Fujitsu bringt eine dedizierte Plattform für generative KI an den Start, mit der Unternehmen Modelle und KI-Agenten in eigener Verantwortung betreiben können. Der Fokus liegt auf Souveränität, Sicherheit und rechtskonformer Nutzung sensibler Daten.

Für den Einsatz von Künstlicher Intelligenz (KI) in der Industrie wird künftig nicht mehr allein die Leistungsfähigkeit entscheidend sein. Vielmehr rücken der Nachweis korrekter Ergebnisse und deren Glaubwürdigkeit in den Vordergrund. Die zentrale Frage verändert sich von „Stimmt das Ergebnis?” zu „Warum stimmt das Ergebnis?”.

MongoDB bindet Embedding- und Reranking-Modelle von Voyage AI direkt in seine Datenbankdienste ein. Die Integration soll semantische Abfragen und Retrieval-Workloads vereinfachen, ohne operative Daten aus der Plattform auszulagern.

Shopify und Google haben das Universal Commerce Protocol (UCP) vorgestellt, ein Protokoll, das als „gemeinsame Sprache“ für diverse KI-Agenten fungieren soll und damit eine neue Ära des Agentic Commerce einläuten will. UCP soll zunächst auf Google AI Search, Google Gemini und in Microsoft Copilot Checkout zum Einsatz kommen. KI-gestützte Suche verlockt künftig zum Online-Kauf.

Der KI-Boom sorgt dafür, dass sich die Analysten der Halbleiterindustrie vor Euphorie überschlagen. Schon Ende des Jahres 2026 könnte der Marktumsatz bei einer Billion US-Dollar liegen. Doch einige Branchenkenner sehen Warnsignale, dass diese Entwicklung unrealistisch ist.

Thoughtworks hat mit AI/works eine agentenbasierte Entwicklungsplattform vorgestellt, die bei der Modernisierung von Altsystemen und der Entwicklung neuer Anwendungen unterstützen soll. Die Plattform bündelt Analyse bestehender Software, Ableitung von Anforderungen, Spezifikationen sowie Code- und Testgenerierung in einer integrierten Umgebung und richtet sich an komplexe Unternehmenslandschaften.

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.

MongoDB bindet Embedding- und Reranking-Modelle von Voyage AI direkt in seine Datenbankdienste ein. Die Integration soll semantische Abfragen und Retrieval-Workloads vereinfachen, ohne operative Daten aus der Plattform auszulagern.

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.

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.

Forscher der Technische Universität München haben eine neue Version ihres Assistenzroboters Garmi präsentiert. Entwickelt wurde das System am Garmischer Forschungsstandort durch das Munich Institute of Robotics and Machine Intelligence (MIRMI) in Zusammenarbeit mit dem Munich Design Institut (MDI). Die Vorstellung erfolgte im Beisein der bayerischen Staatsministerin für Gesundheit, Pflege und Prävention Judith Gerlach.

Mit Rho-alpha stellt Microsoft Research ein neues Robotikmodell vor, das Sprache, visuelle Wahrnehmung und taktiles Feedback verbindet. Entscheidend ist weniger der Roboterarm als die Trainingsstrategie dahinter: Simulationen und synthetische Daten sollen das strukturelle Datenproblem physischer KI adressieren.

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.

Das Allianz Risk Barometer 2026 zeigt, dass Cybervorfälle weiterhin das größte Geschäftsrisiko sind, während Künstliche Intelligenz (KI) in rasantem Tempo aufsteigt. Unternehmen stehen vor komplexen Herausforderungen, die proaktive Risikominderungsstrategien erfordern.

Evasion-Angriffe auf große Sprachmodelle sind kein theoretisches Szenario mehr. Das Bundesamt für Sicherheit in der Informationstechnik sieht reale Risiken für produktive KI-Systeme und fordert Unternehmen auf, ihre Architekturen neu zu denken

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.

Ein Forschungsprojekt kombiniert biomechanische Daten und Künstliche Intelligenz (KI), um die Bewegungsabläufe vor und nach einer Hüftoperation zu analysieren. Die gewonnenen Erkenntnisse sollen die Behandlungsergebnisse für Hüftarthrose-Patienten verbessern sowie eine personalisierte Medizin und bessere Rehabilitation versprechen. Potenziell kann das KI-Modell auch auf andere Gelenke und Erkrankungen übertragen werden.

SAP Joule integriert KI-gestützte Analyse-, Transaktions- und Automatisierungsfunktionen direkt in SAP-Anwendungen. Der Assistent verarbeitet natürliche Sprache, steuert Geschäftsprozesse, greift auf autorisierte Daten zu und unterstützt rollenbasiert bei operativen Entscheidungen.

Nicht der reale Einsatz von Künstlicher Intelligenz (KI) entscheidet über das Vertrauen in demokratische Institutionen, sondern die Art, wie über sie gesprochen wird. Eine neue Studie der Ludwig-Maximilians-Universität München zeigt, wie stark Erwartungen über KI den politischen Kompass beeinflussen.

Künstliche Intelligenz (KI) ist der große Imperativ der Geschäftswelt. Doch während Unternehmen unzählige Initiativen anstoßen, zeigt die steigende Zahl bereits umgesetzter, aber wenig effektiver Projekte: KI funktioniert nicht als isoliertes Tool, sondern muss als grundlegendes Prinzip der Unternehmens-DNS gedacht werden. Ein Executive Panel zum Thema „AI First“ hat jetzt wertvolle Einblicke geliefert, wie Unternehmen diesen Ansatz in der Praxis erfolgreich umsetzen.

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.