Die Anforderungen an Rechenzentren haben sich in den vergangenen Jahren deutlich erhöht. Das schlägt sich auch in einem zunehmenden Energiebedarf nieder, was angesichts steigender Stromkosten zu erheblichen Mehrbelastungen für die Betreiber führt. Wie sich der Energiebedarf deutlich senken lässt – ohne Kompromisse bei der Leistungsfähigkeit.
Der Trainingserfolg bei Machine Learning steht und fällt mit der Menge und der Qualität der Trainingsdaten. Beides lässt sich steigern, wenn Organisationen zusammenarbeiten und ihre Informationen teilen. Beim „Federated Learning“ gilt es jedoch einiges zu beachten, um Sicherheitsrisiken zu verhindern.
Cloud-Services für KI sind einfach und flexibel zu nutzen, haben aber auch Nachteile. Wenn etwa sensible Daten verarbeitet werden sollen oder Latenz eine entscheidende Rolle spielt, ist das Training und die Nutzung von Machine-Learning-Algorithmen im eigenen Rechenzentrum die bessere Alternative. Bei der KI-freundlichen Data-Center-Modernisierung sind jedoch einige Punkte zu beachten.
Mithilfe künstlicher Intelligenz lassen sich Videos erzeugen, die von echten Aufnahmen kaum zu unterscheiden sind. Solche „Deepfakes“ sind nicht nur eine Gefahr für die öffentliche Meinungsbildung, sie lassen sich auch für Cyberangriffe und Identitätsdiebstahl missbrauchen. KI kann aber auch helfen, Deepfakes zu identifizieren.
Ransomware ist eine ständige Bedrohung für Unternehmen und Gesellschaft. Daher gilt es, Angriffe mit Erpressungstrojanern auf allen Ebenen zu bekämpfen. Hardware-basierte Maßnahmen spielen dabei eine wesentliche Rolle, wie eine Studie zeigt.