchenführer werden kann, wer auch Technologieführer einer Branche ist. Entwickler*innen leisten dazu einen entscheidenden Beitrag.

Unsere Google Cloud Next ‘21 Keynote „A Cloud Built For Developers – Eine Cloud für Entwickler*innen“ konzentrierte sich deshalb auf zwei Bereiche, in denen wir Entwicklerinnen und Entwickler bei der Transformation ihres Unternehmens unterstützen: (1) Tools, die ihnen die Arbeit erleichtern; und (2) eine Developer Community, in der Entwickler*innen gemeinsam wachsen und voneinander lernen können.

Tools, um Ihnen die Arbeit zu erleichtern

Von transformativen Infrastruktur-Technologien wie Tau VMs bis hin zu Innovationen in den Bereichen Daten und KI und Sicherheit – jedes neue Feature oder Tool zielt darauf ab, Entwickler*innen auf der ganzen Welt die Arbeit zu erleichtern. Egal ob bei der Einbettung zentraler Sicherheits- und Nachhaltigkeitsfunktionen in die Google Cloud oder der Integration von Partnerlösungen in unsere Konsole, unser Hauptfokus ist derselbe: Entwickler*innen die bestmögliche Cloud-Erfahrung zu bieten.

Kubernetes, kinderleicht

Kubernetes-Installationen erfordern viel manuelle Konfiguration. Mit Google Cloud erhalten Sie eine der sichersten Kubernetes-Lösungen der Branche, mit den meisten Automatisierungsoptionen. GKE Autopilot vereinfacht die Nutzung von Kubernetes maßgeblich, indem es die zugrundeliegende Infrastruktur des Clusters bereitstellt und verwaltet – einschließlich Control-Plane, Node-Pools und Worker-Nodes. So können Sie sich auf ihre eigenen Anwendungen und Services konzentrieren. Mit GKE Autopilot steht Ihnen ein vom Kubernetes-Team selbst entwickeltes, fortschrittliches Cluster zur Verfügung, das sämtliche Best Practices berücksichtigt. So bleiben Sie immer auf dem Laufenden und erzielen die gleichen Ergebnisse, wie unsere Expert*innen, ohne selbst Kubernetes-Expert*in sein zu müssen. Das finden Sie nur bei Google Cloud.

Sichere, fortschrittliche Anwendungen direkt von Ihrem Laptop aus

Google Cloud erleichtert die Entwicklung fortschrittlicher Anwendungen:

Einfache Entwicklung: Mit dem Cloud Shell Editor, einer kontextsensitiven Remote-Entwicklungsumgebung, können Sie Anwendungen sicher von jedem Browser aus entwickeln und verwalten. Nichts muss lokal heruntergeladen oder installiert werden. Der Editor verfügt über einen integrierten Debugger, Quellcodeverwaltung, API-Explorer sowie lokale Emulatoren für Kubernetes und serverlose APIs für lokale Tests auf Ihrem Laptop. Zudem können Sie Befehle direkt über die Kommandozeile der Google Cloud-Dokumentation nachschlagen – für eine bessere Lernerfahrung im jeweiligen Arbeitskontext.

Einfache Bereitstellung: Mit Cloud Build können Sie Anwendungen für unterschiedlichste Umgebungen, wie VMs, Kubernetes oder Firebase, direkt auf unserer serverlosen CI/CD-Plattform entwickeln, testen und bereitstellen. Cloud Run vereint die Vorteile von serverloser und Container-Bereitstellung. Da keine Cluster konfiguriert werden müssen, können Sie Container sekundenschnell in Produktion zur Verfügung stellen. Und durch die Integration von Cloud Build und Cloud Run können Sie Apps sogar mit nur einem einzigen Befehl entwickeln und bereitstellen. Vor Kurzem haben wir zudem Cloud Deploy eingeführt, um die nahtlose Skalierung von Deployment-Pipelines innerhalb Ihres Unternehmens zu erleichtern. Die Binärautorisierung stellt sicher, dass nur vertrauenswürdige Container-Images auf GKE oder Cloud Run bereitgestellt werden.

Einfache Erweiterung: Cloud Functions ist ein skalierbarer „Pay-as-you-go“-Service, mit dem Sie Ihren Code ohne Servermanagement bereitstellen können. Sie können Ihre Anwendung erweitern und je nach Auslastung skalieren.

Einfache Bedienung: Mit der Operations Suite von Google Cloud können Sie Anwendungen auch in Produktion problemlos überwachen, Fehler beheben und die Leistung verbessern. Sie erhalten eine integrierte Ansicht aller Benachrichtigungen, Ereignisse, Kennzahlen und Logs, und müssen bei der Fehlerbehebung nicht zwischen verschiedenen Tools wechseln.

Den Risiken von morgen immer einen Schritt voraus

Die jüngsten Cyberangriffe zielten alle darauf ab, die Software-Lieferkette zu kompromittieren. Um diese zunehmenden Bedrohungen zu adressieren, haben wir Sicherheit nun nativ in die Toolchain von Entwickler*innen integriert, um potenzielle Probleme vorherzusehen und zu vermeiden.

Cloud Build bietet den ersten und bisher einzigen CI/CD-Service mit integrierter verifizierbarer Provenienz. So kann ein Binärprogramm zur Quelle zurückverfolgt werden, um Manipulationen auszuschließen und sicherzustellen, dass der ausgeführte Code auch der richtige ist. Und mit den neuen Integritätsfunktionen, ein weiteres Alleinstellungsmerkmal der Google Cloud, können Sie verhindern, dass Mitglieder Ihres Unternehmens Code bereitstellen, der nicht in Ihrer offiziellen Entwicklungsumgebung erstellt wurde.

Anthos Service Mesh nutzt ein Zero-Trust-Sicherheitsmodell, mit dem Sie nach der Anwendungsbereitstellung die Authentifizierungen, Autorisierungen und Verschlüsselungen zwischen Diensten mit wenigen oder teilweise sogar ohne Änderungen verwalten können.

Sowohl Anthos Service Mesh als auch Cloud Build Hybrid sind in Google Cloud und in Ihrer On-Premise-Umgebung verfügbar. Sie arbeiten mit VPC Service Controls und VPC Peering, um die Sicherheitseinstellungen seitens der Entwicklung in Ihrem Unternehmen zu automatisieren und Ihnen bei der Programmierung und Verwaltung Ihrer Anwendungen den notwendigen Schutz zu bieten.

Wir sind fest davon überzeugt, dass wir unsere Services durch die Ausarbeitung geeigneter Branchenstandards sowohl sicherer als auch einfacher machen können. Daher haben wir gemeinsam mit anderen technologieführenden Unternehmen die Open Source Security Foundation gegründet, um Sicherheitsstandards für Open-Source-Umgebungen zu definieren. Zudem haben wir das branchenweite Framework SLSA (Supply chain Levels for Software Artifacts oder „Salsa“) gegen Supply-Chain-Angriffe vorgeschlagen. Dieses Sicherheitsframework stellt gemeinsame Kriterien zur Verfügung, um die Softwaresicherheit mithilfe von Automatisierung und kryptografischen Signaturen an jedem Punkt der Software-Lieferkette zu verbessern. Cloud Build entspricht standardmäßig bereits allen Vorgaben gemäß SLSA Level 1.

Um Ihre Software Supply Chain bestmöglich zu schützen, haben wir bereits an der Verbesserung der Sicherheit von Software-Lieferketten gearbeitet, als noch wenig Fokus auf diesem Thema lag. Davon profitieren Sie jetzt.

Definieren Sie die Grenzen des Möglichen neu

In einer Welt voller Daten und künstlicher Intelligenz bieten wir Ihnen Cloud-Produkte, die auf eine optimale Leistung, Zuverlässigkeit und Skalierbarkeit ausgelegt und branchenführend sind. Innovative KI-Funktionen unterstützen Sie dabei, ältere, weniger effiziente Verfahren einfach neu zu definieren und zu zeigen, was Entwickler*innen erreichen können.

Dabei hilft Ihnen z. B. Contract DocAI, eine neue Funktion innerhalb von DocAI, die die Datenerfassung automatisiert und so die Dokumentverarbeitungskosten reduziert. Sie basiert auf KI-Vorlagen und vollständig verwalteten Services, mit denen Sie intelligente Anwendungen noch schneller entwickeln und Ihrem Unternehmen so noch wertvollere Informationen zur Verfügung stellen können. Und das ist nur ein Beispiel, wie Sie Daten und KI dazu nutzen können, um die Grenzen des Möglichen für Nutzer*innen neu zu definieren.

Sorgen Sie für mehr Nachhaltigkeit

Wir unterstützen Entwickler*innen dabei, das Richtige zu tun – selbst wenn es schwierig sein sollte. Lange Zeit war ethisches und nachhaltiges Handeln für Unternehmen mit hohen Kosten verbunden. Indem Sie Ihre Emissionsziele gleich von Anfang an in Ihre IT-Initiativen integrieren, werden Sie zum Vorreiter bei der Umsetzung der Nachhaltigkeitsziele.

Viele Cloud-Anbieter haben die Vision einer nachhaltigen Zukunft und planen, ihren Energieverbrauch bis 2025 oder 2030 zu 100 % aus erneuerbaren Energien zu decken. Google hat dieses Ziel bereits 2017 erreicht – als bisher einzige Hyperscale-Cloud. Unsere Rechenzentren laufen doppelt so effizient wie durchschnittliche Rechenzentren. Wir haben in unsere Plattform Tools integriert, die Sie bei einer nachhaltigen Anwendungsentwicklung unterstützen. Hier eine Auswahl unserer neuesten Tools:

Google Cloud Carbon Footprint – Erhalten Sie mit nur einem Klick Zugriff auf alle energiebezogenen Emissionsdaten, die Sie für Ihre CO2-Berichte benötigen.

Region Picker – Mit diesem Tool können Sie für Ihre Workloads die Rechenzentrumsregion mit den niedrigsten Bruttoemissionen wählen. Aber ganz gleich, für welche Region Sie sich entscheiden – wir werden diesen Verbrauch jährlich mit erneuerbaren Energien ausgleichen, so dass Ihre Nettoemissionen immer Null betragen. Damit Sie nicht nur CO2-neutral, sondern CO2-frei wirtschaften können.

Google Earth Engine und die Integration mit Google Cloud – Mit mehr als 700 Datensätzen und über 50 Petabyte an Daten erhalten Entwickler*innen über Earth Engine Zugriff auf den weltweit größten Datenkatalog vonSatellitenbildern und Tools, um sie bei ihrer Arbeit an Nachhaltigkeitsprojekten zu unterstützen.

„Sustainable IT – Decoded“ Masterclass – Erfahren Sie in dieser Videopräsentation von weltweit führenden Nachhaltigkeitsexpert*innen, wie Sie Ihre Anwendungen nachhaltiger gestalten können.

Wir freuen uns darauf, dieses erweiterte Portfolio an Nachhaltigkeitstools und -ressourcen mit Ihnen zu teilen – damit Sie umweltfreundlichere Entscheidungen treffen und jeden Tag sicherer und nachhaltiger gestalten können.

Investition in unsere Developer Community

Communities zu bilden ist der effektivste Weg, um Entwickler*innen zu unterstützen. Deshalb haben wir Google Cloud Innovators gegründet.

Dieses neue Community-Programm wurde speziell für Entwickler*innen und Techniker*innen entwickelt, die mit Google Cloud arbeiten – von Unternehmensentwickler*innen und Datenwissenschaftler*innen bis hin zu Studierenden und Freizeit-Entwickler*innen. Über unsere Community erhalten Sie bereits vorzeitig Zugang zu den neuesten technischen Funktionen und Innovationen, aktuellen Roadmaps und Inhalten und können Kontakt zu unseren internen Entwicklungsexpert*innen aufnehmen. Sie erhalten exklusive Einladungen zu den Community Events unserer Cloud-Entwickler*innen sowie die einzigartige Chance, sich an der Gestaltung und Verbesserung der Google Cloud Services zu beteiligen. Als Anerkennung Ihrer Expertise als Community Influencer fördern wir Ihre Beiträge und arbeiten eng mit Ihnen zusammen, um mit Ihrer Hilfe einige der größten Herausforderungen der Menschheit zu lösen.

An der Spitze unserer Innovator Community stehen die Pionier*innen und Meinungsführer*innen, unsere sogenannten Champion Innovators, die von uns in diesen erlesenen Kreis eingeladen wurden. Ziel unserer Mitglieder ist es, andere Entwickler*innen zu inspirieren und zu ermutigen. Sie geben die Innovationsgeschwindigkeit im Google Cloud-Ökosystem vor. Weitere Informationen zu unseren Champion Innovators finden Sie in unserer Champion Innovators Directory.

Wir möchten unser Innovators-Programm noch stärker in die Google Cloud-Benutzererfahrung zu integrieren – das ist also erst der Anfang. Wir freuen uns schon darauf, Sie mit den notwendigen Tools und Ressourcen auszustatten, damit Sie sich auf die wirklich wichtigen Dinge konzentrieren können.

Treten auch Sie unserer Innovators Community bei!

„Accelerate State of DevOps”-Bericht: Teamleistung und Burnout-Raten im Fokus

Thu, 21 Oct 2021 08:00:00 +0000

In den letzten sieben Jahren haben sich mehr als 32.000 Fachkräfte weltweit an den Umfragen im Rahmen der „Accelerate State of DevOps”-Berichte beteiligt. Es handelt sich demnach um die größte und längste Studie dieser Art. Jahr für Jahr bieten die Untersuchungen datenbasierte Einblicke in die Branche, die die Möglichkeiten und Praktiken der Softwarebereitstellung sowie die Unternehmensleistung untersuchen. Deshalb freuen wir uns vom Google Clouds DORA-Team (DevOps Research and Assessment), nun unseren Accelerate State of DevOps-Bericht 2021 vorzustellen.

Wie in den Jahren zuvor zeigen unsere Ergebnisse auf, dass Exzellenz in puncto Softwarebereitstellung und operative Performance ein wesentlicher Faktor für die Unternehmensleistung bei technologischen Veränderungsprozessen ist. Dieses Jahr haben wir auch die Auswirkungen von SRE Best Practices, einer sicheren Software Supply Chain, Qualitätsdokumentation und Multi-Cloud, untersucht. Darüber hinaus entwickelten wir ein tieferes Verständnis dafür, inwieweit sich das vergangene Jahr auf die Teamkultur und auf die Burnout-Rate auswirkte.

Lesen Sie nachfolgend die neuesten Ergebnisse aus dem diesjährigen Bericht:

Performancemesswerte zur Softwarebereitstellung

Basierend auf den wichtigsten Erkenntnissen aus vorhergehenden Accelerate State of DevOps-Berichten, haben wir vier Messwerte verwendet, um Teams hinsichtlich ihrer Softwarebereitstellung zu klassifizieren (Implementierungshäufigkeit, Vorlaufzeit für Änderungen, mittlere Wiederherstellungszeit und Änderungsausfallrate). Die jeweiligen Resultate wurden auf einer Skala von herausragend (elite), stark (high), mittel (medium) oder schwach (low) bewertet. Dieses Jahr haben wir beobachtet, dass herausragende Teams ihre Softwarebereitstellung weiter beschleunigten und zugleich ihre Vorlaufzeit für Änderungen von weniger als einem Tag auf weniger als eine Stunde reduzieren konnten. Nicht nur das: Herausragende Teams nehmen Implementierungen 973-mal so häufig wie schwache Teams vor, haben eine 6570-fach schnellere Vorlaufzeit für Implementierungen, eine dreimal niedrigere Änderungsausfallrate und beeindrucken mit einer 6570-fach kürzeren Wiederherstellungszeit bei eventuell auftretenden Problemen. Sie lesen richtig: Im Vergleich zu schwachen Teams sind herausragende Teams durchgehend in der Lage, Unternehmenserfolg mit DevOps empirisch darzulegen.

Der fünfte Messwert: Zuverlässigkeit

Bisher haben wir Verfügbarkeit anstelle von Zuverlässigkeit gemessen. Doch da Verfügbarkeit ein besonderer Schwerpunkt des Reliability Engineering ist, dehnten wir unsere Messungen nun auf Zuverlässigkeit aus. Die Bedeutung von Verfügbarkeit, Latenz, Performance und Skalierbarkeit wird damit erweitert. Insbesondere baten wir die Befragten, ihre Fähigkeit zum Erreichen oder Übertreffen von Zuverlässigkeitszielen einzuschätzen. Dabei fanden wir heraus, dass Teams mit variierender Bereitstellungsleistung bessere Ergebnisse erzielen, wenn sie zugleich die Unternehmensleistung hoch ansetzen.

Diesjährige Trends

Neben der Messung des Einflusses des DevOps-Einsatzes auf die Performance der Softwarebereitstellung zeigt der diesjährige DORA-Bericht auch viele weitere neue Trends. Hier ein Einblick.

1) Eine gesunde Teamkultur dämmt das Risiko eines Burnouts ein

Unter den Befragten, die aufgrund der Pandemie von zu Hause aus arbeiteten, trat Burnout öfter auf als bei denen, die vom Büro aus tätig waren (dabei stellten Letztere einen kleineren Teil unserer Stichprobe dar). Zudem waren inklusive Teams, die proaktiver und kooperativer im Vergleich zu anderen Teams agieren, während der Corona-Pandemie nur halb so oft von einem Burnout betroffen.

2) Leistungsstärkste Teams setzen immer neue Maßstäbe

Zum ersten Mal machen starke und herausragende Teams zwei Drittel der Befragten aus – anders als im Bericht 2019: Hier wurden 56 % der Befragten im Kontext schwacher und mittlerer Teams klassifiziert. Eines können wir sicher sagen: Wenn die Branche die Einführung von DevOps-Prinzipien weiter beschleunigt, werden diese Teams eindeutig davon profitieren.

3) SRE und DevOps ergänzen sich in ihrer Ausrichtung

Site Reliability Engineering (SRE), dessen Schlüsselprinzipien wir ausweiten, bietet praktische Techniken. Dazu gehört das Service Level Indicator/Service Level Objective (SLI/SLO) Messwert-Framework. Das SRE-Framework umfasst Definitionen zu Praktiken und Tools, die die Fähigkeit eines Teams zur konsequenten Einhaltung der Versprechen gegenüber seinen Nutzerinnen und Nutzern verbessern. Teams, für die sowohl die Bereitstellung als auch die betriebliche Effizienz an oberster Stelle stehen, können die höchste Unternehmensleistung vorweisen.

Um dies näher zu untersuchen, haben wir dieses Jahr erstmals Fragen zu betrieblichen Vorgängen in die Umfrage miteinbezogen. Aus der Befragung ging hervor, dass Teams, die bei modernen Betriebsvorgängen herausragende Arbeit leisten, mit 1,4-facher Wahrscheinlichkeit eine höhere Leistung im Bereich SDO (Software Delivery and Operational Performance) erbringen und mit 1,8-facher Wahrscheinlichkeit bessere Geschäftsergebnisse erzielen.

4) Cloud-Technologie steigert die Performance

Teams verlagern Workloads auch weiterhin in die Cloud. Diejenigen, die die Funktionalitäten der Cloud ausschöpfen, stellen eine höhere SDO-Performance und eine höhere Unternehmensleistung fest. Auch Multi-Cloud ist im Kommen: Für jedes Bedarfsszenario nutzt das Team die jeweils passenden Anbieter und Funktionalitäten. Es ist 1,6-mal wahrscheinlicher, dass die Unternehmensleistung übertrofffen wird, wenn Hybrid- oder Multi-Cloud-Modelle eingesetzt werden.

5) Eine sichere Software Supply Chain als essentiell und performancefördernd

Das Thema Sicherheit können wir nicht im Vorbeigehen abhandeln – Sicherheit muss in jedes Stadium der Softwareentwicklung integriert sein, sodass eine sichere Software Supply Chain entsteht. Herausragende Teams, die ihre Zuverlässigkeitsziele erfüllten oder übertrafen, hatten ihre Sicherheitspraktiken doppelt so oft nach links verschoben. Sie hatten Sicherheitspraktiken früher im Softwareentwicklungszyklus umgesetzt und zuverlässige Software ebenso schnell wie sicher bereitgestellt.

6) Gute Dokumentation als Grundstein für erfolgreich implementierte DevOps-Funktionen

Zum ersten Mal haben wir die Qualität interner Dokumentation und deren Wirkung auf andere Funktionen und Praktiken gemessen. Wir fanden heraus, wie grundlegend das Dokumentieren für das erfolgreiche Implementieren von DevOps-Funktionen ist. Teams mit hochwertiger Dokumentation implementieren 3,8-mal so häufig Best Practices für mehr Sicherheit und schöpfen 2,5-mal so häufig das gesamte Potenzial der Cloud aus.

Neu: die DevOps Awards

Nachdem wir einige unserer DevOps Best Practices mit Ihnen geteilt haben, freuen wir uns von Ihnen zu erfahren, wie Sie Ihr Unternehmen mit DevOps transformieren. Unsere ersten DevOps Awards vergeben wir ab sofort jährlich an Google Cloud-Kunden, die ihre Implementierungshäufigkeit verbessert oder das Thema Sicherheit erfolgreich „nach links verschoben” haben, ihre Änderungsausfallrate verbessern konnten und vieles mehr. Berichten Sie uns von den positiven Auswirkungen von DevOps auf Ihre Teams, Kund*innen und Ihr Unternehmen und bewerben Sie sich für die DevOps Awards auf unserer Website.

Wir bedanken uns bei allen, die an unserer diesjährigen Befragung teilgenommen haben und hoffen, dass der Accelerate State of DevOps-Bericht Unternehmen jeder Größe, Branche und geografischen Lage hilft, ihre DevOps-Fähigkeiten zu verbessern. Natürlich freuen uns auf Ihren Input und Ihr Feedback hierzu. Mehr über den Bericht und den Einsatz von DevOps mit Google Cloud bieten Ihnen folgenden Ressourcen:

Laden Sie den Bericht „Accelerate State of DevOps 2021“ herunter

Sie möchten wissen, wie Ihr Unternehmen im Vergleich zu Branchenvertretern abschneidet? Nehmen Sie den DevOps-Schnell-Check vor

Besuchen Sie unsere Google Cloud Application Modernization Program (CAMP) Website, um sich über kundenspezifische DevOps-Lösungen für Ihr Unternehmen zu informieren

Erfahren Sie mehr über DevOps-Funktionen für eine herausragende Performance

Eigene No-Code-Apps erstellen und Arbeitsabläufe optimieren

Wed, 03 Feb 2021 11:04:00 +0000

Editor’s Note: Dieser Artikel wurde ursprünglich auf dem Blog The Keyword veröffentlicht.

Mit AppSheet von Google Cloud können benutzerdefinierte Anwendungen ganz einfach erstellt werden, ohne Code zu schreiben. Egal, ob Sie für ein großes Unternehmen arbeiten, welches sich mit der digitalen Transformation auseinandersetzt, oder in einem kleinen Team tätig sind, das kreative Lösungen für die Veranstaltungsorganisation während der Pandemie benötigt – Ihnen sind keine Grenzen gesetzt.

Unser wichtigster Rat für alle ohne Vorkenntnisse? Legen Sie einfach los. Das Erstellen von Anwendungen ohne Code lernen Sie am einfachsten, indem Sie sich bei der Plattform anmelden und es ausprobieren. Je mehr Zeit Sie investieren, um zu experimentieren und aus Fehlern zu lernen, desto besser werden sowohl Ihre Kompetenzen als auch Ihre Anwendungen.

In diesem Beitrag haben wir eine Liste unserer beliebtesten Anleitungen für den Einstieg zusammengestellt. Unabhängig von der Branche oder dem Anwendungsfall finden Sie hier hilfreiche Tipps, Vorlagen-Apps und Vorschläge zur Fehlerbehebung, mit denen Sie Ihre Fähigkeiten als App-Entwickler:in weiter ausbauen können.

1. In fünf Minuten eine App mit Standortbestimmung und Google Maps erstellen

Binden Sie Google Maps in Ihre AppSheet-Anwendung ein, um in wenigen Minuten eine einfache App mit Standortbestimmung zu erstellen. Falls Sie mehr Zeit aufwenden möchten, können Sie außerdem anhand von Aufgabenaktualisierungen festlegen, was Ihre Nutzerinnen und Nutzer tun sollen, um Projekte voranzubringen oder sicherzustellen, dass Lieferungen rechtzeitig erfolgen.

2. Sechs Automatisierungs-Apps, die Sie noch heute erstellen können

Sind Sie bereit für echte No-Code-Magie? Mit den in diesem Artikel genannten Vorlagen-Apps können Sie manuelle Prozesse automatisieren und wertvolle Ressourcen einsparen bzw. anderweitig einsetzen. Ob die „Sequential Tasks“-App oder eine der anderen – ergänzen Sie Ihr Portfolio um einige dieser Anwendungen und passen Sie diese entsprechend Ihren Anforderungen an. Das Beste daran: Mithilfe der Workflowfunktionalität können Sie die Apps ausgiebig testen, bevor Sie weitergehende Anpassungen an der App vornehmen.

3. Verkaufsmanagement: Drei kostenlose Excel-Vorlagen für das Vertriebstracking

Vertriebsfachleute tun sich oft schwer, die passende Anwendung für ihre geschäftlichen Anforderungen zu finden. Die einen brauchen unterwegs Zugriff auf ihre Daten, andere möchten Anwendungen, die am Computer gut aussehen, und wieder andere benötigen beides zusammen und noch viel mehr. Angesichts der notwendigen Vielseitigkeit in diesem Bereich benötigen Sie eine Lösung, die genauso flexibel ist wie Ihr Team. In diesen drei Vorlagen finden Sie grundlegende Elemente, um unabhängig von der Arbeitsumgebung oder der Unternehmensgröße Leads zu verfolgen, Berichte zu erstellen und Felddaten zu ergänzen.

4. Mit AppSheet eine App für die Bestandsverwaltung auf der Grundlage von Google Sheets erstellen

Für die Bestandsverwaltung werden besonders häufig Apps mit AppSheet erstellt. Oft ist dies auch der Grund für den Einstieg in die Plattform. Egal, ob Sie das Inventar eines Onlineshops verwalten oder die Bestandsaufnahme Ihres Hausrats optimieren möchten – dieses umfassende Tutorial bietet eine Schritt-für-Schritt-Anleitung zu wichtigen Konzepten, mit denen Sie Ihre Kenntnisse in der No-Code-Entwicklung verbessern können.

5. Mit Google Docs eine App zur Erfassung des Feedbacks Ihrer Kundinnen und Kunden erstellen

Zwei Dinge sollten Sie beachten. Erstens: Sie können auf der Grundlage von Google Docs Apps erstellen. Zweitens: Betrachten Sie Ihren Anwendungsfall nicht aus einer zu engen Sichtweise, wenn Sie sich Beispiel-Apps ansehen. Sie möchten wissen, warum? Dieses Beispiel zeigt, dass unsere beliebte Anwendung mit Umfragevorlagen zu einer App für die Erfassung von Feedback erweitert werden kann.

6. Wie AppSheet-Angestellte AppSheet verwenden

Seien wir mal ehrlich: Es ist immer interessant zu erfahren, wie diejenigen, die ein Produkt entwickelt haben, es selbst nutzen. In diesem Beitrag zeigen wir Beispiele dafür, wie es dem Team von AppSheet gelingt, die Arbeit zu organisieren, Pläne einzuhalten und die Zeit sinnvoll einzuteilen.

Nachdem Sie nun einige der vielen Möglichkeiten kennen, wird es Zeit, selbst eigene Apps zu erstellen und Ihre neuen Fähigkeiten unter Beweis zu stellen. Falls Sie noch auf der Suche nach Inspiration sind, können Sie sich in der AppSheet-Community mit anderen App-Entwicklerinnen und -Entwicklern austauschen.

Sind Sie bereit für AppSheet? Dann legen Sie los.

Leitfaden zum unkomplizierten Machine Learning für Anfänger

Thu, 14 Jan 2021 20:06:00 +0000

Das Erstellen von KI-gestützten Anwendungen kann mühsam sein. Ich habe da auch schon so einiges mitgemacht. Aber am Ende war es die Mühe oft wert. Wie sagt man so schön: Aller Anfang ist schwer.

Doch zum Glück ist die Entwicklung mit Machine Learning dank nutzerfreundlicher Tools in den vergangenen fünf Jahren erheblich einfacher geworden. Heute verbringe ich kaum noch Zeit mit dem Erstellen und Optimieren von ML-Modellen. Vielmehr konzentriere ich mich auf die herkömmliche Anwendungsentwicklung.

In diesem Post stelle ich Ihnen einige meiner unkomplizierten Lieblings-KI-Tools von Google Cloud vor und gebe Ihnen Tipps für ein schnelles Erstellen von KI-gestützten Anwendungen.

Vortrainierte Modelle verwenden

Der längste und lästigste Teil von ML-Projekten ist das Erfassen von Trainingsdaten mit Labels. Das sind die Beispiele, durch die ein ML-Algorithmus „lernt“.

Bei vielen gängigen Anwendungsfällen ist das allerdings nicht nötig. Sie müssen Ihr eigenes Modell nicht komplett neu entwickeln. Stattdessen können Sie vortrainierte Modelle nutzen, die bereits von anderen erstellt, optimiert und verwaltet wurden. Die AI APIs von Google Cloud sind ein Beispiel dafür.

Mit den Cloud AI APIs können Sie Machine Learning für verschiedene Zwecke nutzen, wie zum Beispiel:

Audio- und Video-Dateien transkribieren
Text in Dokumenten lesen
Strukturierte Dokumente wie Formulare und Rechnungen parsen
Gesichter, Emotionen und Objekte in Bildern erkennen
Unerwünschte Inhalte in Bildern/Videos erkennen

Die ML-Modelle, die diese APIs unterstützen, ähneln denen, die in vielen Google-Apps (wie Fotos) verwendet werden. Sie werden mit großen Datensätzen trainiert und sind oft unglaublich genau. Als ich z. B. mit der Video Intelligence API meine Familienvideos analysierte, konnte sie spezifische Labels wie „Junggesellinnenabschied“, „Hochzeit“, „Fußballspiel“ und sogar „lächelndes Baby“ erkennen.

Die Cloud AI APIs werden natürlich in der Cloud ausgeführt. Wenn Sie aber eine kostenlose Offline-Lösung brauchen, bieten TensorFlow.js und ML Kit eine Vielzahl an vortrainierten Modellen. Diese können Sie direkt im Browser oder auf einem Mobilgerät ausführen. In TensorFlow Hub gibt es sogar noch mehr vortrainierte TensorFlow-Modelle.

Einfache benutzerdefinierte Modelle mit AutoML

Zwar gibt es für viele Anwendungsfälle ein vortrainiertes Modell, manchmal ist jedoch ein wirklich benutzerdefiniertes Modell nötig. Vielleicht möchten Sie ein Modell erstellen, das medizinische Scans wie Röntgenaufnahmen analysiert, um eine Krankheit zu erkennen. Oder Sie möchten bestimmte Sachen auf einem Fließband sortieren. Oder Sie möchten vorhersagen, welche Ihrer Kundinnen und Kunden am wahrscheinlichsten etwas kaufen, wenn Sie ihnen einen Katalog zuschicken.

Dafür müssen Sie ein benutzerdefiniertes Modell erstellen. AutoML ist ein KI-Tool von Google Cloud, mit dem dieser Prozess so unkompliziert wie möglich wird. Sie können damit ein benutzerdefiniertes Modell mit Ihren eigenen Daten trainieren, ohne Code schreiben zu müssen (es sei denn, Sie möchten das).

Auf dem unteren GIF-Bild sehen Sie, wie ich mit AutoML Vision ein Modell trainiert habe, das fehlerhafte Komponenten auf einer Leiterplatte erkennt. Durch Klicken und Ziehen werden Daten mit Labeln versehen. Zum Trainieren eines Modells genügt es dabei, auf die Schaltfläche „Train new model“ (Neues Modell trainieren) zu klicken. Nachdem das Modell das Training abgeschlossen hat, können Sie die Qualität im entsprechenden Tab bewerten und sich eventuelle Fehler ansehen.

Das funktioniert bei Bildern (AutoML Vision), Videos (AutoML Video), Sprache (AutoML Natural Language und AutoML Translation), Dokumenten und tabellarischen Daten (AutoML Tables) wie denen aus einer Datenbank oder Tabelle.

Auch wenn AutoML eine einfache Oberfläche hat, sind die erstellten Modelle oft von beeindruckender Qualität. AutoML trainiert verschiedene Modelle (wie neuronale Netze), vergleicht dabei verschiedene Architekturen und Parameter und wählt dann die genauesten Kombinationen aus.

Sie können AutoML-Modelle ganz einfach in Ihrer Anwendung verwenden. Google kann das Modell für Sie in der Cloud hosten, auf das Sie dann über eine Standard-REST API oder Clientbibliothek zugreifen können (Python, Go, Node, Java usw.). Sie können das Modell aber auch zu TensorFlow exportieren, um es offline zu verwenden.

Dadurch wird Modelltraining meist ziemlich einfach. Aber woher bekommen Sie ein großes Trainings-Dataset?

Eigene Daten nie mit Labels versehen

Und zwar ohne Ausnahme.

Wenn ich mit einem ML-Modell beginne, schaue ich zuerst, ob es dafür bereits ein vortrainiertes Modell gibt.

Wenn das nicht der Fall ist, halte ich es mit Datasets genauso. Auf der Website von Mitbewerber Kaggle werden zahlreiche Datasets gehostet – hier finden Sie fast jede Art von Datasets, die Sie sich vorstellen können: Tweets zu COVID-19, eine Liste mit Chipotle-Restaurants oder eine Sammlung von Artikeln mit Fake News. Auf Kaggle finden Sie mindestens ein paar Datasets, mit denen Sie ein Proof-of-Concept-Modell für Ihr Problem trainieren können. Google Dataset Search ist ebenfalls ein hilfreiches Tool, mit dem Sie Datasets finden können. Damit werden sowohl Kaggle als auch andere Quellen abgefragt.

Bitte beachten Sie, dass es manchmal erforderlich ist, Ihre eigenen Daten mit Labels zu versehen. Aber bevor Sie Hunderte von Praktikanten einstellen, sollten Sie darüber nachdenken, ob Sie nicht Data Labeling Service von Google verwenden möchten. Für dieses Tool beschreiben Sie, wie Ihre Daten benannt werden sollen, und Google sendet diese Info dann an Teams, die sich um das Erstellen von Labeln kümmern. Das Dataset mit Labels kann dann zum Training direkt in AutoML oder andere AI Platform-Modelle eingebunden werden.

Vom Modell zur nutzbaren Anwendung

Oft ist das Erstellen oder Suchen eines funktionierenden ML-Modells nicht der schwierigste Teil des Projekts. Der besteht meist darin, Ihrem Team zu ermöglichen, das Modell für ihre eigenen Daten zu verwenden. Wir standen bei Google Cloud AI oft vor diesem Problem. Daher haben wir uns entschlossen, unseren API-Produktseiten interaktive Demos hinzuzufügen. So können Sie Ihre APIs herunterladen und schnell ausprobieren.

Diese Demo haben wir direkt unserer Vision-Produktseite hinzugefügt, damit Nutzer:innen unser Modell mit eigenen Daten ausprobieren können.

Mit einem erfolgreichen ML-Projekt lassen sich oft auch Prototypen schnell erstellen. Dafür habe ich ein paar wichtige Tools und Architekturen:

ML in Google Tabellen. Google Workspace-Apps wie Tabellen, Docs und Formulare können mit JavaScript über das Framework von Apps Script erweitert werden. Sie können z. B. ein Textklassifizierungsmodell erstellen, das jedes Mal ausgeführt wird, wenn Sie eine Zeile in einer Google Tabelle hinzufügen. Oder Sie können ein Google Formular erstellen und damit Bilder hochladen, diese mit einem ML-Modell analysieren und dann die Ergebnisse in eine Google Tabelle schreiben lassen.
Das Duo Google Cloud Storage und Cloud Functions. Die meisten ML-Projekte umfassen Dateneingabe und -ausgabe. Sie laden Eingabedaten hoch (Bilder, Videos, Audioaufnahmen, Text-Snippets usw.) und ein Modell führt Vorhersagen dazu aus („Ausgabedaten“). Eine tolle Möglichkeit, um einen Prototyp für diese Art von Projekt zu erstellen, bieten Cloud Storage und Cloud Functions. Cloud Storage ist wie ein Ordner in der Cloud: ein Ort, um Daten in allen Formaten zu speichern. Cloud Functions ist ein Tool, mit dem Codeblöcke in der Cloud ausgeführt werden können, ohne dass dafür ein Server nötig ist. Sie können beide so konfigurieren, dass sie zusammenarbeiten. Dazu nutzen Sie eine in Cloud Storage hochgeladene Datei, durch die eine Cloud Functions-Funktion ausgeführt wird.
Ich habe dieses Setup kürzlich verwendet, als ich eine Document AI-Pipeline erstellte habe:

Wenn ein Dokument in einen Cloud Storage-Bucket hochgeladen wird, wird eine Cloud Functions-Funktion ausgelöst, die das Dokument nach Typ analysiert und es in einen neuen Bucket verschiebt. Dadurch wird eine neue Cloud Functions-Funktion ausgelöst, die die Natural Language API zum Analysieren von Dokumenttext verwendet. Hier finden Sie den vollständigen Code.

Nächste Schritte

Hoffentlich habe ich Sie davon überzeugen können, dass der Einstieg in das Machine Learning gar nicht so mühsam sein muss. Hier finden Sie einige hilfreiche Anleitungen und Demos für Ihren Einstieg in ML: