Zusammenfassung der Ergebnisse
für Deutschland
Die Containerisierung von Anwendungen wird in Deutschland zum De-facto-Standard, wobei alle Befragten bis auf einen (99 von 100) angaben, dass ihre Unternehmen zumindest dabei sind, Anwendungen zu containerisieren (Frage 2). Diese Nutzung wird wahrscheinlich durch die Tatsache begünstigt, dass 97% der Befragten in Deutschland zustimmen, dass die Einführung von Cloud-nativen Anwendungen/Containern geschäftliche Vorteile mit sich bringt (Frage 25). Diese wahrgenommenen Vorteile führen zu unmittelbaren Veränderungen, wobei 33% der Befragten aus Deutschland meinen, dass alle neu entwickelten Anwendungen containerisiert werden (Frage 2).
Obwohl die Einführung der Containerisierung in Deutschland in die richtige Richtung geht, gibt es immer noch Herausforderungen zu bewältigen. Insbesondere sind 91% der Befragten in Deutschland der Ansicht, dass ihre derzeitige IT-Infrastruktur zumindest moderat verbessert werden muss, um Cloud-native Anwendungen/Container vollständig zu unterstützen, was deutlich über dem EMEA-Durchschnitt von 79% (Frage 23) liegt. Darüber hinaus geben 75% der Unternehmen in Deutschland an, dass sie Mitarbeiter einstellen, um ihren Kompetenzpool für Cloud-native Anwendungen/Container zu verbessern (Frage 24). Kontinuierliche Investitionen in die Infrastruktur und in die Qualifikation des Personals werden entscheidend sein, um neue und bestehende Anstrengungen zur Containerisierung von Anwendungen zu ermöglichen.
In Bezug auf die Einführung von GenAI sind die Ergebnisse aus Deutschland gemischt. 87% der deutschen Befragten gaben an, dass ihr Unternehmen bereits über eine GenAI-Strategie verfügt, was dem weltweiten und dem EMEA-Durchschnitt entspricht. Allerdings hinkt Deutschland bei der aktiven Umsetzung der GenAI-Strategie hinterher. Nur 50% der Befragten in Deutschland geben an, eine GenAI-Strategie aktiv umzusetzen, was mehrere Prozentpunkte unter dem globalen Durchschnitt von 55% und dem EMEA-Durchschnitt von 54% liegt (Frage 9). Warum ist der Umsetzungsgrad der GenAI-Strategie in Deutschland im Vergleich zu anderen Ländern relativ niedrig? Die Umfragedaten weisen auf eine Reihe von Herausforderungen im Zusammenhang mit GenAI hin, die sich auf diesen Bereich auswirken könnten, dazu gehören u. a.:
- 100% der Befragten in Deutschland geben an, dass sie bei der Skalierung von GenAI-Workloads von der Entwicklung zur Produktion auf Herausforderungen stoßen, wobei regulatorische und Compliance-Hürden das größte Problem darstellen. Die zweitgrößte Herausforderung sind die Betriebskosten bzw. die Sichtbarkeit des ROI, ein Thema, das an späterer Stelle in diesem Report ausführlich behandelt wird (Frage 19).
- 97% der Befragten in Deutschland stimmen zu, dass GenAI die Prioritäten ihres Unternehmens verändert, wobei Sicherheit und Datenschutz höhere Priorität erhalten (Frage 25).
- 96% der Befragten in Deutschland sind der Meinung, dass ihre Organisation mehr tun könnte, um ihre GenAI-Modelle und -Anwendungen zu sichern (Frage 25).
- Die größte Herausforderung für Unternehmen in Deutschland bei der Nutzung oder Ausweitung der Nutzung von GenAI sind Datenschutz- und Sicherheitsbedenken bei der Nutzung von LLMs mit sensiblen Unternehmensdaten (Frage 26).
In diesem Report werden einige dieser Ergebnisse auf Länderebene näher beleuchtet und zum besseren Verständnis mit globalen und regionalen Ergebnissen verglichen.
Bereits das siebte Jahr in Folge hat Nutanix eine globale Studie in Auftrag gegeben, um mehr über den Stand der weltweiten Implementierungen von Enterprise Clouds, die Trends bei der Containerisierung von Anwendungen und die Einführung von GenAI-Anwendungen zu erfahren. Im Herbst 2024 befragte das britische Marktforschungsunternehmen Vanson Bourne weltweit 1.500 Entscheidungsträger aus den Bereichen IT und DevOps/Platform Engineering. Die Befragten kamen aus unterschiedlichen Branchen, Unternehmensgrößen und Regionen, darunter Nord- und Südamerika, Europa, der Nahe Osten und Afrika (EMEA) sowie Asien-Pazifik-Japan (APJ).
Dieser Report ergänzt die globalen Ergebnisse des 7. jährlichen Enterprise Cloud Index (ECI) und konzentriert sich auf die wichtigsten Ergebnisse der Befragung von 100 IT-Experten in Deutschland. Er zeigt auch, wie die Ergebnisse in Deutschland im Vergleich zum Rest der EMEA-Region und zum weltweiten Durchschnitt aussehen.
Ergebnisse in Deutschland im Vergleich zu globalen/regionalen Ergebnissen
1. Unternehmen in Deutschland nutzen Container für GenAI-Anwendungen und setzen auf die Bereitstellung mehrerer Kubernetes-Umgebungen.
99 von 100 Befragten in Deutschland geben an, dass sie sich zumindest im Prozess der Containerisierung ihrer Anwendungen befinden (Frage 4). Unter dem Aspekt der Bereitstellung von Workloads(Frage 4) (siehe Abbildung 1).
Generative AI (GenAI)-Anwendungen
Entwicklung/Test von Anwendungen
Geschäftskritische Anwendungen (keine Datenbank-Anwendungen)
Datenbanken
Global
EMEA
Deutschland
Abbildung 1: Anwendungen, die von Unternehmen heute in Containern eingesetzt werden: (Frage 4)
86% der Befragten gaben an, mehr als eine Umgebung zu nutzen. Dieser Durchschnitt liegt über den globalen und EMEA-Werten von 80% bzw. 78% für den Einsatz in mehreren Umgebungen (Frage 5) (siehe Abbildung 2).
Anzahl der heute bereitgestellten Kubernetes-Umgebungen
Eine
Zwei
Drei
Vier
Fünf
Sechs
Sieben
Verwenden keine Kubernetes-Umgebungen
Global
EMEA
Deutschland
Abbildung 2: Anzahl der heute bereitgestellten Kubernetes-Umgebungen: (Frage 5)
Insgesamt liegt der optimale Einsatzbereich von Kubernetes in Deutschland zwischen zwei und drei Umgebungen, ein Ergebnis, das weitgehend mit den globalen und EMEA-Trends übereinstimmt. Bemerkenswert ist der hohe Anteil der deutschen Befragten, die angaben, drei Kubernetes-Umgebungen zu nutzen, nämlich 43% (Frage 5).
Schließlich wurden die Befragten in Deutschland nach den Herausforderungen gefragt, mit denen sie konfrontiert sind, wenn sie Anwendungen containerisieren und Container verwalten. Die Ergebnisse zeigen Herausforderungen im Zusammenhang mit der Modernisierung der IT-Infrastruktur, der Entwicklung containerisierter Anwendungen, der Portabilität von Anwendungen und Datensilos (siehe Abbildung 3).
Die wichtigsten Herausforderungen für Unternehmen in
Bezug auf die Containerisierung von Anwendungen:
Es werden nur Ergebnisse aus Deutschland angezeigt (n=100)
der Unternehmen in Deutschland sind der Meinung, dass ihre derzeitige IT-Infrastruktur verbessert werden muss, um Cloud-native Anwendungen und Container vollständig zu unterstützen (Frage 23).
der Unternehmen in Deutschland empfinden die Entwicklung von Cloud-nativen/Container-nativen Anwendungen als Herausforderung (Frage 7).
der Unternehmen in Deutschland sehen eine Herausforderung in der Portabilität von Anwendungen zwischen Clouds und On-Premises (Frage 7).
der Befragten in Deutschland sehen Datensilos als eine Herausforderung(Frage 7).
Abbildung 3: Die wichtigsten Herausforderungen für Unternehmen in Bezug auf die Containerisierung von Anwendungen:
Alle befragten Unternehmen in Deutschland verfügen über eine GenAI-Strategie, aber einige Organisationen haben Schwierigkeiten, die Umsetzung voranzutreiben, da es an klaren geschäftlichen Zielen mangelt.
87% der Befragten in Deutschland geben an, dass ihre Unternehmen über eine GenAI-Strategie verfügt, was dem globalen und EMEA-Durchschnitt entspricht. Die Ergebnisse zeigen jedoch, dass Deutschland bei der aktiven Umsetzung der GenAI-Strategie leicht hinter den globalen und EMEA-Werten zurückliegt (siehe Abbildung 4).
Aktueller Stand der Entwicklung/Umsetzung der GenAI-Strategie für Unternehmen
Wir haben eine Strategie und setzen sie aktiv um
Wir haben eine Strategie, aber noch nicht mit der Umsetzung begonnen
Wir befinden uns noch in der Anfangsphase der Entwicklung unserer Strategie
Wir haben noch nicht mit der Planung unserer Strategie begonnen
Wir werden keine Strategie entwickeln
Global
EMEA
Deutschland
Abbildung 4: Aktueller Stand der Entwicklung/Umsetzung der GenAI-Strategie für Unternehmen: (Frage 9)
der Befragten in Deutschland geben an, dass ihre Unternehmen über eine GenAI-Strategie
Die folgenden Ergebnisse der Befragung helfen uns, die Gründe für den geringeren Umsetzungsgrad der GenAI-Strategie in Deutschland zu identifizieren. Auf die Frage nach den wichtigsten geschäftlichen Zielen/Strategien, die durch GenAI unterstützt werden, geben deutsche Entscheidungsträger an, dass eine klare Richtung fehlt. Eine höhere Produktivität, zunehmende Automatisierung und Effizienz sowie Kundenbindung und -betreuung werden mit sehr knappem Vorsprung als die drei wichtigsten geschäftlichen Ziele/Strategien eingestuft, die durch GenAI unterstützt werden (siehe Abbildung 5).
Die wichtigsten geschäftlichen Ziele/Strategien, die von GenAI unterstützt werden
Steigerung der Produktivität
Zunehmende Automatisierung und Effizienz
Mehr Innovationen
Kundenbindung und -betreuung
Senkung der Betriebskosten
Onboarding der Mitarbeiter
Differenzierung innerhalb der Branche
GenAI kann/könnte unsere übergreifenden geschäftlichen Ziele und Strategien nicht unterstützen
Global
EMEA
Deutschland
Abbildung 5: Die wichtigsten geschäftlichen Ziele/Strategien, die von GenAI unterstützt werden: (Frage 18)
Bei jeder neuen Technologieinitiative ist es entscheidend zu verstehen, wie die Technologie bestimmte geschäftliche Ziele unterstützt und ermöglicht. Die Definition klarer geschäftlicher Ziele kann jedoch für GenAI-Initiativen angesichts des breiten Anwendungsspektrums der Technologie eine besondere Herausforderung darstellen. Diese Komplexität kann Unternehmen in Deutschland bremsen, da Entscheidungsträger Schwierigkeiten haben, klare geschäftliche Ziele/Strategien für eine Reihe von Lösungsbereichen zu definieren. Mit anderen Worten: Unternehmen in Deutschland könnten bei der Frage, welche geschäftlichen Ziele im Zusammenhang mit GenAI die richtigen sind, mit einer gewissen Zögerlichkeit bei der richtigen Entscheidung konfrontiert sein, was letztlich die Evaluierungszeiträume verlängert und die Umsetzung behindert.
Die Einschätzungen in Bezug auf den Return on Investment (ROI) von GenAI sind in Deutschland sowohl bei den kurz- als auch bei den langfristigen ROI-Erwartungen weniger optimistisch als bei den restlichen Befragten in EMEA.
Um die Trends bei den GenAI-Ausgaben und den erwarteten Geschäftsergebnissen besser zu verstehen, wurden die Befragten speziell nach den Erwartungen bezüglich des ROI ihres Unternehmens im Zusammenhang mit GenAI-Projekten gefragt. Insgesamt erwartet die überwiegende Mehrheit der Unternehmen in Deutschland (79%), dass ihre GenAI-Projekte über einen Zeitraum von 1 bis 3 Jahren die Gewinnschwelle erreichen oder einen Gewinn erwirtschaften (Frage 13). Betrachtet man, wie sich die Wahrnehmung des ROI im Laufe der Zeit verändert hat, so zeigen die Umfragedaten folgende Ergebnisse:
- 54% der Befragten in Deutschland erwarten einen Break Even oder einen Verlust bei GenAI-Projekten im nächsten Jahr, das ist mehr als der EMEA-Durchschnitt von 38% (Frage 13).
- 42% der Befragten in Deutschland erwarten einen Break Even oder einen Verlust bei GenAI-Projekten in den nächsten 1 bis 3 Jahren, das ist ebenfalls höher als der EMEA-Durchschnitt von 27% (Frage 13).
Diese Ergebnisse sind tendenziell positiv zu bewerten: Die Erwartungen an den ROI von GenAI-Projekten in Deutschland verbessern sich mit der Zeit, je länger die Projekte durchgeführt werden. Vergleicht man jedoch die Ergebnisse in Deutschland in Bezug auf den ROI mit denen in der EMEA-Region, so zeigt sich, dass GenAI-Projekte insgesamt deutlich höhere Quoten für den erwarteten Break Even/Verlust aufweisen. Dies könnte damit zusammenhängen, dass 53% der Befragten aus der EMEA-Region angeben, dass die Sichtbarkeit der Betriebskosten/des ROI eine Herausforderung für ihr Unternehmen darstellt, wenn GenAI-Workloads von Entwicklungs- auf Produktionsumgebungen skaliert werden (Frage 19). Insgesamt könnte diese höhere Skepsis/dieser höhere Pessimismus hinsichtlich der Rentabilität von GenAI-Projekten auch ein entscheidender Faktor für die geringere strategische Umsetzungsrate von GenAI-Initiativen in Deutschland sein.
79%
Insgesamt erwartet die überwiegende Mehrheit der Unternehmen in Deutschland (79%), dass ihre GenAI-Projekte über einen Zeitraum von 1 bis 3 Jahren die Gewinnschwelle erreichen oder einen Gewinn erwirtschaften (Frage 13).
Herausforderungen im Bereich des Datenschutzes und der Datensicherheit sowie die Einhaltung gesetzlicher Vorschriften werden Organisationen in Deutschland vor die Herausforderung stellen, GenAI zu implementieren und zu nutzen.
Die Ergebnisse der diesjährigen ECI-Umfrage zeigen einige der realen Komplikationen auf, die mit den regulatorischen und Compliance-Anforderungen von GenAI verbunden sind – ein Problem, das in Ländern wie Deutschland durch die steigenden Anforderungen an Datensouveränität und Lokalität beim Cloud Computing (z. B. DSGVO) oft noch verschärft wird.
Die Umfrageergebnisse zeigen, dass 49% der Befragten in Deutschland der Meinung sind, dass ihre Unternehmen in die Verbesserung ihrer Cybersicherheitskapazitäten investieren müssen, um GenAI zu unterstützen (Frage 17). Darüber hinaus nannten die Befragten in Deutschland auf die Frage nach den Herausforderungen bei der Nutzung oder Ausweitung der Nutzung von GenAI-Workloads mit großem Abstand Datenschutz- und Sicherheitsbedenken bei der Nutzung von LLMs mit sensiblen Unternehmensdaten als größte Herausforderung (Frage 26) (siehe Abbildung 6).
Herausforderungen bei der Nutzung oder Ausweitung der Nutzung von GenAI-Workloads heute
Datenschutz- und Sicherheitsbedenken bei der Verwendung von LLMs mit sensiblen Unternehmensdaten
Komplexität und fehlendes Fachwissen für den Aufbau einer GenAI-Umgebung von Grund auf
Mangel an Use Cases für den Einsatz von GenAI
Keiner der oben genannten Punkte ist oder könnte eine Herausforderung darstellen
Hinweis: Die Antworten sind nach Rangfolge geordnet
Global
EMEA
Deutschland
Abbildung 6: Herausforderungen bei der Nutzung oder Ausweitung der Nutzung von GenAI-Workloads heute (Frage 26)
Bedenken hinsichtlich Datensicherheit und Datenschutz werden unterstrichen durch 98% der deutschen Befragten, die zustimmen, dass Datenschutz für ihre Unternehmen eine Priorität bei der Umsetzung von GenAI ist oder sein wird (Frage 25).
Wie in vielen der in diesem Jahr untersuchten Länder ist der Bereich Datensicherheit/Datenschutz auch in Deutschland ein Bereich, der die Implementierung von GenAI in Unternehmen weiterhin erschweren wird. Diese Herausforderungen können möglicherweise durch kontinuierliche Investitionen in die Modernisierung der IT-Infrastruktur und in die Qualifizierung des Personals bewältigt oder abgemildert werden, eine Empfehlung, die auch von den Befragten geäußert wurde:
56% der Befragten in Deutschland glauben, dass ihr Unternehmen in die IT-Ausbildung investieren bzw. diese verbessern muss, um GenAI zu unterstützen – damit ist dies die Nummer 1 unter allen GenAI-Investitionsprioritäten überhaupt (Frage 17)
Schließlich glauben 46% der Befragten in Deutschland, dass ihr Unternehmen in die Rekrutierung von IT-Talenten investieren muss, um GenAI zu unterstützen(Frage 17)
91%
der Entscheidungsträger in Deutschland glauben, dass ihre derzeitige IT-Infrastruktur verbessert werden muss, um die Datensicherheit zu unterstützen (Frage 23)
Schlussfolgerung und Empfehlungen
Die Ergebnisse des 7. jährlichen Nutanix Enterprise Cloud Index veranschaulichen die tiefgreifenden Veränderungen in den IT-Strategien von Unternehmen, die durch die rasche Einführung von Lösungen zur Containerisierung von Anwendungen und Generative AI (GenAI) vorangetrieben werden.
Die Umfrageergebnisse zeigen auch die doppelte Herausforderung und Chance, die mit der Einführung von GenAI verbunden sind. Während Unternehmen GenAI für eine Verbesserung der Produktivität, für Automatisierung und Innovation nutzen wollen, stehen sie auch vor kritischen Hürden in Form von Datensicherheit, Qualifikationslücken und Modernisierung der IT-Infrastruktur. Gestützt auf die Ergebnisse der Befragung auf Länderebene in Deutschland lassen sich folgende Empfehlungen für die Containerisierung von Anwendungen und die Implementierung von GenAI ableiten:
-
Um die Einführungsrate von GenAI zu erhöhen und Entscheidungsblockaden zu vermeiden, empfehlen wir IT-Entscheidern in Deutschland, klein anzufangen und ein wichtiges geschäftliches Ziel zu definieren, das sie mit GenAI erreichen wollen. Wenn eine „Steigerung der Produktivität“ das Ziel ist, implementieren Sie zwei oder drei KPIs, die den Erfolg Ihres Unternehmens in Bezug auf Ihren GenAI-Use Case genau messen. Beispielsweise kann ein auf GenAI basierendes Werkzeug zur Codegenerierung und zum Code-Co-Testen die Zeit verkürzen, die Entwickler benötigen, um Updates zu überprüfen und Builds in die Produktion zu bringen. Diese Verbesserung kann durch die Definition von KPIs gemessen werden. Sobald dieser Prozess etabliert und erprobt ist, kann er auf zusätzliche geschäftliche Ziele und KPIs in anderen Bereichen wie Automatisierung, Effizienz und Kundenbindung ausgeweitet werden.
-
Darüber hinaus sollten Unternehmen in Deutschland klare Kennzahlen und Ziele für den ROI der Implementierung von GenAI definieren. Klare Indikatoren verringern die Unklarheit über den Wert neu implementierter GenAI-Werkzeuge und -Services und ermöglichen es Entscheidungsträgern, den Erfolg von Projekten schnell zu bewerten und gegebenenfalls den Kurs zu ändern.
-
Investieren Sie weiter in die Modernisierung der IT-Infrastruktur zur Unterstützung der Einführung von GenAI. Vorrang sollten Initiativen haben, die dazu beitragen, die Herausforderungen im Zusammenhang mit der Einhaltung von Vorschriften und der Konformität mit herkömmlichen Anwendungen und Prozessen zu verringern, sowie Infrastrukturinvestitionen, die das Datenmanagement und die Sicherheit der zunehmend sensiblen GenAI-Daten verbessern.
-
Setzen Sie auch weiterhin auf Schulungen und Rekrutierungsmaßnahmen, um die Fähigkeiten und Kenntnisse in Bezug auf GenAI zu stärken. Die Befragten aus Deutschland stuften IT-Schulungen als den Bereich ein, in den am meisten investiert werden muss, um die Einführung von GenAI in ihrer Organisation zu unterstützen. Insgesamt glauben 93% der Befragten in Deutschland, dass sich GenAI auf ihre derzeitige Tätigkeit auswirken wird (Frage 16). IT-Fachkräfte in Deutschland benötigen Hilfe bei der Bewältigung der sich verändernden Arbeitsanforderungen und neuen Fähigkeiten, die zur Unterstützung von GenAI erforderlich sind. Darüber hinaus zeigen die Umfrageergebnisse, dass 66% der Unternehmen in Deutschland Mitarbeiter zur Unterstützung von GenAI einstellen (Frage 24). Dieser Wert liegt leicht unter dem weltweiten Durchschnitt von 69% und sollte von Unternehmen in Deutschland als Potenzial für Verbesserungen ins Auge gefasst werden, um eine angemessene langfristige Unterstützung für GenAI zu gewährleisten.