[vc_row css_animation="" row_type="row" use_row_as_full_screen_section="no" type="full_width" angled_section="no" text_align="left" background_image_as_pattern="without_pattern"][vc_column][vc_column_text]

Erkenntnisse aus unserer Nutzerbefragung mit Kliniken und Herstellern

[/vc_column_text][/vc_column][/vc_row][vc_row css_animation="" row_type="row" use_row_as_full_screen_section="no" type="full_width" angled_section="no" text_align="left" background_image_as_pattern="without_pattern"][vc_column][vc_empty_space height="16"][vc_column_text]

In einem Krankenhaus stehen tausende Medizingeräte. Wer welches Gerät gerade benutzt, wo es steht, wann es zuletzt geprüft wurde und in welchem Reparaturvorgang es hängt, steht heute vielerorts in Listen, E-Mail-Postfächern und Köpfen. Wir haben bei Kliniken und bei Herstellern nachgefragt.

[vc_row css_animation="" row_type="row" use_row_as_full_screen_section="no" type="full_width" angled_section="no" text_align="left" background_image_as_pattern="without_pattern"][vc_column][vc_column_text]

Wie Simulation und generative KI zusammenwirken

[/vc_column_text][/vc_column][/vc_row][vc_row css_animation="" row_type="row" use_row_as_full_screen_section="no" type="full_width" angled_section="no" text_align="left" background_image_as_pattern="without_pattern"][vc_column][vc_empty_space height="16"][vc_column_text]

Autonome Systeme müssen in der Realität funktionieren – zuverlässig, auch dann, wenn etwas Unerwartetes passiert. Ein Mensch tritt unvermittelt in den Arbeitsbereich eines Roboterarms. Ein Sensor wird durch tiefstehende Sonne geblendet. Ein Bauteil verhält sich anders als erwartet.

[vc_row css_animation="" row_type="row" use_row_as_full_screen_section="no" type="full_width" angled_section="no" text_align="left" background_image_as_pattern="without_pattern"][vc_column][vc_column_text]

Wenn KI aus unklaren Anforderungen Produktentscheidungen macht

[/vc_column_text][/vc_column][/vc_row][vc_row css_animation="" row_type="row" use_row_as_full_screen_section="no" type="full_width" angled_section="no" text_align="left" background_image_as_pattern="without_pattern"][vc_column][vc_column_text]

Generative KI hält zunehmend Einzug in die Softwareentwicklung und eröffnet auch im Requirements Engineering neue Möglichkeiten. Sie kann Anforderungen analysieren, weiterverarbeiten und daraus in kurzer Zeit konkrete Artefakte für Entwicklung und Test ableiten. Damit gewinnt jedoch die Qualität der zugrunde liegenden Anforderungen zusätzlich an Bedeutung: Wo Informationen fehlen oder Produktentscheidungen noch offen sind, kann aus einer hilfreichen Automatisierung schnell ein Risiko werden.

[vc_row css_animation="" row_type="row" use_row_as_full_screen_section="no" type="full_width" angled_section="no" text_align="left" background_image_as_pattern="without_pattern"][vc_column][vc_column_text]

Warum die nächste Produktivitätslücke in der Software entsteht

[/vc_column_text][/vc_column][/vc_row][vc_row css_animation="" row_type="row" use_row_as_full_screen_section="no" type="full_width" angled_section="no" text_align="left" background_image_as_pattern="without_pattern"][vc_column][vc_column_text]

Die deutsche Industrie baut exzellente Maschinen. Daran liegt es nicht. Trotzdem kommen viele Unternehmen bei Produktivität, Anpassungsgeschwindigkeit und Skalierung nur langsam voran. Der Engpass sitzt heute oft an einer anderen Stelle: in einer Produktionslogik, die jede Verbesserung wieder zum Einzelprojekt macht.

[vc_row css_animation="" row_type="row" use_row_as_full_screen_section="no" type="full_width" angled_section="no" text_align="left" background_image_as_pattern="without_pattern"][vc_column][vc_column_text]

Erkenntnisse vom Explainable-AI-Workshop auf der IJCAI in Bremen

[/vc_column_text][/vc_column][/vc_row][vc_row css_animation="" row_type="row" use_row_as_full_screen_section="no" type="full_width" angled_section="no" text_align="left" background_image_as_pattern="without_pattern"][vc_column][vc_column_text]

Erklärbare KI (Explainable AI, XAI) verspricht, die Entscheidungsfindung komplexer KI-Modelle durch Erklärungen verständlicher zu machen. Doch wie wahrheitsgetreu eine Erklärung die zugrunde liegende Modelllogik widerspiegelt (ihre sogenannte Faithfulness) ist in der XAI-Forschung bis heute kein gelöstes Problem. Wir argumentieren, dass stärkere theoretische Grundlagen notwendig sind, um XAI als verlässliche Disziplin für KI-Anwendungen zu etablieren.

[vc_row css_animation="" row_type="row" use_row_as_full_screen_section="no" type="full_width" angled_section="no" text_align="left" background_image_as_pattern="without_pattern"][vc_column][vc_column_text css=""]

Unsere wichtigsten Erkenntnisse aus Forschung und Praxis.

[/vc_column_text][/vc_column][/vc_row][vc_row css_animation="" row_type="row" use_row_as_full_screen_section="no" type="full_width" angled_section="no" text_align="left" background_image_as_pattern="without_pattern"][vc_column][vc_column_text css=""]

KI-Modelle treffen heute Entscheidungen in sensiblen Bereichen: Sie unterstützen medizinische Diagnosen, klassifizieren Anomalien in der Fertigung oder bewerten Kreditrisiken. Doch viele leistungsstarke Modelle funktionieren wie eine Blackbox. Sie liefern Empfehlungen, machen aber nicht nachvollziehbar, wie diese zustande kommen.

[vc_row css_animation="" row_type="row" use_row_as_full_screen_section="no" type="full_width" angled_section="no" text_align="left" background_image_as_pattern="without_pattern"][vc_column][vc_column_text css=""]

Wenn wir ehrlich sind: Die meisten Entwicklungsabteilungen nutzen KI derzeit auf dieselbe Weise. Jemand führt GitHub Copilot ein, Entwickler*innen erstellen Standardcode schneller, die Produktivität steigt – und alle sind zufrieden. Für eine Weile.Das Problem ist, dass dies nur die Aufwärmphase ist. Und wenn Sie es dabei belassen, werden Sie an eine Grenze stoßen.

[vc_row css_animation="" row_type="row" use_row_as_full_screen_section="no" type="full_width" angled_section="no" text_align="left" background_image_as_pattern="without_pattern"][vc_column][vc_column_text css=""]

Wie gelingt es Unternehmen, digitale Produkte und vernetzte Produktionsanlagen langfristig gegen Cyberangriffe abzusichern? Und warum reicht es nicht aus, Security erst am Ende eines Entwicklungsprojekts zu berücksichtigen?

Darüber spricht Michael Buchenberg, Head of IT-Security bei XITASO, im Interview mit dem Kundenmagazin Panorama von Dätwyler IT Infra. Im Fokus stehen die zunehmende Vernetzung von IT und OT, die neuen Anforderungen des Cyber Resilience Act und die Frage, warum Cybersecurity heute von Anfang an mitgedacht werden muss.

[vc_row css_animation="" row_type="row" use_row_as_full_screen_section="no" type="full_width" angled_section="no" text_align="left" background_image_as_pattern="without_pattern"][vc_column][vc_column_text css=""]

Wie intelligenter Service zum Wettbewerbsvorteil wird

[/vc_column_text][/vc_column][/vc_row][vc_row css_animation="" row_type="row" use_row_as_full_screen_section="no" type="full_width" angled_section="no" text_align="left" background_image_as_pattern="without_pattern"][vc_column][vc_column_text css=""]

Fachkräftemangel, steigende Kundenerwartungen und immer komplexere Produktportfolios setzen Pre- und Aftersales-Teams unter Druck. AI Agents eröffnen hier einen neuen Weg: Sie machen verteiltes Produkt- und Servicewissen in natürlicher Sprache nutzbar, beantworten Anfragen in Sekunden und entlasten Expertinnen und Experten genau dort, wo heute besonders viel manuelle Arbeit entsteht.

Für Unternehmen im Maschinen- und Anlagenbau sowie im technischen Handel ist guter Service längst mehr als ein Kostenfaktor. Kundinnen und Kunden erwarten kompetente Beratung vor dem Kauf, schnelle Hilfe bei Störungen und verlässliche Informationen zu Ersatzteilen, Zubehör und Bedienung. Gleichzeitig wächst das Produktwissen schneller als auf der Organisationsseite mitskaliert werden kann: neue Produktvarianten, neue Dokumente, internationale Märkte, unterschiedliche Eingangskanäle und steigende Anfragevolumina. Genau hier setzt XITASO mit Agentic-AI-Lösungen an. Als Software-Dienstleister und strategischer Digitalisierungspartner entwickeln wir KI-Systeme, die nicht nur Fragen beantworten, sondern relevante Datenquellen verstehen, passende Werkzeuge auswählen, Ergebnisse bewerten und bei Bedarf bewusst an menschliche Expertinnen und Experten übergeben. Aus einem klassischen Chatbot wird so ein intelligenter Service-Assistent.

[vc_row css_animation="" row_type="row" use_row_as_full_screen_section="no" type="full_width" angled_section="no" text_align="left" background_image_as_pattern="without_pattern"][vc_column][vc_column_text css=""]

Premiere für „biz&bites“ in Münster: Erstmals machte die XITASO Eventreihe am Standort Münster Halt und brachte Kunden, Partner und Interessierte zu einem inspirierenden Abend zusammen. Mit spannenden Impulsen rund um Künstliche Intelligenz und High-End Software Engineering, interaktiven Austauschformaten und kulinarischen Highlights bot die Veranstaltung den idealen Rahmen für fachlichen Dialog und wertvolles Networking in entspannter Atmosphäre.