Die digitale Erfassung von Körperdaten hat einen wachsenden Markt, der bis 2030 über 500 Milliarden Dollar erreichen soll, wobei auch die Risiken enorm gestiegen sind. Júlia Keserű fordert einen umfassenden Schutz sensibler Daten durch ihr “Databody Integrity Framework”, um Datenlecks, Diskriminierung und Überwachung anhand menschenrechtlicher Standards zu vermeiden.
Die Nutzung generativer KI durch Cyberkriminelle führt zu maßgeschneiderter Fehlinformation, die politische Kampagnen gefährdet. Anstatt unpersönliche Massen-E-Mails zu verwenden, erfolgt Micro Targeting an gezielte Empfänger. Experten betonen die Notwendigkeit eines multidimensionalen Ansatzes zur Bekämpfung von Desinformation, der technologische, edukative und gesetzgeberische Maßnahmen vereint.
Ein IDC-Report, beauftragt von NetApp, hebt hervor, dass eine intelligente Dateninfrastruktur, effektive Data Governance und Sicherheitsprozesse entscheidend für den Erfolg von KI-Initiativen sind. Der Bericht beschreibt Strategien, um KI-Workloads verantwortungsvoll zu skalieren, und zeigt ein reifegradbasiertes Modell zur Bewertung des Fortschritts von Unternehmen auf.
Die Verbreitung von Künstlicher Intelligenz und generativer KI (GenAI) wird den Arbeitsmarkt maßgeblich verändern. HR-Führungskräfte setzen verstärkt auf innovative Technologielösungen, um die Mitarbeiter-Experience zu verbessern und die betriebliche Effizienz zu steigern. Die Implementierung von KI und GenAI sowie eine datengestützte Personalstrategie stehen im Fokus der HR-Transformation.
Die Kosten für die Implementierung von generativer KI liegen laut Gartner zwischen 5 und 20 Millionen US-Dollar. Viele Projekte werden aufgrund von Datenproblemen, hohen Kosten und unklarem Mehrwert nach dem Proof of Concept eingestellt. Unternehmen müssen den Geschäftswert von GenKI genau analysieren, um fundierte Investitionsentscheidungen zu treffen.
Es gibt eine steigende Nachfrage von Unternehmen nach Generative AI. Viele Branchen, wie Biotechnologie und Cybersicherheit, nutzen bereits generative KI, während andere Unternehmen noch experimentieren. Beispiele für Anwendungen sind programmierende Assistenten, Marketingunterstützung, Arzneimittelforschung, Cybersicherheit, Finanz- und Versicherungswesen sowie juristische Dienstleistungen.
SAP verstärkt seine Bemühungen, KI-Funktionen und -Anwendungen breitflächig im Business-Alltag seiner Kunden zu verankern. Gemeinsam mit der Initiative appliedAI sollen KI-Szenarien eruiert und geeignete Anwendungsfälle für SAPs Kunden identifiziert werden, um Europas Wettbewerbsfähigkeit zu stärken. Die Partnerschaft ermöglicht es, das Potenzial der Technologie besser auszuschöpfen.
Die Analysten von Gartner prognostizieren, dass mindestens 30 Prozent der GenAI-Projekte nach dem Proof of Concept bis Ende 2025 eingestellt werden. Trotz potenzieller Vorteile stoßen Unternehmen auf Schwierigkeiten bei der Rentabilität und Einbindung in Geschäftsprozesse. Frühe Anwender berichten jedoch von Umsatzsteigerungen, Kostenreduzierungen und Produktivitätszuwächsen. Gartner empfiehlt, den ROI nicht sofort zu erwarten, sondern langfristige Investitionskriterien anzulegen.
Amazon hat die Technologie von Adept lizenziert, um die agentenbasierte KI, Agentic AI, zu entwickeln. Diese KI soll kontextbezogen argumentieren und eigenständig entscheiden können. Sie könnte als persönlicher Assistent fungieren und verschiedene Aufgaben übernehmen. Es bestehen jedoch Ängste, dass Agentic AI Arbeitsplätze verdrängen und ethische Probleme verursachen könnte.
Bei der Entscheidung zwischen Cloud und On-Premises für KI gibt es wichtige Faktoren zu berücksichtigen. Die Cloud bietet Agilität und Sicherheit, ist aber teuer und nicht immer anwendbar. On-Premises gewährt Kontrolle und Compliance, erfordert aber regelmäßige Wartung. Ein hybrider Ansatz kann die Vorteile beider Optionen kombinieren und spezifische Geschäftsanforderungen erfüllen.
Künstliche Intelligenz (KI) trifft weitreichende Entscheidungen mit Auswirkungen auf das Leben der Menschen. In der EU wurde der “AI Act” verabschiedet, um den Umgang mit KI zu regeln. Experten haben Kriterien für die wirksame Aufsicht von KI-Systemen definiert. Diese beinhalten kausale Wirksamkeit, epistemisches Verständnis, Selbstkontrolle und passende Absichten.
Grafikprozessoren (GPUs) sind entscheidend für das KI-Training und treiben die Nachfrage nach alternativen Cloud-Plattformen (Microclouds) an. Obwohl Microclouds für KI-Workloads kosteneffizienter sind, hängt ihr Erfolg von der GPU-Versorgung und dem Wettbewerb mit großen Cloud-Anbietern ab. Kurzfristig wird die Nachfrage nach GenAI die Microclouds stärken. Langfristig wird sich der Markt konsolidieren. (Quelle: Infoworld)
SAP hat eine Partnerschaft mit AWS aufgebaut, um KI-Funktionen der Cloud-Plattform zu nutzen. Diese Integration ermöglicht es, generative KI in SAP-Lösungen zu implementieren und Geschäftsprozesse zu modernisieren. Des Weiteren plant SAP, die HANA Cloud auf AWS Graviton3-Chips zu optimieren und in KI-Startups zu investieren. Die Zusammenarbeit zielt darauf ab, zukünftige SAP-Business-KI-Angebote leistungsfähiger zu gestalten.
Vollautomatisiertes Fahren im öffentlichen Verkehr in zehn Jahren? Gastautor Michael Fait von Thoughtworks plädiert für Realismus und Sorgfalt. Um autonomes Fahren zu realisieren, müssen KI-Systeme noch viele Fahrstunden absolvieren und insbesondere Module wie Objekterkennung, -verfolgung und -vorhersage verbessern. Aktuell bleiben vollautomatisch fahrerlose Autos noch Zukunftsmusik.
