Rasante Fortschritte im der KI haben leistungsstarke LLMs (Large Language Models) in den Vordergrund gerückt. Die meisten leistungsstarken Modelle sind jedoch sehr rechenintensiv und erfordern cloudbasierte Inferenz, was sie für das Edge-Computing unpraktisch macht. DeepSeek-R1 ist ein Beispiel, wie Open-Weight-Modelle zusammen mit effizienten Destillationstechniken KI am Edge revolutionieren können.

Ein Forschungsteam am Max-Planck-Institut für Polymerforschung hat mit dem Transferdruckverfahren das leitfähige Polymer Pedot:PSS entwickelt und durch die gezielte Diffusion von Weichmacher aus dem Substrat in den Polymerfilm modifiziert. Diese verformbare Sensoren können direkt auf der Haut getragen werden.

Mit dem Erweiterungsstudium Artificial Intelligence Engineering bringt die TU Graz ab Herbst 2025 ein neues Qualifizierungsformat an den Start. Das englischsprachige Programm vermittelt Masterabsolventen technischer und naturwissenschaftlicher Disziplinen erstmals praxisnahe Kompetenzen im Bereich KI, ohne auf ein klassisches Informatikstudium angewiesen zu sein.

Dell Technologies und TD Synnex eröffnen drei KI-Labore in Europa, eines davon in München. Mit Zugriff auf die „Dell AI Factory with Nvidia“ sollen Kunden und Partner ihre KI-Projekte optimieren und validieren sowie für eine Integration mit Unternehmensdaten in Echtzeit vorbereiten können.

Damit KI-Anwendungen wie ChatGPT vertrauenswürdig sind, sollten sie den hohen Qualitätsanforderungen der EU-KI-Verordnung entsprechen. Mit dem modularen Leitfaden des BSI sollen KI-Anbieter die Vorgaben leichter umsetzen können.

Mit dem „Trust Score for AI“ möchte Qlik eine Lösung für ein zentrales Problem moderner KI-Initiativen liefern: Unternehmen sollen die Vertrauenswürdigkeit ihrer Daten objektiv bewerten, überwachen und Schwachstellen gezielt adressieren können. Der Fokus liege auf Datenqualität, Governance und messbarer KI-Tauglichkeit.

Denodo präsentiert mit DeepQuery eine Deep-Research-Funktion, die komplexe Unternehmensfragen in Echtzeit beantworten möchte. Die Lösung will generative KI mit direktem Zugriff auf verteilte Datenquellen verbinden und so strukturierte, nachvollziehbare Analysen liefern.

Die Dynamik moderner KI- und Datentechnologien stellt Unternehmen vor die Herausforderung, Wertschöpfungspotenziale zu erkennen und umzusetzen. Eine klare Planung hilft, mit dem Tempo technologischer Veränderungen Schritt halten.

Es ist schon lange kein Geheimnis mehr: KI-Technologien haben sich bereits einen Namen als praktische Helfer gemacht haben, und es steht außer Frage, dass sie auch verheerende Schäden anrichten können. Dies wissen auch Cyberkriminelle, die sie für gezielte Angriffe nutzen. Zum Glück verfügen Unternehmen bereits über Möglichkeiten, sich vor KI-gestützten Angriffen zu schützen.

Die Frage, ob Künstliche Intelligenz (KI) für ein Unternehmen interessant ist, stellt sich heute nicht mehr. Denn unabhängig davon, in welcher Branche ein Unternehmen arbeitet oder was es produziert, KI-Lösungen bieten enorme Effizienzsteigerungen. Die nächsten Evolutionsstufen der KI stehen schon unmittelbar bevor: Agentic AI, Teams aus KI-Agenten, humanoide Roboter, branchenspezifische KIs, sogenannte „Industry Models“ und die Mensch-KI-Zusammenarbeit in gemischten Teams.