Sprachmodelle glänzen oft in komplexen Aufgaben – und scheitern an simplen Fragen. Salesforce AI Research will diese „erratische Intelligenz“ bändigen. Mit eVerse entsteht ein Simulationsframework, das KI-Agenten messbar zuverlässiger machen soll.

Der Einsatz neuronaler Netze in eingebetteten Systemen ist aufgrund von Energie-, Ressourcen- und Laufzeitanforderungen herausfordernd. FPGas bieten durch ihre Konfigurierbarkeit mehr Freiheiten als GPUs, ohne mehr Energie zu benötigen – gezielte Optimierung vorausgesetzt.

Nachdem Künstliche Intelligenz (KI) Einzug in die Geschäftswelt gehalten hat, ist die nächste Reifestufe eine Kombination der Technologie mit weit größerer Rechenleistung. Quanten-KI beispielsweise eröffnet der deutschen Industrie eine spannende Perspektive, weil sie Geschwindigkeit, Präzision, Effizienz und Innovationskraft in Bereichen ermöglicht, in denen klassische Technologie an Grenzen stößt.

Automated Machine Learning (AutoML) verspricht, den Aufwand für Modellwahl und Hyperparameter-Tuning drastisch zu reduzieren. Mit AutoML-Frameworks können Data Scientists und Entwickler schneller zu leistungsfähigen Modellen gelangen, ohne jeden Schritt manuell optimieren zu müssen. In diesem Artikel schauen wir uns Auto-sklearn und FLAML genauer an.

KI-Projekte bieten vielfältige Möglichkeiten, Prozesse, Produkte und Services neu zu gestalten. Damit daraus echter Mehrwert entsteht, braucht es hochwertige Daten. Eine durchdachte Datenstrategie und eine positive Datenkultur bilden dafür das Fundament.

Die EU-Kommission hat am 19. November 2025 ein Gesetzgebungspaket vorgelegt, mit dem sich überschneidende Vorschriften in den Bereichen DSGVO, E-Privacy, Data Act, Künstliche Intelligenz (KI) und Cybersicherheit vereinheitlicht werden sollen. Dieser sogenannte „Digital Omnibus“ enthält auch umfassende Änderungen der noch recht jungen KI-Verordnung (KI-Omnibus). Mit dem geplanten KI-Omnibus reagiert die EU auf die Herausforderungen bei der Umsetzung der KI-Verordnung und führt pragmatische Erleichterungen ein, ohne die grundlegenden Schutzstandards zu gefährden.

Mit Gemini 3 rückt Googles KI-Assistent tiefer in operative Systeme vor. Nach Einschätzung von Check Point wächst damit eine neue Angriffsfläche: multimodale Attacken, agentische Fehlkonfigurationen und unkontrollierte Modellzugriffe.

Unternehmen setzen Computer Vision ein, um Sicherheit, Qualität und Effizienz zu steigern. Die Technologie wertet visuelle Daten sofort aus, erkennt Muster und klassifiziert Objekte. So lassen sich Abläufe optimieren, Kosten senken und Risiken verringern.

Mit CleverBenchmark.AI bringt Audius einen KI-gestützten Benchmark-Service auf den Markt. Das System erfasst und vergleicht Wettbewerbsprodukte kontinuierlich, normalisiert Daten und stellt sie für Analysen bereit. Unternehmen sollen damit Produktstrategien schneller bewerten können.

Künstliche Intelligenz (KI) prägt längst die Zuverlässigkeit digitaler Dienste – von Empfehlungssystemen über automatisierte Workflows bis hin zu Sicherheitsanwendungen. Wie gut ein Modell arbeitet, hängt dabei unmittelbar von der Qualität seiner Trainingsdaten ab. Verzerrte, unvollständige oder unausgewogene Datensätze erzeugen systematische Bias-Effekte, die in realen Anwendungen spürbare Auswirkungen haben.