Tag Archives: Maschinelles Lernen

Atlassian Intelligence in Jira, Confluence und Bitbucket: Nützliche Helferlein, die viel Zeit sparen

Vorschaubild Atlassian Intelligence

Generative AI und maschinelles Lernen sind der Trend der Stunde – und sie sind gekommen, um zu bleiben. Dementsprechend haben viele Atlassian-Kunden gespannt auf die Möglichkeiten von Atlassian Intelligence gewartet. In diesem Beitrag beleuchten wir einige Anwendungsfälle, in denen dieses Feature-Set sich heute schon als besonders hilfreich erweist.

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

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

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.

Duet AI in Google Workspace: Generative künstliche Intelligenz für die Office- und Teamzusammenarbeit

Google Workspace Duet AI

KI-Funktionen sind längst im digitalen Alltag angekommen und wurden in letzter Zeit allerorten iterativ in unsere Kommunikationssituationen eingezogen – auch in Google Workspace. Doch bei kleinen Helferlein im Hintergrund wird es nicht bleiben, denn mittlerweile hat Google den nächsten großen Schritt auf diesem Gebiet angekündigt: die KI-Lösung, die speziell auf den Bereich der Unternehmenskollaboration und Teamzusammenarbeit zugeschnitten ist! Das Projekt trägt den Namen Duet AI und ist Teil der GenAI, die in Form eines Addons in Google Workspace integriert wird. Was können wir von Duet IA für Google Workspace erwarten?

Atlassian Intelligence: Wie KI-Features die Atlassian-Produkte auf eine neue Stufe heben

Atlassian Intelligence Artikelbild

Auf dem Feld der künstlichen Intelligenz erleben wir in diesen Tagen seismische Verschiebungen. KI schickt sich an, die Art und Weise, wie Menschen arbeiten, signifikant zu verändern, und sie hat das Potenzial, diese Arbeit dramatisch zu beschleunigen. Atlassian nutzt bereits seit längerer Zeit maschinelles Lernen, um die Nutzererlebnisse der Produkte zu verbessern. Beispiele sind die personalisierten Suchergebnisse oder die Empfehlungen bei Personenerwähnungen. Auf der zurückliegenden Kunden- und Nutzerkonferenz Team ’23 hat Atlassian nun die neue Generation an KI-Technologien vorgestellt, die jetzt in alle Atlassian-Cloud-Produkte implementiert werden. Dieser Beitrag zeigt dir die Möglichkeiten.

Maschinelles Lernen: Smarte Software ist die Zukunft der Zusammenarbeit

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.

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.