Tech made in Hamburg

KI-Expert*innen teilen ihr Wissen und Learnings rund um das Thema künstliche Intelligenz

Herzlich willkommen zur MAIN-Session – der KI-Konferenz von OTTO. Tech made in Hamburg. Was steckt dahinter? Mit der MAIN-Session wollen wir die lokale KI-Community stärken und KI Expert*innen unternehmensübergreifend vernetzen. Interessante Speaker*innen von Hamburger Konzernen wie XING, TK oder OTTO geben am Montag, 29. August 2022, Einblicke in ihre Tech-Welt. Profitiere vom Know-How der Expert*innen und erfahre alles rund um das Thema künstliche Intelligenz.

Blick in den Maschinenraum

Die MAIN-Session bietet tiefgehende Einblicke in Daten- und KI-Produkte aus unterschiedlichen Branchen und ist am Puls der Zeit. Hier steht die Technologie im Vordergrund. Durch die vielen interessanten Talks stärken wir Hamburg als Standort für verantwortungsvoll gestaltete KI auf hohem Niveau. Alle KI Expert*innen aus Hamburg sind eingeladen, teilzunehmen und sich einzubringen – und abends zusammen ein kühles Getränk und Pizza zu genießen. Wir wollen mit der MAIN-Session die lokale AI-Community stärken und unternehmensübergreifende Vernetzung von Expert*innen schaffen.
Mit der MAIN-Session bilden wir den Auftakt zur fAIstival-Woche. Mehr dazu und zu weiteren Events erfährts du in unseren FAQ`s.

Den Timetable der MAIN-Session 2022 findest du hier:

Timetable

Timetable


Speaker

Fabian Abel

Director Data Science
XING / NEW WORK SE

Fabian Abel

Director Data Science, XING / NEW WORK SE

Automating Machine Learning for Recommender Systems

At XING / NEW WORK, we build recommender systems as ensembles that consist of different recommender strategies, filters, diversification components and ranking models. Various machine learning models are applied to better estimate interests of the users, learn thresholds for filtering or train models that rank the top k items that are presented to the users. Since the XING platform (incl. the recommender services themselves), user behavior and therefore the data is constantly changing, it is key to continuously adapt the involved machine learning models. In this talk, we will give an overview about recommender systems at XING, give insights in selected algorithms and discuss our approaches towards automating involved machine learning processes.
Larissa Becka
Larissa Becka

Senior Specialist BDM: Machine Learning & AI
AWS

Larissa Becka
Larissa Becka

Senior Specialist BDM: Machine Learning & AI
AWS

Bringing machine learning applications into production

In this session, we will evaluate success factors of companies running machine learning at scale. We will discuss best practices and dive deep into ML Ops concepts. We will discuss how to integrate data in real-time or in regular intervals, how to retrain machine learning models automatically, how to do inference at scale and how to continuously improve machine learning models.
Julian Ehrenfels
Julian Ehrenfels

KI Entwickler
Die Techniker

Julian Ehrenfels
Julian Ehrenfels

KI Entwickler
Die Techniker

Suchanfragen besser verstehen: Neural Search mit Sentence Transformers

Demo und Insights zu einer semantischen Such-Engine basierend auf Sentence Transformers. Wir zeigen das Potential und die Grenzen der Technologie im Vergleich zu lexikalischer Suche. Der Service wird mittels FastAPI auf einem OpenShift Cluster zur Verfügung gestellt.

Colin Stanke
Colin Stanke

KI Entwickler
Die Techniker

Colin Stanke
Colin Stanke

KI Entwickler
Die Techniker

Suchanfragen besser verstehen: Neural Search mit Sentence Transformers

Demo und Insights zu einer semantischen Such-Engine basierend auf Sentence Transformers. Wir zeigen das Potential und die Grenzen der Technologie im Vergleich zu lexikalischer Suche. Der Service wird mittels FastAPI auf einem OpenShift Cluster zur Verfügung gestellt.

Philipp Wallhäuser
Philipp Wallhäuser

Principal Data Science Coach
Neue Fische GmbH

Philipp Wallhäuser
Philipp Wallhäuser

Principal Data Science Coach
Neue Fische GmbH

Data Juniors rekrutieren - Ein Perspektivenwechsel

Sucht man auf Job-Portalen nach Stellen für Data Engineers, Data Scientists, Machine Learning Engineers und ähnlichen Profilen, finden sich weiterhin eine Vielzahl an offenen Stellen. Allerdings nur, sofern man das Präfix „Junior“ weglässt. Dies lässt die Vermutung aufkommen, dass Unternehmen immer häufiger daran zweifeln, bei der Entwicklung von Daten-Produkten auch neue Talente produktiv einzubinden.
Dies wirft die Frage auf, warum es so wichtig ist auch konstant Juniors zu rekrutieren und welche technischen und kommunikativen Fähigkeiten diese im Data (-Science) Umfeld mitbringen sollten. Auch fragt sich welche Software und Tools in Stellen-Ausschreibungen eigentlich nichts zu suchen haben und wie man mit dem richtigen Onboarding in kurzer Zeit echte Data Professionals ausbildet, die das Team langfristig stark machen.
Dr. Patrick McCrae
Dr. Patrick McCrae

Gründer und Geschäftsführer
LangTec

Dr. Patrick McCrae
Dr. Patrick McCrae

Gründer und Geschäftsführer
LangTec

Machine Learning hat NLP gelöst ... oder? Ein Plädoyer für hybride Lösungsansätze in angewandter Sprachtechnologie.

Kaum eine kommerzielle NLP-Lösung kommt heute noch ohne den Einsatz von Machine-Learning-Verfahren aus. Die freie Verfügbarkeit großer vortrainierter Sprachmodelle hat die Bedeutung von Machine Learning im Natural Language Processing in den letzten Jahren weiter verstärkt. Bei aller Begeisterung für die Leistungsfähigkeit dieser Systeme wird gerne außer Acht gelassen, wie fehlerbehaftet die Ergebnisse vortrainierter statistischer Modelle oft sind. Insbesondere für Anwendungsbereiche, in denen eine sehr hohe Ergebnisqualität wünschenswert oder erforderlich ist, reichen Verfahren, die ausschließlich auf Machine Learning basieren, erstaunlicherweise meist nicht aus.

Dr. Sören Petersen
Dr. Sören Petersen

Senior Machine Learning Specialist
Google

Dr. Sören Petersen
Dr. Sören Petersen

Senior Machine Learning Specialist
Google

Anomaly detection on GCP

Anomaly detection is important in fields such as retail and finance for applications like fraud detection and forecasting. My talk will provide an introduction to the topic, discuss different detection methods and show how some of them can be implemented on GCP.
Malte Weinberg

Senior Data Scientist
Kühne + Nagel

Malte Weinberg

Senior Data Scientist
Kühne + Nagel

Dynamic Pricing in Logistics. How does AI-assisted Pricing work?

In logistics, competition is strong, business needs change rapidly and global supply chains are often disrupted. Consequently, logistics companies must react quickly to changes in supply and demand. Modern dynamic pricing based on machine learning takes into account large amounts of transactions, customer and market data to optimize prices. In this talk, we speak about the most common ML algorithms for dynamic pricing and discuss challenges in the implementation.
Annemarie Paul

Senior Data Scientist
Kühne + Nagel

Annemarie Paul

Senior Data Scientist
Kühne + Nagel

Dynamic Pricing in Logistics. How does AI-assisted Pricing work?

In logistics, competition is strong, business needs change rapidly and global supply chains are often disrupted. Consequently, logistics companies must react quickly to changes in supply and demand. Modern dynamic pricing based on machine learning takes into account large amounts of transactions, customer and market data to optimize prices. In this talk, we speak about the most common ML algorithms for dynamic pricing and discuss challenges in the implementation.
Dr. rer. nat. Johannes Twiefel

Gründer exXxa GmbH

Dr. rer. nat. Johannes Twiefel

Gründer exXxa GmbH

Warum versteht mich meine Spracherkennung (nicht)? Applied Speech Recognition: Aus der Forschung in die Praxis

State-of-the-Art KI-Modelle für Spracherkennung erreichen in Benchmark-Tests bereits Erkennungsraten über 98%. Warum erkennt eine Spracherkennung in der Praxis den Sprecher oft nur schlecht? Dr. Johannes Twiefel, KI-Wissenschaftler im Bereich Spracherkennung an der Universität Hamburg und Geschäftsführer des Spracherkennungs-Startups exXxa gibt Einblicke in den Stand der Forschung, erkärt die heutigen Probleme in der Praxis und präsentiert mögliche Lösungen für die Zukunft.
Dr. Stefan Kühn

Head of Product, Data & ML, Fit Analytics
Snap Inc.

Dr. Stefan Kühn

Head of Product, Data & ML, Fit Analytics
Snap Inc.

Manifold Learning – der Struktur der Daten auf der Spur

In diesem Vortrag geht es um einen spannenden Komplex innerhalb des Unsupervised Machine Learning, das sog. Manifold Learning. Die teils ungewöhnlichen Methoden sind vor allem aus der Datenvisualisierung und der Dimensionality Reduction bekannt, können aber deutlich mehr.
Eigentlich dienen Manifold-Learning-Verfahren dazu, in niedrigen Dimensionen bestimmte strukturelle Eigenschaften mehr- oder hochdimensionaler Daten zu erhalten, etwa Lagebeziehungen oder Abstände zwischen den Datenpunkten. In 2D oder 3D kann man dies zur Datenvisualisierung nutzen, und Methoden wie PCA oder MDS lassen sich generell zur Dimensionsreduktion verwenden, um Speicheraufwand zu minimieren und Rechenzeiten zu beschleunigen. Eine innovative, jedoch wenig bekannte Anwendung ist das automatische Generieren von Features für Supervised-Machine-Learning-Fragestellungen.
Dr. des. Christian Engel

Researcher in Management of Artificial Intelligence
University of St.Gallen

Dr. des. Christian Engel

Researcher in Management of Artificial Intelligence
University of St.Gallen

Von der Auswahl geeigneter KI-Use Cases bis zur Prävention einer ‚Lost Generation’ of Cognitive Automation

Aus Perspektive der Wirtschaftsinformatik geht Dr. des. Christian Engel (Researcher in Management of Artificial Intelligence, Universität St.Gallen) drei Hauptfragen auf den Grund: Was ist Cognitive Automation? Warum automatisieren wir Geschäftsprozesse mit Künstlicher Intelligenz? Wie wählen wir geeignete Use Cases aus und verankern diese in Organisationen? Teilnehmende können erwarten, branchenunabhängige Antworten auf diese drei Fragen sowie Einblicke in die erfolgreiche Umsetzung von Cognitive Automation-Initiativen zu erhalten – menschzentriert, verantwortungsvoll und nachhaltig. Christian ergänzt diese Erkenntnisse mit Gedanken, die über den rein geschäftlichen Rahmen hinausgehen. Hier schlägt er (erste) Wege vor, die uns helfen sollen, eine „Lost Generation of Cognitive Automation“ zu verhindern (= hier gemeint: Anteil der Menschen, die aus dem Arbeitssystem herausfallen, da sie zunehmend durch Maschinen ersetzt werden).

Stephan Abend

Head of Data Science Hub
Beiersdorf Shared Services GmbH

Stephan Abend

Head of Data Science Hub
Beiersdorf Shared Services GmbH

Data Science Infrastruktur – vom Experimentieren zur Industrialisierung

Um das volle Potential von künstlicher Intelligenz zu realisieren, müssen Data Science Modelle in produktive Softwarelösungen eingebettet werden. Dazu wird eine dedizierte Data Science Infrastruktur benötigt. In diesem Vortrag lernen wir, wie Beiersdorf über seine Data Science Platform nahtloses Experimentieren von (Citizen) Data Scientisten sowie die anschließende Industrialisierung erfolgreicher Modelle ermöglicht.

Vadim Voskresenskii

Data Analyst at Polyteia GmbH
Core team member at DSSG Berlin

Vadim Voskresenskii

Data Analyst at Polyteia GmbH
Core team member at DSSG Berlin

Data Science for Social Good in Berlin: How Data Science can help NGOs

In my talk, I want to share insights on how our non-profit organisation DSSG Berlin helps NGOs with data-related issues. We work with NGOs in different formats: workshops, datathons, long-standing collaborations, etc. I will present the most interesting cases of our collaborative work and would be also glad to discuss the challenges we face while working with NGOs.

Dr. Olaf Görlitz

Head of Engineering
Skillup.ai

Dr. Olaf Görlitz

Head of Engineering
Skillup.ai

NLP as a Service: From POC to Production with GPT-3

Large language models like GPT-3 or Megatron-Turing NLG have attracted a lot of attention in the last 2 years. Their capabilities are amazing and companies like OpenAI offer them for commercial use via an API.
But how to implement NLP as a Service in a product?
In this session, experiences with OpenAI’s GPT-3 model will be presented and tips for a successful implementation will be given.
Dr. Christian Wiel

Data Scientist
Otto Group Solution Provider (OSP) GmbH

Dr. Christian Wiel

Data Scientist
Otto Group Solution Provider (OSP) GmbH

Dataminimalism - Better AI with less data?

How much data do I need to train a good model? What are the costs of more training data and what are the benefits? What are the limiting factors beyond the sheer amount of data? We will explore these questions in the talk with practical examples and show some strategies to answer them.
Theresa Wohlsen

Machine Learning Engineer
Otto Group data.works GmbH

Theresa Wohlsen

Machine Learning Engineer
Otto Group data.works GmbH

The post-deployment phase of an AI product.

Implementation, but then what? Have you ever wondered what happens after an AI product is successfully implemented? No? Then you should change that as soon as possible. Because after the implementation, the work continues. We give you an insight into our 3-year-old AI product Contextual Targeting. Contextual Targeting is an alternative for the soon to be obsolete third-party cookies in online marketing. Contextual Targeting uses Natural Language Processing to analyze and classify 4 million websites per day in less than 50 ms per website.
Dr. Christian Haase

Senior Data Scientist NLP, Team Turing
Otto GmbH & Co. KG

Dr. Christian Haase

Senior Data Scientist NLP, Team Turing
Otto GmbH & Co. KG

Rethinking semantic product search: new query-centric approaches for low-recall segments

Semantic product search with NLP-language models is widely used in ecommerce. Within this field, two main approaches can be identified: query- and product-centric ones. This paper shows, why the current trend is moving towards query-centric approaches and how Otto has actively pushed the boundaries. It will be shown for the first time how Otto very successfully leveraged two new query-centric approaches to increase the click-through and conversion rates in low-recall segments.
Philipp Normann

Senior Data Scientist
Otto GmbH & Co. KG

Philipp Normann

Senior Data Scientist
Otto GmbH & Co. KG

Deep Multimodal Recommendations: Solving The Cold Start Problem

In diesem Vortrag zeigen wir euch, wie wir das Cold-Start Problem in Recommender-Systemen mithilfe eines multimodalen Deep Learning Modells gelöst haben, das sowohl Bilder als auch Texte verarbeitet. Wir zeigen euch den Weg von der Idee über die Implementierung inklusive Deployments hin zu ersten A/B-Test Ergebnissen. Kommt vorbei!
Timo Wilm

Senior Data Scientist
Otto GmbH & Co. KG

Timo Wilm

Senior Data Scientist
Otto GmbH & Co. KG

Vom Paper zum produktiven Service: Implementierung eines Transformer basierten Recommender Systems

Der Vortrag zeigt, wie mit geringem Risiko ein Transformer von der Idee aus einem Paper in die vollautomatisierte Produktion überführt werden kann. Unser Arbeitsschwerpunkt liegt seit mehr als sechs Jahren auf Deep Learning Modellen und in diesem Spektrum werden wir Ideen, Tricks und Strategien teilen.

FAQ

Alle Fragen und Antworten rund um die MAIN-Session 2022

Wir haben gesammelt – um eure wichtigsten Fragen rund um die MAIN-Session schon jetzt beantworten zu können. Muss ich bereits Ahnung von KI haben? Wie geht das mit der Anmeldung nochmal? Und kostet das wirklich nichts? Alle Antworten auf die häufigsten Fragen findest du hier. Und sollte doch noch etwas unklar bleiben, melde dich gerne unter dem angegebenen Kontakt bei uns.

Die MAIN-Session ist eine Konferenz von und mit OTTO zum Themenschwerpunkt künstliche Intelligenz. Am 29. August 2022 stellen verschiedene Digitalunternehmen aus Hamburg und Deutschland ihre KI-Anwendungen vor, Expert*innen diskutieren über aktuelle Fragestellungen und du kannst live dabei sein.

Wir möchten zeigen, welches Potenzial in dem Thema künstliche Intelligenz steckt, Tech-Expert*innen die Möglichkeit bieten, sich über aktuelle Fragestellungen in dem Bereich auszutauschen, untereinander zu vernetzen und zu zeigen, dass KI Spaß macht und mehr ist als Skepsis und Bedenken.

Wähle bei der Anmeldung Teilnahme vor Ort aus. Wir bitten dabei um eine Spende für Nothilfe in der Ukraine. Nach erfolgreicher Anmeldung bekommst du rechtzeitig vor der Veranstaltung eine Mail mit deinem Ticket, was du beim Einlass (OTTO-Campus) vorzeigst.
Die MAIN-Session findet im Gebäude 1 auf dem OTTO-Campus statt (siehe Lageplan).

Die digitale Teilnahme an der MAIN-Session am Montag (29.08.2022) ist für dich kostenlos. Du kannst zwischen dem Green- und dem Blue-Stream wechseln, je nach dem welche Sessions dich interessiert. Wenn du vor Ort auf dem OTTO-Campus teilnehmen möchtest, bitten wir um eine Spende für Nothilfe in der Ukraine. Essen und Trinken werden gestellt.

Die Anmeldung zur MAIN-Session erfolgt hier. Du kannst auswählen, ob du vor Ort oder digital teilnehmen möchtest. Wenn du digital teilnimmst, bekommst du in einer gesonderten E-Mail den Link zur Streaming-Seite. Für die Vor-Ort Teilnahme erhältst du ein Ticket inkl. QR-Code, welcher der Einlasskontrolle dient.

Ja, die beiden Streams werden aufgezeichnet und später hier auf der Seite hochgeladen. Außerdem fassen wir die Keylearnings aus jeder Session schriftlich für dich zusammen.

Bei allen Fragen und Anmerkungen wende dich gerne an unser Postfach info@mainsession.ai.

Das Motto der MAIN-Session dieses Jahr lautet: “Blick in den Maschinenraum”, d.h. die Vorträge werden teils tief in technische Details einsteigen. KI-Vorwissen ist dafür hilfreich, aber natürlich keine Voraussetzung.

Unsere zwei Streams kannst du ganz bequem von überall aus nutzen. Nach der Anmeldung erhältst du rechtzeitig vor der Veranstaltung den Einladungslink, über den du die Streams am Konferenz-Tag besuchen kannst. Du musst dich nicht noch einmal extra anmelden oder einloggen.

Wenn du bei einem der Themen auf unserem Timetable gerne als Speaker*in mit auftreten würdest, melde dich gerne unter info@mainsession.ai mit dem Stichwort “Speaker*in-Anfrage” bei uns. Wir schauen dann gemeinsam, ob das noch möglich ist.

Hamburg ist ein starker KI-Standort mit einem guten Netzwerk. Aus diesem ist 2021 die Idee der fAIstival-Woche entstanden. Aufgrund des großen Erfolges haben alle Partner*innen zugestimmt das Projekt 2022 zu wiederholen.

Vom 29.8. bis 3.9. finden verschiedene Eventformate statt, die den Teilnehmenden vielfältige Einblicke in die künstliche Intelligenz bieten. Dabei steht jeder Tag unter einem anderen Schwerpunkt.

Mit der MAIN-Session macht OTTO den Auftakt zur fAIstival-Woche und möchte dabei Talente und Expert*innen gleichermaßen ansprechen und für die KI begeistern.