Kontaktieren Sie uns
Keine Ergebnisse gefunden.
Cem Dilmegani

Cem Dilmegani

Leitender Analyst
346 Artikel
Bleiben Sie über B2B-Technologie auf dem Laufenden
Cem ist seit fast zehn Jahren leitender Analyst bei AIMultiple. Seine Arbeit bei AIMultiple wurde von führenden internationalen Publikationen wie Business Insider, Forbes, Morning Brew und der Washington Post sowie von globalen Unternehmen wie HPE, NGOs wie dem Weltwirtschaftsforum und supranationalen Organisationen wie der Europäischen Kommission zitiert. [1], [2], [3], [4], [5]

Berufserfahrung und Erfolge

Im Laufe seiner Karriere war Cem als Technologieberater, Technologieeinkäufer und Technologieunternehmer tätig. Über ein Jahrzehnt lang beriet er Unternehmen bei McKinsey & Company und Altman Solon in ihren Technologieentscheidungen. Er veröffentlichte zudem einen McKinsey-Bericht zur Digitalisierung. Bei einem Telekommunikationsunternehmen leitete er die Technologiestrategie und -beschaffung und berichtete direkt an den CEO. Darüber hinaus verantwortete er das kommerzielle Wachstum des Deep-Tech-Unternehmens Hypatos, das innerhalb von zwei Jahren von null auf einen siebenstelligen jährlichen Umsatz und eine neunstellige Unternehmensbewertung wuchs. Cems Arbeit bei Hypatos wurde von führenden Technologiepublikationen wie TechCrunch und Business Insider thematisiert. [6], [7]

Forschungsschwerpunkte

Cems Arbeitsschwerpunkt liegt darauf, wie Unternehmen neue Technologien in den Bereichen KI, agentenbasierte KI, Cybersicherheit (einschließlich Netzwerk- und Anwendungssicherheit) und Daten, insbesondere Webdaten, nutzen können. Seine praktische Erfahrung mit Unternehmenssoftware fließt in seine Arbeit ein. Weitere KI-Branchenanalysten und das technische Team unterstützen Cem bei der Konzeption, Durchführung und Auswertung von Benchmarks.

Ausbildung

Er schloss 2007 sein Studium der Informatik an der Bogazici-Universität ab. Während seines Studiums beschäftigte er sich mit maschinellem Lernen, damals noch unter dem Begriff „Data Mining“ bekannt, und die meisten neuronalen Netze besaßen nur wenige verborgene Schichten. 2012 erwarb er einen MBA an der Columbia Business School. Cem spricht fließend Englisch und Türkisch. Seine Deutschkenntnisse sind fortgeschritten, seine Französischkenntnisse liegen auf Anfängerniveau.

Externe Veröffentlichungen

Medien-, Konferenz- und sonstige Veranstaltungspräsentationen

Quellen

  1. Warum Microsoft, IBM und Google ihre Bemühungen im Bereich KI-Ethik verstärken , Business Insider.
  2. Microsoft investiert 1 Milliarde Dollar in OpenAI, um künstliche Intelligenz zu entwickeln, die intelligenter ist als wir , Washington Post.
  3. Stärkung der KI-Führungskräfte: KI-Toolkit für die C-Suite , Weltwirtschaftsforum.
  4. Wissenschafts-, Forschungs- und Innovationsleistung der EU , Europäische Kommission.
  5. Die EU investiert 200 Milliarden Euro in KI, wodurch Geld in Rechenzentren fließt, doch der Chipmarkt bleibt eine Herausforderung , IT Brew.
  6. Hypatos erhält 11,8 Millionen Dollar für einen Deep-Learning-Ansatz zur Dokumentenverarbeitung , TechCrunch.
  7. Wir haben einen exklusiven Einblick in die Präsentation erhalten, mit der das KI-Startup Hypatos 11 Millionen Dollar eingesammelt hat , Business Insider.

Neueste Artikel von Cem

CybersicherheitMär 5

Die 10 besten Tools für Anwendungssicherheit: Funktionen und Preise

Der globale Markt für Anwendungssicherheit wurde 2025 auf 10,65 Milliarden US-Dollar geschätzt und soll bis 2033 mit einer durchschnittlichen jährlichen Wachstumsrate (CAGR) von 18,8 % auf 42,09 Milliarden US-Dollar anwachsen. Treiber dieses Wachstums sind die zunehmenden Angriffe auf Web- und mobile Anwendungen, die Verbreitung cloudnativer Technologien und regulatorische Anforderungen, darunter der EU-Cyberresilience Act.

DatenMär 5

Die 25 wichtigsten Anwendungsfälle für synthetische Daten

Synthetische Daten erfreuen sich branchenübergreifend zunehmender Beliebtheit und Anwendung, unter anderem im Bereich des maschinellen Lernens, des Deep Learning und der generativen KI (GenAI). Sie bieten Lösungen für Herausforderungen wie Datenschutzbedenken und begrenzte Datensatzgrößen. Schätzungen zufolge werden synthetische Daten bis 2030 in KI-Modellen gegenüber realen Daten bevorzugt.

UnternehmenssoftwareMär 5

Python RPA: 7 Anwendungsfälle für Entwickler

Die Kombination von robotergestützter Prozessautomatisierung (RPA) und Python hat das Potenzial, die Landschaft der intelligenten Automatisierung grundlegend zu verändern. Obwohl der globale RPA-Markt im Jahr 2025 auf 28 Milliarden US-Dollar geschätzt wird und voraussichtlich von 35,27 Milliarden US-Dollar im Jahr 2026 auf rund 247 Milliarden US-Dollar im Jahr 2035 anwachsen wird, scheitern 30 bis 50 % der RPA-Projekte.

KI-AgentMär 5

Low-Code/No-Code-KI-Agenten-Builder: n8n, make, Zapier

Low-Code- und No-Code-KI-Agenten-Builder ermöglichen es Nutzern, automatisierte, KI-gesteuerte Workflows ohne komplexe Programmierung zu erstellen. Dadurch wird die Agentenentwicklung beschleunigt und auch für Teams ohne Programmierkenntnisse zugänglich. Wir haben drei Tage damit verbracht, KI-Agenten-Workflows zu konfigurieren, LLM-Aktionen, Dokumentenparser und Suchwerkzeuge manuell einzurichten sowie Pipelines mit Triggern, bedingten Schritten, Tool-Aufrufen und Webhooks zu erstellen, um die Ergebnisse zu vergleichen.

KIMär 4

Die 40 besten Chatbot-Anwendungen mit Beispielen im Jahr 2026

Der globale Chatbot-Markt wird im Jahr 2026 auf 10,32 bis 11,45 Milliarden US-Dollar geschätzt, gegenüber 8,7 Milliarden US-Dollar im Jahr 2024. Prognosen zufolge soll er bis 2031 mit einer durchschnittlichen jährlichen Wachstumsrate (CAGR) von 23,15 % auf 32,45 Milliarden US-Dollar anwachsen. Allein das Segment der generativen KI-Chatbots hat einen Wert von 12,98 Milliarden US-Dollar und wächst mit einer CAGR von 31,11 % noch schneller.

KI-AgentMär 4

Vergleich der besten KI-Agenten im Kundenservice

KI-Agenten, die auf großen Sprachmodellen (LLMs) basieren, können Kundenanfragen in natürlicher Sprache beantworten, den Kontext interpretieren und menschenähnliche Antworten generieren. Diese Agenten können große Informationsmengen aus Quellen wie Wissensdatenbanken verarbeiten und synthetisieren. Wir haben vier Kundenservice-KI-Agenten verglichen: Tidio Lyro, Microsoft Azure AI Chatbot, IBM Watsonx Assistant und Intercom Fin.

KIMär 4

Die 15 besten Open-Source-KI-Plattformen und -Bibliotheken

Die Bereitstellung eigener KI-Modelle oder, in manchen Fällen, die Feinabstimmung bestehender Modelle bringt einige Herausforderungen mit sich: Open-Source-Plattformen mit einheitlichen APIs helfen, diese Herausforderungen zu bewältigen, indem sie die Bereitstellung in Multi-Cloud-Umgebungen ermöglichen und das GPU-Ressourcenmanagement optimieren. Im Folgenden finden Sie 15 Beispiele für Open-Source-Plattformen und -Bibliotheken: Kurzer Überblick über Open-Source-Plattformen und -Bibliotheken.

CybersicherheitMär 4

Die 30+ besten Tools für Netzwerk-Sicherheitsaudits

Netzwerksicherheits-Audit-Tools bieten Echtzeit-Einblicke in die Netzwerksicherheit, indem sie die Umgebung scannen und Administratoren über neu auftretende Bedrohungen, Schwachstellen oder neue Patches informieren. Aufgrund ihres breiten Funktionsumfangs unterscheiden sich diese Tools erheblich.

KIMär 4

KI-Fehler: 10 Hauptursachen und Beispiele aus der Praxis

Ob es sich um einen Unfall mit einem selbstfahrenden Auto, einen fehlerhaften 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 die Identifizierung und Behebung der zugrunde liegenden Probleme können Unternehmen die mit KI verbundenen Risiken minimieren und deren sichere Anwendung gewährleisten.

UnternehmenssoftwareMär 4

Top 10+ Tools zur Netzwerküberwachung

Netzwerk-Observability verschafft Unternehmen Einblick in die Netzwerkleistung und ermöglicht so eine schnellere Identifizierung und Behebung von Infrastrukturproblemen. Tools dieser Kategorie nutzen zunehmend KI, um die Anomalieerkennung im gesamten Datenverkehr und Gerätezustand zu automatisieren. Die 8 besten Tools für Netzwerk-Observability * Die Bewertungen basieren auf Capterra und G2.