Cem Dilmegani
Cems Arbeit bei AIMultiple wurde von führenden globalen Publikationen wie Business Insider, Forbes, Morning Brew und Washington Post, von globalen Unternehmen wie Deloitte und HPE, von NGOs wie dem World Economic Forum und von supranationalen Organisationen wie der European Commission zitiert. [1], [2], [3], [4], [5]
Berufserfahrung & Erfolge
Im Laufe seiner Karriere war Cem als Tech-Berater, Tech-Einkäufer und Tech-Unternehmer tätig. Er beriet Unternehmen bei ihren Technologieentscheidungen bei McKinsey & Company und Altman Solon über mehr als ein Jahrzehnt. Er veröffentlichte außerdem einen McKinsey-Bericht zur Digitalisierung.Er leitete Technologiestrategie und -beschaffung eines Telekommunikationsunternehmens und berichtete dabei direkt an den CEO. Außerdem verantwortete er das kommerzielle Wachstum des Deep-Tech-Unternehmens Hypatos, das innerhalb von zwei Jahren von 0 einen siebenstelligen jährlich wiederkehrenden Umsatz und eine neunstellige Bewertung erreichte. Cems Arbeit bei Hypatos wurde von führenden Technologiepublikationen wie TechCrunch und Business Insider aufgegriffen. [6], [7]
Forschungsinteressen
Cems Arbeit konzentriert sich auf Enterprise-KI und -Software.Cems praktische Erfahrung mit Unternehmenssoftware trägt zu seiner Arbeit bei. Weitere AIMultiple-Branchenanalysten und das Tech-Team unterstützen Cem beim Entwerfen, Durchführen und Bewerten von Benchmarks.
Ausbildung
Er schloss 2007 sein Studium als Computeringenieur an der Bogazici University ab. Während seines Ingenieurstudiums studierte er maschinelles Lernen zu einer Zeit, als es allgemein als "Data Mining" bezeichnet wurde und die meisten neuronalen Netze nur wenige verborgene Schichten hatten.Er hat einen MBA-Abschluss von der Columbia Business School aus dem Jahr 2012.
Cem spricht fließend Englisch und Türkisch. Er verfügt über fortgeschrittene Deutschkenntnisse und Grundkenntnisse in Französisch.
Externe Veröffentlichungen
- Cem Dilmegani, Post-AI-Banking: Millionen Arbeitsplätze in Gefahr, da Banken ihre Kernfunktionen automatisieren. International Banker.
- Cem Dilmegani, Bengi Korkmaz und Martin Lundqvist (1. Dezember 2014).Digitalisierung des öffentlichen Sektors: Die Billionen-Dollar-Herausforderung, McKinsey & Company.
Medien, Konferenzen & andere Veranstaltungspräsentationen
- Gast bei American Variety Radio und Beantwortung der Fragen von Court Lewis zu AGI am 25. April 2026.
- Beantwortung der Fragen von Korea24 zu Arbeitsplatzverlusten durch KI am 5. November 2025. Aufzeichnung verfügbar unter: Korea24
- Immobilien und Technologie, präsentiert vom Wilbur F. Breslin Center for Real Estate Studies der Hofstra University und der Frank G. Zarb School of Business in den Jahren 2023 und 2024.
- Radar AI-Session (22. Juni 2023): "Steigerung der Data-Science-Wirkung mit ChatGPT".
- Generative AI Atlanta Meetup: Generative KI für Unternehmenstechnologie.
Quellen
- Warum Microsoft, IBM und Google ihre Anstrengungen im Bereich KI-Ethik verstärken, Business Insider.
- Microsoft investiert 1 Milliarde Dollar in OpenAI, um künstliche Intelligenz zu verfolgen, die intelligenter ist als wir, Washington Post.
- KI-Führung stärken: KI-C-Suite-Toolkit, World Economic Forum.
- Wissenschafts-, Forschungs- und Innovationsleistung der EU, European Commission.
- EU-Investition von 200 Milliarden Euro in KI pumpt Geld in Rechenzentren, aber der Chipmarkt bleibt eine Herausforderung, IT Brew.
- Hypatos erhält 11,8 Millionen Dollar für einen Deep-Learning-Ansatz zur Dokumentenverarbeitung, TechCrunch.
- Wir haben einen exklusiven Einblick in das Pitch-Deck erhalten, mit dem das KI-Startup Hypatos 11 Millionen Dollar einwarb, Business Insider.
Neueste Artikel von Cem
Top 11 KI in der Mode: Anwendungsfälle & Beispiele
Angesichts kreativer Engpässe, ineffizienter Lieferketten und steigender Verbrauchererwartungen suchen Modemarken nach intelligenteren Lösungen. McKinsey schätzt, dass generative KI die Betriebsgewinne in den Bereichen Mode, Bekleidung und Luxus bis 2028 um bis zu $275 Milliarden US-Dollar steigern könnte.1 Entdecken Sie die Top 11 Anwendungsfälle von KI in der Mode, um Modemarken zu helfen, Kosten zu senken,…
20 Strategien zur KI-Verbesserung & Beispiele
KI-Modelle erfordern kontinuierliche Verbesserung, da sich Daten, Nutzerverhalten und reale Bedingungen weiterentwickeln. Selbst gut funktionierende Modelle können abdriften, wenn die erlernten Muster nicht mehr mit den aktuellen Eingaben übereinstimmen, was zu geringerer Genauigkeit und unzuverlässigen Vorhersagen führt. Änderungen in Vorschriften, Produktanforderungen oder Kundenerwartungen können auch neue Einschränkungen mit sich bringen, für die bestehende Modelle nicht…
HALC-Bench: LLM Halluzination im Long-Context Retrieval Benchmark
HALC-Bench (LLM Halluzination im Long-Context Retrieval Benchmark) misst die Widerstandsfähigkeit eines großen Sprachmodells gegenüber dem Erfinden von Beweisen für eine Kennzahl, die im Zieldokument nicht existiert, indem es 3 Heuhaufen verwendet, die am Anfang, in der Mitte und am Ende des Kontextfensters des Modells platziert sind, mit 204 Fragen. claude-fable-5 beantwortete alle 204 Fallen an…
KI-Gateways für OpenAI: Alternativen zu OpenRouter
Wir haben OpenRouter, SambaNova, TogetherAI, Groq und KI/ML API anhand von drei Indikatoren (First-Token-Latenz, Gesamtlatenz und Output-Token-Anzahl) verglichen, mit 300 Tests unter Verwendung kurzer Prompts (ca. 18 Tokens) und langer Prompts (ca. 203 Tokens) für die Gesamtlatenz. Wenn Sie planen, eines dieser KI-Gateways zu nutzen, können Sie: In diesem Benchmark haben wir OpenRouter, SambaNova, TogetherAI,…
KI-Fail: 10 Ursachen & Beispiele aus der Praxis
Ob es sich um einen Unfall mit einem selbstfahrenden Automatisch, einen verzerrten Algorithmus oder einen Ausfall eines Kundenservice-Chatbots handelt – Fehler in eingesetzten KI-Systemen können schwerwiegende Folgen haben und wichtige ethische und gesellschaftliche Fragen aufwerfen. Durch das Erkennen und Beheben der zugrunde liegenden Probleme können Unternehmen die mit KI verbundenen Risiken verringern und sicherstellen, dass…
KI-Ethik-Dilemmata mit Beispielen aus dem echten Leben
Obwohl künstliche Intelligenz die Art und Weise verändert, wie Unternehmen arbeiten, gibt es Bedenken, wie sie unser Leben beeinflussen könnte. Dies ist sowohl ein akademisches/gesellschaftliches Problem als auch ein Reputationsrisiko für Unternehmen; kein Unternehmen möchte durch Daten- oder KI-Ethikskandale geschwächt werden, die seinem Ruf schaden. Entdecken Sie Einblicke in ethische Fragen, die beim Einsatz von…
Top 20+ Prognosen von Experten zum Verlust von Arbeitsplätzen durch KI
Als McKinsey-Berater half ich Unternehmen ein Jahrzehnt lang, neue Technologien einzuführen. Meine kurzen Antworten: Hinweis: Die Größe der Diagramme korreliert mit der Größe der Prognose zum Arbeitsplatzverlust. Die in unserer Analyse genannten Prozentsätze basieren auf Annahmen über die gesamte Arbeitsplatzverdrängung. In bestimmten Szenarien beinhalteten diese Annahmen potenzielle Arbeitsplatzgewinne durch die Einführung von KI. Um jedoch…
Top 10 Cloud-Workload-Automation-Software & 7 Anwendungsfälle
Obwohl 71 % der Unternehmen öffentliche Cloud-Datenlager betreiben, stellt die Integration fragmentierter Multi-Cloud-Umgebungen bei gleichzeitiger Kontrolle der Cloud-Kosten eine doppelte Herausforderung dar.1 Cloud-Workload-Automation kann jedoch die Datenpipelines orchestrieren, die diese Plattformen speisen, um sowohl Konnektivität als auch Ressourceneffizienz zu optimieren. Entdecken Sie die Unterschiede zwischen Cloud- und Hybrid-Workload-Automation, die besten Tools und Anwendungsfälle der Hybrid- &…
Verantwortungsvolle KI: 4 Prinzipien & Best Practices
65 % der Führungskräfte fühlen sich nicht ausreichend vorbereitet, um KI-bezogene Risiken effektiv zu managen. 1 Die Entwicklung und Skalierung von KI-Anwendungen mit Verantwortung, Vertrauenswürdigkeit und ethischen Praktiken im Blick ist unerlässlich, um eine KI zu schaffen, die für alle funktioniert. Entdecken Sie vier Prinzipien für das Design verantwortungsvoller KI (RAI) und empfohlene Best Practices, um…
DAST-Software-Preisvergleich: Burp Suite, Nessus & mehr
Bei über 20 DAST-Tools auf dem Markt kann die Auswahl des am besten geeigneten Tools angesichts der unterschiedlichen Funktionen und Preisoptionen eine Herausforderung sein. Wir haben öffentlich verfügbare Informationen zu den Preisstrategien der Anbieter zusammengestellt, damit Sie sich leicht einen Überblick verschaffen und die voraussichtlichen Kosten einschätzen können. Bei der Preisgestaltung sind folgende Punkte wichtig:…
AIMultiple Newsletter
1 kostenlose E-Mail pro Woche mit den neuesten B2B-Technachrichten und Experten Einblicken.