„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.

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.

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.

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.

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.

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.

‍

SAP environments remain among the most business-critical yet least understood attack surfaces in modern enterprises. Security teams often depend on scarce specialist expertise to interpret vulnerabilities, investigate suspicious behavior, and translate SAP complexity into actionable risk decisions.While generative AI promises to democratize security knowledge, most implementations remain limited to chatbot-style interfaces that provide generic explanations without environmental context, telemetry awareness, or operational impact.In this talk, we explore a different approach: designing an AI-driven SAP Security Advisor that combines curated domain expertise, system context, and real telemetry to support investigation, prioritization, and remediation workflows.We will discuss and explore how NO MONKEY is creating an AI SAP Security Advisor that moves beyond answering questions to actively guiding security investigations, correlating detection signals, reducing hallucination risk through evidence grounding, and transforming advisory knowledge into concrete security outcomes.The session will share practical lessons from building an investigation-centric AI experience, architectural patterns for integrating detection engines with reasoning systems, and insights into how AI can scale scarce SAP security expertise without replacing analyst judgment.Attendees will leave with a perspective on how AI agents can augment enterprise security operations in highly specialized domains, and why the future of AI in cybersecurity lies not in conversation, but in evidence-driven decision support.

KI verschiebt die tägliche Entwicklungsarbeit: weniger selbst codieren, mehr prüfen und steuern. In diesem Vortrag zeigt Thomas Südbröcker, wie IBM Bob, Entwickler bei Planung, Modernisierung und Coding unterstützt — mit einer Mischung aus Live‑Demos und kurzen Aufzeichnungen. Die Session zeigt praxisnah, wie KI den Weg von der Idee zum funktionierenden Code beschleunigen kann.

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 Übergang von der akademischen Forschung in die freie Wirtschaft bringt neue Perspektiven, aber auch unerwartete Herausforderungen mit sich. Dieser Vortrag beleuchtet die Unterschiede zwischen wissenschaftlicher Arbeit und industrieller Praxis und zeigt auf, welche Lücken, Chancen und Lernprozesse auf diesem Weg entstehen. Am Beispiel persönlicher Erfahrungen wird diskutiert, wie akademisches Wissen in der Industrie – insbesondere im Bereich der Künstlichen Intelligenz – in konkrete Anwendungen und Innovationen überführt werden kann.

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.

tba

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.

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.

KI braucht, erzwingt, bewirkt Transformation. Wie wirken Technologie, Organisationsentwicklung und Führung zusammen? Heute und morgen? Welche Veränderungsprozesse stehen uns in welcher Dimension bevor, vertikal und horizontal, für Personen- und Systemqualifizierung? Wer und was muss sich entwickeln, neben der Technologie? Welche Professionen und Kompetenzen werden für diesen Transformationsbedarf gebraucht, jenseits von Technologie- und KI-Kompetenz? Es geht also um weit mehr als technologische Veränderung, sondern um die Perspektive People & Culture! Darüber diskutieren die Speaker des Panels aus ihrem Führungs-, Beratungs- und Technologiehintergrund.

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.

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.

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.

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.

Erfahren Sie wie Sie Ihren Fachkräftemangel mit MR.KNOW beheben

‍

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.

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.

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.

Most AI agents today are advanced copilots: they produce plausible work, but not reliably deployable quality. The label suggests autonomy; the performance doesn’t. Across real tasks, agent outputs often look correct at first glance, yet break under professional use: incomplete deliverables, inconsistencies, format issues, or quality gaps. From a distance, the work appears done. In practice, it isn’t usable.This is the core of Automation Theater: systems that appear autonomous in demos but don’t sustain execution in operational environments.The distinction matters. Producing outputs is not the same as executing roles. Real work requires stability across context, constraints, and quality thresholds. Employees absorb that complexity. Agents still struggle with it. So the real question is not whether AI matters, but where it already creates dependable value today.AI already compresses parts of work, drafting, synthesis, preparation. It accelerates cognition. But it does not yet deliver outcomes with dependable consistency. Understanding this gap is not anti-AI, it is how we deploy AI where it actually works. Because the goal is not autonomy theater - the goal is operational reality.

Start-Up und Company Building Erfahrung. Wer sein Start-up finanzieren oder skalieren möchte ist der richtige Partner für Socratyes.

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.

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.

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.

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.

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?

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.

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.

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.

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.

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.

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.

AI models are becoming increasingly powerful, but deploying them in real-world systems requires more than high accuracy. Practical AI must also be efficient, robust, and reliable under real operating conditions, especially when running on resource-constrained hardware or in safety-critical environments.This talk explores modern strategies for designing efficient and trustworthy AI systems through structured model optimization techniques. The session highlights how model compression, relevance-guided optimization, and deployment-oriented design choices can reduce computational cost while maintaining strong performance and dependable behaviour.The presentation bridges research and industry practice, sharing lessons learned from building AI systems intended for real deployment. Attendees will gain practical insights into balancing efficiency, reliability, and scalability when moving AI from the lab into production environments.

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.

‍

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.

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.

A scalable agentic AI ecosystem, leveraging advanced AI capabilities, can significantly enhance efficiency, reliability, and continuous availability in Data Center Management and Infrastructure Lifecycle Services. This approach combines applications, business data, and AI in a unified system, enabling teams of intelligent agents and assistants to collaborate on complex tasks. Fundamental to the success of such an ecosystem is ensuring every AI capability is ethical, secure, compliant, explainable, and auditable by design, while proactively addressing challenges like disjointed data and siloed solutions. This commitment ensures responsible and high-value AI for critical business functions, crucially avoiding common AI project failures by ensuring clear alignment between technical execution and defined business problems, and seamless integration into existing operational processes.