Kontaktieren Sie uns
Keine Ergebnisse gefunden.
Cem Dilmegani

Cem Dilmegani

Leitender Analyst
346 Artikel
Bleiben Sie über B2B-Technologie auf dem Laufenden
Cem ist seit fast zehn Jahren leitender Analyst bei AIMultiple. Seine Arbeit bei AIMultiple wurde von führenden internationalen Publikationen wie Business Insider, Forbes, Morning Brew und der Washington Post sowie von globalen Unternehmen wie HPE, NGOs wie dem Weltwirtschaftsforum und supranationalen Organisationen wie der Europäischen Kommission zitiert. [1], [2], [3], [4], [5]

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

Medien-, Konferenz- und sonstige Veranstaltungspräsentationen

Quellen

  1. Warum Microsoft, IBM und Google ihre Bemühungen im Bereich KI-Ethik verstärken , Business Insider.
  2. Microsoft investiert 1 Milliarde Dollar in OpenAI, um künstliche Intelligenz zu entwickeln, die intelligenter ist als wir , Washington Post.
  3. Stärkung der KI-Führungskräfte: KI-Toolkit für die C-Suite , Weltwirtschaftsforum.
  4. Wissenschafts-, Forschungs- und Innovationsleistung der EU , Europäische Kommission.
  5. Die EU investiert 200 Milliarden Euro in KI, wodurch Geld in Rechenzentren fließt, doch der Chipmarkt bleibt eine Herausforderung , IT Brew.
  6. Hypatos erhält 11,8 Millionen Dollar für einen Deep-Learning-Ansatz zur Dokumentenverarbeitung , TechCrunch.
  7. 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

CybersicherheitJan 28

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.

KI-AgentJan 28

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.

KI-AgentJan 28

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.

KI-AgentJan 28

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.

DatenJan 28

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.

DatenJan 27

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.

DatenJan 27

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.

UnternehmenssoftwareJan 27

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.

UnternehmenssoftwareJan 27

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.

KIJan 23

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.