Eines ist sicher wie das Amen in der Kirche. Jeden Tag gibt es neue Nachrichten aus der Welt der generativen künstlichen Intelligenz (Generative AI), die über noch leistungsfähigere Large Language Models (LLMs) oder noch coolere Werkzeuge berichten. Zur Erstellungszeit dieses Editorials waren es zum Beispiel Lllama 4, Vibe Coding und der Docker Model Runner, die weltweit auf sich aufmerksam machte..
Large Language Models (LLMs) bieten immense Chancen, doch ihr Potenzial birgt auch erhebliche Risiken. Durch Missbrauch der vielseitigen Möglichkeiten entstehen neuartige Bedrohungen. Mithilfe bewährter Methoden wie den OWASP Top 10 for LLMs und Threat Modeling analysieren wir die Risiken. Im zweiten Artikelteil liefern wir konkrete Schutzvorschläge – individuell angepasst an den Anwendungsfall.
Gokhan Uluderya, Leiter der Produktentwicklung für Datenplattformen bei InterSystems, führt aus, wie KI und translytische Datenplattformen das Gesundheitswesen revolutionieren können. Der Text ist eine Übersetzung des von Roberto V. Zicari auf Englisch geführten Interviews [1].
Bisher ließen sich bestimmte Datenmanipulationen innerhalb der Stream-Verarbeitung nicht ohne Weiteres als Stream-Pipeline ausdrücken. Hier setzen die Stream Gatherers an, eine Neuerung, die erstmals mit dem JEP 461 in Java 22 als Preview eingeführt wurde.
Bereits vor ein paar Jahren haben wir uns Dinge angeschaut, die in Java funktionieren, aber sehr ungewöhnlich sind. Diese Liste werden wir in dieser Folge des Praktikers ergänzen.
