Die Studie „Machine Learning/Deep Learning 2019“ von IDG Research Services hat untersucht, wie weit das maschinelle Lernen in verschiedenen Ausprägungen mittlerweile in Deutschland verbreitet ist. Befragt wurden Führungskräfte, Chief Information Officers (CIOs) und IT-Spezialisten.
Eine erfreuliche Erkenntnis: Knapp drei Fünftel der Unternehmen haben inzwischen mindestens eine Machine-Learning-Applikation im Einsatz. Bei 22 % sind es sogar mehrere Anwendungen. Am häufigsten setzen die Unternehmen auf Spracherkennung (49 %), Assistenzsysteme (44 %) und das maschinelle Übersetzen von Informationen (43 %). Dem hinken Expertensysteme (31 %), Software-Bots und Robotics-Anwendungen (jeweils 30 %) in ihrer Bedeutung aktuell noch hinterher.
Auffällig ist, dass das maschinelle Lernen vor allem als Instrument genutzt wird, um Prozesse zu optimieren (37 %) und eine höhere Effizienz zu erzielen (36 %). Eine strategische Dimension – etwa für die Entwicklung neuer Produkte und Services – schreiben nur vergleichsweise wenige Befragte (25 %) dem Machine Learning zu. Zu diesem Befund passt auch, dass die Mehrheit (53 %) Machine-Learning-Technologien bisher eher punktuell als flächendeckend einsetzt.
Die größten Nutznießer von Machine Learning und künstlicher Intelligenz sehen 36 % der Befragten in den IT-Abteilungen und 29 % im Kundenservice. Darüber hinaus profitieren auch vernetzte Produktionsumgebungen von den neuen Technologien, weil dadurch beispielsweise eine vorausschauende Wartung oder die Zustandsüberwachung möglich werden.
Laut IDG Research Services belegt Machine Learning in der Rangliste der wichtigsten IT-Themen für die kommenden zwölf Monate den dritten Platz. Nur das Cloud-Computing und die IT-Sicherheit werden in den Unternehmen aktuell höher priorisiert. Die Treiber für den Einsatz von maschinellem Lernen sind vor allem CEOs und die IT-Abteilungen, während die Fachabteilungen dem technologischen Nutzen kritischer gegenüberstehen.
Das größte Hemmnis für ein häufigeres Anwenden der vorhandenen Machine-Learning-Möglichkeiten ist die mangelnde Qualität der Daten, mit denen die Systeme gefüttert werden. Das heißt also, vor der Einführung künstlicher Intelligenz steht das Konsolidieren und Aufbereiten der Datenbestände.
Künstliche Intelligenz und Machine Learning haben sich als wertvolle Instrumente in den Unternehmen etabliert. Immer mehr Firmen möchten von diesen Technologien profitieren und setzen sich mit möglichen Anwendungsszenarien auseinander. Die strategische Dimension des maschinellen Lernens wird bisher häufig noch verkannt. Es wird nicht als Tool gesehen, um neue Geschäftsmodelle oder Services zu kreieren. Perspektivisch könnten alle Unternehmensbereiche in sämtlichen Branchen profitieren.