Ryan Ries, Chief AI & Data Scientist at Mission – Interview Series

Dr. Ryan Ries ist ein renommierter Data Scientist mit mehr als 15 Jahren Führungserfahrung in Daten und Ingenieurwesen bei schnell wachsenden Technologieunternehmen. Dr. Ries verfügt über mehr als 20 Jahre Erfahrung bei der Arbeit mit KI und 5+ Jahren Erfahrung bei der Unterstützung von Kunden bei der Erstellung ihrer AWS-Dateninfrastruktur und KI-Modellen. Nachdem er seinen Ph.D. in Biophysikalischer Chemie an der UCLA und dem Caltech erworben hat, hat Dr. Ries bahnbrechende Datenlösungen für das US-Verteidigungsministerium und eine Vielzahl von Fortune-500-Unternehmen entwickelt.

Als Chief AI und Data Scientist bei Mission hat Ryan ein erfolgreiches Team aus Data Engineers, Data Architects, ML Engineers und Data Scientists aufgebaut, um einige der schwierigsten Probleme der Welt mit Hilfe der AWS-Infrastruktur zu lösen.

Mission ist ein führender Anbieter von Managed Services und Consulting, der in der Cloud geboren wurde und umfassende Cloud-Dienstleistungen, innovative KI-Lösungen und Software für AWS-Kunden anbietet. Als AWS Premier Tier Partner hilft das Unternehmen Unternehmen, ihre Technologieinvestitionen zu optimieren, die Leistung und Governance zu verbessern, effizient zu skalieren, Daten zu sichern und mit Zuversicht Innovationen zu umarmen.

Sie haben eine beeindruckende Reise hinter sich – von der Entwicklung von AR-Hardware bei DAQRI bis hin zur Position des Chief AI Officers bei Mission. Welche persönlichen Erfahrungen oder Wendepunkte haben Ihre Perspektive auf die Rolle der KI im Unternehmen am meisten geprägt?

Die frühe KI-Entwicklung war stark durch Rechenleistung und Infrastrukturprobleme eingeschränkt. Wir mussten oft Modelle von Forschungspapieren von Hand codieren, was zeitaufwändig und komplex war. Ein wichtiger Wendepunkt kam mit dem Aufstieg von Python und Open-Source-KI-Bibliotheken, die das Experimentieren und Modellieren viel schneller machten. Der größte Wendepunkt trat jedoch ein, als Hyperscaler wie AWS skalierbare Rechenleistung und Speicher weit verbreitet zugänglich machten.

Diese Entwicklung spiegelt eine anhaltende Herausforderung in der Geschichte der KI wider – das Auslaufen von Speicher- und Rechenkapazität. Diese Einschränkungen verursachten frühere KI-Winter, und ihre Überwindung war grundlegend für die heutige “KI-Renaissance”.

Wie hilft Missions End-to-End-Cloud-Service-Modell Unternehmen, ihre KI-Workloads auf AWS effizienter und sicherer zu skalieren?

Bei Mission ist Sicherheit in alles integriert, was wir tun. Wir waren zwei Jahre in Folge der Sicherheitspartner des Jahres mit AWS, aber interessanterweise haben wir kein dediziertes Sicherheitsteam. Das liegt daran, dass jeder bei Mission mit Sicherheitsbewusstsein bei jeder Phase der Entwicklung baut. Mit der AWS-Generative-KI können Kunden von der Verwendung der AWS-Bedrock-Ebene profitieren, die Daten, einschließlich sensibler Informationen wie PII, innerhalb des AWS-Ökosystems sicher hält. Dieser integrierte Ansatz stellt sicher, dass Sicherheit grundlegend und nicht nur nachträglich ist.

Skalierbarkeit ist auch ein wichtiger Fokus bei Mission. Wir haben umfangreiche Erfahrung mit dem Aufbau von MLOps-Pipelines, die die KI-Infrastruktur für Training und Inferenz verwalten. Während viele generative KI mit großen öffentlichen Systemen wie ChatGPT in Verbindung bringen, sind die meisten Unternehmensanwendungsfälle intern und erfordern ein überschaubares Skalieren. Die API-Ebene von Bedrock hilft dabei, eine skalierbare und sichere Leistung für reale Workloads zu liefern.

Können Sie uns durch eine typische Unternehmensbeteiligung – von der Cloud-Migration bis zur Bereitstellung generativer KI-Lösungen – mit den Dienstleistungen von Mission führen?

Bei Mission beginnen wir damit, die Geschäftsanforderungen und Anwendungsfälle des Unternehmens zu verstehen. Die Cloud-Migration beginnt mit der Bewertung der aktuellen lokalen Umgebung und der Gestaltung einer skalierbaren Cloud-Architektur. Im Gegensatz zu lokalen Einrichtungen, in denen Sie für die Spitzenkapazität vorbereiten müssen, ermöglicht die Cloud die Skalierung von Ressourcen auf der Grundlage des durchschnittlichen Arbeitsaufkommens, was die Kosten reduziert. Nicht alle Workloads müssen migriert werden – einige können stillgelegt, neu gestaltet oder für Effizienz neu aufgebaut werden. Nach der Inventarisierung und Planung führen wir eine phasenweise Migration durch.

Bei generativer KI sind wir über die Proof-of-Concept-Phasen hinausgegangen. Wir helfen Unternehmen, Architekturen zu entwerfen, Pilotprojekte durchzuführen, um Prompts zu verfeinern und Randfälle zu behandeln, und dann in die Produktion zu übergehen. Für datengetriebene KI helfen wir bei der Migration von lokalen Daten in die Cloud, um einen größeren Wert zu entfalten. Dieser umfassende Ansatz stellt sicher, dass generative KI-Lösungen robust, skalierbar und geschäftsbereit sind.

Mission betont “Innovation mit Zuversicht”. Was bedeutet das in praktischer Hinsicht für Unternehmen, die KI im großen Maßstab einführen?

Es bedeutet, ein Team mit echter KI-Expertise zu haben – nicht nur Bootcamp-Absolventen, sondern erfahrene Data Scientists. Kunden können darauf vertrauen, dass wir nicht auf ihnen experimentieren. Unsere Leute verstehen, wie Modelle funktionieren und wie sie sicher und im großen Maßstab implementiert werden können. So helfen wir Unternehmen, ohne unnötige Risiken einzugehen, zu innovieren.

Sie haben in den Bereichen Predictive Analytics, NLP und Computer Vision gearbeitet. Wo sehen Sie generative KI als besonders wertvoll für Unternehmen heute – und wo überholt die Hype die Realität?

Generative KI bietet in Unternehmen vor allem durch intelligente Dokumentenverarbeitung (IDP) und Chatbots einen erheblichen Wert. Viele Unternehmen haben Schwierigkeiten, ihre Betriebe durch die Einstellung mehrerer Personen zu skalieren, so dass generative KI hilft, wiederkehrende Aufgaben zu automatisieren und Workflows zu beschleunigen. Beispielsweise hat IDP die Überprüfungszeit von Versicherungsanträgen um 50 % reduziert und die Patientenversorgungskoordination im Gesundheitswesen verbessert. Chatbots fungieren oft als Schnittstellen zu anderen KI-Tools oder -Systemen, sodass Unternehmen routinemäßige Interaktionen und Aufgaben effizient automatisieren können.

Die Hype um generative Bilder und Videos überholt jedoch oft die tatsächliche Geschäftsanwendung. Obwohl visuell beeindruckend, haben diese Technologien nur begrenzte praktische Anwendungen außerhalb von Marketing und kreativen Projekten. Die meisten Unternehmen finden es schwierig, generative Medienlösungen in ihre Kernbetriebe zu integrieren, was sie mehr zu einer Kuriosität als zu einem grundlegenden Geschäftstool macht.

“Vibe Coding” ist ein aufkommender Begriff – können Sie erklären, was er in Ihrer Welt bedeutet und wie er den umfassenderen kulturellen Wandel in der KI-Entwicklung widerspiegelt?

Vibe Coding bezieht sich auf Entwickler, die große Sprachmodelle verwenden, um Code auf der Grundlage von Intuition oder natürlicher Sprachsteuerung und nicht auf der Grundlage von strukturierten Plänen oder Designs zu generieren. Es ist großartig, um die Iteration und das Prototyping zu beschleunigen – Entwickler können schnell Ideen testen, Boilerplate-Code generieren oder repetitive Aufgaben auslagern. Es führt jedoch oft auch zu Code, der keine Struktur hat, schwer zu warten ist und ineffizient oder unsicher sein kann.

Wir sehen einen umfassenderen Wandel hin zu agentischen Umgebungen, in denen LLMs wie Junior-Entwickler agieren und Menschen Rollen übernehmen, die eher Architekten oder QA-Ingenieuren ähneln – sie überprüfen, verfeinern und integrieren KI-generierte Komponenten in größere Systeme. Dieses kollaborative Modell kann leistungsfähig sein, aber nur, wenn Schutzmechanismen vorhanden sind. Ohne angemessene Aufsicht kann Vibe Coding technische Schulden, Sicherheitslücken oder Leistungsprobleme einführen – insbesondere, wenn es ohne gründliche Tests in die Produktion übernommen wird.

Was ist Ihre Meinung zur Entwicklung der Rolle des KI-Offiziers? Wie sollten Organisationen ihre Führungsstruktur neu überdenken, wenn KI zur Grundlage der Geschäftsstrategie wird?

KI-Offiziere können absolut einen Mehrwert bieten – aber nur, wenn die Rolle zum Erfolg eingerichtet ist. Zu oft erstellen Unternehmen neue C-Suite-Titel, ohne sie an die bestehende Führungsstruktur oder die tatsächliche Autorität anzupassen. Wenn der KI-Offizier nicht dieselben Ziele wie der CTO, CDO oder andere Führungskräfte teilt, riskiert man isolierte Entscheidungsfindung, widersprüchliche Prioritäten und behinderte Umsetzung.

Organisationen sollten sorgfältig überlegen, ob der KI-Offizier Rollen wie den Chief Data Officer oder CTO ersetzt oder ergänzt. Der Titel ist weniger wichtig als das Mandat. Was entscheidend ist, ist, jemanden zu ermächtigen, die KI-Strategie im gesamten Unternehmen – Daten, Infrastruktur, Sicherheit und Geschäftsanwendungsfälle – zu gestalten und die Fähigkeit zu haben, bedeutende Veränderungen herbeizuführen. Andernfalls wird die Rolle eher symbolisch als wirksam.

Sie haben preisgekrönte KI- und Daten-Teams geleitet. Welche Eigenschaften suchen Sie bei der Einstellung für hochriskante KI-Rollen?

Die wichtigste Eigenschaft ist, jemanden zu finden, der tatsächlich KI versteht, nicht nur jemanden, der einige Kurse besucht hat. Man braucht Leute, die wirklich fließend in KI sind und immer noch Neugier und Interesse haben, die Grenzen dessen zu erweitern, was möglich ist und was nicht.

Ich suche nach Menschen, die immer nach neuen Ansätzen suchen und die Grenzen dessen, was machbar ist und was nicht, in Frage stellen. Diese Kombination aus tiefem Wissen und fortlaufender Erkundung ist für hochriskante KI-Rollen unerlässlich, in denen Innovation und zuverlässige Implementierung gleich wichtig sind.

Viele Unternehmen haben Schwierigkeiten, ihre ML-Modelle zu operationalisieren. Was unterscheidet Ihrer Meinung nach Teams, die erfolgreich sind, von denen, die im Proof-of-Concept-Limbo stecken bleiben?

Das größte Problem ist die Abstimmung zwischen Teams. ML-Teams bauen vielversprechende Modelle, aber andere Abteilungen nehmen sie nicht an, weil die Prioritäten nicht übereinstimmen. Der Übergang von POC zu Produktion erfordert auch MLOps-Infrastruktur: Versionierung, Neuschulung und Überwachung. Bei GenAI ist die Lücke noch größer. Die Produktion eines Chatbots bedeutet Prompt-Tuning, Pipeline-Management und Compliance… nicht nur das Eingeben von Prompts in ChatGPT.

Was wäre Ihr Rat an einen Startup-Gründer, der KI-First-Produkte aufbaut und von Missions Infrastruktur und KI-Strategieerfahrung profitieren könnte?

Wenn man ein Startup ist, ist es schwierig, Top-KI-Talente zu gewinnen, insbesondere ohne eine etablierte Marke. Selbst mit einem starken Gründungsteam ist es schwierig, Leute mit der erforderlichen Erfahrung zu finden, um KI-Systeme ordnungsgemäß aufzubauen und zu skalieren. Hier kann die Partnerschaft mit einem Unternehmen wie Mission einen echten Unterschied machen. Wir können helfen, schneller voranzukommen, indem wir Infrastruktur, Strategie und praktische Expertise bereitstellen, sodass Sie Ihr Produkt früher und mit größerer Zuversicht validieren können.

Der andere wichtige Aspekt ist der Fokus. Wir sehen viele Gründer, die versuchen, eine grundlegende Oberfläche um ChatGPT herum zu wickeln und es als Produkt bezeichnen, aber die Benutzer werden cleverer und erwarten mehr. Wenn Sie kein reales Problem lösen oder etwas wirklich Unterschiedliches anbieten, ist es leicht, im Lärm unterzugehen. Mission hilft Startups, strategisch über die Bereiche nachzudenken, in denen KI einen echten Mehrwert bietet, und wie man etwas Skalierbares, Sicheres und ab dem ersten Tag produzierbares aufbaut. So bauen Sie nicht nur, um zu experimentieren, sondern um zu wachsen.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten Mission besuchen.