Soccer team in a huddle

Lehrmeister der Maschinen: Markus Noga im Portrait

Feature | 9. Mai 2017 von Jeanette Rohr 4

Sie sind bereits jetzt intelligenter als wir: Maschinen vermögen mit Hilfe von hochentwickelten Algorithmen aus großen Datenmengen zu lernen. So können sie Feststellungen und Vorhersagen treffen – meist schneller und zuverlässiger als ein Mensch. Dass dies gerade in Bezug auf Geschäftsanwendungen ungeahnte Möglichkeiten bietet, hat auch die SAP erkannt. Der Bereich Machine Learning bei SAP wird von Dr. Markus Noga geleitet, den das Handelsblatt kürzlich als „Lehrmeister der Maschinen“ unter die 100 klügsten Köpfe Deutschlands wählte.

Markus Noga leitet innerhalb des SAP Innovation Center Networks die Machine-Learning-Teams.

Der aus Hamburg stammende Informatiker programmiert seit er sieben Jahre alt war. In der Frühphase des Internets führte sein Weg von Studium über ein Start-up zur Promotion über Dokumentenverarbeitung an der Universität Karlsruhe (heute Karlsruhe Institute of Technology). Um breiteres Geschäftswissen aufzubauen, stieg Noga bei Booz, Allen & Hamilton in die Unter­neh­mens­beratung ein. Dort lernte er Unternehmen in 16 Ländern und zahlreichen Branchen kennen, arbeitete auf Großprojekten mit bis zu 200 Beteiligten und stieg als Principal in die Geschäftsleitung auf.

Dann zog es ihn wieder in die Technologiebranche zurück. Die Corporate Strategy Group der SAP bot ihm die Möglichkeit, in das führende Softwareunternehmen in Europa einzutreten und hier seine gesamte technische und wirtschaftliche Erfahrung einzubringen. Er gestaltete u.a. die Innovationsstrategie der SAP mit, die zur Einrichtung des HANA-Fonds von SAPPHIRE Ventures führte, und Eingang in den späteren Aufbau des SAP Innovation Center Networks fand. Dann wurde er von Vishal Sikka und Rouven Bergmann mit der Aufgabe betraut, die HANA Enterprise Cloud als neues Geschäftsfeld aufzubauen und das Portfolio der SAP Entwicklung zu steuern.

Maschinelles Lernen: eine Aufbauleistung für SAP

Noga sieht sich als jemanden, der neue Felder erschließt und zum Wachsen bringt und dabei allen Beteiligten hilft, sich zu entwickeln, persönlich zu wachsen und mehr Verantwortung zu übernehmen. „Das empfinde ich als den bereicherndsten Aspekt meiner Arbeit: Mit Machine Learning erbringen wir eine Aufbauleistung und können für die SAP etwas Neues schaffen.“

In der Tat hat der junge Bereich Machine Learning bei SAP eine beeindruckende Entwicklung durchgemacht: von einem Forschungsprojekt mit Universitäten über erste Usecases bis hin zur Präsenz auf SAPPHIRE, Executive Advisory Board Meetings und Kundenveranstaltungen in allen Industrien und allen Lines of Business. Das ist nicht zuletzt dem SAP Innovation Center Network (ICN) geschuldet, das seit 2013 unter Leitung von Jürgen Müller, Chief Innovation Officer der SAP, als Inkubator für neue Märkte und disruptive Technologien fungiert, um neue Geschäftsfelder für SAP zu erschließen.

„Innerhalb der SAP verkörpert das ICN für mich zwei Dinge wie kein anderes Umfeld“, erklärt Noga. „Das eine ist der Start-up Spirit: wir gehen unkonventionell an Themen heran, besetzen neue Felder und disruptive Technologien, und schaffen neuartige Lösungen. Das andere ist der dafür erforderliche Mut, Dinge zu wagen, bei denen wir uns nicht hundertprozentig sicher sind, dass sie klappen werden.“

Bereits frühzeitig entschied sich das ICN, auf Machine Learning zu setzen. Machine Learning (ML) ist mehr als eine neue Technologie. Es ist eine neue Art, durch das Lernen aus Daten Problemstellungen rund um Unternehmensanwendungen zu bewältigen, die früher unmöglich waren. Dies bringt ein neues Arbeiten mit sich, eine konstante Auseinandersetzung mit den Daten, was wie in den Naturwissenschaften Experimente erfordert. Noga beschreibt dies als „sehr iterativen, kreativen Prozess bei dem man immer nur mit den Daten Fortschritte erzielen kann. Das ist ein sehr anderes Arbeiten als eine klassische Backlog-getriebene Entwicklung, wo Funktionalitäten programmiert werden.“ ML-Entwicklung hat somit eine geringere Vorhersagbarkeit, aber ein höheres Potenzial, komplexe Aufgaben zu lösen. „Wenn ich nach vorne blicke, sehe ich besonders für Deutschland und Europa maschinelles Lernen als eine Art digitaler Maschinenbau, der Maschinen nutzt, um repetitive, für uns wenig befriedigende Arten von Aufgaben zu erledigen und der genau wie der analoge, physische Maschinenbau das Potenzial hat, zu einem Rückgrat von Industrie und Gesellschaft zu werden.“

Data Science als neue Herausforderung für Entwickler

Letztlich beeinflusst Machine Learning auch die Rolle des Softwareentwicklers. In gewisser Weise kann man sogar von einem Wandel des Entwicklerprofils hin zum Datenwissenschaftler sprechen. „Ich begrüße sehr, dass die SAP das Profil Data Scientist in ihren Global Job Catalog aufgenommen hat,“ sagt Noga. Allerdings weist er auch darauf hin, dass eine reine „Datenwissenschaft“ nicht der alleinige Schlüssel zu Machine Learning sein kann. Viele Funktionalitäten, Internationalisierung, Robustheit gegenüber Angriffen oder Ausfallszenarien erfordern ein Zusammenkommen von klassischen Cloud-Backend Development Skills und Data Science in einem neuen Profil des Entwicklers für Machine Learning.

Tatsächlich findet sich diese Kombination von Fähigkeiten verstärkt bei Young Talents und neuen Universitätsabsolventen, da alles, was im Bereich Deep Learning passiert, seinen Ursprung in jüngerer Zeit, ab etwa 2012, hat. Seit 2015/16 werden diese Inhalte verstärkt an Universitäten unterrichtet. Heutige Absolventen bringen dieses Skillset mit, während nur wenige, die seit zehn Jahren oder länger in der Industrie tätig sind, darüber verfügen – bis jetzt.

„Was Entwickler auszeichnet,“ so Markus Noga, „ist seit jeher die Bereitschaft zum lebenslangen Lernen. Ob es sich um eine neue Sprache handelt, neue Betriebssysteme oder um einen Paradigmenwechsel wie die Cloud: Entwickler arbeiten in einem dynamischen technischen Umfeld. Ich möchte jeden Entwickler dazu auffordern, sich mit dem Thema Machine Learning auseinander zu setzen und erste Schritte zu wagen: Bekommt ein Gefühl dafür, was Machine Learning leisten kann und was nicht.“ Was er vor allem deutlich machen möchte, ist, dass es sich bei Machine Learning um keine „Wunderwaffe“ handelt. Eine künstliche Intelligenz kann nicht auf Knopfdruck alle Probleme lösen, die sich bei der Führung eines Unternehmens auftun. Machine Learning hat jedoch ein hohes Potenzial für Unterstützung im Entscheidungsfindungsprozess durch die Automatisierung von Routineaufgaben sowie für Entlastung in Bezug auf Tätigkeiten, die oft als wenig befriedigend empfunden werden.

Um erfolgreich mit Machine Learning zu sein, sollen alle Geschäftsanwendungen der SAP intelligent gemacht werden: „Das Innovation Center Network freut sich, mit Kollegen überall in der SAP zusammenzuarbeiten, um intelligente Services zu bauen und so schrittweise alle Produkte und Lösungen intelligent zu machen.“

Bildquelle: SAP, Shutterstock

Tags: ,

Leave a Reply