Machine Learning, Deep Learning und Künstliche Intelligenz sind nicht ohne Grund in aller Munde — diese Technologien verändern grundlegend, wie wir Geschäfte machen, leben und arbeiten. Noch wichtiger: In vielen Branchen entwickeln sie sich von disruptiven Technologien zu unverzichtbaren Grundlagen, damit Unternehmen konkurrenzfähig bleiben.
Die drei Bereiche der Data Science
Eine gängige Einteilung von Data Science unterscheidet zwischen deskriptiver, prädiktiver und präskriptiver Analyse. Machine Learning — auch als prädiktive Analytik bekannt — dreht sich um Vorhersagen: Wird ein Kunde abspringen oder nicht? Dazu kommen allgemeine Klassifikationsaufgaben: Ist eine E-Mail Spam oder nicht? Ist ein Tumor auf einem diagnostischen Bild gutartig oder bösartig? Data Scientists interessieren sich oft auch dafür, warum ein Modell eine Vorhersage trifft — nicht nur für das Ergebnis selbst.
Schauen wir uns an, was das in der Praxis für Führungskräfte bedeutet. Weiterbildungsprogramme in allen Branchen sollten teams- und rollenübergreifend eine solide Kompetenzbasis sicherstellen.
Die Kraft von Machine Learning über Branchen hinweg
Im Folgenden findest du einige Beispiele dafür, wie Machine Learning in verschiedenen Branchen Wirkung zeigt.
Tech
Machine Learning treibt Empfehlungssysteme, Content-Discovery, Suchmaschinen, Spamfilter für E-Mails und Matching-Probleme an.
Gesundheitswesen
Machine Learning unterstützt die Wirkstoffforschung und die Befundung in der diagnostischen Bildgebung.
Finanzwesen
Machine Learning ist heute grundlegend für Betrugserkennung, Prozessautomatisierung, algorithmischen Handel und Robo-Advisory. Im Einzelhandel stellt Machine Learning das Lieferkettenmanagement auf neue Beine: von der Optimierung von Bedarfs- und Angebotsplanung über effizientere Versandprozesse und geringere Transportkosten bis hin zu besserem strategischem Einkauf.
Weitere Branchen
Junge Branchen wachsen mit Machine Learning rasant. LegalTech denkt eine Zukunft, in der per Natural-Language-Analyse von Präzedenzfällen Gerichtsentscheidungen prognostiziert werden. AgTech (Agrartechnologie) setzt Drohnen in großem Maßstab ein, und Machine Learning dient zur Schätzung von Ernteerträgen.
Die Kraft von Machine Learning in Teams
Auch branchenunabhängig bringt die Entwicklung von ML-Algorithmen deutliche Vorteile für unterschiedliche Unternehmensfunktionen.
HR
Machine Learning hilft, Bewerbungen im Recruiting-Prozess zu filtern — allerdings müssen Einstellungsmodelle sorgfältig überwacht werden, um gesellschaftliche Vorurteile nicht im großen Stil zu reproduzieren.
Support
Machine Learning wird für Callcenter-Routing und Chatbots eingesetzt.
Marketing
Algorithmen kommen in der bezahlten Werbung, bei der Vorhersage von Kundenabwanderung und in zielgenauen Nurture-Kampagnen zum Einsatz.
Tatsächlich profitiert jedes Unternehmen mit einer App davon, per Machine Learning die wirksamsten Push-Benachrichtigungen zu bestimmen. Und jede Organisation mit Website kann Machine Learning nutzen, um die Customer Experience zu personalisieren — indem Inhalte und Funktionen ausgespielt werden, die am relevantesten sind.
Mehr zu Best Practices rund um Machine Learning findest du im Definitive Guide to Machine Learning for Business Leaders.
