Verschiedene Technologien sollen Geschäftsprozesse vereinfachen, darunter Low-Code-Entwicklung und KI. Lassen sich entsprechende Methoden sinnvoll kombinieren, um noch mehr herauszuholen? Eine Bestandsaufnahme.

Verschiedene Technologien sollen Geschäftsprozesse vereinfachen, darunter Low-Code-Entwicklung und KI. Lassen sich entsprechende Methoden sinnvoll kombinieren, um noch mehr herauszuholen? Eine Bestandsaufnahme.

Mitarbeiterzufriedenheit ist ein hohes Gut und zentral für den Unternehmenserfolg. Wie der Low-Code-Ansatz diese erhöhen kann, beleuchtet diese Artikelserie ausgehend von den Grundlagen bis hin zur optimalen Team-Zusammensetzung.

Der IT-Dienstleister Adesso hat jeweils rund 1.000 Entscheider und Verbraucher aus der DACH-Region zum Thema Künstliche Intelligenz (KI) befragt. Dabei zeigte sich: Die Hälfte der Befragten ist von den KI-Fähigkeiten des eigenen Unternehmens nicht überzeugt.

Robotic Process Automation (RPA) ist seit einigen Jahren eine populäre Technologie und gilt für viele als ein bedeutender Trend für die Optimierung von Geschäftsprozessen. RPA umfasst den Einsatz von Technologien zur Automatisierung von Aufgaben, die traditionell von einem Menschen ausgeführt werden. Die Technologie selbst ahmt einen Anwender nach, indem sie Benutzeraktionen simuliert, zum Beispiel das Navigieren innerhalb einer Anwendung oder das Eingeben von Daten in Formulare gemäß einer Reihe von Regeln.

ONNX steht für Open Neural Network Exchange, ein offenes Austauschformat für die Repräsentation und Speicherung von KI-Modellen. Wie Machine-Learning-Frameworks in der Praxis mit ONNX umgehen, zeigt dieser Beitrag.

Die Synchronisierung von Vertrieb und Marketing gilt als Königsweg für erfolgreiche Unternehmen. Doch nur wenigen gelingt es. Jetzt kommt als weiterer Erfolgsfaktor die Automatisierung dazu. Wie das in der Praxis funktionieren kann, zeigt das Beispiel der Flint Group.

ONNX steht für Open Neural Network Exchange, ein offenes Austauschformat für die Repräsentation und Speicherung von KI-Modellen. Wie Machine-Learning-Frameworks in der Praxis mit ONNX umgehen, zeigt dieser Beitrag.

Mit der zunehmenden Vernetzung von Geräte und Anlagen steigt auch der Bedarf nach leistungsfähiger Datenverarbeitung – und das in Echtzeit. Hierbei kommt intelligentem Edge Computing eine Schlüsselrolle zu. Wie kann ein solcher Ansatz das funktionieren?

Mit der zunehmenden Vernetzung von Anlagen und Produktionsumgebungen steigt auch der Bedarf nach leistungsfähiger Datenverarbeitung – und das in Echtzeit. Hierbei kommt intelligentem Edge Computing eine Schlüsselrolle zu. Wie kann ein solcher Ansatz das funktionieren?