Da sich Unternehmen auf der ganzen Welt mit unvorhersehbaren Veränderungen im Kundenverhalten und -bedarf konfrontiert sehen, benötigen sie eine Plattform, die ihre Anwendungen und Analysen sicher und schnell bereitstellt, wo und wann sie benötigt werden. Die CEO-Studie 2021 des IBM Institute of Business ­Value ergab, dass 56 % der 3.000 befragten CEOs auf die Frage nach ihren wichtigsten Plänen für die nächsten 2-3 Jahre, die Notwendigkeit betonten, die operative Agilität und Flexibilität zu verbessern [1]. Viele sehen die Antwort auf diesen Bedarf in einem hybriden Cloud-Computing-Modell, das die gesamte IT-Unternehmens-Infrastruktur mit einer Cloud-basierten Infrastruktur kombiniert [2]. und einen bis zu 2,5-mal größeren Mehrwert bieten kann als ein reiner Public-Cloud-Ansatz [3].

Im Kontext der Corona Pandemie hat IBM Forschungseinrichtungen und medizinischen Institutionen neue KI Software und Cloud-basierte Ressourcen zur Verfügung gestellt, um die Forschung im Rahmen der Pandemie zu fördern.

Maschinelles Lernen (Machine Learning, ML) bietet enormes Potenzial, wenn es darum geht, aus unüberschaubaren und großen Datenmengen komplexe Zusammenhänge herzustellen und damit unter anderem als Entscheidungshilfe bei gesellschaftlichen und wirtschaftlichen Fragestellungen zu dienen. Von optimierten Prozessen und personalisierten Produktempfehlungen bis hin zu autonomem Fahren, gezieltem Katastrophen­management oder der Erkennung eines Malaria-Ausbruchs, sind die Möglichkeiten von ML innerhalb ­einzelner Branchen und übergreifend vielfältig.
Dieser zweite Teil des ML-Kompendiums stellt Use Cases vor, die branchenunabhängig sind.

1) In den letzten Jahren haben Unternehmen wie ­Google, Facebook und Amazon sehr viel in ­KI-Projekte investiert. 2) Kürzlich veröffentlichte IDC ein White Paper zum Einsatz von Künstlicher Intelligenz – inzwischen haben 41 % der deutschen Unternehmen KI-Projekte umgesetzt, also weniger als in den skandinavischen Ländern oder im UK, doch planten 88% der deutschen Unternehmen neue KI-Projekte für die nächsten 12 Monate. Untersucht wurden auch die Hürden, die Unternehmen bei der Einführung von KI ­überwinden müssen. 3) Algion bereitet Daten von Fortune 1000 Unternehmen für Machine Learning (ML) Trainings-Projekte vor. In einem „Blueprint“ Paper beschreibt Algion den typischen Projekteinstieg:

  Die CEE APIs beherrschen eine Vielzahl von Formaten zur Datumsaufbereitung von Peter Levy Wenn ich richtig gezählt habe, gibt es 85 Methoden (Java ausgeschlossen), um Datums-, Uhrzeit- und Timestamp-Werte zu behandeln (1 CL, 17 RPG, 16 Common Execution Environment (CEE), 7 OS, 15 ML, 1 Server, 7 Unix und 21 C-Runtime-Library-Funktionen). Natürlich sind viele

[weiterlesen …]