Technologie-Nachrichten: Die neuesten Updates vom 2026-03-16

Dieser Bericht ist eine Zusammenfassung der Technologie-Nachrichten vom 2026-03-16 und wurde ausschließlich auf Basis der Originaltexte der Quellen erstellt.

Dieser Bericht wurde automatisch von AnishoAI erstellt. Für die Automatisierung der Content-Erstellung Ihrer Website besuchen Sie anishoai.com für weitere Informationen und verfügbare Pläne.

KI-basierte Smart City; der nächste Schritt in der Entwicklung intelligenter Städte

Laut ⁦press.asus.com⁩ wurde das Konzept der ⁦AI City⁩ als nächste Stufe in der Evolution der ⁦Smart Cities⁩ vorgestellt. Während sich traditionelle Smart Cities auf Sensoren, Konnektivität und Datenintegration konzentrierten, integriert die ⁦AI City⁩ künstliche Intelligenz in das operative Gefüge der Stadt, sodass Systeme den Kontext verstehen, Veränderungen vorhersagen und Reaktionen koordinieren können. In diesem Zusammenhang betont das Konzept der ⁦Urban Sovereign AI⁩ die Fähigkeit einer Stadt, die Souveränität über ihre eigenen Daten, Rechenressourcen und ⁦AI⁩-Modelle zu bewahren.

Laut diesem Bericht haben ⁦ASUS⁩ und ⁦Foxconn⁩ im Jahr 2026 ihre Zusammenarbeit begonnen, um Regierungen weltweit ⁦AI City⁩-Lösungen anzubieten. Diese Architektur umfasst fünf Schichten:

In Bezug auf die Governance umfasst das ⁦Operating Model⁩ ⁦Decision Rights⁩, ⁦Identity Access Management⁩ nach ⁦Zero-trust⁩-Prinzipien und ⁦Cross⁩‑⁦Agency Coordination⁩. Zu den vorrangigen Bereichen zählen ⁦Adaptive Mobility⁩ (dynamisches Verkehrsmanagement und intelligentes Parken) und ⁦Responsive Energy⁩. Anstatt beispielsweise Dashboards anzuzeigen, die volle Mülltonnen melden, prognostiziert eine ⁦AI City⁩ die Füllraten, leitet Teams um, koordiniert Ampeln und bestätigt die Aufgabenerfüllung.

⁦Nessum⁩ von Panasonic; ⁦IoT⁩-Konnektivität dort, wo ⁦Wi-Fi⁩ nicht hinreicht

Laut ⁦news.panasonic.com⁩ bietet die Technologieabteilung der ⁦Panasonic Holdings Corporation⁩ die Powerline-Kommunikationstechnologie (⁦PLC⁩) unter der Marke ⁦Nessum⁩ für ⁦B2B⁩-Kunden an. Diese Technologie wurde 2002 unter dem Namen ⁦High Definition Power Line Communication⁩ (⁦HD-PLC⁩) entwickelt und zielt darauf ab, ⁦IoT⁩-Netzwerke an Orten zu ermöglichen, an denen ⁦Wi-Fi⁩ und 4G/5G keine Abdeckung bieten können, wie etwa in Fabriken und Infrastrukturumgebungen.

⁦Michimasa Aramaki⁩ von der Technologieabteilung der ⁦Panasonic Holdings Corporation⁩, der die internationale Standardisierung und den Einsatz von ⁦Nessum⁩ leitet, erklärt, dass die Grundidee die gleichzeitige Übertragung von Strom und Kommunikation über eine einzige Infrastruktur war. Aramaki arbeitete zur Zeit der ⁦HD-PLC⁩-Entwicklung in der Forschungs- und Entwicklungsabteilung von Panasonic im ⁦Silicon Valley⁩ und führte Feldtests in Mietwohnungen in ⁦California⁩ und ⁦Texas⁩ mit über hundert Ingenieuren durch. Die Standardisierung von ⁦HD-PLC⁩ unter der Bezeichnung ⁦IEEE 1901⁩ wurde 2010 erreicht, doch die rasche Verbreitung von ⁦Wi-Fi⁩ veranlasste das Entwicklungsteam, von der Heimanwendung (⁦B2C⁩) auf Gebäude- und Industrieinfrastrukturen (⁦B2B⁩) umzuschwenken.

Die proprietäre ⁦Multi-hop⁩-Technologie von ⁦Panasonic HD⁩ ermöglicht eine Abdeckung von mehreren Kilometern mit 1.024 Knoten. Laut Aramaki kommt ⁦Nessum⁩ an Orten zum Einsatz, an die Funkwellen nicht gelangen – etwa in Aufzügen, deren Metallwände Signale blockieren, in unterirdischen Anlagen sowie in Bergwerken und Tunneln. Er betont, dass selbst in Neintfällen wie Grubenunglücken stets Stromleitungen für Beleuchtung oder Bohrausrüstung vorhanden sind und durch den Anschluss von ⁦PLC⁩-Modems an beiden Enden dieser Leitungen Fernüberwachung und Kommunikation ermöglicht werden. Zu den Partnerschaften von ⁦Nessum⁩ gehört die Zusammenarbeit mit dem globalen ⁦HVAC⁩-Hersteller ⁦Daikin Industries⁩, ⁦Ltd⁩.

Bericht von ⁦Google.org⁩ über 5 Jahre Investitionen in digitale Kompetenzen

Laut einem von ⁦blog.google⁩ veröffentlichten Bericht hat das Programm ⁦Future of Work⁩ in 5 Jahren über $150 ⁦million⁩ in die Schulung digitaler Kompetenzen investiert. Das Programm hat in Zusammenarbeit mit 70 Organisationen in 41 europäischen Ländern Millionen von Menschen aus benachteiligten Gemeinschaften erreicht. ⁦Google.org⁩ hat nun mit Fokus auf das KI-Zeitalter vier zentrale Erkenntnisse aus dieser Erfahrung veröffentlicht und neue Initiativen wie den ⁦AI Opportunity Fund⁩ und ⁦AI Works for Europe⁩ ins Leben gerufen.

Laut diesem Bericht lautet die erste Erkenntnis „kontextbezogene Problemlösung“. So ergaben Untersuchungen der Organisation ⁦Generation⁩, dass es eine KI-basierte Einstellungsvoreingenommenheit gegenüber ⁦mid-career⁩-Arbeitnehmern gibt, woraufhin ein gezieltes Programm mit einer Beschäftigungsquote von 83% entwickelt wurde. Außerdem konnten zwei Schwestern namens ⁦Asmaan⁩ und ⁦Farzaneh⁩, die aus ⁦Afghanistan⁩ nach ⁦Germany⁩ kamen, mit Hilfe von ⁦DigiCo⁩ technische und sprachliche Fähigkeiten erwerben und in ein Webentwicklungsprogramm einsteigen. Die zweite Erkenntnis ist die Balance zwischen Kompetenzaufbau und ⁦growth mindset⁩; laut Bericht gab die Organisation ⁦TSL⁩ an, dass 69% der Teilnehmer des ⁦SkillPlus⁩-Programms nach Kursende weiter lernten.

Die dritte Erkenntnis ist der Aufbau langfristiger Infrastruktur; durch die Bereitstellung flexibler Budgets für lokale gemeinnützige Organisationen entstehen nachhaltige und widerstandsfähige Programme. Die vierte Erkenntnis ist die Einflussnahme auf Systeme; so entwickelte sich beispielsweise die Plattform ⁦Diia.Osvita⁩ in der ⁦Ukraine⁩ von einem lokalen Projekt zu einer nationalen Infrastruktur und deckt nun 52% der Erwachsenen ab. Laut diesem Bericht ermöglicht die Bereitstellung von ⁦risk-free⁩-Budgets für gemeinnützige Organisationen das Testen innovativer Ideen, die in politische Modelle umgewandelt werden können.

Erweiterung der ⁦Cisco Secure AI Factory⁩ mit ⁦NVIDIA⁩ an den Netzwerkrand

Laut ⁦blogs.cisco.com⁩ hat ⁦Cisco⁩ auf der ⁦NVIDIA GTC⁩-Veranstaltung angekündigt, die ⁦Cisco Secure AI Factory⁩ vom Rechenzentrum an den Netzwerkrand (⁦edge⁩) auszuweiten. Diese Architektur, die vor einem Jahr auf derselben Veranstaltung von ⁦Cisco and NVIDIA⁩ vorgestellt wurde, basiert auf ⁦Cisco AI PODs⁩ und ⁦Cisco Validated Designs⁩ und integriert Sicherheit in alle Schichten der KI-Infrastruktur.

Laut diesem Bericht ist Sicherheit derzeit das größte Hindernis für die Einführung von KI-Agenten (⁦AI agents⁩) in Unternehmen. Im Gegensatz zu einfachen Chatbots sind diese autonomen Agenten in der Lage, ⁦API⁩-Aufrufe durchzuführen, auf Daten zuzugreifen und Entscheidungen zu treffen, wobei sie große Sprachmodelle (⁦LLM⁩) und kleine Sprachmodelle (⁦SLM⁩) für das Reasoning verwenden. Bei einem Angriff oder Ausfall dieser Modelle entstehen Risiken wie fehlerhafte operative Entscheidungen, Unterbrechung von Arbeitsabläufen und Verstöße gegen Vorschriften zum Schutz personenbezogener Daten (⁦PII⁩).

⁦Cisco⁩ bietet mit ⁦Cisco AI Defense⁩ eine einheitliche Sicherheitslage unabhängig vom Ausführungsort der Agenten. Auf der ⁦GTC⁩ wurde beispielsweise eine neue Referenzarchitektur zur Vorhersage von Bestandsengpässen in Lagern auf Basis des ⁦NVIDIA Multi-Agent Intelligent Warehouse⁩-Blueprints vorgestellt. In dieser Lösung fungiert ⁦Vaidio⁩ als visuelles Überwachungssystem für das Lager und aktiviert bei erkanntem Bestandsmangel über eine ⁦REST API⁩ einen ⁦Aible⁩-Agenten auf ⁦Cisco Unified Edge⁩, der ⁦SLM⁩ für die lokale Verarbeitung nutzt.

⁦Apache Spark 4.1⁩ senkt mit dem ⁦Real-Time⁩-Modus die Latenz auf Millisekundenebene

Mit der Einführung des ⁦Real-Time Mode⁩ (⁦RTM⁩) in ⁦Apache Spark 4.1⁩ kann die ⁦Structured Streaming⁩-Engine Daten nun mit einer Latenz im Millisekundenbereich verarbeiten. Bisher bedeutete die Wahl einer Stream-Processing-Engine einen Kompromiss zwischen hohem Durchsatz mit ⁦Apache Spark⁩ und niedriger Latenz mit ⁦Apache Flink⁩. Mit der Einführung von ⁦RTM⁩ ist es nun möglich, eine einzige Engine für beide Arten von Workloads zu verwenden, ohne zwei völlig unterschiedliche Systeme verwalten zu müssen.

Die bisherige Architektur von ⁦Structured Streaming⁩ basierte auf ⁦microbatch⁩; eingehende Daten wurden in separate Stapel namens ⁦epoch⁩ aufgeteilt und verarbeitet. Dieser Ansatz funktionierte hervorragend für die Hochdurchsatzverarbeitung, da der feste Overhead auf viele Datensätze verteilt und die vektorisierte (⁦vectorized⁩) Ausführung die Effizienz steigerte. Das Verkleinern der Stapelgrößen stieß jedoch schnell an Grenzen; feste Kosten wie das Schreiben von Logs in den ⁦object storage⁩, Statusaktualisierungen, logische und physische Planung sowie Task-Scheduling verursachten Latenzen von mehreren hundert Millisekunden bis hin zu einigen Sekunden.

Die Lösung des Entwicklungsteams war die Weiterentwicklung der ⁦microbatch⁩-Architektur, ohne deren Vorteile aufzugeben. Im ⁦RTM⁩-Modus fließen Daten kontinuierlich und ohne Unterbrechung durch die verschiedenen Verarbeitungsstufen. Die ⁦epoch⁩-Intervalle wurden verlängert, um den ⁦checkpointing⁩-Overhead zu verteilen, und an den ⁦epoch⁩-Grenzen werden weiterhin Recovery-Barrieren (⁦barriers⁩) für die Fehlertoleranz eingesetzt. Außerdem arbeiten Verarbeitungsstufen, die zuvor sequentiell ausgeführt wurden, nun gleichzeitig; ⁦reducer⁩ beginnen sofort mit der Verarbeitung, sobald ⁦shuffle⁩-Dateien bereit sind, ohne auf den Abschluss aller ⁦mapper⁩ zu warten. Diese Änderung hat die Ende-zu-Ende-Latenz deutlich reduziert.

Zusammenfassung

Die wichtigsten Technologietrends von heute drehen sich um die Ausweitung künstlicher Intelligenz in städtische und unternehmerische Infrastrukturen; von der Zusammenarbeit zwischen ⁦ASUS⁩ und ⁦Foxconn⁩ zur Bereitstellung von ⁦AI City⁩-Lösungen für Regierungen bis hin zur Erweiterung der ⁦Cisco Secure AI Factory⁩ mit ⁦NVIDIA⁩ an den Netzwerkrand. Zudem hat ⁦Apache Spark 4.1⁩ im Bereich der Datenverarbeitung mit dem ⁦Real-Time⁩-Modus die Latenz der Stream-Verarbeitung auf Millisekundenebene gesenkt und die Neintwendigkeit der Verwaltung zweier getrennter Systeme beseitigt.

Häufig gestellte Fragen

Welche Architektur umfasst die Zusammenarbeit von ⁦ASUS⁩ und ⁦Foxconn⁩ im Bereich der KI-basierten Smart City?

Die ⁦AI City⁩-Architektur umfasst fünf Schichten, wobei der ⁦Sovereign Compute Layer⁩ eine sichere Infrastruktur einschließlich Rechenzentren bereitstellt und das Konzept der ⁦Urban Sovereign AI⁩ die Souveränität der Stadt über ihre eigenen Daten, Rechenressourcen und ⁦AI⁩-Modelle betont.

Welches Problem löst die ⁦Nessum⁩-Technologie von Panasonic im Bereich der ⁦IoT⁩-Konnektivität?

Die ⁦Nessum⁩-Technologie, die auf Powerline-Kommunikation (⁦PLC⁩) basiert, ermöglicht ⁦IoT⁩-Netzwerke an Orten, an denen ⁦Wi-Fi⁩ und 4G/5G keine Abdeckung bieten können, wie etwa in Fabriken und Infrastrukturumgebungen, und ermöglicht die gleichzeitige Übertragung von Strom und Kommunikation über eine einzige Infrastruktur.

Welchen Vorteil bietet der ⁦Real-Time⁩-Modus in ⁦Apache Spark 4.1⁩ gegenüber der bisherigen Architektur?

Die bisherige ⁦Structured Streaming⁩-Architektur basierte auf ⁦microbatch⁩, doch der ⁦Real-Time Mode⁩ (⁦RTM⁩) hat die Verarbeitungslatenz auf Millisekundenebene gesenkt und ermöglicht die Nutzung einer einzigen Engine für beide Arten von Workloads – sowohl für Hochdurchsatz als auch für niedrige Latenz.

📚 Quellen

• 🔗 press.asus.com: AI City: The Next Stage in the Evolution of Smart Cities…
• 🔗 news.panasonic.com: Nessum: Bridging the IoT Communication Gap—Visualizing Future Social I…
• 🔗 blog.google: Google.org Future of Work: 5 years of impact and lessons for the AI er…
• 🔗 blogs.cisco.com: Cisco gives its Secure AI Factory with NVIDIA a secure multi-agent edg…
• 🔗 databricks.com: Breaking the Microbatch Barrier: The Architecture of Apache Spark Real…

Möchten Sie den Content für alle Produkte Ihrer Website mit einem Klick erstellen?

Besuchen Sie unsere Website — anishoai.com