Künstliche Intelligenz

Künstliche Intelligenz (KI) wird zwar günstiger, kann Unternehmen aber dennoch immer mehr kosten. Der Grund dafür ist der wachsende Tokenverbrauch Agenten-basierter Systeme. Wer KI wirtschaftlich skalieren will, muss deshalb genauer hinschauen, welcher Rechenaufwand tatsächlich hinter jeder Aufgabe steckt.

Wenn die Nutzung leistungsfähiger KI-Modelle immer teurer wird, geraten Unternehmen unter Kostendruck. Eigene KI-Infrastrukturen könnten helfen, Ausgaben besser zu planen und Abhängigkeiten von externen Anbietern zu verringern.

Reflection AI hat mit Beam ein textbasiertes KI-Modell für Coding, Schlussfolgern und agentische Aufgaben vorgestellt. Es umfasst 501 Milliarden Parameter, von denen jeweils 23 Milliarden aktiv sind. Die Gewichte sind noch nicht öffentlich verfügbar; ihre Freigabe unter Apache 2.0 sei in Kürze geplant.

Data Lakes haben Unternehmen dabei geholfen, Informationen aus zahlreichen Systemen zu konsolidieren, doch das allein macht für KI-Agenten die Beziehungen zwischen den Daten noch nicht zugänglich. Da Agenten zunehmend domänenübergreifend Schlussfolgerungen ziehen müssen, können unzusammenhängende Daten zu langwierigen Suchvorgängen, einer ineffizienten Nutzung von Tokens und unzuverlässigen Ergebnissen führen. Knowledge-Graphen und Ontologien können eine Kontextebene bereitstellen, die vorhandene Unternehmensdaten miteinander verknüpft und diese Beziehungen explizit macht.

Beim ServiceNow AI Summit für die DACH-Region in München stand eine neue Phase der Unternehmens-KI im Mittelpunkt: KI verlässt die Experimentierphase und hält Einzug in produktive Abläufe. Jetzt hilft der Integrations­spezialist Unternehmen dabei, ihre KI-Agenten und -Anwendungen zu erfassen, zu überwachen und zu steuern.

Viele Industrieunternehmen wollen die Entwicklung neuer Materialien mit Künstlicher Intelligenz beschleunigen. In der Praxis führt das jedoch oft in eine Sackgasse. Wer allein auf Daten und statistische Modelle setzt, stößt schnell an Grenzen. Denn Materialien folgen physikalischen Gesetzmäßigkeiten, die sich nicht aus Korrelationen allein ableiten lassen. Fünf typische Fehler kosten R&D-Abteilungen viel Zeit und Geld.

Die meisten Azubis nutzen KI, wissen aber nicht, wie sie arbeitet. Ein Projekt der Uni Augsburg ändert das. Dort bauen Azubis eigene KI-Lösungen und haken eine lästige Werkstattaufgabe für immer ab.

TÜV Süd und das Saarbrücker Start-up QuantPi wollen KI-Systeme in Robotern und autonomen Maschinen gemeinsam prüfen. Statistisch abgesicherte Tests sollen als Nachweis in Konformitätsbewertung und Zertifizierung dienen.

Mit „AI Passport“ sollen Unternehmen zur Laufzeit prüfen können, was KI-Agenten und MCP-Server tun dürfen. Das gilt auch für Agenten anderer Hersteller. Verfügbar sein soll das im vierten Quartal.

Ein Angreifer lässt rund zwölf KI-Agenten Schadcode entwickeln, während in Unternehmen KI-Tools laufen, die die IT nie freigegeben hat. Sophos bringt dafür nun „AI Defense“ auf den Markt. Das Zusatzmodul soll Schatten-KI aufspüren und per Richtlinie regeln.

Deutsche Unternehmen setzen KI im IT-Betrieb häufiger ein als britische und französische, und mehr als die Hälfte sieht die eigene Governance im Rückstand. Eine Datadog-Umfrage legt nahe, dass dieses Eingeständnis eher für Reife spricht: Am sichersten fühlen sich ausgerechnet die Unternehmen mit den schwächsten Kontrollen.

Mit NAVA hat das Fraunhofer IAO eine Anwendung entwickelt, die Informationssicherheit für automatisierte Verwaltungsprozesse gewährleistet: Sensible Daten werden durch Platzhalter ersetzt. Wie Nutzende ihre Datenschutzpräferenzen künftig selbstbestimmt und dienstübergreifend verwalten können, untersucht zudem das Fraunhofer IESE im Forschungsprojekt ddpp.

Mit Code Layers, Specs und einem erweiterten MCP-Server will Figma Prototypen aus KI-Coding-Tools zurück in die gemeinsame Arbeitsfläche holen. Vieles davon startet als Beta, einiges nur für zahlende Kunden.

Ein erfahrener Entwickler kennt seine Codebase nicht auswendig. Er weiß nicht, was in jeder Funktion steht. Aber wenn etwas kaputt geht, weiß er innerhalb von Sekunden, wo er nachschauen muss. Damit ein Entwickler so gut durch seinen eigenen Code navigieren kann, benötigt er einen Überblick über das ganze System: Frontend, Backend, Datenbank und Infrastruktur, zumindest in ihren Umrissen, dazu das Wissen darüber, an welchen Stellen diese Teile ineinander greifen.

Künstliche Intelligenz (KI) verändert die Softwareentwicklung und stellt Entwickler vor neue Herausforderungen. Die Keynotes des ESE-Kongresses 2026 (30. November bis 4. Dezember 2026) beleuchten, wie sich KI-Modelle absichern, Fehler in Sprachmodellen aufdecken und autonome KI-Agenten kontrollieren lassen. Im Fokus stehen dabei praxisnahe Lösungsansätze für eine sichere und zuverlässige Entwicklung.

Der KI-Entwicklungsassistent IBM Bob kann künftig selbst gehostet werden. So soll es Unternehmen möglich sein, KI-Software in der eigenen Infrastruktur zu entwickeln und zu betreiben, also in Umgebungen, in denen sie die Kontrolle haben.