Tracks und Themen

Gemeinsam mit der Fachgruppe BI der Gesellschaft für Informatik präsentieren wir den Academic Track auf der TDWI München 2025. Im besonderen Fokus stehen diesmal Forschungsvorhaben zur Beherrschung komplexer Datenlandschaften unter Berücksichtigung

• föderierter Datenhaltungen mit heterogenen Datennutzern, 
   
• des Aufbaus von Datenökosystemen und Datenräumen über Bereichs- und Unternehmensgrenzen,
   
• die Einbindung von KI-Diensten und KI-Agenten,
   
• anspruchsvoller Regulierungen wie den EU AI Act sowie
   
• die agile Nutzbarmachung neuartiger Datenquellen etwa aus dem Umfeld des (Industrial) Internet of Things oder der Industrie 4.0.

Wir laden alle Forscher ein, ihre wissenschaftlichen Beiträge einzureichen.

Track Chairs: Henning Baars & Carsten Felden

• Praxisberichte über BI-Anwendungen in Banken und Versicherungen
   
• Datenbasierte Digitalisierung
   
• Einsatz von Methoden der Künstlichen Intelligenz
   
• Berücksichtigung regulatorischer Anforderungen wie EU AI Act, DORA oder BAIT/VAIT in Architektur und Organisation
   
• Nutzung von Data-Science-Methoden
   
• Einsatz spezifischer Branchenlösungen für Analyse und Simulation
   
• Prozessmonitoring und -optimierung datengetriebener Geschäftsprozesse
   
• Anforderungen aus dem regulatorischen Meldewesen
   
• Umgang mit individuellen Datenverarbeitungslösungen (IDV)
   
• Gestaltung revisionssicherer datengetriebener Prozesse sowie weiterer Governance-Aspekte
   
• Datenqualitäts- oder Stammdatenmanagement

Track Chairs: Andreas Totok, Jan Wiltschut & Michael Zimmer

• Serverlose / Cloud-basierte DWH-Architekturen
  • Multi-Cloud- und Cross-Cloud-Daten-Strategien
• Hybride Architekturen
  • Datenerfassung in hybriden Architekturen
  • Datenabgleich zwischen Cloud und on-prem in hybriden Architekturen
• Data Platform Konzepte - Data Mesh, Data Fabric, Data Lakehouse: Praxisbeispiele und Anwenderberichte
   
• Integration verschiedener Tools innerhalb eines modernen Datenstacks
   
• DWH und Data Vault Automatisierung
   
• DWH-Modernisierung: von Re-Platforming bis Redesign
   
• Echtzeit/Streaming und Zeitreihendatenverarbeitung und -analyse
   
• DataOps und MLOps
   
• Edge Computing in der Datenarchitektur

Track Chairs: Thomas Benker, Florian Dindorf, Michael Fischer-Dederra & Torsten Priebe

• Data Literacy & Data Culture und die Entwicklung von Fähigkeiten in organisatorischer und persönlicher Hinsicht 
   
• Data-driven Culture und Data-driven Companies
   
• Digitalisierung von Geschäftsprozessen als Treiber für Data Culture & Data Literacy 
   
• Erfahrungsberichte, Studien und theoretische Modelle, die sich auf Datenkultur und Datenkompetenz beziehen
   
• KI Strategie und KI Literacy in Unternehmen – kann ohne eine funktionierende Data Literacy und Data Culture von KI Strategie bzw. KI Literacy gesprochen werden?

Track Chairs: Claudia Koschtial & Lea Zimmer

• Next Evolution der Business Data Fabric 
   
• AI vom Datamanagement bis zum Frontend
   
• Status Quo Data Mesh: Immer noch Hype oder wo stehen wir aktuell?
   
• Spannungsfeld zwischen Agilität und Governance
   
• Trends und Herausforderungen im Data Modeling e.g. Data Vault/New Data Modeling Concepts
   
• Metadata Management, Data Quality, Master Data Management und Data Catalog in modernen Data Analytics Umgebungen

Track Chairs: Matthias Stemmler & Gordon Witzel

• Geschäftsanwendungen für AI
   
  • Co-Pilots
     
  • Ubiquitous Computing
     
  • Wissensmanagement / Modellbasis (Inferenz)
     
  • Kundendienste
• Deep Learning und seine Anwendungen
  • Große Sprachmodelle 
     
  • Computer Vision
     
  • Zeitreihen
     
  • Audio-Erkennung
• MLGovernance & Änderungsmanagement
   
• Data Science Plattformen, Modellverteilung und Operationalisierung, Modellmanagement
   
• AIOps / MLOps
   
• Maschinelles Lernen (Zuordnung?)
   
• Erklärbarkeit
• Regulatorik

• Success Stories: Von der Datenstrategie zur Umsetzung
   
• Datenwertschöpfung: Den Datenwert messbar machen
   
• Data-Governance-Modelle aus der Praxis: Best Practices für Aufbau und Umsetzung von Data-Governance-Strukturen in Organisationen. Aufbau eines Data Teams. Rollen und Verantwortlichkeiten. Schnittstellen mit Compliance und Fachbereichen
   
• Data Mesh: Erfolgreiche Entwicklung von Datenprodukten durch Fachbereiche. Best Practices zur erfolgreichen Transformation zu Data Mesh
   
• Data Governance operationalisieren: Data Governance erfolgreich in die Organisation integrieren. Datenstandards erfolgreich in der Fläche umsetzen
   
• Datenschutz und Compliance: Integration von Compliance-Anforderungen in die Datenwertschöpfung
   
• Der Datenkatalog als Instrument der Data Governance
   
• Change Management in Data-Governance-Projekten
   
• Datenethik und soziale Verantwortung: Ethik in der Datenverwendung, Umgang mit Bias und Diskriminierung, transparente Datenpraktiken
   
• Advanced Data Analytics und BI: Integration von Data Analytics in die Datenstrategie
   
• Data Literacy: Ansätze zur Bildung und Schulung für Mitarbeiter, um datengesteuerte Kultur zu fördern, Verständnis von Daten und Analysewerkzeugen.
   
• Rolle von KI in der Data Governance: Ansätze zur Automatisierung und Unterstützung einer Data Governance. Data Governance für AI-Produkte.
   
• Fallstudien und Brancheneinblicke: Präsentationen von Fallstudien und spezifischen Herausforderungen in verschiedenen Branchen.

Track Chairs: Carsten Dittmar, Christian Fürber & Michael Kolb

Ein ganzer Track für neue Ideen und Konzepte! Hast du eine Idee für ein neues Format? Reiche es hier ein! Hast Du ein Thema, das Du auf der Konferenz präsentieren möchtest, das aber nicht in einen der bestehenden Tracks passt? Reiche es hier ein! Hast du ein innovatives Start-up oder ein cooles Forschungsprojek, dass du mal zeigen möchtest? Reiche es hier ein! Kennst du einen spannenden Redner/Rednerin, der/die eine Bereicherung für die Konferenz wäre? Reiche ihn/sie hier ein! Alles, was in das Data Universe passt, ist willkommen.

Jede Idee ist willkommen. Wir freuen uns auf deinen Beitrag.

Track Chairs: Julian Ereth, Armin Geisler

• HR Governance
   
• Teamstrukturen
   
• Skillset
   
• Data Literacy
   
• Fortbildungen
   
• New Work

1. Effektivität und Effizienz maximieren: Welche Maßnahmen wirklich funktionieren

• Wie können datengetriebene Ansätze die Effizienz und Effektivität des Media-Mix optimieren?
• Welche Methoden verbessern die Botschaftseffektivität und -resonanz bei Zielgruppen?
• Welche datengetriebenen Strategien fördern langfristige Kundenbindung und Markenloyalität?

2. Budget und Media Mix gezielt einsetzen: Den größten Impact mit den richtigen Investitionen erzielen

• Wie können Marketing- und Kommunikationsausgaben effizienter gestaltet und Ressourcen besser allokiert werden?
• Wie lässt sich ein optimaler Media-Mix identifizieren und welche Kanäle liefern den höchsten ROI?
• Welche Kriterien sind entscheidend, um Marketinginvestitionen zu priorisieren und Budgets effektiv einzusetzen?

3. Real-Time Analytics nutzen: Schnellere Entscheidungen für agiles Marketing

• Wie kann Marketing Analytics externe Einflussfaktoren (z. B. Wettbewerb, saisonale Trends) einbeziehen, um flexible und anpassungsfähige Strategien zu entwickeln?
• Welche Ansätze ermöglichen eine dynamische, in Echtzeit getroffene Marketingentscheidung?
• Welche Tools und Methoden ermöglichen Echtzeit-Analysen und kontinuierliches Monitoring für Marketingteams?

4. Customer Analytics anwenden: Kunden verstehen und Verhalten gezielt beeinflussen

• Welche datenbasierten Methoden helfen, das Kundenverhalten entlang der Customer Journey besser zu verstehen?
• Wie können Customer Segmentation und Persona-Analysen genutzt werden, um Marketingmaßnahmen zu personalisieren?
• Welche Customer Analytics-Ansätze fördern die Kundenbindung und reduzieren die Abwanderungsrate?

5. Stakeholder überzeugen: Marketing-Impact klar und transparent kommunizieren

• Wie kann eine transparente Erfolgsmessung und Kommunikation des Marketing-ROI gegenüber Führungsteams und Stakeholdern aussehen?
• Welche Tools und Prozesse erleichtern die Aufbereitung und Präsentation von Analytics-Daten zur Stakeholder-Kommunikation?
• Wie können Analytics-Teams ihre Ergebnisse verständlich aufbereiten, um die strategische Entscheidungsebene zu unterstützen?

Track Chair: Philipp Loringhoven

• Wie verändert Self-Service-Analytics die Entscheidungsfindung in Ihrem Unternehmen?
   
• Welche Herausforderungen und Best Practices haben Sie bei der Einführung von Self-Service-Analytics entwickelt?
   
• Wie sichern Sie Datenqualität und -sicherheit bei steigender Datennutzung im Self-Service?
   
• Wie schaffen Sie die Balance zwischen Datenzugriff für Nutzer und Kontrolle durch Experten?
   
• Welche konkreten Mehrwerte hat Citizen AI in Ihrer Organisation bereits gebracht?
   
• Wie unterstützt Ihre Tool-Strategie die Skalierbarkeit und das Wachstum von Self-Service-Analytics?
   
• Welche kulturellen Veränderungen hat Self-Service-Analytics in Ihrem Unternehmen angestoßen?
   
• Wie fördern Sie die Datenkompetenz der Mitarbeiter, um Self-Service-Analytics erfolgreich zu etablieren?

Track Chairs: Philipp Loringhoven, Artur König

• Erzähle Deine nicht ganz so perfekte Geschichte
   
• Schildere Fehler, die Du gemacht hast und aus denen Du lernen konntest
   
• Was sind die Learnings daraus?

Einreichungen interaktiver Formate und praktischer Sitzungen wie Workshops und Hackathons sind erwünscht und werden bei der Bewertung bevorzugt.

Bitte passe das Format Deiner Sitzung an die Anforderungen in Bezug auf eine effiziente Zeitnutzung, inhaltliche Tiefe, Interaktivität, Unterhaltung usw. an.

Präsentieren Sie Ihre Werkzeuge vor einem Fachpublikum!

Im Tool-Track haben Hersteller die Gelegenheit, in einer 30-minütigen Demo-Session ein Werkzeug an einer vorab definierten, praxisnahen Aufgabe zu präsentieren und in einer anschließenden 15-minütigen Q&A-Runde direktes Feedback und Fragen aus dem Fachpublikum zu erhalten. So haben Sie die Möglichkeit, Ihre Lösung vorzustellen, Ihren Nutzen im Detail darzulegen und sich als führender Anbieter in Ihrer Sparte zu positionieren.

Wir suchen nach Herstellern und Anbietern von Tools und Softwarelösungen, die auf die folgenden Bereiche spezialisiert sind:

• Datenintegration und -aufbereitung
• Datenvisualisierung und Business Intelligence
• Künstliche Intelligenz und maschinelles Lernen
• Datenqualität und -sicherheit
• Cloud- und Hybridlösungen für Datenmanagement