Tag: Machine Learning


Crisp Vendor Universe – Machine Learning: Technologie-Anbieter und Dienstleister im Vergleich

  • Ohne künstliche Intelligenz geht nichts! Machine Learning avanciert zum elementaren Wertschöpfungs- und Erfolgsfaktor der Digitalisierung deutscher Konzerne und Mittelständler.
  • Hohes Innovationstempo - wenig Transparenz! Die rasante Marktentwicklung macht es IT- und Digitalisierungsentscheidern schwer, die richtigen Machine Learning-Technologien, Anbieter und Dienstleister auszuwählen.
  • Klasse statt Masse! - Im hochspezialisierten Markt für Machine Learning sind vor allem Kompetenz und nicht schiere Unternehmensgröße gefragt. So werden Spezialisten und Startups neben den globalen Cloud- und IT-Größen zu gefragten Beratungs- und Technologiepartnern.
  • Im Rahmen des “Crisp Vendor Universe - Machine Learning” analysierte Crisp Research über 110 Technologie- und Dienstleistungsanbieter, aus denen u.a.  BigML, Alexander Thamm und The unbelievable Machine Company als Marktführer in der DACH-Region hervorgegangen sind. Neben den globalen Schwergewichten Microsoft, AWS, Google und IBM zeichnen sich speziell diese Unternehmen als Accelerator aus, die ihre Kunden optimal bei der Beschleunigung ihrer Analyticsprozesse und der Etablierung datenbasierter Geschäftsmodelle unterstützen.

Continue reading “Crisp Vendor Universe – Machine Learning: Technologie-Anbieter und Dienstleister im Vergleich” »


Next Generation Workplace powered by Machine Learning

  • Der Machine Learning und AI-Hype wird langsam zur Business-Realität. Viele Ideen & Use Cases sind bereits Realität und die Unternehmen sammeln ihre Erfahrungen.
  • Ein wichtiger Kernbaustein ist der Mobile Workplace und alles, was Drumherum geschieht.
  • Im Next Gen Digital Workplace spielt AI eine wichtige Rolle. Vom Backend bis in die Applikationsschicht werden Machine Learning-basierte Services gebraucht, um die Workflows zu optimieren.
  • Der Quantensprung in Sachen User Experience für Mitarbeiter und Kunden wird bald kommen. Security, Lastverteilung und personalisierte Apps sind nur eine Auswahl vieler Einsatzszenarien.

Continue reading “Next Generation Workplace powered by Machine Learning” »


Machine Learning meets the Data Center – Die RZ-Strategien der Unternehmen werden verändert

Zum Processing von Machine Learning-Verfahren eignet sich Standard-X86-Hardware nur begrenzt. Viele Machine Learning-Algorithmen sind nicht nur besonders rechenintensiv, sondern laufen dann am effizientesten, wenn sie auf spezialisierter Hardware betrieben werden. Auch kann die Abstraktion von IT-Infrastruktur via Virtualisierung im Kontext von Machine Learning eher eine Barriere bzw. ein Kostentreiber sein, auf den man gerne verzichtet. Folgende Trends zeichnen sich auf der Hardware- und Infrastrukturseite ab:

Continue reading “Machine Learning meets the Data Center – Die RZ-Strategien der Unternehmen werden verändert” »


AI First – Q1-2017 Machine Learning Market Update (Teil 1)

  • AI-First – Globale IT-Konzerne machen Machine Learning und Künstliche Intelligenz zum Fixpunkt ihrer Unternehmensstrategien (Teil 1)
  • War of Talents voll entbrannt – Woher nehmen die Firmen die Machine Learning-Experten? (Teil 1)
  • Machine Learning meets the Data Center – Warum Machine Learning die RZ- und Infrastruktur-Strategien der Unternehmen verändert (Teil 2)
  • Konzerne im Kaufrausch – IT- und Industriekonzerne kaufen weiter rasant Machine Learning-Startups und Teams auf (Teil 2)

Continue reading “AI First – Q1-2017 Machine Learning Market Update (Teil 1)” »


Cloud Next – Metamorphose von AWS, Google & Co. zur Enterprise Cloud Platform

  • Die großen Public Cloud-Plattformen wandeln sich zunehmend zur echten Alternative für die Enterprise-IT
  • Viele Public Cloud-Anbieter passen sukzessive ihre Support- und Service-Konzepte den Bedürfnissen der Unternehmenskunden an
  • Zahlreiche Partnerschaften und Allianzen zwischen den „traditionellen“ IT-Anbietern und Public Cloud Providern befördern die Vielfalt und Offenheit im Sinne der Kunden
  • Deutschland steht als Investitionsstandort für Public Cloud-Anbieter weiterhin im Fokus und dient als Hub

Enterprise-First: Ankündigungen auf AWS Re:Invent und Google Next zielen klar auf Bedürfnisse der Enterprise-Kunden

Nachdem in der ersten Dekade des Cloud Computing vor allem Startups und Internetfirmen die Nachfrage und Innovationsstrategien von AWS, Google und Azure geprägt haben, zeigt sich nun deutlich, dass die nächste Dekade den klassischen Unternehmenskunden gehört. Der Ressourcenbedarf an IaaS-, PaaS- und Analytics-Diensten ist enorm, getrieben durch die digitale Transformation und Initiativen im Kontext von IoT und Industrie 4.0. Das gilt insbesondere für Deutschland mit seiner Stärke im Bereich der Export- und technologieorientierten Unternehmen im Maschinenbau, der Automobil- und Elektroindustrie. Continue reading “Cloud Next – Metamorphose von AWS, Google & Co. zur Enterprise Cloud Platform” »


Conversational Interfaces: Innovationsführer, Ökosysteme und Potentiale in der Mensch-Maschine-Schnittstelle?

● Conversational Interfaces bieten in vielen Bereich des Alltags und der Arbeitswelt eine Erleichterung in der Kommunikation. Der intuitive Zugang zu Daten und deren Verarbeitung wird durch die sprachliche Interaktion optimiert.
● Innovationen werden aktuell durch Konsumentenprodukte vorangetrieben, ähnlich wie bei der Entwicklung der Grafikkarten vor Jahrzehnten.
● Ein starkes Ökosystem und die Integration von mannigfaltigen Schnittstellen sind ein Schlüssel für ein erfolgreiches Produkt. Dabei müssen auch Unternehmensgrenzen und -barrieren überschritten werden.
● In komplexen Umgebungen wird noch viel Forschung betrieben werden müssen, damit die Interfaces in jeder Lebenslage verlässlich und zielgerichtet genutzt werden können. Auch eine Fusion mit anderen Technologien, wie beispielsweise der Gestensteuerung oder Virtual Reality, ist notwendig. Continue reading “Conversational Interfaces: Innovationsführer, Ökosysteme und Potentiale in der Mensch-Maschine-Schnittstelle?” »


Snap-Google-Deal über 2 Mrd. USD zeigt die Dynamik des IaaS-Marktes

  • Ausgaben für Public IaaS steigen auf rund 35 Mrd. USD in 2017
  • Snap schließt Vertrag mit Google über 2 Mrd. IaaS für 5 Jahre ab
  • Machine Learning und IoT als Wachstumstreiber
  • Neue Player im IaaS-Markt: Alibaba und Huawei; was ist mit Bosch und Facebook?

Mehr als 35 Mrd. USD für Infrastructure-as-a-Service im Jahr 2017

Die weltweite Nachfrage nach IaaS und Plattformdiensten ist ungebrochen. Angetrieben durch die Digitalisierung der Unternehmen, steigen die Ausgaben in 2017 nochmals um knapp die Hälfte von 23,5 Mrd. USD in 2016 auf 34,7 Mrd. USD in 2017 (47 Prozent Wachstum). Continue reading “Snap-Google-Deal über 2 Mrd. USD zeigt die Dynamik des IaaS-Marktes” »


Neue Studie: Machine Learning im Unternehmenseinsatz

„AI-First“ – so lautet mittlerweile das Mantra vieler Technologie-CEOs von Google bis Microsoft. Doch was ist dran am Hype rund um das Thema Künstliche Intelligenz?

Fakt ist, dass die Kombination aus günstiger Rechenleistung, großen Datenmengen und optimierten Algorithmen die Innovationsleistung von Machine Learning-Verfahren derzeit exponentiell steigen lässt. Was vor 3 Jahren noch unrealistisch erschien, ist heute Realität. Von der Spracherkennung, über die medizinische Diagnostik bis hin zum autonomen Fahren existieren schon heute vielfältige Einsatzbereiche für Verfahren der Künstlichen Intelligenz. Im Kontext der digitalen Transformation erweitert sich dieses Einsatzspektrum noch weiter und reicht vom Unternehmensrechenzentrum, über die Steuerung von Fertigungsanlagen (Industrie 4.0) bis hin zur Überwachung von vernetzten Geräten (IoT). Nach aktuellen Prognosen von Crisp Research werden im Jahr 2017 weltweit schon rund 4,3 Mrd. Euro in Machine Learning-Technologien, Services und -Projekte investiert. Continue reading “Neue Studie: Machine Learning im Unternehmenseinsatz” »


Researchphase hat begonnen: “Crisp Vendor Universe – Machine Learning”

Machine Learning zählt derzeit zu den führenden Technologietrends. Egal ob Sprach- oder Bilderkennung, autonomes Fahren oder IoT-Projekte – die neuen digitalen Lösungen und Produkte sind ohne Verfahren des Machine Learning und der künstlichen Intelligenz nicht denk- und realisierbar. Schon über zwei Drittel der deutschen Unternehmen beschäftigen sich aktiv mit dem Thema. Nach aktuellen Prognosen von Crisp Research werden im Jahr 2017 weltweit rund 4,3 Mrd. Euro in Machine Learning-Technologien, Services und -Projekte investiert.

Die große Bandbreite an Machine Learning-Funktionen und -Diensten, die unterschiedlichen Algorithmen und Lernstile-, sowie die Vielfalt von Einsatzszenarien sorgen für eine sehr hohe Komplexität. Um IT- und Digitalisierungsentscheider, Unternehmensstrategen sowie IT-Einkäufer bei der Identifikation, Evaluierung und Auswahl relevanter und geeigneter Technologie- und Dienstleistungsanbieter zu unterstützen, führt Crisp Research im Kontext von Machine Learning derzeit einen unabhängigen Anbietervergleich namens „Crisp Vendor Universe – Machine Learning“ durch.

Nach einer einheitlichen und standardisierten Bewertungsmethodik werden Stärken und Schwächen der Anbieter transparent und vergleichbar dargestellt. Weiterhin bietet die Analyse eine differenzierte Positionierung der Anbieter nach Markt- und Technologiesegmenten in Quadranten, klare Kriterien für das Erstellen von Shortlists und die Investitionsplanung sowie Anregungen für eigene Projekte und Benchmarks.

Mit dem “Crisp Vendor Universe - Machine Learning” führt Crisp Research erstmals einen unabhängigen Vergleich relevanter Technologie- und Service-Provider im Kontext von Machine Learning durch. Der gleichnamige Report wird im April 2017 erscheinen und soll IT- und Digitalisierungsentscheidern einen einheitlichen Marktüberblick liefern. Im Mittelpunkt des Anbietervergleichs stehen die folgenden Marktsegmente:

Marktsegment Beschreibung
Machine Learning
-as-a-Service		 Plattformen, die Machine Learning-Funktionen (z.B. Bilderkennung, Spracherkennung, Textanalyse etc.) via API als Service bereitstellen und abrechnen („as-a-Service“). Dabei sind Rechenleistung, Softwarekomponenten und Machine-Learning-Modelle sowie die angewandten Algorithmen integraler Service- und Preisbestandteil.
Machine Learning Platforms & Software Advanced Analytics bzw. Data Science-Software Plattformen, welche die Entwicklung, Modellbildung, Training und Verwaltung sowie das Processing von Machine Learning-Verfahren und Algorithmen ermöglichen und dabei verschiedene Deployment-Varianten (On-Prem, Hosted, Cloud) unterstützen.
Machine Learning Dienstleister IT-Dienstleister, welche Kunden im Kontext von Machine Learning und künstlicher Intelligenz durch Beratung, Training, Implementierung, Datenaufbereitung und -Analyse sowie dem Betrieb von Machine Learning-basierten Plattformen und Systemen unterstützen.

Mehr Informationen zur Methodik und den Selektionskriterien der relevanten Anbieter erhalten Sie auf unserer Website sowie von unseren Projektleitern Björn Böttcher und Anna-Lena Schwalm.

Einen Überblick zu unseren bereits durchgeführten Research-Missionen und Anbietervergleichen finden Sie unter diesem Link.


Die Top-10 Technologietrends für 2017

  • Machine Learning & die „Cognitive Company“
  • Autonomous IT & Künstliche Intelligenz im Rechenzentrum
  • Software-Defined Products & IoT
  • Industry Clouds & Data Hubs
  • Renaissance of Hardware – Von GPU bis Quantenrechnerei
  • Bots & Digitale Assistenten
  • Digitale Infrastrukturen - Von Smart Cities bis zum digitalen Gesundheitswesen
  • Mixed Reality - Virtual & Holographic Computing
  • Blockchain
  • Distributed Security

Machine Learning und die „Cognitive Company“

Für eine Vielzahl an Use Cases der digitalisierten Welt sind neue Processing- und Analysetechnologien gefragt. So spielt die Mustererkennung von Bildern, Personen oder Gegenständen z.B. in der Gesundheitsvorsorge, der öffentlichen Sicherheit und auch dem Automobilsektor, Stichwort autonomes Fahren, eine immer größere Rolle. Auch die maschinelle Verarbeitung von Sprache in digitalen Assistenten wird in mobilen Einsatzszenarien immer wichtiger. Continue reading “Die Top-10 Technologietrends für 2017” »


Top 5 Developer – Trends für 2017

Polyglotte Systeme

Vor gar nicht allzu langer Zeit waren viele Entwickler noch PHP-Programmierer oder Java-Programmierer - heutzutage sind viele Full-Stack-Developer oder DevOps-Engineers. In den derzeit populären Job-Titeln, spiegelt sich wider, dass sich der Alltag eines modernen Entwicklers nicht so einfach mit der Expertise in einer Programmiersprache gleichsetzen lässt. Selbst bei einfachen Web-Applikationen kommen heutzutage häufig mehrere Markup-, Script- und/oder Programmiersprachen zum Einsatz. Immer mehr Entwickler schreiben regelmäßig Code in mehreren Sprachen. Durch den vermehrten Einsatz von Microservices wird die IT heterogener. Kleine autonome Services laden dazu ein pragmatische Lösungen zu finden und neue Wege zu gehen. Tools und Programmiersprachen können so abhängig vom konkreten Anwendungsfall gewählt werden und bieten Raum für Experimente. Diese Experimente mit neuen Technologien sind verhältnismäßig günstig, da ein kleiner Service schnell ersetzt werden kann - der Lerneffekt ist allerdings umso höher, denn im Produktiv-Einsatz lernt man am meisten. Infrastructure-as-Code und die Automatisierung von Prozessen wie z.B. Deployment und Testing tun ihr Übriges, die Vielfalt an Sprachen, die im Einsatz sind, zu erhöhen. Umso wichtiger ist es, für eine Atmosphäre des Voneinander-Lernens und Austauschs zu sorgen und sich mit Konzepten wie dem Just-In-Time-Learning auseinanderzusetzen. Continue reading “Top 5 Developer – Trends für 2017” »


Rückblick auf die Crisp Perspective 2016

Am 10. November 2016 trafen sich viele spannende Gäste, IT- und Digitalisierungsentscheider und Analysten im Rahmen der zweiten Technologiekonferenz Crisp Perspective zu einem neuerlichen Perspektivenwechsel auf die IT-Welt. In lebhafter und offener Atmosphäre präsentierten und diskutierten Analysten und IT-Experten Technologietrends und -entwicklungen. Rund um die Themenschwerpunkte Digital Excellence, Cloud & Digital Infrastructure und Enterprise Mobility ergaben sich so zahlreiche Gespräche, Ideen und Eindrücke. Continue reading “Rückblick auf die Crisp Perspective 2016” »


Top 5 Mobility-Trends für 2017

Mobile Personal Assistants & Bots

2016 brachte einige Meilensteine im Bereich von Machine Learning, Artificial Intelligence und neuen, smarten Bot-Systemen hervor. Eine ganz besondere Strömung dieser Machine-Learning-Bewegung sind mobile Assistenten. Siri, Cortana, Watson und Google Now werden langsam erwachsen und sind die Vorbilder für eine neue, weitere Generation der mobilen Assistenten. Continue reading “Top 5 Mobility-Trends für 2017” »


Top 5 Data-Trends für 2017

1. Edge Analytics

Am Ende des Internets beginnt die reale Welt. Und eben dort werden auch viele Daten durch IoT-Endgeräte erfasst. Die Anzahl dieser Sensoren und Geräte vervielfacht sich mit einer steigenden Geschwindigkeit. Mehr Geräte erfassen mehr Daten und die sollten  analysiert und für einen Mehrwert aufbereitet werden. Dies kann im Rechenzentrum oder in der Cloud passieren, jedoch ist es nicht für alle Daten, die erhoben werden, notwendig eine nachhaltige Speicher- und Archivierungsstrategie zu verfolgen. Von vielen Daten ist lediglich die Information notwendig, die zu einer Entscheidung für einen spezifischen Anwendungsfall beiträgt. Continue reading “Top 5 Data-Trends für 2017” »


Machine Learning in der Industrie

Machine Learning in der Industrie - Wie Verfahren der künstlichen Intelligenz zum elementaren Digitalisierungsbaustein der globalen Industriekonzerne werden

Mit der zunehmenden Digitalisierung steigt auch in der Industrie der wertschöpfende Anteil der IT. Mit dem Einzug des Internet der Dinge werden immer mehr Daten produziert, die gesammelt, analysiert und nutzbar gemacht werden wollen. Industrieunternehmen werden immer mehr zu IT- und Software-Unternehmen. Wer nicht mitmacht, wird abgehängt. Mit steigender Datenmenge und fortgeschrittener Automatisierung nehmen Machine Learning und Künstliche Intelligenz immer mehr Einzug in die Industrie. Continue reading “Machine Learning in der Industrie” »


Das Rechenzentrum: Die logistische Drehscheibe der Digitalisierung

Digitalisierung. Es ist schon erstaunlich, wie es ein einzelner Terminus geschafft hat, in so kurzer Zeit zu einem Albtraum für Unternehmenslenker und IT-Entscheider weltweit aufzusteigen und zu einer Chance für Startups und neue Märkte zu werden. Was bereits seit vielen Jahren ununterbrochen fortschreitet und mit Kodak oder Blockbuster schon vor Jahren erste Opfer hervorgebracht hat, zeigt seit geraumer Zeit auch deutliche Auswirkungen in anderen Industrien und auf Unternehmen jeglicher Größe. Continue reading “Das Rechenzentrum: Die logistische Drehscheibe der Digitalisierung” »


Strategien für das Datenmanagement im digitalen Zeitalter

Was wäre, wenn alle Unternehmen den Weg in Richtung Digitalisierung beschreiten? Was, wenn immer mehr Unternehmen Cloud Services nutzen und Staaten ihre öffentliche Infrastruktur und die Verkehrssysteme vernetzen? Was, wenn auch im Mittelstand Papier gegen digitale Prozesse ersetzt würde? Was, wenn die Mehrheit der Menschen Filme und Musik über das Internet streamed? Da all dies schon längst Realität ist, müssen die Prognosen zum jährlichen Datenwachstum und den Speicherkapazitäten ständig neu angepasst werden. Denn die Geschwindigkeit mit der die Digitalisierung von Produkten (Smart Products), Geschäftsprozessen, Endgeräten (IoT) oder Produktions- und Logistiksystemen (Industrie 4.0) voranschreitet ist enorm. Crisp Research geht aktuell von einem weltweiten jährlichen Datenwachstum von rund 30-40% und einem Gesamtspeichervolumen von >50 Zettabyte im Jahr 2020 aus.

Continue reading “Strategien für das Datenmanagement im digitalen Zeitalter” »


Die Machine Learning Akquisitionen der Big Five – Smarte Produkte werden Standard

Nicht erst seit heute ist Machine Learning ein heißes Thema. Die Anwendungsmöglichkeiten sind vielfältig und reichen von der Bilderkennung über Predictive Analytics bis hin zu Computer Vision. Im Zeitraum von 2015 bis Mitte 2016 gab es über 120 Akquisitionen im Bereich Machine Learning. Crisp Research hat mal genauer hingeschaut und beleuchtet in diesem Analyst View vergangene und aktuelle Trends. Continue reading “Die Machine Learning Akquisitionen der Big Five – Smarte Produkte werden Standard” »


Machine Learning im Krankenhaus

Im letzten Beitrag wurden die Chancen und das Potential von Machine Learning Verfahren in der Forschung aufgezeigt. Die Forschung ist sicherlich ein interessantes Gebiet für Cloud Computing und Machine Learning und nicht minder groß ist die Versuchung bei den Anbietern in den Besitz der Daten zu kommen, um die eigenen Dienste zu erweitern und die Daten dann selbst entsprechend anzubieten. Ein anderes Einsatzgebiet stellen im medizinischen Umfeld Krankenhäuser dar. Die Frage ob und wo Machine Learning im Krankenhaus eingesetzt werden kann oder sollte, beleuchtet dieser Beitrag.

Continue reading “Machine Learning im Krankenhaus” »