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.

Seit der Einführung des iPhones im Jahr 2007 hat kaum eine Technologie die Wirtschaft so tiefgreifend verändert wie Künstliche Intelligenz (KI) – insbesondere in Form von Large Language Models (LLMs). Während internationale Technologiekonzerne wie Alphabet, Microsoft oder Apple KI längst zum integralen Bestandteil ihrer Produkte und Services gemacht haben, bleibt der Fortschritt in deutschen Unternehmen oft zögerlich.

SAP verschiebt den Fokus von generativer Künstlicher Intelligenz (KI) hin zu operativer, prozessnaher Intelligenz. Mit RPT-1 liegt erstmals ein Modell vor, das nicht auf Sprachdaten, sondern auf Geschäftsdaten trainiert wurde. Für mittelständische Unternehmen markiert das einen Wendepunkt.

Die Modellierung komplexer Zeitreihen erhält mit der Open-Source-Bibliothek Prophet eine strukturierte Grundlage. Die Bibliothek steht für Python und R zur Verfügung und fasst Trendkomponenten, periodische Muster und Ereigniseffekte in einem additiven Modell zusammen. Dadurch lassen sich Prognosen erstellen, die auch bei unregelmäßigen Intervallen oder fehlenden Werten belastbar bleiben.

Eine DeepL-Studie zeigt, dass KI-Agenten für viele Unternehmen 2026 den Übergang vom Experiment zur produktiven Automatisierung markieren sollen. 69 Prozent der global befragten Führungskräfte gehen von tiefgreifenden Veränderungen ihrer Abläufe aus. Die Daten zeichnen ein Bild wachsender Investitionen, aber auch hoher Erwartungen an Effizienz, Workforce-Readiness und technologische Reife.

Viele Unternehmen investieren in KI-Prototypen, aber nur ein Bruchteil schafft den Sprung in den produktiven Betrieb. Ein aktuelles Fraunhofer-Papier zeigt, woran industrielle KI-Projekte scheitern, bevor sie überhaupt relevante Datenströme oder Maschinen erreichen.