Thought Leadership
Der Markt für Knowledge Graphen wächst in rasantem Tempo. Das verdeutlicht die aktuelle Umfrage „Technology Executive Priorities for Knowledge Graphs“. Die Umfrage wirft einen Blick auf den Einsatz von Knowledge Graphen in Unternehmen, die zentralen Herausforderungen bei der Einführung und die Auswirkungen auf den Geschäftserfolg.
Knowledge Graphen stellen semantische Wissensdatenbanken dar, in denen Informationen miteinander verknüpft und innerhalb ihres Kontexts abgefragt werden können. Der Einblick in die Datenverbindungen liefert hohe Transparenz und eine fundierte Basis für die Entscheidungsfindung. Zu den Anwendungsfällen von Knowledge Graphen gehören allgemeine Analysen und Prognosen, die Planungen von Was-wäre-wenn-Szenarien sowie die Kontextualisierung von KI- und Machine-Learning-Verfahren.
Die Corona-Pandemie und die daraus resultierende Unterbrechung von Lieferketten und Geschäftsprozessen sowie die Verlagerung der Arbeitswelt ins Home Office haben die Grenzen und Schwachstellen von herkömmlichen Systemen und IT-Lösungen in Unternehmen klar verdeutlicht. So überrascht es nicht, dass mehr und mehr Führungskräfte den Wert von Knowledge Graphen für sich entdecken und über die Implementierung bzw. Erweiterung entsprechender Systeme nachdenken. Die Mehrheit der befragten IT-Entscheidungsträger (89%) verfügt über einen konkreten Plan, die Nutzung von Knowledge Graphen in den nächsten 12 Monaten auszuweiten.
Die wichtigsten Ergebnisse im Überblick:
- Die Mehrheit der Befragten (88%) sind der Überzeugung, dass sich der Einsatz von Knowledge Graphen positiv auf den Gesamterfolg des Unternehmens auswirkt. Dazu zählen Produktivität (96%) und die Genauigkeit und Prozessoptimierung von Machine-Learning-Verfahren (92%).
- Fast alle Befragten (97%) geben an, dass das Potential von Knowledge Graphen in ihrem Unternehmen noch nicht ausgeschöpft ist. Insbesondere bei der Optimierung von Prognosen (Forecasting) und Analysen wird daher eine intensivere Nutzung erwartet.
- Zu den drei wichtigsten Gründen für die Implementierung von Knowledge Graphen gehören die Verbesserung von Systemen für Machine-Learning-Verfahren und künstliche Intelligenz (60%), die Erschließung neuer Einnahmequellen (50%) und die Verknüpfung von Datensilos (50%), um Informationen zugänglich zu machen.
- Die größten Barrieren für den Einsatz von Knowledge Graphen sehen die Befragten in starren Datenmodellen (53%), bereichsübergreifenden Buy-Ins (52%), Datenklassifizierung und -architektur (51%) sowie dem allgemeinen Fachkräftemangel (51%).
Die Umfrage sollte hier zum Download verfügbar sein.
www.Neo4j.com
