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 50 Deep Learning Use Case & Fallstudien
Deep Learning verwendet künstliche neuronale Netze, um aus Daten zu lernen. Wenn es auf großen, hochwertigen Datensätzen trainiert wird, erreicht es eine hohe Genauigkeit, was es überall dort wertvoll macht, wo Sie über reichlich Daten verfügen und genaue Vorhersagen benötigen. Im Folgenden finden Sie reale Deep-Learning-Anwendungen in verschiedenen Branchen und Geschäftsbereichen mit konkreten Beispielen. Deep-Learning-Modelle…
Macht Pi Network reich? Nein, aber es kann ein paar Cent pro Stunde einbringen
Nutzer können ihre Zeit oder ihr Geld in Pi Network investieren. Nichts hier Geschriebenes sollte als Anlageberatung verstanden werden. Wir erwarten nicht, dass außer den Gründern irgendjemand in nennenswertem Maße von PI Network profitiert, weil: Trotz alledem gefallen uns ihre optimistischen Beiträge, wenn sie mit einem abstürzenden Token-Preis ins Jahr 2026 gehen: Es ist eine…
Generative KI in der Mode: Top 13 Anwendungsfälle & Beispiele
89 % aller Unternehmen in verschiedenen Sektoren stellen auf digitale Technologien um, und die generative KI in der Modebranche bildet dabei keine Ausnahme. McKinsey berichtet, dass Modemarken und Unternehmen etwa 2 % ihres Einkommens in neue Technologien investiert haben. Darüber hinaus schätzen sie, dass die Zahl bis 2030 auf 3,5 % steigen wird.1 Blockchain-Technologie, Non-Fungible Tokens (NFTs) und…
Webcrawler-Benchmark, um Websites an KI zu verfüttern
Wir haben vier Crawl-APIs über drei Domänen mit unterschiedlichem Schwierigkeitsgrad auf drei maximalen Tiefenstufen (5, 10, 20) mit einem Limit von 1.000 Seiten getestet und dabei Crawl-Abdeckung, Ausführungszeit, Link-Erkennung, Markdown-Link-Qualität und Genauigkeit der Titel-Extraktion gemessen. Wenn Sie Folgendes beabsichtigen: Sie können unsere Benchmark-Methodik lesen. Firecrawl crawlt durchgehend etwa 100 Seiten auf theregister.com unabhängig von der…
Mobile KI-Agenten in 65 realen Aufgaben getestet
Wir haben 3 Tage damit verbracht, vier mobile KI-Agenten (DroidRun, Mobile-Agent, AutoDroid und AppAgent) in 65 realen Aufgaben mit einem Android-Emulator zu benchmarken, wobei Anwendungen wie Kalenderverwaltung, Kontakterstellung, Fotoaufnahme, Audioaufzeichnung und Dateioperationen zum Einsatz kamen. Siehe die Benchmark-Ergebnisse einschließlich Leistungsvergleich in realen Aufgaben, Kosten und Ausführungszeiten: Höchste Erfolgsquote (43 %) mit hohen Kosten pro erfolgreicher Aufgabe…
Top LLMOps-Tools & Vergleich mit MLOps
LLMOps-Plattformen übernehmen die operative Seite des Betriebs großer Sprachmodelle: Bereitstellung, Überwachung, Evaluierung und Kostenmanagement. Wir haben führende LLMOps-Tools, ihre Kernfunktionen, Preismodelle und ihre Unterschiede untersucht, um die beste Lösung für verschiedene Anwendungsfälle zu identifizieren. Eine Aufschlüsselung der einzelnen Metriken finden Sie unten: LLMOps-Plattformen unterstützen den Lebenszyklus von LLMs durch: LLMOps-Plattformen unterscheiden sich in ihrem Ansatz:…
Beste Design-to-Code-Tools im Vergleich: Detaillierte Analyse
Design-to-Code-Tools haben sich in den letzten 18 Monaten stärker verändert als in dem Jahrzehnt davor. Früher bedeutete diese Kategorie "etwas CSS aus Figma exportieren". Inzwischen umfasst sie Full-Stack-App-Builder, bidirektionale MCP-Integrationen, die auf die Leinwand zurückschreiben, und agentische Plattformen, die Produktionsbranches aus Slack-Nachrichten ausliefern. Die Tools auf dieser Liste sind nicht austauschbar; sie lösen unterschiedliche Probleme…
10+ Agentic-KI-Trends und -Beispiele
Wir haben Agentic-KI-Trends aus mehreren großen Branchenberichten, Benchmarks und Anbieterangaben überprüft und verglichen. Die Quellen weisen darauf hin, dass die Zukunft der Agentic AI darin besteht, KI tief zu integrieren und Geschäftsansätze durch die Umstrukturierung aktueller Frameworks zu transformieren. Wichtigste Erkenntnisse: Wenn Unternehmen ihre KI- und Analyseinitiativen skalieren, wird die Aufrechterhaltung einer hohen Datenqualität über…
Die besten 50+ Open-Source-KI-Agenten im Überblick
Jeder baut KI-Agenten, daher haben wir nach praktischen Tests mit beliebten KI-Codierungsagenten, KI-Agenten-Entwicklertools und Werkzeugnutzungs-Benchmarks, um deren reale Fähigkeiten zu bewerten, eine sorgfältig zusammengestellte Liste der bester 50+ Open-Source-KI-Agenten erstellt. Klicken Sie auf die Kategorieüberschriften, um direkt zu unseren Top-Auswahlen zu gelangen: Agenten-Entwicklung und Infrastruktur Branchenspezifische Agentenanwendungen Ein KI-Agent ist mehr als nur ein LLM…
Beste Appen-Alternativen für Mitarbeiter & Kunden
Wir haben die Top-Appen-Alternativen analysiert, indem wir Arbeitnehmerbewertungen von Trustpilot, Crowd-Größe, Zahlungspläne und öffentlich verfügbare Unternehmensdaten verglichen haben. Die Alternativen unterscheiden sich erheblich, je nachdem, was Sie von Appen benötigen. Nach Rolle navigieren: * Daten stammen von Trustpilot, da diese hauptsächlich aus Arbeitnehmerbewertungen bestehen. ** Daten aus Arbeitnehmerbewertungen. In einigen Fällen berichteten Arbeitnehmer von Zahlungsverzögerungen.…
AIMultiple Newsletter
1 kostenlose E-Mail pro Woche mit den neuesten B2B-Technachrichten und Experten Einblicken.