AI

Während klassische BI-Ansätze sich oft mit Datenqualität und Governance befassen, zeigt AI neue Wege auf, indem sie Automatisierung, Optimierung und Innovation vorantreibt. Wir werfen einen Blick auf die Herausforderungen und Potenziale von AI und wie sie Synergien mit bestehenden Systemen schafft, um Effizienzgewinne und Skaleneffekte zu erzielen. Praxisbeispiele demonstrieren eindrucksvoll, wie ..

Die Deutsche Bahn baut ihre ICE-Flotte in den nächsten Jahren aus. Damit wachsen auch die Anforderungen an die Instandhaltung. Der Einsatz Künstlicher Intelligenz (KI) spielt hier zusammen mit Automatisierungstechnik eine zentrale Rolle bei der Steigerung der Kapazität. Zum Einsatz kommen Kameras, die von einem ICE bis zu 50.000 Bilder aufnehmen, welche dann innerhalb weniger Minuten durch einen K..

Die Regulierung von Hochrisiko-KI-Systemen durch spezifische Data-Governance-Anforderungen birgt sowohl Herausforderungen als auch Chancen. Während die EU mit Art. 10 KI-VO versucht, die Nutzung von KI durch detaillierte Rahmenvorschriften zu steuern, hat die Praxis Schwierigkeit, diese umzusetzen. Dieser Artikel beleuchtet, wie eine sorgfältige Balance zwischen Freiheit und Kontrolle nicht nur da..

Der Erfolg von ChatGPT beziehungsweise die Fähigkeit des Systems, "schockierend realistische" Ergebnisse zu liefern, hat für immense Aufmerksamkeit gesorgt. Das Feld der generativen KI umfasst indes mehr als nur Chatbots. Bernard Marr liefert mit "Generative AI in Practice" ein Lehrbuch, das KI-Praktikern und Softwarearchitekten als "Impulsgeber" dienen möchte.

Die Frage nach dem Business-Case in Data-&-Analytics-Projekten wird schon lange im Markt diskutiert und hat nicht erst mit AI-Projekten begonnen. Der Zweifel, ob sich hohe Investitionen in zentrale Systeme wie ein Data Warehouse oder einen Data Lake lohnen, verursacht in vielen Unternehmen Diskussionen. Auch wenn der Hype um Künstliche Intelligenz noch allgegenwärtig scheint, ist – wie bei vie..