VDW Verein Deutscher Werkzeugmaschinenfabriken e.V.

Zwei Drittel der Unternehmen nutzen bereits Ansätze zu Machine Learning. Aber hier gibt es beträchtliche Unterschiede bei der Intensität und Reife der Nutzung. So wird auch deutlich, dass trotz hoher Akzeptanz noch reichlich Arbeit vor den Unternehmen liegt. Und wieder einmal stehen die Daten im Mittelpunkt, wie Udo Würtz als stellvertretender Chief Data Officer von Fujitsu exakt weiß. „Obwohl 70 Prozent der Unternehmen eine unternehmensweite Datenstrategie verfolgen, sagen immerhin 45 Prozent, dass das Verstehen der Daten und das Bereitstellen von Hintergrundwissen für die Fachbereiche der komplizierteste Teil von Machine Learning ist.“ Die Intensität der Datennutzung steigt mit der Komplexität des Vorhabens. Mit dem Gewinner des deutschen Mobilitätspreis 2021, der vom Land der Ideen und dem Bundesministerium für Verkehr und digitale Infrastruktur vergeben wird, haben wir ein griffiges Beispiel dafür. Die komplexe Abstimmung von logistischen Prozessen in der verarbeitenden Industrie ist ein exzellentes Beispiel für die nachhaltige Automatisierung aller Prozesse. In der Automobilindustrie ist die Reife der Machine Learning besonders weit vorangeschritten. Tobias Geber-Jauch, Head of Connected Services, Manufacturing & Automotive Central Europe, hat auch dem Automotive IT Kongress verdeutlicht, dass die sichere Datenkommunikation, z.B. über Gaia X, eine neue Welle von Business-Modellen auslösen wird. Professor Peter Buxmann ist nicht nur Inhaber des Lehrstuhls für Wirtschaftsinformatik an der TU Darmstadt, sondern auch ein gefragter Ratgeber und Podcast-Gastgeber: „Ich würde sogar sagen, die Verfügbarkeit einer guten Datenbasis wird in der Regel wichtiger sein als die Verfügbarkeit eines tollen Algorithmus... Wenn der nicht mit guten Trainingsdaten gefüttert wird, geht letztendlich überhaupt gar nichts." Ohne die richtigen Daten kein funktionales Machine Learning. Vergleichbar ist diese Essenz mit dem Credo von Julian Fischer, dem Artificial Intelligence Account Director von Intel: „Umso näher ich natürlich die Datenverarbeitung an der Maschine habe, umso schneller kriege ich Ergebnisse und desto besser ist die Performance am Ende auch. Und natürlich kann man sogar überlegen, die ganze Intelligenz in die Maschine reinzupacken, um eine nahezu Null-Latenz zu kriegen." Er signalisiert mit seinem Statement die zunehmende Wichtigkeit von Edge-Computing als integralen Bestandteil der Machine Learning Strategie. Wenn Sie mehr über Daten, Machine Learning, Edge-Computing und Automatisierung erfahren wollen, dann schauen Sie unserer Redaktion über die Schulter. Und wenn Sie wertvolle Erkenntnisse aus aktuellen, internationalen Studien erwarten, dann sind Sie bei den redaktionellen Hinweisen und Erklärungen des Redaktionsteams und Martin W. Puscher genau richtig.