Mit einem aufwendigen Angriff könnte der fest kodierten Kryptoschlüssel der Siemens-SPS in die Hände von Cyberkriminellen fallen. Damit würden sie die vollständige Kontrolle über jede SPS der entsprechenden Produktlinie erlangen.

Wie setzen wir Industrie 4.0 schnell und effizient um? Mit dieser Frage beschäftigen sich derzeit viele Industrieunternehmen. Statt allein vor sich hin zu tüfteln, ist heute mehr denn je die Zusammenarbeit gefragt.

Gemeinsam wollen die Unternehmen das Xcelerator-Portfolio von Siemens zugänglicher machen. Dabei handelt es sich um eine Plattform, die Werkzeuge zur Digitalisierung zusammenfasst.

TriviaQA ist ein Datensatz zum Testen des Leseverständnisses und der Fähigkeit zum Beantworten von Fragen. Er kommt für Benchmarks von Sprachmodellen zum Einsatz und besteht aus 95.000 Frage-Antwort-Paaren mit 650.000 zugehörigen Nachweistexten. Entwicklungsziel von TriviaQA war es, schwer zu beantwortende Fragen mit hoher syntaktischer und lexikalischer Variabilität zusammenzustellen. Die Beantwortung erfordert ein Verständnis längerer Textpassagen und die Fähigkeit zu logischen Schlussfolgerungen.

Auch wenn im Juli häufig die Sommerpause für Events einkehrt und dieses Jahr auch der Coronavirus die Eventplanung durcheinander bringt, gibt es dennoch einige Events, auf die sich Interessierte freuen können.

Visionen von glänzenden, automatisierten High-Tech-Städten sind seit langem ein Grundbestandteil der Science-Fiction. Doch mittlerweile beginnt die technologische Realität diesen Traum zu verwirklichen. Regierungen und Technologiekonzerne investieren Milliarden, um die vernetzte intelligente Stadt Wirklichkeit werden zu lassen, inklusive aller damit einhergehenden Sicherheitsrisiken.

An der Katholischen Universität Eichstätt-Ingolstadt (KU) ist das Mathematische Institut für Maschinelles Lernen und Data Science (MIDS) an den Start gegangen.

M3GNet ist ein an der University of California, San Diego, entwickelter KI-Algorithmus, mit dem sich die Strukturen und Eigenschaften von bereits existierenden oder noch neu zu synthetisierenden Materialien vorhersagen lassen. Mithilfe des Algorithmus wurde die Datenbank matterverse.ai erstellt. Sie enthält Eigenschaften von rund 31 Millionen Materialien, die noch nicht synthetisiert wurden. M3GNet funktioniert im gesamten Periodensystem der chemischen Elemente.

Machine Learning (ML) wird schon lange als wichtiger Trend gehandelt und dank einfach zugänglicher Tools bekommen dieses Jahr endlich mehr Unternehmen die Chance, Kapital aus ML zu schlagen. Dadurch können sie einerseits selbst größte Datenmengen nutzen und andererseits zu tiefergehenden Erkenntnissen gelangen, die fürs bloße Auge unsichtbar bleiben würden. Doch wie immer gibt es einen entscheidenden Haken, den Unternehmen unbedingt beachten sollten.

Der Digitalverband Bitkom hat einen Leitfaden zum Thema Metaverse veröffentlicht. Er zeigt konkrete Anwendungsfälle und Chancen des Industrial Metaverse für interessierte Unternehmen auf.