AI

Wenn Menschen die Entscheidungen von Künstlicher Intelligenz nicht verstehen und nicht nachvollziehen können, vertrauen sie ihnen auch nicht – sei es bei der Bewilligung eines Kreditantrags oder beim autonomen Fahren. Die Entscheidungen und Handlungen der Modelle müssen deshalb transparent und erklärbar sein.

Entwickler stehen regelmäßig vor der Frage, wie sie KI-Prozesse verbessern können und welcher Algorithmus für bestimmte Fragestellungen jeweils der passende ist. Ein Praxisbeispiel aus der Logistik zeigt, wie die Suche nach dem richtigen Algorithmus strukturiert erfolgen kann.

Daten werden immer stärker zu Wirtschaftsgütern, zu strategischen Ressourcen innovativer Geschäftsmodelle. Warum die Unternehmen für das Daten-Sharing Marktplätze brauchen, und was Entwickler über den Telekom Data Intelligence Hub wissen müssen, zeigt der Artikel.

Die Entwicklung zunehmend autonomer Fahrzeuge hat vielfältige Auswirkungen, sowohl moralische als auch technische. Die Ethik-Kommission der Bundesregierung hat daher Grundsätze für automatisierte und vernetzte Fahrzeuge definiert. Einen Überblick über die technischen Folgen gibt dieser Beitrag, insbesondere für das Automotive-Testing und die damit verbundenen neuen Testanforderungen.

In diesem Artikel wird beschrieben, was unter Testen von Hardware-in-the-Loop (HIL) in einem End-to-End Testszenario (E2E) mit Web, Middleware und Mobile Environment verstanden wird und wie dieses Vorgehen erfolgreich in eine Agile Tool Chain integriert wird, um automatische Testreihen für das Human Machine Interface (HMI) eines Fahrzeugs durchzuführen.