„An der Schwelle zum kognitiven Zeitalter“

IBM präsentierte Ende März seine globale Big-Data-Studie, die dem Thema eine sprunghaft gestiegene Nachfrage bescheinigt. [...]

Wie weit Unternehmen bei der Implementierung von Big-Data-Konzepten sind, erhob IBM in einer weltweiten Studie mit über 1.100 Entscheidungsträgern aus 26 Branchen. Die Zahl jener, die Wettbewerbsvorteile aus diesem Thema schöpfen wollen, ist innerhalb von kurzer Zeit sprunghaft angestiegen: Von 37 Prozent vor zwei Jahren auf heute 63 Prozent. Wenn es um die konkrete Umsetzung geht, ist man allerdings deutlich zurückhaltender. Erst knapp 30 Prozent der befragten Unternehmen widmen sich bereits Big Data, zirka die Hälfte tüftelt gerade an der Ausarbeitung eines entsprechenden Konzeptes.

Was die Zielsetzung von einschlägigen Projekten angeht, so fiel die Antwort eindeutig aus: „Die größte Big-Data-Affinität ist vor allem dort zu beobachten, wo der Mensch im Mittelpunkt steht“, sagte Wolfgang Nimführ (Bild), Big Data Industry Solutions Leader IBM Österreich und der Schweiz, bei der Präsentation der Studie  – die COMPUTERWELT war vor Ort. Demnach steht die Kundenorientierung mit 49 Prozent an erster Stelle der Motivation, das Thema mit Elan anzugehen. Mit großem Abstand folgen „betriebliche Optimierung“, „Risiko-/Finanzmanagement“ und „neue Geschäftsmodelle“. Mit vier Prozent liegt „Mitarbeiterzusammenarbeit“ an letzter Stelle. „Unternehmen begreifen Big Data eindeutig als Chance, das Kundenverhalten genauer zu verstehen und voraussagen zu können und auf diese Weise auch das Kauferlebnis zu verbessern“, so die IBM-Studie „Analytics: Big Data in der Praxis“.

Mehr als die Hälfte der Teilnehmer berichtet, dass interne Daten die primäre Quelle von aktuellen Projekten in ihren Unternehmen seien. Das lässt darauf schließen, dass sich in vielen Unternehmen immer noch eine Menge nicht erschlossener Information befindet, die über Jahre durch ERP-Systeme, Stammdatenmanagement, Business Intelligence und ähnliche Aktivitäten gesammelt wurde. Im Detail: Als Primärquellen für Big-Data-Projekte werden Transaktionen (88 Prozent) herangezogen, weiters Protokolldaten (73 Prozent), Ereignisdaten (59 Prozent) und E-Mails (57 Prozent). Mit (noch) deutlichem Abstand folgen etwa Soziale Medien, Sensoren und Geodaten (alle zwischen 40 und 43 Prozent).

Der Weg, wie man an die ungenutzten Schätze des Unternehmens gelangt, scheint vorgezeichnet: Firmen beginnen grundsätzlich mit der Analyse strukturierter Daten. Im nächsten Schritt kommen Funktionen hinzu, die semistrukturierte (Daten, die in standardisierte Formate umgewandelt werden können) und unstrukturierte Daten nutzen können.

Mehr als 90 Prozent der Befragten mit laufenden Projekten bestätigen, dass sie grundlegende Analysefunktionen wie Abfragen und Reportings verwenden, 77 Prozent setzen auf Data Mining. 67 Prozent geben an, mit Vorhersagemodellen zu arbeiten. Wo erwartungsgemäß noch Zurückhaltung herrscht, ist die Analyse von natürlicher Sprache oder Videos  – aber auch das soll sich laut Big-Data-Spezialist Wolfgang Nimführ bald ändern. Er weist auf die Jeopardy-Erfolge von Watson hin, einer IBM-Entwicklung, die sich im Umfeld der natürlichen Sprache offensichtlich sehr wohl fühlt und auch die wiffsten Spieler auf die Plätze verweist – so wie einst der legendäre IBM-Rechner Deep Blue den damaligen Schachweltmeister Garry Kasparov matt setzte. Das Watson-Projekt stellt aus Big-Blue-Sicht einen Meilenstein in der IT-Evolution dar: „Wir stehen an der Schwelle zum kognitiven Zeitalter“, ist Nimführ überzeugt. Das kognitive Zeitalter sei Voraussetzung für die IBM-Vision des „smarten Planeten“. Und die Voraussetzung für das Erreichen der neuen Ära sei wiederum Big Data, dessen wichtigste Motivation Wolfgang Nimführ so definiert:  „Wir verfügen über sehr viele Informationen, fühlen uns aber uninformiert.“ (su)


Mehr Artikel

News

Große Sprachmodelle und Data Security: Sicherheitsfragen rund um LLMs

Bei der Entwicklung von Strategien zur Verbesserung der Datensicherheit in KI-Workloads ist es entscheidend, die Perspektive zu ändern und KI als eine Person zu betrachten, die anfällig für Social-Engineering-Angriffe ist. Diese Analogie kann Unternehmen helfen, die Schwachstellen und Bedrohungen, denen KI-Systeme ausgesetzt sind, besser zu verstehen und robustere Sicherheitsmaßnahmen zu entwickeln. […]

Be the first to comment

Leave a Reply

Your email address will not be published.


*