HTEC in the news

Auch wenn künstliche Intelligenz auf jeder Agenda steht, bleiben viele der angestoßenen Initiativen hinter ihren Erwartungen zurück. Der Grund ist selten technischer Natur, die Probleme liegen vielmehr in einem Vorgehen, das KI als isolierte Projekte und Einzelmaßnahmen versteht. Ein AI-First-Ansatz mit vierstufigem Framework hilft bei der Einführung.

Die Investitionen der EU in KI müssen über die Finanzierung hinausgehen und sich auf die tatsächliche Umsetzung und messbare Auswirkungen konzentrieren. Klicken Sie hier, um zu erfahren, warum nicht Ambitionen, sondern Maßnahmen den Vorsprung Europas im Bereich KI vorantreiben werden.

Goran Savić, Director of Technology, Tech Excellence Network, bei HTEC erklärt, warum ein Security-by-Design-Ansatz angesichts des stetig steigenden Risikos von Cyberangriffen wichtiger denn je ist. Wenn Sicherheitsanforderungen bereits zu Beginn des Hardware- und Softwareentwicklungsprozesses berücksichtigt werden, können potenzielle Sicherheitslücken präventiv geschlossen werden.

Alex Rumble, Chief Marketing Officer bei HTEC, sagt, dass Unternehmen, die in KI-Bereitschaft investieren, Teams bilden, die intelligente Technologien wirkungsvoll und integer einsetzen können.

Die Mehrheit der Unternehmen beschäftigt sich mit KI. Sie wollen das enorme Potenzial der Zukunftstechnologie nutzen oder fürchten, im KI-Wettrennen zurückzufallen.

Unternehmen stehen vor der Wahl zwischen grossen und kleinen Sprachmodellen – eine Entscheidung, die entscheidend für Erfolg oder Fehlinvestition sein kann.

Die Automobilbranche erlebt gerade eine KI-Revolution, denn Künstliche Intelligenz wird nicht nur die Grundlage für das autonome Fahren. Sie verändert auch, wie Menschen mit Fahrzeugen interagieren und wie die Hersteller ihre neuen Modelle entwickeln, fertigen und vermarkten.

Viele Unternehmen investieren in KI, bleiben aber oft in Pilotprojekten stecken. Der Grund: Sie betrachten KI zu technikzentriert und unterschätzen Faktoren wie Strategie, Kultur und operative Umsetzung. 

Sprachmodelle sprießen wie Pilze aus dem Boden – und Unternehmen stehen bei der Suche nach passenden Lösungen für ihre Anwendungsfälle vor der Qual der Wahl. Besonders der Unterschied zwischen Large Language Models und Small Language Models hat unmittelbare Auswirkungen auf Kosten, Performance, Skalierbarkeit und Compliance.