Mit dem Ende der Experimentierphase rücken Betrieb, Kostenkontrolle und Abhängigkeiten ins Zentrum der KI-Strategien. Red Hat erwartet für 2026 einen grundlegenden Architekturwechsel: Weg vom Modell-Monolithen, hin zu modularen Agenten, spezialisierten Modellen und hybriden Infrastrukturen.

Die Linux Foundation hat die spezialisierte Agentic AI Foundation gegründet. Zur Gründung übergibt Anthropic das Model Context Protocol, Block das Framework Goose und OpenAI den Standard für KI-Anweisungen Agents.md für die weitere Open-Source-Entwicklung an die Stiftung.

Künstliche Intelligenz (KI) entfaltet ihr Potenzial erst, wenn Unternehmen Architektur, Modelle und Software gezielt aufeinander abstimmen. Wer die drei Ebenen des KI-Stacks versteht, kann flexibel agieren. So entsteht eine neue Qualität im Umgang mit KI – jenseits von Aktionismus und Abhängigkeit.

Im Hype Cycle 2025 rücken KI-Agenten und AI-Ready Data in den Mittelpunkt. Gartner sieht den Trend weg von reiner generativer KI hin zu skalierbaren Grundlagen.

In vielen mittelständischen Unternehmen sind erste Industrie-4.0-Konzepte etabliert, Maschinen vernetzt, ERP-Systeme modernisiert und erste Cloud- oder KI-Anwendungen im Einsatz. Auf den ersten Blick wirkt die Digitalisierung weit fortgeschritten. In der Praxis zeigt sich jedoch ein anderes Bild: Denn trotz erheblicher Investitionen entstehen nur selten neue digitale Produkte, skalierbare Services oder nachhaltige Geschäftsmodelle. Die Digitalisierung bleibt fragmentiert und ihr wirtschaftlicher Effekt damit begrenzt.

Künstliche Intelligenz (KI) entfaltet ihr Potenzial erst, wenn Unternehmen Architektur, Modelle und Software gezielt aufeinander abstimmen. Wer die drei Ebenen des KI-Stacks versteht, kann flexibel agieren. So entsteht eine neue Qualität im Umgang mit KI – jenseits von Aktionismus und Abhängigkeit.

Auf der CES 2026 spannt Nvidia einen Bogen von der nächsten KI-Servergeneration bis zum autonomen Fahren. Vera Rubin soll Rechenzentren verdichten, Drive Hyperion und Alpamayo zielen auf Robotaxis. Start: zweite Jahreshälfte 2026.

Standortdaten besitzen eine unglaubliche Aussagekraft. Sie legen Muster offen, decken Möglichkeiten auf und helfen Unternehmen, klügere Entscheidungen zu treffen – egal, ob Lieferrouten optimiert, ein Geschäftsstandort ausgewählt oder die richtigen Kunden im genau richtigen Moment angesprochen werden sollen. Aber selbst die besten Standortdaten können keine Ergebnisse liefern, wenn sie in Datensilos gefangen sind, nicht synchronisiert werden oder zu spät bereitgestellt werden.

Box bringt mit „Box Extract“ einen neuen KI-Dienst an den Start, der unstrukturierte Unternehmensdokumente automatisiert in strukturierte, auswertbare Metadaten überführt. Der Ansatz kombiniert mehrere große Sprachmodelle mit agentenbasierter Logik und zielt auf automatisierte Workflows, schnellere Entscheidungen und neue Analysepfade für Unternehmensdaten.

Couchbase hat Capella AI Services allgemein verfügbar gemacht. Die Plattform bündelt Daten, Vektoren, Modelle und Governance-Funktionen und adressiert damit typische Hürden beim Übergang agentischer Künstlicher Intelligenz (KI) von Pilotprojekten in den produktiven Betrieb.

Standortdaten besitzen eine unglaubliche Aussagekraft. Sie legen Muster offen, decken Möglichkeiten auf und helfen Unternehmen, klügere Entscheidungen zu treffen – egal, ob Lieferrouten optimiert, ein Geschäftsstandort ausgewählt oder die richtigen Kunden im genau richtigen Moment angesprochen werden sollen. Aber selbst die besten Standortdaten können keine Ergebnisse liefern, wenn sie in Datensilos gefangen sind, nicht synchronisiert werden oder zu spät bereitgestellt werden.

Atlassian erweitert sein MCP-Ökosystem um einen Connector, der den Rovo MCP Server mit ChatGPT koppelt. Damit sollen sich Daten aus Jira und Confluence direkt in ChatGPT abfragen, auswerten und zum Anlegen neuer Aufgaben nutzen lassen. Ergänzend führt Atlassian weitere Sicherheits- und Governance-Funktionen für den MCP Server ein.

Lange galt Observability als Werkzeug für DevOps und SREs. Doch je digitaler Geschäftsmodelle werden, desto stärker greift das Thema in strategische Entscheidungen ein. Wenn Technik und Management dieselbe Sprache sprechen, entstehen bessere Entscheidungen – und weniger Missverständnisse.

Qlik stattet sein auf Apache Iceberg basierendes Open Lakehouse mit Funktionen für Streaming-Daten, automatisierte Transformationen und Zero-Copy-Mirroring aus. Unternehmen sollen damit Datenströme ohne Warehouse-Overhead in Echtzeit nutzbar machen – inklusive integrierter Governance.

Die Modellierung komplexer Zeitreihen erhält mit der Open-Source-Bibliothek Prophet eine strukturierte Grundlage. Die Bibliothek steht für Python und R zur Verfügung und fasst Trendkomponenten, periodische Muster und Ereigniseffekte in einem additiven Modell zusammen. Dadurch lassen sich Prognosen erstellen, die auch bei unregelmäßigen Intervallen oder fehlenden Werten belastbar bleiben.

Mit CleverBenchmark.AI bringt Audius einen KI-gestützten Benchmark-Service auf den Markt. Das System erfasst und vergleicht Wettbewerbsprodukte kontinuierlich, normalisiert Daten und stellt sie für Analysen bereit. Unternehmen sollen damit Produktstrategien schneller bewerten können.

Im Interview erläutert Nikolas Fleschhut, Director HRtbeat und Mitglied der Geschäftsleitung der Vogel Communications Group, den aktuellen Status in Sachen Fachkräftemangel in der IT – und gibt Tipps, wie Unternehmen mit der Situation umgehen sollten.

Die Gewinner der IT-Awards 2025 stehen fest. Im Herzen Augsburgs wurden am 23. Oktober 2025 die Sieger der Readers' Choice Awards der sechs Insider-Portale im Rahmen einer festlichen Gala ausgezeichnet.

Die Spannung steigt: Heute Abend werden die IT-Awards 2025 verliehen. Bereits zum elften Mal haben die sechs Insider-Portale der Vogel IT-Medien ihre Leserinnen und Leser dazu aufgerufen, ihre Favoriten unter den IT-Anbietern und Herstellern zu wählen.

Ein Technologiekonzern plant die Einführung einer neuen KI-gestützten Software – ein Projekt mit hohem Innovationspotenzial. Doch statt schneller Umsetzung folgt eine langwierige Prüfung durch Einkauf, Legal, IT-Security und Nachhaltigkeitsmanagement. Der Grund: ein komplexes Geflecht aus internen Einkaufsrichtlinien, konzernweiten Governance-Vorgaben und externen Regularien wie dem AI Act oder ESG-Standards.

Steigende Energiepreise, volatile Lieferketten und fehlende Fachkräfte prägen die Lage der Fertigungsindustrie. Eine Studie von Revalize liefert nun Daten zu Technikeinsatz, organisatorischen Anpassungen und strukturellem Wandel. Besonders deutlich fällt die Diskrepanz bei KI-Kompetenzen und beim Umgang mit neuen regulatorischen Vorgaben aus.

Viele Unternehmen investieren in KI-Prototypen, aber nur ein Bruchteil schafft den Sprung in den produktiven Betrieb. Ein aktuelles Fraunhofer-Papier zeigt, woran industrielle KI-Projekte scheitern, bevor sie überhaupt relevante Datenströme oder Maschinen erreichen.

Bei rund 5.000 Stahlsorten kommt es im Herstellungsprozess auf Nuancen an. Um neue Eigenschaften zu kreieren werden die Stähle mit verschiedenen Bildgebungsverfahren analysiert. Ein Forschungsteam der Uni Saarland hat nun eine KI mit Mikroskopie-Analysedaten von 10.000 Stahlproben trainiert, die kleinste Veränderungen im Stahl aufspürt.

Mit dem neuen Ansatz Prompt-to-Product will das Unternehmen Kabkin Produktentwicklung, Problemlösen und das Umsetzen von Ideen so einfach wie eine Suchanfrage machen. Die Lösung verändert den klassischen Prozess hin zu: Bedarf → Prompt → Produkt.

Die nächste Stufe der Künstlichen Intelligenz (KI, engl. AI) ist längst keine Zukunftsvision mehr, sondern im Begriff, Realität zu werden: Agentic AI – autonome KI-Systeme, die eigenständig Entscheidungen treffen und selbstständig handeln.

Viele Unternehmen glauben, dass die europäischen Vorschriften nicht anwendbar sind, wenn sie ihre KI-Modelle außerhalb der EU trainieren. Doch der EU AI Act stellt klar: Bestimmte Vorgaben gelten auch dann, wenn das Training in anderen Ländern wie Singapur oder den USA erfolgt.

Unternehmen investieren in nie dagewesenem Tempo in Künstliche Intelligenz (KI). Kaum ein Geschäftsbereich bleibt von Automatisierung, Generierung oder Analyse durch KI unberührt. Doch dieser Innovationsmotor entwickelt sich zunehmend zu einer Sicherheitsherausforderung: Der Wettlauf um Produktivität und Effizienz bringt neue Schwachstellen hervor, die klassische Schutzmechanismen überfordern.

Anfangs drehte sich die Debatte darum, ob KI-Outputs urheberrechtlich schutzfähig sind. Inzwischen stehen andere Fragen im Fokus: Welche Daten dürfen rechtmäßig zum Training genutzt werden – und was gilt, wenn ein Modell Input 1:1 als Output reproduziert?

Eine Camunda-Studie zeigt einen anhaltenden Enthusiasmus für KI-Agenten und viel Experimentieren, aber nur wenige produktionsreife Anwendungen. Steigenden Investitionen stehen Befürchtungen über Verantwortungsdelegation und eine zunehmende Komplexität von Unternehmensabläufen gegenüber.

Egal ob Start-up oder etabliertes Industrieunternehmen: Das Erstellen von Testspezifikationen und Testfällen ist meist mit einem hohen Zeitaufwand verbunden und es stehen häufig nicht ausreichend personelle Ressourcen dafür zur Verfügung. Vor diesem Hintergrund stellt sich die Frage, in welchen Bereichen Künstliche Intelligenz (KI) die Testentwicklung sinnvoll unterstützen kann.

Bis 2030 soll sich entscheiden, ob Unternehmen Künstliche Intelligenz (KI) als Effizienzwerkzeug oder als Wachstumsmotor begreifen. Eine Studie des IBM Institute for Business Value zeichnet ein klares Bild: Wer KI nicht tief in Strategie, Organisation und Wertschöpfung verankert, riskiere den Anschluss zu verlieren.

GitLab hat die allgemeine Verfügbarkeit der GitLab Duo Agent Platform bekannt gegeben. Die Plattform setzt auf KI-Agenten, die Aufgaben über den gesamten Software-Lebenszyklus hinweg ausführen und koordinieren. Der Ansatz zielt darauf, Engpässe zu reduzieren, die trotz schnellerer Code-Erstellung in Reviews, CI/CD und Security entstehen.

Ein Small Language Model (SLM) ist ein kleines Sprachmodell. Es verarbeitet und generiert natürliche Sprache, hat aber weniger Parameter im Vergleich zu großen Sprachmodellen. Small Language Models benötigen weniger Rechenleistung, arbeiten oft lokal auf Geräten und sollen dennoch natürliche Sprache verstehen und erzeugen. Ein Small Language Model ist für spezialisierte Aufgaben nutzbar und kann lokal auf ressourcenbeschränkten Geräten betrieben werden.

Large Language Models sind große generative Sprachmodelle mit Künstlicher Intelligenz (KI), die mit riesigen Mengen an Textdaten vortrainiert sind. Sie basieren auf neuronalen Netzen, in der Regel in Transformer-Architektur, und besitzen viele Milliarden Parameter. LLMs können natürliche Sprache verarbeiten, verstehen und generieren.

Eine Agentic AI ist eine autonom und zielorientiert arbeitende Form einer Künstlichen Intelligenz (KI, engl. AI). Mit KI ausgestattete Agenten sind in der Lage, selbstständig zu lernen, Entscheidungen zu treffen, Maßnahmen zu ergreifen, Aktionen auszuführen, sich dynamisch anzupassen und Ziele zu verfolgen. Sie handeln proaktiv und adaptiv.

Der im Internet und in den Unternehmen verfügbare Datenberg – diese Tatsache wird als Big Data umschrieben – wird immer größer, unübersichtlicher und lässt sich nur schwer verarbeiten. Immer technologisch anspruchsvollere Tools und Programme sollen die Datenflut zähmen.