IT bedeutet nicht immer Code. Citizen Developer können auch ohne umfassende Kenntnisse im Programmieren mithilfe von Low-Code- und No-Code-Plattformen ihren Beitrag leisten. Diese Plattformen ermöglichen die Erstellung von Anwendungen durch visuelle Schnittstellen oder mit Anpassungsoptionen und Codierungsunterstützung. Generative KI erleichtert die Code-Erstellung durch...

In diesem Artikel unterstreicht unser CEO Sebastian die transformative Kraft von Large Language Models (LLMs) im Unternehmenskontext und liefert einen Leitfaden für deren Implementierung. Es handelt sich hierbei nicht um bloße Zukunftsmusik, sondern um eine strategische Notwendigkeit, die zukunftsorientierte Firmen heute ergreifen, um bahnbrechende Innovationen voranzutreiben.

IT bedeutet nicht immer Code. Citizen Developer können auch ohne umfassende Kenntnisse im Programmieren mithilfe von Low-Code- und No-Code-Plattformen ihren Beitrag leisten. Diese Plattformen ermöglichen die Erstellung von Anwendungen durch visuelle Schnittstellen oder mit Anpassungsoptionen und Codierungsunterstützung. Generative KI erleichtert die Code-Erstellung durch...

Die meisten Szenarien um LLMs zu nutzen erfordern, dass diese Modelle Geschäftsdaten und Geschäftsdokumente kennen. Ein vielversprechender Ansatz dafür ist das Konzept des In-Context-Learnings, bei dem dem LLM während der Abfrage die relevanten Daten übergeben werden. Da das Modell dabei nicht gefinetuned wird, fallen keine Kosten für die Anpassung der Modellgewichte an und das Modell bleibt flexibel im Hinblick auf den Kontext der Anfragen. In diesem Artikel werden wir die grundlegenden Ansätze des In-Context-Learnings und ihre Nachteile anhand von extern bereitgestellten und selbst gehosteten LLMs beispielhaft untersuchen.

In diesem Artikel wird untersucht, wie große Sprachmodelle wie ChatGPT mit firmeneigenen Daten integriert werden können. Das jüngste Aufkommen von großen Sprachmodellen eröffnet Unternehmen zahlreiche Möglichkeiten, allerdings stellt die Verbindung mit proprietären Daten eine Herausforderung bei einer solchen Transformation dar. In diesem Artikel werden die verschiedenen Ansätze zur Lösung dieses Problems erörtert, z. B. Fine-Tuning und kontextbezogenes Lernen. Zusätzlich wird auf die damit verbundenen Herausforderungen und Risiken eingegangen.

Computer Vision ist heutzutage allgegenwärtig. Es ist ein spannendes Forschungsgebiet, bei dem es darum geht, Maschinen zu lehren, die Welt um sie herum zu "sehen" und zu interpretieren, indem sie digitale Bilder oder Videos verwenden. In der Vergangenheit war die Computer Vision ein separater Bereich der Wissenschaft und Technik. Eines der Hauptunterscheidungsmerkmale zwischen der modernen Computer Vision und ihren früheren Versionen ist der Wechsel von regelbasierten zu datengesteuerten Ansätzen. Mit dem Aufkommen des Deep Learning hat sich die Computer Vision weg von handgefertigten Merkmalen und hin zu End-to-End-Modellen entwickelt, die direkt aus Rohdaten lernen können.

Business Intelligence (BI) ist ein kritischer Aspekt der modernen Entscheidungsfindung in Organisationen. Es bezieht sich auf die Verwendung von Daten, Technologien und Analysemethoden, um Rohdaten in umsetzbare Erkenntnisse umzuwandeln, die eine effektive Entscheidungsfindung unterstützen. BI hilft Unternehmen, ihre Datenbestände zu nutzen, um einen Wettbewerbsvorteil zu erzielen, die betriebliche Effizienz zu verbessern und bessere Entscheidungen zu treffen. Ob es darum geht, Trends in Verkaufsdaten zu identifizieren, die zukünftige Nachfrage zu prognostizieren oder Lieferketten zu optimieren, Business Intelligence liefert wertvolle Erkenntnisse, die den Geschäftserfolg vorantreiben...