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
RELC-Bench: Retrieval auf Langkontext-Benchmark
RELC-Bench (RELC-Bench: Retrieval auf Langkontext-Benchmark) zielt darauf ab, die Fähigkeit eines Modells zu messen, einen bestimmten numerischen Wert aus einem oder mehreren Dokumenten innerhalb seines Kontexts zu finden und zu extrahieren. Es testet, ob das Modell eine bestimmte Tatsache, die es gerade in der Eingabe gesehen hat, sich merken und abrufen kann. claude-fable-5 erzielt 97.0 %…
MCP-Benchmark: Top-MCP-Server für Webzugriff
Wir haben 8 MCP-Server hinsichtlich Websuche und -extraktion sowie Browserautomatisierungsaufgaben einem Benchmark unterzogen, indem wir 4 verschiedene Aufgaben 5 Mal auf allen geeigneten MCPs ausgeführt haben. Wir haben außerdem einen Lasttest mit 250 gleichzeitigen KI-Agenten durchgeführt. *Aufgaben zur Websuche & -extraktion werden mit dem Standard-MCP-Server von Bright Data ausgeführt, Aufgaben zur Browserautomatisierung mit dem MCP…
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…
Bester KI-Code-Editor: Cursor vs Windsurf vs Replit
Apps ohne Programmierkenntnisse zu erstellen, ist derzeit stark im Trend. Aber können diese Tools erfolgreich eine App erstellen und bereitstellen? Wir haben 6 KI-Code-Editoren in 10 realen Webentwicklungs-Herausforderungen einem Benchmark unterzogen. Jede Aufgabe erforderte Implementierungen wie Backend, Frontend, Authentifizierung, State Management. Wir bewerteten die Backend-Korrektheit, das Frontend-Verhalten und die kombinierte Leistung und analysierten, wie jeder…
Spracherkennungs-Benchmark: Deepgram vs. Whisper
Wir haben die führenden Spracherkennungsanbieter (STT) einem Benchmark unterzogen, mit besonderem Fokus auf Anwendungen im Gesundheitswesen. Unser Benchmark verwendete reale Beispiele, um die Transkriptionsgenauigkeit in medizinischen Kontexten zu bewerten, wo Präzision entscheidend ist. Basierend auf den Ergebnissen sowohl der Wortfehlerrate (WER) als auch der Zeichenfehlerrate (CER) zeigt GPT-4o-transcribe die höchste Transkriptionsgenauigkeit unter allen bewerteten Spracherkennungssystemen.…
Quantencomputing-Statistiken: Prognosen & Fakten & darüber hinaus
Quantencomputing ist ein aufstrebendes Gebiet, das Potenzial hat, die Datenverarbeitung grundlegend zu verändern und intelligentere Maschinen zu schaffen. Um das Potenzial des Quantencomputings (QC) zu verstehen, fühlen Sie sich kostenlos, unsere Forschung zu QC und seinen Anwendungen zu lesen. Wir haben Prognosen & Fakten über das Gebiet zusammengestellt: Folgende Artikel könnten Sie auch interessieren,…
Quantencomputing-Unternehmen
Quantencomputing, das vielfältige Anwendungen in Optimierung, Forschung und Kryptografie hat, wird von diesen Organisationen vorangetrieben: Quantenhardware ist eine aufkommende Computertechnologie, die auf komplexer Hardware beruht. Wie in den Anfängen des Personal Computing gibt es Unternehmen, die sich auf Hardware, Software und End-to-End-Lösungen spezialisiert haben. In den Anfängen der Computertechnik baute Apple End-to-End-Lösungen, während sich Microsoft…
Quanten-Künstliche Intelligenz
Quantencomputing und künstliche Intelligenz sind beide transformative Technologien, und künstliche Intelligenz wird wahrscheinlich Quantencomputing benötigen, um signifikante Fortschritte zu erzielen. Obwohl künstliche Intelligenz auf klassischen Computern funktionale Anwendungen hervorbringt, ist sie durch deren Rechenkapazitäten begrenzt. Quantencomputing kann der künstlichen Intelligenz einen Rechenschub verleihen, um komplexere Probleme und AGI anzugehen. Quanten-KI ist die Nutzung von Quantencomputing…
Quantum Annealing: Praktisches Quantencomputing
Quantum Annealing ist eine vielversprechende Quantentechnologie für Unternehmen mit dringenden Optimierungsproblemen, die herkömmliche Computer nicht schnell lösen können. Es kann eingesetzt werden, um Optimierungsprobleme effektiver zu lösen als herkömmliche Computer. Es wird jedoch noch hauptsächlich in der akademischen Forschung eingesetzt, und weitere F&E ist erforderlich, um kommerzielle Quantum Annealer zu entwickeln. Es gibt verschiedene Ansätze…
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,…
AIMultiple Newsletter
1 kostenlose E-Mail pro Woche mit den neuesten B2B-Technachrichten und Experten Einblicken.