Die EU-Kommission verlangt in ihrem Aktionsplan zu Cybersicherheit und KI erstmals Notfallmaßnahmen für den Fall, dass ein Anbieter oder eine Drittstaatsbehörde den Zugang zu fortgeschrittenen KI-Modellen entzieht. Der Anlass liegt einige Wochen zurück. Neun Key Actions sollen europäische Handlungsfähigkeit sichern, doch das Verhältnis von Finanzbedarf und bereitstehenden Mitteln fällt bemerkenswert aus.

Der Gartner Hype Cycle gehört zum Standardinventar jeder KI-Marktanalyse. Der Interim Manager Eckhart Hilgenstock nennt das Modell „Nonsense“ und „wissenschaftlich längst widerlegt“. Seine Kritik trifft einen echten Schwachpunkt.

Generative Bildmodelle stellen Menschen mit Prothesen häufig fehlerhaft oder gar nicht dar. Mit der Initiative „Dear AI“ will der Medizintechnikkonzern Ottobock das ändern. Gemeinsam mit Betroffenen entsteht ein offener Datensatz, der Entwicklern helfen soll, Bildmodelle vielfältiger und realistischer zu trainieren.

Mit Standard-Hardware soll die EKG-Diagnostik verbessert werden. Zum Einsatz kommen KI-Algorithmen, die direkt vor Ort analysiert werden, ohne dass sensible Patientendaten das Gerät verlassen.

Cloud und künstliche Intelligenz (KI) verändern Unternehmen rasant, doch rechtliche Datenzugriffe bleiben ein blinder Fleck. Was bedeutet Compliance heute wirklich und wo werden bestehende Setups gefährlich?

Die EU-Kommission verlangt in ihrem Aktionsplan zu Cybersicherheit und KI erstmals Notfallmaßnahmen für den Fall, dass ein Anbieter oder eine Drittstaatsbehörde den Zugang zu fortgeschrittenen KI-Modellen entzieht. Der Anlass liegt einige Wochen zurück. Neun Key Actions sollen europäische Handlungsfähigkeit sichern, doch das Verhältnis von Finanzbedarf und bereitstehenden Mitteln fällt bemerkenswert aus.

Lange war Apache Spark der Referenzpunkt für viele Fragen der verteilten Datenverarbeitung und ist es häufig auch heute noch. Gleichzeitig hat sich das Big-Data-Ökosystem nach Workloads und Ausführungsmodellen ausdifferenziert. Unterschiedliche Anforderungen an Latenz, Zustand, API, ML-Integration und Betrieb führen zu unterschiedlichen Engines. Dieser Beitrag vergleicht Spark, Flink, Ray und Dask als vier zentrale Systeme dieser veränderten Technologielandschaft.

Digitale und Datensouveränität kann man nicht kaufen, sondern Unternehmen müssen sie schrittweise aufbauen. Doch wie erreicht man die volle Kontrolle über die eigenen Daten? Im Podcast-Interview mit Dr. Jürgen Ehneß erläutert Sven Selle, Senior Director Field Engineering EMEA bei Dataiku, diesen Prozess, die Grundlagen dafür – und mögliche Stolpersteine.

Das Deep-Tech-Unternehmen The Green Bridge will Daten aus unterschiedlichen Fachsystemen über räumlich-zeitliche Identifikatoren zusammenführen, ohne sie aus ihren Ursprungssystemen zu lösen. Die Technologie soll die Datenbasis für KI-Anwendungen und Automatisierung schaffen – bei gleichzeitiger Datenhoheit der Unternehmen.

Die größte Hürde beim Sprung von KI-Piloten in den Produktivbetrieb sei nicht das Modell, sondern die Datenschicht darunter. Mit der allgemeinen Verfügbarkeit seiner AI Data Plane will Couchbase genau dieses Fundament für agentische Anwendungen liefern. Erstmals steht die Plattform auch für selbst verwaltete Installationen bereit.

Unternehmen investieren in moderne Dateninfrastrukturen: Data Lakes, Stream-Processing-Plattformen oder KI-gestützte Analysewerkzeuge. Doch während die Technologie Stacks immer leistungsfähiger werden, liegt ein erheblicher Teil der unternehmenseigenen Informationen nach wie vor in Papierform in Regalen, Ordnern und Archivkartons: Rechnungen, Lieferscheine, technische Zeichnungen, Personaldokumente und Verträge. Diese Datenmengen sind real, wertvoll und in den meisten Datenstrategien schlicht nicht vorhanden.

Daten gelten zurecht als wertvolle Ressource und essenzielle Grundlage für Innovationen und neue Geschäftsmodelle. Ihre bloße Existenz reicht jedoch nicht aus: Ohne konkreten Anwendungsfall bleiben sie wirkungslos. Damit Daten in einer Organisation zugänglich und nutzbar gemacht werden, braucht es einen klaren Perspektivwechsel im Umgang mit Daten: Daten müssen als Produkte verstanden werden – ergänzt durch Datenmarktplätze, über die diese Produkte gefunden, verglichen und konsumiert werden können.

Denodo hat seine Datenmanagement-Plattform auf Version 9.5 aktualisiert. Neu sind ein erweiterter Enterprise Knowledge Graph, zentral definierbare Metric Views und ein dialogfähiger Denodo-Assistant.

Mit dem Summer Release 2026 führt Akeneo eine agentische Bedienebene in seine Product Cloud ein. Nutzer sollen Produktdaten künftig über natürliche Sprache steuern, statt Workflows manuell zu konfigurieren. Der Anbieter positioniert die Neuerung ausdrücklich als Governance-gebundene Automatisierung. Der Druck dazu entsteht aus der KI-gestützten Produktsuche selbst.

Die Apache Software Foundation hat Spark 4.2.0 freigegeben. Das Release verlagert Aufgaben in die Engine, die bisher vorgelagerte Werkzeuge übernommen haben: eine semantische Schicht für Geschäftskennzahlen, Vektorfunktionen für Ähnlichkeitssuchen und Change Data Capture als First-Class-Funktion.

Lange war Apache Spark der Referenzpunkt für viele Fragen der verteilten Datenverarbeitung und ist es häufig auch heute noch. Gleichzeitig hat sich das Big-Data-Ökosystem nach Workloads und Ausführungsmodellen ausdifferenziert. Unterschiedliche Anforderungen an Latenz, Zustand, API, ML-Integration und Betrieb führen zu unterschiedlichen Engines. Dieser Beitrag vergleicht Spark, Flink, Ray und Dask als vier zentrale Systeme dieser veränderten Technologielandschaft.

Als SupplyX sein Transportmanagement-System (TMS) ersetzen wollte, zeigte die Analyse den eigentlichen Engpass: fragmentierte Daten und uneinheitliche Prozesse. Ein Praxisbericht über die Datenarbeit, die jeder produktiven KI vorausgeht.

WWF Singapore und das Cisco-Unternehmen Splunk übertragen die Logik eines Security Operations Centers auf den Artenschutz. Das geplante Wildlife Protection Operations Center soll vorhandene Felddaten in Echtzeit auswerten und Ranger gezielter steuern. Bislang handelt es sich um ein Konzept ohne abgeschlossenen Feldtest.

Trotz hoher Investitionen in Daten und KI bleiben Marketing-Erfolge oft aus. Lutz Klaus zeigt in seinem Fachbuch, warum der Mensch der entscheidende Erfolgsfaktor ist. IT-BUSINESS verlost drei Exemplare.

Ein System erkennt die ersten Anzeichen von Alzheimer: DementAI ist für die Früherkennung kognitiven Abbaus konzipiert und markiert Alzheimer-Patienten, bevor sie an Spezialisten überwiesen werden.

Künstliche Intelligenz, Robotik, neue Geschäftsmodelle und sich wandelnde Kundenanforderungen verändern Wirtschaft und Industrie in nie dagewesener Geschwindigkeit. Für Führungskräfte reicht es längst nicht mehr, auf Veränderungen zu reagieren. Gefragt sind strategische Entscheidungen, die Unternehmen resilient, innovativ und zukunftsfähig machen. Transformation ist keine Option mehr – sie ist eine Führungsaufgabe. Diesem Thema widmet sich die T3-Konferenz 2026.

KI-gesteuerte Roboter verändern die Zukunft der Robotik, indem sie die Systeme intelligenter, anpassungsfähiger und autonomer machen. Autonome Roboter, die einst ein Thema futuristischer Werke waren, sind heute auf dem Weg zur Massenproduktion.

Siemens, Databricks und FFT binden Anlagen aus der Fertigung direkt an die Cloud an, ohne dass dafür komplexe Zwischenschritte nötig sind. Industriebetriebe können so Daten schneller auswerten und KI flächendeckend einsetzen.

Mit dem Fuse EDA AI Agent will Siemens EDA die nächste Stufe der KI-gestützten Entwurfsautomatisierung erreichen. Im Zentrum steht nicht ein weiterer Copilot, sondern ein agentisches System, das komplexe Workflows über mehrere EDA-Tools hinweg planen, ausführen und überwachen soll.

Cloud und künstliche Intelligenz (KI) verändern Unternehmen rasant, doch rechtliche Datenzugriffe bleiben ein blinder Fleck. Was bedeutet Compliance heute wirklich und wo werden bestehende Setups gefährlich?

Mittels Prompt Injection können KI-Agenten oft dazu gebracht werden, interne Sicherheitsschranken zu umgehen und etwa eigentlich geheime und private Daten preiszugeben. Sicherheitsforscher haben dies auch bei Githubs Copilot-basiertem Assistenten demonstriert. Dazu reichte es grundsätzlich, sich etwa als ein Manager auszugeben.

Mit der zunehmenden Qualität KI-generierter Stimmen stoßen klassische Erkennungsverfahren an Grenzen. Das Forschungsprojekt PADSE entwickelt daher einen personenzentrierten Ansatz, der Audio-Deepfakes über individuelle Sprach- und Stimmprofile identifizieren soll.

Cognition, Anbieter des Softwareentwicklungsagenten Devin, hat mit „Devin Security Swarm“ eine Lösung vorgestellt, die Sicherheitslücken automatisiert aufspüren, ihre tatsächliche Ausnutzbarkeit zur Laufzeit prüfen und Korrekturen direkt als Pull Request bereitstellen soll. Der Hersteller reagiert damit nach eigenen Angaben auf ein wachsendes Missverhältnis: KI-Agenten erzeugen Code schneller, als Sicherheitsteams ihn prüfen können.

KI-Agenten greifen immer tiefer in geschäftskritische Prozesse ein und erhalten dabei Zugriff auf sensible Unternehmensdaten. Bisher verfügt nur ein Drittel der deutschen Unternehmen über ausgereifte Governance-Strukturen für ihre digitalen Assistenten. Dabei brauchen diese dieselben Berechtigungs- und Identitätskonzepte wie menschliche Mitarbeitende. Die IT-Anbieter erweitern ihre Lösungen entsprechend.

Generative Bildmodelle stellen Menschen mit Prothesen häufig fehlerhaft oder gar nicht dar. Mit der Initiative „Dear AI“ will der Medizintechnikkonzern Ottobock das ändern. Gemeinsam mit Betroffenen entsteht ein offener Datensatz, der Entwicklern helfen soll, Bildmodelle vielfältiger und realistischer zu trainieren.

Trotz riesiger Datenmengen sind wichtige Informationen in Industrieunternehmen nicht immer schnell genug verfügbar. Spezialisierte KI-Assistenten können das ändern. Sie greifen auf Unternehmensdaten zu, liefern kontextualisierte Antworten in Sekunden und beschleunigen Entscheidungen in Operations und Engineering. Die Grundlage dafür ist eine zentrale Plattform, die Daten bündelt und verknüpft.

Der Kölner KI-Anbieter Octonomy hat einen Sprachassistenten für technische Service-Hotlines vorgestellt. Statt Anrufe nur weiterzuleiten, soll der „AI Voice Agent for Engineers“ die betroffene Anlage identifizieren, genannte Messwerte gegen die Herstellerdokumentation abgleichen und dem Serviceteam ein vorqualifiziertes Ticket übergeben.

Eine Artificial Superintelligence (ASI) ist eine softwarebasierte Künstliche Intelligenz, die die menschliche Intelligenz bei weitem übertrifft. Sie ist derzeit noch rein hypothetisch. Ihre Realisierung würde die technologische Singularität auslösen und einen Wendepunkt für die menschliche Zukunft bedeuten.

Während heutige KI-Systeme als „schwache“ oder „schmale“ Intelligenz hochspezialisierte Aufgaben lösen, zielt die Forschung bei der Artificial General Intelligence (AGI) auf ein System ab, das über kognitive Fähigkeiten verfügt, die denen des Menschen ebenbürtig oder überlegen sind. Eine solche „starke KI“ könnte unabhängig von ihrer Programmierung neues Wissen erwerben und komplexe Probleme über verschiedene Domänen hinweg lösen.

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.