Crisp Vendor Universe

Machine-Learning-Anbieter und -Dienstleister im Vergleich

Anna-Lena Schwalm ist als Junior Analyst des IT-Research- und Beratungsunternehmens Crisp Research tätig. Ihre inhaltlichen Schwerpunkte sind Mobile Technologies, Coworking und datenbasierte Geschäftsmodelle. Weiterhin unterstützt sie im Rahmen des Research sowie individueller Kundenprojekte bei der Recherche und Beratungsarbeit. Anna-Lena Schwalm studiert Business Studies mit dem Schwerpunkt Innovation, Information & Management im Masterstudiengang.
Machine Learning entwickelt sich zum elementaren Wertschöpfungs- und Erfolgsfaktor der Digitalisierung deutscher Konzerne und Mittelständler. Die Wahl des richtigen Anbieters oder Dienstleisters wird deshalb immer wichtiger.

Machine-Learning-Technologien zählen mittlerweile zum IT- und Digitalisierungs-Mainstream und bereichern die Agenda deutscher CIOs und CTOs. 43 Prozent der deutschen IT- und Digitalisierungsentscheider gehen davon aus, dass im Jahr 2020 mehr als ein Fünftel der Wertschöpfung ihrer neuen digitalen Produkte rein durch die intelligente Nutzung und Analyse von Daten mittels Machine Learning generiert wird*.

Machine Learning wird zum zentralen Konzept vieler Digitalisierungsstrategien.
Machine Learning wird zum zentralen Konzept vieler Digitalisierungsstrategien.
Foto: ibreakstock - shutterstock.com

Die dynamische Entwicklung des Marktes für Machine Learning, die aufgrund unbegrenzt verfügbaren Rechenleistungen (Cloud Computing), großer Datenmengen als Grundlage der Modellentwicklung und des Trainings (Big Data) und optimierten Algorithmen voranschreitet, resultiert in einer großen Bandbreite von Einsatzszenarien.

Damit wachsen auch die Ausgaben und Investitionen für Technologien, Software, Beratung, Rechenleistung und Services im Kontext von Machine Learning und sollen in den kommenden Jahren von rund 4,3 Milliarden Euro im Jahr 2017 auf rund 21 Milliarden im Jahr 2020 steigen*. Die damit verbundene hohe Komplexität bei der Planung von Machine-Learning-Projekten fordert einen transparenten Überblick und eine differenzierte Betrachtung der Machine Learning Markt- und Technologiesegmente. (*Quelle: „Machine Learning im Unternehmenseinsatz“, Crisp Research AG, 2017)

Wenngleich jeder über dieses Thema redet und den digitalen Erfolg eines Konzerns oder mittelständischen Unternehmens dem Wertschöpfungsbeitrag der Machine-Learning-Komponenten zuschreibt, konnten lediglich ein Bruchteil der 110 gescreenten Unternehmen die wesentlichen Kriterien eines Machine-Learning-Anbieters erfüllen. Gemäß der allgemeinen sowie der marktsegmentspezifischen Auswahlkriterien wurden im Rahmen des Crisp Vendor Universe insgesamt 36 relevante Anbieter bewertet und in den entsprechenden Quadranten positioniert. Drei dieser Anbieter wurden in mehr als einer Kategorie benannt, sodass eine Positionierung von 40 Technologie- und Service-Angeboten erfolgt ist.

Die im Crisp Vendor Universe berücksichtigten Anbieter und Dienstleister erfüllen dabei allgemein folgende Kriterien:

  • Deutsche Niederlassung beziehungsweise deutscher Vertriebspartner

  • Angebot in Deutschland verfügbar

  • Referenzprojekte mit Technologien oder Dienstleistung.

Der Markt für Machine Learning lässt sich in verschiedene Segmente unterteilen. Crisp Research hat die Marktsegmente Machine Learning as a Service, Machine Learning Dienstleister und Machine Learning Platforms & Software zur Analyse herangezogen.

Machine Learning as a Service: BigML neben AWS und Microsoft

Unter Machine Learning as a Service versteht Crisp Research Plattformen, die Machine Learning-Funktionen wie Bilderkennung, Spracherkennung oder Textanalyse via API (Application Programming Interface) als Service bereitstellen und „as a Service“ abrechnen. Dabei sind Rechenleistung, Softwarekomponenten und Machine-Learning-Modelle sowie die angewandten Algorithmen integraler Service- und Preisbestandteil.

Der häufigste Einstieg in das Machine Learning erfolgt über dieses Modell und existierende Plattformen. Hier können neben den robusten Algorithmen und Plattformen auch weitere Vorteile, wie die Crowd genutzt werden, um die Best Practices und optimierte Algorithmen zu nutzen.

Der zurzeit noch überschaubare Markt rund um Machine Learning as a Service beschränkt sich neben einigen spezialisierten Unternehmen eher auf große Cloud-Anbieter, die mit ihren Machine-Learning-Angeboten den Ton angeben. Microsofts klare Positionierung als Accelerator ist beispielsweise vor allem dem breiten Azure-Spektrum zu verdanken.

Eine graphische Repräsentation und die individuellen Building Blocks, mit deren Hilfe auch eigene Algorithmen antrainiert und Modelle direkt in die Produkte überführt werden können, sind überzeugend. Als Pionier und Gewinner neben den Big Four entpuppte sich BigML. Das amerikanische Unternehmen bietet langjährige Erfahrung und Expertise. Die Möglichkeit ihre Plattform in beliebigenPublic-Cloud-Angeboten oder im On-Premise-Umfeld nutzen zu können, zeigt ein solides Angebot im Bereich von Machine Learning an.

Machine Learning Dienstleister in Deutschland: Dienstleister überbrücken Skill-Gap im Zeitalter der künstlichen Intelligenz

Darunter sind IT-Dienstleister zu verstehen, dieKunden 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.

Machine Learning erfordert als Königsdisziplin der Digitalisierung ein sehr tiefes technologisches Verständnis und ein breites Skill-Set, welches viele Unternehmen intern nicht abbilden können. Daher ziehen sie externe Dienstleister zu Rate, die dabei unterstützen sollen, die eigenen Machine-Learning-Initiativen und -Projekte voranzubringen und das eigene Skill-Gap beispielsweise in den Bereichen der Identifizierung von Use Cases oder bei der Generierung von Trainingsdaten zu überbrücken.

Crisp Research hat deshalb jene Dienstleister in Deutschland betrachtet, die sich auf Machine Learning spezialisiert haben. Hierbei konnten nur diejenigen überzeugen, die Machine Learning als Fokusthema betrachten und spezielle Expertise sowie Erfahrung aufbringen, die es ermöglichen, die Komplexität aufzufangen und den Betrieb der Plattform übernehmen können. Aus dieser Perspektive sahen viele große und bekannte Beratungshäuser neben den Spezialisten der Alexander Thamm GmbH oder den Experten der The unbelievable Machine Company GmbH aus Berlin eher blass aus.

Die Alexander Thamm GmbH beispielsweise positionierte sich als kompetenter und ganzheitlicher Dienstleistungspartner im Bereich Machine Learning mit eigenen Methoden- und Toolkompetenzen und vielen Spezialisten. Als echter Innovator in diesem Bereich ging die Eoda GmbH hervor, die gerade in sehr speziellen Use Cases Unterstützung bieten kann und Pionier des Open-Source-Statistik-Frameworks R in Deutschland ist.

Crisp Vendor Universe - Machine Learning
Crisp Vendor Universe - Machine Learning
Foto: Crisp Research AG, 2017

Machine-Learning-Software und -Plattform: Feature-Spektrum als wichtigstes Merkmal

Im dritten Kapitel des Reports untersuchte Crisp Research Software und Plattformen, welche die Entwicklung, Modellbildung, Training und Verwaltung sowie das Processing von Machine Learning-Verfahren und Algorithmen ermöglichen und dabei verschiedene Deployment-Varianten (On-Premise, Hosted, Cloud) unterstützen.

Es zeigt sich, dass hier eine relativ hohe Markt- und Produktreife vorliegt. So existieren einige rein auf Machine Learning spezialisierte Lösungen sowie eine Reihe von Plattformen, die ihre Ursprünge im Big-Data- und Analytics-Umfeld haben und erfolgreich um die neuen Funktionalitäten ergänzt wurden. Neben den Spezialisierten BigML, Knime, H2O.ai konnten einige Schwergewichte wie IBM und SAS als Accelerator in dieser Marktkategorie überzeugen. (haf)