Wo stehen wir heute mit Künstlicher Intelligenz und Deep Learning in der Praxis und wie sind die kurz- und mittelfristigen Aussichten? Wir betrachten die Auswirkungen der künstlichen Intelligenz in verschiedenen Sektoren auf der Grundlage eines McKinsey-Berichts und zeigen das Potenzial auf, das noch nicht voll ausgeschöpft wird.
Globale Auswirkungen der KI nehmen weiter zu
Die Vorhersagen über die wirtschaftlichen Auswirkungen von KI-Technologien variieren, aber der allgemeine Trend ist klar. Schätzungen über den voraussichtlichen KI-Mehrwert in der Weltwirtschaft liegen zwischen 5 und 15 Billionen Dollar in den nächsten fünf Jahren. Zur Veranschaulichung: Die letztgenannte Zahl entspricht in etwa dem gesamten BIP Chinas. Ist die Wertschöpfung in der Größe des zweitgrößten Landes der Welt einfach nur zum Greifen nahe? Die Antwort ist nuanciert.
"Prognosen zufolge wird die Wertschöpfung durch KI in fünf Jahren so groß sein wie das gesamte BIP Chinas."
Nicht ausgeschöpftes Potenzial
Es besteht kein Zweifel, dass wir erst am Anfang der Wachstumskurve der KI stehen. Auf operativer Ebene gibt es noch eine Menge niedrig hängender Früchte zu ernten. Das Studienunternehmen McKinsey hat bereits festgestellt, dass weniger als ein Viertel der Unternehmen, die sich der Möglichkeiten von KI bewusst sind, die Technologie tatsächlich in großem Umfang in ihren wesentlichen Geschäftsprozessen einsetzen. Diese vorsichtige Markteinführung ist nicht überraschend. Erschwingliche und einfach zu implementierende KI-Anwendungen sind bei den meisten Unternehmen noch nicht lange auf dem Radar und kalte Füße sind nicht unbekannt. Wie so oft bei der Einführung neuer Technologien geht es im Wesentlichen darum, die verfügbaren Techniken auf eine Weise zu nutzen, die den Unternehmen einen konkreten Mehrwert bietet.
Verbreitung von Deep Learning Algorithmen
Zurück zu den Zahlen. Wir stützen uns dabei auf einen Bericht von McKinsey, der mehr als 400 Anwendungsszenarien für KI-Software in 19 verschiedenen Sektoren auflistet und erläutert.
Die McKinsey-Berater verwenden eine schematische Sektorübersicht, die verschiedene Deep Learning-Techniken und ihre potenzielle Anwendung in verschiedenen Märkten gegenüberstellt.
Die Berater von McKinsey verwenden eine schematische Branchenübersicht, die die verschiedenen Deep Learning-Techniken und ihre potenzielle Anwendung in verschiedenen Märkten gegenüberstellt.
(Einen detaillierten Überblick darüber, wo KI-Software auf dem Markt positioniert ist, finden Sie unter
(Einen detaillierten Überblick über den Platz von Deep Learning im breiteren Spektrum der KI finden Sie in unserem Blog über die Beziehungen zwischen KI, maschinellem Lernen und Deep Learning).
Das Diagramm sieht wie folgt aus:
Besonders auffällig ist die Verbreitung der verfügbaren Deep Learning Analysemethoden. Jeder, der Trendskout aufmerksam verfolgt, weiß, dass das Wesen unserer Plattform auf der Anwendung des passenden Algorithmus auf ein bestimmtes Geschäftsszenario beruht. Für jede Anwendung und Problemlösung gibt es unterschiedliche Algorithmen - unabhängig von dem Sektor oder der Branche, in der die KI eingesetzt wird. Der Trick besteht also darin, die betreffende Analysemethode zunächst zu wählen und dann zu optimieren.
Die Korrelation zwischen Sektoren und konkreten Algorithmen ist also nicht automatisch gleichbedeutend mit Kausalität. Die hohe Anwendungsrate verschiedener Deep Learning-Algorithmen im Automobilsektor in der obigen Grafik bedeutet nicht unbedingt, dass dieser Sektor mehr von KI profitiert als andere; sie ist vor allem ein Indikator für die KI-Reife dieses Sektors. Je mehr verschiedene Anwendungen sich Unternehmen vorstellen können, desto vielfältiger werden die technischen Algorithmen sein. Die Entscheidung für einen bestimmten Algorithmus sagt auch nicht alles: Datentransformation und Hypertuning im Anschluss sind mindestens genauso wichtig, denn beide sind ein entscheidender Teil der Trendskout-Plattform.
Ausweitung des Anwendungsbereichs
Mit der zunehmenden Verbreitung von KI in verschiedenen Geschäftsbereichen und Branchen wird die Zahl der Anwendungsbereiche weiter wachsen. Sowohl im Hinblick auf Kostensenkung als auch auf Wachstum von Umsatz und Marktanteil sind die Business Cases derzeit sehr umstritten. Die technische Machbarkeit ist ein wichtiger Faktor. Die Akzeptanz von KI-Algorithmen zur Wertschöpfung ist ebenfalls entscheidend, um Fortschritte zu erzielen. In Sektoren mit starken Vorreitern und Innovationskräften, wie z.B. Telekommunikation und Hightech, hat sich die KI bereits durchgesetzt. In traditionelleren Sektoren dauert es oft etwas länger, bis die Möglichkeiten des Deep Learning Fuß fassen. Innovative Akteure in diesen eher traditionellen Sektoren werden dafür sorgen, dass das Wachstum weitergeht.
