Die bekanntesten Repräsentanten des Maschinellen-Lernen-Ansatzes sind wahrscheinlich die neuronalen Netze, die vor allem von Google, Facebook oder Amazon in den letzten Jahren studiert und weiterentwickelt wurden. Vor allem in den Bereichen Mustererkennung, also Sprach-, Bild- oder Schrifterkennung wurden entweder innerhalb der großen Konzerne oder in Start-Ups bemerkenswerte Sprünge nach vorn gemacht.
Besonders im Handel hat Amazon mit seinem kassenlosen Store für einiges an Aufsehen gesorgt. Der erste Amazon Go genannte Mini-Markt ist bereits 2018 eröffnet worden. Mittlerweile versucht jeder große Händler sein eigenes vollautomatisiertes Konzept zu entwickeln, zu testen und auszurollen. Alle bisher vorgestellten Konzepte nutzen Algorithmen zur Bildauswertung, verarbeiten die Daten in Echtzeit und trainieren das System durch maschinelles Lernen. Durch die Kombination dieser drei Technologien sind die resultierenden Systeme in der Lage, die Handlungen von Kunden innerhalb eines Ladens dermaßen gut einzuordnen, dass abschließend automatisch die exakte Bonsumme vom Konto des Kunden abgebucht werden kann.
Nicht nur im Laden übernehmen oder verbessern neue Technologien wichtige Funktionen. Die interne Logistik der Händler profitiert von Systemen, die Vorhersagen über benötigte Warenmengen machen können. Damit hilft es die Logistik deutlich effizienter aufzustellen. Viele interne Prozesse können dadurch automatisiert werden und entfallen damit aus der Sicht von Menschen komplett. Zusätzlich dürfte einer der größten Nutzen in der personalisierten Werbung liegen. Durch das Auswerten gesammelter Kundendaten können Profile erstellt werden, die Aufschluss über die Präferenzen des Kunden geben. Diese Profile können anschließend für die gezielte Sendung von Werbenachrichten benutzt werden. Der Vorteil liegt auf der Hand: Kunden profitieren von Werbung, die ihnen tatsächlich einen Mehrwert verspricht, während die Kosten für die Werbung für den Händler sinken, da nur noch gezielte Kunden und nicht mehr alle mit einer Werbebotschaft beschallt werden müssen.
Ein großer Meilenstein für die Nutzung maschinellen Lernens stellt das Problem für autonomes Fahren dar. Momentan sind die Resultate zwar vielversprechend, aber noch nicht gut genug. Es ist heute kaum vorstellbar abzusehen, wie viele Prozesse sich durch autonomes Fahren verändern würden und effizienter gestalten ließen. Bis dahin wird aber wohl noch etwas Zeit verstreichen.