Digitale Transformation: Warum Kunden aus dem öffentlichen Sektor in die Cloud wechseln Regierungen auf der ganzen Welt nutzen die Cloud, um Kosten zu reduzieren und Möglichkeiten zu transformieren, wie sie ihre Mission umsetzen. Die Erwartungen des zunehmend digitalisierten Regierungssektors sind hoch, da alle Ebenen der Regierung über begrenzte finanzielle Mittel und Mitarbeiterkapazitäten verfügen. Cloud-Computing – also die On-Demand-Bereitstellung von IT-Ressourcen über das Internet mit nutzungsabhängiger Bezahlung – kann den Behörden und anderen öffentlichen Einrichtungen dabei helfen, ihre Innovationskraft, Beweglichkeit und Flexibilität auf kosteneffiziente Weise zu steigern. In diesem Vortrag werden die transformative Wirkung des Cloud Computings und praktische Strategien aufgezeigt, die Regierungen weltweit erfolgreich anwenden. Sprecher: Constantin Gonzalez, Principal Solutions Architect - AWS

2. © 2018, Amazon Web Services, Inc. or its Affiliates. All rights reserved.
Constantin Gonzalez
Principal Solutions Architect, AWS
März 2018
Digitale Transformation: Warum Kunden aus
dem öffentlichen Sektor in die Cloud wechseln

4. G L O B A L E A W S
INFRASTRUKTUR

5. 18 Regionen – 54 Availability Zones – 100+ Edge Locations
Regionen & Anzahl Availability Zones
AWS GovCloud (2) EU
Dublin (3)
US West Frankfurt (3)
Oregon (3) London (3)
Nord-Kalifornien (3) Paris (3)
Asien/Pazifik
US Ost Singapur (2)
N. Virginia (6), Ohio (3) Sydney (3), Tokyo (4),
Seoul (2), Mumbai (2)
Kanada Osaka-Local (1)
Central (2)
China
Südamerika Beijing (2)
São Paulo (3) Ningxia (2)
Angekündigte Regionen
Bahrain, Hong Kong, Stockholm,
AWS Govcloud (US-Ost)

6. Europa / Mittl. Osten / Afrika
EU (Irland) Region EU (Frankfurt) Region
EC2 Availability Zones: 3 EC2 Availability Zones: 3
UK (London) Region EU (Paris) Region
EC2 Availability Zones: 3 EC2 Availability zones: 3
Mittl. Osten (Bahrain) Region EU (Stockholm) Region
Angekündigt Angekündigt
AWS Edge Locations
Edge locations – Amsterdam, Niederlande(2); Berlin, Deutschland; Dublin, Irland;
Frankfurt, Deutschland (6); Helsinki, Finnland; London, England (5); Madrid, Spanien (2);
Manchester, England; Marseille, Frankreich; Mailand, Italien; München, Deutschland;
Palermo, Italien; Paris, Frankreich (3); Prag, Tschech. Republik; Stockholm, Schweden
(3); Wien, Österreich; Warschau, Polen; und Zürich, Schweiz.
Regionale Edge Caches – Frankfurt, Deutschland; London, England

7. W A S K A N N I C H
H E U T E T U N ?

8. • DB Systel: Teil der Deutsche Bahn Gruppe
• Wählte AWS als “Cloud First” Public Cloud
Provider für die gesamte DB Gruppe
• “Managed” und “Unmanaged” Cloud
Services
• 15–30% Einsparungen ggü. trad. IT
• Bessere Reputation für DB Systel
innerhalb der DB Gruppe
• Bessere Sicherheit und Compliance
• Mehr Innovation:
• Open Data Plattform mit öffentl. APIs
• IoT Plattform für Güterzüge
• Bahn.de Portal + mobile App

9. Digitalisierung

10. Digitalisierung
=
aus Daten Mehrwerte schaffen

11. Digitalisierung
=
aus Daten Mehrwerte schaffen
mit Software schaffen

12. Digitale
Innovation

13. Innovation

14. Wie funktioniet
Innovation?

15. Idee
ServiceDaten
bauen
messen
lernen

16. J O I I T O | D I R E C T O R | M I T M E D I A L A B
IF YOU WANT TO
I N C R E A S E
I N N O V A T I O N
Y O U H A V E T O
L O W E R T H E
COST OF FAILURE

17. B E I A M A Z O N S TA R T E N
W I R I M M E R M I T D E M
K U N D E N …

19. Monolithischer Entwicklungs-Zyklus
Entwickler
releasetestbuild
Delivery pipelineApplikation

20. Was wir gelernt haben:
1. Ändern Sie die Architektur

21. Service-orientiert
1 Service – 1 Zweck
Mit APIs vernetzt
Stark entkoppelt
“Microservices”

22. Was wir gelernt haben:
1. Ändern Sie die Architektur
2. Ändern Sie die Organisation

23. Two-pizza Teams
Volle
Eigentümerschaft
Volle
Verantwortung
„DevOps“

25. Der Weg in die Cloud
ENTWICKLUNG
& TEST
DIGITAL
DATENANALYSE
MOBIL
RZ-MIGRATION
KRITISCHE
APPLIKATIONEN
ALL IN
1 2 3 4

26. W A S K A N N I C H
M O R G E N T U N ?

27. GB TB
PB
ZB
EB
95% der 1.2 Zettabytes an
Daten im digitalen
Universum ist nicht
strukturiert
70% davon sind Benutzer-
generierte Inhalte
Explosives
Datenwachstum:
Schätzungsweise (CAGR)
62% von 2008 – 2012.
Quelle: IDC
Big Data: Unbegrenztes Datenwachstum

28. Maschinelles Lernen /
Künstliche Intelligenz
B i g D a t a
MEHR NUTZER BESSERE SERVICES
MEHR DATEN BESSERE ANALYSEN
Ei n Sch w u n g rad f ü r Dat en

29. Free access to big data
sets
aws.amazon.com/publicdatasets
Public Data Sets

30. ALGORITHMEN
DATEN
PROGRAMMIER-
MODELLE
GPUS & BESCHLEUNIGUNG
Möglichkeiten von Deep Learning
BILD-
VERSTEHEN
SPRACH-VERSTEHEN
SPRACH-
ERKENNUNG
AUTONOMIE

31. Tausende von Mitarbeitern fokussiert auf Maschinelles Lernen
SUCHEN &
ENTDECKEN
LIEFERUNG &
LOGISTIK
NEUE PRODUKT-
KATEGORIEN
M as c hinelles Ler nen bei Am azon
PRODUKT-
VERBESSERUNGEN
MASCHINELLES
LERNEN FÜR ALLE

32. Maschinelles Lernen
bei Amazon (1995)

33. Amazon ML Dienste
Frameworks &
Infrastructure
AWS Deep Learning AMI
GPU
(P3 Instances)
MobileCPU
IoT
(Greengrass)
Vision:
Rekognition Image
Rekognition Video
Speech:
Polly
Transcribe
Language:
Lex Translate
Comprehend
Apache
MXNet PyTorch
Cognitive
Toolkit
Keras
Caffe2
& Caffe
TensorFlow Gluon
Application
Services
Platform
Services
Amazon Machine
Learning
Mechanical
Turk
Spark &
EMR
Amazon
SageMaker
AWS
DeepLens

34. Reichhaltige Metadatan
Objekte, Szenen, Gesichts-Attribute, Personen
Amazon Rekognition
Deep-Learning-basierte Bild-Erkennungs-Services

35. Deer 98.8%
Wildlife 95.1%
Conifer 95.1%
Spruce 95.1%
Wood 78.3%
Tree 63.5%
Forest 63.5%
Vegetation 61.9%
Pine 60.6%
Outdoors 54.0%
Flower 53.9%
Plant 52.9%
Nature 50.7%
Field 50.7%
Grass 50.7%

36. G e s i c h t s - A n a l y s e n
Lokalisiert Gesichter in Bildern, analysiert
Attribute, Emotionen und Merkmale
Ø Gesichtsvermeidung bei
automatisierten Texten
Ø Messen von demografischen
und Stimmungs-Daten
Ø Automatische Foto-
Empfehlungen
Ø Dynamische, personalisierte
Anwendungen

38. Ø Automatische Erkennung von Bildern mit
„zweifelhaften“ Inhalten
Ø Optimierung für Bildfreigabe-Prozesse
Bild- M oder ier ung

39. Bei Suchaufträgen müssen Personen in der
Regel Tage mit manueller Suche verbringen
Eine neue mobile App auf Basis von Amazon Rekognition vergleicht
neue Bilder mit Fotos von bekannten Kriminellen:
• Hilft bei der Identifikation von Diebstahl-Verdächtigen aus
Sicherheitskamera-Aufnahmen
• Liefert Hinweise für potenzielle Zeugen oder Komplizen
• Identifiziert Personen ohne bekannte Identifikation
• >300.000 Fotos von bekannten Tätern in 2 Tagen indiziert
• Jede einzelne Suche dauert wenige Sekunden
• Innerhalb der 1. Woche klärte die App ihren ersten Fall
Exekutive und innere Sicherheit:
Washington County Sheriff (OR)

40. WANDELT TEXT
IN SPRACHE
47 STIMMEN 24 SPRACHEN NIEDRIGE LATENZ,
ECHTZEIT
VOLLAUTOMATISCH
Polly: Realistischer Sprach-Service
Sprachqualität & Aussprache
1. Automatische, präzise Verarbeitung
2. Leicht zu verstehen
3. Semantisches Verständnis
4. Konfigurierbare Aussprache
Artikel und Blogs
Trainings-Material
Chatbots (Lex)
Öffentliche Ansagen

41. W I E K Ö N N E N W I R I H N E N
B E I D E R D I G I T A L I S I E R U N G
H E L F E N ?

43. Vielen Dank!