Wer haftet für die möglichen Fehler einer Künstlichen Intelligenz (KI), wenn diese zu einem Schaden führen? Die Entwickler der KI, die Betreiber der KI oder die Nutzer der KI? Diese Frage muss geklärt werden, wenn KI zunehmend in sensiblen und kritischen Bereichen zum Einsatz kommt. Auf EU-Ebene gibt es hierzu wichtige Entwicklungen im Bereich Produkthaftung.

Das Konzept des Internets der Dinge (IoT), das an alles einen Sensor anheftet und Daten über das Internet an eine Datenbank sendet, ist im Grunde passé. Mit „Smart Dust“ sind Sensoren überall in der Luft und überwachen einfach alles – Temperatur, chemische Substanzen, Feuchtigkeit, Bewegungen, Körperfunktionen und sogar Gehirnwellen.

Das deutsche KI-Ökosystem organisiert 2023 erstmals den „Deutschen KI Monat mAI“, um auf die Vision „AI made in Germany“ aufmerksam zu machen. Der KI Park e. V. und vier weitere Initiatoren rufen KI-Unternehmen, -Hubs und -Initiativen dazu auf, sich mit Veranstaltungen zu beteiligen.

Ein neuer Data Warehouse Report von Brooklyn Data, der im Auftrag des Herstellers Fivetran erstellt wurde, untersucht die Eignung von fünf Cloud Data Warehouses: Snowflake, Databricks, Azure Synapse, Amazon Redshift und Google BigQuery. Der Report empfiehlt, nicht so sehr auf die Kosten zu achten, sondern auf die Bedienbarkeit, das Kundenerlebnis und das Tuning.

Ein neuer Data Warehouse Report von Brooklyn Data, der im Auftrag des Herstellers Fivetran erstellt wurde, untersucht die Eignung von fünf Cloud Data Warehouses: Snowflake, Databricks, Azure Synapse, Amazon Redshift und Google BigQuery. Der Report empfiehlt, nicht so sehr auf die Kosten zu achten, sondern auf die Bedienbarkeit, das Kundenerlebnis und das Tuning.

Wer an IoT-Projekten für Unternehmen arbeitet, benötigt Hardware- und auch Softwarekomponenten in geeigneter Qualität. Auch Open-Source-Ansätze können diese Anforderungen erfüllen.

Ericsson richtet eine neue Forschungseinheit in Großbritannien ein, um die zukünftigen drahtlosen Konnektivitätsfähigkeiten des Landes zu fördern. Das Unternehmen möchte in den nächsten zehn Jahren mehrere Millionen Pfund in die 6G-Forschung investieren.

Der Einsatz von KI/ML in großem Maßstab, die Implementierung von Data Mesh und die Verwaltung von Metadaten: Diese Themen stehen beim Data-Analytics-Spezialisten Exasol ganz oben auf der Liste der Branchentrends, die Unternehmen im kommenden Jahr auf der Agenda haben sollten.

Ein neuer Data Warehouse Report von Brooklyn Data, der im Auftrag des Herstellers Fivetran erstellt wurde, untersucht die Eignung von fünf Cloud Data Warehouses: Snowflake, Databricks, Azure Synapse, Amazon Redshift und Google BigQuery. Der Report empfiehlt, nicht so sehr auf die Kosten zu achten, sondern auf die Bedienbarkeit, das Kundenerlebnis und das Tuning.

Das Jahr 2023 bleibt herausfordernd: Die Inflation hält die Kosten hoch, Energie ist weiterhin ein knappes Gut und Fachkräfte werden nach wie vor schwer zu finden sein. Also lieber in den ausgedehnten Winterschlaf und Daumen drücken für 2024? Besser nicht: Mit unseren IoT-Thesen trotzen Unternehmen 2023 smart den Krisen, die uns drohen.

Das Konzept des Internets der Dinge (IoT), das an alles einen Sensor anheftet und Daten über das Internet an eine Datenbank sendet, ist im Grunde passé. Mit „Smart Dust“ sind Sensoren überall in der Luft und überwachen einfach alles – Temperatur, chemische Substanzen, Feuchtigkeit, Bewegungen, Körperfunktionen und sogar Gehirnwellen.

Unstrukturierte Daten begleiten Unternehmen vom Start-up bis zu Großkonzernen. Die Flut an Dateien, Präsentationen, Bildern und Videos bis hin zu E-Mails und Chat-Verläufen ist jedoch nur in den seltensten Fällen kanalisiert, beherrschbar und nutzbringend. Viel eher trifft häufig das Bild vom vermeintlich organisierten Chaos zu. Und das kann richtig teuer werden.

Die Menge an Informationen, die von Einzelpersonen und Institutionen gleichermaßen produziert wird, explodiert: Die Weltbevölkerung produziert täglich mehr als 2,5 Trillionen Bytes an Daten. Dabei wird das Wachstum des Internets der Dinge die weltweite Produktion von Informationen noch beschleunigen: Bis Ende 2025 werden weltweit 75,44 Milliarden IoT-Geräte installiert sein.

Digitale Zwillinge versprechen ein riesiges Wertschöpfungspotenzial. Es zu heben, hängt jedoch nicht von der Datenmenge, sondern von deren Qualität ab. Sonst drohen Misserfolg und Geldverschwendung.

Daten spielen für viele Unternehmen eine immer größere Rolle. Viele setzen dabei auf einen CDO.

Daten sind überall. Doch mangelt es noch immer an soliden Datenanalysen. Gerade in unserer heutigen Welt, die geprägt ist von dynamischen Veränderungen, bietet sich Unternehmen die Chance, mit ausgereiften Datenanalysen die erforderliche Resilienz und einen gewinnbringenden Wettbewerbsvorteil zu schaffen. Der Schlüssel hierzu liegt in der Demokratisierung von Daten.

Neue Datenarchitekturen sind ein zentrales Thema in der Weiterentwicklung datengetriebener Unternehmen. Viele wenden sich dabei von einer monolithisch gestalteten Datenarchitektur ab und implementieren dezentralisierte oder föderal gestaltete Architekturen. Für welche Art der Gestaltung sich Unternehmen auch entscheiden, das Ziel ist es, die Zeit von Datenverfügbarkeit bis Erkenntnisgewinn zu verkürzen und diese Möglichkeit einem breiteren Anwenderkreis zu ermöglichen. Doch was erwartet Unternehmen danach?

In China entscheidet die Künstliche Intelligenz (KI) einer Onlinebank aufgrund der Mimik eines Kreditantragstellers, ob dieser solvent ist. Ein solches Szenario ist in Deutschland schlicht kaum vorstellbar. Während USA und China mit Sieben-Meilen-Stiefeln in Sachen KI voranschreiten, dümpeln die EU und Deutschland hinterher.

Die Vorweihnachtszeit ist in vollem Gange und damit wird es Zeit, endlich Weihnachtsgeschenke zu besorgen. Wir haben 24 brandneue, nützliche und lustige Gadgets zusammengetragen, die fast alle auch unter den Weihnachtsbaum passen.

Die Analyse aller verfügbaren Daten ist für viele Unternehmen unverzichtbar, um im Wettbewerb bestehen zu können und Innovationen voranzutreiben. Einfach ist das aber nicht: Das nötige Fachpersonal ist immer noch rar und teuer. Unterstützung durch externe Big-Data-Consultants kann hier wichtige Hilfestellung geben.

Als strategisches und vor allem unabhängiges Gremium trage der Forschungsbeirat Industrie 4.0 wesentlich dazu bei, nach Möglichkeiten zu forschen, um die Zukunft zu sichern. Jetzt gibt es Verstärkung.

Wie es so oft der Fall ist, verkörpert auch die Digitalisierung zwei Seiten der Medaille: Auf der einen Seite die steigende Nachfrage an Technologie und die Zunahme an digitalen Produkten und Dienstleistungen, die den Verbrauch von natürlichen Ressourcen und Energie ankurbelt. Auf der anderen Seite die Möglichkeit, die nachhaltige Entwicklung in vielen Bereichen mit Technologie zu unterstützen und zu beschleunigen.

Der IT-Dienstleister Adesso hat gemeinsam mit dem Fraunhofer IPA eine neue Vorgehensweise für die Konzeption von Industrial-IoT-Plattformen (IIoT) entwickelt. Im Fokus steht dabei das produzierende Gewerbe.

Sie sind schon seit Jahren in aller Munde, doch gerade das Zusammenspiel der beiden bietet Unternehmen vielfältige Vorteile: IoT und AI. Um das Maximum aus IoT-Systemen herauszuholen und Daten interpretieren zu können, ist die Symbiose mit AI fast schon ein Muss.

Der für die Öffentlichkeit zugängliche Chatbot ChatGPT von Open AI kann Phishing-E-Mails mit Schadsoftware generieren. Forscher warnen, dass KI die Cybersicherheitslandschaft stark verändern wird.

Wenn Sie gerade Ihr Amazon Web Services (AWS)-Konto eingerichtet haben und sich Sorgen um die Datensicherheit machen, gibt es dafür gute Gründe: Oftmals setzen ungewisse unternehmensweite Einstellungen oder einfache Fehlkonfigurationen die Daten einem hohen Risiko aus. Mit ein paar einfachen Schritten kann man jedoch die AWS-Sicherheit deutlich erhöhen.

Wer haftet für die möglichen Fehler einer Künstlichen Intelligenz (KI), wenn diese zu einem Schaden führen? Die Entwickler der KI, die Betreiber der KI oder die Nutzer der KI? Diese Frage muss geklärt werden, wenn KI zunehmend in sensiblen und kritischen Bereichen zum Einsatz kommt. Auf EU-Ebene gibt es hierzu wichtige Entwicklungen im Bereich Produkthaftung.

Die IT-Sicherheit profitiert von der künstlichen Intelligenz, doch ist das immer so? Seit November ist die künstliche Intelligenz „ChatGPT“ in aller Munde. Erste Test zeigen, dass sich die Dialoge mit dem beeindruckenden Chatbot nicht nur zur Unterhaltung, sondern auch zum Vorbereiten ausgefeilter Phishing-Kampagnen eignen. Das kann ein neues Problem im Bereich IT-Sicherheit sein.

Weltweit schätzen Unternehmen die Bedeutung Künstlicher Intelligenz (KI) für ihre Zukunftsfähigkeiten signifikant höher als deutsche Firmen ein. Dies ist eines der Ergebnisse der Studie „State of AI in the Enterprise“ von Deloitte.

Der Consumer-Intelligence-Spezialist Talkwalker hat den Start seines „Large Language“-Modells für den englischsprachigen Markt bekanntgegeben. Es soll die Erfassung und Kategorisierung von Millionen an Social-Media-Konversationen in Sekundenschnelle und mit hoher Präzision ermöglichen.

Seit den Anfängen des digitalen Zeitalters verfolgen Unternehmen das Ziel der umfassenden Prozessautomatisierung. Zunächst schien die robotergestützte Prozessautomatisierung die Antwort zu sein. Doch die Intelligente Prozessautomatisierung tritt inzwischen an ihre Stelle.

In diesem Jahr werden viele Unternehmen überdenken, wie sie Künstliche Intelligenz einsetzen. Praxistauglichkeit wird verstärkt in den Fokus rücken und sich auf die Bereiche „Funktionalität von KI“, „KI-Governance“ und „KI-Software“ auswirken.

LAMBADA (LAnguage-Model-BAsed Data Augmentation) ist eine Methode, mit der sich auf Basis vorhandener Trainingsdaten weitere Trainingsdaten synthetisch erstellen lassen. Die Trainingsdaten werden mithilfe eines bereits trainierten und speziell feinabgestimmten Sprachmodells automatisch erzeugt. Typischer Einsatzzweck der generierten Daten ist das Training von Modellen zur Textklassifizierung im NLP-Bereich. Ein Training mit den synthetisch vermehrten Daten verbessert die Textklassifizierungsleistung der Modelle in vielen Fällen signifikant.

ChatGPT ist der Prototyp eines dialogorientierten Chatbots des US-Unternehmens OpenAI. Er basiert auf dem Sprachmodell GPT-3 (Generative Pretrained Transformer 3) und ist seit November 2022 für die Öffentlichkeit frei zugänglich. Der Chatbot ist thematisch nicht eingeschränkt und kommuniziert in verschiedenen Sprachen. Er versteht Eingaben in natürlicher Sprache und produziert Antworten, die nur schwer von menschlichen Antworten zu unterscheiden sind.

BoolQ ist der Name eines Datensatzes mit knapp 16.000 Fragen, die mit ja oder nein zu beantworten sind. Er lässt sich einsetzen, um die NLI-Leistung (Natural Language Inference) und die Fähigkeit eines trainierten Sprachmodells zur Beantwortung von Fragen zu prüfen und zu bewerten. Jede Aufgabe besteht aus der Frage selbst und einem Absatz aus einem Wikipedia-Artikel, aus dem sich die richtige Antwort ableiten lässt.

PIQA ist ein Datensatz zur Bewertung der Fähigkeit von NLP-Systemen zu vernünftigen Schlussfolgerungen auf Basis ihres physisch-technischen Wissens. Er besteht aus mehreren tausend Fragestellungen für Training, Entwicklung und Bewertung der Sprachmodelle. Das NLP-System muss zu jeder Frage die richtige aus den beiden vorgegebenen Antworten wählen. Während Menschen eine Erfolgsquote von fast 95 Prozent erreichen, liegen aktuelle Sprachmodelle maximal in einem Bereich um die 80 Prozent.