Gemeinsam mit der Fachgruppe BI der Gesellschaft für Informatik präsentieren wir den Academic Track auf der TDWI München.
Im Umfeld von BI und Analytics stehen die Berücksichtigung polystrukturierter Datenquellen, die Integration anspruchsvollerer Analyseverfahren und eine Orientierung an Agilitätsaspekten im Vordergrund. Dies wirft u. a. Fragen zu Datenqualität, Datensicherheit und Datenschutz auf, die aus wissenschaftlicher Perspektive diskutiert werden.
Wir laden alle Forscher ein, ihre wissenschaftlichen Beiträge einzureichen.

• 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

• Praxisberichte über BI-Anwendungen in Banken und Versicherungen
   
• Datenbasierte Digitalisierung
   
• Einsatz von Methoden der Künstlichen Intelligenz
   
• Einbindung von Daten aus sozialen Medien und mobilen Devices
   
• Etablierung von Data-Science-Ansätzen
   
• 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

• 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
   
• Fortgeschrittenes maschinelles Lernen und KI-Integration
   
• Edge Computing in der Datenarchitektur

• 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

• (Business) Data Fabric vs. Data Mesh
   
• AI vom Datamanagement bis zum Frontend
   
• Spannungsfeld zwischen Agilität und Governance
   
• Data Modeling e.g. Data Vault/New Data Modeling Concepts
   
• Metadata Management, Data Quality, Master Data Management und Data Catalogs in der BIA-Umgebung

• 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.

• Datensicherheit: Wie schützt man sensible Daten, wenn mehr Leute Zugang haben?
   
• Citizen Data/Data Democratization: Wie können Nicht-Experten Datenanalysen durchführen? Welche Tools sind dafür geeignet?
   
• Citizen AI: Wie können "Laien" dazu ermuntert werden, mithilfe von KI-Tools und Daten Erkenntnisse zu generieren, ohne Experten für künstliche Intelligenz zu sein?
   
• Datenqualität: Wie stellt man als Organisation sicher, dass die Daten in SSBI-Auswertungen zuverlässig und korrekt sind?
   
• Self-Service vs. Expertise: Wie findet man die Balance zwischen "Freiheit" und Expertenbedarf?
   
• Tool-Stack und Wachstum: Wie wächst ein BIA-Self-Service-Setup nachhaltig mit? Was ist zu beachten?
   
• Kulturelle Herausforderungen: Wie nimmt man alle Mitarbeiter mit? Muss man dies überhaupt tun?
   
• Citizen Data Prep und Data Modeling

Ein ganzer Track für Deine Ideen! 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! 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.

Probiere es hier aus! Jede Idee ist willkommen. Wir werden Deine Sandbox einrichten, in der ausprobiert werden kann.

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

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.

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