
Die im Konferenzprogramm der TDWI München 2022 angegebenen Uhrzeiten entsprechen der Central European Time (CET).
Per Klick auf "VORTRAG MERKEN" innerhalb der Vortragsbeschreibungen können Sie sich Ihren eigenen Zeitplan zusammenstellen. Sie können diesen über das Symbol in der rechten oberen Ecke jederzeit einsehen.
Hier können Sie die Programmübersicht der TDWI München 2022 mit einem Klick als PDF herunterladen.
Thema: Financing
- Montag
20.06. - Dienstag
21.06. - Mittwoch
22.06.
KI hat einen disruptiven Einfluss auf die Wertkette der Versicherung. Data-driven Insurance steht für eine KI-Einführung zu Mehrwert mit Strategie. Neue Portfolios, Prinzipien, Standards, Jobs und Prozesse sind die Folge. Diese werden vorgestellt.
Zielpublikum: Führungskräfte, Trainer, Erklärer und Förderer
Voraussetzungen: KI-Agilität, Einführungs- und Projektmanagement
Schwierigkeitsgrad: Experte
Extended Abstract:
Damit die Einführung der Data-driven Insurance sich beschleunigt, sind die relevanten Themen zu gruppieren, zu priorisieren und die Verantwortungen hierüber zu klären. Dafür bedarf es einer schlagkräftigen Führungskoalition, welche eine Vision über die Einführung der Data-driven Insurance und der Künstlichen Intelligenz entwickelt und im Gesamtunternehmen propagiert. Promotoren werden eingesetzt, um die Vision umzusetzen und nach geeigneten KI-Business-Cases zu suchen. Die Business-Cases werden so bewertet, priorisiert und geplant, dass sich Ergebnisse schnell einstellen. Die mit diesen Erfolgen erzielte Glaubwürdigkeit belebt die Transformation neu. Dadurch können neue Mitarbeiter gewonnen werden, um die Verbesserungen zu konsolidieren und die neuen Ansätze zu institutionalisieren. Der Vortrag geht auf Best Practices und Fallstricke ein.
Leonhardt Wohlschlager ist seit 2006 bei CGI und dort heute als Insurance Practice Lead für IT-Strategie und Digitale Transformation verantwortlich. Erstmals 1998 führte er bei einer großen VVaG moderne IT als Projektleiter ein. Nach seiner Zeit bei IBM bis 2000 promovierte er berufsbegleitend zum Dr. der BWL im Jahr 2006. Daten hält er für eines der wichtigsten Assets in der Versicherung.
Das Thema KI ist in aller Munde. Fragt man in Unternehmen aber, wie bestehende Datenschutzanforderungen, Richtlinien der EU und die Mitbestimmung des Betriebsrates sichergestellt werden, so gibt es hier selten Antworten. Gerade die Einbeziehung dieser Stakeholder ist aber keine 'lästige' Pflicht, sondern ein kritischer Erfolgsfaktor.
Im Vortrag wird das Vorgehen der Zurich Deutschland vorgestellt und aufgezeigt, wie wir gemeinsam an einer für Mitarbeiter und Kunden fairen KI arbeiten.
Zielpublikum: Data & Analytics Entscheider
Voraussetzungen: Keine
Schwierigkeitsgrad: Einsteiger
Dr. Michael Zimmer verantwortet bei der Zurich Gruppe Deutschland das Thema künstliche Intelligenz. Hierbei beschäftigt er sich sparten- und ressortübergreifend mit der Identifikation, Entwicklung, Produktivsetzung und Industrialisierung von KI-Anwendungsfällen. Er ist Autor und Herausgeber diverser Publikationen und TDWI Fellow. Vor seiner Zeit bei der Zurich Deutschland war er fast 14 Jahre in der Beratung tätig.
Vortrag Teilen
Vortrag Teilen
Im Vortrag werden verschiedene Einsatzszenarien für das Maschinenlernen im Marketing und Vertrieb einer Regionalbank vorgestellt. Beispiele sind die Vertriebsunterstützung von Kundenberatern, die personalisierte Kundenansprache im Onlinebereich sowie die Preisoptimierung. Neben der Umsetzung wird das Ertragspotenzial skizziert. Im zweiten Schritt werden verschiedene Herausforderungen diskutiert: aufsichtsrechtliche, datenschutzrechtliche, informationssicherheitsbezogene und organisationsbezogene Herausforderungen.
Zielpublikum: Sowohl Nutzer als auch Entwickler von ML, insbesondere Data Scientisten, Manager von ML/Advanced Analytics und Manager im datengetriebenen Marketing/Vertrieb
Voraussetzungen: Keine (Ich werde auf die eingesetzten Technologien eingehen, jedoch steht der betriebswirtschaftliche / transformatorische Aspekt im Vordergrund)
Schwierigkeitsgrad: Einsteiger
Dr. Jochen Wulf ist in der Gestalterbank für die Kundenanalytik und insbesondere die Umsetzung von Maschinenlernen-Anwendungen im Marketing & Vertrieb verantwortlich. Daneben ist er Privatdozent im Bereich Wirtschaftsinformatik & Data Science an der Universität St. Gallen.
Die Digitalisierung der Schadenprozesse schreitet in der Versicherungsbranche immer weiter voran, vor allem die Automatisierung durch Workflow-Management-Systeme ist mittlerweile ein etabliertes Standardwerkzeug in den Unternehmen.
In diesem Vortrag werden wir am Beispiel eines Schadenregulierungsprozesses unterschiedliche Optimierungsmöglichkeiten der Automatisierungen, deren Vorteile und Voraussetzungen diskutieren und konkrete Praxisbeispiele präsentieren.
Zielpublikum: Data Scientist, decision makers, Project Leader, Process Owners
Voraussetzungen: Basic knowledge, claims experience recommended
Schwierigkeitsgrad: Einsteiger
Extended Abstract:
Die Digitalisierung der Schadenprozesse schreitet in der Versicherungsbranche immer weiter voran. Die Automatisierung solcher Verarbeitungsschritte durch Workflow-Management-Systeme ist mittlerweile ein etabliertes Standardwerkzeug in den Unternehmen. Diese technischen Fortschritte ermöglichen es, die Prozesse datengetrieben exponentiell weiter zu optimieren.
Hier ermöglichen der intelligente Einsatz von Daten und der Einsatz Künstlicher Intelligenz verschiedene Varianten der Unterstützung der Prozessbearbeitung: Augmented Intelligence, Assisted Intelligence, Autonome Systeme oder (regelbasierte) Automatisierung. Die Methoden zahlen entsprechend ihrer Fokusse auf die Zielgrößen Standardisierung und Komplexitätsreduktion ein. Dabei ist die richtige Auswahl der zu nutzenden Methode abhängig von der Fragestellung selbst und den vorhandenen technischen Infrastrukturen und Datenverfügbarkeiten.
In diesem Vortrag werden wir am Beispiel eines Schadenregulierungsprozesses die unterschiedlichen Anwendungsmöglichkeiten der obigen Methoden (Datenabgleich mit Materialpreisdatenbanken, Ermittlung von Referenzpreisen, KI-Vorhersage von OK-Belegen bzw. Freigaben, ...), deren Vorteile und Voraussetzungen diskutieren und konkrete Praxisbeispiele präsentieren.
Jeremy Schieblon hat das Studium der Wirtschaftsinformatik an der Fachhochschule Münster mit dem Bachelor of Science abgeschlossen.
Er schrieb seine Thesis bei der Eucon Digital GmbH und wurde anschließend als Data Scientist eingestellt, wo er zunächst die Bereiche Real Estate und Insurance Car betreute.
Seit Juni 2021 kümmert er sich als Product Owner um die Steuerung und Organisation des Data Science Teams sowie der zugehörigen Projekte.
Vortrag Teilen
Vortrag Teilen
Die HUK-COBURG agiert seit über 8 Jahren nach einer BI-Strategie. Die BI-Strategie und die zugrunde liegenden Datenarchitekturen wurden und werden fortlaufend angepasst. In diesem Track werden Weiterentwicklungen und Trends der Datenarchitekturen bei der HUK-COBURG vorgestellt.
Zielpublikum: Data Architects, Data Engineer, Data Scientist, Project Leader
Voraussetzungen: Grundkenntnisse Business Intelligence und Datenarchitekturen
Schwierigkeitsgrad: Einsteiger
Michael Fischer-Dederra beschäftigt sich seit seiner Diplomarbeit Anfang des Jahrtausends mit BI und ist, von seinen nunmehr 15 Jahren bei der HUK-COBURG, die letzten 6 Jahre als BI Lead Architect für den Ausbau des erweiterten Daten-Ökosystems und dessen Interaktion mit der Unternehmensumwelt zuständig.
Michael Kolb ist seit 14 Jahren im Business Intelligence-Umfeld tätig - davon seit über 8 Jahren als BI-Projektleiter und BI-Architekt im BICC der HUK-COBURG. Seit zwei Jahren begleitet er die Themen Data Cataloging und Data Governance im Kontext des erweiterten Daten-Ökosystems der HUK-COBURG.
Im Zuge einer Neuausrichtung der Analytics-Infrastruktur plant die GVV die Einführung eines neuen DWHs, das eine Gesamtsicht für Reporting und Analyse ermöglicht. Ziel des Projektes war die Anwendung innovativer Methoden, welche das Data Analytics-Zielbild zukunftsfähig macht, die Anforderungen in hohem Maße flexibel umsetzt und von geringer Fehleranfälligkeit gekennzeichnet ist. Diese Ziele werden durch den Einsatz einer Cloud-DB unter Nutzung einer Generierungs-SW für DataVault-Modellierung und moderner BI-Tools in hohem Maße erfüllt.
Zielpublikum: BI-Manager, Data-Analysten, Cloud-Architekten
Voraussetzungen: Versicherungs- und BI-Architektur-Grundverständnis
Schwierigkeitsgrad: Fortgeschritten
Lasse Wiedemann berät seit mehr als 4 Jahren Kunden aus der Finanzdienstleistungsbranche erfolgreich zu ETL- und BI-Fragestellungen. Dabei hat er sich auf das Thema Data Management konzentriert und ist bei PPI für diesen Bereich verantwortlich.
Vortrag Teilen
Vortrag Teilen
Einen exzellenten Umgang mit Daten zu kultivieren und damit nachhaltige Datenkompetenz im Unternehmen zu verankern, sind entscheidende Enabler, um den digitalen Wandel zum modernen Fintech-Unternehmen zu meistern. Mit der Ausbildungsoffensive „Informations- und Datenmanagement” hat die RLB OÖ 2019 einen Trainings-Piloten gestartet, der sich zu einem etablierten Schulungsprogramm für die gesamte Organisation entwickelt hat. Wie man ein solches Programm samt praxisnahem Lehrplan aufbaut, erzählt die Data Governance Spezialistin Iris Thallinger.
Zielpublikum: Project Manager, Data Governance Manager, Data Passionist, CDO, CIO
Voraussetzungen: Basic knowledge
Schwierigkeitsgrad: Einsteiger
Iris Thallinger absolvierte ein Studium der Wirtschafts- und Rechtswissenschaften an der JKU/Linz und hat mehr als 15 Jahre Erfahrung im Bereich Projekt- und Prozessmanagement im Bankensektor. Anfang 2017 bis Ende 2020 hat sie den Aufbau von Data Governance in der RLB OÖ verantwortet und wurde für diese Leistung 2020 mit dem Austrian Data Hero Award ausgezeichnet. Seit Januar 2021 ist sie im Datenschutz der RLB OÖ tätig.
Auch für die SIGNA, einen der weltweit größten Immobilienentwickler, ist datengetriebene Unternehmenssteuerung ein entscheidender Erfolgsfaktor. Zur Implementierung des DWH wurde ein fachlicher Ansatz gewählt: Geschäftsfunktionen und -objekte werden im Fachdatenmodell abgebildet und direkt als Data Vault-Modell realisiert. So kann die Time-to-market deutlich reduziert, sowie Wartbarkeit und Transparenz markant gesteigert werden. Vor allem: Die Datennutzer verstehen die Daten und können deren fachliche und technische Lineage nachvollziehen.
Zielpublikum: Data Governance-Verantwortliche, Data Scientists, CDO
Voraussetzungen: Experience, Senior Level
Schwierigkeitsgrad: Fortgeschritten
Daniela Graussam leitet in der SIGNA das gruppenweite IT Application Management, das geschäftskritische Applikationen für Finanz, Bauwesen, Asset Management, sowie interner Organisation zur Verfügung stellt. Sie und ihr Team agieren als Sparring-Partner der Fachabteilungen bei der Gestaltung und Digitalisierung komplexer Geschäftsprozesse und ermöglichen deren Umsetzung. Daniela hat nach einem Wirtschaftsstudium erfolgreich ein MBA Studium in Kalifornien abgeschlossen.
Barbara Kainz ist Geschäftsführerin der dataspot. gmbh. Sie ist Expertin für Data Governance, fachliche Datenmodellierung & Datenqualitätsmanagement. Ihre Expertise in Metadatenmanagement begründet sich auf jahrelanger Beratungserfahrung u. a. als Smarter Analytics Leaderin in der IBM. Sie hält ein Diplom in IT & Organisation und ist systemisch-analytischer Coach.
Vortrag Teilen
Vortrag Teilen
Ziel dieses Projektes war es, die Frühwarn-Indikatoren im Bereich Risikomanagement zu erweitern. Es wurden öffentlich zugängliche Daten (Genisis, Gerda, Eurostat etc.) innerhalb einer Cloud-Infrastruktur bereitgestellt. Für die Identifikation und Extraktion relevanter Zeitreihen wurde ein, über eine API zugänglicher, kognitiver Service zur multivariaten Anomalie-Erkennung verwendet. Die Ergebnisse wurden zur Anreicherung der Datengrundlage von 'Point-in-Time'-Berechnungen für die Ausfallrate von Krediten und weitere Analysen eingesetzt.
Zielpublikum: Project Leads, Decision Maker, Fachangestellte im Risikomanagement, Riskmanager, Risiko-Manager, Risk Controller, Data Analyst, Data Scientist, Data Engineer, Cloud Specialists, IT-Architekten, Kredit-Ausfall-Spezialist, PD/LGD
Voraussetzungen: Basic Knowledge in Risikomanagement
Schwierigkeitsgrad: Einsteiger
Dr. Philipp Kazzer hat nach seinem Bachelor in Kognitionswissenschaften und dem Master der Bio-Informatik im Bereich Neurowissenschaften an der Charité/FU - Berlin promoviert. Seit 6 Jahren beschäftigt er sich als Berater bei der Syncwork AG mit den Verfahren von Natural Language Processing und arbeitet in verschiedenen DWH-Projekten mit. Er leitet das Team Data Science bei Syncwork und ist für das 'Ai-Labor' verantwortlich.
Julia Werra hat ihren Bachelor in 'international business Administration' mit Vertiefung in Finanzen dual innerhalb der Consulting-Sparte eines globalen IT-Konzerns abgeschlossen. Seit zwei Jahren arbeitet sie als Consultant der Syncwork AG. Ihre Arbeitsgebiete umfassen Projektmanagement und Anforderungserhebung für IT-Systeme. Sie leitet ein Migrationsprojekt und ein POC im Bereich Risikomanagement. Als Mitglied der taskforce vermarktet und entwickelt sie Syncwork AI-Dienstleistungen.
Dr. Andreas Totok ist Geschäftsbereichsleiter Enterprise Information Management bei der Finanz Informatik Solutions Plus GmbH. In dieser Funktion berät er Bankinstitute und Versicherungen der Sparkassen-Finanzgruppe zu strategischen IT-Themen und verantwortet Projekte für die Anwendung Künstlicher Intelligenz und dem Management von Daten. Seine Schwerpunkte liegen in der Fachkonzeption sowie der Architektur- und Organisationsberatung.
Dr. Michael Zimmer verantwortet bei der Zurich Gruppe Deutschland das Thema künstliche Intelligenz. Hierbei beschäftigt er sich sparten- und ressortübergreifend mit der Identifikation, Entwicklung, Produktivsetzung und Industrialisierung von KI-Anwendungsfällen. Er ist Autor und Herausgeber diverser Publikationen und TDWI Fellow. Vor seiner Zeit bei der Zurich Deutschland war er fast 14 Jahre in der Beratung tätig.
Vortrag Teilen
Vortrag Teilen
In der schieren Menge an Daten, die in vielen Unternehmen schlummern, steckt ein enormes Wertpotential für das Business. Doch wie versetzen sich Organisationen in die Lage, diesen Datenschatz zu heben? Datensilos und heterogene Datenbestände scheinen oftmals eine unüberwindbare Hürde für eine nahtlose Integration zu sein – und die IT wird schnell zum Spielball aufwändiger und teurer Legacy Integrations-Technologien. Im Vortrag erfahren Sie von Robert Auerochs, wie die ING-DiBa diese Hürden in der Datenintegration und -nutzung überwindet und hierauf innovative und gewinnbringende Use-Cases aufsetzt.
Zielpublikum: Data Engineers, Data Scientist, Data Architects, Data and Analytics Manager, Chief Data Officer(CDOs), Chief Information Officer (CIOs), Data Analysts, Heads of Data Integration etc.
Voraussetzungen: Basic knowledge of data and analytics, especially data warehousing and data transformation processes and understanding of these in the larger organizational context to achieve the business goals
Schwierigkeitsgrad: Fortgeschritten
Robert Auerochs ist in seiner Funktion als Expertise Lead DataLake Platform seit über 13 Jahren bei der ING-DiBa beschäftigt. Er ist zudem als Freelancer im Bereich Spiel-Design und Referent an der TU Darmstadt tätig.
Viele Unternehmen sehen sich mit neuen digitalen Anforderungen konfrontiert. Eine Lösung stellt hier die Einführung eines Data Excellence Frameworks dar. Nach der Festlegung von Richtlinien und dem Aufbau einer Organisation stehen viele Unternehmen vor der Hürde der Ausrollung des Data Excellence Frameworks. Die Raiffeisen-Landesbank Steiermark nutzt hier die von außen einfließenden (Daten-)Anforderungen, zum Beispiel aus der Regulatorik, um ihr Data Excellence Framework zum Leben zu erwecken und erfolgreich in die Organisation zu tragen.
Zielpublikum: Data Governance-Verantwortliche, Data Scientists, CDO
Voraussetzungen: Experience, Senior Level
Schwierigkeitsgrad: Fortgeschritten
Markus Hefler ist Chief Information Security Officer und Chief Data Protection Officer der RLB Steiermark und betreut als solcher auch das Data Excellence Programm der Bank mit dem Ziel, die Datenflüsse unter Kontrolle zu halten, sowie mithilfe qualitativ hochwertiger Daten einen Mehrwert für die RLB Steiermark und ihre Kunden zu generieren.
Lisa Müller ist Senior Consultant bei dataspot. Seit mehreren Jahren setzt sie sich im Projektgeschäft - besonders im Bankwesen - mit Fragestellungen an der Schnittstelle zwischen Fachbereich und Technik auseinander und erarbeitet kundenindividuelle Lösungen. Ihre exzellente fachliche Expertise kommt dabei im gesamten Lebenszyklus von Metadaten und Data Governance zur Geltung, wobei sie besonderen Wert auf die fachliche Datenmodellierung und das Metadatenmanagement legt. Neben zwei abgeschlossenen Bachelorstudien hält sie einen Master in Betriebswirtschaft.
Ein 'Banksteuerungs-DWH neu' zu entwickeln, war das große Ziel der österreichischen 3-Banken-Gruppe. Der fachliche Ansatz mittels Fachdatenmodell hat nicht nur die IT entlastet, sondern den Fachbereich unmittelbar in seine Data Governance-Verantwortung geführt. Damit das DWH aber nicht nur einen Mehrwert für die Banksteuerung bringt, wurde mit dem Fachbereich die fachliche Datenarchitektur klargestellt und auf dieser Basis ein Datenmodell samt Umsetzung entwickelt, das gleichzeitig einen großen Nutzen für alle operativen Bereiche bietet.
Zielpublikum: Data Governance-Verantwortliche, Data Scientists, CDO
Voraussetzungen: Experience, Senior Level
Schwierigkeitsgrad: Fortgeschritten
Clemens Bousquet ist Risikomanager in der Oberbank, die Teil der österreichischen 3-Banken-Gruppe ist. Sowohl in einer Leitungsfunktion des Risikomanagements als auch in zahlreichen Projekten hat er eine hohe Expertise in der fachlichen Datenmodellierung, der Einführung von Data Governance, aber auch der Umsetzung von BCBS 239 und IFRS 9 aufgebaut. Zuvor hat er die Diplomstudien in Volkswirtschaftslehre und Internationale Wirtschaftswissenschaften absolviert.
Vortrag Teilen
Vortrag Teilen
Viele Versicherer versuchen, Kundeninteraktionen mithilfe von Data Science-Methoden zu optimieren. Wir zeigen einen systematischen Ansatz, wie Customer und Sales Analytics effizient entlang der gesamten Customer Journey eingesetzt werden können.
Zielpublikum: Vertrieb, Kundenmanagement, Business Development, Data Analytics
Voraussetzungen: keine spezifischen
Schwierigkeitsgrad: Fortgeschritten
Extended Abstract:
Der heutige Versicherungskunde erwartet maximalen Komfort, d. h. passgenauen individualisierten Service zum richtigen Zeitpunkt über den bevorzugten Kanal.
Im Rahmen dieses Vortrags geben wir Ihnen einen strukturierten Lösungsansatz für die nachhaltige Nutzung von Customer Analytics an die Hand, um den gestiegenen Anforderungen der Versicherungskunden zu begegnen. Wir orientieren uns dabei an vier Schritten:
1) Datenstrukturierung und Sammlung aller Kundendaten und Touchpoints stellen den ersten Schritt dar und bieten Transparenz über die Kundeninteraktionen.
2) Ist die technische Basis vorhanden, prognostizieren Machine Learning-Modelle das Kundenverhalten und die Kundenbedürfnisse entlang der Customer Journey.
Wir zeigen Ihnen hierzu Architekturoptionen zur Datenzentralisierung sowie mögliche Vorgehensweisen anhand konkreter Use-Cases aus Praxisprojekten.
3) Die Erklärung der Vorhersagen mittels Explainable AI schafft weiterführende Erkenntnisse und Hintergrundinformationen zu den Prognosen.
4) Den finalen Schritt stellt die Zusammenführung aller über die vorherigen Aktivitäten gesammelten Erkenntnisse hin zur nächsten besten Aktion für die individuelle Customer Journey des Kunden dar.
Wie diese Technologien Kunden individuelle Ausgestaltung der maschinellen Empfehlungen und somit eine kundenzentrierte Perspektive ermöglichen, ist der Schwerpunkt dieses Vortragsabschnitts. Dazu thematisieren wir Ansätze zur Ermittlung der 'Next Best Action', mit denen Versicherer den gestiegenen Erwartungen der Kunden gerecht werden und ihre Bedürfnisse optimal bedienen.
Janera Kronsbein, Bachelor of Science der Wirtschaftsmathematik, Studium an der Universität Bielefeld. Seit 2014 als Business Analyst, Data Science Consultant und Produktmanagerin tätig. Als Projektleiterin verantwortet sie seit Anfang 2021 Data Analytics-Projekte bei der Informationsfabrik - hier insbesondere mit dem Schwerpunkt Customer Analytics.
Thomas Löchte ist Geschäftsführer und Gründer der IKOR Informationsfabrik GmbH. Er arbeitet seit 25 Jahren im Data Analytics-Umfeld und war in vielen verschiedenen Projekten und Rollen tätig. Heute unterstützt er das Lösungsdesign und coacht Manager und Führungskräfte technologisch und organisatorisch zu Data Analytics und KI-Themen.
Es gibt 2 große Show Stopper für KI:
- Banken benötigen Transparenz, warum KI was empfiehlt, bspw. die Annahme eines Kredites. Eher einfache Datenanalysemethoden, wie Entscheidungsbäume, geben diese Transparenz.
- Aber sie sind recht starr. Jedoch wird Flexibilität benötigt Deep Learning ist adaptiv, aber eine Black Box. Daher wurde das Positive „beider Welten“ vereint in Deep Learing (DL) mit SEMANTISCHEN Netzen.
Diese Präsentation beschreibt semantisches DL in der Kredit-/Förderbearbeitung.
Zielpublikum: Representatives from Banking or Insurance
Voraussetzungen: Keine
Schwierigkeitsgrad: Einsteiger
Britta Hilt beschäftigt sich seit 2011 mit der Anwenderseite von Künstlicher Intelligenz. Sie ist Mitbegründerin und Geschäftsführerin der KI-Firma IS Predict, die sich einen Namen gemacht durch ihre Automatisierung von Data Science sowie durch erklärende KI. Vor der Gründung von IS Predict war sie über 15 Jahre in einer internationalen IT-Firma (IDS Scheer / Software AG) tätig, zuletzt als Director verantwortlich für Product Management und Solution Marketing.
Vortrag Teilen
Vortrag Teilen
Eine grosse Privatbank hat vor wenigen Jahren den Entscheid gefällt die derzeitige DWH Architektur aufzugeben und neu zu überdenken. Bei der neuen Architektur steht im Zentrum der ODS (Operational Data Store). In diesem Vortrag erfahren Sie, weshalb auch heutzutage ein ODS nicht durch einen Data Lake ersetzt werden kann. Zudem erfahren sie welches vorzeitige Fazit sich daraus ergibt und wie sich voraussichtlich die Zukunft in diesem Bereich entwickeln wird.
Dr. Andreas Totok ist Geschäftsbereichsleiter Enterprise Information Management bei der Finanz Informatik Solutions Plus GmbH. In dieser Funktion berät er Bankinstitute und Versicherungen der Sparkassen-Finanzgruppe zu strategischen IT-Themen und verantwortet Projekte für die Anwendung Künstlicher Intelligenz und dem Management von Daten. Seine Schwerpunkte liegen in der Fachkonzeption sowie der Architektur- und Organisationsberatung.
Dr. Michael Zimmer verantwortet bei der Zurich Gruppe Deutschland das Thema künstliche Intelligenz. Hierbei beschäftigt er sich sparten- und ressortübergreifend mit der Identifikation, Entwicklung, Produktivsetzung und Industrialisierung von KI-Anwendungsfällen. Er ist Autor und Herausgeber diverser Publikationen und TDWI Fellow. Vor seiner Zeit bei der Zurich Deutschland war er fast 14 Jahre in der Beratung tätig.
Thomas Löchte ist Geschäftsführer und Gründer der IKOR Informationsfabrik GmbH. Er arbeitet seit 25 Jahren im Data Analytics-Umfeld und war in vielen verschiedenen Projekten und Rollen tätig. Heute unterstützt er das Lösungsdesign und coacht Manager und Führungskräfte technologisch und organisatorisch zu Data Analytics und KI-Themen.
Michael Fischer-Dederra beschäftigt sich seit seiner Diplomarbeit Anfang des Jahrtausends mit BI und ist, von seinen nunmehr 15 Jahren bei der HUK-COBURG, die letzten 6 Jahre als BI Lead Architect für den Ausbau des erweiterten Daten-Ökosystems und dessen Interaktion mit der Unternehmensumwelt zuständig.
Vortrag Teilen
Vortrag Teilen
Der Einsatz von Künstlicher Intelligenz zur Betrugserkennung bei Heilmittel- und Pflegeleistungen in der gesetzlichen Krankenversicherung. Von der Pseudonymisierung und Digitalisierung der Abrechnungsbögen bis zur Analyse, Auswertung und Darstellung der Anomalien - Ein Projektbericht!
Zielpublikum: Management, Data Scientists, Data Engineers
Voraussetzungen: Experience, Curiosity
Schwierigkeitsgrad: Fortgeschritten
Team Lead and Business Development in several companies.
Team Lead, Data Mining and Neural Network Specialist
The Coronavirus lockdowns altered public transport occupation data. Ultimately, these changes in occupation data are perfect examples of sudden concept drifts that can be blockers in most machine learning deployments. We managed to overcome the obstacles by developing methods and engineering features that allowed us to adjust forecasts based on unforeseen changes in the occupation data. In this talk, we give insights into our journey from idea development to the ways how we overcame the challenges and share our learnings.
Target Audience: Data Engineers, Software Architects, AI Architects, Data Scientists
Prerequisites: Experience in Time Series. Basic understanding of machine learning
Level: Expert
Extended Abstract:
Machine learning projects often view and predict a snapshot interval of reality. We machine learning engineers often forget that the real world is not static at all.
After all, we got hit by the Coronavirus reality rendering countless machine learning models useless.
The changes in public transport occupation out of Corona lockdowns is a perfect example of these so-called concept drifts.
The instability of the machine learning models when concept drifts are appearing result in immense problems for the reliability and predictability of the AI.
Therefore, we dig into this problem and show how we solved this challenge for the case of concept dirfts in public transport occupations.
Dr. Tim Frey is co-founder of the company iunera GmbH and Co. KG. Among other things, he holds a PhD from the University of Magdeburg and loves to design data-driven scenarios and applications. His computer science background is in the area of Business Intelligence and platform architecture.
Vortrag Teilen
Vortrag Teilen