Für weitere Einblicke  fordern Sie ein kostenloses Muster an. 

Marktdynamik 

Treiber: Die zunehmende Verbreitung von Echtzeit-Analyseanforderungen treibt die rasante weltweite Einführung von Edge-KI-Software kontinuierlich voran

Der Bedarf an sofortigen Erkenntnissen hat den Markt für Edge-KI-Software an die Spitze der globalen Innovation katapultiert. Unternehmen fordern die blitzschnelle Ausführung von Aufgaben in anspruchsvollen Umgebungen vor Ort, was das Interesse an Algorithmen mit minimaler Latenz und spezialisierten Chipsätzen verstärkt. Arm meldete 2024 600 neue stromsparende Designs zur Unterstützung fortschrittlicher On-Device-Verarbeitung und verdeutlichte damit die Bedeutung von Echtzeitanalysen auf Hardwareebene. Samsung validierte weltweit 2.500 Produktionslinien, die nun Edge-Inferenz zur Anomalieerkennung nutzen, und unterstrich damit die rasante branchenweite Einführung. Fujitsu präsentierte drei neue Chip-Prototypen, die KI-Workloads lokal für die vorausschauende Wartung ausführen können und damit den stetigen Fortschritt im Bereich der operativen Intelligenz auf Mikroebene bekräftigen. Hitachi stellte fünf integrierte Lösungen vor, die SCADA-Systeme mit KI-Modellen am Netzwerkrand verbinden und so die Entscheidungsfindung in der Produktion verbessern. Zebra Technologies hob 2.200 Handheld-Geräte mit integrierter Analytik für die Logistikverfolgung hervor und demonstrierte damit den starken Anstieg der Echtzeit-Datenerfassung.

Die zunehmende Verfügbarkeit schnellerer Verbindungen unterstreicht die Bedeutung von Echtzeitanalysen im Markt für Edge-KI-Software. Cisco testete 500 Pilotprojekte, die auf Kommunikation im Submillisekundenbereich für die Robotersteuerung in Lagerhäusern setzen und damit den Bedarf an flexiblen Infrastrukturen verdeutlichen. Dieses Zusammenspiel von Konnektivität, Hardwareentwicklung und der wachsenden Bedeutung unmittelbarer Erkenntnisse untermauert den Aufwärtstrend von Edge-KI-Softwarelösungen. Da immer mehr Branchen den Wert der lokalen Datenverarbeitung erkennen – insbesondere dort, wo Zuverlässigkeit entscheidend ist – werden Edge-Plattformen zu einem unverzichtbaren Bestandteil. Dieser Trend wird sich fortsetzen, da Unternehmen spürbare Vorteile in Bezug auf Geschäftskontinuität, reduzierten Bandbreitenverbrauch und nahezu sofortige Reaktionszeiten erzielen. Dank kontinuierlicher Verbesserungen in der Sensortechnologie und verteilten Rechenarchitekturen wird die Echtzeitanalyse ihre Rolle als entscheidender Katalysator für die nächste Generation von Edge-KI-Softwarefunktionen festigen.

Trend: Zunehmender Einsatz sicherer On-Device-Inferenzmodelle prägt die kritischen Edge-KI-Softwareparadigmen von morgen

Die steigende Nachfrage nach mehr Datenschutz und Datensouveränität treibt den Trend zu praxistauglichen KI-Modellen im Edge-KI-Softwaremarkt an, die Informationen vollständig auf lokaler Hardware verarbeiten. Palo Alto Networks kündigte neun neue Zero-Trust-Lösungen zum Schutz von Edge-Inferenz an und unterstreicht damit die zentrale Bedeutung von Sicherheit in diesem sich entwickelnden Umfeld. Atos dokumentierte 550 Installationen in Einrichtungen, in denen sensible medizinische Daten ausschließlich am Netzwerkrand ausgewertet werden, was auf ein verändertes regulatorisches Umfeld mit Fokus auf den Schutz von Patientendaten hinweist. VMware veröffentlichte vier gehärtete virtuelle Appliance-Vorlagen für die On-Device-Analyse in verteilten Umgebungen und verdeutlichte damit, wie Datenschutzbedenken technische Verbesserungen vorantreiben. ABB stellte sieben kundenspezifische Softwaremodule vor, die lokales Deep Learning für die Steuerung von Energieerzeugungsanlagen ermöglichen und Industriekunden mehr Vertrauen in ihre Betriebsgeheimnisse geben. Nokia berichtete von 1.200 privaten Netzwerk-Setups mit Edge-basierter Authentifizierung zum Schutz vor Cloud-Angriffen, was das wachsende Vertrauen in abgeschottete Umgebungen widerspiegelt. Red Hat präsentierte acht Open-Source-Frameworks zur Verschlüsselung lokaler KI-Betriebsschichten, um die Vertraulichkeit jedes Inferenzzyklus zu gewährleisten.

Von Unterhaltungselektronik bis hin zu autonomen Fahrzeugen – der Trend im Markt für Edge-KI-Software ist eindeutig: Immer mehr Unternehmen bevorzugen es, Daten in der Nähe ihrer Quelle zu speichern. Continental hat 600 fortschrittliche Module in seine Fahrerassistenzsysteme der nächsten Generation integriert und gewährleistet so sofortige und sichere Erkenntnisse ohne ständige Cloud-Kommunikation. Da diese Modelle unabhängig von entfernten Rechenzentren laufen, minimieren sie externe Bedrohungen, erhöhen die Verfügbarkeit und reduzieren die Bandbreitennutzung. Dieser Ansatz entspricht einer Welt, die sich zunehmend der Cybersicherheitslücken . Datenschutzstandards im Finanz-, Gesundheits- und Verteidigungssektor beschleunigen diese Entwicklung und veranlassen Lösungsanbieter, Inferenz-Engines zu verfeinern und zu miniaturisieren. Mit dem fortschreitenden Trend hin zu On-Device-KI erzielen Unternehmen einen einzigartigen Wettbewerbsvorteil: sichere Echtzeitinformationen, die die Vertraulichkeit nicht gefährden. Die Entwicklung dieses Trends deutet darauf hin, dass zukünftige Edge-Software noch stärker auf autarke Verarbeitung setzen wird und die Art und Weise, wie Unternehmen am Netzwerkrand Innovationen vorantreiben, grundlegend verändern wird.

Herausforderung: Fehlende Architekturen für verteilte Verarbeitung erschweren die breite Implementierung skalierbarer Edge-KI-Softwarelösungen

Viele Organisationen, die mit umfangreichen Sensornetzwerken und komplexen KI-Modellen zu kämpfen haben, finden es schwierig, wirklich verteilte Verarbeitungssysteme im Edge-KI-Softwaremarkt zu implementieren. IBM verzeichnete 700 Pilotprojekte, die Schwierigkeiten hatten, heterogene Geräte zu einem nahtlosen Edge-Framework zu verbinden, was die Verbreitung dieser Herausforderung unterstreicht. Huawei berichtete von 950 ressourcenbeschränkten Implementierungen ohne einheitliche Infrastruktur für dynamischen Lastausgleich, was die strategische Schwierigkeit der Skalierung am Edge verdeutlicht. Ericsson erhielt 375 Anfragen von Großkunden bezüglich der Orchestrierungskomplexität über mehrere Mikro-Rechenzentren hinweg, was den Bedarf an robusten Managementlösungen widerspiegelt. Dell Technologies beobachtete 1.100 Fälle, in denen ältere Netzwerkarchitekturen die KI-Inferenz an entfernten Knoten nicht reibungslos verarbeiten konnten, was die Belastung durch veraltete Hardware unterstreicht. Schneider Electric berichtete von 220 industriellen Setups mit Synchronisierungsproblemen zwischen lokalen Controllern und übergeordneten Analyse-Engines, was verdeutlicht, wie Systemfragmentierung Echtzeit-Einblicke behindern kann. Rockwell Automation verzeichnete 620 Edge-Implementierungen, die externe Eingriffe erforderten, um die Konsistenz in den Trainingszyklen zu gewährleisten.

Die Fragmentierung des Marktes für Edge-KI-Software verzögert häufig die Einführung von Edge-KI, da sie Interoperabilität, Ressourcenzuweisung und zentrale Überwachung erschwert. Ohne einen standardisierten Ansatz stehen Unternehmen vor großen Herausforderungen bei der flächendeckenden Einführung von Advanced Analytics oder Deep Learning. Es wird schwierig, Datenintegrität, schnelle Modellaktualisierungen und konsistente Leistung auf Tausenden von Geräten zu gewährleisten. Das Fehlen klar definierter verteilter Verarbeitung führt nicht nur zu höheren Betriebskosten, sondern behindert auch die Expansion in neue Regionen oder die Erweiterung von Anwendungsfällen. Aufgrund der deutlichen Lücke an einheitlichen Frameworks versuchen Unternehmen, maßgeschneiderte oder hybride Lösungen zu integrieren – diese können jedoch neue Integrationsprobleme mit sich bringen. Die Bewältigung dieser Herausforderung erfordert eine Kombination aus flexiblen Netzwerktopologien, robusten Orchestrierungsschichten und einer nahtlosen Hardware-Software-Synergie. Auf dem Weg in eine Zukunft, die universelle Konnektivität und bedarfsgerechte Intelligenz erfordert, müssen Unternehmen die Komplexität verteilter Verarbeitungsarchitekturen überwinden, um das volle Potenzial von Edge-KI-Softwarelösungen auszuschöpfen.

Segmentanalyse 

Nach Komponente 

Der Softwarebereich dominiert den Markt für Edge-KI-Software mit einem Marktanteil von über 80 % gegenüber serviceorientierten Lösungen. Dies ist seiner Flexibilität, der schnellen Implementierung und den kontinuierlichen Innovationszyklen zu verdanken. Branchengrößen wie Microsoft investieren monatlich rund 5.000 Entwicklungsstunden in die Optimierung von Azure-basierten Edge-KI-Paketen, die komplexe Inferenzprozesse direkt auf eingebetteten Geräten ermöglichen. NVIDIA bietet mit über 20 spezialisierten Software Development Kits (SDKs) wie TensorRT und CUDA-X Echtzeit-Computer Vision für Robotik und autonome Systeme. Intels OpenVINO-Toolkit verzeichnet jährlich über 60.000 neue Entwicklerregistrierungen, was auf eine starke Community im Bereich On-Device-Analytics hindeutet. Arm integriert seine Bibliotheken mit mindestens 2.000 Hardwarepartnern, um die Datenverarbeitung in Wearables, Drohnen und industriellen Steuerungen zu optimieren. Googles Edge TPU-Runtime unterstützt über 50 Modellarchitekturen und beweist damit die Vielseitigkeit der Software bei der Optimierung neuronaler Netze am Edge.

Dieser Fokus auf Software statt auf Services resultiert aus dem breiteren Ökosystem von Frameworks, die kontinuierliche Updates ohne Hardwareaustausch ermöglichen. Amazons SageMaker Neo optimiert Machine-Learning-Modelle im Edge-KI-Softwaremarkt für mehr als zehn verschiedene Edge-Hardwarearchitekturen und senkt so die Einstiegshürde für kleinere Unternehmen. IBMs Watson-Bibliotheken sind weltweit in über 2.500 Edge-basierten Unternehmensumgebungen im Einsatz und spiegeln die wachsende Nachfrage nach automatisierter, gerätebasierter Intelligenz wider. Die Softwarelösungen von Bosch treiben mindestens 1.500 KI-gesteuerte Sensormodule an und unterstreichen damit die Präferenz für integrierte Pakete gegenüber externen Service-Add-ons. Qualcomm investiert jährlich rund vier Millionen US-Dollar in Entwicklerprogramme, um die On-Device-Inferenz in Mobil- und IoT-Geräten zu verbessern und zeigt damit, wie Software-Ökosysteme fortschrittliche Anwendungsfälle ermöglichen. Die Edge-KI-Compiler von Xilinx, die in 300 realen Pilotprojekten getestet wurden, demonstrieren die robusten Fähigkeiten, die Software in der Fertigung, im Einzelhandel und im Gesundheitswesen bietet, ohne dabei massive Service-Overheads zu verursachen.

Durch Bewerbung 

Edge-KI-Software ist im Energiesektor unverzichtbar geworden und erzielt über 20,5 % Marktanteil. Grund dafür ist ihr Potenzial, die Ressourcennutzung zu optimieren und die Betriebskosten von Energieversorgern zu senken. Die digitalen Plattformen von General Electric, die in mindestens 300 Kraftwerken weltweit im Einsatz sind, nutzen On-Device-Analysen, um Ineffizienzen in Turbinen zu erkennen. Siemens setzt Edge-KI in rund 250 Windparks ein, um die Turbinenblattverstellung präzise abzustimmen und so die mechanische Belastung deutlich zu reduzieren. Die EcoStruxure-Software von Schneider Electric koordiniert im Markt für Edge-KI-Software die Stromverteilung in etwa 350 Mikronetzen und gleicht Lastschwankungen in Echtzeit aus. Enel Green Power betreibt Vor-Ort-Prognosemodelle, die Wetterdaten von 8.000 Solarmodulen analysieren und durch intelligente Lastverteilung Energieverschwendung verhindern. Die Anlagenoptimierungslösungen von Emerson nutzen Echtzeit-Sensordaten in mindestens 100 Offshore-Bohrinseln, um die Sicherheit zu erhöhen und Ausfallzeiten zu reduzieren.

Für Endnutzer liegt der Reiz in den verzögerungsfreien, hochmodernen Erkenntnissen. IBMs Energiesparte berichtete, dass Fabriken durch den Einsatz von On-Site-KI 600 Stunden ungeplanter Wartungsarbeiten an einer Vielzahl installierter Sensoren einsparen konnten. Honeywells Forge-basierte Edge-Software analysiert Verbrauchsdaten von rund 280 Gewerbegebäuden und identifiziert Anomalien im HLK-Verbrauch. Hitachis fortschrittliche Analytik optimiert über 40 Wasserkraftwerke, indem sie im Markt für Edge-KI-Software Bedarfsspitzen in lokalen Stromnetzen antizipiert. Mitsubishi Electric integriert On-Board-KI-Controller in mehr als 60 Industrieöfen, um Wärmeprofile zu stabilisieren und so eine gleichbleibende Produktqualität zu gewährleisten. Das Wachstum wird durch globale Vorgaben für sauberere und intelligentere Energiesysteme sowie durch die Tatsache befeuert, dass lokale Datenverarbeitung die Datenübertragungskosten deutlich senkt. Letztendlich machen die Echtzeit-Entscheidungsfindung und die kosteneffiziente Skalierbarkeit von Edge-KI sie zu einem unverzichtbaren Werkzeug für große und kleine Energieversorger.

Nach Endverbrauchsbranche 

Die Reise-, Transport- und Logistikbranche mit einem Marktanteil von über 20,6 % setzt auf Edge-KI-Software, um komplexe Abläufe zu optimieren, Verzögerungen zu reduzieren und die Sicherheit in multimodalen Netzwerken zu erhöhen. FedEx nutzt fortschrittliche Routenoptimierungstools in mindestens 2.000 Verteilzentren und trägt so zur Verkürzung der durchschnittlichen Lieferzeiten bei. UPS hat On-Device-Vision-Systeme in 3.500 Sortiermaschinen integriert, um beschädigte Pakete ohne manuelle Kontrollen zu erkennen und den Durchsatz zu beschleunigen. Boeing nutzt KI-gestützte Sensordaten in über 500 Verkehrsflugzeugen für die vorausschauende Wartung und reduziert dadurch effektiv die Ausfallzeiten. Bombardiers Bahntechniksparte setzt maschinelles Lernen in über 40 Bahnbetriebswerken ein, um Reparaturen auf Basis von Echtzeit-Telematikdaten zu planen. Das Robotikprogramm von DHL in 14 großen Lagern verwendet Edge-basierte Kommissionieralgorithmen, um die Wege zwischen den Lagerregalen zu minimieren.

Schlüsselfaktoren wie Ladungssicherheit und Treibstoffeinsparung treiben die breite Akzeptanz von Edge-KI-Software voran. Maersk nutzt Onboard-Analysen in 150 Containerschiffen, um Kühlaggregate ohne Satellitenbandbreite zu verfolgen. Airbus setzt KI an über 20 Produktionsstandorten ein, um Montagelinien und Lieferketten zu überwachen. Die autonomen Muldenkipper von Caterpillar, die derzeit in 12 aktiven Minen weltweit im Einsatz sind, demonstrieren, wie unmittelbare Edge-Inferenz Kollisionen und Ausfallzeiten verhindern kann. Volvos Lkw-Sparte, die 80 Testfahrzeuge mit Kollisionsvermeidungssensoren ausstattet, zeigt beispielhaft, wie dezentrale Datenverarbeitung den Straßentransport sicherer macht. Amazons weitverbreiteter Einsatz von Kiva-Robotern – über 250.000 sind im Einsatz – unterstreicht die Abhängigkeit der Logistikbranche von dezentraler KI für die Abwicklung großer Auftragsvolumina. Durch die direkte Datenverarbeitung an Fahrzeugen, Robotern und Geräten erzielen Transport- und Logistikdienstleister unmittelbare Verbesserungen bei der Termingenauigkeit, der Ladungssicherheit und der Kundenzufriedenheit.

Nach Datenquelle 

Sensordaten dominieren den Markt für Edge-KI-Software mit einem Marktanteil von über 25,1 %, da sie unmittelbare Echtzeit-Einblicke in physikalische Prozesse ermöglichen. LiDAR-Systeme in autonomen Fahrzeugen verarbeiten Zehntausende Datenpunkte pro Sekunde – was zu einer hohen Nachfrage nach Algorithmen führt, die dichte und sich ständig verändernde Datenströme verarbeiten können. Im Bereich der Industrieautomation hat Schneider Electric mindestens 400 Fabriken mit Temperatur- und Vibrationssensoren ausgestattet, um Geräteausfälle vorherzusagen und so die breite Akzeptanz ereignisbasierter KI-Plattformen zu fördern. FLIR Systems produziert jährlich über 1.200 Wärmebildsensoren für Edge-Analytics in den Bereichen Sicherheit und Brandbekämpfung. Texas Instruments integriert Machine-Learning-Beschleuniger in über 50 Mikrocontroller, die Signale von Bewegungs- und Drucksensoren interpretieren. Die Sensorlösungen der SICK AG gehören zu den Top 5 in der Lagerlogistik und ermöglichen fortschrittliche Edge-Inferenz für die Bestandsverfolgung.

Der Hauptgrund für die Dominanz von Sensordaten im Markt für Edge-KI-Software liegt in ihrem direkten Einfluss auf betriebliche Effizienz und Sicherheit. Honeywell berichtet, dass der Einsatz von Sensorintelligenz vor Ort die Anlagenstillstandszeiten in der Schwerindustrie jährlich um mehr als 4.000 Betriebsstunden reduziert. Bosch, das pro Quartal rund 3 Millionen mikroelektromechanische Sensoren ausliefert, verdeutlicht das enorme Datenvolumen, das die On-Device-Analyse ermöglicht. Siemens implementiert MindSphere Edge-Konnektoren in über 200 Fertigungsanlagen und unterstreicht damit die Notwendigkeit von Echtzeit-Sensor-Feedbackschleifen. Die robusten Sensoren von Caterpillar, von denen mindestens 2.000 aktiv auf Muldenkippern im Einsatz sind, zeigen, wie die kontinuierliche Datenerfassung dazu beiträgt, großflächige Systemausfälle direkt vor Ort zu verhindern. Diese Lösungen sind besonders in Branchen erfolgreich, in denen sofortige, lokale Entscheidungen entscheidend sind – und festigen damit die Position von Sensordaten als zentraler Treiber für die Entwicklung und Implementierung von Edge-KI-Software weltweit.

 Um mehr über diese Studie zu erfahren:  Fordern Sie ein kostenloses Muster an 

Regionalanalyse 

Der asiatisch-pazifische Raum ist derzeit der führende Markt für KI-Software. Nordamerika, mit dem zweitgrößten Marktanteil, dürfte jedoch mit einer robusten jährlichen Wachstumsrate (CAGR) von 36,3 % wachsen. Ein Hauptgrund dafür ist die hohe Konzentration führender Technologiekonzerne und Forschungseinrichtungen mit Hauptsitz in den USA – Google, Microsoft, Intel und NVIDIA finanzieren zusammen mehr als 25 aktive KI-Forschungslabore, die sich auf Edge Computing spezialisiert haben. Darüber hinaus unterstützt das US-Verteidigungsministerium mindestens 15 laufende Pilotprojekte für Edge-KI zur Echtzeit-Datenverarbeitung in unbemannten Fahrzeugen und schafft damit ein ideales Umfeld für Innovationen. Ein weiterer Wachstumstreiber ist das dynamische Startup-Ökosystem: Jedes Jahr werden im Silicon Valley mindestens 300 neue KI-Unternehmen gegründet, viele davon mit dem Ziel, Edge-Lösungen für Anwendungen wie das industrielle IoT, die medizinische Diagnostik und den autonomen Einzelhandel einzusetzen. Die Region verfügt außerdem über ein starkes Netzwerk von GPU- und ASIC-Herstellern – Xilinx, AMD und Qualcomm liefern jährlich zusammen über 2 Millionen integrierte Schaltkreise aus, um die aufkommende On-Device-Intelligenz zu ermöglichen.

Amerikanische Unternehmen im Markt für Edge-KI-Software investieren massiv in verschiedenste Branchen. Amazon, dessen Plattform von über 600.000 kleinen Händlern genutzt wird, hat eine Edge-basierte Software zur Optimierung der Lieferkette entwickelt, um Partner bei der Bestandsplanung zu unterstützen. John Deere betreibt 23 Testfarmen und setzt Computer Vision auf Landmaschinen ein, um Unkraut in Echtzeit zu erkennen. Pfizer fördert mindestens zehn Pilotprojekte zur Vor-Ort-Qualitätskontrolle von Medikamenten mithilfe von Edge-Analytics in Produktionslinien. Walmart nutzt KI-Kameras in über 3.000 Filialen, um den Warenbestand zu verwalten und ungewöhnliche Aktivitäten zu erkennen. IBM, das fortschrittliche KI-Bibliotheken an mehr als 2.500 Unternehmen weltweit liefert, unterstreicht die Rolle der USA bei der Förderung der kommerziellen Nutzung lokaler Analysen.

Mit Blick auf die Zukunft versprechen staatliche Initiativen im nordamerikanischen Markt für Edge-KI-Software, wie die geplante Erweiterung des National AI Institute, zusätzliche Finanzierung angewandter Forschung in Synergie mit Programmen der Privatwirtschaft. Telekommunikationsriesen – darunter AT&T – decken 5G in mindestens 2.500 städtischen Gebieten ab und schaffen damit die Voraussetzungen für anspruchsvollere Edge-Anwendungen mit geringer Latenz. Angesichts verschärfter Datenschutzbestimmungen planen große US-amerikanische Anbieter, Hardware-Verschlüsselung in neue Chipsätze zu integrieren. Dieser Ansatz stärkt nicht nur das Vertrauen der Endnutzer, sondern festigt auch die Fähigkeit der Region, sichere und leistungsstarke Edge-KI-Software zu entwickeln. Nordamerika ist somit bestens gerüstet für eine nachhaltige Führungsrolle, gestützt durch politische Unterstützung, industrielle Nachfrage und etablierte Innovationszentren.

Führende Unternehmen im Markt für Edge-KI-Software:

• Alef Edge, Inc.
• Anagog Ltd.
• AWS
• Azion Technologies
• Bragi.Com
• Chaos Prime, Inc.
• Clearblade, Inc.
• Foghorn Systems, Inc.
• Google
• Gorilla Technology Group, Inc.
• IBM
• Imagimob
• Microsoft
• Nutanix
• Oktonion
• Sixsq Sarl
• Synaptik
• TACT.AI
• TIBCO Software
• Veea Inc.
• Weitere prominente Spieler

Marktsegmentierungsübersicht:

Nach Komponente

• Lösung
• Software-Tools
• Plattform
• Dienstleistungen
• Schulungs- und Beratungsdienstleistungen
• Systemintegrationstests
• Support und Wartung

Nach Datenquelle

• Biometrische Daten
• Mobile Daten
• Sensordaten
• Spracherkennung
• Video- und Bilderkennung

Durch Bewerbung

• Zugangskontrolle
• Autonome Fahrzeuge
• Energiemanagement
• Vorausschauende Wartung
• Fernüberwachung
• Telemetrie
• Videoüberwachung
• Andere

Von Endbenutzern

• Advance Industries
• Bankwesen und Versicherung
• Chemische Landwirtschaft
• Verbraucher
• Vertikale Kreuzung
• Energie und Material
• Infrastruktur des Gesundheitswesens
• Medien und Unterhaltung
• Öffentliche Versorgungsbetriebe
• Einzelhandel
• Reisen, Transport und Logistik

Nach Region 

• Nordamerika
  • Die USA.
  • Kanada
  • Mexiko
• Europa
  • Westeuropa
    • Großbritannien
    • Deutschland
    • Frankreich
    • Italien
    • Spanien
    • Übriges Westeuropa
  • Osteuropa
    • Polen
    • Russland
    • Übriges Osteuropa
• Asien-Pazifik
  • China
  • Indien
  • Japan
  • Australien und Neuseeland
  • ASEAN
  • Übriges Asien-Pazifik
• Naher Osten und Afrika (MEA)
  • VAE
  • Saudi-Arabien
  • Südafrika
  • Rest von MEA
• Südamerika
  • Brasilien
  • Argentinien
  • Restliches Südamerika