Google, SAP, Intel, Apple, Bosch, Siemens, BMW, Daimler, Telekom ... Es gibt heutzutage kaum ein großes Unternehmen ohne Mindfulness-Initiative. Zukunftsforscher Matthias Horx spricht sogar von Achtsamkeit als Megatrend.

Ist das nicht alles Fake oder esoterisches SchiSchi?

Haben wir keine anderen Probleme?

Und hat andererseits das, was da in Unternehmen stattfindet, überhaupt etwas mit Achtsamkeit zu tun?

Dieser Vortrag setzt sich hoffnungsvoll und zugleich kritisch mit Achtsamkeit in der IT auseinander, mit Pros, Cons, Chancen und Risiken.

Zielpublikum: Alle, die mehr über Achtsamkeit als Trend in Unternehmen erfahren möchten
Voraussetzungen: Keine
Schwierigkeitsgrad: Anfänger

Extended Abstract:
Google, SAP, Intel, Apple, Bosch, Siemens, BMW, Daimler, Telekom ... Es gibt heutzutage kaum ein großes Unternehmen ohne die ein oder andere Initiative für Achtsamkeit (engl. Mindfulness). Zukunftsforscher Matthias Horx spricht sogar von Achtsamkeit als Megatrend.
Ist das nicht alles nur Fake oder esoterisches SchiSchi?
Haben wir keine anderen Probleme?
Und hat andererseits das, was da in Unternehmen stattfindet, überhaupt etwas mit Achtsamkeit zu tun?
Dieser Vortrag setzt sich mit Achtsamkeit in Unternehmen auseinander. Den damit verknüpften Pros und Cons, Chancen und Risiken. Wir betrachten hoffnungsvoll und zugleich kritisch, wie Mindfulness und IT zusammenwirken (können).

Durch die Corona-Kontaktbeschränkungen blieben alle Schulkinder plötzlich zu Hause. Viele Eltern waren nun in der Rolle des Lehrers/der Lehrerin. Mein Sohn und ich haben uns u.a. mit Daily Standups organisiert, um mit dieser ungewohnten Situation und den sich alle paar Tage ändernden Vorgaben zurechtzukommen. In dieser Zeit habe ich viele Beobachtungen und Erfahrungen gemacht, die auch in "großen" Teams relevant sind, die dort aber gerne vergessen oder ignoriert werden. Deshalb möchte ich die Parallelen aufzeigen und zum Nachdenken anregen.

Zielpublikum: Scrum Masters, Agile Coaches, Team-, Projektleiter*innen, Entwickler*innen
Voraussetzungen: Interesse, aus fachfremden Erfahrungen fürs eigene Umfeld zu lernen
Schwierigkeitsgrad: Anfänger

Extended Abstract:
Mitte März 2020 passierte es. Aus einer Nation von Fußballtrainern wurde über Nacht ein Land von Lehrern. Gezwungenermaßen. Zu Hause. Durch die Corona-Kontaktbeschränkungen und die damit verbundenen Schulschließungen mussten Kinder nun plötzlich zu Hause unterrichtet werden. Der Alltag mit unserem Viertklässler sah nun wie folgt aus: Um 9 Uhr fand das Daily Standup Meeting an der Küchentür statt, wo wir mit Post-its den Tag planten. Anschließend wurde gelernt und geübt, zusammen und allein. Was wir dabei erlebt haben und was mir dabei aufgefallen ist, davon möchte ich in diesem Vortrag berichten.

Gab es sensationelle neue Erkenntnisse? Nein. Aber genau das war das Augenöffnende - weil es oft die erschreckend einfachen Verbesserungen waren, die uns vorangebracht haben. Wie all die kleinen Dinge, die uns im Projektalltag helfen könnten, die wir aber allzugerne vernachlässigen oder vergessen.

Dieser Vortrag soll mit einem Augenzwinkern auf ziemlich ungewohnte Wochen zurückblicken. Und mit den nicht zu übersehenden Parallelen zum Nachdenken anregen, wenn es in unseren (Software-)Teams mal wieder nicht ganz so rund läuft.

Maschinen haben kein Gewissen. Oder etwa doch? Immer wieder hört man von Fällen, in denen eine KI scheinbar „unethische“ Entscheidungen fällt oder für politische Zwecke missbraucht wird. Angefangen bei genderspezifischer Benachteiligung, über die Generierung und gezielte Verbreitung von Fake-News und Deep-Fakes bis hin zu offenkundigem Rassismus durch eine KI existieren unzählige Beispiele. Was aber genau steckt dahinter und wie können wir uns dagegen verwehren? Die Session zeigt einige populäre Beispiele auf und beleuchtet deren Hintergründe.

Zielpublikum: Architekt:innen, Entwickler:innen, Projektleiter:innen, Manager:innen, Entscheider:innen
Voraussetzungen: Keine
Schwierigkeitsgrad: Anfänger

Extended Abstract:
Eine KI ist nur so gut wie ihr Modell und die Daten, auf denen dieses basiert. Dies führt immer wieder zu überraschenden, ja sogar erschreckenden Resultaten bei deren Einsatz. Dabei bildet die KI nicht selten lediglich unsere Realität ab und spiegelt somit die Grundwerte unserer Gesellschaft wider, wie populäre Beispiele zeigen. Die Session zeigt einige Beispiele, in denen eindeutig einzelne Gruppen der Bevölkerung benachteiligt wurden, und beleuchtet diese im Detail. Es wird aufgezeigt, wie wir alle durch Fake-News und Deep-Fakes manipuliert werden und welche Initiativen zum Schutz und zur Regulierung angedacht sind.

Seit Corona und Klimakrise sind Modelle und deren Vorhersagen in aller Munde. Aber wie funktionieren diese Modelle? Wie stehen sie in Zusammenhang mit Experimenten und Daten? Warum können wir ihnen vertrauen und wo sind ihre Grenzen? Ich habe Dutzenden Wissenschaftlern und Ingenieuren diese Fragen gestellt. Anhand anschaulicher Beispiele aus Medizin, Meteorologie, Experimentalphysik und Engineering erkläre ich wichtige Eigenschaften von Modellen, sowie Ansätze, um deren Relevanz, Korrektheit und Grenzen einzuschätzen.

Zielpublikum: Alle, die sich für Modelle jenseits der Software interessieren
Voraussetzungen: Grundlagen naturwissenschaftlichen Denkens
Schwierigkeitsgrad: Anfänger

Extended Abstract:
Seit über 10 Jahren gebe ich den omega tau Podcast heraus, in dem ich Wissenschaftler und Ingenieure interviewe. In sehr vielen der Gespräche wird die zentrale Bedeutung von Modellen für Wissenschaft und Technik klar. Dabei werden Modelle ganz anders verwendet, als wir das als Softwareentwicklende (meistens) tun: nämlich deskriptiv und erklärend, als Vorhersage, und nicht als "Bauplan".

Durch Corona und Klimakrise wird nun die Sinnhaftigkeit, Korrektheit und Zuverlässigkeit von Modellen bzw. deren Vorhersagen in den Mainstream-Medien diskutiert, und es wird von uns allen erwartet, dass wir die Nützlichkeit dieser Modelle einschätzen können, dass wir an Modelle "glauben". Das ist für die meisten von uns sehr schwer. Genauso wie wir im Zeitalter von Social Media Medienkompetenz lernen müssen, um mit der Flut von (Fake) News umgehen zu können, müssen wir -- so meine ich -- auch ein gewisses Maß an "Modellkompetenz" besitzen und zumindest grundlegend verstehen, wie solche Modelle entwickelt werden, was sie können, und wo ihre Grenzen sind.

In diesem Vortrag werde ich die gesammelten Erfahrungen aus 10 Jahren Interviews zusammenfassen und systematisch präsentieren. Dabei spreche ich über Gültigkeitsbereiche, analytische vs. numerische Modelle, Präzision und parametrische Abstraktion, Hierarchische Integration von Modellen, Vorhersage vs. Erklärung, Validierung und Test von Modellen, Parameter Space Exploration und Sensitivitätsanalyse, Backcasting, Black Swans sowie Agenten und emergentes Verhalten.

Die (reich illustrierten) Beispiele kommen aus Wetter- und Klimamodellen, aus der Epidemiologie, aus der Teilchenphysik, der Fusionsforschung, aus sozio-technischen Systemen, aber auch aus dem Engineering, bspw. der Steuerung von Flugzeugen oder der Konstruktion von Kranen.

Unsere Welt wird zunehmend von Technik geprägt. Technologie und Menschen sind stärker verwoben denn je - und die Tendenz steigt weiterhin. Dabei gibt es jetzt schon zu viele Beispiele, wie dieses Zusammentreffen schlecht funktioniert. Was bedeutet das für unsere technologische Zukunft? Was bedeutet das für Teams, Zusammenarbeit und Qualität?

Dieser Talk betrachtet die Zukunft durch die Augen eines Testers. Wir schauen gemeinsam in die Kristallkugel, um zu sehen, welche Faktoren zur vernünftigen Qualität in der Zukunft beitragen werden.

Zielpublikum: Testende, Entwickler:innen, Product Owner, Architekt:innen
Voraussetzungen: None
Schwierigkeitsgrad: Anfänger

Extended Abstract:
Ich muss leider den Stereotyp eines Testers bestätigen: Ich habe schlechte Nachrichten über die Qualität der Zukunft.

Unsere Welt wird zunehmend von Technik geprägt. Nicht nur in der Industrie, sondern auch im privaten Umfeld. Technologie und Menschen sind stärker verwoben denn je - und die Tendenz steigt weiterhin.

Als Testerin seit über 12 Jahren sehe ich hier Risiken (nicht überraschend!). Und diese Risiken werden durch Erfahrung und aktuelle Beispiele bestätigt. Sind die Risiken und deren Wirkung noch vermeidbar? Sind es die Tester, die uns davor retten werden? Oder liegt die Antwort darin, der technischen Komplexität mit weiteren Technologien entgegenzuwirken? Und wenn ja, sind es nur noch Entwickler, die für Qualität sorgen können?

Dieser Talk betrachtet die spannende Zukunft durch die Augen eines Testers. Wir schauen gemeinsam in die Kristallkugel, um zu sehen, welche Faktoren zur vernünftigen Qualität in der Zukunft beitragen werden.