Agenda

The users of a modern data & AI platform can be very different with their individual needs in terms of development productivity, performance, user-friendliness and, of course, the use of the latest ML & AI technologies. In this talk, we will take a closer look at three user types: DATA PRODUCT BUILDER - as a technologist, is interested in quickly converting technical requirements into intuitively usable data products. Access to all relevant data, high-performance pipelines, data quality and professional presentation/management of data products are important success factors here. CITIZEN DATA SCIENTIST - as a business user, prefers to analyze specific questions "at the speed of thought" and appreciates the ease of use of data products and ML/AI functions. ML AND APPLICATION ENGINEER - helps to put an AI experiment/MVP into production, e.g. in the form of an intelligent, scalable app. The focus here is on the ability to use suitable software/frameworks (on a container basis), apply MLOps practices and operate the entire solution securely. How well does the Snowflake perspective fit your company's data strategy? The Snowflake team on site is looking forward to numerous and lively discussions after this talk!

Wirklich vollständige Data Vault Automatisierung bedeutet, dass kein Data Vault Know How mehr benötigt wird. Mit dieser Vision haben Reinhard und Marco Yotilla entwickelt. Der innovative Ansatz von Yotilla automatisiert die Data Vault Datenmodellierung vollständig und ermöglicht die Definition der Business Logik ohne Kenntnisse des Data Vault Datenmodells. Im Breaktalk stellen wir die Arbeitsweise mit Yotilla vor und zeigen wie Yotilla alle Änderungen am Data Warehouse automatisiert, sodass Sie mit geänderten oder neuen Anforderungen des Business zeitgleich Schritt halten können. Am Kundenbeispiel zeigen wir, dass Yotilla sowohl die Kosten für die Erstellung und Weiterentwicklung des Data Warehouse erheblich reduziert als auch deutlich schneller Nutzen stiftet.

Ein agiles Datenmanagement stellt für RAG (Retrieval Augmented Generation) eine entscheidendene Basis dar, um die Qualität der Antworten bei der Nutzung von generativer KI sicherzustellen. Die Integration von Retrieval- und Generationstechniken durch RAG ermöglicht umfassende und kontextuell relevante Ergebnisse und verbessert die Transparenz und Zuverlässigkeit von KI-Systemen. Durch das Einbeziehen von vorhandenem Wissen neben generativen Fähigkeiten unterstützt RAG eine zuverlässige Data Governance und verhindert Verzerrungen, was wesentliche Komponenten für ein steigendes Vertrauen bei der Nutzung von künstlicher Intelligenz sind.In dieser Sitzung lernst Du die entscheidende Rolle kennen, die effektives Datenmanagement in Verbindung mit Gen AI spielt, und wie die Denodo-Plattform die Nutzung von künstlicher Intelligenz verbessern kann, indem sie einen größeren Kontext bietet und die Vertrauenswürdigkeit fördert.

Die Sporteinzelhandelsbranche setzt zunehmend auf die Nutzung von Daten als Teil des täglichen Geschäftsbetriebs. Mit ihrer neu modernisierten emnosSPORTS-Plattform hat emnos eine wahre Transformation erlebt, die auf der Grundlage von Echtzeit-Zusammenarbeit zwischen Sporteinzelhändlern und Sportmarken basiert. Um dies zu erreichen, benötigen sie intuitive, flexible Datenanalyse und -visualisierung für mehrere Nutzertypen und Organisationen - eine bekannte Herausforderung für emnos, die auf 15 Jahren Erfahrung in den Bereichen Sporteinzelhandel und Lebensmittelindustrie zurückgreifen können. Yellowfin und emnos arbeiten zusammen, um den Kunden von emnos, den Sporteinzelhändlern sowie den Sportmarken, schneller die neue emnosSPORTS-Plattform präsentieren zu können. Yellowfin stellt die eingebettete Analyseplattform bereit, die es emnos ermöglicht, ausgeklügelte Verkaufs-, Kunden- & Lager-KPIs und Prognosen für die Sportindustrie zu liefern – um letztendlich den Abverkauf von Sportartikel zu maximieren, Planungsineffizienzen zu reduzieren und sicherzustellen, dass die richtigen Produkte zur richtigen Zeit am richtigen Ort zu haben sind, um bei den Verbrauchern zu punkten.

Die führenden Unternehmen in der Wirtschaft von morgen werden Daten + KI-Unternehmen sein. Heute ist das Data Lakehouse ein bewährtes Verfahren, da es die Leistung und Zuverlässigkeit von Data Warehouses mit der Elastizität und Kosteneffizienz von Data Lakes verbindet. Aber was ist mit KI? Das Data-Intelligence-Paradigma von morgen bettet KI in jede Schicht und alle Funktionen der modernen Datenplattform ein, um Unternehmen auf der ganzen Welt zu verändern. In dieser Breakout-Session werden wir einen Blick hinter die Kulissen werfen und sehen, was uns in Zukunft erwartet.

Bei der Thesenarena laden wir unser Publikum ein, mutige und möglicherweise provokante Thesen zur Diskussion zu stellen, um unsere Referent:innen auf der Bühne herauszufordern. Jede These wird den Rednern und Rednerinnen 100 Sekunden zur Verfügung gestellt, um darauf zu antworten. Dies verspricht eine spannende und intensive Auseinandersetzung mit wichtigen Themen und wird sicherlich zu interessanten Erkenntnissen führen. 

Nowadays, “AI” is a buzzword for everyone (including Senior Management). Many Data & Analytics teams are exploring how to leverage the new potentials of Generative AI for their work processes. The speech explains the common dangers of Gen AI, the impact due to regulations frameworks and will concentrate on how DKV Mobility is creating their AI framework to prioritize on business value.

Agile Arbeitsweisen in einem einzelnen Team einzuführen, ist relativ einfach. Die Umsetzung für mehrere Teams einer Abteilung wie DHW, Reporting oder BI ist deutlich komplexer. Bei der S-Kreditpartner (SKP) haben wir Scaling-Scrum-Methoden für uns angepasst und eine agile Arbeitsweise nach Scrum und Kanban in der Abteilung Datenmanagement eingeführt. Mit Erfolg! Dieser Erfahrungsbericht beschreibt unsere Reise vom Start mit mehreren, unabhängig agierenden Entwicklungsteams bis hin zu einer skalierenden Organisationseinheit mit integrierten Teams. Anhand von Beispielen werden wir die Herausforderungen und Erfahrungen dieser Reise schildern und welche Lektionen wir dabei mitnehmen konnten.

Die vollständige Transparenz über alle Geschäftsprozesse sowie deren datenseitige Abbildung ist sicher schon lange ein Traum vieler. Doch vor allem im produzierenden Gewerbe ist damit ein hohes Investment verbunden, um die relevanten Daten innerhalb der Fertigung zu erfassen. Danach geht es an die Zentralisierung, Standardisierung und Integration mit anderen „klassischen“ Datenquellen. Die Fränkische IP hat sich dieser Herausforderung gestellt und betreibt heute eine Cloud-Plattform, die Daten vom Wareneingang über die Fertigung bis zur Auslieferung integriert auswertbar macht. In einem Traceability Portal stehen den Kunden der Fränkischen IP umfangreiche Analysemöglichkeiten für deren QA-Prozesse und weitere Planung von Produktionskapazitäten zur Verfügung.

Daten und AI als Team! Mache all deine Daten (strukturiert und unstrukturiert) AI-ready. Verstehe wie du mit GenAI neue Erkenntnisse gewinnst. Lerne wie du mit Google Cloud Komponenten ausgereifte Daten und AI Lösungen erstellen kannst.

In diesem Workshop werden die Teilnehmer:innen einen generativen KI-Prototypen auf Basis von Amazon Bedrock entwickeln. Durch eine Reihe von praktischen Übungen, die sowohl für Anfänger als auch Fortgeschrittene geeignet sind, werden die Teilnehmer:innen lernen, die Fähigkeiten von Large Lanugage Models (LLMs) einzusetzen und mittels Amazon Bedrock Geschäftsprozesse zu verbessern. Amazon Bedrock ist ein vollständig verwalteter Dienst, der eine Auswahl hochleistungsfähiger Foundational Models (FMs) von führenden KI-Unternehmen wie AI21 Labs, Anthropic, Cohere, Meta, Mistral AI, Stability AI und Amazon über eine API-Schnittstelle bereitstellt um generative KI-Anwendungen sicher, gemäß aktueller Datenschutzverordnungen und auf Basis von ‘Responsible AI’ zu entwickeln und betreiben. 
Bitte bringen Sie Ihren eigenen Laptop für die praktische Übung mit. Keine AWS-Vorkenntnisse erforderlich, Grundkenntnisse in Programmiersprachen sind hilfreich.

KI- oder ML-Prozesse erfordern oft, dass Daten aus dem Datenspeicher gezogen, verarbeitet und die Ergebnisse/Vorhersagen schließlich wieder im Datenspeicher gespeichert werden. Dies bringt eine gewisse Komplexität mit sich und sollte vermieden werden. Wir zeigen Ihnen, wie ein KI-/ML-Modell direkt am Ort Ihrer Daten ausgeführt werden kann, ohne dass diese vorher bewegt werden müssen - ein Vorteil, um die Komplexität und die Kosten niedrig und die Qualität hoch zu halten.

ENAutomation platforms are becoming more metadata-driven, utilizing metadata to orchestrate and automate data management processes. Automation tools can intelligently automate tasks such as data integration, transformation, and governance by leveraging metadata to comprehend the structure, relationships, and lineage of data assets. VaultSpeed is a pioneer in this evolution. We provide the only automation tool that blends business understanding with metadata from all sources to suggest a comprehensive company-wide data model and automates the transformation and integration of data to populate that model. The underlying magic lies in our built-in integration templates, which generate ETL and DDL instructions for various sources and technologies, encompassing 2220 unique combinations. VaultSpeed also champions the ability to allow data engineers to code custom business logic automation, such as KPIs, and apply that across all data presentations in the information layer. We're thrilled to offer you a sneak peek of our latest advancements in Automated Data Transformation. Our team is currently focused on creating and testing features that will make it easier for users to perform customized data transformations, both upstream and downstream. We're diligently working on an intuitive, graphical drag-and-drop interface that will enhance accessibility to data automation for every data team. This will enable them to deliver consistency throughout the organization in alignment with their business objectives and data governance policies.

KI in der Steuerabteilung ist gekommen um zu bleiben. Ich zeige anhand von drei konkreten Beispielen, welchen Mehrwert KI in Steuerabteilungen schon heute liefern kann.

Fußball ist ein bedeutendes globales Phänomen, und die Bundesliga ist bestrebt, das Fan-Engagement kontinuierlich auf ein beispielloses Niveau zu heben. Unser Ziel ist es, „BECOME THE MOST FAN-CENTRIC LEAGUE IN THE WORLD". Durch den Einsatz modernster Technologien und wegweisender Strategien sind wir in der Lage, personalisierte Inhalte und immersive Erlebnisse für alle zu bieten.

EN:In today's digital landscape, organizations are increasingly recognizing the benefits of migrating their data warehousing infrastructure to the cloud. This transition offers unparalleled scalability, flexibility, and enables businesses to unlock the true potential of their data assets. However, successful cloud migration requires careful planning, an agile mind set, and a brave mentality for the challenges and opportunities that lie ahead. This conference talk aims to provide a comprehensive overview of the P7S1 cloud migration in the context of data warehousing. We will delve into the key considerations, good practices, and pitfalls that organizations must navigate to ensure a seamless and successful migration.

Wir erkunden einen innovativen Ansatz zur Erstellung von Maskottchen, der KI-Agenten und feinabgestimmte Grundmodelle kombiniert, um Markenstandards aufrechtzuerhalten. Während traditionelle Grundmodelle einen soliden Ausgangspunkt bieten, sind sie oft nicht spezifisch genug für markenzentrierte Inhalte. Durch die Integration von KI-Agenten in Verbindung mit der „Stable-Diffusion“-Technologie und einer benutzerfreundlichen Oberfläche (UI) geben wir Einblick in eine Lösung, die es kreativen Mitarbeitern ermöglicht, unser geliebtes Maskottchen, den POINTEE, zu generieren - und das zugeschnitten auf die einzigartige Identität von PAYBACK. Begleite uns, während wir erforschen, wie diese Synergie zwischen KI-Agenten und Grundmodellen die Erstellung von Maskottchen revolutionieren kann, aber auch, wo ihre praktischen Grenzen liegen.