Berk Kutsal

Couchbase erweitert seine AI Data Plane um eine native Bedrock-Anbindung mit semantischem Caching, verwaltete Dienste für Agentenspeicher und MCP sowie Vektorsuche in Operational Insights. Der Hersteller verspricht bis zu 45 Prozent weniger Token-Verbrauch.

Ein Prototyp des Fraunhofer SIT soll in laufenden Videocalls gefälschte Gesichter und Stimmen erkennen. Auf Benchmark-Datensätzen erreicht er einen F1-Score von 0,93. Für echte Konferenzbedingungen ist er noch nicht getestet, und bei unbekannten Fälschungsverfahren bricht die Erkennung ein.

KI-Systeme sollen in Unternehmen nicht mehr nur Vorschläge machen, sondern handeln. Die Befugnisse dafür wachsen schneller als die Kontrolle darüber. In der DACH-Region sehen Unternehmen zwar genauer hin, das allein begrenzt aber noch keinen Schaden.

Mit „AI Passport“ sollen Unternehmen zur Laufzeit prüfen können, was KI-Agenten und MCP-Server tun dürfen. Das gilt auch für Agenten anderer Hersteller. Verfügbar sein soll das im vierten Quartal.

Mit Code Layers, Specs und einem erweiterten MCP-Server will Figma Prototypen aus KI-Coding-Tools zurück in die gemeinsame Arbeitsfläche holen. Vieles davon startet als Beta, einiges nur für zahlende Kunden.

Ein Angreifer lässt rund zwölf KI-Agenten Schadcode entwickeln, während in Unternehmen KI-Tools laufen, die die IT nie freigegeben hat. Sophos bringt dafür nun „AI Defense“ auf den Markt. Das Zusatzmodul soll Schatten-KI aufspüren und per Richtlinie regeln.

Deutsche Unternehmen setzen KI im IT-Betrieb häufiger ein als britische und französische, und mehr als die Hälfte sieht die eigene Governance im Rückstand. Eine Datadog-Umfrage legt nahe, dass dieses Eingeständnis eher für Reife spricht: Am sichersten fühlen sich ausgerechnet die Unternehmen mit den schwächsten Kontrollen.

TÜV Süd und das Saarbrücker Start-up QuantPi wollen KI-Systeme in Robotern und autonomen Maschinen gemeinsam prüfen. Statistisch abgesicherte Tests sollen als Nachweis in Konformitätsbewertung und Zertifizierung dienen.

Was das Auto nicht sieht, sieht die Schilderbrücke: Forscher der Technischen Universität München (TUM) und der BMW Group führen Kamera-, Radar- und Lidardaten aus einem Testfahrzeug und von der Verkehrsinfrastruktur zu einem gemeinsamen Echtzeitbild zusammen. Nach Angaben der TUM aktualisiert das KI-System diesen digitalen Zwilling im 100-Millisekunden-Takt und soll Fahrer so früher vor Gefahren in verdeckten Bereichen warnen.

KI als Übersetzungshilfe findet breite Zustimmung. Ein vollständig maschinell geschriebenes Buch würden dagegen deutlich weniger Menschen lesen. Eine Bitkom-Umfrage* zeigt, wie unterschiedlich das Publikum auf die Einsatzformen reagiert und wie groß der Wunsch nach Transparenz ist.

Reflection AI hat mit Beam ein textbasiertes KI-Modell für Coding, Schlussfolgern und agentische Aufgaben vorgestellt. Es umfasst 501 Milliarden Parameter, von denen jeweils 23 Milliarden aktiv sind. Die Gewichte sind noch nicht öffentlich verfügbar; ihre Freigabe unter Apache 2.0 sei in Kürze geplant.

Cohere hat mit Embed 5 zwei Embedding-Modelle für Unternehmenssuche, RAG und KI-Agenten vorgestellt. „Pro“ ist auf hohe Trefferqualität ausgelegt, „Fast“ auf niedrige Latenz und hohen Durchsatz. Beide nutzen denselben Vektorraum. Damit lassen sich laut Anbieter Dokumente mit Pro indizieren und mit Fast durchsuchen. Die Modelle verarbeiten Text, Bilder und gemischte Inhalte.

OpenAI kennzeichnet Texte aus ChatGPT und Codex für Nutzer in der EU künftig mit einem unsichtbaren Wasserzeichen und reagiert damit auf die Transparenzpflichten des AI Act.

MongoDB hat Version 9.0 seiner Dokumentendatenbank veröffentlicht. Das Release erweitert die Suche auf verschlüsselten Daten, die Laststeuerung und die Unterstützung für OpenTelemetry.

Auf der PEGAinnovate in München präsentiert sich Pega als Gegenmodell zu frei agierenden KI-Agenten: Workflows geben die Abläufe vor, Agenten übernehmen Teilaufgaben, abgerechnet wird pro Fall statt pro Token. Ganz ohne Aufpreis kommt die KI allerdings nicht.

Zebra Technologies hat den Datensatz STRIPES vorgestellt, der Computer-Vision-Modelle für Lagerumgebungen trainieren soll. Er simuliert Beschädigungen und Unordnung, damit synthetische Trainingsdaten näher an die Realität heranrücken. Die Objekterkennung werde dadurch um bis zu 4,9 Prozent präziser, so das Unternehmen.

Große Sprachmodelle scheitern im Mittelstand selten an Rechenkraft, sondern am Zugriff auf verteilte Unternehmensdaten. Das bayerische Start-up deAI Labs will dieses Integrationsproblem mit einer eigenständigen Kontextschicht lösen. Die Plattform daeo verspricht Modellunabhängigkeit, strikte Rechteverwaltung und Unterstützung offener Standards wie MCP.

Der französische KI-Anbieter will in Bayern Simulationsmodelle für die Industrie entwickeln. Dort sollen Teams an KI für physikalische Simulationen und industrielle Anwendungen arbeiten.

Das offene Modell soll Prognosen aus Tabellen liefern, ohne dass Anwender es erst anlernen oder einstellen müssen. Die Gewichte sind frei verfügbar und dürfen auch kommerziell genutzt werden.

AMD will die Forschung an räumlicher KI enger mit seiner Entwicklung von Rechenplattformen verbinden. Dazu hat der Chiphersteller eine Übernahme von World Labs vereinbart. Das Labor entwickelt Modelle für interaktive 3D-Umgebungen und arbeitet an Technik für Robotik und Simulation.

Der Anbieter Pantopix will mit seiner Wissensplattform Sphere die Schwächen von klassischem Retrieval-Augmented Generation im Unternehmensumfeld ausgleichen. Statt nur passende Dokumente zu finden, soll ein Knowledge Graph die fachlichen Beziehungen zwischen Informationen abbilden und so den Kontext liefern, den Large Language Models allein nicht kennen.

Das Open-Source-Werkzeug n8n hat einen neuen Agententyp vorgestellt. Statt jeden Schritt selbst zu bauen, beschreibt der Nutzer in normaler Sprache, was der Agent tun soll. Den Weg zum Ziel findet der Agent allein. Das Feature steckt noch in der Preview-Phase.

Datadobi hat seine Plattform StorageMAP um Data Access Governance erweitert. Die Funktion soll Berechtigungen für unstrukturierte Datenbestände erfassen und mit Unternehmensrichtlinien abgleichen. Damit zielt der Anbieter auf übermäßige Zugriffsrechte, Audit-Anforderungen und Risiken in verteilten Speicherumgebungen.

Databricks hat das Tabellenkalkulations-Start-up Row Zero übernommen. Dessen Oberfläche soll den KI-Mitarbeiter Genie um Analyse, Modellierung und Zusammenarbeit direkt auf aktuellen Unternehmensdaten ergänzen. Zugriffsrechte, Datenherkunft und Prüfpfade sollen dabei über Unity Catalog und Unity Gateway erhalten bleiben.

KI-Agenten sollen im Kundenservice nicht mehr nur Fragen beantworten, sondern auch Aufgaben erledigen. Dafür müssen sie Kundendaten auswerten und auf Unternehmenssysteme zugreifen. Mirza Hadzic von Infobip erklärt, wie AgentOS entscheidet, welche Anfragen ein Bot, ein KI-Agent oder ein Mensch übernimmt.

Deutschlands verarbeitendes Gewerbe installierte 2025 laut International Federation of Robotics 24.800 Industrieroboter. Das entsprach 41 Prozent aller Neuinstallationen in der EU. Hinter dieser starken europäischen Position stehen jedoch sinkende Nachfrage, ein deutliches Minus in der Produktion und ein Einbruch bei den Exporten.

GoodData.AI hat eine Observability-Funktion für KI-Agenten vorgestellt. Die Erweiterung soll Nutzungs-, Qualitäts- und Kostendaten mit Ausführungsdaten einzelner Interaktionen verbinden. Teams sollen damit nachvollziehen können, welche Skills, Wissensquellen und Modellaufrufe eine Antwort beeinflusst haben.

Jamf weitet die Kontrolle über KI-Anwendungen auf Browser, lokale Modelle und mobile Geräte aus. Unternehmen sollen nachvollziehen können, welche Dienste Mitarbeiter nutzen, welche Kosten dabei entstehen und ob Firmendaten in persönliche KI-Konten gelangen. Zugleich öffnet der Anbieter seine Plattform für Terraform und stärker automatisierte Verwaltungsabläufe.

GitLab 19.4 erweitert die Duo CLI um den Befehl /goal, der offen formulierte Entwicklungsziele schrittweise bearbeitet und durch ein zweites Modell prüfen lässt. Neue MCP-Werkzeuge greifen auf bestehende GitLab-Rechte zurück. Zugleich ergänzt GitLab gehostete Open-Weight-Modelle und schlüsselt den Verbrauch seiner KI-Credits genauer nach Nutzern und Ereignissen auf.

Die Universität Duisburg-Essen entwickelt mit europäischen Partnern die Seizmic App zu einer KI-gestützten Mentoring-Plattform weiter. Sie unterstützt Studenten bei der Ausarbeitung sozial und ökologisch ausgerichteter Geschäftsmodelle. Das EIT fördert das zweijährige Projekt mit knapp zwei Millionen Euro.

Generative AI (Artificial Intelligence) ist eine Form von Künstlicher Intelligenz (KI), die auf Basis von Vorgaben und vorhandenen Informationen Inhalte generiert. Es kommen KI-Verfahren und -Technologien wie trainierte neuronale Netzwerke, maschinelles Lernen (Deep Learning) und KI-Algorithmen zum Einsatz, um nach Anweisungen Texte, Bilder, Audio- und Videoinhalte, Programmcode, 3D-Modelle und anderes zu erzeugen.

Im Hype Cycle 2025 rücken KI-Agenten und AI-Ready Data in den Mittelpunkt. Gartner sieht den Trend weg von reiner generativer KI hin zu skalierbaren Grundlagen.

Eine Studie von Difu, Fraunhofer IESE und bbh zeigt, wie Städte Künstliche Intelligenz (KI) praktisch einsetzen können. Fallbeispiele aus Bamberg, Konstanz und Hamburg sollen zeigen, wie Datenanalysen Bäume schützen, Stromnetze steuern und die Bürgerbeteiligung strukturieren.

Google Gemini ist ein multimodales KI-Modell, das auf Forschung von DeepMind basiert und von Google entwickelt wurde. Das Modell gehört zu einer neuen Generation von KI-Anwendungen, die komplexe Aufgaben in der Datenverarbeitung und -analyse bewältigen.

Prompt Engineering entwickelt sich rasant zu einer der strategisch wichtigsten Disziplinen im Kontext generativer KI. Ob Chatbots, Textgeneratoren oder Code-KI: Wer Maschinen bessere Fragen stellt, bekommt bessere Antworten und somit auch bessere Ergebnisse.

Die Europäische Union setzt mit dem AI Act (Verordnung EU 2024/1689) neue Maßstäbe im Umgang mit Künstlicher Intelligenz. Anbieter und Anwender müssen jetzt umfassende Pflichten erfüllen – Verstöße können teuer werden. Was der AI Act konkret bedeutet, welche Systeme betroffen sind und welche Fristen gelten, erklärt dieser Beitrag.

Artificial Intelligence for IT Operations (AIOps) verwendet Künstliche Intelligenz (KI), Maschinelles Lernen (ML) und Big Data zur Überwachung, Optimierung und Automatisierung des IT-Betriebs. Die von den verschiedenen Geräten und IT-Systemen gelieferten Daten werden mithilfe Künstlicher Intelligenz analysiert, um Probleme oder Anomalien zu erkennen und passend darauf zu reagieren.

Der im Internet und in den Unternehmen verfügbare Datenberg – diese Tatsache wird als Big Data umschrieben – wird immer größer, unübersichtlicher und lässt sich nur schwer verarbeiten. Immer technologisch anspruchsvollere Tools und Programme sollen die Datenflut zähmen.

GitHub Copilot bekommt eine neue Rolle – nicht mehr nur als Ideengeber, sondern als aktiver Entwickler. Der neue Coding-Agent soll Bugfixes, Features und Dokumentation selbstständig übernehmen und bringt ein eigenes Session-Management mit.

Generative KI sorgt für hohe Erwartungen – und viele Rückzieher. Laut Gartner könnten bis 2025 über 50 Prozent aller GenAI-Projekte nach der Testphase gestoppt werden. Gründe seien unter anderem unklare Ziele, schlechte Daten und zu hohe Kosten.

Label Flipping ist eine Angriffsmethode, die auf das maschinelle Lernen von KI-Modellen abzielt. Sie manipuliert die Label der Daten, mit denen die KI trainiert wird. Dadurch lässt sich das Verhalten der Modelle manipulieren. Label Flipping kann die Performance, Zuverlässigkeit und Genauigkeit der Künstlichen Intelligenz signifikant beeinträchtigen.

Wenn es nach Forrester geht, dann endet dieses Jahr noch der Höhenflug der KI-Agenten: Das Marktforschungsinstitut sieht 2026 als Jahr der Ernüchterung. CFOs übernehmen das Steuer, Governance ersetzt Hype – und viele Projekte landen auf der Bremse.

Qlik hat mit Data Flow eine Funktion in Qlik Cloud Analytics vorgestellt, die die Datenaufbereitung für Analysen und Künstliche Intelligenz vereinfachen soll. Das Tool ermöglicht Anwendern die intuitive Bearbeitung von Datensätzen ohne Programmierkenntnisse.

Daten und Analysen (D&A) werden für Unternehmen immer wichtiger, doch die Herausforderungen steigen. Gartner identifiziert zentrale Trends für 2025, die IT- und D&A-Verantwortliche unbedingt auf dem Radar haben sollten. Von Metadaten-Management bis zu synthetischen Daten – wer die Weichen jetzt richtig stellt, kann mit innovativen Strategien Wettbewerbsvorteile sichern.

Trotz hoher Erwartungen schöpfen laut einer aktuellen Umfrage 90 Prozent der Beschäftigten das Potenzial von KI nicht aus. 59 Prozent halten die Technologie sogar für überbewertet. Die Gründe reichen von fehlender Schulung bis zu falschem Einsatz. Die Studie von GoTo zeigt: Der KI-Hype prallt an der Realität vieler Arbeitsplätze ab.

Gartner sieht im Agentic-AI-Markt eine gefährliche Schieflage: Das Angebot an Modellen und Plattformen wächst rasant, doch die Nachfrage stagniert. Eine Marktbereinigung sei unausweichlich – viele Anbieter dürften verschwinden, bevor sich nachhaltige Geschäftsmodelle durchsetzen.

Die Initiative Mission KI hat mit „Daseen“ eine neue Suchmaschine für Datensätze vorgestellt. Ergänzt wird sie durch den Extended Dataset Profile Service (EDPS), der automatisch Metadaten generiert und so die Qualität von Daten transparent macht.

94 Prozent der deutschen Unternehmen nutzen Künstliche Intelligenz (KI) – doch 63 Prozent der Führungskräfte halten ihre Belegschaft für nicht bereit. Der neue „People Readiness Report 2025“ von Kyndryl legt offen, wo es in der KI-Transformation hakt: nicht im Code, sondern in der Kultur.

Google Cloud und Juniper Networks wollen den Betrieb von Campus- und Zweigstellennetzen automatisieren. Grundlage sei eine gemeinsame Lösung, die Mist AI und Cloud WAN verbinde. Unternehmen könnten so Hardware einsparen und Netzwerke schneller bereitstellen.

Künstliche Intelligenz (KI) verändert Wirtschaft und Arbeit. Doch viele Führungskräfte scheinen damit überfordert. Laut einer Gartner-Umfrage sprechen CEOs ihren eigenen IT-Experten das nötige Know-how ab. Der Kompetenzschock im C-Level kommt zur Unzeit.

Künstliche Intelligenz (KI) erobert die Chefetagen deutscher Unternehmen. Eine aktuelle Umfrage von Dataiku zeigt: 95 Prozent der deutschen CEOs halten KI-Agenten für gleichwertige oder bessere Berater als menschliche Vorstandsmitglieder. Ist das der Beginn einer datengetriebenen Führungskultur oder ein Alarmzeichen für den menschlichen Faktor in der Unternehmensstrategie?

Deutschlands Wirtschaft stellt der scheidenden Bundesregierung ein vernichtendes Zeugnis aus: Die Digitalpolitik der Ampel-Koalition wird im Schnitt mit der Note 4,7 bewertet – mangelhaft. Trotz ambitionierter Pläne bleiben regulatorische Hürden, schleppender Netzausbau und zögerliche Investitionen große Hemmschuhe. Kann die nächste Regierung den digitalen Stillstand aufbrechen?

OpenAI stellt mit Codex einen KI-Agenten vor, der Softwareentwicklung als Service denkt. Das Modell kombiniere parallele Aufgabenbearbeitung, eigenständige Pull Requests und selbstkorrigierende Tests. Codex könnte die Art, wie Code entsteht, grundlegend verändern – und beschleunigen.

Eine neue Studie von SnapLogic zeigt: IT-Entscheider in Deutschland setzen große Hoffnungen in KI-Agenten und investieren massiv in deren Implementierung – laut der Studie 2,6 Millionen Euro. Die autonomen Systeme sollen nicht nur Zeit sparen, sondern auch Effizienz und Produktivität steigern. Doch Datenschutz und technische Hürden bremsen den Fortschritt.

Eine Analyse von Hostinger zeigt: KI-Crawler wie OpenAIs GPTBot scannen inzwischen mehr Webseiten als der Googlebot. Neue Player wie TikTok und Anthropic mischen ebenfalls mit. Das Crawling des Webs wird damit zunehmend von US- und chinesischen Anbietern geprägt – mit Folgen für Datenverfügbarkeit, Sichtbarkeit und Wertschöpfung.

Earth Intelligence gewinnt nach Einschätzung des Marktforschungsunternehmens Gartner rasant an Bedeutung. Erstmals investierten Unternehmen mehr in die KI-basierte Auswertung von Erdbeobachtungsdaten als Regierungen. Neue Technologien und günstige Satelliten schafften einen Milliardenmarkt, der Tech-Anbietern vielfältige Chancen bietet.

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.

Das KI-Modell DeepSeek-R1 setzt auf Chain-of-Thought (CoT) Reasoning, um Denkprozesse transparent zu machen. Doch diese Transparenz birgt Risiken: Sicherheitslücken ermöglichen Prompt-Injection-Angriffe, das Auslesen interner System-Prompts und das Offenlegen sensibler Daten wie API-Schlüssel. Trend Micro schlägt Alarm – und zeigt, warum Unternehmen beim Einsatz von generativer KI neue Sicherheitsstrategien brauchen.

Die International Federation of Robotics hat die wichtigsten Entwicklungen für das Jahr 2025 vorgestellt. Von humanoiden Robotern bis zu KI-gestützter Automatisierung – die Branche verspricht Fortschritte, die nicht nur Produktionsprozesse effizienter und nachhaltiger machen sollen, sondern auch neue Anwendungsfelder erschließen können.

In deutschen Unternehmen nehmen KI-Schulungen langsam Fahrt auf. Laut Bitkom hat bisher nur ein Fünftel der Beschäftigten am Arbeitsplatz Weiterbildung zur Künstlichen Intelligenz erhalten. Die Nachfrage nach Trainings liegt deutlich höher, Unsicherheiten bleiben groß.

Künstliche Intelligenz (KI) hält in Deutschlands Unternehmen Einzug, doch statt Effizienz regiert vielfach Frust. Eine Asana-Studie zeigt, warum KI allein keine Wunderwaffe ist – und wie Produktivitätsbremsen ganze Organisationen ausbremsen.

Mit DIAL 3.0 bringt EPAM eine Open-Source-Plattform für generative Künstliche Intelligtenz (KI) in die Unternehmen. Die neue Version will nicht nur technologische Hürden senken, sondern auch einen Ausweg aus dem Vendor-Lock-in bieten – modular, offen, regelkonform. Die Plattform richtet sich an Branchen, die KI produktiv und kontrolliert einsetzen müssen.

Microsoft setzt auf Künstliche Intelligenz (KI), um die Entwicklung neuer Materialien voranzutreiben. Die Tools MatterGen und MatterSim bieten neue Möglichkeiten, Design und Stabilität von Materialien effizient zu gestalten.

IBM und Stifterverband stellen kompakte KI-Grundlagenkurse auf dem KI-Campus bereit. Die Initiative zielt darauf ab, digitale Kompetenzen zu stärken – offen, niedrigschwellig und zertifiziert.

Europa und der Nahe Osten investieren weiter massiv in Künstliche Intelligenz (KI), doch der durchschnittliche KI-Reifegrad fällt laut aktuellem ServiceNow Enterprise AI Maturity Index binnen eines Jahres um zehn Punkte auf nur noch 34 von 100. Fachkräftemangel, fehlende Governance und zersplitterte Arbeitsabläufe bremsen die Skalierung von KI-Lösungen trotz hoher Experimentierfreude.

Eine neue IBM-Erhebung zeigt: Zwei Drittel der Unternehmen in Deutschland und Europa verzeichnen bereits Produktivitätssteigerungen durch Künstliche Intelligenz (KI). Doch während Großkonzerne Effizienzgewinne melden, hinken KMU und der öffentliche Sektor weiter hinterher. Und die erhoffte Rendite binnen zwölf Monaten bleibt vielerorts Wunschdenken.

Eine neue C-Level-Studie von GitLab beziffert den wirtschaftlichen Effekt KI-gestützter Softwareentwicklung in Deutschland auf jährlich 26 Milliarden Euro. Unternehmen berichten bereits von höheren Umsätzen und Produktivitätsgewinnen. Gleichzeitig zeigt der Report deutliche Lücken bei Kompetenzen, Governance und operativer Umsetzung.

Der Bitkom hat neue Zahlen zum Einsatz von Künstlicher Intelligenz (KI) in der Produktion vorgestellt. Demnach nutzt bereits knapp die Hälfte der Industrieunternehmen KI-Lösungen im operativen Betrieb. Gleichzeitig identifiziert der Verband wachsende strukturelle Hürden – insbesondere bei Datenqualität, Fachkräften und Integration in bestehende Systeme.

55 Prozent der Start-ups glauben: Ohne Künstliche Intelligenz (KI) keine Zukunft. Zugleich wächst die Sorge, dass Europa sich selbst ins Abseits reguliert. Bitkom warnt vor einem „Regulierungsparadox“ – und fordert einen Kurswechsel in Europa.

Eine Studie von IBM und der Dubai Future Foundation zeigt: Unternehmen mit einem Chief AI Officer erzielen signifikant höhere Renditen auf ihre KI-Investitionen. In Deutschland und der Schweiz ist die Rolle im internationalen Vergleich überdurchschnittlich stark etabliert – mit klaren Zuständigkeiten und Einfluss in der Führungsetage.

Eine neue Analyse des McKinsey Global Institute zeigt, wie stark KI-Agenten und Robotik Arbeitsprozesse verändern könnten. Trotz hoher Automatisierbarkeit bleiben die meisten Fähigkeiten relevant, während der Bedarf an „AI Fluency“ rasant wächst.

Der Anbieter von KI-unterstützen Sprachlösungen DeepL erweitert seine API-Lösung um ein neues Sprachmodell und eine Schreibassistenz. Die Funktionen sollen laut Unternehmen Übersetzungsprozesse optimieren und Geschäftsprozesse effizienter machen. Dabei stehen präzisere Übersetzungen, KI-gestützte Textvorschläge und Sicherheitsstandards im Fokus.

Auf der KI-Konferenz in Shanghai haben sich führende chinesische Unternehmen zu zwei strategischen Allianzen zusammengeschlossen. Ihr Ziel: eine eigenständige KI-Industrie – unabhängig von US-Hardware und Software. Dabei stehen Chips, LLMs und Infrastruktur im Zentrum.

Künstliche Intelligenz (KI) soll laut Gartner binnen zwei Jahren die Hälfte aller Geschäftsentscheidungen mitgestalten. Die Prognosen des Analystenhauses werfen ein Licht auf eine Zukunft, in der KI-Agenten das Steuer übernehmen – und Governance zum Risikofaktor wird.

Eine neue Studie von heyData vergleicht die Dichte öffentlicher Überwachungskameras in 21 internationalen Städten. Die Ergebnisse offenbaren gravierende Unterschiede – und werfen Fragen zur Rolle von KI-gestützter Analyse, rechtlichen Standards und gesellschaftlichen Folgen auf.

Eine weltweite IBM-Studie unter fast 3.000 Führungskräften zeigt: Unternehmen treiben den Einsatz agentenbasierter KI-Systeme massiv voran. Entscheidungsfindung, Kostensenkung und Effizienz gelten als wichtigste Ziele. Immer mehr Firmen lösen sich von Pilotprojekten und integrieren KI fest in ihre Kernprozesse.

Laut einer Bitkom-Umfrage kommt Künstliche Intelligenz (KI) in der Produktion zunehmend zum Einsatz. Doch fehlende Expertise und wirtschaftliche Unsicherheit bremsen den Fortschritt – und könnten Deutschlands Rolle im globalen Wettbewerb gefährden.

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.

Nur ein Prozent der europäischen CEOs fühlt sich ausreichend auf die umfassende Integration Künstlicher Intelligenz (KI) vorbereitet. Das ergibt eine neue Cisco-Studie unter 500 europäischen Unternehmenslenkern. Zwar sind die Ambitionen hoch, doch mangelt es offenbar an Wissen, Infrastruktur und gezielten Investitionen. Ein gefährliches Paradoxon im digitalen Wettlauf?

Trotz wachsender Begeisterung für agentische KI bleiben viele Projekte erfolglos. Asana sieht den Grund nicht in der Technik, sondern in der fehlenden Einbettung in reale Arbeitsprozesse – und setzt auf ein anderes Verständnis von Zusammenarbeit zwischen Mensch und Maschine.