Berlin (ots) – Studie belegt: Digitaler Wertschöpfungsanteil durch KI und Machine Learning nimmt rasant zu – allein die deutschen Top-100-Unternehmen setzen 2022 über 100 Mrd. Euro damit um
Die Hälfte der Unternehmen in Deutschland beschäftigt sich aktiv mit Künstlicher Intelligenz (KI) und Machine Learning. Einer aktuellen Studie von Crisp Research zufolge hat sich der Anteil der Unternehmen, die auf diese zukunftsweisenden Technologien setzen, binnen zwei Jahren verdoppelt. In den nächsten vier Jahren wird eine Verzehnfachung des Wertschöpfungsanteils prognostiziert. Die Studie entstand in Kooperation mit The unbelievable Machine Company (*um) und Dell EMC.
Industrie 4.0 ist längst Realität
Künstliche Intelligenz und Machine Learning sind in Deutschland angekommen. Die Technologien kommen in immer mehr Anwendungsbereichen zum Einsatz. Ihr Planungs- und Einsatzgrad nimmt ebenso kontinuierlich zu wie der Wertschöpfungsanteil an digitalen Produkten und Lösungen. Das belegt die Befragung von 154 IT- und Business-Entscheidern aus mittelständischen Unternehmen und Konzernen unterschiedlicher Branchen im März und April 2018.
Demnach beschäftigt sich schon jetzt die Hälfte der deutschen Unternehmen (50 Prozent) aktiv mit Machine Learning. Vor zwei Jahren lag der Anteil noch bei 28 Prozent. Mehr als jedes fünfte Unternehmen (22 Prozent) setzt bereits Machine Learning produktiv im Unternehmen ein. Der Großteil nutzt die Technologie für die klassische Prozessoptimierung, etwa in der Produktion durch vernetzte Anlagen zur Einsparung von Verarbeitungs- und Analyseschritten. Zudem kommt Machine Learning verstärkt als Grundlage für digitale Produkte und in der Kundenanalyse zum Einsatz.
Gelder sind vorhanden
Fast die Hälfte der Entscheider (44 Prozent) geht davon aus, dass Machine Learning in den nächsten zwei Jahren mehr als 20 Prozent der Wertschöpfung neuer digitaler Produkte und Dienstleistungen ausmacht. Allein für die 100 umsatzstärksten deutschen Unternehmen entspricht das rund 61 Milliarden Euro im Jahr 2020.
Bis 2022 wird eine Verzehnfachung des Wertanteils auf etwa 104 Milliarden Euro erwartet, was rund einem Viertel der digitalen Wertschöpfung deutscher Konzerne entspricht und die strategische Relevanz für Digitalisierung und Wettbewerbsfähigkeit untermauert. Entsprechend schlüssig die Erkenntnis, dass es für Machine-Learning-Projekte kaum Budget-Restriktionen gibt: Mehr als die Hälfte der Unternehmen (56 Prozent) greift auf volle Digitalisierungs-Budgets zu. Immerhin 40 Prozent der Unternehmen verfügen sogar über klar dedzierte Machine-Learning-Budgets.
Hardware und Support sind wesentliche Erfolgsfaktoren
Als wesentliche Treiber für die Zunahme von Machine-Learning-Strategien und das Tempo, mit dem es zum IT-Mainstream wird, nennen die Studienmacher die umfangreichen technologischen Entwicklungen durch die Hardware-Hersteller. Gerade die Frage nach der Hardware und dem Betrieb ist wieder erfolgsentscheidend. Weitere Faktoren sind stetig neue Produkte im Bereich Business Intelligence und Analytics sowie kontinuierlich optimierte Machine-Learning-as-a-Service-Angebote der Public-Cloud-Anbieter.
Die zahlreichen Tools und Applikationen allein reichen für den erfolgreichen industriellen Einsatz allerdings nicht aus, so die Studie. Für den produktiven Einsatz greift ein Großteil der befragten Unternehmen (46 Prozent) auf die Unterstützung von Data Science und Managed Hosting zurück. Im industriellen Einsatz versierte externe IT-Dienstleister und -Berater tragen entscheidend dazu bei, dass neue Machine-Learning-Projekte entstehen.
Künstliche Intelligenz und Machine Learning weiter auf Wachstumskurs
Das enorme Potenzial von KI und Machine Learning ist noch längst nicht ausgeschöpft. Die von Crisp Research in Kooperation mit The unbelievable Machine Company (*um) und Dell EMC erstellte Studie „Machine Learning in Unternehmen – Betrieb und Anwendung von Künstlicher Intelligenz“ macht klar, dass die Integration in Produkte und Leistungen sukzessive weiter erfolgt und sich immer mehr Anwendungsszenarien abzeichnen. Sie zeigt, wie Unternehmen die Operations organisieren bzw. welche Anwendungen mittlerweile auf Basis von Machine Learning basieren oder dies in Zukunft tun werden.
Interessierte können die Studie ab sofort unter https://hubs.ly/H0fkDPr0 kostenlos herunterladen.
Die wichtigsten Ergebnisse im Überblick
Machine Learning ist ein Teil der deutschen Wirtschaft: Aktuell beschäftigt sich bereits die Hälfte der deutschen Unternehmen (50 Prozent) aktiv mit Machine Learning. Vor zwei Jahren lag der Anteil noch bei 28 Prozent. Mehr als jedes fünfte Unternehmen (22 Prozent) setzt Machine Learning bereits produktiv im Unternehmen ein.
Machine Learning als fester Bestandteil digitaler Produkte: Fast die Hälfte der Entscheider (44 Prozent) geht davon aus, dass Machine Learning in den nächsten zwei Jahren mehr als 20 Prozent der Wertschöpfung neuer digitaler Produkte und Dienstleistungen ausmacht.
Allein für die 100 umsatzstärksten deutschen Unternehmen entspricht das rund 61 Milliarden Euro im Jahr 2020. Bis 2022 machen Machine Learning und KI ein Viertel der digitalen Wertschöpfung aus.
Hardware is back: Beim Trainieren und Processing von Machine-Learning-Algorithmen liegt Spezial-Hardware im Trend. Rund ein Drittel (31 Prozent) der Entscheider plant den Einsatz von GPU-Clustern, jeder Vierte will künftig auch ASIC/TPU- bzw. FPGA-Cluster einsetzen.
Volle Digitalisierungstöpfe statt Budget-Restriktionen: Mehr als die Hälfte der Unternehmen (56 Prozent) greift für Machine-Learning-Projekte auf die Digitalisierungs-Budgets zu. 40 Prozent der Unternehmen verfügen sogar über dedizierte Budgets für Machine Learning.
Vorhandene Datenschätze sind unverzichtbar: In vielen Use Cases für Machine Learning steht die Optimierung bestehender Geschäfts- und Produktionsprozesse im Fokus. Für die Entwicklung entsprechender Modelle und Algorithmen liefern daher Produktionsdaten (42 Prozent), Maschinendaten (38 Prozent) sowie SAP-Daten (59 Prozent) die Grundlage.
Neue Datenquellen auf dem Vormarsch: Schon ein Drittel der Unternehmen hebt mittels Machine Learning Wertschöpfungs- und Effizienzpotenziale auf Basis von IoT-Daten (31 Prozent) sowie aus externen Datenquellen (30 Prozent).
Große Verantwortung: Unternehmen wissen um die Herausforderungen im Bereich Machine Learning. Datenschutzprobleme oder falsche Prognosen wären für knapp die Hälfte (47 Prozent) der Entscheider mögliche Auslöser, ihre Machine-Learning-Projekte zu überprüfen oder zu stoppen.
Nicht ohne meinen Partner: Die Mehrheit der befragten Unternehmen realisiert ihre Machine-Learning-Projekte nicht allein, sondern gemeinsam mit Partnern. Für zwei Drittel (75 Prozent) sind erfahrene IT-Dienstleister bei der Umsetzung unverzichtbar – und weitaus relevanter als Universitäten (18 Prozent), Start-ups (21 Prozent) oder Unternehmensberater (25 Prozent).
Machine Learning-as-a-Service: Den Einstieg in das Thema macht ein Großteil der Unternehmen (55 Prozent) mittels Machine-Learning-as-a-Service in der Cloud. In produktiven Einsatzszenarien spielen auch das Hosting (25 Prozent) sowie der Betrieb in der Cloud (36 Prozent) eine Rolle.
