+++ Connected Cars: Chancen und Herausforderungen +++ Deutsche Clouds sind sicher – aber auch sicher genug? +++ Mehr Transparenz bei Künstlicher Intelligenz +++

Viele Unternehmen tun sich schwer in Sachen künstlicher Intelligenz (KI). Die Erfolgschancen sind vielsprechend, ein zu spätes Einsteigen könnte der Konkurrenz Wettbewerbsvorteile verschaffen. Doch die Entscheidung für eine Strategie fällt schwer.

Künstliche Intelligenz (KI) wird viele Branchen verändern. Doch um das Potenzial einer KI-Lösung erfolgreich umzusetzen und zu nutzen, braucht es die richtigen technischen Voraussetzungen: eine Infrastruktur, die den Ressourcenhunger der KI bedient.

Papierloses Büro, ERP- und CRM-Systeme: Die digitale Transformation ist in vielen Unternehmen bereits Realität. Den Schritt in die Public Cloud scheuen dagegen viele, obwohl die Auslagerung von Infrastruktur und Daten viele Vorteile bietet.

Technologien wie Künstliche Intelligenz und Machine Learning haben die Fähigkeit, Muster in Daten zu erkennen und können dadurch helfen Probleme zu lösen oder Unternehmen einen Wettbewerbsvorteil zu verschaffen.

Heutzutage unterliegen Daten einem rapiden Wachstum. Neue Technologien wie künstliche Intelligenz oder Deep Learning werden benötigt, nicht nur um diese Datenmengen zu analysieren und auszuwerten, sondern auch davon zu lernen.

In der heutigen Unternehmenswelt bekommen neue Technologien, wie künstliche Intelligenz, immer größere Bedeutung zugesprochen. Und obwohl KI schon mehrfach im Einsatz ist, bleiben so manche Zweifel offen wie die Zukunft aussehen wird.

Eine effektive Zusammenarbeit zwischen Marketing und IT hängt von der Flexibilität der Marketingtools ab. Damit diese erfolgreich sind braucht es eine umfassende Strategie.

Das Internet der Dinge öffnet Unternehmen neue Wege, Daten als Entscheidungsgrundlage zu verwenden. Aber gleichzeitig schürt es auch die Bedenken an die Sicherheit. Aber was muss eine Sicherheitslösung können, um diesen neuen Gefahren zu begegnen?

+++ Das Netzwerk steht bei IoT- Sicherheit in der Pflicht +++ Woran Big-Data-Analysen wirklich scheitern +++ Was SD-LAN kann und worauf es ankommt +++ Grundlagen der Endpoint Security +++

Die vom Dezember 2017 bis Februar 2018 durchgeführte Umfrage zum Thema Industrie 4.0 beschäftigte sich mit Fragen wie: Ist der Trend vorbei oder relevanter denn je? Wo stehen Unternehmen? Noch bei der Planung oder bereits in der Umsetzung?

In der Baubranche ist es oft wichtig zu wissen, wer welche Maschinen oder Fahrzeuge gerade verwendet, um Einsätze besser zu planen. Solche Dokumentationen werden meist noch handschriftlich verfasst. Doch das kann fehleranfällig sein.

Die Cloud bietet Unternehmen eine Vielzahl von Vorteilen. Dazu zählen unter anderen Flexibilität, Skalierbarkeit und Verfügbarkeit. Dennoch ist die Cloud nicht für jede Arbeitslast ideal.

Künstliche Intelligenz, Marketing Automation und messbares Marketing - diese Themen sollten B2B Marketer 2018 auf der Agenda stehen haben. Was es mit diesen Trends auf sich hat? Das lesen Sie hier!

Per Definition ist das Ziel eines Programms für das Asset-Management sicherzustellen, dass Assets den Wert für alle Beteiligten in der Wertschöpfungskette über den gesamten Lebenszyklus zu maximieren.

Das sind die Big Data Risks 2018 +++ Sicherheit als Einkaufsbedingung +++ So funktioniert Google TensorFlow +++ Cloud-Nutzung und DSGVO in Einklang bringen

Digitalisierung ist für viele handeltreibende Unternehmen kein Fremdwort mehr, sondern eine Möglichkeit wettbewerbsfähig zu bleiben. Allerdings wird dies oft nur in Form von Webshops, digitalen Produkten und Services umgesetzt.

Big Data Analytics, Machine Learning und Artificial Intelligence sind in Zukunft noch wichtiger, wenn es um die Entscheidungsunterstützung in Unternehmen geht. Deshalb sind Angriffe auf Datenanalysen und Algorithmen sehr wahrscheinlich.

Business Intelligence (BI) bildet die Grundlage für viele Arten von Analytics. Diese ermöglichen es Unternehmen, effektiveres Marketing zu gestalten, Geschäftsabläufe zu verbessern, das Kundenerlebnis zu erhöhen oder Kosten zu minimieren.

Die Bezeichnung Next Generation Sequencing fast mehrere genanalytische Verfahren zusammen, die eine große Zahl von DNA-Molekülen parallel sequenzieren können. Sie eröffnen Medizin und Forschung vielfältige Chancen und Möglichkeiten.

Der Begriffe "Machine Learning", dominiert die Fachgespräche. Es sei nötig und wichtig für Unternehmensänderungen und revolutioniere überhaupt den Umgang mit Big Data. Aber was bedeutet Machine Learning überhaupt genau und wie setzt man es ein?