Berk Kutsal

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.

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.

Europa hinkt in der KI-Entwicklung hinterher – das wollen LMU, TUM und TUD jetzt ändern. Mit dem Projekt gAIn und sechs Millionen Euro Förderung sollen energieeffiziente, sichere KI-Systeme „Made in Germany“ entstehen. Das Ziel: technologische Souveränität statt Abhängigkeit von US- und China-Technologien.

Nvidia und Google Cloud wollen Unternehmen die volle Kontrolle über KI-Modelle zurückgeben. Mit lokaler Infrastruktur und Confidential Computing sollen agentenbasierte Anwendungen künftig datenschutzkonform und unabhängig von der Public Cloud realisiert werden.

Unternehmen werden bis 2027 spezialisierte KI-Modelle dreimal häufiger einsetzen als breite LLMs, prognostiziert Gartner. Treiber sind Präzision, Effizienz und die Monetarisierung von proprietärem Wissen.

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.

Mit „Aiven for AlloyDB Omni“ erweitert Aiven sein Portfolio um eine KI-optimierte, vollständig verwaltete PostgreSQL-Variante für Multi-Cloud-Umgebungen. Der Anbieter verspricht hohe Performance, Flexibilität und Compliance.

Camunda führt neue Funktionen zur agentischen Orchestrierung ein. Unternehmen sollen damit KI-Agenten nahtlos in Geschäftsprozesse integrieren und zugleich Compliance sowie Skalierbarkeit gewährleisten können.

Das EU-US Data Privacy Framework wackelt – und Unternehmen dürfen sich nicht länger auf politische Lösungen verlassen. Sridhar Iyengar, Managing Director von Zoho Europe, fordert: Datenschutz muss Teil der Unternehmensstrategie werden. Wer jetzt handelt, sichert sich Vertrauen und Wettbewerbsvorteile.

Cumulocity und IBM kooperieren: Die IoT-Plattform von Cumulocity wird um KI-Funktionalität aus IBMs watsonx-Portfolio erweitert. Ziel ist es, Maschinendaten effizienter auszuwerten und Prozesse zu automatisieren.

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.

Mit dem Forschungsprojekt AutoQML soll die Brücke zwischen klassischem maschinellem Lernen und Quantencomputing geschlagen worden sein. Eine Open-Source-Plattform könnte künftig helfen, Anwendungen in der Industrie effizienter zu gestalten – auch für Mittelständler ohne spezialisiertes Know-how.

Databricks bietet ab sofort die Claude-Modelle von Anthropic nativ auf seiner Data Intelligence Platform an. Die Integration könnte Unternehmen den produktiven Einsatz domänenspezifischer KI-Agenten erleichtern – mit Fokus auf Sicherheit, Skalierbarkeit und Governance.

Industrieroboter werden smarter – zumindest, wenn es nach aktuellen Szenarien wie denen von NTT DATA geht. Der IT-Dienstleister skizziert eine Zukunft, in der Künstliche Intelligenz, Edge Computing und das Industrial Metaverse Maschinen zu autonomen Akteuren in der Fertigung machen sollen.

Mit neuen Funktionen für Apache Flink in der Confluent Cloud will das Unternehmen die Entwicklung KI-gestützter Echtzeitanwendungen erleichtern. Die Updates sollen insbesondere die Integration von ML-Modellen und Vektordatenbanken vereinfachen – ohne zusätzliche Infrastruktur.

Immer mehr Industrieunternehmen setzen auf KI in der Produktentwicklung. Eine aktuelle Studie von Aras zeigt: Der Investitionswille ist hoch, doch Kompetenzlücken und Datensilos bremsen den Fortschritt.

Mit dem AI Agent Studio erweitert Oracle seine Fusion Applications um eine Plattform zur Erstellung und Verwaltung von KI-Agenten. Anwender sollen damit komplexe Geschäftsprozesse automatisieren – ohne Zusatzkosten und mit Integration in bestehende Systeme.

Künstliche Intelligenz ist nur so schlau wie ihre Daten. Doch Daten allein reichen nicht, um agentische KI-Systeme wirklich leistungsfähig zu machen. Erst durch intelligentes Kontextverständnis, smarte Datenintegration und spezialisierte Werkzeuge werden KI-Agenten zu einem echten Gamechanger in Unternehmen.

Confluent erklärt Tableflow für allgemein verfügbar – und verspricht, das Datenmanagement zwischen operativen Systemen und Analytics radikal zu vereinfachen. Die Unterstützung offener Tabellenformate wie Iceberg und Delta Lake soll dabei helfen, isolierte Datenströme für KI nutzbar zu machen.

Zwei Jahre nach dem Start von ChatGPT nutzt erstmals eine Mehrheit der Deutschen generative KI. Doch das Vertrauen in die Technologie bleibt niedrig. Eine Studie des TÜV-Verbands zeigt, dass Nutzer zwar die Vorteile von KI erkennen, jedoch große Zweifel an der Qualität der Ergebnisse und potenziellen Risiken haben. Besonders in Bezug auf Fake News und Wahlmanipulation gibt es massive Bedenken. Und während Privatnutzer noch zögern, setzen Unternehmen längst auf KI – mit klarerem Fokus.

Robotic Process Automation (RPA) galt lange als Schlüsseltechnologie für die digitale Transformation. Doch in der Debatte um KI und Automatisierung scheint sie an Bedeutung zu verlieren. Tatsächlich aber befindet sich RPA in einem tiefgreifenden Wandel: An der Schnittstelle zu Künstlicher Intelligenz (KI) entstehen neue Konzepte, die weit über die bisherigen Möglichkeiten hinausgehen.

OpenAI integriert die Bildgenerierung direkt in das Sprachmodell GPT-4o. Die Funktion soll textbasierte Prompts, Dateien und Dialogkontexte nutzen, um hochwertige Bilder zu erstellen – und wirft damit Fragen zur Kontrolle, zum Urheberrecht und zur Rolle generativer KI im Designprozess auf.

In Münster versammelt das Festival data:unplugged Vertreter aus Wirtschaft, Wissenschaft und Politik. Im Mittelpunkt stehen Künstliche Intelligenz, Datenstrategien und die Frage, wie Technologie gesellschaftlich verankert werden kann und muss.

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?

Der Data-Integrity-Spezialist Precisely bringt neue Geo-Adressierungs- und Datenanreicherungslösungen in den Snowflake Marketplace. Unternehmen erhalten damit nahtlos eingebettete Funktionen zur Verbesserung der Datenqualität und zur Optimierung von KI-gestützter Analyse direkt in der Snowflake AI Data Cloud.

Prädiktive KI wird für Unternehmen zunehmend zum Gamechanger: Sie hilft, Marktveränderungen zu antizipieren, Kundenabwanderungen zu verhindern und strategische Entscheidungen datenbasiert zu optimieren. Backwell Tech bringt seine auf erklärbarer KI basierenden Prognoselösungen nun auf den deutschen Markt – mit dem Ziel, Unternehmen eine transparente und wirtschaftlich verwertbare KI-Analyse zu bieten.

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.

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?

Das Training neuronaler Netze ist energieintensiv und kostspielig. Forscher der Technischen Universität München (TUM) haben eine Methode entwickelt, die diesen Prozess hundertmal schneller machen will – und damit erheblich effizienter. Anstatt die Parameter iterativ zu optimieren, setze die neue Technik auf Wahrscheinlichkeitsberechnungen. Damit könne der Energieverbrauch für KI-Modelle in Rechenzentren erheblich gesenkt werden.

Unternehmen setzen auf KI, doch die Verantwortung bleibt auf der Strecke. Laut einer neuen Studie von NTT DATA hinkt die Governance der Technologie hinterher. Fehlende Richtlinien, regulatorische Unsicherheiten und eine unvorbereitete Belegschaft lassen die Schere zwischen Innovation und Sicherheit weiter auseinandergehen. Doch wie lange kann dieser Spagat noch gutgehen?

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.