Deutsche Unternehmen stehen bei der Verarbeitung und Analyse ihrer Daten noch vor herausfordernden Aufgaben. Das führt zur Entstehung einer ganzen Reihe bisher noch unbekannter Berufsrollen.

Wenn es um Sicherheit und KI geht, dreht es sich meist um KI zur Unterstützung der Security sowie um KI als Werkzeug der Angreifer. Weniger im Fokus sind die Angriffe auf und Schwachstellen bei KI, die vielschichtiger sein können, als die vorherrschende Diskussion erahnen lässt. Dabei können diese Schwachstellen die KI als Sicherheitswerkzeug nutzlos werden lassen.

Eine der Schlüsseltechnologien zu Innovation im Unternehmen ist Machine Learning (ML): ML unterstützt dabei, Unternehmensressourcen optimal zu verteilen, in Echtzeit datenbasierte Entscheidungen zu treffen oder Entscheidungsunterstützungen bereitzustellen. Die Nutzung von ML-Lösungen erfordert gleichzeitig ein umfassendes Wissen im Bereich Data Science. Experten auf diesem Gebiet sind gefragt.

Das Internet der Dinge verspricht ungeahnte Möglichkeiten für Unternehmen aus nahezu allen Branchen. Entsprechend viele Betriebe wagen es inzwischen, IoT-Projekte anzugehen und die neuen Chancen für das eigene Business zu nutzen. Doch häufig scheitern diese Vorhaben – laut Cisco-Umfrage sogar fast drei Viertel. Microsoft hat in einem Forschungsbericht festgestellt, dass 30 Prozent der IoT-Projekte das Proof-of-Concept-Stadium nicht überschreiten. Die Gründe scheinen auf den ersten Blick simpel: hohe Komplexität, geringe Budgets oder mangelnde Ressourcen. Doch die Praxis zeigt ein anderes Bild.

Das vom BMBF mit bis zu 15 Millionen Euro geförderte Verbundprojekt Q-Sens will die Grundlagenforschung zu Quantensensoren in marktreife Produkte übertragen. Profitieren sollen davon Industrieunternehmen, aber auch Anwendungen für dem Alltag.

Bereits vor fünf Jahren brachte SAP die Software-Generation S/4HANA auf den Markt. Seit dem Start der neuesten SAP-Generation 2015 müssen sich Firmen weltweit mit der Umstellung der auslaufenden R/3-Systeme befassen. Mit der neuen Software kann von der Materialwirtschaft über das Personal bis zu den Finanzen im Unternehmen alles gesteuert werden. Wer seine Digitalisierung vorantreiben möchte, kommt daran nicht vorbei.

Eine der Schlüsseltechnologien zu Innovation im Unternehmen ist Machine Learning (ML): ML unterstützt dabei, Unternehmensressourcen optimal zu verteilen, in Echtzeit datenbasierte Entscheidungen zu treffen oder Entscheidungsunterstützungen bereitzustellen. Die Nutzung von ML-Lösungen erfordert gleichzeitig ein umfassendes Wissen im Bereich Data Science. Experten auf diesem Gebiet sind gefragt.

Die COM-Express-Type-6-Modulfamilie MSC C6C-TLU basiert auf Intels Core-Prozessoren der 11. Generation. Avnet Integrated informiert über die Einsatzgebiete seiner hochleistungsfähigen Module.

Das vom BMBF mit bis zu 15 Millionen Euro geförderte Verbundprojekt Q-Sens will die Grundlagenforschung zu Quantensensoren in marktreife Produkte übertragen. Profitieren sollen davon Industrieunternehmen, aber auch Anwendungen für dem Alltag.

Im Auftrag des Bundesverbands der Deutschen Industrie e. V. hat das IW Köln die Studie „Datenwirtschaft in Deutschland“ durchgeführt. Die Ergebnisse zeigen, dass es noch an „Data Readiness“ mangelt.

Das Internet der Dinge verspricht ungeahnte Möglichkeiten für Unternehmen aus nahezu allen Branchen. Entsprechend viele Betriebe wagen es inzwischen, IoT-Projekte anzugehen und die neuen Chancen für das eigene Business zu nutzen. Doch häufig scheitern diese Vorhaben – laut Cisco-Umfrage sogar fast drei Viertel. Microsoft hat in einem Forschungsbericht festgestellt, dass 30 Prozent der IoT-Projekte das Proof-of-Concept-Stadium nicht überschreiten. Die Gründe scheinen auf den ersten Blick simpel: hohe Komplexität, geringe Budgets oder mangelnde Ressourcen. Doch die Praxis zeigt ein anderes Bild.

Das Start-up Melita.io will mithilfe des Investors EQT ein herstellerunabhängiges LoRaWAN-Netzwerk in Deutschland aufbauen. Als mögliche Anwender haben sich bereits die Betreiber des Hockenheimrings gemeldet.

Mit einem Starter-Kit will Swarm Analytics den Kommunen den Einstieg in die KI-basierte Verkehrszählung erleichtern. Laut dem Anbieter können Verkehrsplaner in nur wenigen Minuten mit der Analyse beginnen.

Im Auftrag des Bundesverbands der Deutschen Industrie e. V. hat das IW Köln die Studie „Datenwirtschaft in Deutschland“ durchgeführt. Die Ergebnisse zeigen, dass es noch an „Data Readiness“ mangelt.

Deutsche Unternehmen stehen bei der Verarbeitung und Analyse ihrer Daten noch vor herausfordernden Aufgaben. Das führt zur Entstehung einer ganzen Reihe bisher noch unbekannter Berufsrollen.

Databricks, ein US-Start-up im Bereich Datenanalyse, kündigt an, seine Technologie Lakehouse jetzt auch auf der Google Cloud Platform (GCP) bereitzustellen. Die Lakehouse-Technologie vereinigt Eigenschaften strukturierter mit denen für unstrukturierte Datenspeicherung. Die Technologie soll den Parallelbetrieb von Datalakes und Data Warehouses in vielen Fällen überflüssig machen. „Das hat den Vorteil, dass alle, die Daten analysieren, auf einer einzigen Plattform arbeiten und dieselbe Datenqualität nutzen“, erklärt Joel Minnick, Vice President Marketing des Unternehmens.

Ein deutsch-amerikanisches Wissenschaftlerteam konnte mithilfe von Künstlicher Intelligenz (KI) komplexe Anweisungen der Genregulation in der DNS entschlüsseln. Zum Einsatz kam dabei ein neuronales Netzwerk.

Das Internet der Dinge verspricht ungeahnte Möglichkeiten für Unternehmen aus nahezu allen Branchen. Entsprechend viele Betriebe wagen es inzwischen, IoT-Projekte anzugehen und die neuen Chancen für das eigene Business zu nutzen. Doch häufig scheitern diese Vorhaben – laut Cisco-Umfrage sogar fast drei Viertel. Microsoft hat in einem Forschungsbericht festgestellt, dass 30 Prozent der IoT-Projekte das Proof-of-Concept-Stadium nicht überschreiten. Die Gründe scheinen auf den ersten Blick simpel: hohe Komplexität, geringe Budgets oder mangelnde Ressourcen. Doch die Praxis zeigt ein anderes Bild.

Der Spezialist für technische Aus- und Weiterbildung Festo Didactic hat ab sofort das Bildungsmodul „Machine Learning Vision“ im Programm. Es schult praxisorientiert zu Trends rund um die Bereiche Künstliche Intelligenz (KI) und maschinelles Lernen.

Große Präsenzveranstaltungen sind derzeit pandemiebedingt noch nicht möglich – auch das Business Application Research Center (BARC) ist davon betroffen. Bereits zum zweiten Mal findet deshalb das DATA festival rein virtuell statt.

Damit sich auch von älteren Anlagen und Maschinen Sensordaten gewinnen lassen, müssen diese vernetzt werden. Dabei hilft das Retrofitting. Mit einem Vier-Stufen-Plan gelingt das.

Je mehr Bohrungen zu machen sind – man denke an die Flugzeugmontage mittels Nieten – umso wichtiger wird die Qualitätskontrolle. Ein Forscher aus Hamburg bietet dafür jetzt was Automatisches an.

Teradata ist der Open Manufacturing Platform (OMP) beigetreten. In diesem Rahmen wird das Unternehmen künftig gemeinsam mit den Allianzpartnern Lösungen für industrielles IoT und die Industrie 4.0 entwickeln.

Die COM-Express-Type-6-Modulfamilie MSC C6C-TLU basiert auf Intels Core-Prozessoren der 11. Generation. Avnet Integrated informiert über die Einsatzgebiete seiner hochleistungsfähigen Module.

Wenn es um Sicherheit und KI geht, dreht es sich meist um KI zur Unterstützung der Security sowie um KI als Werkzeug der Angreifer. Weniger im Fokus sind die Angriffe auf und Schwachstellen bei KI, die vielschichtiger sein können, als die vorherrschende Diskussion erahnen lässt. Dabei können diese Schwachstellen die KI als Sicherheitswerkzeug nutzlos werden lassen.

Der rechtsstaatliche Rahmen für die Digitalisierung nimmt langsam Gestalt. So hat das Bundeskabinett heute eine ganze Reihe entsprechender Gesetze verabschiedet. Darunter die zweite Fassung des Open-Data-Gesetzes und das Datennutzungsgesetz.

Der verstärkte Einsatz von IoT-Geräten („Internet of Things“) hat zu einer verstärkten Nachfrage nach entsprechenden Sicherheitslösungen geführt. Das Stuttgarter Startup Asvin hat nun einen entsprechenden Dienst vorgestellt, der auf Distributed-Ledger-Technik aufbaut.

Das Bundesamt für Sicherheit in der Informationstechnik (BSI) hat einen neuen Kriterienkatalog für KI-basierte Cloud-Dienste vorgestellt. Der Katalog soll eine Grundlage für die Bewertung der Sicherheit von KI-Systemen bilden.

Im Rahmen ihrer Themenreihe „Künstliche Intelligenz  verständlich“ lädt die Technische Hochschule (TH) Wildau am 10. März zu einer Webkonferenz ein. Schwerpunkt des Events ist das Thema „KI in der Mobilität“.

Um die Immersion von Augmented Reality zu verbessern, haben Forscher eine Software entwickelt, die mittels KI die virtuelle Akustik an die reale Raumakustik anpasst.

Mit einem Starter-Kit will Swarm Analytics den Kommunen den Einstieg in die KI-basierte Verkehrszählung erleichtern. Laut dem Anbieter können Verkehrsplaner in nur wenigen Minuten mit der Analyse beginnen.

Eine der Schlüsseltechnologien zu Innovation im Unternehmen ist Machine Learning (ML): ML unterstützt dabei, Unternehmensressourcen optimal zu verteilen, in Echtzeit datenbasierte Entscheidungen zu treffen oder Entscheidungsunterstützungen bereitzustellen. Die Nutzung von ML-Lösungen erfordert gleichzeitig ein umfassendes Wissen im Bereich Data Science. Experten auf diesem Gebiet sind gefragt.

Ray ist ein auf Open Source Software basierendes Framework, mit dem sich Python-Code und Python-Anwendungen auf verteilten Computing-Architekturen ausführen lassen. Das Framework verteilt die auszuführenden Befehle auf die verschiedenen Rechner und verwaltet die Prozesse. Ray erlaubt das Erstellen hoch skalierbarer Anwendungen und kommt beispielsweise im Machine-Learning-Umfeld zum Einsatz.

Das Jupyter-Projekt ist eine nicht gewinnorientierte Initiative mit der Zielsetzung, Open Source Software und offene Standards für interaktives Arbeiten zu entwickeln und bereitzustellen. Eines der bekanntesten Produkte des Projekts ist Jupyter Notebook. Es handelt sich um eine Client-Server-Anwendung für das Erstellen und Teilen interaktiver Arbeitsblätter. Weitere Produkte sind JupyterLab, JupyterHub und Voilà.

Ein Generative Adversarial Network, kurz GAN, ist ein Machine-Learning-Modell, das in der Lage ist, Daten zu generieren. Es besteht aus zwei konkurrierenden Künstlichen Neuronalen Netzwerken (KNN). Eines hat die Aufgabe, echt wirkende Daten zu erzeugen, das andere klassifiziert die Daten als echt oder künstlich. Durch ständiges Lernen und viele Iterationsschritte werden die generierten Daten immer besser. Typischer Einsatzbereich ist das Erstellen echt wirkender künstlicher Bilder.

Das Capsule Neural Network ist eine Klasse Künstlicher Neuronaler Netzwerke (KNN). Es ergänzt das Convolutional Neural Network (CNN) mit sogenannten Kapseln. Zwischen diesen Kapseln lassen sich Informationen vektorgerichtet dynamisch routen. Vorteil dieses Konzepts ist es, dass in Anwendungen wie etwa der Bilderkennung bessere Ergebnisse erzielbar sind. Das Lernverhalten ist dem menschlichen Erkennen von Objekten ähnlicher.