Christian Engel has lead a group of strategic business analytics advisors for key SAS accounts since 2006. His academic background is in mathematics and he completed his Diploma degree with concentrations in Operations Research in 1996 in Darmstadt. His day-to-day work involves calculating the value contribution of analytics software, optimizing analytic platforms for departments, and innovation projects related to new software technologies.
Wir sitzen in einem großen Hörsaal einer Frankfurter Hochschule, die Sitzreihen sind leicht ansteigend, damit alle Studenten nicht nur hören, sondern auch gut sehen können. Ungefähr 150 Zuhörer – zum Großteil keine Studenten - hören dem Referenten zu, keinem Professor, sondern einem dynamisch wirkenden Gründer und Manager eines norditalienischen Start-up.
If a bank gets in touch with a software company and wants to know how it could use artificial intelligence (AI), that means two things. First, the bank is willing to consider AI, and second, that it really does not know much about the subject. Banks want AI, and they
In meinem letzten Blogpost ging es darum, welche Aufgaben „Robo A“ mir als Bankmitarbeiter womöglich schon abnehmen kann, sodass ich Zeit für wichtigere Themen gewinne. KI spielt in Banken schon lange keine Nebenrolle mehr. Die Suche nach dem ultimativen Use Case, der einerseits über den Hype und andererseits über den
Ich blinzele, kann kaum was sehen. Die Sonne scheint mir direkt ins Gesicht. Hell, schmerzhaft, stechend – aber ich weiß, dass alle meine Sinne geschärft sein müssen. Ich bemühe mich zu sehen, was vor mir liegt. Denn ich fahre 60 km/h und fühle mich dabei fast blind. Und um mich
Ein Mythos ist in seiner ursprünglichen Bedeutung eine Erzählung. Mythen erheben traditionell einen Anspruch auf Wahrheit. Doch gerade an diesem Wahrheitsanspruch gibt es immer wieder Kritik. Ein Beispiel: Ist es ein Mythos, dass hier in Heidelberg die älteste deutschsprachige Universität steht? Nein, es ist eine Teilwahrheit. Denn es ist die
Bankkunden werden auch immer anspruchsvoller. Im Zeitalter von Google, Apple, Facebook und Amazon haben wir uns daran gewöhnt, personalisierte Angebote auf Basis der von uns freiwillig zur Verfügung gestellten Daten zu erhalten. Hier ist sie wieder, unsere Chatbot-Idee aus meinem 1. Beitrag zu KI in der Bankbranche, und es gibt
Selbstfahrende Sport Utility Vehicle auf unseren öffentlichen Straßen, Siri immer im Zugriff, Alexa im Wohnzimmer … Künstliche Intelligenz und die dahinter funktionierenden Machine-Learning-Verfahren begegnen uns bereits heute, zum Teil eingebettet in den Alltag, zum Teil mit unserem „Wow“, wenn die US-Verkehrsaufsichtsbehörde NHTSA bestätigt, dass es bei einem Unfall mit einem selbstfahrenden
Seit 2009 sollen der Gesundheitsfonds und der morbiditätsorientierte Risikostrukturausgleich in der deutschen gesetzlichen Krankenversicherung (GKV) für eine ausgewogenere Verteilung der Einnahmen bei den Kassen sorgen. Ziel ist ein sozialer Ausgleich für unterschiedliche Einkommensstruktur und Krankheitslasten bei den Mitgliedern. Über einen sehr interessanten Nebeneffekt, den dieses regulatorische System ungewollt ausgelöst hat,
Karen, in unserem letzten Gespräch haben wir über die Bedeutung von professionellem Datenqualitäts-Management und über die erforderliche organisatorische Einbettung gesprochen. Jetzt möchte ich etwas konkreter werden. Beschreibe doch mal, worauf es bei der Umsetzung ankommt? Wie sollte sich ein solcher Data Governance Prozess gestalten?
IDV (Individuelle Datenverarbeitung) ist ein Thema, das in den Banken als Teil von BCBS 239 seit Langem kritisch diskutiert wird. Ruppert Jaeschke betreut und berät seit fast 15 Jahren zahlreiche deutsche Banken im Umfeld Business Intelligence und SAS. Er hat eine klare Meinung zu diesem regulatorischen Thema. Frage: Welche Schmerzen
Der Top-Manager sitzt uns gegenüber und prognostiziert, dass die „kleinen Schnellboote“ unter den IT-Projekten der kommenden Monate ein hohes Gut sein werden. Er ist CIO einer der fünf größten Versicherer in Deutschland und spricht von agilen Projekten mit agilen Teams. Voraussetzung: entsprechende Software, die eine solche Agilität ermöglicht. Und an
Datenqualität ist ein Thema, das in Versicherungen häufig thematisiert wird, im Projektalltag aber ebenso häufig eine untergeordnete Rolle spielt. Ich habe Karen Prillwitz zum Stellenwert des Themas Datenqualität bei großen Versicherern befragt. Karen Prillwitz hat viele Jahre Versicherungen beraten und als Projektleiterin in einem großen deutschen Versicherungskonzern die Auswirkungen schlechter
