«Digimpact: Der Digitalisierung auf der Spur»...Web Agent (Vertical Search) KI-basierte...

2

«Digimpact: Der Digitalisierung auf der Spur»

3

Download der UnterlagenDie Präsentationen stehen unter dem Link:

www.fhsg.ch/digimpact

zum Download zur Verfügung.

http://www.fhsg.ch/digimpact

5

Chancen und Gefahren der Digitalisierung

für Schweizer KMU

25.10.2018Rigo Tietz

6Quelle: KMU-Spiegel (2017) n = 603

Stellt die Digitalisierung eher eine Chance oder eine Herausforderung dar?

100

90

80

70

60

50

40

30

20

10

0

Dienstleistungsbranche: 74Gesamt: 67

Baubranche: 66Gastgewerbe: 66

Für mich überwiegen eindeutig die Herausforderungen

Für mich überwiegen eindeutig die Chancen

IKT-Branche: 80

Handel: 58Produzierendes Gewerbe: 65Gesundheits- und Sozialwesen: 66

7

Welche digitalen Chancen sehen KMU?

9%

22%

24%

24%

31%

42%

43%

55%

Höhere Markttransparenz auf Lieferantenseite

Erschliessung von neuen Vertriebskanälen

Nutzung von Kundendaten zurIndividualisierung von Leistungen

Direkter Kontakt zum Endkunden

Höhere Bindung von Kunden durchIntensivierung der Geschäftsbeziehung

Gewinnung von Neukunden ausserhalb desbestehenden geographischen Marktes

Entwicklung und Umsetzung neuerGeschäftskonzepte

Effizienzsteigerung durch Automatisierung vonProzessen

GesamtQuelle: KMU-Spiegel (2017) n = 603

11%

23%

23%

33%

34%

32%

42%

65%

9%

22%

24%

24%

31%

42%

43%

55%









Gesamt Produzierendes GewerbeQuelle: KMU-Spiegel (2017) n = 603

6%

20%

15%

6%

37%

52%

73%

52%

9%

22%

24%

24%

31%

42%

43%

55%









Gesamt IKTQuelle: KMU-Spiegel (2017) n = 603

8

Welche digitalen Herausforderungen sehen KMU?

44%

40%

36%

29%

28%

23%

20%

18%

16%

Datensicherheit

Hoher Investitionsbedarf

Fehlende Kompetenz der Mitarbeitenden

Verstärkter Preiswettbewerb aufgrund…

Fehlende technische Voraussetzungen

Veränderung des Kerngeschäfts

Eintritt neuer Wettbewerber, z.B. Startups

Auflösung von Branchengrenzen

Fehlende finanzielle Ressourcen

GesamtQuelle: KMU-Spiegel (2017) n = 603

44%

40%

36%

29%

28%

23%

20%

18%

16%

66%

52%

37%

4%

27%

18%

7%

10%

22%

Datensicherheit









Gesamt Gesundheits- und SozialwesenQuelle: KMU-Spiegel (2017) n = 603

44%

40%

36%

29%

28%

23%

20%

18%

16%

24%

43%

22%

48%

26%

23%

28%

26%

18%

Datensicherheit









Gesamt HandelQuelle: KMU-Spiegel (2017) n = 603

9

Prof. Dr. Harold TiemessenInstitut für Modellbildung und Simulation

Algorithmische Dispositionsunterstützung im Stückguttransport

10

Kennzahlen• 8'000 Transportaufträge pro Tag• 16 Depots• 650 Fahrzeuge• über 20% aller Aufträge werden weniger als 12

Stunden vor Abholung (definitiv) angemeldet

Marktanalyse• TMS fokussieren auf Auftragserfassung, manuelle

Disposition und Fakturierung• Algorithmische Unterstützung sehr rudimentär:

fixe Touren nach PLZ; anschliessend sequentielle Zuweisung von Fahrzeugen und Fahrern

• CH deutlich hinter DE, NL, US

11

Chancen der Digitalisierung für den Transportsektor

Herausforderungen• Volatile Nachfrage (in Volumen, Zeit und Ort)• Wunsch nach immer kürzeren Responsezeiten

("Same Day" Lieferungen)

• Steigender Kostendruck • Duale Transportkonzepte & Cross-docking• Lenk- und Ruhezeitvorschriften• Auftragsweitergabe (z.B. regionale LSP)• Aufgaben & Verantwortlichkeiten Disponent

• Multi-dimensionale Zielfunktion (Kosten, Punktualität, Emissionen, Dispo-aufwand)

ex

tern

In

tern

Antworten Digitalisierung• Verfügbarkeit (oft in Echtzeit) von neuen

relevanten und zuverlässigen Daten• Performante IT Infrastruktur

(GPS, RFID, mobile Geräte, schnelle Rechner)

Dynamische, standortübergreifende vorausschauende Disposition mittels eines

Decision Support Systems

• Entwicklung Nachfrageprognosemodelle• Entwicklung Optimierungsalgorithmen

12

Heuristischer Tourenplan Generator

(HTG)

Genetischer Algorithmus

(GA)

Tourenplan(inkl. Bewertung)

Chromosom(Steuerparameter)

Lenk- und Ruhezeit-vorschriften

Auftrags-prognosen

Aktueller Tourenplan Fahrzeiten &

Distanzen

Fuhrpark, LKW-Fahrer & Standorte

Kostenparameter

1 0 0 1 1 1

Prof. Dr. Lukas SchmidDigimpact: Der Digitalisierung auf der Spur, 25. Oktober 2018, St.Gallen

Mit dem Maker-Ansatz die Herausforderungen der Digitalisierung meistern

[Quelle: https://www.weforum.org/agenda/2015/11/is-this-future-of-the-internet-of-things/]

DONNERSTAG, 25. OKTOBER 2018, FHS ST.GALLEN

DOWNLOAD: HTTPS:/ /GOO.GL/7GRTFO

Digitaltag. Digimpact. Holzroboter Carl.Seit 1995. Namics.

Jürg Stuker. Interneturgestein.

Aufgabe verstehen

Verknüpfung mit Realwelt

Ausführung des Programms

Fehlersuche

23

Prof. Dr. Alexandra Cloots, Co-Leiterin HR-Panel New Work Team: Co-Leiter Prof. Dr. Sebastian Wörwag, Manuela Ruf (wissenschaftliche Assistenz)

Herausforderungen in derGestaltung einer digitalisierten Arbeitswelt

24

Dagen H – Tag, an dem die Schweden vom Links- auf Rechtsverkehr umstellte: 3. September 1967

Quelle: https://ticker.mercedes-benz-passion.com/dagen-h-50-jahre-rechtsverkehr-in-schweden/

Was beeinflusst die Arbeitswelt in Zukunft?

Ergebnisse einer Studie des HR-Panels New Work (2017) zeigen:

Haupteinflussfaktoren: Digitalisierung, Leistungsdruck und Projektorientierung benennen Mitarbeitende über alle

Funktionsebenen als Haupteinflussfaktoren auf die Arbeit der Zukunft.

Wunschbild 'Arbeit der Zukunft': Mehr Projekt-, Beratungsarbeit und weniger Routine wird erwünscht. Weniger IT-Nutzung Vermehrt mit Menschen zu tun haben

Benötigtes Umfeld: Organisationskultur schaffen, die eine Lernbereitschaft erhöht bzw. dieser gerecht wird. Ganzheitliche Gestaltung der Arbeit Mitarbeitende fit für die zukünftig stärker werdende Projektarbeit machen. Selbstreflexion bezogen auf den Umgang stärken, selbstbestimmtes Arbeiten fördern. Zeit & Ressourcen für Lernen bereit stellen.

25

HR-Panel New Work im Überblick

HR-Panel New Work• Board• Lead User• Member

Forschung• Jahresthema für Forschung

und Call für Forum• Weitere Forschungs-

projekte• Interdisziplinäre Forschung

an der FHS

Forum• Praxis- Wissenschafts-

AustauschVorträge durch Call

• Referenten werden via Call gesucht

• Publikationsmöglichkeit• Sammelband

Dienstleistung• Unternehmensspezifische

Auswertungen zur Jahresstudie

• Vorträge• Workshops

Board bestimmt Jahresthema und gibt damit nicht nur die Jahresforschung für das HR-Panel New Work vor, sondern auch den Fahrplan für das Forum.

26

Ihre Take-Aways Kann über die Homepage

www.hrpanel-fhs.ch für CHF 35 erworben werden.

Heute: Sonderpreis von CHF 30/Stück

Kann über die Homepage www.hrpanel-fhs.ch für CHF 45 erworben werden.

Heute Vorbestellung: Sonderpreis von CHF 40/Stück

2. St.Galler New Work Forum9. Januar 2019Olma Messen St.Gallen

Anmeldung unter www.newworkforum.ch

http://www.hrpanel-fhs.ch/

http://www.hrpanel-fhs.ch/

http://www.newworkforum.ch/

27

Prof. Ernesto Turnes, CFA, M.A. HSG Banking & Finance, M.A. HSG Economics

Leiter Kompetenzzentrum Banking und Finance, FHS St.Gallen

Blockchain für KMU

25. Oktober 2018, Digital Day

28

Blockchain-Entscheidungsmodell für KMU

29

Entwicklung eines ICO-Rating-Modells

30

Regelbasierte Anlagestrategien bei Kryptowährungen

31

Data Science 4 KMU

Auf dem Weg ins datengetriebene Unternehmen

FHS St.Gallen | Digitaltag | 25. Oktober 2018Prof. Dr. Petra Kugler | Institut für Unternehmensführung IFU-FHS

3232https://media.giphy.com/media/l3V0psI2OTNfRBB9S/giphy.mp4gif

Daten | Sie verändern alles.

33

Data Science 4 KMU | Rahmendaten

Förderung | Internationale Bodenseehochschule IBH / Interreg

Rahmen | IBH-Lab KMUdigital

Laufzeit | 01.2018 – 06 / 12.2019

Hochschulen aus 3 Ländern | ZHAW, FHSG (Institute IFU, IPM, IQB), FHV, HTWG

Unternehmen aus 3 Ländern | ca. 10 Unternehmen (IT, Industrie / Maschinenbau)

34

Data Science 4 KMU | Projektziel

Ausgangsthesen These 1 | Für KMU ist die Nutzung von Daten | Data Science aufgrund der besonderen

Rahmenbedingungen schwieriger als für Grossunternehmen These 2 | Daten entscheiden künftig über die Wettbewerbsfähigkeit von Firmen

Projektziel Chancen, Herausforderungen, Möglichkeiten, Konsequenzen von Daten | Data

Science für KMU ausloten (Instrumente) Interdisziplinärer Ansatz, mehrere Perspektiven

Vorgehen Literaturanalyse | Interviews | Quantitative Erhebung | Demonstrator

35

Data Science 4 KMU | Themenfelder

Daten … Welche Daten, wo, wer, wie, proaktiv, reaktiv? Wettbewerbsstrategie und Wettbewerb Datengetriebene Geschäftsmodelle Produkte | Prozesse | Services um Daten Datensicherheit Kompetenzen der Mitarbeiter Mindset und Organisation Etc.

36

Abdullah Redzepi (Kompetenzzentrum Leadership und Personalmanagement)Oliver Christ (Kompetenzzentrum Unternehmensentwicklung)

Human Capital Management Analytics

42

DescriptiveAnalytics

PredictiveAnalytics

PrescriptiveAnalytics

Was passiert(e)? Was wird passieren ? Was soll ich tun?

45

HR Analytics - Verbreitungsgrad (Schweizer KMU)

1%3%

14%

46%

15%

21%

0%

5%

10%

15%

20%

25%

30%

35%

40%

45%

50%

sehr hoch hoch mittel gering sehr gering Weiss nicht

49

HCM Analytics Dashboard - Retentionsbarometer

Data Mining - Entscheidungsbaumanalyse

Kriterien für höchstes Kündigungsrisiko:1. MA-Zufriedenheitsindex < 50 % 2. MA-Zufriedenheitsindex 50 - 70 %

+ Alter 30-50 Jahre+ Kinder nein+ Betriebszugehörigkeit > 5 Jahre

Vergangenheitsorientierte Analysen Prädiktive Analysen

Filter: Region Org.-EinheitSchweiz

SucheZH-005

00

männlichGeschlecht Alterssegment

30-50 J.

alleMA-Kategorie Anstellungsdauer

Willkommen Melanie GrossFunktion: Manager ZH-005

alle

Ursache-Wirkungs-Diagramm

Pro Betriebszugehörigekeitssegment

1.7

2.5

1.2

4.65

4.85

4.4

5.6

5.6

5.8 MaxMedianMin

5.8

5.6

4.6

MaxMedianMin

4.75

4.7

3.251.2

2.9

2.3

Pro Betriebszugehörigekeitssegment

Fehlzeitenanalyse pro MA

Sie haben immer hier die Möglichkeit zum Drilldown in weitere Detailreports

Handlungsempfehlungen

53

Dr. Oliver ChristDozent für Unternehmensentwicklung und OrganisationKompetenzzentrum Unternehmensentwicklung

FHS St.Gallen, Institut IQB-FHS, Rosenbergstr. 59, 9001 St.GallenTel. +41 71 226 17 74 l [email protected] l www.fhsg.ch/iqb

Ihr Kontakt

Abdullah Redzepi, MSc. B.A.Dozent für HR-ManagementKompetenzzentrum Leadership und Personalmanagement

FHS St.Gallen, Institut IQB-FHS, Rosenbergstr. 59, 9001 St.GallenTel. +41 71 226 17 67 l [email protected] l www.fhsg.ch/iqb

54

Mit künstlicher Intelligenz schneller zu echten Innovationen

Innovation auf Knopfdruck

55

Innovation: Frühzeitig die richtigen Entscheidungen treffen

Bildquellen: www.telegraph.co.uk / www.tz.de / www.srf.ch / http://de.fussballwm-14.wikia.com

Trainer(Unternehmer) Spielerkader

(Kompetenzen)

Fans(Markt/ Kunden)

A B CSuchfelder

Erfolg(Innovation am Markt)

?

http://www.telegraph.co.uk/

http://www.tz.de/

http://www.srf.ch/

http://de.fussballwm-14.wikia.com/

56

Konfigurations-einstellungen

Innovationsstrategie

Projektscope

Lösungsansatz: Front End Engine (FEE)

Suchfeld-beschreibung

IntelligentWeb Agent

(VerticalSearch)

KI-basierteSuchfeld-evaluation(SemanticInformation Retrieval)

Ergebnis-verdichtung

in KPIs,Interpretation

Ideen-generierung

Front End Engine

Intelligent Web Agent:Vertikale Suche zur Datensammlung an vordefinierten Einstiegspunkten(Internet, firmeninterne Datenquellen)

KI-basierte Suchfeldevaluation:Semantischer Abgleich zwischen Suchfeldund Datenquellen (Semantic Information Retrieval);Generierung von Shortlists je Datenquelle

KPI-Verdichtung:Transformation der Ergebnislisten in Key Performance Indicators (KPIs),Ergebnisinterpretation ausgerichtet auf die Innovationsstrategie

1 2 3

1

2

3

Quelle: FEE-Innosuisse Projekt

57

KPI-Berechnung und Interpretation (schematisch)

Searchresults

KPI: Market DiffusionStages: market preparation – market entry – market domain

Maturity level of opportunity

Quelle: FEE-Innosuisse Projekt

58

Ein Projekt aus dem IBH-Lab KMUdigital

Nutzenbasierter Digitalisierungsnavigator

59

FrageWie kann ein KMU diejenigen Aspekte der Digitalisierung identifizieren und mit möglichst reduziertem Risiko schrittweise umsetzen, welche für das KMU das grösste Potenzial bieten?

KMU

60

Vorgehen

AP3 Service Transformation und Service Engineering

Fünf Schwerpunkte

61

Anwenden und Verifizieren

Digitalisierungsnavigator: Werkzeuge (Manual) Digitalisierungs-Fitness-Check für Prozesse, Strategie, Produkte und Services,

Produktion und HRM Leitfragen Bausteine / Enabler mit Fallbeispielen in Unternehmen Hilfsmittel für deren Auswahl und zum Erstellen von Business Cases

Identifikation Ansatzpunkte

Priorisierung Umsetzung

Machbarkeit und Risiken

Analyse

Umsetzungsplanung

Standortbestimmung

62

Dr. Katrin Hügel, Institut für Modellbildung und Simulation FHS

Simulationsbasierte Warenkommissionierung im Verteilzentrum eines Grossverteilers

63

Worum geht es?

Lieferanten

Gegeben:

Ganzpaletten-Prozess

Kran + Roboter

Manuelle VerarbeitungFilialen

Kapazität der versch. ProzesseLiefermengen & -Zeitpunkte

Bestellungen & Auslieferzeitpunkt

Entscheidungen:• Pfad, über den die Palette kommissioniert wird• Reihenfolge, in der die Paletten hergestellt werden• Paletten-Design (bei gegebenen Bestellungen)

Optimierungskriterien Kosten Pünktlichkeit "Schöne" Paletten

Reaktion auf Unvorhergesehenes

64

Was ist eigentlich das Problem?

IST-Situation• Zuverlässig funktionierende, bestehende Anlagen & Abläufe• Anlagensteuerung mit wenigen Eingriffsmöglichkeiten• Hersteller der Anlagen möchte nicht optimieren & erweitern

Herausforderungen:• Potential zur Steigerung der Effizienz wird vermutet• Veränderung der Auftragssituation absehbar• Details der Anlagensteuerung sind nicht vollständig bekannt

65

Wie lösen wir das Problem?

Paletten-Generator

Bestellungen

Steuerungsparameter & Regeln Paletten-Design• Max. Höhe Palette• Stabilität• Artikelzusammenstellung (BOSS)• Umbrüche• Möglichst wenige Paletten• Möglichst viele Paletten automatisch

kommissionieren• …..

Pfad

Steuerungsparameter Pfadentscheid• Min. Füllgrad Ganzpalette• Filialen zuweisen• Artikel ablasten• …

Simulation der Kommissionierung

Durchlaufzeit, Kosten

Für gg. Kriterien:Termintreue

Kosten«Schönheit»

Gesamtnote

Gesamt-Optimierung

Zulä

ssig

e Pa

lett

en«S

chön

e»

Pale

tten

Paletten-Bild bewerten

66

Jan Keim, B.Sc.

Projektmitarbeiter, Institut IQB-FHS+41 71 226 17 75 | [email protected]

Smart FarmingDigitalisierung der Land- und

Ernährungswirtschaft in der Bodenseeregion

74

Setzlinge Aussaat Aufzucht Ernte Verarbeitung Verkauf

77

Herzlichen Dank!

Jan Keim, B.Sc.

Projektmitarbeiter, Institut IQB-FHS+41 71 226 17 75 | [email protected]

78

IFSA-FHS & IMS-FHS, Adrian Stämpfli

Mit dem Vereinbarkeitssimulator zur Work-Life-Balance

79

Das Projekt• Interdisziplinäres Forschungsprojekt IFSA-FHS & IMS-FHS• Gefördert durch das Eidgenössische Büro für Gleichstellung• Praxispartner Thomann Nutzfahrzeuge AG, Sonderschule Bad Sonder und Abraxas IT AG• Vereinbarkeitssimulator = Software + Prozess• Ziel ist die Identifikation von Vereinbarkeitskonflikten und Massnahmen zur Auflösung• Zielgruppe Väter von minderjährigen Kindern

80

Die Software - Erfragung und Auswertung der Lebenslage

81

Die Software - Massnahmenentwicklung

82

Die Software - Verknüpfung > Plan

83

Der Prozess

84

Links• Vereinbarkeitssimulator: https://fhsg.shinyapps.io/vereinbarkeitssimulator/• Pencast: https://www.youtube.com/watch?v=vaNSLevObc0&feature=youtu.be• Leitfaden und Code: https://github.com/ims-fhs/vsim

https://fhsg.shinyapps.io/vereinbarkeitssimulator/

https://www.youtube.com/watch?v=vaNSLevObc0&feature=youtu.be

https://github.com/ims-fhs/vsim

85

Prof. Dr. Peter Jaeschke, Institut für Informations- und Prozessmanagement der FHS St.Gallen

Fernüberwachung pflegebedürftiger Kinder auf Basis von Vitalparametern

86

Ausgangslage – Pflege zu Hause

Relevante Effekte für das Gesundheitswesen • Senkung der Pflegekosten• Reduktion der Folgekosten von Stress bei pflegenden Angehörigen • Effizientere Nutzung der knappen Pflegefachkräfte

Ziel:• Medizinischen Echtzeit-Fernüberwachung von schwerkranken Kindern • Nächtliche Entlastung pflegender Angehörige• Vorbeugung des Burnouts pflegender Angehöriger• Erhöhung Patientensicherheit

87

Lösung – Professionelle Fernüberwachung zu Hause

<v

<v

Monitoring Zentrale

Kinderzimmer

Elternschlafzimmer

88

Lösung - Screenshot

Danke

89

Prof. Dr. Rainer Endl

Institut für Informations- und Prozessmanagement

www.fhsg.ch/ipm

[email protected]

Innovationsprojekt «Patienten Radar»: Digitalisierte Übertritts-Prozesse

http://www.fhsg.ch/ipm

90

• "Falsche" Reha-Anmeldungen führen zu Verzögerungen, Mehraufwänden, Leerläufen und Fehl-Allokationen (von Reha-Ressourcen)

• Anstieg der Rückverlegungen in akutsomatische Einrichtungen um 45%

• Patienten müssen aus nicht-medizinischen Gründen länger im Akutspital bleiben als notwendig bzw. geplant

*REhabilitation und DIAgnosis Related Groups

Die Ausgangslage am Beispiel

0 10 20 30 40 50

REDIA III

REDIA I

1.4

1.3

11.9

16.4

4.6

3.6

21.4

23.3

Veränderungen der Verweildauer (VWD) bei Hüft- und Knie-TEP-Patienten

Akut VWD vor OP Akut-VWD nach OP Übergangszeit Reha-VWD

Sinkende Verweildauer im Spital, aber steigende Übergangszeiten

91

Patienten-Radar als Drehscheibe für postakute Therapie und Pflege

«Patienten-Radar»

Akutspital 1

Akutspital 2

Akutspital n

…

…

Krankenkasse nKrankenkasse 2Krankenkasse 1Reha-Klinik n

Reha-Klinik 2

Reha-Klinik 1

…

z.B. Ambulante Reha-Einrichtung

z.B. Ambulante Pflegeeinrichtung

Nac

hbeh

andl

ungs

rele

vant

e In

form

atio

nen

z.B. eKostengutsprachez.B. freie Kapazitäten, therapeutisches Angebot

z.B. nieder-gelassener Arzt / Ärzte-netzwerk

92

Übertrittsprozess: Schwach strukturierter Prozess, regelbasierte Meilensteine…

Eintritt Akutsomatik

Wenn Reha-Status unklar Reha-Board / -Konsil, Optimaler Termin Übertritt

KoGu beantragt (mit abgestimmter Reha-Indikation)

Anmeldung bei Reha inkl. • Daten besondere

Pflegesituation• Admin. Daten

KoGu genehmigt

Besondere med. Umstände an Reha, z.B.• Besondere Medikation• Besondere sozialmed. Umstände

Reha-relevante Übertrittinformationen übermittelt, Übertritt organisiert

Länge des Pfeils: Mittlere Verweildauer

Übertritt in Reha

93

Architekturschema Patienten Radar

Suche nach EinrichtungenFavoritenliste RehaeKostengutspracheKommunikationsunterstützungEntscheidungsunterstützung (z.B. stat. Reha ja/nein)eAnmeldung / eÜbertritt…

«Fall-Monitoring»Worklist Case ManagementChecklisten und LeitlinienEntscheidungstabellenKoGu-Textbausteine…

Funktionalitäten Kollaborationsmanagement ProzessmodellBenutzerverwaltung mit Rollenmanagement und ZugriffsberechtigungenRegistry / ProfilmanagementMandantenspezifische Einstellungen (myPatRadar)…

Administration

KIS Akutspital

KIS Reha …

Standards (HL 7 / FHIR etc.)

Sozialdienst / Austrittsmanagement / Case ManagementPatienten-Dispo Reha

Überleitungsprozess

94

Digital Health:Making Sense of Sensors

Ulrich ReimerIPM-FHS

95

From collecting data to giving personalized advice

1. Collect sensor data: Easy! What is the added value?

2. Interpret collected data and create new insights

3. Give personalized advice (e.g. to stay / get healthy etc.)

96

Detect sleep stagesDetect types & intensity

of activities

Give feedback & advice: Correlating behavior with sleep

97

Personal digital coach

Sense-making

history

contextuser activity

vital dataadvice

PersonalCoach

User Goals

feedback

98

ProjectsSleep analysis: Barmelweid, Inselspital, Biovotion

Stress detection and coping support: myVitali

Sleep apnea, COPD: Kantonsspital St. Gallen

Mobile palliative care: IPW-FHS, Palliativer Brückendienst

Mood management for people with dementia: emt ag, Curaviva, FHV, etc.

Zoonoses alerts: Schweizer Tropeninstitut Uni Basel, ETHZ, Universitäten in Peru, Äthiopien und Kenia

Behavioural Change Support System: Actesy

100

Einladung zum ApéroHerzlichen Dank für Ihre Aufmerksamkeit.

«Digimpact: Der Digitalisierung auf der Spur»...Web Agent (Vertical Search) KI-basierte...

Documents

Transcript of «Digimpact: Der Digitalisierung auf der Spur»...Web Agent (Vertical Search) KI-basierte...