MACHINE LEARNING - VOM HYPE ZUM NEUEN STANDARD.

Sabine Fach

11. April 2022

Entwicklung, Einsatz
Wie die meisten Themen, die mit künstlicher Intelligenz zu tun haben, liegt auch maschinelles Lernen (Machine Learning, ML) im Trend. Gemeint sind IT-Systeme, die große Datenmengen auswerten mit dem Ziel, daraus eigenständig Muster und Gesetzmäßigkeiten zu erkennen und für Prognosen und das Erkennen von Zusammenhängen auf neue Daten anzuwenden. Für Unternehmen stellt sich über kurz oder lang die Frage, ob ML tatsächlich die Zukunftstechnologie ist, als die sie in der Öffentlichkeit dargestellt wird, ob sie das leisten kann, was man sich von ihr verspricht und ob sie auch für sie in Frage kommt, um aktuelle Herausforderungen in den Griff zu bekommen und die Zukunft des Unternehmens zu sichern.

BERG- UND TALFAHRT ZUR MARKTREIFE: DER GARTNER HYPE CYCLE

Die „klassische“ Informationsquelle für die Einschätzung neuer Technologien ist der Hype Cycle des Marktforschungsunternehmens Gartner. Eigentlich handelt es sich um eine Kurve, die die Gesetzmäßigkeit von Aufstieg, Niedergang und Übergang zu einer akzeptierten Technologie nachzeichnet und prognostiziert. Für dieses Auf und Ab prägte Gartner den Begriff und entwickelte die Darstellung in einer Verlaufskurve. Die Einordnung von Technologien in dieses Schema ist durchaus subjektiv geprägt, dennoch hilft es Unternehmen dabei, die eigene Einschätzung des Potentials neuer Technologien mit den akkumulierten Bewertungen anderer abzugleichen.
Ein Blick auf das Diagramm für das Jahr 2021 für KI zeigt, dass ML den Zenit der überzogenen Erwartungen überschritten hat und sich auf dem Weg ins Tal der Ernüchterung befindet – verbunden mit der Erwartung, dass sich der Übergang zu einer breit genutzten und akzeptierten Technologie innerhalb von wenigen Jahren vollzieht. Mit anderen Worten: ML gehört derzeit noch nicht zum Standard, ist aber auf dem Weg dahin. Unternehmen, die bereits auf ML setzen, gewinnen einen deutlichen Vorsprung, sind allerdings nicht davor gefeit, Lehrgeld zu zahlen.

IMMER MEHR FIRMEN NUTZEN ML

Untersuchungen in Deutschland zeigen die wachsende Akzeptanz von ML in Unternehmen. Laut IDG-Report „Studie Machine Learning 2020“ finden sich bei mehr als 43 Prozent der befragten Großunternehmen und rund 30 Prozent der mittelständischen Unternehmen ML-Technologien im Einsatz, kleinere Mittelständler mit 50 bis unter 500 Beschäftigen liegen mit zehn Prozent noch zurück. In der Folgestudie 2021, die die Unternehmensgrößen anders zuschneidet, beträgt der Anteil der Unternehmen auf mittelständischem und Enterprise-Level mit ML-Projekten 70 Prozent, in Firmen mit weniger als 1.000 Mitarbeitern sind es knapp 60 Prozent. 41 Prozent der Teilnehmer an der Studie „Künstliche Intelligenz im Mittelstand“, die das Wirtschaftsprüfungsunternehmen Deloitte im Jahr 2021 herausgegeben hat, verstehen ML als wichtige Technologie für den Mittelstand.

VON DER NISCHE ZUR FUNKTIONSFÄHIGEN ANWENDUNG

Aber nicht nur die Zahl der Unternehmen steigt, die an ML-Projekten arbeiten, es wächst auch das Spektrum an Use Cases. Laut dem Verband der Internetwirtschaft eco sowie Arthur D. Little gehen sollen bis 2025 mindestens 50 verschiedene Use Cases fest in Unternehmen etabliert sein.
Einsatzbereiche finden sich nach wie vor verstärkt in der IT mit ihren zunehmend komplexen Infrastrukturen und zur Abwehr von Cyberangriffen sowie in der Produktion. Dort wird ML vor allem für vorausschauende Wartung, Qualitätssicherung und die Optimierung von Produktionsprozessen genutzt, zudem für die Optimierung der Lieferketten. In Marketing und Vertrieb spielen Marktanalysen und die Unterstützung durch digitale Assistenten die Hauptrolle. Großes Potenzial sehen die Teilnehmer der Deloitte-Studie unter anderem auch in Finanz- und Rechnungswesen, HR und F&E.
Bei neuen Anwendungen wie Customer-Self-Service-Angeboten, die von einigen Unternehmen entwickelt werden, hakt es laut der IDG-Folgestudie teilweise an der Akzeptanz der Kunden, beispielsweise wenn es um medizinische Diagnosen geht. Was ML braucht, ist Zeit, um sich in den Unternehmen zu etablieren. In vielen Unternehmen fehlt es weniger am Geld für ML-Projekte als vielmehr an der Akzeptanz der Mitarbeiterschaft und an Befürchtungen mangender Akzeptanz bei Kunden und Partnern. Und es fehlt an spezifischem Know-how, das sich aktuell auch kaum auf dem Arbeitsmarkt decken lässt, so dass insbesondere der Mittelstand auf die Zusammenarbeit mit entsprechenden Dienstleistern zurückgreift.

FAZIT

ML hat sich von einer Nischenanwendung für Nerds zu einer Technologie mit einem breiten Spektrum an Anwendungsmöglichkeiten entwickelt. Die meisten Unternehmen haben verstanden, dass die neue Technologie einen hohen Stellenwert für ihre zukünftige Entwicklung hat. Zugleich haben ML-Lösungen einen Reifegrad erreicht, der dem Großteil der Anwender innerhalb von wenigen Monaten positive Auswirkungen bescheren kann. Unternehmen, die bislang zögern, sich mit ML zu beschäftigen, sollten den Know-how-Vorsprung ihrer Wettbewerber nicht zu groß werden lassen, damit sie nicht in wenigen Jahren das Nachsehen haben, denn ML ist auf dem besten Weg zum künftigen Standard.
de_DEDeutsch

JETZT DEMO ANFORDERN.

*Pflichtfeld
Mit dem Absenden meiner Daten stimme ich der Verwendung dieser gemäß unserer Datenschutzerklärung zur Kontaktierung durch die Michael Bauner Consulting Services zu.

Michael Bauner
Consulting Services

JETZT TESTZUGANG ANFORDERN.

*Pflichtfeld
Mit dem Absenden meiner Daten stimme ich der Verwendung dieser gemäß unserer Datenschutzerklärung zur Kontaktierung durch die Michael Bauner Consulting Services zu.

Michael Bauner
Consulting Services

Forgotten password?

api DOCS

Instructions how to use our API.

live test

Test the powerful LAIGO sIDP live.

security standard

How LAIGO secures your data.

contact

Any questions? We have the answers.

about us

The spirit behind LAIGO.

GET YOUR CUSTOM AI.