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 10 besten Open-Source-Tools für Mikrosegmentierung im Jahr 2026
Die traditionelle Netzwerksegmentierung ist für Microservices ungeeignet. IP-Adressen und Ports bieten keinen Schutz für die API-Kommunikation, wenn Dienste dynamisch in Containern gestartet und beendet werden. Große Unternehmen mit Microservice-Architekturen benötigen daher einen anderen Ansatz: eine identitätsbasierte Segmentierung, die Dienste unabhängig von ihrem Ausführungsort verfolgt.
Agentische KI für Cybersicherheit: Anwendungsfälle und Beispiele
Agentische KI bezeichnet KI-Systeme, die Modelle wie große Sprachmodelle (LLMs) mit automatisierten Arbeitsabläufen, Tool-Integration und Entscheidungsunterstützung kombinieren. Diese Systeme unterstützen Sicherheitsteams in den Bereichen SecOps und AppSec durch die Analyse von Warnmeldungen, die Automatisierung von Routineaufgaben und die Unterstützung von Ermittlungsarbeiten. Agentische KI-Tools arbeiten in der Regel unter menschlicher Aufsicht. Sie agieren nicht vollständig autonom.
Lokale KI-Agenten: Goose, Observer AI, AnythingLLM
Lokale KI-Agenten werden oft als offline, gerätespezifisch oder vollständig lokal beschrieben. Wir haben drei Tage damit verbracht, das Ökosystem lokaler KI-Agenten zu erfassen, die autonom auf persönlicher Hardware laufen, ohne auf externe APIs oder Cloud-Dienste angewiesen zu sein.
Die 7 besten KI-Testagenten für die Qualitätssicherung
Wir evaluierten KI-Testplattformen mit integrierten KI-Agenten; die meisten entpuppten sich als überbewertete Selenium/Playwright-Lösungen mit entsprechendem Marketing. Einige wenige ermöglichten das Schreiben und Pflegen von Testfällen oder visuelle Tests, wobei auch diese Tools noch deutliche Einschränkungen aufweisen. Aus diesen wählten wir sieben Plattformen aus und kategorisierten sie nach ihren Hauptanwendungsbereichen.
57 Datensätze für ML- und KI-Modelle
Daten werden benötigt, um generative KI- oder dialogbasierte KI-Lösungen zu nutzen oder zu entwickeln. Sie können auf vorhandene, am Markt verfügbare Datensätze zurückgreifen oder einen Datenerfassungsdienst beauftragen. Wir haben 57 Datensätze identifiziert, die sich zum Trainieren und Evaluieren von Modellen des maschinellen Lernens und der KI eignen. Datensätze für große Sprachmodelle (LLMs) und agentenbasierte KI: Diese Kategorie umfasst Datensätze und Benchmarks, die für das Training und die Evaluierung von KI-Modellen entwickelt wurden.
Benchmark für ethische und konforme Webdaten
Mit der Skalierung der Webdatenprozesse von Unternehmen bewerten Compliance-, Daten- und Risikomanagementverantwortliche zunehmend die damit verbundenen ethischen, reputationsbezogenen und rechtlichen Risiken. Wir haben fünf führende Webdatenerfassungsdienste anhand von drei Kriterien verglichen und jeden Dienst mit über 20 potenziell unethischen Szenarien getestet.
Die besten No-Code-ML-Plattformen: ChatGPT-Alternativen
Wir haben vier No-Code-Plattformen für maschinelles Lernen anhand wichtiger Kriterien verglichen: Datenverarbeitung (Umgang mit fehlenden Werten und Ausreißern), Modellkonfiguration und Benutzerfreundlichkeit, Genauigkeit der Ausgabemetriken, Verfügbarkeit von Visualisierungen sowie alle während der Tests festgestellten Einschränkungen oder Anmerkungen. Hinweis zum Benchmark von No-Code-Tools für maschinelles Lernen: Die Ergebnisse stellen die durchschnittliche Leistung von kNN und logistischer Regression dar, sofern zutreffend.
20 Anwendungen/Anwendungsfälle für digitale Zwillinge nach Branchen
Da immer mehr Branchen die Virtualisierung vorantreiben, gewinnen digitale Zwillinge zunehmend an Bedeutung. Der globale Markt für digitale Zwillinge wird bis 2027 voraussichtlich 74 Milliarden US-Dollar erreichen, und die Verbreitung von IoT-Technologien beschleunigt dieses Wachstum.
Die über 100 besten RPA-Anwendungsfälle mit Beispielen aus der Praxis
RPA kann wiederkehrende Aufgaben im Front- und Backoffice automatisieren. Ein anwendungsfallorientierter Ansatz ist entscheidend, um den Wert von Technologieinvestitionen zu optimieren. Wir stellen 103 Anwendungsfälle und Beispiele aus der Praxis für die robotergestützte Prozessautomatisierung (RPA) vor, die deren Einsatz zur Automatisierung wiederkehrender Aufgaben in verschiedenen geschäftlichen, branchenspezifischen und persönlichen Kontexten veranschaulichen.
Benchmark für Beleg-OCR mit LLMs
Die Datenextraktion aus Belegen ist für Unternehmen unerlässlich, da Millionen von Angestellten ihre berufsbedingten Ausgaben per Beleg einreichen. Dank der jüngsten Entwicklungen im Bereich der generativen KI und großer Sprachmodelle hat die Genauigkeit der Datenextraktion ein Niveau erreicht, das mit dem des Menschen vergleichbar ist. Wir haben die Genauigkeit der Datenextraktion von Sprachmodellen anhand von Belegbildern niedriger und hoher Qualität mithilfe von evaluiert.
AIMultiple Newsletter
1 kostenlose E-Mail pro Woche mit den neuesten B2B-Technachrichten und Experten Einblicken.