Berk Kutsal

Mit der zunehmenden Qualität KI-generierter Stimmen stoßen klassische Erkennungsverfahren an Grenzen. Das Forschungsprojekt PADSE entwickelt daher einen personenzentrierten Ansatz, der Audio-Deepfakes über individuelle Sprach- und Stimmprofile identifizieren soll.

Mit der „AI Audit and Assurance Assessment Architecture“ (A5) veröffentlicht das Bundesamt für Sicherheit in der Informationstechnik (BSI) erstmals einen Entwurf für eine standardisierte Prüfarchitektur von KI-Systemen. Das Framework soll Unternehmen dabei unterstützen, regulatorische Anforderungen wie den EU AI Act nachvollziehbar und prüfbar umzusetzen.

Der Integrationsanbieter SnapLogic erweitert seine Plattform um den MCP Builder. Das Werkzeug erzeugt aus vorhandenen Integrationen, OpenAPI-Spezifikationen und API-Management-Services automatisch MCP-Server, ohne dass Unternehmen bestehende Workflows umbauen oder eigenen Code schreiben müssen.

Mit neuen Steuerungsmöglichkeiten für KI-Crawler und Agenten will Cloudflare Webseitenbetreibern mehr Kontrolle über die Nutzung ihrer Inhalte geben. Die Ankündigung reicht jedoch über ein Infrastruktur-Update hinaus und könnte die Datenversorgung generativer KI sowie den Markt für hochwertige Trainings- und Wissensdaten nachhaltig verändern.

Cognition, Anbieter des Softwareentwicklungsagenten Devin, hat mit „Devin Security Swarm“ eine Lösung vorgestellt, die Sicherheitslücken automatisiert aufspüren, ihre tatsächliche Ausnutzbarkeit zur Laufzeit prüfen und Korrekturen direkt als Pull Request bereitstellen soll. Der Hersteller reagiert damit nach eigenen Angaben auf ein wachsendes Missverhältnis: KI-Agenten erzeugen Code schneller, als Sicherheitsteams ihn prüfen können.

Die größte Hürde beim Sprung von KI-Piloten in den Produktivbetrieb sei nicht das Modell, sondern die Datenschicht darunter. Mit der allgemeinen Verfügbarkeit seiner AI Data Plane will Couchbase genau dieses Fundament für agentische Anwendungen liefern. Erstmals steht die Plattform auch für selbst verwaltete Installationen bereit.

Beschäftigte halten Künstliche Intelligenz (KI) für nützlich, doch der Produktivitätseffekt bleibt hinter den Erwartungen zurück. Workday führt das auf eine fehlende Verankerung in den Kernsystemen zurück. Die Studie befragt allerdings ausschließlich Beschäftigte, die KI bereits aktiv nutzen.

66 Prozent der Unternehmen haben KI bereits Schreibrechte auf ihre Kernsysteme erteilt. Allerdings halten nur 23 Prozent ihre Belegschaft für vorbereitet. Kyndryls neuer People Readiness Report zeigt: Die Lücke zwischen KI-Adoption und Mensch hat sich gegenüber 2025 nicht geschlossen, sondern geweitet.

Der Gartner Hype Cycle gehört zum Standardinventar jeder KI-Marktanalyse. Der Interim Manager Eckhart Hilgenstock nennt das Modell „Nonsense“ und „wissenschaftlich längst widerlegt“. Seine Kritik trifft einen echten Schwachpunkt.

Google erweitert seine Katastrophenschutzsysteme um KI-gestützte Modelle zur Vorhersage von Überschwemmungen. Im Zentrum steht eine neu aufgebaute globale Datengrundlage, die historische Ereignisse automatisiert erschließt. Die Modelle sollen insbesondere urbane Sturzfluten früher erkennbar machen und bestehende Prognosesysteme ergänzen.

Forscher der Universitäten Paderborn und Bielefeld haben untersucht, wie der emotionale Zustand von Nutzern beeinflusst, ob sie die Empfehlungen einer KI übernehmen. Laut der Studie folgt die Akzeptanz einer U-förmigen Kurve. Wer stark oder kaum erregt ist, übernimmt KI-Ratschläge häufiger. Bei mittlerer Erregung fällt die Prüfung kritischer aus.

KI-Tools beschleunigen die Softwareentwicklung deutlich, doch Kontrolle und Nachvollziehbarkeit halten nicht Schritt. Eine globale GitLab-Studie zeigt strukturelle Defizite bei Governance, Tool-Integration und Traceability. Unternehmen verlieren zunehmend den Überblick über Herkunft, Zweck und Verantwortung von KI-generiertem Code.

Produktive KI-Modelle veralten ab dem Tag ihres Deployments: Sie bleiben auf dem Stand ihres letzten Trainings, bis ein Team sie aufwendig nachtrainiert. Das Düsseldorfer Start-up Wakeline hält diesen Kompromiss für vermeidbar und hat dafür 2,1 Millionen Euro Pre-Seed-Kapital eingesammelt. Hinter der Finanzierung steht eine streitbare These über die Architektur von KI.

Zscaler hat Funktionen vorgestellt, mit denen die Zero Trust Exchange künftig autonome KI-Agenten absichern soll. Der Anbieter beansprucht für sich die nach eigenen Angaben branchenweit erste vollständige Zero-Trust-Plattform für agentenbasierte KI. Zu Verfügbarkeit und Terminen macht Zscaler keine Angaben.

83 Prozent der für Box befragten Unternehmen setzen KI-Agenten ein, 80 Prozent berichten einen messbaren Return-on-Investment. Doch fast die Hälfte hat bereits einen KI-bezogenen Datenvorfall erlebt, und nur ein gutes Drittel hat seine Agenten an vertrauenswürdige interne Inhalte angebunden.

Generative Künstliche Intelligenz (KI) soll jahrzehntealten Code per Knopfdruck in moderne Sprachen übersetzen. Das Analysehaus Gartner dämpft die Erwartung: Bei der automatisierten Migration komplexer Legacy-Systeme stoße die Technologie an harte Grenzen. Als Beleg dient der Mainframe, wo ein Großteil der KI-gestützten Projekte scheitern dürfte.

Auf der Hausmesse Transcend zeigte GitLab vier Funktionen, die Software-Lieferung durch KI-Agenten skalierbar machen sollen: ein server-seitiger Ersatz für das Klonen von Repositories, ein Kontextgraph über den gesamten Lebenszyklus und ein Governance-Layer, der jede Agentenaktion protokolliert. Ihre Stoßrichtung verrät, wo der eigentliche Schmerzpunkt liegt: nicht beim Generieren von Code, sondern beim Beherrschen seiner Folgen.

GitHub bündelt seinen Copilot in einer eigenständigen Desktop-Anwendung. Sie soll als Kommandozentrale dienen, von der aus Entwickler mehrere KI-Agenten parallel steuern, ihre Arbeit prüfen und Pull Requests bis zum Merge begleiten. Die App startet als Technical Preview.

Videomaterial ist einer der voluminösesten und am schwersten handhabbaren unstrukturierten Datenströme im Enterprise-Umfeld. Mit neuen Ermittlungsfunktionen in Security Center SaaS zeigt Genetec, wie sich dieses klassische Big-Data-Problem mit einer hybriden Architektur aus Edge-Verarbeitung, Metadatennormierung und einer LLM-Pipeline lösen lässt.

Das Skalierungsproblem agentenbasierter KI trifft Unternehmen gerade mit voller Wucht: Je mehr Workflows in die Produktion wandern, desto höher die Token-Rechnung und desto unzuverlässiger die Ergebnisse. Pegasystems greift das Problem architektonisch an. Mit Pega Infinity 26 soll das Reasoning aus dem laufenden Betrieb verschwinden. Abgerechnet wird dann pro erledigter Aufgabe.

Cognition hat Devin Desktop vorgestellt. Die Plattform löst den Code-Editor Windsurf ab und kombiniert eine vollständige Entwicklungsumgebung mit einer zentralen Verwaltungsoberfläche für mehrere KI-Agenten. Grundlage ist ein offenes Protokoll, das auch Agenten von Drittanbietern einbinden soll.

JetBrains hat sein Sprachmodell Mellum2 als Open Source veröffentlicht. Das 12-Milliarden-Parameter-Modell setzt auf eine Mixture-of-Experts-Architektur, aktiviert pro Token nur 2,5 Milliarden Parameter und ist auf schnelle Inferenz für Code- und Textaufgaben ausgelegt.

Zoom hat ZoomMate veröffentlicht, einen agentischen KI-Teammate für Zoom Workplace. Das System bündelt Suche, Workflow-Ausführung, eigene Agenten und Content-Erstellung. ZoomMate ist ab sofort allgemein verfügbar, zunächst für Online- und Direktkunden in Nordamerika. Der Preis startet bei 20 US-Dollar pro Nutzer und Monat inklusive AI Credits.

Acht von zehn Führungskräften sind laut einer Veeam-Studie überzeugt, KI sicher skalieren zu können. Belegen kann das kaum jeder Dritte. Mit einem neuen Rahmenwerk will der Datenschutzspezialist die Lücke schließen und sein neues Selbstbild als KI-Trust-Anbieter festigen.

Eine pauschale Governance für alle KI-Agenten lässt deren Einsatz scheitern, warnt Gartner. Bis 2027 sollen vier von zehn Unternehmen autonome Agenten abschalten oder einschränken, weil Kontrolllücken erst im Produktivbetrieb auffallen.

Praktisch jedes europäische Unternehmen setzt generative KI ein, doch die Governance hält mit dem Tempo der Nutzung nicht Schritt. Regulierte Daten verursachen laut dem aktuellen Netskope Threat Labs Report Europe 2026 fast sechs von zehn Richtlinienverstößen. Gleichzeitig missbrauchen Angreifer vertrauenswürdige Dienste wie GitHub und OneDrive, um Schadsoftware zu verteilen.

Mirantis baut seine Plattform k0rdent AI aus. Drei neue Funktionen sollen Unternehmen, Neoclouds und GPU-Cloud-Betreibern helfen, KI-Modelle und Inferenzdienste über verteilte Rechenressourcen hinweg zu hosten, zu steuern und abzurechnen. Die Produkte stehen ab sofort als Preview bereit. Parallel läuft die Übernahme durch IREN.

NVIDIA Research hat mit iGRPO eine Erweiterung des Reinforcement-Learning-Verfahrens GRPO vorgestellt. Der Ansatz koppelt ein zweistufiges Self-Feedback an das Training: Das Modell erzeugt zunächst Lösungsentwürfe und lernt dann, den besten davon zu übertreffen. Auf den Mathe-Benchmarks AIME24 und AIME25 melden die Autoren neue Bestwerte.

Staatliche Organisationen müssen von reaktiver Faktenprüfung zu proaktiver Vertrauensarchitektur übergehen, um Deepfake-Bedrohungen wirksam zu begegnen.

Google DeepMind hat mit dem „AI Pointer“ ein Konzept vorgestellt, das den Mauszeiger zur zentralen Schnittstelle für Gemini macht. Statt Prompts zu tippen, zeigen Nutzer auf Bildschirminhalte und ergänzen per Sprachbefehl. Die Technik soll in Chrome, im Google AI Studio und auf der neuen Laptop-Plattform „Googlebook“ verfügbar werden. Erste Demos lassen sich bereits ausprobieren.

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.