Trendpaper: Machine Learning - IT-Infrastruktur für das digitale Zeitalter

Die Seite wird erstellt Lisa Eichler
 
WEITER LESEN
Trendpaper: Machine Learning - IT-Infrastruktur für das digitale Zeitalter
Trendpapier: Machine Learning                                           1

                                IT-Infrastruktur für das digitale Zeitalter

Trendpaper:
Machine Learning
Trendpaper: Machine Learning - IT-Infrastruktur für das digitale Zeitalter
2                       Digital Infrastructure 2020 – IT-Infrastruktur für das digitale Zeitalter   Trendpapier: Machine Learning                                                        3

                                                                                                                          INHALT
    VORWORT
                                                                                                                          01                              07
                                                                                                                          EXECUTIVE SUMMARY          4    ERGEBNISSE DER
                                                                                                                                                          MARKTUNTERSUCHUNG
                                                                                                                                                          Umsetzungsgrad und

                                                                                                                          02
    In den kommenden Jahren wird sich vieles verändern, denn                                                                                              Investitionsbereitschaft		23
    die Digitalisierung macht die Modernisierung der Rechenzentren
    unverzichtbar. Werfen Sie einen Blick auf die elementaren

                                                                                                                                                          08
    Veränderungen und darauf, wohin sich der Markt bewegt.
                                                                                                                          VON DER NISCHE ZUM
    Die Studie Digital Infrastructure 2020 basiert auf einer em-                                                          WACHSTUMSMARKT             6
    pirischen Untersuchung über die IT-Infrastruktur im Rahmen
    der Digitalisierung. Das IT-Research- und Beratungsunter-                                                                                             AUSBLICK UND EMPFEHLUNGEN

                                                                                                                          03
    nehmen Crisp Research führte in Kooperation mit Tech Data                                                                                             FÜR CIOS UND
    Advanced Solutions eine Befragung von 183 CIOs, Digitali-                                                                                             RECHENZENTRUMS-LEITER 26
    sierungsverantwortlichen und RZ-Leitern aus Unternehmen
    mit Größenklassen von 250-500, 500-1000 und über 1000
    Mitarbeitern durch.                                                                                                   KÜNSTLICHE INTELLIGENZ –

    Das folgende Trendpapier ist eine lösungsspezifische
    Auskopplung zur Gesamtstudie DI2020 und liefert Ihnen
                                                                                                                          DIE GRUNDLAGEN             8
                                                                                                                                                          09
                                                                                                                          04
    empirische Untersuchungsergebnisse auf Fragen wie                                                                                                     WEITERE INFORMATIONEN     28
    → in welcher Phase sich Unternehmen hinsichtlich der                                                                                                  → Über die Autoren        28
      Auswahl oder Implementierung der Lösung befinden.
                                                                                                                          DER REIBUNGSLOSE START          → Über Crisp Research     29
    → welche Handlungsfelder im Rahmen der Digitalisierung                                                                INS MACHINE LEARNING       12
      in Unternehmen von der Lösung insbesondere betroffen                                                                                                → Über Tech Data
      sind.                                                                                                                                                 Advanced Solutions      29

    → wie hoch sich die geplanten Investitionen von Unterneh-
      men diesbezüglich belaufen und

    → in welchen Anwendungsbereichen die Lösung eingesetzt
                                                                                                                          05                              → Copyright

                                                                                                                                                          → Kontakt
                                                                                                                                                                                    29

                                                                                                                                                                                    30
                                                                                                                          VOM ALGORITHMUS
      wird.                                                                                                               ZUM USE CASE               16   → Lesen Sie auch die
                                                                                                                                                            weiteren Trendpapiere
    Zusätzlich erhalten Sie einen generellen Überblick zur Lösung,                                                                                          zur Studie DI2020       31

                                                                                                                          06
    Insights zu möglichen Use Cases bis hin zu Empfehlungen
    mit „Hands-on“-Charakter.

                                                                                                                          ERGEBNISSE DER
                                                                                                                          MARKTUNTERSUCHUNG
                                                                                                                          Use Cases und Potenziale   19
Trendpaper: Machine Learning - IT-Infrastruktur für das digitale Zeitalter
Trendpapier: Machine Learning                                                          5

EXECUTIVE                                                                                          →          Eine exklusive Marktumfrage im Auftrag von Tech-
                                                                                                              Data zeigt, dass deutsche Unternehmen im Machine
                                                                                                              Learning nicht hinterherhinken. So ist die Mehrheit
                                                                                                              der befragten Unternehmen in Deutschland (ab 250

SUMMARY
                                                                                                              Mitarbeiter) derzeit in der Evaluierungs- und Pla-
                                                                                                              nungsphase (26 Prozent). 21 Prozent arbeiten an
                                                                                                              einem Proof-of-Concept oder entwickeln Prototypen.
                                                                                                              Gut 16 Prozent befassen sich mit der Technologie-
                                                                                                              und Providerauswahl. Weitere 16 Prozent sind bereits
                                                                                                              mit der Einführung beschäftigt. Drei Prozent zählen
                                                                                                              zu den Early Adoptern, die Machine Learning bereits
                                                                                                              produktiv einsetzen.

                                                                                                   →
                                                                                                              Was sind die wichtigsten aktuellen und künftigen
                                                                                                              Einsatzbereiche für Machine Learning-Technologien?

   →   Künstliche Intelligenz, Deep
       Learning, Machine Learning
       oder Cognitive Computing
       werden die IT-Welt in den
                                         →   Machine Learning (ML) leistet
                                             als Innovationsmotor einen
                                             entscheidenden Beitrag zur
                                             digitalen Transformation. In
                                                                                                              An erster Stelle stehen der Umfrage zufolge die Pro-
                                                                                                              duktion und die Prozesse (52 Prozent), gefolgt von
                                                                                                              Rechenzentrum und IT mit 38 Prozent. Dahinter be-
                                                                                                              finden sich Management, Kundendienst, Customer
       nächsten Jahren maßgeblich            allen für dieses Trendpaper                                      Experience und Co.
       prägen und viele Rechenzentren        untersuchten Bereichen wurde

                                                                                                   →
       sowie deren Infrastruktur vor         die Bedeutung von ML-Tech-                                       Die Investitionsbereitschaft der Unternehmen und
       neue Aufgaben stellen.                nologien hoch eingeschätzt.                                      die vielseitigen Einsatzmöglichkeiten von Machine
                                             Machine Learning wird künftig                                    Learning führen dazu, dass die Bedeutung von

   →
       Noch bis vor wenigen Jahren           nicht nur im Rechenzentrum                                       Rechenzentren und IT-Abteilungen in absehbarer
       waren selbstlernende Pro-             eine maßgebliche Rolle                                           Zukunft massiv zunimmt. Machine Learning als
       gramme nur ein Thema für              spielen, sondern sämtliche                                       Herzstück der Künstlichen Intelligenz wird aber
       Universitäten, Forschungsein-         Bereiche tangieren – von der                                     nicht nur die IT, sondern auch unser künftiges Leben
       richtungen und spezialisierte         Automation über die Agilität                                     verändern.
       Technologieunternehmen.               bis hin zum Internet of Things
       Heute ist die maschinelle             (IoT) und Smart Products.
       Intelligenz schon in zahlreiche

                                         →
       Produkte und Lösungen im-             Machine Learning-Verfahren
       plementiert. In Zukunft wird          setzen im Unternehmen im
       unser Alltag und unser Ge-            Vergleich zu anderen Appli-
       schäftsleben immer mehr von           kationen unterschiedlichste
       Softwareprogrammen beglei-            Hardware-Umgebungen
       tet, die aus Daten lernen und         voraus. Oftmals bringt die
       das Gelernte auch anwenden            Nutzung von optimierten
       können.                               Chips oder ein Upgrade von
                                             Grafikkarten einen erheblichen
                                             Performancegewinn, der sich
                                             in Wettbewerbsvorteilen nie-
                                             derschlagen kann.
Trendpaper: Machine Learning - IT-Infrastruktur für das digitale Zeitalter
6                       Digital Infrastructure 2020 – IT-Infrastruktur für das digitale Zeitalter   Trendpapier: Machine Learning                                                                         7

VON DER NISCHE
                                                                                                                          Gleichzeitig versprechen die Techno-      ANWENDUNGEN GIBT ES ZUR
                                                                                                                          logien der Künstlichen Intelligenz ein    GENÜGE
                                                                                                                          direktes Return on Investment (ROI),
                                                                                                                          wenn sich dank optimierter Verfahren      Welches Potenzial im maschinellen

ZUM
                                                                                                                          und Algorithmen die Performance oder      Lernen steckt, zeigen innovative Platt-
                                                                                                                          User Experience unternehmenseigener       formkonzepte für die Stadt von morgen.
                                                                                                                          Internet- und Suchdienste verbessern      Die Welt steht am Anfang der vierten
                                                                                                                          lässt. Die optimierte Vermarktung von     industriellen Revolution – angetrieben

WACHSTUMSMARKT
                                                                                                                          Werbeplätzen und die schnellere Be-       durch eine allgegenwärtige Vernetzung,
                                                                                                                          rechnung relevanter Suchergebnisse        maschinelles Lernen und neue Fort-
                                                                                                                          bringt den Digitalkonzernen Wert-         schritte in Design und digitaler Fabri-
                                                                                                                          schöpfungsgewinne in Milliardenhöhe.      kation. Die Lösung der derzeitigen und
                                                                                                                                                                    künftigen Probleme des städtischen
                                                                                                                          Künstliche Intelligenz ist also keines-   Wachstums sind alles andere als trivial.
                                                                                                                          falls nur ein Hype oder Marketingtrend,   Im Rahmen neuer Ansätze werden
                                                                                                                          sondern eine wichtige Stellschraube       Städte als Plattformen für neue bauliche
                                                                                                                          für die Wettbewerbsstärke und Pro-        Konzepte betrachtet. Diese Konzepte
                                                                                                                          fitabilität von morgen. Dabei profitie-   schaffen die Voraussetzungen dafür,
                                                                                                                          ren Google und Co. von der Tatsache,      dass Menschen neue Ideen entwickeln
    Lange interessierten sich nur Computer-Nerds oder Wissen-                                                             dass sie auf unvorstellbare Mengen an     und testen können, mit denen sich die
    schaftler für das maschinelle Lernen. Doch seit rund zwei                                                             Kunden- und Log-In-Daten zugreifen        Lebensqualität verbessern lässt.
    Jahren hat sich das Blatt gewendet: Künstliche Intelligenz ist                                                        können. Diese dienen als Grundlage,       Einen ersten Versuch will Google in
    heute das Topthema der digitalen Vordenker und der Venture                                                            um Modelle zu bilden und lernende         diesem Jahr in Toronto mit dem Projekt
    Capitalists im Silicon Valley. Warum steht das maschinelle                                                            Systeme kontinuierlich zu trainieren      „Sidewalk Toronto” starten. Die Bewoh-
    Lernen jetzt vor dem Durchbruch? Und welchen Einfluss                                                                 („Deep Learning“).                        ner der kanadischen Metropole sollen
    werden entsprechende Konzepte für die IT- und Digitalisie-                                                                                                      von den neuesten Technologien, einer
    rungsstrategien der Unternehmen in den nächsten Jahren                                                                Nach vielen Jahren in der akademi-        intelligent vernetzten Infrastruktur und
    haben?                                                                                                                schen Nische zählt die Künstliche         selbstfahrenden Autos profitieren.
                                                                                                                          Intelligenz zu den wichtigsten Wachs-
    VIELVERSPRECHENDE AUSSICHTEN: RETURN ON                                                                               tumsmärkten weltweit. Dafür gibt es
    INVESTMENT IN MILLIARDENHÖHE                                                                                          drei Gründe:

    Die größten Investitionstreiber waren in den letzten Jahren                                                           → Eine unbegrenzte und kosten-
    Internet- und Cloud-Konzerne wie Google, Facebook, Micro-                                                               günstige Rechenleistung (Cloud).
    soft und IBM. Diese Firmen investierten allein 2015 mehr als
    zehn Milliarden US-Dollar in die Forschung und Entwicklung                                                            → Die Verfügbarkeit riesiger Daten-
    der Künstlichen Intelligenz. Der Grund liegt auf der Hand:                                                              mengen als Grundlage für die
    Machine Learning, Deep Learning und Cognitive Computing                                                                 Entwicklung von Modellen und als
    gelten als Basis für neuartige digitale Dienste und innovative                                                          Trainingsbasis (Big Data).
    Geschäftsmodelle. Das betrifft Consumer-Lösungen, wie
    zum Beispiel digitale Assistenten á la Siri und Google Now,                                                           → Verstärkte Investitionen in die Ver-
    genauso wie das Business-Umfeld, zum Beispiel in Form von                                                               besserung der Verfahren, Tools und
    Industrie-Lösungen im Gesundheitsbereich.                                                                               Frameworks (siehe oben).
Trendpaper: Machine Learning - IT-Infrastruktur für das digitale Zeitalter
8      Digital Infrastructure 2020 – IT-Infrastruktur für das digitale Zeitalter   Trendpapier: Machine Learning                                                                                                         9

KÜNSTLICHE
                                                                                                                 Was genau verbirgt sich hinter Begriffen wie Künstliche In-
                                                                                                                 telligenz, Cognitive Computing, Deep Learning und Machine
                                                                                                                 Learning? Die definitorische Abgrenzung fällt nicht leicht. Am
                                                                                                                 besten lassen sich die Begriffe im IT-Umfeld nach Herkunft,

INTELLIGENZ –
                                                                                                                 Perspektive und Verfahren zuordnen. Für eine vereinfachen-
                                                                                                                 de Abgrenzung lässt sich auch die „Clarity of Purpose“ (klare
                                                                                                                 Zielvorgabe) und der „Degree of Autonomy“ (Selbstständig-
                                                                                                                 keitsgrad) heranziehen. Das folgende Schaubild bietet einen

DIE GRUNDLAGEN
                                                                                                                 guten Überblick.

                                                                                     KÜNSTLICHE                  Oberbegriff aus Informatik und Neurowissenschaft; Beschreiben einer Maschine / Rechners,
                                                                                     INTELLIGENZ*1               die über kognitive Fähigkeiten verfügt, die dem menschlichen Verhalten ähnelt bzw. diesem eben-
                                                                                                                 bürtig ist. Selbstreflektion, Selbstlernen etc. als einige der Grundanforderungen (General Artificial
                                                                                                                 Intelligence im Englischen)

                                                                                     COGNITIVE                   Computersysteme, die Aufgaben übernehmen, die derzeit hauptsächlich von Menschen aus-
                                                                                     COMPUTING                   geführt werden und die Ambiguität und Unschärfen beinhalten sowie Spracherkennung, Wissens-
                                                                                                                 bildung, Lernen, Verstehen, Urteilen und Emotionen, Mimik deuten können.

                                                                                     DEEP                        Software versucht die Aktivitäten in Schichten von Neuronen*2 im Neocortex nachzuahmen,
                                                                                     LEARNING                    wo das Denken beim Menschen stattfindet. Die Software lernt, in einem sehr realen Sinn, Muster in
                                                                                                                 der digitalen Darstellung von Bildern, Tönen und anderen Daten zu erkennen.

                                                                                     MACHINE                     Verarbeitung, Auswertung und Prognose von Daten auf Basis verschiedener statistischer und
                                                                                     LEARNING*3                  neuro-wissenschaftlicher Verfahren. Gliedert sich in automatisches Machine Learning (aML) und
                                                                                                                 interaktives Machine Learning (iML). Letzteres basiert auf Interaktionen mit – teils menschlichen
                                                                                                                 – Agenten.

                                                                                   * 1 1956 von John McCarthy (*1926)      * 2 In den 50er Jahren entwickelt
                                                                                   * 3 1959 als künstliche Generierung von Wissen aus Erfahrung definiert
Trendpaper: Machine Learning - IT-Infrastruktur für das digitale Zeitalter
10                                      Digital Infrastructure 2020 – IT-Infrastruktur für das digitale Zeitalter   Trendpapier: Machine Learning                                                                                                       11

                   WENN MASCHINEN ZU BEGABTEN AUTISTEN WERDEN                                                       JE MEHR DATEN, DESTO BESSER                                          DIE RENAISSANCE DER HARDWARE

                   Aktuell wird ein Großteil der Machine Learning-Systeme                                           Bei jedem Schritt fließen immer mehr Beispiel-                       Was bedeutet das alles für Rechenzentren oder
                   für spezielle Aufgaben entwickelt, trainiert und optimiert.                                      daten durch die neuronalen Netze, sodass die                         IT-Abteilungen? Die Hardware ist zurück! Speziali-
                   Ein System kann dementsprechend nur die vorgesehene                                              internen Verknüpfungen kontinuierlich verbessert                     sierte Chips und Grafikkarten-Cluster ziehen wie-
                   Aufgabe erfüllen und keine andere – auch nicht, wenn sie                                         werden. Je mehr Daten zum Trainieren zur Ver-                        der in das Portfolio von Unternehmen ein. Bei den
                   artverwandt ist. Aufgabenstellungen, die Kindern einfach                                         fügung stehen, umso besser ist das Resultat. Die                     Cloud-Anbietern sind diese schon seit einigen
                   erscheinen, waren für Maschinen lange Zeit eine unüber-                                          Tiefe der neuronalen Netze wird lediglich von den                    Jahren als Standard gesetzt, doch für die ständig
                   windbare Hürde – etwa das Erkennen von Objekten auf                                              Rechenressourcen beschränkt. Am Ende hat die                         wachsenden Anforderungen im Machine Learning-
                   Bildern oder die Erkennung von Sprache bei der Interaktion                                       Maschine gelernt, wie man beispielsweise bei                         Umfeld müssen selbst Google, AWS und Co.
                   mit dem Smartphone. Hier kommt Deep Learning ins Spiel:                                          Patienten anhand von Lungen-CT-Bildern poten-                        massiv investieren. Die Berechnungszeit verschie-
                   Die auf neuronalen Netzen basierende Technik ermöglicht                                          zielle Krebsgeschwüre diagnostiziert. Und dies mit                   dener Modelle bleibt aber immer von der Perfor-
                   es Maschinen, eigene Lernmuster zu entwickeln, um die ge-                                        einer Präzision, die dem Menschen überlegen ist.                     mance der eingesetzten Hardware abhängig.
                   wünschten Ergebnisse zu erzielen. Dabei lernt die Maschine                                                                                                            Hinzu kommt die Innovationsgeschwindigkeit, mit
                   mittels vorhandener Datensätze, Informationen zu verstehen                                       Andere Beispiele zeigen den Erfolg von Deep                          der Hersteller wie Intel, NVIDIA oder Qualcomm
                   und zu interpretieren. Beim Menschen würde man in diesem                                         Learning-Systemen in aktuellen Produkten und                         neue Rechnerbausteine auf den Markt bringen.
                   Zusammenhang von einer Inselbegabung sprechen, die bei                                           Diensten – beispielsweise selbstlernende Sprach-                     Diese können anspruchsvolle Aufgaben wie Vek-
                   Autisten häufig vorkommt und es diesen ermöglicht, außer-                                        assistenten, die den Menschen mit der Zeit                           toroperationen mit großer Geschwindigkeit und
                   gewöhnliche Leistungen in einem Teilbereich zu vollbringen.                                      immer besser verstehen. Auch die Inhalte von                         Effizienz ausführen. Das Tempo in diesem Bereich
                                                                                                                    Bildern können mit Deep Learning schneller er-                       ist ebenso hoch wie im Public Cloud-Markt.
                                                                                                                    kannt werden. Zudem setzen einige Unternehmen
                                                                                                                    entsprechende Systeme bei Videochats für die                         Die Herausforderungen durch Machine Learning
                                                                                                                    simultane Übersetzung ein.                                           erhöhen die Komplexität innerhalb der Unter-
Deep Learning in exemplarischen Schritten                                                                                                                                                nehmens-IT noch einmal deutlich. Ergänzt wird
                                                                                                                                                                                         die Technologie durch verschiedene Hybrid- und
                                                                                                                                                                                         Multi-Cloud-Modelle, die in vielen Unternehmen
     EBENE 1             EBENE 2                 EBENE 3                                       EBENE N                                                                                   Einzug halten, um jederzeit alle relevanten Anfor-
                                                                                                                                                                                         derungen oder Auflagen zu erfüllen.

                                                                                                                                       Anthropomorphic Robots                IoT                              Bots                    Visualisation

                             ANSTIEG IN DER KOMPLEXITÄT DER MERKMALE                                                                                                                        Agents

                                                                                                                                            Content              Content                     Data                    Cognitive            Processing
                                                                                                                                            Sources              Lifecycle                  Corpus                   Analytics              Engine

                                                                                                                                          Structured             Curation               Search Indices          Question Analysis         Language

                                                                                                                         MARKETPLACE
                                                                                                                                         Unstructured            Ingestion             Semantic Models        Hypothesis Generation        Images

                                                                                                                                                                Enrichment            Drives Knowledge          Evidence Scoring            Voice
                   Diese Lern-Qualität war bei neuronalen Netzen bislang nicht
                   erreichbar, weil es an der nötigen Rechenleistung fehlte. Die                                                                                                                               Final Merge & Rank          Sensors
                   Netze beinhalten Ebenen von unterschiedlicher Komplexität.
                                                                                                                                                                                   Machine Learning Stack
                   In der ersten beginnt die Maschine mit der Identifizierung von
                   relativ einfachen Mustern. Dies kann zum Beispiel bei einem                                                           Deep Learning          Ensemble               Neural Networks           Regularisation         Decision Tree
                   Röntgenbild die Helligkeit einzelner Pixel sein. In der nächsten
                   Ebene kommen Kanten oder Formen hinzu. In einem weite-                                                                 Rule System           Regression                 Bayesian              Instance Based           Clustering

                   ren Schritt folgen dann Formen und Objekte. Diese Vorgänge                                                                                                      Dimensionality Reduction
                   werden fortgesetzt, bis das gewünschte Verhalten erreicht ist.
                                                                                                                                                                                   Data & Analytics Platform

                                                                                                                                                                              Cloud Computing /On-Premise
Trendpaper: Machine Learning - IT-Infrastruktur für das digitale Zeitalter
12                      Digital Infrastructure 2020 – IT-Infrastruktur für das digitale Zeitalter   Trendpapier: Machine Learning                                                               13

                                                                                                                          AM ANFANG WAR HADOOP

                                                                                                                          Doch wie kommen Unternehmen zu einer Plattform, die den
                                                                                                                          Einstieg in maschinelles Lernen ermöglicht? Lange waren
                                                                                                                          Hadoop-Plattformen das Mittel der Wahl. Doug Cutting war
                                                                                                                          der Vater, der 2008 bei Yahoo das Kunststück fertigbrachte,
                                                                                                                          Daten mit einer großen Anzahl an Maschinen in erheblich

DER REIBUNGSLOSE
                                                                                                                          kürzerer Zeit zu analysieren als dies zuvor möglich war. In
                                                                                                                          den vergangenen Jahren haben Hersteller, Anwender und die
                                                                                                                          Open-Source-Community viel Energie in diese Technologie
                                                                                                                          gesteckt. So hat sich ein System entwickelt, das die Anfor-

START INS
                                                                                                                          derungen von Unternehmen in allen relevanten Bereichen
                                                                                                                          erfüllt.

                                                                                                                          Die reibungslose Integration in eine Unternehmensland-

MACHINE LEARNING
                                                                                                                          schaft war allerdings nicht von Anfang an gegeben. Viele
                                                                                                                          sicherheitsrelevante sowie Governance und Compliance
                                                                                                                          betreffende Tools mussten entwickelt und implementiert
                                                                                                                          werden. Heute ist die Plattform in der Lage, die Ansprüche
                                                                                                                          von Unternehmen mit Hilfe der unterschiedlichsten Techno-
                                                                                                                          logien zu erfüllen. Somit bietet ein Hadoop-System innerhalb
                                                                                                                          des eigenen Rechenzentrums und/oder in der Cloud einen
                                                                                                                          guten Startpunkt für die Implementierung von Machine
                                                                                                                          Learning und den Aufbau neuer digitaler Geschäftsmodelle.

     Schon heute haben Unternehmen Zugriff auf riesige                                                                    Ideenfluß durch eine Datenkultur
     Datenmengen. Künftig werden es noch erheblich mehr sein.
     Datengetriebene Unternehmen werden mit ihren Produkten
     und Diensten zahlreiche Märkte dominieren. Um eine
     effiziente Datenanalyse im Unternehmen und über dessen
     Grenzen hinaus aufbauen zu können, ist eine klare Strategie                                                                          Ideen generieren             Ideen
     erforderlich. Diese muss nicht nur alle internen Daten-                                                                                und mögliche             zum Leben
     quellen und -konsumenten umfassen, sondern auch alle                                                                                   Erkenntnisse             erwecken
                                                                                                                                              beachten
     externen wie zum Beispiel Partner oder E-Commerce-
     Plattformen. Der Zugriff auf sämtliche Daten muss eindeu-
     tigen Standards unterworfen sein. Dadurch wird nicht nur
     ein möglichst homogener Zugang für alle Beteiligten sicher                                                                                                                  Produkt oder
     gestellt, sondern auch eine optimale Kontrolle der Daten im                                                                                                                    Dienst
                                                                                                                                                                                  ausliefern
     Hinblick auf Sicherheit, Governance und Compliance.

                                                                                                                                 Informationen
                                                                                                                                aus der Analyse
                                                                                                                                     für die
                                                                                                                                   Erkenntnis
                                                                                                                                  zu den Ideen                            Erfolg und
                                                                                                                                     nutzen                                Nutzung
                                                                                                                                                                           messen
                                                                                                                                                   Analyse aller
                                                                                                                                                    Daten rund
                                                                                                                                                  um das Produkt /
                                                                                                                                                    den Dienst
Trendpaper: Machine Learning - IT-Infrastruktur für das digitale Zeitalter
14                                               Digital Infrastructure 2020 – IT-Infrastruktur für das digitale Zeitalter   Trendpapier: Machine Learning                                                                                                                                                 15

Hadoop Ökosystem und die Akteure in digitalen Unternehmen                                                                                          Spark, Apache Mesos, Akka, Apache Cassandra und Apache
                                                                                                                                                   Kafka für skalierbare Echtzeitanalysen konzipiert. Für die ge-
                                                                                                                                                   zielte Analyse von Zeitreihendaten im IoT-Umfeld gibt es bei-
                                                                                                                                                   spielsweise den TICK-Stack (Telegraf, InfluxDB, Chronograf,
          BETRIEB                  DATEN              UNTERNEHMEN              ENTWICKLER                ANWENDER                                  Kapacitor). Unternehmen können Data Stacks intern aufbauen
                                                                                                                                                   und zielgerichtet einsetzen. Sie setzen sich aus mehreren
                                                                                                                                                   Silos zusammen, die jeweils unterschiedliche Anwendungs-
           Betrieb             Datenworkflow            Governance        Entwicklungsframeworks
                                                                                                                                                   fälle adressieren. Nachfolgend einige Beispiele:
                                                                                                          Analytics

                                                                                                                                                   → Batchverarbeitung
         Monitoring           Datenspeicherung          Sicherheit           Softwareverteilung      Business Intelligence

                                                                                                                                                   → Streaming-Datenverarbeitung

                                                                               Anwendungs-                                                         → Zeitreihenanalyse
 Ressourcenmanagement        Datenmodellierung        Geschäftsmodell                                 Machine Learning
                                                                               orchestrierung

                                                                                                                                                   → Business Intelligence
                               Lebenszyklus-           Knowledge-
        Benchmarking            management             management                 Logging               Visualisierung
                                                                                                                                                   → Predictive Maintenance

                                 Metadata             HR Ressourcen-
     Qualitätsmanagement
                                Management             management
                                                                                Automation              Orchestrierung                             Mit einem Stackology-Ansatz lassen sich deutlich schneller
                                                                                                                                                   und effizienter einzelne Use Cases abbilden. Voraussetzung
                                                                                                                                                   ist allerdings, dass der klare Fokus in der Unternehmens-
                                                                                                                                                   strategie erhalten bleibt.

                                                                                                                                                   Für das Rechenzentrum der Zukunft ist eine der vorgestellten
                                                                                                                                                   Varianten unverzichtbar – oder zumindest eine Mischung aus
                                                                                                                                                   beiden innerhalb der Fachabteilungen. Ob die Hadoop-Platt-
                                                                                                                                                   form im Rahmen einer Public Cloud betrieben oder in der
                           Eine Hadoop-Installation ist aber nicht in jedem Fall erfor-                                                            unternehmenseigenen Umgebung aufgesetzt wird, spielt zu-
                           derlich. Vor allem für Unternehmen, die ihren Business-Fokus                                                            nächst keine große Rolle. Wichtig ist die Bereitstellung eines
                           auf den Anwendungs- und Analysebereich legen, lohnt es                                                                  digitalen Fundaments und der nötigen Kompetenzen.
                           sich, eine aktuell sehr gefragte Alternative in Betracht zu
                           ziehen: Data Stacks.

                           DATA STACKS ALS MASSGESCHNEIDERTE ALTERNATIVE
                                                                                                                             Stacks als anwendungsbezogene Architekturkomponenten
                           Stacks sind momentan der Renner in der Architektur von IT-
                           und Applikationslandschaften: Technologie-Stacks, Architektur-
                           Stacks, Big Data-Stacks, IoT-Stacks, und viele mehr. Exper-                                                  SMACK                        TICK                       ELK                                     MANAGEMENT
                           ten sprechen in diesem Zusammenhang schon von einer                         API
                           „Stackology“. Stacks bilden den Gegenpol zu Hadoop-Instal-                                                   Spark                       Telegraf                Elasticsearch

                                                                                                                                                                                                                                                         Lifecycle Management
                           lationen und umfangreichen Plattformen. Ihr großer Vorteil

                                                                                                                                                                                                                Schlüsselmagement

                                                                                                                                                                                                                                                                                Logging / Monitoring
                                                                                                                                                                                                                                    Sicherheit/Network
                           liegt darin, dass viele schon auf bestimmte Anwendungs-                                                      Mesos                       InfluxDB                  Logstash

                                                                                                                                                                                                                                       Management
                           szenarien zugeschnitten sind. So gibt es beispielsweise für

                                                                                                                                                                                                                                                                                                       Billing
                                                                                                       MARKTPLACE                     Cassandra                    Chronograf                  Kibana
                           echtzeitnahe datengebundene Anwendungen Stacks, bei
                           denen die Akronyme der verwendeten Tools, die oft aus dem
                                                                                                                                        Kafka                      Kapacitor
                           Open Source-Umfeld stammen, den Namen bestimmen.
                           Einer dieser Stacks nennt sich SMACK. Er wurde mit Apache                  MANAGEMENT                                         Unternehmensplattform
Trendpaper: Machine Learning - IT-Infrastruktur für das digitale Zeitalter
16                      Digital Infrastructure 2020 – IT-Infrastruktur für das digitale Zeitalter   Trendpapier: Machine Learning                                                                       17

VOM
                                                                                                                                                   KONTEXT

ALGORITHMUS                                                                                                             Selektion

                                                                                                                                                  Vorhersage-
                                                                                                                                                                            Vorhersage

ZUM USE CASE
                                                                                                                                                    modell

                                                                                                                                                                                          Use Case/
                                                                                                          Daten
                                                                                                                                                                                           Persona
                                                                                                                                                                                          (e.g. User)

     Beim maschinellen Lernen kommen mathematische Verfahren                                                              MASCHINEN LERNEN DURCH DIE SUMME IHRER
     (Algorithmen) für die Datenanalyse zum Einsatz. Das Ziel                                                             ERFAHRUNGEN
     besteht darin, nützliche Muster (Beziehungen, Zusammen-
     hänge oder Verknüpfungen) zwischen verschiedenen Daten-                                                              Im Wesentlichen erfolgt das Lernen von Maschinen analog
     elementen zu finden.                                                                                                 zum Menschen. Durch eine gezielte Beobachtung dessen,
                                                                                                                          was um uns herum passiert, können wir die nötigen Schluss-
     MUSTER ERKANNT, VERKAUFSCHANCEN ERHÖHT                                                                               folgerungen ziehen. Diese Erfahrung hilft uns dabei, uns auf
                                                                                                                          neue Situationen einzustellen und Herausforderungen zu
     Ein anschauliches historisches Beispiel: Bei der Auswertung                                                          meistern. Es heisst nicht ohne Grund: Wir sind die Summe
     der Kassenbons von Kunden stellte die amerikanische                                                                  unserer Erfahrungen. Ebenso verhält es sich beim maschinellen
     Supermarktkette Walmart fest, dass zu bestimmten Uhrzeiten                                                           Lernen. Je mehr relevante und wertungsfreie Daten ein ent-
     relativ viel Bier in Verbindung mit Windeln gekauft wurde.                                                           sprechendes System erhält, umso genauere Vorhersagen
     Nachdem man entdeckt hatte, dass Väter beim Windelkauf                                                               kann es erstellen. Konzerne wie Amazon, aber auch Anbieter
     gerne zu einem Sixpack Bier greifen, positionierte der Dis-                                                          wie die Drogeriemarktkette dm nutzen solche Verfahren, um
     counter beide Produkte in unmittelbarer Nähe voneinander.                                                            das Sortiment zu steuern und die Retourenkosten zu mini-
     So konnte der Umsatz um einen zweistelligen Prozentsatz                                                              mieren. Zudem können Engpässe bei gefragten Produkten
     gesteigert werden.                                                                                                   vermieden und die Lieferzeiten für den Kunden kurz gehalten
                                                                                                                          werden.
     Aber auch Zusammenhänge, die sich nicht so schnell er-
     geben, sind eine Untersuchung wert. Sobald sich eine ein-
     deutige Beziehung erkennen lässt, kann man daraus Rück-
     schlüsse über die Nutzer oder Systeme ziehen und eine
     zuverlässige Prognose zu ihrem voraussichtlichen Verhalten
     in der Zukunft anfertigen.
Trendpaper: Machine Learning - IT-Infrastruktur für das digitale Zeitalter
18                                  Digital Infrastructure 2020 – IT-Infrastruktur für das digitale Zeitalter   Trendpapier:
                                                                                                                19           Machine Learning   Digital Infrastructure 2020 – IT-Infrastruktur für das digitale Zeitalter
                                                                                                                                                                                                                       19

                WIE MASCHINEN LERNEN

                Die Art und Weise, wie das Lernen mittels Daten erfolgt, wird
                in vier Lernstile unterteilt – eines der wichtigsten Merkmale
                zur Klassifizierung von Algorithmen im Bereich Machine
                Learning:

     Supervised Learning /                   Unsupervised Learning /
                                                                                                                ERGEBNISSE
     Überwachtes Lernen                      Unüberwachtes Lernen
                                                                                                                DER MARKT-
                                                                                                                UNTERSUCHUNG:
                      Re-inforcement Learning /
                        Bestärkendes Lernen
                                                                    Semi-supervised Learning /
                                                                     Teilüberwachtes Lernen                     USE CASES UND
                                                                                                                POTENZIALE
                Damit die möglichen Modelle zeitnah durchgespielt werden
                können, sich Vorhersagen effizient im Produktivbetrieb um-
                setzen lassen und die Daten in der gewünschten Qualität
                vorliegen, benötigt ein Unternehmen eine entsprechende
                Plattform. Unter dem Begriff Digital Infrastructure Platform
                fasst man sämtliche Komponenten zusammen, die den Kern
                einer modernen, skalierungsfähigen und flexiblen IT be-
                schreiben und den Anforderungen der digitalen Geschäfts-
                welt gerecht werden.

                Eine solche Plattform bietet die folgenden Schlüsselfähig-
                keiten:

                →   Scalable (Elastizität)

                →   Programmable (Automatisierung)

                →   Standardized (API-basierte Architektur)

                →   On-Demand (Agilität)
20                                                    Digital Infrastructure 2020 – IT-Infrastruktur für das digitale Zeitalter               Trendpapier: Machine Learning                                                              21

                              Ist die passende Plattform implementiert, stellt sich für                                                                             In welchen Anwendungsbereichen wird „Machine
                              IT-Entscheider die Frage, wo und in welchem Umfang das                                                                                Learning & AI“ (bis zum Jahr 2020) eingesetzt?
                              maschinelle Lernen eingesetzt werden soll – ausschließlich
                              für neue digitale Produkte oder auch im Rahmen vorhandener
                              Strukturen? Aufschlussreiche Antworten liefert die Befra-
                              gung für das vorliegende Trendpaper: Das höchste Potenzial
                              für Machine Learning-Technologien sehen 52 Prozent der
                              IT- und Business-Entscheider bis zum Jahr 2020 im Bereich
                              Produktion & Prozesse. Diese Einschätzung erscheint realis-
                              tisch, denn viele Unternehmen haben bereits einen Großteil                                                                                 15%                    21%                    22%
                              ihrer Abläufe gut dokumentiert, beispielsweise im Zuge von
                              ISO-Zertifizierungen für das Qualitätsmanagement.

                                                                                                                                                                       Procedure und        Internet of Things     Customer Experience
                                                                                                                                                                    Supplier Management
Vom Algorithmus zum Use Case – eine Definiton
                                                                                                                                        1,0

                                                                                                                                        0,8

     USE CASE                                                                                                 z.B. Autonomes Fahren

                →   beschreibt das breitere Anwendungsszenario für eine oder mehrere Machine Learning-Funktionen,
                                                                                                                                        0,6
                                                                                                                                                                         33%                   36%                     38%
                                                                                                                                        0,4
                    die mittels verschiedener Algorithmen bzw. Verfahren errechnet bzw. analysiert werden

                                                                                                                                        0,2

                    FUNKTION                                                                                       z.B. Bilderkennung                                   Management,           Kundendienst &        Rechenzentrum & IT
                                                                                                                                        0,0
                                                                                                                                                                        Finance & HR             Support
                                 →   definiert die konkrete Aufgabe, die ein oder mehrere Algorithmen bzw. Verfahren
                                     erfüllen sollen, wie z.B. Gesichtserkennung, Spracherkennung, Bilderkennung

                                     LERNSTIL                                                                z.B. Supervised Learning

                                                 →   gibt an, zu welcher Klasse von Algorithmen ein eingesetztes                                                                               52%
                                                     Verfahren zählt und beschreibt dessen Eigenschaften

                                                     ALGORITHMUS                                         z.B. Long short-term memory
                                                                                                                                                                                           Produktion & Prozesse
                                                                 →   definiert die Funktionsweise bzw.
                                                                     Operationslogik des einzelnen Algorithmus

                                                                                                                                                                    Vielversprechende Einsatzmöglichkeiten sehen die IT-Verant-
                                                                                                                                                                    wortlichen zudem in den Bereichen Rechenzentrum & IT (38
                                                                                                                                                                    Prozent), Kundendienst & Support (36) sowie im Umfeld von
                                                                                                                                                                    Management, Finance und Human Resources (33). Bei den
                                                                                                                                                                    Geschäftsfeldern, die direkt von der digitalen Transformation
                                                                                                                                                                    betroffen sind oder neu entstehen, sind die Erwartungen
                                                                                                                                                                    an Machine Learning-Systeme deutlich niedriger – vermut-
                                                                                                                                                                    lich, weil es hier noch an Einblick und Erfahrung fehlt. Mit 22
                                                                                                                                                                    Prozent liegt die Customer Experience vorn. Dahinter folgen
                                                                                                                                                                    Anwendungen für das Internet of Things (21) und schließlich
                                                                                                                                                                    das Procurement & Supplier Management (15).
22                                                          Digital Infrastructure 2020 – IT-Infrastruktur für das digitale Zeitalter

MARKTTRENDS DER VERTIKALISIERUNG UND                                           sehr breit ist und eine Vielzahl von Technologien in
PRODUKTISIERUNG                                                                Betracht kommen, lassen sich für den Unterneh-
                                                                               menseinsatz klare Trends ableiten.
Wie hoch ist der erwartete Innovations- und Wert-
schöpfungsbeitrag? Zu dieser Frage fällt die Ein-                              Vertikalisierung: Bei den industriellen Lösungen ist
ordnung der Entscheider recht homogen aus. An                                  eine starke Vertikalisierung der KI-Konzepte zu er-
der Spitze liegen die Themen Automation und IoT &                              warten. Je konkreter die KI-Verfahren und -Lösungen

                                                                                                                                                                        ERGEBNISSE
Smart Products. Angesichts der Tatsache, dass bei                              auf eine bestimmte Branche und ihre individuellen
simplen Workloads, gewöhnlichen oder semi-auto-                                Strukturen, Modelle, Datenquellen und Herausforde-
matischen Prozessen meist noch reichlich Optimie-                              rungen fokussiert sind, desto größer ist der erzielbare
rungspotenzial vorhanden ist, kann dieses Ergebnis                             Erfolg und somit auch der Business Value.

                                                                                                                                                                        DER MARKT-
kaum überraschen. Im IoT & Smart Products-Um-
feld müssen Machine Learning-Modelle auch auf                                  Produktisierung: Viele industrielle Lösungen, aber
die Edge-Bereiche und die Endgeräte der Nutzer                                 auch einzelne KI- und Machine Learning-Verfahren
ausgeweitet werden, um Latenzvorteile zu erhalten                              wird es bald als Dienste geben (Machine Learning-

                                                                                                                                                                        UNTERSUCHUNG:
und die Customer Experience zu verbessern. Ob die                              as-a-Service). Dabei werden Verfahren und Modelle
Befragten dies berücksichtigt haben, lässt sich nicht                          in nutzungsabhängige und servicebasierte Geschäfts-
beantworten. In allen anderen Bereichen schwanken                              modelle verwandelt. In diesem Marktsegment
die Werte minimal.                                                             sind vor allem die großen Public Cloud-Provider

Auch wenn das Einsatzspektrum der Künstlichen In-
telligenz (KI) vor dem Hintergrund der Digitalisierung
                                                                               aktiv, deren Plattformen neben der nötigen Rechen-
                                                                               leistung auch über eine globale Skalierbarkeit ver-
                                                                               fügen.                                                                                   UMSETZUNGSGRAD
Welchen Innovations- und Wertbeitrag leisten „Machine Learning & AI“ im
                                                                                                                                                                        UND INVESTITIONS-
                                                                                                                                                                        BEREITSCHAFT
Hinblick auf folgende Handlungsfelder der Digitalisierung in Ihrem Unternehmen?                                                                              n=143

Agility & Innovation             9%             13%             13%                 15%               10%                 20%                   10%          6%

Digital UX
                           6%          11%                13%             15%                   16%                      18%                 13%         5%

Data Driven Business
                            6%             9%             17%                 12%                   18%                   17%               10%         4%

Cognitive Company
                            3%    8%                  18%                 14%                   16%                      18%                 13%         5%

IoT & Smart Products
                            5%         9%        10%                13%                   21%                        19%                  10%           8%

Automation
                           3%     10%            10%                15%                 16%                    16%                  15%            7%

                       0              10         20             30            40          50              60             70         80             90             100

                           1 keinen Beitrag           2         3         4         5           6         7          8          9         10 sehr großen Beitrag
24                       Digital Infrastructure 2020 – IT-Infrastruktur für das digitale Zeitalter   Trendpapier: Machine Learning                                                                25

     DEUTSCHLAND HINKT NICHT HINTERHER                                                                                     ANSTEIGENDE INVESTITIONEN IN MACHINE LEARNING
                                                                                                                           UND KI
     3,3 Prozent der befragten IT-Entscheider berichten, dass in
     ihren Unternehmen bereits ML-Technologien im produktiven                                                              Die Mehrheit der IT-Entscheider plant – im Vergleich zum
     Betrieb Verwendung finden. 12 Prozent sind mit der Imple-                                                             aktuellen Geschäftsjahr – im nächsten Planungsjahr zwischen
     mentierung oder Einführung beschäftigt. Weitere 16,4 Prozent                                                          10 und 20 Prozent mehr in Machine Learning- und Künstliche
     befassen sich mit der Technologie- bzw. Providerauswahl.                                                              Intelligenz-Technologien zu investieren (46,9 Prozent der
     Das gängige Vorurteil, dass die Firmen in Deutschland bei der                                                         Befragten). 30,8 Prozent sehen ihre Investitionen in naher
     Einführung digitaler Technologien hinterherhinken, ist damit                                                          Zukunft um ca. 20 bis 50 Prozent ansteigen. 4,2 Prozent haben
     widerlegt. Zumal sich 25,7 Prozent in der ML-Evaluierung                                                              vor, ihre Investionen um 50 bis 100 Prozent zu erhöhen.
     bzw. Planungsphase befinden und weitere 20,8 Prozent die                                                              Genausoviele planen aktuell keine Ausgaben für die Techno-
     Einsatzmöglichkeiten mit einem Prototypen oder Proof-of-                                                              logien. Die insgesamt hohen Investitionsvorhaben offenbaren
     Concept untersuchen. Lediglich 21,9 Prozent vertreten aktuell                                                         ein gutes Verständnis für die Komplexität der Materie.
     noch die Auffassung, Machine Learning werde für ihr Unter-
     nehmen keine Bedeutung erlangen.

     In welcher Phase befindet sich Ihr Unternehmen derzeit im                                       Wie entwickeln sich die Ausgaben/Investitionen für „Machine Learning & AI“ im nächsten
     Hinblick auf den Einsatz von „Machine Learning“?                                                Geschäfts-/Planungsjahr?

                                                                                                                                                                                                n=143
                                                                                                     50
                                                                                                                                                      10–20%
                                                                                                     45
                      12,02%                       Implementierung/
                               3,28%               Einführung
             16,39%                                Im produktiven Betrieb                            40

                                                   Evaluierungs- und                                 35
                                                   Planungsphase                                                                                                      20–50%
                                   25,68%
                                                   Spielt derzeit/zukünftig                          30
                                                   für uns keine Rolle
         20,77%
                                                   Proof-of-Concept/                                 25
                                                   Prototyping
                                                                                                     20
                       21,86%                      Technologie- und

     n=183
                                                   Providerauswahl                                                                    0–10%
                                                                                                     15

                                                                                                     10                keine
                                                                                                                     Ausgaben                                                         50–100%
                                                                                                      5

                                                                                                      0
26     Digital Infrastructure 2020 – IT-Infrastruktur für das digitale Zeitalter   Trendpapier: Machine Learning                                                                        27

AUSBLICK UND
                                                                                                         Am Machine Learning kommt künftig        Bei der Planung und Einführung von
                                                                                                         kaum ein Unternehmen vorbei – sei es     Machine Learning müssen sich Unter-
                                                                                                         zur personalisierten Kundenansprache     nehmen auf folgende Punkte konzent-
                                                                                                         oder bei der Automatisierung immer       rieren:

EMPFEHLUNGEN
                                                                                                         komplexer werdender Betriebsabläufe.
                                                                                                                                                  →   Ganzheitliche Einbindung in die IT-
                                                                                                         Mit den immer stärker aufkommenden           bzw. Cloud-Strategie des Unterneh-
                                                                                                         servicebasierten Machine Learning-           mens.

FÜR CIOS UND
                                                                                                         Angeboten der großen Cloud-Provider
                                                                                                         wird es zunehmend einfacher, auch        →   Analyse und Festlegung der relevanten
                                                                                                         ohne große Expertise Daten für Emp-          Use Cases und Einsatzbereiche.
                                                                                                         fehlungen oder Vorhersagen zu ver-

RECHENZENTRUMS-                                                                                          arbeiten. Für viele CIOs dürfte das
                                                                                                         verlockend klingen. Doch jeder Anwen-
                                                                                                         dungsfall ist anders. Daher sollte die
                                                                                                         Evaluierung für jeden Use Case genau
                                                                                                                                                  →

                                                                                                                                                  →
                                                                                                                                                      Durchführung von Proof-of-Concepts.

                                                                                                                                                      Ableitung der Auswirkungen auf den
                                                                                                                                                      IT-Betrieb inklusive Personal- und

LEITER                                                                                                   betrachtet werden.

                                                                                                         Ein ausführlicher Dialog mit den Fach-
                                                                                                         abteilungen im Unternehmen ist unver-
                                                                                                                                                  →
                                                                                                                                                      Organisationsplanung.

                                                                                                                                                      Entwurf der Deployment- und Nut-
                                                                                                                                                      zungsszenarien.
                                                                                                         zichtbar, um ein klares Anforderungs-
                                                                                                         profil zu erstellen. Im Idealfall wird   →   Auswahl von geeigneten Tools und
                                                                                                         dadurch ein organisatorischer Wandel         Frameworks.
                                                                                                         hin zu einer DevOps-basierten Orga-
                                                                                                         nisation mit interdisziplinären Teams    →   Sicherstellung der Übertragbarkeit
                                                                                                         angestoßen. Nur mit genügend Trans-          von Modellen.
                                                                                                         parenz und Offenheit lässt sich eine
                                                                                                         erfolgversprechende Planung für die      →   Aufbau und Pflege eines Ökosystems
                                                                                                         nächsten Jahre festlegen, von der alle       und Partner-Netzwerks.
                                                                                                         beteiligten Abteilungen profitieren.

                                                                                                         Im Zuge der Use Cases für das Internet
                                                                                                         of Things ist außerdem eine Strategie
                                                                                                         hinsichtlich der Kompatibilität und
                                                                                                         Mobilität der Modelle notwendig. Diese
                                                                                                         müssen für jede denkbare technische
                                                                                                         Umgebung geeignet sein – von Hybrid-
                                                                                                         und Multi-Cloud-Modellen über Edge-
                                                                                                         Computing bis hin zu verschiedenen
                                                                                                         Endgeräten. Der damit verbundene
                                                                                                         Aufwand ist nicht zu unterschätzen
                                                                                                         und greift auch in Continuous Integra-
                                                                                                         tion- und Deployment-Prozesse ein.
28                       Digital Infrastructure 2020 – IT-Infrastruktur für das digitale Zeitalter   Trendpapier: Machine Learning                                                         29

                                                                                                                           ÜBER CRISP RESEARCH

                                                                                                                           Die Crisp Research AG ist ein unabhängiges IT-Research-
                                                                                                                           und Beratungsunternehmen. Mit einem Team erfahrener
                                                                                                                           Analysten, Berater und Software-Entwickler bewertet Crisp
                                                                                                                           Research aktuelle und kommende Technologie- und Markt-
                                                                                                                           trends. Crisp Research unterstützt Unternehmen bei der

WEITERE
                                                                                                                           digitalen Transformation ihrer IT- und Geschäftsprozesse.
                                                                                                                           Crisp Research wurde im Jahr 2013 von Steve Janata und Dr.
                                                                                                                           Carlo Velten gegründet und fokussiert seine Research und
                                                                                                                           Beratungsleistungen auf „Emerging Technologies“ wie Cloud,

INFORMATIONEN
                                                                                                                           Analytics oder Digital Marketing und deren strategische und
                                                                                                                           operative Implikationen für CIOs und Business Entscheider
                                                                                                                           in Unternehmen.

                                                                                                                           ÜBER TECH DATA ADVANCED SOLUTIONS

     ÜBER DIE AUTOREN                                                                                                      Tech Data Advanced Solutions ist Teil der Tech Data Gruppe.
                                                                                                                           Tech Data AS ist ein weltweit agierender Solutions-Distri-
     Björn Böttcher ist Senior Analyst bei Crisp Research.                                                                 butor von Computerprodukten, Software und Services mit
     Er leitet als “Data Practice Lead” die Research- und Bera-                                                            Standorten in mehr als 30 Ländern. Tech Data unterhält
     tungsaktivitäten zu den Themen Analytics, BI, datenbasierte                                                           Vertriebsabteilungen, die gezielt bestimmte Marktsegmente
     Geschäftsmodelle und Künstliche Intelligenz. Als Gründer                                                              fokussieren, und verfolgt eine Strategie, die den Schwerpunkt
     der ersten deutschen User Groups für Amazon AWS und                                                                   auf die Anforderungen der Kunden und Lieferanten legt. Das
     Microsoft Azure zählt Björn Böttcher zu den Pionieren des                                                             breite Service-Portfolio und die Beziehungen zu führenden
     Cloud Computing in Deutschland. Als Veranstalter der ersten                                                           Technologieanbietern gewährleisten Ihnen stets die richtige
     deutschen Cloud-Konferenzen und Lehrbeauftragter für                                                                  Kombination aus Know-how und Vorsprung zur Steigerung
     Informatik und Computational Web in der Parallel Computing                                                            Ihrer Ergebnisse. Kunden sind unter anderem unabhängige
     Group der TU Hamburg hat er wesentliche Beiträge zur                                                                  Softwarehäuser, Hersteller, Systementwickler, Systeminteg-
     Entwicklung der Cloud-Community geleistet. Björn Böttcher                                                             ratoren und IT-Fachhändler. Diesen Kunden bietet Tech Data
     verfügt über 10 Jahre Berufserfahrung in der IT-Industrie in                                                          AS Produkte, Lösungen und/oder Services von zahlreichen
     der Rolle des Software-Architekten und des IT-Strategie-                                                              Herstellern an.
     beraters. Zuletzt arbeitete er am Deloitte Analytics Institute
     und verantwortete dort die Entwicklung und Umsetzung                                                                  COPYRIGHT
     datenbasierter Geschäftsmodelle für Unternehmen aus der
     Finanz-, Automotive- und Logistik-Branche. Björn Böttcher                                                             Alle Rechte an den vorliegenden Inhalten liegen bei Crisp
     hat einen Abschluss als Dipl.-Informatikingenieur der Tech-                                                           Research. Die Daten und Informationen bleiben Eigentum
     nischen Universität Hamburg-Harburg. Er hat als Autor                                                                 der Crisp Research AG. Vervielfältigungen, auch auszugs-
     eine Vielzahl von Fachbeiträgen publiziert und trägt als Key                                                          weise, bedürfen der schriftlichen Genehmigung der Crisp
     Note-Speaker und Experte aktiv zu den Debatten um neue                                                                Research AG.
     Markttrends, Standards und Technologien bei.
                                                                                                                           Visuelle Gestaltungselemente:
     Jan Mentel ist als Analyst des IT-Research- und                                                                       iStock.com/Just_Super, iStock.com/kaisorn
     Beratungsunternehmens Crisp Research tätig. Inhaltliche
     Schwerpunkte sind Cloud Computing, Mobility Solutions und
     Internet of Things mit besonderem Fokus auf Datenschutz,
     Compliance und Implikation der EU-Datenschutzgrundver-
     ordnung. Weiterhin unterstützt er im Rahmen des Researchs
     sowie individueller Kundenprojekte bei der Recherche und
     Beratungsarbeit. Jan Mentel studierte Wirtschaftsrecht an
     der Universität Kassel.
30                       Digital Infrastructure 2020 – IT-Infrastruktur für das digitale Zeitalter   Trendpapier: Machine Learning                                    31

     KONTAKT CRISP RESEARCH                                                                                                LESEN SIE AUCH DIE WEITEREN TRENDPAPIERE
                                                                                                                           ZUR STUDIE DI2020
     Crisp Research AG
     Weißenburgstraße 10
     D-34117 Kassel                                                                                                        → IaaS & PaaS Public Cloud

     E-Mail: info@crisp-research.com                                                                                       → Hybrid Cloud
     Telefon: +49 561 2207 4080
     Fax: +49 561 2207 4081                                                                                                → Hyper Converged
     http://www.crisp-research.com/
     https://twitter.com/crisp_research                                                                                    → Object Storage

                                                                                                                           → Flash
     KONTAKT TECH DATA AS
                                                                                                                           → Security
     Tech Data AS GmbH
     Gutenbergstraße 15
     D-70771 Leinfelden-Echterdingen

     Sie möchten mehr Informationen zum
     Thema Machine Learning?

     Dann melden Sie sich bei uns:

     Stephanie Müller
     Business Development Manager, IBM Artificial Intelligence
     E-Mail: stephanie.mueller@techdata.com
     Telefon: +49 175 7270590
32   Digital Infrastructure 2020 – IT-Infrastruktur für das digitale Zeitalter
Sie können auch lesen