Featured

Neue globale Studie von Rackspace Technology legt fehlendes Know-how in den
Bereichen KI und maschinelles Lernen offen

SAN ANTONIO, Jan. 28, 2021 (GLOBE NEWSWIRE) Rackspace Technology™ (NASDAQ:
RXT), ein führendes Unternehmen für End-to-End-Multicloud-Technologielösungen,
hat heute die Ergebnisse einer globalen Umfrage bekanntgegeben, die zeigt, dass
die Mehrheit der Unternehmen weltweit intern nicht über die notwendigen
Ressourcen für wichtige Initiativen in den Bereichen künstliche Intelligenz
(KI) und maschinelles Lernen (ML) verfügt.

Die Umfrage mit dem Titel „Are Organizations Succeeding at AI and ML?“ wurde
in Nord- und Südamerika und den Regionen Asien-Pazifik und EMEA durchgeführt
und zeigt, dass viele Unternehmen zwar bestrebt sind, KI- und ML-Funktionen in
ihre Betriebsabläufe zu integrieren, ihnen jedoch in der Regel das Fachwissen
und die Infrastruktur fehlen, die für die Implementierung ausgereifter und
erfolgreicher KI/ML-Programme erforderlich sind.

Die Studie stellt heraus, wie schwer es ist, die potenziellen Vorteile von KI
und ML gegen die Herausforderungen abzuwägen, die mit der Einführung von
KI/ML-Initiativen verbunden sind.Dabei profitieren einige Early Adopters
bereits von den Vorteilen dieser Technologien, während andere noch mit gängigen
Problemen kämpfen, darunter mangelnde interne Fachkompetenz, veraltete
Technologie-Stacks, schlechte Datenqualität oder fehlende Möglichkeiten, den
ROI zu messen.

Weitere wichtige Erkenntnisse des Berichts sind: Unternehmen sind noch dabei,
zu untersuchen, wie sie ausgereifte KI/ML-Funktionen implementieren können. Nur
17 % der Befragten haben angegeben, dass in ihren Unternehmen bereits
ausgereifte KI- und ML-Funktionen mit einem Modell-Factory-Framework
implementiert sind.Darüber hinaus hat die Mehrheit der Befragten (82 %)
angegeben, dass sie noch untersuchen, wie sie KI implementieren können, oder
dass sie Probleme bei der Operationalisierung von KI- und ML-Modellen haben.
Die KI/ML-Implementierung schlägt häufig aufgrund mangelnder interner
Ressourcen fehl. Mehr als ein Drittel (34 %) der Befragten berichten von
F&E-Initiativen mit künstlicher Intelligenz, die getestet und abgebrochen
wurden oder fehlgeschlagen sind.Die Misserfolge unterstreichen die komplexen
Anforderungen beim Aufbau und Betrieb eines produktiven KI- und
ML-Programms.Die Hauptursachen für Fehlschläge sind mangelhafte Datenqualität
(34 %), fehlende Fachkenntnisse innerhalb des Unternehmens (34 %), fehlende
produktionsbereite Daten (31 %) und eine schlecht durchdachte Strategie (31 %).
Eine erfolgreiche KI/ML-Implementierung hat klare Vorteile für Early Adopters.
Wenn Unternehmen an die Zukunft denken, sind IT und Betriebsabläufe die
meistgenannten Bereiche, in denen sie künftig KI- und ML-Funktionen einsetzen
möchten.Die Daten zeigen, dass Unternehmen in einer Vielzahl von
Geschäftsbereichen Potenzial für KI und ML sehen, darunter IT (43 %),
Betriebsabläufe (33 %), Kundenservice (32 %) und Finanzen (32 %).Darüber hinaus
nennen Unternehmen, die KI- und ML-Programme erfolgreich implementiert haben,
Produktivitätssteigerungen (33 %) und eine Verbesserung der Kundenzufriedenheit
(32 %) als Hauptvorteile. Die Definition von KPIs ist entscheidend für die
Messung der Investitionsrendite von KI/ML. Neben den Schwierigkeiten bei der
Implementierung von KI- und ML-Projekten gestaltet sich auch die Messung des
Erfolges schwierig.Zu den wichtigsten Leistungskennzahlen, die zur Messung des
KI/ML-Erfolgs verwendet werden, gehören Gewinnmargen (52 %), Umsatzwachstum
(51 %), Datenanalyse (46 %) und Kundenzufriedenheit/Net Promoter Scores (46 %).
Unternehmen wenden sich an zuverlässige Partner. Viele Unternehmen sind noch
unentschieden, ob sie intern KI/ML-Ressourcen aufbauen möchten oder diese
Aufgabe besser an einen zuverlässigen Partner auslagern.Angesichts des hohen
Risikos von Fehlern bei der Implementierung arbeiten die meisten Unternehmen
(62 %) jedoch zumindest bis zu einem gewissen Grad mit einem erfahrenen
Anbieter zusammen, um die Komplexität der KI- und ML-Entwicklung bewältigen zu
können.

„In fast jeder Branche möchten IT-Entscheidungsträger künstliche Intelligenz
und maschinelles Lernen einführen, um Effizienz und Kundenzufriedenheit zu
verbessern“, so Tolga Tarhan, Chief Technology Officer bei Rackspace
Technology.„Bevor sie sich kopfüber in eine KI/ML-Initiative stürzen, empfehlen
wir unseren Kunden jedoch, zunächst ihre Daten und Datenprozesse zu bereinigen,
also die richtigen Daten zuverlässig und kostengünstig in die richtigen Systeme
zu integrieren.Wir bei Rackspace Technology sind stolz darauf, unseren Kunden
das Know-how und die Strategie zu bieten, die sicherstellen, dass
KI/ML-Projekte über die F&E-Phase hinausgehen und zu Initiativen werden, die
langfristige Vorteile bieten.“

Den vollständigen Bericht können Sie hier herunterladen:
www.rackspace.com/solve/succeeding-ai-ml .

Methodik der Umfrage

Die Umfrage wurde im Dezember 2020 und Januar 2021 von Coleman Parkes Research
durchgeführt und basiert auf den Antworten von 1.870 IT-Entscheidungsträgern
aus den Branchen Fertigung, Digitale Native, Finanzdienstleistungen,
Einzelhandel, Behörden/öffentlicher Sektor und Gesundheitswesen in Nord- und
Südamerika, Europa, Asien und dem Nahen Osten.Die Fragen der Umfrage deckten
die Einführung von KI und ML sowie deren Nutzung, Vorteile und Auswirkungen und
zukünftige Pläne im Bereich KI und ML ab.

Über Rackspace Technology

Rackspace Technology ist ein führender Anbieter von
End-to-End-Multicloud-Diensten.Wir entwickeln und betreiben die
Cloud-Umgebungen unserer Kunden über alle wichtigen Technologieplattformen
hinweg, unabhängig vom jeweiligen Technologie-Stack oder
Bereitstellungsmodell.Wir arbeiten mit unseren Kunden in jeder Phase ihrer
Cloud-Entwicklung zusammen und helfen ihnen, ihre Anwendungen zu modernisieren,
neue Produkte zu entwickeln und innovative Technologien einzuführen.

Pressekontakt
Natalie Silva
Rackspace Corporate Communications
publicrelations@rackspace.com

Comments are closed.