KI News: Kurz und klar.

In Barcelona hat die Beratungsfirma Gartner erneut die Frage aufgegriffen, warum ERP-Projekte so häufig scheitern. Die Analyse zeigt, dass fehlende Unterstützung durch die Geschäftsführung, unrealistische Zeitpläne und unklare Zielsetzungen die Hauptursachen sind.

Der Markt befindet sich nun offiziell drei Jahre nach dem Durchbruch von ChatGPT. Viele Experten und Analysten haben ihre Schlagzeilen inzwischen mit Begriffen wie „Blase“ gefüllt, um zu erklären, warum generative KI bislang nur bei wenigen Technologieanbietern greifbare Renditen erzielt.

Der Softwareriese SAP hat angekündigt, seine Lizenzierungsstruktur zu vereinfachen, doch die jüngsten Diskussionen auf der deutschsprachigen User‑Group‑Konferenz haben Zweifel aufkommen lassen. Experten betonen, dass die Änderungen zwar auf den ersten Blick klarer wirken, aber in der Praxis zu noch mehr Unsicherheit führen können.

Der neue Leitfaden liefert praxisnahe Ratschläge, um maschinelles Lernen von der Idee zur produktionsreifen Anwendung zu führen. Er richtet sich an Entwickler und Data Scientists, die ihre Modelle über den Proof‑of‑Concept hinaus skalieren wollen.

KI hat in den letzten Jahren die Art und Weise, wie Unternehmen arbeiten, grundlegend verändert. Viele CEOs sehen die Chance, ihre Prozesse zu optimieren und neue Geschäftsmodelle zu erschließen – ein klarer Gewinn.

Eine neue Studie von MIT NANDA zeigt, dass nur fünf Prozent der Unternehmen KI‑Tools in großem Umfang einsetzen. Trotz dieser geringen Nutzung haben US‑Unternehmen zwischen 35 und 40 Milliarden Dollar in generative‑KI‑Projekte investiert. Doch bislang gibt es kaum greifbare Ergebnisse. Die Investitionen wirken sich wie ein Feuer an, das kaum Wärme spendet. Unternehmen stehen vor der Herausforderung, die Technologie nicht nur zu kaufen, sondern auch effektiv zu implementieren, um echte Mehrwerte zu erzielen. Die Studie unterstreicht, dass FOMO (Fear of Missing Out) die Branche antreibt, aber gleichzeitig die Notwendigkeit einer strategischen Herangehensweise betont.

In der sich rasch entwickelnden Welt der künstlichen Intelligenz setzen neue Large‑Language‑Modelle (LLMs) auf dem Markt an, indem sie Aufgaben mit menschlicher Effizienz und Anpassungsfähigkeit ausführen. Ein besonders vielversprechender Ansatz ist die Zusammenarbeit mehrerer KI‑Agenten, die gemeinsam komplexe Probleme lösen können.

Entdecken Sie die Grundlagen von LangGraph anhand der Open‑Source‑Implementierung von Google. Der Beitrag, der erstmals auf Towards Data Science erschien, zeigt, wie Sie mit LangGraph einen tiefen Forschungsagenten aufbauen können.