Generative AI revolutioniert Analytics
In einer Zeit, in der Daten oft als "neues Öl" bezeichnet werden, ist es umso wichtiger, die neuen Möglichkeiten von Künstlicher Intelligenz und insbesondere Generative AI zu erkennen. Denn die sich dadurch ergebenden Werkzeuge und Methoden ermöglichen neue Fähigkeiten, die über traditionelles Data Analytics hinausgehen.
Die ganztägige Online-Konferenz "Generative AI in Analytics" ging in sieben Vorträgen auf die Grundlagen, Herausforderungen und Best Practices beim Einsatz von generativer KI im Data-Analytics-Umfeld ein. Sie vermittelte das Wissen, damit Sie die sich daraus ergebenden Potenziale erkennen und konkrete Schritte zum Etablieren Ihrer Generative-AI-Strategie einleiten konnten.
Als Teilnehmer oder Teilnehmerin bekamen Sie die Gelegenheit, führende Expert:innen beim Thema kennenzulernen und von ihren Erfahrungen zu profitieren. Es gab zudem reichlich Raum für Diskussionen und Fragen.
» Zu den Aufzeichnungen
Diese Fragen beantwortete die Konferenz
- Was sind die Auswirkungen von GenAI auf die Data- und Analytics-Strategie und welche Best Practices ergeben sich daraus?
- Welche Auswirkung hat die Auswahl der Modellierungstechnik auf das Verständnis durch LLMs?
- Wird Datenmodellierung obsolet, wenn nur die "KI" das Modell verstehen muss und der Mensch per Sprache interagiert?
- Ist ein wirtschaftlicher Nutzen durch den Einsatz von Retrieval Augmented Generation (RAG) zu erkennen? Und welche konkreten Use-Cases werden damit umgesetzt?
- Wie lässt sich der europäische AI-Act konkret umsetzen?
Rückblick auf das Programm
Macht ChatGPT Datenmodellierung obsolet?
Language Models wie ChatGPT können fachliche Fragen in SQL übersetzen. Welche Auswirkung hat die Auswahl der Modellierungstechnik auf das Verständnis durch LLMs? Ist es egal, ob die Daten als 3NF, Sternschema, Data Vault oder als Sammlung denormalisierter Tabellen strukturiert sind? Die Datenmodellierung ist ein wesentlicher Teil von Data-Science-Projekten. Es werden einerseits technische Belange wie die Gewährleistung der Datenintegrität und die Performance von Schreib- und Leseoperationen berücksichtigt. Andererseits ist das Verständnis der Modelle durch Anwender:innen und BI-Werkzeuge ein wichtiges Ziel der Modellierung. Für dispositive Abfragen ist das Sternschema etabliert und hat sich über viele Jahre bewährt. Ändert sich diese Empfehlung durch Chat GPT und Co.? Wird Datenmodellierung obsolet, wenn nur die „KI“ das Modell verstehen muss und der Mensch per Sprache interagiert? Oder ist auch für ChatGPT ein durchdachtes Datenmodell wichtig?
Anhand praktischer Beispiele und Erfahrungen werden diese Fragestellungen beleuchtet und Empfehlungen für eine effektive Datenmodellierung im Zeitalter von LLMs gegeben.
Tobias Otte arbeitet als Projekt Manager und Co-Leiter des Kompetenzbereichs Data Science bei der viadee Unternehmensberatung. Mit mehr als 10 Jahren Erfahrung begeistert er sich für die Modernisierung von DWH-Umgebungen, Governance und Datenmodellierung.
Was sind Ihre Vorteile?
Sieben Praxisvorträge renommierter Expert:innen
Bequeme Online-Teilnahme vom eigenen Schreibtisch aus
Viel Raum zur Beantwortung Ihrer Fragen via Chat und Zoom
Konferenzmaterialien im Nachgang der Konferenz
Zielgruppen
- Data Analysts
- Data Scientists
- Data Engineers
- ML Engineers
- Data Architects
- Chief Data Officers
Kontakt
Tel.: +49 2241 2341-100
E-Mail: konferenzen(at)sigs-datacom.de
ENTDECKEN SIE DAS NEUE FACHPORTAL FÜR IT-PROFIS!
SIGS.de bietet Themenvielfalt und Know-how von Profis für Profis!
Sie erhalten beispielhafte Anregungen, praxisnahe Fachinformationen, die neusten Trends und Hintergrundwissen in exklusiven Themen-Channels und Fachartikeln zu: Artificial Intelligence, Big Data, Business Intelligence und vielen weiteren Schwerpunktthemen.