AI Maturity Solve Banenr

Einschätzung von Hindernissen für die Einführung von KI und Machine Learning in verschiedenen Branchen

Diese globale Umfrage beleuchtet die Herausforderungen, denen sich die verschiedenen Branchen bei der Einführung von KI- und Machine-Learning-Technologien stellen müssen.

KI und Machine Learning sind die treibenden Kräfte hinter einer ganz neuen Art von Innovation. Die meisten Führungskräfte wissen, wie wichtig KI und Machine Learning für den zukünftigen Erfolg in ihren Branchen sind. Allerdings befindet sich die Implementierung von KI und Machine Learning bei vielen von ihnen noch im Anfangsstadium.

Im Januar 2021 führten wir eine Umfrage unter mehr als 1800 IT-Führungskräften in ganz Amerika, Europa, Asien und dem Nahen Osten durch. Der Bericht unterteilte die Befragten in sechs Bereiche – darunter Regierung/Public Sector, Digital Natives, Gesundheitswesen, Finanzdienstleistungen sowie Fertigung und Einzelhandel –, um Trends und Einblicke hinsichtlich der unterschiedlichen Wege mit KI und Machine Learning zu vergleichen.

Die wichtigsten Erkenntnisse aus dem Bericht zur Einführung von KI und Machine Learning

Die Umfrage bestimmt die Qualität des Reifegrads von KI und Machine Learning in vielen Branchen, berichtet über die fünf Hauptkategorien in Bezug auf die Herausforderungen bei der Einführung und gibt Tipps, wie Sie Ihr KI- und Machine-Learning-Projekt beschleunigen können. Datenpunkte umfassen Erkenntnisse bezüglich Skalierbarkeit, Datenqualität, Beteiligung der Geschäftsführung, Definitionen von KPIs sowie Talentlücken. Die Highlights des Berichts:

  • Jeder achte Befragte über alle Branchen hinweg gab an, sich noch am Anfang seines KI- und Machine-Learning-Projekts zu befinden. Nur 17 % berichteten, dass sie zuversichtlich seien, dass die KI- und Machine-Learning-Funktionen in allen Bereichen ihres Unternehmens ausgereift seien. Obwohl der höchste Reifegrad im Bereich Einzelhandel angegeben wurde (22 %), lag dieser Bereich auch bei der Angabe vorn, sich noch in der Anfangsphase zu befinden (55 %). Dies spricht für große Unterschiede innerhalb der Einzelhandelsbranche – von großen Kaufhäusern bis hin zu kleinen Nischenanbietern.
  • Der Einzelhandel, das Gesundheitswesen und die Fertigungsbranche lagen in beiden Kategorien der Datenqualität an der Spitze. Alle drei Branchen berichteten von Schwierigkeiten bei der Gewinnung aussagekräftiger Erkenntnisse aus Daten und gaben an, dass Initiativen aufgrund fehlerhafter Daten gescheitert seien.
  • Wie bei den meisten aufstrebenden Technologien ist das Thema Talent in allen Branchen ein Hindernis für die Einführung von KI und Machine Learning. Obwohl die Einzelhandelsbranche vorn lag, da 31 % der Befragten aus dieser Branche angaben, dass die Suche nach Talenten ein Problem darstelle, berichteten alle Branchen einheitlich, dass fehlende Talente ihre Wachstumsmöglichkeiten ausbremsten.
  • Der ROI von KI und Machine Learning ist dafür bekannt, schwer nachverfolgbar zu sein. Allerdings ist es ohne die Zahlen schwierig, einen Nutzen nachzuweisen und die Unterstützung durch Stakeholder aufrechtzuerhalten. Dennoch misst fast jeder vierte Befragte (24 %) im Bereich Regierung/Public Sector den Nutzen seiner Bemühungen in den Bereichen KI und Machine Learning nicht. Der gleiche Anteil (24 %) berichtete, dass es schwierig sei, eine eindeutige Strategie und klare Erfolgskriterien zu definieren.

Laden Sie den Bericht Überwindung von Hindernissen für die Einführung von KI und Machine Learning in verschiedenen Branchen“ herunter, um mehr darüber zu erfahren, wie sich die Einführung von KI und Machine Learning in den verschiedenen Branchen unterscheidet.

Vollständigen Bericht herunterladen

 

Join the Conversation: Find Solve on Twitter and LinkedIn, or follow along via RSS.

Stay on top of what's next in technology

Learn about tech trends, innovations and how technologists are working today.

Subscribe
AI ML Maturity Industries

Überwindung von Hindernissen für die Einführung von KI/ML in verschiedenen Branchen

About the Authors

rackspace logo

Rackspace Technology Staff - Solve

The Solve team is made up of a curator team, an editorial team and various technology experts as contributors. The curator team: Srini Koushik, CTO, Rackspace Technology Jeff DeVerter, Chief Technology Evangelist, Rackspace Technology The editorial team:  Gracie LePere, Program Manager Royce Stewart, Chief Designer  Simon Andolina, Design Tim Mann, Design Abi Watson, Design Debbie Talley, Production Manager  Chris Barlow, Editor  Tim Hennessey Jr., Writer Stuart Wade, Writer Karen Taylor, Writer Meagan Fleming, Social Media Specialist Daniel Gibson, Project Manager

Read more about Rackspace Technology Staff - Solve