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
Top 25 Chatbot-Fallstudien & Erfolgsgeschichten
Der globale Chatbot-Markt liegt bei rund 11.8 Milliarden US-Dollar und wächst um 23 % pro Jahr auf 27 Milliarden US-Dollar bis 2030. Die meisten Implementierungen scheitern. Die Bots, die Bestand haben, sind für eine einzige konkrete Aufgabe gebaut und erledigen diese besser, schneller oder günstiger, als es ein menschlicher Agent in großem Maßstab kann. Wir haben…
Cloud LLM vs. lokale LLMs: Beispiele & Vorteile
Cloud-LLMs, die auf fortschrittlichen Modellen wie GPT-5.5 und Claude Opus 4.7 basieren, bieten Skalierbarkeit und Zugänglichkeit. Umgekehrt gewährleisten lokale LLMs, die auf Open-Source-Modellen wie Llama 4, DeepSeek V4 und Qwen3.6-Plus basieren, stärkeren Datenschutz und Anpassbarkeit. Erkunden Sie, was Cloud-LLMs sind, Stärken und Schwächen, die häufigsten Fallstudien mit Beispielen aus der Praxis und wie sie sich…
Top 20+ Prognosen von Experten zum Verlust von Arbeitsplätzen durch KI
Als McKinsey-Berater half ich Unternehmen ein Jahrzehnt lang, neue Technologien einzuführen. Meine kurzen Antworten: Hinweis: Die Größe der Diagramme korreliert mit der Größe der Prognose zum Arbeitsplatzverlust. Die in unserer Analyse genannten Prozentsätze basieren auf Annahmen über die gesamte Arbeitsplatzverdrängung. In bestimmten Szenarien beinhalteten diese Annahmen potenzielle Arbeitsplatzgewinne durch die Einführung von KI. Um jedoch…
Top 11 KI in der Mode: Anwendungsfälle & Beispiele
Angesichts kreativer Engpässe, ineffizienter Lieferketten und steigender Verbrauchererwartungen suchen Modemarken nach intelligenteren Lösungen. McKinsey schätzt, dass generative KI die Betriebsgewinne in den Bereichen Mode, Bekleidung und Luxus bis 2028 um bis zu $275 Milliarden US-Dollar steigern könnte. Entdecken Sie die Top 11 Anwendungsfälle von KI in der Mode, um Modemarken zu helfen, Kosten zu senken,…
9 Praxisbeispiele für RBAC
Rollenbasierte Zugriffskontrolle (RBAC) ist das vorherrschende Zugriffsverwaltungsmodell in der Unternehmens-IT. 94,7 % der Unternehmen haben RBAC irgendwann einmal genutzt, und 86,6 % betrachten es auch 2026 noch als ihr wichtigstes Zugriffskontrollmodell. Doch die meisten veröffentlichten Materialien behandeln RBAC als theoretisches Rahmenwerk. Wir haben uns darauf konzentriert, was tatsächlich geschah, als echte Unternehmen es einsetzten – die konkreten…
Top 11 Multi-Faktor-Authentifizierungslösungen (MFA)
Multi-Faktor-Authentifizierung stellt sicher, dass nur autorisierte Benutzer auf Konten, vertrauliche Informationen oder Apps zugreifen können. Basierend auf Produktschwerpunkten, Funktionen und Nutzererfahrungen, die auf Bewertungsplattformen geteilt werden, sind hier die führenden MFA-Lösungen: Am besten für Unternehmen Am besten für Einzelpersonen und KMU Lösungen mit: Alle Lösungen in dieser Liste unterstützen FIDO2-Authentifizierung, einen offenen Authentifizierungsstandard, der Public-Key-Kryptografie…
Lokale KI-Agenten: Goose, Observer KI, AnythingLLM
Lokale KI-Agenten werden oft als offline, gerätegebunden oder vollständig lokal beschrieben. Wir haben drei Tage damit verbracht, das Ökosystem lokaler KI-Agenten zu kartieren, die autonom auf persönlicher Hardware laufen, ohne auf externe APIs oder Cloud-Dienste angewiesen zu sein. Unsere Analyse gliedert die führenden Lösungen in drei Schlüsselbereiche, basierend auf praxisnahen Tests über Entwickler-Agenten, Automatisierungstools und…
Top 17 AgentOps-Tools: AgentNeo, Langfuse & mehr
Berichte verorten die Agenten-Observability deutlich hinter der Agenten-Bereitstellung: rund 85 % der GenAI-Bereitstellungen laufen ohne Observability, während der Tooling-Markt jährlich um 30 % wächst und 89 % der CIOs agentenbasierte KI inzwischen als oberste Priorität einstufen. AgentOps bezeichnet Tools und Plattformen für die Bereitstellung, Überwachung und Verwaltung von KI-Agenten in Produktion. Siehe führende AgentOps-Tools, die Herausforderungen beim Betrieb…
LLM-Latenz-Benchmark nach Anwendungsfällen
Details zur Messung der Latenz finden Sie hier. Wir berichten getrennt über Reasoning- und Nicht-Reasoning-Modelle. Reasoning-Modelle verbringen mehrere Sekunden mit Nachdenken, bevor die erste sichtbare Antwort erscheint; ein direkter Vergleich ihrer Latenz mit Nicht-Reasoning-Modellen wäre daher irreführend. Einige Modelle ändern ihr Verhalten auch je nach Aufgabe: GPT-5.2 beantwortet Q&A ohne Reasoning, denkt aber bei den…
Top 30+ KI-Chip-Hersteller: NVIDIA & seine Konkurrenten
Basierend auf unserer Erfahrung mit dem AIMultiple-Cloud-GPU-Benchmark vergleichen wir Chip-Hersteller nach Produkt, Verfügbarkeit und Architektur, einschließlich Rechenzentrums-GPUs, Mobile-Chips, Edge-Beschleunigern und Foundries. Jede Zeile nennt ein repräsentatives Produkt, dessen Typ und dessen Verfügbarkeit. Die Verfügbarkeit unterscheidet Hardware, die zum Verkauf angeboten wird, Cloud-Dienste, interne Bereitstellungen und angekündigte Produkte. Datumsangaben beziehen sich auf dokumentierte Meilensteine. Künftige Liefertermine…
AIMultiple Newsletter
1 kostenlose E-Mail pro Woche mit den neuesten B2B-Technachrichten und Experten Einblicken.