KI News: Kurz und klar.

Shopify erweitert die Kernprozesse des Enterprise-Commerce durch den Einsatz von Agentic AI. Dabei werden operative Abläufe automatisiert und gleichzeitig neue Vertriebskanäle erschlossen.

Die Fähigkeit generativer KI, Softwarecode zu schreiben, hat rasch einen der ersten echten Anwendungsfälle für Unternehmen geschaffen. Sowohl erfahrene Softwareentwickler als auch Einsteiger nutzen KI‑Coding‑Assistenten, um Code zu erzeugen, zu testen, zu bearbeiten und zu debuggen.

Die rasante Verbreitung generativer KI hat in der Hochschullandschaft neue Debatten ausgelöst. Eine kürzlich veröffentlichte Pilotstudie untersucht, wie Studierende die Nutzung dieser Technologie in Lehrveranstaltungen wahrnehmen und welche Erwartungen sie an den Einsatz von GAI im Unterricht haben.

Flo Health nutzt generative KI, um medizinische Inhalte zuverlässig zu prüfen. In dieser zweiteiligen Serie wird die Entwicklung von der ersten Idee bis zur praktischen Anwendung nachgezeichnet.

In der ersten Ausgabe einer dreiteiligen Serie zeigen wir, wie Amazon Nova die Erstellung von Marketingkampagnen durch generative KI beschleunigt, vereinfacht und optimiert.

Was denken und wissen durchschnittliche Technologie-Nutzer*innen über KI? Der Beitrag „Understanding the Generative AI User“ wurde erstmals auf Towards Data Science veröffentlicht.

In der neuesten Folge von Uncanny Valley werfen wir einen Blick auf fünf zentrale Geschichten, die das Jahr 2025 geprägt haben. Von der rasanten Weiterentwicklung generativer KI über die anhaltende Volatilität von Kryptowährungen wie DOGE bis hin zu politischen Debatten über Datenschutz und KI‑Ethik – diese Themen haben die Tech‑ und Politiklandschaft nachhaltig beeinflusst.

Cognizant, Tata Consultancy Services, Infosys und Wipro haben angekündigt, gemeinsam mehr als 200.000 Microsoft Copilot-Lizenzen in ihren Unternehmen einzusetzen – das entspricht über 50.000 Lizenzen pro Firma.

Zara testet, wie weit generative KI in den täglichen Einzelhandelsbetrieb integriert werden kann. Das Unternehmen setzt dabei auf einen bislang wenig beleuchteten Bereich: die Produktfotografie.

Generative KI‑Modelle, wie Vision‑Language‑Modelle (VLMs), werden zunehmend eingesetzt, um Entscheidungen für Nutzer zu treffen – etwa bei der Identifikation von Personen in Bildern. Dabei zeigen sich jedoch deutliche Verzerrungen: VLMs erkennen Frauen seltener als Ärzte, weil die wahrgenommenen demografischen Merkmale die Ausgaben beeinflussen.

Generative Künstliche Intelligenz (GenAI) verändert die Art und Weise, wie Wissen in der Bildung erzeugt und geprüft wird. Statt lediglich ein weiteres digitales Werkzeug hinzuzufügen, formen große Sprachmodelle Lesemuster, Schreibprozesse und Programmieraufgaben zu hybriden Mensch‑KI‑Workflows. Diese Entwicklung wirft Fragen zu epistemischer Automatisierung, kognitivem Offloading und der Entprofessionalisierung von Lehrkräften auf.

Die rasante Entwicklung von Generative AI und Large Language Models eröffnet Forschenden völlig neue Möglichkeiten, ihre Arbeitsabläufe zu optimieren. Trotz des großen Potenzials bleibt die Integration von KI in die wissenschaftliche Praxis jedoch mit Herausforderungen verbunden: unterschiedliche Fachanforderungen, begrenzte KI-Kompetenz, die Koordination mehrerer Tools und die Unsicherheit über die Genauigkeit generativer Modelle.

Generative künstliche Intelligenz (GenAI) wird immer stärker in Lernprozesse integriert. Studierende nutzen die Technologie, um Konzepte zu klären, komplexe Aufgaben zu lösen und in manchen Fällen sogar komplette Aufgaben durch Einfügen von Modellinhalten abzuschließen. Diese Entwicklung bringt jedoch Risiken mit sich: Fehlinformationen, halluzinierte Ausgaben und ein möglicher Verlust kritischer Denkfähigkeiten stehen im Fokus.

Mit zunehmender Verbreitung generativer KI wird die Kostenoptimierung von Modellen zu einem entscheidenden Faktor für Nachhaltigkeit und Zugänglichkeit. Große Sprachmodelle (LLMs) bieten beeindruckende Fähigkeiten, erfordern jedoch enorme Rechenressourcen, die für den täglichen Einsatz in Unternehmen oft unerschwinglich sind. Deshalb richtet sich die Forschung verstärkt auf kleine Sprachmodelle (SLMs), die vergleichbare Leistungen in gezielten Anwendungen liefern und gleichzeitig die Infrastrukturbelastung drastisch reduzieren.

Ein neues Forschungsprojekt aus dem Bereich der generativen KI zeigt, wie aus einfachen Textbeschreibungen sofort physisch umsetzbare Bauanleitungen entstehen können. Dabei arbeitet das System mit einem fest definierten Baustein‑Vokabular, das geometrische Korrektheit, Verbindungsregeln und eine sinnvolle Baureihenfolge garantiert.

Bis Dezember 2025 hat die KI-Einführung an der Wall Street die Phase von Experimenten in großen US-Banken überquert und ist nun fest in den täglichen Geschäftsabläufen verankert. Auf einer Finanzdienstleistungs-Konferenz von Goldman Sachs in New York am 9. Dezember betonten Bankvorstände, dass generative KI bereits als operative Verbesserung wirkt und die Produktivität in den Bereichen Engineering, Betrieb und Kundenservice deutlich steigert. Gleichzeitig wurde deutlich, dass die gesteigerte Effizienz dazu führt, dass Banken ihre Belegschaft reduzieren wollen, um die neuen Technologien optimal zu nutzen.

Die rasante Entwicklung generativer KI verändert die Bildungslandschaft nachhaltig. In einem aktuellen Forschungsprojekt wurden die multimodalen Fähigkeiten und kognitiven Grenzen von GPT‑4o, Gemini 2.5 Flash und Gemini 2.5 Pro anhand der Earth‑Science‑I‑Sektion des 2025‑CSAT (Koreanische Hochschulzugangsprüfung) untersucht.

In der sich rasch entwickelnden sechsten Generation der Mobilfunknetze (6G) steht die Kombination aus Sensorik und Kommunikation – kurz ISAC – im Fokus. Diese Technologie ermöglicht es, Daten aus der Umgebung zu erfassen und gleichzeitig drahtlose Verbindungen bereitzustellen, was für intelligente Netzwerke unverzichtbar ist.

Mistral AI, das französische KI-Unternehmen mit einem Marktwert von 11,7 Milliarden Euro, hat am Dienstag sein neuestes Produkt, das OCR 3, vorgestellt. Das dritte Generation Optical Character Recognition‑Modell soll Unternehmen dabei unterstützen, ihre Papierdokumente in digitale Daten zu überführen – ein entscheidender Schritt, um das volle Potenzial generativer KI auszuschöpfen.

Stellen Sie sich vor: Ihr Unternehmen hat gerade seine erste generative KI-Anwendung eingeführt. Die ersten Ergebnisse sind vielversprechend, doch sobald Sie die Technologie über mehrere Abteilungen hinweg ausrollen wollen, tauchen entscheidende Fragen auf.

KI‑Suchmaschinen und generative KI‑Tools verändern die Art und Weise, wie Nutzer Informationen online finden. Sie liefern schnellere, kontextbezogenere Ergebnisse und formen die digitale Suchlandschaft neu.

In einer Ära, in der jeder ein großes Sprachmodell (LLM) schnell aufsetzen kann, ist der entscheidende Unterschied nicht die reine Technologie, sondern die verankerte Unternehmenskenntnis. SAP betont, dass reine Black‑Box‑KI für Beratungsprojekte, die Millionen von Dollar bewegen, nicht ausreicht.

Generative KI‑Tools sind inzwischen fester Bestandteil von Arbeit und Lernen. Ihre hohe Sprachkompetenz, aber auch ihre Undurchsichtigkeit und die Neigung zu Halluzinationen machen es unerlässlich, dass Nutzer die von KI erzeugten Inhalte nicht einfach akzeptieren, sondern kritisch prüfen.

In der ersten Ausgabe unserer zweigeteilten Serie erfahren Sie, wie Sie Ihre bestehende DevOps‑Architektur für generative KI‑Workloads anpassen und GenAIOps‑Praktiken einführen können.