AI

Nach der Einführung in die Grundlagen der Generativen KI, des Prompt Engineerings sowie der Bedeutung von Sprachkenntnissen und kognitiven Fähigkeiten im ersten Teil widmet sich der zweite Teil den praktischen Aspekten der Integration von Neurodiversität in die KI-Entwicklung. Er zeigt auf, wie Organisationen die besonderen Stärken neurodivergenter Menschen nutzen können, um innovativere und inklu..

Der Artikel beleuchtet die transformative Rolle der generativen Künstlichen Intelligenz (KI) im Bereich des Softwaretestens. Dabei werden die Chancen und Risiken diskutiert, die KI-basierte Systeme für das Testen mit sich bringen. Das Hauptpotenzial, das KI für das Testen hat, ist die Effizienz und Produktivität im Testen zu steigern, indem sie Routinetätigkeiten, generative und textintensive Täti..

Im September 2024 wurde zum vierten Mal in Folge eine der größten Umfragen im Bereich des Testens und der Qualitätssicherung im deutschsprachigen Raum erfolgreich durchgeführt. Fast 800 Teilnehmende aus den Bereichen Forschung, Management und operative Umsetzung (Entwicklung und Test sowie Fachabteilungen) haben an der Umfrage Softwaretest in Praxis und Forschung teilgenommen. Die Ergebnisse geb..

Die Mensch-Maschine-Interaktion wird in Zukunft stärker aus einer kollaborativen Perspektive betrachtet werden. Dazu gehört die organisatorische Kompetenz zur stabilen Bereitstellung von KI-Systemen für die eigenen Prozesse oder in neuen Produkten und Services wie auch um die Einhaltung von komplexen Regularien und Normen. In diesem Artikel wird dargelegt, welche Qualitätsaspekte eine MLOps-Archit..

Artificial Intelligence ist eng mit maschinellem Lernen verbunden. Maschinelles Lernen stellt Algorithmusbibliotheken bereit, die im Rahmen von AI, Anwendung finden können. Dabei nutzt die AI zusätzlich Wissenskomponenten, um auf deren Basis Entscheidungsunterstützung geben zu können. Dieses Wissen wird durch Lernen im Zeitverlauf entsprechend weiterentwickelt.