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.
Benchmark von 38 LLM-Studiengängen im Bereich Finanzen: Claude Opus 4.6, Gemini 3.1 Pro & mehr
Wir evaluierten 38 LLM-Studiengänge im Bereich Finanzen anhand von 238 anspruchsvollen Fragen des FinanceReasoning-Benchmarks, um diejenigen Modelle zu identifizieren, die sich bei komplexen Aufgaben des finanziellen Denkens wie Bilanzanalyse, Prognosen und Kennzahlenberechnungen besonders gut eignen. Überblick über den LLM-Benchmark im Bereich Finanzen: Wir evaluierten LLM-Studiengänge anhand von 238 anspruchsvollen Fragen des FinanceReasoning-Benchmarks (Tang et al.).
Vergleich multimodaler KI-Modelle zum visuellen Denken
Wir haben 15 führende multimodale KI-Modelle hinsichtlich ihres visuellen Denkvermögens anhand von 200 visuellen Aufgaben getestet. Die Evaluierung umfasste zwei Teile: 100 Aufgaben zum Verständnis von Diagrammen, die die Interpretation von Datenvisualisierungen prüften, und 100 Aufgaben zur visuellen Logik, die Mustererkennung und räumliches Denken bewerteten. Jede Aufgabe wurde fünfmal gestellt, um konsistente und zuverlässige Ergebnisse zu gewährleisten.
Vergleich der Modelle mit großer Sicht: GPT-4o vs YOLOv8n
Große Bildverarbeitungsmodelle (LVMs) können visuelle Aufgaben wie Fehlererkennung, medizinische Diagnostik und Umweltüberwachung automatisieren und verbessern. Wir haben drei Objekterkennungsmodelle – YOLOv8n, DETR und GPT-4o Vision – anhand von jeweils 1000 Bildern verglichen und dabei Metriken wie mAP@0,5, Inferenzgeschwindigkeit, FLOPs und Parameteranzahl gemessen. Um einen fairen Vergleich zu gewährleisten, wurden alle Bilder auf […] skaliert.
Die 20 wichtigsten KI-Anwendungen und Beispiele für Nachhaltigkeit
Laut PwC kann GenAI die betriebliche Effizienz steigern und dadurch indirekt den CO₂-Fußabdruck von Geschäftsprozessen verringern. Durch den Einsatz von Generativer KI in Bereichen wie Logistikoptimierung, Bedarfsplanung und Abfallreduzierung können Unternehmen die Emissionen über die KI-Systeme selbst hinaus in ihren gesamten Betriebsabläufen senken.
Die 15 wichtigsten Anwendungsfälle und Beispiele für KI in der Logistik
Anhaltende Ineffizienzen, steigende Betriebskosten und kontinuierliche Lieferkettenunterbrechungen stellen die Logistikbranche weltweit weiterhin vor große Herausforderungen. Diese Belastungen strapazieren traditionelle Systeme, verringern die Zuverlässigkeit der Dienstleistungen und schränken die Skalierbarkeit von Unternehmen ein. Als Reaktion darauf setzen Unternehmen verstärkt auf künstliche Intelligenz (KI), um die Transparenz der gesamten Wertschöpfungskette zu verbessern, die Resilienz zu stärken und Kernfunktionen zu optimieren.
Die 5 besten KI-Dienste zur Steigerung der Geschäftseffizienz
Die Nutzung von KI nimmt rasant zu. Rund 98 % der Unternehmen experimentieren mit KI, was ihre wachsende Verfügbarkeit und ihr Potenzial zur Verbesserung von Betriebsabläufen widerspiegelt. Dennoch haben erst 26 % die Testphase abgeschlossen und einen messbaren Geschäftsnutzen erzielt. Dies zeigt, dass viele Unternehmen noch die notwendigen Kapazitäten aufbauen, um KI effektiv zu skalieren.
Die 20 besten KI-GRC-Softwarelösungen und -Technologien im Jahr
Mit der zunehmenden Integration von KI-Systemen in Geschäftsprozesse sehen sich Unternehmen mit wachsenden Anforderungen an KI-Governance, Risikomanagement und Compliance konfrontiert. In unserer vorherigen Studie haben wir KI-Risiken anhand eines KI-Bias-Benchmarks in der Praxis untersucht und dabei in mehreren Modellen anhaltende Verzerrungen in Bezug auf Annahmen zu Ethnie, Geschlecht und sozioökonomischem Status festgestellt. Diese Ergebnisse unterstreichen die Bedeutung von KI-GRC-Tools, die eine kontinuierliche Verbesserung ermöglichen.
Große Sprachmodelle in der Cybersicherheit
Wir evaluierten sieben große Sprachmodelle in neun Bereichen der Cybersicherheit mithilfe von SecBench, einem umfangreichen und formatübergreifenden Benchmark für Sicherheitsaufgaben. Jedes Modell wurde anhand von 44.823 Multiple-Choice-Fragen (MCQs) und 3.087 Kurzfragen (SAQs) getestet, die Bereiche wie Datensicherheit, Identitäts- und Zugriffsmanagement, Netzwerksicherheit, Schwachstellenmanagement und Cloud-Sicherheit abdeckten.
KI-Halluzination: Vergleiche Top-LLMs wie GPT-5.2
KI-Modelle können Antworten generieren, die plausibel erscheinen, aber falsch oder irreführend sind – sogenannte KI-Halluzinationen. 77 % der Unternehmen sind besorgt über KI-Halluzinationen. Wir haben 37 verschiedene Lernmodelle mit 60 Fragen verglichen, um ihre Halluzinationsraten zu messen: Ergebnisse des KI-Halluzinations-Benchmarks.
Vergleichen Sie die KI-Umsätze über die gesamte Wertschöpfungskette hinweg.
Der KI-Markt expandierte rasant über alle vier Ebenen hinweg (Daten, Rechenleistung, Modelle und Anwendungen). So stiegen beispielsweise die Umsätze von NVIDIA im Rechenzentrumsbereich innerhalb eines Jahres von 47,5 Mrd. US-Dollar auf 115,2 Mrd. US-Dollar; OpenAI erreichte einen Jahresumsatz von rund 13 Mrd. US-Dollar; und Anthropic näherte sich 7 Mrd. US-Dollar an wiederkehrenden Umsätzen (ARR). Wir haben Umsatzdaten von über 100 KI-Unternehmen analysiert.