Cem Dilmegani
Cems Arbeit bei AIMultiple wurde von führenden globalen Publikationen zitiert, darunter Business Insider, Forbes, Morning Brew, Washington Post, globalen Unternehmen wie HPE, NGOs wie dem World Economic Forum und supranationalen Organisationen wie der European Commission. [1], [2], [3], [4], [5]
Berufserfahrung & Erfolge
Während seiner Karriere war Cem als Tech-Berater, Tech-Einkäufer und Tech-Unternehmer tätig. Er beriet Unternehmen über ein Jahrzehnt lang bei McKinsey & Company und Altman Solon in Technologieentscheidungen. Er veröffentlichte auch einen McKinsey-Bericht zur Digitalisierung.Er leitete die Technologiestrategie und Beschaffung eines Telekommunikationsunternehmens und berichtete dabei direkt an den CEO. Zudem führte er das kommerzielle Wachstum des Deep-Tech-Unternehmens Hypatos an, das innerhalb von 2 Jahren von null auf einen siebenstelligen jährlich wiederkehrenden Umsatz und eine neunstellige Bewertung anwuchs. 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 Branchenanalysten von AIMultiple und das Tech-Team unterstützen Cem bei der Konzeption, Durchführung und Bewertung von Benchmarks.
Ausbildung
Er schloss sein Studium als Computer-Ingenieur an der Bogazici University 2007 ab. Während seines Ingenieurstudiums beschäftigte er sich mit maschinellem Lernen zu einer Zeit, als es allgemein als "Data Mining" bezeichnet wurde und die meisten neuronalen Netze nur wenige versteckte Schichten hatten.Er hat einen MBA-Abschluss 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 von Arbeitsplätzen gefährdet, 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-, Konferenz- & andere Veranstaltungspräsentationen
- Gastgeber bei American Variety Radio, beantwortete Court Lewis' Fragen zu AGI am 25. April 2026.
- Beantwortete die Fragen von Korea24 zu Arbeitsplatzverlusten durch KI am 5. November 2025. Aufnahme 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 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 schlauer ist als wir, Washington Post.
- Stärkung der KI-Führung: AI C-Suite Toolkit, World Economic Forum.
- Wissenschafts-, Forschungs- und Innovationsleistung der EU, European Commission.
- Die 200-Milliarden-Euro-KI-Investition der EU treibt 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 eingesammelt hat, Business Insider.
Neueste Artikel von Cem
RAG Evaluierungswerkzeuge: Weights & Biases vs Ragas vs DeepEval
Wenn eine RAG-Pipeline den falschen Kontext abruft, generiert das LLM selbstbewusst die falsche Antwort. Scorer für die Kontextrelevanz sind die primäre Verteidigungslinie. Wir haben fünf Tools über 1.460 Fragen und über 14.600 bewertete Kontexte unter identischen Bedingungen getestet: gleiches Beurteilungsmodell (GPT-4o), Standardkonfigurationen und keine benutzerdefinierten Prompts. Unter Standardbedingungen erwiesen sich WandB, TruLens und Ragas als…
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.…
Remote-Browser: Web-Infrastruktur für KI-Agenten im Vergleich
KI-Agenten sind auf Remote-Browser angewiesen, um Webaufgaben zu automatisieren, ohne von Anti-Scraping-Maßnahmen blockiert zu werden. Die Leistung dieser Browser-Infrastruktur ist entscheidend für den Erfolg eines Agenten. Wir haben 8 Anbieter hinsichtlich Erfolgsquote, Geschwindigkeit und Funktionen bewertet. Dazu haben wir 160 automatisierte Aufgaben ausgeführt und 4 verschiedene Szenarien 5 Mal für jeden Dienst durchgetestet, um ihre…
Top 10 quelloffene Web-Crawler für LLM & KI
Jüngste Fortschritte in der generativen KI haben verändert, was Entwickler von Web-Crawlern benötigen. Agentische Crawler nutzen nun natürlichsprachliche Prompts zur Linkauswahl anstelle fester Regeln und produzieren nativ token-effizientes Markdown. Gleichzeitig bleiben die klassischen Frameworks für groß angelegtes Batch-Crawling für Unternehmens- und Forschungsanwendungen unersetzlich. Sprache: Python | Lizenz: Apache 2.0 Crawl4AI ist eine quelloffene Python-Bibliothek, optimiert…
Top 15+ Data as a Service Unternehmen
Data as a Service (DaaS) ist ein Cloud-Modell, das Daten auf Abruf bereitstellt, in der Regel im Abonnement. Es ermöglicht einem Unternehmen, die benötigten Datasets zu kaufen, ohne die Daten selbst sammeln und speichern zu müssen. Sehen Sie sich die führenden Data as a Service Unternehmen und die von ihnen angebotenen Datentypen an, die wichtigsten…
Vergleich großer visueller Modelle: GPT-4o vs YOLOv8n
Große visuelle Modelle (LVMs) können visuelle Aufgaben wie Fehlererkennung, medizinische Diagnose und Umweltüberwachung automatisieren und verbessern. Wir haben drei Objekterkennungsmodelle getestet: YOLOv8n, DETR und GPT-4o Vision, jeweils über 1.000 Bilder, wobei Metriken wie mAP@0.5, Inferenzgeschwindigkeit, FLOPs und Parameteranzahl gemessen wurden. Um einen fairen Vergleich zu gewährleisten, wurden alle Bilder auf 800×800 Pixel skaliert und unter…
LLM Inference-Engines: vLLM vs LMDeploy vs SGLang
Wir haben 3 führende LLM Inference-Engines auf NVIDIA H100 verglichen: vLLM, LMDeploy und SGLang. Jede Engine verarbeitete identische Workloads: 1.000 ShareGPT-Prompts mit Llama 3.1 8B-Instruct, um die tatsächliche Leistungsauswirkung ihrer Architekturentscheidungen und Optimierungsstrategien zu isolieren. Wir haben den Offline-Batch-Durchsatz über 10.000 gesamte Inferenzoperationen gemessen (1.000 Prompts × 10 Durchläufe pro Engine), um statistische Stabilität zu…
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…
Top 15 Open-Source-KI-Plattformen & Bibliotheken
Die Bereitstellung eines eigenen KI-Modells oder in manchen Fällen das Fine-Tuning bestehender Modelle bringt mehrere Herausforderungen mit sich: Open-Source-Plattformen, die einheitliche APIs bieten, helfen bei der Bewältigung dieser Herausforderungen, indem sie Multi-Cloud-Bereitstellung ermöglichen und das GPU-Ressourcenmanagement optimieren. Nachfolgend listen wir 15 Beispiele für Open-Source-Plattformen/-Bibliotheken auf: Bei der Auswahl dieser Plattformen haben wir uns hauptsächlich darauf…
Vergleichen Sie Google Dialogflow und seine Wettbewerber
Technologiegiganten wie Google, IBM, Microsoft, Amazon und Facebook investieren in conversational KI, um Entwicklern den einfachen Aufbau von Chatbots zu ermöglichen. Diese KI-gestützten Chatbots können verschiedene Routineaufgaben automatisieren, wie das Versenden von E-Mails, das Suchen von Informationen auf Suchmaschinen, usw. Wir haben wesentliche Informationen über Google Dialogflow gesammelt und mit seinen Hauptwettbewerbern verglichen. Sehen Sie…
AIMultiple Newsletter
1 kostenlose E-Mail pro Woche mit den neuesten B2B-Technachrichten und Experten Einblicken.