Warum Unternehmen Machine Learning einsetzen

Von Klaus Manhart am 30. Juni 2017
Deutsche Unternehmen sehen im Maschinellen Lernen ein enormes Innovations-Potential - und beschäftigen sich bereits aktiv mit dem Thema. Eine Studie zeigt, warum und in welchen Bereichen automatisierte Lernverfahren genutzt werden.

Machine Learning erlebt einen regelrechten Boom: Die Kombination aus günstiger Rechenleistung, großen Datenmengen und optimierten Algorithmen lässt die Innovationsleistung von Machine Learning Verfahren derzeit exponentiell steigen. Crisp Research hat in Kooperation mit The unbelievable Machine Company und Hewlett Packard Enterprise (HPE) in einer Studie untersucht, wie und warum deutsche Unternehmen Machine Learning einsetzen.

Auch wenn Machine Learning derzeit eher noch Trend als Mainstream ist und für viele Unternehmen noch unbekanntes Terrain darstellt, so gibt es mit 34 Prozent doch schon einen substanziellen Anteil deutscher Firmen, die Machine Learning bereits im produktiven Einsatz haben, wie die Marktforscher festgestellt haben.

  • 7 Prozent der befragten Entscheider gaben an, Machine Learning in weiten Teilen des Unternehmens bereits produktiv zu nutzen - sie können sich als absolute Vorreiter und Innovatoren bezeichnen.

  • 27 Prozent setzen dagegen Machine Learning Technologien und Verfahren aktuell noch in ausgewählten Bereichen ein und stellen somit die Mehrheit derjenigen, die mit den Technologien vertraut sind.

  • Neben dieser Gruppe der "Early Adopter" und "Innovatoren", existiert mit 39 Prozent die "Early Majority" - diejenigen Unternehmen, die gerade dabei sind, Machine Learning im Rahmen von ersten Projekten zu testen und erste Prototypen zu implementieren.

Digitalisierung ist wichtiger Antriebsfaktor

Warum beschäftigen sich die befragten Unternehmen mit einer Technologie, die viele noch als überbewertet oder gar als Hype ansehen? Über ein Drittel der befragten IT-Entscheider gab laut der Crisp-Studie an, sich aufgrund der unternehmensweiten Digitalisierung mit Machine Learning auseinanderzusetzen.

Ein weiteres Drittel (34 Prozent) beschäftigt sich vor dem Hintergrund der Optimierung und Automatisierung der unternehmensinternen Prozesse in Fertigung, Qualitätsmanagement, Logistik oder im Rahmen von IoT- und Industrie 4.0-Projekten mit Machine Learning.

43 Prozent sind davon überzeugt, dass Machine Learning ein wichtiger Aspekt zukünftiger Analytics- und Big Data Strategien in ihrem Unternehmen ist. Ein Großteil der Unternehmen hat schließlich in den letzten Jahren im großen Stil in Big Data Infrastrukturen und eigene "Data Lakes" investiert, um die unternehmenseigenen Daten zusammenzuführen und zentralisiert auswertbar zu machen.

Etwa ein Fünftel der Entscheider (22 Prozent) sieht Machine Learning als Grundlage bzw. Kerntechnologie neuer digitaler Dienste, Produkte und Geschäftsmodelle, wie beispielweise im Bereich des autonomen Fahrens. Es zeigt sich damit klar, dass der Großteil der befragten Entscheider mit Machine Learning ein enormes Innovations- und Gestaltungspotenzial verbindet.

Kundenservice profitiert

Neben den allgemeinen Gründen, sich mit Machine Learning zu beschäftigen, nannten die Befragten ganz konkrete Zielsetzungen. An erster Stelle steht dabei die Personalisierung der Kundenansprache über alle digitalen Kanäle - vom eShop, über Portale bis hin zu mobilen Apps - sowie die Automatisierung des Kundendialogs und der Aufbau einer engeren Kundenbindung (49 Prozent).

Am zweitwichtigsten war den Unternehmen (41 Prozent) das Ziel, die Umsätze mit digitalen Services zu steigern, was vielfach in Verbindung mit einer personalisierten und automatisierten Kundenbeziehung steht. Mehr als ein Drittel der Befragten (35 Prozent) gab an, Fehler bei Produkten und Maschinen zu minimieren und deren Laufzeiten optimieren zu wollen.

Diesen Prozess und ebenso die frühzeitige Information, wann beispielsweise ein Bauteil verschlissen ist (Stichwort: Predictive Maintenance), soll nun verstärkt durch Verfahren des Machine Learning optimiert werden.

Damit einher geht auch der Grad der Automatisierung, der z.B. die Bestellprozesse für solch ein Bauteil mit geringer Restlaufzeit auslöst. 20 Prozent der Befragten gaben dies als ein weiteres Ziel für den Einsatz von Machine Learning an.

Insgesamt zeigt sich in der Studie deutlich, dass trotz der frühen Markt- und Entwicklungsphase mit Machine Learning schon ganz konkrete Zielsetzungen und Chancen verbunden sind. Diese beziehen sich auf die zentralen Bereiche des Unternehmens, wie Kundenbindung, Produktentwicklung und bessere Services. "Somit ist Machine Learning ganz sicher kein Hype-Thema, sondern viel eher die Hoffnung einen Großteil der Digitalisierungsversprechen einlösen zu können", heißt es in der Crisp-Studie.

Unternehmen, die Machine-Learning-Anwendungen entwickeln möchten, können auch auf Cloud-Lösungen zurückgreifen. Sie haben den Vorteil, dass teure Hardware- oder Software-Investitionen entfallen. HPE bietet mit Haven OnDemand eine solche cloud-basierte Machine-Learning-Plattform für die Datenanalyse, Speech-to-Text-Funktionen oder Empfehlungsdienste an. Einsteiger können damit auch automatisierte Lernanwendungen testweise entwickeln und ausprobieren.