Wie rechnen sich ML-Projekte für Unternehmen?

Die meisten IT-Entscheider glauben an das Potenzial von Machine LearningMachine Learning. Den konkreten Nachweis, dass das eingesetzte Kapital sich rentiert, können bisher aber nur wenige erbringen. Das hat die britische Marktforschungsfirma Loudhouse in einer vom Softwarehersteller Cloudera finanzierten Studie herausgefunden. Befragt wurden 200 IT-Entscheider aus britischen, deutschen, französischen und spanischen Unternehmen. Alles zu Machine Learning auf CIO.de

Nur ein Drittel der Teilnehmer berichtet von einem konkreten Return on Investment (RoIRoI) der eingesetzten Machine-Learning-Systeme. Ein weiteres Drittel erwartet zwar positive Ergebnisse, kann die Rentabilität aber nicht konkret belegen. Für 24 Prozent ist Machine Learning derzeit unterm Strich sogar ein Kostenfaktor, doch auch diese Gruppe erhofft sich Vorteile (siehe Grafik). Alles zu ROI auf CIO.de

Den bis dato mageren Ergebnissen stehen durchaus hohe Erwartungen an ML-Techniken gegenüber. So glauben 84 Prozent der Studienteilnehmer, dass Machine Learning ihnen einen Wettbewerbsvorteil verschaffen kann. Den potenziellen Nutzen sehen mehr als die Hälfte der IT-Entscheider in effizienteren betrieblichen Prozessen. 43 Prozent erwarten bessere Erkenntnisse in der Datenanalyse, 39 Prozent hoffen auf weniger händisch zu erledigende Routineaufgaben. Mehr als ein Drittel geht davon aus, dass sich mit ML-Systemen Trends in ihrem Geschäft besser vorhersagen lassen.

Lesen Sie dazu auch:
Was Sie über Machine Learning wissen müssen
Machine Learning - so weit sind deutsche Unternehmen

Mit Blick auf einzelne Business-Funktionen wird deutlich, dass die IT-Entscheider die größten positiven Effekte in den kommenden zwei bis drei Jahren in ihrem eigenen Verantwortungsbereich sehen. Profitieren werden demnach aber auch Forschungs- und Entwicklungsabteilungen sowie der Kundensupport. Auf den Plätzen dahinter rangieren die Bereiche Fertigung, Distribution, Compliance und Marketing. Veränderungspotenzial erwarten die Befragten zudem für Finanz- und Personalabteilungen, etwas weniger im klassischen Sales (siehe Grafik).

Die Studienautoren verweisen auf die nach wie vor bestehenden Wissenslücken, wenn es um Themen wie künstliche Intelligenz (KI) und Machine Learning geht. Eigenen Angaben zufolge verfügen die meisten Befragten zwar über ein Grundverständnis in Sachen ML. Doch in 65 Prozent der Unternehmen sei noch unklar, wo ML-Systeme die größten Effekte bringen könne.

Dessen ungeachtet investieren der Studie zufolge bereits 47 Prozent der europäischen Unternehmen in ML, weitere 40 Prozent planen dies in den kommenden zwei Jahren. In 35 Prozent der Fälle soll ML bereits in weiten Teilen der Organisation implementiert sein.

Zumindest für den deutschen Markt erscheinen diese Zahlen überraschend hoch. Das Marktforschungs- und Beratungshaus Crisp Research kommt in einer eigenen Erhebung allerdings zu ähnlichen Ergebnissen. Demnach haben 37 Prozent der deutschen Unternehmen bereits erste Erfahrungen mit Machine Learning gesammelt, 17 Prozent nutzen einschlägige Technologien in einzelnen Bereichen. Von einem Produktivbetrieb in weiten Teilen des Unternehmens berichten indes nur fünf Prozent der befragten Entscheider.

Hürden für den ML-Einsatz

Die größten Hürden auf dem Weg zur Implementierung von Machine-Learning-Systemen sehen die von Loudhouse Befragten in mangelnden Ressourcen. Aber auch fehlendes Wissen, Kosten und kulturelle Widerstände stehen einem Einsatz häufig im Weg. Viele Unternehmen verpassten damit Chancen, kommentieren die Studienautoren. Dabei ließen sich die Hemmnisse beispielsweise durch ein verstärktes Outsourcing und die Hilfe externer Experten relativ einfach aus dem Weg räumen.