Machine Learning wird Mainstream

Von Klaus Manhart am 19. April 2017
Machine Learning hat den Sprung aus den Forschungslabors in die Praxis geschafft. Die KI-Technologie bildet in den nächsten Jahren einen wesentlichen Pfeiler der Unternehmens-IT. Wie verbreitet aber ist Machine Learning heute schon? Eine aktuelle Crisp-Studie gibt Auskunft.

Machine Learning (ML) ist kein Hype-Thema. Von der Spracherkennung über die medizinische Diagnostik bis hin zum autonomen Fahren wird die KI-Technologie auf breiter Basis eingesetzt. Im Kontext der digitalen Transformation erweitert sich dieses Einsatzspektrum noch und reicht vom Unternehmensrechenzentrum, über die Steuerung von Fertigungsanlagen bis hin zur Überwachung von vernetzten IoT-Geräten.

ML wird künftig für fast jedes Unternehmen eine zentrale Technologie sein. Wie verbreitet aber ist ML heute schon? Die Analysten von Crisp-Research haben zusammen mit "The unbelievable Machine Company" und HPE in der Studie "Machine Learning im Unternehmenseinsatz" untersucht. Befragt wurden 260 IT-Entscheider in der DACH-Region.

Das Wichtigste: Deutsche Unternehmen sind innovativer als ihr Ruf: Zwei von drei Betrieben beschäftigen sich aktuell bereits mit ML und ein Fünftel setzt ML-Techologien sogar schon produktiv ein. 43 Prozent der Entscheider sind laut der Umfrage überzeugt, dass Machine Learning ein wesentlicher Aspekt ihrer Analytics- und Big Data-Strategien der kommenden Jahre ist.

Eingesetzt wir ML derzeit vor allem im Kundenservice. Eine stärkere Kundenbindung ist einer der wichtigsten Beweggründe für die Nutzung von ML im Unternehmen. Vorreiter beim produktiven Einsatz von ML sind derzeit Automotive, Konsumgüter sowie IT, Telekommunikation und Media.

Cloud first - Machine Learning as a Service

Bei der Wahl von Machine Learning-Plattformen und -Produkten haben Cloud-basierte Lösungen die Nase vorn. Diesen Weg wählen 38 Prozent der Entscheider für ihr Unternehmen. "Die Unternehmen profitieren direkt von den Innovationen seitens Microsoft, Google, AWS & Co. Hinzu kommt, dass das Design und der Betrieb einer auf Machine Learning hin optimierten IT-Infrastruktur und des zugehörigen Software-Stacks ein hoch komplexes Unterfangen darstellt, das auch sehr zeitaufwendig ist," heißt es in der Studie. Somit bietet "Machine Learning-as-a-Service" einen deutlichen Vorteil zugunsten eines schnellen Einstiegs.

HPE bietet mit Haven OnDemand eine Cloud-basierte Machine-Learning-Plattform für die Datenanalyse und einige andere KI-Anwendungen an. Der SaaS-Service adressiert besonders professionelle Entwickler, Start-ups sowie größere Unternehmen und beinhaltet mehr als 60 APIs und Services für KI-Anwendungen mit Schwerpunkt maschinellem Lernen - darunter auch Deep Learning. Damit lassen sich KI-Applikationen generieren wie Predictive Analytics, Gesichtserkennung, Speech-to-Text-Funktionen oder Empfehlungsdienste.