Stephan Augsten

Zwar experimentieren deutsche Kommunen fleißig mit Künstlicher Intelligenz (KI), laut EWERK Consulting stockt aber der Übergang in den produktiven Betrieb. Eine in Deutschland gehostete Testumgebung des Beratungsunternehmens soll nun das datenschutzkonforme Erproben von KI-Anwendungen ermöglichen.

Mit dem Erfolgszug generativer Tools wird sogenannte Schatten-KI im Gesundheitswesen zu einem ernstzunehmenden Problem: Die Hälfte der niedergelassenen Ärztinnen und Ärzte greift mangels zertifizierter Alternativen zu nicht autorisierten KI-Tools wie ChatGPT für Recherchen und Dokumentation, berichtet Doctolib.

KI ist längst in europäischen Klassenzimmern angekommen, ein neuer Index zeigt mit Blick auf den politischen Reifegrad allerdings deutliche Unterschiede zwischen den Ländern: Spanien setzt europaweit Maßstäbe, Deutschland und Großbritannien hinken dagegen noch hinterher.

Künstliche Intelligenz spielt im Alltag von Lehrkräften und ihren Schützlingen eine immer wichtigere Rolle. Der erste bundesweite KI-Schulpreis soll dem Rechnung tragen. Primar- und Sekundarschulen dürfen ihre umgesetzten KI-Projekte, die bereits den Unterricht und die Schulorganisation bereichern, noch bis zum 10. Oktober 2025 einreichen.

Auf der alljährlichen großen Abendgala wurden am Abend des 24. Oktober 2019 die Gewinner der IT-Awards 2019 ausgezeichnet. Die Preisverleihung der Insider-Portale feierte dabei gleichzeitig ein kleines Jubiläum.

Mit „Gamma“ hat Acellere eine Software-Plattform für fehlerfreie IoT-Anwendungen entwickelt. Die KI-gestützte Lösung soll strukturelle Fehler in der Software-Architektur, sogenannte Anti-Pattern, während der Entwicklung erkennen. Investoren haben nun neues Kapital für die Weiterentwicklung bereitgestellt.

Das Embedded-Betriebssystem MindSphere von Siemens ist für Industrieunternehmen gedacht, die eigene Applikationen und Dienste für das Internet der Dinge entwickeln wollen. Nun soll eine Technologie-Partnerschaft mit der Software AG das Betriebssystem weiter stärken.

Im Rahmen einer festlichen Abendgala wurden am 20. Oktober 2016 die Gewinner der IT-Awards 2016 gekürt. Damit hat der zweite „Readers‘ Choice Award“, bei dem gut 34.600 Leserstimmen über einen Zeitraum von viereinhalb Monaten hinweg gesammelt wurden, seinen krönenden Abschluss gefunden.

Auf der alljährlichen großen Abendgala wurden am Abend des 24. Oktober 2019 die Gewinner der IT-Awards 2019 ausgezeichnet. Die Preisverleihung der Insider-Portale feierte dabei gleichzeitig ein kleines Jubiläum.

Das Arduino-Universum mag für Software-Entwickler auf den ersten Blick nur nach schmutzigen Händen und dem Gestank von Lötzinn aussehen. Aber ein Blick lohnt sich, der Einstieg ist simpel und es gibt auch beliebtere Buzzwords wie C++ oder Python.

Im Rahmen einer festlichen Abendgala wurden am 20. Oktober 2016 die Gewinner der IT-Awards 2016 gekürt. Damit hat der zweite „Readers‘ Choice Award“, bei dem gut 34.600 Leserstimmen über einen Zeitraum von viereinhalb Monaten hinweg gesammelt wurden, seinen krönenden Abschluss gefunden.

Arduino ist mehr als nur Hardware – und es gibt auch nicht „den einen“ Arduino. Vom Standard-Board über Musik-Spezialisten bis hin zu IoT-Hardware dienen die Arduino-Plattformen unterschiedlichsten Zwecken.

Ob mit Daten, aktivem Sponsoring oder Programmiererfahrung: Die Initiative appliedAI wirbt für die COVID-19-Challenge um weitere Unterstützung. Software-Entwickler können sich ab Juli fünf Aufgaben stellen, bis dahin dreht sich noch alles um die Datensammlung und -normalisierung.

Heute Abend verleihen die sieben Insider-Portale bereits das fünfte Jahr in Folge die IT-Awards in insgesamt 43 Kategorien. Die endgültigen Ergebnisse der Leserwahl erfahren die Preisträger auf unserer großen Abendgala.

Künstliche Intelligenzen sind immer nur so intelligent, wie ihre Algorithmen und Datensätze es erlauben. Sind die bereits von unbewussten Vorurteilen gefärbt, übernimmt die Maschine diese kritiklos.

In der BI-Welt reden derzeit viele über DataOps. Klar, dabei geht es um Daten. Auch die Analogie zu DevOps fällt auf. Doch wo liegen die Berührungspunkte? Und wie wirken sich die Ansätze auf die Arbeit von Softwareentwicklern aus?

Die Entwicklung von KI- und Machine-Learning-Systemen ist aufwändig. Zum Glück gibt es eine Reihe praktischer Gratis-Tools, die Softwareentwickler bei der Arbeit unterstützen können. Wir zeigen, welche das sind.

KI mag noch weit von Science-Fiction-Visionen entfernt sein. Ethische Maßstäbe sollten aber auch in der aktuellen Vorstufe Machine Learning auf Basis von Big Data greifen, um größere Schwierigkeiten zu verhindern.

Um Daten mit R zu analysieren, mussten die Daten früher extra aus der Datenbank exportiert und in R importiert werden. Seit Microsoft SQL Server 2016 lassen sich R-Skripte aber direkt auf dem Datenbankserver ausführen.

Mit Digital Twin Core hat Aras, ein Anbieter digitaler Industrieanwendungen, eine Low-Code-Applikation angekündigt. Sie erlaubt das Erstellen und Verwalten digitaler Zwillinge, also exakte digitale Abbilder physischer Objekte.

Graph-Algorithmen bilden in Graphdatenbanken die Grundlage für die Analyse realer Netzwerke. Ihre Anwendungsgebiete reichen von der Betrugsaufdeckung bis hin zur Planung städtischer Infrastrukturen. Hier ist eine Übersicht der technischen Voraussetzungen sowie der fünf bekannten Basis-Algorithmen.

Für kleinere Arduino-Projekte genügt die hauseigene IDE. Allerdings verlangt es vermutlich vor allem Software-Entwickler nach der Hardware-Schlacht nach etwas Komfort – und vielleicht einer anderen Programmiersprache.

Im Fokus von R steht die Analyse von Daten. Dazu werden mithilfe von Operatoren und Funktionen selbstredend auch Berechnungen durchgeführt. In diesem Beitrag geben wir einen ersten Einstieg zu diesem Bereich in R.

„Welche Vorteile bringen Container bei Entwicklungsprojekten zum maschinellen Lernen und wie lassen sich diese implementieren?“

KI und ML, sprich Künstliche Intelligenz und Machine Learning, sind auf Leistung angewiesen. Der Software-Stack ist dabei ebenso wichtig wie die Hardware, denn aus den physikalisch und fertigungstechnisch limitierten Prozessoren kann gute Software auch das letzte bisschen Leistung herauskitzeln.

Die Graph Query Language, kurz GraphQL, wird oft als Gegenspieler zu REST gesehen. Bei genauerer Betrachtung ist das aber nur die halbe Wahrheit. Welchen Mehrwert bietet die Abfragesprache für Entwickler in Zeiten vollkommener Kundenzentrierung?

Künstliche Intelligenz spielt im Alltag von Lehrkräften und ihren Schützlingen eine immer wichtigere Rolle. Der erste bundesweite KI-Schulpreis soll dem Rechnung tragen. Primar- und Sekundarschulen dürfen ihre umgesetzten KI-Projekte, die bereits den Unterricht und die Schulorganisation bereichern, noch bis zum 10. Oktober 2025 einreichen.

Integrierte Entwicklungsumgebungen, kurz IDEs, bieten Funktionen wie Syntax Highlighting, Code Completion, Debugging-Möglichkeiten, Variableneditoren oder Paketmanagement. Damit Entwickler davon auch im Machine-Learning-Umfeld profitieren, mpssen sie aber zunächst die passende IDE finden.

Microsoft hat kürzlich eine neue Version 2.0.1 des Python-SDKs veröffentlicht. Mit dem Versionssprung setzt der Hersteller nicht länger auf einen Wrapper um das C-SDK, vielmehr handelt es sich um ein natives Python-Projekt.

Low-Code-Plattformen in Verbindung mit Robotic Process Automation, kurz RPA, können laut Gartner die „digitale Gewandtheit“ im Unternehmen steigern. Appian trägt dieser Empfehlung offenbar Rechnung: Version 20.1 seiner „Appian Platform“ schließt RPA-Funktionen ein.

Mit „Gamma“ hat Acellere eine Software-Plattform für fehlerfreie IoT-Anwendungen entwickelt. Die KI-gestützte Lösung soll strukturelle Fehler in der Software-Architektur, sogenannte Anti-Pattern, während der Entwicklung erkennen. Investoren haben nun neues Kapital für die Weiterentwicklung bereitgestellt.

Von der Robotik-Prozessautomatisierung über die algorithmische Automatisierung bis hin zu Künstlicher Intelligenz: Die IT-basierte Automation von Geschäftsprozessen außerhalb der Produktion umfasst ein breites Spektrum zunehmend komplexer Technologien, die wir in diesem Beitrag näher beleuchten.

Google hat die erste stabile Version 1.0 seines Machine-Learning-Framework TensorFlow freigegeben. Version 1.0 bringt neben einem überarbeiteten Python-API (noch) experimentelle Unterstützung für Java- und Go.

Das Embedded-Betriebssystem MindSphere von Siemens ist für Industrieunternehmen gedacht, die eigene Applikationen und Dienste für das Internet der Dinge entwickeln wollen. Nun soll eine Technologie-Partnerschaft mit der Software AG das Betriebssystem weiter stärken.

Neu aufkommende, von Daten lebende Technologien lösen unweigerlich kontroverse Debatten auf. Dies gilt für künstliche Intelligenz und unter diesem Begriff subsummierte Verfahren ebenso wie zuvor für Big Data. Doch KI führt die Diskussion einen Schritt weiter – die einen sehen sie als Heilsbringer an, die anderen als Gefahr. Die Wahrheit liegt vermutlich dazwischen.

Auf der Microsoft-Entwicklerkonferenz Build 2018 zeigte Microsoft verschiedene Neuerungen zur Künstlichen Intelligenz und Mixed-Reality-Anwendungen. Entwickler können davon ab sofort profitieren.

Mit der neuen Version 4.2 stellen die Entwickler von MongoDB die neue Version der NoSQL-Datenbank zur Verfügung. Verbessert werden zum Beispiel Indizes und die Verschlüsselung.

Google stattet das Cloud IoT Device SDK for Embedded C mit Funktionen zum Verwalten und Verwenden von IoT-Geräten aus. Dadurch sollen sich Low-End-Geräte besser mit der Cloud verbinden lassen.

SentryOne hat drei neue Editionen von SQL Sentry angekündigt. Die Lösung dient zur Überwachung der Datenbankleistung im Umfeld von SQL-Servern und verwandten Systemen.

Google hat auf der I/O-Konferenz die Betaversion des ML Kit vorgestellt. Das SDK soll Googles Machine-Learning-Expertise auch Mobile-Entwicklern zugänglich machen. Daher wird es als Paket für die Entwicklungsplattform Firebase zur Verfügung gestellt.

Das Internet der Dinge, kurz IoT, wächst und gedeiht. Aus diesem Trend hin zu immer mehr vernetzten Produkten ergeben sich einige Änderungen für die Softwareentwicklung. Dieser Beitrag beleuchtet die wichtigsten Unterschiede und sieben Lehren, die sich daraus ziehen lassen.

In der Industrie gehören auf KI-Algorithmen basierende Systeme inzwischen zum Alltag, zum Beispiel bei der Qualitätssicherung in der Produktion oder beim Betrieb von Anlagen. Aber wie ist es um die Qualität der Algorithmen selbst bestellt?

Google macht das KI- und Machine-Learning-Framework Tensorflow Enterprise-fähig. Große Unternehmen können bei der Entwicklung von KI-Anwendungen somit von Langzeit-Support, Leistung auf Cloud-Niveau und verwalteten Diensten profitieren.

DevOps steht sinnbildlich für die Rationalisierung der Software-Entwicklung und -Bereitstellung. Doch die schnellen Release-Zyklen erzeugen einen Testing-Overhead, der ohne Machine Learning auf Dauer nur schwer zu bewältigen sein wird.