Studie

Machine Learning im Unternehmenseinsatz

Machine Learning im Unternehmenseinsatz

Künstliche Intelligenz ist mittlerweile in aller Munde, aber was ist wirklich dran und wie stark ist der Einfluss auf gegenwärtige und zukünftige Geschäftsprozesse?

In der aktuellen Marktphase ist es für IT- als auch Digitalisierungsentscheider nicht leicht zwischen Hype und Realität zu unterscheiden. Zwischen tollkühnen Phantasien vollautomatisierter Produktionsstraßen, autonomer Verkehrssysteme und intelligenten digitalen Assistenten stellt sich die Frage der Umsetzbarkeit hinsichtlich datenschutzrechtlicher Schranken und der Reife der jeweiligen Technologien. Deshalb ist die Auseinandersetzung mit den neuen Ansätzen und Technologien für CIOs, CTOs und Digitalisierungsentscheider unabdingbar, um die neuen technischen Errungenschaften im Rahmen gegebener Möglichkeiten sinnvoll zu implementieren und zu einem entscheidenden Wettbewerbsfaktor ausbauen zu können.

Ein erstmalig repräsentatives Bild zum aktuellen Planungs- und Einsatzgrad sowie der Umsetzungsstrategien von Machine Learning Technologien gibt die vorliegende Studie. Die Befragung von 264 Unternehmen aus der DACH-Region macht deutlich: Künstliche Intelligenz ist schon lange kein Marketing-Trend mehr für Großkonzerne im Silicon Valley, sondern wird bereits von einem Gros der Unternehmen im deutschsprachigen Raum produktiv eingesetzt. Dabei wird vor allem Machine Learning zu einer der Kerntechnologien gezählt, die als wesentliche Stellschraube zu der künftigen Wettbewerbsstärke und Profitabilität von Unternehmen beitragen.

Automotive, Konsumgüter sowie IT, Telekommunikation und Media sind derzeit die Vorreiter, wobei Branchen wie Chemie, Logistik und Verkehr schon in den Startlöchern stehen, um die Potenziale von Machine Learning in den kommenden Jahren unternehmensweit zu erschließen.

Was vor einigen Jahren noch nach Zukunftsmusik klang, ist heute faktische Realität. Und damit ist noch lange nicht genug. Bis 2020 geht die Mehrheit der IT- und Digitalisierungsentscheider von einem steigenden Anteil von Machine Learning am Wertschöpfungsprozess aus. Um dem Rechnung zu tragen, gilt es für ein „Data-driven Mind-Set“ respektive ein ausgeprägtes Datenverständnis zu sorgen, ohne das es sonst sehr schwer wird die angesprochenen Techniken gewinnbringend in Unternehmensprozesse zu implementieren. Als kritischer Faktor wird hier vor allem der bekannte „War for Talents“ hinsichtlich eines fähigen aber stark begrenzen Personalpools gewertet.

Die Studie von Crisp Research, zusammen mit The unbelievable Machine Company (*um) und Hewlett Packard Enterprise (HPE), gibt einen ersten fundierten Überblick zum Status von Machine Learning in deutschsprachigen Unternehmen und beleuchtet heutige sowie künftige Einsatzfelder. Weiterhin skizziert die Studie die größten Herausforderungen sowie Chancen und liefert konkrete Beispiele, um den Einsatz von Machine Learning im eigenen Unternehmen erfolgreich planen und umsetzen zu können.

#Cloudflight

Inhalt

Machine Learning Methodik & Stichprobe Digitalisierung in Deutschland Machine Learning - Momentum und strategische Bedeutung Machine Learning - Einsatz im Unternehmen Machine Learning in der Praxis – Einführung und Partnerschaften Machine Learning - Blick in die Zukunft Empfehlungen und Best Practices Verwandte Forschung

Björn Böttcher ist Senior Analyst bei Crisp Research. Er leitet als “AI & Data Practice Lead” die Research- und Beratungsaktivitäten zu den Themen Analytics, BI, datenbasierte Geschäftsmodelle und Künstliche Intelligenz. Als Gründer der ersten deutschen User Groups für Amazon AWS und Microsoft Azure zählt Björn Böttcher zu den Pionieren des Cloud Computing in Deutschland. Als Veranstalter der ersten deutschen Cloud-Konferenzen und Lehrbeauftragter für Informatik und Computational Web in der Parallel Computing Group der TU Hamburg hat er wesentliche Beiträge zur Entwicklung der Cloud-Community geleistet. Björn Böttcher verfügt über 10 Jahre Berufserfahrung in der IT-Industrie in der Rolle des Software-Architekten und des IT-Strategieberaters. Zuletzt arbeitete er am Deloitte Analytics Institute und verantwortete dort die Entwicklung und Umsetzung datenbasierter Geschäftsmodelle für Unternehmen aus der Finanz-, Automotive- und Logistik-Branche. Björn Böttcher hat einen Abschluss als Dipl.-Informatikingenieur der Technischen Universität Hamburg-Harburg. Er hat als Autor eine Vielzahl von Fachbeiträgen publiziert und trägt als Key Note-Speaker und Experte aktiv zu den Debatten um neuen Markttrends, Standards und Technologien bei.

Do you have any topics to discuss with our experts?

Menü