Das Wissensportal für IT-Professionals. Entdecke die Tiefe und Breite unseres IT-Contents in exklusiven Themenchannels und Magazinmarken.

heise conferences GmbH

(vormals SIGS DATACOM GmbH)

Lindlaustraße 2c, 53842 Troisdorf

Tel: +49 (0)2241/2341-100

kundenservice@sigs-datacom.de

AI

294 Inhalte
Entdecken Sie unser Archiv zu tiefgehenden Inhalte zum Thema AI.
Die automatische statische Quellcodeanalyse wird in Softwareprojekten häufiger lediglich toleriert, als dass sie als Bereicherung geschätzt wird. Dies mag gemeinhin daran liegen, dass ihre Ergebnisqualität als wenig verlässlich und belastbar wahrgenommen wird. Diese verbreitete Einschätzung wird der Methode jedoch nicht gerecht, denn sie bietet zweifellos wertvolle Vorteile und kann auf eine Vielz..
LLMs in der Quellcodeanalyse: Wie Generative KI dabei helfen kann, SAST wieder zu neuem Glanz zu verhelfen
Der Einsatz von generativer KI in der Softwareentwicklung findet dank der Mächtigkeit großer Sprachmodelle zunehmend Verbreitung. Nicht nur Entwickler profitieren davon, sondern letztendlich alle Projektbeteiligten in allen Entwicklungsphasen. Inzwischen gibt es viele Fallstudien, die das belegen. Der Artikel liefert einen Gesamtüberblick über den Einsatz von KI-Werkzeugen in der Softwareentwicklu..
Generative KI für bessere Softwareentwicklung
Dashboards sind vielseitige Helfer. Sie stellen entscheidungsrelevante Informationen und Geschäftsmetriken sowie wichtige Leistungskennzahlen (KPIs) fundiert, bedarfsgerecht und auf einen Blick verständlich dar. Das Ziel von Dashboards ist es, die Entscheidungsfindung zu verbessern, die Transparenz im Unternehmen zu erhöhen, Möglichkeiten zur Leistungssteigerung zu entdecken sowie Probleme, Ursach..
KI in Dashboards: Vom Helferlein zum wichtigen Partner
Große Sprachmodelle (LLMs) und ihre neuen, autonomen Anwendungen entwickeln sich rasant, was deren Qualitätssicherung wichtiger, aber auch schwieriger macht. Dieser Artikel zeigt, wie sich Best Practices aus unterschiedlichen Disziplinen systematisch vereinen lassen – hin zu einer akzeptanztestgetriebenen Entwicklung von LLMs, die verlässlichere, benutzerzentrierte KI-Systeme ermöglichen.
Akzeptanztest-getriebene LLM-Entwicklung für zuverlässige benutzerzentrierte KI-Systeme