Die praktischen Anforderungen der multidimensionalen Analyse massiver Bestände unstrukturierter Daten rufen ganz neue Ansätze auf den Plan. Big Data und die Graphen-basierte Datenmodellierung gehören ganz einfach zusammen.

Jedes Jahr landet rund ein Drittel aller für den Verzehr geeigneter Lebensmittel im Müll. Das entspricht etwa 1,6 Millionen Tonnen und ist für knapp acht Prozent der weltweiten Emissionen von Treibhausgasen verantwortlich. Gleichzeitig leiden 800 Millionen Menschen rund um den Globus an Hunger, während vor allem in Nordamerika und auch Europa hohe Lebensmittelverschwendungsraten pro Kopf verzeichnet werden.

Die Begriffe Big Data, SQL und NoSQL, relationale oder objektorientierte Datenbanken werden häufig in einen Topf geworfen und in beliebigen Querverbindungen miteinander verglichen. Tatsächlich hat das eine mit dem anderen zwangsweise nichts zu tun. Woher kommt dann diese Denkweise und wie kann man die Themen korrekt einordnen?

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.

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.

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.

In diesem Artikel werden typische Probleme von Big-Data-Analysen aufgegriffen, deren Grundursachen untersucht und Lösungen aufgezeigt. Grundsätzlich gilt: Es ist immer besser, zu Beginn clever zu planen, wenn sich das Big-Data-Analytics-System noch in der Konzeptphase befindet. Es kann nämlich ziemlich kostspielig werden, nachträglich ein System anzupassen, das bereits in Betrieb ist.

Neuartige Speicherkonzepte sollen den Weg zum neuromorphen Computing ebnen. Das Fraunhofer IPMS forscht daher an superschnell und praktisch stromlos schaltenden, elektrostatischen FeFET-Speicherzellen.

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.

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.

Amazon Web Services hat auf seiner Kundenveranstaltung AWS re:Invent 2020 im Dezember eine Reihe von Produkten für den Industrial IoT Markt vorgestellt. Wir haben einen näheren Blick darauf geworfen und stellen diese kurz vor.

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.

In diesem Artikel werden typische Probleme von Big-Data-Analysen aufgegriffen, deren Grundursachen untersucht und Lösungen aufgezeigt. Grundsätzlich gilt: Es ist immer besser, zu Beginn clever zu planen, wenn sich das Big-Data-Analytics-System noch in der Konzeptphase befindet. Es kann nämlich ziemlich kostspielig werden, nachträglich ein System anzupassen, das bereits in Betrieb ist.

Der Spezialist für Such- und KI-gesteuerte Analysen ThoughtSpot ist eine Zusammenarbeit mit Microsoft eingegangen. Azure-Synapse-Kunden können ihre Daten künftig mithilfe von Augmented Analytics durchforsten.

Liefernetzwerke werden immer komplexer – mithilfe von Data Analytics können Unternehmen nicht nur effektiver und effizienter arbeiten, sondern sich auch vom Wettbewerb differenzieren und zukunftssicher aufstellen.

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.

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.

Der IoT-Spezialist ECS hat sieben kritische Punkte zusammengetragen, die Unternehmen vor der Investition in eine Predictive-Maintenance-Lösung abwägen sollten.

Amazon Web Services hat auf seiner Kundenveranstaltung AWS re:Invent 2020 im Dezember eine Reihe von Produkten für den Industrial IoT Markt vorgestellt. Wir haben einen näheren Blick darauf geworfen und stellen diese kurz vor.

Jedes Jahr landet rund ein Drittel aller für den Verzehr geeigneter Lebensmittel im Müll. Das entspricht etwa 1,6 Millionen Tonnen und ist für knapp acht Prozent der weltweiten Emissionen von Treibhausgasen verantwortlich. Gleichzeitig leiden 800 Millionen Menschen rund um den Globus an Hunger, während vor allem in Nordamerika und auch Europa hohe Lebensmittelverschwendungsraten pro Kopf verzeichnet werden.

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.

Mithilfe von Künstlicher Intelligenz sollen sich künftig Fahrzeuge selbstständig fortbewegen. Die dazu notwendigen Lerndaten erhalten die Entwickler aus der Praxis. Problematisch sind allerdings Grenz- und Sonderfälle.

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.

Die Software AG hat eine Partnerschaft mit Automation Anywhere vereinbart. Gemeinsam wollen die beiden Unternehmen künftig Prozessautomatisierung und das Zusammenspiel von Process Mining und Robotic Process Automation (RPA) vorantreiben.

Die Erwartungen an KI sind hoch, die Verunsicherung wegen KI jedoch auch. Deshalb sind es nicht nur rechtliche Vorgaben, die eine Prüfung von KI-Lösungen notwendig machen werden, sondern auch der Erfolg am Markt wird von KI-Zertifizierungen abhängen. Das E-Book „Prüfung und Zertifizierung von KI-Systemen“ zeigt, wo wir aktuell stehen und worauf man in Zukunft achten sollte, wenn KI-Systeme entwickelt oder genutzt werden.

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.

Voilà wurde entwickelt, um Jupyter Notebooks in Standalone-Webapplikationen zu konvertieren. Aus einem Jupyter Notebook lassen sich beispielsweise Slideshows oder interaktive Dashboards erzeugen. Die Voilà-Webapplikationen vereinfachen das Teilen mit nicht-technischen Zielgruppen und verhindern, dass Anwender beliebigen Code ausführen. Voilà ist ein Unterprojekt des Jupyter-Projekts. Die Voilà Gallery stellt ist eine Sammlung von frei zugänglichen Beispielen zur Verfügung.

Prefect ist eine Plattform zur Automatisierung und zur Verwaltung von Dataflows und Workflows. Es besteht aus der Open-Source-basierten Workflow Engine Prefect Core und der Cloud-basierten Orchestrierungsplattform Prefect Cloud. Prefect untergliedert Workflows in einzelne Tasks. Tasks lassen sich mithilfe von Python-Funktionen beschreiben. Die Kombination von Prefect Core und Prefect Cloud erlaubt hybrides Workflow-Management.