In einer Welt, wo Daten das neue Gold sind, öffnet dieser Workshop neue Horizonte: Nicht nur Produktverantwortliche und Data Engineers entdecken durch Design Thinking innovative Wege der Datenmodellierung. Diese Reise durch kreatives Denken und strukturierte Analyse führt zu robusten und flexiblen Datenstrukturen. Teilnehmer erleben, wie iteratives Prototyping die Verbindung zwischen Design und technischer Umsetzung stärkt. Ein Muss für alle, die ihre Data Solutions neu denken wollen. Dieser Workshop wird von der DOAG e.V. veranstaltet.

Im Zentrum dieses Workshops, der von der DOAG e.V. initiiert wird, steht die Verschmelzung zweier scheinbar unterschiedlicher Disziplinen: Design Thinking und Datenmodellierung. In einer Ära, in der Daten wertvoller als Gold sind, öffnet dieser Workshop die Tore zu einem neuen Verständnis und Ansatz im Umgang mit der wertvollen Ressource Information.
Der Workshop richtet sich an eine breite Zielgruppe, zum Beispiel Produktverantwortliche, Architekten, Data Engineers und Analysts, die an der vordersten Front der digitalen Transformation arbeiten. Diese Fachleute stehen täglich vor der Herausforderung, aus einem Sumpf von Daten Sinn zu schaffen und Strukturen zu entwickeln, die nicht nur effizient, sondern auch zukunftssicher sind. Der Workshop zielt darauf ab, diesen Experten die Prinzipien des Design Thinking näher zu bringen – eine Methodik, die traditionell dem Designbereich vorbehalten ist, aber auch erstaunlich wirksame Lösungen für technische und strukturelle Herausforderungen bietet.
Die Teilnehmer werden eingeladen, auf eine Reise zu gehen, die das Potential hat, ihre Sicht auf Datenmodelle, um eine neue Perspektive zu erweitern. Statt den üblichen Pfaden der Logik und der linearen Entwicklung zu folgen, erkundet der Workshop, wie Kreativität und iterative Entwicklung das Rückgrat für die Schaffung von Datenstrukturen bilden können, die nicht nur technisch robust, sondern auch anpassungs- und zukunftsfähig sind.
Die kollaborative Natur des Design Thinkings ermutigt die Teilnehmer, über den Tellerrand hinaus zu denken und gemeinsam Lösungen zu entwickeln, die traditionelle Ansätze in den Schatten stellen können. Durch diese interaktive und hands-on Erfahrung werden die Teilnehmer befähigt, die Prinzipien des Design Thinking in ihre tägliche Arbeit zu integrieren, um so die Herausforderungen der Datenmodellierung mit frischen Augen zu betrachten.
Der Workshop verspricht nicht nur eine Erweiterung des methodischen Werkzeugkastens, sondern auch eine Transformation der Denkweise. Er zeigt auf, dass die Grenzen zwischen Design und Technik nicht nur durchlässig sind, sondern dass gerade im Zwischenraum innovative Lösungen für komplexe Probleme entstehen können.
 Ausgerichtet von der DOAG, einem Anwenderverein für holistische Software- und Datenbankentwicklung, bietet dieser Workshop eine einzigartige Gelegenheit für Fachleute, die bereit sind, ihre Data Solutions neu zu denken und zu gestalten.

Anwendungen auf Basis von Large Language Models (LLMs) sind inzwischen sehr erfolgreich in der Verarbeitung und Erzeugung von natürlicher Sprache. Allerdings haben sie grundsätzliche Schwächen insbesondere im Umgang mit spezifischem Fachwissen und aktuellen Informationen. An dieser Stelle setzen Wissensgraphen an, die Fakten und Zusammenhänge explizit abspeichern. Mit der Kombination aus beiden Techniken lassen sich interessante Lösungen zur semantischen Suche in strukturierten Datenbeständen oder zur Analyse von Textdokumenten entwickeln. In dem Beitrag erläutern wir die Grundlagen von Wissensgraphen und ihrem Einsatz im Zusammenhang mit Retrieval Augmented Generation (RAG). Wir zeigen anhand von Beispielen, wie Wissensgraphen aufgebaut werden und man LLMs nutzen kann, um sie abzufragen, oder nach Mustern zu durchsuchen.

Das erfolgreiche Abfragen der Datenbank kann nicht auf die Übersetzung unserer natürlichen Sprache in die Programmiersprache SQL oder relationale Algebra reduziert werden, sondern erfordert neben der Kenntnis des zugrunde liegenden Datenmodells und seiner konkreten technischen Umsetzung auch das Fachwissen im besonderen Kontext der jeweiligen Anwendung. In dem Vortrag werden Grenzen des Möglichen und des Sinnvollen aufgezeigt mit konkreten Beispielen in ORACLE SQL, sql.ai, SELECT AI, ChatGPT, RelaX u.v.m. 

In der Analyse von Datenbeständen trifft man immer wieder auf Trends, die einen räumlichen Bezug haben oder geografische Muster bilden. Die Erkennung derartiger Muster – etwa Cluster, Hotspots/Coldspots, oder räumliche Korrelationen – und die Vorhersage solcher Trends erfordern spezielle Algorithmen. In dem Beitrag zeigen wir, wie einfach man mit Python und Oracle Machine Learning raumbezogene Daten aufbereiten, analysieren, und seine Prognosen auf Karten darstellen kann.

Das Streckennetz der Deutschen Bahn unterliegt im Betrieb und im Management mannigfaltigen Auflagen. Um eine einen zielgerichteten und schonenden Einsatz der begrenzten Ressourcen zu ermöglichen, werden das Streckennetz und relevante Einflussfaktoren digitalisiert.
Dazu werden digitale Zwillinge mithilfe von Oracle Spatial erzeugt und diese dann räumlich zueinander in Beziehung gesetzt, um so die zu berücksichtigenden Auflagen entlang des Streckennetzes der Deutschen Bahn zu ermitteln. Anhand dieser Ergebnisse kann ein genauerer und effektiverer Einsatz von Streckenmanagement-Aktivitäten geplant werden.
Im Vortrag wird anhand des obigen Business Case gezeigt, wie aus einer Reihe von Services unter Einsatz von Oracle Spatial in einer Cloud-basierten Lösung interaktive Karten und geo-analytische Funktionen erzeugt und genutzt werden.

Hast du gewusst, dass du als Developer aktiv beim Thema Umwelt mitwirken kannst? Es gibt viele Möglichkeiten unnötigen Ressourcenverbrauch einzuschränken. Das Schönste dabei: es ist einfach und kann eine Verbesserung der Laufzeiten und eine Kostenersparnis mit sich bringen.
Nach einem kurzen Überblick über das Thema Green-IT gehen wir auf zentrale Punkte aus dem Bereich Green Coding ein und zeigen typische Fallen, die es zu vermeiden gilt. Abgerundet wird das durch einige Messwerte, die zeigen, dass das richtige Vorgehen wirklich einen Unterschied macht.

Hast du gewusst, dass du als Developer/Data Analyst/Data Engineer aktiv beim Thema Umwelt mitwirken kannst? Nein, es ist hier nicht damit gemeint, dass zuhause der Strom-/Heizverbrauch optimiert werden soll. Vielmehr geht es darum, auf den Carbon Footprint zu achten, der bei der Arbeit mit Software entsteht.
Unnötiger Energieverbrauch lauert in Softwareentwicklung und Analytics an allen Ecken und Enden. Zum Beispiel geht man davon aus, dass ca. 10% des Energiebedarfs im IT-Bereich allein durch Datenübertragung verursacht werden. CPU-Last – Berechnungen, Abfragen aus Datenbanken, das Ausführen von Software tragen nochmal deutlich mehr zum Carbon Footprint der IT bei.
Dabei gibt es viele Möglichkeiten unnötigen Ressourcenverbrauch einzuschränken. Die Wahl der „richtigen“ Programmiersprache und die Optimierung von Datenbankzugriffen sind nur ein kleiner Teil davon. Von Daten- und Datenbankarchitektur über Persistenz und Schnittstellenmanagement bis hin zum Thema KI-Tools bieten wir Anregungen, um den Carbon Footprint der eigenen Arbeit möglichst gering zu halten. 
Du bist als Berater bei Deinem Kunden? Es liegt in Deiner Verantwortung, ihm aufzuzeigen, dass er der Gesellschaft mit Green Coding einen Dienst erweist und gleichzeitig auch noch Geld sparen kann.
Nach einem kurzen Überblick über das Thema Green-IT gehen wir auf zentrale Punkte aus dem Bereich Green Coding ein und zeigen typische Fallen, die es zu vermeiden gilt. Abgerundet wird das durch einige Messwerte, die zeigen, dass das richtige Vorgehen wirklich einen Unterschied macht.