Michael Matzer

Dataiku, der französische Anbieter einer kollaborativen Data-Science- und KI-Plattform, hat seine LLM-Mesh-Erweiterung vorgestellt. Sie soll die wahlfreie Nutzung skalierbarer LLMs der generativen KI erlauben und durch Governance absichern. Als Partner unterstützen unter anderem Snowflake, Pinecone, AI21 sowie Nvida LLM Mesh. Maximilian Harms, Principal AI Transformation Advisory bei Dataiku, erläutert das neue Angebot.

Viele Unternehmen wünschen sich derzeit eine zügige, kosteneffiziente Migration ihrer IT-Architektur, so auch ihrer Datenbank. Viele haben mehrere Datenbanksysteme, die unterschiedliche Aufgaben bewältigen und die konsolidiert werden können, um Lizenzgebühren zu sparen.

IBM hat im Sommer die KI- und Datenplattform watsonx verfügbar gemacht. Das KI-Entwicklungsstudio watsonx.ai ist ebenso erhältlich wie die Datenplattform watsonx.data. Das dritte Modul watsonx.governance ist für Anfang Dezember angekündigt und soll als SaaS in der IBM Cloud bereitgestellt werden.

Databricks Lakehouse baut auf Apache Spark als Data-Engineering- und Analyse-Plattform auf. Auf der Anwenderkonferenz DAIS 2023 (BigData-Insider berichtete) im Juni 2023 wurde die Version 3.4 mit zahlreichen Neuerungen vorgestellt. Im September wurde die Version 3.5 freigegeben. Die Zusammenarbeit zwischen Spark und Python wird zunehmend enger.

Die KI-Strategie, die Amazon Web Services (AWS) verfolgt, wird von den Prinzipien Demokratisierung, Sicherheit und Verantwortung bestimmt. Im Gespräch mit Constantin Gonzalez, Principal Solutions Architect bei AWS Deutschland, wird deutlich, dass AWS Tools und Methoden einsetzt, um ethische Richtlinien umzusetzen.

Die Finanzindustrie befindet sich derzeit in einem tief greifenden Umbruch und Big Data spielen dabei eine wichtige Rolle. Big Data sind per Definition sehr umfangreich, unvorhersagbar, heterogen und größtenteils unstrukturiert. Waren die meisten bankinternen Daten früher intern und aus strukturierten Transaktionen erzeugt worden, so ist heute eher das Gegenteil der Fall: Die meisten Daten kommen von außen, haben ein großes Volumen und treffen als Datenströme ein.

Kleine und mittlere Unternehmen (KMU) sind zwar an Künstlicher Intelligenz (KI) und Automation interessiert, verfügen aber über weniger Investitionskapital als Großunternehmen. KMU können sich aber durch KI und Automation wettbewerbsfähig machen, fand eine Umfrage der britischen Firma Constant Contact heraus.

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.

Auf seiner Kundenkonferenz Oracle CloudWorld 2023 hat der Datenbankhersteller und Applikationsanbieter zahlreiche Neuerungen und Partnerschaften angekündigt. Zudem werden GenAI-Funktionen in zahlreiche Produkte integriert. Java und die Datenbank erfahren substanzielle Updates.

Salesforce hat auf der Dreamforce 2023 die Einstein 1 Plattform angekündigt. Sie beinhaltet neue Funktionen für Data Cloud und Einstein, die alle auf dem Metadaten-Framework von Salesforce aufbauen. Unternehmen können damit sämtliche Daten sicher mit dem KI-gestützten CRM verbinden und KI-gestützte Apps mit Low-Code erstellen.

Mit Argument Mining und großen Sprachmodellen aus Deep Learning will das deutsche Start-up Summetix, das an der TU Darmstadt entstand, verstecktes Wissen im Kundenfeedback identifizieren, gruppieren und sogar monetär bewerten. Anwendungsbereiche sind der Kundenservice, Trendsuche, Wissensauswertung und Produktentwicklung. Summetix lässt sich mit ChatGPT-4 integrieren.

Mit dem Aspion L-Track stellt Aspion einen IoT-Transport-Datenlogger mit 360-Grad-Live-Tracking samt IoT-Plattform als Ende-zu-Ende-Lösung made in Germany vor. Der Asset Tracker soll den Kunden rund um die Uhr und rund um den Globus Zugriff auf den Standort und Zustand der Ware in Echtzeit ermöglichen und zahlreiche Umgebungsinformationen liefern.

Dell Technologies hat sich mit seinem Partner dem GPU-Hersteller Nvidia zusammengetan und offeriert nun eine Produktpalette, mit der Unternehmenskunden Modelle für generative Künstliche Intelligenz (KI) in ihre Infrastruktur und Prozesse integrieren können sollen. Dell offeriert in diesem Rahmen neue Workstations und Professional Services.

Auf seiner jährlichen Anwenderkonferenz .conf23 hat der Security- und Observability-Spezialist Splunk erstmals ein Hardwaregerät für Operational Technology (OT) vorgestellt: Edge Hub. Eine zweite Neuheit ist Splunk AI, ein mehrere Module umfassendes Framework für die Anwendung von KI- und Machine-Learning-Modellen. Als Kosten sparend dürfte sich eine engere Integration mit AWS S3 erweisen.

Die IBM hat kürzlich ihre neue KI- und Datenplattform watsonx allgemein verfügbar gemacht. Das KI-Entwicklungsstudio watsonx.ai ist ebenso erhältlich wie die Datenplattform watsonx.data. Das dritte Modul, watsonx.governance, soll im November folgen. Watsonx sei auf die Anforderungen von Unternehmen ausgerichtet und liefere ihnen verschiedene vortrainierte Foundation-Modelle, erklärt IBMs KI-Experte Hardy Gröger im Gespräch.

Databricks' CEO Ali Ghodsi setzt ganz auf Künstliche Intelligenz (KI). Er kündigte Lakehouse AI an und will MosaicML kaufen, das LL-Modelle anbietet. Sein Motto: „Die Demokratisierung von Technologie fördert Innovationen.“ Deshalb werde Englisch von nun an auch eine Programmiersprache sein.

Neue Konnektoren sollen KI-, Machine-Learning- und NLP-Fähigkeiten von Qlik erweitern und ergänzen Cloud-Analytics- und Applikations-Automatisierungsbestrebungen mit Inhalten von Drittanbietern.

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.

Cohesity kooperiert enger mit der Google Cloud Platform (GCP) und übernimmt Vertex AI für seine generative KI „Cohesity Turing“. Dabei handele es sich um eine wachsende Sammlung von KI-Funktionen, mit denen Kunden aus allen Branchen und Regionen KI-gestützt Wissen aus ihren Daten ziehen könnten, sagte CTO EMEA Mark Molyneux im Gespräch.

Fujitsu hat unter dem Codenamen „Kozuchi“ eine KI-Plattform vorgestellt. Sie verfügt über mehrere zentrale KI-Engines und über eine Reihe von KI-Komponenten, welche sich für verschiedene Anwendungsbereiche eignen. Zwei dieser Komponenten analysieren menschliches Verhalten, im Retail-Bereich, aber auch im öffentlichen Bereich.

Viele kleine und mittelständische Unternehmen (KMU) stehen unter großem Druck, innovativ zu sein, obwohl ihnen die Kosten für Energie, Personal und IT-Upgrades schier über den Kopf wachsen. Da erscheint es nahezu verwegen, aus Big Data auch noch Erkenntnisse gewinnen zu wollen. Aber gerade die unstrukturierten Daten, die heute einen Großteil der Datenflut ausmachen, bieten die Chance, innovativ zu sein und wertvolle Geschäftserkenntnisse zu gewinnen.

Die Energiewende stellt Energieversorger vor große Herausforderungen. Welche Rolle spielt Data Analytics, um die Transformation zu meistern und die Wettbewerbsfähigkeit zu steigern? Darüber hat BigData-Insider mit Benjamin Bohne gesprochen, Group Vice President Sales Central EMEA bei Cloudera.

Auf der Jahreskonferenz „Tableau Conference“ hat Tableau, ein Tochterunternehmen von Salesforce, die generative KI „Tableau GPT“ und mit „Tableau Pulse“ sowie „VizQL Data Services“ weitere Tools und Dienste vorgestellt.

Nvidia hat mit NeMo Guardrails ein Open Source Toolkit vorgestellt, mit dem jedes Large Language Model (LLM) – wie etwa ChatGPT oder Nvidia NeMo – mit einer zusätzlichen „Schutzschicht“ versehen werden kann. Diese Schutzschicht kann jeder Nutzer dazu verwenden, die Interaktion mit einem LLM und die Ergebnisse eines LLMs mithilfe von Regeln zu programmieren, die in Python geschrieben sind.

Die IBM hat an ihrem Standort Ehningen bei Stuttgart das „Quantum & AI Experience Center“ (Q.AX) eröffnet. Es sei ein weiterer Baustein auf dem Weg zu einem „lokalen und landesweiten Campus-Ökosystem“, wie Vertreter aus Politik, Wirtschaft und Wissenschaft zum Ausdruck brachten. In einem Demoraum waren Experimente zum Quantencomputing zu bestaunen.

AWS hat mit „Bedrock“, „Titan FMs“ und „CodeWhisperer“ Tools angekündigt, die den Einsatz und die Nutzung von Generativer KI in Unternehmen vereinfachen sollen. Zudem macht das Unternehmen mit „Inf2“ und „Trn1n“ zwei EC2-Instanzen für Inferenz und Training von ML-Modellen verfügbar.

Das Europäische Parlament in Straßburg berät derzeit über den AI Act, um das KI-Gesetz dieses Jahr der EU-Kommission vorzulegen. In einem Gespräch wurden die auseinanderklaffenden Auffassungen von KI und die Ansichten über deren verbotswürdige Anwendungen deutlich.

SAP stellt SAP Datasphere zur Vereinfachung von Datenlandschaften vor und kündigt Partnerschaften mit Collibra, Confluent, Databricks und DataRobot an. Mit der Lösung SAP Datasphere stellen die Walldorfer eine Datenintegrationsplattform vor, die zahlreichen Zwecken dient. Zunächst soll die Funktion des Datenmanagements dafür sorgen, dass Nutzer die richtigen Daten zur richtigen Zeit am richtigen Ort finden, was insbesondere bei langen Lieferketten nicht ganz einfach ist.

Capgemini hat die Ergebnisse der IT-Trends-Studie 2023 veröffentlicht. Demnach steht nach wie vor rund die Hälfte aller Daten von Unternehmen und Behörden nicht über die gesamte Organisation hinweg zur Verfügung. Das erschwert beispielsweise die Ermittlung von Emissionen oder den Einsatz intelligenter Technologien. Gleichzeitig steigt die Bedeutung der IT für den Klimaschutz.

Salesforce hat auf seiner Entwicklerkonferenz TrailblazerDX eine generative Künstliche Intelligenz mit den Namen Einstein GPT angekündigt. Sie beruht auf ChatGPT 3.5 von OpenAI, EinsteinAI für CRM, Salesforce Data Cloud und Salesforce Hyperforce.

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.

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.

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?

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.

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.

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.

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.

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.

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.

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

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.

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.

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.

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.

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.

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.

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).

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

Amazon Web Services hat auf seiner Kundenveranstaltung AWS re:Invent 2020 im Dezember eine Reihe von Produkten für den Industrial IoT Markt vorgestellt. Wir haben einen näheren Blick darauf geworfen und stellen diese kurz vor.

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.

Neo4j, ein marktführender Anbieter von Graph-Datenbanktools, hat die Version 4.0 seiner Plattform verfügbar gemacht. Zu den Neuerungen gehören unbegrenzte Skalierbarkeit, mandantenfähige Multi-Datenbank-Nutzung, die Integration von Apache Kafka und die besonders für Unternehmen wichtige feingranulare Steuerung von Datensicherheit und Datenschutz.

Microsoft hat auf der Kundenkonferenz Ignite 2021 über 90 Neuheiten und Erweiterungen vorgestellt. Dazu gehören der KI-Dienst OpenAI, Erweiterungen für CosmosDB und Synapse Analytics sowie Azure SQL Managed Instance. Von SQL Server 2022 zeigten die Redmonder eine Preview.

Mit der Ausbreitung von KI-Anwendungen stellen sich Schöpfern wie Benutzern zwei zentrale Fragen: Was befindet sich in der Black Box, die den Algorithmus und das Deep-Learning-Modell verbirgt? Und zweitens: Wie lässt sich sicherstellen, dass kein Unbefugter diese Software für seine Zwecke manipuliert hat? Manche KI-Hersteller und -Berater haben darauf bereits eine Antwort.

Das traditionelle Data Warehouse ist auf die Verarbeitung strukturierter Daten ausgelegt, welche es effizient und performant erledigt. Doch Big Data besteht aus unstrukturierten Daten, Datenströmen, die in großen Mengen und mit hoher Geschwindigkeit eintreffen. Um Leistung und Effizienz zu erhalten, aber Flexibilität hinzuzugewinnen, bietet das Virtual Data Warehouse eine vielversprechende Alternative.

In Stuttgart haben sich auf der EGG-Konferenz Interessenten für Künstliche Intelligenz (KI) und Data Science zum Meinungsaustausch getroffen. Dataiku der französische Anbieter einer kollaborativen Data-Science-Plattform, war der Veranstalter und enthüllte seine Produktplanung bis 2020.