Data-Centric AI (DCAI) stellt einen wegweisenden Ansatz in der KI dar, indem es die Qualität und Relevanz von Daten in den Mittelpunkt rückt, um Modelle des maschinellen Lernens und die Performance von Systemen zu optimieren.
KI-Visionär Sam Altman treibt ein Projekt voran, das im Internet echte Menschen von Software-Fakes unterscheiden soll. Dafür sollen Nutzer ihre Augen scannen lassen.
Künstliche Intelligenz basiert auf guter Datengrundlage – an genau diesem Punkt kommt Datenqualität ins Spiel. Dabei bedeuten große Datenmengen nicht zwangsläufig, dass diese für einen KI-Anwendungsfall geeignet sind. Was also meint Datenqualität hinsichtlich KI und wirksamer KI-Tools?
Eine der größten Recruiting-Plattformen Europas hat vertrauliche Bewerberdaten monatelang ungeschützt in einem Cloud-Speicher zugänglich gemacht.
Die Sicherheit mobiler Geräte rückt zunehmend in den Fokus der Cybersicherheitsbranche. Der aktuelle „Global Mobile Threat Report 2025“ des Unternehmens Zimperium zeigt auf, dass mobile Endgeräte längst zum bevorzugten Ziel für Cyberangriffe geworden sind.
Facebook und Instagram bringen dem Meta-Konzern Milliarden ein. Mit diesem Finanzpolster beschleunigt Mark Zuckerberg die hohen Ausgaben für KI-Infrastruktur noch weiter.
Wegen US-Präsident Trumps Zoll-Rundumschlags schichtet Apple seine Lieferwege um. Insgesamt kommen allein im laufenden Quartal hunderte Millionen an zusätzlichen Kosten zusammen.
Die Technologielandschaft im Bereich Datenverarbeitung und -analyse befindet sich an einem Wendepunkt. Künstliche Intelligenz bricht traditionelle Barrieren zwischen strukturierten und unstrukturierten Daten auf und schafft eine nahtlose Integration von Datenquellen, die bisher als unvereinbar galten.
Der Aufbau eines generativen KI-Modells (GenAI-Modell) von Grund auf kann viele Millionen Dollar an Infrastruktur und Fachwissen sowie Monate an Bearbeitungszeit kosten. Eine praktikablere Option für die meisten Unternehmen ist Retrieval-Augmented Generation (RAG).
In der Softwareentwicklung hat DevOps in den letzten Jahren für eine Kultur der Geschwindigkeit und Agilität gesorgt – doch oft blieb die Sicherheit dabei außen vor.
Thought Leadership