Fachforen / Freies Programm

Fachforen

Track: Artificial Intelligence

Nach Tracks filtern
Alle ausklappen
  • Dienstag
    22.06.
  • Mittwoch
    23.06.
10:00 - 10:40
FF 2.2.1
Automation neu gedacht: Moderne Paradigmen für eine volatile Weltordnung
Automation neu gedacht: Moderne Paradigmen für eine volatile Weltordnung

Automatisierung ist ein gesetztes Thema in der IT und alles andere als neu.
Neu hingegen sind die modernen Möglichkeiten der digitalen Datenverarbeitung sowie des „kognitiven“ Machine Learning / Deep Learning, welche weit über Stapelverarbeitung von gestern hinaus gehen.
Dieser Vortrag beleuchtet die Chancen, die sich daraus ergeben.

Mit seinen über 14 Jahren an Erfahrung in mittelgroßen, großen Unternehmen, gemischt als Consultant und auch in-house etwa als Solution sowie als Enterprise Architect, hat Mohammed schon so manche ""Transformations""-Übung erlebt und einige auch selbst erfolgreich geleitet.
Er ist Generalist mit einem starken Fokus auf den geschäftlichen Aspekt, Hand in Hand mit der Technologie, die es unterstützen soll. Fachlich stehen ihm Themen rund um CRM (Sales, Service, Marketing) sowie Cloud (Azure, AWS, Google Cloud) sehr nahe. Intelligent Automation ist eine Leidenschaft von ihm, in all ihren vielen Facetten.
Seit 2021 arbeitet er als Managing Consultant für Opitz Deutschland und berät derzeit vor allem zu Intelligent Automation – Themen.
Mohammed Brückner
Mohammed Brückner
Vortrag: FF 2.2.1
10:50 - 11:30
FF 2.2.2
Datenbasierte Lead-Generierung im Bereich Aftersales durch Predictive Maintenance
Datenbasierte Lead-Generierung im Bereich Aftersales durch Predictive Maintenance

Das ehrgeizige Ziel eines Automobilherstellers ist es, den Großteil seiner Kunden im Händlernetz zu halten. Denn derzeit sind nur weniger als die Hälfte der Kunden im After-Sales-Bereich loyal und vor allem Besitzer älterer Fahrzeuge suchen zumeist aus Kostengründen lieber freie Werkstätten auf. Da es in den meisten Fällen keinen proaktiven Kundenkontakt bezüglich des Service- oder Reparaturbedarfs gibt und zudem die Kunden oft erst dann zum Händler kommen, wenn sie Probleme mit ihren Fahrzeugen haben, schöpft der OEM nur einen geringen Prozentsatz des Marktpotenzials aus. Durch ein Pilotprojekt mit rpc konnte auf Basis eines neu entwickelten prädiktiven Datenmodells ein erhebliches Konvertierungspotenzial aufgezeigt werden. Das Projekt fokussierte beispielhaft die Prognose der Lebensdauer der Starterbatterie. Deren Ausfall ist für den Kunden besonders kritisch und die Komponente bietet ein hohes Geschäftspotenzial für den Handel. Das Ergebnis der Pilotanwendung mit mehreren Handelsbetrieben bei Fahrzeugen außerhalb der Gewährleistung war eine deutlich gesteigerte Kundenzufriedenheit und -loyalität, sowie eine Optimierung der Werkstattabläufe durch bessere Planbarkeit der Kundentermine. Der Ansatz lässt sich dabei auch auf andere Fahrzeugkomponenten übertragen und wird vom OEM entsprechend weiter ausgebaut.

Bruce Jeong ist Principal und Head of Data Services & Products bei rpc. Als langjähriger Data Analytics Experte hat er in zahlreichen Projekten innovative Lösungen bei den Kunden eingeführt und Mehrwerte geschaffen. Seine Erfahrung reicht von Process Excellence über Solution Architecture bis hin zu Implementierungen im großen Umfang. 
Frau Marina Ehrenreich ist Senior Consultant in der Data Analytics Service Line bei rpc – The Retail Performance Company. Sie begleitet und berät Kunden – zumeist aus der Automobilindustrie – rund um Data Science. Bereits während ihres Statistik Studiums fokussierte sie sich auf Themen wie z.B. Predictive Maintenance oder auch Text Analytics, sowie die zugehörigen Methoden und Algorithmen.
Bruce Jeong, Marina Ehrenreich
Bruce Jeong, Marina Ehrenreich
Vortrag: FF 2.2.2
11:40 - 12:20
FF 2.2.3
Agile AI – Best Practices zur Komplexitätsüberwindung in KI-Projekten
Agile AI – Best Practices zur Komplexitätsüberwindung in KI-Projekten

Künstliche Intelligenz verspricht enorme Wertschöpfungspotenziale – doch auf dem Weg dahin begegnen Organisationen immer wieder ähnlichen Herausforderungen. Fehlende Akzeptanz und Erklärbarkeit der Technologie, hoher Ressourcenbedarf oder mangelnde Datenverfügbarkeit erschweren eine schnelle Umsetzung. Erfahren Sie anhand von erfolgreich durchgeführten Projektbeispielen aus der Automobilindustrie und dem Healthcare-Bereich, welche Erfolgsfaktoren bei der agilen KI-Entwicklung zu berücksichtigen sind.

Dr. Peter Kullmann ist bei der iteratec GmbH am Standort Stuttgart als Projektleiter und Software-Architekt tätig. Am Standort ist er u.a. verantwortlich für den projektübergreifenden Austausch zu architektonischen Themen. Er beschäftigt sich schon seit seiner Studienzeit intensiv mit verschiedenen KI-Methoden und hat mit diesem Hintergrund mehrere KI-Projekte erfolgreich durchgeführt und begleitet.
Dr. Michael Gebhart ist Projektbereichsleiter bei der iteratec GmbH am Standort Stuttgart sowie Vorstandsmitglied der neu gegründeten iteratec nurdemteam eG. In dieser Doppelfunktion verantwortet er mehrere Projekte im Tagesgeschäft und begleitet aktiv den Gründungsprozess der neuen Genossenschaft. Seine Schwerpunkte liegen in den frühen Phasen von Projekten mit dem Ziel, Kunden durch den Einsatz neuer Technologien wie Künstlicher Intelligenz und Blockchain zu digitalen Champions zu entwickeln. Vor seiner Zeit bei der iteratec war er mehrere Jahre als Berater in verschiedenen Umfeldern tätig. Er legt außerdem hohen Wert auf die Zusammenarbeit und den Austausch mit Universitäten und Hochschulen, weshalb er nach seiner Promotion in der Informatik bis heute zusätzlich als Lehrbeauftragter und Gastdozent aktiv ist.
Peter Kullmann, Michael Gebhart
Peter Kullmann, Michael Gebhart
Vortrag: FF 2.2.3
14:00 - 14:40
FF 2.2.4
Anwendung von Graph Analytics mit AI in der Finanzindustrie: Beispiele aus den Bereichen Geldwäsche und Kreditkartenbetrug
Anwendung von Graph Analytics mit AI in der Finanzindustrie: Beispiele aus den Bereichen Geldwäsche und Kreditkartenbetrug

Der Schaden für Unternehmen durch Online Betrug wird weltweit auf über 200Mrd USD bis 2024 geschätzt. Banken und andere Finanzinstitute haben eine starke Waffe im Kampf gegen diesen Betrug: Graph Analytics. Komplexe Analysen in Graph Datenbanken können in Echtzeit verdächtige Muster in Zahlungsströmen identifizieren - und so den Betrug stoppen bevor er Schaden anrichtet.

Mario Werner ist bei TigerGraph als Regional Manager für Deutschland, Österreich und die Schweiz zuständig. Er verfügt über mehr als 20 Jahre Erfahrung in den Bereichen Datenmanagement und Big Data und war zuvor unter anderem bei Unternehmen wie EMC, Nutanix und Couchbase tätig. Mario hat an der Universität Göttingen Wirtschaftswissenschaften studiert.
Mario Werner
Mario Werner
Vortrag: FF 2.2.4
14:50 - 15:30
FF 2.2.5
Advanced Analytics: Generalisierung in KI / ML-Projekten - Effizienzsteigerung durch eigene Frameworks
Advanced Analytics: Generalisierung in KI / ML-Projekten - Effizienzsteigerung durch eigene Frameworks

Viele konnten bereits die Erfahrung machen, das es sich bei Datenprodukten im Bereich der künstlichen Intelligenz bzw. dem Machine Learning zumeist um Softwareprodukte handelt.
Durch gezielte Wiederverwendung bestimmter Teile einer Adv. Analytics Pipeline kann die generelle Effizienz in der Entwicklung von Pipelines erhöht werden. Die dadurch gewonnene Zeit können für entsprechende Weiterentwicklungen und die Bearbeitung neuer Experimente genutzt werden.

Philipp Paraguya hat angewandte Mathematik und Informatik studiert und arbeitet seit dem Studim als BI und Adv. Analytics Berater in verschiedenen Branchen und Projekten. Durch seinen Hintergrund als Software Entwickler hat er einen starken Bezug zu klassischem Software Engineering und dem sinnvollen Einsatz von Data Science Lösungen.
Philipp Paraguya
Philipp Paraguya
Vortrag: FF 2.2.5
10:40 - 11:20
FF 3.1.3
Focus KI: Lastspitzenmanagement
Focus KI: Lastspitzenmanagement

Lastspitzen treten in vielen vernetzten Systemen auf, wie z.B. Rechenzentren, Logistik und Warenlieferungen, Verkehrssystemen oder Stromnetzen. Sie sorgen für überproportional hohe Kosten, da entweder Überkapazitäten vorgehalten oder Leistungen extern eingekauft werden müssen. Ein Lastspitzenmanagement kann hier Kosten sparen und Ressourcen effizienter auslasten. In diesem Vortrag zeigen wir, wie unsere Forecast Engine den Verbrauch innerbetrieblicher Stromnetze optimiert und damit Kosten reduziert.Innerbetriebliche Stromnetze sind hoch-komplexe Systeme mit vielen individuellen Verbrauchern, deren Energiebedarf sich nur schwer prognostizieren lässt. Künstliche Intelligenz ist in solchen Anwendungsfällen eine effiziente Lösung für ein energetisches Lastspitzenmanagement. Ausgangspunkt ist ein Verfahren, mögliche (teure) Lastspitzen automatisiert zu prognostizieren und damit eine Reduzierung der Energiekosten zu erwirken.

Mittels maschinellen Lernens wurde eine datenbasierte Mustererkennung trainiert, deren Ergebnis eine Betrachtung der maximalen täglichen Lastentnahme ist. Diese automatisierte Betrachtung bietet Unternehmen die Möglichkeit, eine verbesserte Laststromplanung zu entwerfen und umzusetzen, indem ausschlaggebende Energieverbraucher innerhalb eines Unternehmens trotz komplexen Stromnetzen ermittelt und aufgezeigt werden.

Dr. Alexander Wunderle ist Head of Advanced Analytics & AI bei der infologistix GmbH. Er ist verantwortlich für die Entwicklung Analyse-getriebener Geschäftsmodelle und deren Umsetzung/Implementation. Seine Schwerpunkte liegen im Bereich Forschung & Entwicklung und Business Intelligence. Fachlich sind seine Spezialgebiete komplexe, multivariate Analysen und Forecasting Systeme.
Paul Schmidt ist Data Scientist bei der infologistix GmbH. Seine Schwerpunkte liegen im Bereich Industrie und Business Intelligence. Fachlich sind seine Spezialgebiete Mustererkennung und Maschinelles Lernen, sowie Cloud-Integrationen von KI.
Alexander Wunderle, Paul Schmidt
Alexander Wunderle, Paul Schmidt
Vortrag: FF 3.1.3
11:30 - 12:10
FF 3.1.4
'In-depth' look at Computer Vision: distance measurement in Computer Vision
'In-depth' look at Computer Vision: distance measurement in Computer Vision

Computer vision, one of the hottest areas in Artificial Intelligence, is taking over the 'visual world'. In this talk we discuss about how does the computer interpret and understand the digital images to identify and classify objects. Further, we'll take a look into a very small aspect, i.e. distance measurement, and how impactful it can be in different usecases. We also talk about the current developments and future prospects of Computer Vision.

Akarsha works as a Senior Data Scientist in our Advanced Analytics team. She is skilled in Machine learning overall, but aims to specialise in Computer Vision. Before joining Steadforce, she has gained experience in Telecommunications and Renewable industry.  She comes from Computer Science background with a focus on Data Science, with her research published in two major conferences.
Akarsha Sehwag
Akarsha Sehwag
Vortrag: FF 3.1.4

Zurück