AI

Software ist der Motor der Innovation, aber dieser Motor kommt oft unter der Last seiner eigenen Komplexität zum Stillstand. Insbesondere Legacy-Anwendungen wirken wie ein Engpass – sie behindern die Agilität und verlangsamen die Reaktion auf Marktveränderungen. Eine Neugestaltung oder Umgestaltung scheint zwar die logische Lösung zu sein, erfordert jedoch oft einen enormen Aufwand an Zeit und Res..

Im ersten Teil [1] dieses umfassenden Tutorials über die Entwicklung eines LLM-Chatbots (Large Language Model) wurden die Grundlagen gelegt. Der zweite Teil stellt die Tool-Calling-Funktionalität in Java vor. Bevor wir Tool-Calling implementieren, müssen wir verstehen, wie es konzeptionell funktioniert. Tool-Calling ist keine eingebaute Fähigkeit der meisten LLMs. Stattdessen ist es ein Muster, da..

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..