Tech Data[Gesponsert]

Studie ergibt: Unternehmen in Deutschland geben Gas bei Machine Learning

Die Studie im Auftrag von Tech Data zeigt, dass besonders Machine Learning als Innovationsmotor von Bedeutung ist, wenn es um die Digitalisierung geht.
Die Studie im Auftrag von Tech Data zeigt, dass besonders Machine Learning als Innovationsmotor von Bedeutung ist, wenn es um die Digitalisierung geht. (Bild: ©monsitj - stock.adobe.com)

Deep Learning und Machine Learning werden die IT-Welt in den nächsten Jahren prägen und IT-Verantwortliche vor viele Herausforderungen stellen. Eine im Auftrag von Tech Data Advanced Solutions beauftragte Studie zeigt, wie die Unternehmen hierzulande bei den Kerntechnologien der Künstlichen Intelligenz aufgestellt sind und wo die vielversprechendsten Einsatzgebiete liegen.

Das Marktforschungsunternehmen Crisp Research hat die IT-Entscheider von mehr als 180 Unternehmen aus 12 Branchen befragt, wie sich mit der digitalen Transformation die Anforderungen an die Infrastruktur ändern, in welchen Fachbereichen sie die größten positiven Auswirkungen erwarten und wo sie in den nächsten Jahren die höchsten Investitionen planen. Die Ergebnisse der Untersuchung „Digital Infrastructure 2020 – IT-Infrastruktur für das digitale Zeitalter“, die in Kooperation mit Tech Data Advanced Solutions durchgeführt wurde, liegen nun vor. Sie untermauern die Einschätzung, dass besonders Machine Learning als Innovationsmotor von entscheidender Bedeutung ist, wenn es um die Digitalisierung geht.

Technologien der Künstlichen Intelligenz (KI) werden künftig ganze Branchen verändern. Mit selbstlernenden Tools lassen sich Prozesse automatisieren und Abläufe in vielen Abteilungen vereinfachen. Dadurch ergeben sich Effizienz- und Kostenvorteile für bestehende Geschäftsfelder. Zudem wird es erheblich einfacher, neue Anwendungen im Markt zu platzieren oder Produktsegmente zu erschließen. Als technische Basis für AI-Anwendungen gilt das grafikprozessor basierte Rechnen (GPU). Damit lassen sich neuerdings Aufgabenstellungen bewältigen, deren Komplexität noch vor wenigen Jahren selbst leistungsfähige Computer überforderte. Die auf neuronalen Netzen basierende Technologie ermöglicht Maschinen, individuelle Lernmuster zu entwickeln, um die gewünschten Ergebnisse zu erzielen. Aktuell wird ein Großteil der AI-Systeme für spezielle Anforderungen entwickelt, trainiert und optimiert: Kommerziell verfügbare Lösungen sind beispielsweise schon in der Lage, die menschliche Sprache zu verstehen, Simultanübersetzungen durchzuführen oder Fahrzeuge autonom zu steuern.

Aktuelle Bestandsaufnahme: Wie weit sind die Unternehmen?

Das wichtigste Ergebnis der Studie gibt Anlass zum Optimismus: Die Unternehmen in Deutschland drücken beim Maschinellen Lernen eindeutig aufs Tempo und wollen dafür sorgen, dass die Bundesrepublik eine maßgebliche Rolle im internationalen Wettbewerb um erfolgreiche AI-Anwendungen spielen kann. So befindet sich jede vierte der befragten Firmen (knapp 26 %) in der ML-Evaluierung beziehungsweise Planungsphase, 12 Prozent sind mit der Implementierung oder Einführung beschäftigt. Weitere 16 Prozent befassen sich mit der Technologie- oder Provider-Auswahl. Und immerhin 3,3 Prozent der Entscheider berichten, dass sich Machine Learning in ihrem Unternehmen bereits im produktiven Einsatz befindet.

Am Anfang stellt sich für IT-Entscheider jedoch die Frage, wo und in welchem Umfang das Maschinelle Lernen eingesetzt werden soll. Ausschließlich für neue Aufgaben oder auch im Rahmen der vorhandenen Strukturen? Gut die Hälfte der Studienteilnehmer sieht die größten Chancen im Bereich „Produktion & Prozesse“ (52 %). Diese Einschätzung erscheint realistisch, da viele Unternehmen bereits über eine gute Dokumentation ihrer Prozesse verfügen, beispielsweise aus ISO-Zertifizierungen des Qualitätsmanagements.

Weitere interessante Potenziale sehen die IT- Verantwortlichen in den Bereichen „Rechenzentrum & IT“ (38 %), „Kundendienst & Support“ (36 %) sowie im Umfeld der Bereiche „Management, Finance und Human Resources“ (33 %). Deutlich niedriger fallen die Erwartungen an das Maschinelle Lernen bei Geschäftsfeldern aus, die direkt von der Digitalen Transformation betroffen sind oder momentan neu entstehen. Hier fehlt es vermutlich noch an Anwendungsszenarien. Am besten schneidet der Bereich „Customer Experience“ ab (22 %), gefolgt vom „Internet of Things“ (21 %) und „Procurement & Supplier Management“ (15 %).

Wachsende Investitionen und Wertschöpfungsmöglichkeiten

„Unsere Studie zeigt, dass die deutsche Wirtschaft beim Thema Machine Learning die richtigen Weichen für die Zukunft stellt. Wir erwarten, dass der Anteil von ML-Anwendungen an der Wertschöpfung der Unternehmen in den nächsten Jahren kontinuierlich wachsen wird.“ Michael Görner, Director IBM Business Unit, Tech Data Advanced Solutions
„Unsere Studie zeigt, dass die deutsche Wirtschaft beim Thema Machine Learning die richtigen Weichen für die Zukunft stellt. Wir erwarten, dass der Anteil von ML-Anwendungen an der Wertschöpfung der Unternehmen in den nächsten Jahren kontinuierlich wachsen wird.“ Michael Görner, Director IBM Business Unit, Tech Data Advanced Solutions (Bild: Tech Data)

Immer mehr Entscheider erkennen das Potenzial von Machine Learning und beginnen mit der Planung oder Verwirklichung entsprechender Projekte. Fast ein Drittel der befragten Führungskräfte (31 %) will bis 2020 die diesbezüglichen Ausgaben um 20 bis 50 Prozent steigern, knapp die Hälfte (47 %) immerhin um 10 bis 20 Prozent. Auch Crisp Research-Analyst und Studienmitautor Jan Mentel sieht Grund zum Optimismus: „Die strategische Relevanz der IT setzt neue Budgets frei, die in die Optimierung und die Automatisierung der IT- und digitalen Wertschöpfungsketten fließen. Tools, auch auf Basis von Open Source, setzen Standards für die Nutzung und helfen Unternehmen dabei, einen Einstieg zu finden.“ Nach Beobachtung des Experten sind die Märkte in den USA, Asien sowie in Großbritannien beim Maschinellen Lernen schon sehr weit. „Der Industrie- und Entwicklungsstandort Deutschland sowie zahlreiche Startups mit hohem Skill-Niveau sorgen jedoch dafür, dass auch Deutschland wichtige Fortschritte macht und sich im internationalen Vergleich nicht verstecken muss.“

Fest steht: Am Machine Learning kommt künftig kaum ein Unternehmen mehr vorbei – sei es zur personalisierten Kundenansprache oder Automatisierung von Betriebsabläufen. Die servicebasierten Angebote einiger Cloud-Provider geben auch kleineren Firmen ohne üppige Kapitaldecke die Chance, ihre Daten gewinnbringend auszuwerten. Für viele CIOs klingen diese Aussichten sicherlich verlockend. Doch vor dem Einstieg in die zukunftsträchtige Technologie ist eine sorgfältige Analyse erforderlich, damit gewinnbringende Einsatzszenarien und relevante Use Cases festgelegt werden können. Außerdem rät Crisp Research zur Durchführung von Proof-of-Concepts und zur ganzheitlichen Einbindung in die eigene IT- und Cloud-Strategie.

Hier erhalten Sie die Gesamtstudie Digital Infrastructure 2020: Auf der Seite www.di2020.de können Sie die Ergebnisse der Marktuntersuchung durch Crisp Research downloaden und Ihre Fragen an unsere Tech Data Experten stellen. Lesen Sie sich auch die thematischen Auskopplungen in Form der DI2020 Trendpaper (IaaS/PaaS Public Cloud, Hybrid Cloud, Machine Learning, Hyper Converged, Object Storage, Flash und Security) durch.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 45584835 / Best Practice)