KI-Training bei Uber: AWS-Technologie für Millionen Fahrten pro Tag

Schnelle Vermittlungen, präzise Ankunftszeiten, stabiler Service auch zu Stoßzeiten: Dafür baut Uber seine Infrastruktur auf AWS aus. Matthias Patzak, Enterprise Strategist bei Amazon Web Services (AWS) erklärt, wie spezialisierte Cloud-Technologie und KI-Hardware dabei zusammenwirken.

Kurz aufs Smartphone getippt, schon ist der Fahrer unterwegs oder das Essen bestellt. Dass die App sofort reagiert, nehmen Nutzer heute als selbstverständlich hin. Technisch betrachtet zählt dies jedoch zu den komplexesten Herausforderungen im weltweiten Cloud-Betrieb. Uber wickelt als weltweit größter Anbieter für Ridesharing und On-Demand-Lieferungen jeden Tag Millionen von Fahrten und Lieferungen ab und stellt entsprechend hohe Ansprüche an seine technologische Basis. Nun erweitert das Unternehmen seine Infrastruktur und seine KI-Kapazitäten auf Amazon Web Services (AWS).

Zwei eigens von AWS entwickelte Chips spielen dabei die Hauptrolle: Graviton4 treibt die Trip Serving Zones an, also die Echtzeit-Infrastruktur, die hinter jeder einzelnen Fahrt und Lieferung steht. Trainium3 kommt in einem Pilotprojekt zum Einsatz, in dem Uber erste KI-Modelle trainiert. Das Ziel: ein schnellerer und verlässlicherer Service für Nutzer auf der ganzen Welt. Was das konkret bedeutet und welchen Beitrag die beiden Chips leisten, zeigt die technische Umsetzung.

Hinter jeder Fahrtanfrage bei Uber steht eine ganze Abfolge von Entscheidungen. Welcher Fahrer befindet sich in der Nähe? Welche Strecke ist am schnellsten? Wie viel Zeit benötigt die Anfahrt wirklich? Diese Fragen gilt es für Millionen von Nutzern gleichzeitig und innerhalb von Sekundenbruchteilen zu klären, und zwar rund um die Uhr in Städten weltweit. Jede Verzögerung und jeder Fehler schlägt sich direkt in der Servicequalität nieder und kann das Vertrauen der Nutzer dauerhaft schwächen.

Uber nutzt dafür AWS Graviton4-Prozessoren, die hohe Rechenleistung mit einem vergleichsweise geringen Energiebedarf verbinden. Sie unterstützen die Echtzeitberechnungen, mit denen Fahrgäste und Fahrer schneller zueinanderfinden, ohne dass Zuverlässigkeit, Verfügbarkeit oder Sicherheit darunter leiden. Für Uber heißt das: kürzere Wartezeiten und ein stabilerer Service, selbst wenn das System stark ausgelastet ist.

Die Trip Serving Zones bilden das technische Fundament jeder Fahrt und jeder Lieferung. Innerhalb von Millisekunden verarbeiten sie Millionen von Prognosen und Standortdaten, und das muss auch bei großem Andrang zuverlässig und leistungsstark funktionieren. Besonders gefordert sind sie zu Stoßzeiten oder bei Großveranstaltungen, wenn die Zahl der Anfragen sprunghaft steigt. Genau dann zeigt sich, ob die Infrastruktur einen reibungslosen Service gewährleistet oder ob Nutzer lange warten müssen.

Für diese Workloads baut Uber den Einsatz von AWS Compute-, Storage- und Networking-Services weiter aus. So kann das Unternehmen bei Nachfragespitzen rasch skalieren, die Latenz verringern und gleichzeitig die Betriebskosten senken. Dank der flexiblen Kapazitäten von AWS lässt sich auf wechselnde Nachfrage reagieren, ohne den Service einschränken zu müssen. Fahrer und Fahrgäste haben davon schnellere Vermittlungen und eine verlässlichere App-Performance, gerade in Spitzenzeiten.

Uber trainiert KI-Modelle, die Daten aus einer enormen Zahl von Fahrten und Lieferungen auswerten. Damit werden Ankunftszeiten berechnet, die bestmögliche Zuweisung von Fahrern ermittelt und personalisierte Empfehlungen für Fahrgäste und Lieferkunden erstellt. Ein KI-Training in dieser Größenordnung verlangt immense Rechenkapazität und stellt hohe Ansprüche an Effizienz und Kosten. Deshalb erprobt Uber jetzt erstmals AWS Trainium3-Chips in einem Pilotprojekt als leistungsstarke und kosteneffiziente Lösung.

Mit jedem Trainingszyklus verarbeiten die Modelle weitere Daten und werden in ihren Vorhersagen Schritt für Schritt genauer. Das kommt unmittelbar bei den Nutzern an: Fahrgäste erhalten exaktere Angaben zur Ankunftszeit und treffendere Empfehlungen, Lieferkunden profitieren von besser abgestimmten Fahrerzuweisungen. Je größer die verarbeitete Datenmenge, desto präziser fallen die Prognosen aus.

Mit der Erweiterung auf AWS schafft Uber die Basis, um seinen weltweiten Betrieb verlässlich und skalierbar aufrechtzuerhalten. AWS Graviton4 und Trainium3 erfüllen dabei zwei Kernanforderungen: die Verarbeitung von Echtzeitdaten binnen Millisekunden und das Training leistungsfähiger KI-Modelle auf Basis von Daten aus Milliarden von Fahrten.

Für Endanwender bedeutet das schnellere Vermittlungen, genauere Prognosen zur Ankunftszeit und stärker personalisierte Empfehlungen. Die Zusammenarbeit macht deutlich, wie Cloud-Infrastruktur und spezialisierte KI-Hardware ineinandergreifen, um hochskalierbare Anwendungen weltweit zu betreiben. Uber verfügt damit über ein technologisches Fundament, das den aktuellen Anforderungen genügt und zugleich Raum für künftige Weiterentwicklungen bietet.