Warum der Einsatz von Machine Learning noch nicht optimal ist

Fast 60 Prozent der Unternehmen in Deutschland setzen bereits Anwendungen aus den Bereichen maschinelles Lernen und Deep Learning ein, hat eine Studie von IDG Research gezeigt. Doch der große Wurf ist vielen damit noch nicht gelungen. Der Grund: Machine Learning wird häufig als Optimierungs-Tool betrachtet, nicht als Grundlage für neue Services und Geschäftsmodelle.

Artificial Intelligence (AI) made in Germany – dieser Begriff soll nach dem Willen der Bundesregierung zu einem weltweit anerkannten Gütesiegel werden. Zu diesem Zweck hat der Bund Ende 2018 eine „Strategie Künstliche Intelligenz“vorgestellt. Doch bis Fertigungssysteme, Fahrzeuge und Software mit Funktionen für maschinelles Lernen (ML) und KI zu einem Exportschlager werden, müssen deutsche Unternehmen noch eine Menge Hausaufgaben erledigen. Das unterstreicht die Studie „Machine Learning /Deep Learning 2019“von IDG Research Services.

Positiv ist, dass die Unternehmen erkannt haben, dass Machine Learning und Deep Learning (DL) als „Schwestertechnologien“von KI eine wichtige Rolle spielen. Laut der Umfrage zählen ML und Deep Learning mittlerweile zu den drei wichtigsten Themen im Bereich IT, mit denen sich Unternehmen in den kommenden zwölf Monaten beschäftigen. Nur Cloud Computing und IT-Sicherheit räumen Führungskräfte, CIOs und IT-Spezialisten eine höhere Priorität ein. Damit gilt maschinelles Lernen als wichtiger als andere hoch gehandelte Technologien, beispielsweise das Internet of Things (IoT) und Big Data/Analytics. Ein Warnsignal gibt es allerdings: Derzeit priorisieren vor allem Unternehmen mit einem großen IT-Budget von mehr als zehn Millionen Euro ML und Deep Learning. Das heißt, kleinere und mittelständische Firmen setzen offenbar andere Prioritäten. Dies gibt insofern zu denken, als der Mittelstand nach wie vor das Herzstück der deutschen Wirtschaft ist.

Ein weiteres positives Signal der Studie von IDG Research Services: An die 57 Prozent der befragten Unternehmen setzen zumindest eine Applikation aus dem Bereich Machine Learning ein, 22 Prozent sogar mehrere Anwendungen. Dabei kommen vor allem Ansätze wie Spracherkennung (rund 49 Prozent), Assistenzsysteme (44 Prozent) und die maschinelle Übersetzung von Informationen (43 Prozent) zum Zuge. Dagegen sind einige der Anwendungsfelder, denen eine große Zukunft vorhergesagt wird, in der Rangliste weiter unten angesiedelt. Dazu zählen beispielsweise Expertensysteme (31 Prozent) sowie SoftwareBots und Anwendungen im Bereich Robotics (jeweils rund 30 Prozent).

Keine Änderungen ergaben sich im Vergleich zu den Studienergebnissen des Vorjahres in Bezug auf die Abteilungen, die am meisten von ML und KI profitieren. Nach wie vor wird der Nutzen für die IT-Abteilungen (36 Prozent) und den Kundenservice (29 Prozent) am höchsten