adesso BLOG

In der heutigen Zeit, die durch eine zunehmende Komplexität in der Softwareentwicklung gekennzeichnet ist, kommt dem effizienten Management von Projektkonfigurationen eine zentrale Bedeutung zu. Insbesondere im Bereich der Künstlichen Intelligenz (KI), wo Flexibilität und Präzision entscheidend sind, ermöglicht Hydra eine effiziente Professionalisierung. Dieser Blog-Beitrag gibt eine kurze Einführung in Hydra und zeigt, wie dieses Tool mit seinen dynamischen Funktionen das Management von Softwareprojekten, insbesondere im KI-Bereich, neu definiert.

Microsoft hat für ChatGPT in OpenAI investiert und integriert nun generative KI in Tools wie Microsoft 365. Diese KI-basierten Copiloten verbessern die Produktivität und Effizienz, insbesondere in regulierten Branchen mit wiederkehrenden Aufgaben und großen Datenmengen. Als Finanz- oder Schadenmanager helfen sie, Arbeitsabläufe zu optimieren. In meinem Blog-Beitrag geht es um den „Copilot für Microsoft 365“ im Banken- und Versicherungsumfeld als Beispiel für einen KI-gestützten Assistenten.

Spätestens seit „ChatGPT“ ist Generative KI in aller Munde, doch was genau verbirgt sich hinter diesem Begriff und wie unterscheidet sich Generative KI von den etablierten Konzepten des Machine und Deep Learning? Dieser Blog-Beitrag wirft einen Blick auf die Grundlagen von KI-Technologien und beleuchtet die faszinierenden Unterschiede, die Generative KI zu einem vielversprechenden Akteur in der sich ständig weiterentwickelnden Welt machen.

GenAI bietet enorme Chancen für die Wertschöpfung von Versicherern und wird zum zentralen Treiber ihrer digitalen Transformation: Mit der sich rasant entwickelnden Technologie können Versicherungsprozesse automatisiert und beschleunigt sowie das Kundenerlebnis deutlich verbessert werden. Ein weiterer wirtschaftlicher Vorteil für Versicherer ist eine genauere Risikoeinschätzung durch GenAI.

Ethische Überlegungen sollten bei der Entwicklung von KI im Vordergrund stehen, um das Potenzial von KI voll auszuschöpfen und gleichzeitig deren negative Folgen zu minimieren.

Die Welt der Künstlichen Intelligenz entwickelt sich mit atemberaubender Geschwindigkeit, und Large Language Models (LLMs) stehen an der Spitze dieser Revolution. LLM-Operationalisierung ist ein wesentlicher Bestandteil dieser Entwicklung und bietet Unternehmen die Möglichkeit, nicht nur die Grenzen der Technologie zu erweitern, sondern auch neue Maßstäbe für die Interaktion zwischen Mensch und Maschine zu setzen. Wieso das so ist, erklären wir in unserem Blog-Beitrag.

Die KI-Verordnung (EUKIVO) wurde Ende 2023 nach intensiven Verhandlungen zwischen dem Europäischen Parlament und dem Europäischen Rat abgeschlossen. Diskussionen über die Definition von KI und die Einteilung der Systeme in Risikoklassen prägten die Debatten. Zahlreiche Details wurden geklärt, insbesondere zu verbotenen Praktiken (höchste Risikoklasse) und Hochrisiko-KI-Systemen. Nationale Interessen und die Entwicklung bestimmter Technologien spielten eine wichtige Rolle, etwa beim Verbot der biometrischen Echtzeitidentifikation im öffentlichen Raum und beim Umgang mit Foundation Models oder generativer KI. Wie die Einigung zur EU-KI-Verordnung im Detail aussieht, zeige ich in diesem Blog-Beitrag.

Im Fokus des Projekts „Intelligente Wissensdatenbank - Unterstützung bei der Integration von Aleph Alpha" steht die Nutzung der großen Sprachmodelle von Aleph Alpha, um die tägliche Arbeit rund um die Pflege von Textdokumenten und redaktionellen Prozessen intelligenter und effizienter zu gestalten. adesso übernimmt dabei pro bono die Umsetzung der Arbeitsprozesse für die Datenanalyse und das Clustering in der Datenbank. In meinem Blog-Beitrag möchte ich euch den Workshop im Rahmen des KI-Projektes sowie seine zentralen Elemente näher vorstellen.

In diesem Blog-Beitrag tauche ich tiefer mit euch in die Welt der vielversprechenden Rückverfolgbarkeitswerkzeuge ein und gehe über die Theorie hinaus, indem ich praxisnahe Anwendungen in KI-Projekten zeige. Ich werde eine Demo durchführen, um zu zeigen, wie diese Werkzeuge nicht nur die technische Seite der Forschung unterstützen, sondern wie sie auch in der Praxis eingesetzt werden können.