Autodesk on AWS

In diesem Video von AWS Conversations With Leaders taucht Amy Bunszel, Executive Vice President of Architecture, Engineering, and Construction Design Solutions bei Autodesk, in den Erfolg von Autodesk ein und wie sie Risiken eingehen, ohne rücksichtslos zu sein. Dieser Ansatz hat am Arbeitsplatz eine Kultur des Experimentierens geschaffen, die sie dazu antreibt, komplexe Probleme zu lösen, während sie die richtigen Teams zusammenstellen, um in großen Ausmaßen zu skalieren

Sehen Sie sich dieses Gespräch mit Prakash Kota, CIO bei Autodesk, über Unternehmensstrategien und bewährte Methoden an, um Menschen und Unternehmen zu befähigen, in der digitalen Zukunft erfolgreich zu sein.

Prakash Kota, SVP und CIO von Autodesk, spricht darüber, wie Mitarbeiter und Führungskräfte von den Vorteilen einer unternehmensweiten Migration von Unternehmens-Workloads zur AWS Cloud überzeugt werden können. Darüber hinaus beschreibt er, wie Mitarbeiter über AWS Training and Certification motiviert werden können. Als Haupterkenntnis aus der Transformation von Autodesk hat sich ergeben, dass es wichtig ist, in einem kleinen Rahmen zu beginnen und die Transformation anschließend schnell zu erweitern, indem Sie in eine Kultur des kontinuierlichen Lernens investieren.

Autodesk nutzt Machine-Learning-Modelle auf der Basis von Amazon SageMaker, um Designer dabei zu unterstützen, Tausende generativer Designoptionen zu organisieren und zu kategorisieren. Mithilfe des generativen Designprozesses von Autodesk konnte Edera Safety, ein Designstudio in Österreich, einen besseren und effizienteren Rückenprotektor entwickeln.

Die Autodesk Data Platform (ADP) erfasst und verarbeitet Produktnutzungsdaten und stellt den betrieblichen Teams von Autodesk eine Produktanalytikplattform bereit. Durch die Migration der ADP von einem Spark-basierten Verarbeitungssystem zu AWS Lambda spart Autodesk jedes Jahr bis zu 90 Prozent an Datenverarbeitungskosten. Heute kann Autodesk Daten beinahe in Echtzeit verarbeiten und geschäftlichen Benutzern pünktlich Analysen bereitstellen, damit sie diese für Produktverbesserungen und andere Geschäftschancen nutzen können.

Autodesk musste seine Infrastruktur neu erfinden, um diese komplexe, exponentiell wachsende Datenmenge zu unterstützen und Kunden in allen Projektlebenszyklen ein schnelleres, effektiveres und nachhaltigeres Arbeiten zu ermöglichen. Erfahren Sie mehr über das fünfstufige Framework, das Autodesk verwendet hat.

Autodesk entwickelte Machine-Learning-Kompetenzmodelle auf der Basis von Amazon SageMaker. Sie unterscheiden sich von typischen Klassifizierungsmodellen, da sie die Auswahl der richtigen Teams zur Unterstützung der Benutzer zum Ziel haben. Viele herkömmliche Modelle versuchen stattdessen, das Thema eines Falls zu ermitteln und den Fall anschließend auf der Basis dieses Themas weiterzuleiten.

Autodesk hat auf der Basis von AWS-Lösungen ein Machine-Learning-Modell entwickelt und bereitgestellt, das die neue Version eines Forums mit dem Namen „Community Match“ unterstützt. Das Modell gleicht die Erfahrung von Forenmitgliedern mit Fragen ab, die im Forum veröffentlicht werden. So können Community-Mitglieder, die auf einem bestimmten Gebiet Experten sind, ihr Insider-Wissen über Autodesk-Lösungen mit den Fragestellern teilen. Während sich Kunden früher an den Autodesk-Support wandten, um Probleme zu lösen, nutzen sie jetzt das Wissen der Community, um ihre Autodesk-Software effektiver zu nutzen.

Die Entwicklung einer 360-Grad-Sicht auf Finanzmetriken kann Organisationen proaktive Entscheidungen ermöglichen, statt einfach nur mit Strategien der Kontoteams zu reagieren. Kundendaten werden in der Regel jedoch in verschiedenen Quellen gespeichert und die Kombination von Metriken durch die Zuweisung von IDs, Kontonamen und anderen Feldern ist sehr aufwändig. Diese Daten können nicht kompatible Formate besitzen und die Zahl der Datensätze kann die Kapazitäten häufig verwendeter Datentools überschreiten. Autodesk nutzt Trifacta in AWS, um die Data Pipeline zu optimieren und die Bereitstellung ganzheitlicher Kundenanalysen zu automatisieren.

Autodesk entwickelt Design-Software, die zum Rendern eine erhebliche Rechenkapazität benötigt. Der Rendering-as-a-Service (RaaS)-Workload stellte bei Betrachtung der Gesamtkosten den kostspieligsten Workload bei Autodesk dar. Das Unternehmen nutzt jetzt Amazon-EC2-Spot-Instances und erzielt auf diese Weise erhebliche Kosteneinsparungen für die RaaS-Funktion.

Autodesk profitierte zwar von der Nutzung von AWS. Die Einrichtung neuer AWS-Konten stellte für das aus zwei Personen bestehende AWS Operations Team des Unternehmens jedoch eine Herausforderung dar. Die manuelle Einrichtung der Konten bedeutete Turnarounds von 2 Wochen für neue Konten. Darüber hinaus waren die manuellen Prozesse fehleranfällig. Daher entwickelte Autodesk eine Lösung mit Serverless-Architektur, um den Zeit- und Kostenaufwand für die Verwaltung der Infrastruktur zu minimieren. Die Entwickler bei Autodesk fordern neue Konten jetzt über ein Onlineformular an. Anschließend löst eine API die Kontoerstellung aus. Entwicklung und Einführung der Lösung, die auch Kontoabfragen nach Kontonummer, E-Mail-Adresse oder IP-Adresse unterstützt, dauerten nur einen Monat.

Statt physische Hardware zu mieten, nutzt Autodesk Amazon WorkSpaces, um virtuelle Workstations auf Zero Clients zu hosten. Auf diese Weise verbessert Autodesk die Effizienz der Einrichtung und reduziert CO2-Emissionen. Autodesk nutzt AWS, um für seine Autodesk-University-Veranstaltungen 450 Workstations einzurichten und bereitzustellen. Damit spart das Unternehmen beinahe eine Woche Zeitaufwand und viele Tausend Dollar ein.

AWS Support hilft Autodesk, sich auf das Kerngeschäft zu konzentrieren, statt wertvolle Zeit mit der Architektur seiner wichtigen AWS-Services zu verbringen. Autodesk betrachtet AWS Support als virtuelles Infrastruktursupport-Team, als ob es sich um eine Abteilung oder Gruppe innerhalb von Autodesk handeln würde. Das Unternehmen kann AWS Support ohne Vorankündigung kontaktieren und den benötigten Grad an Service erhalten.

Autodesk entwarf, trainierte und debuggte schnell ein Machine-Learning-Modell für die visuelle Ähnlichkeit. Mit SageMaker Debugger verbesserte Autodesk die Leistung von Fusion 360 und sparte sowohl Zeit als auch Rechenkosten.

Erfahren Sie mehr über die Architektur von Autodesk Shotgun Private Cloud, einer cloudbasierten VFX-Projektmanagement-Anwendung in AWS. Autodesk Shotgun vereinfacht das kreative Projektmanagement und unterstützt die Zusammenarbeit von Teams für visuelle Effekte (VFX), Animation und Spiele aller Größen. Shotgun ist eine skalierbare On-Demand-Plattform, die nur wenige bis Tausende von Benutzern unterstützen kann und von mehr als 1.000 Studios weltweit verwendet wird, um täglich Millionen von Aufgaben zu verfolgen. Diese exemplarische Vorgehensweise zeigt, wie AWS Kunden beim Aufbau robuster SaaS-Anwendungen unterstützt, die selbst die strengsten Sicherheitsanforderungen erfüllen.

Autodesk migrierte eine geschäftskritische Datenbank bei nur minimalen Ausfallzeiten. Diese Migration trug zur Optimierung von Verwaltung und Resilienz des SSO-Service von Autodesk, zur Senkung der Kosten und zur Reduzierung des Wartungsaufwands für die Infrastruktur bei. In diesem Blog werden die Architektur vor der Migration, die Migrationsstrategie und die Migrationsschritte beschrieben. Darüber hinaus finden Sie hier einen Leistungsvergleich.

Autodesk entwickelte ein End-to-End-Ökosystem, um die Entwicklung, Ausführung und Bereitstellung von Software zu standardisieren. Das Unternehmen kann auf nur einem Amazon-ECS-Cluster sowohl Linux- als auch Windows-Workloads ausführen.