Technologien und Algorithmen für Machine Learning (ML), künstliche Intelligenz (KI), neuronale Netze und Deep Lerning können eingesetzt werden, um viele der ermittelten Ziele digitaler Innovation zu realisieren, nämlich Customer Experience, Prozessautomatisierung, IT-Sicherheit, Effizienz und Nachhaltigkeit, indem sie menschliche Fähigkeiten in verschiedenen Bereichen ergänzen. Dazu zählen Wahrnehmen und Verstehen, Nachdenken und Problemlösen sowie Interagieren mit der Umgebung und mit Menschen durch Deep Learning. Die Anwendungsbereiche reichen von Robotic Process Automation (RPA) und robotischer Desktop-Automatisierung (RDA) bis hin zu Expertensystemen, Chatbots, Assistenten sowie autonomen Systemen, beispielsweise Industrieroboter und Autos. Robotic Process Automation etwa erleichtert Mitarbeitern ihre Arbeit und entlastet sie von repetitiven Routineaufgaben.
Folglich hat die Nutzung von KI und Machine Learning Anwendungen über alle Branchen hinweg in den letzten Jahren enorm zugenommen; mehr als die Hälfte der befragten Entscheidungsträger bestätigte, dass ihr Unternehmen bereits erste KI- und ML-Systemlösungen implementiert hat, um etwa Geschäftsprozesse zu automatisieren.
Da Fähigkeiten in Bezug auf Systeme für künstliche Intelligenz und maschinelles Lernen knapp sind, werden immer mehr direkt einsatzbereite Bausteine angeboten, beispielsweise für Bild- und Spracherkennung in der Cloud, so dass auch Entwickler mit weniger spezialisierten Kenntnissen ML- und KI-Algorithmen in ihre Anwendungen integrieren können, was wiederum die unternehmenseigene IT-Abteilung entlastet. Zugleich richten sich Low-Code-Angebote zunehmend auch an Fachexperten wie Data Scientists oder ML-Spezialisten ohne umfangreiche Programmierkompetenz. Außerdem kommen in Core-Anwendungen und SaaS-Lösungen immer mehr Elemente für Advanced Analytics, Machine Learning und KI zum Einsatz.
Ebenfalls im ML-/KI-Bereich waren die Analyse des Kundenverhaltens sowie digitale Assistenten für Customer Experience und Service unter den häufigsten Anwendungsbereichen. Darüber hinaus nannten die Befragten verschiedene weitere Anwendungsgebiete für Machine Learning und KI, darunter auch hochgradig spezialisierte:
Trotz des jüngsten Booms bei neuen KI-Anwendungen haben Unternehmen oft Schwierigkeiten, ihre Lösungen zu skalieren. Vor dem Hintergrund der verschiedenen derzeitigen Krisen stehen Unternehmen unter dem Druck, Kosten zu reduzieren, weshalb die Nutzung von ML- und KI-Tools als Basis für Optimierung und Automatisierung kurzfristig zunehmen wird. KI-basierte Lösungen können bei der Auswertung großer Datenmengen aus unterschiedlichen Quellen helfen und die Effizienz von Prozessen im Zusammenhang mit Lieferketten oder Produktion und Betrieb verbessern. Dies ermöglicht es Unternehmen, ihren Energie- und Ressourcenverbrauch zu reduzieren. Außerdem trägt die zunehmende Automatisierung durch Software – zum Beispiel über Chatbots oder Prozessautomatisierung -nicht nur dazu bei, die Effizienz zu steigern und die Fehlerquote zu verringern, sondern ist auch ein Mittel gegen den allgegenwärtigen Fachkräftemangel.
