Künstliche Intelligenz ist in den Unternehmen angekommen
16.06.2017 von Redaktion CIO
Künstliche Intelligenz wird zur Chefsache. Einer Studie von Sopra Steria Consulting zufolge erhoffen sich die Unternehmen, Prozesse zu optimieren und Kundenbeziehungen zu verbessern.
"Künstliche Intelligenz kann in den nächsten zehn Jahren zu einem echten Game Changer werden, indem sie Innovationen beschleunigt und ganz neue Geschäftsmodelle ermöglicht", sagt Urs Krämer, CEO bei Sopra Steria Consulting, und beruft sich dabei auf eine eigene Studie. Für die "Potenzialanalyse künstliche Intelligenz" wurden im Februar 2017 mehr als 200 Geschäftsführer, Vorstände, und Führungskräfte im Business Development und aus Unternehmen mit mehr als 500 Mitarbeitern befragt.
Die Ergebnisse der Umfrage lassen Krämer zufolge darauf schließen, dass KI in deutschen Unternehmen angekommen ist. Die Technik verändere die Art und Weise, wie Organisationen agieren und Entscheidungen treffen, konstatiert der Manager. Jetzt gehe es darum, das Thema nicht nur auf der operativen, sondern auch auf der strategischen Ebene anzugehen, um das technologische Potenzial auszuschöpfen und echte Mehrwerte zu schaffen.
KI ist in den Unternehmen angekommen, sagt Urs Krämer, CEO von Sopra Steria Consulting Foto: Sopra Steria Consulting
Die Anwender scheinen dabei auf einem guten Weg. In fast jedem zweiten Unternehmen (46 Prozent) sei künstliche Intelligenz Chefsache, und die Geschäftsführung treibe selbst den Einsatz voran. Dabei könnten die Befragten eigenen Angaben zufolge bereits heute deutliche Veränderungen in Form von Kosteneffekten bei Prozessen und Abläufen in fast allen Bereichen feststellen. Sieben von zehn Entscheidern erwarten, dass KI-Techniken ab 2025 großen bis sehr großen Einfluss auf die Unternehmensstrategie nehmen werden.
Erwartungen an Künstliche Intelligenz
Die Erwartungen der Entscheider sind hoch. Gut vier von zehn Managern sagen, KI solle helfen, die stetig wachsende Datenflut zu bändigen und die Arbeitskosten zu reduzieren. Weitere häufig genannte Ziele, die mit Hilfe von KI umgesetzt werden sollen, sind die Beschleunigung von Prozessen (36 Prozent), die Verringerung von Routine-Aufgaben (34 Prozent), sowie die Bewertung von Informationen (31 Prozent).
Machine Learning - Technologien und Status quo
Bilderkennung ist wichtigstes Anwendungsgebiet für Machine Learning Heute kommen Machine-Learning-Algorithmen vor allem im Bereich der Bildanalyse und -erkennung zum Einsatz. In Zukunft werden Spracherkennung und -verarbeitung wichtiger.
Machine Learning im Anwendungsbereich Customer Experience Heute spielt Machine Learning im Bereich Customer Experience vor allem im Bereich der Kundensegmentierung eine Rolle (hellblau). In Zukunft wird die Spracherkennung wichtiger (dunkelblau).
Machine Learning in den Bereichen Produktion und Prozesse Unternehmen erhoffen sich im Bereich Produktion/Prozesse heute und in Zukunft (hell-/dunkelblau) vor allem im Bereich Prozessoptimierung positive Effekte durch Machine Learning.
ML im Bereich Kundendienst und Support Sentiment-Analysen werden eine Kerndisziplin für Machine Learning im Bereich Kundendienst und Support
Auch IT-Abteilungen profitieren Schon heute wird Machine Learning für die E-Mail-Klassifizierung und Spam-Erkennung genutzt. In Zukunft (dunkelblau) werden Diagnosesysteme wichtiger.
Was Management, Finance und HR von Machine Learning erwarten Heute und in Zukunft ist in diesem Bereich das Risikomanagement eine vorrangige ML-Disziplin. In Zukunft soll auch das Talent-Management beflügelt werden.
Massive Effekte für Einkauf und Supply Chain Management Machine Learning wird sich auf verschiedenste Bereiche des Procurements und des Supply Managements auswirken (hellblau = heute; dunkelblau= in Zukunft)
Diese Lernstile sind bekannt Beim bekanntesten Lernstil, dem Überwachten Lernen (Supervised Learning), werden Bildern oder Dokumenten von Hand eine gewisse Menge an Tags oder Labeln zugewiesen. So werden die ML-Algorithmen trainiert.
Diese Lernstile verwenden Branchen Während Autobauer eher auf "Semi-supervised Learning" setzen, sammeln andere Branchen mit Supervised Learning Erfahrung.
Machine-Learning-Algorithmen Die meisten Unternehmen setzen auf einen Mix von Verfahren, um ihre vielfältigen Aufgaben zu lösen.
Einsatz von Machine-Learning-Algorithmen nach Branchen Neuronale-Netzwerk-Algorithmen finden vor allem im Automotive-Sektor Verwendung - und natürlich in der ITK-Branche selbst.
Diese Programmiersprachen und Frameworks kommen im ML-Umfeld zum Einsatz Mit knapp 70 Prozent Einsatzgrad ist Java die führende Programmiersprache im Bereich ML. Allerdings holen speziellere Sprachen und Frameworks auf.
Deep-Learning- und Machine-Learning-Packages DeepLearn Toolbox, Deeplearning4j, das Computational Network Toolkit und Gensim werden auf Dauer die führenden Pakete sein.
Zielinfrastruktur für ML-Workloads Die Deployments von Machine Learning gehen zunehmend in die Breite und erreichen auch die Cloud und das Internet der Dinge. Auf die Unternehmen kommt mehr Komplexität zu.
Bedenken und Herausforderungen Datenschutz und Compliance-Themen machen Anwender am meisten zu schaffen, geht es um den Einsatz von Machine Learning. Außerdem vermissen viele einen besseren Überblick über das Marktangebot.
Machine Learning ist Sache der BI- und Analytics-Spezialisten Die organisatorische Einführung von ML obliegt meistens den BI- und IT-Profis. Viele Anwender holen sich aber auch externe Hilfe.
Wo Externe helfen Datenexploration, Skill-Aufbau und Implementierung sind die Bereiche, in denen Machine-Learning-Anfänger am häufigsten externe Hilfe suchen.
Neben den internen Abläufen sollen auch die Beziehungen zu den Kunden durch den KI-Einsatz verbessert werden. Mehr als jeder Dritte (37 Prozent) setzt darauf, die eigenen Angebote besser auf die Bedürfnisse der eigenen Klientel zuschneiden zu können. Darüber hinaus erhoffen sich die Befragten eine zielgenauere Kundenansprache (34 Prozent) sowie eine bessere User Experience (30 Prozent). Doch nur 17 Prozent der interviewten Entscheider wollen KI dazu nutzen, ganz neue Produkte und Dienstleistungen zu entwickeln.
Emotionale Hürden
Doch es gibt offenbar auch noch einige Hürden zu überwinden. Fast jeder zweite Befragte (48 Prozent) fühlt sich derzeit noch von unausgereiften Technologien ausgebremst. Dazu kommen mangelndes Know-how und fehlendes Verständnis für die Möglichkeiten von KI seitens der Mitarbeiter. Sorgen machen sich die Manager auch um Datenschutz und Arbeitsplätze. Zudem ist vielen Managern das Thema künstliche Intelligenz offenbar noch ein wenig unheimlich. 27 Prozent der befragten IT-Entscheider nannten als Herausforderung, KI-basierte Entscheidungen möglicherweise nicht nachvollziehen zu können. Jeder fünfte Manager sieht emotionale Hürden, KI einzusetzen.