Studie Machine Learning / Deep Learning 2018

Studie Machine Learning / Deep Learning 2018
Studie
        RESEARCH SERVICES




                            Machine Learning /
                            Deep Learning 2018
Platin-Partner                      Gold-Partner




Silber-Partner                      Bronze-Partner
Studie Machine Learning / Deep Learning 2018
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.
Studie Machine Learning / Deep Learning 2018
Editorial   3




KI – der Rohstoff
der Zukunft
im globalen                                                           Jürgen Hill,


Wettbewerb?
                                                                      Teamleiter Technologie
                                                                      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
Studie Machine Learning / Deep Learning 2018
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
Studie Machine Learning / Deep Learning 2018
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
                                  Siemens AG Digital Factory�����������������������42
                                                                                                                                                                  39
                                  Lufthansa Industry Solutions���������������������44
                                  Reply AG���������������������������������������������������������46
                                  SAP Deutschland SE & Co. KG������������������48
                                  NTT DATA Deutschland GmbH����������������50
                                  Alexander Thamm GmbH .......................... 52
                                                                                                                                            Kontakt /
© shutterstock.com / whiteMocca




                                                           41
                                                                                                                                           Impressum

                                                                                                                                                 57
Studie Machine Learning / Deep Learning 2018
Die
Round Tables




 Machine Learning /
 Deep Learning 2018
Studie 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
Studie Machine Learning / Deep Learning 2018
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.
Studie Machine Learning / Deep Learning 2018
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.
Studie Machine Learning / Deep Learning 2018
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 kein
14     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                                                      14,8
Management 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 +                           4,8
20   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
                                                                                    Fachbereiche
Management 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                      10,9
22   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 / CIO
Management 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
Skills
24      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
                          Experience
Management 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 zu
26    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          bereiche
Sie können auch lesen
Nächster Teil ... Stornieren