Google TPU v8 Generation – spezialisierte KI-Chips für Training und Inferenz
KI-Hardware, wt

Google stellt zwei spezialisierte TPUs der achten Generation vor

Google hat auf der Cloud Next ’26 zwei neue Tensor Processing Units (TPUs) vorgestellt, die speziell für den Einsatz in agentenbasierten KI-Systemen ausgelegt sind. Mit der achten TPU-Generation reagiert das Unternehmen auf veränderte Anforderungen im KI-Betrieb, bei dem autonome Agenten zunehmend komplexe, mehrstufige Aufgaben übernehmen.

Zwei Geschäftsleute schütteln Hände vor einem modernen Bürogebäude als Symbol für eine strategische Unternehmenspartnerschaft
KI-Partnerschaften, wt

OpenAI und Infosys schließen Partnerschaft für den Unternehmenseinsatz von KI-Werkzeugen

OpenAI und der indische IT-Dienstleister Infosys haben eine strategische Partnerschaft vereinbart, um KI-Lösungen für Unternehmenskunden zugänglicher zu machen. Im Mittelpunkt steht die Integration von OpenAIs Modellen in das Dienstleistungsportfolio von Infosys – mit dem Ziel, Softwareentwicklung, Prozessautomatisierung und den Einsatz von KI-Systemen in Betrieben zu beschleunigen.

Abstrakte Serverarchitektur mit verteilten Knotenpunkten und Netzwerkverbindungen
Cloud-Resilienz, wt

Cloud-Resilienz: Warum souveräne Fault Domains zum strategischen Muss werden

Geopolitische Spannungen, regulatorische Fragmentierung und wachsende Abhängigkeit von wenigen Hyperscalern zwingen Unternehmen, ihre Cloud-Architekturen neu zu bewerten. Ein einziger regionaler Ausfall – ob durch technisches Versagen, regulatorischen Eingriff oder externe Störung – kann heute ganze Geschäftsprozesse zum Erliegen bringen. Die Antwort liegt in einem Konzept, das im Enterprise-Umfeld zunehmend an Bedeutung gewinnt: souveräne Fault Domains.

Vernetzte Datenströme in einer modernen Enterprise-Architektur
Enterprise-KI-Infrastruktur, wt

Data Fabric als Voraussetzung: Warum Enterprise-KI ohne solide Dateninfrastruktur selten Ergebnisse liefert

Viele Unternehmen investieren erhebliche Mittel in KI-Systeme und bleiben dennoch hinter den erwarteten Ergebnissen zurück. Der Grund liegt laut einer aktuellen Analyse des MIT Technology Review häufig nicht in den Modellen selbst, sondern in der darunter liegenden Dateninfrastruktur – genauer gesagt: in deren Fehlen oder fragmentiertem Zustand.

Scroll to Top