Berk Kutsal

Der Stanford AI Index Report 2026 zeigt: Die Leistungsfähigkeit von KI-Modellen explodiert. Die Benchmarks, mit denen wir sie bewerten, kommen allerdings nicht mehr hinterher.

BSI und Polizeiliche Kriminalprävention haben 3.060 Menschen zu KI-gestütztem Online-Betrug befragt. Das Ergebnis ist ernüchternd: Viele überschätzen ihre Fähigkeit, KI-Inhalte zu erkennen und unterschätzen, was Angreifer damit technisch längst anstellen können. Tatsächlich schaut kaum jemand genauer hin.

Gartner rechnet mit deutlich mehr Sicherheitsvorfällen bei generativen KI-Anwendungen in Unternehmen. Hintergrund sind laut dem Analystenhaus vor allem agentische KI-Systeme und Frameworks wie das Model Context Protocol, kurz MCP, die neue Angriffsflächen eröffnen. Bis 2028 soll bereits jede vierte Enterprise-GenAI-Anwendung mindestens fünf kleinere Sicherheitsvorfälle pro Jahr verzeichnen.

GitLab erweitert seine Plattform um KI-Funktionen für die Bewertung und Behebung von Sicherheitslücken. Version 18.10 setzt auf automatisierte Triage, priorisierte Findings und konkrete Handlungsvorschläge. Damit adressiert der Anbieter ein Problem, das durch generative KI selbst an Bedeutung gewonnen hat: mehr Code, mehr Schwachstellen, mehr Aufwand.

Large Language Models beeinflussen nicht nur Inhalte, sondern den Rahmen, in dem sie erscheinen. Eine Studie der TU Berlin zeigt, wie KI-Systeme Perspektiven gewichten und damit Meinungen leise verschieben.

Große Sprachmodelle liefern längst überzeugende Ergebnisse. Doch in produktiven Umgebungen fehlt es an Nachvollziehbarkeit, Kontrolle und belastbaren Metriken. Neue Zahlen von Gartner deuten auf eine Verschiebung hin: Unternehmen investieren zunehmend nicht in bessere Modelle, sondern in deren Überwachung.

Forscher am MIT schlagen ein Gegenmodell zur selbstsicheren Künstlichen Intelligenz (KI) vor. Systeme sollen ihre Unsicherheit offenlegen und aktiv zur Rückversicherung auffordern, statt Entscheidungen scheinbar souverän zu präsentieren.

Der „Labor Market Impacts of AI“ von Anthropic zeigt, wie Künstliche Intelligenz (KI) bereits heute in reale Arbeitsprozesse eingreift. Nicht als flächendeckender Jobkiller, sondern als Produktivitätsbeschleuniger mit ungleich verteilten Effekten.

Mit OpenShell, AI-Q und Nemotron bündelt Nvidia zentrale Komponenten für agentische KI. Der Ansatz kombiniert offene Modelle mit Sicherheitsmechanismen und zielt auf produktive, eigenständig handelnde Systeme im Unternehmenseinsatz.

Mit MAOSS stellt Alibaba ein KI-Modell vor, das Fettleber-Erkrankungen basierend auf Routinedaten aus CT-Scans und Laborwerten früher erkennen soll.

Der TÜV-Verband warnt gemeinsam mit weiteren Organisationen vor einer Aufweichung des AI Act. Eine aktuelle Entscheidung im EU-Parlament könnte zentrale Teile der KI-Regulierung aus dem Gesetz herauslösen und damit genau jene Fragmentierung erzeugen, die der AI Act eigentlich verhindern sollte.

Mit AgentKit verlagert World die Kontrolle über KI-Agenten von Zahlungen auf Identität. Der Ansatz: Nicht wer zahlt zählt, sondern wie viele echte Menschen hinter autonomen Systemen stehen. Damit adressiert das Projekt ein zentrales Problem des entstehenden Agenten-Internets.

Mit einer lokalen Präsenz in München bringt Factor House Software für Kontrolle und Überwachung von Kafka- und Flink-Umgebungen nach Deutschland. Der Ansatz: nicht selbst streamen, sondern bestehende Systeme beherrschbar machen.

Der Report „State of AI Security“ von Trend Micro belegt eine besorgniserregende Entwicklung: KI-spezifische Sicherheitslücken sind im vergangenen Jahr auf über 2.100 Fälle explodiert. Vor allem die Hardware-Basis und neue Protokolle wie MCP erweisen sich als gefährliche Schwachstellen.

Was als Augmented-Reality-Spiel begann, entwickelt sich zu einer unerwarteten Datenquelle für autonome Systeme. Die von Millionen Spielern gesammelten Bild- und Geodaten aus Pokémon Go fließen in großskalige Kartenmodelle ein, die Lieferrobotern und anderen Maschinen helfen, sich in realen Umgebungen präziser zu orientieren.

Echtzeit-Datenströme sollen künftig als Bindeglied für KI-Ökosysteme fungieren: Confluent stellt neue Werkzeuge vor, mit denen sich isolierte KI-Agenten koppeln lassen und die Anomalieerkennung durch multivariate Analysen geschärft werden soll.

Eine Artificial Superintelligence (ASI) ist eine softwarebasierte Künstliche Intelligenz, die die menschliche Intelligenz bei weitem übertrifft. Sie ist derzeit noch rein hypothetisch. Ihre Realisierung würde die technologische Singularität auslösen und einen Wendepunkt für die menschliche Zukunft bedeuten.

Ein einzelnes Sprachmodell beantwortet eine Frage. Mehrere Modelle diskutieren sie. Genau auf diesem Prinzip basiert das Open-Source-Projekt MassGen. Dahinter steckt ein Trend, der die Architektur moderner KI-Systeme verändern könnte: Statt immer größerer Modelle setzen Entwickler zunehmend auf Teams aus spezialisierten KI-Agenten.

Streaming-Plattformen wie Apache Kafka gelten als Rückgrat moderner Datenarchitekturen. Doch mit wachsendem Datenvolumen steigt auch der Energiebedarf. Confluent bringt nun ein Konzept ins Spiel, das Nachhaltigkeit und Datenarchitektur zusammenführen soll: GreenOps für Streaming-Systeme.

Der EU AI Act tritt schrittweise in Kraft und mit ihm entstehen neue Prüfstrukturen für Hochrisiko-KI. Die Prüf- und Zertifizierungsorganisation DEKRA ist nach eigenen Angaben das erste akkreditierte Labor, das biometrische KI-Systeme nach den Anforderungen der europäischen KI-Regulierung bewerten darf.

Mit dem neuen „AI Workspace“ führt Tricentis eine Plattform ein, die spezialisierte KI-Agenten zur Orchestrierung des gesamten Software-Lebenszyklus nutzt. Die Lösung soll das Vertrauen in KI-generierten Code stärken und Testprozesse in komplexen Enterprise-Umgebungen massiv beschleunigen.

Ein neuer Benchmark testet eine unangenehme Schwäche moderner Sprachmodelle: Ihre Bereitschaft, selbst offensichtlichen Unsinn ernst zu nehmen. Die Ergebnisse von BullshitBench zeigen, dass viele aktuelle LLMs immer noch lieber antworten als widersprechen, selbst dann, wenn die Frage auf falschen Annahmen basiert.

Die Ära der passiven KI-Assistenten in der IT-Sicherheit soll sich dem Ende zuneigen. Während Unternehmen heute noch auf Chatbots und einfache Analyse-Tools setzen, stehe die nächste Evolutionsstufe bereits vor der Tür: Autonome Multi-Agenten-Systeme (MAS). Der Cybersecurity-Spezialist Ontinue prognostiziert einen radikalen Wandel, der bis zum Jahr 2030 in einem weitgehend vollautomatisierten Security Operations Center (SOC) münden wird. Doch während die technologische Vision besticht, werfen die praktischen Implikationen kritische Fragen auf.

Während heutige KI-Systeme als „schwache“ oder „schmale“ Intelligenz hochspezialisierte Aufgaben lösen, zielt die Forschung bei der Artificial General Intelligence (AGI) auf ein System ab, das über kognitive Fähigkeiten verfügt, die denen des Menschen ebenbürtig oder überlegen sind. Eine solche „starke KI“ könnte unabhängig von ihrer Programmierung neues Wissen erwerben und komplexe Probleme über verschiedene Domänen hinweg lösen.

Vom Chatbot zum handelnden Akteur: Das Digital Twin Consortium (DTC) hat ein Manifest veröffentlicht, das die Governance-Anforderungen für industrielle KI-Agenten definiert. Ziel ist der sichere Übergang von der generativen Unterstützung hin zu vertrauenswürdigen, autonomen Operationen in der Fertigung und Infrastruktur.

Um das Dilemma zwischen Datensicherheit und Rechengeschwindigkeit zu lösen, hat der Cloud-Security-Spezialist Netskope die neue Technologie „NewEdge AI Fast Path“ vorgestellt. Die Lösung verspricht Unternehmen eine drastische Beschleunigung ihrer KI-Anwendungen bei gleichzeitig lückenloser Sicherheitskontrolle.

ServiceNow erweitert seine Plattformstrategie um ein neues Agentenmodell: Mit „Autonomous Workforce“ stellt der Anbieter ein KI-Team vor, das definierte Rollen im Unternehmen übernehmen soll. Parallel führt das Unternehmen mit „EmployeeWorks“ die Moveworks-Technologie enger mit der eigenen Workflow-Plattform zusammen.

Ein neues Verfahren soll das Training großer Sprachmodelle deutlich beschleunigen, ohne Genauigkeit einzubüßen. Statt auf zusätzliche Hardware setzt der Ansatz auf eine bessere Auslastung vorhandener Rechenressourcen.

Databricks hat „Zerobus Ingest“ allgemein verfügbar gemacht. Der Dienst ist Teil von Lakeflow Connect und soll Ereignisdaten direkt in Delta-Tabellen des Lakehouse schreiben, ohne zwischengeschaltete Message-Broker wie Apache Kafka.

Forschungsaufgaben statt Multiple Choice: Ein internes Modell von OpenAI stellt sich einer anspruchsvollen Beweis-Challenge inklusive veröffentlichter Einreichungen.

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.