Edge Computing wächst am schnellsten

Geldgeber belohnen Innovationsfähigkeit der SaaS-Unternehmen

| Autor: Elke Witmer-Goßner

Low-Code-/No-Code-Plattformen, KI und AutoML sowie Edge Computing beflügeln den Markt mit SaaS-Anwendungen und bringen Investoren die erhoffte Rendite.
Low-Code-/No-Code-Plattformen, KI und AutoML sowie Edge Computing beflügeln den Markt mit SaaS-Anwendungen und bringen Investoren die erhoffte Rendite. (Bild: gemeinfrei © Gerd Altmann - Pixabay / Pixabay)

GP Bullhound hat im Rahmen seiner vierteljährlichen Analysen den Bericht über das vierte Quartal 2019 zum Software-as-a-Service-Markt veröffentlicht. Der Report beschreibt die letzten Entwicklungen im SaaS-Bereich und gibt gleichzeitig auch einen Ausblick auf das laufende Jahr 2020.

Auf Basis der Bewegungen auf dem Finanz- und Investmentmarkt bewertet GP Bullhound in seinem SaaS-Index den Markt als „weiterhin robust“. Investoren konzentrieren sich auf wichtige SaaS-Kennzahlen, die langfristige Tragfähigkeit des Geschäftsmodells und positive Bewertungen, wie Jonathan Cantwell, Partner bei GP Bullhound, kommentiert: „Im 4. Quartal 2019 haben wir gesehen, dass der GP Bullhound SaaS-Index bis zum 11-fachen der Einnahmen aus dem Trailing und 9-fachen der Einnahmen aus dem Forward-Geschäft gehandelt wurde. Dies ist ein Anstieg von ungefähr 25 Prozent gegenüber den historischen Durchschnittswerten der letzten fünf Jahre.“ Die besten SaaS-Unternehmen blieben entsprechend weiter hoch bewertet und versprächen Rentabilität und starke Wachstumsraten.

Die Technologie-Beratungs- und Investmentfirma sieht Low-Code- bzw. No-Code-Plattformen auf dem Vormarsch. Da Software und mobile Anwendungen zu einem integralen Bestandteil des täglichen Lebens geworden sind, werden ständige Wartung aber auch Erweiterungen des Funktionsumfangs und innovative Weiterentwicklung immer wichtiger. Allerdings, so GP Bullhound, habe sich die Erstellung von Anwendungen mit herkömmlichen Code- und Softwareentwicklern als zu teuer und zeitaufwändig erwiesen.

Neue Entwicklermodelle treiben die Innovation voran

Low-Code- bzw. No-Code-Plattformen bieten eine einsteigerfreundliche Alternative, die mit Drag-&-Drop-Tools den Benutzern die Visualisierung von Code-Modulen erleichtert und traditionelle Programmiersprache überflüssig macht. Daher könnten Unternehmen jetzt auch kostengünstigeres Programmierpersonal einstellen, Anwendungen schneller mit neuen Verbrauchertrends skalieren und Länge und Komplexität des Projektlebenszyklus reduzieren. All dies führe zu einer schnelleren und einfacheren Bereitstellung. GP Bullhound geht davon aus, dass im Laufe des Jahres mehr Unternehmen Low-Code-/No-Code-Plattformen implementieren werden. Im Zuge dessen werde auch die Zahl der Entwickler mit nicht-traditionellem IT- oder Software-Hintergrund deutlich ansteigen.

Ebenso werden die Entwicklungen bei Funktionalität und Anwendungen der Künstlichen Intelligenz (KI) den Fortschritt in allen Technologiebereichen vorantreiben. Dabei, so die Analyse von GP Bullhound, werde der Bereich Computer Vision weiter an Bedeutung gewinnen. Die Anwendungen dieser Technik, die tiefgreifende Lernalgorithmen nutzt, um Bilder zu entschlüsseln und kontextbezogenen Bedeutungen abzuleiten, seien sehr vielfältig und könnten in allen Industriezweigen eingesetzt werden. Beispielsweise kann Computer Vision im Gesundheitswesen zur Analyse medizinischer Berichte und Bilder verwendet werden, um genauere Diagnosen zu erstellen. Im Einzelhandel können Kundenbewegungen und Einkäufe im Geschäft verfolgt oder im Transportgewerbe Fahrzeuge autonom geführt werden. Im Laufe des werden die Fortschritte in der KI und Deep Learning vor allem Routineprozesse automatisieren und sie schneller, einfacher und präziser machen.

Edge Computing am Beginn exponentiellen Wachstums

Der Edge-Computing-Markt ist laut GP Bullhound der am schnellsten wachsende Softwarebereich. Bis 2025 erwarten die Analysten ein nahezu zehnfaches Wachstum von 1,7 Milliarden US-Dollar im Jahr 2018 auf fast 17 Milliarden US-Dollar. Die Stärken des Edge Computing liegen besonders bei zeitkritischen Anwendungen, beispielsweise bei Ölbohrloch-Sensoren, wo Millisekunden den Unterschied zwischen einer größeren Katastrophe und der Behebung eines Problems ausmachen könnten, erklärt GP Bullhound. Die Berater verweisen auch auf Voraussagen von Gartner, wonach es bis 2023 mehr als 20-mal so viele intelligente Geräte am Rand des Netzwerks geben könnte wie in herkömmlichen IT-Rollen.

Da Edge Computing allein aber nur über eine begrenzte Speicherkapazität verfüge und immer noch sein zentralisiertes Gegenstück benötige, um seine vollen Rechenkapazitäten zu maximieren, werde Edge Computing in Zukunft die dritte Option zu den traditionellen privaten und öffentlichen Cloud-Strukturen darstellen, die eine Kombination aus zentraler und dezentraler Datenverarbeitung nutzt. Unternehmen können in ihrer Architektur aber die Vorteile beider Optionen nutzen, in dem sie eine hybride Cloud- mit einer Edge-Computing-Lösungen kombinieren und damit ihre Netzwerke in Hinblick auf Effizienz und größere Skalierbarkeit optimieren.

AutoML in Unternehmenslösungen

Ein weiteres Segment, das laut GP Bullhound 2020 kräftig wachsen wird: Automatisiertes Machine Learning (AutoML). Da der Aufbau erfolgreicher Datenmodelle, die in jedem Bereich umsetzbare Erkenntnisse liefern können, erhebliches technisches Wissen erfordert, über das viele Unternehmen nicht selbst verfügen oder sich das entsprechend qualifizierte Personal nicht leisten können, haben Unternehmen wie Google, IBM und Amazon die nächste Stufe des maschinellen Lernens, das automatisierte maschinelle Lernen eingeführt.

AutoML beschreibt im Wesentlichen den Prozess der Algorithmusauswahl, der Hyperparameterabstimmung und der Modellbewertung, der Datenmodelle mit wenig bis gar keiner menschlichen Interaktion optimiert. Dies erhöht die Produktivität durch die Automatisierung sich wiederholender Aufgaben bzw. Prozesse und ermöglicht es den Benutzern, komplexe Datenmodelle einzusetzen, ohne teure Talente einstellen zu müssen. GP Bullhound geht davon aus, dass 2020 wesentlich mehr Unternehmen automatisierte maschinelle Lernplattformen einsetzen werden, um dynamische und konsistent optimierte Modelle zu implementieren. Dies wird die Fähigkeiten der Benutzer über die traditionelle Rolle des Datenwissenschaftlers hinaus erweitern und diese Technologie für alle Ebenen eines Unternehmens verfügbar machen.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de/ (ID: 46333167 / Allgemein)