Die Einführung von ChatGPT im November 2022 markiert ein bemerkenswertes Comeback der hausbackenen Kommandozeile. Denn die Geschichte der Mensch-Computer-Interaktion kennt bisher zwei wichtige Entwicklungssprünge: In den 1940er Jahren bedient man Computer wie den ENIAC ausschließlich mittels Stapelverarbeitung; ab den 1960er Jahren erfordert der gleichzeitige Zugriff mehrerer Benutzer, wie beim CTSS des MIT, neue Lösungen. Die Kommandozeile ist geboren und avanciert rasch zum neuen Standard der Mensch-Maschine-Kommunikation. Drei Jahrzehnte später finden deren Prinzipien auch Einzug in die grafische Benutzeroberfläche des Apple Macintosh – ändern aber keineswegs das Paradigma! Deshalb haben wir uns über 60 Jahre an diese Art der Computernutzung gewöhnt, und der Paradigmenwechsel durch ChatGPT mit seiner „intelligenten“ Kommandozeile trifft uns aus heiterem Himmel. Deren Fähigkeiten hinterfragen jahrzehntelang erlernte und milliardenfach geschulte Fähigkeiten für die effiziente Computernutzung. Die genauere Betrachtung zeigt, dass diese Veränderung überraschend grundsätzliche Fragen aufwirft, für die wir noch keine Antworten haben.

Datenmanagement für KI ist ein entscheidender Aspekt für die Entwicklung und den Betrieb von KI-Systemen, da es die Integrität, Sicherheit und Benutzbarkeit der Daten sicherstellt. Dies trägt maßgeblich zur Effektivität und Zuverlässigkeit von KI-Technologien bei. KI für Datenmanagement verbessert darüber hinaus die Leistungsfähigkeit von Datenmanagementsystemen, indem sie diese effizienter, sicherer und anpassungsfähiger an die ständig wachsende und sich entwickelnde Datenlandschaft gestaltet.
In diesem Vortrag werden die neuesten Innovationen in der Informatica Intelligent Data Management Cloud (IDMC) präsentiert, die wichtige Geschäftsinitiativen wie Customer Experience und ERP-Modernisierung unter Einhaltung von regulatorischen Vorgaben wie den EU AI Act unterstützen.

Generative AI (GenAI) enables automation and innovation across industries. This talk shows a simple but powerful architecture and live demo for the combination of Python, and LangChain with OpenAI LLM, Apache Kafka for event streaming and data integration, and Apache Flink for stream processing. The use case shows how data streaming and GenAI help to correlate data from Salesforce CRM, searching for lead information in public datasets like Google and LinkedIn, and recommending ice-breaker conversations for sales reps.

In dem kompakten Vortrag beleuchtet Dr. Rembor effektive Strategien zur Optimierung der Datenaufbereitung für die Entwicklung von KI-Systemen. Er fokussiert sich auf die Bereinigung von Datenbeständen (Clean Data), die Reduktion auf essenzielle Datenmengen (Lean Data) und die Anwendung von retrieval-augmentierter Generierung (RAG), um die Effizienz und Effektivität von KI-Anwendungen zu steigern. Ziel ist es aufzuzeigen, wie Unternehmen ihre Datenverarbeitungsprozesse optimieren und so die Umsetzung von KI-Projekten beschleunigen können.

Datenkataloge werden inzwischen als ein unverzichtbares Teil im Puzzle eines effizienten Datenmanagements angesehen. Sie versprechen als eine Art Google für die Unternehmensdaten, zentral das wertvolle Wissen der Experten über die Daten zu sammeln und mit den technischen Metadaten zusammenzuführen. All das mit der Zielsetzung, den Zugang zu den Daten zu vereinfachen und somit den maximalen Nutzen daraus ziehen zu können.

Einem initialen Hype bei der Einführung folgt oft die Ernüchterung, dass die Nutzung des Katalogs zurückgeht und sich somit der erhoffte Nutzen für das Unternehmen nicht einstellt. Dies frühzeitig zu erkennen und geeignete Maßnahmen zur Gegensteuerung einzuleiten, ist eine wichtige Aufgabe, um den Datenkatalog erfolgreich bei der Unterstützung des datengetriebenen Arbeitens zu etablieren.

In diesem Vortrag erfahren Sie, wie man über die Messung, das Monitoring und die Analyse der Nutzung des Datenkatalogs Lücken erkennt – und lernen ein Vorgehensmodell kennen, um diese zu schließen und somit über die Attraktivität des Datenkatalogs den erhofften Nutzen für das Unternehmen zu realisieren.

Künstliche Intelligenz hat in kürzester Zeit viele Bereiche unseres Lebens im Sturm erobert - von der Automatisierung in Prozessen bis zur Hausübung bei Schülern. Auch wenn es naheliegend ist, diese Werkzeuge in der Datenanalyse einzusetzen, gibt es dabei doch viele Herausforderungen und auch so manche Risiken. MicroStrategy hat als einer der ersten Anbieter im Analytics-Bereich generative KI in seine Produkten integriert. 

Erfahren sie in diesem Vortrag, wie dadurch nicht nur Ihre Ergebnisse verbessert, sondern vor allem auch die damit verbundenen Aufwände drastisch reduziert werden können.

Künstliche Intelligenz ist ein Gamechanger für Wirtschaft und Gesellschaft. Neben den technologischen und wirtschaftlichen Herausforderungen werden Unternehmen mit komplexen rechtlichen Regelungen wie dem EU AI Act, der KI-Haftungsrichtline oder dem EU Data Act und ethischen Anforderungen konfrontiert.
Die Antwort auf diese Herausforderungen ist eine unternehmensindividuelle KI-Governance. Als Framework vereint sie zielorientiert Richtlinien, Prozesse und Tools, um den gesamten KI-Lebenszyklus zu steuern.

Lernen Sie die zentralen Inhalte einer guten KI-Governance kennen:
- Wie ist das Zusammenspiel von IT-Governance, Data Governance und 
   KI-Governance? 
- Wie sehen die konkreten Schritte zu einer KI-Governance aus?
- Welche Empfehlungen und Best-Practices existieren?