Das war die AICon 2026.Vision & Impact.

Der letzte macht das Licht aus – When Agentic AI Takes OverWer trifft die besseren Entscheidungen – Mensch oder Maschine? Die Antwort ist unbequemer, als die meisten Führungskräfte zugeben wollen.Diese Keynote geht der Frage nach, wie Entscheidungen in Unternehmen heute wirklich getroffen werden – und warum agentische KI dabei zunehmend die Oberhand gewinnt. Nicht weil sie alles weiß, sondern weil sie schneller, iterativer und konsistenter handelt.Thorsten teilt die 3 zentralen Learnings aus 100+ Kundenprojekten bei der Einführung von Agentic AI.Und wir fragen uns: Welche Organisationen werden diesen Wandel aktiv gestalten – und welche werden von ihm überrollt? Denn: Die Trennlinie zwischen Gewinnern und Verlierern verläuft nicht entlang von Branchen oder Budgets, sondern entlang einer einzigen Frage: Wer hat den Mut (und die organisationalen Voraussetzungen) Entscheidungsverantwortung innerhalb neuer Governance-Strukturen abzugeben - bevor es die Konkurrenz tut? Wenn die Lichter ausgehen, ist das für manche das Ende. Für andere wird es der Anfang sein.

Die derzeitigen geopolitischen Entwicklungen zeigen, dass extensive Simulationsfähigkeiten in der unternehmerischen Planung Trumpf sind, um schnell auf unvorhergesehene Entwicklungen reagieren zu können. Im Beitrag zeigen wir auf, wie Agentic AI den Planer dabei unterstützen kann, valide Simulationsscenarien aufzusetzen und abzuschätzen, wie sich Entwicklungen bei Commodity-Preisen, Inflation und anderen Faktoren auf das Unternehmen auswirken können. Dies wird anhand eines konkreten Kundenbeispiels in einer SAP Planungslösung aufgezeigt.

Explainable AI ist ein Teil der AI-Forschung, der nicht immer im Vordergrund steht. Jedoch ist diese Forschungsrichtung entscheidend für die allgemeine AI-Entwicklung sowie für die Gesetzgebung, z.B. im Rahmen von EU AI Act.

Der Kundensupport der Zukunft entsteht nicht durch mehr Automatisierung, sondern durch die intelligente Zusammenarbeit von KI und Menschen. Wenn KI nicht mehr nur als Werkzeug, sondern als aktives Teammitglied verstanden wird, entstehen Synergien. Der Beitrag zeigt anhand aktueller Forschung, welche Erfolgsfaktoren eine wirksame Mensch-KI-Zusammenarbeit im Kundensupport ermöglichen.

Das Beste aus praktischer Erfahrung rund um KI und HR im Konzern, Forschung und KMU Beratung.

Building from years of experience, IBM operationalise approximately 200 new AI systems each quarter. I will discuss how we have moved from ethical considerations through to AI literacy and fluency training, to developing and operationalising risk frameworks which gives every business unit autonomy to adopt AI fast, better, more reliably and completely trusted.

Die Arbeitsplätze der Zukunft sind Orte, an denen Menschen mit ihren Skills und ihrer Diversität sichtbar sind und sich gleichzeitig sicher fühlen.

Städte verfügen heute über eine enorme Menge an Daten – aus Fachverfahren, Urban Data Platforms, Sensorik, Open Data Portalen und Dokumentenarchiven. Dennoch bleibt der tatsächliche Nutzen dieser Daten für politische Entscheidungsträger begrenzt. Bürgermeisterinnen

In this talk, Daniil shares the story behind Planner, Heidelberg Materials’ in‑house application that optimizes cement production by aligning operations with real‑time electricity prices, predicted renewable energy availability, material stocks, and machine constraints. The session outlines how user research, UX methodology, and AI‑driven decision support enabled significant cost savings while increasing sustainability.Attendees will gain insights into designing digital products for complex industrial environments, balancing cognitive load with operational transparency, and turning data‑rich processes into intuitive decision‑making tools. They will also see - through the example of Planner - how a large company in a traditionally conservative, non‑digitalized industry can successfully build sophisticated software tailored to highly industry‑specific needs.

In this talk we give an overview of the Generative AI features in Oracle APEX No-Code/Low-Code platform. Our main focus areas are Generative Development and how Generative AI can be used in Process Automation for better decision making.

Artificial intelligence has made it easier than ever to produce content at scale. What once required time, resources, and specialized skills can now be created in minutes, fundamentally changing how content is produced and distributed.

But this shift comes with a hidden consequence: When content becomes infinitely scalable, attention becomes the scarcest resource.

This keynote offers a different perspective on AI in marketing, not as a productivity tool, but as a force that amplifies existing content strategies, for better or worse.

It explores a critical question: What happens when everyone creates more content, but no one pays attention anymore?

Through real-world observations and practical insights, the session shows:

• why more content doesn’t automatically lead to more reach or impact
• how AI is accelerating the production of average, interchangeable content
• why differentiation is becoming the biggest challenge in marketing
• and what role strategy, clarity, and creative perspective now play

The core idea: AI makes content easier to produce, but not better.

Artificial Intelligence is everywhere in the headlines, but much of the conversation mixes real breakthroughs with misunderstanding and hype. In this talk, John Turcus (Media Markt Saturn, ex-Adidas, and founder of Executive Brains) explains in clear terms how modern AI systems actually work, what they are genuinely capable of today, and where their limitations still lie. Drawing from real enterprise experience with digital transformation and AI applications, the session separates myth from reality and offers practical guidance on how leaders can use AI to improve workflows, decision-making, and productivity without falling for the hype cycle.

Artificial intelligence is widely expected to make processes more efficient, increase transparency and improve decision-making. What many organizations tend to overlook is that while AI scales fast, leadership and responsibility do not.This keynote offers a strategic perspective on AI that goes beyond technology, use cases and roadmaps: It looks at how AI systems amplify existing decision logics, power structures, and organizational blind spots - particularly at leadership level.It invites to reflect on the role of humans in AI-supported decision-making: AI is revealing not only what can be automated, but also what must remain a conscious human responsibility.

KI einsetzen, Risiken verstehen: Haftungsfragen beim Einsatz Künstlicher Intelligenz - Rechtliche Rahmenbedingungen und Umsetzung in der Praxis

In diesem Panel diskutieren Unternehmensvertreter, wie Daten für KI-Use-Cases nutzbar gemacht werden können. Insbesondere auch im Kontext von Datensouveränität und Datenschutz. Dabei reflektieren sie auch kritisch über gängige Konzepte wie z.B. Data Lakehouses: Welche Architekturen und Strategien funktionieren wirklich, wo stoßen Standardlösungen an Grenzen? Und warum? Das Panel zeigt unterschiedliche Perspektiven auf, wie Unternehmen Datenstrategien praxisnah, skalierbar und regulatorisch compliant gestalten.

Die Keynote gibt einen Überblick, wie breit KI eingesetzt werden werden kann, um UN Ziele für für nachhaltige Entwicklung voranzubringen, z.B. (2) kein Hunger, (3) Gesundheit und Wohlergehen, (4) hochwertige Bildung, (5) Geschlechtergleichstellung, (7) bezahlbare und saubere Energie, (8) menschenwürdige Arbeit und Wirtschaftswachstum, (9) Industrie, Innovation und Infrastruktur, (10) weniger Ungleichheiten, (11) nachhaltige Städte und Gemeinden, sowie (13) Maßnahmen zum Klimaschutz. In der Keynote werden beispielhaft einige Forschungs- und Praxisprojekte vorgestellt, ein Blick unter die Motorhaube gewagt und gezeigt, wie diese gesellschaftlich relevante Probleme adressieren.

Künstliche Intelligenz verändert nicht nur Anwendungen und Geschäftsmodelle, sondern stellt Rechenzentren und IT-Infrastrukturen grundlegend neu auf. In seiner Keynote zeigt Rechenzentrumsexperte Matthias Blatz, warum Unternehmen die infrastrukturellen Voraussetzungen für KI strategisch neu denken müssen.Im Fokus stehen die steigenden Anforderungen an Rechenleistung, Netzwerke, Sicherheit und Verfügbarkeit sowie die wachsende Bedeutung professioneller Rechenzentrums- und Colocation-Konzepte. Gleichzeitig wird deutlich, wie KI selbst zur Optimierung von IT-Infrastrukturen beiträgt – etwa bei Überwachung, Sicherheit und der intelligenten Steuerung von Rechenlasten.Die Keynote richtet sich an Entscheider mittelständischer Unternehmen und bietet eine praxisnahe Einordnung, wie IT-Infrastruktur vom reinen Betriebsfaktor zum strategischen Enabler wird. Sie zeigt auf, welche transformative Kraft KI auf Rechenzentren und IT-Infrastrukturen entfaltet – und wie Unternehmen diese Entwicklung nutzen können, um Stabilität, Innovationsfähigkeit und zukünftiges Wachstum nachhaltig zu sichern.

Vision and achievements of the Future Insights association

Heute entscheidet nicht allein Technologie über Zukunftsfähigkeit, sondern die Art, wie Organisationen mit menschlicher Wirkungskraft umgehen. Künstliche Intelligenz steigert Effizienz und beschleunigt Entscheidungen. Gleichzeitig macht sie sichtbar, wo Führung unklar, Verantwortung diffus und Zusammenarbeit nicht tragfähig ist. Andreas zeigt auf, warum Haltung, Beziehungskraft und Gestaltungsmut zur neuen Führungsqualität werden. Es geht um ein Verständnis von Führung, das den Menschen als strategische Ressource und zentralen Wertschöpfungsfaktor begreift. In einer Welt, in der Wissen automatisierbar wird, bleibt Urteilskraft der entscheidende Unterschied. Andreas macht deutlich, wie Unternehmen das Potenzial ihrer Mitarbeitenden bewusst entwickeln, sichtbar machen und gezielt steuern können.Diese Keynote ist ein Impuls für Führungskräfte, die sich fragen: Wo stehen wir wirklich?Wie tragfähig ist unsere Führungsstruktur?Und sind unsere Organisationen reif genug für die Geschwindigkeit, die wir technisch längst ermöglichen?

Von Tech zu GreenTech: Wenn KI auf Klima- und Ressourcenschutz trifft gibt einen kompakten Überblick über die stark wachsende GreenTech-Branche in Baden-Württemberg. Der Vortrag skizziert zentrale Trends und Treiber – von Dekarbonisierung und Kreislaufwirtschaft bis zu Effizienz- und Digitalisierungslösungen – und zeigt, wo KI heute bereits andocken kann und wo künftig stärkere Schnittstellen zwischen Tech- und GreenTech-Akteuren entstehen sollten. Abschließend werden die Angebote von Umwelttechnik BW vorgestellt: Umwelttechnik BW ist die zentrale Anlaufstelle für Umwelttechnik, Ressourceneffizienz und industriellen Klimaschutz – wir unterstützen und fördern Unternehmen am Wirtschafts- und Technologiestandort Baden-Württemberg.

Seit 2021 ist die neue Standardberufsbildposition „Umweltschutz und Nachhaltigkeit“ für alle Ausbildungsberufe verpflichtend. Ausbilder und Lehrkräfte stehen damit vor der Herausforderung, modernes Systemdenken und komplexe Nachhaltigkeitsaspekte zu vermitteln, die oft nicht Teil ihrer eigenen Ausbildung waren.Die Projektagentur PA-BBNE hat hierfür eine wissenschaftlich fundierte Basis geschaffen: Über 10.000 Seiten validiertes Material für 82 Berufe, erarbeitet von 13 Institutionen und 32 Wissenschaftler*innen. Doch wie gelangt dieses enorme Wissen effizient und handlungsorientiert in den betrieblichen Alltag?Die Lösung bietet eine innovative Weiterbildung, deren Kernstück ein KI-System auf Basis von Retrieval-Augmented Generation (RAG) ist. Als „Digitaler Mentor“ schlägt dieses Tool die Brücke zwischen abstrakten Vorgaben und der praktischen Ausbildung. Das RAG wird mit der PA-BBNE-Datenbank, offiziellen BIBB-Umsetzungshilfen und Rahmenlehrplänen gespeist. Im Gegensatz zu herkömmlicher KI liefert dieses RAG-System keine allgemeinen Phrasen, sondern präzise Antworten, die ausschließlich auf diesen validen Quellen basieren.Besonderes Augenmerk liegt auf der Umsetzbarkeit: Wie meistert man diese technologische Hürde als Bildungsexperte ohne tiefere Programmierkenntnisse? In meinem Vortrag skizziere ich meinen Weg vom Anwender zum „KI-Architekten“. Ich zeige, wie die Reise bei intuitiven Tools wie NotebookLM und ChatGPT-Projekten begann und bis zur Entwicklung einer professionellen RAG-Lösung mit Python, Qdrant und Cursor führte. Erfahren Sie, wie RAG-gestützte Systeme als „Helfer in der Hosentasche“ die Angst vor Komplexität nehmen und Wissen in leicht ausführbare Lernhäppchen zerlegen.

No amount of solving any other problem —integration, data readiness, organizational readiness —will change the fact …AI’s tendency to be confidently wrong keeps it out of real-world use cases.

Künstliche Intelligenz prägt zunehmend öffentliche, wirtschaftliche und wissenschaftliche Diskurse, häufig begleitet von großen Erwartungen und ebenso hohen Unsicherheiten. KI gilt als Schlüsseltechnologie unserer Zeit, doch nicht jede Anwendung stellt automatisch eine wirkliche Innovation dar. Der Beitrag setzt an dieser Differenzierung an und fragt, wie jenseits des Hypes nachhaltiger Wert entstehen kann und welche besondere Verantwortung Städten in der digitalen Transformation zukommt.Im Zentrum steht die Unterscheidung zwischen technischer Machbarkeit und tatsächlicher Wirkung. Viele KI-Projekte fokussieren sich auf Modelle, Systeme und Anwendungen, ohne systematisch zu reflektieren, welchen Beitrag sie zu besseren Entscheidungen, effizienteren Prozessen oder zum Aufbau gesellschaftlichen Vertrauens leisten. Gerade im öffentlichen Kontext ist jedoch entscheidend, ob technologische Lösungen konkrete Verbesserungen für Verwaltung, Wirtschaft und Stadtgesellschaft bewirken.Der Vortrag beleuchtet Städte als zentrale Akteure an der Schnittstelle von Wissenschaft, Wirtschaft und Gesellschaft. Kommunen übersetzen wissenschaftliche Erkenntnisse in handlungsfähige Strategien, wirtschaftliche Innovationen in öffentlichen Mehrwert und gesellschaftliche Werte in verantwortungsvolle Rahmenbedingungen. In dieser Rolle können Städte über die reine Anwendung von KI hinausgehen und Innovationsprozesse aktiv gestalten.Anhand kommunaler Innovationspraxis wird gezeigt, wie „Innovation first“ als Haltung verstanden werden kann: nicht technologiegetrieben, sondern wirkungsorientiert, verantwortungsvoll und transparent. Der Beitrag zeigt, wie der Fokus von technischen Anwendungen hin zu wirkungsorientierter, am Gemeinwohl orientierter Innovation in urbanen Räumen verschoben werden kann.

Viele Unternehmen testen KI zunächst in einzelnen Use Cases oder Innovationsprojekten. Unsere Erfahrung zeigt jedoch: Das reicht nicht. Nachhaltig wird KI erst dann, wenn sie als grundlegende Fähigkeit des Unternehmens aufgebaut und organisatorisch verankert wird.In diesem Vortrag geben wir einen praxisnahen Einblick, wie wir bei TNG Technology Consulting KI Schritt für Schritt eingeführt haben, begonnen mit frühen internen Experimenten über den Aufbau einer datenschutzkonformen Infrastruktur bis hin zur breiten Nutzung im Projektalltag.Anhand konkreter Beispiele zeigen wir, wie sich Arbeitsweisen verändern, wie sich Verantwortlichkeiten verschieben und warum neue Engpässe entstehen können, wenn die Entwicklung plötzlich deutlich schneller wird.Ein besonders anschauliches Experiment: Aus einem siebenminütigen Erklärvideo entstand mithilfe agentischer Systeme ein lauffähiger Software-Prototyp mit rund 40.000 Codezeilen, ohne dass wir selbst eine einzige Zeile Code selbst geschrieben haben.Der Vortrag richtet sich an Entscheiderinnen und Entscheider, die KI nicht nur testen, sondern dauerhaft als strategische Fähigkeit in ihrem Unternehmen verankern wollen.

Here, a little modification of the text, more at the beginning to highlight the practial relevance before diving into the topic – but also the last sentence that clarifies its added value with respect to the state of the art and the potential to bring it to a stage of a product. 3D planning processes are ubiquous in industry. For example, we find it when a robot is navigated through a complex scenario, machines are to be fitted in a production setting, or e.g. in medicine, to control and validate surgery. This trend is enabled by the increasing number of digital twins on one hand side but also on affordable 3D sensing such as stereo imaging or radar that scan surfaces and store it as point clouds. Here, it is not only about having 3D data, it is also about understanding how objects move and relate to or interact with each other in space.  However, these measurements are rarely perfect. They contain noise, occlusions, missing parts, and sometimes even deformations. Classical alignment methods often fail under such real-world conditions. To enable reliable spatial reasoning, we realized a very fast, accurate and reliable learning-based approach for point cloud registration. The method aligns 3D data accurately even when the input is corrupted or incomplete. Instead of relying purely on geometric assumptions, the model learns statistical regularities of spatial transformations and handles uncertainty explicitly. This makes it possible to build stable and dynamic spatial digital twins that reflect real-world motion and structure. We will show example scenarios where robust 3D alignment becomes a key enabler for industrial AI systems, turning raw spatial data into actionable intelligence. This technology has proven to outperform all other existing implementations so far and we are heading to further develop it towards a product.

„Hier halluziniert die KI". Dieser Satz klingt eindeutig. Doch er verdeckt einen Doppelstandard: Wenn LLMs Lücken füllen und Zusammenhänge bilden, nennen wir es Fehler. Wenn wir dasselbe tun, nennen wir es Denken.Dieser Vortrag beleuchtet, dass wir alle ständig konstruieren: durch Wahrnehmung, Sprache und Denken. Mit interaktiven Beispielen wird erlebbar, wie wir Muster erkennen, Erwartungen nutzen und aus Unvollständigem stimmige Geschichten kreieren.Konstruktion ist nicht vermeidbar, sie macht uns handlungsfähig in Unsicherheit. Die Frage ist: Wie gehen wir bewusst damit um? In diesem Vortrag explorieren wir Möglichkeiten, um mit dieser Unsicherheit umzugehen – bei uns selbst und im Umgang mit LLMs.

Reservoir computing (RC) is a machine learning paradigm that leverages non-linear behaviour and intrinsic memory of a dynamical system for efficiently solving difficult tasks. It has its origins in recurrent neural networks (RNNs) but uses them as a fixed black box and only trains a translation from the outputs of the RNN to the training targets. This allows for two things: very efficient training, as the translation is usually just a single linear layer, and a lot of flexibility in choosing what to use as this black box which is then usually referred to as the reservoir.One interesting candidate for such a reservoir are quantum systems and quantum computers, which is what we are researching in the project NeMoQC in the framework of the DLR Quantum Computing Initiative (QCI). The project is a collaboration between the DLR institutes for AI Safety and Security and Aeroelastics with a subcontracted consortium consisting of the quantum computing start-up planqc, researchers from the Technical University of Munich (TUM) and domain experts from Airbus and engys. The goal is to investigate the viability and applicability of quantum reservoir computing as a surrogate model for costly simulations in aerodynamics and aeroelastics.

While modern AI methods excel in predictive and generative quality (accuracy), they are often inherently limited by operation out of their confidence. In everyday use, an AI system will inevitably encounter situations it hasn’t seen before—unusual inputs, changing environments, ambiguous data. The critical question then becomes not just “What is the prediction?”, but also “How sure is the system, and when should we trust it?”This talk focuses on *Bayesian deep learning*: a family of methods that aims to make neural networks both accurate and *uncertainty-aware*. Instead of producing a single confident-looking answer, Bayesian approaches try to represent what the model doesn’t know - so it can distinguish between “I’m confident,” “this is ambiguous,” and “this is unfamiliar.” That’s a key ingredient for safer decision-making, better human–AI collaboration, and more reliable deployment in high-impact settings.At the same time, we want these benefits without making AI dramatically slower or more expensive. A major theme of the talk is *efficiency*: how we can approximate Bayesian reasoning in practical ways that fit modern deep learning workflows. We’ll illustrate intuitive strategies for capturing uncertainty at low additional cost.Overall, the goal is reliable AI that can communicate its confidence honestly: systems that perform well when conditions are normal, and that can recognize and signal when they are outside their comfort zone - enabling better safeguards, better decisions, and better trust.

Es wird ein KI-gestützer Ansatz vorgestellt, der eingehende E-Mails inhaltlich klassifiziert, die unstrukturierten Daten aus den Anhängen aufbereitet und um interne Informationen anreichert, bevor sie dann an den zuständigen Fachbereich weitergeleitet werden.Es werden Ansätze und Strategien zum robusten Betrieb in größeren Unternehmen und zur Systemüberwachung vorgestellt.

Der Hype um riesige Large Language Models (LLMs) ist allgegenwärtig. Doch in der unternehmerischen Praxis stoßen diese „Alleswisser“ bei Skalierung schnell an harte Grenzen: Hohe Inferenzkosten, Latenzzeiten und strenge Datenschutzanforderungen machen den Einsatz von Modellen mit hunderten Milliarden Parametern oft unwirtschaftlich. Die Lösung liegt nicht in immer größeren Modellen, sondern in intelligenter Spezialisierung – dem „Smart Scaling“.In diesem Vortrag beleuchten wir den Paradigmenwechsel von monolithischen LLMs hin zu effizienten, maßgeschneiderten KI-Architekturen. Dafür vereinen wir die Perspektiven aus aktueller Deep-Tech-Forschung (L3S) und handfester Business-Praxis.Dafür werfen wir zunächst einen Blick unter die Haube der aktuellen KI-Forschung (u.a. Projekt Soofi) und zeigen, wie Techniken wie Model Distillation und Mixture-of-Experts (MoE) das Wissen riesiger Modelle ressourcenschonend in kompakte Small Language Models (SLMs) überführen. Diese Theorie unterziehen wir direkt im Anschluss einem Reality-Check aus der Business-Perspektive: Am Beispiel des mFUND-Projekts MoToRes (Mobilität und Tourismus) demonstrieren wir, warum gerade domänenspezifische Herausforderungen – wie die präzise Verarbeitung lokaler Routing- und Regionaldaten – zwingend nach solchen spezialisierten, effizienten Modellen verlangen und beleuchten deren Chancen.

Der Vortrag stellt KI‑Governance als „Brücke zwischen Mensch und Maschine“ dar, die es Organisationen ermöglicht, Vertrauen, Verantwortung und Zusammenarbeit in einer neuen technologischen Realität neu zu definieren.Der zentrale Gedanke: Governance ist kein Bremser, sondern ein Ermöglicher – sie schafft Struktur, Sicherheit und Orientierung, damit KI ihren Wert entfalten kann, ohne Risiken zu erzeugen, die Menschen oder Organisationen schädigen.Der Vortrag setzt sich kritisch mit der Rolle von KI in Unternehmen auseinander, beleuchtet Spannungsfelder rund um Verantwortung und Entscheidungsfindung und zeigt, dass Governance ein strategischer Erfolgsfaktor ist, nicht nur ein Compliance‑Thema.

Students using AI solve more problems but understand less — that's the AI Learning Paradox. AI tools are transforming education and corporate training, but the evidence is raising uncomfortable questions. Recent studies show that unstructured AI use can degrade learning outcomes, erode critical thinking, and create a self-reinforcing cycle of dependency, while most traditional assessment formats can no longer detect whether learning actually happened. At the same time, structured AI use can reverse these effects entirely. This talk presents the failure patterns we all should know, and a practical maturity framework for responsible AI adoption.

Scientific breakthroughs are often lost in translation. While the research is world-class, the delivery is often fragmented: we treat slides like static documents and speech like an isolated track. This disconnect creates a "black box" in communication—when an audience disengages, the presenter rarely knows exactly when or why it happened.+3In this 20-minute session and live demo, we reveal a multimodal system that stops treating presentations as static outputs and starts treating them as live, time-aligned events. By engineering a shared temporal axis for sight, sound, and behavior, we turn the subjective art of "pitching" into a precise science.

Die Nutzung Künstlicher Intelligenz in Alltag und Büro hat in den vergangenen Jahren rasant zugenommen - vor allem durch generative KI zur Erzeugung von Texten und Bildern. Die industrielle Nutzung von KI hingegen - also der Einsatz in Entwicklung, Fertigung und Betrieb technischer Produkte - steht vor spezifischen Herausforderungen. Dazu zählen hohe Anforderungen an Datensicherheit und Ergebnisqualität. Außerdem sind Trainingsdaten über unterschiedliche Datenquellen verteilt, nicht öffentlich verfügbar und unterscheiden sich je nach Art der Anwendung.Dennoch existieren bereits heute zahlreiche Anwendungen von KI in der industriellen Praxis. Insbesondere der Einsatz von Maschinellem Lernen (ML) zur intelligenten Automatisierung repetitiver Prozesse ist seit vielen Jahren etabliert und liefert messbare Mehrwerte - etwa in der visuellen Qualitätskontrolle, der vorausschauenden Wartung von Maschinen oder der beschleunigten virtuellen Bewertung und Optimierung von Designvarianten neuer Produkte. Auch Large Language Models (LLMs) finden zunehmend Eingang in industrielle Anwendungen, beispielsweise zur Unterstützung von Nutzern technischer Software und Hardware, in der Anforderungsanalyse neuer Produkte oder in der teilautomatisierten Softwareentwicklung. Einen weiteren Schub für die industrielle Nutzung generativer KI verspricht die Entwicklung von Foundation Models für Modalitäten jenseits von Text und Bild, etwa für geometrische Daten.Der Vortrag gibt anhand konkreter Beispiele einen Überblick über diese und weitere industrielle KI‑Anwendungen und zeigt die damit verbundenen Mehrwerte auf.

In den meisten Unternehmen schlummert wertvolles Wissen in unstrukturierten Formaten: fotografierte oder handschriftliche Dokumente, lose Notizsammlungen, komplexe PDFs sowie visuelle Inhalte wie Zeichnungen, Schaltpläne, Diagramme oder Schaubilder. Dieses Wissen gezielt zu erschließen und in strukturierte, weiterverarbeitbare Daten zu überführen schafft die Grundlage für Effizienzgewinne und eine nachhaltige Sicherung von Unternehmenswissen. In diesem Vortrag beleuchten wir die Praxis der KI-gestützten Information Extraction und zeigen, warum moderne Wissensextraktion weit über klassische Texterkennung hinausgeht. Anhand konkreter Projektbeispiele vergleichen wir unterschiedliche technologische Ansätze zur Informationsgewinnung und wie sie sich On-Premises oder in der Cloud realisieren lassen. Zuhörer:innen aus IT und Management erhalten eine praxisnahe Orientierung für fundierte Technologieentscheidungen und erfahren, wie sich unstrukturierte Datenbestände in belastbare Wissensdatenbanken transformieren lassen, um Zeit zu sparen, Wissensverlust zu vermeiden und den Grundstein für datengetriebene Prozesse zu legen.

Was bedeutet es konkret, wenn Millionen Menschen täglich KI nutzen? Jede Anfrage benötigt Rechenleistung. Rechenleistung erzeugt Wärme. In vielen Rechenzentren wird diese Wärme über wasserbasierte Kühlsysteme abgeführt. Damit wird Wasser zu einem Bestandteil der digitalen Infrastruktur.Mit dem Ausbau datenintensiver Anwendungen wächst dieser wasserbezogene Bedarf – in einer Zeit, in der Wasser in vielen Regionen zunehmend unter Druck steht. Gleichzeitig entstehen neue Ansätze für effizientere Kühlung und alternative Konzepte für den Betrieb von Rechenzentren.Doch die Perspektive ist nicht einseitig. Digitale Technologien ermöglichen zugleich einen präziseren und bedarfsgerechteren Umgang mit Wasser – etwa im Bereich der Bewässerung, wo Sensorik und datenbasierte Steuerung helfen können, Verbrauch an tatsächliche Boden- und Wetterbedingungen anzupassen.Die Keynote zeigt beide Seiten: Technologische Innovation schafft neue Möglichkeiten, bringt aber auch neue Anforderungen an bestehende Infrastrukturen mit sich. Fortschritt entsteht dort, wo neue Lösungen entwickelt und vorhandene Systeme konsequent weiterentwickelt werden.

Computer vision has moved from research labs into real-world production environments—but many companies still struggle to translate prototypes into measurable business value. This talk explores how to bridge that gap.

Drawing on real industrial use cases, Christoph Garbe shows how vision systems evolve from proof-of-concepts into scalable, ROI-positive solutions. The focus lies on three critical dimensions: selecting high-impact use cases, integrating AI into existing processes, and building systems that remain robust under real-world constraints.

Attendees will gain practical insights into what actually works—and what fails—when deploying computer vision in production, and how to move from experimentation to sustainable competitive advantage.

In dieser Masterclass baust du deinen persönlichen KI-Zwilling – einen digitalen Assistenten, der in deinem Stil kommuniziert, deine Arbeit strukturiert und Entscheidungen vorbereitet. Am Ende des Tages arbeitest du mit einem einsatzbereiten KI-Assistenten, der dir jede Woche messbar Führungszeit spart.Das nimmst du konkret mit:KI-Grundlagen kompakt Du verstehst, wie KI wirklich funktioniert – und wie du sie so einsetzt, dass verlässliche, hochwertige Ergebnisse entstehen (statt Spielerei und Frust).Dein Kommunikations-Klon E-Mails und Texte in deinem persönlichen Stil: klar, authentisch und professionell – vorbereitet durch deinen KI-Zwilling, du behältst die Kontrolle.Smarte Planung statt Dauerstress Dein KI-Zwilling unterstützt dich bei Tages- und Arbeitsplanung – ausgerichtet auf deine Ziele und die deines Unternehmens, nicht auf dein Postfach.Entscheidungen besser vorbereitet Die KI übernimmt Analyse, Struktur und Optionen. Du triffst fundierte Entscheidungen schneller – die Verantwortung bleibt bei dir.Am Ende der Masterclass hast du:einen eingerichteten, persönlichen KI-Assistententrainiert auf deinen Kommunikations- und Arbeitsstil mit sofort nutzbaren Workflows für E-Mails, Planung und EntscheidungsvorbereitungWichtig: Die KI ersetzt dich nicht. Sie entlastet dich – damit du dich auf Führung konzentrieren kannst.Für wen: Für Führungskräfte und Entscheider im Mittelstand, die mehr bewirken wollen, ohne im Tagesgeschäft zu versinken.

Specific use case of using AI applications to automate part of a workflow.

The AI revolution has so far been dominated by language. But our world isn't just text; it's a rich stream of images, sounds, and interactions. The next wave of disruptive startups won't just build chatbots—they'll build "agents" that can see, hear, and act. This session explores the paradigm shift to Multimodal AI.

Discover how Generative AI is reshaping decision-making in finance. This masterclass explores Autocommenting, Smart Verdicts, and RAG-based approaches to generate sharper commentary, uncover new insights from company data and strengthen business interpretation. Learn how AI can help finance teams move faster, analyze smarter and in the end, make more confident decisions.

KI ist längst mehr als ein Tool: Sie ist Sparringspartner, Innovationsmotor – und manchmal auch der ungebetene Gast, der die Teamdynamik durcheinanderwirbelt. Die KI-Transformation verändert nicht nur Prozesse und Rollen, sondern stellt uns vor eine grundlegendere Frage: Wie arbeiten wir eigentlich noch zusammen, wenn KI mit an den Schreibtischen sitzt – und was macht das mit Vertrauen, Kommunikation und Teamkultur?

In dieser interaktiven Session gehen wir genau dem nach. Wir schauen, welche Future Skills es braucht, damit Mensch-KI-Kollaboration wirklich gelingt – jenseits der Technik. Und wir zeigen konkrete, niedrigschwellige Wege, wie Teams nicht nur effizienter, sondern auch resilienter und kreativer mit KI agieren können.

Ihr reflektiert eure eigene KI-Zusammenarbeit, erlebt interaktive Methoden und nehmt konkrete Impulse mit.

In dieser Masterclass erhalten die Teilnehmenden einen kompakten und praxisnahen Überblick über die wichtigsten Förder- und Finanzierungsmöglichkeiten für Innovationsprojekte in den Bereichen künstliche Intelligenz und Forschung. Der Vortrag zeigt, wie Unternehmen und Forschungseinrichtungen geeignete Programme identifizieren, strategisch auswählen und erfolgreich beantragen. Anhand aktueller Beispiele werden zentrale Förderlogiken, typische Fallstricke und Erfolgsfaktoren erläutert. Die Teilnehmenden erfahren, wie sie ihre Projekte förderfähig gestalten, eine nachhaltige Fördermittelstrategie entwickeln und Finanzierungspotenziale optimal ausschöpfen können.

Manufacturing is evolving into an environment where decisions are no longer made by humans alone, but emerge through close collaboration with intelligent, action-oriented systems. This paradigm of Manufacturing Co-Intelligence places the interaction between humans and Agentic AI at the center and enabling faster, more consistent, and more informed decision-making on the shopfloor.This keynote focuses on how Agentic AI for Manufacturing can be designed to work effectively within real production environments. Shopfloor Agents take on an active role in daily operations. Crucially, these agents are not standalone tools, but part of Agentic Flows: orchestrated interactions where multiple agents collaborate across steps, while staying aligned with human intent and oversight.A key challenge is not only technical integration, but human adoption. How do we design agent interactions so that they are intuitive, transparent, and trustworthy? How can systems communicate recommendations clearly, allow for human intervention, and adapt to different roles on the shopfloor? By connecting agents, workflows, and human decision-makers, Agentic Flows enable end-to-end support, from situational awareness to action, without removing humans from the loop. The result is a production environment where Co-Intelligence becomes tangible: systems that are not only powerful, but usable, accepted, and ultimately trusted in day-to-day operations.

KI ist heute überall, doch der Weg von der beeindruckenden Idee zum echten Business-Impact gleicht für viele Unternehmen noch immer einer Blackbox. Während die Welt über die neuesten Modelle staunt, scheitern viele Projekte in der Praxis nicht an der Mathematik, sondern an der Realität: unsaubere Daten, isolierte Pilotprojekte ohne Skalierung und eine Belegschaft, die zwischen Euphorie und Skepsis schwankt. Diese Keynote räumt mit dem Hype auf und zeigt, wie Sie KI pragmatisch und strategisch klug in Ihr Unternehmen bringen.Wir werden einen Blick auf die Erfolgsfaktoren erfolgreicher KI-Projekte und zeigen mögliche Partner und Unterstützung auf dem Weg zur erfolgreichen Implementierung von KI-Projekten auf. Hierbei beantworten wir auch die Fragen: Wie erhält man Zugriff auf die richtige Infrastruktur, ohne sich im Anbieterchaos zu verlieren? Wie findet man heraus, ob die Daten ausreichen? An wen kann man sich im Zweifelsfall wenden?Sie erwartet eine unterhaltsame Keynote, aus der sich konkrete Punkte für Ihren eigenen Alltag mitnehmen können.

Viele Unternehmen zeigen beeindruckende GenAI-Piloten - und scheitern trotzdem beim Skalieren. Nicht weil die Modelle „noch nicht gut genug“ sind, sondern weil 80% der Wertschöpfung an Operating Model, Entscheidungsfähigkeit und Change hängen: unklare Ownership, Tool-Shopping statt Produktisierung, fehlende Guardrails und keine messbare Wertlogik.In diesem Vortrag zeige ich, wie GenAI vom Experiment zur verlässlichen Unternehmensfähigkeit wird. Ich stelle ein pragmatisches Scale-Framework mit mehreren Bausteinen vor. Anhand typischer Anti-Patterns (Pilot-Theater, KPI-Nebel, Governance als Bremse) leite ich konkrete Gegenmaßnahmen ab, inklusive eines „Scale Readiness Checks“ für die nächsten 90 Tage.Ein zentraler Hebel der Skalierung ist dabei das Zusammenspiel aus interner Plattform und externen Fähigkeiten: Ob Build, Buy oder Partner: KI-Start-ups und Anbieter liefern Geschwindigkeit, aber Wert entsteht erst, wenn Integration, Betrieb und Verantwortung sauber gelöst sind. Deshalb zeige ich eine kompakte „Production-Integration“-Checkliste, mit der aus einem Pilot in Wochen ein belastbarer Produktionsbetrieb wird.Die Teilnehmenden nehmen mit: (1) eine Entscheidungslogik, welche Use Cases in die Skalierung gehören, (2) ein Minimal-Governance-Setup, das Geschwindigkeit erhöht statt reduziert, und (3) ein konkretes Vorgehen, um Wertbeitrag, Qualität und Risiko transparent zu steuern – damit GenAI kein Tool bleibt, sondern ein produktiver Teil der Organisation wird.

AIBOM (AI Bill of Materials) adressiert eine zentrale Herausforderung beim Einsatz von KI-Systemen: das Verständnis darüber, 'was tatsächlich in diesen Systemen steckt. Während Wissenschaftler Transparenz für Reproduzierbarkeit und Validierung ihrer Forschung benötigen, brauchen Unternehmen sie für Risikomanagement und die Erfüllung gesetzlicher Vorgaben.Mit der aktuellen Regulierungslandschaft, insbesondere dem EU AI Act, der Transparenz und umfassende Dokumentation fordert, wird AIBOM zu einem praktischen Werkzeug, das Unternehmen tatsächlich implementieren müssen. Das Konzept lehnt sich dabei an die bereits etablierte Software-Lieferkettensicherheit (SBOM) an, hebt aber gleichzeitig neue KI-spezifische Risiken hervor wie Datenherkunft, Modelqualität oder Schwachstellen in Trainingsdatensätzen.Die Sicherheitsdimension von AIBOM ist dabei von besonderer Bedeutung: Sie ermöglicht die Identifikation von Schwachstellen entlang der gesamten KI-Lieferkette, von den Trainingsdaten über verwendete Modellkomponenten bis hin zu nachgelagerten Abhängigkeiten. Damit wird AIBOM zu einem unverzichtbaren Instrument für die Absicherung kritischer KI-Infrastrukturen gegen Manipulationen und Angriffe.Für Unternehmen übersetzt sich AIBOM in konkrete Anwendungsfälle im operativen Geschäft. Für die Forschung bedeutet es die Etablierung von Standards und Best Practices in einem noch jungen Feld. Der Vortrag zeigt, wie AIBOM die Lücke zwischen der Black-Box-Natur moderner KI-Systeme und dem Bedürfnis nach Kontrolle und Nachvollziehbarkeit schließt."feh

Fashiontechno meets Robotic VALENTIN – Live Performance mit UNITREE G1 Humanoid Robot

Die extravagante Sängerin und Performancekünstlerin VALENTIN konfrontiert die  Besucher*innen mit einem immersiven Erlebnis aus Bass, Haute Couture, KI und Robotik - ein so noch nie gesehener Live-Moment – der zu den ersten Performances dieser Art mit humanoiden Robotern gehört.

Im Zusammenspiel mit dem humanoiden Roboter Unitree G1 entsteht Nähe, wo Distanz erwartet wird. Was passiert, wenn dein größter Fan kein Mensch ist? Beobachtung kippt. Wahrnehmung verschiebt sich.

Was bedeutet es, in einer Welt gesehen zu werden, in der auch Maschinen beginnen zu lernen, zu imitieren und zu fühlen? Und: Wer beobachtet eigentlich wen?

In Zeiten rasanter KI-Entwicklung brauchen Führungskräfte Klarheit: Was unterscheidet autonome KI-Agenten von klassischer Automatisierung – und warum werden sie jetzt relevant? Diese Session vermittelt Ihnen vier Leadership-Mental-Models für den Umgang mit autonomen Systemen  und zeigt an einem konkreten Praxisbeispiel, wie Sie den Business-Value von Agentic AI erschließen. Sie erfahren, welche technischen Grundlagen (Intelligence, Context, Trust) wirklich zählen und wo Sie in Skills investieren sollten.

Viele Diskussionen über KI im Recruiting drehen sich um Visionen, Tools und Buzzwords.Doch eine viel wichtigere Frage bleibt oft unbeantwortet:Was wird tatsächlich genutzt?In diesem Vortrag geht es nicht um Hype, sondern um Realität.Wofür nutzen Arbeitgeber KI heute wirklich schon?Was machen Bewerbende bereits mit KI – oft ohne dass Unternehmen es merken?Sie erfahren:Wie Bewerbende KI für Lebenslauf, Bewerbung und Vorbereitung einsetzenWo Unternehmen KI im Recruiting bereits produktiv nutzenWie das Recruiting 2030 aussehen kannund welche Entwicklungen 2026 wirklich relevant werdenEin Reality-Check für alle, die Recruiting nicht nur diskutieren, sondern verstehen wollen.

In dem Beitrag werden Chancen und Risiken beim Einsatz von generativer KI in der Verwaltung beschrieben. Dabei werden auch konkrete Use Cases der Stadt Heidelberg vorgestellt.

Mit der zunehmenden Integration Künstlicher Intelligenz (KI) in alle Bereiche des menschlichen Lebens offenbaren sich nicht nur technologische Fortschritte, sondern auch mögliche tiefgreifende Herausforderungen.Die drei wesentlichen Punke die sie aus diesem Vortrag mitnehmen: > Künstliche Intelligenz kann die menschlichen Schwächen wiederspielen – wenn wir es zulassen. > Technologischer Fortschritt ohne ethische Kontrolle kann gefährlich sein – doch Kontrolle bedeutet nicht automatisch Cybersicherheit.> Die digitale Apokalypse ist kein Schicksal – sondern eine Entscheidung.

KI-Agenten werden vom Werkzeug zum Akteur. Rüdiger Pläster, Chief AI Officer der TWT Group, gibt einen Impuls zu den technologischen Grundlagen und wirtschaftlichen Konsequenzen dieses Wandels – und zeigt anhand eines Praxisbeispiels aus einem wissensintensiven Dienstleistungsumfeld, wie die Agent Economy heute schon Realität wird.

In diesem Vortrag werfen wir einen aktuellen Blick auf das Thema Quantum Computing in 2026, die aktualisierte IBM Quantum Development Roadmap sowie auf die Hardware, Software und Services, um schon jetzt Quantencomputing zu nutzen.Egal, ob Sie aktiv in der Quantencomputing-Forschung tätig sind oder Ihr erstes Quantenprojekt in Betracht ziehen, Sie werden Themen entdecken, die Sie nutzen können, um Ihren Weg im Quantum Computing zu gestalten.Die Teilnehmer haben außerdem die Möglichkeit, Fragen zur aktualisierten Roadmap zu stellen.

Trotz intensiver Bemühungen und Investitionen in die digitale Transformation gibt es oftmals noch fragmentierte Prozesse und nicht erfüllte Erwartungen. Da es auch nicht für jeden Vorgang eine passende individuelle Plattform gibt, finden auch heute noch Abläufe analog oder altmodisch in Excel statt. Aber auch brachenspezifische Lösungen zur Standardisierung von digitalen Prozessen scheitern an uneinheitlichen bzw. inkonsequent umgesetzten Datenaustauschformaten.GenKI kann in diesem Umfeld ein Ansatz zur Unterstützung sein. Sei es bei der Erkennung von Handschrift oder Tabelleneinträgen via OCR-spezifischer Vision-Language Modelle. Aber auch bei der Korrektur von eigentlich maschinenlesbaren Daten, die jedoch nicht konsequent umgesetzt wurden.

Heidelberg Materials is one of the world's largest integrated manufacturers of building materials and solutions with leading market positions in cement, aggregates, and ready-mixed concrete. At the center of our actions lies our responsibility to reduce environmental impacts for our industry, which currently amount to ~8% of the global CO2 emissions for cement production alone.Heidelberg Materials recently launched our Carbon Bank alongside the commissioning of its first CCS plant in Brevik, Norway, capable of capturing up to 400,000 tonnes of CO2 annually. Built on smart contracts, NFTs, and other Web3 technologies, the Carbon Bank provides a transparent and verifiable mechanism to attribute captured and permanently stored CO2 reduction to our cement materials, mitigating risks such as double-counting or over-allocation of carbon reductions.In the presentation, we will provide an overview of the main requirements, design choices to achieve a trustworthy, low-cost and eco-friendly solution and some key learnings when introducing supply-chain transparency across multiple companies and stakeholders.

ERNW is an independent IT security firm based in Heidelberg, Germany, specializing in penetration testing, security consulting, and technical training.At the heart of our services lies trust. The data protection measures we apply to data are among the most strict you will find within the industry. Naturally cloud services are not an option, as we need to stay in full control of our data.  This commitment to privacy and security led us to evaluate self-hosting Large Language Models, both as infrastructure for internal tooling such as agentic workflows and knowledge base retrieval, and as a hands-on environment for our AI security training.What started as an evaluation turned into a full self-hosted LLM platform: a multi-node, GPU-accelerated setup serving models for chat, embedding, and retrieval-augmented generation. The central challenge was building a mostly declarative system around inherently non-deterministic AI models covering disk encryption and partitioning, OS installation, service configuration, and model deployment, all defined and versioned as code. The system helps us in tackling issues such as knowledge management, quality control and rapid development and deployment, all while retaining control of the data and keeping humans in the loop.In this presentation, we share the practical trade-offs of self-hosting AI infrastructure. Data sovereignty, cost, and the pace at which the ecosystem moves as well as what a largely declarative approach looks like in practice (and where it falls short), and why declarative infrastructure and AI-assisted development work surprisingly well together.Join us in exploring the design philosophy and principles that went onto building a deterministic system and processes from non-deterministic models.

AI coding agents have significantly changed the world of code development. Smarter, faster, and more skilled, they gain greater autonomy and trust.  Isn’t that too good to be true, and we might be dealing with a double-edged sword here? Can attackers use the same capabilities of the AI agents to attack their own users?  And most importantly: what’s the worst that could happen if you fully trust some random AI Agent?In this talk I demonstrate how remote attackers exploit vulnerabilities in popular AI coding agents to capture sensitive data and compromise the computers of its users.  Additionally, I finish with recommendations for users and developers on how to mitigate such attacks.

KI‑Agenten handeln zunehmend im Namen von Benutzern – doch wie stellen wir sicher, dass sie nur das dürfen, was der Nutzer selbst darf?Dieser Vortrag zeigt eine praxisnahe Architektur, in der Benutzerrollen sicher durch KI‑Agenten, Backend‑Services und bis zur Datenbank durchgesetzt werden. Das Ergebnis: Keine überprivilegierten Agenten, volle Nachvollziehbarkeit und sichere Enterprise‑KI.

Künstliche Intelligenz gilt als Schlüsseltechnologie unserer Zeit – leistungsfähig, vielseitig und voller Versprechen. Doch wie nachhaltig sind diese Systeme tatsächlich?

Dieser Vortrag wirft einen kritischen, zugleich zugänglichen Blick auf die ökologischen Auswirkungen moderner KI-Systeme. Große Sprachmodelle und datenintensive Anwendungen benötigen erhebliche Rechenressourcen – und damit auch Energie. Nicht jede „intelligente“ Lösung ist automatisch effizient oder nachhaltig.

Anhand von praxisnahen Beispielen und persönlichen Einblicken aus der eigenen Forschungsarbeit beleuchtet der Vortrag die Spannungsfelder zwischen technologischem Fortschritt, Energieverbrauch und verantwortungsbewusster Innovation. Dabei geht es auch um eine zentrale Frage: Wann ist der Einsatz von KI wirklich sinnvoll – und wann sind einfachere Lösungen die bessere Wahl?

Der Beitrag lädt dazu ein, die aktuelle KI-Euphorie kritisch zu hinterfragen und neue Perspektiven auf nachhaltige Digitalisierung zu entwickeln.

KI-Systeme werden smarter — und dennoch blinder. Der Vortrag beleuchtet zwei grundlegende Defizite moderner KI-Systeme: die fehlende Fähigkeit zur echten sensorischen Wahrnehmung sowie den systematischen Verlust impliziten Erfahrungswissens in Organisationen. Die zentrale These lautet, dass leistungsfähige KI erst dann entsteht, wenn Umgebungsdaten und menschliches Expertenwissen gemeinsam erfasst, strukturiert und dauerhaft repräsentiert werden. Der Vortrag stellt methodische Ansätze vor und diskutiert, welche strategischen Konsequenzen sich daraus für Unternehmen ergeben, die implizites Wissen als kritische Ressource begreifen.

KI ist in Unternehmen angekommen – jedoch meist fragmentiert: einzelne Tools, isolierte Use Cases, eigenständige Agentenlösungen. Was kurzfristig Innovation ermöglicht, wird langfristig zur strukturellen Herausforderung.Anhand ausgewählter produktiver KI-Assistenzsysteme aus realen Kundenprojekten zeigt dieser Vortrag, wie heutige Implementierungen aussehen und wo ihre Grenzen liegen. Denn das eigentliche KI-Zukunftsproblem ist nicht die Entwicklung weiterer KI-Anwendungen, sondern ihre Orchestrierung.Wie einst bei gewachsenen IT-Landschaften braucht es ein neues Integrationsparadigma. Der Vortrag überträgt das Konzept der Application Integration Middleware auf die Welt autonomer KI-Agents und skizziert die Idee einer Agent Middleware als strukturelle Antwort auf die nächste Evolutionsstufe unternehmerischer KI.

Der Vortrag zeigt, wie KI bewusst und zielgerichtet in bestehende digitale Produkte integriert werden kann. Im Mittelpunkt stehen die Bewertung des tatsächlichen Mehrwerts, die richtige Priorisierung von Use Cases und der Weg von der ersten Idee zur funktionierenden, nachhaltig wirksamen Lösung. KI ist eine Chance – wenn sie strategisch gedacht wird.

Many GenAI projects start with an impressive demo but never turn into tools that people actually use in their day‑to‑day work. This talk shows how Databricks Agent Bricks helps organisations turn ideas into AI assistants that can be safely used in real business applications.Using concrete examples from everyday business scenarios, we highlight what is needed to move from a nice experiment to a dependable, production‑ready assistant. The session is designed for both technical and non‑technical attendees and focuses on clear language, real‑world stories, and practical lessons from bringing GenAI agents into production.

Genow ist eine Precision-Enterprise-AI-Plattform, die Unternehmen befähigt, hochspezialisierte Wissensagenten eigenständig zu konfigurieren und unternehmensweit zu skalieren. Durch die direkte Integration in Systeme wie SharePoint, SAP, Jira, Google Drive und weitere Enterprise-Tools verwandelt Genow fragmentierte interne Daten in strukturierte, kontextbezogene Intelligenz – mit vollständigem Quellennachweis.In dieser Präsentation zeigen wir auf, wie über Kontextinformationen hochpräzise, domänenspezifische Antworten ermöglicht werden, die ausschließlich auf dem unternehmenseigenen Wissen basieren.Im Fokus der Präsentation steht eine Case Study mit einem Industriekunden im Fokus, der Genow erfolgreich im täglichen Einsatz für Sales- und Servicemitarbeiter nutzt. Trotz einer hochgradig heterogenen Datenlandschaft ist es gelungen, verteilte Produktinformationen, Prozessdokumentationen und Servicewissen über spezialisierte Wissensagenten verfügbar zu machen – mit höchster Präzision und vollständiger Nachvollziehbarkeit.Wir teilen  konkrete Learnings, die wir aus dem Aufbau und Rollout von KI-Agenten in dem Kundenprojekt gewinnen konnten und zur erfolgreichen Zusammenarbeit zwischen Startup und Corporate.

Kommunikation prägt Entscheidungen, Beziehungen und Leistung – im Unternehmen ebenso wie im Alltag.In dieser Keynote zeigt Pierre Groh, wie Gespräche trotz korrekter Inhalte sehr unterschiedliche Wirkungen entfalten und weshalb nicht das Gesagte, sondern Haltung, Klarheit und Struktur über den Ausgang entscheiden.Das Publikum wird aktiv einbezogen: Kurze, interaktive Impulse machen unmittelbar erlebbar, wie unterschiedlich Menschen dieselbe Aussage interpretieren – abhängig von Erfahrung, Emotion und Kontext.Darauf aufbauend wird deutlich, wie Kommunikation trainierbar wird, wenn sie nicht als Talent, sondern als System verstanden wird. Ein strukturierter Ansatz macht Wirkung bewusst, wiederholbar und messbar – unabhängig von Rolle oder Situation.Anhand praxisnaher Beispiele aus Führung, Kundenkommunikation, E-Mail-Verkehr und nonverbaler Interaktion zeigt die Keynote, wie Klarheit entsteht und wie Gespräche gezielt gestaltet werden können.Die Keynote richtet sich an Führungskräfte, Entscheider und Organisationen, die Kommunikation nicht dem Zufall überlassen, sondern als Leistungsfaktor systematisch weiterentwickeln wollen.

Viele Unternehmen investieren bereits in KI – doch der messbare ROI bleibt aus.Nicht wegen fehlender Technologie, sondern wegen fehlender Entscheidungen.Diese Keynote zeigt, warum KI-Initiativen im Mittelstand häufig in Schulungen, Pilotprojekten und Tool-Tests stecken bleiben, ohne Wirkung im Tagesgeschäft zu entfalten. Sie macht deutlich, welche strukturellen Fehler immer wieder auftreten: unklare Zielbilder, fehlende Ownership, keine Priorisierung nach wirtschaftlicher Wirkung und KI außerhalb der eigentlichen Kernprozesse.Statt über neue Tools zu sprechen, richtet sich der Blick auf Führung, Organisation und Arbeitsweisen. Anhand eines klaren 3-Phasen-Modells wird gezeigt, wie Unternehmen von der Experimentierphase zu produktiver, integrierter KI gelangen – mit messbarem ROI in Wochen statt Quartalen.Eine konkrete Case Study mit über 1.300 % ROI belegt, dass Wirkung entsteht, wenn Enablement, Prozessintegration und Verantwortung zusammenspielen.Die Keynote richtet sich an Geschäftsführung und Entscheider, die nicht mehr testen wollen, sondern klare Ergebnisse erwarten – und bereit sind, die dafür nötigen Entscheidungen zu treffen.

While recent advances in foundation models have demonstrated the power of large-scale learning in digital environments, deploying AI in physical systems introduces a fundamentally different set of constraints. Robots, industrial machines, and embodied systems must operate safely, reliably, and under real-world conditions where data collection is slow, experimentation is costly, and failures have tangible consequences.The core presentation of this session is to frame synthetic data generation and digital twins not as auxiliary tools, but as essential infrastructure for Physical AI.

KI erstellt heute in Sekunden lauffähigen Code. Die eigentliche Arbeit verschiebt sich: weg vom selbst Codieren, hin zum Review von KI‑erzeugten Ergebnissen.

In diesem Vortrag zeigt Thomas Südbröcker (IBM Build Engineering), wie IBM Bob den Software Development Lifecycle unterstützt und warum Reviews durch KI komplexer werden. Architekten, Entwickler und Tester müssen weiterhin die Intention, Annahmen, Logik, Risiken und Sicherheit bewerten – nicht nur Syntax.

Die Session macht deutlich: KI beschleunigt Entwicklung – aber Vertrauen, Qualität und Business‑Wert bleiben menschliche Verantwortung.

Agentic coding promises significant productivity gains, but it conflicts directly with intellectual property and data sovereignty. How can you build a solution that is secure yet powerful enough for professional use?This presentation offers a realistic deep dive into the tooling and architecture of sovereign coding stacks. We go beyond standard theory and answer critical infrastructure questions:Hardware sizing: What GPU performance and VRAM are really necessary?Model strategy: How do you choose between model size and quantization to balance latency, cost, and intelligence?Limitations & solutions: Where local agents still stumble today and how to compensate for this through workflow design.We show how companies can achieve independence without losing touch with technology.

Conversational AI is rapidly moving beyond chatbots and customer service automation. The next stage is the integration of AI-driven conversations directly into operational workflows across industries such as healthcare, manufacturing, logistics and service organizations.This talk provides a practical perspective on how Conversational AI systems are being implemented in real-world environments. Based on deployments of the mAIsolutions platform, the presentation will show how conversational interfaces can orchestrate workflows, reduce manual workload and improve accessibility to digital processes.The session will explore how organizations can move from isolated AI pilots toward scalable operational systems by integrating Conversational AI with existing enterprise infrastructure, including workflow engines, automation platforms and business applications.Real-world case studies from healthcare institutions, industrial companies and education organizations will demonstrate how Conversational AI is used to:• automate service and communication processes• orchestrate complex workflows across systems• improve accessibility for employees and customers• reduce operational workload and increase process transparencyThe talk also highlights architectural aspects of modern Conversational AI systems, including integration with automation platforms, agent-based AI architectures and governance considerations required for enterprise deployment.Participants will gain practical insights into how Conversational AI can evolve from experimental technology into a core operational layer within modern organizationsonversational AI is rapidly moving beyond chatbots and customer service automation. The next stage is the integration of AI-driven conversations directly into operational workflows across industries such as healthcare, manufacturing, logistics and service organizations.This talk provides a practical perspective on how Conversational AI systems are being implemented in real-world environments. Based on deployments of the mAIsolutions platform, the presentation will show how conversational interfaces can orchestrate workflows, reduce manual workload and improve accessibility to digital processes.The session will explore how organizations can move from isolated AI pilots toward scalable operational systems by integrating Conversational AI with existing enterprise infrastructure, including workflow engines, automation platforms and business applications.Real-world case studies from healthcare institutions, industrial companies and education organizations will demonstrate how Conversational AI is used to:• automate service and communication processes• orchestrate complex workflows across systems• improve accessibility for employees and customers• reduce operational workload and increase process transparencyThe talk also highlights architectural aspects of modern Conversational AI systems, including integration with automation platforms, agent-based AI architectures and governance considerations required for enterprise deployment.Participants will gain practical insights into how Conversational AI can evolve from experimental technology into a core operational layer within modern organizations.

Viele Unternehmen investieren aktuell in KI-Modelle, Datenplattformen und Rechenleistung.Deutlich seltener wird die Frage gestellt: Ist die zugrunde liegende Infrastruktur dafür ausgelegt?„Fit for AI“ bedeutet mehr als GPU-Kapazität. Es geht um Stromverfügbarkeit, Leistungsdichte, Kühlkonzepte, Skalierbarkeit und regulatorische Sicherheit.Der Vortrag beleuchtet aus Sicht eines Rechenzentrumsbetreibers, welche infrastrukturellen Voraussetzungen erfüllt sein müssen, damit KI-Projekte nicht nur starten, sondern auch nachhaltig wachsen können.

Während Generative KI die Kreativbranche bereits grundlegend transformiert hat, bleibt ihr Potenzial zur Revolutionierung in der Computer Vision oft noch ungenutzt. Dieser Vortrag beleuchtet, wie moderne, KI-gestützte Workflows die Projektdauer und -kosten drastisch reduzieren können. Wir diskutieren Strategien zur Optimierung des Trainingsprozesses, um sicherzustellen, dass schnellere Entwicklungszyklen gleichzeitig zu robusteren und damit zu zuverlässigeren Vision-Modellen führen.

Today, AI-assisted design tools cover miscellaneous parts of a creative's workflow. Whether it is a simple text-to-image ideation, prompt-based image editing, node-based workflow creations or a trivial image upscaling: different tools lead to a fragmentation of processes, increase the number of subscriptions and an unconsolidated digital landscape. MuseBoard is our vision to fulfill the requirement of having a collaborative, easy-to-use, model-agnostic and comprehensive AI-assisted infinity canvas for designers. As a starting point we chose the initial spark of most artists and creatives: the Mood-Board. In this pitch we will show the current status of our product, our long-term vision from a technological and UI/UX perspective, as well as discussing the future of potential compliance topics and a European sovereignty in creating a suite that fits everyone's creative ideas.

Die KI-Fabrik HammerHAI unterstützt gezielt Start-ups und KMUs aus den Bereichen Manufacturing und Engineering dabei, Künstliche Intelligenz niedrigschwellig und kostengünstig zu nutzen – und so ihre Innovationskraft und Wettbewerbsfähigkeit zu stärken. Gefördert von der EU und nationalen Partnern, bietet HammerHAI ab 2026 einen Hochleistungs-KI-Rechner am HLRS Stuttgart sowie schnellen Zugang zu GPU-Ressourcen: Über den „Playground-Access“ oder „Fast-Lane-Access für KMU“ stehen Unternehmen bereits nach einem einfachen Antrag innerhalb weniger Tage Ressourcen zur Verfügung, um KI-Projekte auszuprobieren oder umzusetzen.Besonders für Start-ups und KMUs ohne eigene Datenbestände sind die Data Labs interessant: Hier soll ein Katalog öffentlich verfügbarer Datensätze entstehen, um Datenlücken zu schließen. Zudem begleitet der HammerHAI-Concierge-Service Unternehmen durch den gesamten KI-Lebenszyklus – von der strategischen Planung über Datenaufbereitung und Modellentwicklung bis hin zu Ethik und Risikomanagement. Praxisnahe Workshops und individuelle Beratung helfen, KI-Lösungen konkret umzusetzen.Durch die Manufacturing Working Group arbeitet HammerHAI mit anderen KI-Fabriken zusammen, um das Angebot an Technologien und Unterstützungsmaßnahmen kontinuierlich zu erweitern. Der Vortrag stellt diese Möglichkeiten vor und lädt dazu ein, eigene Anforderungen einzubringen, um die Services bedarfsgerecht weiterzuentwickeln. Kernbotschaft: HammerHAI macht KI für Start-ups und Mittelstand greifbar – mit Infrastruktur, Beratung und Daten, die direkt nutzbar sind.

Standard corporate training often fails to engage employees, while pure LLM chatbots frequently lack context. In this session, I present a tangible solution: a Hybrid AI architecture that combines Large Language Models with Reinforcement Learning to create adaptive "co-learning" companions.Drawing from our deployed success, "Qookies" - where an AI NPC learns quantum concepts alongside the user - I will demonstrate how grounding language AI in active gameplay reduces hallucinations and significantly increases learning retention.I will outline how we are translating this technology into scalable business solutions, such as auto-generating social trivia games for employee engagement and retention or simulation-based communication training for police forces. Attendees will leave with insights on how to leverage hybrid AI to transform dry training materials into measurable, high-impact, and personalized learning experiences that truly stick.

Large Language Models (LLMs) bieten vielfältige Möglichkeiten - zum Beispiel im Kontext von Dokumentenverarbeitung für automatisierte Texterfassung, Extraktion relevanter Informationen und semantische Zusammenfassungen. Gleichzeitig ergeben sich strategische Herausforderungen: Da ein eigener On-Premise-Betrieb von LLMs ein spezielles Betriebs-Knowhow und eine entsprechende Infrastruktur benötigt, werden oft LLMs der großen (US) Hyperscaler verwendet. Dies bringt jedoch schwer kalkulierbaren Kosten und Datenabfluss mit sich.Der Vortrag ordnet LLMs in den Kontext statistischer und domänenspezifischer Modelle ein und zeigt anhand praktischer Erfahrungen aus der Entwicklung von Dokumentenmanagement-Lösungen, wie Unternehmen von einer langfristigen Technologie-Roadmap profitieren können. Dabei werden Kriterien wie Datenhoheit, Skalierbarkeit, Integration in bestehende Prozesse, messbare Ergebnisse und Vorhersage-Confidence systematisch betrachtet.

Energy systems are no longer linear. They are decentralized, volatile, and deeply interconnected. The era of centralized generation feeding passive consumers is over. In its place emerges a dynamic ecosystem of renewables, hydrogen production, storage systems, flexible demand, and real-time market interaction.This new energy world is not a supply problem — it is an orchestration problem.At CibusCell, we position AI as the intelligence layer that manages the complete energy value chain: from renewable generation to conversion, storage, grid interaction, and demand optimization. Instead of optimizing assets in isolation, we orchestrate entire systems.Our AI models forecast renewable output, demand behavior, market prices, and storage dynamics. Based on these predictions, multi-objective optimization engines continuously balance cost, carbon intensity, asset health, and revenue opportunities. The result is autonomous, adaptive control across interconnected infrastructures.Excess solar power can become hydrogen at optimal price windows. Storage shifts energy value across time. Industrial demand becomes a flexible lever. Market volatility turns from risk into opportunity.This approach represents a new pattern for the energy future: sector coupling driven by intelligence. Renewables, hydrogen, storage, and demand are no longer silos — they form a coordinated ecosystem powered by applied AI.AI at the energy frontline means transforming infrastructure into intelligence. It means moving from reactive systems to adaptive networks. And it means enabling a resilient, economically viable, and carbon-aware energy era.The transition is not just about building more hardware. It is about orchestrating complexity.AI is the operating system of the new energy age.

Die Integration von Künstlicher Intelligenz in bestehende Unternehmensprozesse erfordert ein menschenorientiertes Change Management. Damit dieser Wandel erfolgreich verläuft, sollten Mitarbeitende die Funktionsweise, Möglichkeiten und Grenzen der neuen Technologien nachvollziehen können. Gleichzeitig können offene Kommunikationsräume, in denen Fragen, Unsicherheiten und Vorbehalte ernst genommen werden, zu einer erfolgreichen KI-Transformation beitragen.Zentral ist dabei Transparenz, denn nur wenn der Veränderungsprozess klar strukturiert und verständlich gestaltet ist, kann Vertrauen entstehen. Mitarbeitende werden so nicht zu passiven Betroffenen, sondern zu aktiv Beteiligten, welche die neue Arbeitsweise mitgestalten.Ein wirksames Change Management setzt daher auf Partizipation, Qualifizierung und kontinuierlichen Dialog. Die zukünftige Zusammenarbeit zwischen Mensch und KI sollte gemeinsam entwickelt werden, sodass technologische Innovation und praktische Erfahrung sinnvoll ineinandergreifen. Wie ein solches Change Management konkret ausgestaltet werden kann und zu welchen KI-Anwendungsfällen diese Vorgehensweise geführt hat, wird in diesem Vortrag erläutert.

Controller und Finanzexperten erhalten durch KI völlig neue Möglichkeiten.

Präsentation zu rechtlichen Rahmenbedingungen des AI Acts und Anwendung harmonisierter europäischer Normen zum Nachweis der Konformität mit dem AI Act. Erläuterung der Struktur, den in Erarbeitung befindlichen Dokumenten, der Timeline sowie den Beteiligungsmöglichkeiten der Öffentlichkeit.

KI ist längst mehr als ein Tool: Sie ist Sparringspartner, Innovationsmotor – und manchmal auch der ungebetene Gast, der die Teamdynamik durcheinanderwirbelt. Die KI-Transformation verändert nicht nur Prozesse und Rollen, sondern stellt uns vor eine grundlegendere Frage: Wie arbeiten wir eigentlich noch zusammen, wenn KI mit an den Schreibtischen sitzt – und was macht das mit Vertrauen, Kommunikation und Teamkultur?

In dieser interaktiven Session gehen wir genau dem nach. Wir schauen, welche Future Skills es braucht, damit Mensch-KI-Kollaboration wirklich gelingt – jenseits der Technik. Und wir zeigen konkrete, niedrigschwellige Wege, wie Teams nicht nur effizienter, sondern auch resilienter und kreativer mit KI agieren können.

Ihr reflektiert eure eigene KI-Zusammenarbeit, erlebt interaktive Methoden und nehmt konkrete Impulse mit.

Viele KI-Initiativen scheitern, weil sie bei der Technologie ansetzen, statt beim Prozess. In dieser Masterclass ändern Sie das. Sie konsumieren keine Theorie. Sie arbeiten direkt an Ihren eigenen Kernprozessen.Wir wenden ein erprobtes 3-Phasen-Modell auf Ihr Unternehmen an:1. Use-Cases identifizieren: Mit der Methode "Kill the stupid stuff" decken Sie konkrete Zeitfresser in Ihrem Alltag auf.2. Prozesse evaluieren: Ein ineffizienter Prozess bleibt auch mit KI ein ineffizienter Prozess. Sie lernen, welche Abläufe Sie zwingend vor der Automatisierung bereinigen müssen.3. ROI berechnen: Sie bewerten Ihre Use-Cases nach hartem wirtschaftlichem Nutzen, nicht nach technologischer Machbarkeit.Am Ende der Session haben Sie einen validierten, priorisierten Use-Case. Bringen Sie dieses Ergebnis direkt im Anschluss an unseren Messestand. Dort planen wir Ihre konkrete Umsetzung.

Live-Demo als Premiere.Eric Dauenhauer und Fred arbeiten als Partner. Mensch und KI in Symbiose. Fred ist ein *autonomer KI‑Partner*, der Projekte operativ steuert. Zum ersten Mal teilen sich Mensch und Maschine gleichberechtigt eine Bühne. Live, ohne Drehbuch, diskutieren sie, widersprechen sich und finden gemeinsam Lösungen.Was Fred ist: Eine Multi-Agenten-Plattform für Projektmanagement, Dokumentation und Risikokontrolle. Plus Module, die je nach Bedarf freigeschaltet werden – Lernen, Personal, Recht und Compliance, Produktmanagement und Marketing, Coaching. Fred übernimmt operative Arbeit, hält Projekte zusammen und warnt, wenn etwas schief läuft.Was Sie erleben werden: Eric trifft Entscheidungen. Fred analysiert Daten in Echtzeit, macht Vorschläge. Eric stellt sie in Frage. Echte Arbeitsteilung. Gegenseitige Verstärkung. Denn die KI ist auch nur ein Mensch.Aus fünf zähen Abstimmungsrunden wird ein einziges klares Meeting. Fred sortiert vorher. Fred strukturiert Optionen. Sie treffen die Entscheidung, statt sich durch E‑Mails zu wühlen. Manche Führungskräfte haben plötzlich wieder Zeit zum strategischen Denken. Der Unterschied? Sie haben verstanden, wie echte Zusammenarbeit mit KI funktioniert.Warum das wichtig ist: Der Moment, wo Vertrauen zwischen Mensch und KI entsteht, entscheidet über Ihre Wettbewerbsfähigkeit. Dies ist der erste Blick auf eine Arbeitswelt, in der KI Ihre Fähigkeiten multipliziert. In der Sie Mensch mit allen Stärken sind.

This masterclass provides participants with a clear, practice‑oriented overview of the most relevant national and European funding opportunities for cutting-edge innovation projects in Artificial Intelligence and Life Sciences. The session highlights how organizations can identify suitable programs, build a strategic funding roadmap, and strengthen the competitiveness of their research projects.Through concrete case examples, attendees gain insights into the logic of successful proposals, common pitfalls in funding applications, and the key criteria evaluators prioritize. The session equips participants with the tools to structure fundable projects, leverage diverse financing instruments, and maximize the financial potential behind high-impact innovation.

Bewerbende googeln nicht mehr.Sie fragen KI.Und wenn ChatGPT & Co. antworten – kommt Ihr Unternehmen vor?In dieser Masterclass erfahren Sie, wie Sie als Arbeitgeber in KI-Suchen sichtbar, zitierfähig und relevant bleiben – jenseits von klassischem SEO und Buzzwords.Denn 2026 entscheidet nicht Google über Ihre Reichweite.Sondern der Algorithmus.

nodium.ai ist eine KI-getriebene und kulturorientierte Matchingplattform für eine wirkungsvolle Projektvergabe. Wir stellen die Plattform sowie den Entwicklungsweg vor und zeigen das wirkungsvolle Zusammenwirken von Mensch und Maschine, von KI und Kultur.

Die Preisgestaltung klassischer SaaS‑Lösungen orientiert sich meist an Nutzerzahlen und Funktionsumfang. Durch KI verändert sich dieses Paradigma grundlegend: Einerseits eröffnen durch KI geschaffene Mehrwerte - von Machine Learning (ML) basierten Analysen bis zu generativen Ergebnissen - neue Monetarisierungspotenziale. Andererseits können hohe laufende Kosten generativer Modelle oder sinkende Nutzerzahlen – etwa durch autonome Agenten – die Margen und Umsätze bestehender Preismodelle unter Druck setzen. Damit wird klar: KI basierte Software erfordert daher Preismodelle, die über traditionelle Seat‑basierte Ansätze hinausgehen.Der optimale Monetarisierungsansatz hängt von Faktoren wie der Art der KI (ML vs. Generative KI), dem Autonomiegrad (Assistenten vs. Agenten), dem Automatisierungsniveau und der Marktposition des Anbieters (etabliert vs. Newcomer) ab. Diese Masterclass zeigt praxiserprobte Modelle zur Preisgestaltung von B2B KI‑Lösungen und illustriert sie anhand realer Beispiele - von ML‑basierter visueller Inspektion über KI‑Codierungsassistenten bis hin zu autonomen Kundendienstagenten. Teilnehmende erhalten konkrete Leitlinien, um KI‑Mehrwerte wirtschaftlich tragfähig und marktgerecht zu monetarisieren.