Data Engineering Day of Excellence 27. Oktober 2025 | Biel

Die Mehrheit der KI-Modelle erreichen nicht die Produktion. Warum?
Referentin: Violeta Vogel, Lehrbeauftragte BFH-TI und Dienstchefin Datenarchivierung BAR

Business Cases:  

Datenschutzkonforme Umsetzung von KI-Lösungen mit LLMs
Referentin: Annett Laube, Professorin BFH-TI

Large Language Models (LLMs) haben ein grosses Potential, existierende Geschäftsprozesse effizienter zu gestalten und zu verbessern. Gleichzeitig stellt die Verwendung generativer KI viele Unternehmen und Behörden vor neue Herausforderungen: Innovation muss mit Datenschutz, Transparenz und ethischer Verantwortung in Einklang gebracht werden. Im Mittelpunkt stehen dabei die Vermeidung von Diskriminierung, der Schutz der Privatsphäre sowie der Grund- und Persönlichkeitsrechte sowie die Nachvollziehbarkeit rechtlicher Entscheidungen. Anhand von Anwendungsfällen des Kantons Luzern werden vorhandene Risiken und notwendige Massnahmen beim Einsatz von LLMs beispielhaft skizziert. 

Daten konzeptionell:
Vom Data Mesh bis zum Datenkatalog
Referent: Michael Bok, IT-Architekt, Mobiliar

Übersicht wie wir bei der Mobiliar ein Data Mesh als skalierende Datenarchitektur umsetzen und welche Rolle dabei Datenprodukte, Data Contracts und ein (Meta-) Datenkatalog spielen.

Daten technisch:

Datenprodukte und Governance auf Databricks
Referenten: Stefan Nüesch & Hansjörg Wingeier, Wirtschaftsinformatiker, Mobiliar

Databricks ist die Cloud-Datenplattform der Mobiliar. Es wird gezeigt, wie damit Datenprodukte mit einer klaren Governance entwickelt werden.

Modelle und Algorithmen:

• Erster Vortrag (auf Englisch) : Data Augmentation for Multi-Class Eating Disorders Text Classification
  Referentin: Merhbene Ghofrane, Doktorantin BFH-TI

We explore how machine learning and Natural Language Processing (NLP) can be used to address sensitive mental health challenges. Focusing on an under-explored language and domain. We present a new dataset of German-language social media comments related to eating disorders and share how we tackled the challenges of working with limited and imbalanced data. By applying data augmentation strategies, we significantly improved model performance and uncovered insights with broader implications for mental health detection in text.

• Zweiter Vortrag (auf Englisch): MarmotGraph - A Knowledge Graph for science and more
  Referent: Oliver Schmid, PhD | Product Owner and Senior Software Engineer & Architect, Human Brain Project

  CSCS Swiss National Supercomputing Centre

A fundamental precondition to make scientific data truly FAIR (Findable, Accessible, Interoperable and Reusable) is the establishment of a system for precise semantic annotations and the reflection of multidimensional dependencies between the involved entities.
As part of the EU flagship "Human Brain Project" and its successor project "EBRAINS", we have built a unique metadata management solution built on top of a graph database to support an expert-driven metadata registration process.
In this talk, I will not only present the main challenges during the development and establishment of the resulting product called MarmotGraph, but I would also like to discuss the necessity of bridging the gaps between human expertise and machine readability.

Referent: Jürgen Vogel, Professor und Leiter Studiengang Data Engineering, BFH-TI