München, Starnberg, 17. Dez. 2021 - Analyse und effektive Bereitstellung kontextbezogener Entscheidungsmetriken aus strukturierten- und unstrukturierten Daten entscheidend...
Zum Hintergrund: Wir beobachten aktuell einen technologischen Wandel im Bereich der Deep Tech, der auf die Pandemie und die damit einhergehende digitale Akzeptanz zurückzuführen ist. Deep Tech umfasst vor allem Technologien der nächsten Generation wie etwa künstliche Intelligenz (KI), maschinelles Lernen (ML), Blockchain oder Quantencomputing. Durch die Zunahme der Arbeit aus dem Homeoffice sowie Industrie 4.0 und Internet der Dinge (IoT) sind immer mehr Geräte mit dem Internet verbunden, was zu einem exponentiellen Anstieg der Konnektivität führt. Zudem ermöglicht die Einbettung von Sensoren in die physische Struktur des täglichen Lebens digitale und allgegenwärtige Netzwerke für Mensch und Maschine, die nahtlose Interaktionen ermöglichen. Welche Trends erwarten uns 2022 im Bereich Deep Tech und wie werden Geschäftsentscheidungen und Kundenerlebnis dadurch beeinflusst? Dr. Jai Ganesh, Senior Vice President und Leiter von Mphasis NEXT Labs (1) wagt für Sie in seinen folgenden Kommentaren eine Prognose.
Für Unternehmen bedeutet das nach Dr. Ganesh, sie müssen dazu ihre Kunden über eine Vielzahl von Geräten und Interaktionskanälen erreichen. Hier sind datenbasierte Geschäftsentscheidungen der Schlüssel zur Optimierung des Kundenerlebnisses. Es wird sich zeigen: Kognitive Intelligenz ist von entscheidender Bedeutung für die Analyse und effektive Bereitstellung kontextbezogener Entscheidungsmetriken aus strukturierten und unstrukturierten Daten. Sie trägt auch zu einer schnelleren Entscheidungsfindung bei, da sie die Durchlaufzeit von Geschäftsprozessen exponentiell verkürzt. Kognitive Intelligenz ist eine der wichtigsten Säulen, auf die sich die Unternehmen von morgen stützen werden. Sie revolutioniert die Wettbewerbsdifferenzierung, indem sie nahezu jeden Aspekt der Entscheidungsfindung verbessert.
Die Auswertung unterschiedlicher Datenquellen und Medien ist entscheidend
-
Unternehmen sollten sich zudem in Zukunft auf Bildverarbeitungsfunktionen zusammen mit kognitiver optischer Zeichenerkennung (OCR) konzentrieren. Diese ermöglichen eine schnellere Verarbeitung unstrukturierter, gescannter Dokumente und verkürzen die Durchlaufzeit. In der Finanzbrache beispielsweise ist die Datenanalyse von entscheidender Bedeutung. So generieren etwa Versicherer große Mengen an Daten und verwenden Informationen aus vielen verschiedenen Quellen, wie unter anderem Anträge, Krankenakten, E-Mails und Anrufprotokolle. Mit kognitiven Intelligenzfunktionen kann dieser Prozess beschleunigt und vereinfacht werden.
-
Ferner setzen Unternehmen bereits jetzt zunehmend Technologien ein, die ihren Endkunden ein besseres Erlebnis bieten. Die Zukunft der Customer Experience besteht darin, die physische Welt mit einer interaktiven, dreidimensionalen virtuellen Welt zu kombinieren. Augmented Reality hat das Potenzial, durch die Verschmelzung von physischer und virtueller Welt natürliche Interaktionen und außerordentliche Nutzererlebnisse zu ermöglichen. Andere Trends, die wir hier sehen, fallen in die Kategorie bionische Sensoren und Handheld-Geräte, die beispielsweise für ortsbezogene Erfahrungen, Dienstleistungen und Zahlungsabwicklung eingesetzt werden. Diese Technologien werden weiter an Relevanz gewinnen.
Generative KI ist der nächste KI-Entwicklungsschritt
-
Darüber hinaus erwarten wir, dass sich die generative KI parallel zur Entwicklung großer Sprach- und Multimediamodelle entwickeln wird. Diese spielen eine entscheidende Rolle beim Training einer großen Bandbreite an generierten KI-Inhalten. Bei der generativen KI werden Objekte nicht nur mithilfe selbstlernender Algorithmen erkannt und klassifiziert, sondern basierend auf den Daten und Erkenntnissen automatisch neue Objekte oder Strukturen erschaffen.
-
Durch eine zunehmende Verbesserung bei der Hardware, wie beispielsweise GPU, TPU und speziellen KI-Chips, werden wir in Zukunft in der Lage sein, die Modelle mit größeren und repräsentativeren Datensätzen zu trainieren. Wir erwarten, dass die Technologie künftig auch die Grundsätze der verantwortungsbewussten „ethischen“ KI einbezieht, indem sie Verzerrungen in Datensätzen identifiziert und deren Verwendung negiert sowie Erklärungen für die erzielten Ergebnisse liefert.
Deep-Tech-Herausforderungen proaktiv angehen
-
Deep-Tech-Innovationen stehen derzeit vor einer Vielzahl von Herausforderungen, auf deren Lösung sich Unternehmen konzentrieren müssen. Zunächst ist es entscheidend, die richtigen Fachkräfte zu finden, um die Technologien zu beherrschen und zu skalieren. Dies stellt Unternehmen, die ihre Deep-Tech-Aktivitäten ausbauen wollen, vor eine große Herausforderung, da der Fachkräftemangel besonders im Technologiebereich deutlich zu spüren ist.
-
Zudem wird die Skalierbarkeit und Akzeptanz der Technologien durch fehlende Geschäftsausrichtung, kurzfristigen Kostendruck, und ethische Herausforderungen in Bezug auf die Modellbildung behindert. Darüber hinaus zählen der fehlende Zugang zu realen Datensätzen, Fragen der Privatsphäre, der Sicherheit und des Datenschutzes sowie die Erklärbarkeit von Ergebnissen für den Endnutzer zu den Herausforderungen für Deep Tech. Diese Herausforderungen zu meistern, wird eine Kernaufgabe im kommenden Jahr sein.
(1) Das Foto zeigt Dr. Jai Ganesh, Senior Vice President und Leiter von Mphasis NEXT Labs (Bildquelle: Mphasis)
Querverweis: