Research

Um IT- und Digitalisierungsentscheidern bei der Evaluierung und Auswahl geeigneter Technologie- und Dienstleistungspartner im Kontext Machine Learning zu unterstützen, hat Crisp Research einen ersten unabhängigen Anbietervergleich – das „Crisp Vendor Universe – Machine Learning“ – durchgeführt.

Der Digitalisierungsdruck ist in allen Wirtschaftsbereichen deutlich spürbar. Unternehmen sind gezwungen ihre teils analog angestaubten Geschäftsmodelle zu überdenken, auf digitale Potenziale zu überprüfen und dahingehend zu transformieren. Der Aufbau sogenannter Digital Labs kann dabei ein wichtiger Schritt zur Digitalisierung sein. In Innovationslaboren wird die Entwicklung sowie das Design neuer digitaler Produkte, Dienstleistungen und Geschäftsmodelle gefördert. Bereits über 60 Digital Labs werden derzeit in Deutschland betrieben bzw. stehen kurz vor Inbetriebnahme. Damit sind sie als elementarer Teil der Digitalisierungsstrategie deutscher Konzerne und Mittelstandsunternehmen zu bewerten. Um aber wirklich gewinnbringende Erkenntnisse aus den Investitionen in die Innovationslabore zu erzielen, muss insbesondere die Analyse, Nutzung und Monetarisierung unternehmenseigener sowie externer Datenquellen forciert werden. Dabei stellt sich die Frage, wie in der Praxis aus Daten profitable Geschäftsmodelle werden. Wie lassen sich Data Science und Produktentwicklung im Digital Lab vereinen und welchen Beitrag leisten die Labs bei der Transformation hin zu einer datengetriebenen Unternehmenskultur?

Docker, Windows Container und Co. als Turbo in der digitalen Transformation

Software, traditionell für den Einsatz auf einem einzigen System gedacht, erlebt seit der Einführung von Cloud-Technologien eine Revolution. Skalierbarkeit, Hochverfügbarkeit, Multi-Tenancy, Multi-Cloud und Portabilität sind die Erwartungen, die geschäftsseitig an die IT gestellt werden. Die Anforderungen, um Hochverfügbarkeit und insbesondere Portierbarkeit zu beherrschen, sind mannigfaltig und komplex. Zum einen fehlen Unternehmen ausreichende Erfahrungswerte, zum anderen das notwendige Know-How für die Umsetzung. Aber wie lässt sich eine Software über unterschiedliche Plattformen und Infrastrukturen „bewegen“, ohne dabei ständig an die jeweiligen Voraussetzungen für das Deployment und den Betrieb angepasst zu werden?

Anbieter und Technologien im Überblick

Künstliche Intelligenz ist mittlerweile in aller Munde, aber was ist wirklich dran und wie stark ist der Einfluss auf gegenwärtige und zukünftige Geschäftsprozesse? Ein erstmalig repräsentatives Bild zum aktuellen Planungs- und Einsatzgrad sowie der Umsetzungsstrategien von Machine Learning Technologien gibt die vorliegende Studie. Die Befragung von 264 Unternehmen aus der DACH-Region macht deutlich: Künstliche Intelligenz ist schon lange kein Marketing-Trend mehr für Großkonzerne im Silicon Valley, sondern wird bereits von einem Gros der Unternehmen im deutschsprachigen Raum produktiv eingesetzt. Dabei wird vor allem Machine Learning zu einer der Kerntechnologien gezählt, die als wesentliche Stellschraube zu der künftigen Wettbewerbsstärke und Profitabilität von Unternehmen beitragen.

Anbieter und Technologien im Überblick

Der Ansprüche einer digitalen Gesellschaft definieren die Netzwerkanforderungen der Zukunft und oktroyieren einer ganzen Branche den Wechsel. Internet of Things (IoT) braucht Kommunikation. Ohne ein entsprechend effizientes Kommunikationsmedium bleiben Dinge eben einfach nur Dinge. Sicherlich haben Sie weiterhin die Möglichkeit ihre bisherigen Aufgaben zu erfüllen, jedoch ohne eine Vernetzung mit anderen Dingen. Daher stellt sich die Frage auf welche Art und Weise die Kommunikation der vielen, vielen Dinge in Zukunft sichergestellt werden kann. Welcher Standard wird sich etablieren?