Cem Dilmegani
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
- Cem Dilmegani, Post-KI-Banking: Millionen von Arbeitsplätzen 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-, Konferenz- und sonstige Veranstaltungspräsentationen
- Antworten auf die Fragen von Korea24 zum Thema Arbeitsplatzverlust durch KI, 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 Wirkung von Data Science mit ChatGPT“.
- Generative AI Atlanta Meetup: Generative KI für Unternehmenstechnologie .
Quellen
- Warum Microsoft, IBM und Google ihre Bemühungen im Bereich KI-Ethik verstärken , Business Insider.
- Microsoft investiert 1 Milliarde Dollar in OpenAI, um künstliche Intelligenz zu entwickeln, die intelligenter ist als wir , Washington Post.
- Stärkung der KI-Führungskräfte: KI-Toolkit für die C-Suite , Weltwirtschaftsforum.
- Wissenschafts-, Forschungs- und Innovationsleistung der EU , Europäische Kommission.
- Die EU investiert 200 Milliarden Euro in KI, wodurch Geld in Rechenzentren fließt, doch 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 die Präsentation erhalten, mit der das KI-Startup Hypatos 11 Millionen Dollar eingesammelt hat , Business Insider.
Neueste Artikel von Cem
KI-Anwendungen: Die 15 wichtigsten Anwendungsfälle und Fallstudien
Der Einsatz von KI kann Energieversorgern helfen, Abläufe zu optimieren, Ressourcen effizienter zu verwalten, die Kundeninteraktion zu verbessern und neue digitale Services zu entwickeln. Erfahren Sie mehr über Anwendungsbeispiele von KI in der Energieversorgung: KI-Anwendungsfälle und Praxisbeispiele im Energiesektor: 1. Autonomer Betrieb in Kraftwerken: KI automatisiert Anlageninspektionen durch die Echtzeitanalyse von Kamera- und Sensordaten und reduziert so die Abhängigkeit von manuellen Eingriffen.
4 Entwurfsmuster für agentenbasierte KI und Beispiele aus der Praxis
Agentische KI-Designmuster verbessern die Autonomie großer Sprachmodelle (LLMs) wie Llama, Claude oder GPT durch die Nutzung von Werkzeugen, Entscheidungsfindung und Problemlösung. Dies ermöglicht einen strukturierten Ansatz zur Erstellung und Verwaltung autonomer Agenten in verschiedenen Anwendungsfällen.
Benchmark für Multiagenten-Frameworks: Herausforderungen und Stärken
Multiagentensysteme nutzen spezialisierte Agenten, die zusammenarbeiten, um komplexe Aufgaben zu lösen. Eine zentrale Herausforderung: Verschlechtert sich die Leistung mit zunehmender Anzahl an Agenten und Tools, oder können Orchestrierungsmechanismen die wachsende Komplexität effizient bewältigen? Wir haben fünf Agenten-Frameworks in 750 Durchläufen mit drei Aufgaben verglichen. Dabei haben wir Latenz, Token-Verbrauch und Orchestrierungsaufwand gemessen, um herauszufinden, welches Framework am besten geeignet ist.
Mehr als 40 Anwendungsfälle für Agentic AI mit Beispielen aus der Praxis
Autonome generative KI-Agenten führen komplexe Aufgaben mit geringer oder gar keiner menschlichen Aufsicht aus. Agentische KI unterscheidet sich von Chatbots und Co-Piloten. Im Gegensatz zu traditioneller KI, insbesondere generativer KI, die in komplexen Arbeitsabläufen oft menschliches Eingreifen erfordert, zielt agentische KI darauf ab, Prozesse dank ihrer Entscheidungsfähigkeit und ihres zielgerichteten Verhaltens autonom zu steuern und zu optimieren.
OpenClaw-Alternativen: Hermes vs. ZeroClaw vs. PicoClaw
Autonome KI-Agenten wie OpenClaw und Hermes automatisieren mehrstufige Aufgaben, die normalerweise ständige menschliche Eingriffe erfordern. Obwohl OpenClaw sich als der am weitesten verbreitete, permanent aktive autonome Agent etabliert hat, suchen viele Anwender aufgrund des anspruchsvollen Bereitstellungsprozesses und der komplexen Konfigurationsanforderungen nach Alternativen.
Die 7 besten GoAnywhere-Alternativen im Jahr
GoAnywhere ist eine sichere Dateitransferplattform, die von Unternehmen für den sicheren Datenaustausch genutzt wird. Ob Sie erweiterte Funktionen, vielfältige Preisoptionen oder einen besseren Kundenservice suchen – unsere sorgfältig zusammengestellte Liste von Alternativen bietet Ihnen alle Informationen, die Sie für eine fundierte Entscheidung benötigen.
Ethik generativer KI: Wie man sie handhabt
Generative KI wirft wichtige Fragen hinsichtlich der Wissensvermittlung und des Vertrauens in bestehende Systeme auf. Britannica beispielsweise reichte Klage gegen Perplexity ein, da das Unternehmen angeblich illegal und wissentlich von Britannica geprüfte Inhalte kopiert und Markenrechte ohne Genehmigung missbraucht habe. Erfahren Sie mehr über die ethischen Bedenken im Zusammenhang mit generativer KI und bewährte Verfahren zu deren Bewältigung. 1.
Die besten Alternativen zu Amazon Mechanical Turk
Unsere Analyse beleuchtet einige Nachteile von Amazon Mechanical Turk (MTurk), einer beliebten Plattform für KI-gestützte Datenerfassung und Marktforschung. Sie vergleicht außerdem die besten Alternativen zu Amazon Mechanical Turk. Die Leser lassen sich in drei Kategorien einteilen. Wählen Sie Ihre aus, um die relevantesten Alternativen zu sehen: MTurk-Alternativen für Arbeitnehmer.
Die 5 besten Lösungen für das Management von Netzwerksicherheitsrichtlinien
Ich habe die fünf besten NSPM-Lösungen (Multi-Vendor- und herstellerspezifische Tools) basierend auf meinen eigenen und den Erfahrungen anderer Nutzer sowie den Funktionen der jeweiligen Anbieter ermittelt. Über die folgenden Links erfahren Sie mehr über die Gründe für diese Auswahl: Top 5 NSPM-Tools. Digitale Unternehmen sollten Lösungen für das Netzwerk-Sicherheitsrichtlinienmanagement (NSPM) einsetzen, um Richtlinien im gesamten Netzwerk zu verwalten, zu überwachen und durchzusetzen.
Computer Use Agents: Benchmark & Architektur
Computer-Nutzungsagenten versprechen, echte Desktop- und Webanwendungen zu bedienen, doch ihre Funktionsweise, Grenzen und Kompromisse sind oft unklar. Wir untersuchen führende Systeme, indem wir ihre Funktionsweise, ihr Lernverhalten und die Unterschiede in ihren Architekturen analysieren. Zudem beziehen wir uns auf einen fokussierten UI-Grounding-Benchmark mit 100 Desktop-Screenshots, der vier Aufgabentypen und fünf Testläufe umfasst.
AIMultiple Newsletter
1 kostenlose E-Mail pro Woche mit den neuesten B2B-Technachrichten und Experten Einblicken.