Studie: Einzelne Talente tragen fast komplette Entwicklung beim Machine Learning
<html> <p class=„printversionback-to-article printversion–hide“><a href=„https://www.heise.de/ix/meldung/Studie-Einzelne-Talente-tragen-fast-komplette-ML-Entwicklung-4616161.html“>zurück zum Artikel</a></p><figure class=„printversionlogo“><svg preserveaspectratio=„xMinYMin“ xmlns=„http://www.w3.org/2000/svg“ viewbox=„0 0 500 200“ width=„300“ height=„119“><path d=„M204.25,86.54H203V71.76h0l-4.73,14.78H197l-4.75-14.78h0V86.54H191V68.33h1.5l5.15,15.89h0l5.15-15.89h1.46Zm14.72,0h-1.35l-1.71-6.36h-5.43l-1.73,6.36h-1.31l5.15-18.21h1.31Zm-5.74-16.42h0l-2.36,8.71h4.71Zm19.06,15.23a5.35,5.35,0,0,1-4.14,1.5c-3.76,0-6.71-2.77-6.71-9.42S224.67,68,228.26,68a5.1,5.1,0,0,1,4.1,1.77L231.76,71a4.35,4.35,0,0,0-3.48-1.56c-3,0-5.53,2.19-5.53,7.95,0,5.57,2.32,7.94,5.49,7.94a5.29,5.29,0,0,0,2.79-.66V78.57h-2.43V77.14h3.69Zm14.42,1.19h-1.35l-1.71-6.36h-5.43l-1.73,6.36h-1.31l5.15-18.21h1.31ZM241,70.12h0l-2.36,8.71h4.71Zm18.16-.5-8.19,15.44v.05h8.51v1.43H249.29V85.25l8.23-15.44v-.05h-8V68.33h9.6Zm5.22,16.92h-1.29V68.33h1.29Zm15,0h-1.14l-7.92-15.1h0v15.1h-1.29V68.33h1.14L278,83.42h0V68.33h1.27Zm18.47-16.79h-6.84v7.52h6.23v1.45h-6.23v7.81h-1.29V68.33h8.13Zm13.58,9.32c0,5.41-1.73,7.79-5.28,7.79s-5.28-2.27-5.28-7.79V68.33h1.27V79c0,4.57,1.39,6.36,4,6.36s4-1.74,4-6.36V68.33h1.27Zm-6-12.3h-1.25v-1.9h1.25Zm3,0h-1.25v-1.9h1.25Zm15.39,19.77-3.55-7.39a9.36,9.36,0,0,1-1.25.08h-2.07v7.31h-1.29V68.33h3.36c3.88,0,5.7,1.72,5.7,5.23,0,2.53-1.06,4.43-3.15,5.25l3.74,7.73Zm-4.77-16.79h-2.09v8h2.09c3,0,4.37-1.69,4.37-4.14S321.93,69.75,318.93,69.75Zm19,10h-2v6.84h-1.29V68.33h3.31c3.95,0,5.74,1.9,5.74,5.54S341.76,79.7,337.92,79.7Zm0-10h-2v8.53h2c3,0,4.45-1.72,4.45-4.36S341,69.75,337.94,69.75Zm17.14,16.79-3.55-7.39a9.36,9.36,0,0,1-1.25.08h-2.07v7.31h-1.29V68.33h3.36c3.88,0,5.7,1.72,5.7,5.23,0,2.53-1.06,4.43-3.15,5.25l3.74,7.73Zm-4.77-16.79h-2.09v8h2.09c3,0,4.37-1.69,4.37-4.14S353.31,69.75,350.31,69.75Zm15.08,17.1c-3.67,0-6.12-3.25-6.12-9.42S361.71,68,365.38,68s6.12,3.25,6.12,9.42S369.08,86.86,365.38,86.86Zm0-17.37c-3,0-4.81,2.8-4.81,7.95s1.86,7.94,4.81,7.94,4.83-2.8,4.83-7.94S368.36,69.49,365.38,69.49Zm17.88.26h-6.84v7.52h6.23v1.45h-6.23v7.81h-1.29V68.33h8.13Zm11.23,0h-6.82v6.84h6.21V78h-6.21v7.1h7v1.43h-8.3V68.33h8.11Zm10.64,1.08a4.07,4.07,0,0,0-3.08-1.35,3,3,0,0,0-3.29,3.09c0,2.11,1.41,2.88,3.5,3.91,2.68,1.35,4,2.61,4,5.38s-1.65,5-4.86,5a5.42,5.42,0,0,1-4.07-1.77l.57-1.4a4.49,4.49,0,0,0,3.5,1.69C403.75,85.38,405,84,405,82s-1.18-3-3.36-4.12c-2.39-1.19-4.14-2.43-4.14-5.31A4.26,4.26,0,0,1,402.08,68a4.66,4.66,0,0,1,3.61,1.5Zm11.8,0a4.07,4.07,0,0,0-3.08-1.35,3,3,0,0,0-3.29,3.09c0,2.11,1.42,2.88,3.51,3.91,2.68,1.35,4,2.61,4,5.38s-1.65,5-4.86,5a5.42,5.42,0,0,1-4.07-1.77l.57-1.4a4.49,4.49,0,0,0,3.5,1.69c2.34,0,3.59-1.35,3.59-3.35s-1.18-3-3.36-4.12c-2.39-1.19-4.14-2.43-4.14-5.31A4.26,4.26,0,0,1,413.88,68a4.66,4.66,0,0,1,3.61,1.5Zm6.31,15.7H422V68.33h1.29Zm10,.32c-3.67,0-6.12-3.25-6.12-9.42S429.59,68,433.26,68s6.12,3.25,6.12,9.42S437,86.86,433.26,86.86Zm0-17.37c-3,0-4.81,2.8-4.81,7.95s1.86,7.94,4.81,7.94,4.83-2.8,4.83-7.94S436.24,69.49,433.26,69.49Zm20.12,17.05h-1.14l-7.92-15.1h0v15.1H443V68.33h1.14l7.94,15.1h0V68.33h1.27Zm12.44-16.79H459v6.84h6.21V78H459v7.1h7v1.43h-8.3V68.33h8.11Zm4.88,15.36h7.05v1.43h-8.34V68.33h1.29Zm11.15,0h7.05v1.43h-8.34V68.33h1.29Zm18-15.36H493v6.84h6.21V78H493v7.1h7v1.43h-8.3V68.33h8.11Zm-307.3,45.49h-1.29V97h1.29Zm15,0h-1.14l-7.92-15.1h0v15.1h-1.29V97h1.14l7.94,15.1h0V97h1.27Zm12.46-16.79H213.1V106h6.23v1.45H213.1v7.81h-1.29V97h8.13Zm8.53,17.1c-3.67,0-6.12-3.25-6.12-9.42s2.45-9.42,6.12-9.42,6.12,3.25,6.12,9.42S232.16,115.56,228.47,115.56Zm0-17.37c-3,0-4.81,2.8-4.81,7.94s1.86,7.95,4.81,7.95,4.83-2.8,4.83-7.95S231.44,98.19,228.47,98.19Zm17.9,17.05-3.55-7.39a9.43,9.43,0,0,1-1.25.08h-2.07v7.31h-1.29V97h3.36c3.88,0,5.7,1.72,5.7,5.23,0,2.53-1.06,4.43-3.15,5.25l3.74,7.73ZM241.6,98.46h-2.09v8h2.09c3,0,4.37-1.69,4.37-4.14S244.6,98.46,241.6,98.46Zm23,16.79H263.3V100.46h0l-4.73,14.78h-1.2l-4.75-14.78h0v14.78h-1.29V97h1.5l5.15,15.89h0L263.11,97h1.46Zm14.72,0h-1.35l-1.71-6.36H270.8l-1.73,6.36h-1.31L272.91,97h1.31Zm-5.74-16.42h0l-2.36,8.71h4.71Zm18.6-.37h-5v16.79h-1.27V98.46h-5V97h11.23Zm4.33,16.79h-1.29V97h1.29Zm10,.32c-3.67,0-6.12-3.25-6.12-9.42s2.45-9.42,6.12-9.42,6.12,3.25,6.12,9.42S310.17,115.56,306.48,115.56Zm0-17.37c-3,0-4.81,2.8-4.81,7.94s1.86,7.95,4.81,7.95,4.83-2.8,4.83-7.95S309.46,98.19,306.48,98.19Zm20.12,17.05h-1.14l-7.92-15.1h0v15.1h-1.29V97h1.14l7.94,15.1h0V97h1.27ZM338,99.54a4.07,4.07,0,0,0-3.08-1.35,3,3,0,0,0-3.29,3.09c0,2.11,1.41,2.88,3.5,3.91,2.68,1.35,4,2.61,4,5.38s-1.65,5-4.86,5a5.42,5.42,0,0,1-4.07-1.77l.57-1.4a4.49,4.49,0,0,0,3.5,1.69c2.34,0,3.59-1.35,3.59-3.35s-1.18-3-3.36-4.12c-2.39-1.19-4.14-2.43-4.14-5.31a4.26,4.26,0,0,1,4.58-4.59,4.66,4.66,0,0,1,3.61,1.5Zm14.42-1.08h-5v16.79h-1.27V98.46h-5V97H352.4Zm10.87,0h-6.82v6.84h6.21v1.43h-6.21v7.1h7v1.43h-8.3V97h8.11Zm9.35-1.74a5,5,0,0,1,4,1.77l-.59,1.24a4.24,4.24,0,0,0-3.38-1.53c-2.77,0-5.23,2.43-5.23,7.94s2.17,7.95,5.15,7.95a4.43,4.43,0,0,0,3.52-1.48l.49,1.21a5,5,0,0,1-4.07,1.74c-3.55,0-6.4-2.88-6.4-9.42S369.33,96.72,372.63,96.72Zm17.67,18.53H389v-8.53h-7.81v8.53h-1.29V97h1.29v8.26H389V97h1.27Zm14.69,0h-1.14l-7.92-15.1h0v15.1h-1.29V97h1.14l7.94,15.1h0V97H405Zm5.89,0H409.6V97h1.29Zm8.7-9.34,6.19,9.34h-1.65l-5.59-8.58h-1.75v8.58h-1.29V97h1.29v8.24h1.71L423.76,97h1.54ZM78.28,200H32.65l81-118.58-17-58.56h41.81l4.21,15,10.26-15H197l-41,60,23.12,79.56H137.32l-10.12-36Zm-32.83-6.76H74.73l55.08-82.55,12.63,44.93h27.69l-21.5-74,35.56-52H156.51l-16.42,24-6.73-24H105.66L121,82.6Zm-.68-31.3H0L61.3,72.29H106Zm-32-6.76H41.2L93.23,79H64.86ZM85.46,60A30,30,0,1,1,106.07,8.19l.66.62-6,6.32-.65-.62a21.33,21.33,0,1,0-6.95,35.42L94,49.6l3.13,8.1-.84.33A29.9,29.9,0,0,1,85.46,60Z“ fill=„#4c5c64“/></svg></figure><figure class=„aufmacherbild“><img src=„https://heise.cloudimg.io/width/700/q75.png-lossy-75.webp-lossy-75.foil1/_www-heise-de_/imgs/18/2/8/0/9/2/3/9/machine_learning-bda0d13ad6c1ac33.jpeg“ srcset=„https://heise.cloudimg.io/width/700/q75.png-lossy-75.webp-lossy-75.foil1/_www-heise-de_/imgs/18/2/8/0/9/2/3/9/machine_learning-bda0d13ad6c1ac33.jpeg 700w, https://heise.cloudimg.io/width/1050/q75.png-lossy-75.webp-lossy-75.foil1/_www-heise-de_/imgs/18/2/8/0/9/2/3/9/machine_learning-bda0d13ad6c1ac33.jpeg 1050w, https://heise.cloudimg.io/width/1500/q75.png-lossy-75.webp-lossy-75.foil1/_www-heise-de_/imgs/18/2/8/0/9/2/3/9/machine_learning-bda0d13ad6c1ac33.jpeg 1500w, https://heise.cloudimg.io/width/1920/q75.png-lossy-75.webp-lossy-75.foil1/_www-heise-de_/imgs/18/2/8/0/9/2/3/9/machine_learning-bda0d13ad6c1ac33.jpeg 1920w“ sizes=„(min-width: 80em) 43.75em, (min-width: 64em) 66.66vw, 100vw“ alt=„Studie: ML-Entwicklung kämpft mit Kostendruck und Skalierung in Großunternehmen“ class=„img-responsive“/></figure><p><strong>Algorithmia beleuchtet im neuen Report State of Enterprise Machine Learning, womit sich die ML-Entwicklung im Jahr 2020 beschäftigen wird.</strong></p> <p>Trends und Verhaltensmuster von Unternehmen im Umgang mit dem Thema maschinelles Lernen: Das wil Algorithmia, Anbieter der gleichnamigen Plattform für die Entwicklung von KI-Diensten, mit seinem jährlichen Report State of Enterprise Machine Learning herausarbeiten. Die jetzt veröffentlichte Ausgabe stützt sich auf die Antworten von rund 745 Teilnehmern, die in zwei Gruppen von Algorithmia und einem unabhängigen Institut zusammengetragen wurden, und arbeitet sieben Thesen heraus, die Unternehmen in 2020 prägen werden.</p> <p>So sollen unter anderem die Rollen zwischen Business Intelligence und Data Science weiter verschwimmen und aufgrund des Fachkräftemangels zunehmend Softwareentwickler für das Management von ML-Modellen herangezogen werden. Weitere Herausforderungen sieht die Studie im Zusammenwirken von geringem Reifegrad, ungewöhnlich langen Release-Zyklen für neue Projekte im Bereich Machine Learning und einem daraus resultierendem Kostendruck. Besonders die großen Unternehmen mit mehr als 10.000 Mitarbeitern hätten zunehmen damit zu kämpfen, ihre ML-Projekte der Größe entsprechend zu skalieren, da hier Tooling, Frameworks oder Programmiersprache limitierende Faktoren seien. Laut Algorithmia deckt sich diese Beobachtung <a href=„https://blogs.gartner.com/andrew_white/2019/01/03/our-top-data-and-analytics-predicts-for-2019/“ rel=„external noopener“ target=„_blank“><strong>mit denen des Beratungsinstituts Gartner [1]</strong></a>: Auch 2020 würden noch gut 80 Prozent der AI-Projekte von einzelnen Talenten gestemmt, deren Wissen nicht auf die Organisation abfärbe. Ein Trend hin zu offenen Innovation Hubs könne hier mittelfristig eine Perspektive schaffen, so die Autoren der Studie.</p> <div class=„inread“/> <p>Zunehmend komme auch eine finanzielle Herausforderung auf die Unternehmen zu. Firmen mit mittlerem bis höherem ML-Reifegrad (mit zwei bis fünf Jahren Erfahrung) seien bereits dabei, ihre Investitionen zu verdoppeln. Für Neueinsteiger bedeute dies, ihre Anstrengungen mindestens drei Mal so hoch ansetzen zu müssen, um sich am Markt zu behaupten. Der Report empfiehlt Unternehmen, sich spätestens ab 2020 mit einer eigenen ML-Strategie auseinanderzusetzen. Das 27-seitige PDF stellt Algorithmia <a href=„https://info.algorithmia.com/2020“ rel=„external noopener“ target=„_blank“><strong>nach Registrierung per E-Mail kostenfrei [2]</strong></a> zur Verfügung. (<em>Robert Lippert</em>) / ()<br class=„clear“/></p> <hr/><p><strong>URL dieses Artikels:</strong><br/><small>
http://www.heise.de/-4616161
</small></p> <p><strong>Links in diesem Artikel:</strong><br/><small>
<strong>[1]</strong> https://blogs.gartner.com/andrew_white/2019/01/03/our-top-data-and-analytics-predicts-for-2019/
</small><br/><small>
<strong>[2]</strong> https://info.algorithmia.com/2020
</small><br/><small>
<strong>[3]</strong> mailto:fo@heise.de
</small><br/></p> <p class=„printversion__copyright“><em>Copyright © 2019 Heise Medien</em></p> </html>
Falls nicht anders bezeichnet, ist der Inhalt dieses Wikis unter der folgenden Lizenz veröffentlicht: CC Attribution-Noncommercial-Share Alike 4.0 International