Zurück zu allen Blogbeiträgen

AI Trends Report 2025: Die 16 Trends im Überblick

  • Artificial Intelligence
05. Februar 2025
·

Tarik Ashry
Team Marketing

Künstliche Intelligenz hat in den vergangenen Jahren einen beispiellosen Aufstieg erlebt und ist heute aus dem Alltag von Millionen Menschen nicht mehr wegzudenken. Der AI Trends Report 2025 beleuchtet diese rasante Entwicklung und bietet einen fundierten Überblick über die zentralen Trends und Herausforderungen, die in diesem Jahr auf uns zukommen.

Der Report zeigt anhand zahlreicher Beispiele, wie tief KI bereits in alle Bereiche unserer Gesellschaft vorgedrungen ist und welches immense wirtschaftliche Potenzial die Technologie birgt. Doch trotz des technologischen Fortschritts mahnen Expert:innen zur Vorsicht: Die Diskrepanz zwischen den hohen Investitionen in KI und den tatsächlich realisierten finanziellen Erträgen ist bereits eklatant. Hinzu kommen ethische Fragen in Bezug auf AI Agents, KI-Avatare, Roboter und Co.

Dieser Blog bietet nur einen kleinen Ausschnitt aus dem umfassenden AI Trends Report 2025, der mit über 100 Seiten und mehr als 60 Expertenstatements aufwartet. Der vollständige Report liefert wertvolle Einsichten für alle, die die Chancen von KI nicht nur erkennen, sondern auch nutzen wollen.

1. AI Agents revolutionieren den Arbeitsmarkt

AI Agents, eine neue Generation autonomer KI-Systeme, stehen medial im Fokus. Alle Tech-Giganten – von Microsoft über Nvidia bis Google –investieren massiv in die Technologie. Der Grund: AI Agents können autonom arbeiten, entscheiden und mit ihrer Umgebung interagieren, was eine signifikante Steigerung der Produktivität verspricht. Unternehmen, die ihre Prozesse schrittweise mit AI Agents automatisieren, verschaffen sich potenziell gewaltige Wettbewerbsvorteile. Expert:innen gehen davon aus, dass AI Agents bis 2028 etwa 15% der täglichen Arbeitsentscheidungen autonom treffen werden. Ungeachtet des Hypes äußern Skeptiker:innen Bedenken hinsichtlich ihrer Verlässlichkeit und ihres Einwirkens auf den Arbeitsmarkt. Der Einsatz von AI Agents kann Menschen zwar viele mühselige, unbeliebte Routineaufgaben abnehmen, gleichzeitig aber auch Arbeitslosigkeit massiv befördern und Millionen in der neuen Form der Mensch-Maschine-Kooperation überfordern. Die Entwicklung verantwortungsvoller KI-Agenten erfordert daher robuste regulatorische Rahmenbedingungen.

2. Low-Code und No-Code demokratisieren die Softwareentwicklung

Im Jahr 2025 erlebt die Softwareentwicklung durch Low-Code- und No-Code-Tools einen Wendepunkt. Diese Technologien ermöglichen es auch Laien, Software und Apps zu erstellen, was die Produktivität steigert und die Entwicklung digitaler Lösungen verändert. Der Fachkräftemangel und überlastete IT-Abteilungen erhöhen die Nachfrage nach solchen Tools. KI-gestützte Codingtools wie GitHub Copilot und Spark unterstützen Entwickler:innen bei komplexen Aufgaben und erlauben die Erstellung von Mikro-Apps ohne Programmierkenntnisse. Low-Code-Plattformen fördern das Konzept des „Citizen Development“, das Mitarbeitenden ohne IT-Hintergrund ermöglicht, eigenständig Lösungen zu entwickeln. Prognosen zufolge könnte bis 2025 über 70% der Anwendungsentwicklung auf Low-Code basieren. Trotz der Vorteile gibt es Bedenken bezüglich einer möglichen Überabhängigkeit von diesen Tools und der Vernachlässigung grundlegender Programmierfertigkeiten. Unternehmen müssen darauf achten, dass diese Tools nicht die Berufserfahrung und Ausbildung ersetzen. Die Balance zwischen Innovation und Traditionsbewusstsein bleibt eine zentrale Herausforderung.

3. KI gelingt der erste große wissenschaftliche Durchbruch

KI bietet vielleicht nirgends so eindeutig positive Chancen für die Menschheit wie in der Wissenschaft. Sie wird Bereiche wie Medizin, Materialforschung und Klimawissenschaft grundlegend verändern. In der Medizin beschleunigt KI bereits die Entwicklung personalisierter Therapien und verbessert Diagnosen. In der Materialforschung entdeckt KI neue Materialien, die effizientere Energiequellen unterstützen, während in der Klimawissenschaft KI zur Verbesserung von Wettervorhersagen und zur Bekämpfung des Klimawandels eingesetzt wird. Einige Expert:innen äußern zwar auch Bedenken, dass kreative Ansätze vernachlässigt werden. Was jedoch überwiegt, sind die Innovationen durch KI-gestützte Technologien, von Protein-Engineering bis zu kognitiver Verhaltenstherapie. Die Vorstellung einer sich selbst verbessernden KI, die eigenständig Forschung betreibt, wird greifbar, mit neuen Tools, die den Forschungsprozess automatisieren.

4. Tech-Konzerne veröffentlichen „KI-Light-Versionen“ für den EU-Markt

Der AI Act und die Datenschutz-Richtlinien (GDPR) haben erhebliche Auswirkungen auf die Verfügbarkeit von KI-Produkten in der EU. Große Tech-Unternehmen wie Apple, OpenAI und Meta schränken ihre Angebote bereits ein oder verzögern Veröffentlichungen aufgrund der strengen europäischen Regulierungen. Der AI Act verfolgt einen risikobasierten Ansatz und gilt auch für internationale Unternehmen, die in der EU tätig sind. Ein zentrales Problem: Das Spannungsverhältnis zwischen dem AI Act und bestehenden Gesetzen wie der GDPR und bestimmten Branchenregulierungen. Hinzu kommt: Global ist die KI-Regulierung extrem uneinheitlich, mit unterschiedlichen Ansätzen in den USA, Kanada und China, was internationale Compliance erschwert.

5. Die KI-Investitionsblase wird platzen

Die KI-Branche erlebte 2024 ein enormes Investitionshoch, auf dessen Höhe Unternehmen milliardenschwere Finanzierungen erhielten, oft ohne tragfähige Geschäftsmodelle. Diese Situation sehen manche als Blase, ähnlich der Dotcom-Blase Anfang der 2000er-Jahre, und der Deepseek-Schock scheint dies zum Teil zu bestätigen. Eine potenzielle Marktbereinigung könnte nicht nur negativ sein, sondern auch Raum für nachhaltige Neugründungen schaffen. So lange bleibt die Diskrepanz zwischen Investitionen und tatsächlichen Umsätzen eine Herausforderung, da Unternehmen wie Nvidia und OpenAI noch keine weit verbreiteten, nützlichen KI-Produkte anbieten. Hinzu kommen physische Grenzen wie Engpässe bei der Versorgung mit Chips und Energie. Ob es eine KI-Blase gibt und diese platzt, bleibt umstritten. Aber es ist wahrscheinlicher, dass 2025 einige Erwartungen korrigiert werden, während KI langfristig weiter wächst.

6. KI-Avatare prägen neue kreative und ethische Standards

Voice-Cloning, generative Video-KI und Multimodalität revolutionieren die Kreativbranche, indem sie die Erstellung realistischer digitaler Avatare ermöglichen. Diese Technologien finden Anwendung in Bereichen wie Marketing, Unterhaltung und Bildung, werfen jedoch ethische und rechtliche Fragen auf, insbesondere hinsichtlich Deepfakes und Urheberrechten. Während Unternehmen wie Zoom und Microsoft an KI-gestützten Avataren arbeiten, die in Meetings eingesetzt werden können, zeigen Projekte wie der KI-generierte Jesus-Avatar in Luzern die wahre Vielseitigkeit digitaler Stellvertreter. Auch in der Musik- und Filmindustrie nutzen Studios bereits KI-Tools zur Produktion und Bearbeitung, was zu Debatten über den Einfluss auf menschliche Künstler:innen führt. Klar ist: Die Technologie eröffnet neue Möglichkeiten, birgt aber auch Risiken für Desinformation und Missbrauch (Stichwort: Deepfakes).

7. Artikel 4 des AI Act fördert KI-Bildung in Unternehmen

Der AI Act der EU, der ab Februar 2025 in Kraft tritt, markiert einen Wendepunkt für Unternehmen, die mit künstlicher Intelligenz arbeiten. Er fordert eine verpflichtende KI-Ausbildung für Mitarbeitende, um ein ausreichendes Verständnis für die Funktionsweise und Auswirkungen von KI zu gewährleisten. Dies umfasst die Fähigkeit, Chancen und Risiken abzuwägen. Unternehmen sind verpflichtet, entsprechende Fortbildungen anzubieten, um rechtliche Risiken zu minimieren und die Compliance zu verbessern. Diese verpflichtende Schulung bietet Unternehmen aber auch große Chancen für Innovation und Wettbewerbsfähigkeit. Denn KI-Skills der Mitarbeitenden – von technischem Know-how bis zu rechtlichen und ethischen Kompetenzen – gelten als entscheidender Faktor für die Zukunftsfähigkeit von Unternehmen.

8. Automatisierte Lernplattformen demokratisieren Bildung

Die zunehmende Integration von KI in die Bildungslandschaft verspricht eine grundlegende Veränderung des Lernens. Hochpersonalisierte Lernplattformen und automatisierte Content-Erstellung sollen Bildung demokratisieren und maßgeschneidert auf die individuellen Bedürfnisse zugänglich machen. In Entwicklungsregionen könnten solche Technologien den Zugang zu Bildung revolutionieren. Trotz der Potenziale gibt es Herausforderungen, wie die „Toolifizierung“ und das Kompetenzparadoxon, die es zu überwinden gilt. Kritisches Denken und Medienkompetenz sind entscheidend, um KI effektiv zu nutzen. Unter welchen Umständen KI hingegen Kreativität unterdrückt oder zum Schummeln ermutigt, gilt es, weiter zu untersuchen. Klar ist: Bildungseinrichtungen müssen traditionelle Lernkonzepte überdenken und ein tiefes Verständnis für die Technologien und ethischen Fragen fördern, um die positiven Potenziale von KI auszuschöpfen.

9. Conversational AI ersetzt Prompting

Seit der Veröffentlichung von ChatGPT im Herbst 2022 hat sich die KI-Welt grundlegend verändert. Sprachmodelle sind nicht mehr nur Werkzeuge zur Textzusammenfassung, sondern entwickeln sich zu Dialogpartnern, die komplexe Themen diskutieren können. Diese Entwicklung markiert den Beginn einer neuen Ära der Conversational AI, die natürliche Gespräche mit KI-Systemen ermöglicht. Die Technologie basiert auf generativer KI, die multimodale Eingaben verarbeiten kann, und hat weitreichende Auswirkungen auf Bereiche wie Bildung und Kundenservice. Analog zum Prompting stellt auch Conversational AI hohe Anforderungen an die Nutzer:innen, die lernen müssen, ihre Interaktionen mit KI strategisch zu steuern. Dann bietet diese neue Form der Mensch-Maschine-Interaktion das Potenzial, den alltäglichen Einsatz von KI wirklich zu revolutionieren.

10. KI-Integration transformiert die User Experience

Die Integration von KI in Betriebssysteme, Cloud-Plattformen, spezialisierte Hardware und Standardsoftware schreitet schnell voran und verändert die Art und Weise, wie Technologie genutzt wird. Moderne Betriebssysteme wie Windows und macOS integrieren zunehmend KI-Funktionen, die das Nutzererlebnis verbessern. Microsoft arbeitet an einem neuen Betriebssystem, Windows 12, das tiefgreifende KI-Funktionen bieten könnte. Nvidia hat mit „Projekt Digits“ einen Mini-KI-Supercomputer vorgestellt, der leistungsstarke KI-Modelle lokal betreiben kann. Amazon bietet mit AWS Bedrock eine Plattform für den Zugang zu über 100 KI-Modellen und plant den Aufbau eines Supercomputer-Clusters. OpenAI integriert KI-Technologie in Desktop-Umgebungen und plant ein eigenes KI-Betriebssystem. Die Entwicklungen markieren den Beginn einer neuen Ära, in der KI ein integraler Bestandteil der Technologieumgebung wird.

11. Statt eines Plateaus sehen wir weitere Fortschritte in der LLM-Performance

Im Jahr 2025 erwartet OpenAI-Chef Sam Altman den Durchbruch zur allgemeinen Künstlichen Intelligenz (AGI), die menschliche Denkkapazitäten nicht nur erreicht, sondern übertrifft. Die Fortschritte in der KI-Forschung, insbesondere mit dem o3-System, zeigen, dass KI-Modelle zunehmend in der Lage sind, sich an neuartige Aufgaben anzupassen. Doch realistischer ist, dass innovative Architekturen wie Reinforcement Learning und Chain-of-Thought-Reasoning ein bislang befürchtetes LLM-Plateau überwinden und uns neue Fortschritte bescheren. Deepseek lässt grüßen.

12. LAMs und CUAs übernehmen die Kontrolle über deinen Desktop

Large Action Models (LAMs) und Computer-using Agents (CUAs) sind Weiterentwicklungen großer Sprachmodellen (LLMs), die über reine Texterstellung hinausgehen und Tools nutzen können. Die interaktiven Systeme könnten schon bald bei vielen von uns zahlreiche typische Aufgaben am PC selbstständig steuern, indem sie Anfragen interpretieren, verschiedene Datentypen analysieren und zielgerichtete Aktionen ausführen. Wie das geht? Die Systeme kombinieren neuronale Netze mit symbolischem Denken, um logische Entscheidungen zu treffen und komplexe Aufgaben zu automatisieren.

13. Deutschland plant ein KI-Rechenzentrum

Wir prognostizieren: Die deutsche Bundesregierung wird den Bau eines hochmodernen KI-Rechenzentrums anstoßen, um die Wettbewerbsfähigkeit im globalen KI-Markt zu stärken und den Zugang zu KI-Technologien für KMUs und Start-ups zu erleichtern. Trotz kleinerer Erfolge, wie der Förderung von KI-Servicezentren und Projekten auf Länderebene, bleibt Deutschland im internationalen Vergleich hinter Ländern wie den USA und China zurück, die bereits stark in KI-Infrastruktur investieren. Die Kombination aus staatlichen Initiativen und privatem Engagement könnte den nötigen Innovationsschub verleihen, damit Deutschland und Europa im globalen KI-Wettbewerb nicht nur Konsumenten bleiben, sondern Innovatoren werden.

14. AI Governance wird zum Wettbewerbsvorteil

Studien zeigen, dass viele deutsche Unternehmen Bedenken hinsichtlich Datenschutz und Datensicherheit bei KI-Projekten haben. Eine solide AI Governance ermöglicht Unternehmen, Vertrauen in ihre Produkte und Services zu stärken und wirtschaftliche Vorteile zu erzielen. Besonders hochregulierte Branchen wie Pharma und Finance profitieren von klaren Regeln, um Innovationen vertrauensvoll zu fördern. Über die gesetzlichen Regulierungen von KI hinaus, schafft ein robustes KI-Governance-Framework klare Verantwortungen im Unternehmen und rückt Prinzipien wie Kontrolle und Transparenz in den Mittelpunkt. In diesem Sinne ist AI Governance mehr als ein organisatorisches Hilfsmittel; sie ist der Schlüssel, um KI in Einklang mit ethischen Standards und gesellschaftlichen Werten zu bringen.

15. Einem deutschen KI-Start-up gelingt der globale Durchbruch

Während Europa mit Unternehmen wie Mistral und Aleph Alpha zwar Fortschritte macht, bleiben “unsere” Start-ups im Vergleich zu den USA zurück, u. a. auch deshalb, weil es an Unterstützung durch erfahrene Gründer:innen und Investor:innen mangelt. Hinzu kommen der AI Act und die GDPR, die als Wachstumsbremsen wirken, da sie strenge Auflagen für KI-Systeme einführen. Dennoch gibt es positive Entwicklungen, wie das deutsche Start-up Black Forest Labs, das mit innovativen KI-Lösungen Investoren beeindruckt. Um im globalen Wettbewerb zu bestehen, muss Europa in Forschung und Entwicklung investieren und attraktive Karrieren schaffen. 2025 könnte ein entscheidendes Jahr für Europas Position im KI-Sektor werden. Es erfordert jedoch Mut und langfristige Investitionen der wichtigen Stakeholder.

16. Die Ära günstiger KI ist vorbei

Die Nachfrage nach fortschrittlichen KI-Modellen wächst und damit steigen auch die Kosten. Ob der Deepseek-Schock diesen Trend nachhaltig beeinflusst, muss sich zeigen. Zwar wird der intensive Wettbewerb unter KI-Unternehmen dadurch weiter befeuert, was zu einem Preiskampf führt. Aber auch die Kosten für Entwicklung und Betrieb neuer Modelle steigen. OpenAI und andere Anbieter hatten bereits Preiserhöhungen angekündigt, um die gestiegenen Kosten zu decken. Dies könnte kleinere Unternehmenskunden vor Herausforderungen stellen, während große Konzerne die Budgets für teurere Modelle aufbringen können. Die steigenden Preise könnten jedoch auch als Innovationsmotor fungieren, indem sie weitere Player dazu anregen, kosteneffiziente Alternativen zu entwickeln.

An der Schwelle zur KI-Revolution: Ein Blick in die Zukunft

Die Welt befindet sich im Wandel, und Künstliche Intelligenz könnte entscheidend zur Bewältigung der Herausforderungen beitragen. Der AI Trends Report 2025 bietet wertvolle Einblicke, um die Chancen der KI verantwortungsvoll zu nutzen. Er hebt hervor, wie schnell KI-Technologien unseren Alltag durchdringen, und betont die Bedeutung eines sinnvollen und ethischen Einsatzes. Letztlich liegt es in unserer Verantwortung, KI für positive Veränderungen und eine nachhaltige Zukunft einzusetzen.

Zum kostenlosen Download

Linkedin Logo
Marcel Plaschke
Head of Strategy, Sales & Marketing
Beratung vereinbaren
Zugehörige Leistungen
No items found.

Weitere Blogartikel

  • Artificial Intelligence
  • Data Science
  • Human-centered AI
Explainable AI in der Praxis: Mit der richtigen Methode die Black Box öffnen
Jonas Wacker
15. November 2024
Mehr erfahren
  • Artificial Intelligence
  • Data Science
  • GenAI
Wie ein CustomGPT Effizienz und Kreativität bei hagebau fördert
Tarik Ashry
06. November 2024
Mehr erfahren
  • Artificial Intelligence
  • Data Culture
  • Data Science
  • Deep Learning
  • GenAI
  • Machine Learning
AI Trends Report 2024: statworx COO Fabian Müller zieht eine Zwischenbilanz
Tarik Ashry
05. September 2024
Mehr erfahren
  • Artificial Intelligence
  • Human-centered AI
  • Strategy
Der AI-Act ist da – diese Risikoklassen sollte man kennen
Fabian Müller
05. August 2024
Mehr erfahren
  • Artificial Intelligence
  • GenAI
  • statworx
Zurück in die Zukunft: Die Geschichte von Generativer KI (Episode 4)
Tarik Ashry
31. Juli 2024
Mehr erfahren
  • Artificial Intelligence
  • GenAI
  • statworx
Zurück in die Zukunft: Die Geschichte von Generativer KI (Episode 3)
Tarik Ashry
24. Juli 2024
Mehr erfahren
  • Artificial Intelligence
  • GenAI
  • statworx
Zurück in die Zukunft: Die Geschichte von Generativer KI (Episode 2)
Tarik Ashry
17. Juli 2024
Mehr erfahren
  • Artificial Intelligence
  • GenAI
  • statworx
Zurück in die Zukunft: Die Geschichte von Generativer KI (Episode 1)
Tarik Ashry
10. Juli 2024
Mehr erfahren
  • Artificial Intelligence
  • GenAI
  • statworx
Generative KI als Denkmaschine? Ein medientheoretischer Blick
Tarik Ashry
13. Juni 2024
Mehr erfahren
  • Artificial Intelligence
  • GenAI
  • statworx
Maßgeschneiderte KI-Chatbots: Hohe Leistung und schnelle Integration vereint
Tarik Ashry
10. April 2024
Mehr erfahren
  • Artificial Intelligence
  • Data Culture
  • Human-centered AI
Wie Führungskräfte die Datenkultur im Unternehmen stärken können
Tarik Ashry
21. Februar 2024
Mehr erfahren
  • Artificial Intelligence
  • Data Culture
  • Human-centered AI
KI in der Arbeitswelt: Wie wir Skepsis in Zuversicht verwandeln
Tarik Ashry
08. Februar 2024
Mehr erfahren
  • Artificial Intelligence
  • Data Science
Wie wir für Microsoft einen Chatbot mit echtem Wissen entwickelt haben
Team statworx
27. September 2023
Mehr erfahren
  • Data Science
  • Data Visualization
  • Frontend Solution
Warum Frontend-Entwicklung in Data Science-Anwendungen nützlich ist
Jakob Gepp
30. August 2023
Mehr erfahren
  • Artificial Intelligence
  • Human-centered AI
  • statworx
the byte - Wie wir ein KI-gesteuertes Pop-up Restaurant aufgebaut haben
Sebastian Heinz
14. Juni 2023
Mehr erfahren
  • Artificial Intelligence
  • Recap
  • statworx
Big Data & AI World 2023 Recap
Team statworx
24. Mai 2023
Mehr erfahren
  • Data Science
  • Human-centered AI
  • Statistics & Methods
Die Black-Box entschlüsseln – 3 Explainable AI Methoden zur Vorbereitung auf den AI-Act
Team statworx
17. Mai 2023
Mehr erfahren
  • Artificial Intelligence
  • Human-centered AI
  • Strategy
Wie der AI-Act die KI-Branche verändern wird: Alles, was man jetzt darüber wissen muss
Team statworx
11. Mai 2023
Mehr erfahren
  • Artificial Intelligence
  • Human-centered AI
  • Machine Learning
Genderdarstellung in der KI – Teil 2: Automatisierte Erzeugung genderneutraler Versionen von Gesichtsbildern
Team statworx
03. Mai 2023
Mehr erfahren
  • Artificial Intelligence
  • Data Science
  • Statistics & Methods
Ein erster Einblick in unser Forecasting Recommender Tool
Team statworx
26. April 2023
Mehr erfahren
  • Artificial Intelligence
  • Data Science
Vom Können, Tun und Wollen – Warum Datenkultur und Death Metal einiges miteinander gemeinsam haben
David Schlepps
19. April 2023
Mehr erfahren
  • Artificial Intelligence
  • Human-centered AI
  • Machine Learning
GPT-4 – Eine Einordnung der wichtigsten Neuerungen
Mareike Flögel
17. März 2023
Mehr erfahren
  • Artificial Intelligence
  • Data Science
  • Strategy
Das Geheimnis der Datenkultur entschlüsseln: Diese Faktoren beeinflussen Kultur und Erfolg von Unternehmen
Team statworx
16. März 2023
Mehr erfahren
  • Artificial Intelligence
  • Deep Learning
  • Machine Learning
Wie man KI-generierte Avatare mit Hilfe von Stable Diffusion und Textual Inversion erstellt
Team statworx
08. März 2023
Mehr erfahren
  • Artificial Intelligence
  • Human-centered AI
  • Strategy
Knowledge Management mit NLP: So einfach verarbeitet man E-Mails mit KI
Team statworx
02. März 2023
Mehr erfahren
  • Artificial Intelligence
  • Deep Learning
  • Machine Learning
3 Anwendungsfälle, wie ChatGPT die Kommunikation in Unternehmen revolutionieren wird
Ingo Marquart
16. Februar 2023
Mehr erfahren
  • Recap
  • statworx
Ho ho ho – weihnachtlicher Küchenabriss
Julius Heinz
22. Dezember 2022
Mehr erfahren
  • Artificial Intelligence
  • Deep Learning
  • Machine Learning
Real-time Computer Vision: Gesichter erkennen mit einem Roboter
Sarah Sester
30. November 2022
Mehr erfahren
  • Data Engineering
  • Tutorial
Data Engineering – From Zero to Hero
Thomas Alcock
23. November 2022
Mehr erfahren
  • Recap
  • statworx
statworx @ UXDX Conf 2022
Markus Berroth
18. November 2022
Mehr erfahren
  • Artificial Intelligence
  • Machine Learning
  • Tutorial
Paradigmenwechsel in NLP: 5 Ansätze, um bessere Prompts zu schreiben
Team statworx
26. Oktober 2022
Mehr erfahren
  • Recap
  • statworx
statworx @ vuejs.de Conf 2022
Jakob Gepp
14. Oktober 2022
Mehr erfahren
  • Data Engineering
  • Data Science
Überwachung und Protokollierung von Anwendungen und Infrastruktur: Metriken und (Ereignis-)Protokolle
Team statworx
29. September 2022
Mehr erfahren
  • Coding
  • Data Science
  • Machine Learning
Zero-Shot Textklassifikation
Fabian Müller
29. September 2022
Mehr erfahren
  • Cloud Technology
  • Data Engineering
  • Data Science
Wie du dein Data Science Projekt fit für die Cloud machst
Alexander Broska
14. September 2022
Mehr erfahren
  • Artificial Intelligence
  • Human-centered AI
  • Machine Learning
Geschlechter­darstellung in der KI – Teil 1: Verwendung von StyleGAN zur Erforschung von Geschlechter­vielfalt bei der Bild­bearbeitung
Isabel Hermes
18. August 2022
Mehr erfahren
  • Artificial Intelligence
  • Human-centered AI
statworx AI Principles: Warum wir eigene KI-Prinzipien entwickeln
Team statworx
04. August 2022
Mehr erfahren
  • Data Engineering
  • Data Science
  • Python
Wie Du Deinen Code und Deine Abhängigkeiten in Python scannst
Thomas Alcock
21. Juli 2022
Mehr erfahren
  • Data Engineering
  • Data Science
  • Machine Learning
Data-Centric AI: Von Model-First zu Data-First KI-Prozessen
Team statworx
13. Juli 2022
Mehr erfahren
  • Artificial Intelligence
  • Deep Learning
  • Human-centered AI
  • Machine Learning
DALL-E 2: Warum Diskriminierung in der KI-Entwicklung nicht ignoriert werden kann
Team statworx
28. Juni 2022
Mehr erfahren
  • R
Das helfRlein Package – Eine Sammlung nützlicher Funktionen
Team statworx
23. Juni 2022
Mehr erfahren
  • Recap
  • statworx
Unfold 2022 in Bern – by Cleverclip
Team statworx
11. Mai 2022
Mehr erfahren
  • Artificial Intelligence
  • Data Science
  • Human-centered AI
  • Machine Learning
Vorurteile in KI abbauen
Team statworx
08. März 2022
Mehr erfahren
  • Artificial Intelligence
  • Cloud Technology
  • Data Science
  • Sustainable AI
Wie du als Data Scientist deinen KI CO₂ Fußabdruck verringerst
Team statworx
02. Februar 2022
Mehr erfahren
  • Recap
  • statworx
2022 und die Reise zu statworx next
Sebastian Heinz
06. Januar 2022
Mehr erfahren
  • Recap
  • statworx
5 Highlights vom Digital Festival Zürich 2021
Team statworx
25. November 2021
Mehr erfahren
  • Data Science
  • Human-centered AI
  • Machine Learning
  • Strategy
Warum Data Science und KI-Initiativen scheitern – eine Reflektion zu nicht-technischen Faktoren
Team statworx
22. September 2021
Mehr erfahren
  • Artificial Intelligence
  • Data Science
  • Human-centered AI
  • Machine Learning
  • statworx
Kolumne: Mensch und Maschine Seite an Seite
Sebastian Heinz
03. September 2021
Mehr erfahren
  • Coding
  • Data Science
  • Python
Wie man mit Call Graph automatisch Projektgrafiken erstellt
Team statworx
25. August 2021
Mehr erfahren
  • Coding
  • Python
  • Tutorial
statworx Cheatsheets – Python Basics Cheatsheet für Data Science
Team statworx
13. August 2021
Mehr erfahren
  • Data Science
  • statworx
  • Strategy
STATWORX meets DHBW – Data Science Real-World Use Cases
Team statworx
04. August 2021
Mehr erfahren
  • Data Engineering
  • Data Science
  • Machine Learning
Machine Learning Modelle bereitstellen und skalieren mit Kubernetes
Team statworx
29. Juli 2021
Mehr erfahren
  • Cloud Technology
  • Data Engineering
  • Machine Learning

3 Szenarien zum Deployment von Machine Learning Workflows mittels MLflow
Team statworx
30. Juni 2021
Mehr erfahren
  • Artificial Intelligence
  • Deep Learning
  • Machine Learning

Car Model Classification III: Erklärbarkeit von Deep Learning Modellen mit Grad-CAM
Team statworx
19. Mai 2021
Mehr erfahren
  • Artificial Intelligence
  • Coding
  • Deep Learning
Car Model Classification II: Deployment von TensorFlow-Modellen in Docker mit TensorFlow Serving
Team statworx
12. Mai 2021
Mehr erfahren
  • Coding
  • Deep Learning
Car Model Classification I: Transfer Learning mit ResNet
Team statworx
05. Mai 2021
Mehr erfahren
  • Artificial Intelligence
  • Deep Learning
  • Machine Learning
Car Model Classification IV: Integration von Deep Learning Modellen mit Dash
Dominique Lade
05. Mai 2021
Mehr erfahren
  • AI Act
Potenzial noch nicht ausgeschöpft – Ein Kommentar zur vorgeschlagenen KI-Regulierung der EU
Team statworx
Mehr erfahren
  • Artificial Intelligence
  • Deep Learning
  • statworx
Creaition – Revolutionierung des Designprozesses mit Machine Learning
Team statworx
31. März 2021
Mehr erfahren
  • Artificial Intelligence
  • Data Science
  • Machine Learning
5 Typen von Machine Learning Algorithmen (Mit Anwendungsfällen)
Team statworx
24. März 2021
Mehr erfahren
  • Recaps
  • statworx
2020 – Ein Rückblick für mich und GPT-3
Sebastian Heinz
23. Dezember 2020
Mehr erfahren
  • Artificial Intelligence
  • Deep Learning
  • Machine Learning
5 praxisnahe Beispiele für NLP Use Cases
Team statworx
12. November 2020
Mehr erfahren
  • Data Science
  • Deep Learning
Die 5 wichtigsten Use Cases für Computer Vision
Team statworx
05. November 2020
Mehr erfahren
  • Data Science
  • Deep Learning
Neue Trends im Natural Language Processing – Wie NLP massentauglich wird
Dominique Lade
29. Oktober 2020
Mehr erfahren
  • Data Engineering
5 Technologien, die jeder Data Engineer kennen sollte
Team statworx
22. Oktober 2020
Mehr erfahren
  • Artificial Intelligence
  • Data Science
  • Machine Learning
Generative Adversarial Networks: Wie mit Neuronalen Netzen Daten generiert werden können
Team statworx
15. Oktober 2020
Mehr erfahren
  • Coding
  • Data Science
  • Deep Learning
Finetuning von Tesseract-OCR für deutsche Rechnungen
Team statworx
08. Oktober 2020
Mehr erfahren
  • Artificial Intelligence
  • Machine Learning
Whitepaper: Ein Reifegradmodell für Künstliche Intelligenz
Team statworx
06. Oktober 2020
Mehr erfahren
  • Data Engineering
  • Data Science
  • Machine Learning
Machine Learning Modelle mit Hilfe von Docker Containern bereitstellen
Thomas Alcock
01. Oktober 2020
Mehr erfahren
  • Recap
  • statworx
STATWORX 2.0 – Das neue Headquarter in Frankfurt ist eröffnet
Julius Heinz
24. September 2020
Mehr erfahren
  • Machine Learning
  • Python
  • Tutorial
Wie man eine Machine Learning API mit Python und Flask erstellt
Team statworx
29. Juli 2020
Mehr erfahren
  • Data Science
  • Statistics & Methods
Modellregularisierung – The Bayesian Way
Thomas Alcock
15. Juli 2020
Mehr erfahren
  • Recap
  • statworx
Auf zu neuen Abenteuern: Soft Opening des STATWORX Büros
Team statworx
14. Juli 2020
Mehr erfahren
  • Data Engineering
  • R
  • Tutorial
Wie Du ShinyApps in Docker-Images einbauen kannst
Team statworx
15. Mai 2020
Mehr erfahren
  • Coding
  • Python
Making Of: Eine kostenlose API für COVID-19-Daten
Sebastian Heinz
01. April 2020
Mehr erfahren
  • Frontend
  • Python
  • Tutorial
Wie Du ein Dashboard In Python baust – Plotly Dash Step-by-Step Tutorial
Alexander Blaufuss
26. März 2020
Mehr erfahren
  • Coding
  • R
Warum heißen sie so?! – Ursprung und Bedeutung von R-Paketnamen
Team statworx
19. März 2020
Mehr erfahren
  • Data Visualization
  • R
Gemeinschaftsdetektion mit Louvain und Infomap
Team statworx
04. März 2020
Mehr erfahren
  • Coding
  • Data Engineering
  • Data Science
Testen von REST-APIs mit Newman
Team statworx
26. Februar 2020
Mehr erfahren
  • Coding
  • Frontend
  • R
Dynamische UI-Elemente in Shiny - Teil 2
Team statworx
19. Februar 2020
Mehr erfahren
  • Coding
  • Data Visualization
  • R
Animierte Plots mit ggplot und gganimate
Team statworx
14. Februar 2020
Mehr erfahren
  • Machine Learning
Machine Learning Goes Causal II: Der kausale Bruder des Random Forests
Team statworx
05. Februar 2020
Mehr erfahren
  • Artificial Intelligence
  • Machine Learning
  • Statistics & Methods
Machine Learning Goes Causal I: Warum Kausalität wichtig ist
Team statworx
29.01.2020
Mehr erfahren
  • Data Engineering
  • R
  • Tutorial
Wie man REST-APIs mit R Plumber erstellt
Stephan Emmer
23. Januar 2020
Mehr erfahren
  • Recaps
  • statworx
statworx 2019 – Ein Jahresrückblick
Sebastian Heinz
20. Dezember 2019
Mehr erfahren
  • Artificial Intelligence
  • Deep Learning
Deep Learning – Überblick und Einstieg
Team statworx
04. Dezember 2019
Mehr erfahren
  • Coding
  • Machine Learning
  • R
Abstimmung von Random Forest auf Zeitreihendaten
Team statworx
21. November 2019
Mehr erfahren
  • Data Science
  • R
Kombination von Preiselastizitäten und Verkaufsprognosen zur Verkaufssteigerung
Team statworx
06. November 2019
Mehr erfahren
  • Data Engineering
  • Python
Von überall aus auf deinen Spark-Cluster zugreifen – mit Apache Livy
Team statworx
30. Oktober 2019
Mehr erfahren
  • Recap
  • statworx
STATWORX auf Tour: Wein, Burgen & Wandern!
Team statworx
18. Oktober 2019
Mehr erfahren
  • Data Science
  • R
  • Statistics & Methods
Wie man eine Kreuzvalidierung zur Evaluation der Modellperformance von Grund auf selbst erstellt
Team statworx
02. Oktober 2019
Mehr erfahren
  • Data Science
  • Machine Learning
  • R
Zeitreihenvorhersage mit Random Forest
Team statworx
25. September 2019
Mehr erfahren
  • Coding
  • Frontend
  • R
Dynamische UI Elemente in Shiny – Teil 1
Team statworx
11. September 2019
Mehr erfahren
  • Machine Learning
  • R
  • Statistics & Methods
Was dem MAPE fälschlicherweise vorgeworfen wird, seine WAHREN Schwächen und BESSERE Alternativen!
Team statworx
16. August 2019
Mehr erfahren
  • Coding
  • Python
Web Scraping 101 in Python mit Requests & BeautifulSoup
Team statworx
31. Juli 2019
Mehr erfahren
  • Coding
  • Frontend
  • R
Einstieg in Flexdashboards in R
Thomas Alcock
19. Juli 2019
Mehr erfahren
  • Recap
  • statworx
statworx Sommer-Barbecue 2019
Team statworx
21. Juni 2019
Mehr erfahren
  • Data Visualization
  • R
Interaktive Netzwerkvisualisierung mit R
Team statworx
12. Juni 2019
Mehr erfahren
  • Deep Learning
  • Python
  • Tutorial
Verwendung von Reinforcement Learning zum Spielen von Super Mario Bros auf NES mit TensorFlow
Sebastian Heinz
29. Mai 2019
Mehr erfahren
  • Coding
  • Data Engineering
Automatisierte Erstellung von Docker Containern
Stephan Emmer
10. Mai 2019
Mehr erfahren
This is some text inside of a div block.
This is some text inside of a div block.