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
GPU-Marktplatz: Shadeform vs. Prime Intellect vs. Node AI im Jahr 2026
Verfügbare GPU-Kapazität zu vernünftigen Preisen zu finden, ist für KI-Teams zu einer entscheidenden Herausforderung geworden. Große Cloud-Anbieter wie AWS und Cloud bieten zwar GPU-Instanzen an, diese sind jedoch oft ausgelastet oder teuer. GPU-Marktplatz-Aggregatoren haben sich als Alternative etabliert und verbinden Nutzer über eine einzige Schnittstelle mit Dutzenden von Anbietern.
Vergleichsmessung der Rechnungs-OCR: Extraktionsgenauigkeit von LLMs im Vergleich zu OCRs
Die Rechnungsverarbeitung ist ein wichtiger, aber arbeitsintensiver Geschäftsprozess, der traditionell die manuelle Datenerfassung und -eingabe in Buchhaltungssysteme erfordert. Dieser manuelle Ansatz ist zeitaufwändig und fehleranfällig.
KI-Agenten: Bediener vs. Browsernutzung vs. Project Mariner
KI-Systeme werden zunehmend als vollwertige digitale Mitarbeiter vermarktet, doch ihre tatsächliche Leistung kann je nach Aufgabe, Tools und Einsatzumgebung stark variieren. Um zu verstehen, was diese Systeme heute wirklich leisten können, haben wir praxisnahe Benchmarks in verschiedenen Geschäftsszenarien durchgeführt.
Blockchain Fallstudien in wichtigen Branchen
Eine aktuelle Prognose geht davon aus, dass der Blockchain-Markt bis 2032 ein Volumen von 943 Milliarden US-Dollar erreichen und mit einer durchschnittlichen jährlichen Wachstumsrate (CAGR) von 56 % wachsen wird. Trotz des enormen Potenzials stehen Führungskräfte aufgrund des unterschiedlichen Reifegrads von Blockchain-Lösungen in den verschiedenen Branchen vor Unsicherheiten. Die 16 besten Fallstudien aus der Praxis helfen Führungskräften, ausgereifte und wirkungsvolle Investitionsmöglichkeiten zu identifizieren.
Spracherkennungs-Vergleichstest: Deepgram vs. Whisper
Wir haben die führenden Anbieter von Spracherkennungssystemen (STT) verglichen, insbesondere im Hinblick auf Anwendungen im Gesundheitswesen. Unser Vergleich nutzte reale Beispiele, um die Transkriptionsgenauigkeit in medizinischen Kontexten zu bewerten, wo Präzision entscheidend ist. Ergebnisse des Spracherkennungs-Benchmarks: Basierend auf der Wortfehlerrate (WER) und der Zeichenfehlerrate (CER) weist GPT-4o-transcribe die höchste Transkriptionsgenauigkeit aller evaluierten Spracherkennungssysteme auf.
LLM-Latenz-Benchmark nach Anwendungsfällen im Jahr 2026
Die Effektivität großer Sprachmodelle (LLMs) hängt nicht nur von ihrer Genauigkeit und ihren Fähigkeiten ab, sondern auch von ihrer Reaktionsgeschwindigkeit auf Nutzereingaben. Wir haben die Leistung führender Sprachmodelle in verschiedenen Anwendungsfällen verglichen und ihre Reaktionszeiten auf Nutzereingaben gemessen.
Verzerrungen in der KI: Beispiele und 6 Lösungsansätze bis 2026
Das Interesse an KI wächst, da Unternehmen ihre Vorteile in verschiedenen Anwendungsfällen erkennen. Es gibt jedoch berechtigte Bedenken hinsichtlich der KI-Technologie: KI-Verzerrungs-Benchmark. Um mögliche Verzerrungen durch das Frageformat zu untersuchen, testeten wir dieselben Fragen sowohl in offenen als auch in Multiple-Choice-Form.
Vergleichstest zur Handschrifterkennung: LLMs vs. OCRs
OCR-Tools erreichen bei getipptem Text in hochauflösenden Bildern eine Genauigkeit von über 99 %. Handschrift bleibt jedoch aufgrund von Abweichungen in Stil, Abständen und Unregelmäßigkeiten eine Herausforderung. Um ein Überanpassen zu vermeiden, stellen wir einen Benchmark für Schreibschrift mit 100 von unserem Team erstellten Handschriftproben vor. Ergebnisse des Schreibschrift-Benchmarks: In diesem Benchmark wurden GPT-5, Gemini 3 Pro Preview und olmOCR-2-7B-1025-FP8 verwendet.
Quantencomputer-Unternehmen des Jahres 2026
Quantencomputing, das vielfältige Anwendungen in Optimierung, Forschung und Kryptographie findet, wird von folgenden Organisationen vorangetrieben: Quantenhardware ist eine aufstrebende Computertechnologie, die auf komplexer Hardware basiert. Wie schon in den Anfängen des Personal Computing gibt es Unternehmen, die sich auf Hardware, Software und Komplettlösungen spezialisiert haben.
Die 15 führenden Hersteller von Edge-KI-Chips mit Anwendungsfällen im Jahr 2026
Die Nachfrage nach latenzarmer Verarbeitung hat Innovationen bei Edge-KI-Chips vorangetrieben. Diese Prozessoren sind darauf ausgelegt, KI-Berechnungen lokal auf Geräten durchzuführen, anstatt auf Cloud-basierte Lösungen zurückzugreifen. Basierend auf unserer Erfahrung in der Analyse von KI-Chip-Herstellern haben wir die führenden Lösungen für Robotik, industrielles IoT, Computer Vision und eingebettete Systeme identifiziert.
AIMultiple Newsletter
1 kostenlose E-Mail pro Woche mit den neuesten B2B-Technachrichten und Experten Einblicken.