Data Lakes sind aus modernen Datenarchitekturen kaum wegzudenken. Sie bieten Unternehmen einen skalierbaren, zentralen Speicherort für Daten unterschiedlichster Herkunft – von klar definierten Transaktionsdaten bis hin zu unstrukturierten Sensordaten. Ihre Stärke liegt in der hohen Flexibilität – doch ohne ein durchdachtes Governance-Konzept droht der vermeintliche Datenpool zu einem „Data Swamp“ zu werden: unübersichtlich, inkonsistent und wenig vertrauenswürdig.

Angesichts der aktuellen Krisen haben gerade kleine und mittelständische Unternehmen (KMU) in puncto Innovationskraft einen großen Nachholbedarf. Bieten KI-Technologien im Software- und Systems-Engineering eine wirksame Stellschraube für Innovationen und die Steigerung der Produktivität?

Siemens hat mit mehreren Werkzeugmaschinenherstellern und Forschungspartnern eine Datenallianz gegründet. Gemeinsam wollen sie anonymisierte Maschinendaten nutzen, um generative KI für die Fertigung einzusetzen.

Eine Umfrage des Ifo-Instituts zeigt, dass viele Unternehmen in Deutschland in den kommenden Jahren durch den verstärkten Einsatz von Künstlicher Intelligenz Arbeitsplätze abbauen könnten. Besonders betroffen ist die Industrie, aber auch der Handel rechnet mit Auswirkungen.

Der Chipkonzern Nvidia ist der führende Anbieter von Chips für Künstliche Intelligenz. Damit das so bleibt, geht der Konzern einen bis zu 100 Milliarden US-Dollar schweren Pakt mit den Entwicklern von ChatGPT ein.

Das volle Potenzial von KI entfaltet sich nur, wenn auch die zugrunde liegende Infrastruktur mithalten kann. Ohne ein modernes, elastisches Betriebsmodell wird ein erfolgreicher Einsatz moderner KI-Anwendungen stark erschwert.

Künstliche Intelligenz (KI) unterstützt heute zunehmend die zentralen Abläufe in Unternehmen und liefert spürbare Ergebnisse. Wie groß die Mehrwerte durch KI letztlich ausfallen, hängt jedoch stark vom jeweiligen Einsatzszenario ab. Wie gelingt es, die richtigen Anwendungsfälle zu identifizieren und diese erfolgreich umzusetzen?

Künstliche Intelligenz (KI) verspricht Banken und Versicherungen Effizienzgewinne und neue Kundenerlebnisse. Doch strategische Einbindung, klare Governance und eine tragfähige Datenbasis bleiben Herausforderungen.

Eine Analyse von Hostinger zeigt: KI-Crawler wie OpenAIs GPTBot scannen inzwischen mehr Webseiten als der Googlebot. Neue Player wie TikTok und Anthropic mischen ebenfalls mit. Das Crawling des Webs wird damit zunehmend von US- und chinesischen Anbietern geprägt – mit Folgen für Datenverfügbarkeit, Sichtbarkeit und Wertschöpfung.

Mit Version 18.4 erweitert GitLab seine DevSecOps-Plattform um KI-gestützte Funktionen. Neue Werkzeuge wie Knowledge Graph, Agentic Chat und ein KI-Katalog sollen Automatisierung, Nachvollziehbarkeit und Governance verbessern.