Studie Machine Learning / Deep Learning 2018 - Platin-Partner - NTT Data
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
Studie
RESEARCH SERVICES
Machine Learning /
Deep Learning 2018
Platin-Partner Gold-Partner
Silber-Partner Bronze-Partner
Ein aktuelles Studienprojekt von
RESEARCH SERVICES
Platin-Partner
Gold-Partner
Silber-Partner
Bronze-Partner
Alle Angaben in diesem Ergebnisband wurden mit größter Sorgfalt zusammengestellt. Trotzdem sind
Fehler nicht ausgeschlossen. Verlag, Redaktion und Herausgeber weisen darauf hin, dass sie weder eine
Garantie noch eine juristische Verantwortung oder jegliche Haftung für Folgen, die auf fehlerhafte
Informationen zurückzuführen sind, übernehmen.
Der vorliegende Ergebnisberichtsband, einschließlich all seiner Teile, ist urheberrechtlich geschützt.
Vervielfältigungen, Übersetzungen, Mikroverfilmungen und die Einspeicherung und Verarbeitung
in elektronischen Systemen, auch auszugsweise, bedürfen der schriftlichen Genehmigung durch
IDG Research Services.
Editorial 3
KI – der Rohstoff
der Zukunft
im globalen Jürgen Hill,
Teamleiter Technologie
Wettbewerb? und Leitender Redakteur
COMPUTERWOCHE
Sehr geehrte Leser und Leserinnen,
selten ließ mich die Lektüre einer Studie – Sehr nachdenklich stimmen auch zwei weite-
die Sie nun in Form der Studie Machine re Erkenntnisse aus der Studie: Für viele Un-
Learning / Deep Learning 2018 in der Hand ternehmen ist KI nach wie vor lediglich ein
halten – mit solch einem Stirnrunzeln zurück. Hype-Thema, dessen Bedeutung überschätzt
Stirnrunzeln, weil die Ergebnisse Anlass zu werde. Und fast zwei Drittel der Befragten
der Hoffnung geben, dass die deutschen stimmen der Aussage zu, dass der deutsche
Unternehmen nach IoT und Industrial IoT Staat die Entwicklung im KI-Bereich durch
(IIoT) bei einer weiteren Zukunftstechnologie seine Vorgaben bremse.
im globalen Wettbewerb weit vorne mitspie-
len. Ebenso lese ich gerne, dass die Unterneh- Ergebnisse, die global agierende Unterneh-
men in Sachen KI / ML wieder der IT eine men zum Handeln auffordern sollten. Zumal
maßgebliche Rolle zusprechen, nachdem wenn man bedenkt, dass unser Nachbar
diese gerade bei den Diskussionen rund um Frankreich erst jüngst unter Präsident Emma-
IoT gegenüber dem Shopfloor etwas ins Hin- nuel Macron ein 1,2 Milliarden Euro schweres
tertreffen geraten war. Positiv stimmt auch, KI-Aktionsprogramm unter dem Motto „AI
dass das Thema KI / ML auf Ihrer Prioritäten- for Humanity“ auflegte mit dem klaren Ziel,
liste bereits Platz vier hinter Cloud Compu- Frankreich zu einem der führenden Staaten in
ting, IT-Security- und IT-Service-Manage- Sachen KI zu machen. Und per Twitter dann
ment einnimmt. auf Deutsch die Schaffung eines zwischen-
staatlichen Sachverständigenrats zur Künst-
Ernüchternd sind dagegen die Zahlen, wer lichen Intelligenz forderte. Doch nicht nur
bereits heute in Deutschland KI nutzt. In Frankreich hat solch ehrgeizige Ziele: China
einem Land, dessen Wirtschaft überwiegend will bis 2030 zur weltweit führenden Indus-
mittelständisch organisiert ist, sollten alle triemacht in Sachen KI aufsteigen.
Alarmglocken läuten, wenn ein Zukunfts-
thema wie KI primär ein Thema der Groß- Vor diesem Hintergrund wünsche ich Ihnen
unternehmen ist und lediglich 15 Prozent eine erkenntnisreiche Lektüre.
der „Kleinen“ entsprechende Technologien
bereits nutzen. Ihr Jürgen Hill
Inhalt
Die Round Tables
Der Innovationsdruck liegt auf
Editorial den Fachbereichen ........................... 7
Großes Potenzial trifft auf
3 zögerliche Nutzer ...........................10
6
Management Summary
Die Key Findings im Überblick ..........................................................................16
Die Key Findings
1. Künstliche Intelligenz und Machine Learning stehen
auf der Agenda weit oben ...............................................................................18
2. Vor allem größere Unternehmen setzen bereits
KI-Anwendungen ein.........................................................................................19
3. Technik ist vorhanden – beim Know-how besteht Nachholbedarf ....... 20
4. Spracherkennung, Assistenzsysteme und Planungs-Tools sind
meistgenutzte KI-Methoden ............................................................................21
5. Maschinelles Lernen soll primär interne Prozesse optimieren ............... 22
6. Unternehmen stufen Cyber-Angriffe mithilfe von KI-Systemen
als Risiko ein ....................................................................................................... 23
7. Nutzen von Künstlicher Intelligenz und Machine Learning:
Der Gewinner ist – die IT-Abteilung! ........................................................... 24
8. Künstliche Intelligenz und Machine Learning sind
disruptive Technologien .................................................................................. 25
9. Machine Learning bleibt im eigenen Haus ................................................ 26
10. Preis, Vertrauen und gute Zusammenarbeit entscheiden
bei Machine Learning über die Wahl des Dienstleisters........................... 27
Studiendesign
15 Die Studienreihe
Unsere Autoren / Sales-Team /
Studiensteckbrief ..................55 Gesamtstudienleitung ................. 58
Stichprobenstatistik..............56 Vorschau Studienreihe ................ 59
54 58
Weitere Studienergebnisse
1. Machine Learning kommt vor allem für den Einsatz
in Logistik und Fertigung in Betracht..........................................................29
2. Mehrzahl der Unternehmen kann sich vorstellen,
KI-Daten in der Cloud zu speichern ...........................................................30
3. Punktueller Einsatz von KI und ML dominiert........................................... 31
4. Mehrzahl der IT-Plattformen unterstützt Künstliche Intelligenz
und Maschinelles Lernen .............................................................................. 32
5. Open Source dominiert bei Machine-Learning-Modulen ..................... 33
6. Unternehmen beziehen Machine-Learning-Lösungen aus
unterschiedlichen Quellen ...........................................................................34
7. Skalierbarkeit, Betriebskosten und Preis sind wichtigste
Kriterien einer Lösung für Maschinelles Lernen ....................................... 35
8. CIOs und IT-Leiter haben beim Maschinellen Lernen
„den Hut auf“ ....................................................................................................36
9. Transaktions- und Adressdaten werden am häufigsten genutzt .......... 37
10. Hoher Bedarf an Erfahrungswerten und Best Practices ........................38
28
Blick in die
Zukunft
Maschinelles Lernen und KI
Unsere sind Top-Themen für alle
Unternehmen
Studienpartner
stellen sich vor 39
Siemens AG Digital Factory........................42
Lufthansa Industry Solutions .....................44
Reply AG.........................................................46
SAP Deutschland SE & Co. KG ..................48
NTT DATA Deutschland GmbH ................50
Alexander Thamm GmbH ......................... 52
© shutterstock.com / whiteMocca
Kontakt /
Impressum
41 57
Die Round Tables Machine Learning / Deep Learning 2018
Die Round Tables 7
Der Innovationsdruck liegt auf
den Fachbereichen
Bei Machine Learning (ML) und Künstlicher Intelligenz (KI) lohnt sich ein Gespräch
mit dem Marketing-Chef manchmal mehr als mit dem IT-Entscheider.
Und: Auch Algorithmen machen Fehler. Ergebnisse einer Expertendiskussion.
Von Christiane Pütter
Die „BILD-Zeitung“ zittert unter Berufung Process Automation durcheinanderwerfen
auf Tesla-Chef Elon Musk vor „dem größten und verwechseln. Auf die Begriffsfindung
Risiko für die Zivilisation“, das Nachrichten- folgt die Frage, welches Problem konkret an-
magazin „Spiegel“ mahnt, Gott brauche kei- steht. Auch hier fordern die Diskussionsteil-
nen Lehrmeister – Künstliche Intelligenz (KI) nehmer, genau hinzusehen: Ein Use Case ist
sorgt im Blätterwald für Schlagzeilen. Eher nicht automatisch auch ein Business Case.
sachlich sehen es dagegen die Experten An dieser Stelle werden die Chancen von
verschiedener IT-Anbieter, die sich Mitte KI und ML oft nicht ausgeschöpft, beobach-
Dezember in der Redaktion der COMPUTER- ten die Teilnehmer der Diskussionsrunde.
WOCHE trafen. Aus ihrer lebhaften Diskus- Die neuen Technologien hätten das Potenzial,
sion ergaben sich folgende Schlüsse: neue Geschäftsmodelle und neuen Zusatz-
nutzen für die Kunden zu ermöglichen. Doch
1. Die Akzeptanz von KI/ML hängt stattdessen versteiften sich viele Anwender-
nicht von der Firmengröße ab unternehmen auf herkömmliche Ziele, wie
Manche Unternehmen stehen mit diesen die Effizienz in einzelnen Prozessen noch ein
Themen noch ganz am Anfang, andere wis- wenig zu verbessern oder Kosten einzuspa-
sen bereits genau, was sie mit KI und ML er- ren, indem Mitarbeiter abgebaut würden.
reichen können, und haben vielleicht sogar
schon erste Praxiserfahrungen gesammelt. 3. Unternehmen entdecken
Erfahrung der Experten am Tisch: Branche das Process Mining
und Firmengröße geben nicht unbedingt den Die Intelligenz steckt in den Prozessen. Diese
Ausschlag, was die Adaption von KI- bezie- Erkenntnis setzt sich langsam, aber sicher
hungsweise ML-Techniken anbelangt. Grund- durch. Anwender brauchen also im ersten
sätzlich blicken die Diskussionsteilnehmer Schritt eine gründliche Bestandsaufnahme
optimistisch in die Zukunft: „In den vergan- und Analyse ihrer Geschäftsabläufe. Es geht
genen zwölf Monaten hat sich viel getan“, be- dabei um Fragen wie: Welche Prozesse laufen
stätigen alle unisono. wo und wie im Unternehmen ab und in wel-
cher Varianz? Im zweiten Schritt geht es um
2. Viele Unternehmen wissen nicht, die konkreten Stellhebel, an denen Künstliche
wo sie mit KI/ML starten sollen Intelligenz und Machine Learning ansetzen
Bevor ein Unternehmen entsprechende können.
Initiativen startet, müssen erst einmal die
Definitionen geklärt sein, lautet der Rat der
Experten. Noch immer würden manche Ent-
scheider Begrifflichkeiten rund um KI und
Data Science, Machine Learning und Robotic
8 Die Round Tables
Foto: Michaela Handrek-Rehle
Wie weit sind deutsche Unternehmen in Sachen Künstliche Intelligenz und Machine Learning? Anlässlich eines COMPUTERWOCHE-
Round-Table diskutierten (v.li.n.re.) Oliver Bracht (Eoda), Katharina Lamsa (Siemens), Ronny Kroehne (IBM), Klaus-Dieter Schulze (NTT Data),
Max Zimmermann (Lufthansa Industry Solutions), Franziska Kaufmann (IDG Research), Robert Gögele (Avanade), Stefan Gössel (Reply),
Martin Bayer (COMPUTERWOCHE) und Franz Kögl (Intrafind).
4. Auch Algorithmen haben Grenzen 5. KI führt zum Kampf der Entscheider
Man schiebt die Daten in einen Algorithmus, Die Diskussion um den Einsatz von Künst-
und schon beantworten sie Fragen, die vorher licher Intelligenz und Machine Learning
keiner gestellt hat – mit dieser Vorstellung bringt unterschiedliche Entscheider aus den
können Unternehmen nur scheitern, warnen Firmenhierarchien ins Spiel: CEO, CIO, CDO
die Experten. Anders formuliert: Der Erkennt- (Digital Officer) oder CMO (Marketing) – viele
nisgewinn ist immer nur so gut wie der Zu- wollen an dieser Stelle mitreden. Der positive
schnitt des Samples. Und: Auch Algorithmen Aspekt dabei: Hier zeigt sich, dass die Anwen-
machen Fehler. Teil dieser Problematik ist die der KI nicht oder zumindest nicht nur als
Frage nach der Güte der Informationen, mit reines Technologiethema sehen, sondern als
denen die Systeme gefüttert werden. Davon Business-Thema erkannt haben. In der Praxis
hängt maßgeblich die Qualität der Ergebnisse lohnt sich ein Gespräch mit dem Marketing-
ab: In manchen Fällen mögen 90 Prozent rei- Chef oft mehr als mit dem IT-Entscheider,
chen. Doch in anderen Bereichen brauchen wissen die Vertreter der Anbieterseite.
die Unternehmen 100-prozentige Sicherheit, Der Runde ist klar, woran es oftmals hakt:
was den Output aus KI und ML betrifft. Es ist letztlich der CIO, der neue Technologien
Wer Künstliche Intelligenz sinnvoll nutzen in die bestehenden Systeme integrieren muss
will, benötigt daher die Kombination aus – und die neuen Werkzeuge womöglich auch
Technologie einerseits und den Fähigkeiten, noch aus seinem Budget finanzieren soll.
die den Menschen vorbehalten bleiben, ande- Allerdings bekommt der mutmaßlich kreative-
rerseits. Dazu zählen Kontextwissen, Kreati- re neue Digital-Chef keinen Etat bereitgestellt.
vität und emotionale Intelligenz. Das führt fast unweigerlich zu Konflikten.
Die Round Tables 9
6. KI und ML funktionieren nur nach Fazit
einem interdisziplinären Team-Approach Um das Potenzial von Künstlicher Intelligenz
Prozesse, Geschäftsmodelle, IT-Lösungen, und Machine Learning auszuschöpfen,
Sicherheit – Künstliche Intelligenz und braucht Deutschland einen Kulturwandel.
Machine Learning bilden ein sehr weites Feld. Nicht eben einfach in einem Land, in dem
Wer es beackern will, muss neben den Top- viele Entscheider immer noch Berührungs-
Entscheidern die Fachbereiche mit einspan- ängste mit neuen Ideen haben. Ein Beispiel:
nen. Das Team kann dann etwa aus Data Vor einer Migration in die Cloud scheuen
Scientists, Data Engineers, Programmierern, nach wie vor viele Unternehmen zurück.
Mathematikern, Statistikern, Business-Mana- Doch gerade im Umfeld von KI und ML wer-
gern und verschiedensten Sachbearbeitern den Cloud-basierte Infrastrukturen eine
bestehen. Schlüsselrolle spielen. Dort lassen sich die
Keine einfache Situation, das ist den Dis- notwendigen Compute-Ressourcen binnen
kussionsteilnehmern bewusst. Denn oft fehlt kürzester Zeit und mit einem vergleichsweise
den unterschiedlichen Stakeholdern eine ge- geringen Aufwand buchen. Es macht an die-
meinsame Sprache. Einer der Experten kom- ser Stelle nur noch wenig Sinn, selbst teure
mentiert: „Es gibt nicht viele, die die Ideen Infrastrukturen aufzubauen, lautet das Fazit
des Data Scientisten in Code gießen können.“ der Diskussionsrunde. Deshalb bleiben die
Sicher ist aus Sicht der Experten jedenfalls ei- Experten pragmatisch: Irgendwann werden
nes: Die IT muss sich in Richtung Design es die explodierenden Datenmengen ent-
Thinking entwickeln. scheiden. Wenn die Unternehmen mit ihren
Doch die Zeit arbeitet für das Thema KI: eigenen Ressourcen an die Grenzen stoßen,
Nicht selten kommen die Impulse „von ganz bleibt nur noch der Weg in die Cloud.
unten“, sprich von Berufseinsteigern frisch Die Runde fasst das so zusammen: „Unsere
aus der Uni oder sogar von Praktikanten. Die Unternehmen sind sehr gut in Produkten mit
jungen Leute zeigen einen selbstverständli- langlebigen Zyklen, wie Autos und Pumpen,
chen Umgang mit neuen Technologien und Messgeräten und Anlagenbau. Nun sind die
spüren im Unternehmen manchmal Chancen Entscheider gefordert, die traditionell werti-
auf, von denen die Geschäftsführung gar gen Produkte mittels neuer Technologien für
nicht wusste, dass es sie gibt. den Wettbewerb der Zukunft fit zu machen.“
Das künftige Motto lautet Servitization, also
7. Deutschland hat eine gute Ausgangs- die Ausdehnung der bisherigen Angebots-
lage, braucht aber einen Kulturwandel palette weg von ausschließlich Sachgütern
Mit seinen Hidden Champions, der über hin zu einer Kombination aus Sachgütern
Jahrzehnte ausgebildeten und gepflegten und Dienstleistungen. Ein gutes Beispiel
Ingenieurskunst sowie Tugenden wie Sorg- liefert ein Hersteller von Aufzügen, der per
falt und Genauigkeit genießt Deutschland intelligenter Datenanalyse Störungen an den
Standortvorteile. Nun gilt es, die zu nutzen, Geräten vorhersehen kann und diesen Service
und zwar mit dem Blick nach vorne. Doch zunächst der eigenen Klientel anbot und heu-
hier, so beobachtet die Runde, fehlt es in den te sogar an die Konkurrenz verkauft.
deutschen Unternehmen oft an der notwen-
digen Fantasie.
10 Die Round Tables
Großes Potenzial trifft auf zögerliche Nutzer
Maschinelles Lernen (ML) und Künstliche Intelligenz (KI) gelten als Schlüsseltechnologien,
auf die künftig kaum ein Unternehmen verzichten kann. Das gilt vor allem für Branchen,
die vom digitalen Wandel betroffen sind. Ein Teil der deutschen Unternehmen hat das sehr
wohl erkannt, so eines der Ergebnisse eines Round Table der COMPUTERWOCHE zum
Thema KI und ML.
Von Bernd Reder
Um Begriffe wie Künstliche Intelligenz bezie- Vom Chat Bot zur Produktion
hungsweise Artificial Intelligence (KI/AI), Generell gilt jedoch, dass Künstliche Intel-
Maschinelles Lernen (ML) und Deep Learning ligenz und Machine Learning in vielen
(DL) hat sich ein regelrechter Hype entwickelt. Branchen und Einsatzbereichen zum Zuge
Das zeigt sich allein schon in den Prognosen kommen können. „Ein Beispiel ist die voraus-
von Marktforschern und Technologieunter- schauende Wartung, also Predictive Main-
nehmen für 2018 und die folgenden Jahre. tenance“, sagt Bernd Gloss, Managing Solu-
Doch wäre es verfehlt, KI und Co. als reines tion Architect bei Capgemini in Stuttgart.
„Marketing-Blabla“ abzutun. „ML- und KI-Algorithmen können hier bei-
„Um sich vor Augen zu führen, wie stark spielsweise helfen, den Austausch von ver-
Künstliche Intelligenz bereits heute unseren brauchten Werkzeugen gegen neue zu opti-
Alltag verändert, genügt ein Blick auf drei mieren.“
zentrale Anwendungsbereiche: die Smart Laut Hendrik Nieweg, Head Solution
Factory, den Bereich des Autonomen Fahrens Management bei Device Insight in München,
sowie Serviceassistenten und digitale Assis- nutzen viele Unternehmen im ersten Schritt
tenzsysteme“, betont Michaela Tiedemann, Machine-Learning-Anwendungen, um sich
Chief Marketing Officer bei der Alexander mit der Thematik KI vertraut zu machen.
Thamm GmbH. Das Beratungshaus aus Mün- „Ein Beispiel ist die Wartung von Maschinen.
chen hat sich auf den Bereich Data Science Im zweiten Schritt kommen neuronale Netze
spezialisiert. zum Einsatz. Maschinelles Lernen wird dann
KI und ML sind zudem das Herzstück von um die Automatisierung der Analysen er-
Chat Bots und digitalen Assistenten, etwa gänzt.“ Generell sei in Sachen KI bei Unter-
Amazons Alexa, Googles Assistant, Apples Siri nehmen ein ähnliches Umdenken zu beob-
und Cortana von Microsoft. Solche digitalen achten wie bei Cloud Computing.
Helfer halten mittlerweile auch im Geschäfts- „Ein Grund ist, dass Fertigungsunterneh-
bereich Einzug. So kündigte Amazon im men bereits im Rahmen von Industrie-4.0-
Herbst 2017 eine Business-Version von Alexa Projekten Erfahrungen mit der Vernetzung
an. Damit können Mitarbeiter beispielsweise von Maschinen gemacht haben.“ Zudem sto-
Besprechungen mit Kollegen ansetzen und ßen Nieweg zufolge Unternehmen bei der
den dazugehörigen Raum buchen. Optimierung von Prozessen an Grenzen,
etwa in der Fertigung. „Daher ist es notwen-
dig, sich mit disruptiven Technologien wie
Künstlicher Intelligenz, Machine Learning
und Deep Learning auseinanderzusetzen.“Die Round Tables 11
Foto: Michaela Handrek-Rehle
Beim COMPUTERWOCHE-Round-Table zum Thema Machine Learning und Künstliche Intelligenz diskutierten Experten von Lösungs-
anbietern und Beratungshäusern über die Chancen und Hemmnisse beim Einsatz dieser Technologien. Von links nach rechts: Jan Karstens
(Blueyonder), Michaela Tiedemann (Alexander Thamm), Dr. Christoph Angerer (Nvidia), Henning von Kielpinski (Consol Consulting), Bernd
Gloss (Capgemini), Jürgen Hill (COMPUTERWOCHE), Hendrik Nieweg (Device Insight) und Tobias Beuckers (Horváth & Partners).
Auch in der Automobilindustrie und der KI-Anwendungen im Handel bereits
Handelsbranche können Maschine Learning unverzichtbar
und Künstliche Intelligenz Vorteile bringen, Ohne den Einsatz von KI- und ML-Systemen
so die Teilnehmer des Round Table. „Unter- haben Handelshäuser kaum eine Chance,
nehmen in Deutschland, etwa aus dem Auto- zu überleben. Diesen Standpunkt vertritt Jan
mobilsektor, führen seit einiger Zeit Tests Karstens, Chief Technology Officer bei Blue
mit KI-Anwendungen durch“, erläutert etwa Yonder. Das Unternehmen aus Karlsruhe hat
Christoph Angerer, Senior Developer Techno- sich auf KI-Lösungen für den Einzelhandel
logies Engineer (Deep Learning und Acce- spezialisiert. „Die Disposition von Waren zählt
lerated Computing) bei Nvidia. Das Unter- zu den Einsatzfeldern, in denen nach unseren
nehmen hat entsprechende Plattformen Erfahrungen Künstliche Intelligenz und Ma-
entwickelt, etwa für den Bereich Autonomes schinelles Lernen bereits heute unverzichtbar
Fahren. „Prototypen werden dabei oftmals in ist“, betont Karstens, „Der Handel hat ange-
separierten IT-Umgebungen entwickelt, da- sichts niedriger Margen und des harten Wett-
mit die zentralen IT-Systeme und Fertigungs- bewerbs keine andere Wahl.“
anlagen nicht beeinträchtigt werden“, so An- Dass Unternehmen neue Technologien
gerer. wie KI nicht aus eigenen Stücken implemen-
tieren, sondern weil die Marktsituation das er-
fordert, bestätigt Tobias Beuckes, RPA-Experte
beim Beratungshaus Horváth & Partners Ma-
nagement Consultants in Stuttgart. Vor allem
Branchen, deren Geschäftsumfeld sich dras-
tisch geändert hat, setzen demnach auf mo-
derne Technologien.12 Die Round Tables
Dazu gehört beispielsweise die Finanzindus- Neben der „Strategie-Zwangsjacke“ gibt es je-
trie. Die Frage ist, wann auch die Geschäfts- doch weitere Faktoren, die sich ungünstig auf
führung und die IT-Verantwortlichen in an- die Umsetzung von KI-Projekten auswirken.
deren Sparten die Unverzichtbarkeit solcher So fehle es an „Leuchtturmprojekten“, stellt
Technologien erkennen. Doch in dieser Be- Hendrik Nieweg von Device Insight fest. Ein
ziehung hapert es offenkundig: „Kurzfristige Großteil der Unternehmen warte ab, welche
Erfolge statt einer langfristigen Strategie – Erfahrungen Mitbewerber oder Partner bei
dieser Ansatz ist in den Chefetagen vieler Un- der Umsetzung von KI-Initiativen machten.
ternehmen in Deutschland zu beobachten“, „Das ist jedoch gefährlich, denn allzu schnell
kritisiert Beuckes. verpasst ein Unternehmen den richtigen Zeit-
punkt, um auf den KI-Zug aufzuspringen“, so
KI ist kein Selbstläufer Nieweg.
Damit spricht Beuckes einen wunden Punkt Nicht ganz so kritisch bewertet dagegen
an. Denn es ist durchaus nicht so, dass deut- Bernd Gloss die Lage. Der Mittelstand in
sche Unternehmen in puncto KI und ML bes- Deutschland sei sich durchaus der Tatsache
tens aufgestellt sind: „Im Bereich KI und der bewusst, dass Machine Learning und Künstli-
Anwendung entsprechender Lösungen läuft che Intelligenz sowie das Internet der Dinge
Deutschland die Zeit davon“, konstatiert Hen- und digitale Zwillinge von Produkten und
ning von Kielpinski, Vice President Business Systemen („Digital Twins“) Vorteile bringen
Development & Alliances bei der Consol Soft- könnten. „Das sehen auch die Führungskräfte
ware GmbH in München. „Mitbewerber aus in mittelständischen Unternehmen so“, stellt
dem Ausland bieten bereits Zusatzdienste an, der Fachmann von Capgemini fest. Doch
die auf Künstlicher Intelligenz und Maschi- auch Gloss räumt ein: „Unserer Erfahrung
nellem Lernen basieren“, so von Kielpinski nach konzentrieren sich zurzeit viele Unter-
weiter. Ein Hemmklotz sei zudem das lang- nehmen darauf, existierende Prozesse mittels
fristige Strategiekorsett, in dem viele Unter- Industrie-4.0-Technologien zu verbessern.
nehmen stecken. „Die Folge ist, dass Füh- Beim Ausschöpfen aller anderen Möglichkei-
rungskräfte nicht in der Lage sind, neue ten gehen sie noch sehr zaghaft vor.“
Zielrichtungen zu definieren, etwa im Bereich
KI“, bemängelt von Kielpinski.
Glossar: Von Maschinellem Lernen bis zu Künstlicher Intelligenz
Künstliche Intelligenz (KI) Maschinelles Lernen (ML): unterschieden. Beim über- le solcher Layer, um einen
oder Artificial Intelligence Eine Definition der Stanford wachten Modell „lernt“ ein Ausgabewert zu generieren.
(AI): University besagt, dass Ma- System anhand von Paaren Erforderlich sind mindestens
Dies ist der Oberbegriff, der chine Learning Computer von Eingaben und Ausga- drei dieser Ebenen. Die ent-
auch Technologien wie Ma- dazu bringt, sich in einer ben. Für jede Eingabe wird sprechenden Algorithmen
schinelles Lernen und Deep bestimmten Weise zu ver- während der Trainingsphase extrahieren dabei Muster aus
Learning umfasst. KI ist die halten. Dies erfordert keine die richtige Ausgabe zur Rohdaten, etwa solchen, die
Fähigkeit von Maschinen, Programmierung durch ei- Verfügung gestellt. von Sensoren erzeugt wer-
wie Menschen zu denken nen Menschen. Die Grund- Anschließend kann das Sys- den. Deep Learning kam un-
und deren Verhalten zu imi- lage bildet ein Lernprozess tem selbstständig aus einer ter anderem beim Training
tieren. Das schließt das Tref- anhand von Beispielen. Eingabe die passenden Aus- von Alpha Go zum Einsatz,
fen von Entscheidungen und Nach dieser Lernphase ist gabewerte ermitteln. einem Programm von Deep
das Verstehen von Sprache ein System in der Lage, mit- Mind.
mit ein. KI-Anwendungen hilfe des erworbenen Wis- Deep Learning (DL) setzt Es besiegte 2017 unter an-
profitieren davon, dass heu- sens vergleichbare Muster auf künstlichen neuronalen derem den „menschlichen“
te die dazu erforderliche Re- zu erkennen. Es wird zwi- Netzen auf, die über mehre- Weltranglisten-Ersten im
chenleistung zu akzeptablen schen überwachtem und re Ebenen (Layer) verfügen. Go-Spiel und mehr als 60
Kosten zur Verfügung steht. nicht überwachtem Lernen Ein Eingabewert passiert vie- Go-Profis.Die Round Tables 13
Mehr Geld für Forschung und Start-ups Dass die Cloud eine probate Alternative zu
Um Künstliche Intelligenz und Maschinelles einer „On-Premise“-Implementierung ist,
Lernen in der Praxis voranzubringen, bieten bestätigt Christoph Angerer. „Es bietet sich
sich aus Sicht der Experten mehrere Optionen an, KI-Anwendungen über eine Cloud bereit-
an. Zunächst sollten Unternehmen und For- zustellen und so die Ressourcen dynamisch
schungseinrichtungen stärker in KI und ML an den Bedarf anzupassen“, so der Fachmann
investieren: „Unternehmen stellen bislang von Nvidia. „Bei unseren Kunden verzeichnen
zu wenig Geld für die Erprobung von KI und wir eine Nachfrage sowohl nach Public-
die Integration solcher Lösungen in Herstel- Cloud-Angeboten als auch nach unterneh-
lungsprozesse und Produkte bereit“, kritisiert mensinternen Private Clouds.“
Christoph Angerer. Er empfiehlt, Start-up- Allerdings bedeutet KI aus der Cloud nicht,
Unternehmen und Forschungseinrichtungen dass der Nutzer damit eine gebrauchsfertige
zu fördern, die risikofreudiger als Unterneh- Lösung von der Stange erhält. „Künstliche
men agieren können. Intelligenz as a Service muss an den konkre-
Auch Henning von Kielpinski von Consol ten Use Case angepasst werden“, betont Jan
plädiert dafür, mehr Wagniskapital für neue Karstens von Blue Yonder. „Bislang stellen die
Anbieter im Bereich KI, ML und Deep Lear- Service-Provider nur Frameworks und Tech-
ning vorzusehen. Dadurch lassen sich seiner nologien zur Verfügung.“ Solche Anpassungs-
Einschätzung nach auch Hemmschwellen arbeiten erfordern wiederum Know-how, das
beseitigen, die in einzelnen Branchen vor- in etlichen Unternehmen, vor allem kleineren
handen sind: „Speziell der Maschinenbau ist Firmen, nur in begrenztem Maße oder gar
durch eine Abschottung nach außen geprägt. nicht vorhanden sein dürfte. Diese sind somit
Das führt leider dazu, dass Unternehmen aus auf Hilfestellung durch Berater und die An-
diesem Bereich kaum Forschungsgelder für bieter von KI- und ML-Lösungen angewiesen.
KI-Projekte bereitstellen“, so der Fachmann. Auch für Bernd Gloss von Capgemini
Einen weiteren Punkt führt Tobias Beuckes hängt die Antwort auf die Frage „Cloud oder
an: ein Rahmenwerk auf nationaler oder EU- eigenes Data Center“ vom Einsatzgebiet ab.
Ebene, das den Einsatz von Technologien wie Als Beispiel führt er Assistenzsysteme in Au-
der Künstlichen Intelligenz fördert. „Dieses tos und das Autonome Fahren an. „Wenn eine
Framework sollte beispielsweise den Umgang Datenverbindung zwischen Fahrzeug und
mit Daten regeln, die Anwendungen aus den Cloud-Rechenzentrum vorhanden ist, kann
Bereichen KI und ML nutzen.“ Das wiederum gewissermaßen ein KI-Normalmodus zum
erleichtere es Unternehmen, eine langfristige Zuge kommen. Reißt die Verbindung jedoch
Strategie auf diesen Gebieten zu erarbeiten. ab, muss ein Safe Mode vorhanden sein,
damit das Fahrzeug ohne Probleme weiter-
Cloud oder das eigene Data Center? fahren kann“, erläutert Gloss.
Wer KI-Funktionen und ML nutzen möchte,
hat zwei Optionen. Die erste ist der „Do-it- Anwendungsfälle definieren
yourself“-Ansatz, also die Implementierung Unternehmen, die KI- und ML-Anwendungen
entsprechender Systeme und Software im in der Praxis implementieren möchten, soll-
hauseigenen Rechenzentrum. Die zweite ten mehrere Punkte beachten, so die Teilneh-
Möglichkeit ist, entsprechende Ressourcen mer des COMPUTERWOCHE-Round-Table.
bei einem Cloud-Service-Provider zu buchen, Wichtig sei es, im Vorfeld einen Use Case für
inklusive Server- und Speicherkapazitäten, KI- und ML-Applikationen zu entwickeln. Der
Datenbanken und ergänzenden Services. Grund: „Künstliche Intelligenz allein ist kein14 Die Round Tables
Differenzierungsmerkmal, denn die zentralen Keine Angst vor der allwisssenden KI
Komponenten solcher Lösungen sind welt- Im Bereich Robotik hat sich mittlerweile eine
weit verfügbar“, betont Henning von Kielpins- Diskussion über den Nutzen und die poten-
ki. Zudem sollten Unternehmen das „große ziellen Risiken solcher Systeme entwickelt.
Ganze“ im Auge behalten. „Es geht nicht nur Kritiker fürchten, dass Roboter Arbeitsplätze
darum, Prozesse zu verbessern. Vielmehr er- vernichten könnten. Eine ähnliche Debatte
laubt der Einsatz von KI die Schaffung ganz über universell einsetzbare, „allwissende“
neuer Geschäftsmodelle“, sagt Michaela Tie- KI-Systeme entbehrt jedoch nach Einschät-
demann. zung der Fachleute, die am Round Table teil-
Auf einen weiteren Faktor weist Jan Kars- nahmen, jeder Grundlage.
tens hin: Unternehmen müssen erkennen, „Solche ‚intelligenten Systeme‘ werden
wie sich mit dem Einsatz von Künstlicher In- heute grundsätzlich für definierte Einsatz-
telligenz und Maschinellem Lernen Geld ver- gebiete entworfen, um die beste Leistung zu
dienen lässt. „Doch das erfordert Beratungs- garantieren“, sagt Christoph Angerer, „daher
leistungen, die ein Technologielieferant nicht ist eine universelle Intelligenz, im Gegensatz
in jedem Fall erbringen kann“, stellt der CTO zu spezialisierter Intelligenz, derzeit noch
von Blue Yonder fest. eine akademische Fragestellung.“ KI-Systeme,
die die Weltherrschaft übernehmen, bleiben
somit auf absehbare Zeit nur ein Stoff für
Science-Fiction-Filme.
Business Intelligence versus Analytics
Häufig werden zwei Begriffe synonym Verfechter des Analytics-Ansatzes füh- Timo Eliott, Innovation Evangelist bei
gebraucht, wenn es um die Analyse ren an, dass BI primär ein Blick in den SAP, hält diese Debatte dagegen für
von Daten und daraus resultierende Rückspiegel ist, also bestenfalls eine akademisch. SAP verwendet deshalb
Entscheidungen geht: Business Intelli- Analyse des Ist-Zustandes ermöglicht. verstärkt den Begriff „Business Ana-
gence (BI) und Analytics. Auch unter Zudem würden primär unternehmens- lytics“. Er umfasst sowohl BI- als auch
Fachleuten ist umstritten, wo die interne Informationen verarbeitet. Analyse-Lösungen, Data Warehouses
Grenzlinie verläuft. Dies umso mehr, Analytics umfasst dagegen auch Da- und Bereiche wie Risikomanagement
als die Anbieter von BI-Lösungen in tenbestände, die außerhalb des Unter- und Compliance.
ihre Produkte verstärkt Analysefunktio- nehmens generiert werden. Dazu zäh-
nen integrieren. Allgemein formuliert len beispielsweise Reaktionen von Auch Dipak Bhudia, der Gründer des
umfasst BI Technologien, die Manager Kunden auf Social-Media-Plattformen Cloud-Analytics-Anbieters Clear Ana-
und Analysten dabei helfen, die „richti- oder Daten von Maschinen, die bei ei- lytics, bevorzugt den Begriff Business
gen“ Entscheidungen zu treffen. nem Kunden im Einsatz sind. Ein wei- Analytics. Dienste wie die von Clear
BI-Systeme stellen zu diesem Zweck teres Merkmal sei die Echtzeitauswer- Analytics unterscheiden sich durch die
Dashboards, Berichte und Pivot-Tabel- tung von Informationen. Bereitstellung der Services – per
len zur Verfügung. Ein Trend sind Cloud, nicht durch eine aufwendige
Selbstbedienungsservices. Mit ihnen In Kombination mit Techniken wie Ma- Struktur im eigenen Data Center. Und
können Nutzer Analysen und die ent- schinellem Lernen und Künstlicher sie konzentrieren sich darauf, Informa-
sprechenden Berichte nach eigenen Intelligenz können moderne Analytics- tionen aus unterschiedlichen Quellen
Vorstellungen zusammenstellen. Lösungen zudem valide Prognosen zu finden und in leicht verständliche
über künftige Entwicklungen abgeben. „Insights“ zu übersetzen.Die Key Findings Machine Learning / Deep Learning 2018
Management
Summary
Die
Key Findings „Große“ haben
im Überblick die Nase vorn
24 Prozent der größeren Unternehmen
setzen bereits Künstliche Intelligenz
und Machine Learning ein,
aber nur 15 Prozent der „Kleinen“.
Cloud Computing
Security / Cyber Security
IT-Service-Management
Künstliche Intelligenz /
Machine Learning
Technik da –
Analytics / Big Data
Know-how nicht
45 Prozent der Unternehmen haben
die richtige IT-Infrastruktur
für Künstliche Intelligenz ...
… doch nur 24 Prozent die notwendigen
Hohe Priorität Experten wie Data Scientists.
An die 25 Prozent der Unternehmen
wollen sich im kommenden Jahr intensiv mit
Künstlicher Intelligenz und Maschinellem
Lernen auseinandersetzen – das bedeutet
bereits Rang vier auf der Prioritätenliste.Zielrichtung: interne
Prozesse
44 Prozent der Unternehmen
wollen mit Machine Learning
vor allem interne Prozesse
optimieren.
Top-Anwendungen
Spracherkennung, Assistenzsysteme und
Planungs-Tools sind mit jeweils 30 Prozent
Anteil die meistgenutzten KI-Methoden.
IT als großer Gewinner
Für 49 Prozent der Befragten profitiert
die IT-Abteilung am stärksten von Künstlicher
Intelligenz und Maschinellem Lernen.
Risikoträger
27 Prozent der Befragten fürchten
massive Cyber-Angriffe mithilfe
von KI-Systemen.
Disruptiv
© shutterstock.com / whiteMocca
Künstliche Intelligenz und Machine Learning
werden Wirtschaft und Gesellschaft massiv
verändern, meinen 52 Prozent der Befragten.18 Management Summary
1. Künstliche Intelligenz und
Machine Learning stehen auf
der Agenda weit oben
Unternehmen stufen Machine Learning (ML) und Künstliche Intelligenz (KI)
als Schlüsseltechnologien ein – noch vor Big Data und Analytics oder der
Digitalisierung von Geschäftsprozessen.
Rund 25 Prozent aller Unternehmen wollen sich im kommenden Jahr intensiv
mit Künstlicher Intelligenz (KI) und Maschinellem Lernen (ML) auseinander-
setzen. Bei den großen Firmen mit mehr als 1.000 Mitarbeitern sehen das so-
gar 28 Prozent so.
Damit rangiert KI auf der Prioritätenliste auf dem vierten Platz, hinter
Cloud Computing, IT-Security- und IT-Service-Management.
Vor allem Führungskräfte wie Geschäftsführer und CIOs (29 Prozent) be-
trachten Künstliche Intelligenz und Machine Learning als wichtige Faktoren.
Die Mitarbeiter in den Fachbereichen sind zögerlicher: Nur 21 Prozent
wollen KI- / ML-Projekten in den kommenden zwölf Monaten einen promi-
nenten Platz auf der Agenda einräumen.
Mit welchen Themen wird sich Ihr Unternehmen im IT-Bereich im kommenden Jahr
vor allem auseinandersetzen müssen?
Angaben in Prozent. Mehrfachnennungen möglich. Dargestellt sind die Top-15-Nennungen (von insgesamt 27 abgefragten
Antwort-Items). Basis: n = 345
Cloud Computing 29,9 Ergebnis-Split nach
Unternehmensbereich
Security / Cyber Security 28,1
IT-Service-Management 27,5
29,2
Künstliche Intelligenz (KI) und Machine Learning 25,2
Analytics / Big Data 23,2 GF / CEO / IT-Vorstand / CIO
Digitalisierung von Geschäfts-
21,4
prozessen (außerhalb der IT)
25,7
Social Media 21,2
Modernisierung der Infrastruktur 21,2 IT
IT-geführtes Innovationsmanagement /
20,9
IT-basierte Innovationen 20,6
Internet of Things und Industrial IoT / Industrie 4.0 20,6
Fachbereiche
Standardisierung, Konsolidierung,
18,8
Integration von IT-Systemen
Compliance, regulatorische Anforderungen,
16,2
GDPR, DSGVO
Virtualisierung 15,7
Mangel an Fachkräften / Nutzung externer
15,1
Spezialisten
Business Process Management 14,8Management Summary 19
2. Vor allem größere Unternehmen setzen
bereits KI-Anwendungen ein
Je größer die IT-Abteilung, desto stärker der Fokus auf KI: In knapp 60 Prozent der Unter-
nehmen mit mehr als 500 IT-Spezialisten kommt Künstliche Intelligenz zum Zuge.
37 Prozent der Unternehmen setzen bereits mehr oder weniger intensiv KI-Technolo-
gien ein, 19 Prozent arbeiten an der Einführung.
Dabei gilt generell: Je größer die IT-Abteilung, desto stärker die Nutzung von Künst-
licher Intelligenz. Während nur 31 Prozent der Firmen mit kleinen IT-Abteilungen eine
ganze Reihe von oder wenigstens erste KI-Applikationen laufen haben, sind es bei
den Unternehmen mit mittleren und großen IT-Abteilungen mit über 100 IT-Experten
56 Prozent.
Unternehmen mit mittleren und großen IT-Abteilungen nutzen Künstliche Intelli-
genz außerdem intensiver: 31 Prozent setzen bereits „eine ganze Reihe“ von KI-Techno-
logien ein, dagegen nur 15 Prozent der „Kleinen“.
Bemerkenswert sind die unterschiedlichen Sichtweisen der Unternehmensbereiche:
30 Prozent aus der Gruppe der Geschäftsführer beziehungsweise Vorstände (inklusive
CIOs und IT-Vorstände) gaben an, dass in ihrem Unternehmen schon etliche KI-Tech-
nologien im Einsatz sind. Die Fachbereiche und interessanterweise auch die IT-Leiter
teilen diese Einschätzung nicht, sie liegen in etwa gleichauf mit jeweils 13 Prozent.
Für 16 Prozent der Unternehmen ist KI (noch) nicht relevant. Das gilt mit fast
20 Prozent besonders für Unternehmen mit kleinen IT-Abteilungen, deutlich weniger
für Unternehmen mit mittleren bis großen IT-Abteilungen (5 Prozent).
Sind in Ihrem Unternehmen KI-Technologien im Einsatz? Welche der folgenden Beschreibungen
kommt dem KI-Status in Ihrem Unternehmen am nächsten?
Angaben in Prozent. Basis: n = 345
Ja, es ist bereits eine ganze
Ergebnis-Split nach Anzahl Mitarbeiter in IT-Abteilung
Reihe von KI-Technologien 18,8
im Einsatz. bis 99 31,4
Ja, es sind erste KI-Techno- 100 + 56,0
18,6
logien im Einsatz.
Es werden gerade erste
18,6
KI-Technologien eingeführt.
Ein ganze Reihe von KI-Technologien sind im Einsatz
Der erste Einsatz von KI-
Technologien wird gerade 9,6
Ergebnis-Split nach Anzahl Mitarbeiter in IT-Abteilung
geplant.
bis 99 14,9
Der Einsatz von KI-Techno-
logien wird in den nächsten 4,3 100 + 31,0
zwölf Monaten erfolgen.
Ergebnis-Split nach Unternehmensbereich
Der Einsatz von KI-Techno-
logien wird in den nächsten 7,2 GF / CEO / IT-Vorstand / CIO 30,2
zwei bis drei Jahren erfolgen. IT-Leiter 13,2
Der Einsatz von KI-Techno- Fachbereiche 13,4
logien ist für unser Unter- 16,2
nehmen (noch) kein Thema.
Wir haben uns gegen den
Einsatz von KI-Technologien 1,7 Einsatz von KI-Technologien (noch) nicht relevant
entschieden.
Ergebnis-Split nach Anzahl Mitarbeiter in IT-Abteilung
Weiß nicht 4,9 bis 99 19,9
100 + 4,820 Management Summary
3. Technik ist vorhanden – beim Know-
how besteht Nachholbedarf
Die IT-Infrastruktur für Künstliche Intelligenz und Maschinelles Lernen
ist vorhanden. Data Scientists und Kenntnisse über Algorithmen und
mathematische Grundlagen fehlen jedoch.
Rund 46 Prozent die Unternehmen haben die passende IT-Infrastruktur,
die für KI-Anwendungen notwendig ist, 74 Prozent Zugang zu den erforder-
lichen Daten.
Vor allem die IT-Abteilung (61 Prozent) stuft die IT-Umgebung als KI-
tauglich ein. Doch nur 43 Prozent der Geschäftsführer und CIOs teilen diese
Auffassung.
Nachholbedarf besteht bei Datenspezialisten: Nur 24 Prozent aller Unter-
nehmen verfügen über die entsprechenden Fachleute. Von den kleineren
Unternehmen sind es sogar nur 18 Prozent.
An die 23 Prozent aller Befragten sehen die Voraussetzungen bei Kenntnis-
sen über Algorithmen und mathematische Verfahren als erfüllt an. Man merkt,
dass viele Unternehmen hier Neuland betreten.
Die rechtlichen Voraussetzungen für den Einsatz von KI – Stichwort Daten-
schutz – betrachten 34 Prozent der Unternehmen als gegeben.
Für den Einsatz von KI-Verfahren müssen technologische Voraussetzungen geschaffen
werden. Welche Voraussetzungen sind in Ihrem Unternehmen bereits gegeben?
Mehrfachnennungen möglich. Angaben in Prozent. Basis: n = 345
Ergebnis-Split nach
IT-Infrastruktur 46,4
Unternehmensbereich
Zugriff auf Daten 37,7
Besitz von Daten 36,5 42,5
Rechnerkapazitäten 35,1
GF / CEO / IT-Vorstand / CIO
Umsetzung rechtlicher Grundlagen
33,6
(z.B. zur Datenverarbeitung)
Bandbreite 26,4
Kompatibilität der Datenstruktur / 61,0
24,9
Auflösung der Datensilos
Data-Science-Know-how 23,5
IT
Algorithmenwissen /
22,6
Mathematisches Wissen
Grafikprozessoren 21,2
32,0
Weiß nicht 9,6
FachbereicheManagement Summary 21
4. Spracherkennung, Assistenz-
systeme und Planungs-Tools sind
meistgenutzte KI-Methoden
Die Top-3-Anwendungen im Bereich KI liegen mit jeweils mehr als
30 Prozent Anteil gleichauf.
Größere Unternehmen setzen stärker als kleine Firmen autonome
Systeme (32 Prozent) und Gesichtserkennung (26 Prozent) ein.
Kleine Unternehmen nutzen dagegen KI in höherem Maße für Über-
setzungen (31 Prozent) und in Planungssystemen (35 Prozent).
Robotics ist bei 26 Prozent der Befragten im Einsatz, vor allem in
größeren Unternehmen (29 Prozent).
Bots setzt derzeit ein Viertel der Unternehmen ein oder plant, dies in
Kürze zu tun.
Speziell kleinere Unternehmen (19 Prozent) nutzen KI-gestützte Games.
Von den großen Firmen sind es elf Prozent.
Welche KI-Methoden nutzen Sie (oder planen Sie demnächst zu nutzen)?
Mehrfachnennungen möglich. Angaben in Prozent. Basis: n = 226
Unternehmen gesamt Ergebnis-Split nach Unternehmensgröße
< 1.000 Beschäftigte 1.000 + Beschäftigte
Spracherkennung
31,9 32,8 30,9
Assistenzsysteme
31,0 29,3 32,7
Planungssysteme
31,0 34,5 27,3
Bilderkennung /
Bildanalyse 30,1 29,3 30,9
Autonome Systeme
28,8 25,9 31,8
Expertensysteme
27,4 28,4 26,4
Robotics
26,1 23,3 29,1
Maschinelle
Übersetzung 25,2 31,0 19,1
Bots
24,8 23,3 26,4
Wissens-
repräsentation 23,9 26,7 20,9
Gesichtserkennung
23,5 20,7 26,4
Optische Zeichen-
erkennung / Textanalyse 23,0 24,1 21,8
Games
15,0 19,0 10,922 Management Summary
5. Maschinelles Lernen soll primär
interne Prozesse optimieren
Entwicklung neuer Geschäftsmodelle und Optimierung von Wartungs-
und Support-Dienstleistungen spielen eine Nebenrolle.
Für 41 Prozent aller Unternehmen dient Machine Learning insbesondere
dazu, die internen Abläufe zu verbessern. Das sehen vor allem die IT-Abtei-
lung (44 Prozent) und Fachbereiche (43 Prozent) so. Die Optimierung von
Beziehungen zu Kunden (31 Prozent) und von Fertigungsprozessen
(30 Prozent) rangieren auf den folgenden Plätzen.
Weniger wichtig ist Maschinelles Lernen als Basis für neue Produkte
(24 Prozent) und Geschäftsmodelle (27 Prozent).
Speziell für Führungskräfte (28 Prozent) und Fachbereiche (33 Prozent) ist
ML ein Instrument, um neue Geschäftsmodelle zu entwickeln. Diese Meinung
teilen jedoch nur 22 Prozent der IT-Fachleute.
Vor allem größere Unternehmen sehen in Machine Learning eine Technik,
die dem Risikomanagement (33 Prozent) und der Verkürzung von Entwick-
lungszyklen (28 Prozent) zugutekommt. Von den kleineren Unternehmen sind
deutlich weniger als 20 Prozent dieser Auffassung.
Was sind Gründe bzw. Ziele der Einführung von Machine Learning?
Mehrfachnennungen möglich. Angaben in Prozent. Basis: n = 345
Ergebnis-Split nach Unternehmensbereich
Verbesserung interner Verbesserung interner Prozesse
40,9
Prozesse
Verbesserung der
31,3
Kundenbeziehungen
44,1 43,3
34,0
Optimierung der
30,1
Fertigungsprozesse
Neue Geschäfts- GF / CEO / IT Fachbereiche
27,2 IT-Vorstand / CIO
modelle
Optimierung der Wartungs- Optimierung der Fertigungsprozesse
und Support-Leistung 26,7
(Predictive Maintenance)
Neue Produkte / 33,1 33,0
24,1 23,6
neue Services
Risk Management / GF / CEO / IT Fachbereiche
22,9 IT-Vorstand / CIO
Bewertung von Risiken
Verkürzung von Neue Geschäftsmodelle
22,6
Entwicklungszyklen
Forschungszwecke 18,8 28,3 33,0
22,1
Initiative zu Customer
17,7 GF / CEO / IT Fachbereiche
Experience
IT-Vorstand / CIO
Schonung von Ressourcen /
17,1
Umwelt Risk Management / Bewertung von Risiken
Autonome Fahrzeuge
16,8
(Pkw, Lkw, Schiff, Zug etc.)
23,5 29,9
17,0
Andere Gründe 2,6
GF / CEO / IT Fachbereiche
IT-Vorstand / CIOManagement Summary 23
6. Unternehmen stufen Cyber-Angriffe
mithilfe von KI-Systemen als Risiko ein
Jeweils rund 27 Prozent der Unternehmen sehen durch KI und ML eine Verschärfung
von Compliance-Anforderungen und höhere Risiken durch Cyber-Attacken.
27 Prozent aller Unternehmen erwarten durch KI und ML gefährlichere Hacker-Angriffe
und Spionageaktivitäten. Dieser Auffassung sind vor allem IT-Fachleute (30 Prozent)
und größere Unternehmen (32 Prozent).
Compliance, etwa in den Bezug auf die Datenschutzregelungen, sehen vor allem
IT-Experten (32 Prozent) als kritischen Faktor.
Mangelnde Marktkenntnisse hinsichtlich KI- und ML-Lösungen sowie fehlendes
Know-how bei Entscheidern ist für 28 Prozent der Großunternehmen eine Herausfor-
derung, aber nur für 20 Prozent der kleineren Firmen.
Fast 23 Prozent der Befragten betrachten die mangelnde Akzeptanz von Künstlicher
Intelligenz und Maschinellem Lernen bei Mitarbeitern als potenzielles Risiko. Höher ist
der Anteil der Skeptiker in den Fachabteilungen (27 Prozent).
Aus Sicht von 26 Prozent der Führungskräfte stellt die fehlende Marktreife von
KI- und ML-Modulen einen Unsicherheitsfaktor dar. Diese Einschätzung teilen jedoch
nur 16 Prozent der IT-Fachkräfte und 21 Prozent der Mitarbeiter in den Fachbereichen.
Dass eingesetzte KI- und ML-Lösungen bei Kunden und Geschäftspartnern auf Ab-
lehnung stoßen könnten, ist vor allem in kleineren Unternehmen (24 Prozent) ein Thema,
zudem bei CEOs und CIOs (30 Prozent).
Was sind Ihrer Einschätzung nach Herausforderungen und Risiken durch Machine Learning
bzw. Künstliche Intelligenz?
Mehrfachnennungen möglich. Angaben in Prozent. Basis: n = 345
Bedrohungsszenarien Fehlsteuerung / Kontroll-
20,9
(Hacker-Angriffe, 27,0 verlust durch ML / KI
Industriespionage u.Ä.)
Fehlende Marktreife
Compliance-Risiken von Machine-Learning- 20,3
(Datenschutz / GDPR / 26,4 Modulen
DSGVO)
Fehlendes Budget für
18,8
Fehlender Überblick über ML / KI
Markt oder fehlendes 23,2
Know-how bei Entscheidern Mangelnde Priorisierung
von Machine Learning
18,8
Fehlende Akzeptanz auf Vorstands- und
22,9
bei Mitarbeitern Managementebene
Anpassung von Big Data bei Zugriff 18,3
22,3
Geschäftsprozessen
Fehlende Akzeptanz bei Skalierbarkeit 15,4
Kunden, Geschäftspartnern 21,7
und Dienstleistern Druck, die besten Algo-
rithmen entwickeln zu 13,6
Manipulation an der KI 21,7 müssen
Anpassung von Big Data auf Entstehungsseite 13,6
21,2
Organisationsstrukturen
Fehlende Machine-Learning- Andere Herausforderungen 2,3
20,9
Skills24 Management Summary
7. Nutzen von Künstlicher Intelligenz
und Machine Learning: Der Gewinner
ist – die IT-Abteilung!
Für 49 Prozent der Befragten profitiert vor allem die IT vom Einsatz von
KI- und ML-Lösungen, etwa in Form besserer Abwehrmittel gegen Attacken.
Mit weitem Abstand (31 Prozent) folgt der Bereich Marketing, Vertrieb und Custo-
mer Experience. Mit 29 Prozent liegt die Sparte Controlling und Finance auf dem
dritten Rang.
Eine Optimierung von Produktionsumgebungen erwarten 27 Prozent aller Be-
fragten, aber nur 20 Prozent der Geschäftsführer und CIOs.
Demgegenüber sehen Mitarbeiter in den Fachbereichen (36 Prozent) vor allem
in der Fertigung Vorteile durch Künstliche Intelligenz und Machine Learning.
Speziell Großunternehmen erwarten, dass zudem Controlling / Finance (33 Pro-
zent) und die Managementebene (32 Prozent) von KI profitieren.
Dagegen sind nur 22 Prozent der Studienteilnehmer aus kleineren Firmen der
Meinung, KI würde Führungskräfte bei ihren Aufgaben unterstützen.
Generell sind kleinere Unternehmen skeptischer, was die Nutzung von KI und ML
betrifft.
Welche Bereiche Ihres Unternehmens profitieren Ihrer Ansicht nach
in besonderer Hinsicht von ML- bzw. KI-Lösungen?
Mehrfachnennungen möglich. Angaben in Prozent. Basis: n = 345
50,7
49,3 Unternehmen gesamt
48,2
Unternehmensgröße < 1.000 Beschäftigte
Unternehmensgröße 1.000 + Beschäftigte
33,1
31,8 31,8
30,7
29,9 29,1
29,0
27,0
25,9 25,4 26,1
23,6
21,8 21,4
19,8
7,6
6,4
4,7
IT-Abteilung Marketing / Controlling, Produktion Management Einkauf Alle Bereiche
(Spam-Erkennung, Vertrieb / Finance (Supply Chain …) gleichermaßen,
Diagnose- Kundendienst / (Risk Manage- kein Bereich
systeme etc.) Customer ment etc.) im Besonderen
ExperienceManagement Summary 25
8. Künstliche Intelligenz und Machine
Learning sind disruptive Technologien
An die 52 Prozent der Befragten gehen davon aus, dass KI und ML Wirtschaft
und Gesellschaft revolutionieren werden. Doch rund ein Drittel kritisiert diese
Technologien als überschätzten Hype ohne Zukunft.
Künstliche Intelligenz und Machine Learning haben disruptiven Charakter, sagen
mehr als 52 Prozent der Unternehmen in Deutschland. Dennoch äußerten sich
32 Prozent der befragten Fachleute kritisch über den Hype, der um beide Techno-
logien entstanden ist.
Die Einschätzung, dass KI und ML eine zentrale Rolle spielen werden, teilen
Führungskräfte (53 Prozent), IT-Fachleute (53 Prozent) und Mitarbeiter in den Fach-
bereichen (52 Prozent) gleichermaßen.
Ebenfalls rund 52 Prozent der Studienteilnehmer halten eine gesellschaftliche
Diskussion über KI und damit verbundene Fragen für überfällig, etwa bezüglich des
Einsatzes im Gesundheitswesen und beim Autonomen Fahren.
Knapp mehr als die Hälfte der Befragten fürchtet jedoch, dass eine Debatte über
ethische Aspekte von KI und ML Deutschlands Position bei der KI-Entwicklung be-
einträchtigen könnte.
Rund 45 Prozent Befragten attestieren zudem dem Staat, dass er die Weiter-
entwicklung von KI-Technologien und entsprechenden Lösungen durch Vorgaben
bremst, etwa durch die Datenschutz-Grundverordnung.
Inwieweit können Sie den folgenden Aussagen rund um Machine Learning zustimmen?
Angaben in Prozent. Basis: n = 345
„Machine Learning / KI „Machine Learning / KI wird „Der Staat bremst die
ist ein überschätzter Hype unsere Wirtschaft / Gesellschaft Entwicklung im KI-Bereich
ohne Zukunft.“ grundsätzlich revolutionieren.“ durch die GDPR / DSGVO.“
7,3 10,8 2,6 3,5 6,7
2,3
13,1
17,9
10,3
11,4
14,5
21,3
Zustimmung Zustimmung Zustimmung
58,9 83,6 76,5
22,4 32,0
31,4 34,3
31,4
26,8
Stimme voll und ganz zu Stimme eher nicht zu
Stimme zu Stimme nicht zu
Stimme eher zu Stimme überhaupt nicht zu26 Management Summary
9. Machine Learning bleibt
im eigenen Haus
Rund 89 Prozent der Unternehmen betreiben Machine-Learning-
Lösungen im eigenen Rechenzentrum. Mehr als die Hälfte greift
jedoch auf Hilfe von Dienstleistern zurück.
Nur acht Prozent der befragten Unternehmen haben Machine-Learning-
Projekte einem externen Dienstleister übertragen. Dagegen setzen 34 Prozent
komplett auf einen Inhouse-Ansatz.
Eine Doppelstrategie verfolgen 55 Prozent der Unternehmen: Implemen-
tierung und Betrieb von ML bleiben zwar im eigenen Haus, doch nehmen
die Nutzer Hilfe von externen Experten in Anspruch.
Vor allem CEOs und CIOs (52 Prozent) forcieren einen Do-it-yourself-
Ansatz ohne externe Hilfe, dagegen nur 21 Prozent der IT-Fachleute und
31 Prozent der Fachabteilungen.
Vor allem Unternehmen mit einem großen IT-Budget von mehr als
zehn Millionen Euro tendieren zu einem Komplett-Outsourcing (12 Prozent).
Von den IT-Abteilungen mit einem geringeren finanziellen Spielraum tun
dies nur sechs Prozent.
Betreibt Ihr Unternehmen das Thema Machine Learning rein inhouse? Kommen Sie also
ohne externe Hilfe aus, oder arbeiten Sie mit externen Dienstleistern zusammen?
Angaben in Prozent. Basis: n = 226
2,7 Ergebnis-Split nach
Weiß nicht Unternehmensbereich
52,0
8,0
30,9
Wir haben das Thema
Machine Learning (fast) 34,1 20,7
komplett ausgelagert. Wir machen alles
inhouse
ohne externen
Dienstleister.
GF / CEO / IT Fach-
IT-Vorstand / CIO bereiche
70,7
52,7
55,3
38,7
Wir betreiben Machine
Learning inhouse und
greifen dabei (vereinzelt)
auf externe Hilfe zurück.
GF / CEO / IT Fach-
IT-Vorstand / CIO bereicheSie können auch lesen
