Künstliche Intelligenz ist in Unternehmen angekommen

In deutschen Unternehmen ist der Einsatz von Machine Learning bereits heute Realität. Mehr als ein Fünftel der Anwender setzen entsprechende Technologien produktiv ein. Doch der Einsatz variiert stark nach Branche. Vor allem Automotive, IT, Konsumgüter und Telekommunikation sind hier führend. Die Branchen Chemie, Logistik, Verkehr und Pharma werden in Kürze folgen.

Der Anteil der produktiven KI-Technologien könnte also noch steigen. Auch sind, wie eine Multi-Vendor-Studie von Crisp Research zeigt, 43 Prozent der Entscheider davon überzeugt, dass Machine Learning ein wichtiger Bestandteil der Analytics- und Big-Data-Strategie der nächsten Jahre ist. Bis 2020 gehen 80 Prozent der IT- und Digitalisierungsentscheider von einem Wertschöpfungsanteil zwischen 11 und 50 Prozent aus. “Es hat sich klar gezeigt, dass Machine Learning kein Hype-Thema ist”, kommentiert Björn Böttcher, Studienautor und Data Practice Lead bei Crisp Research.

Dennoch gibt es noch viele offene Fragen: Welche Use-Cases können im eigenen Unternehmen eingesetzt werden? Welche Verfahren, welche Infrastrukturen sind geeignet und wie bekommt man die entsprechenden Fachkräfte?

Laut Studie sind es derzeit häufig Projekte, die auf eine höhere Kundenbindung abzielen, die als Einsatz von künstlicher Intelligenz geeignet erscheinen. Durch die besonderen Anforderungen sind besondere Hardware-Käufe nötig. Nicht alle Unternehmen aber wollen hier investieren. Daher rücken auch hier Cloud-Angebote ins Blickfeld vieler Anwender.

Die bestehenden Abteilungen für Analytics sind auch bei der Einführung von KI-Lösungen meist federführend. Doch ist der Einstieg nicht ganz einfach. Meist werden verschiedene Algorithmen eingesetzt und die müssen auch erst einmal verstanden werden. Die Experten der Studie legen hier auch den Einsatz externer Berater nahe: “Die Umsetzung von Machine Learning- Strategien erfolgt selten ohne externe Unterstützung. Vor allem in der Datenexploration und im Training der eigenen Mitarbeiter sehen die Unternehmensentscheider wichtige Einsatzbereiche für externe Dienstleister.”

Die Studie unterscheidet verschiedene Lernstile, die auch gleichzeitig eine mögliche Klassifizierung von Algorithmen liefern: Man spricht von Supervised – Unsupervised, Re-Inforcement oder Semi-supervised Learning. Bei Algorithmen unterscheidet man hingegen zwischen Regression, Intance-based, Decision-Tree, Bayesian, Clustering und Artificial Neural Networks. Daneben gibt es noch Deep Learning und Dimensionality Reduction.

Und diese werden – meist im Mix – für die Personalisierung von Inhalten, Lösungsempfehlungen im Kundendienst oder für die Analyse von Äußerungen heran gezogen. Auch Betrugserkennung bei Transaktionen, in der Genomanalyse, bei Chatbots oder in Assistenzsystemen wie Siri oder Google Now kommen solche Algorithmen zum Einsatz.

Diese Technologien lassen sich in vielen verschiedenen Einsatzszenarien gewinnbringend einsetzen. “Machine Learning-Verfahren haben in der Tat das Potenzial, Mustererkennung, Datenexploration und automatisierte Datenverarbeitung in ganz neue Bereiche zu führen, die allein mit ‘Manpower’ und den bisherigen Technologien nicht erreichbar sind”, heißt es von Crisp weiter.

Große IT-Unternehmen wie IBM, Microsoft, Google, Intel, Amazon, Salesforce oder HPE investieren große Summen in die Entwicklung von KI-Technologien und bieten diese teilweise als Cloud-Service an. Die Frage, ob eigene Infrastrukturen mit spezieller Hardware betrieben werden sollten oder ob man einen Cloud-Service nutzt, muss individuell beantwortet werden. Die Crisp-Autoren jedoch halten eine hybride Nutzung für wahrscheinlich. Doch noch mehr als bei anderen Technologien, sollte man sich auch der Gefahr des Vendor-Lock-ins bewusst sein, warnt Crisp.

Darüber hinaus ist KI kein Selbstzweck. Die meisten Unternehmen befassen sich im Rahmen einer umfassenderen Digitalisierungsstrategie mit dem Thema (34,5 Prozent) oder versuchen damit interne Prozesse zu optimieren (33,9 Prozent) oder für die Customer-Experience (33,3 Prozent).

Auf die Einsatzszenarien herunter gebrochen, wollen 49 Prozent die “Digital Customer Experience” mit Machine Learning optimieren. 41 Prozent wollen gezielt Umsätze mit digitalen Services und KI steigern. Etwas mehr als ein Drittel der Befragten (35 Prozent) will mit KI Fehler bei Produkten und Maschinen minimieren oder Laufzeiten optimieren.

Doch wie ist der aktuelle Stand? Lediglich 7 Prozent der Unternehmen setzen Deep- oder Machine-Learning in weiten Unternehmensbereichen ein. 27 Prozent nutzen solche Technologien derzeit noch in einigen wenigen Bereichen. Mit 39 Prozent ist die Mehrzahl der Anwender noch in einem Experimentellen Stadium und ist gerade dabei erste Prototypen zu implementieren. 28 Prozent befinden sich laut Crisp Research noch in der Planungs- und Evaluierungsphase.

Am häufigsten wird derzeit KI im Zusammenhang mit Bildanalyse oder Bilderkennung eingesetzt. 52 Prozent der Befragten erklären, dass diese Machine-Learning-Funktionalität im eigenen Unternehmen genutzt werde. So können beispielsweise Fremdkörper auf einem Förderband identifiziert werden oder eine falsche Färbung eines Produktes erkannt werden. Auch Sprachsteuerungen und Spracherkennung werde heute bereits eingesetzt.

42 Prozent der befragten Unternehmen setzten diese Technologie bereits ein. “Natural Language Processing” und Textanalyse bei der die Erfassung von Sprachinhalten oder Texten ist heute bei 35 Prozent der Unternehmen im Einsatz. Diese Technologie könnte aber in den nächsten Jahren aufgrund von digitalen Assistenten auf Smartphones noch an Bedeutung gewinnen. Auch bei so genannten Chat-Bots, die den ersten Kundenkontakt übernehmen, dürfte es in den nächsten Jahren noch viel Wachstum geben.

Die Studie wurde von dem KI-Spezialisten The unbelievable Machine Company und HPE finanziert.