Rufen Sie uns einfach an, und wir beraten Sie gerne zu unserem Seminar- und Studienangebot.

Unsere Ansprechpartner:

Michael Rabbat, Dipl.-Kfm.
MBA Chief Operating Officer

Claudia Hardmeier
Kunden-Center
Studienbetreuung

Institute und Kompetenzzentren

Bindeglied zu einer Vielzahl an
Unternehmen und Organisationen

Erfahren Sie mehr ...

Forschung

Was Management-Forschung wirklich
leisten kann

Erfahren Sie mehr ...

Alumni

Wissenstransfer und
Erfahrungsaustausch

Erfahren Sie mehr ...

Referenzen

Feedback und
Teilnehmerstimmen

Erfahren Sie mehr ...

News

SGBS aktuell:
Wissen und
Anwendung

Erfahren Sie mehr ...

Klimaneutrale Seminare

Auf dem Weg zu
klimaneutralen Seminaren.

Erfahren Sie mehr ...

Juan Diego Flórez Association

Mit musikalischer Bildung
gegen Armut:

Erfahren Sie mehr ...

5.2.1 Übertragung der Lösungen auf alle Branchen und Geschäftsbereiche

Wie auch im Gartner Hype Cycle in Kapitel 4.1 gezeigt, besteht eine große Wachstumschance für Data Analytics und Artificial Intelligence in der Übertragung auf immer mehr Branchen und neue Geschäftsbereiche. Dies kann die Entwicklung neuer Medikamente in der Medizin, neue automatisch generierte Designs oder auch die Digitalisierung der Finanzabteilung sein, um einige Beispiele aus den vorangegangenen Kapiteln zu nennen. Gerade die Basis Methoden der KI sind in sehr vielen Bereichen anwendbar. Nach einer Befragung der IDG aus dem Jahr 2021 sind vor allem Spracherkennung, Bilderkennung und Textanalyse für den Einsatz in Unternehmen bereits heute und in Zukunft wichtig[1] (siehe Abbildung 15).  Diese Dienste können von zahlreichen Anbietern am Markt kostengünstig als Cloud Service bezogen werden, liefern inzwischen weitestgehend zuverlässige Ergebnisse und bieten eine Vielzahl von Anwendungsmöglichkeiten.

Auch die Kombination mit Data Analytics machen die Methoden interessant. So kann zum Beispiel in der Industrie Bilderkennung zur Qualitätssicherung in der Produktion eingesetzt werden und Ausschuss automatische aussortiert werden. Mit Hilfe von Data Science Methoden kann die Ursache für den Ausschuss durch Mustererkennung (z.B. durch Faktorenanalyse) ermittelt werden und über Predictive Maintainance kann vorhergesagt werden, wann die Maschine voraussichtlich zum nächsten Mal gewartet werden muss.

[1]

IDG-Studie 2021: „Machine Learning“