
Die Unternehmen HTEC und Modular demonstrieren, dass sich das Hardware-Enablement für KI-Workloads deutlich beschleunigen lässt. In einem gemeinsamen Projekt passten die beiden Unternehmen den KI-Software-Stack von Modular an die Tensor Processing Units (TPUs) von Google an. Für eine Aufgabe, die sonst Jahre in Anspruch nehmen kann, benötigten HTEC und Modular nach eigenen Angaben lediglich einige Monate. Statt den Software-Stack für die neue Hardware komplett neu zu entwickeln, erweiterten die Unternehmen die bestehende Basis aus Modular Max und Modular Mojo. Vorgestellt wurde das Projekt im August auf der ModCon 2026 in San Francisco.
Viele kleine und mittelständische Unternehmen verorten das Thema Informationssicherheit ausschließlich in der IT-Abteilung. Dieses Inseldenken kann für die Sicherheitsarchitektur fatale Folgen haben. Bei dünner Personaldecke unterstützt ein externer Informationssicherheitsbeauftragter (ISB), indem er ganzheitlich auf die Infrastrukturen blickt.
Der Technologie-Distributor Climb Channel Solutions erweitert seine bestehende Zusammenarbeit mit Canonical, dem Herausgeber der Linux-Distribution Ubuntu, um die DACH-Region. Ziel der Partnerschaft ist es, die Verbreitung offener, skalierbarer und KI-fähiger Open-Source-Technologien in Deutschland, Österreich und der Schweiz zu beschleunigen. Nach einer bereits etablierten Zusammenarbeit im Vereinigten Königreich ist dies der nächste Schritt der beiden Unternehmen. Climb erweitert damit sein Portfolio um Canonicals Enterprise-Linux- und Cloud-native-Angebote, während Canonical Zugang zu Climbs Distributions- und Partnernetzwerk in der Region erhält. Die Partnerschaft umfasst das gesamte Enterprise-Portfolio von Canonical sowie begleitende Trainings-, Marketing- und Vertriebsunterstützung für Channel-Partner.
Dr.-Ing. Arthur Rudek: Die Grundlage ist ein additives Komponentenmodell, das Zeitreihen nicht als untrennbares Ganzes betrachtet, sondern in Trend, Saisonalität, Ereignisse und zufällige Schwankungen aufschlüsselt. Jede Komponente lässt sich durch die Analyse historischer Betriebsdaten mathematisch modellieren, fachlich interpretieren und prüfen. Langfristige Entwicklungen werden über den Trend beschrieben, wiederkehrende Lastprofile durch saisonale Muster erfasst und geplante Ereignisse wie Updates oder Wartungsarbeiten als separate, externe Einflussgrößen in den Forecast integriert. Das Modell macht Unsicherheiten und nicht vollständig erklärbare Beiträge transparent. Die Modellvorhersagen werden nachvollziehbar und kritische Entwicklungen können bereits vor ihrem Eintreten erkannt und erklärt werden.
Die Unternehmen HTEC und Modular demonstrieren, dass sich das Hardware-Enablement für KI-Workloads deutlich beschleunigen lässt. In einem gemeinsamen Projekt passten die beiden Unternehmen den KI-Software-Stack von Modular an die Tensor Processing Units (TPUs) von Google an. Für eine Aufgabe, die sonst Jahre in Anspruch nehmen kann, benötigten HTEC und Modular nach eigenen Angaben lediglich einige Monate. Statt den Software-Stack für die neue Hardware komplett neu zu entwickeln, erweiterten die Unternehmen die bestehende Basis aus Modular Max und Modular Mojo. Vorgestellt wurde das Projekt im August auf der ModCon 2026 in San Francisco.
Mit SNAKE-Analytics bieten byon und Treaves eine modellprädiktive Softwareplattform zur prognosebasierten Betriebsoptimierung (Predictive Analytics) von IT-Infrastrukturen und Rechenzentren. Sie verdichtet heterogene Betriebsdaten aus verschiedenen Quellen zu belastbaren Modellvariablen, prognostiziert Last-/Zustandsverläufe und liefert Handlungsempfehlungen. Frühwarnungen zu Lastspitzen, Engpässen und Anomalien steigern die Verfügbarkeit von Infrastruktur. Prädiktive Lastverteilung vermeidet Incidents und sichert die Performance ab. Darüber hinaus senkt die Lösung Kosten und reduziert je nach Set-up CO2-Emissionen um bis zu 10 Prozent. Die Grundlagen wurden über das Förderprogramm Distr@l des Landes Hessen sowie mit Mitteln des Europäischen Fonds für regionale Entwicklung geschaffen.
Die Unternehmen HTEC und Modular demonstrieren, dass sich das Hardware-Enablement für KI-Workloads deutlich beschleunigen lässt. In einem gemeinsamen Projekt passten die beiden Unternehmen den KI-Software-Stack von Modular an die Tensor Processing Units (TPUs) von Google an. Für eine Aufgabe, die sonst Jahre in Anspruch nehmen kann, benötigten HTEC und Modular nach eigenen Angaben lediglich einige Monate. Statt den Software-Stack für die neue Hardware komplett neu zu entwickeln, erweiterten die Unternehmen die bestehende Basis aus Modular Max und Modular Mojo. Vorgestellt wurde das Projekt im August auf der ModCon 2026 in San Francisco.
Keeper Security stellt einen zertifizierten Connector für Keeper Secrets Manager und Microsoft Azure Logic Apps bereit. Damit können Unternehmen Anmeldedaten innerhalb automatisierter Workflows zur Laufzeit erstellen und abrufen, ohne sensible Werte fest in den Workflows zu hinterlegen. Der Connector ist über den Microsoft Power Platform-Marktplatz verfügbar und soll insbesondere das Risiko hartkodierter Zugangsdaten in Automatisierungsskripten reduzieren. Die Verarbeitung basiert auf einer Zero-Knowledge-Architektur, bei der Geheimnisse verschlüsselt im Keeper Vault gespeichert und erst bei Bedarf innerhalb der Azure-Umgebung des Kunden entschlüsselt werden. Für die Integration stellt Keeper zudem eine Azure-basierte Middleware bereit, über die sich der Secrets Manager in bestehende Logic-App-Workflows einbinden lässt.
Digitale Anwendungen benötigen immer leistungsfähigere Speicherlösungen, die Daten schnell verarbeiten und gleichzeitig möglichst wenig Energie verbrauchen. Besonders in Bereichen wie Industrieautomation, Medizintechnik und Automotive steigen die Anforderungen kontinuierlich. Forschende des Fraunhofer-Instituts für Photonische Mikrosysteme (Fraunhofer IPMS) haben nun gemeinsam mit GlobalFoundries eine neuartige Speichertechnologie entwickelt, die genau diese Anforderungen erfüllt. Die Innovation kombiniert hohe Geschwindigkeit, dauerhafte Datenspeicherung und einen äußerst geringen Energiebedarf. Für diese erfolgreiche Verbundforschung wurde das Projektteam mit dem Wissenschaftspreis des Stifterverbandes „Forschung im Verbund“ ausgezeichnet.