Exasol-Studie 07.10.2018, 17:00 Uhr

Daten als Basis für Maschinelles Lernen

Laut einer Studie im Auftrag von Exasol haben 30 Prozent der Unternehmen in On-Demand-Cloud-Services investiert, um Funktionalitäten im Bereich Künstliche-Intelligenz (KI) und Maschinellem Lernen (ML) auszubauen.
In diesen Bereichen haben Unternehmen investiert, um Künstliche Intelligenz (KI) zu unterstützen oder zu ermöglichen.
(Quelle: www.exasol.com )
Laut der Studie »Driving The Rise of AI and ML with Data« halten 48 Prozent der befragten Unternehmen Maschinelles Lernen zukünftig für sehr wichtig, dicht gefolgt von Künstlicher Intelligenz. Als Hauptgrund dafür gaben 64 Prozent der Unternehmen an, dass sie Predictive Analytics einsetzen möchten. Dieses Verfahren basiert auf Maschinellem Lernen, analysiert umfangreiche Datensätze und trifft Vorhersagen für zukünftige Ereignisse.

Trotz der Konzentration auf bessere ML- und KI-Funktionalitäten fördert die Studie auch zutage, dass die Unternehmen zwar enorme Datenmengen sammeln, auf das Verarbeiten dieser Daten aber gar nicht vorbereitet sind. 37 Prozent der Unternehmen haben sogar in Cloud-Dienste investiert, um ausschließlich ihre Daten zu speichern und zu konsolidieren. Lediglich 30 Prozent nutzen die elastische Skalierbarkeit von Cloud-Anbietern wie AWS und Azure, um auch tatsächlich Wert aus ihren Daten zu generieren.

Unabhängig von den Infrastrukturfragen zeigt die Studie auf, dass die Unternehmen die Datenverarbeitung zumindest immer ernster nehmen. 46 Prozent der Befragten haben bereits in Services zur Verbesserung der Datenqualität und -verarbeitung investiert, um ihre Daten passend für ML- und KI-Anwendungen aufzubereiten.

Mathias Golombek, CTO bei Exasol kommentiert: »Ich bin überrascht, dass nur so wenige Unternehmen Cloud-Infrastrukturen tatsächlich für ML und KI einsetzen, obwohl dies viele Vorteile hätte. Es scheint, dass viele Unternehmen das Potenzial ihrer Daten noch nicht erkannt haben: Sie investieren in die Cloud, um diese dann doch nur für passive Datendienste zu nutzen. Dabei könnten die flexibel skalierbaren Rechenleistungen helfen, um mittels Maschinellem Lernen ihr Business zu optimieren. Es ist deshalb umso wichtiger, dass die Verarbeitung von Daten auch über hybride IT-Standorte hinweg erfolgen kann, um Daten-Silos zu vermeiden. Denn diese verhindern ansonsten, dass innovative Anwendungen wie Predictive Analytics die Unternehmen datenbasiert unterstützen.«


Das könnte Sie auch interessieren