Agenda

Jahrhundert-Chance: KI„Jahrhundert-Chance: KI“ ist eine interaktive Keynote, die einen kompakten Überblick über den aktuellen Stand der Künstlichen Intelligenz weltweit gibt – mit frischen Einblicken aus dem Silicon Valley, China und Europa. Anhand konkreter Beispiele werden Anwendungsmöglichkeiten von KI in Unternehmen, im Alltag sowie ihre sozialen Auswirkungen beleuchtet. Zudem zeigt die Keynote, wie KI Medizin und Gesundheit verändert und bietet persönliche Einblicke in die zugrunde liegenden Technologien – verständlich, inspirierend und praxisnah.

"Analytics is only for Managers.""AI is great, but it'll just help build dashboards."Sound familiar? These myths are surprisingly persistent — and they're worth examining closely.In this session, we take an honest look at three of the most common beliefs around analytics today. With real-world examples and live demos, we'll show you what's actually possible and where the state of the art really stands. Because when every user can make smarter micro-decisions, the impact on P&L is anything but small.

Every brand promises personalized experiences — yet most customers still receive generic content and chatbots with no memory of their last interaction. The gap isn't your AI strategy. It's the data agility and layer behind it. Join us for an interactive workshop where we move past the theory and dive into a live, interactive "Before vs. After" journey. Bring your smartphone to this hands-on personalization lab, you won't just hear about real-time activation — you'll experience it as the customer.

Was wäre, wenn die größte Hürde für Enterprise AI nicht Deine Daten, Dein Budget oder Dein Team wäre – sondern die Plattform selbst? Die Unternehmen, die heute mit AI erfolgreich sind, haben nicht die meisten Engineers. Es sind die, die die Reibung zwischen ihren Daten und ihrer Intelligenz beseitigt haben. In dieser Session durchbrechen wir den Lärm rund um den AI-Hype und zeigen Dir, wie Enterprise AI aussieht, wenn sie wirklich funktioniert. Wir demonstrieren, wie jedes Team – von Business Analysten bis zu Data Engineers – AI-Anwendungen direkt auf ihren Daten entwickeln, deployen und steuern kann, ohne Daten zu bewegen, ohne unnötige Komplexität und ohne Kompromisse. Was Du erleben wirst: 1) Von der Frage zur Aktion: Wie natürliche Sprache komplexe Abfragen ersetzt – und wie AI nicht nur Antworten liefert, sondern proaktiv die wirklich relevanten Insights aufzeigt. 2) Entwicklung in AI-Geschwindigkeit: Wie moderne Datenteams in Minuten statt Monaten von der Idee zur funktionierenden AI-Anwendung gelangen. 3) Governance ohne Overhead: Warum Enterprise AI nur dann skalierbar ist, wenn Sicherheit, Vertrauen und Kostenkontrolle von Anfang an integriert sind – und nicht erst nachträglich ergänzt werden. Für wen ist die Session geeignet? Egal, ob Du als Data Leader Deine AI-Strategie gestaltest, als Engineer schneller vorankommen möchtest oder als Business Stakeholder es leid bist, Tage auf Insights zu warten – diese Session zeigt Dir, dass Enterprise AI nicht kompliziert sein muss.

KI-Systeme sind nur so gut wie die Informationen, auf deren Basis sie Entscheidungen treffen. Mit dpa-iq bauen wir eine Retrieval-Infrastruktur auf AWS und Databricks, die verifizierte Informationen & Content in Echtzeit an LLM-basierte Agenten liefert - für interne Produktteams und externe Kunden gleichermaßen. Ein Blick hinter die Kulissen: Herausforderungen, Architektur und Umsetzung einer Plattform, die als Grounding-Backbone für agentische Workflows & Produkte dient.

What happens when you combine a massive Google Cloud transformation with a simultaneous S/4 HANA migration? You get a masterclass in complexity—and a lot of lessons learned the hard way. We’re pulling back the curtain on our journey, moving beyond the slides to discuss the pitfalls of dual transformations and the "scars" we earned along the way. We focus specifically on the technical integration and strategic data usage that bridge these two worlds. From the failures that stalled us to the high-impact use cases that saved us, this is a story of heartbreak, hard work, and—eventually—a data-driven transformation that actually works.

In diesem Vortrag geben wir Einblicke in die Datenreise bei SPAR und zeigen, wie wir datengetriebenes Arbeiten im Unternehmen neu denken. Dabei beleuchten wir, wie aus isolierten Datenquellen eine vernetzte Datenlandschaft entsteht, welche organisatorischen und technologischen Veränderungen dafür notwendig waren. Anhand konkreter Beispiele zeigen wir, wie aus Daten echter Mehrwert entsteht, und welche Learnings wir auf diesem Weg mitgenommen haben.

Unternehmen investieren in Daten, KI und digitale Tools – doch die Wirkung hängt von einer tatsächlichen Verhaltensänderung bei den Mitarbeitenden ab. In diesem Beitrag erläutert Julia Pogorzelski, User Adoption Expert bei WACKER, was Benutzerakzeptanz wirklich bedeutet – nicht nur die Einführung von Tools, sondern eine menschenzentrierte Förderung von Bewusstsein, Fähigkeiten und nachhaltiger Nutzung. Sie erfahren, wie Sie den Erfolg messen, KPIs an den Akzeptanzergebnissen ausrichten und Ängste und psychologische Biases angehen können, die die digitale Akzeptanz behindern. Anhand realer Fälle, wie der Einführung von MS Copilot, erleben Sie, wie die Prinzipien von User Adoption zielgerichtet eingesetzt werden und dadurch Kompetenz, Transformation und Kultur gefördert werden.

Viele Debatten über KI-Transformation drehen sich um Technologie: die besten Modelle, die besten Tools, die beste Datengrundlage. Doch der entscheidende Hebel für echten Mehrwert liegt auf der anderen Seite des Bildschirms: bei den Menschen.Aus der Vogelperspektive sprechen wir darüber, wie sich Organisationen durch KI verändern, warum „besser als heute“ wichtiger sein kann als „perfekt“, und welche Rolle Menschen künftig einnehmen, damit KI nicht nur eingesetzt, sondern wirksam wird.Wir zeichnen ein Bild der KI fähigen Organisation von morgen: wie die Technologie Geschwindigkeit, Qualität und Entscheidungslogiken verschiebt—und wo ihre Grenzen liegen.Darauf aufbauend zeigen wir ein pragmatisches Muster, das in vielen Unternehmen funktioniert: breit starten, um Zugang, Ideen und Adoption zu maximieren, und anschließend fokussieren, um tiefe Wertschöpfung zu realisieren. Daraus folgen Antworten darauf, wann „KI als Tool für viele“ sinnvoll ist und ab wann der Übergang zu robusten, maßgeschneiderten Lösungen den größeren Hebel bietet.Zum Abschluss rücken wir den Menschen als Gamechanger in den Fokus. In den Zeiten von “Slop” an allen Ecken und Enden, bleiben wir selbst der Differenzierungsfaktor, der uns vom (durch KI angehobenen) Mittelmaß des Marktes abhebt.

Every company can rent an AI model, but only those who own their context will dominate the market. The hurdle to AI success isn't a lack of data—we're all drowning in it! It's a context problem: when agents and apps lack a unified data foundation, the result is disjointed experiences, costly mistakes, and hallucinations. In this session, you'll discover how to move from data chaos to operational confidence by engineering a foundation where data is seamlessly integrated via Informatica, unified with Data 360, and visualized through Tableau.Masterclass Session 1 — Informatica
Title: Unlock Trusted Context with Salesforce and Informatica
Abstract: Join us to discover how Salesforce and Informatica will help transform all your fragmented data and systems into a powerful engine that delivers trusted context to every corner of your enterprise.
Speaker: Dominic WalterMasterclass Session 2 — Data 360
Title: Activate Trusted Context Everywhere with Data 360
Abstract: Discover how Data 360 activates trusted data and context from any data source, empowering your teams, AI, and systems to deliver personalized experiences that drive measurable business growth.
Speaker: Ahmed KeshkMasterclass Session 3 — Analytics
Title: Activate Conversational Analytics with Tableau Next
Abstract: Step into the era of the Agentic Enterprise. Explore how Agentforce Tableau unlocks conversational analytics, empowering you to ask questions and get instant, accurate, contextual insights.
Speaker: Manuel Parfant 

KI rennt uns allen davon, doch wir frickeln noch an den Daten rum. Claudia Pohlink gibt Antworten aus dem Maschinenraum: dort, wo Datenqualität, Governance und operative Realität darüber entscheiden, ob KI-Projekte skalieren oder scheitern. Sie zeigt, wie ein klassisches Logistikunternehmen den Weg von der Datenstrategie zur messbaren KI-Wertschöpfung geht – mit all seinen Umwegen, Rückschlägen und echten Erfolgen. Kein Hochglanz, kein Buzzword-Bingo. Sondern Klartext und der Anti-Hype.

Achieving a precise understanding of marketing impact often means moving beyond the limitations of standardized platforms. In this session, I will share how we designed and deployed a full-scale internal attribution framework at Mytheresa. I’ll walk through our approach to connecting scattered data sources, the engineering behind our unified tracking layer, and why we prioritized full ownership of our data and processes. We’ll look at the technical architecture and the practical steps we took to build a centralized system for a complete view of the customer journey.

Wie bei vielen Unternehmen im kleineren Mittelstand war die Datenwelt bei Rameder bis Herbst 2024 eine heterogene Insellandschaft. SAP im Zentrum, mehrere Cloud-Services wie Google Analytics rund herum und einzelne - von verschiedenen Bereichen aufgebaute - Datenbanken dazwischen. Um systemübergreifende Analysen in hoher Qualität zu ermöglichen, wurde Ende 2024 die Entscheidung für eine Greenfield-Datenplattform in der Google Cloud getroffen. Der Vortrag zeigt die Plattformarchitektur und den Ansatz, wie alle Datenquellen an die neue Datenplattform angebunden werden konnten. Die größte Herausforderung war dabei die Integration von SAP BW. Zusätzlich enthielt es die meiste zu migrierende Geschäftslogik. Daher schauen wir uns dort die Details an, inkl. erstem fehlgeschlagenen Pilotprojekt und der erfolgreichen zweiten Lösung.

Self Service Analytics verspricht Geschwindigkeit und Freiheit, doch führt bei wachsendem Erfolg schnell zu Unübersichtlichkeit. Auch bei Karl Storz sorgen viele Tools und immer mehr Dashboards dafür, dass Orientierung und Vertrauen leiden. Wir zeigen unseren aktuellen Lösungsansatz: den Schritt von einzelnen Dashboards hin zu klar definierten und zertifizierten Analytics Products.

KI-Souveränität bedeutet nicht, alles selbst zu entwickeln – sondern die richtigen Entscheidungen an den richtigen Stellen zu treffen. In dieser Session zeigen wir, wie Unternehmen pragmatisch zwischen Eigenentwicklung, Zukauf und Kooperation abwägen können, um handlungsfähig zu bleiben, Abhängigkeiten bewusst zu steuern und gleichzeitig Geschwindigkeit aufzunehmen.Gemeinsam ordnen wir ein, was Unternehmen zwingend selbst beherrschen müssen (Strategie, Datenverständnis, internes Know-how und Governance), welche KI-Bausteine sich sinnvoll einkaufen lassen – und welche Risiken dabei typischerweise unterschätzt werden (Lock-in, Kosten, operative Komplexität). Abschließend beleuchten wir, wann Kooperationen (Partner-Ökosysteme, Open Source, Co-Development) der klügere Weg sind und woran man Partner erkennt, die Souveränität stärken statt neue Abhängigkeiten zu schaffen.Am Ende nehmen Sie eine klare Orientierung mit: Welche Fähigkeiten intern aufgebaut werden sollten, welche Abhängigkeiten akzeptabel sind – und wie KI-Souveränität als bewusstes „Build–Buy–Cooperate“-Modell in der Praxis funktioniert. Ideal für Entscheider:innen, Daten- und Plattformverantwortliche sowie alle, die KI strategisch sicher und zugleich umsetzungsnah verankern wollen.

Im Dialog mit Ihnen und Controlware Service-Entwickler*innen. Die Integration von Künstlicher Intelligenz in Organisationen ist kein rein technisches Projekt – sie ist ein tiefgreifender Veränderungsprozess, der Menschen, Strukturen und Kulturen gleichermaßen berührt. Welche Hürden begegnen uns? In der Praxis zeigen sich vielfältige Hindernisse: fehlende souveräne digitale Infrastruktur, unklare Datenschutzvorgaben, mangelndes Vertrauen in KI-gestützte Entscheidungen sowie Unsicherheiten bei Mitarbeitenden über Rollenveränderungen und Jobsicherheit. Häufig fehlt auch eine klare Strategie, die technische Möglichkeiten mit konkreten Mehrwerten verbindet. Welche Perspektiven müssen wir einbeziehen? Eine erfolgreiche Einführung erfordert den Blick aus verschiedenen Richtungen: die Führungsperspektive mit strategischer Verantwortung, die Mitarbeitendenperspektive mit Fokus auf Akzeptanz und Qualifizierung, die ethische Perspektive hinsichtlich Fairness und Transparenz sowie die Kundenperspektive, die Vertrauen und Nutzen in den Mittelpunkt stellt. Dieser Erfahrungsaustausch bietet Raum, offen über Herausforderungen zu sprechen, voneinander zu lernen und gemeinsam realistische Wege zu entwickeln – jenseits von Hype und Skepsis. Denn gelungene KI-Nutzung entsteht nicht durch Technologie allein, sondern durch Menschen, die sie bewusst und verantwortungsvoll gestalten.