Tag Archives: Machine Learning

Google schützt Workspace- und Cloud-Kunden bei unabsichtlichen Urheberrechtsverletzungen durch AI-generierte Inhalte

Matthias Rauer
Vorschaubild Google schützt Kunden vor Urheberrechtsansprüchen bei AI-generierten Inhalten (Urheberrecht)

AI-Technologien sind auf vielen Ebenen Neuland – und die Folgen der Nutzung teils unklar und längst noch nicht ausgehandelt. Was ist zum Beispiel mit der rechtlichen Seite? Konkret: Wie sieht es etwa aus, wenn Unternehmen AI-generierte Bilder und Texte in der öffentlichen Kommunikation nutzen? Klar ist: Verletzt ein Unternehmen mit seinen Inhalten Urheberrechte, kann es unangenehm und teuer werden. Sollten die Teams in Sachen AI-Nutzung also doch lieber einen Gang zurückschalten und im Zweifel besser auf die Nutzung verzichten?Google bietet Kunden der Office- und Social-Collaboration-Suite Google Workspace einen Ausweg aus dem Dilemma an.

Google Cloud: Gen AI und die richtigen Daten machen brachliegende Potenziale nutzbar

Matthias Rauer
Google Cloud Workspace

Unternehmen brauchen valide interne Einblicke und Einsichten, damit sie effizient agieren und die richtigen Entscheidungen treffen können. Deshalb planen 93 Prozent aller Organisationen höhere Investitionen in Datenanalyse und künstliche Intelligenz. Die gute Nachricht: Die nötigen Technologien, um diese Potenziale zu heben, stehen bereit. Im Grunde müssen Organisationen nur die Daten nutzen, die sowieso schon in Reichweite sind, und die Analyse mit künstlicher Intelligenz sowie maschinellem Lernen unterstützen. Die folgenden sieben Beispiele zeigen, wie AI und die richtigen Daten in den unterschiedlichsten Branchen und Organisationseinheiten mithilfe moderner Google-Cloud-Lösungen gewinnbringend genutzt werden können.

Maschinelles Lernen: Smarte Software ist die Zukunft der Zusammenarbeit

Matthias Rauer
Maschinelles Lernen Atlassian Cloud

Maschinelles Lernen wird in nicht allzu ferner Zukunft ein echter Differenzierungsfaktor gegenüber der Konkurrenz und ein wichtiger Eckpfeiler bei der Erschaffung guter Nutzererlebnisse sein. Organisationen, die Technologieanbieter als potenzielle langfristige Partner evaluieren, sollten deshalb solche Unternehmen ins Auge zu fassen, die einen klaren Fokus auf die Smart-Strategie richten.

DevOps für maschinelles Lernen mit Kubeflow und Co.

tgross
DevOps maschinelles Lernen

Die Erstellung eines Modells für maschinelles Lernen ist nur ein Ausgangspunkt. Um es in die Produktion zu bringen, muss das Entwicklungsteam mehrere reale Probleme lösen – zum Beispiel den Aufbau einer Pipeline für kontinuierliches Modelltraining, die Automatisierung der Validierung der Modelle, die Schaffung einer Serving-Infrastruktur, die Implementierung der Überwachung. Um diese Herausforderungen zu meistern, bietet der Markt diverse Lösungen wie Kubeflow, Databricks, MLFlow. In der neuesten Ausgabe unseres TechTalks hat Sascha Dittmann von Microsoft uns gezeigt, wie diese Lösungen für KI-Projekte von Nutzen sein können und wie sie sich in die tägliche Arbeit integrieren lassen.