Hinweis: Die aktuelle TDWI-Konferenz findest Du hier!

PROGRAMM

Die im Konferenzprogramm der TDWI München 2023 angegebenen Uhrzeiten entsprechen der Central European Time (CET).

Per Klick auf "VORTRAG MERKEN" innerhalb der Vortragsbeschreibungen kannst du dir deinen eigenen Zeitplan zusammenstellen. Du kannst diesen über das Symbol in der rechten oberen Ecke jederzeit einsehen.

 

Hier kannst Du die Programmübersicht der TDWI München 2023 mit einem Klick als PDF herunterladen.

Track: #Academic Track

Nach Tracks filtern
Alle ausklappen
  • Donnerstag
    22.06.
09:00 - 09:45
Do 8.1
Dezentralisierungstrends in der Datenökonomie: eine sozio-technische Perspektive
Dezentralisierungstrends in der Datenökonomie: eine sozio-technische Perspektive

In den letzten Jahren wurden digitale Plattformen zunehmend zum Gegenstand intensiver Diskussionen in Forschung und Praxis. Schließlich existieren genug Beispiele darüber wie digitale Plattformen in der Lage sind, ganze Märkte umzustrukturieren, indem sie Netzwerkeffekte nutzen, um schnell zu skalieren und verschiedene Akteure miteinander zu verbinden. Doch in den Anwendungsdomänen mit sensitiven Daten kommt das viel erforschte Konzept digitaler Plattformen an seine Grenzen. Während die Forschung an sog. Datenplattformen sich noch im Anfangsstadium befindet, wird über verschiedene Dezentralisierungsmaßnahmen debattiert, um die inhärenten Problematiken digitaler Plattformen wie Machtasymmetrien zu adressieren und die Datenökonomie zu fördern. Neben der aktuellen Übersicht solcher Problematiken werden in diesem Vortrag auch einige vielversprechende Ansätze, die in der aktuellen Forschung diskutiert werden, präsentiert. 

Dr. Dimitri Petrik is a postdoctoral researcher at the Department for Information Systems II at the University of Stuttgart and a research group leader at the Graduate School of Excellence Advanced Manufacturing Engineering (GSaME) of the University of Stuttgart. In addition to the current research project in the context circular economy, Dimitris research interests include digital platforms, platform ecosystems, and the data economy. Dimitri publishes in the Information Systems and Strategic Management disciplines, including the International Conference on Information Systems, the Information Systems Management Journal, or the Schmalenbach Business Review. He also serves as an organizing committee member of the ICSOB and the International Workshop on Software-intensive Business and is a member of the Software Product Management (WI-PrdM) Division of the German Informatics Society. 

Dimitri Petrik
F106
Dimitri Petrik
F106
Vortrag: Do 8.1
flag VORTRAG MERKEN

Vortrag Teilen

09:55 - 10:40
Do 8.2
Deep Learning for Condition-based Maintenance
Deep Learning for Condition-based Maintenance

Deep learning methods archive stunning performances in many disciplines like computer vision or natural language processing. For factory automation, deep learning is applied to detect anomalies and monitor the machine condition to increase productivity. In practice, we need to overcome multiple challenges: low quality datasets, missing domain knowledge and lack of performance metrics standards. In this session, we explain the usage of open source frameworks and configurable deep learning tools to create a condition-based maintenance system.

Target Audience: Decision Makers, Data Scientist, Factory Automation Experts
Prerequisites: Basic knowledge in data processing.
Level: Basic

Tom Hammerbacher is Dual Student Information Technology at Phoenix Contact. He is a Data Scientist for Anomaly Detection and Condition Monitoring, System Manager - Data Collection, Storage, and Evaluation.

Tom Hammerbacher, Markus Berghammer
F106
Tom Hammerbacher, Markus Berghammer
F106
Vortrag: Do 8.2
flag VORTRAG MERKEN

Vortrag Teilen

11:10 - 12:10
Do 8.3
Metadaten- und Datenqualitätsmanagement: eine Metastudie
Metadaten- und Datenqualitätsmanagement: eine Metastudie

Mehr Inhalte dieses Speakers? Kein Problem, schaut doch mal bei sigs.de vorbei: https://www.sigs.de/autor/torsten.priebe

Metadaten- und Datenqualitätsmanagement sind wichtige Bestandteile jeder Datenarchitektur. Das Werkzeugangebot ist vielfältig und dynamisch, der Markt ist neben umfangreichen Datenmanagementlösungen von 'disruptiven' Innovatoren geprägt. Wir ordnen die betrachteten Teilbereiche der Data Governance ein, vergleichen aktuelle Werkzeuge und identifizieren Entwicklungen und Trends. Dabei erfolgt die Einschätzung nicht durch die Sprecher, sondern basiert auf einer Metastudie einschlägiger Veröffentlichungen von Analysten wie Gartner und Forrester.

Zielpublikum: Chief Data Officer, Data Governance Manager, IT-Leiter:innen, IT-Architekt:innen, IT-Berater:innen
Voraussetzungen: Grundkenntnisse in Datenmanagement und Data Governance
Schwierigkeitsgrad: Einsteiger

Extended Abstract:
Der Markt von Werkzeugen zur Unterstützung von Datenmanagement und Data Governance befindet sich im Wandel. Automatisierungsmöglichkeiten durch den Einsatz von künstlicher Intelligenz und maschinellem Lernen oder die Verwendung semantischer Technologien wie Knowledge Graphs eröffnen neue Möglichkeiten. Dies betrifft insbesondere die Bereiche Metadaten- und Datenqualitätsmanagement. Neben klassischer Business Intelligence treten vermehrt Data-Science-Anwendungsfelder in die Betrachtung, woraus sich neue Anforderungen ergeben. Der Vortrag gibt einen Marktüberblick und identifiziert aktuelle und zukünftige Entwicklungen und Trends auf Basis einer Metastudie. Hierzu wurden einschlägige Veröffentlichungen von Gartner, Forrester, IDC und G2 analysiert und kombiniert.

Dr. Torsten Priebe ist Dozent für Big Data Analytics an der Fachhochschule St. Pölten und leitet dort die Forschungsgruppe Data Intelligence. Zuvor verantwortete er den Bereich Business Intelligence bei Capgemini in Wien, arbeitete als Solution Architect bei Teradata und übernahm später die Position des CTO bei Simplity.

Mehr Inhalte dieses Speakers? Schaut doch mal bei sigs.de vorbei: https://www.sigs.de/autor/torsten.priebe 

Clark Millard ist Product Analyst bei Simplity, Hersteller der Data Intelligence-Softwareplattform Accurity. Dort umfasst sein Aufgabenfeld insbesondere die Analyse von Trends und Entwicklungen im Bereich Datenmanagement und Data Governance. Nach abgeschlossenem Masterstudium der internationalen Betriebswirtschaft an der Universität Wien arbeitete er zunächst als Berater im CRM-Umfeld.

Torsten Priebe, Clark Millard
F106
Torsten Priebe, Clark Millard
F106
Vortrag: Do 8.3
flag VORTRAG MERKEN

Vortrag Teilen

14:35 - 15:20
Do 8.4
Anwendungen von Large Language Models – erste Erfahrungen aus Praxiseinsätzen
Anwendungen von Large Language Models – erste Erfahrungen aus Praxiseinsätzen

Large Language Models wird das Potential zugesprochen, geradezu revolutionäre Umwälzungen in Unternehmen und Gesellschaft zu ermöglichen. Nach einer kurzen Einführung in die Thematik stellt der Vortrag aktuell realisierbare Anwendungen vor, um dann anhand realer Projekterfahrungen die Potentiale, aber auch die Voraussetzungen und Grenzen des Einsatzes der Technologie auszuloten.

Timo Klerx ist Gründer und Data Scientist von und bei paiqo und hilft Kunden bei der Konzeption und Umsetzung von Projekten im Bereich Artificial Intelligence/Data Science/Machine Learning.
Die ersten Berührungen mit AI hatte Timo in einem Forschungsprojekt zur automatischen Manipulationserkennung von Geldautomaten.
Bevor er sein eigenes Startup gründete, sammelte er Erfahrungen in einem anderen Data Science Startup und fokussierte sich dort auf den Bereich Machine Analytics inkl. Use Cases wie Predictive Maintenance und Predictive Quality.
Weiterhin engagiert sich Timo bei diversen Data Science Meetups in Paderborn, Münster und gesamt NRW.

Timo Klerx
F106
Timo Klerx
F106
Vortrag: Do 8.4
flag VORTRAG MERKEN

Vortrag Teilen

15:30 - 16:15
Do 8.5
Panel: Mit der KI in die Vollautomatisierung des Datenmanagements?
Panel: Mit der KI in die Vollautomatisierung des Datenmanagements?

Mit den aktuellen Fortschritten im Deep Learning wird es erstmalig möglich, in Texten maschinell sprachliche Nuancen zu erkennen, Inhalte in ihrem inhaltlichen Kontext zu interpretieren, unstrukturierte Datentypen in die Analysen einzubeziehen, benutzbare natürlichsprachige Benutzerschnittstellen bereitzustellen und Zusammenhänge zielgruppengerecht zu erläutern. Damit werden einige alte Weisheiten des betrieblichen Datenmanagements obsolet. Es stellt sich die Frage, ob nicht hierdurch Aufgaben von der Metadatengenerierung, dem Auffinden und der Integration von Datenquellen, der Formatanpassung und Dublettenbereinigung bis hin zur Generierung von Abfragen und Berichten automatisiert werden können – oder sogar in letzter Konsequenz das gesamte Datenmanagement.

Mehr Inhalte dieses Speakers? Schaut doch mal bei sigs.de vorbei: https://www.sigs.de/autor/Henning.Baars

Prof. Dr. Carsten Felden ist Universitätsprofessor an der TU Bergakademie Freiberg in Sachsen. Dabei hat er die Professur für ABWL, insbesondere Informationswirtschaft/Wirtschaftsinformatik inne. In der Lehre fokussiert Prof. Dr. Felden auf Business Intelligence und Predictive Analytics. Zentrale Forschungsthemen sind Arbeiten im Bereich der Analytics, des Data Warehousing, der Prozessanalyse, der XBRL und Analysen in IT-Reifegradmodellen. Er ist Vorstandsvorsitzender des TDWI Deutschland e.V. Er publizierte Artikel in internationalen wissenschaftlichen Journalen und Konferenzen und schrieb Bücher zu Themen aus dem Gebiet der Entscheidungsunterstützung. Darüber hinaus ist er als Gutachter für zahlreiche nationale und internationale Journale und tätig. Neben seiner wissenschaftlichen Tätigkeit berät er unterschiedliche Unternehmen zu den oben genannten Themen.

Mehr Inhalte dieses Speakers? Schaut doch mal bei sigs.de vorbei: https://www.sigs.de/autor/carsten.felden

Henning Baars, Carsten Felden, Sebastian Olbrich
F106
Henning Baars, Carsten Felden, Sebastian Olbrich
F106
Vortrag: Do 8.5
flag VORTRAG MERKEN

Vortrag Teilen

Zurück