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
Die 9 besten Netzwerküberwachungstools unter Windows
Wir testeten Netzwerküberwachungstools für Windows-Umgebungen, um ihre Leistungsfähigkeit im realen Einsatz zu bewerten. Unser Ziel war es, Lösungen zu finden, die Zuverlässigkeit, Benutzerfreundlichkeit und tiefe Integration in Windows-Systeme optimal vereinen. Protokollunterstützung: Die Tools mussten mehrere Kommunikationsprotokolle unterstützen: SNMP, TCP, ICMP und IPMI. Kompatibilität: Jedes Tool musste reibungslos mit Windows-Servern funktionieren.
Große multimodale Modelle (LMMs) vs. LLMs
Wir evaluierten die Leistungsfähigkeit großer multimodaler Modelle (LMMs) in Aufgaben des finanziellen Denkens anhand eines sorgfältig ausgewählten Datensatzes. Durch die Analyse einer Teilmenge hochwertiger Finanzdaten bewerteten wir die Fähigkeit der Modelle, multimodale Daten im Finanzbereich zu verarbeiten und zu interpretieren. Der Methodenteil bietet detaillierte Einblicke in den verwendeten Datensatz und das Evaluierungsframework.
Weltweite Stiftungsmodelle: 10 Anwendungsfälle
Das Training von Robotern und autonomen Fahrzeugen (AVs) in der realen Welt kann kostspielig, zeitaufwändig und riskant sein. World Foundation Models bieten eine skalierbare Alternative, indem sie realistische Simulationen realer Umgebungen ermöglichen. Diese Modelle beschleunigen die Entwicklung und den Einsatz in der Robotik, bei AVs und anderen Bereichen, indem sie die Abhängigkeit von physischen Tests reduzieren.
Daten von Twitter (X.com) mit Python extrahieren
Moderne soziale Plattformen wie X.com setzen strenge Schutzmaßnahmen gegen Web-Scraping ein, darunter CAPTCHA, Ratenbegrenzungen und IP-Sperren. Diese Sicherheitsvorkehrungen erschweren die Entwicklung eines eigenen Scrapers und machen ihn anfällig für häufige Unterbrechungen. Daher verwendet diese Anleitung die Twitter-Scraper-API, die durch die Verwaltung der Proxy-Rotation ein zuverlässiges und regelkonformes Scraping von Twitter-Daten ermöglicht.
Wird man mit Pi Network reich? Nein, aber es kann ein paar Cent pro Stunde einbringen.
Nutzer können Zeit oder Geld in Pi Network investieren. Nichts, was hier geschrieben steht, ist als Anlageberatung zu verstehen.
KI-Agenten mit zusammensetzbaren Mustern erstellen
Wir haben drei Tage lang mit Workflows und Agenten-Pipelines in n8n experimentiert und dabei die Anleitungen von Anthropic und OpenAI zum Erstellen effektiver KI-Agenten befolgt. Wir haben die Kernkomponenten von KI-Agenten kennengelernt, erfahren, wie man die richtigen Komponenten und Tools auswählt, und Agenten-Workflows auf Basis der einfachen, kombinierbaren Muster von Anthropic erstellt, wie z. B. Prompt Chaining, Routing, Parallelisierung und Orchestrator.
Die Top 30+ der wichtigsten KI-Agenten für die Industrie – eine Landschaft, die man im Auge behalten sollte
Industrielle KI-Agenten überwinden die Einschränkungen isolierter Datensilos, indem sie IoT-Daten, Steuerungssysteme (z. B. SCADA) und vernetzte Anlagen autonom integrieren und daraus verwertbare Erkenntnisse gewinnen.
Die 6 besten Log-Analyse-Softwarelösungen inklusive SolarWinds im Jahr 2026
Wenn Server um 3 Uhr nachts abstürzen oder Anwendungen Fehler ausgeben, müssen Teams schnell herausfinden, was schiefgelaufen ist. Log-Analyse-Plattformen helfen dabei, indem sie verstreute Logdateien aus verschiedenen Systemen sammeln und an einem zentralen Ort durchsuchbar machen. Diese Tools wandeln Rohdaten in strukturierte Daten um, sodass Sie die entscheidende Information schnell finden können.
Moltbook: Agent Driven Social Media [2026]
Das rasante Wachstum von OpenClaw hat ein ungewöhnliches soziales Experiment angestoßen: Moltbook, eine Reddit-ähnliche Plattform, auf der Agenten miteinander interagieren. Sie ging am 28. Januar 2026 an den Start und erregte innerhalb kürzester Zeit große Aufmerksamkeit. Bereits in der ersten Woche verzeichnete sie über 1,5 Millionen Agenten.
Große Sprachmodelle in der Cybersicherheit in 2026
Wir evaluierten sieben große Sprachmodelle in neun Bereichen der Cybersicherheit mithilfe von SecBench, einem umfangreichen und formatübergreifenden Benchmark für Sicherheitsaufgaben. Jedes Modell wurde anhand von 44.823 Multiple-Choice-Fragen (MCQs) und 3.087 Kurzfragen (SAQs) getestet, die Bereiche wie Datensicherheit, Identitäts- und Zugriffsmanagement, Netzwerksicherheit, Schwachstellenmanagement und Cloud-Sicherheit abdeckten.
AIMultiple Newsletter
1 kostenlose E-Mail pro Woche mit den neuesten B2B-Technachrichten und Experten Einblicken.