Von der Theorie zur Praxis: Nature-based Solutions für kommunale Entscheider
Mehr lesen »

Eine Prognose vom Marktanalyst Gartner geht davon aus, dass sich 80 Prozent aller Softwareentwickler und -entwicklerinnen bis 2027 weiterbilden müssen, wenn sie mit der Entwicklung der Künstlichen Intelligenz Schritt halten wollen. Allerdings ist KI nicht die einzige Technologie, die sie herausfordert: Quantencomputing (QC) könnte Künstliche Intelligenz auf ein völlig neues Level heben. Welche Potenziale birgt QC für KI? Lohnt sich die Beschäftigung mit QC schon, oder ist das alles noch Zukunftsmusik? Ein Blick auf das automatisierte maschinelle Lernen gibt erste Antworten:
Chatten, flirten, verhandeln – und das alles mit einem KI-Agenten? In einer Welt voller Deepfakes und synthetischer Profile verschwimmt die Grenze zwischen Mensch und Maschine. Was früher Science Fiction war, wird heute alltäglich. Die Frage an unsere Gegenüber lautet nicht mehr: Wer bist du?, sondern: Bist du überhaupt ein Mensch?
Was, wenn Sie ein Viertel Ihrer Firmenfahrzeuge einfach abschaffen könnten – ohne dass es jemand merkt? Keine Engpässe, keine verpassten Termine, einfach weniger Kosten und weniger Emissionen. Klingt unrealistisch? Solche Potenziale haben bereits eine Vielzahl von Unternehmen mit dem Fleet Optilyzer sichtbar gemacht.
Deutschlands Fahrzeugflottenbetreiber stehen vor einer Zeitenwende: Die Elektrifizierung ist nicht mehr eine Frage des Ob, sondern des Wie. Unternehmen stehen vor der Herausforderung, ihre Flotten nachhaltig umzustrukturieren, ohne die betriebliche Mobilität zu gefährden. Eine eins-zu-eins-Umstellung von Verbrennern auf E-Autos greift oft zu kurz – erst eine datenbasierte Analyse zeigt, wo Flotten effizient verkleinert und optimal elektrifiziert werden können.
Es steht außer Frage, dass KI große Auswirkungen auf die Arbeit der Zukunft haben wird. Noch herrscht große Unsicherheit bei der Frage, wie dieser Wandel gestaltet werden kann und welche Maßnahmen dafür erforderlich sein werden. Datengetriebene Unternehmen beschäftigen sich mit technologischen Aspekten, der Qualität und Sammlung von Daten sowie rechtlichen Fragestellungen. Immer noch zu wenig beachtet wird dabei die Rolle der eigenen Belegschaft, doch gerade die eigenen Mitarbeitenden sind häufig die entscheidenden Gatekeeper für technologische Innovation.
Es ist ein sonniger Mittag, die PV-Anlagen laufen auf Hochtouren und wir haben Strom im Überfluss, den wir in den Abendstunden allerdings gut gebrauchen könnten. Glücklicherweise verfügen wir über Millionen mobile, flexible Speicher: unsere Elektroautos. Mittels bidirektionalem Laden (kurz: Bidi-Laden) können wir diesen Strom aus erneuerbaren Energien in den Fahrzeugbatterien zwischenspeichern und später wieder in das Netz zurückspeisen oder für den eigenen Haushalt verwenden. Was nach Zukunftsmusik klingt, könnte schon bald zu unserem Alltag werden.
Die Welt ist voller guter Ideen. Trotzdem scheitern viele Innovationen bei der Markteinführung. Grund dafür ist häufig, dass die Anwenderinnen und Anwender der Services nicht rechtzeitig eingebunden werden. Wenn deren Akzeptanz erst am Ende eines Entwicklungsprojekts getestet wird, ist ein Misserfolg wahrscheinlich – und teuer. Gerade mit dem Aufstieg KI-basierter Services scheint das Problem präsenter denn je. Ein Verfahren könnte helfen, die wahrgenommene Qualität dieser sogenannten Smart Services zu testen, bevor diese eingesetzt werden.
Frauen machen rund 50 Prozent der Bevölkerung aus, sind jedoch in vielen Bereichen unterrepräsentiert – sowohl in den Daten, mit denen KI trainiert wird, als auch in den Teams, die diese Systeme entwickeln, und in den Führungsebenen, die über ihren Einsatz entscheiden. Diese Unterrepräsentanz führt nicht nur zu Verzerrungen in KI-Systemen, sondern bedeutet auch, dass wertvolles Potenzial ungenutzt bleibt. Unternehmen müssen handeln, um geschlechtsspezifische Systemfehler zu vermeiden.
Künstliche Intelligenz (KI) hat sich zu einer Schlüsseltechnologie entwickelt, die unser tägliches Leben – beruflich wie privat – immer stärker prägt. Oft bemerken wir gar nicht, wie sehr KI bereits Teil unseres Alltags ist. Auch in komplexeren Bereichen wie der Medizin, der automatisierten Auswahl von Bewerbungen, der Vergabe von Krediten oder der Analyse von Betrugsfällen wird sie zunehmend eingesetzt. Gerade in solchen sensiblen Anwendungsfeldern können die Folgen fehlerhafter oder unausgewogener KI-Entwicklung schwerwiegend sein.