Ohne Machine Learning geht nichts mehr
Unternehmen in Deutschland erkennen zunehmend, dass smarte Maschinen für die Entwicklung neuer Produkte und damit für ihre Wettbewerbsfähigkeit unerlässlich sind. Dafür stocken sie ihr Digitalbudget auf, holen externe Partner und entwickeln sich immer mehr vom Industrie- zum Softwareunternehmen.
Ob in Fertigungshallen und Marketingbüros, im e-Commerce-Umfeld und der Logistikbranche oder in der Landwirtschaft – überall wird der Einsatz von Machine-Learning-Anwendungen diskutiert. Automatisierung hat das Fundament gelegt, jetzt lernen Automationslösungen selbstständig dazu. Dabei geht es nicht darum, Menschen durch Roboter zu ersetzen, sondern vielmehr, die vorhandenen Daten, die Warenwirtschafts- und Produktionssysteme sowie IoT-Komponenten produzieren, zu analysieren und zu nutzen – eine Arbeit, die aufgrund der Menge durch den Menschen nicht leistbar wäre.
Machine Learning einzukalkulieren ist anstrengend, aber für die meisten Unternehmen unumgänglich.
Diesen Zug will niemand verpassen. Bis 2020 könnte die Technologie bis zu 20 Prozent zur Wertschöpfung neuer digitaler Produkte und Dienstleistungen beitragen, was allein für die 100 umsatzstärksten Unternehmen in Deutschland rund 61 Milliarden Euro entspricht, lautet das Fazit einer Studie von Crisp Research, die zusammen mit `The unbelievable Machine Company` und Dell EMC erstellt wurde.
Von einem kurzfristigen Hype, einem Marketing-Buzzword, kann man bei Machine Learning also nicht mehr sprechen. Deutsche Unternehmen beschäftigen sich intensiv mit dem Thema – in den letzten zwei Jahren hat sich ihre Zahl verdoppelt – und sehen es als durchaus entscheidend für den künftigen Erfolg an.
Was die 19 Prozent (2017 noch 36 Prozent) dazu bewegt, den Einsatz von Machine-Learning-Technologien weder zu überlegen noch konkret zu planen, konkretisiert die Studie nicht näher. Erklärungsansätze wären aber: Unwissenheit über das Thema und die Technologie, die Furcht vor der Übermacht von Maschinen oder kein Budget. Die erstgenannten Argumente sind nicht so schwer zu lösen oder wenigstens zu thematisieren, erfordern aber in manchen Unternehmensteilen größte Anstrengung. Denn es hieße, alte Denkmuster aufzubrechen und eine neue Haltung zuzulassen, etwa, dass IT nicht nur den Drucker vernetzt, sondern neue Geschäftsmodelle und Produkte ermöglicht.
Rechenleistung, Speicher und Daten ohne Ende – das sollte man nutzen
Dank der Cloud-Technologie steht nahezu unbegrenzt Rechenleistung zur Verfügung, die Systeme können auf eine Unmenge an Daten zugreifen und damit besser lernen und die Tools wie Verfahren haben sich zuletzt sehr schnell weiterentwickelt. Das alles trägt dazu bei, dass Unternehmen in Projekte mit selbstlernenden Maschinen investieren und darin ihre Perspektiven sehen. Projekte wie Predictive Maintenance für die vorausschauend optimierte Wartung der Maschinen oder Smart Manufacturing, um Produktionsprozesse effizienter zu machen, ermöglichen es, nachhaltiger, günstiger und zukunftssicherer zu wirtschaften. Smartes Datensammeln und die Nutzung derselben für die Weiterentwicklung der Automatisierung dockt an allen Branchen an, wenn es um Produktivitätssteigerung und Optimierung geht.
Für Industrieunternehmen bedeutet dies: Sie werden immer mehr zu IT- und Softwareunternehmen, so das Resümee der Studienautoren. Sich die vorhandenen Daten zunutze zu machen hat Priorität: Mehr als die Hälfte der Befragten (60 Prozent) sieht die Möglichkeit, dafür interne Kompetenzen in den IT- oder Business-Intelligence-Abteilungen aufzubauen. 45 Prozent suchen zur Unterstützung externe Partner. Nur etwas mehr als ein Drittel adressiert die Herausforderung mit einem eigenen Team aus Machine-Learning-Experten.
Viele Unternehmen haben selbst keine Idee für ein Machine-Learning-Projekt.
Darüber hinaus muss die Infrastruktur passen. Gerade kleine und mittelständische Unternehmen haben hier oft Schwierigkeiten und Kostendruck. Mehr als die Hälfte der befragten Firmen bucht für die Umsetzung die Dienste von Cloud-Anbietern. Auch bei der Projektauswahl entscheiden nicht selten externe Dienstleister mindestens mit. Sie tragen zu 46 Prozent dazu bei, dass neue Machine-Learning-Projekte entstehen. Eigene Ideen kommen noch zu wenig auf den Tisch. Das mag damit zusammenhängen, dass es Zeit braucht, bis entsprechende Kompetenzen im Unternehmen aufgebaut sind.
Für die Studie hat Crisp Research im Auftrag der The unbelievable Machine Company und Dell EMC von März bis April 2018 eine Befragung von 154 IT- und Business-Entscheidern aus Unternehmen verschiedener Branchen und Größen durchgeführt.
