Einmal mehr kündigte der Public-Cloud-Marktführer AWS eine Fülle von Erweiterungen seines ohnehin schon umfangreichen Portfolios an. Neue Infrastrukturdienste und Optionen für eine effizientere Nutzung von Cloud-Ressourcen gehören ebenso dazu wie Services für die Entwicklung von Machine-Learning- und IoT-Applikationen (Internet of Things). Erstmals kündigte AWS zudem zwei Serviceangebote für die Nutzung von Blockchain-Technologien an.

Mit AWS Managed Blockchain könnten Unternehmen besonders einfach in die Blockchain-Welt einsteigen, erklärte AWS CEO Andy Jassy auf der re:Invent-Konferenz in Las Vegas. Der Cloud-Service unterstütze die weitverbreiteten Blockchain-Frameworks Hyperledger Fabric und Ethereum. AWS-Techniker hätten die beiden Frameworks mit dem Ziel angepasst, dass Unternehmen sie schneller für eigene Anwendungen nutzen können. Daraus sei ein Produkt entstanden, mit dem Kunden ein Blockchain-Netzwerk "mit wenigen Mausklicks" aufsetzen und in Betrieb nehmen könnten.

Mit Amazon Quantum Ledger Database (QLDB) offeriert der Cloud-Riese darüber hinaus einen eigenentwickelten Datenbank-Service für Blockchain-Netzwerke. QLDB sei aus einem internen Amazon-Projekt entstanden, erläuterte Jassy. Über den neuen Service sollen Kunden Zugriff auf eine vollständig verwaltete "Ledger-Datenbank" erhalten, die ein transparentes, unveränderliches und kryptographisch überprüfbares Protokoll von Transaktionen bereitstellt, das von einer vertrauenswürdigen zentralen Stelle überwacht wird. Im Vergleich zu konkurrierenden Angeboten lasse sich QLDB unter anderem wesentlich besser skalieren, warb der Manager.

AWS steigt damit relativ spät in einen Markt ein, den nicht nur die großen Cloud-Provider, sondern auch viele klassische IT-Konzerne wie IBM und HPE schon seit längerem bearbeiten.

Lesen Sie dazu auch: Blockchain as a Service - das bieten die wichtigsten Player

Neuland betritt der Cloud-Arm des Amazon-Konzerns mit einem Angebot für den Raumfahrtsektor. Der Cloud-Service AWS Ground Station soll es Kunden erlauben, die Übertragung und Verarbeitung von Satellitendaten einfacher und kostengünstiger zu gestalten. Dazu greift AWS auf ein weltweit verteiltes Netz aus zwölf Bodenstationen zurück, die jeweils mit Antennen ausgestattet sind. Dort werden Satellitendaten empfangen und anschließend in einer Amazon EC2-Instanz verarbeitet und über den Cloud-Storage-Service S3 gespeichert.

Die Informationen stehen dann auch für weitere Analyse- und Machine-Learning-Dienste von AWS zur Verfügung. Der Anstoß für das Projekt kam von den Kunden, berichtete AWS CEO Andy Jassy auf der re:Invent-Konferenz in Las Vegas. Zu diesen gehören etwa die European Space Agency (ESA), das NASA Jet Propulsion Lab und das Raumfahrtunternehmen Blue Origin von Amazon-Chef Jeff Bezos.

Entwicklungsplattform für Robotik-Anwendungen

Ebenfalls neu im Portfolio ist die Robotik-Plattform AWS Robomaker. Unternehmen sollen damit Robotik-Anwendungen besonders einfach entwickeln, testen und nutzen können, so das Versprechen. Dienste von AWS ließen sich dabei auch mit dem Robot Operating System (ROS) verbinden, einem Open-Source-Framework, das im Bereich Robotik weitverbreitet ist. Zu AWS Robomaker gehört unter anderem eine integrierte Entwicklungsumgebung auf Basis von AWS Cloud9.

Benutzer können mithilfe der Plattform auch eine Art Flottenmanagement für Roboter einrichten und Remote-Applikationen bereitstellen. Erste Kunden setzten AWS Robomaker bereits ein, berichtete der Anbieter, darunter die NASA und der Werkzeughersteller Stanley Black & Decker.

Hosted TensorFlow und Pay as you go für Machine-Learning

Wie wichtig AWS die Themen künstliche Intelligenz und Machine Learning sind, zeigten zahlreiche neue Produkte, die insbesondere Entwicklern die Arbeit erleichtern sollen. Dazu gehört beispielsweise eine für AWS-Infrastruktur optimierte Version des quelloffenen Entwickler-Frameworks TensorFlow, die ab sofort verfügbar ist. TensorFlow-Jobs sollen sich damit etwa automatisch über mehrere EC2-Knoten hinweg skalieren lassen. Unternehmen könnten mit dem Dienst Machine-Learning-Modelle schneller trainieren, verspricht der Anbieter.

Ein weiterer Service, Amazon Elastic Inference, soll Kunden helfen, die Kosten von Deep-Learning-Anwendungen um bis zu 75 Prozent zu senken. Den Angaben zufolge sorgt der Cloud-Dienst dafür, dass besonders anspruchsvolle Anwendungen immer nur die jeweils benötigte Menge an GPU-Verarbeitungsleistung zugeteilt bekommen (GPU = Graphics Processing Unit). Der Kunde zahle nur für die GPUs in der AWS-Infrastruktur, die er auch tatsächlich nutze.

Für seine Machine-Learning Platform Amazon SageMaker kündigte AWS etliche Erweiterungen an. Dazu gehört beispielsweise der Dienst Amazon SageMaker Ground Truth, der Kunden den meist aufwändigen Prozess des Data Labeling für Machine-Learning-Modelle erleichtern soll. Auch hier verspricht der Provider Kosteneinsparungen im Vergleich zu manuellen Verfahren.