Mit ArcGIS Pro lassen sich leistungsstarke KI-Funktionen direkt in geospatiale Workflows integrieren, ohne dass eigene Modelle lokal betrieben werden müssen. In diesem Beitrag zeigen wir Ihnen, wie sich gehostete KI-Services nahtlos einbinden und für effiziente Analysen nutzen lassen.
In den letzten Jahren haben sich gehostete KI-Services schnell zum wichtigsten Mittel für Organisationen entwickelt, um auf Deep-Learning-Modelle zuzugreifen und diese zu nutzen. Anstatt Modelle lokal herunterzuladen und auszuführen, verlassen sich viele Organisationen heute auf Cloud-Plattformen wie OpenAI, Azure, Hugging Face, Google, AWS und Anthropic, um einsatzbereite Sprach-, Bild- und multimodale Modelle bereitzustellen. Diese Services machen eine komplexe lokale Infrastruktur überflüssig, bieten sofortigen Zugriff auf die neuesten Modellaktualisierungen und lassen sich mühelos an wachsende Datenmengen anpassen.
Für GIS-Fachleute bedeutet diese Veränderung, dass leistungsstarke KI-Funktionen direkt in Kartierungs- und räumliche Workflows integriert werden können, wenn es eine sichere und effiziente Möglichkeit gibt, ArcGIS Pro mit diesen von Drittanbietern gehosteten Modellen zu verbinden. ArcGIS Pro enthält leistungsstarke integrierte Werkzeuge für Deep Learning, für die bisher Modelle heruntergeladen und lokal ausgeführt werden mussten. Heutzutage können viele Modelle, wie beispielsweise GPT von OpenAI für die Textanalyse oder Gemini von Google für die Bild- und multimodale Analyse, nur noch über sichere Cloud-APIs aus der Ferne aufgerufen werden.
Diese LLM-Modelle und Cloud-KI-Services von Drittanbietern können durch die Erstellung benutzerdefinierter Deep-Learning-Pakete in ArcGIS Pro integriert werden. Solche Pakete können Python-Rasterfunktionen für die Bildanalyse und Python-NLP-Funktionen für die Textanalyse verwenden, sodass diese von Drittanbietern gehosteten KI-Services direkt in Ihren Workflows aufgerufen werden können. Um eine sichere Verbindung zu diesen Modellen herzustellen, benötigen Sie Anmeldedaten und Konfigurationsdetails.
Hier kommt das Werkzeug “KI-Service-Verbindungsdatei erstellen” ins Spiel: Mit diesem können Sie eine wiederverwendbare .ais-Datei erstellen, in der Endpunktinformationen, API-Token und Modelldetails gespeichert werden. Nach der Erstellung kann diese Datei von Drittanbieter-Modellen in ArcGIS Pro (im Store erhältlich) verwendet werden, um eine sichere Verbindung zu KI-Services von Drittanbietern herzustellen – genau wie bei einem lokalen Deep-Learning-Modell –, ohne dass sensible Anmeldedaten wiederholt eingegeben werden müssen.
KI-Service-Verbindungsdatei
Bei der Arbeit mit KI-Modellen von Drittanbietern erfordert jeder Anbieter – sei es OpenAI, Azure, AWS, Hugging Face, Google oder Anthropic – eine Kombination aus Anmeldeinformationen und Einstellungen. Dabei kann es sich um einen API-Schlüssel, eine Modell-ID oder sogar die Region handeln, in der der Service ausgeführt wird. Die manuelle Eingabe dieser Daten bei jeder Verwendung eines KI-Modells eines Drittanbieters ist ineffizient und fehleranfällig.
Das Tool “KI-Service-Verbindungsdatei erstellen” in ArcGIS Pro löst dieses Problem. Damit können Sie eine Datei erstellen, in der alle Konfigurationsdetails für einen bestimmten Service gespeichert werden. Allgemeine Informationen wie der Name oder der Endpunkt des Modells werden in die Datei geschrieben, während sensible Informationen wie API-Schlüssel sicher im Windows Credential Manager gespeichert werden. Dieses Design stellt sicher, dass Ihre Schlüssel sicher bleiben, nicht in Protokollen erscheinen und nur von Ihrem Konto auf diesem Computer aus verwendet werden können.
Erstellen einer Verbindungsdatei
Um zu verstehen, wie die Service-Verbindungsdatei funktioniert, stellen Sie sich ein Szenario vor, in dem Sie ein KI-Modell eines Drittanbieters, z. B. eine Azure OpenAI-Bereitstellung, in ArcGIS Pro verwenden möchten. Anstatt Ihren Endpunkt und Ihre Anmeldeinformationen jedes Mal manuell einzugeben, können Sie eine Verbindungsdatei für den Service erstellen.
Erforderliche Informationen
Wenn Sie Azure als Ihren Anbieter einrichten, fordert das Werkzeug die folgenden Informationen von Ihnen:
- Endpunkt-URI – Die Basis-URL Ihres Azure OpenAI-Service.
Beispiel: https://mytestazureopenai.openai.azure.com/ - Bereitstellungsname – Der Name Ihres in Azure bereitgestellten Modells.
Beispiel: gpt-4o - API-Version – Die API-Version, die Sie verwenden möchten.
Beispiel: 2024-05-01 - API-Schlüssel – Ihre geheime Anmeldeinformation für die Authentifizierung.
Die ersten drei Werte werden direkt in der .ais-Datei gespeichert, während der API-Schlüssel als vertrauliche Information behandelt wird. Er wird niemals in die Datei geschrieben, sondern in der Windows-Anmeldeinformations-verwaltung gespeichert und sicher referenziert.
Das Werkzeug – KI-Service-Verbindungsdatei erstellen
Verbindungsdatei ausgeben
Hier ist ein vereinfachtes Beispiel dafür, wie die resultierende .ais-Datei für Azure aussehen könnte:
{
„version“: „1.0“,
„serviceProvider“: „Azure“,
„protocol“: „https“,
“host”: “mytestazureopenai.openai.azure.com/”,
„authenticationScheme”: „accessToken”,
„authenticationProperties”: {
„parameterType“: „header“,
„parameterName“: „azure_api_key“
},
„authenticationSecrets”: {„token”: „ ”},
„serviceProviderProperties“: {
„deployment_name“: „gpt-4o“,
„api_version“ : „2024-05-01“
}
}
Das Feld “token” enthält nicht Ihren tatsächlichen API-Schlüssel, sondern eine zufällige GUID (globally unique identifier, global eindeutige Kennung), die automatisch generiert wird, wenn der Schlüssel in der Windows-Anmeldeinformationsverwaltung gespeichert wird.
Abrufen von Anmeldeinformationen in Python
Sobald Ihre Verbindungsdatei erstellt ist, müssen Sie sich nicht mehr um die manuelle Verwaltung des API-Schlüssels kümmern. Sie können die .ais-Datei einfach mit der arcgis.learn-API in Ihrer Python-Raster- (oder NLP-)Funktion laden:
from arcgis.learn import AIServiceConnection
conn = AIServiceConnection(“azure_openai.ais”)
params = conn.get_dict()
api_key = params[“authenticationSecrets”][“token”]
print(api_key)
Dieser Code ruft den gespeicherten Schlüssel sicher ab, liest die Modellparameter und bereitet sie für die Verwendung in Ihrem Workflow vor.
Andere Service-Provider
- AWS
- Zugriffsschlüssel: Kennung für Ihr AWS-Konto. (Beispiel: IAMAWSTESTKEY)
- Modell-ID: Das KI-Modell eines Drittanbieters, das Sie verwenden möchten. (Beispiel: amazon.titan-text-premier-v1:0)
- Regionsname: Die AWS-Region, in der das Modell verfügbar ist. (Beispiel: us-east-1)
- Anthropic
- Modell: Die Claude-Version, mit der Sie sich verbinden möchten. (Beispiel: claude-3-opus)
- Azure
- Endpunkt-URI: Die Basis-URL Ihres Azure OpenAI-Service. (Beispiel: https://mytestazureopenai.openai.azure.com/)
- Bereitstellungsname: Der Name Ihres in Azure bereitgestellten Modells. (Beispiel: gpt-4o)
- API-Version: Die API-Version, die Sie verwenden möchten. (Beispiel: 2024-05-01)
- Hugging Face
- Modell-ID: Kennung des gewünschten Open-Source-Modells. (Beispiel: facebook/detr-resnet-50)
- OpenAI
- Modell: Name des Modells eines Drittanbieters. (Beispiel: gpt-4o-mini)
- Google
- Projekt-ID: Name Ihres Google Cloud-Projekts. (Beispiel: my-gcp-project)
- Region: Standort des gehosteten Service. (Beispiel: us-central1)
- Modellname: Kennung des Modells, das Sie verwenden möchten. (Beispiel: text-bison)
- Sonstiges
- Wenn Ihr Anbieter nicht aufgeführt ist, können Sie einen eigenen definieren. Zum Beispiel:
- Benutzerdefinierter Endpunkt: https://example.ai/api
- Modell: my-custom-model
Integration von KI-Modellen von Drittanbietern
In ArcGIS Pro dienen benutzerdefinierte Deep-Learning-Pakete (DLPKs) als Erweiterungsfunktion, mit der Sie eine sichere Verbindung zu externen KI-Services herstellen und diese direkt in Ihre Workflows integrieren können. Durch die Nutzung dieser DLPKs können Sie die Geodatenanalyse mit modernsten KI-Funktionen verbessern, ohne die ArcGIS Pro-Umgebung verlassen zu müssen.
Herstellen von Verbindungen
In einem benutzerdefinierten Deep-Learning-Paket kann die Methode “getConfiguration” Verbindungsdetails aus der KI-Service-Verbindungdatei abrufen und eine sichere Verbindung zum von Drittanbietern gehosteten KI-Service herstellen. Diese Methode ist verantwortlich für:
- Extrahieren von Eingaben aus dem Tool (z. B. Klassen, Pfad der KI-Verbindungsdatei usw.).
- Speichern dieser Werte in Variablen auf Klassenebene oder in einem Konfigurationswörterbuch.
- Steuerung, wie das Modell Eingaben verarbeitet und auf der Grundlage der aktualisierten Parameter Ausgaben generiert.
Das folgende Beispiel zeigt, wie eine Verbindungsdatei gelesen und eine Verbindung zu einem Azure OpenAI-Service hergestellt wird:
def getConfiguration(self, **kwargs):
“””
Retrieves connection details from the AI Service Connection File
and establishes a connection to the third party hosted AI service.
“””
# Import required modules
from arcgis.learn import AIServiceConnection
from openai import AzureOpenAI
# Load the AI service connection file provided by the user
con = AIServiceConnection(kwargs[“ai_connection_file”])
cfg = con.get_dict()
# Extract relevant connection details
self.azure_endpoint = cfg[“serviceProviderProperties”][“endpoint_uri”]
self.api_key = cfg[“authenticationSecrets”][“token”] # Secure token reference
self.api_version = cfg[“serviceProviderProperties”][“api_version”]
self.deployment_name = cfg[“serviceProviderProperties”][“deployment_name”]
# Initialize the client for interacting with the hosted Azure OpenAI service
self.client = AzureOpenAI(
azure_endpoint=self.azure_endpoint,
api_key=self.api_key,
api_version=self.api_version
)
Sobald die Methode “getConfiguration” die Verbindungsdetails abgerufen und eine sichere Verbindung zum KI-Service des Drittanbieters hergestellt hat, ist das Modell bereit für die Inferenz. Die Methode “predict” kann nun die während “getConfiguration” gespeicherten Parameter und Anmeldedaten verwenden, um Eingabedaten an den Service zu senden und Vorhersagen zu empfangen.
Fazit
Die Unterstützung von ArcGIS Pro für KI-Modelle von Drittanbietern verändert die Art und Weise, wie GIS-Expertinnen und Experten mit Text-, Bild- und räumlichen Daten arbeiten. Dank der Authentifizierung über die Verbindungsdatei können Sie KI-Services von Drittanbietern für die Entitätsextraktion, Bildklassifizierung und vieles mehr nutzen, während Sie sich weiterhin auf das Wesentliche konzentrieren können: die Analyse.
Dieser Beitrag ist eine Übersetzung des amerikanischen Originalbeitrags.
Hier geht es zum Originalbeitrag!
