Viele Unternehmen nutzen heute Unmengen von Daten, bislang allerdings meist innerhalb firmeninterner Silostrukturen. Föderierte Datenräume sollen helfen, durch kontrollierten Datenaustausch mit Dritten ungenutzte Potenziale zu erschließen.

Nach dem ersten großen Bildband über das menschliche Gesicht von Big Data, bewirbt EMC nun im zweiten Anlauf das Fachbuch des eigenen CTO zum Thema. Bill Schmarzo zeigt auf, wie sich Geschäftsnutzen aus dem großen Datenschatz ableiten lässt.

Wenn in der Embedded-Branche über die neue vernetzte Welt diskutiert wird, taucht unweigerlich die Frage auf: „Was soll das eigentlich mit diesem ‚Internet der Dinge’? Worin liegt der Hype darum begründet?“

IT-Entscheider, die in der Verantwortung stehen, Künstliche Intelligenz im Unternehmen einzuführen, stehen derzeit vor einem echten Balanceakt. Einerseits wollen sie fortschrittliche und besonders leistungsstarke Modelle nutzen, und das am liebsten zeitnah und für so viele Aufgaben wie möglich. Andererseits fürchten sie Risiken und explodierende Kosten.

Künstliche Intelligenz (KI), Machine Learning (ML) und Large Language Models (LLM) sind die aktuellen Hype-Themen, die zunehmend über die Wettbewerbsfähigkeit vieler Unternehmen entscheiden werden. Doch viele scheitern bereits beim ersten Schritt: der Datenbasis. Warum das so ist und wie dieser erste Schritt gelingen kann, war Thema der Fivetran Modern Data Stack Event Series, die vor Kurzem in München Station gemacht hat. Personio und Sennder berichteten aus der Praxis.

ChatGPT-4o ist die Bezeichnung für den KI-Chatbot ChatGPT von OpenAI mit Zugriff auf das neue Omnimodell GPT-4o. GPT-4o arbeitet wesentlich schneller, ist kostengünstiger im Betrieb und bietet viele Verbesserungen und neue multimodale Funktionen. Prinzipiell ist ChatGPT-4o kostenlos nutzbar.

Künstliche Intelligenz (KI) erzeugt Texte, Videos und Bilder, die sich kaum noch von denen von Menschen unterscheiden lassen. Auch Forschende lassen sich immer häufiger von KI unterstützen. Eine internationale Arbeitsgruppe hat nun Grundsätze für die Nutzung von KI in der Forschung erstellt, die das Vertrauen in Wissenschaft sichern sollen.

In einer Gesprächsrunde legten Red Hat und Intel vier Richtlinien für die Nutzung von Künstlicher Intelligenz dar. Die Runde war hochkarätig besetzt: Von Intel nahm Stephan Gillich, Intel Director AI in EMEA, teil, von Red-Hat-Seite eine Solution-Architektin und ein Vertriebsdirektor.

Eine Reasoning Engine ist eine Softwarekomponente, die logisch schlussfolgern kann. Sie wendet Regeln auf eine vorhandene Wissensbasis an, um neues Wissen abzuleiten oder Entscheidungen zu treffen. Schlussfolgerungsmaschinen kommen in vielen Bereichen, beispielsweise für Expertensysteme, zum Einsatz.

Die vierte Erhebungswelle der von der SRH Berlin University of Applied Sciences und Kaiserscholle durchgeführten Langzeitstudie „Künstliche Intelligenz – die Zukunft des Marketings“ zeigt: KI ist endlich im Marketing angekommen. Das KI-Training bleibt allerdings eine Herausforderung.