KI-Modelle ermöglichen eine breite Palette von Anwendungen – von präziser Bilderkennung über natürliche Sprachverarbeitung bis hin zu datengetriebenen Vorhersagen. Doch die Bereitstellung dieser Modelle stellt Unternehmen vor große Herausforderungen. Unterschiedliche Infrastrukturen, technische Anforderungen und Deployment-Prozesse machen es schwierig, KI-Modelle schnell und effizient zu implementieren. Edge-basierte Inferenz verteilt die Arbeitslasten lokal und reduziert so die Latenzzeit und verringert die Komplexität des Managements der Models.

Von smarter Qualitätskontrolle über verbesserte Arbeitssicherheit bis zu effizienter Logistik: die Chancen, die Computer Vision in der Fertigung bietet, sind schier grenzenlos. Erfahren Sie, wie intelligente Kameras am Edge Maschinen das Sehen beibringen und Produktionsabläufe revolutionieren.

Eine Studie von AWS zeigt: Deutsche Unternehmen priorisieren generative KI bei ihren Investitionen für 2025. Die Technologie verändert nicht nur Budgets, sondern auch die Führungsetagen – mit dem Chief AI Officer als neuer Schlüsselrolle. Der größte Bremsfaktor bleibt der Mangel an Fachkräften.

Qualcomm, Aetina und Data Systems bringen eine Edge-KI-Lösung für Unternehmen an den Start. Ein Enterprise AI Assistant soll Dokumente erfassen, Bestellungen automatisieren und klassische IT-Architekturen herausfordern. Das Trio setzt dabei auf massive Rechenleistung am Netzwerkrand – und will Prozesse fast vollständig von Handarbeit befreien.

Nicht nur Compliance-Vorgaben wie der AI Act der EU (KI-VO) und die Datenschutzgrundverordnung (DSGVO) fordern eine Risikoanalyse bei Einsatz von KI (Künstliche Intelligenz). Auch für die Unternehmen selbst ist ein KI-Risikomanagement entscheidend, denn viele Unternehmen, die bisher auf eine KI-Nutzung verzichten, tun dies, weil sie Risiken durch die KI fürchten. Das neue E-Book „Risikomanagement bei der Künstlichen Intelligenz“ von BigData-Insider klärt auf.

Confluent führt Snapshot-Abfragen für Apache Flink ein. Die Funktion verbinde historische und Echtzeitdaten in einem Fluss – und soll damit Stream Processing und Agentic AI erstmals auf gemeinsame technische Basis bringen. Neue Netzwerk- und Sicherheitsfeatures zielen auf hybride Szenarien in Unternehmen.

NTT DATA präsentiert ein umfassendes Ökosystem für smarte KI-Agenten, das Unternehmen neue Werkzeuge zur Automatisierung und Effizienzsteigerung an die Hand geben soll. Branchenübergreifend könnten bestehende RPA-Bots in adaptive KI-Agenten verwandelt werden.

70 Prozent der Firmen in Deutschland haben bereits Innovationsprojekte aus Datenschutzgründen gestoppt. Dies Ergab eine Studie des Branchenverbands Bitkom. Bürokratische Hürden und Sorge um Nachteile machen demnach den Datenschutz in den Augen vieler Unternehmen zur größten Ditigalisierungsbremse – und zu einem Standortnachteil für Deutschland.

Roboterarme greifen nach mehr Jobs und mehr Verantwortung: Einer globalen Umfrage zufolge verlassen sich immer mehr Führungskräfte auf Maschinen, wenn es um wichtige Aufgaben am Arbeitsplatz geht. Doch ausgerechnet in Deutschland bleibt das Vertrauen in die Technologie zwiegespalten, so eine neue QNX-Studie.

Red Hat bringt mit dem Inference Server eine offene Plattform, die den Einsatz von GenAI-Modellen vereinfachen soll. Mit Modellkomprimierung und einem optimierten Repository ermöglicht sie eine effiziente Nutzung in verschiedenen Cloud- und IT-Umgebungen.