AI

Durch die technologischen Fortschritte der letzten Jahre eignen sich KI-Modelle zunehmend besser für die Datenanalyse. Dennoch erfordert die verlässliche Verarbeitung von Datenquellen durch KI-Systeme weiterhin einen signifikanten Vorbereitungsaufwand. Hinzu kommt, dass die Qualität der Antworten in vielen Fällen noch nicht ausreicht, um in Business-Anwendungen tatsächlich praktikabel zu sein. Gan..

Zwischen KI-Euphorie, veränderten Geschäftsmodellen und Fragen in Bezug auf die digitale Souveränität erfährt die Analytics-Branche derzeit starke strukturelle Veränderungen. Persönliche Eindrücke aus dem TDWI-Themenzirkel der Analytics-Verantwortlichen und dem BARC Consulting Summit, aber auch vielen Kontakten zum Jahresanfang zeigen: Wachstum ist kein Selbstläufer mehr, Beratung verändert sich g..

KI liefert schnell auf den ersten Blick überzeugende Ergebnisse – doch Entscheidungsreife bleibt oft aus. Das ist gefährlich, weil Glätte fehlende Belege, Annahmen und systemische Datenlücken kaschiert. Der Beitrag zeigt, warum KI-Erfolg an zwei Hebeln hängt: Prompt-Disziplin des Einzelnen und Enterprise Architecture als semantischem Fundament. Basierend auf realen Projekt- und Bankbeispielen wird..

Kaum ist der letzte KI-Hypezyklus verdaut und schon schiebt die KI-Branche die nächste Erzählung nach: „Agentic AI“ und – inzwischen gerne auch in Kombination – „Vibe Coding“. Während Ersteres im Kern bedeutet, dass Large Language Models nun eigenständig irgendwo Funktionen aufrufen dürfen (Security? Später!), klingt Letzteres fast schon sympathisch: Man beschreibt ein Problem in einem Prompt – un..

Kann die neueste KI bereits denken wie Menschen? Trotz großer Hoffnungen zeigen Studien, dass dies noch nicht der Fall ist. Ein Selbstversuch zeigt, dass wir Menschen immer noch einen Vorteil beim kreativen Denken und beim Erfassen von Regeln haben. Zudem können wir unseren Hausverstand nutzen, um neue Probleme zu lösen, während fortschrittliche KI Probleme oft nur angehen kann, wenn sie dafür sch..