Programm Vorträge
ℹ️ Bitte beachten Sie, dass sich Angaben zu Zeiten und Räumen bis zum 29.09. noch ändern können.
|
Zeit
|
Raum A
|
Raum B
|
|---|---|---|
|
13:00 – 13:15
|
Begrüßung & Einleitung
|
|
|
13:15 – 13:35
|
||
|
13:35 – 14:10
|
||
|
14:10 – 14:45
|
||
|
14:45 – 15:30
|
Kaffee-Pause
|
|
|
15:30 – 16:10
|
||
|
16:10 – 16:50
|
||
|
16:50 – 17:00
|
Abschluss
|
|
|
Ab 17:00
|
Get-Together
|
Programm Details
KI-Allianz BW: Chancen für die Region
Wie steht es um KI in der Region Stuttgart? Die KI-Allianz BW stellt sich vor und zeigt Möglichkeiten auf.
Vortragende: Samira Djidjeh, Community Managerin Region Stuttgart KI-Allianz BW
Notwendige Vorkenntnnisse: keine
Virtuelle Sensoren & KI – Unsichtbares sichtbar machen
Virtuelle Sensoren machen das Unsichtbare messbar – von der inneren Temperatur bis zum Verschleiß. Kombiniert mit KI eröffnen sie neue Möglichkeiten für Prozessoptimierung und Nachhaltigkeit. Der Vortrag zeigt Funktionsweise, Praxisbeispiele und lädt zur Entwicklung eigener Anwendungsideen ein.
Vortragender: Nico Klar, Wissenschaftlicher Mitarbeiter ZSW
Notwendige Vorkenntnisse: Grundlagen Maschinelles Lernen
Wo Prompts nicht weiterhelfen
Einsatzbereiche klassischer ML-Methoden in einer GenAI-dominierten Welt
Generative KI ist mächtig, hat aber Grenzen. Der Vortrag erläutert grundlegende Unterschiede und demonstriert an praktischen Beispiel wann klassische Machine Learning (ML)-Ansätze die bessere Wahl sind und wie beide Welten sinnvoll kombiniert werden können.
Vortragende: Katharina Strecker, Wissenschaftliche Mitarbeiterin ZSW
Notwendige Vorkenntnisse: Keine
AI Agents – Scoring, Evaluations, Messbarkeit und Vertrauen
AI Agents eröffnen neue Möglichkeiten zur Automatisierung komplexer Aufgaben. Gleichzeitig stehen wir vor der Herausforderung, ihre Qualität und Vertrauenswürdigkeit systematisch zu bewerten und zu überwachen. Eine zentrale Methode ist LLM-as-a-Judge: große Sprachmodelle, die andere Modelle oder Agents beurteilen. Doch dabei drängt sich die kritische Frage auf: Wenn ein LLM ein anderes LLM bewertet – machen wir damit nicht den Bock zum Gärtner?
Vortragende: Leon Marius Schröder, CEO/CTO der AlgebraX GmbH
Notwendige Vorkenntnisse: Grundlagen LLMs
ML on Edge
Wie KI auf kleine Geräte kommt
Der Vortrag behandelt die Herausforderungen und Techniken, KI-Modelle für den Einsatz auf ressourcenbeschränkten Edge-Geräten zu optimieren. Der Fokus liegt auf der praktischen Bedeutung von Model Compression und speziellen Edge-Frameworks, um KI ohne Cloud-Abhängigkeit nutzbar zu machen.
Vortragender: Kai Binder, Wissenschaftliche Mitarbeiter Maschinelles Lernen am ZSW
Notwendige Vorkenntnnisse: Grundlegende KI-Kenntnisse von Vorteil
Kaffeegenuss im Einklang mit Innovation und Nachhaltigkeit
Der Vortrag zeigt, wie mithilfe einer KI-Anwendung die gleichbleibende Qualität von Kaffeeautomaten gesichert werden konnte. Im Mittelpunkt stehen der Projektablauf, praktische Erfahrungen und der Beitrag zur Nachhaltigkeit.
Vortragende: extern
Notwendige Vorkenntnisse: keine
Lokales RAG in der Praxis – Architektur, Stolpersteine und Best Practices
Retrieval-Augmented Generation (RAG) gilt als Schlüsseltechnologie, um große Sprachmodelle mit aktuellem oder domänenspezifischem Wissen zu verbinden. Während viele Lösungen Cloud-basiert sind, zeigt dieser Vortrag, wie sich ein RAG-System lokal betreiben lässt – mit eigener Infrastruktur, lokaler Datenhaltung und maßgeschneiderter Architektur. Am Beispiel des Projekts ChatZSW werden die zentralen Bausteine vorgestellt: von Datenaufnahme, Chunking und Vektorisierung über Retrieval und Session-Management bis hin zu Deployment und Observability. Der Fokus liegt auf praktischen Erfahrungen: Was funktioniert gut, welche Stolpersteine gibt es, und welche Best Practices helfen beim produktionsnahen Betrieb?
Vortragende: Jessica Hofmann, Wissenschaftliche Mitarbeiterin Maschinelles Lernen am ZSW
Notwendige Vorkenntnisse: Grundlagen LLMs
Mehr als GenAI: Foundation Models jenseits von Textdaten
Foundation Models haben die KI-Landschaft neu definiert doch der Blick auf ihre Möglichkeiten bleibt oft auf Sprachmodelle beschränkt. Dieser Vortrag rückt andere Datenmodalitäten in den Fokus, zeigt, wie Foundation Modelle neue Anwendungen ermöglichen können, zeigt Beispiele und diskutiert kritisch ihre Limitationen.
Vortragende: Katharina Strecker, Wissenschaftliche Mitarbeiterin Maschinelles Lernen am ZSW
Notwendige Vorkenntnnisse: Grundlegende KI-Kenntnisse
WildCap: Autonomes Drohnen-Monitoring für den Schutz von Wildtieren
Das WildCAP-Projekt erforscht, wie autonome Drohnen und Künstliche Intelligenz zur Beobachtung und Analyse von Wildtieren eingesetzt werden können. KI-Algorithmen erkennen Tiere automatisch, verfolgen ihre Bewegungen und extrahieren Verhaltenstrends aus den gesammelten Sensordaten. Der Vortrag beleuchtet die technologischen Ansätze, Herausforderungen bei der Datenerfassung und die Rolle von KI bei der Unterstützung des Naturschutzes.
Vortragende: Extern
Notwendige Vorkenntnisse: mehr Informationen folgen
AMA – Ask me Anything Session
Es gibt keine dummen Fragen – unter diesem Motto steht unser letzter optinaler Programmpunkt. Hier haben Sie die Möglichkeit in Person oder per Tool auch anonym Fragen an die KI-Expertinnen und Experten zum Thema KI zu stellen.