KI
Entdecken Sie praxisnahe Einblicke, Forschungsergebnisse und Benchmarks im Bereich der künstlichen Intelligenz, darunter generative KI, große Sprachmodelle, RAG, Governance-Frameworks, MLOps-Praktiken und KI-Hardware. Verschaffen Sie sich ein Verständnis für wichtige Werkzeuge, Implementierungsstrategien und Anwendungsfälle in Unternehmen, die die KI-Landschaft prägen.
Die 20 besten KI-Tools für die Lieferkette mit Beispielen
Von Bedarfsplanung und Bestandsoptimierung bis hin zur Zustellung auf der letzten Meile und Lieferantenverhandlungen – KI ermöglicht es Unternehmen in der Lieferkette, komplexe Daten zu verarbeiten, schneller auf Störungen zu reagieren und fundiertere Entscheidungen in globalen Netzwerken zu treffen. Entdecken Sie die 20 besten KI-Tools für die Lieferkette und erfahren Sie, wie sie KI nutzen, um reale Herausforderungen zu meistern und die Leistung zu steigern.
Die 8 besten Softwarelösungen für die Wirkstoffforschung
The drug discovery software market divides into three categories: computational chemistry suites for structure-based design, AI-native platforms for generative chemistry and target identification, and R&D data management systems for ELN, LIMS, synthesis tracking, data analysis, and compound registration. We compared the top 8 drug discovery platforms across features, pricing, and deployment models.
Top 10 Sprachbots: Bland AI, ElevenLabs & PolyAI
Ein Sprachbot oder KI-gestützter Sprachassistent hört dem Anrufer zu, wandelt gesprochene Wörter per Spracherkennung in Text um, analysiert die Kundenabsicht mithilfe von natürlicher Sprachverarbeitung und gibt anschließend eine Antwort per Sprachausgabe zurück. Entdecken Sie die Top 10 der Sprachbots und vergleichen Sie deren Preispläne, Bereitstellungs- und Telefoniemodelle sowie Benutzeroberflächen.
KI-Codierungs-Benchmark: Claude-Code vs. Cursor
Im Bereich der KI-Programmierung hat sich der Markt in zwei Kategorien aufgespalten: Agentische CLI-Tools und in IDEs integrierte KI-Code-Editoren. Beide versprechen die Automatisierung der Entwicklung. Vergleiche zeigen jedoch kaum, wie sie sich unter identischen Arbeitslasten unterscheiden. Wir haben jeden Agenten anhand von zehn Full-Stack-Webentwicklungsaufgaben getestet und dabei pro Agent etwa 600 atomare Validierungsprüfungen und insgesamt über 9.600 […] durchgeführt.
Einbettungsmodelle: OpenAI vs Gemini vs Cohere
Die Effektivität eines Retrieval-Augmented Generation (RAG)-Systems hängt von der Präzision seines Retrievers ab. Wir haben elf führende Text-Embedding-Modelle, darunter Modelle von OpenAI, Gemini, Cohere, Snowflake, AWS, Mistral und Voyage AI, anhand von ca. 500.000 Amazon-Rezensionen verglichen. Wir bewerteten die Fähigkeit jedes Modells, die richtige Antwort zuerst abzurufen und zu priorisieren.
Ethik generativer KI: Wie man sie handhabt
Generative KI wirft wichtige Fragen hinsichtlich der Wissensvermittlung und des Vertrauens in bestehende Systeme auf. Britannica beispielsweise reichte Klage gegen Perplexity ein, da das Unternehmen angeblich illegal und wissentlich von Britannica geprüfte Inhalte kopiert und Markenrechte ohne Genehmigung missbraucht habe. Erfahren Sie mehr über die ethischen Bedenken im Zusammenhang mit generativer KI und bewährte Verfahren zu deren Bewältigung. 1.
Publikumssimulation: Können Lernmanagementsysteme menschliches Verhalten vorhersagen?
Im Marketing ist die Bewertung der Genauigkeit von LLMs (Level Models) bei der Vorhersage menschlichen Verhaltens entscheidend, um ihre Effektivität bei der Antizipation von Zielgruppenbedürfnissen zu beurteilen und Risiken wie Fehlausrichtung, ineffektive Kommunikation oder unbeabsichtigte Beeinflussung zu erkennen. Die Zielgruppensimulation mit LLMs ermöglicht die Modellierung virtueller Zielgruppen und hilft Unternehmen, Reaktionen auf Inhalte oder Produkte vorherzusehen, ohne auf kostspielige Umfragen oder Fokusgruppen angewiesen zu sein.
Open Source Embedding Models Benchmark für RAG
Wir haben 14 Open-Source-Embedding-Modelle, die auf einem einzelnen H100-Server selbst gehostet wurden, anhand von über 500 manuell kuratierten Abfragen aus den Bereichen Rechtsverträge, technische Kundendienstdokumente und medizinische Abstracts verglichen. Llama-Embed-Nemotron-8B (NVIDIA) erzielt die höchste Genauigkeit. EmbeddingGemma-300m (Google) ist im Vergleich zu Nemotron etwa viermal günstiger, allerdings mit einem geringfügigen Genauigkeitsverlust.
LLM-Inferenzmaschinen: vLLM vs. LMDeploy vs. SGLang
Wir haben drei führende LLM-Inferenz-Engines auf dem H100 (NVIDIA) getestet: vLLM, LMDeploy und SGLang. Jede Engine verarbeitete identische Workloads: 1.000 ShareGPT-Prompts mit Llama 3.1 8B-Instruct, um die tatsächlichen Auswirkungen ihrer Architektur und Optimierungsstrategien auf die Performance zu ermitteln. Benchmark-Ergebnisse der Inferenz-Engines: Wir haben den Offline-Batch-Durchsatz über insgesamt 10.000 Inferenzoperationen (1.000 Prompts […]) gemessen.
LCMs: Von der Tokenisierung auf LLM-Ebene zur Repräsentation auf Konzeptebene
Große Konzeptmodelle (Large Concept Models, LCMs), wie sie von Meta in ihrer Arbeit zu „Großen Konzeptmodellen“ eingeführt wurden, stellen einen grundlegenden Wandel von tokenbasierter Vorhersage hin zur Repräsentation auf Konzeptebene dar.