Statistik des maschinellen Lernens
30. Januar 2025
Markt für maschinelles Lernen und Übernahmequote
Der weltweite Markt für maschinelles Lernen wächst stetig und wird voraussichtlich 113,10 Milliarden Dollar im Jahr 2025 erreichen und bis 2030 weiter auf 503,40 Milliarden Dollar anwachsen mit einer CAGR von 34,80%. (Statista)
Im Jahr 2024 wurde der globale KI-Markt auf 184,04 Milliarden Dollar geschätzt und wird bis 2030 voraussichtlich 826 Milliarden erreichen
Im Jahr 2024 hatten die USA den größten ML-Markt weltweit, mit einem Wert von über 21 Milliarden Dollar
24,58 Milliarden Dollar ist die prognostizierte weltweite Größe des Marktes für erklärbare KI bis 2030
Der weltweite Markt für natürliche Sprachverarbeitung wird voraussichtlich von 29,71 Milliarden Dollar im Jahr 2024 auf 158,04 Milliarden Dollar im Jahr 2032 wachsen
Der weltweite Computer-Vision-Markt wird bis 2025 voraussichtlich 29,27 Milliarden Dollar erreichen
Mit Stand vom Januar 2024 waren insgesamt 281 ML-Lösungen auf dem Google Cloud Platform Marktplatz verfügbar. Die meisten von ihnen (195) gehörten zu den Software-as-a-Service (SaaS) und API-Typen
59 % der befragten Großunternehmen in Indien, 58 % in den Vereinigten Arabischen Emiraten, 53 % in Singapur und 50 % in China setzen KI aktiv ein, was diese Länder zu Führern bei der Einführung von KI
42 % der befragten Großunternehmen geben an, KI in ihrem Unternehmen einzusetzen, und weitere 40 % der Befragten geben an, KI zu erforschen
Im Jahr 2023 produzierte die Industrie 51 bemerkenswerte ML-Modelle, die Akademie steuerte 15 bei, während 21 Modelle aus Kooperationen zwischen Industrie und Akademia
59 % der Fachleute für maschinelles Lernen nennen Amazon Web Services als ihre am meisten genutzte Cloud-Plattform.
Das Institut für ethische KI und maschinelles Lernen
Die drei wichtigsten externen Treiber für die Einführung von KI in Unternehmen sind die zunehmende Zugänglichkeit der Technologie, die Notwendigkeit, Kosten zu senken und wichtige Prozesse zu automatisieren, sowie die zunehmende Implementierung von KI in Standardgeschäftsanwendungen
1 von 4 Unternehmen setzt KI aufgrund von Arbeits- oder Fachkräftemangel ein.
Suchen Sie eine vertrauenswürdige Beratungsfirma für maschinelles Lernen?
Maschinelles Lernen für branchenunabhängige Geschäftsabläufe
Der Einsatz von KI und ML nimmt in allen Unternehmensbereichen zu. In diesem Zusammenhang berichtet BCG zwar, dass Supportfunktionen wie der Kundenservice 38 % des Geschäftswerts von KI beitragen, betont aber auch, dass das wahre Potenzial von KI in Kerngeschäftsfunktionen wie Betrieb (23 %), Marketing und Vertrieb (20 %) sowie Forschung und Entwicklung (13 %) liegt. Auch Bain & Company bestätigt die funktionsübergreifende Wirkung von KI.
Internal productivity
Software code development
Customer service
Marketing
Knowledge worker effectiveness
Operations
IT
Sales & sales operations
Customer onboarding
Non-software R&D
Finance
HR
Legal
Product differentiation
Natural language interfaces
Core product performance enhancements
New products or services
Kundenbetreuung
81% der Verbraucher sind der Meinung, dass KI ein integraler Bestandteil des modernen Kundenservice geworden ist, ein Anstieg von 11 Punkten gegenüber dem letzten Jahr
70 % der befragten Verbraucher gaben an, dass es eine deutliche Kluft zwischen Unternehmen gibt, die KI im Kundenservice effektiv einsetzen, und solchen, die dies nicht tun
GenAI-basierte Chatbots können das Volumen der von Menschen betreuten Kontakte um bis zu 50% reduzieren, je nach dem aktuellen Automatisierungsgrad eines Unternehmens
Marketing und Vertrieb
Der Einsatz von GenAI in einer Reihe von Unternehmens-Marketingaktivitäten wird zu einer geschätzten Produktivitätssteigerung von über 40 % bis 2029
Zu den häufigsten KI-Anwendungsfällen unter US-B2B-Marketern im Jahr 2024 gehören inhaltsbezogene Aufgaben (52 %), Codierung (39 %),und Präsentationen (35 %)
Der Anteil der von KI erfüllten Vertriebsaufgaben soll von 45 % im Jahr 2023 auf 60 % im Jahr 2028 wachsen
Humanressourcen
Das Personalwesen ist die Unternehmensfunktion, in der der größte Anteil der Befragten (50 %) Kostensenkungen dank generativer KI
25 % der befragten Personalabteilungen nutzen KI. Diese Technologie wird am häufigsten für Talentakquise (42 %), Mitarbeiterschulung und -entwicklung (36 %) und Personalanalyse (21 %)
GenAI-gesteuerte Chatbots können auf Wissensdatenbanken von Unternehmen zugreifen und Mitarbeitern personalisierte Schulungsempfehlungen geben. Diese Fähigkeiten machen 12% des gesamten Wertpotenzials von genAI im Personalwesen aus
ML-Anwendungsfälle in verschiedenen Branchen
Obwohl die heutigen Anwendungsfälle für KI und Maschinelles Lernen über alle Branchen hinweg immer vielfältiger werden, identifiziert IBM den Finanzdienstleistungssektor als den führenden Sektor in Bezug auf den Einsatz von KI.
Bankwesen
Der globale Markt für KI im Bankwesen hatte 2023 ein Volumen von 19,90 Milliarden Dollar und wird bis 2033 voraussichtlich 315,50 Milliarden Dollar erreichen
Der Einsatz von generativer KI im globalen Bankensektor könntedurch Produktivitätssteigerungen jährlich zwischen 200 und 340 Milliarden Dollar an Wert gewinnen
Die Automatisierung von Middle-Office-Aufgaben mit ML und KI kann nordamerikanischen Banken bis 2025 70 Milliarden Dollar sparen
Europäische Banken, die statistische Verfahren durch maschinelles Lernen ersetzt haben, verzeichneten bis zu 10 % höhere Umsätze mit neuen Produkten und 20 % weniger Abwanderung
Gesundheitswesen
Der globale Markt für KI im Gesundheitswesen wurde 2023 auf 19,27 Milliarden US-Dollar geschätzt und wird bis 2034 voraussichtlich 613,81 Milliarden US-Dollar erreichen
81 % der Verbraucher haben im vergangenen Jahr einen KI-Chatbot oder Sprachassistenten zur Unterstützung im Gesundheitswesen genutzt
84 % der Patienten geben an, dass sie es vorziehen würden, mit einem KI-Assistenten zu sprechen, wenn die Wartezeiten zu lang sind
66 % der befragten Patienten erwarten, dass ihre Gesundheitsdienstleister in diesem Jahr generative KI zur Verbesserung des Online- und Telefonsupports einsetzen werden
Fertigung
20,8 Milliarden Dollar ist die erwartete Marktgröße für KI in der Fertigung bis 2028
Industrie 4.0-Vorreiter, die KI-Anwendungsfälle wie Nachfrageprognosen und die Routenplanung von Schwerlasttransportern anwenden, erlebten eine zwei- bis dreifache Produktivitätssteigerung und eine Senkung des Energieverbrauchs um 30 %
Generative KI für die Generierung von Inhalten, die Gewinnung von Erkenntnissen und andere Aufgaben kann zu Produktivitätssteigerungen von bis zu zwei Mal über alle Fertigungsaktivitäten hinweg führen
Einzelhandel
Der globale Markt für KI im Einzelhandel wird voraussichtlich von 9,97 Mrd. $ im Jahr 2023 auf 54,92 Mrd. $ bis 2033 mit einer CAGR von 18,6 % im Prognosezeitraum 2024-2033 wachsen
Der Einzelhandel, der KI und maschinelles Lernen einsetzt, verzeichnete sowohl 2023 als auch 2024 ein jährliches Gewinnwachstum von rund 8 % und übertraf damit die Wettbewerber, die keine KI- oder ML-Lösungen einsetzten
Im Jahr 2024 gaben fast 90 % der befragten Marketingverantwortlichen im Einzelhandel an, dass KI ihnen Zeit bei der Erstellung einer Kampagne sparen würde, während weitere 71 % angaben, dass sie in KI investieren wollen, um das Kundenengagement zu erhöhen
Zu den wichtigsten KI-Anwendungen im E-Commerce, in die Einzelhändler heute investieren, gehören personalisierte Kundenempfehlungen (47 %), Konversations-KI-Lösungen (36 %) und adaptive Werbung, Promotions und Preisgestaltung (28 %)
Die potenziellen Auswirkungen der generativen KI auf den Einzelhandel können zwischen 400 und 660 Milliarden Dollar pro Jahr betragen, da Kundenservice, Marketing und Vertrieb sowie Bestands- und Lieferkettenmanagement rationalisiert werden
Vorteile des maschinellen Lernens
Als Erweiterung, aber nicht als Ersatz für menschliche Fähigkeiten, ermöglicht maschinelles Lernen Unternehmen die Automatisierung komplexer Prozesse, die Verbesserung der Qualität, Effektivität und Kreativität von Mitarbeiterentscheidungen mit umfangreichen Analyse- und Mustervorhersagefunktionen sowie die Aufdeckung von Marktlücken und -chancen zur Einführung neuer Produkte und Dienstleistungen, die Hyperpersonalisierung des Kundenerlebnisses und vieles mehr. (Accenture)
Mit der zunehmenden Verbreitung von ML- und KI-Initiativen können Unternehmen einen größeren Nutzen aus ihren Investitionen ziehen:
97 % der Unternehmen, die KI-Technologien wie maschinelles Lernen und generative KI einsetzen, haben davon profitiert und eine erhöhte Produktivität, einen verbesserten Kundenservice und weniger menschliche Fehler
Branchen, die stärker von KI betroffen sind, verzeichnen ein 4,8-fach höheres Wachstum der Arbeitsproduktivität im Vergleich zu durchschnittlichen Wachstumsraten
Technologieunternehmen werden voraussichtlich am stärksten von der generativen KI betroffen sein und einen Wert von bis zu 9 % des weltweiten Branchenumsatzes
67 % der leistungsstärksten Unternehmen profitieren bereits von GenAI-basierten Produkt- und Dienstleistungsinnovationen
29% der weltweiten IT-Profis geben an, dass ihre Mitarbeiter bereits Zeit mit neuer KI- und Automatisierungssoftware und -tools sparen
53 % der Inhaber kleiner Unternehmen berichten über die positiven Auswirkungen von KI auf das Kundenerlebnis
91% der CX-Trendsetter glauben, dass KI Kundenerlebnisse effektiv personalisieren kann
Investitionen in ML
Angespornt durch die potenziellen Vorteile des Einsatzes von KI, erhöhen Unternehmen ihre Investitionen in ML- und KI-Initiativen. In diesem Zusammenhang prognostiziert IDC, dass die weltweiten Ausgaben für KI-Lösungen bis 2027 auf mehr als 500 Milliarden Dollar steigen werden.
OpenAI war das weltweit meistfinanzierte MLOps-Startup im Jahr 2024, mit einer geschätzten Gesamtfinanzierung von über 11 Milliarden Dollar
Bis 2025 werden die Global-2000-Unternehmen voraussichtlich über 40 % ihrer IT-Ausgaben für KI-Initiativen aufwenden
59% der Unternehmen, die bereits KI erforschen oder einsetzen, haben ihre Einführung oder Investitionen in diese Technologie beschleunigt
89,6 % der befragten Fortune-1000-CIOs gaben an, dass Investitionen in generative KI in ihrem Unternehmen zunehmen
20 % der großen Unternehmen investieren bis zu 50 Millionen Dollar pro Jahr in generative KI
63 % der leistungsstärksten Unternehmen erhöhen ihre Investitionen in Cloud-Technologie, um GenAI besser nutzen zu können
Nachfrage und Beschäftigung im Bereich maschinelles Lernen
Da sich künstliche Intelligenz und maschinelles Lernen immer mehr durchsetzen, stellen Unternehmen neue Spezialisten ein und starten Umschulungsinitiativen, um Qualifikationslücken innerhalb ihrer Belegschaft zu schließen.
Trotz eines Rückgangs in jüngster Zeit ist maschinelles Lernen die am meisten nachgefragte KI-Kompetenz, die in 0,7 % aller Stellenausschreibungen in den USA gefordert wird, gefolgt von KI, NLP, autonomem Fahren und neuronalen Netzen
Stellenausschreibungen für KI-Spezialisten wachsen 3,5x schneller als für alle Stellen
Zu den am meisten gefragten Fähigkeiten bei KI-bezogenen Stellenausschreibungen in den USA gehören Python (152.201), Informatik (133.066), SQL (93.541), Datenanalyse (91.883), Datenwissenschaft (85.480), Agile Methodik (73.069) und Softwaretechnik (64.557)
Zu den wichtigsten Bereichen des maschinellen Lernens oder Modalitäten, an denen ML-Praktiker arbeiten, gehören Zeitreihen (17 %), Tabellen (15 %), Empfehlungssysteme (12 %) und kausale Inferenz (6 %). Bereiche wie Regression (lineare Regression, logistische Regression usw.) und Reinforcement Learning sind derzeit weniger beliebt
Die beliebtesten ML-Frameworks und Bibliotheken unter ML-Praktikern sind Sklearn (35%), PyTorch (32%) und TensorFlow (8%)
32 % der Führungskräfte und 38 % der IT-Fachleute glauben, dass Unternehmen mit Investitionen in Talente und Schulungen beginnen sollten, um Anfängern zu helfen, KI-Technologien wie ML effektiv zu nutzen
Das durchschnittliche Gehalt eines ML-Ingenieurs in den USA variiert von 116.416 $ bis 140.180 $, wobei die endgültige Zahl von Erfahrung, Branche und geografischem Standort abhängt
Das durchschnittliche Gehalt eines Datenwissenschaftlers mit ML-Kenntnissen in den USA beträgt 119.380 Dollar pro Jahr
Die geschätzte Gesamtvergütung für einen Ingenieur für maschinelles Lernen in den USA beträgt 167.527 $ pro Jahr, mit einem Durchschnittsgehalt von 122.557 $ pro Jahr
Jobs, die KI-Kenntnisse erfordern, brachten in den USA einen durchschnittlichen Aufschlag von 25 % und in Großbritannien von 14 %
Herausforderungen des maschinellen Lernens
Angefangen bei fehlenden Qualifikationen der Arbeitskräfte über die Genauigkeit der Algorithmen des maschinellen Lernens bis hin zum Bedarf an großen Datensätzen für das Training gibt es zahlreiche Faktoren und Voraussetzungen, die einzelne ML-Initiativen behindern und die Einführung von KI auf breiterer Ebene behindern können.
Mangel an Fachkräften
72 % der IT-Leiter nennen KI-Kenntnisse als eine der entscheidenden Lücken, die dringend geschlossen werden müssen
Nur 12 % der IT-Fachleute haben signifikante Erfahrung im Umgang mit KI und ML
Nur 34% der befragten Unternehmen schulen oder qualifizieren derzeit Mitarbeiter für die Arbeit mit KI
Jeder dritte IT-Leiter hat Schwierigkeiten, qualifizierte KI- und ML-Spezialisten zu finden
60 % der IT-Fachleute des öffentlichen Sektors betrachten den KI-Fachkräftemangel als größte Herausforderung bei der Implementierung von KI
Transparenz und Zuverlässigkeit
15 % der Fachleute für maschinelles Lernen nennen die Überwachung und Beobachtbarkeit von ML-Modellen als größte Herausforderung bei der Produktion ihrer ML-Modelle und machen sie damit zum häufigsten Hindernis
44% der befragten Unternehmen nannten Transparenz und Erklärbarkeit als relevante Anliegen bei der Einführung von KI
Ungenauigkeit ist das am häufigsten genannte Risiko der generativen KI, das von 63 % der befragten Unternehmen genannt wurde
Die Konzentration von vortrainierten KI-Modellen in den Händen von 1% der KI-Anbieter bis 2025 wird verantwortungsvolle KI (ein Konzept, das Metriken wie KI-Erklärbarkeit, Fairness und Transparenz umfasst) zu einem gesellschaftlichen Anliegen machen
Verwaltung der Daten
Der Zugang zu relevanten Trainingsdaten ist die zweithäufigste Herausforderung, mit der Praktiker des maschinellen Lernens bei der Erstellung ihrer ML-Modelle konfrontiert sind (von 13 % der Befragten genannt)
Datenkomplexität ist das zweitgrößte Hindernis für die Einführung von KI, das von 25 % der Unternehmen genannt wird
Nur 37 % der befragten Unternehmen geben an, dass sie Maßnahmen ergreifen, um die Herkunft der Daten zu verfolgen und somit eine vertrauenswürdige KI zu gewährleisten
Datenschutz und Sicherheit
Datenschutz- und Data-Governance-Risiken wie Datenlecks sind weltweit die größten KI-Sorgen, die von 42 % der nordamerikanischen und 56 % der europäischen Unternehmen genannt werden
Cybersicherheit und Datenschutz sind derzeit die größten Sorgen von US-Führungskräften, wenn es um die Implementierung generativer KI geht, mit 81% bzw. 78%
Nahezu die Hälfte der Kundendienstmitarbeiter verwendet Schatten-KI (nicht zugelassene externe KI-Tools) am Arbeitsplatz. In bestimmten Branchen ist die Nutzung von Schatten-KI Jahr für Jahr um 250 % gestiegen und setzt Unternehmen erheblichen Sicherheitsrisiken
Öffentliche Wahrnehmung
Nur 37% der Befragten sind der Meinung, dass KI ihren Job verbessern wird
95 % der Arbeitnehmer sehen einen Wert in generativer KI am Arbeitsplatz, erwarten aber nicht, dass ihre Unternehmen positive Ergebnisse für alle sicherstellen
51% der befragten Wirtschaftsführer erwarten, dass der verbreitete Einsatz von GenAI die wirtschaftliche Ungleichheit erhöhen wird. Außerdem glauben 49% der Befragten, dass der Aufstieg von GenAI das Vertrauen in nationale und globale Institutionen untergraben wird
Auswirkungen auf die Umwelt
Die CO2-Äquivalent-Emissionen der wichtigsten Modelle für maschinelles Lernen während ihres Trainings lagen zwischen 502 Tonnen für GPT-3 und 3,17 Tonnen für Luminous Base
Unsere Dienstleistungen im Bereich des maschinellen Lernens
Wir begleiten Ihr Unternehmen während der gesamten ML-Entwicklung und -Implementierung, um die Vorteile dieser Technologie zu maximieren und mögliche Herausforderungen zu bewältigen.
- Identifizierung von Anwendungsfällen
- Datenkartierung und Qualitätsbewertung
- Audit bestehender Lösungen
- Beratung zur Ersteinrichtung des Projekts
- Überprüfung des Entwicklungsprozesses
- ROI-Analyse
- Entwurf der Lösungsarchitektur
- Auswahl des Tech-Stacks
- Projekt-Budgetierung
- MVP-Konzeptualisierung
- Erstellung einer Risikomanagementstrategie
- Benutzerschulung (Demos, Tutorials usw.) und Unterstützung
Wir entwickeln ML-Lösungen, die auf Ihre geschäftlichen Anforderungen zugeschnitten sind, oder erweitern Ihre bestehende Software um ML-Algorithmen, die den sich entwickelnden Unternehmenszielen und Markt- oder Technologietrends entsprechen.
- Einrichtung der ETL-Pipeline
- Datenvorverarbeitung (Bereinigung, Annotation, Transformation)
- Ausarbeitung von Datenschutz und Cybersicherheit
- Auswahl geeigneter Techniken des maschinellen Lernens und ML-Algorithmen
- ML- und Deep-Learning-Modelltraining
- Software-Integrationen und Erstellung von APIs
- Einrichtung von UX/UI und Datenvisualisierung
- Bereitstellung in der Produktionsumgebung
- End-to-End-Tests
- Unterstützung, Optimierung und Upgrades nach der Markteinführung
Suchen Sie eine vertrauenswürdige Beratungsfirma für maschinelles Lernen?
Ein Schlusswort
Unternehmen aus allen Branchen haben gute Chancen, durch entsprechende KI-Initiativen erhebliche Vorteile zu erzielen. Gleichzeitig ist die Implementierung des maschinellen Lernens nicht immer ein reibungsloser Prozess. Trotz der erwiesenen Überlegenheit des maschinellen Lernens gegenüber statistischen Methoden bei der Vorhersagemodellierung und in anderen Bereichen sind ML-Modelle beispielsweise noch weit davon entfernt, absolute Genauigkeit zu erreichen. Außerdem werden die Fortschritte bei KI und ML durch den Mangel an Mitarbeitern mit den erforderlichen Fähigkeiten gebremst.
Mit einem erfahrenen Partner wie Itransition kann Ihr Unternehmen interne Kompetenzlücken problemlos schließen und sichere und zuverlässige ML-Lösungen aufbauen, die den Standards und Vorschriften Ihrer Branche entsprechen.
Dienst
KI-Dienstleistungen und -Lösungen
Einblicke
Überwachtes vs. unüberwachtes maschinelles lernen: eine auswahlhilfe
Fallstudie
Eine ML-Lösung für Markenanalysen und -berichte
Einblicke
Empfehlungssysteme und maschinelles Lernen: Ansätze und Fallstudien
Einblicke
Maschinelles Lernen für Anomalie-Erkennung: ein technischer Überblick
Fallstudie
BI-Plattform mit KI und Computer Vision für einen Modeeinzelhändler
Mehr über Dienstleistungen zum maschinellen Lernen
Dienstleistungen
Branchen