Microsoft Dynamics NAV und Machine Learning: Kurze Einführung

Lassen wir die Mythen und Schlagworte mal beiseite und wenden wir uns den konkreten Möglichkeiten zu: Wie funktioniert maschinelles Lernen mit Dynamics NAV und Dynamics 365 Business Central?

Microsoft hat 2015 begonnen, seinen Kunden einen eigenen Bereich für Machine Learning einzurichten. Und seit Dynamics NAV 2017 ist es möglich über einen Webdienst Azure Machine Learning Studio zu integrieren.

Was ist Machine Learning

Wikipedia: Maschinelles Lernen ist ein Oberbegriff für die „künstliche“ Generierung von Wissen aus Erfahrung: Ein künstliches System lernt aus Beispielen und kann diese nach Beendigung der Lernphase verallgemeinern.

Die praktische Umsetzung geschieht über Algorithmen, die statische Modelle nutzen, und Algebra, um zu berechnen, wie sich ein neuer Datensatz zu bereits existierenden Daten verhält. Das Ergebnis dieses Vergleichs ist ein vorhersehbares Ergebnis. Ein Datensatz berechnet zum Beispiel den Preis von Häusern auf Basis der Quadratmeter. Damit ist es möglich, den Preis eines Hauses, das demnächst auf den Markt kommt, vorherzusagen. Die folgende Kalkulationstabelle ist ein Beispiel für so einen Datensatz.

Mit diesem Datensatz kann man den Preis jedes weiteren Hauses vorhersagen, z.B. mit folgenden Variablen: Wohnfläche 90, Zimmer 4, Grundfläche 101, Wohnung 0, Haus 1 (voraussichtlich circa 275000).

Dieser Ansatz nennt sich überwachtes Lernen oder Supervised Learning. Die erwarteten Ergebnisse werden mit existierenden Ergebnissen verglichen. Auf diese Weise kann man Qualität und Genauigkeit der Lösung während der Entwicklung überprüfen. Für maschinelles Lernen gibt es noch ein zweites Schema, das unüberwachte Lernen. So oder so, weil die Daten in Dynamics NAV schon sehr gut strukturiert und indiziert sind, ist die Klassifizierung der Daten mithilfe einer Machine Learning-Lösung nicht mehr notwendig.

Das automatische Lernen stützt sich auf mathematische und statistische Modelle. Theoretisch ist es möglich jede Programmiersprache, so sie mathematische Bibliotheken hat, zu nutzen.

Was Machine Learning nicht ist

Ein Problem mit Machine Learning zu lösen, ähnelt dem, was in Dynamics NAV (oder Dynamics 365 Business Central) geschieht. Deshalb muss man sich auch die gleichen Fragen stellen: Das Problem definieren, analysieren und gewichten. Wie aus Dynamics NAV bekannt, muss man auch einschätzen, wie geschäftsrelevant es ist. Schließlich ist die Bewertung des Ergebnisses wichtig und die Frage, ob die Kosten gerechtfertigt sind. Denn Maschinenlernen ist kein fertiges Softwareprodukt, das alle Probleme sofort löst.

Die Ergebnisse des Maschinenlernens sind Vorhersagen und keine exakten Resultate. Es bietet Richtlinien. Die Entscheidungen müssen von den verantwortlichen Personen getroffen werden, Machine Learning kann sie dabei unterstützen.

Machine Learning und Dynamics NAV / 365 Business Central

Dynamics NAV/365 Business Central-Daten lassen sich über einen SQL Server nutzen. Die Daten sind bestens strukturiert und professionelle Programmierer können mit x-beliebiger Framework-Software ohne große Schwierigkeiten Machine Learning-Lösungen entwickeln. Ohne Programmierkenntnisse dürfte das aber zu komplex sein.

Deshalb hat Microsoft ein Azure Machine Learning Studio eingerichtet, ein webbasiertes Drag&Drop-Tool zur Lösung von Problemen rund ums automatische Lernen. In Azure ML ist es möglich vordefinierte Prozesse (wie Datentransformation, Berechnung und Scripts) zu wählen und auszuführen. Das hilft den Datenfluss zu verstehen und die Probleme zu analysieren. Die Verbindung zwischen Dynamics NAV (und 365 Business Central) und Azure ML geschieht über einen Web Service, der Daten empfängt und verschickt.

Seit der Version 2018 ist es möglich die Algorithmen von Machine Learning ganz einfach in Dynamics NAV zu integrieren. In die Artikelliste hat Microsoft eine Factbox für Vorhersagen integriert. Damit kann man eine Inventarprognose für den ausgewählten Artikel aufrufen.