Viele Unternehmen wünschen sich derzeit eine zügige, kosteneffiziente Migration ihrer IT-Architektur, so auch ihrer Datenbanken.

Die Finanzindustrie befindet sich derzeit in einem tiefgreifenden Umbruch, und Big Data spielen dabei eine wichtige Rolle.

Derzeit ist Künstliche Intelligenz in aller Munde. In den Topf „Künstliche Intelligenz“ werden Machine Learning, Deep Learning (vulgo KI) und schließlich Generative KI geworfen.

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.

Die Bedeutung von IoT-Plattformen für die Industrie 4.0 ist unbestritten. Doch was leisten IoT-Plattformen im Bereich der Sicherheit, und was müssen sie leisten können?

Wo ein KI-Service betrieben oder bezogen werden soll, ist immer auch eine Frage der Sicherheit und des Datenschutzes.

Trotz der ständig anwachsenden Datenmenge aus verschiedenen Quellen, sollten Unternehmen in der Lage sein, diesen Datenschatz zu heben und die Daten für sich nutzbar zu machen. Data Mesh kann der richtige Ansatz dazu sein.

Die Wirtschaftsstrategie "Industrie 4.0" ist seit 2013 ein ausgearbeitetes Konzept und inzwischen durch eine Referenzarchitektur zu einem global vertretbaren und übertragbaren Konzept geworden.

Im Gesundheitswesen haben Patienten, Klinikpersonal und Forscher hohe Erwartungen an die Rolle der Informatik, die sie in vielerlei Hinsicht unterstützen soll.

Der Prozess der Datenaufbereitung umfasst die Zusammenführung und Umwandlung von Daten. Nur mit erstklassigen Daten lassen sich beispielsweise Lösungen für Machine Learning und Künstliche Intelligenz effizient, sicher und zuverlässig versorgen.

Data Literacy oder Datenkompetenz ist für die heutige und jede kommende Generation so wichtig wie das Lesen für ältere oder vergangene Generationen.

Aus dem täglichen Umgang mit dem Internet ist die Nutzung von verknüpften Daten nicht mehr wegzudenken. Seien es Freundschaftskreise auf Facebook und LinkedIn, Taxi- Anforderungen auf Uber oder Empfehlungen auf Amazon und Ebay.

Bestimmte KI-Systeme bergen Risiken, die angegangen werden müssen, damit es nicht zu unerwünschten Ergebnissen kommt, so die EU-Kommission. Doch wie steht es um das Vorhaben der EU-weiten KI-Regulierung?

Das Internet der Dinge (IoT) ist das Nervensystem der Digitalisierung, so hört man es von Marktforschern. Trotzdem kommen Sicherheit, Datenschutz und Compliance im IoT immer noch zu kurz.

DataOps steht für das moderne Management von Unternehmensdaten im KI-Zeitalter. Mit DataOps können Unternehmen Datenkonsumenten und -ersteller nahtlos miteinander verbinden, um Daten jeder Art schnell zu finden und ihren Wert auszuschöpfen.

Was haben Unternehmen wie ING Bank, Lyft, Audi oder Bosch gemeinsam? Der wirtschaftliche Erfolg dieser Unternehmen lässt sich nicht zuletzt darauf begründen, dass sie entscheidende Erkenntnisse schnell aus großen Datenmengen ziehen können.

Der Begriff AIOps taucht immer häufiger auf, wird aber aus naheliegenden Gründen häufig mit dem Begriff MLOps verwechselt. Innerhalb der Analyse-Landschaft ist es ein wichtiger Bestandteil von Operational Intelligence.

KI wird im Unternehmen viel seltener genutzt als gedacht. Das liegt aber nicht nur an den Bedenken, die Datenschutzvorgaben nicht einhalten zu können, sondern auch an fehlender KI-Infrastruktur.

Wie in der Wirtschaft so ist es auch bei der Künstlichen Intelligenz, Wachstum wird durch Eingriffe gebremst, richtig? Die Investitionsbereitschaft für KI könnte höher sein. Zertifikate und Prüfungen könnten hier einen Unterschied machen.

Was genau kann KI im Handel eigentlich bewirken? Diese Frage stellen sich die 36 Prozent der Händler mit konkreten Umsetzungsplänen in den nächsten Jahren, so eine Studie des EHI Retail Institutes.

Daten werden für Unternehmen aller Branchen immer wichtiger. Für 85 Prozent der Unternehmen in Deutschland mit 50 oder mehr Beschäftigten hat die Datennutzung bereits heute eine große Bedeutung.