Michael Matzer

Shopify und Google haben das Universal Commerce Protocol (UCP) vorgestellt, ein Protokoll, das als „gemeinsame Sprache“ für diverse KI-Agenten fungieren soll und damit eine neue Ära des Agentic Commerce einläuten will. UCP soll zunächst auf Google AI Search, Google Gemini und in Microsoft Copilot Checkout zum Einsatz kommen. KI-gestützte Suche verlockt künftig zum Online-Kauf.

Der Kauf von Informatice durch Salesforce ist abgeschlossen. Jetzt kann der CRM-Spezialist eine sinnvolle Aufgabe für deren Produktportfolio an Tools für Stammdatenverwaltung, Datenintegration und -reinigung präsentieren. Zusammen mit Data 360 und Mulesoft soll Informatica vertrauenswürdigen Kontext für alle Daten liefern, die von Apps und KI-Agenten benötigt werden.

Die verbreiteten KI-Modelle wie etwa ChatGPT sind mit englischsprachigen Daten gefüttert und trainiert worden, folglich arbeiten sie am besten mit Eingaben in Englisch. Andere Sprachen werden häufig fehlinterpretiert. Diesen Missstand wollen europäische Sprachmodelle beheben, denn Europa ist nun mal ein Kontinent mit vielen Sprachen. Der Interessent stößt jedoch schnell auf einige Einschränkungen, die es bei der Auswahl zu beachten gilt.

Sprachmodelle glänzen oft in komplexen Aufgaben – und scheitern an simplen Fragen. Salesforce AI Research will diese „erratische Intelligenz“ bändigen. Mit eVerse entsteht ein Simulationsframework, das KI-Agenten messbar zuverlässiger machen soll.

Der Business-Intelligence-Spezialist ThoughtSpot hat die dritte Version seines KI-Agenten Spotter vorgestellt. Damit seien Endanwender und Datenanalysten in der Lage, nicht nur strukturierte, sondern auch unstrukturierte Daten auszuwerten und grafisch darzustellen. BigData-Insider sprach mit dem neuen Country Manager für die Region Central EMEA, Jochen Olbrich.

Agentische Frameworks bzw. Plattformen werden von mehreren Anbietern intensiv ausgebaut. Zwar stehen Entwicklung, Integration und Sicherheit stets im Vordergrund, doch zu den Bedingungen für den erfolgreichen Einsatz von Agenten gehört die Orchestrierung von Agenten, vor allem wenn diese in Workflows integriert sind. In diesem Punkt unterscheiden sich Frameworks erheblich, wie ein Vergleich zeigt.

Knapp vier von fünf befragten US-amerikanischen Nutzern von Künstlicher Intelligenz (KI) berichten laut einer Umfrage der SAP-Tochterfirma WalkMe, dass sie ungenehmigte KI-Tools verwenden. Nur 7,5 Prozent berichten, dass sie ausführliche Schulungen zum KI-Einsatz erhalten, und rund jeder zweite User verbirgt seine Unkenntnis gegenüber anderen. Doch es gibt Wege, diesen riskanten und kostspieligen Missstand zu beheben.

Auf der diesjährigen Dreamforce hat Salesforce Agentforce 360 vorgestellt, eine umfassende Plattform, in der die Anwendung „Slack“ quasi zum Betriebssystem wird. Die Sprachverarbeitung wird in sämtlichen Salesforce-Apps umgesetzt. Das Security- und das Privacy Center erfahren durch die Unterfütterung mit Agentforce zahlreiche Erweiterungen.

Cohere bietet seine großen Sprachmodelle der Command-Reihe nicht nur für große Unternehmen mit 32 GPUs an, sondern auch für kleine und mittlere Firmen, die sich nur eine oder zwei GPUs leisten wollen. Modelle für Einbettungen und Tools für das Ranking von Suchergebnissen ergänzen die Palette. Bemerkenswert an allen Modellen: Sie lassen sich lokal oder in einer Virtual Private Cloud betreiben, was der Datensouveränität zugutekommt.

Data Mesh ist eine Kombination aus ausgewählten Technologien und ein Datenbetriebsmodell. Jeder Nutzer muss es für sich selbst konfigurieren. Wertschöpfung durch Datenprodukte steht im Mittelpunkt einer Self-Service-Architektur mit Domänen, und diese Wertschöpfung besteht zunehmend in KI-orientierten Prozessen.

Amazon hat kürzlich innerhalb seines KI-Frameworks Amazon Bedrock mit AgentCore sieben Services für die Bereitstellung und den Betrieb von KI-Agenten vorgestellt. Der Nutzer kann beliebige Frameworks und Modelle nutzen, selbst wenn diese nicht auf Amazon Bedrock angeboten werden.

Der aktuelle ISG-Report „State of the Agentic AI Market Report 2025“ beleuchtet die wichtigsten Entwicklungen bei Unternehmen, die KI-Agenten nutzen wollen, und bei den diversen Anbietern, die damit nicht nur die Wünsche der Kunden erfüllen wollen, sondern zugleich eigene Ziele anstreben. Mehrere Experten warnen vor dem Do-it-yourself-Ansatz: Einen Agenten selbst zu bauen, sei zwar möglich, aber im Vergleich zu einer Plattform mit einigen Nachteilen verbunden.

Der alljährliche AWS Summit fand dieses Jahr auf dem Hamburger Messegelände in nicht weniger als vier Hallen statt. Dementsprechend mehr Aussteller und Vorträge fanden Platz, um die rund 10.000 Besucher zu informieren – alles an nur einem Tag.

Auf der Anwenderkonferenz Data + AI Summit 2025 hat Databricks unter anderem die zwei neuen Produkte „AI Agent Bricks“ und „Lakeflow Designer“ angekündigt. Mit AI Agents lassen sich unternehmensinterne KI-Agenten automatisiert erstellen. Lakeflow Designer ist eine No/Low-Code-ETL-Lösung für Analysten und Produktmanager.

Auf seinen Kundenkonferenzen Sapphire 2025 in Orlando und Madrid präsentierte der Softwarehersteller SAP mehrere neue Angebote für Cloud und KI-Nutzung sowie eine Reihe Partnerschaften.

Auf seiner Kundenkonferenz Current 2025 hat Streaming-Spezialist Confluent eine Reihe von Neuerungen vorgestellt, die helfen sollen, Echtzeit-Datenströme mit historischen Daten zu verbinden. Das soll etwa KI-Agenten nützen, die auf RAG-optimierte Daten zugreifen wollen.

Auf seiner Kundenkonferenz Qlik Connect 2025 stellte der BI- und KI-Spezialist in Orlando seine Neuheiten vor. Dazu gehört das Qlik Open Lakehouse, die „Agentic AI Experience“ sowie mehrere eingebettete KI-Agenten.

Auf der Kundenkonferenz „IBM Think 2025“ in Boston stellte IBM KI-Agenten und Werkzeuge für deren Management vor. IT-Automatisierung und Business Transformation waren weitere Schwerpunkte. Die Zeit der KI-Experimente sei vorbei, verkündete IBM-Chef Arvind Krishna.

SAS baut den Funktionsumfang seiner zentralen Lösungsplattform SAS Viya um zahlreiche neue Module aus. Schwerpunkte sind die sichere Einrichtung von KI-Agenten, die Erzeugung von synthetischen Daten und Produktivitätssteigerungen für Anwender – alles mit einer zentralen Data Governance. Zudem ist jetzt auch ein konfiguriertes Lösungspaket speziell für mittelständische Unternehmen verfügbar.

Auf seinem jährlichen Graph Summit gewährte Neo4j, der Marktführer bei Graph-Datenbanken, einen Einblick ist seine Produktplanung. Schwerpunkte sind die Leistungssteigerung, die Bedienfreundlichkeit, Datenintegration, Cloud-Fokus und schließlich KI-Unterstützung.

Hewlett Packard Enterprise (HPE) hat sein „AI Center of Excellence“ (AIEC) für Zentraleuropa eröffnet. Es soll Kunden helfen, den Schritt vom technischen Probieren zum unternehmerischen Nutzen mit Künstlicher Intelligenz (KI) zu machen. KI-Apps können auf verschiedenen Plattformen laufen, von Nvidia bis zum Supercomputer. Ein Ökosystem von Technologiepartnern und Beratern hilft bei den KI-Projekten.

Mistral AI ist ein 2023 gegründetes französisches Softwareunternehmen, das mit herausragenden LLMs von sich reden gemacht hat. Mit einer Marktkapitalisierung von über sechs Milliarden US-Dollar im Juni 2024 ist es in Europa Marktführer. Mit einer Vielzahl von Modellen lassen sich KI-Agenten, Apps ebenso wie KI-Bilder erzeugen – häufig kostenlos. Anfang Februar hat Mistral AI eine neue Version seines Chatbots „Le Chat“ vorgestellt und wurde Partner von Databricks.

Text-zu-Bild-Modelle von Stability AI bieten schnelle, skalierbare, KI-gestützte Funktionen zur Erstellung visueller Inhalte. Sie gibt es in den drei Editionen „Stable Image Ultra“, „Stable Diffusion 3 Large“ und „Stable Image Core“. Werbung, Marketing, Medien und Entwickler können mit ihnen leicht ihre Ideen in visuelle Formen übertragen und so eine Menge Zeit und Investition sparen. Innerhalb eines Frameworks lassen sich die erzeugten Artefakte absichern und verfeinern.

Salesforce hat die Version 2dx seines Produkts Agentforce vorgestellt, die aus reaktiven KI-Agenten proaktive machen soll. Begleitet wird diese Ankündigung vom Start der Entwicklerversion Agentforce DX für Developer und vom Start des digitalen Marktplatzes AgentExchange.

KI-Agenten sind einer der Top-Trends 2025, zumindest nach Ansicht der Analysten von der Gartner Group. Spannend ist vor diesem Hintergrund, in welchen Bereichen die ersten KI-Agenten-Projekte umgesetzt werden und wie die Erfahrungen der Anwender aussehen. Ein kleiner Überblick, ergänzt um Empfehlungen.

DeepSeek R1 ist ein vielseitiges KI-Modell, das mit Machine-Learning-Methoden verschiedene Zwecke erfüllen soll: generative KI mit Sprachverarbeitung, Computer Vision, Code- und Datenanalyse sowie KI-gestützte Sicherheit. Die Angabe des chinesischen Start-ups, dass das Modell mit geringen Rechenressourcen zu niedrigen Kosten arbeiten könne und kostenlos angeboten werde, hat Ende Januar zu einem massiven Vertrauensverlust an den Finanzbörsen geführt, weil Chipanbieter wie Nvidia, Broadcom und Infineon plötzlich überbewertet erschienen.

Das Framework „Nvidia NeMo Guardrails“ verfügt nun über neue NIM-Microservices, um die Aspekte Genauigkeit, Datensicherheit und Kontrolle im Hinblick auf Branchenanwendungen zu unterstützen, die Agentic AI verwenden.

Anthropic Claude ist eine Modellfamilie, die die Modellvarianten Haiku 3.5, Sonnet 3.5 und Opus umfasst. Sie eignen sich für Codierung, Schreiben, Prognosen, Datenextraktion und Reports, Agentenaufgaben und den Einsatz von Tools. Anthropic legt großen Wert auf Mehrsprachigkeit, die Datensicherheit und den Datenschutz.

Generative KI (GenAI) kann auf vielfältige Weise Unternehmen helfen, große unstrukturierte Datenmengen zu bewältigen und rasch nutzbar zu machen. Insbesondere bei großen, unstrukturierten Datenmengen wie etwa Handbüchern, E-Mails, Logfiles und Chatverläufen erweisen sich die Fähigkeiten von KI-Apps im Hinblick auf Produktivitätssteigerung als nützlich. Analytische Funktionen gibt es gegen einen Aufpreis.

Für Mark Moffat, CEO von IFS, führt bei betriebswirtschaftlichen Anwendungen wie ERP oder CRM kein Weg an Künstlicher Intelligenz vorbei. Auf der IFS-Kundenkonferenz „IFS Unleashed“ präsentierte er 60 neue KI-Funktionen als Highlight des kommenden Herbst-Releases der IFS Cloud, das insgesamt 200 Neuerungen umfasst.

NoSQL-Datenbanken wurden aus der Notwendigkeit heraus entwickelt, große, unterschiedliche Mengen von Dimensionen wie Raum, Zeit und Lokation auf möglichst effiziente Weise zu speichern und zu verarbeiten. Mittlerweile sind sie die unabdingbare Alternative zu relationalen SQL-basierten Datenbanken. Doch nicht jede NoSQL-Datenbank eignet sich für jeden Zweck. Tatsächlich sind die meisten sogar recht spezialisiert.

Regressionsanalysen dienen dazu, Prognosen zu erstellen und Abhängigkeiten in Beziehungen aufzudecken. Will ein Smartphone-Hersteller herausfinden, mit welchem Preis er in welchem Kundenkreis welchen Umsatz erzielen kann, so kennt er nur eine Variable – den Preis – aber nicht die anderen Variablen. Heute gibt es eine große Zahl solcher Verfahren, denn sie werden für zahlreiche Zwecke benötigt, etwa in der Epidemiologie.

Der k-Means-Algorithmus ist ein Rechenverfahren, das sich für die Gruppierung von Objekten, die sogenannte Clusteranalyse, einsetzen lässt. Dank der effizienten Berechnung der Clusterzentren und dem geringen Speicherbedarf eignet sich der Algorithmus sehr gut für die Analyse großer Datenmengen, wie sie im Big-Data-Umfeld üblich sind, so etwa in der Bildverarbeitung und in der Kundensegmentierung.

Regressionsanalysen dienen dazu, Prognosen zu erstellen und Abhängigkeiten in Beziehungen aufzudecken. Will ein Smartphone-Hersteller herausfinden, mit welchem Preis in welchem Kundenkreis er welchen Umsatz erzielen kann, so kennt er nur eine Variable – den Preis – aber nicht die anderen Variablen. Um 1760 erfunden, gibt es heute eine große Zahl solcher Verfahren. Dieser Beitrag beginnt mit dem einfachsten, der Einfachen Linearen Regression (ELR).

Greedy-Algorithmen, oder gierige Algorithmen, bilden eine spezielle Klasse von Optimierungsalgorithmen, die in der Informatik auftreten. Sie zeichnen sich dadurch aus, dass sie schrittweise den Folgezustand auswählen, der zum Zeitpunkt der Wahl den größten Gewinn bzw. das beste Ergebnis (berechnet durch eine Bewertungsfunktion) verspricht z. B. Gradientenverfahren, so etwa die Berechnung von Wechselgeld oder des kürzesten Wegs. Greedy-Algorithmen sind oft schnell, lösen viele Probleme aber nicht optimal.

Machine Learning ist ein bedeutendes Instrument im Kampf gegen die Corona-Pandemie. Wenn Bürger, Behörden und Unternehmen diese Gelegenheit nutzen, um Daten zu sammeln, vorhandenes Wissen zu vereinen und ihre Fachkenntnisse zusammenzubringen, können viele Leben gerettet werden – sowohl heute als auch in der Zukunft. Wie vielfältig die Einsatzgebiete von Machine Learning in diesem Rahmen sind, soll diese Übersicht zeigen, die von Data Revenue erstellt wurde.

Der Markt für Graph-Datenbanken blüht und wächst, denn die Nachfrage hinsichtlich der Analyse vernetzter Daten steigt rasch. Doch der IT-Nutzer fragt sich, welche Graph-Datenbank die leistungsfähigste ist und sich mit ihren Funktionen für ihn am besten eignet.

Der Random-Forest-Algorithmus ist ein sogenanntes beaufsichtigtes Klassifikationsverfahren, das aus mehreren unkorrelierten Entscheidungsbäumen besteht, die eine Klassifizierung oder Vorhersage liefern. Weil sich die Entscheidungsbäume parallel verarbeiten lassen, kann der Algorithmus – bei entsprechend paralleler Ausführung – sehr schnell ausgeführt werden. Die Skalierung ist also leicht zu berechnen. Random Forests können auch der Regressionsanalyse dienen.

Ob beim Design von künstlichen Neuronalen Netzwerken fürs Deep Learning, in der Logistik oder beim Layout von Leiterplatten – überall stößt man auf das mathematisch lösbare Problem des Handlungsreisenden: Wie lässt sich eine Tour mit mehreren Stationen auf dem kürzesten Weg und mit dem geringsten Aufwand bewältigen?

Der Prozess der Datenaufbereitung umfasst die Reinigung, Formung und Mischung von Daten, damit sie für analytische und andere Aufgaben in optimaler Qualität bereitstehen. Nur mit erstklassigen Daten lassen sich beispielsweise Lösungen für Machine Learning und Künstliche Intelligenz effizient, sicher und zuverlässig versorgen.

Welches Modell ist für meine Daten am besten geeignet? Diese Frage stellt sich jeder Data Scientist. Mithilfe des seit 1974 in Japan veröffentlichten „Akaike Information Criterion“ (AIC) kann er die Antwort in kurzer Zeit finden.

Eine Reihe von Algorithmen dient der Suche von Lösungen, ohne vorher die Antwort zu kennen, und von Entscheidungen, die nach „wahrscheinlich richtig oder falsch“ beurteilt werden. Das ist sinnvoll für das Risiko-Management, aber auch für die Nutzung von Supercomputern. Ein solcher Algorithmus ist der Monte-Carlo-Algorithmus und die darauf basierenden Simulationen

Die jüngste IDC-Studie „Industrial IoT in Deutschland 2021“ zeigt, dass fast 40 Prozent der rund 250 befragten deutschen Unternehmen wegen COVID-19 ihre Investitionen in das IIoT erhöhen wollen. Nur 18 Prozent der Befragten planen, sie zu senken. Technologische Entwicklungen bei Edge Computing, 5G und KI/ML fördern neue Anwendungsszenarien und eine IIoT-Adaption.

Auf dem Online-Event „IBM Data & AI Summit 2020“ stellte Big Blues neuer CEO Arvind Krishna u. a. Erweiterungen für die KI-Technologien „Watson Assistant“ und „Project Debater“ vor. Während Watson Assistant als Framework die Erstellung von Chatbots für Banken, Callcenter und andere Funktionen erlaubt, nutzt Project Debater Sprachverarbeitungsmethoden, um virtuelle Debatten zu ermöglichen.

Mit Amazon HealthLake sollen Kunden im Gesundheitswesen und in den Biowissenschaften leichter großen Datenmengen im Petabyte-Bereich analysieren können. Die neue Babelfish-Funktion für den Amazon-Aurora-PostgreSQL-Service greift das Lizenzgeschäft von Anbietern relationaler Datenbanken an und soll Kunden helfen, Lizenzgebühren zu sparen.

Die Ereigniszeitanalyse bzw. Survival Analysis umfasst eine Reihe von Werkzeugen der Statistik, mit denen die Zeit bis zum Eintritt eines bestimmten Ereignisses zwischen Gruppen verglichen wird. Auf diese Weise will man die Wirkung von prognostischen Faktoren, einer medizinischen Behandlung oder von schädlichen Einflüssen abschätzen. Bei dem Ereignis kann es sich um etwas so Endgültiges wie den Tod handeln, aber auch um den Verlust einer Arbeitsstelle, eine Scheidung oder einen Beginn, etwa um eine Geburt oder einen Heilungseintritt.

Auf der Online-Konferenz IBM Think Digital 2020 hat die IBM neue Services im Bereich KI, Hybrid Cloud und Edge Computing vorgestellt. Sie dienen zum einen der Automatisierung von Cloud- und IT-Abläufen unter KI-Einsatz, zum anderen sollen die Vorteile von Edge Computing und 5G den Kunden besser zugänglich gemacht werden.

Zunehmend wird Machine Learning im IIoT-Umfeld genutzt. Der Anwendungsfall Predictive Maintenance greift jedoch viel zu kurz, warnt Christian Liedtke, Head of Strategic Alliances bei KUKA. Doch wenn man KI und IoT ganzheitlich zu AIoT kombiniere und in einer optimierten Smart Factory umsetze, könnten die Unternehmen Effizienzsteigerungen von bis zu 30 Prozent erzielen

Der von Databricks veranstaltete Spark+AI Summit startete kürzlich mit 60.000 angemeldeten Teilnehmern aus über 100 Ländern, die sich über die neuesten Trends und Entwicklungen aus der Welt der KI und des ML innerhalb der Apache Spark Community informierten. Databricks, der Erfinder und Betreuer von Apache Spark, hat sein 2018 vorgestelltes ML-Framework MLflow erweitert und der Open Source Community übergeben. Auf der neuen Version 3.0 von Spark bauen die neuen oder erweiterten Plattformkomponenten Delta Lake, Delta Engine und Redash auf.

Tableau, ein Spezialist für Datenvisualisierung, führt seine Plattform mit der von Salesforce zusammen, um seinen Kunden zusätzlich auch die KI- und Machine-Learning-Funktionen von Einstein Analytics zu bieten. Das Ergebnis wird Tableau CRM heißen. Weitere Integrationen mit Salesforce-Produkten, wie MuleSoft, sollen folgen.

Big-Data-Datenbanken sollen die unterschiedlichsten Datentypen schnell und effizient verarbeiten. Sie lösen die herkömmlichen, überwiegend relationalen Datenbanktypen ab, die meist ein Data Warehouse unterstützen. Sie lösen sie ab, um neue Geschäftsmodelle zu ermöglichen, oder sie ergänzen die Data-Warehouse-Architektur mit notwendige Fähigkeiten, etwa für Data Discovery, Realtime Analytics und Advanced Analytics (Prognose).

Das Sensor-gestützte Lieferketten-Management, die vorausschauende Wartung einer Windkraftanlage, der Arbeitsschutz von Mitarbeitern oder die KFZ-Versicherung eines vernetzten Autofahrers – sie alle haben eines gemeinsam: Ihre Daten werden in Echtzeit erfasst und einer zeitnahen Auswertung unterworfen. Das Internet der Dinge (Internet of Things, IoT) ist einer der größten Wachstumsbereiche der Industrie weltweit.

Mithilfe des Satzes von Bayes lassen sich Parameter schätzen und Hypothesen induktiv testen. In einem Spamfilter können so wahrscheinliche Spam-Mails ermittelt werden. Und aus den Symptomen, die bei einem bekannten Test auftreten, lassen sich wahrscheinliche Krankheitsursachen aufspüren. Der Satz von Bayes, der bedingte Wahrscheinlichkeiten beschreibt, ist also ein nahezu universell nutzbares Werkzeug der Statistik.

Munich RE hat Mitte vergangenen Jahres ein Projekt zur Einführung eines neuen Enterprise Data Warehouses (EDWH) für Rückversicherungsdaten erfolgreich abgeschlossen. Dabei wurde das klassische Reporting von Rückversicherungsdaten im Legacy-System „Global Data Warehouse (GDWH)“ auf eine moderne Business-Intelligence-Plattform migriert, die auf SAP BW on HANA basiert. Ziel des Projekts war die Implementierung der technischen Voraussetzung für die Anwendung moderner Business Intelligence für Rückversicherungsdaten.

Die IBM hat ihr umfassendes Datenbank-Portfolio aktualisiert. Zu den Produkten gehören das Urgestein Db2, aber auch Informix, die Netezza-Appliance und das relativ neue Cloud Pak for Data.

Wenn einem BI-Nutzer Reports und Dashboards nicht mehr reichen, wird es Zeit für Prognose-Tools, die in den Disziplinen Advanced Analytics (AA) und Data Science zu finden sind. Doch AA-Modelle sind nur von begrenztem Wert, wenn man sie nicht in die Prozesse integriert. Wie der Übergang von BI zu AA gelingen kann, zeigt ein Webinar von BARC-Experte Timm Grosser.

Im Juni-2020-Release hat Qlik, ein Spezialist für Business Intelligence, sein Hauptprodukt Qlik Sense erheblich erweitert und dessen Cloud-Konnektivität ausgebaut, etwa zu Google Analytics und Twitter.

Für Mark Moffat, CEO von IFS, führt bei betriebswirtschaftlichen Anwendungen wie ERP oder CRM kein Weg an Künstlicher Intelligenz vorbei. Auf der IFS-Kundenkonferenz „IFS Unleashed“ präsentierte er 60 neue KI-Funktionen als Highlight des kommenden Herbst-Releases der IFS Cloud, das insgesamt 200 Neuerungen umfasst.

Für verschiedene Probleme lassen sich nur durch Annäherung bzw. Approximation optimale Lösungen finden. Durch einen geeigneten Approximationsalgorithmus versuchen Informatiker, sich dem optimalen Ergebnis anzunähern, so etwa in der Graphentheorie, die Beziehungen in Netzwerken darstellt.

Seit 2014 haben Anbieter wie Microsoft, IBM, Amazon und die Apache Software Foundation das maschinelle Lernen (Machine Learning, ML) gefördert und in der Cloud zur Verfügung gestellt. Erzwungen durch den Mangel an Data Scientists, bieten ML-Algorithmen einen leicht erlernbaren Weg, um Prognosen zu erstellen.

Um Trends zu erkennen, wird oft die Clusteranalyse herangezogen. Der k-Means-Algorithmus etwa zeigt an, wo sich Analyseergebnisse in einer Normalverteilung ballen. Für manche Zwecke ist es aber aufschlussreicher, Ausreißer zu untersuchen, denn sie bilden die Antithese zum „Normalen“, etwa im Betrugswesen. Der Local-Outlier-Factor-Algorithmus (LOF) ist in der Lage, den Abstand von Ausreißern zu ihren Nachbarn zu berechnen und deckt so Anomalien auf.

Das E-Book „Wie Maschinen selbst lernen“ stellt Methoden, Technologien und Produkte vor, mit denen Unternehmen Machine-Learning-Modelle und Algorithmen für nutzbringende Anwendungsfälle verwenden können. Die Technologie um Machine Learning und Deep Learning, allgemein „Künstliche Intelligenz“ (KI) genannt, hat in den vergangenen Jahren einen rasanten Aufschwung erlebt. Es gibt kaum noch einen Anwendungsbereich, in dem noch keine Algorithmen in den Prozessen werkeln, ober in der Fabrik oder im Weltall.

Predictive Analytics ist ein Teilbereich von Business Intelligence, der sich in erster Linie mit zu erwartenden und möglichen Ereignissen beschäftigt. Er fragt, was unter welchen Voraussetzungen passieren wird oder passieren sollte. Das ermöglicht Prognosen in zahlreichen Wirtschaftsbereichen, sei es im Vertrieb, in der Fertigung, im Einzelhandel oder in der Luftfahrt. Die Prognoseresultate werden in der Regel mit ergänzender Software visualisiert und interaktiv in Teams diskutiert, weitergeleitet und bearbeitet.

Das von den ursprünglichen Entwicklern von Apache Spark gegründete Unternehmen Databricks hat seine Unified Analytics Platform um eine weitere Komponente erweitert. Zu den vorhandenen Komponenten Delta Lake, Delta Engine und Redash, die auf der neuen Version 3.0 von Spark aufbauen, kommt nun SQL Analytics hinzu. Dieser SQL-Editor unterstützt mit Konnektoren bislang die BI-Lösungen von Tableau und Microsoft.

Apache Spark erfreut sich zunehmender Beliebtheit und Unterstützung im Bereich der Big-Data-Analysen und löst zunehmend Hadoop ab. Branchengrößen wie IBM und Intel vertreiben Spark und kooperieren mit dessen kommerziellem Anbieter DataBricks.

Geschäftsregeln halten zahlreiche Unternehmensprozesse am Laufen, deshalb können sie mitunter sehr umfangreich werden. Der Umfang macht ihre Ausführung zeitaufwendig, weshalb jede Methode, sie zu beschleunigen, willkommen ist. Der Rete-Algorithmus beschleunigte 1979 die damals bestehenden Systeme für die Verarbeitung von Business Rules um den Faktor 3.000. Er ist bis heute die Grundlage zahlreicher Expertensysteme, etwa in der Mustererkennung.

Der Business-Analytics-Spezialist Tibco integriert Event-Streaming in seine BI-Suite Spotfire und erweitert deren Fähigkeiten zur Datenverwaltung mit den Tools „Any Data Hub“ und „SmartMapper“. Im Bereich Business Process Management (BPM) erweitert der Hersteller sein Responsive Application Mesh (RAM).

Splunk Enterprise, das Hauptprodukt des Operational-Intelligence-Spezialisten Splunk, ist bei DB Cargo im Einsatz, der Güterbahnsparte der Deutschen Bahn. Im Zuge der Digitalisierung und Automatisierung des Güterverkehrs und des Fuhrparks hilft Splunk Enterprise bei der Datenerfassung und -analyse in den Projekten „Wagon Intelligence“ und „TechLOK“. Die Software-Entwicklung der beiden Projekte findet im DB Cargo amspire lab in Frankfurt am Main statt.

Self-Service BI ist schon seit Jahren der wichtigste Trend im Bereich Business Intelligence. Mitarbeiter in Fachbereichen erstellen Ad-hoc-Abfragen und analysieren Leistungsdaten. Mit QuickSight macht Amazon nun bekannten Cloud-Angeboten wie Qlik, Tableau, Microsoft PowerBI und SAP Lumira Konkurrenz.

Die drei Analytik-Anbieter SAS, Exasol und Amazon Web Services haben den Sport als Wachstumsmarkt entdeckt. Zudem sind Organisationen wie die Deutsche Bundesliga auf Innovationen bei ihren Zuschauerangeboten angewiesen, um konkurrenzfähig zu bleiben. Mit den Lösungen der drei Anbieter reicht das Angebot von der einfachen Sportgrafik bis hin zu KI-basierten Angaben und Vorhersagen, die in Echtzeit angezeigt werden.

Mistral AI ist ein 2023 gegründetes französisches Softwareunternehmen, das mit herausragenden LLMs von sich reden gemacht hat. Mit einer Marktkapitalisierung von über sechs Milliarden US-Dollar im Juni 2024 ist es in Europa Marktführer. Mit einer Vielzahl von Modellen lassen sich KI-Agenten, Apps ebenso wie KI-Bilder erzeugen – häufig kostenlos. Anfang Februar hat Mistral AI eine neue Version seines Chatbots „Le Chat“ vorgestellt und wurde Partner von Databricks.

Überall sprechen die IT-Anbieter von Künstlicher Intelligenz (KI), ohne jedoch genau zu definieren, was sie damit meinen. Der KI-Hype überwiegt zunehmend das, was im Kern an Nutzen für den IT-Nutzer verborgen ist. Höchste Zeit, dass die Disziplinen, die sich hinter KI verbergen, beleuchtet werden. Neben Machine Learning ist hier vor allem Cognitive Computing zu nennen.

Das Konzept des Digital Thread im Industrial Internet of Things (IIoT) ist nicht neu, denn es verbindet alle Stationen und Phasen eines Produktzyklus vom Design bis zur Produktion. Aber es umzusetzen, ist nicht einfach, denn es gibt Schnittstellen zu überwinden. PTC hat den Digital Thread um Service Management und Nachhaltigkeit erweitert. Aus dem „Faden“ ist ein unendlicher Lebenszyklus geworden.

Die IBM hat am 16. Februar offiziell die Türen des neuen globalen Hauptsitzes für ihren neuen Geschäftsbereich Watson IoT in München geöffnet. Ziel der 200-Millionen-US-Dollar-Investition ist es, die technischen und wirtschaftlichen IoT-Potenziale weiter auszuloten. Zudem gab IBM den offiziellen Startschuss für den Aufbau eines neuen, weltweiten Innovationsökosystems rund um künstliche Intelligenz (AI) und IoT. Mitglied dieses Ökosystems ist unter anderem BMW. Weitere Partnerschaften betreffen Bosch und Visa.

Der US-Hersteller Anaplan will den deutschen Markt für Enterprise Planning Software erobern. Statt mit Excel-Tabellen oder starrer Programmierung soll seine Software mit flexiblen Modulen alle nötigen Informationsquellen vernetzen und in einem sogenannten Hyperblock bereitstellen – natürlich in der Cloud.

Eine Studie von Morning Consult hat untersucht, welche Bedingungen für die Einführung von KI-Technologien und -Lösungen im Business erfüllt sein müssen. Einer der wichtigsten – mit 91 Prozent – ist die Vertrauenswürdigkeit von KI-Ergebnissen. Andrea Martin, die Leiterin des IBM Watson Centers Munich, liefert dazu klare Antworten.

Auf dem IBM Watson Summit 2017 in Frankfurt/Main haben führende europäische Unternehmen wie Kone, Lufthansa, Siemens oder Telekom ihre Digitalisierungsprojekte vorgestellt, die sie auf der Basis von Watson realisiert haben oder demnächst vorstellen. Darunter befand sich auch einer der ersten deutschen Chatbots.

Der Datenbankspezialist Teradata hat auf seiner Kundenkonferenz „Teradata Possible 2023“ in London mit dem Tool „ask.ai“ Funktionen der generativen KI für seine Plattform VantageCloud Lake auf MS Azure vorgestellt.

Das deutsche Start-up Stackable bietet Big-Data-Lösungen in der Enterprise Cloud an, die von Ionos betrieben wird. Im Unterschied zu den Angeboten der Hyperscaler basiert das Angebot von Stackable auf einer offenen und flexiblen Plattform, die durchgängig auf Open-Source-Komponenten setzt. Kunden haben hier die freie Wahl, welche Tools sie in welcher Version kombinieren möchten. So sollen sich maßgeschneiderte, Open-Source-basierte Lösungen erstellen lassen, die den Kunden nicht an einen bestimmten Anbieter binden.

Der Nutzungsbereich großer Sprachmodelle (LLM) und Basismodelle (Functional Models) wird durch den Einsatz von Retrieval Augmented Generation (RAG) erheblich erweitert. Graph-Datenbanken können mit ihrer spezifischen Technologie GraphRAG die Genauigkeit erheblich steigern. BigData-Insider sprach mit Michael Hunger, Head of Product Innovation & Developer Product Strategy beim Graph-Datenbankanbieter Neo4j.