Sena Sezer
Forschungsschwerpunkte
Die Forschung von Sena konzentriert sich auf neue KI-Architekturen und KI-Infrastrukturen für Unternehmen, insbesondere in den folgenden Bereichen:
Agentische Webarchitekturen
KI-Speichersysteme
MCP
Chatbots und ChatGPT
Multi-Faktor-Authentifizierung (MFA)
Ihre Arbeit untersucht, wie autonome KI-Agenten mit Webumgebungen interagieren, wie Speicherschichten das kontextbezogene Denken verbessern und wie KI-Systeme sicher in Unternehmensumgebungen eingesetzt und gesteuert werden können. Ihr besonderes Interesse gilt dem Schnittpunkt von KI-Orchestrierung, Systemsteuerung und Sicherheitsframeworks.
Sena ist Teil des AIMultiple-Benchmark-Teams. Sie arbeitet mit dem AIMultiple-Technikteam zusammen, um einen MFT- und IGA-Benchmark zu entwickeln, der führende MFT-Softwareanbieter umfasst.Berufserfahrung
Sena verfügt über mehr als drei Jahre Erfahrung im technischen Marketing im E-Commerce. Ihre Schwerpunkte lagen dabei auf SEO-Strategie, Produktpositionierung und datengetriebener Content-Optimierung. Sie hat praktische Erfahrung in der Verbesserung von Suchmaschinenplatzierungen, der Optimierung der Website-Performance und der Abstimmung technischer Produktspezifikationen auf die Kundenerwartungen.
Neben ihrem Marketinghintergrund verfügt sie über Erfahrung in der Softwareentwicklung und im Webdesign und verbindet technisches Know-how mit nutzerzentriertem Denken. Dank ihrer interdisziplinären Erfahrung kann sie technische Analysen effektiv mit den Auswirkungen auf das Geschäft verknüpfen.
Ausbildung
Neueste Artikel von Sena
Die 6 besten Datenerfassungsmethoden für KI und maschinelles Lernen
Während einige Unternehmen auf KI-Datenerfassungsdienste setzen, sammeln andere ihre Daten mithilfe von Web-Scraping-Tools oder anderen Methoden. Hier sind die 6 wichtigsten KI-Datenerfassungsmethoden und -techniken für präzise Daten in Ihren KI-Projekten: Überblick über KI-Datenerfassungsmethoden: 1.
10 SOAR-Anwendungsfälle mit realen Workflow-Beispielen
Generische SOAR-Anwendungsfälle bewähren sich in der Praxis selten; die richtige Automatisierung hängt vollständig von Ihrer Umgebung, dem Alarmaufkommen und der Struktur Ihres SOC ab. Die folgenden Anwendungsfälle sind auf spezifische Szenarien zugeschnitten und enthalten detaillierte Workflow-Beschreibungen. Die Workflows spiegeln das traditionelle SOAR-Modell wider; viele dieser Fälle werden auch auf agentenbasierten Plattformen ausgeführt.
Automatisierte Datenerfassungstools und Anwendungsfälle im Jahr
Die automatisierte Datenerfassung nutzt Systeme, um Informationen effizient zu sammeln, zu verarbeiten und zu analysieren. Da automatisierte Daten aus verschiedenen Quellen in unterschiedlichen Formaten stammen, ist das Verständnis der verschiedenen Datentypen und ihrer Herkunft für eine effektive Implementierung unerlässlich. Was ist automatisierte Datenerfassung? Die automatisierte Datenerfassung nutzt Software-Skripte, Bots, APIs oder spezielle Plattformen, um Daten zu sammeln, zu organisieren und zu analysieren.
Die 6 besten Open-Source-Loganalyse-Tools: Wazuh, Graylog & mehr im Jahr
Als CISO in einer stark regulierten Branche mit rund 20 Jahren Erfahrung im Bereich Cybersicherheit habe ich mit verschiedenen SIEM-ähnlichen Log-Analyse-Plattformen gearbeitet. Aus diesen habe ich die sechs besten Open-Source-Log-Analyse-Tools ausgewählt. Bei der Bewertung dieser Tools habe ich mich auf Schlüsselfaktoren wie Flexibilität bei der Log-Erfassung, Echtzeit-Ereigniserkennung, Skalierbarkeit und Unterstützung für konzentriert.
Die 13 wichtigsten Anwendungsfälle von generativer KI im Bildungsbereich
Laut dem OECD-Bericht „Digital Education Outlook“ geben 57 % der Lehrkräfte der Sekundarstufe I an, dass KI ihnen bei der Erstellung oder Verbesserung von Unterrichtsplänen hilft. Generative KI-Technologien können, wenn sie mit einem klaren pädagogischen Ziel eingesetzt werden, das Lernen verbessern und Kompetenzen wie kritisches Denken, Kreativität und Teamfähigkeit fördern. Entdecken Sie die 13 wichtigsten Anwendungsfälle und erfahren Sie, wie generative KI helfen kann.
Die 6 besten Open-Source-Tools zur Ermittlung sensibler Daten
Die folgenden Tools wurden anhand ihrer GitHub-Aktivität ausgewählt und nach der Anzahl ihrer GitHub-Sterne in absteigender Reihenfolge sortiert. Sie decken die wichtigsten Anwendungsfälle für die Ermittlung sensibler Daten ab: Metadatenkatalogisierung mit Herkunftsnachweis, agentenloses Scannen und API-basierte Erkennung von personenbezogenen Daten (PII), PCI-Daten und ruhenden Anmeldeinformationen. Weiterlesen: Tools zur Ermittlung und Klassifizierung sensibler Daten, DLP-Software.
Top 10+ Tools zur Netzwerküberwachung
Netzwerk-Observability verschafft Unternehmen Einblick in die Netzwerkleistung und ermöglicht so eine schnellere Identifizierung und Behebung von Infrastrukturproblemen. Tools dieser Kategorie nutzen zunehmend KI, um die Anomalieerkennung im gesamten Datenverkehr und Gerätezustand zu automatisieren. Die 8 besten Tools für Netzwerk-Observability * Die Bewertungen basieren auf Capterra und G2.
Top 5 IBM Watsonx-Konkurrenten
Unternehmen nutzen dialogbasierte KI, um Kundenanfragen in großem Umfang zu bearbeiten und Wartezeiten zu verkürzen. Der Watsonx Assistant von IBM zählt zwar zu den etablierteren Lösungen in diesem Bereich, ist aber nicht immer die optimale Lösung für jedes Team. Faktoren wie Unternehmensgröße, Budgetbeschränkungen und technische Ressourcen können die Entscheidung beeinflussen.
Die 5 besten Open-Source-SOAR-Tools
Ich habe fast zwei Jahrzehnte als CISO in stark regulierten Branchen gearbeitet und dabei mehr SOAR-Tools getestet, implementiert und wieder verworfen, als mir lieb ist. Die meisten Open-Source-Lösungen sehen in der Dokumentation vielversprechend aus, versagen aber im Produktivbetrieb.
Codeausführung mit MCP: Ein neuer Ansatz zur Steigerung der Effizienz von KI-Agenten
Anthropic stellte eine Methode vor, mit der KI-Agenten mit MCP-Servern (Model Context Protocol) interagieren, indem sie ausführbaren Code schreiben, anstatt Tools direkt aufzurufen. Der Agent behandelt Tools wie Dateien auf einem Computer, findet die benötigten Informationen und verwendet sie direkt im Code, sodass keine Zwischenspeicherdaten durch den Speicher des Modells geleitet werden müssen.
AIMultiple Newsletter
1 kostenlose E-Mail pro Woche mit den neuesten B2B-Technachrichten und Experten Einblicken.