SlideShare ist ein Scribd-Unternehmen logo
Kunden- und Partner-Event
1. Begrüssung und Einleitung
2. AI-Basics
3. Vorgehensmodell
4. Swiss Olympic
5. Use Case: Athlet*innenbiografie
6. Fragen
Agenda
AI: Hype, Trend oder Wendepunkt?
3
Fragestellungen:
1. Wo stehen wir?
2. Einschätzung der Entwicklung
3. Wie machen wir mit?
Unser Ansatz:
• Technologie verstehen und
anwenden
• Technologie als unser Werkzeug
• Technologie für neue
Anwendungsfälle
Zeit
Aufmerksamkeit
Gipfel der überzogenen Erwartungen
Megatrend und
Wendepunkt
Pfad der Erleuchtung
Tal der Enttäuschungen
Technologischer Auslöser Hype verschwindet
Nischentrend
Trend
1. Begrüssung und Einleitung
2. AI-Basics
3. Vorgehensmodell
4. Swiss Olympic
5. Use Case: Athlet*innenbiografie
6. Fragen
Agenda
Was ist AI?
AI umfasst alle Anstrengungen, deren Ziel es ist, Maschinen intelligent zu machen.
Machine Learning
System die lernen und anpassen, während sie Muster in Daten erkennen
Deep Learning
System, das beim Lernen auf neuronalen Netzen basiert
und sich anpasst, während es Muster erkennt
Generative AI
Auf Basis von grossen
Datenmengen lernen und
kreative Ergebnisse erzeugen
1980 1990 2000 2010 2020 2030 2040
Aktueller Stand bei Generativen AI
ChatGPT, Bard
Text
Vor 2020 2020 2021 2022 2023 2024 2025 2027
2026
GitHub Copilot
Code
Midjourney,
Dall-E, Stable
diffusion
Bilder
Microsoft
Clipchamp,
Nvidia Get3D
Video / 3D / Gaming
Whisper
Sprache
Erste Versuche Fast am Ziel Bereit für «Prime Time»
Heute
Einige aktuelle Challenges
Datensicherheit / Datenschutz
Samsung verbietet ihren Mitarbeitenden den
Gebrauch von AI nachdem sie festgestellt haben,
dass Mitarbeitende sensitive Daten verwenden.
7
Plagiat
Verschiedene Plagiatsklagen wurden in den USA
eigenreicht.
Fake
Fotograph verzichtet auf Preis und gibt zu, dass
sein Bild mit AI generiert war.
Halluzinationen
Anwalt in New York wurde sanktioniert, weil er
Gerichtsfälle zitiert hatte, die ChatGPT
ausgegeben hatte, welche nicht existierten.
Wie aktuell ist aktuell?
8
V1 (März 2022) V2 (Juni 2022) V3 (Oktober 2022) V4 (Februar 2023) V5 (März 2023)
Die Evolution von Midjourney
Prompt: Envision a photorealistic image of two Basketball teams playing against each other. Use a high-resolution 32k camera with a
16:9 aspect ratio, a raw style, and a quality setting of 2 to capture this scene.
Mögliche AI-Anwendungen
Generative AI
9
Prozess Automatisierung
- Zusammenfassen
- Übersetzen
- Ads-Handling
Software Entwicklung
- Generieren
- Reviewen
- Testen
Personal Assistant
- Anleiten
- Empfehlen
- Chat Bots
Vorhersagen
- Wetter
- Verkäufe
- Erfolge
Auffälligkeiten erkennen
- Fraud Detection
- Netzwerkanalysen
- Krebs oder Tumor
Statistiken
- Auswerten
- Interpretieren
- Trends erstellen
Inhaltsentwicklung
- Grafiken
- Text
- Video
1. Begrüssung
2. AI-Basics
3. Vorgehensmodell
4. Swiss Olympic
5. Use Case: Athlet*innenbiografie
6. Fragen
Agenda
... und wie
kommt diese
Effizienz-
steigerung nun
in ihr Produkt
oder
Unternehmen
Umsetzung
Lösungsraum
Problemraum
Exploration Synthese Ideation
Prototyp
& Testing
Vom Problem zur Lösung
Testing
Coding
Sprint
planning
Sprint
backlog
Sprint
review
Lösungsraum
Problemraum
Von der Fragestellung zur AI-Anwendung
1.
?
3. Plausibilisierung als MVP/Prototyp für
GO/NOGO-Entscheid
2.1 Welche dieser Fragen könnten mit AI
unterstützt werden?
2.2 Welche Daten sollen und können dazu
verwendet werden?
Welche bisher nicht beantworteten
Fragestellungen existieren?
Lösungsraum
Problemraum
Fragestellung
Welche bisher nicht beantworteten
Fragestellungen existieren?
?
Daten und AI-Unterstützung
MVP/Prototyp
Analyse der aktuellen Herausforderung:
• Workshop
• Contextual Inquiries
• Tagebuch
• Interviews
Lösungsraum
Problemraum
Datenevaluation
Fragestellungen
?
Welche Fragen können
mit Hilfe von AI
unterstützt werden?
Und welche mit
herkömmlichen
Technologien?
Welche Daten sind in welcher Form vorhanden und wie können sie
genutzt werden?
AI-Processing
Input Output
2.1 2.2
?
MVP/Prototyp
Daten und AI-Unterstützung
Lösungsraum
Problemraum
Verifizierung
Fragestellungen
?
Daten und AI-Unterstützung
MVP/Prototyp
Technische Verifizierung
• Benutzerführung
• Mögliche fehlerhafte Vorhersagen
• «Biased»-Vorhersagen
• Konsequenzen der Entscheidungen durch AI
1. Begrüssung
2. AI-Basics
3. Vorgehensmodell
4. Swiss Olympic
5. Use Case: Athlet*innenbiografie
6. Fragen
Agenda
Swiss Olympic
Swiss Olympic:
• Organisiert und führt Olympische Missionen,
YOG, weitere
• Vertritt die Interessen seiner Mitglieder,
vorab 82 nationale Sportverbände
• Vertritt die olympischen Werte:
Höchstleistung, Respekt und Freundschaft in
der Gesellschaft
• Setzt sich für einen gesunden, respektvollen
und fairen Schweizer Sport ein.
17
Swiss Olympic ist der Dachverband des Schweizer Sports und das Nationale Olympische Komitee
der Schweiz.
Quick Facts
Von welchen Datenmengen reden wir?
18
Über 100‘000
Sportprofis
Über 200 Medaillen 141 Sportarten
Über 300‘000 Cards
82 nationale
Sportverbände
Über 18‘000
Sportverbände
Athlet*innenbiografie
Read-Only Applikation mit Athlet*innendaten aus verschiedenen Applikationen
Ziele:
• Gesamtsicht auf Karriere der Athlet*innen
• Einfachere Auswertung von Athlet*innendaten
Beispiele Daten:
• Swiss Olympic Cards: Vergabe von Cards an
talentierte Athlet*innen
• Sporthilfe Förderbeiträge: Finanzielle Beiträge zur
Förderung von jungen Athlet*innen
• Teilnahme an olympischen Missionen
21
1. Begrüssung
2. AI-Basics
3. Vorgehensmodell
4. Swiss Olympic
5. Use Case: Athlet*innenbiografie
6. Fragen
Agenda
AI-Architektur mit eigenen Daten
23
Demo Athlet*innen-Biografie
24
Zeiteinsparung mit AI-Chatbot
Ressourcen mit AI-Chatbot
1. Sachbearbeiter*in
25
Ressourcen ohne AI-Chatbot
1. Fragestellung von Sachbearbeiter
2. DB-Spezialist oder Excel-Spezialist
3. Wird selten gemacht, da zu aufwendig
Prompt: Wie viele Athleten, die eine "Sporthilfe Patenschaft" erhalten haben,
besitzen eine Elite-Card?
Zeiteinsparung mit AI-Chatbot
Zeitbedarf mit AI-Chatbot
1. Frage eingeben (< 1 Min)
2. Nötige Filter setzen (< 1 Min)
3. Antwort erhalten (5 Sekunden)
Zeitbedarf: < 5 Minuten
26
Zeitbedarf ohne AI-Chatbot
1. In SSAM nach Athlet*innen mit Patenschaften
filtern (5 Minuten)
2. Pro Athlet*in prüfen, ob eine Elite-Card
vorhanden ist/war (240 Minuten)
3. Statistik erstellen (20 Minuten)
Zeitbedarf: Rund ein halber Tag
Prompt: Wie viele Athleten, die eine "Sporthilfe Patenschaft" erhalten haben,
besitzen eine Elite-Card?
Datenschutz
27
Grundanforderungen
• Spezifische Views und Rechte für die Datenbank
• DB-Schema wird nicht offengelegt
• Nicht benötigte und sicherheitskritische Daten
können ausgeschlossen werden (z.B. Kanton statt
Adresse)
• Informationen können vereinfacht werden (z.B.
Alter statt Geburtstag)
• Verwendung von Azure OpenAI API Schweiz
(keine Daten im Ausland)
Ausbaustufen
• Anonymisierte ID, die nur für Chatbot verwendet
werden
• Fast komplett anonymisierte Daten
• Lokales Modell verwenden
Ausbaumöglichkeiten Athlet*innen-Bio
28
• Generierung von Grafiken, z.B. Anzahl Cards
pro Kanton
• Korrelationen zwischen Datensätzen erkennen:
Was trägt zum Erfolg bei?
Was kostet eine Goldmedaille?
• Speech-to-text für Fragestellungen
Lösungsraum
Problemraum
Von der Fragestellung zur AI-Anwendung
1.
?
3. Plausibilisierung als MVP/Prototyp für
GO/NOGO-Entscheid
2.1 Welche dieser Fragen könnten mit AI
unterstützt werden?
2.2 Welche Daten sollen und können dazu
verwendet werden?
Welche bisher nicht beantworteten
Fragestellungen existieren?
Erkenntnisse
30
Fragestellungen
1. Wo stehen wir?
2. Einschätzung der Entwicklung
3. Wie machen wir mit?
Erkenntnisse
• Pfad der Erleuchtung
• AI-Technologie als Ganzes: Megatrend
• Je nach Anwendungsgebiet unterschiedlich
• Auch zunächst skeptische Mitarbeitende liessen
sich überzeugen
• Je tiefer sich jemand mit dem Thema AI
beschäftigt hat, desto höher die Motivation
Fazit
Daten sind entscheidend. Wir sind bereit und
neugierig, mitzuhelfen neue Anwendungen zu
konzipieren und zu entwickeln.
Zeit
Aufmerksamkeit
Gipfel der überzogenen Erwartungen
Megatrend und
Wendepunkt
Pfad der Erleuchtung
Tal der Enttäuschungen
Technologischer Auslöser Hype verschwindet
Nischentrend
Trend
Vielen Dank.
Deimos AG
Limmatquai 106
8001 Zürich
+41 44 448 12
info@deimos.ch
deimos.ch

Weitere ähnliche Inhalte

Ähnlich wie AI im Fokus - Kunden- und Partner-Event bei der Deimos AG 2023

Google Analytics & Seo @seosixt wiesn 2014
Google Analytics & Seo @seosixt wiesn 2014Google Analytics & Seo @seosixt wiesn 2014
Google Analytics & Seo @seosixt wiesn 2014
121WATT GmbH
 
Social Media Monitoring für Information Professionals
Social Media Monitoring für Information ProfessionalsSocial Media Monitoring für Information Professionals
Social Media Monitoring für Information Professionals
DIE DIGITALE GmbH
 
Process Mining: Konzept und Anwendung
Process Mining: Konzept und AnwendungProcess Mining: Konzept und Anwendung
Process Mining: Konzept und Anwendung
Michael Groeschel
 
Mehr Umsatz mit einer intelligenten Shop-Suche
Mehr Umsatz mit einer intelligenten Shop-SucheMehr Umsatz mit einer intelligenten Shop-Suche
Mehr Umsatz mit einer intelligenten Shop-Suche
SHI Search | Analytics | Big Data
 
Pivotal Digital Transformation Forum: Fraport AG
Pivotal Digital Transformation Forum: Fraport AGPivotal Digital Transformation Forum: Fraport AG
Pivotal Digital Transformation Forum: Fraport AG
VMware Tanzu
 
Datenstrategie in der Praxis
Datenstrategie in der PraxisDatenstrategie in der Praxis
Datenstrategie in der Praxis
Shirin Elsinghorst
 
Tableau Drive, Die neue Methode für Bereitstellungen in Unternehmen
Tableau Drive, Die neue Methode für Bereitstellungen in UnternehmenTableau Drive, Die neue Methode für Bereitstellungen in Unternehmen
Tableau Drive, Die neue Methode für Bereitstellungen in Unternehmen
Tableau Software
 
Agile Circle - Agile Methoden auswählen und einführen
Agile Circle - Agile Methoden auswählen und einführenAgile Circle - Agile Methoden auswählen und einführen
Agile Circle - Agile Methoden auswählen und einführen
ErikTittel
 
OOP 2011: Bitter Scrum Chris Rupp Thomas Mödl
OOP 2011: Bitter Scrum Chris Rupp Thomas MödlOOP 2011: Bitter Scrum Chris Rupp Thomas Mödl
OOP 2011: Bitter Scrum Chris Rupp Thomas Mödl
Thomas Moedl
 
Personalization & User Tracking
Personalization & User TrackingPersonalization & User Tracking
Personalization & User Tracking
Advance Metrics
 
Future Workplace: Was adidas Group Mitarbeitende, Studierende und Jungunterne...
Future Workplace: Was adidas Group Mitarbeitende, Studierende und Jungunterne...Future Workplace: Was adidas Group Mitarbeitende, Studierende und Jungunterne...
Future Workplace: Was adidas Group Mitarbeitende, Studierende und Jungunterne...
University St. Gallen
 
SEO Projekte in der agilen Entwicklung nach Scrum | Learnings und Tipps
SEO Projekte in der agilen Entwicklung nach Scrum | Learnings und TippsSEO Projekte in der agilen Entwicklung nach Scrum | Learnings und Tipps
SEO Projekte in der agilen Entwicklung nach Scrum | Learnings und Tipps
Bianca Zang
 
Seacon 2018 - Die lernende Organisation
Seacon 2018 - Die lernende OrganisationSeacon 2018 - Die lernende Organisation
Seacon 2018 - Die lernende Organisation
iO
 
Wjax Vortrag 2018: Von DevOps bis DesignThinking
Wjax Vortrag 2018: Von DevOps bis DesignThinkingWjax Vortrag 2018: Von DevOps bis DesignThinking
Wjax Vortrag 2018: Von DevOps bis DesignThinking
Annegret Junker
 
Mittelstand trifft künstliche Intelligenz - Point of View
Mittelstand trifft künstliche Intelligenz - Point of ViewMittelstand trifft künstliche Intelligenz - Point of View
Mittelstand trifft künstliche Intelligenz - Point of View
WeissmanGruppe
 
Google Analytics Konferenz 2019_Machine Learning in der Praxis_Kateryna Salii...
Google Analytics Konferenz 2019_Machine Learning in der Praxis_Kateryna Salii...Google Analytics Konferenz 2019_Machine Learning in der Praxis_Kateryna Salii...
Google Analytics Konferenz 2019_Machine Learning in der Praxis_Kateryna Salii...
e-dialog GmbH
 
Allgeier - Bot Advisory - Businessmodelle, Nutzen und Praxisbeispiele
Allgeier - Bot Advisory - Businessmodelle, Nutzen und PraxisbeispieleAllgeier - Bot Advisory - Businessmodelle, Nutzen und Praxisbeispiele
Allgeier - Bot Advisory - Businessmodelle, Nutzen und Praxisbeispiele
Allgeier (Schweiz) AG
 
UX-Metriken – überbewertet und unterschätzt
UX-Metriken – überbewertet und unterschätztUX-Metriken – überbewertet und unterschätzt
UX-Metriken – überbewertet und unterschätzt
Jens Jacobsen
 
Das erste PI Planning der Group IT
Das erste PI Planning der Group ITDas erste PI Planning der Group IT
Das erste PI Planning der Group IT
Joël Krapf
 

Ähnlich wie AI im Fokus - Kunden- und Partner-Event bei der Deimos AG 2023 (20)

Google Analytics & Seo @seosixt wiesn 2014
Google Analytics & Seo @seosixt wiesn 2014Google Analytics & Seo @seosixt wiesn 2014
Google Analytics & Seo @seosixt wiesn 2014
 
Social Media Monitoring für Information Professionals
Social Media Monitoring für Information ProfessionalsSocial Media Monitoring für Information Professionals
Social Media Monitoring für Information Professionals
 
Process Mining: Konzept und Anwendung
Process Mining: Konzept und AnwendungProcess Mining: Konzept und Anwendung
Process Mining: Konzept und Anwendung
 
Mehr Umsatz mit einer intelligenten Shop-Suche
Mehr Umsatz mit einer intelligenten Shop-SucheMehr Umsatz mit einer intelligenten Shop-Suche
Mehr Umsatz mit einer intelligenten Shop-Suche
 
Pivotal Digital Transformation Forum: Fraport AG
Pivotal Digital Transformation Forum: Fraport AGPivotal Digital Transformation Forum: Fraport AG
Pivotal Digital Transformation Forum: Fraport AG
 
Datenstrategie in der Praxis
Datenstrategie in der PraxisDatenstrategie in der Praxis
Datenstrategie in der Praxis
 
Tableau Drive, Die neue Methode für Bereitstellungen in Unternehmen
Tableau Drive, Die neue Methode für Bereitstellungen in UnternehmenTableau Drive, Die neue Methode für Bereitstellungen in Unternehmen
Tableau Drive, Die neue Methode für Bereitstellungen in Unternehmen
 
Agile Circle - Agile Methoden auswählen und einführen
Agile Circle - Agile Methoden auswählen und einführenAgile Circle - Agile Methoden auswählen und einführen
Agile Circle - Agile Methoden auswählen und einführen
 
OOP 2011: Bitter Scrum Chris Rupp Thomas Mödl
OOP 2011: Bitter Scrum Chris Rupp Thomas MödlOOP 2011: Bitter Scrum Chris Rupp Thomas Mödl
OOP 2011: Bitter Scrum Chris Rupp Thomas Mödl
 
Personalization & User Tracking
Personalization & User TrackingPersonalization & User Tracking
Personalization & User Tracking
 
Future Workplace: Was adidas Group Mitarbeitende, Studierende und Jungunterne...
Future Workplace: Was adidas Group Mitarbeitende, Studierende und Jungunterne...Future Workplace: Was adidas Group Mitarbeitende, Studierende und Jungunterne...
Future Workplace: Was adidas Group Mitarbeitende, Studierende und Jungunterne...
 
SEO Projekte in der agilen Entwicklung nach Scrum | Learnings und Tipps
SEO Projekte in der agilen Entwicklung nach Scrum | Learnings und TippsSEO Projekte in der agilen Entwicklung nach Scrum | Learnings und Tipps
SEO Projekte in der agilen Entwicklung nach Scrum | Learnings und Tipps
 
Seacon 2018 - Die lernende Organisation
Seacon 2018 - Die lernende OrganisationSeacon 2018 - Die lernende Organisation
Seacon 2018 - Die lernende Organisation
 
Wjax Vortrag 2018: Von DevOps bis DesignThinking
Wjax Vortrag 2018: Von DevOps bis DesignThinkingWjax Vortrag 2018: Von DevOps bis DesignThinking
Wjax Vortrag 2018: Von DevOps bis DesignThinking
 
Mittelstand trifft künstliche Intelligenz - Point of View
Mittelstand trifft künstliche Intelligenz - Point of ViewMittelstand trifft künstliche Intelligenz - Point of View
Mittelstand trifft künstliche Intelligenz - Point of View
 
Google Analytics Konferenz 2019_Machine Learning in der Praxis_Kateryna Salii...
Google Analytics Konferenz 2019_Machine Learning in der Praxis_Kateryna Salii...Google Analytics Konferenz 2019_Machine Learning in der Praxis_Kateryna Salii...
Google Analytics Konferenz 2019_Machine Learning in der Praxis_Kateryna Salii...
 
Allgeier - Bot Advisory - Businessmodelle, Nutzen und Praxisbeispiele
Allgeier - Bot Advisory - Businessmodelle, Nutzen und PraxisbeispieleAllgeier - Bot Advisory - Businessmodelle, Nutzen und Praxisbeispiele
Allgeier - Bot Advisory - Businessmodelle, Nutzen und Praxisbeispiele
 
UX-Metriken – überbewertet und unterschätzt
UX-Metriken – überbewertet und unterschätztUX-Metriken – überbewertet und unterschätzt
UX-Metriken – überbewertet und unterschätzt
 
Das erste PI Planning der Group IT
Das erste PI Planning der Group ITDas erste PI Planning der Group IT
Das erste PI Planning der Group IT
 
2010 09 29 13-30 michael gniffke
2010 09 29 13-30 michael gniffke2010 09 29 13-30 michael gniffke
2010 09 29 13-30 michael gniffke
 

AI im Fokus - Kunden- und Partner-Event bei der Deimos AG 2023

  • 2. 1. Begrüssung und Einleitung 2. AI-Basics 3. Vorgehensmodell 4. Swiss Olympic 5. Use Case: Athlet*innenbiografie 6. Fragen Agenda
  • 3. AI: Hype, Trend oder Wendepunkt? 3 Fragestellungen: 1. Wo stehen wir? 2. Einschätzung der Entwicklung 3. Wie machen wir mit? Unser Ansatz: • Technologie verstehen und anwenden • Technologie als unser Werkzeug • Technologie für neue Anwendungsfälle Zeit Aufmerksamkeit Gipfel der überzogenen Erwartungen Megatrend und Wendepunkt Pfad der Erleuchtung Tal der Enttäuschungen Technologischer Auslöser Hype verschwindet Nischentrend Trend
  • 4. 1. Begrüssung und Einleitung 2. AI-Basics 3. Vorgehensmodell 4. Swiss Olympic 5. Use Case: Athlet*innenbiografie 6. Fragen Agenda
  • 5. Was ist AI? AI umfasst alle Anstrengungen, deren Ziel es ist, Maschinen intelligent zu machen. Machine Learning System die lernen und anpassen, während sie Muster in Daten erkennen Deep Learning System, das beim Lernen auf neuronalen Netzen basiert und sich anpasst, während es Muster erkennt Generative AI Auf Basis von grossen Datenmengen lernen und kreative Ergebnisse erzeugen 1980 1990 2000 2010 2020 2030 2040
  • 6. Aktueller Stand bei Generativen AI ChatGPT, Bard Text Vor 2020 2020 2021 2022 2023 2024 2025 2027 2026 GitHub Copilot Code Midjourney, Dall-E, Stable diffusion Bilder Microsoft Clipchamp, Nvidia Get3D Video / 3D / Gaming Whisper Sprache Erste Versuche Fast am Ziel Bereit für «Prime Time» Heute
  • 7. Einige aktuelle Challenges Datensicherheit / Datenschutz Samsung verbietet ihren Mitarbeitenden den Gebrauch von AI nachdem sie festgestellt haben, dass Mitarbeitende sensitive Daten verwenden. 7 Plagiat Verschiedene Plagiatsklagen wurden in den USA eigenreicht. Fake Fotograph verzichtet auf Preis und gibt zu, dass sein Bild mit AI generiert war. Halluzinationen Anwalt in New York wurde sanktioniert, weil er Gerichtsfälle zitiert hatte, die ChatGPT ausgegeben hatte, welche nicht existierten.
  • 8. Wie aktuell ist aktuell? 8 V1 (März 2022) V2 (Juni 2022) V3 (Oktober 2022) V4 (Februar 2023) V5 (März 2023) Die Evolution von Midjourney Prompt: Envision a photorealistic image of two Basketball teams playing against each other. Use a high-resolution 32k camera with a 16:9 aspect ratio, a raw style, and a quality setting of 2 to capture this scene.
  • 9. Mögliche AI-Anwendungen Generative AI 9 Prozess Automatisierung - Zusammenfassen - Übersetzen - Ads-Handling Software Entwicklung - Generieren - Reviewen - Testen Personal Assistant - Anleiten - Empfehlen - Chat Bots Vorhersagen - Wetter - Verkäufe - Erfolge Auffälligkeiten erkennen - Fraud Detection - Netzwerkanalysen - Krebs oder Tumor Statistiken - Auswerten - Interpretieren - Trends erstellen Inhaltsentwicklung - Grafiken - Text - Video
  • 10. 1. Begrüssung 2. AI-Basics 3. Vorgehensmodell 4. Swiss Olympic 5. Use Case: Athlet*innenbiografie 6. Fragen Agenda ... und wie kommt diese Effizienz- steigerung nun in ihr Produkt oder Unternehmen
  • 11. Umsetzung Lösungsraum Problemraum Exploration Synthese Ideation Prototyp & Testing Vom Problem zur Lösung Testing Coding Sprint planning Sprint backlog Sprint review
  • 12. Lösungsraum Problemraum Von der Fragestellung zur AI-Anwendung 1. ? 3. Plausibilisierung als MVP/Prototyp für GO/NOGO-Entscheid 2.1 Welche dieser Fragen könnten mit AI unterstützt werden? 2.2 Welche Daten sollen und können dazu verwendet werden? Welche bisher nicht beantworteten Fragestellungen existieren?
  • 13. Lösungsraum Problemraum Fragestellung Welche bisher nicht beantworteten Fragestellungen existieren? ? Daten und AI-Unterstützung MVP/Prototyp Analyse der aktuellen Herausforderung: • Workshop • Contextual Inquiries • Tagebuch • Interviews
  • 14. Lösungsraum Problemraum Datenevaluation Fragestellungen ? Welche Fragen können mit Hilfe von AI unterstützt werden? Und welche mit herkömmlichen Technologien? Welche Daten sind in welcher Form vorhanden und wie können sie genutzt werden? AI-Processing Input Output 2.1 2.2 ? MVP/Prototyp Daten und AI-Unterstützung
  • 15. Lösungsraum Problemraum Verifizierung Fragestellungen ? Daten und AI-Unterstützung MVP/Prototyp Technische Verifizierung • Benutzerführung • Mögliche fehlerhafte Vorhersagen • «Biased»-Vorhersagen • Konsequenzen der Entscheidungen durch AI
  • 16. 1. Begrüssung 2. AI-Basics 3. Vorgehensmodell 4. Swiss Olympic 5. Use Case: Athlet*innenbiografie 6. Fragen Agenda
  • 17. Swiss Olympic Swiss Olympic: • Organisiert und führt Olympische Missionen, YOG, weitere • Vertritt die Interessen seiner Mitglieder, vorab 82 nationale Sportverbände • Vertritt die olympischen Werte: Höchstleistung, Respekt und Freundschaft in der Gesellschaft • Setzt sich für einen gesunden, respektvollen und fairen Schweizer Sport ein. 17 Swiss Olympic ist der Dachverband des Schweizer Sports und das Nationale Olympische Komitee der Schweiz.
  • 18. Quick Facts Von welchen Datenmengen reden wir? 18 Über 100‘000 Sportprofis Über 200 Medaillen 141 Sportarten Über 300‘000 Cards 82 nationale Sportverbände Über 18‘000 Sportverbände
  • 19. Athlet*innenbiografie Read-Only Applikation mit Athlet*innendaten aus verschiedenen Applikationen Ziele: • Gesamtsicht auf Karriere der Athlet*innen • Einfachere Auswertung von Athlet*innendaten Beispiele Daten: • Swiss Olympic Cards: Vergabe von Cards an talentierte Athlet*innen • Sporthilfe Förderbeiträge: Finanzielle Beiträge zur Förderung von jungen Athlet*innen • Teilnahme an olympischen Missionen 21
  • 20. 1. Begrüssung 2. AI-Basics 3. Vorgehensmodell 4. Swiss Olympic 5. Use Case: Athlet*innenbiografie 6. Fragen Agenda
  • 23. Zeiteinsparung mit AI-Chatbot Ressourcen mit AI-Chatbot 1. Sachbearbeiter*in 25 Ressourcen ohne AI-Chatbot 1. Fragestellung von Sachbearbeiter 2. DB-Spezialist oder Excel-Spezialist 3. Wird selten gemacht, da zu aufwendig Prompt: Wie viele Athleten, die eine "Sporthilfe Patenschaft" erhalten haben, besitzen eine Elite-Card?
  • 24. Zeiteinsparung mit AI-Chatbot Zeitbedarf mit AI-Chatbot 1. Frage eingeben (< 1 Min) 2. Nötige Filter setzen (< 1 Min) 3. Antwort erhalten (5 Sekunden) Zeitbedarf: < 5 Minuten 26 Zeitbedarf ohne AI-Chatbot 1. In SSAM nach Athlet*innen mit Patenschaften filtern (5 Minuten) 2. Pro Athlet*in prüfen, ob eine Elite-Card vorhanden ist/war (240 Minuten) 3. Statistik erstellen (20 Minuten) Zeitbedarf: Rund ein halber Tag Prompt: Wie viele Athleten, die eine "Sporthilfe Patenschaft" erhalten haben, besitzen eine Elite-Card?
  • 25. Datenschutz 27 Grundanforderungen • Spezifische Views und Rechte für die Datenbank • DB-Schema wird nicht offengelegt • Nicht benötigte und sicherheitskritische Daten können ausgeschlossen werden (z.B. Kanton statt Adresse) • Informationen können vereinfacht werden (z.B. Alter statt Geburtstag) • Verwendung von Azure OpenAI API Schweiz (keine Daten im Ausland) Ausbaustufen • Anonymisierte ID, die nur für Chatbot verwendet werden • Fast komplett anonymisierte Daten • Lokales Modell verwenden
  • 26. Ausbaumöglichkeiten Athlet*innen-Bio 28 • Generierung von Grafiken, z.B. Anzahl Cards pro Kanton • Korrelationen zwischen Datensätzen erkennen: Was trägt zum Erfolg bei? Was kostet eine Goldmedaille? • Speech-to-text für Fragestellungen
  • 27. Lösungsraum Problemraum Von der Fragestellung zur AI-Anwendung 1. ? 3. Plausibilisierung als MVP/Prototyp für GO/NOGO-Entscheid 2.1 Welche dieser Fragen könnten mit AI unterstützt werden? 2.2 Welche Daten sollen und können dazu verwendet werden? Welche bisher nicht beantworteten Fragestellungen existieren?
  • 28. Erkenntnisse 30 Fragestellungen 1. Wo stehen wir? 2. Einschätzung der Entwicklung 3. Wie machen wir mit? Erkenntnisse • Pfad der Erleuchtung • AI-Technologie als Ganzes: Megatrend • Je nach Anwendungsgebiet unterschiedlich • Auch zunächst skeptische Mitarbeitende liessen sich überzeugen • Je tiefer sich jemand mit dem Thema AI beschäftigt hat, desto höher die Motivation Fazit Daten sind entscheidend. Wir sind bereit und neugierig, mitzuhelfen neue Anwendungen zu konzipieren und zu entwickeln. Zeit Aufmerksamkeit Gipfel der überzogenen Erwartungen Megatrend und Wendepunkt Pfad der Erleuchtung Tal der Enttäuschungen Technologischer Auslöser Hype verschwindet Nischentrend Trend
  • 29. Vielen Dank. Deimos AG Limmatquai 106 8001 Zürich +41 44 448 12 info@deimos.ch deimos.ch