Data en zelflerende algoritmes ondersteunen KLM’s operationele beslissingen.
Wie bij KLM een vliegticket boekt, staat meestal niet stil bij wat die boeking allemaal direct en indirect beïnvloedt. Van de vluchtroosters tot de hoeveelheid water die een vliegtuig mee moet nemen of het aantal balies dat er open is op de luchthaven, er zijn tientallen factoren waarop een luchtvaartmaatschappij moet kunnen anticiperen. Bovendien veranderen die ook nog eens continu. Geen verrassing dus, dat achter het berekenen van al die factoren een gigantische hoeveelheid data schuilgaat. KLM’s Operations Decisions Support is de afdeling die verantwoordelijk is voor de verwerking van alle operationele informatie, zodat daar bruikbare voorspellingen uit komen die de basis vormen voor bijvoorbeeld werkschema’s of het aantal maaltijden dat een vliegtuig mee moet nemen. Een deel daarvan gebeurt middels zelflerende algoritmes, die onderdeel uitmaken van verschillende voorspellende modellen, die een scala aan eindgebruikers kennen. Om ervoor te zorgen dat die algoritmes op de juiste manier gebruikt kunnen worden, én om die kennis ook voor de toekomst in huis te hebben, schakelde KLM LINKIT in.
Machine-Learning Engineer en Solution Architect Alyona leidde het team bij KLM en vertelt vol enthousiasme over de opdracht. Een complexe aangelegenheid die zich het beste als volgt laat uitleggen: het ontwikkelen en inrichten van de structuur rondom de -reeds in gebruik zijnde- kunstmatige intelligentie. Dat betekent dat het team van LINKIT, dat onderdeel uitmaakt van het team bij KLM, onder andere zorgt voor een stabiele en continue dataflow voor data scientists (die de algoritmes ontwikkelen en dus data nodig hebben om mee te experimenteren en testen).
Daarnaast zorgen ze ervoor dat de diverse onderdelen, die nodig zijn om de voorspellende modellen te kunnen maken, in de juiste vorm en volgorde werken. “Het team van KLM”, zegt Alyona, “is goed onderlegd. Ze hebben de mensen die de modellen ontwikkelen en er zijn mensen die de algoritmes ontwerpen die deze ‘producten’ ondersteunen. Wat ze niet hadden, was de technische capaciteit voor de engineering.” Vanuit LINKIT werden daarom Data Engineer Alberto, Cloud Engineer Anthony en Machine-learning Engineer Nastiia erbij gehaald. “Dat is een aanvulling op het team, die nodig is om de producten binnen KLM op de juiste manier te kunnen gebruiken.”
Een afgebakende opdracht
Daan van den Oever, Director van het team dat Machine-Learning modellen maakt bij KLM-ODS, vertelt over de start van het project. “KLM is enorm bezig met een digitaliseringsslag, voor het verbeteren van de dagelijkse operaties. Onderdeel daarvan is het toepassen van AI. We misten daarvoor seniors die bijvoorbeeld data-monitoring deden en de cloudomgeving eromheen bouwden. Je hebt mensen nodig die ervoor zorgen dat de modellen automatisch getraind worden, automatisch gemonitord worden, enzovoorts.” LINKIT werd daarom ingevlogen met een helder takenpakket: het team was verantwoordelijk voor het opzetten van de infrastructuur, het begeleiden van de cloudtransformatie en voor hulp bij het aantrekken en opleiden van junior en medior KLM-engineers. Daarmee kan KLM het werk in de toekomst voortzetten met zijn eigen engineers. “We wilden specifiek geen ‘handjes’”, vertelt Daan, “ons doel was echt een afgebakende opdracht.”
Aan de slag met het monster
Voor de komst van LINKIT werkte KLM met één groot model, die verschillende business cases oploste. “Het grote monster”, noemen Alberto en Alyona het. Daan lacht. “Gaandeweg, nog voor de komst van LINKIT, zijn we er al achter gekomen dat we dit uit elkaar moesten trekken. Maar, ook dat kon alleen met de juiste infrastructuur. Een model trainen, her-trainen, onderhouden en monitoren kan alleen met de juiste automatisering.” De ontkoppeling van het model is dan ook in volle gang. “We zijn nu van één, naar vijf, naar acht verschillende modellen gegaan”, vertelt Daan. “Het levert namelijk pas écht iets op als je met, zeg, twintig man, zo’n twintig modellen in de lucht kunt houden. Dan kun je exponentieel gaan schalen.” Doordat KLM de beschikking heeft over engineers, is het bovendien makkelijker om een product te ‘deployen’. Alyona legt uit: “Door engineering-kennis toe te passen en taken te automatiseren, kunnen data scientists hun model veel sneller toegankelijk maken voor stakeholders. En als er iets geks gebeurt met de data op een bepaalde plek, kunnen we door die automatisering ook zorgen voor alerts, bijvoorbeeld, zodat een data scientist direct naar dat afzonderlijke model kan kijken.” Het maakt deployment echt heel veel simpeler.”
Van on premise naar off premise
Uiteindelijk is het de bedoeling dat de volledige omgeving naar de cloud verhuist. “Artificial Intelligence heeft een enorme hoeveelheid rekenkracht nodig, en je wil ook dat dat schaalbaar is,” aldus Alyona. Een oplossing in eigen huis, ‘on premise’ dus, is veel minder efficiënt. In de cloud ben je flexibel, en kun je voordeel behalen met cloud-native oplossingen: tools die optimaal gebruik maken van de schaal, veerkracht en elasticiteit die de cloud biedt. Zo ver is het echter nog niet. “Om KLM in elk geval te helpen met het migreren van specifieke onderdelen die niet on premise beschikbaar zijn, maken we al wel gebruik van cloud-native solutions”, vertelt Alyona. Ondertussen is het team bezig met cloud architects op verschillende niveaus, voor de daadwerkelijke migratie. “We zijn heel blij dat noodzakelijke datakoppelingen nu gemaakt zijn, zodat data herleidbaar en toegankelijk is. Maar een verhuizing naar de cloud scheelt veel tijd en geld, dus dat is wel ons volgende doel”, aldus Alberto.
De juiste taken bij de juiste mensen
Ook op organisatorisch gebied zorgde LINKIT voor de nodige structurele hervormingen. Zo splitsten ze het deel engineering en het werk van de product developers en data scientists, wat ertoe leidde dat er nu drie teams zijn in plaats van één. Alyona: “Engineering is horizontaal, ofwel: toepasbaar op elk product. Het werk van data scientists en product developers is voor elk product anders. Door dat te splitsen konden mensen veel efficiënter werken.” Tegelijkertijd zorgen automatisering en het opzetten van nieuwe workflows ook voor een productiever team. “Door bijvoorbeeld de ruwe data automatisch op een centrale plek te laten uitkomen, hebben alle data scientists toegang tot diezelfde data”, vult Alberto aan. “Inmiddels kunnen we datasets automatisch laten genereren. Dat bespaart niet alleen tijd, maar maakt ook alle resultaten voor iedereen inzichtelijk en reproduceerbaar én zorgt ervoor dat mensen vrolijker worden van hun werk, omdat ze zich bezig kunnen houden met datgene waarvoor ze zijn aangenomen.”
Verder met experts van eigen bodem
De grootste meerwaarde? Die komt volgens Daan vanuit de kennisdeling. “En dan niet alleen technisch, maar ook procesmatig, hoe je je teams opbouwt en hoe die vervolgens moeten samenwerken of hoe je mensen de juiste begeleiding geeft om door te kunnen groeien.” Alyona: “Het was echt ons doel om meer transparantie in het proces te brengen, op alle gebieden. Dat geeft vertrouwen en verandert hoe mensen tegen het proces aankijken. Er is nu meer ruimte om te experimenteren.” De technische meerwaarde? Die is dat KLM-ODS over een jaar met een kleiner of even groot team, meer modellen live kan zetten. “Zo kunnen we met dezelfde hoeveelheid mensen straks veel meer waarde leveren,” aldus Daan. In 2023 hoopt het team van KLM de stekker definitief uit het oude model te kunnen trekken. “Dan staan de eerste modellen in de cloud, worden ze automatisch gemonitord en het liefst ook automatisch hertraind,” vertelt Daan. Het team van LINKIT is dan vertrokken. Hun taak zit erop.
