GitHub Copilot stellt zum 1. Juni 2026 von einem Abonnementmodell mit Pauschalgebühr auf ein tokenbasiertes Preissystem um. Das aktuelle Modell bietet Nutzern eine feste Anzahl an Premium-Anfragen pro Abonnementstufe, wobei sowohl komplexe als auch einfache Programmieraufgaben als eine Anfrage zählen. Die neue Preisstruktur orientiert sich an den API-Gebühren für große Sprachmodelle und berechnet die Kosten anhand der für Ein- und Ausgabe verwendeten Token. Ein Token entspricht typischerweise etwa drei Vierteln eines Wortes, wodurch die Preisgestaltung differenzierter und nutzungsabhängiger wird als beim bisherigen einfachen Pauschalmodell.

SAP betont, dass die Steuerung von KI in Unternehmen entscheidend für den Schutz der Gewinnmargen ist, indem statistische Näherungen durch deterministische Kontrolle ersetzt werden. Während KI-Modelle für Endverbraucher oft eine Genauigkeit von 90 % erreichen, hebt SAP-Präsident Manos Raptopoulos hervor, dass der Unterschied zwischen nahezu perfekter und perfekter Leistung in Unternehmensumgebungen existenziell und nicht nur inkrementell ist. Mit dem produktiven Einsatz großer Sprachmodelle müssen sich die Bewertungskriterien hin zu Präzision, Steuerung, Skalierbarkeit und messbaren Geschäftsauswirkungen verschieben. Die zentrale Herausforderung der Steuerung besteht darin, die Entwicklung von KI von passiven Werkzeugen zu aktiven digitalen Akteuren innerhalb der Unternehmensprozesse zu managen.

APIs ermöglichen die direkte Kommunikation zwischen Anwendungen über vordefinierte Protokolle mit fest codierten Anfrage- und Antwortformaten. MCPs (Model Context Protocols) unterstützen große Sprachmodelle, indem sie strukturierten Zugriff auf Daten und Werkzeuge bieten und es KI ermöglichen, Ressourcen dynamisch basierend auf Benutzeranfragen auszuwählen. Der entscheidende Unterschied liegt in ihrem Design: APIs ermöglichen einen festen Datenaustausch zwischen Softwareanwendungen mit vordefinierten Formaten, während MCPs es Sprachmodellen ermöglichen, intelligent die passenden Werkzeuge und Informationen zur Aufgabenerfüllung auszuwählen. Entwickler interagieren mit APIs durch explizite Codierung von Anfragen und Antworten, wohingegen MCPs ein flexibles Framework für KI-gestützte Entscheidungsfindung beim Zugriff auf externe Ressourcen und Funktionen bieten.

LG und NVIDIA führen Sondierungsgespräche über physische KI, Rechenzentren und Mobilitätslösungen. Nach Treffen zwischen LG-CEO Ryu Jae-cheol und Madison Huang von NVIDIA konzentrieren sich die Gespräche auf die Betriebsinfrastruktur für komplexe automatisierte Systeme. Obwohl noch keine konkreten Investitionen oder Zeitpläne bestätigt wurden, adressiert die Zusammenarbeit kritische Herausforderungen beim Einsatz autonomer Systeme, insbesondere das Wärmemanagement für High-Density-Computing. NVIDIAs Rechenzentren stoßen aufgrund der zunehmenden Dichte der Rechencluster für Machine-Learning-Modelle an die Grenzen ihrer Kühlinfrastruktur. LGs Geschäftsbereiche positionieren sich, um fortschrittliche HLK- und Wärmemanagementlösungen für die Anforderungen der KI-Infrastruktur der nächsten Generation bereitzustellen.

OpenAI veröffentlichte GPT-5.5 am 23. April 2025 und positionierte es als leistungsfähigstes agentenbasiertes KI-Modell für autonomes Arbeiten. Es wurde von Grund auf neu entwickelt und in Zusammenarbeit mit den NVIDIA-Systemen GB200 und GB300 konzipiert. GPT-5.5 ist das erste neu trainierte Basismodell seit GPT-4.5. Es kann selbstständig planen, Tools nutzen, Ergebnisse überprüfen und Aufgaben mit minimalem menschlichen Eingriff erledigen. GPT-5.5 steht Plus-, Pro-, Business- und Enterprise-Nutzern über ChatGPT und Codex zur Verfügung; der API-Zugriff ist ab dem 24. April möglich. Das Modell erzielt 82,7 % auf Terminal-Bench 2.0 und übertrifft damit seinen Vorgänger GPT-5.4 mit 75,1 % bei Aufgaben im Zusammenhang mit Kommandozeilen-Workflows deutlich.

Die Einführung von KI in Europa stagniert, da nur 9 % der Unternehmen in der EMEA-Region messbare Geschäftsergebnisse mit ihren Initiativen erzielen. Laut einer Studie von IDC reduzieren Vorstände KI-Projekte aufgrund von Umsetzungsschwierigkeiten und fehlender finanzieller Validierung, weniger aufgrund technischer Probleme. Angesichts konkurrierender IT-Anforderungen und des wirtschaftlichen Drucks fordern Führungskräfte nun konkrete ROI-Nachweise, bevor sie eine breitere Implementierung genehmigen. CIOs müssen umfassende Systemprüfungen durchführen, um ins Stocken geratene KI-Einführungen in Unternehmen wiederzubeleben, die nach 18 Monaten Investitionen in große Sprachmodelle und maschinelles Lernen an Dynamik verloren haben.

Kakao Mobility kündigt Pläne zur Eigenentwicklung von Level-4-Autonomietechnologie im Rahmen seiner Strategie für physische KI an. Vizepräsident Kim Jin-kyu präsentierte den Fahrplan auf der World IT Show 2026 in Seoul und skizzierte darin autonome Fahrdienste, die in Mobilitätsplattformen integriert sind. Die Initiative zielt darauf ab, Technologien für autonomes Fahren mit der physischen Infrastruktur zu kombinieren und ein offenes Ökosystem für autonomes Fahren zu schaffen, um Südkoreas Wettbewerbsfähigkeit im Mobilitätssektor im Zeitalter der physischen KI zu stärken.

Encoder sind die grundlegenden KI-Systeme, die Informationen aus der realen Welt in maschinenlesbare, strukturierte Sprache übersetzen und es der künstlichen Intelligenz ermöglichen, Daten zu verstehen und zu verarbeiten. Dieser Artikel untersucht die Entwicklung von Encodern – von einfachen technischen Datenkonvertern bis hin zu komplexen Systemen, die mehrere Informationstypen gleichzeitig verarbeiten können. Ausgehend von den manuellen Kodierungsprozessen der Anfänge des maschinellen Lernens stellt die Entwicklung einen schrittweisen Fortschritt dar, der durch praktische Herausforderungen und reale Bedürfnisse bedingt war. Während sich KI-Diskussionen typischerweise auf Ergebnisse wie menschenähnliche Texte, beeindruckende Bilder und präzise Empfehlungen konzentrieren, liefern Encoder das entscheidende, grundlegende Verständnis, das diese Fähigkeiten erst ermöglicht. Erfahren Sie, wie diese stille Transformation die Fähigkeit moderner KI, komplexe Informationen zu verstehen, geprägt hat.

Mastercard hat am 4. März 2026 in Singapur in Zusammenarbeit mit den Banken DBS und UOB erfolgreich die erste authentifizierte, agentenbasierte Zahlungstransaktion abgeschlossen. Die Demonstration umfasste die Buchung einer Fahrt zum Flughafen Changi über den Mobilitätsanbieter hoppa mithilfe der KI-Plattform von CardInfoLink durch einen KI-Agenten. Die Transaktion nutzte das Mastercard Agent Pay Framework mit Mastercard Agentic Tokens pro Agent, der expliziten Einwilligung des Kunden und Mastercard Payment Passkeys zur Kaufbestätigung. Dieser Meilenstein markiert einen bedeutenden Schritt von der Konzeptphase zur praktischen Anwendung des autonomen KI-Handels. Tokenisierte Anmeldeinformationen gewährleisten dabei die sichere Kundenverifizierung und den Datenschutz während des gesamten Zahlungsprozesses.

Google-Forscher haben eine zunehmende Bedrohung durch indirekte Prompt-Injection entdeckt, die KI-Systeme in Unternehmen über öffentliche Webseiten angreift. Angreifer betten versteckte Anweisungen in Standard-HTML-Code ein, die erst aktiv werden, wenn KI-Assistenten die Inhalte erfassen. Anders als bei direkten Prompt-Injection-Angriffen, bei denen Nutzer Befehle eingeben, um Chatbots zu manipulieren, umgehen diese indirekten Angriffe Sicherheitsvorkehrungen, indem sie schädliche Anweisungen in vertrauenswürdigen Datenquellen platzieren. Sicherheitsteams, die das Common Crawl-Repository analysierten, stellten fest, dass diese digitalen Fallen auf Milliarden von öffentlichen Webseiten immer häufiger vorkommen und erhebliche Risiken für KI-Systeme in Unternehmen darstellen, die Online-Inhalte automatisch erfassen und verarbeiten.

Die Sicherung von KI-Lieferketten stellt uns vor beispiellose Herausforderungen, die weit über die traditionelle Softwaresicherheit hinausgehen. Während herkömmliche Systeme Quellcode, Drittanbieterpakete und Build-Systeme umfassen, erweitert die Angriffsfläche von KI-Anwendungen durch gehostete Modelle, Datenabruf-Pipelines, Orchestrierungs-Frameworks, externe Tools und Unternehmenskonnektoren dramatisch. Anders als bei Vorfällen in traditionellen Lieferketten, bei denen kompromittierte Komponenten im Vordergrund stehen, sind KI-Systeme nach der Bereitstellung durch Verbindungen zu Datenquellen, Tools und externen Diensten kontinuierlichen Risiken ausgesetzt. Manipulierte Datenquellen können das Systemverhalten beeinflussen, wodurch die Sicherheit von KI-Lieferketten komplexer wird und eine kontinuierliche Überwachung der vernetzten Abhängigkeiten und Identitäten im gesamten Ökosystem erforderlich ist.

Künstliche Intelligenz revolutioniert den Devisenhandel durch KI-gestützte Forex-Bots, die riesige Marktdatenmengen verarbeiten und komplexe Muster erkennen, die über die Möglichkeiten manueller Analysen hinausgehen. Moderne Forex-Roboter haben sich von starren, regelbasierten Algorithmen zu hochentwickelten Systemen entwickelt, die KI-Techniken integrieren. Diese Systeme passen sich veränderten Marktbedingungen an, bewerten Risiken effektiv und verbessern sich durch kontinuierliches Lernen. Die intelligenten Tools sind rund um die Uhr auf den globalen Devisenmärkten aktiv und analysieren, interpretieren und reagieren auf Marktsignale in Echtzeit. Dies stellt einen grundlegenden Wandel hin zu automatisierten Handelssystemen dar und verändert die Beziehung zwischen menschlichen Händlern und künstlicher Intelligenz auf den Finanzmärkten grundlegend.

Der autonome Tischtennisroboter Ace von Sony AI hat in offiziellen Spielen nach den Regeln des Internationalen Tischtennisverbandes (ITTF) erfolgreich gegen hochkarätige menschliche Spieler angetreten und diese besiegt. Dieses KI-System demonstriert in realen Wettkampfsituationen fortschrittliche Fähigkeiten in schneller Entscheidungsfindung und präziser Motorsteuerung. In dokumentierten Tests ab April 2025 gewann Ace drei von fünf Spielen gegen Spitzenspieler; weitere Siege gegen Profigegner wurden bis Anfang 2026 erzielt. Der Roboter kombiniert Hochgeschwindigkeits-Wahrnehmungssysteme mit KI-gesteuerter Regelung, um Schläge unter Wettkampfbedingungen auszuführen. Dies stellt einen bedeutenden Fortschritt in der Anwendung künstlicher Intelligenz im physischen Sport dar.

KI-Systeme setzen zunehmend auf kontinuierlich aktualisierte Datenströme anstelle statischer Datensätze. Finanzmärkte wie Kryptowährungen dienen hierfür als Paradebeispiele. Der BNB-Kurs und ähnliche Krypto-Assets fungieren als konstante Datenströme und nicht als feste Werte, wodurch wertvolle Trainingsumgebungen für KI-Modelle geschaffen werden. Kryptowährungsmärkte verstärken diesen Effekt durch unregelmäßige Bewegungen und nicht-repetitive Muster, was sowohl Herausforderungen als auch Chancen für die KI-Interpretation mit sich bringt. Im Gegensatz zu traditionellen statischen Datensätzen, die vor der Verwendung gesammelt und bereinigt werden, treffen Marktdaten in Echtzeit kontinuierlich ein. Dies zwingt Modelle, sich dynamisch anzupassen und aufkommende Veränderungen zu erkennen, ohne sich auf feste Annahmen zu stützen.

Das in Tel Aviv und San Francisco ansässige Startup Band hat sich mit einer Seed-Finanzierung von 17 Millionen US-Dollar erstmals öffentlich präsentiert, um die Herausforderungen der KI-Agentenkoordination in Unternehmensumgebungen zu lösen. Das Unternehmen begegnet Automatisierungsverlusten durch den Aufbau einer dedizierten Interaktionsinfrastruktur, die die Funktionsweise, Kommunikation und den Datenaustausch unabhängiger KI-Agenten in Unternehmensnetzwerken und Cloud-Umgebungen regelt. Mit der zunehmenden Verbreitung autonomer KI-Agenten in Geschäftssystemen führt fragmentierte Koordination zu Ineffizienzen und erfordert menschliches Eingreifen, um unzusammenhängende Arbeitsabläufe zu verbinden und implizite Berechtigungen zu verwalten. Die Lösung von Band bietet eine strukturierte Interaktionsschicht für autonome Unternehmenssysteme, die die historische Entwicklung der Computertechnologie durch standardisierte Schnittstellen widerspiegelt. Dies ermöglicht eine nahtlose Zusammenarbeit der Agenten bei gleichzeitig reduziertem manuellem Aufwand und geringerer Integrationskomplexität.

Google und NVIDIA haben auf der Google Cloud Next ihre Roadmap für KI-Infrastruktur vorgestellt und dabei A5X Bare-Metal-Instanzen präsentiert, die auf NVIDIA Vera Rubin NVL72 Rack-Scale-Systemen basieren. Diese Architektur der nächsten Generation bietet im Vergleich zu Vorgängergenerationen bis zu zehnmal niedrigere Inferenzkosten pro Token und einen zehnmal höheren Token-Durchsatz pro Megawatt. Die Lösung kombiniert NVIDIA ConnectX-9 SuperNICs mit der Google Virgo Netzwerktechnologie, um massive Bandbreitenanforderungen zu bewältigen. Sie skaliert auf bis zu 80.000 NVIDIA Rubin GPUs in einem einzelnen Cluster und 960.000 GPUs in Multi-Site-Bereitstellungen und begegnet so den wachsenden Kostenherausforderungen der KI-Inferenz im großen Maßstab.

Yann LeCun, ehemaliger KI-Chefentwickler bei Meta, sicherte sich eine Milliarde US-Dollar an Finanzierung für sein zwölfköpfiges Startup AMI Labs. Dies signalisiert das anhaltende Vertrauen der Investoren in KI, trotz seiner Skepsis gegenüber großen Sprachmodellen. LeCun plädiert für einen anderen Ansatz: modulare, domänenspezifische KI-Systeme anstelle von Allzweckmodellen. AMI Labs wird sich etwa fünf Jahre lang auf die Forschung konzentrieren, bevor kommerzielle Produkte auf den Markt kommen. Das Unternehmen entwickelt KI-Architekturen mit spezialisierten Weltmodellen, die auf spezifische Branchen und Anwendungsfälle zugeschnitten sind. Dies stellt einen grundlegenden Wandel von den gängigen KI-Entwicklungsstrategien hin zu zielgerichteteren, komponentenorientierten Systemen dar.

Entdecken Sie die drei Entwicklungsstufen der KI-Einführung im Rechtssektor – von anfänglicher Ablehnung bis hin zur aktiven Nutzung. Der Pariser KI-Berater Olivier Chaduteau erläutert, wie Anwaltskanzleien den Weg von der Ablehnung der Relevanz von KI für die Expertenarbeit über oberflächliche Lizenzkäufe aus reinem Image bis hin zur entscheidenden dritten Stufe beschritten haben, in der die sinnvolle Implementierung beginnt. Erfahren Sie, warum eine erfolgreiche KI-Integration umfassendes Change-Management, geeignete Betriebsmodelle, die Anpassung von Geschäftsmodellen, die Neugestaltung von Arbeitsabläufen, die Weiterbildung von Anwälten, Standards für die KI-Nutzung und den strategischen Einsatz menschlicher Prüfer erfordert. Diese operativen und politischen Herausforderungen erweisen sich als weitaus komplexer als die bloße Auswahl von Sprachmodellen oder juristischen Tools und verlangen von den Kanzleien ein ernsthaftes Engagement für den Wandel.

Die automatisierte KI-gestützte Schwachstellenerkennung revolutioniert die Wirtschaftlichkeit der Unternehmenssicherheit, indem sie traditionelle Kostenvorteile von Angreifern umkehrt. In Zusammenarbeit mit Claude Mythos Preview von Anthropic identifizierte Mozilla Firefox in Version 150 271 Schwachstellen, nachdem in Version 148 bereits 22 Sicherheitskorrekturen vorgenommen worden waren. Der Einsatz von Opus 4.6 widerlegt die Annahme, dass die vollständige Vermeidung von Sicherheitslücken unrealistisch sei, und macht eine umfassende Schwachstellenerkennung für Unternehmen, die zunehmendem Regulierungsdruck und Cyberbedrohungen ausgesetzt sind, zugänglicher und kostengünstiger.

Siemens präsentiert den Eigen Engineering Agent, ein KI-System, das Automatisierungsaufgaben im laufenden Betrieb selbstständig plant und validiert. Mithilfe mehrstufiger Schlussfolgerungen und Selbstkorrektur arbeitet es direkt in Engineering-Plattformen und schließt Workflows von der Konzeption bis zur Validierung ab. Der Agent interpretiert Projektanforderungen, generiert Automatisierungscode, konfiguriert industrielle Systeme und optimiert die Ergebnisse, bis die Leistungsziele erreicht sind. Er übernimmt die SPS-Programmierung, die HMI-Einrichtung und die Gerätekonfiguration und gewährleistet dabei höchste Zuverlässigkeit und Präzision. Integriert in die Siemens TIA Portal-Plattform, greift er auf projektspezifische Daten wie Strukturen und Komponentenbeziehungen zu und ermöglicht so umfassende Automatisierungslösungen.

Snowflake erweitert seine KI-Funktionen mit den Angeboten Snowflake Intelligence und Cortex Code. Snowflake Intelligence richtet sich an Anwender ohne technische Vorkenntnisse und ermöglicht die Ausführung von Aufgaben in natürlicher Sprache innerhalb bestehender Workflows für Präsentationen und Analysen. Cortex Code unterstützt Entwickler und technische Teams. Zu den Neuerungen gehören verbesserte Integrationen von Drittanbietern, neue Automatisierungsfunktionen und vereinfachte webbasierte Tools zum Erstellen von KI-Workflows mit Agentencharakter. Ziel ist es, die KI-Implementierung und -Entwicklung innerhalb des Snowflake-Ökosystems für verschiedene Anwendergruppen zu optimieren.

Laut einer Studie von ISACA können 59 % der Experten für digitales Vertrauen KI-Systeme bei Sicherheitsvorfällen nicht schnell stoppen. Nur 21 % sind in der Lage, innerhalb von 30 Minuten nach einem KI-Notfall einzugreifen. Dies offenbart gravierende Lücken in der KI-Governance von Unternehmen. Dieser alarmierende Trend bedeutet, dass kompromittierte KI-Systeme unkontrolliert weiterlaufen und Unternehmen irreversiblen Schaden zufügen können. Die Ergebnisse zeigen einen grundlegenden Fehler im Umgang von Unternehmen mit KI-Technologie: Es fehlen angemessene Sicherheitsvorkehrungen und Kontrollmechanismen. Unternehmen benötigen dringend robuste Governance-Rahmenwerke, um Krisen in KI-Systemen effektiv zu bewältigen und potenziell katastrophale Ausfälle in kritischen Arbeitsabläufen zu verhindern.

Bobyard präsentiert Bobyard 2.0, eine verbesserte KI-Plattform mit beschleunigten Mengenermittlungs-Workflows und einer einheitlichen Arbeitsumgebung für Bau- und Landschaftsbau-Kalkulatoren. Das Update optimiert die Projektbudgetberechnung durch schnellere Mengenermittlung – die Analyse der für Bauprojekte benötigten Materialien und Mengen. Zu den wichtigsten Funktionen gehört ein Modell, das Material und Kosten integriert und so Fehler von der Mengenermittlung bis zum finalen Angebot reduziert. Die innovative Funktion „Mehrfachmessung“ ermöglicht es Kalkulatoren, Fläche, Umfang und Volumen gleichzeitig zu berechnen und so redundante Messungen zu vermeiden. Diese Verbesserungen helfen Bauunternehmen, manuelle Messfehler zu minimieren und kostspielige Überraschungen während der Bauphase zu vermeiden. Das Ergebnis sind schnellere und genauere Projektkalkulationen.

Das Finanzdienstleistungsunternehmen SEI arbeitet mit IBM zusammen, um seine Abläufe durch agentenbasierte KI und Automatisierung zu modernisieren. Der Fokus liegt dabei auf der Prozessoptimierung und Systemaktualisierung für ein verbessertes Kundenerlebnis. Für eine erfolgreiche Implementierung ist es notwendig, bestehende Arbeitsabläufe zu prüfen, um repetitive administrative Aufgaben zu identifizieren, anstatt einfach nur KI-Modelle auszuwählen. Finanzinstitute, die Standardabfragen und die Dateneingabe automatisieren, können die Bearbeitungszeiten um bis zu 40 Prozent reduzieren und ihren Mitarbeitern so ermöglichen, sich auf wertvolle Kundenbeziehungen zu konzentrieren. Die Initiative betont den Aufbau einer datenzentrierten Grundlage als essenziell für die operative Automatisierung und die Erzielung eines messbaren ROI im Rahmen der digitalen Transformation des Finanzsektors.

Qualcomm und Wayve haben eine strategische Partnerschaft geschlossen, um die Integration von KI in Fahrzeuge zu vereinfachen. Dabei wird Wayves KI-Fahrtechnologie mit Qualcomms Snapdragon Ride System-on-Chip und aktiver Sicherheitssoftware kombiniert. Diese Zusammenarbeit begegnet der Komplexität und den hohen Kosten der Entwicklung autonomer Fahrsysteme, indem sie Automobilherstellern eine vorintegrierte, serienreife Lösung für fortschrittliche Fahrerassistenzsysteme bietet. Die Partnerschaft vereinfacht die Implementierung durch die Konsolidierung von Kernprozessoren, Sicherheitsprotokollen und neuronalen Intelligenzschichten in einem einheitlichen Framework. Dies reduziert die Entwicklungsfragmentierung und gewährleistet gleichzeitig Zuverlässigkeit, Sicherheitsstandards und eine schnellere Markteinführung für Hersteller weltweit, die Innovationen in der Automobilindustrie beschleunigen wollen.

Die Hyundai Motor Group verlagert ihren Fokus auf physische KI und integriert künstliche Intelligenz in Roboter und Systeme, die in realen Umgebungen, insbesondere in Fabriken und Industrieanlagen, eingesetzt werden. Vorstandsvorsitzender Chung Eui-sun erklärte, dass Robotik und KI über traditionelle Fahrzeuge hinaus zentrale Bestandteile der Wachstumsstrategie des Unternehmens sind. Hyundai plant, bis 2028 26 Milliarden US-Dollar in den USA zu investieren. Ein erheblicher Teil der Mittel ist für KI-gesteuerte Robotersysteme vorgesehen, die mit Menschen zusammenarbeiten und sie nicht ersetzen sollen. Dies markiert einen bedeutenden Wandel in der langfristigen Ausrichtung des Unternehmens.

Entdecken Sie die wichtigsten Erkenntnisse aus dem KI-Index-Bericht 2025 der Stanford University, die gängige Annahmen zur globalen KI-Führungsrolle infrage stellen. Die umfassende, 423-seitige Analyse zeigt, dass sich die Leistungslücke zwischen US-amerikanischen und chinesischen KI-Modellen praktisch geschlossen hat und widerlegt damit die Annahme einer dauerhaften KI-Dominanz der USA. Neben den wichtigsten Ergebnissen liefert der Bericht entscheidende Einblicke, die in der gängigen Berichterstattung oft übersehen werden, insbesondere im Hinblick auf die KI-Sicherheit, wo die Kluft zwischen Modellleistung und einer strengen Schadensbewertung immer größer wird. Erfahren Sie mehr über Forschungstrends, Investitionsströme, die öffentliche Meinung und die verantwortungsvolle Entwicklung von KI in dieser jährlichen Analyse des Stanford Institute for Human-Centred Artificial Intelligence.

Commvault AI Protect führt eine Undo-Funktion für Cloud-Umgebungen von Unternehmen ein und begegnet damit den Governance-Herausforderungen autonomer KI-Agenten. Das System erkennt, überwacht und macht Aktionen von KI-Modellen in AWS, Microsoft Azure und Google Cloud rückgängig. Im Gegensatz zu herkömmlicher Governance mit statischen Regeln für vorhersehbare menschliche Aufgaben zeigen KI-Agenten ein emergentes Verhalten und kombinieren genehmigte Berechtigungen auf unerwartete Weise, um komplexe Probleme zu lösen. Dies führt zu Verantwortlichkeitslücken, wenn Agenten autonom Dateien löschen, auf Datenbanken zugreifen, Server starten oder Richtlinien ändern. AI Protect bietet essenzielle Datenschutz- und Kontrollmechanismen für Unternehmen, die autonome Software in ihrer Cloud-Infrastruktur einsetzen.

Cadence Design Systems kündigte auf der CadenceLIVE Kooperationen mit Nvidia und Google Cloud im Bereich KI an. Im Fokus steht die Integration von KI in physikbasierte Simulationen und beschleunigtes Rechnen für Robotersysteme und Systemdesign. Die Partnerschaft mit Nvidia kombiniert Cadences Multi-Physik-Simulationswerkzeuge mit Nvidias CUDA-X-Bibliotheken, KI-Modellen und der Omniverse-Umgebung. So lassen sich thermische und mechanische Wechselwirkungen für Halbleiter, KI-Infrastruktur und physikalische KI-Robotersysteme modellieren. Ingenieure können das Systemverhalten, einschließlich Netzwerk- und Stromversorgungssystemen, vor der physischen Implementierung simulieren und so eine umfassende Bewertung unter realen Betriebsbedingungen ermöglichen, die über das traditionelle Chipdesign hinausgeht.

OpenAI führt Sandbox-Ausführungsfunktionen für sein Agents SDK ein und ermöglicht so die automatisierte Bereitstellung von Workflows mit kontrolliertem Risikomanagement. Das Update behebt bisherige architektonische Herausforderungen, bei denen Teams zwischen modellagnostischen Frameworks ohne Optimierungsmöglichkeiten für moderne Modelle und SDKs von Modellanbietern mit eingeschränkter Transparenz hin- und herpendeln mussten. Zwar vereinfachten verwaltete Agent-APIs die Bereitstellung, schränkten aber die operative Flexibilität und den Zugriff auf Unternehmensdaten ein. Das neue Agents SDK bietet eine standardisierte Infrastruktur mit modellnativem Framework und nativer Sandbox-Ausführung. Dadurch werden die Systemoperationen an den zugrunde liegenden Modellmustern ausgerichtet, was die Performance und die Governance-Kontrolle im Produktivbetrieb verbessert.

Cloud-Migrationssoftware muss mehr leisten als nur Workload-Transfers – sie erfordert reproduzierbare Umgebungen durch Infrastructure as Code, Architekturvalidierung, Driftkontrolle, Richtliniendurchsetzung und skalierbare Bereitstellungslogik. Effektive Tools unterstützen sowohl die Planungs- als auch die Ausführungsphase. Plattformen wie Infros zeichnen sich dadurch aus, dass sie Cloud-Architekturdesign und -validierung priorisieren und Teams so ermöglichen, optimierte Architekturen zu modellieren und zu evaluieren, bevor Änderungen an den Bereitstellungs-Workflows vorgenommen werden. Dieser Ansatz stellt sicher, dass Migrationsprojekte durch Architekturintelligenz und nicht durch reaktive Problemlösung nach der Bereitstellung gesteuert werden. Daher sind solche Tools unerlässlich für Organisationen, die komplexe Cloud-Umgebungen mit mehreren Accounts, koordinierten Genehmigungen und Richtlinienanforderungen verwalten.

Die in Singapur ansässigen Unternehmen DroneDash Technologies und GEODNET haben das Joint Venture GEODASH Aerosystems gegründet, um fortschrittliche Sprühdrohnen für große Agrarbetriebe zu entwickeln. Die innovative Technologie macht die Kartierung des Feldes vor dem Flug und die Anpassung des Flugplans bei sich ändernden Bodenverhältnissen überflüssig. Diese autonomen Drohnen erfassen ihre Umgebung während des Fluges, passen ihr Flugverhalten anhand der visuellen Daten an und führen die Pflanzenschutzmaßnahmen durch. Im Gegensatz zu den derzeitigen Agrardrohnen, die auf Basis von Mehrzweckmodellen entwickelt wurden und manuelle Feldvermessung und -kartierung erfordern, bietet diese Lösung eine kosteneffiziente Automatisierung für große Anbauflächen, insbesondere für Palmölplantagen mit Reihenkulturen, und reduziert den menschlichen Eingriff erheblich.

Emergent bringt Wingman auf den Markt, eine Anwendung für autonome Agenten, die alltägliche Aufgaben für Nutzer ohne technische Vorkenntnisse übernimmt. Wingman wird von 8 Millionen Gründern in 190 Ländern eingesetzt und nutzt KI-Agententeams, die autonom im Hintergrund arbeiten. Die Plattform zeichnet sich dadurch aus, dass sie Aufgaben, die eine menschliche Genehmigung erfordern, von selbstständig ausgeführten Aufgaben trennt. So wird eine sichere Automatisierung von Vorgängen wie Datenänderung und -löschung gewährleistet, während die Nutzer die Kontrolle über wichtige Entscheidungen behalten.

Die Scotiabank hat Scotia Intelligence eingeführt, ein KI-Framework, das Plattformen, Daten-Governance und Software-Tools in einem einheitlichen System integriert. Das Framework ermöglicht es Mitarbeitern, insbesondere kundennahen Teams, auf KI-Funktionen zuzugreifen und gleichzeitig bestehende Governance- und Sicherheitsstandards einzuhalten. Begleitet von einem in Kanada einzigartigen Dokument zur Datenethik, kombiniert Scotia Intelligence die Infrastruktur der Bank mit KI-Tools, die Rechenumgebungen, Governance und Sicherheitsprotokolle miteinander verbinden. Diese Lösung im Unternehmensmaßstab begegnet der Herausforderung des Finanzsektors, KI-Technologie einzuführen und gleichzeitig operative und regulatorische Risiken für das Unternehmen zu minimieren.

Die SuccessFactors-Version von SAP für das erste Halbjahr 2026 integriert KI-gestützte Prozesse in die Module für das Personalmanagement, um operative Ineffizienzen zu beseitigen und Kosten zu senken. Das System bettet KI-Agenten in die Bereiche Recruiting, Gehaltsabrechnung, Personalverwaltung und Talententwicklung ein, um administrative Engpässe proaktiv zu erkennen, bevor diese den Betrieb beeinträchtigen. Diese intelligenten Agenten überwachen Systemzustände, erkennen Anomalien und bieten den Anwendern kontextbezogene Lösungen. Sie beheben häufige Datensynchronisationsfehler zwischen Unternehmenssystemen, indem sie analytische Modelle nutzen, um Daten abzugleichen, fehlende Variablen anhand von Organisationsmustern zu identifizieren und Administratoren Korrekturvorschläge zu unterbreiten. Dadurch wird der Bedarf an dedizierten IT-Supportteams reduziert und Folgestörungen in Zugriffsverwaltungs- und Vergütungssystemen verhindert.

Unternehmen verfolgen bei der Implementierung von KI einen vorsichtigen Ansatz und priorisieren nutzergestützte Tools gegenüber vollautonomen Systemen, insbesondere in Branchen mit hohem Risiko und finanziellen sowie rechtlichen Aspekten. S&P Global Market Intelligence veranschaulicht diese Strategie mit seiner Plattform Capital IQ Pro, die Analysten bei der Verarbeitung von Unternehmensberichten, Telefonkonferenzen zu Quartalsergebnissen und Marktdaten unterstützt und dabei stets auf verifizierte Quellen zurückgreift. Diese KI-Tools gewinnen Erkenntnisse aus strukturierten und unstrukturierten Daten, darunter Transkripte und Berichte, wobei die menschliche Aufsicht und Kontrolle über die Ergebnisse erhalten bleibt. Diese maßvolle Einführung spiegelt die Präferenz von Unternehmen für erweiterte Intelligenz wider, die die Entscheidungsfindung unterstützt, anstatt das menschliche Urteilsvermögen vollständig zu ersetzen.