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
Vergleich von 10 Python-Job-Scheduling-Methoden
Python-Job-Scheduling automatisiert Aufgaben in bestimmten Intervallen, um strikte Ausführungszeitpläne durchzusetzen, Laufzeitausnahmen abzufangen und die Konsistenz des Systemzustands ohne manuelle Eingriffe sicherzustellen. Hier sind die verschiedenen Job-Scheduling-Methoden in Python mit ihren Vor- und Nachteilen: Cron ist ein integrierter Unix/Linux-Scheduler, der Skripte zu bestimmten Zeiten ausführt. Er eignet sich für die Planung von Jobs außerhalb von Python.…
Beste 7 KI-Testagenten für QA
Wir haben KI-Testplattformen mit eingebetteten KI-Agenten bewertet; die meisten waren überhypte Selenium/Playwright mit Marketing. Einige waren in der Lage, Testfälle zu schreiben/zu warten oder visuelle Tests durchzuführen, obwohl auch diese Tools immer noch beachtliche Einschränkungen aufweisen. Daraus haben wir 7 Plattformen ausgewählt und sie nach ihren primären Schwerpunktbereichen kategorisiert. Unsere Bewertung basiert auf der Einsatzbereitschaft…
10+ KI-Beschaffungs-Anwendungsfälle & Fallstudien
Da die Vorteile der künstlichen Intelligenz (KI) von einem größeren Publikum geschätzt werden, wächst die Zahl der KI-Anwendungsfälle in verschiedenen Branchen täglich. KI im Beschaffungssektor bildet da keine Ausnahme. Sehen Sie einen umfassenden Überblick über den KI-Beschaffungsprozess mit einer detaillierten Darstellung der Gründe für seine Einführung, verschiedener Anwendungsfälle, der Top 5 KI-Beschaffungstools, spezifischer Fallstudien für…
E-Commerce-Technologien Anwendungsfälle & Beispiele
Der zunehmende Wettbewerb im E-Commerce-Sektor erfordert, dass Unternehmen verstehen, wie Technologie die Kundenerwartungen verändert. Organisationen müssen über neue Tools und Marktentwicklungen informiert bleiben, um effektiv reagieren und die Servicequalität aufrechterhalten zu können. Entdecken Sie die Top 15 E-Commerce-Technologien in Personalisierung und Kundenbindung, Betrieb und Effizienz sowie Zahlungssystemen: Chatbots und intelligente virtuelle Assistenten (IVAs) können effektiv…
Automatisierte Datenerfassungstools & Anwendungsfälle
Die automatisierte Datenerfassung nutzt Systeme, um Informationen effizient zu sammeln, zu verarbeiten und zu analysieren. Da automatisierte Daten aus mehreren Quellen in verschiedenen Formaten stammen, ist das Verständnis der verschiedenen Typen und ihrer Ursprünge für eine effektive Implementierung unerlässlich. Die Datenerfassungsautomatisierung verwendet Skripte, Bots, APIs oder dedizierte Plattformen, um Daten aus mehreren Quellen ohne kontinuierliche…
Top 9 Netzwerkverkehrsanalyse-Software
Wir haben 20 Lösungen zur Netzwerkverkehrsanalyse in Produktionsumgebungen evaluiert und dabei die Leistung der Protokolle NetFlow, sFlow und IPFIX sowie die Genauigkeit der Echtzeitüberwachung und die Fähigkeiten zur Bedrohungserkennung unter unternehmenskritischen Lasten getestet. Erkunden Sie spezifische Anbietervergleiche, Empfehlungen zur Optimierung von Flow-Protokollen und Preiseinblicke basierend auf tatsächlichen Bereitstellungskosten. * Die Anbieter sind in aufsteigender Reihenfolge…
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…
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…
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…
GPU-Software für KI: CUDA vs. ROCm
Rohe Hardwarespezifikationen erzählen nur die halbe Geschichte im GPU-Computing. Um die reale KI-Leistung zu messen, führten wir 52 verschiedene Tests durch, bei denen wir AMDs MI300X mit NVIDIAs H100, H200 und B200 in Multi-GPU- und Hochkonkurrenz-Szenarien verglichen. Während AMDs MI300X mit 1.307 TFLOPS im Vergleich zu NVIDIAs H100/H200 mit 990 TFLOPS aufwartet, einem theoretischen Vorteil…
AIMultiple Newsletter
1 kostenlose E-Mail pro Woche mit den neuesten B2B-Technachrichten und Experten Einblicken.