BEGIN:VCALENDAR
VERSION:2.0
PRODID:https://github.com/derhansen/sf_event_mgt
METHOD:PUBLISH
BEGIN:VEVENT
UID:674-4841@www.eah-jena.de
CLASS: PUBLIC
SUMMARY:KI Connect: Lokale KI im Unternehmen – Effizienz und Performance ko
 mpakter Modelle
DESCRIPTION:📅 Dienstag, 28. April 2026 | 16:00–18:00 Uhr\n\nBeschreibung \n
 \nWie lassen sich leistungsfähige KI-Anwendungen effizient, ressourcenschon
 end und unabhängig von externen Plattformen im Unternehmen einsetzen? Die V
 eranstaltung beleuchtet aktuelle Entwicklungen rund um lokale KI-Modelle un
 d zeigt, welche Rolle Modellkompression für deren praktischen Einsatz spiel
 t.\n\nDie Veranstaltung greift folgende Themen auf:\n\nstrategisch: Technol
 ogietrends im Thüringer Foresight-Prozess technisch: Modellkompression (Qua
 ntisierung, Pruning, Distillation)praktisch: Einsatz kompakter KI-Modelle i
 m Unternehmensalltag\n\nZielgruppe\n\nDie Veranstaltung richtet sich an Per
 sonen aus Wirtschaft, Wissenschaft, Verwaltung und weiteren Akteuren des In
 novationssystems, sowie an alle Interessierten, die sich über aktuelle Entw
 icklungen informieren und neue Kooperationsmöglichkeiten erschließen möchte
 n.\n\nProgramm/Beiträge\n\n🎤 M. Sc. Michel Reichardt \n\n(Projektleiter Str
 ategic Foresight / LEG Thüringen)\n\nZukunft gestalten – mit Foresight für 
 Thüringen\n\nIm Beitrag wird der Thüringer Foresight-Prozess als zentrales 
 Instrument der regionalen Innovationsstrategie vorgestellt. Dabei wird darg
 estellt, wie technologische Trends systematisch identifiziert, bewertet und
  für strategische Entscheidungen in Wissenschaft, Wirtschaft und Politik nu
 tzbar gemacht werden. Mit Einblicken in den Trend „Modellkompression & schl
 anke Inferenz für energieeffiziente KI in Produktion, Verwaltung & Wissensm
 anagement“ werden Entwicklungsperspektiven für einen ressourcenschonenden u
 nd souveränen Einsatz von Künstlicher Intelligenz gegeben. \n\n🎤 Prof. Dr. 
 Christian Erfurth \n\n(EAH Jena –Professur für Informatik/ZAKI Projektleitu
 ng)\n\nSchrumpfkur für KI: Methoden zur Komprimierung großer Sprachmodelle.
 \n\nUm KI-Anwendungen ressourcenschonend und alltagstauglich zu gestalten, 
 beleuchtet der Kurzvortrag die technischen Ansätze zur Verkleinerung großer
  KI-Modelle mit besonderem Fokus auf Effizienzsteigerung und digitale Souve
 ränität.  Konkrete Reduktionsverfahren – u. a. Quantisierung, Pruning (Besc
 hneidung) und Knowledge Distillation (Wissensdestillation) – werden anhand 
 von Leistungsvergleichen (Speicherersparnis, Inferenzgeschwindigkeit und An
 twortqualität) der Modelle eingeordnet.  \n\n🎤 Dr. Martin Schiele \n\n(CEO 
 & Co-Founder AIUI GmbH, Ilmenau)\n\nKlein, lokal, leistungsstark. Kompakte 
 Sprachmodelle in der Unternehmenspraxis. \n\nDie Präsentation beleuchtet de
 n praktischen Einsatz komprimierter KI-Modelle aus einer anwendungsorientie
 rten Dienstleisterperspektive mit besonderem Fokus auf sichere On-Premise-L
 ösungen. Anhand von Beispielen aus dem internen Wissensmanagement, der Proz
 essautomatisierung und dem Einsatz in RAG-Systemen zeigt Dr. Martin Schiele
  reale Erfolgsfaktoren und Hürden kompakter KI-Architekturen auf. Er plädie
 rt für einen bedarfsorientierten, ressourcenschonenden Einsatz von KI-Syste
 men als Mittel zur nachhaltigen Wertschöpfung und Stärkung der digitalen So
 uveränität.
LOCATION:Jena Digital Innovation Hub
DTSTAMP:20260331T103805Z
DTSTART:20260428T140000Z
DTEND:20260428T160000Z
END:VEVENT
END:VCALENDAR