Deep Learning mit gigantischem Potential

Deep Learning hat ein gigantisches Wertschöpfungspotenzial, so eine aktuelle Studie. (Foto: Sergey Tarasov - Fotolia.com)

Die auf Basis neuronaler Netze arbeitende Analytik-Technologie Deep Learning hat ein jährliches Wertschöpfungspotenzial von bis zu 5,8 Billionen US-Dollar weltweit. Zu diesem Ergebnis kommt eine neue Studie des McKinsey Global Institute (MGI). Für die Studie wurden weltweit mehr als 400 Anwendungsfälle von Deep Learning untersucht. Die Technologie gilt als die am weitesten entwickelte Form der künstlichen Intelligenz (KI).

Deep Learning ist ein Teilbereich des Machine Learnings und nutzt neuronale Netze sowie große Datenmengen. Die Lernmethoden richten sich nach der Funktionsweise des menschlichen Gehirns und resultieren in der Fähigkeit eigener Prognosen oder Entscheidungen. Insgesamt haben die Experten Anwendungen in 19 Branchen, unter anderem Healthcare, analysiert.

Die untersuchten Deep-Learning-Methoden können der Studie zufolge künftig 40 Prozent des Gesamtwerts aller Analyseansätze ausmachen (jährlich 3,5 bis 5,8 Billionen US-Dollar). Je nach Sektor sind das bis zu neun Prozent des heutigen Branchenumsatzes. Die größten Wertschöpfungspotenziale bietet mit 400 Milliarden bis 800 Milliarden US-Dollar die Handelsbranche, gefolgt von Transport und Logistik und der Reisebranche (jeweils bis zu 500 Milliarden US-Dollar). Auch im Bereich Healthcare sehen die Analysten großes Potential. Allerdings kann dort vielfach noch nicht abgeschätzt werden, wie hoch das Wertschöpfungspotential ist, da die Techniken noch zu neu und unerprobt sind.

Neue Herausforderungen durch KI

„Der Einsatz dieser hochentwickelten KI-Methoden stellt Unternehmen vor erhebliche organisatorische Herausforderungen”, sagt Peter Breuer, Seniorpartner bei McKinsey in Köln und deutscher Leiter von McKinsey Advanced Analytics. Aber: „Der Mehrwert, den diese Methoden generieren, übertrifft den Aufwand um ein Vielfaches. Das Wertpotenzial der künstlichen Intelligenz steckt letztlich nicht in den Modellen selbst, sondern in der Fähigkeit der Unternehmen, diese Modelle zu nutzen.”

Die praktischen Anwendungsmöglichkeiten sind vielfältig, wie die Studie zeigt. Eine Anwendung, die für eine Reihe von Branchen infrage kommt, ist die vorausschauende Wartung („predictive maintenance“). Deep-Learning-Technologien ermöglichen es, sehr große Ströme komplexer Daten zu analysieren, von Vibrationen und anderen Sensordaten bis hin zu Audio- und Bilddaten. Die Studie steht online zum Download zur Verfügung.