Diese Megatrends identifiziert Gartner für 2018
Im aktuellen Hype Cycle identifizieren die Marktforscher von Gartner für 2018 acht Zukunftstechnologien, darunter Digital Twins und Fog Computing, sowie drei Megatrends: Künstliche Intelligenz, Transparently Immersive Experiences und digitale Plattformen. Eine kompakte Zusammenfassung des Reports finden Sie hier auf CANCOM.info.
Der Report „Hype Cycle for Emerging Technologies“ von Gartner wird seit 2000 regelmäßig veröffentlicht und beschreibt die Entwicklung neuer ITK-Hype-Trends der kommenden Jahre. Im diesjährigen Hype Cycle identifiziert das amerikanische Marktforschungsinstitut acht Zukunftstechnologien und drei Megatrends, die für Unternehmen in Zukunft interessant werden könnten.
Zu einer besonders wichtigen Technologie für Deutschland kann sich der nächste Mobilfunkstandard 5G entwickeln: Da man hierzulande bei der Digitalisierung wegen fehlender Bandbreiten im europäischen Vergleich nur im Mittelfeld liegt, wird 5G mit bis zu 10-facher LTE-Geschwindigkeit gerade Unternehmen in noch nicht erschlossenen Regionen voranbringen.
Die Mehrheit der anderen von Gartner genannten Zukunfstechnologien kreisen um das Thema Artificial Intelligence bzw. Künstliche Intelligenz. Die kurz AI oder KI genannten Technologien werden, ausgehend von den sogenannten Early Adopters, künftig auch im deutschen Mittelstand Einzug halten und viele spannende Einsatzmöglichkeiten eröffnen. Man denke zum Beispiel an Transportroboter im Warenlager.
Die acht Zukunftstechnologien im Überblick
Gartner sieht acht neue Technologietrends für die kommenden fünf bis zehn Jahre. Wir geben einen Überblick und fassen die relevanten Inhalte zusammen:
- 5G wird als LTE-Nachfolger gesehen und soll als 5. Generation des Mobilfunks Datentransferraten von bis zu 10 Gigabit pro Sekunde ermöglichen.
- Artificial General Intelligence (AGI) wird auch Strong AI oder Full AI genannt und beschreibt eine Künstliche Intelligenz, die der menschlichen Intelligenz bereits sehr ähnlich ist.
- Deep Learning ist ein Teilgebiet von Machine Learning und bezeichnet ein tiefergehendes Lernen über künstliche neuronale Netze. Beispiele finden sich unter anderem in der Bild-, Sprach- und Gesichtserkennung. Die Technologie wird unter anderem von Chatbots angewandt: Die Softwareprogramme verbessern kontinuierlich ihren Wortschatz und ihre Redegewandtheit – und das selbstständig. So lernen Chatbots mit jeder Frage, die man ihnen stellt, hinzu und können für den Einsatz im Call-Center zum Beispiel nicht mehr nur FAQ-Fragen beantworten, sondern Kunden in der Warteschleife bereits richtig unterhalten. Weitere Anwendungsmöglichkeiten sind das autonome Fahren und Voraussagen über das Kundenverhalten auf Basis von Daten aus dem CRM-System eines Unternehmens.
- Deep Reinforcement Learning (tiefgreifendes bestärkendes Lernen) basiert auf dem Prinzip von Belohnung und Bestrafung, um das Lernverhalten in der Natur auf Maschinen zu übertragen. Ein sogenannter Agent erlernt dabei selbständig eine Strategie, um die maximale Belohnung zu erhalten.
- Digital Twin ist ein durch Spiegeln entstehendes virtuelles Abbild einer Maschine. Unternehmen können über den permanenten Austausch von Statusdaten zwischen dem realen und virtuellen Zwilling zum Beispiel Produktfehler schon in der Entwicklungsphase erkennen. Eine mögliche Anwendung in der Zukunft wurde auf der Hannover Messe im Frühjahr 2017 genannt: Ein virtueller, „besserer“ Beifahrer, der einen nicht ablenkt, sondern zum Beispiel bei der Parkplatzsuche hilft.
- Edge Computing (Fog Computing, Cloudlet oder Local Cloud) bezeichnet die dezentrale Datenverarbeitung am Rande (Edge) eines Netzwerkes. Da die Daten dort vorgefiltert werden, wandern nur ausgewählte Daten in die Cloud. So wird die Cloud entlastet. Da in Zeiten von IoT immer mehr Geräte miteinander vernetzt sind und folglich immer mehr Daten gesammelt werden, spielt Edge Computing für Unternehmen eine zunehmend wichtige Rolle.
- Serverless PaaS (Platform-as-a-Service) verzichtet auf den direkten Einsatz von Servern. Wie die Computerwoche schreibt, übernimmt stattdessen der Cloud-Service eines Anbieters in Form einer Blackbox diese Aufgabe.
- Cognitive Computing bezeichnet die Simulation menschlicher Denkprozesse in einem Computermodell und wird eng mit IBM Watson in Verbindung gebracht. Die technischen Methoden umfassen laut TechTarget SearchEnterpriseSoftware.de Data Mining, Mustererkennung und die Verarbeitung natürlicher Sprache. Intelligente Maschinen wie IBM Watson verfügen bereits, mindestens ansatzweise, über kognitive menschliche Fähigkeiten wie beispielsweise Wahrnehmung, Aufmerksamkeit, Erinnerung, Lernen, Problemlösung, Kreativität, Orientierung oder Argumentation.
Die jeweils genannten Zukunftstechnologien sind natürlich nicht statisch, sondern könnten im kommenden Jahr wieder von anderen Technologien abgelöst werden.
Die 3 Megatrends und ihre technologische Zuordnung
Davon ausgehend, hat Gartner die acht Zukunftstechnologien jeweils einen der drei Megatrends zugeordnet:
- Künstliche Intelligenz oder Artificial Intelligence (KI oder AI) ist der Megatrend, unter dem die Marktforscher Technologien wie Artificial General Intelligence (AGI), Deep und Deep Reinforcement Learning sowie Cognitive Computing zusammenfassen. Gartner überschreibt das Trendthema mit „AI Everywhere“ und geht davon aus, dass AI bzw. KI die nächsten zehn Jahre prägen und praktisch überall Einzug halten wird, in kommerziell genutzten Drohnen zum Beispiel. Deep Learning und Drohnen sollen schon in zwei bis fünf Jahren den Massenmarkt erreichen, Cognitive Computing erst in fünf bis zehn Jahren.
- Transparently Immersive Experience ist der von Gartner bezeichnete Trend, dass die Technologie sich immer mehr dem Nutzer anpassen wird. Es geht darum, reale und virtuelle Welten sowie Mensch, Maschine und Dinge zunehmend miteinander zu verschmelzen. Von den acht genannten Zukunftstechnologien passt Digital Twin thematisch am besten dazu, Augmented Reality und Augmented Data Discovery fügen sich aber auch in den Megatrend. Bis Gehirn-Computer-Schnittstellen massentauglich werden, werden laut Gartner aber noch mindestens zehn Jahre vergehen. Gleiches erwartet Gartner laut CIO auch für 4D-Drucker, die in der Lage sein sollen, „programmierte“ Materialien zu erzeugen und selbständig neue Formen anzunehmen.
- Digitale Plattformen sind der Oberbegriff für eine Vielzahl von Lösungen. Im aktuellen Gartner Hype Cycle ist dieser Megatrend unter anderem den Technologien 5G, Edge Computing und Serverless PaaS übergeordnet. Was 5G angeht, rechnen die Gartner-Analysten damit, dass bis 2020 erst drei Prozent der Anbieter den neuen Standard auf den Markt bringen werden. Entscheider sollten die Technologie aber dennoch im Blick behalten. Ein anderer Bestandteil dieses Megatrends ist die Blockchain, die als neue Art Datenbank künftig die Business-Welt transformieren soll. Bis es soweit ist, werden allerdings laut Gartner noch mindestens fünf bis zehn Jahre ins Land gehen. Denn aktuell sei die dringendste Aufgabe, den Sinn und Nutzen der Blockchain zu erklären, ohne dabei allzu technologisch zu werden.
Hintergrund: Die fünf Phasen des Gartner Hype Cycle
Für den Gartner Hype Cycle hat die Beraterin Jackie Fenn 1995 entlang einer Erwartungs- & Zeit-Achse fünf charakteristische Phasen für einen neuen Hype definiert und diese in eine Kurve gebracht, die erst jäh ansteigt und abfällt, um anschließend wieder leicht nach oben zu gehen. Die fünf Phasen sind:
- Innovation Trigger (innovativer Auslöser)
- Peak of Inflated Expectations (Gipfel der überzogenen Erwartungen)
- Trough of Disillusionment (Tal der Entäuschung)
- Slope of Enlightenment (Anstieg der Erleuchtung)
- Plateau of Productivity (Anhöhe der Produktivität)
Zu Beginn wird eine innovative Technologie entwickelt. Die Erwartungen an diese neue Technologie sind übertrieben hoch. Da die Technologie diese Erwartungen folglich nicht erfüllen kann, macht sich Enttäuschung breit, sodass die Phase der Desillusionierung beginnt. Die anfangs übertrieben hohen Erwartungen werden nun herabgestuft und damit realitätsgetreuer. Dies ist die Phase der Aufklärung: Hier wird ausgelotet, welches Potenzial die neue Technologie tatsächlich birgt. Dieses erworbene Wissen ist die Basis dafür, dass die Technologie in der letzten Phase das Maximum ihrer Produktivität entfalten kann.
Quelle Titelbild: © monsitj / iStock
