Dienstleistungen
Kontaktieren
Sıla Ermut

Sıla Ermut

Branchenanalystin
77 Artikel
Bleiben Sie über B2B-Technologie auf dem Laufenden

Sıla ist Branchenanalystin bei AIMultiple und befasst sich mit KI-Modellen, KI-Infrastruktur, KI-Governance und Unternehmensanwendungen von KI.

Forschungsinteressen

Sılas Forschung konzentriert sich auf den Einsatz von KI in Marketing, Gesundheitswesen, Lieferketten und Nachhaltigkeit. Sie befasst sich außerdem mit KI-Evaluierung, Governance, Ethik und Adoption.

Ihre Arbeit umfasst die Recherche und den Vergleich von KI-Technologien, die Analyse ihrer Geschäftsanwendungen sowie die Mitarbeit an den Technologie-Benchmarks von AIMultiple.

Berufserfahrung

Sıla war zuvor als Personalvermittlerin tätig und arbeitete in Projektmanagement- und Beratungsunternehmen.

Ausbildung

Sie besitzt:
  • Bachelor of Arts in Internationalen Beziehungen von der Bilkent University.
  • Master of Science in Sozialpsychologie von der Başkent University.

Ihre Masterarbeit befasste sich mit ethischen und psychologischen Bedenken im Zusammenhang mit KI. Ihre Arbeit untersuchte die Beziehung zwischen KI-Exposition, Einstellungen gegenüber KI und existenziellen Ängsten über verschiedene Nutzungsgrade von KI hinweg.

Neueste Artikel von Sıla

KI
Einblick
17. Aug

17 Generative-KI-Anwendungsfälle im Gesundheitswesen

Gesundheitssysteme stehen vor wachsenden Datenmengen, Personalmangel und steigenden Erwartungen an eine personalisierte Versorgung. Generative KI entwickelt sich zu einer Schlüssellösung, indem sie unstrukturierte medizinische Daten wie klinische Notizen, Bildgebungsberichte und Patientenhistorien zu Erkenntnissen für Kliniker und Verwaltungspersonal synthetisiert. Erfahren Sie, wie generative KI in der Gesundheitsversorgung, der Verwaltung und im Bevölkerungsgesundheitsmanagement eingesetzt wird, zusammen mit…

KI
Einblick
17. Aug

25 KI-Anwendungsfälle im Gesundheitswesen mit Beispielen

Eine aktuelle Studie zeigt, dass gemischte Teams aus menschlichen Klinikern und KI-Systemen genauere medizinische Diagnosen stellen, vor allem weil sie tendenziell unterschiedliche und komplementäre Fehler machen, die einander korrigieren. Diese Ergebnisse weisen auf ein starkes Potenzial von KI hin, die Patientensicherheit zu erhöhen und eine gerechtere Gesundheitsversorgung zu fördern.1 Diese Studie vergleicht zwei spezialisierte klinische…

KI
Einblick
17. Aug

800+ Führende KI-Benchmarks

Wir haben eine Liste mit über 800 KI-Benchmarks für LLMs, GPUs, Cloud-GPUs, KI-Agenten, tabellarische KI und Cybersicherheit zusammengestellt, die noch nicht gesättigt sind. Beachten Sie, dass der größte Teil des Peaks von Mai bis Juni dem Zeitraum entspricht, in dem wir unsere Recherche durchgeführt haben. Benchmarks, die kontinuierlich aktualisiert werden, sind auf den Zeitpunkt datiert,…

KI
Open-World-Bewertung
14. Aug

Top 12 KI-Control-Plane-Tools für regulierte Bereitstellungen

Eine KI-Control-Plane bietet eine gemeinsame Schicht für den Betrieb von KI-Agenten und agentenbasierten Anwendungen. Wir haben die Top 12 KI-Control-Plane-Tools für Unternehmensarchitekten, Sicherheitsteams und KI-Governance-Verantwortliche verglichen, die KI-Adoption im Unternehmensmaßstab planen. Lesen Sie die Methodik, um zu sehen, wie wir diese Produkte bewertet haben. Kriterien für die Anbieterauswahl: Wir haben Anbieter aufgenommen, die zentrale…

KI
Open-World-Bewertung
12. Aug

Top 10 KI-Infrastrukturunternehmen & Anwendungen

Viele Unternehmen investieren stark in KI, doch die meisten Projekte scheitern an der Skalierung. 10-20 % der KI-Proof-of-Concept-Projekte erreichen die vollständige Bereitstellung.1 Ein Hauptgrund ist, dass bestehende Systeme nicht dafür ausgelegt sind, die Anforderungen großer Datensätze, der Echtzeitverarbeitung oder komplexer Machine-Learning-Modelle zu unterstützen. Da KI immer zentraler für die Geschäftsstrategie wird, bestimmen Infrastrukturbeschränkungen zunehmend, ob Initiativen…

KI
Einblick
11. Aug

Empfehlungssysteme: Anwendungen und Beispiele

Wir haben die Haupttypen von Empfehlungssystemen, Schlüsselkonzepte und reale Anwendungen untersucht und LightFM, Cornac BPR und TensorFlow Recommenders anhand von AUC, Precision@10 und Recall@10 bewertet. Diese Bibliotheken implementieren Algorithmen des maschinellen Lernens, um Trainingsdaten zu verarbeiten und personalisierte Empfehlungen mithilfe kollaborativer oder inhaltsbasierter Filtertechniken zu generieren. Darüber hinaus implementieren diese Bibliotheken Modelle des maschinellen Lernens,…

KI
Einblick
11. Aug

KI-Fail: 10 Ursachen & Beispiele aus der Praxis

Ob es sich um einen Unfall eines autonomen Fahrzeugs, einen verzerrten Algorithmus oder einen Ausfall eines Chatbots im Kundenservice handelt – Ausfälle von eingesetzten KI-Systemen können schwerwiegende Folgen haben und wichtige ethische und gesellschaftliche Fragen aufwerfen. Durch die Identifizierung und Behebung der zugrunde liegenden Probleme können Unternehmen die mit KI verbundenen Risiken mindern und sicherstellen,…

KI
Einblick
6. Aug

KI-Umsätze im gesamten Stack vergleichen

Der KI-Markt expandierte rasant über alle vier Schichten (Daten, Rechenleistung, Modelle und Anwendungen). Zum Beispiel stieg der Rechenzentrumsumsatz von NVIDIA von $47,5B auf $115,2B in einem einzigen Geschäftsjahr (GJ2024 bis GJ2025, endend im Januar 2024 und Januar 2025). Wir haben Umsatzdaten von über 80 KI-Unternehmen verfolgt. Erkunden Sie, wie sich die Umsätze über die Schichten…

KI
Benchmark
4. Aug

Vergleichen Sie multimodale KI-Modelle im visuellen Schlussfolgern

Wir haben 15 führende multimodale KI-Modelle im visuellen Schlussfolgern mit 200 visuellen Fragen getestet. Die Evaluierung bestand aus zwei Bereichen: 100 Fragen zum Diagrammverständnis, die Interpretation von Datenvisualisierungen testen, und 100 Fragen zur visuellen Logik, die Mustererkennung und räumliches Denken bewerten. Jede Frage wurde 5‑mal ausgeführt, um konsistente und zuverlässige Ergebnisse zu gewährleisten. Sehen…

Unternehmenssoftware
Funktionsvergleich
3. Aug

AutoSys: Hauptfunktionen und Benutzereinblicke

Das Interesse an Broadcoms AutoSys ist rückläufig (Quelle: Google Trends) und es hat eine niedrigere durchschnittliche Bewertung auf Bewertungsplattformen im Vergleich zu den meisten anderen Workload-Automatisierungstools. Dies könnte teilweise erklärt werden durch: Tauchen Sie ein in die Funktionen, Nutzerbewertungen und den Ausblick von AutoSys, um mehr zu erfahren: AutoSys wurde ursprünglich von CA Technologies entwickelt…