Elon Musks „XAI“ hat zehn Milliarden Dollar eingesammelt – für neue Rechenzentren, die Weiterentwicklung der KI-Plattform „Grok“ und einen Technologievorsprung in einem hart umkämpften Markt.

Schluss mit zeitaufwendiger manueller Arbeit. Mithilfe von KI-gestütztem Intelligent Document Processing gelingt es Unternehmen, ihre Arbeitsprozesse effizienter zu gestalten, Mitarbeitende zu entlasten und Fehleranfälligkeit zu reduzieren. Welche Technologien sind involviert, für welche Prozesse eignen sich die Tools am besten und wie gelingt eine reibungslose Einführung?

Immer mehr Unternehmen überführen Pilotprojekte mit Generativer Künstlicher Intelligenz (GenAI) in den Regelbetrieb. Dell Technologies nennt zentrale Punkte, um Skalierung, Compliance und Effizienz miteinander zu verbinden.

Mit dem Inkrafttreten des Bebauungsplans für den Maincubes-Datacenter-Campus in Nauen sowie der Unterzeichnung des Netzanschlussvertrags für 200 Megawatt sind die rechtlichen und infrastrukturellen Grundlagen für die Entwicklung des Standorts geschaffen.

„Red Hat AI“ ist ein Portfolio von Produkten und Dienstleistungen, das Unternehmen dabei hilft, KI-Inferenz- und Traningsanwendungen in Hybrid-Cloud-Umgebungen zu entwickeln und bereitzustellen. Anwender von „Openshift AI“ und „Red Hat Enterprise Linux AI“ sollen durch höhere Effizienz, vereinfachter Nutzung und Hybrid-Cloud-Flexibilität von neuen Features profitieren können.

Standard-ERP und Basis-CRM, das war einmal. Heute fordern Nutzer von ihrer Unternehmens- und Kunden-Management-Software agile und flexible Erweiterungsmöglichkeiten, die erstens zu ihren Business-Modellen passen, zweitens intelligent mitwachsen und drittens das maximale Maß an „Freiheit“ mitbringen. Low-Code-Plattformen können das leisten.

Mit „Power11“ präsentiert IBM in München eine Infrastrukturplattform, die Zero-Downtime, KI-Integration und Datensouveränität vereint und einen ersten Ausblick auf das nächste Chip-Design erlaubt.

Gitlab öffnet die Beta seiner „Duo Agent Platform“. Diese soll eine orchestrierte Zusammenarbeit zwischen KI-Agenten und Entwicklern mit Zugriff auf Projektdaten, strukturierten Workflows und Schnittstellen in IDEs und der Web-Oberfläche ermöglichen.

Mehr Rechendichte fördert Leistung bei gesteigerten Anforderungen und Kosten. Das Uptime Institute schätzt, dass mit stärker verteilten GPU-Architekturen auch Bestandsrechenzentren effizient KI-Modelle trainieren können. Unklarheit besteht allerdings durch fehlende Vergleichs-Benchmarks und eine schwer berechenbare Marktdynamik.

Die Rechenleistung neuer Prozessoren wächst deutlich schneller als die Bandbreite der Speicherzugriffe. Die Folge: Der Prozessor wartet auf Daten aus dem RAM und Rechenzyklen gehen verloren. Die Memory Wall wird zum Flaschenhals.