Google LaMDA ist ein auf Künstlicher Intelligenz (KI) basierendes Sprachmodell, das auf Dialoge spezialisiert ist. Mit dem Sprachmodell Google LaMDA sollen fundierte Dialoge und natürliche Gespräche mit offener Themenwahl möglich werden. Das Sprachmodell wurde mit Dialogdaten trainiert und basiert auf der Transformer-Architektur. Es kann sowohl die Rolle eines Gesprächspartners einnehmen als auch aus der Sicht von Gegenständen oder Objekten antworten.

Die Normalisierung findet bei relationalen Datenbankschemata statt und hat zum Ziel, Redundanzen, Inkonsistenzen und Anomalien zu vermeiden und zu beseitigen. Zur Durchführung kommen bis zu fünf verschiedene aufeinander aufbauende Normalformen zum Einsatz. Normalisierte Datenbanken folgen einem klar strukturierten Modell.

Random Forest ist ein Algorithmus, der sich für Klassifizierungs- und Regressionsaufgaben nutzen lässt. Er kombiniert die Ergebnisse vieler verschiedener Entscheidungsbäume, um bestmögliche Entscheidungen zu treffen. Der Lernalgorithmus gehört zu den Verfahren des überwachten Lernens und ist im Machine Learning einsetzbar. Das Verfahren ist relativ einfach und bietet kurze Trainingszeiten.

Process Mining gehört zu den Data-Mining-Techniken und ermöglicht eine systematische, datengestützte Auswertung von Geschäftsprozessen. Digitale Spuren der Prozesse, wie sie die beteiligten IT-Systeme beispielsweise in Form von Log- und Event-Daten bereitstellen, werden vom Process Mining analysiert. Die Geschäftsprozesse lassen sich mithilfe des Process Minings rekonstruieren, überwachen, durchleuchten und optimieren.

Eine vorausschauende Wartung stellt hohe Anforderungen an die Hardware: Die Sensorik benötigt spezielle Wandlereingänge und es muss ausreichend Speicherplatz und Rechenleistung vorhanden sein. Ein Raspberry Pi mit HAT-Modulen ist die Lösung.

Der Name IO-Link steht für ein Kommunikationssystem zur Integration intelligenter Sensoren und Aktoren in ein Automatisierungssystem nach der Norm IEC 61131-9. Die Standardisierung umfasst sowohl die elektrischen Anschlussdaten als auch ein digitales Kommunikationsprotokoll, gemäß dem Sensoren und Aktoren ihre Daten mit dem Automatisierungssystem austauschen. Der TÜV Süd ist ist nun 400. Mitglied in der IO-Link Community.

Lange Zeit hat das Datenbankkonzept der Data Lakes den Business-Analytics-Markt bestimmt und gute Dienste geleistet. Moderne Technologien und neue Anwendungsfälle benötigen aber innovative Lösungen, die verschiedene Ansätze vereinen, Echtzeitzugriff bieten und äußerst kompatibel sind. Die Zukunft liegt in Data-Management-Plattformen.

EchoStar Mobile startet sein satellitengestütztes LoRa-Early-Adopter-Programm. Dies, so der Anbieter, setze massive IoT-Fähigkeiten in ganz Europa frei, denn die Kombination aus S-Band-Satellitendienst und LoRa-Protokoll eröffne neue Möglichkeiten für die mobile und dezentrale Vernetzung.

EchoStar Mobile startet sein satellitengestütztes LoRa-Early-Adopter-Programm. Dies, so der Anbieter, setze massive IoT-Fähigkeiten in ganz Europa frei, denn die Kombination aus S-Band-Satellitendienst und LoRa-Protokoll eröffne neue Möglichkeiten für die mobile und dezentrale Vernetzung.

Wenn Sensoren Messdaten ohne viel Rechenaufwand auswerten, dann liegt die Hauptarbeit der Datenauswertung auf dem Algorithmus. Die Software ist wie ein Filter, welche Datenmüll vom Sensor zum Prozessor vermeidet.

Drei von vier Unternehmen würden ohne Echtzeit-Datenstreaming Kunden verlieren. Zudem ist die Synchronisation zwischen Cloud- und On-Premises-Ressourcen ein kritischer Faktor für Umsatzziele. Zu diesen Ergebnissen kommt eine aktuelle Studie von Confluent.

Die neue Version 7.1 von Couchbase Server sorgt für höhere Performance und Speichereffizienz. Gleichzeitig wird der Cluster-Footprint deutlich reduziert. Neu an Bord ist zudem eine direkte Integration von Tableau.

Die hohe Marktdynamik, steigende Datenvolumen und der Anspruch, neue Produkte bedarfsgerecht auf den Kunden zuzuschneiden, hat die Anforderungen an Data- & Analytics-Plattformen und -Lösungen wachsen lassen. INFOMOTION begleitet bereits über 500 zufriedene Kunden auf diesem Weg zu einem datengetriebenen Unternehmen.

In der deutschen Wirtschaft gibt e seiner aktuellen Bitkom-Umfrage zufolge einen massiv steigenden Bedarf an Data Scientists. 58 Prozent der Befragten sagen, dass die Besetzung offener Stellen schwer sei, bei 38 Prozent seien die Stellen sogar sehr schwer zu besetzen.

Die digitale Transformation und die steigende Menge an zu verarbeitenden Daten machen auch vor der Luftfahrtindustrie keinen Halt. Für die zielgenaue Auswertung von Big Data kann eine Failure Mode and Effects and Cirticallity Analysis (FMECA)-Technologie unterstützen. Dabei wird eine optimale Lösung validiert, ausgewählt anschließenden in den laufenden Prozess integriert.

Der Softwarehersteller Exorbyte hat das Release 7 seiner Data-Matching-Plattform Matchmaker veröffentlicht. Neben einigen Optimierungen enthält das Update auch die Möglichkeit, intelligentes Data Matching in Docker-Containern durchzuführen.

Das Sprachprognosemodell GPT-3 hat bei zahlreichen Aufgaben im Bereich der natürlichen Sprachverarbeitung (NLP) eine hervorragende Leistung des Zero-Shot- und Few-Shot-Lernens gezeigt, und zwar durch Skalierung der Modellgröße, der Datensatzgröße und des Rechenaufwands. Das Training eines Modells wie GPT-3 erfordert jedoch eine große Rechenleistung – für Forschende kein leichtes Unterfangen.

Raman-Spektren bilden komplexe und umfangreiche molekulare Fingerabdrücke ab. Deren Auswertung ist nicht trivial. Künstliche Intelligenz kann dabei helfen, doch fehlen dazu etablierte Standards. Ein Forscherteam aus Jena hat nun eine Anleitung zur Raman-Spektralanalyse vorgestellt.

Auf der Everyday AI Conference in London treffen KI- und Daten-Enthusiasten auf die klügsten Köpfe der Datenbranche. Dataiku hat die Konferenz neu ins Leben gerufen und konnte mehr als 40 Speaker gewinnen – unter anderem von Snowflake, Deloitte, Interworks und weiteren Unternehmen.

Die US-Erfinderin Erin Smith hat eine KI-gestützte App entwickelt, die zur frühzeitigen Erkennung der Parkinson-Krankheit dient. Damit ist sie als einer von drei Finalisten für den Young Inventors Prize 2022 des Europäischen Patentamtes (EPA) nominiert.

Die digitale Transformation und die steigende Menge an zu verarbeitenden Daten machen auch vor der Luftfahrtindustrie keinen Halt. Für die zielgenaue Auswertung von Big Data kann eine Failure Mode and Effects and Cirticallity Analysis (FMECA)-Technologie unterstützen. Dabei wird eine optimale Lösung validiert, ausgewählt anschließenden in den laufenden Prozess integriert.

Insgesamt setzen 90 Prozent der befragten Unternehmen auf Industrie 4.0. Dafür investieren sie im Schnitt etwa 6 Prozent ihres gesamten Jahresumsatzes.

Mit einer KBox-basierenden Lösung als Edge Device können Hersteller branchenübergreifend mehr Wissen aus Betriebsdaten generieren und Kunden helfen, Maschinen, Anlagen oder Geräte effizienter zu nutzen.

Nach zwei Jahren Pause kann die Branche endlich wieder Messeluft schnuppern. Im Zentrum des Branchentreffs stehen Automatisierung, digitale Transformation und Nachhaltigkeit.

Cybersecurity gewinnt mit der zunehmenden Implementierung neuer Technologien im Privat- und Berufsleben immer mehr an Priorität. Automatisierte und KI-basierte Lösungen sind laut einer aktuellen Reply-Studie notwendig, um die steigende Zahl der Sicherheitsbedrohungen abzuwehren.

Die Analyse des Datenverkehrs im Netz ist zentral für die IT-Sicherheit. Künstliche Intelligenz ermöglicht die notwendige Feinkörnigkeit im Erkennen von Anomalien. Machine Learning sorgt dafür, dass die KI sich immer auf dem aktuellen Stand befindet und dass neuer Datenverkehr entdeckt und bewertet wird.

Das Bewusstsein für IoT- und OT-Risiken ist hoch, das Angriffsrisiko allerdings auch. Die IoT- und OT-Sicherheit muss sich dringend ändern, damit Unternehmen die Vorteile des OT / IoT sicher nutzen können. Konferenzen wie die ISW 2022 zeigen, dass der Wandel der IoT- / OT-Sicherheit bereits voll im Gange ist. Wir geben einen Überblick.

Der European Data Act ist Teil einer neuen europäischen Datenstrategie. Der Bundesverband Medizintechnologie nimmt zu dem geplanten Vorgehen Stellung und bemängelt den Stand der Medizintechnik-Industrie.

Eine Studie des IMWF (im Auftrag von Focus Money) hat herausfinden sollen, wer bei uns die Innovationstreiber sind. Geholfen haben dabei Methoden der KI. Hier das Ergebnis.

Mit dem Förderschwerpunkt „Mittelstand-Digital“ will das Bundesministerium für Wirtschaft und Klimaschutz mittelständischen Unternehmen den KI-Einstieg erleichtern – diese Angebote gibt es.

Der Einzelhandel ist wohl eine der Branchen mit dem höchsten Wettbewerbsdruck und einer angespannten Konkurrenzsituation. Die Gunst der Kunden ist hart umkämpft.

Das Business Application Research Center (BARC) hat eine internationale Studie rund um die Wahrnehmung von DataOps und MLOps durchgeführt. Sie zeigt damit adressierte Problemstellungen und die Auswirkungen dieser Konzepte in Unternehmen auf.

Modelle. Es wird der vollständige Prozess der Entscheidungsfindung von der Analyse der Problemstellung bis zur Kontrolle der Wirkung betrachtet. Operations Research arbeitet interdisziplinär und nutzt Methoden der angewandten Mathematik, Informatik, Statistik sowie der Ingenieurs- und Wirtschaftswissenschaften und anderer Fachbereiche.

Model Drift ist ein Begriff aus dem Umfeld des maschinellen Lernens. Er bezieht sich auf das Phänomen, dass die Vorhersagegenauigkeit von Machine-Learning-Modellen mit der Zeit nachlassen kann. Ursachen hierfür sind beispielsweise, dass Annahmen oder Variablenbhängigkeiten, die beim Erstellen und Trainieren der Modelle noch gültig waren, sich über die Zeit verändert haben. Maßnahmen wie das Retraining oder Tuning der Modelle können den Model Drift beseitigen.

Das Dataflow Model ist ein von Google entworfenes Datenverarbeitungsmodell und ein praktischer Ansatz zur Verarbeitung großer, ungebundener und unsortierter Datenmengen. Es ist in dem im Jahr 2015 veröffentlichten Paper „The Dataflow Model: A Practical Approach to Balancing Correctness, Latency, and Cost in Massive-Scale, Unbounded, Out-of-Order Data Processing“ im Detail beschrieben.

Beim One-Shot-Lernen handelt es sich um eine Methode des Machine Learnings (ML), die den Trainingsaufwand deutlich reduziert und maschinelles Lernen dem menschlichem Lernen ähnlicher macht. ML-Modelle sind dank One-Shot-Lernen in der Lage, mit nur einem (oder wenigen) Trainingsbeispielen einer bestimmten Objektklasse anschließend korrekte Klassifizierungen vorzunehmen. Typischer Einsatzbereich des One-Shot-Lernens ist die Gesichtserkennung.