Thomas Joos

SAP Joule integriert KI-gestützte Analyse-, Transaktions- und Automatisierungsfunktionen direkt in SAP-Anwendungen. Der Assistent verarbeitet natürliche Sprache, steuert Geschäftsprozesse, greift auf autorisierte Daten zu und unterstützt rollenbasiert bei operativen Entscheidungen.

Die Modellierung komplexer Zeitreihen erhält mit der Open-Source-Bibliothek Prophet eine strukturierte Grundlage. Die Bibliothek steht für Python und R zur Verfügung und fasst Trendkomponenten, periodische Muster und Ereigniseffekte in einem additiven Modell zusammen. Dadurch lassen sich Prognosen erstellen, die auch bei unregelmäßigen Intervallen oder fehlenden Werten belastbar bleiben.

Automated Machine Learning (AutoML) verspricht, den Aufwand für Modellwahl und Hyperparameter-Tuning drastisch zu reduzieren. Mit AutoML-Frameworks können Data Scientists und Entwickler schneller zu leistungsfähigen Modellen gelangen, ohne jeden Schritt manuell optimieren zu müssen. In diesem Artikel schauen wir uns Auto-sklearn und FLAML genauer an.

KI-Systeme agieren zunehmend eigenständig und benötigen dafür eigene digitale Identitäten. Im modernen Identity and Access Management entstehen so neue Anforderungen an Sicherheit, Governance und Nachvollziehbarkeit – von der Authentifizierung bis zur klaren Zurechenbarkeit.

Microsoft erweitert Copilot in Windows 11 um eine direkte Verbindung zu den Systemeinstellungen. Der KI-Assistent kann nun auf Befehle wie „Mach meinen Bildschirm leichter lesbar“ reagieren und führt gezielt zur passenden Einstellungsseite. Die Funktion startet zunächst für Windows-Insider.

Microsoft Fabric konsolidiert Datenintegration, Analyse und Künstliche Intelligenz (KI) in einer einheitlichen Plattform. Fabric verbindet OneLake als zentralen Datenspeicher mit Azure-KI-Services, Copilot und Foundry, um strukturierte, unstrukturierte und Echtzeitdaten technisch konsistent und skalierbar auszuwerten. Wir zeigen in diesem Beitrag die Möglichkeiten dazu.

Claude Desktop lässt sich mit DesktopCommander MCP um eine lokale Steuerungsschicht erweitern. Die Kombination ermöglicht eine systemnahe Automatisierung durch natürliche Sprache – inklusive Zugriff auf Dateisystem, Shell, Build-Prozesse und Skripte innerhalb sicher konfigurierbarer Grenzen.

OpenAI hat zwei Open-Weights-Sprachmodelle freigegeben, die unter der Apache-2.0-Lizenz stehen und damit ohne Einschränkungen genutzt werden können. Mit GPT-OSS-120b und GPT-OSS-20b stellt OpenAI erstmals seit GPT-2 wieder Modelle bereit, die lokal ausgeführt und in eigene Infrastrukturen integriert werden können.

GPT-5 steht ab sofort in Microsoft 365 Copilot bereit. Das Modell erweitert die Möglichkeiten des Orchestrators, indem es je nach Aufgabe zwischen schnellen und Reasoning-fähigen Varianten wechselt. Damit lassen sich einfache Anfragen sofort beantworten und komplexe Projekte strukturierter umsetzen. Problemlos ist das allerdings noch nicht.

Die Integration von KI-Agenten mit realen Datenquellen ist ein zentrales technisches Problem moderner Systeme. Mit dem Model Context Protocol (MCP) liegt ein Standard vor, der diese Verbindung strukturiert regelt. Doch Alternativen wie A2A oder ACP verfolgen andere Ansätze mit eigenen Vor- und Nachteilen.

Azure AI schützt Foundation Models in Anwendungen wie Copilot-Diensten mit Prompt Shields vor gezielten Angriffen.

Das Open-Source-Tool PostHog bündelt Session-Replay, Feature Flags, Web-Analytics und A/B-Tests in einer Cloud-Plattform mit überraschend großzügigem Freikontingent. Vollständig offene Architektur, SQL-Unterstützung, transparente Preise, keine Sales-Pipeline: PostHog positioniert sich als technisches Analyse-Framework für Entwickler und Start-ups, die auf Eigenständigkeit setzen.

Azure AI Agents erweitern klassische Sprachmodelle um kontrollierte Tool-Aufrufe, kontextabhängige Zustandsverwaltung und externe Datenquellen. Die Plattform kombiniert generative Künstliche Intelligenz (KI) mit reproduzierbarer Logik und schafft so die Grundlage für komplexe, agentengesteuerte Anwendungen.

Mit seinen beiden neuen KI-Modellen Claude 4 und Opus 4 überholt Anthropic bei verschiedenen Tests, wie dem SWE-Bench, LLMs wie OpenAIs GPT-4.1 und Google Gemini 2.5 Pro. Das ist vor allem für Entwickler interessant, da es hier um das Beheben von Programmierfehlern geht.

Apple Intelligence bringt künstliche Intelligenz auf iPhones und iPads. In Unternehmensnetzwerken ist es natürlich nicht unbedingt erwünscht, dass KI aus den USA von den eigenen Unternehmensdaten trainiert wird. Die Funktionen lassen sich über Microsoft Intune deaktivieren.

Die Entwickler der bekannten Suchmaschine DuckDuckGo stellen mit Duck.AI jetzt auch die Möglichkeit zur Verfügung, dass Anwender über die Suchmaschine auf populäre KI-Bots wie ChatGPT anonym zugreifen können.

Grok 3 steht derzeit kostenfrei für Nutzer von X zur Verfügung, allerdings nur vorübergehend. Elon Musk kündigt bereits an, dass der Zugriff später auf zahlende Abonnenten beschränkt werde. Schon jetzt unterscheidet xAI zwischen freien Nutzern, Premium+ und der neuen Stufe „SuperGrok“. Wer nicht zahlt, darf alle zwei Stunden zehn Textanfragen und zehn Bildgenerierungen absenden. Die Bildanalyse ist auf drei Durchgänge pro Tag beschränkt. Eine erweiterte Nutzung erfordert mindestens den Premium+-Zugang.

Manus AI gehört zu einer neuen Klasse von agentischen Systemen, die komplexe Aufgaben automatisiert ausführen. Die Software analysiert Datenquellen, plant Arbeitsabläufe, schreibt Quellcode und greift über integrierte Tools auf Webinhalte zu.

Mit Claude 3.7 Sonnet und dem neuen Tool Claude Code erweitert Anthropic das Spektrum KI-gestützter Entwicklungswerkzeuge. Die Kombination aus Sprachmodell mit Hybrid-Logik und lokalem CLI-Agenten zielt auf praxisnahe Automatisierung und präzise Unterstützung bei komplexen Programmieraufgaben.

Viele Unternehmen stehen vor der Herausforderung, große Datenmengen effizient auszuwerten, ohne sensible Informationen preiszugeben. Defog bietet eine Lösung, die Künstliche Intelligenz (KI) mit einer datenschutzfreundlichen Architektur kombiniert. Ohne tiefgreifende SQL-Kenntnisse können komplexe Abfragen formuliert werden, wobei alle Daten sicher in der eigenen Umgebung verbleiben.

OpenAI hat sein neues Flagschiff-KI-Modell GPT-4.5 „Orion“ vorgestellt. Darüber hinaus soll ein interaktiver KI-Agent erscheinen, den OpenAI für den Preis von 20.000 US-Dollar pro Monat im Abonnement bereitstellen will.

DeepSeek Janus Pro 7B ist ein leistungsstarkes, multimodales KI-Modell, das Unternehmen neue Möglichkeiten in der Bild- und Textverarbeitung eröffnet. Mit effizienter Architektur, Open-Source-Zugang und hoher Skalierbarkeit setzt es neue Maßstäbe für Big Data, Automatisierung und visuelle KI-Anwendungen.

Schatten-KI bezeichnet die unautorisierte Nutzung von KI-Anwendungen innerhalb eines Unternehmensnetzwerks, ohne Wissen oder Zustimmung der IT-Abteilung. Diese Anwendungen bergen erhebliche Sicherheitsrisiken, da sie oft sensible Daten verarbeiten und unkontrollierten Zugriff auf Netzwerkinfrastrukturen ermöglichen.

SAP treibt die Integration von Künstlicher Intelligenz KI in seine Produkte mit Hochdruck voran und positioniert sich als zentraler Akteur für KI-gestützte Geschäftsprozesse. Mit der umfassenden Einbettung von SAP Joule, der tiefen Integration in Microsoft 365 Copilot, neuen generativen KI-gestützten Anwendungen und erweiterten Analysefunktionen will SAP die Art und Weise, wie Unternehmen arbeiten, grundlegend verändern.

Nicht nur für Big-Data-Plattformen stellt die wachsende Verbreitung von Schatten-KI (Künstliche Intelligenz) eine erhebliche Bedrohung für die Sicherheit und Integrität dar. Schatten-KI beschreibt die eigenmächtige Nutzung von Anwendungen der Künstlichen Intelligenz durch Mitarbeiter, ohne dass diese von der IT-Abteilung autorisiert oder überwacht wird. Das führt zu gravierenden Sicherheits- und Compliance-Risiken.

Apache HugeGraph ist eine leistungsfähige, skalierbare Graphdatenbank, die speziell für die Verarbeitung großer Mengen an vernetzten Daten entwickelt wurde. Sie eignet sich für Anwendungen, die komplexe Beziehungen und Abfragen erfordern, wie soziale Netzwerke, Wissensgraphen, Empfehlungssysteme und IT-Sicherheitsanalysen.

Aion ist ein spezialisierter KI-Assistent, der Führungskräfte im strategischen Management unterstützt. Mit einem Fokus auf Effizienz und Individualität bietet Aion maßgeschneiderte Lösungen für die Strategieentwicklung, Zielsetzung und Marktanalyse.

SAP integriert immer mehr KI-Möglichkeiten in seine Lösungen. Experten gehen bereits davon aus, dass SAP in Zukunft immer mehr zu einem globalen Player bei künstlicher Intelligenz (KI) aufsteigen könnte. Die Verwendung von KI mit SAP-Lösungen bietet jedenfalls umfassende Möglichkeiten.

Mit Coefficient lassen sich verschiedene Datenquellen direkt an Google Sheets oder Microsoft Excel anbinden und analysieren. Mit der KI-Funktion der Lösung können Anwender außerdem mit den angebundenen Daten und der Tabellenkalkulation chatten und Daten mithilfe von natürlicher Sprache analysieren.

Sicherheitsexperten bei KnowBe4 haben im Rahmen einer Studie untersucht, wie stark Mitarbeiter in Unternehmen anfällig für Phishing-Angriffe per Telefon sind. Unternehmen sollten sich auf diese Art von Vishing-Angriffen vorbereiten.

Bei Big Data spielen Open-Source-Lösungen eine besondere Rolle. Das liegt unter anderem daran, dass große Unternehmen Big-Data-Lösungen entwickeln und dann der Community zur Verfügung stellen, um diese zu verbessern.

Mit Windows 10 IoT Core stellt Microsoft eine Windows-10-Version zur Verfügung, die für Geräte ohne Monitor entwickelt wurde. Da auch diese Version die Universal Windows Platform nutzt, ist deren Einsatzgebiet sehr flexibel.

Auf den meisten Webseiten wird auf Google Analytics gesetzt, um die Besucher und Zugriffsdaten zu analysieren. Es gibt allerdings durchaus interessante Alternativen zum Marktführer.

Auf Kaggle lassen sich Jupyter Notebook ohne Einrichtung online erstellen. Mittlerweile gehört Kaggle zu Google. Im Fokus stehen Dienstleistungen rund um das Thema Big Data, Machine Learning und Data Mining.

Mit GPT4All steht ein kostenloser Chatdienst zur Verfügung, der sich im lokalen Netzwerk betreiben lässt. Der Dienst benötigt weder eine Internetverbindung noch eine besonders schnelle GPU. Das ist für Unternehmen auch bezüglich des Datenschutzes interessant.

Mit Azure Synapse Analytics bietet Microsoft einen Analysedienst, der die Vorteile von Data Warehouses und Big-Data-Analysen miteinander kombiniert.

Das kleine Tool SOFA kann dabei helfen, Daten einfacher zu analysieren. Das Tool steht kostenlos zur Verfügung und kann auch ungeübten Anwendern ermöglichen, Daten einfacher und schneller zu analysieren.

Die Open Source Software PSPP stellt einen kompatiblen Ersatz für die Analyse-Software SPSS dar. Die Funktionen sind zwar etwas eingeschränkt, aber die Datenbasis ist identisch.

Unternehmen, die auf künstliche Intelligenz (KI) und Machine-Learning (ML) im Netzwerk setzen, müssen darauf achten, dass die eingesetzte Storage-Lösung schnell genug ist, um die Daten für Lösungen im KI-/ML-Bereich zur Verfügung zu stellen. Auch die Kapazität spielt eine Rolle.

Bei der Analyse von Daten spielt die Visualisierung eine wichtige Rolle. Mit Datawrapper Core gibt es einen kostenlosen Dienst, der bei der Visualisierung von analysierten Daten wertvolle Hilfe bieten kann.

Im Bereich IoT lassen sich KI und Blockchain durchaus gemeinsam betreiben, um Smarte Geräte und vor allem Mikro-Transaktionen einfacher zu verwalten. Die drei Bereich IoT, KI und Blockchain arbeiten dazu perfekt zusammen.

Apache Druid ist ein Open-Source-Analysespeicher, der Business-Intelligence-Abfragen von Ereignisdaten mit geringer Latenz ermöglicht. Echtzeitzugriffe sind genauso möglich wie eine schnelle Datenaggregation.

Das Apache-Toplevel-Projekt Zeppelin bietet ein Notizbuch für Daten aus anderen Systemen, mit denen Anwender diese effektiv analysieren können. Zeppelin arbeitet dazu eng mit Spark, Flink und Hadoop zusammen.

Die Big-Data-Cloud-Lösung Qubole ist in der Lage, sehr effektiv große und auch unstrukturierte Datenströme von verschiedenen Quellen zusammenzufassen und zu analysieren. Der Dienst steht auch Azure, Google Cloud und AWS zur Verfügung.

Bei der Datenverarbeitung von Big Data spielen vor allem NoSQL-Datenbanken eine wichtige Rolle. Diese können im Vergleich zu relationalen Datenbanken große Datenmengen oft schneller verarbeiten. Aber auch relationale Datenbanken bieten Möglichkeiten. Wir zeigen, worauf Unternehmen achten sollten.

Grok 3 steht derzeit kostenfrei für Nutzer von X zur Verfügung, allerdings nur vorübergehend. Elon Musk kündigt bereits an, dass der Zugriff später auf zahlende Abonnenten beschränkt werde. Schon jetzt unterscheidet xAI zwischen freien Nutzern, Premium+ und der neuen Stufe „SuperGrok“. Wer nicht zahlt, darf alle zwei Stunden zehn Textanfragen und zehn Bildgenerierungen absenden. Die Bildanalyse ist auf drei Durchgänge pro Tag beschränkt. Eine erweiterte Nutzung erfordert mindestens den Premium+-Zugang.

Microsoft stellt mit Azure Databricks eine Analyseplattform in Microsoft Azure zur Verfügung, die auf der bekannten Analysesoftware Apache Spark aufbaut. Bei der Entwicklung der Plattform haben die Entwickler von Spark mitgearbeitet.

Big Data erfordert leistungsfähige Server und Anwendungen, die eine große Menge an Daten effizient verarbeiten können. Dafür eignen sich Cloud-Dienste wie die Google Cloud Platform hervorragend.

Mit Apache Storm lassen sich Daten in Big-Data-Systemen in Echtzeit verarbeiten. Das Tool arbeitet mit verschiedenen Datenquellen zusammen und fügt sich optimal in Hadoop-Umgebungen ein.

Damit die enormen Datenmengen in Big-Data-Umgebungen optimal und vor allem verlässlich verarbeitet werden können, muss sichergestellt sein, dass die Daten belastbar, verlässlich und vor allem auch aussagekräftig sind.

Mit Auto-GPT können Anwender KI-Aufgaben vollständig automatisieren. Dazu kann die kostenlose Open Source Software selbstständig Prompts erstellen und auch komplexe Aufgaben durch Stapelverarbeitung und Python-Skripte automatisch abwickeln. GPT4All ermöglicht wiederum den Betrieb einer eigenen KI ohne Internetanbindung.

Mit Redash können verschiedene Datenquellen angebunden und über Dashboards visualisiert werden. Es können parallel auch mehrere Datenquellen zusammengefasst werden. Der Betrieb der Lösung ist auch mit Docker möglich.

ChatGPT kann auch dazu genutzt werden komplexere Protokolle, Fragmente oder Firewall-Logs auf verdächtige Aktionen zu durchsuchen. Dadurch lassen sich auch unübersichtliche, komplexe oder unvollständige Daten zur Informationsgewinnung nutzen.

Für eine effektive, schnelle und unmittelbarer Verarbeitung von Daten zur Analyse ist Data Streaming eine enorm wichtige und interessante Vorgehensweise. Apache Flink ist ein Open Source Tool, das diese Möglichkeiten bietet.

Mit der NoSQL-Datenbank Firestore bietet Google eine cloudbasierte Datenbank für IoT- oder andere mobile Anwendungen sowie Web-Apps an.

Microsoft bietet mit seinem Cloud-Dienst Azure eine ideale Plattform für zahlreiche Cloud-Dienste. Interessant wird Azure etwa in Kombination mit der Open-Source-Lösung Apache Spark, mit der Unternehmen interaktive Analysen mit In-Memory-Technik durchführen können.

Mit Kajero erhalten Data Scientists eine Open-Source-Notebook-Lösung auf Basis von Javascript. Die Einträge können über GitHub weitergegeben werden. Kajero bietet die Unterstützung für zahlreiche Graphen, D3, NVD3 und Jutsu.

Auto-GPT nutzt das gleiche KI-Modell wie ChatGPT, bietet aber mehr Möglichkeiten und Funktionen. Das Open-Source-KI-Tool erledigt automatisiert Aufgaben auf Basis von GPT-3 und GPT-4. Dabei kann es komplett autonom arbeiten.

OpenAI hat sein neues Flagschiff-KI-Modell GPT-4.5 „Orion“ vorgestellt. Darüber hinaus soll ein interaktiver KI-Agent erscheinen, den OpenAI für den Preis von 20.000 US-Dollar pro Monat im Abonnement bereitstellen will.

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.

Google bietet mit seinem neuen Data Studio ein Webtool an, das verschiedene Datenquellen anbinden kann, um Berichte zu erstellen und Daten zu visualisieren.

Apache Beam ermöglicht als Parallel Computing Framework das Verarbeiten von nahezu unbegrenzten Datenmengen. Die Open Source Software bietet über verschiedene SDKs das Definieren von Batch-Pipelines oder Pipelines für Streaming-Data-Processing und unterstützt Hadoop, Spark und andere Engines.

Tableau Public ist eine kostenlose Version der Tableau-Software, die speziell dafür entwickelt wurde, datengetriebene Visualisierungen öffentlich zu teilen. Nutzer von Tableau Public können interaktive Diagramme, Karten und Dashboards erstellen und diese auf der Tableau Public-Plattform mit anderen teilen.

Graphy ist ein KI-gestütztes Tool, mit dem Nutzer professionelle, interaktive und ansprechende Diagramme und Grafiken erstellen können. Die Lösung stellt auch Vorlagen zur Verfügung, mit denen schnell verschiedene Diagramme aus unterschiedlichen Datenquellen erstellt werden können.

Wer sich mit Künstlicher Intelligenz (KI) und Machine Learning (ML) oder auch mit Programmen im Bereich Statistik, Mathematik, Analyse oder Data Mining beschäftigt, sollte sich die Möglichkeiten der Python-Library scikit-learn anschauen. Der Beitrag gibt einen Überblick.

Microsoft hat in Office 365 einige Funktionen integriert, mit denen sich Business-Intelligence-Funktionen umfassend nutzen lassen. Als Datenspeicher lassen sich Cloud-Server, Microsoft Azure, oder lokale Server nutzen.

DeviceHive ist eine der bekanntesten Lösungen, um internetfähige Geräte in IoT-Umgebungen zentral zu integrieren. Mit der Cloud-basierten Lösung können Smart-Home-Geräte und Sensoren automatisiert werden.

Google hat mit Logica eine neue Programmiersprache veröffentlicht, die bei der Datenanalyse und -Verarbeitung ein wertvolles Hilfsmittel ist. Logica steht als Open Source unter der Apache-2-Lizenz zur Verfügung.

AWS ist die Cloud-Infrastruktur mit dem größten Marktanteil. Das liegt unter anderem auch daran, dass es in der Cloudplattform umfassende Möglichkeiten zur Analyse von Daten gibt. Wir geben in diesem Beitrag einen Überblick.

Mit MindsDB ML-SQL Server können Entwickler Abläufe für Programme und Modelle in den Bereichen Künstliche Intelligenz (KI) und Machine Learning (ML) über SQL abwickeln. Dadurch lassen sich zum Beispiel Modelle als KI-Tabellen bereitstellen. Das ermöglicht beispielsweise umfassende Prognosen für komplexe Daten.

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.

Die bisher als PrestoSQL bekannte SQL-Abfrage-Engine trägt jetzt den Namen Trino. Aktuell nutzen Unternehmen wie LinkedIn, Netflix, Slack, Comcast, Nordstrom und viele andere die Möglichkeiten von Trino.

Es gibt immer wieder Diskussionen darüber, ob die Analyse von Webseiten über Google Analytics konform mit der DSGVO ist, da Webseitenbetreiber keinerlei Kontrolle über die Daten haben, die Google erfasst. Mit Matomo gibt es aber eine DSGVO-konforme Alternative.

Zeitreihendatenbanken sind darauf spezialisiert, große Datenmengen, die teilweise in Echtzeit eingehen, schnell speichern zu können. Ideal ist das für Sensordaten und andere Informationen in Internet-of-Things-Infrastrukturen. Der Beitrag gibt einen Überblick über bekannte Datenbanken in diesem Segment.

Presto ermöglicht die direkte Abfrage von Daten aus verschiedenen Datenquellen. Dabei lassen sich auch umfangreiche Datenmengen analysieren und auswerten. Das Tool bietet einen ähnlichen Leistungsumfang wie kommerzielle Data-Warehouse-Lösungen.

Die Graphendatenbank Dgraph ist die beliebteste Datenbank ihrer Art auf GitHub. Der Beitrag zeigt, was die Datenbank kann.

Numerous.ai ist eine recht neue Erweiterung für Google Sheets bzw. Tabellen und ermöglicht es, Antworten der KI direkt in Zellen anzuzeigen. Das verknüpft die Funktionen einer Tabellenkalkulation mit den Möglichkeiten einer KI. Der Beitrag zeigt, was dabei beachtet werden muss und wie die Erweiterung funktioniert.

Apache Flume erlaubt das umfassende Sammeln von Daten, vor allem im Bereich Streaming-Event-Daten. Die Daten lassen sich in Hadoop Cluster übertragen und auf diesem Weg effizient weiterverarbeiten. Viele Anbieter von Big-Data-Lösungen, darunter Cloudera, unterstützen bereits Flume.

In Microsoft Azure gibt es neben HDInsight noch einige weitere interessante Big-Data- und BI-Dienste, die sich in die eigene Infrastruktur einbinden lassen: Stream Analytics, Data Factory, Data Catalog und Event Hubs. Diese Dienste erlauben umfangreiche Datenanalysen und arbeiten mit HDInsight und anderen Azure-Diensten optimal zusammen.

Fallen in kurzer Zeit große Datenmengen an, ist eine Datenbank notwendig, die mit großen Datenmengen umgehen kann und gleichzeitig eine hohe Leistung bietet. InfluxDB ist ein Datenbanksystem, das genau für dieses Einsatzgebiet optimiert worden ist.