Welche Veränderungen kommen auf DevOps- und IT-Verantwortliche im Jahr 2024 zu? Themen wie der verantwortungsvolle Umgang mit KI, Daten-Observability und Platform Engineering dürften verstärkt in den Fokus rücken, glaubt Bernd Greifeneder von Dynatrace.

Im Vorfeld der Microsoft Ignite kann man sich KI-Ankündigungen, etwa zu Bing Chat Enterprise, Windows Copilot und M365 Copilot, kaum entziehen. Aber schon das kumulative Update auf Windows 11 22H2 brachte viele neue Funktionen für KI-Entwickler, die es näher zu beleuchten lohnt.

Beim Co-Location Anbieter ECL gibt es Rechenzentrums-Dienste nicht nur günstiger als bei den Mitbewerbern, sonder auch aus einem mit Wasserstoff-betriebenen kalifornischen Datacenter mit einem PUE von 1,1, netzunabhängig und mit einer Betriebszeit von 99,9999 Prozent - und das obwohl hier Rechner mit hoher Dichte arbeiten.

Die Welt der künstlichen Intelligenz verzeichnet deutliche Fortschritte, birgt aber Herausforderungen: Von unkoordinierter Nutzung generativer KI über neue Cyber-Bedrohungen bis hin zur Chancengleichheit am Arbeitsplatz. Wie können Unternehmen angesichts dessen eine kluge Strategie entwerfen?

Python spielt im Umfeld von Data Engineering und Künstlicher Intelligenz eine wichtige Rolle – dank intuitiver Handhabung, vielfältiger Bibliotheken und einer aktiven Community. Im folgenden Artikel wird Python genauer vorgestellt.

Dev-Insider sprach mit AWS-Manager Chris Schlaeger über Technologien wie Nitro und Firecracker. Zudem gibt AWS-Direktor Jonathan Weiss Auskunft über die Möglichkeiten mit KI, Machine Learning und neuen Low-/No-Code-Tools.

Künstliche Intelligenz (KI) verändert die Gesellschaft in vielerlei Hinsicht – von „ChatGPT“ über autonomes Fahren bis hin zum Einsatz von KI im medizinischen Bereich. Sie ist schon lange kein Trendthema mehr, sondern essenzieller Bestandteil unseres Alltags geworden.

Wie können Versicherungen den technisch hochgerüsteten Insurtechs begegnen? Durch Automatisierung? Durch die Analyse von Prozessabläufen, das Identifizieren und Beheben von Engpässen, die Integration der Ergebnisse in strategische Geschäftsziele und die Förderung eines unternehmensweiten Bewusstseins jedenfalls lässt sich eine erfolgreiche Automatisierungsstrategie entwickeln und umsetzen.

Kaum war ChatGPT gestartet, wurde der KI/ML-Markt plötzlich für alle attraktiv. Aber ist es so einfach, ein KI-Projekt zu starten? Und was noch wichtiger ist: Was braucht man, um Skaleneffekte mit einer KI-Initiative zu erzielen? MLOps oder Machine Learning Operations ist die Antwort, wenn Machine Learning Workflows automatisiert werden sollen.

MongoDB, Anbieter einer Multicloud-Datenplattform, führt mit dem „AI Applications Program“ einen Zugang zu einem Bündel von Ressourcen für die Umsetzung ihrer KI-Projekte ein. Es bietet Referenzarchitekturen, einen End-to-End-Technik-Stack, Integrationen mit anderen Anbietern und Dienstleistungen für Unternehmen.