Rolf Schulz

Viele Initiativen im Bereich Retrieval-Augmented Generation (RAG) verharren im Stadium der „Wow-Demo“: Sie liefern beeindruckende Antworten, doch fehlt es an klar definierten Qualitätsmetriken, belastbaren Sicherheitsgarantien und einer tragfähigen Kostenstruktur für den Betrieb. RAG 2.0 versteht Retrieval nicht mehr als reine Datenbankabfrage, sondern als orchestrierten, messbaren und revisionssicheren Prozess.

Kaum eine Woche vergeht ohne neue Schlagzeilen, die den nächsten Durchbruch in der Künstlichen Intelligenz (KI) verkünden. Große Sprachmodelle (Large Language Models, LLMs) wie GPT, Claude oder Gemini stehen dabei im Zentrum der Aufmerksamkeit. Sie sollen Jobs revolutionieren, Kreativität neu definieren und – selbstverständlich – Reichtum versprechen. Wer den PR-Texten Glauben schenkt, steht kurz vor dem Upgrade zum „Super-Angestellten“.

„Green AI“ bedeutet nicht Verzicht, sondern Verantwortung: Effizienz wird zur Produkteigenschaft, die sich messen, verbessern und institutionalisieren lässt. Wer Künstliche Intelligenz (KI) ernsthaft skaliert, muss nicht nur Antworten liefern, sondern auch begründen können, zu welchem Energiepreis. Dieser Artikel zeigt, wie sich Effizienz entlang des gesamten KI-Lebenszyklus verankern lässt – strategisch, operativ und regulatorisch belastbar.

Mit dem Inkrafttreten der EU-KI-Verordnung am 1. August 2024 avanciert ENISAs Framework for AI Cybersecurity Practices (FAICP) vom freiwilligen Leitfaden zum faktischen Pflichtstandard. Dieser Beitrag erläutert den Aufbau des Frameworks, zeigt die Schnittstellen zur Verordnung und skizziert, wie Unternehmen und Behörden das Zusammenspiel operativ nutzen können, um KI-Systeme rechtssicher und zugleich resilient zu betreiben.

Nachdem der erste Teil die Bedeutung und Konzeption eines KI-Readiness-Programms erläuterte, behandelt dieser Artikel konkrete Trainingsformate, deren Dauer, sinnvolle Wiederholungszyklen, mögliche Zertifizierungen sowie Anforderungen an verpflichtende Teilnahmen und deren Integration in bestehende HR-Systeme, beispielhaft dargestellt anhand von SAP SuccessFactors.

Künstliche Intelligenz (KI) gilt als unverzichtbar, doch oft fehlt es in Unternehmen an den notwendigen Kompetenzen. KI-Awareness-Trainings bieten eine strukturierte Lösung, um Mitarbeiter und Management gezielt auf die Chancen und Herausforderungen von KI vorzubereiten. Dieser Zweiteiler zeigt, wie gezielte Trainings und ein modularer Ansatz Unternehmen helfen, KI nachhaltig und sicher zu integrieren.

KI-Sicherheit ist ein komplexes Thema, das häufig unterschätzt wird. Während manche glauben, dass herkömmliche Cybersicherheitsmaßnahmen ausreichen, zeigt sich bei näherer Betrachtung, dass spezifischere Bedrohungen wie Data Poisoning erhebliche Risiken bergen. Der folgende Artikel beleuchtet, wie Data Poisoning KI-Modelle manipulieren kann und welche Maßnahmen erforderlich sind, um diesen Bedrohungen wirksam zu begegnen.

KI-Sicherheit ist ein komplexes Thema, das häufig unterschätzt wird. Während manche glauben, dass herkömmliche Cybersicherheitsmaßnahmen ausreichen, zeigt sich bei näherer Betrachtung, dass spezifischere Bedrohungen wie Data Poisoning erhebliche Risiken bergen. Der folgende Artikel beleuchtet, wie Data Poisoning KI-Modelle manipulieren kann und welche Maßnahmen erforderlich sind, um diesen Bedrohungen wirksam zu begegnen.

Kaum eine Woche vergeht ohne neue Schlagzeilen, die den nächsten Durchbruch in der Künstlichen Intelligenz (KI) verkünden. Große Sprachmodelle (Large Language Models, LLMs) wie GPT, Claude oder Gemini stehen dabei im Zentrum der Aufmerksamkeit. Sie sollen Jobs revolutionieren, Kreativität neu definieren und – selbstverständlich – Reichtum versprechen. Wer den PR-Texten Glauben schenkt, steht kurz vor dem Upgrade zum „Super-Angestellten“.

Mit dem Inkrafttreten der EU-KI-Verordnung am 1. August 2024 avanciert ENISAs Framework for AI Cybersecurity Practices (FAICP) vom freiwilligen Leitfaden zum faktischen Pflichtstandard. Dieser Beitrag erläutert den Aufbau des Frameworks, zeigt die Schnittstellen zur Verordnung und skizziert, wie Unternehmen und Behörden das Zusammenspiel operativ nutzen können, um KI-Systeme rechtssicher und zugleich resilient zu betreiben.

„Green AI“ bedeutet nicht Verzicht, sondern Verantwortung: Effizienz wird zur Produkteigenschaft, die sich messen, verbessern und institutionalisieren lässt. Wer Künstliche Intelligenz (KI) ernsthaft skaliert, muss nicht nur Antworten liefern, sondern auch begründen können, zu welchem Energiepreis. Dieser Artikel zeigt, wie sich Effizienz entlang des gesamten KI-Lebenszyklus verankern lässt – strategisch, operativ und regulatorisch belastbar.

Künstliche Intelligenz (KI) gilt als unverzichtbar, doch oft fehlt es in Unternehmen an den notwendigen Kompetenzen. KI-Awareness-Trainings bieten eine strukturierte Lösung, um Mitarbeiter und Management gezielt auf die Chancen und Herausforderungen von KI vorzubereiten. Dieser Zweiteiler zeigt, wie gezielte Trainings und ein modularer Ansatz Unternehmen helfen, KI nachhaltig und sicher zu integrieren.

Viele Initiativen im Bereich Retrieval-Augmented Generation (RAG) verharren im Stadium der „Wow-Demo“: Sie liefern beeindruckende Antworten, doch fehlt es an klar definierten Qualitätsmetriken, belastbaren Sicherheitsgarantien und einer tragfähigen Kostenstruktur für den Betrieb. RAG 2.0 versteht Retrieval nicht mehr als reine Datenbankabfrage, sondern als orchestrierten, messbaren und revisionssicheren Prozess.

Nachdem der erste Teil die Bedeutung und Konzeption eines KI-Readiness-Programms erläuterte, behandelt dieser Artikel konkrete Trainingsformate, deren Dauer, sinnvolle Wiederholungszyklen, mögliche Zertifizierungen sowie Anforderungen an verpflichtende Teilnahmen und deren Integration in bestehende HR-Systeme, beispielhaft dargestellt anhand von SAP SuccessFactors.