Lights, Camera, Action: Am 24. März ging unser erstes Online-Meetup live – und zwar als Hybrid-Veranstaltung, denn unser Team nahm von unterschiedlichen Locations aus an dem Stream teil. In unserem Live-Studio im MY.O München waren Patrick Arnold und Jana Ullmann vor Ort; Benjamin Roschanski wählte sich von seinem Homeoffice aus ein.
Banken müssen mit dem technologischen Wandel Schritt halten, auch was das Bezahlen betrifft. Gewohnheiten und Erwartungen hinsichtlich des Zahlungsverkehrs haben sich durch Zahlverfahren wie PayPal oder Apple Pay drastisch verändert. Mit Request to Pay (RTP) können Banken Schritt halten.
Als Masterand bei AUSY Technologies widmete Julian Beyerlein sich dem Thema New Work im Kontext der Remote-Arbeit. In diesem Interview schildert er seine Erfahrungen, die er während seiner Zeit bei uns gemacht hat. Julian schließt derzeit seinen Master of Engineering an der Hochschule München ab.
Als Programmiersprache für Künstliche Intelligenz (KI) kommt nach wie vor am häufigsten Python zum Einsatz. Vor allem bei alteingesessenen Unternehmen gehört dies in der Regel jedoch nicht zum gewachsenen Technologie-Stack. Abhilfe schafft unter anderem die Deep Java Library (DJL) von AWS, mit der sich KI-Anwendungen in einer gewohnten JVM-Umgebung trainieren lassen. Während im vorherigen Blogartikel zur Sprache kam, wie Bilderkennung mithilfe der DJL realisiert werden kann, sehen wir uns nun an, wie das Trainieren eines eigenen KI-Modells funktioniert.
Als Programmiersprache für Künstliche Intelligenz (KI) kommt nach wie vor am häufigsten Python zum Einsatz. Vor allem bei alteingesessenen Unternehmen gehört dies in der Regel jedoch nicht zum gewachsenen Technologie-Stack. Abhilfe schafft unter anderem die Deep Java Library (DJL) von AWS, mit der sich KI-Anwendungen in einer gewohnten JVM-Umgebung trainieren lassen. Der folgende Artikel beschreibt einige grundlegende Eigenschaften der DJL und zeigt auf, wie sich ein integriertes vortrainiertes Modell für die Bild-Objekt-Erkennung einsetzen lässt.
Im Kernbankensystem (Core Banking System – CBS) spielt sich die digitale Bearbeitung der fachlichen Kernprozesse einer Bank ab. Die vorliegende Artikelserie beschäftigt sich mit der Frage, welche Modernisierungsschritte bei vorhandenen Kernbanksysteme notwendig sind, damit sie die Anforderungen aktueller Markt- und Technologie-Trends erfüllen. Teil 3 betrachtet fünf Strategien, mit denen Banken ihre Kernbanksysteme für die Zukunft ausrichten.