„AI-First“ – so lautet mittlerweile das Mantra vieler Technologie-CEOs von Google bis Microsoft. Doch was ist dran am Hype rund um das Thema Künstliche Intelligenz?
Fakt ist, dass die Kombination aus günstiger Rechenleistung, großen Datenmengen und optimierten Algorithmen die Innovationsleistung von Machine Learning-Verfahren derzeit exponentiell steigen lässt. Was vor 3 Jahren noch unrealistisch erschien, ist heute Realität. Von der Spracherkennung, über die medizinische Diagnostik bis hin zum autonomen Fahren existieren schon heute vielfältige Einsatzbereiche für Verfahren der Künstlichen Intelligenz. Im Kontext der digitalen Transformation erweitert sich dieses Einsatzspektrum noch weiter und reicht vom Unternehmensrechenzentrum, über die Steuerung von Fertigungsanlagen (Industrie 4.0) bis hin zur Überwachung von vernetzten Geräten (IoT). Nach aktuellen Prognosen von Crisp Research werden im Jahr 2017 weltweit schon rund 4,3 Mrd. Euro in Machine Learning-Technologien, Services und -Projekte investiert.
Für CIOs, CTOs und Digitalisierungsentscheider stellt sich nun eine Vielzahl an Fragen. Welche Use Cases ergeben sich im eigenen Unternehmen? Auf welche Verfahren und Technologien kann man setzen? Welche Anforderungen stellt Machine Learning an die zugrundeliegende Rechenzentrums- und IT-Infrastruktur? Wie baut man intern die relevanten Skills und Ressourcen auf? Mit welchen Dienstleistern sollte man zusammenarbeiten?
Um diese und weitere Fragen zu beantworten, hat Crisp Research in Kooperation mit The unbelievable Machine Company (*um) und Hewlett Packard Enterprise (HPE) die vorliegende Studie erstellt. Diese soll Entscheidern und Managern einen ersten empirisch fundierten Überblick zum Status von Machine Learning in den deutschen Unternehmen bieten. Zudem liefert die Studie Erkenntnisse und Beispiele, um den Einsatz von Machine Learning im eigenen Unternehmen erfolgreich planen und umsetzen zu können.
„In der Studie hat sich deutlich gezeigt, dass deutsche Unternehmen im Hinblick auf Machine Learning und moderne Analytics-Verfahren deutlich innovativer sind, als ihr Ruf“, kommentiert KlaaS Bollhöfer, Mitinitiator der Studie und Chief Data Scientist bei *um. So setzt bereits ein Fünftel der Unternehmen Machine Learning-Technologien schon produktiv ein. Die Mehrheit der Unternehmen hat den Trend erkannt und begonnen sich aktiv mit der Thematik zu beschäftigen sowie den Impact von Machine Learning und künstlicher Intelligenz auf das eigene Unternehmen zu evaluieren.
„Auch hat sich klar gezeigt, dass Machine Learning kein Hype-Thema ist“, so Björn Böttcher, Studienautor und Data Practice Lead bei Crisp Research. So sind 43 Prozent der befragten Entscheider überzeugt, dass Machine Learning ein wesentlicher Aspekt ihrer Analytics- und Big Data-Strategien der kommenden Jahre ist. Knapp ein Fünftel der Entscheider sieht Machine Learning als eine der Kerntechnologie eines vollständig digitalen Unternehmens.
Weitere Kernergebnisse der Studie sind:
- Deep Learning – Renaissance der Neuronalen Netzwerke. Jedes fünfte Unternehmen, das sich mit Machine Learning auseinandersetzt, beschäftigt sich auch schon mit Deep Learning, der neuesten Generation der neuronalen Netze. Die Gruppe der Innovatoren, die Deep Learning bereits im Einsatz haben, macht derzeit rund 5 Prozent aus.
- Nicht ohne meinen IT-Partner – Die Umsetzung von Machine Learning-Strategien erfolgt selten ohne externe Unterstützung. Vor allem in der Datenexploration und im Training der eigenen Mitarbeiter sehen die Unternehmensentscheider wichtige Einsatzbereiche für externe Dienstleister.
- Machine Learning als Teil des neuen digitalen Fundaments – Das Design und der Betrieb moderner IT-Architekturen und „TechStacks“ wird in den kommenden Jahren stark vom Einsatz von Machine Learning geprägt sein.
Die Studie bietet erstmals eine empirische Untersuchung zum aktuellen Bekanntheitsgrad, dem Planungsstatus und den Umsetzungsstrategien deutscher Unternehmen hinsichtlich Machine Learning-Technologien. Crisp Research hat als unabhängiges IT-Analysten- und Beratungshaus 264 Unternehmen verschiedener Branchen, Größenklassen und Typen zu diesem Thema befragt. Regional war die Untersuchung auf Deutschland, Österreich und die Schweiz fokussiert (DACH-Region). Befragt wurden IT- und Digitalisierungsentscheider.
Die komplette Studie finden Sie hier!