Marktgröße und Prognose für Cognitive Computing nach Technologie (Natural Language Processing, Machine Learning, Automated Reasoning, Information Retrieval); Anwendung; Bereitstellung – Wachstumstrends, Hauptakteure, regionale Analyse 2026–2035

Wachstumstreiber und Herausforderungen des Marktes für kognitives Computing:

Wachstumstreiber

• Wichtige Faktoren, darunter IP-Upgrades und sinkende Sensorpreise: Experten der NARA schätzen, dass bis 2025 weltweit 75,44 Milliarden Geräte mit dem Internet verbunden sein werden und über 30 % aller replizierten oder erfassten Daten in Echtzeit erstellt werden. Erstens hat die Revolutionierung des Internetprotokolls (IP) zu zukunftsweisenden Perspektiven für die branchenübergreifende Integration von Cognitive Computing geführt. Normalerweise verwenden IP-Adressen ein 32-Bit-Protokoll, aber die oben genannten Schätzungen haben gezeigt, dass die Gesamtzahl der Geräte letztendlich die Kapazität des Protokolls von 4,3 Milliarden eindeutigen Adressen übersteigen wird. Die Ratifizierung des Internet Version Protocol 6 (IPv6) wird voraussichtlich dem exponentiellen Wachstum von IoT-Geräten gerecht.
  
  Hersteller rüsten Geräte mit intelligenten IoT-Sensoren nach, um umfassende Daten in Echtzeit zu erfassen und diese an die Entwicklung von ERP-Lösungen weiterzugeben. Da immer mehr Hersteller ihre Altsysteme intelligenter gestalten möchten, ist der Markt für Sensoren und Controller erheblich gewachsen und erreichte laut einer Microsoft-Studie im Jahr 2020 6,1 Milliarden US-Dollar. Im Jahr 2018 wurde ein Rückgang der Sensorpreise um 200 % gegenüber 2004 auf 0,44 US-Dollar pro Sensor verzeichnet. Sinkende Kosten und eine einfache Bereitstellung haben die WLAN-Konnektivität seit 2019 gestärkt. Darüber hinaus beträgt der AWS-IoT-Preis für MQTT- und HTTP-Messaging etwa 0,7 US-Dollar pro Million Nachrichten.

• Entstehung von neuromorphem Edge Computing: Im Prognosezeitraum werden voraussichtlich zwei Hauptklassen kognitiver Computersysteme entstehen. Die erste kann Aufgaben ohne menschliches Eingreifen ausführen, darunter autonome Fahrzeuge und Drohnen. Die zweite ermöglicht es Ärzten, Krankheiten zu diagnostizieren und Operationen durchzuführen. Beide Klassen der evolutionären KI basieren maßgeblich auf neuromorphem Computing. Es bildet menschliche Funktionen mithilfe künstlicher Neuronen ab, die Eigenschaften des menschlichen Gehirns abbilden.
  
  Angesichts des hohen Kapitalbedarfs für die Entwicklung und Wartung komplexer Modelle sind die aktuellen Technologieführer bestens aufgestellt, um vom Aufkommen des neuromorphen Computings zu profitieren. Das EU Human Brain Project unterstützte die Entwicklung von BrainScaleS und SpiNNaker, um neurowissenschaftliche Simulationen im großen Maßstab zu ermöglichen. Die von der EU geförderte Initiative schlug einen Online-Learning Digital Spiking Neuromorphic (ODIN) vor, einen optimierten digitalen neuromorphen Prozessor, der ebenfalls für die Verarbeitung komplexer Neuronenmodelle vorgeschlagen wurde. Intels Loihi und IBMs TrueNorth sind Beispiele für private Fortschritte auf diesem Gebiet, während akademische Projekte DYNAPs, IFAT, Neurogrid und BrainScales-2 umfassen.
  
  Herkömmliche neuromorphe Computer und Chips im großen Maßstab basieren auf Silizium und werden mit Metalloxid-Halbleitertechnologie entwickelt. Dennoch wird intensiv an der Verwendung neuer Materialien wie ferroelektrischen, Phasenwechsel-, nicht-filamentären, topologischen Isolatoren und kanaldotierten Biomembranen geforscht und entwickelt. Darüber hinaus fördert die steigende Zahl vernetzter Geräte mit 5G und IoT Investitionen in diesem Bereich. Im März 2024 sicherte sich Innatera eine Investition von 21,0 Millionen US-Dollar, um seine Fortschritte bei kognitiven Computing-Lösungen zu beschleunigen, dem steigenden Bedarf an nachhaltigen Computing-Lösungen gerecht zu werden und Innovationen im Bereich der KI-Halbleiter voranzutreiben.
• Cognitive Computing wird für prädiktive Analysen zur Kosteneinsparung immer wichtiger: Der Bereich Cognitive Computing hat aufgrund von Fortschritten in der künstlichen Intelligenz und Informatik ein rasantes Wachstum erlebt und wird voraussichtlich auch in Zukunft weiter wachsen. Das Hauptziel von Cognitive Computing ist die Unterstützung von Unternehmen bei Entscheidungen. Der Einsatz von ML-Technologien wie Predictive Analytics ist der ideale Ansatz für die Umsetzung reibungsloser Unternehmensprozesse.
  
  Viele Geschäftsanwender nutzen diese leistungsstarken Predictive-Analytics-Tools für ihre Routinetätigkeiten, da sie effektive Werkzeuge für präzise Ergebnisse sind. Prognosen zufolge werden bis Anfang 2030 30 % der Geschäftsabläufe automatisiert sein. Predictive-Analytics-Lösungen steigern zudem den Umsatz, indem sie bestimmten Kunden basierend auf historischen Daten Produkte und Dienstleistungen empfehlen. Diese Strategien zahlen sich aus, indem sie die Verwaltungskosten des Unternehmens senken.

Herausforderungen

• Risiken für die Datensicherheit: Bedenken hinsichtlich der Datensicherheit bleiben ein großes Hindernis für den Markt für Cognitive Computing. Anbieter von Cognitive-Computing-Lösungen sind in erster Linie für die Verwaltung und Überwachung von Datenbanken zuständig. Datenbanken enthalten Finanzdaten wie Adressen, Lichtbildausweise, Debit- oder Kreditkarteninformationen sowie eine Reihe sensibler Benutzerdaten. Cyberkriminelle setzen verschiedene Taktiken wie Malware, Distributed Denial-of-Service (DDoS), Phishing und SQL-Injection-Angriffe ein, um in Netzwerke einzudringen und an authentische Benutzeranmeldeinformationen zu gelangen.

• Hohe Anschaffungskosten erwiesen sich als hemmender Faktor: Die Entwicklung kognitiver Lösungen erfordert erhebliche Investitionen in die Einrichtung von Wartungsarchitektur und Infrastruktur, was zu erhöhten Betriebskosten führt. Der Einrichtungs- und Betriebsprozess ist deutlich aufwändiger und ressourcenintensiv. Dabei werden erhebliche Mengen an Strom, Netzwerkkomponenten, Rechenzentren und anderen Ressourcen verbraucht. Darüber hinaus ist zu erwarten, dass Bedenken hinsichtlich staatlicher Vorschriften und unklarer Compliance das Wachstum des Cognitive-Computing-Geschäfts hemmen. Aufgrund des mangelnden Verständnisses der KMU wird der Markt voraussichtlich mit zahlreichen Schwierigkeiten konfrontiert sein.