Machine Learning im Unternehmenseinsatz

1 Machine Learning im UnternehmenseinsatzErgebnisse einer empirischen Studie in Kooperation mit Bj rn B ttcher, Daniel Klemm, Dr. Carlo VeltenJanuar 2017K nstliche Intelligenz als Grundlage digitaler TransformationsprozesseThe unbelievable Machine Company (*um) und Hewlett Packard EnterpriseMachine Learning im Unternehmenseinsatz Crisp Research AG, 2016 2 INHALTSVERZEICHNIS vorwort 3executive summary 4machine Learning 6methodik & stichprobe 16digitalisierung in deutschland 22machine Learning - momentum und strategische bedeutung 27machine Learning - einsatz im unternehmen 33machine Learning in der praxis einf hrung und partnerschaften 63machine Learning - blick in die zukunft 68empfehlungen und best practices 73verwandte forschung 75 ber crisp research ag 76 ber the unbelievable Machine company gmbh (*um) 77 ber hewlett packard enterprise gmbh 78 ber die autoren 79kontakt 81copyright 81 Machine Learning im Unternehmenseinsatz Crisp Research AG, 2016 3 VORWORT AI-First so lautet mittlerweile das Mantra vieler Technologie-CEOs von Google bis Microsoft.

2 Doch was ist dran am Hype rund um das Thema K nstliche Intelli-genz? Fakt ist, dass die Kombination aus g nstiger Rechenleistung, gro en Daten-mengen und optimierten Algorithmen die Innovationsleistung von Machine Le-arning-Verfahren derzeit exponentiell steigen l sst. Was vor drei Jahren noch unrealistisch erschien ist heute Realit t. Von der Spracherkennung, ber die me-dizinische Diagnostik bis hin zum autonomen Fahren existieren schon heute viel-f ltige Einsatzbereiche f r Verfahren der K nstlichen Intelligenz. Im Kontext der digitalen Transformation erweitert sich dieses Einsatzspektrum noch weiter und reicht vom Unternehmensrechenzentrum, ber die Steuerung von Fertigungsanla-gen (Industrie ) bis hin zur berwachung von vernetzten Ger ten (IoT). F r CIOs, CTOs und Digitalisierungsentscheider stellt sich nun eine Vielzahl an Fragen. Welche Use Cases ergeben sich im eigenen Unternehmen? Auf welche Verfahren und Technologien kann man setzen?

3 Welche Anforderungen stellt Ma-chine Learning an die zugrundeliegende Rechenzentrums- und IT-Infrastruktur? Wie baut man intern die relevanten Skills und Ressourcen auf? Mit welchen Dienst-leistern sollte man zusammenarbeiten?Um diese und weitere Fragen zu beantworten, hat Crisp Research in Kooperation mit The unbelievable Machine Company (*um) und Hewlett Packard Enterprise (HPE) die vorliegende Studie erstellt. Diese soll Entscheidern und Managern einen ersten empirisch fundierten berblick zum Status von Machine Learning in den deutschen Unternehmen bieten. Zudem liefert die Studie Erkenntnisse und Bei-spiele, um den Einsatz von Machine Learning im eigenen Unternehmen erfolgreich planen und umsetzen zu k w nschen Ihnen viel Spa beim Lesen,Dr. Carlo Velten Klaas Bollh ferCrisp Research AG The unbelievable Machine Company GmbHSenior Analyst & CEO Chief Data ScientistMachine Learning im Unternehmenseinsatz Crisp Research AG, 2016 4 EXECUTIVE SUMMARY Machine Learning auf dem Weg in den IT- und Digitalisierungs-Mainstream Schon 64 Prozent der deutschen Unternehmen besch ftigen sich derzeit aktiv mit dem Thema.

4 Deutsche Unternehmen innovativer als ihr Ruf Bereits ein F nftel der Unternehmen setzt Machine Learning -Technologien schon produktiv ein. Automotive, Konsumg ter sowie IT, Telekommunikation und Media sind derzeit die Vorreiter beim produktiven Einsatz von Machine Learning . Chemie, Logistik und Verkehr sowie Pharma stehen in den Startl chern, um die Potenziale von Machine Learning in den kommenden Jahren unternehmensweit zu erschlie en. Machine Learning als fester Produktbestandteil Das Design und der Betrieb vernetzter Produkte und digitaler Services wird zuk nftig nicht mehr ohne Machine Learning und k nstliche Intelligenz auskommen. Bis 2020 geht die Mehrheit der IT- und Digitalisierungsentscheider (80 Prozent) von einem Wertsch pfungsanteil zwischen 11 und 50 Prozent aus. Machine Learning ist kein Hype Thema - 43 Prozent der Entscheider sind berzeugt, dass Machine Learning ein wesentlicher Aspekt ihrer Analytics- und Big Data-Strategien der kommenden Jahre ist.

5 Knapp ein F nftel der Entscheider sieht Machine Learning als eine der Kerntechnologien eines vollst ndig digitalen Unternehmens. Customer Driven Company - Eine st rkere Kundenbindung ist einer der wichtigsten Beweggr nde f r den Einsatz von Machine Learning im Unternehmen. Duale Strategie beim Skill-Aufbau - Business Intelligence- und Analytics- Abteilungen sind federf hrend, externe Berater und professionelle Dienstleister jedoch unverzichtbar, um Machine Learning -Strategien im Unternehmen erfolgreich Learning im Unternehmenseinsatz Crisp Research AG, 2016 5 Methodenmix und Vielfalt bei der Algorithmen- und Verfahrensauswahl - Firmen setzen in Anlehnung an die sehr heterogenen Use Cases auf eine Vielfalt von Algorithmen. Diese m ssen eingangs verstanden und evaluiert werden. Deep Learning - Renaissance der Neuronalen Netzwerke. Jedes f nfte Unternehmen, das sich mit Machine Learning auseinandersetzt, besch ftigt sich auch schon mit Deep Learning , der neuesten Generation der neuronalen Netze.

6 Die Gruppe der Innovatoren, die Deep Learning bereits im Einsatz haben, macht derzeit rund f nf Prozent aus. Cloud First auch beim maschinellen Lernen - 38 Prozent der Unternehmen set-zen prim r auf Cloud-basierte Angebote. Hardware is back Die hohen und teils sehr spezifischen Anforderungen an Performance und Kosteneffizienz erfordern f r das Processing von Machine Learning -Verfahren teils neue Chip-Designs und Hardware-Konzepte (CPU / TPU / GPU etc.). Die Auswahl und der Betrieb hoch spezialisierter Machine Learning -Hardware (CPU / TPU / GPU etc.) wird die IT-Abteilungen in den Unternehmen vor neue Herausforderung stellen, auf die es sich heute vorzubereiten gilt. Ger teflut - Von der Public Cloud bis zum Smartphone-Chip. Machine Learning -Verfahren werden zuk nftig auf immer mehr Plattformen implemen-tiert, was die Komplexit t in Planung und Betrieb immer weiter erh ht. Auf dem Weg zu Conversational Interfaces - Zwei Drittel der Unternehmen, die sich heute schon mit Machine Learning auseinandersetzten, evaluieren auch den Einsatz von Bots und digitalen Assistenten.

7 Nicht ohne meinen IT-Partner Die Umsetzung von Machine Learning - Strategien erfolgt selten ohne externe Unterst tzung. Vor allem in der Datenexploration und im Training der eigenen Mitarbeiter sehen die Unternehmensentscheider wichtige Einsatzbereiche f r externe Dienstleister. Machine Learning als Teil des neuen digitalen Fundaments - Das Design und der Betrieb moderner IT-Architekturen und TechStacks wird in den kommenden Jahren stark vom Einsatz von Machine Learning gepr gt Learning im Unternehmenseinsatz Crisp Research AG, 2016 6 Machine LEARNINGL ernende Maschinen: Eine Neuerung, an die wir uns gew hnen m ssen. Unser Alltag ist bereits mehr vom maschinellen Lernen durchzogen, als vielen bewusst ist. Doch lernende Maschinen sind kei-ne Erfindung unserer Generation. Die Einf hrung in die Gesellschaft und auch die Vision von einer k nstlichen Intelli-genz selbst ist auch nicht neu. Bereits in den 1940er und 1950er Jahren wurden wichtige Grundlagen f r Machine Lear-ning und K nstliche Intelligenz gelegt.

8 Ein Beispiel sind die Arbeiten auf dem Gebiet des best rkenden Lernens. 1968 f hrten Sir Arthur Charles Clarke und Stanley Kubrick mit dem Film 2001: A Space Odyssey den Charakter des HAL 9000 ein, der die Existenz einer k nstli-chen Intelligenz im Jahr 2001 widerspie-geln obschon die theoretischen Grundlagen recht fr h gelegt worden sind, dauerte es noch einige Jahrzehn-te, bis der Aufschwung von Machine Learning seinen Weg fand. Nach Jah-ren in der akademischen Nische erlebt das Thema K nstliche Intelligenz eine neue Innovations- und Wachstumspha-se. Und dies nicht nur f r eine Hand voll globaler Internetfirmen. Die ma gebli-chen Gr nde sind: Nahezu unbegrenzt verf gbare und flexible Rechenleistung (Cloud Com-puting) Verf gbarkeit riesiger Datenmengen als Grundlage der Modellentwicklung und des Trainings (Big Data) Investitionen in Verbesserung der Ver-fahren, Tools und Frameworks1 Herbert Alexander Simon (* 15.)

9 Juni 1916 in Milwaukee, Wisconsin; 9. Februar 2001 in Pitts-burgh, Pennsylvania) war ein US-amerikanischer Sozialwissenschaftler. Im Jahr 1978 erhielt er den Wirtschaftsnobelpreis f r seine bahnbrechende Erforschung der Entscheidungsprozesse in Wirt-schaftsorganisationen . Als Professor an der Car-negie Mellon University besch ftigte er sich mit vielen Themenbereichen von kognitiver Psycholo-gie ber Informatik bis hin zur gilt mit einer Vielzahl von Publikationen als einer der einflussreichsten Wissenschaftler des 20ten Jahrhunderts. Neben dem Nobelpreis be-kam er auch den Turing Award (1975) und den John-von-Neumann-Theorie-Preis (1988). It is not my aim to surprise or shock you --- but .. there are now in the world machines that think, that learn and that create. Moreover, their ability to do these things is going to increase rapidly until --- in a visible future --- the range of problems they can handle will be coextensive with the range to which human mind has been applied.

10 More precisely: wi-thin 10 years a computer would be chess champion, and an important new mathematical theorem would be proved by a computer. Herbert A. Simon1, Newell & Simon (1958) Machine Learning im Unternehmenseinsatz Crisp Research AG, 2016 7K nstliche Intelligenz ist somit kein Hype- und Marketing-Trend f r die Inter-netkonzerne, sondern eine der wesent-lichen Stellschrauben f r die zuk nftige Wettbewerbsst rke und Profitabilit t fast aller Unternehmen. Dabei kommt Google, Facebook, Microsoft und Co. eines zu Gute der Zugriff auf riesige Mengen an Kunden- und Log-Daten, die die Grundlage zur Modellbildung und Training der neuen Algorithmen und lernenden Systeme sind. Ein Inno-vationsvorsprung, den nur wenige der anderen Akteure vorweisen k Learning Technologien im berblickAlan Turing beschrieb in seinem Bei-trag Computing Machinery And Intel-ligence im Mind-Journal im Jahr 1950 bereits wichtige Elemente und Eigen-schaften vom maschinellen Lernen an-hand einer Analogie zum menschlichen Kind: Initialer Start-Punkt (Geburt) Training (Ausbildung) Neue Trainingsdaten (Erfahrungsba-sierte Erkenntnisse, soziale Einfl sse und Erfahrungen)Quelle: Crisp Research AG Einflussfaktoren von K nstlicher IntelligenzAdvanced Algorithms& ModelsCloudComputingBigDataAIMachine Learning im Unternehmenseinsatz Crisp Research AG, 2016 8 Die Analogie zum menschlichen Geist wird gerne bei der Betrachtung von K nstlicher Intelligenz herangezogen.