SAP test AI-model voor bedrijfsdata aan boord van ruimtestation ISS

In de ruimte kunnen straling, ruimtepuin en zonnestormen op ieder moment storingen veroorzaken. Sensoren en systemen aan boord leveren bovendien continu grote hoeveelheden gegevens. Het kost te veel tijd om die allemaal naar de aarde te sturen voor analyse, dus moeten de systemen op het station zelf snel problemen kunnen herkennen.

Voorspellen op basis van tabellen

SAP-RPT is ontwikkeld om voorspellingen te doen op basis van gestructureerde gegevens, zoals meetwaarden en andere informatie in tabellen. Het model kan overweg met ontbrekende gegevens en heeft voor nieuwe toepassingen geen uitgebreide aanvullende training nodig. Aan boord van het ISS analyseert het de gegevens van sensoren en systemen, signaleert het afwijkingen en voorspelt het technische problemen voordat ze zich voordoen. Ontbrekende meetwaarden reconstrueert het op basis van historische gegevens. Daarnaast stelt het begrijpelijke rapporten op over de technische staat van het station, waardoor astronauten en medewerkers op aarde sneller zicht krijgen op mogelijke risico’s.

“Dit bewijst dat tabulaire AI van SAP zelfs onder de meest extreme omstandigheden kan functioneren”, zegt Mayank Shrivastava, Vice President of Generative AI and Foundation Models bij SAP SE. “De ruimte is de ultieme stresstest voor AI. Als een basismodel in een baan om de aarde kritieke storingen kan voorspellen, ondanks beperkingen door straling, energie en connectiviteit, stel je dan eens voor wat het voor een wereldwijd opererend bedrijf kan betekenen. Datzelfde model kan risico’s bij leveranciers, afwijkingen in kasstromen en storingen aan apparatuur binnen je organisatie voorspellen. Wat in de ruimte werkt, werkt ook in je toeleveringsketen.”

Zuinig met energie

Volgens SAP verbruikt het model ongeveer 50.000 keer minder energie dan de meest geavanceerde grote taalmodellen. Dat telt zwaar in de ruimte, waar energie beperkt beschikbaar is. SAP-RPT berekent verder een algemene risicoscore voor de missie en beoordeelt of menselijke tussenkomst nodig is.

SAP-RPT hoort bij een groep zogeheten tabular foundation models. Waar grote taalmodellen vooral sterk zijn in taal en redeneren, richten deze modellen zich op de gestructureerde gegevens die bedrijven dagelijks gebruiken, zoals informatie uit ERP-systemen, financiële administraties en productieomgevingen. Ook TabPFN van Prior Labs behoort tot dit portfolio. Met SAP AI Core kunnen organisaties de modellen, hun voorspellingen en de bijbehorende werkprocessen beheren, aansturen en controleren.

“HPE Spaceborne Computer-2 laat voortdurend zien welke voordelen een krachtige computeroplossing aan boord van het ISS biedt voor geavanceerde technologie en doorlopend onderzoek in de ruimte”, zegt Scott Wiest, Vice President and Global Sales Chief Technologist en HPE Fellow. “De inzet van SAP’s tabulaire AI op HPE Spaceborne Computer-2 bewijst wat mogelijk is met realtime detectie en voorspellingen op basis van AI, in de ultieme edge-omgeving.”

Toepassingen op aarde

De ervaringen op het ISS moeten SAP helpen bij de verdere ontwikkeling van AI die gegevens direct op locatie verwerkt, ook wel edge AI genoemd. Bedrijven hebben soms met vergelijkbare problemen te maken: een leverancier die steeds vaker te laat levert, afwijkende betalingspatronen of een machine waarvan de temperatuur langzaam oploopt. Door zulke signalen vroeg te herkennen, kunnen organisaties ingrijpen voordat processen vastlopen.

Tabulaire AI kan volgens het bedrijf bijvoorbeeld van waarde zijn bij hulpverlening in rampgebieden, landbouw op afgelegen locaties, fabrieken met meerdere vestigingen en internationale toeleveringsketens. In die situaties is het belangrijk om lokaal gegevens te analyseren en snel beslissingen te nemen, ook als de verbinding met centrale systemen ontbreekt.