Grafik: Promethium

Auf einer IT Presse-Tour in den Vereinigten Staaten haben wir in San Francisco (noch vor der Corona-Krise) gleich zweimal Promethium getroffen. Zugegen waren immer drei bis vier Leute des Startups – CEO und Gründer Kaycee Lai, VP Engineering Shuo Yang, Principal Architect Azary Smotrich sowie ein weiterer Mitarbeiter. Die Erklärungen der Entstehungsgeschichte und der Technologie waren immer sehr dicht und spannend. Man spūrte, dass man es nicht mit Anfängern zu tun hatte.

Das Unternehmen wurde erst im Februar 2018 in Menlo Park, einer der vornehmeren Gegenden des Silicon Valley in Kalifornien, gegrūndet. Die Kernmannschaft verfūgt um so mehr ūber intensive Erfahrungen in der IT-Branche: Lai arbeitete für Delphix, VMware, Virsto, Avamar, Waterline Data und Dell EMC, Yang für Google, EA und Huawei und Smotrich für Waterline Data, Liveops und Model N. Zu den Investoren gehören u.a. Discovery Ventures, Informatica, Oracle, Riverwood, SAP und Zetta. Promethium beschäftigt zur Zeit 50 Mitarbeiter in Menlo Park und an weiteren Standorten in den USA.

Promethium hat sich zum Ziel gesetzt, den Einsatz von künstlicher Intelligenz oder Artificial Intelligence (AI) in den Unternehmen zu vereinfachen. Die bestehenden Prozesse bestehen laut Lai oft aus den sieben Stufen Discover, Move, Preparation, SQL, Query Data, Visualize Data sowie Govern Data und dauern in der Regel mehr als vier Monate. Das bedeutet auch, dass die Daten zum Zeitpunkt ihrer Visualisierung und Anwendung des öfteren nicht mehr aktuell sind. Neben unterschiedlichen Ressourcen müssten ferner viele verschiedene Fachleute bei dem Erkenntnisprozess hinzugezogen werden – doch diese Fachleute sind heute nur schwer aufzutreiben und teuer.

Hinzu kommen, wie Lai erläutert, noch menschliche "Bottlenecks" bei den verfügbaren Mitarbeitern: Es gäbe zwar einerseits Unmengen von Business-Experten, die sich bei Fachfragen und eventuell noch bei Excel oder Tableau auskennen, und auf der anderen Seite IT-Mitarbeiter, die ETL, Python, R, Modellierung von Daten, Schreiben von SQL-Statements oder die Formulierung von Queries beherrschen, doch gebe es ein eklatantes Missverhältnis an Leuten, die sich in beiden Disziplinen auskennen würden. Dadurch könne AI oft nicht in dem wūnschenswerten Ausmass zur Anwendung kommen.

Promethium ist, wie Lai und Smotrich erklären, in der Lage, diese Lücke zu schliessen – mit einer Meta-Ebene oder einem Anwendungs-Tool für die Flut von AI-Tools. Business Intelligence, Artificial Intelligence oder kurz Analytics sollten sich um das Stellen von Fragen und schnelle Antworten kümmern, meinen die Schöpfer von Promethium: Es gehe um nichts anderes als um das Beantworten von (richtigen) Fragen. Um aber auch die richtigen Fragen in der normalen Sprache zu finden, bietet Promethium einen vorformulierten Fragenkatalog und einen automatisierten Antwortprozess an. Zuerst wählt der Anwender aus einem Menü von Fragen eine passende aus und anschliessend werden alle zur Verfūgung stehenden Datenquellen durchforstet und für die Durchfūhrung einer Query vorbereitet, anschliessend – nach nur vier Minuten, sagt Promethium – kann man sich an die Bewertung der Resultate machen.

Die PM61 Data Architecture von Promethium zeichnet sich dadurch aus, dass sie nicht alles neu erfindet, sondern auf vorhandene Datenquellen und Visualierungs-Tools zurūckgreift und ausserdem Third-Party-Applikationen integriert, wie die grafische Abbildung zeigt (Abb.1).

Zu den bereits vorhandenen und zu den geplanten Anwendungen für verschiedene Aufgaben in der Promethium-Umgebung gehören die Bereiche Data Sources, Data Lineage, Data Virtualization, Platform, Data Catalog und Data Visualization (Abb. 2).

Die Plattform von Promethium ist on premise oder in der Cloud angesiedelt und muss die verschiedenen Datenquellen und Anwendungen durch Abstraktion auf eine gemeinsame Ebene bringen. Nur so lassen sich die automatische Weiterverarbeitung und die Beantwortung von Fragen in einer natūrlichen Sprache in kurzer Zeit bewältigen. Promethium benützt Metadaten und API REST, um die Datenquellen zu durchforsten und Antworten zu finden.

Das Abrechnungsmodell hängt von der zu verarbeitenden Datenmenge ab, alternativ kann ein Jahresabonnement abgeschlossen werden. Laut Lai sind eventuell auch OEM-Partnerschaften geplant. Auf der Webseite www.pm61data.com von Promethium kann man eine Demo und eine kostenlose Version zum Ausprobieren anfordern.

Abb.1: PM61 Data Architecture einbauen
Abb.1: PM61 Data Architecture einbauen
Abb.2.: Support & Integration
Abb.2.: Support & Integration
Bild 3: die Promethium Architektur
Bild 3: die Promethium Architektur