KI-Standort Deutschland mit Nachholbedarf

Eine leistungsfähigere IT-Infrastruktur und staatliche Förderangebote könnten mehr Unternehmen dazu bewegen, KI-Anwendungen einzusetzen, so eine Studie des ZEW Mannheim im Auftrag des Bundeswirtschaftsministeriums (BMWi). Für den KI-Standort Deutschland sehen die befragten Unternehmen im Ländervergleich allerdings Verbesserungspotenzial.
Bild: ©Brian Jackson/stock.adobe.com

Für 46 Prozent der für eine Studie des ZEW Mannheim befragten Unternehmen macht eine leistungsfähigere IT-Infrastruktur die Einführung von KI-Anwendungen wahrscheinlicher. Daneben stufen 44 Prozent der befragten Unternehmen staatliche Förderangebote für KI-Lösungen als bedeutenden Faktor ein, um Risiken und Unsicherheiten des Einstiegs abzufedern. „Die Verfügbarkeit von Daten aus öffentlichen Quellen, mehr Aufklärung in der Öffentlichkeit, Weiterbildungsangebote für die Beschäftigten und Anpassungen beim Datenschutz hemmen den KI-Einstieg hingegen nicht“, erklärt ZEW-Ökonom und Autor der Studie, Dr. Christian Rammer. Für die Studie wurden im Auftrag des BMWi 950 KI-affine Unternehmen befragt.

Kosten sind eine Herausforderung

Eine zentrale Herausforderung für Unternehmen, die KI bereits aktiv einsetzen, sind die Kosten für Entwicklung und Implementierung dieser Technologie, so die Studie. 46 Prozent der Befragten sehen darin ein großes Problem für die stärkere KI-Nutzung innerhalb einer Organisation. „Dies trifft vor allem auf junge und kleine Unternehmen sowie solche mit wenig ausgereiften KI-Anwendungen zu. Gleichzeitig fehlt es oft an Investitionsbudgets bei den Geschäftspartnern, um KI-Lösungen gemeinsam umzusetzen“, sagt Rammer. 47 Prozent der befragten Unternehmen sehen dies als Hemmnis und wünschen sich verbesserte Finanzierungsbedingungen. Im internationalen Vergleich wird genau das als eines der Defizite des KI-Standorts Deutschlands bei den Befragten wahrgenommen. 73 Prozent der Unternehmen bewerten die Situation in anderen Ländern besser.

Für KI-nutzende Unternehmen hemmt außerdem der Fachkräftemagel die Nutzung der Technologie: 84 Prozent der Unternehmen stufen dies als begrenzenden Faktor ein. „Das Angebot an Fachkräften mit KI-Kompetenz wird von den Unternehmen weniger gut als in anderen Industrieländern eingeschätzt. 57 Prozent der Befragten bewerten den Standort Deutschland in diesem Bereich schlecht“, so Rammer. Daneben ist auch für KI-aktive Unternehmen eine leistungsstarke IT-Infrastruktur bedeutend, um den KI-Standort Deutschland voranzubringen.

Guter Datenschutz

Im internationalen Vergleich schneidet Deutschland bei der Sicherheit und dem Schutz von Daten gut ab: 57 Prozent der KI-aktiven Unternehmen geben an, dass die Datensicherheit besser ist als in anderen Industrieländern. 45 Prozent der Unternehmen bewerten die Regulierungen im Datenschutz als besonders vorteilhaft und 29 Prozent als vergleichbar mit anderen Industrieländern.

Bei der Datenverfügbarkeit und der Nutzung externer Daten zeigt die Studie jedoch ein anderes Bild: 62 Prozent der Befragten geben an, dass Deutschland hier schlechter positioniert sei als andere Länder. Mehr Vertrauen in KI-Lösungen sowie eine umfassendere öffentliche Debatte über den Nutzen von Anwendungen sehen 58 Prozent der befragten Unternehmen als ein wichtiges Aktionsfeld. Dies ist auch der Standortfaktor, bei dem Deutschland international am schlechtesten bewertet wird.

Thematik: Newsarchiv
| News
ZEW – Leibniz-Zentrum für Europäische Wirtschaftsforschung GmbH Mannheim

Das könnte Sie auch Interessieren

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.