Features
Features
Künstliche Intelligenz (KI) und Machine Learning (ML)
-
Wie SAP KI-Funktionen in seine Geschäftsanwendungen einbaut
Philipp Herzig, Chief Artificial Intelligence Officer bei SAP, erläutert den Ansatz des Unternehmens in Bezug auf KI und wie es die Technologie für Kunden zugänglich macht. Weiterlesen
-
StorageX entwickelt Lösung für datenintensive KI-Workloads
StorageX hat eine Lösung für datenintensive Workloads entwickelt, die KI-Prozesse erleichtern soll. Lake Ti P100 ermöglicht Echtzeit-Analysen und maschinelles Lernen. Weiterlesen
-
Wie künstliche Intelligenz IT-Kosten in die Höhe treibt
Der Boom der KI-Anwendungen bringt nicht nur Vorteile mit sich. Nicht nur die Entwicklung kostet, sondern auch der enorme Strom- und Ressourcenaufwand reibt die Kosten in die Höhe. Weiterlesen
-
Groq LPU Inference Engine stellt NVIDIA-GPUs in den Schatten
Groq hat einen Prozessor entwickelt, der die Leistung von Grafikprozessoren bei großen Sprachmodellen übertreffen soll. Das Unternehmen nennt diesen Language Processing Unit (LPU). Weiterlesen
-
US-Wahl 2024: Die Positionen der Kandidaten zu Technologie
Der nächste US-Präsident wird den Ton bei Themen wie KI-Regulierung, Datenschutz und Klimatechnologie angeben. Wie stehen die prominenten Kandidaten zu diesen Themen? Ein Überblick. Weiterlesen
-
Generative KI: Die Nachhaltigkeitsprobleme erklärt
Generative KI-Tools und LLMs wie ChatGPT sind derzeit sehr populär. Hier ein Blick darauf, was das für die Umwelt bedeutet und wie man die negativen Auswirkungen verringern kann. Weiterlesen
-
GAN versus VAE: Was ist der bessere generative KI-Ansatz?
Generative KI ist auf dem Vormarsch. Zwei beliebte Ansätze sind GAN, das zur Generierung von Multimedia verwendet wird, und VAE, das eher für die Analysen eingesetzt wird. Weiterlesen
-
Wie die Zukunft des maschinellen Lernens aussieht
Maschinelles Lernen verändert die Art, wie wir Code schreiben, Krankheiten diagnostizieren und Inhalte erstellen. Die Implementierung erfordert jedoch sorgfältige Überlegungen. Weiterlesen
-
8 Bereiche für die Verfeinerung generativer KI-Metriken
Wenn Sie den Erfolg von generativer KI messen möchten, sollten Sie sich im Vorfeld der Entwicklung auf Metriken einigen, welche die Leistung des Modells bewerten. Weiterlesen
-
Wie wird Regression beim maschinellen Lernen angewendet?
Regression beim maschinellen Lernen unterstützt Anwender, Prognosen zu erstellen und bessere Entscheidungen zu treffen, indem sie die Beziehungen zwischen Variablen aufdeckt. Weiterlesen
-
Darauf sollten Sie bei AIOps für Storage achten
KI und ML im Storage hilft, Engpässe vorherzusagen, I/O-Probleme zu diagnostizieren und Upgrades zu empfehlen. Die Produkte sind aber meist proprietär und somit eingeschränkt. Weiterlesen
-
Generative KI: Speicher- und Backup-Verwaltung automatisieren
Generative KI kann beim Storage- und Backup-Management sich wiederholende Aufgaben und die Berichterstattung übernehmen, aber noch gibt es zahlreiche Faktoren zu beachten. Weiterlesen
-
Die Auswirkungen künstlicher Intelligenz auf soziale Medien
Das Potenzial der künstlichen Intelligenz, insbesondere der generativen KI-Modelle, beeinflusst die Art und Weise, wie Menschen interagieren und soziale Medien nutzen. Weiterlesen
-
AI Act: Zwischen Notwendigkeit und Überregulierung
Die EU arbeitet mit Hochdruck am AI Act, um ein Gesetz und somit juristische Richtlinien zu schaffen. Der Beitrag erklärt, was der AI Act ist und wo es zu Problemen kommen kann. Weiterlesen
-
Warum Standards und Zertifizierungen für die KI wichtig sind
Verschiedene Gremien und Institute wie das Fraunhofer Institut arbeiten an der Entwicklung von KI-Standards. Wir erklären, welche Faktoren hier wichtig sind und wie KI geprüft wird. Weiterlesen
-
So optimiert Cohesity Turing Data Protection und Backups
In Partnerschaft mit Google und Vertex AI entwickelte der Anbieter Turing, eine Sammlung an KI- und ML-Technologien, die das Backup und so die Data Protection optimieren sollen. Weiterlesen
-
Die Referenzarchitektur NVIDIA DGX SuperPOD mit VAST erklärt
Die Kombination aus dem DGX SuperPOD und der VAST-Plattform ist eine zertifizierte Referenzarchitektur für HPC- und KI-Workloads, die Flexibilität und Skalierbarkeit bieten soll. Weiterlesen
-
ChatGPT versus GPT: Wie unterscheiden sie sich?
Obwohl die Begriffe ChatGPT und GPT beide verwendet werden, um über generative vortrainierte Transformatoren zu sprechen, gibt es zentrale technische Unterschiede zu beachten. Weiterlesen
-
Ist ChatGPT besser als Low-Code-Tools für die Programmierung?
ChatGPT kann zwar Code schreiben, aber es kann keinen Code integrieren oder Designideen entwickeln. Außerdem birgt es Sicherheits- und Lizenzierungsrisiken. Weiterlesen
-
SAP integriert generativen KI-Assistenten in CX-Tools
SAP hat einen generativen KI-Assistenten in sein CX-Tool integriert und stellt spezielle Industry Accelerators zum besseren Verständnis von Kundendaten zur Verfügung. Weiterlesen
-
Algorithmische Vorurteile in KI-Systemen verhindern
Da Firmen Modelle wie GPT-4 integrieren, erfordert die Gewährleistung eines gerechten Zugangs zu Ressourcen aller Art einen offenen Diskurs über algorithmische Vorurteile in der KI. Weiterlesen
-
Potenzial und Risiken der KI in der Softwareentwicklung
KI in der Softwareentwicklung könnte einen Wandel bewirken, wirft aber ethische und praktische Bedenken auf. Was bedeutet KI-generierter Code für die Zukunft des Technologiesektors? Weiterlesen
-
Künstliche Intelligenz und maschinelles Lernen härten
Mit dem Einsatz von KI und maschinellem Lernen vergrößern Unternehmen ihre Angriffsfläche. Dem Thema Sicherheit wird dabei noch nicht ausreichend Aufmerksamkeit geschenkt. Weiterlesen
-
Generative KI verursacht neue juristische Herausforderungen
Vor 20 Jahren wurde Napster aus urheberrechtlichen Gründen verboten. Mehrere Gerichtsverfahren werfen die Frage auf, ob einige KI-Anbieter vor einem ähnlichen Problem stehen. Weiterlesen
-
Vorteile und Nachteile von KI-generierten Inhalten
Der Einsatz von KI nimmt rasant zu und unterstützt bei verschiedenen Aufgaben wie der Erstellung von Bildern und der Generierung von Inhalten. Allerdings kann KI nicht alles. Weiterlesen
-
Wie generative KI die Zusammenarbeit verbessert
Generative KI hat sich zum führenden Technologiethema entwickelt. Digitale Assistenten und Ideengenerierung sind zwei Wege, wie die Technologie die Produktivität steigern könnte. Weiterlesen
-
Zertifizierungen und Kurse für künstliche Intelligenz (KI)
Viele Kurse befassen sich mit den Grundlagen und Anwendungen der künstlichen Intelligenz (KI). Hier sind die zehn besten Programme und Zertifizierungen rund um KI. Weiterlesen
-
KI-Funktionen verschiedener CRM-Anwendungen im Vergleich
CRM-Anbieter setzen grundlegende KI-Funktionen auf unterschiedliche Weise ein. Die Gemeinsamkeiten und Unterschiede der KI-Funktionen in den wichtigsten CRM-Anwendungen. Weiterlesen
-
Datenaufbereitung für maschinellen Lernen in sechs Schritten
Zuverlässige Analyseergebnisse hängen von den richtigen Daten ab. Datenwissenschaftler sollten folgende Schritte gehen, wenn sie Daten für maschinelles Lernen aufbereiten. Weiterlesen
-
NLP und KI treiben automatisiertes Data Warehouse voran
Moderne Data Warehouses automatisieren so viele Elemente wie möglich. Features wie Augmented Analytics und Natural Language Processing optimieren die Prozesse. Weiterlesen
-
In sieben Schritten ein Machine-Learning-Modell entwickeln
Die Entwicklung eines Machine-Learning-Modells für die Prozessrationalisierung und die Umsetzung von Business-Plänen erfordert Geduld, Vorbereitung und Ausdauer. Weiterlesen
-
Zehn Beispiele für KI-Technlogien im Kundenservice
Künstliche Intelligenz (KI) und KI-gestützte Tools sorgen für mehr Effizienz und Kostensenkung im gesamten Kundenserviceteam. Zehn KI-Anwendungsbeispiele im Kundendienst. Weiterlesen
-
Datenbank- und Analytics-Software aus dem Silicon Valley
Das Silicon Valley gilt erste Adresse für Unternehmensgründungen. Die zweiteilige Artikelserie präsentiert acht Start-ups aus dem Software- und Datenbankumfeld. Weiterlesen
-
Wie Unternehmen RPA und Machine Learning zusammen einsetzen
RPA führt zusammen mit maschinellem Lernen und anderen KI-Techniken zu einer intelligenten Automatisierung. Doch die beste Automatisierung hängt von den Bedürfnissen ab. Weiterlesen
-
Was ist der Unterschied zwischen KI und IT-Automatisierung?
KI und Automatisierung gehen Hand in Hand, doch es gibt wichtige Unterschiede zwischen ihnen. Wie KI und Automatisierung zusammenarbeiten und was sie unterscheidet. Weiterlesen
-
Was sind die Unterschiede zwischen RPA und IPA?
RPA und IPA können ineinandergreifen, um den Umfang eines Prozessautomatisierungsprojekts zu erweitern. Aber zuerst ist es wichtig, die wichtigsten Unterschiede zu verstehen. Weiterlesen
-
RPA versus KI: Was unterscheidet die Technologien
Der Einsatz von RPA und KI nimmt rapide zu, doch es gibt immer noch Verwirrung über die sich gemeinsam entwickelnden Technologien. Die Unterschiede und Gemeinsamkeiten erklärt. Weiterlesen
-
Business-Intelligence-Trends für 2021 und darüber hinaus
Diese acht Business-Intelligence-Trends beeinflussen, wie Unternehmen im Jahr 2021 mit Daten arbeiten. Neben Augmented und Embedded Analytics wird der Markt von RPA geprägt. Weiterlesen
-
Was Predictive Maintenance ist und wie es angewendet wird
Mit Predictive Maintenance lassen sich Ausrüstung und Anlagen überwachen sowie mögliche Ausfälle vorbeugen. Was man zu Predictive Maintenance wissen muss. Weiterlesen
-
Wie Robotic Process Automation menschliche Arbeit übernimmt
Dank der Fortschritte bei Robotic Process Automation (RPA) ist eine personalisierte Roboterbelegschaft im Anmarsch. Wie sollten sich CIOs auf diesen Trend vorbereiten? Weiterlesen
-
Drei Anwendungsfälle für intelligente Prozessautomatisierung
Intelligente Prozessautomatisierung und RPA-Anwendungen unterstützen Unternehmen bei der digitalen Transformation. Doch welche Anwendungsfälle gibt es hierfür? Weiterlesen
-
Neue Deep-Learning-Techniken verbessern KI-Anwendungen
Mittlerweile helfen Generative Adversarial Networks, Reinforcement Learning und Transfer Learning dabei, über Machine Learning hinaus zu besserer KI zu gelangen. Weiterlesen
-
Das Austricksen der Gesichtserkennung mit KI verhindern
Kriminelle sind relativ findig, automatisierte Gesichtserkennung zu manipulieren, etwa bei Grenzkontrollen. Forscher arbeiten an Verfahren, die dies erfolgreich unterbinden sollen. Weiterlesen
-
Machine Learning in Datenanalysen kann Storage-Probleme lösen
Einige Hersteller wie Dell EMC und HPE beginnen, ML in ihren Storage-Systemen einzusetzen, um Probleme der Big-Data-Analyse besser zu lösen als bisher möglich. Weiterlesen
-
Business Continuity und Disaster Recovery mit KI planen
Planung, Test und Durchführung von BC/DR- und Incident-Respone-Aktivitäten können vom Einsatz KI-ergänzter Systeme profitieren, indem sie die Flexibilität erhöhen. Weiterlesen
-
HCI-Anbieter entdecken KI-Workloads für sich
Fortschritte in der KI und im maschinellen Lernen führen zu intelligenten Tools für das IT-Management. Der damit aufkommende Trend ist AIOps – der KI-Einsatz für den IT-Betrieb. Weiterlesen
-
IBM öffnet KI-Engine Watson für Drittanbieter-Plattformen
IBM ist beweglicher geworden. Auf der IBM Think zeigte sich das Unternehmen flexibler und umfassender auf neue Marktgegebenheiten vorbereitet. Weiterlesen
-
Mobile Technologie: Diese Trends für 2019 sollten Sie kennen
Die Mobiltechnologie ändert sich fortlaufend. Daher sollte sich die Unternehmens-IT frühzeitig über Neuigkeiten informieren. Lesen Sie, welche Trends Sie 2019 nicht verpassen dürfen. Weiterlesen
-
Maschinelles Lernen und KI für UC-Monitoring und -Analyse
Der Einsatz von maschinellem Lernen und KI im UC-Markt steckt noch in den Kinderschuhen. Unsere Experten sehen sich an, wie die Technologien bei UC-Analyse und Monitoring helfen. Weiterlesen
-
KI und maschinelles Lernen verbessern die Netzwerkanalyse
Moderne Tools für die Netzwerkanalyse erzeugen eine Flut an Warnmeldungen. KI-Technologien und Machine Learning vereinfachen hier die Arbeit beim Betrieb von Netzwerken. Weiterlesen
-
Apache Flink wurde für robustes Stream Processing entwickelt
Die Entwickler von Apache Flink gründeten 2014 data Artisans und erzeugen seitdem viel Aufmerksamkeit. Mitbegründer Stephan Ewen erläutert die Idee hinter data Artisans. Weiterlesen
-
Oracle Autonomous Database Cloud: Autonom in der Cloud
Oracle hat dieses Jahr eine autonome Datenbank vorgestellt. Der Begriff wurde beim autonomen Fahren abgeschaut. Dabei hat Beides einige Gemeinsamkeiten. Weiterlesen
-
GPU Cloud-Tools machen Machine Learning weniger komplex
Während KI auf GPUs boomt, bleibt der Aufbau einer Machine-Learning-Infrastruktur ein komplexer Prozess. Das Start-up Paperspace möchte den Prozess automatisieren. Weiterlesen
-
Teradata Analytics Universe: Hadoop ist bald am Ende
Analytics und künstliche Intelligenz gelten als Zukunft moderner Business-Anwendungen. Doch laut Teradata ist die IT-Welt von wirklichen Lösungen noch entfernt. Weiterlesen
-
Was SAP mit der Leonardo Machine Learning Foundation vorhat
Sebastian Wieczorek, Head of SAP Leonardo Machine Learning Foundation, erklärt im Interview, was hinter den Services steckt und welche Anwendungen sich realisieren lassen. Weiterlesen
-
Diese Vorteile bringt KI für Unified Communications
Unternehmen können mit Hilfe von künstlicher Intelligenz ihre Kommunikation, die Zusammenarbeit und die Sicherheit der Endpunkte ihrer Unified-Communications-Lösung verbessern. Weiterlesen
-
Die Vorteile von Machine Learning beim Netzwerk-Management
Unternehmen wie Anbieter sind dabei, Deployment-Strategien für Machine Learning zu entwickeln. Welche Vorteile bietet maschinelles Lernen in puncto Netzwerkanalyse und -Management? Weiterlesen
-
Wie SAP Machine Learning zum Erkennen von Anomalien nutzt
Justin Somaini, Chief Security Officer bei SAP, erläutert im Interview, wie SAP Machine Learning für Sicherheitsaufgaben wie die Anamalienerkennung verwendet. Weiterlesen
-
HPE strebt mit Edge Computing und The Machine in die Zukunft
In seiner 80-jährigen Geschichte hat HPE (früher HP) viele Metamorphosen erlebt. Die jüngste ist die Wandlung zum bedeutenden Edge-Computing-Anbieter. Weiterlesen
-
Machine Learning: Von der Entwicklung in die Produktion
Die Überbrückung der Lücke zwischen Training und Produktion ist eine der größten Machine-Learning-Hürden. Einige Firmen können den Prozess rationalisieren. Weiterlesen
-
Datadog Forecasts: Cloud Monitoring mit Predictive Tools
Inzwischen erprobte KI-Technologien zu Predictive Maintenance werden von Datadog nun auch für Vorhersagen von möglichen Ausfällen im IT-Betrieb verwendet. Weiterlesen
-
SAP Cloud Platform ist Klebstoff für neue Technologien
Die SAP Cloud Platform verfügt über Integrationswerkzeuge, um Technologien wie Blockchain, Machine Learning und IoT miteinander und mit SAP-Anwendungen zu verbinden. Weiterlesen
-
KI-Projekte: Wie CIOs die Marketing-Versprechen einlösen
KI gilt als vielen als bahnbrechende Technologie. In dem Beitrag berichten IT-Verantwortliche, wie sie sich auf die Veränderungen durch KI-Projekten vorbereiten. Weiterlesen
-
KI versus Big Data: Vergleich der aufstrebenden Technologien
KI hilft, die Datenmengen von Big-Data-Initiativen aufzubereiten und zu analysieren. Die beiden Technologien sind unterschiedlich, funktionieren aber gut zusammen. Weiterlesen
-
Data Center der Zukunft: Dell entwirft neue Architektur
Trotz Megatrend Cloud Computing: lokale Rechenzentren wird es noch viele Jahre geben. Allerdings mit neuen Aufgaben, Systemen und Architekturen, wie Dell zeigt. Weiterlesen
-
Wie künstliche Intelligenz und Collaboration verschmelzen
Microsoft, Salesforce, IBM und Oracle sollten bei der KI-Entwicklung danach beurteilt werden, wie gut ihre Plattformen mit Collaboration-Tools integriert sind. Weiterlesen
-
Tuning und Wartung von Algorithmen: Die Achillesferse von KI
Content-Management-Systeme (CMS) bieten mittlerweile KI, aber es ist kein Plug and Play. KI erfordert menschliche Intelligenz, um Algorithmen abzustimmen. Weiterlesen
-
Integration von Machine-Learning-Systemen ins Netzwerk
Machine-Learning-Systeme in Netzwerken gewinnen immer mehr an Akzeptanz. Doch noch werden Menschen und APIs gebraucht, um die Komplexität unter Kontrolle zu halten. Weiterlesen
-
Machine Learning und IoT beeinflussen Big-Data-Management
Unternehmen nutzen Big-Data-, Deep-Learning- und Machine-Learning-Techniken, um Fortschritte zu erreichen. Das erfordert neue Daten-Management-Systeme. Weiterlesen
-
Maschinen müssen zwangsläufig emotional intelligent werden
Laut Annette Zimmermann, Research Vice President bei Gartner, ist Emotion AI bereits zuverlässig im Einsatz. Wo es verwendet wird, verrät sie im Interview. Weiterlesen
-
Amazon Neptune: Graphdatenbank für KI-Anwendungen
Die Graphdatenbank Amazon Neptune kann den Status quo bei Graphentechnologien verändern. Vor allem Wettbewerber schauen sich das Angebot genau an. Weiterlesen
-
Predictive Logistics erweitert Sichtbarkeit der Lieferkette
Echtzeit-Analysen liefern Daten, wo sich Waren in der Lieferkette befinden. Einige Firmen nutzen zudem Machine Learning, um genauere Vorhersagen zu treffen. Weiterlesen