Digitalisierung befindet sich in einem Spannungsfeld zwischen Endkundenakzeptanz einerseits und sinnvollen Serviceangeboten von Maschinenbauern andererseits. Richtig angewendet eröffnet das Industrial Internet of Things aber zahlreiche Vorteile für alle Beteiligten.

Mit der Akquisition von Senseye erweitert der Konzern Siemens sein Portfolio im Bereich Digital Enterprise Services. Senseye ist auf KI-basierte Lösungen für Performance und Zuverlässigkeit von Industriemaschinen spezialisiert.

An der Universität des Saarlandes arbeitet ein Team um Informatik-Professor Dr. Jens Dittrich an einem disruptiven Ansatz zur Optimierung von Datenbanken. Evolutionäre Algorithmen sollen dabei die bestmöglichen Ergebnisse „züchten“.

Denodo erweitert seine Plattform um neue Funktionen. Sie sollen Unternehmen bei der organisationsweiten Demokratisierung ihrer Daten mithilfe von generativer KI sowie bei der Durchsetzung konsistenter Sicherheits- und Kostenmanagementrichtlinien unterstützen.

Die Verwaltung immer größerer Datenmengen stellt Unternehmen vor die Frage: Proprietäre, Open-Core- oder Open-Source-Lösungen nutzen? Kosteneffizienz, Skalierbarkeit, Flexibilität, Sicherheit und vor allem die Unabhängigkeit sprechen dabei für die Open-Source-Alternative.

Machine Learning (ML) und künstliche Intelligenz (KI) sind seit einigen Jahren zu einem wichtigen Bestandteil von Cybersecurity-Lösungen geworden. Vor allem sogenannte Deep-Learning-Ansätze erzielten in den vergangenen Jahren enorme Fortschritte und erlauben den Einsatz von ML-Technik in vielen neuen Anwendungsgebieten. Trotzdem ist es wichtig, sich vor Augen zu führen, dass ML allein kein Allheilmittel für alle Herausforderungen der Sicherheitsbranche ist.

Zusammen mit den beiden Partnern AAEON Technology und Basler offeriert MVTec ein nach eigenen Angaben einfach zu bedienendes Machine-Vision-Bundle mit integrierten Deep-Learning-Technologien. Das „UP Squared Pro AI Vision Development Kit“ sei mit Lieferung betriebsbereit und für eine Vielzahl möglicher Anwendungen ausgelegt.

Qualcomm Technologies und Meta arbeiten daran, dass das Sprachmodell Llama 2 von Meta künftig direkt auf Endgeräten wie Smartphones, PCs, VR/AR-Headsets und in Fahrzeugen ausgeführt werden kann – ohne dabei ausschließlich auf Cloud-Dienste zurückgreifen zu müssen.

In dem Papier wird gezeigt, wie verschiedene Technologien zusammenpassen, sich komplementär gegenseitig ergänzen und wie Interoperabilität über Domänen hinweg durch kombinierte Anwendung in der Industrieautomation erreicht wird.

Viele KI-Projekte scheitern aufgrund mangelnder Datenqualität. Unternehmen investieren zwar immer mehr in Machine Learning, vernachlässigen aber den Aspekt der Data Preparation: Die Qualität der Daten ist Grundvoraussetzung für den Erfolg eines Data-Science-Projekts.