Tracks und Themen

Auch auf der TDWI München 2026 wird es wieder einen Academic Track geben!  Ein Schwerpunkt des Tracks stellt dabei diesmal die Beherrschung integrierter Business-Intelligence-, Analytics- und KI-Umgebungen dar – unter Berücksichtigung flankierender Governance-Maßnahmen. Vor diesem Hintergrund wären wir insbes. gespannt auf Präsentationen zu Forschungsvorhaben zu folgenden Themenbereichen:

• Datenvirtualisierung und Data Fabric für komplexe und verteilte Datenlandschaften,
   
• neue Ansätze für Data Catalogs und ein föderiertes Metadatenmanagement,
   
• die Integration von Daten- und Dokumentenmanagement in Zeiten Generativer KI,
   
• die Gestaltung, das Management und die Monetarisierung anspruchsvoller Datenprodukte,
   
• KI und Analytics für ein integriertes Prozessmanagement,
   
• Multiagentensysteme im Kontext des Datenmanagements.

Wir sind aber auch für weitere spannende und innovative Themen offen! Vor diesem Hintergrund laden wir alle Forscher ein, ihre wissenschaftlichen Beiträge einzureichen.
Darüber hinaus freuen wir uns auch wieder auf studentische Einreichungen etwa auf der Grundlage von Abschluss- oder Projektarbeiten. Aufgrund des großen Zuspruchs im letzten Jahr werden wir 2026 erneut eine Poster-Session ausrichten, in den Studenten oder Studentengruppen Ihre Ergebnisse vorstellen können!

Track Chairs: Henning Baars, Carsten Felden & Uwe Haneke

• 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-Strategien
     
  • 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
   
• Einsatz von LLMs/KI-Agenten in Datenarchitekturen
   
• 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
   
• Datenmodellierung

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

Technik braucht Kultur – warum Data Culture und Data Literacy über den Erfolg entscheiden
Data Culture stellt den Menschen und die ihn umgebenden Organisationen ins Zentrum des Wandels hin zu einer datengeleiteten Organisation. Der Track des gleichnamigen Themenzirkels des TDWI beschäftigt sich mit der Frage, wie Organisationen eine Kultur schaffen, in der Daten verstanden, genutzt und verantwortungsvoll eingesetzt werden – und welche Kompetenzen dafür notwendig sind.
Für die TDWI Konferenz 2026 suchen wir Beiträge, die zeigen, wie Data Literacy und Data Culture gemeinsam den Erfolg datengetriebener Unternehmen prägen.
Mögliche Themen:

• Data Literacy & Data Culture: Entwicklung von Fähigkeiten und Haltung auf individueller und organisatorischer Ebene
   
• Data-driven Culture & Leadership & Data Strategy: Wie Führung, Werte und Mindset den Wandel treiben und welche strategischen Implikationen existieren
   
• KI-Strategie & KI-Literacy: Warum ohne gelebte Datenkultur keine verantwortungsvolle KI entsteht
   
• Digitalisierung & Geschäftsprozesse: Wie Transformation Data Culture fördert
   
• Praxisberichte, Studien und Modelle zu Data Literacy, Lernformaten und Organisationsentwicklung

Wir laden Praktiker:innen, Forschende und Changemaker ein, ihre Erfahrungen, Erkenntnisse und Impulseeinzubringen – für eine Arbeitswelt, in der Datenkompetenz gelebte Kultur ist.

Track Chairs: Claudia Koschtial & Wolf Erlewein

• Data Governance, Data Quality und Data Lineage in modernen Architekturen
   
• Modernisierung einer Analytics-Landschaft: Business Warehouse zu einer (Business) Data Fabric, Koexistenz-Patterns, Legacy-Ablösung, Kosten-/FinOps-Steuerung und Lessons Learned aus Migrationsprojekten
   
• Data Products und Data Mesh: Domänenzuschnitt, Ownership, Produkt-Lifecycle, Data Contracts und Self-Service-Enablement
   
• Master Data Management: Governance-Modelle, Workflow-Automatisierung, Integration mit SAP und Non-SAP, Data Quality Controls und Auditfähigkeit.
   
• Wie revolutioniert AI den Bereich Data Management?

Track Chairs: Matthias Stemmler, Gordon Witzel, Harry Enns, Markus Ganser

• Agentensysteme – Architekturen und Anwendungen
   
• Deep Learning und Machine Learning in der Praxis
   
• Operationalisierung und Skalierung von AI und ML
   
• KI-Transformation in Politik, Gesellschaft und Unternehmen

Track Chairs: Matthias Böck, Christoph Hoffmann & Sebastian Petry

• 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 innovatives Start-up oder ein cooles Forschungsprojekt, 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! Hast Du ein Thema, das Du auf der Konferenz präsentieren möchtest, das aber nicht in einen der bestehenden Tracks passt? Reiche es hier ein!Alles, was in das Data Universe passt, ist willkommen.

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

Track Chairs: Eva-Maria Kopf & Armin Geisler

Im Track Industrial Data & AI diskutieren wir Anwendungsfälle für Data, Analytics und KI in mittelständischen und großen industriellen Unternehmen. Das Ziel ist ein Austausch von Daten- und KI-Anwendern und -Verantwortlichen in industriellen Gebieten, wie z.B. Produktion und Fertigung oder Supply-Chain und Logistik. In dem Track suchen wir Beiträge, die zeigen was wirklich funktioniert, um Erfahrungen auszutauschen sowie Best Practices und Innovationen zu teilen.

Wir freuen uns über Beiträge in diesen Bereichen:

• Erfahrungsberichte "What Works" von Data, Analytics und KI Anwendungen im industriellen Kontext
   
• Innovationen im Bereich “Industrial Data & AI”
   
• Wie können industrielle Unternehmen Daten als Ressource nutzen (z.B. daten-getriebene Geschäftsmodelle und Zusatzdienste, Aufbau neuer Kompetenzen etc.)
   
• Sonstige Stichwörter wie: Smart Manufacturing, Industrie 4.0, (Industrial) Internet of Things, Supply-Chain & Logistics, andere Daten-Themen im industriellen Kontext (z.B. Data Governance für industrielle Betriebe, Self Service in der Produktion etc.)

Track Chairs: Julian Ereth & Andreas Peter

1. Von Output zu Impact: Marketing als Werttreiber verstehen
    
   1. Nicht Reichweite, Klicks oder Leads sind entscheidend, sondern ihr finanzieller Beitrag.
       
   2. Wie misst man die tatsächliche Wirkung von Marketingmaßnahmen auf Umsatz, Marge und Markenwert?
       
2. Budgetsteuerung und Szenarioanalysen
    
   1. Marketingbudgets sind Investitionen unter Unsicherheit. 
       
   2. Wie verteile ich Mittel so, dass Risiko, Rendite und Zeithorizont im Gleichgewicht sind?
       
3. Kundenwert als Steuerungsgröße
    
   1. Nicht jede Kampagne, sondern jeder Kunde zählt.
       
   2. Welche Kundensegmente bringen langfristig den höchsten Deckungsbeitrag?
       
4. Attribution, Marketing-Mix-Modelling und Inkrementalität
    
   1. Es reicht nicht zu wissen, wo ein Klick herkam, sondern was ihn ausgelöst und was er bewirkt hat.
       
   2. Welche Kombination von Kanälen, einschl.  Vertriebsaktivitäten (Klassischer Außendienst, Tele-Sales, eReps, …), Botschaften und Zeitpunkten erzeugt wirklich zusätzlichen Umsatz?

Track Chair: Philipp Loringhoven & Norbert Engelhardt

• 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 viel Governance ist notwendig, damit Self-Service nicht im Chaos endet?
   
• Wie verändern KI-Werkzeuge den Self-Service und wo werden sie schon eingesetzt?
   
• 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 muss die Aus- und Weiterbildung sein, um Self-Service möglich zu machen?
   
• Wann ist eine Organisation bereit für Self-Service?
   
• Wie werden theoretische Self-Service-Modelle in die Praxis überführt?

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