InfluxData stellt mit InfluxDB 3 Core und Enterprise zwei neue Varianten seiner Zeitreihendatenbank vor. Die Architektur sei neu, der Fokus liege auf Tempo, Skalierung und Analyse in Echtzeit. Doch wie viel Fortschritt steckt hinter der Ankündigung?

Kritik von Datenschützern verzögerte den Start von Metas KI in der EU. Wer öffentliche Beiträge bei Facebook oder Whatsapp verfasst, muss künftig damit rechnen, dass sie zum Software-Training genutzt werden. Widerspruch ist wohl sinnlos. Meta hat seinen KI-Assistenten fest verbaut.

Salesforce kündigt mit „Tableau Next“ die Zukunft seiner Analytics-Plattform an. Im Zentrum stehen semantische Modelle und KI-Agenten.

Altair und Databricks wollen ihre Systeme für Datenanalyse und Künstliche Intelligenz (KI) enger verzahnen, um den Zugriff auf Daten zu vereinfachen und maschinelles Lernen zu beschleunigen. Kunden könnten künftig Modelle schneller entwickeln, bereitstellen und skalieren.

Das Festival für Daten und Künstliche Intelligenz wächst rasant. Mit 6.500 Teilnehmern und über 150 Speakern bot data:unplugged 2025 einen breiten Mix aus Use Cases, Netzwerk und Vision.

Autonome Fahrzeuge, Drohnen und Roboter agieren zunehmend selbstständig. Damit sie sicher funktionieren, müssen sie unter verschiedensten Bedingungen erprobt werden – noch bevor sie real zum Einsatz kommen. Digitale Zwillinge, also virtuelle Abbilder von Systemen und Umgebung, gelten dafür als Schlüsseltechnologie.

Prompt Engineering entwickelt sich rasant zu einer der strategisch wichtigsten Disziplinen im Kontext generativer KI. Ob Chatbots, Textgeneratoren oder Code-KI: Wer Maschinen bessere Fragen stellt, bekommt bessere Antworten und somit auch bessere Ergebnisse.

Vibe Coding liegt im Trend und scheidet die Geister: Kaum eine Technologie wird derzeit so intensiv diskutiert. Die Meinungen reichen von einer echten Revolution in der Softwareentwicklung bis hin zum abschreckenden Beispiel für eine überhöhte Erwartung an Künstliche Intelligenz. Doch was steckt eigentlich hinter dem Begriff?

Leistungsfähige Katalysatoren, neue medizinische Wirkstoffe oder effizientere chemische Syntheserouten – all dies soll die KI ermöglichen. Doch Künstliche Intelligenz (KI) geht dabei teils ganz eigene Wege, die für menschliche Bediener nicht nachvollziehbar sind. Ein Risiko für folgenschwere Missverständnisse, warnt eine aktuelle Publikation – und gibt Hinweise zum Umgang mit KI-Modellen in der Forschung.

Label Flipping ist eine Angriffsmethode, die auf das maschinelle Lernen von KI-Modellen abzielt. Sie manipuliert die Label der Daten, mit denen die KI trainiert wird. Dadurch lässt sich das Verhalten der Modelle manipulieren. Label Flipping kann die Performance, Zuverlässigkeit und Genauigkeit der Künstlichen Intelligenz signifikant beeinträchtigen.