English

Call for Proposals

Am 7. und 8. Oktober 2026 findet die data2day zum dreizehnten Mal statt. Die Konferenz für Data Scientists, Data Engineers und Data Teams liefert maßgeschneidertes praxisnahes Wissen rund um Data Science vom Einsteigerprojekt bis zur Data-driven Company.

Sie vermittelt sowohl Grundlagen für den Einstieg in Data Science und Machine Learning für Data Beginners wie auch tiefer greifende Informationen zu Architekturen, Prozessen und Vorgehensmodellen für Data Professionals. Einen besonderen Fokus legt die Konferenz darüber hinaus auf Teamwork und die bereichsübergreifende Zusammenarbeit in Projekten. Damit richtet sich die data2day auch an Softwareentwickler:innen, KI-Fachleute, BI-Spezialist:innen, Analysten sowie Datenstrateg:innen.

Interessierte sind herzlich eingeladen, sich bis zum 15. April 2026 mit ihren Vorschlägen für Vorträge (45 Minuten) und Workshops (6 bis 7 Stunden) zu bewerben.

Die folgende Aufstellung gibt einige Anhaltspunkte für passende Schwerpunkte, aber auch darüber hinausgehende Themen sind willkommen.

Data Platforms & Engineering

• Moderne Datenarchitekturen: Data Warehouse, Data Lake, Data Lakehouse, Data Mesh, Data Fabric...
• Datenmanagement & -qualität: Data Ingestion, Sicherstellung korrekter und zuverlässiger Daten, Metadatenmanagement...
• Data Contracts: Datenqualität an den Schnittstellen zwischen Datenproduzenten und -konsumenten garantieren
• Datenverarbeitung: ETL vs. ELT, Streaming Data und Anbindung an Big-Data-Systeme wie Apache Spark...
• Datenbanken im Wandel: SQL, NoSQL, NewSQL, In-Memory, GraphDBs...
• Generierung synthetischer Daten: Methoden und Anwendungsfälle für künstliche, datenschutzkonforme Trainingsdaten

MLOps, DataOps & Automation

• MLOps für den gesamten Lebenszyklus: Vom Experiment zum robusten, produktiven Modell
• Spezialfall LLMOps: Herausforderungen bei Training, Deployment und Kostenmanagement von LLMs
• ML Platform Engineering: Aufbau interner Self-Service-Plattformen für Data-Science-Teams
• Automatisierung der Daten-Pipeline: DataOps, GitOps und CI/CD für Datenprozesse
• Testing & Monitoring: Test-Tools und -Frameworks entlang der gesamten Daten- und ML-Pipeline

Generative AI & Advanced Machine Learning

• Generative AI in der Praxis: Agentic AI, autonome Systeme und multimodale Anwendungen (Text, Bild, Audio, Video)
• Entwicklung von LLM-Anwendungen: Retrieval-Augmented Generation (RAG), Fine-Tuning und fortgeschrittenes Prompt Engineering
• Infrastruktur für Generative AI: Vektordatenbanken – Auswahl, Implementierung und Skalierung
• Klassisches und Deep Learning: Computer Vision, Natural Language Processing, Bild- und Spracherkennung, Predictive Analytics
• ML-Frameworks und Bibliotheken: Praxisnahe Einblicke in TensorFlow, Keras, PyTorch etc.
• Effizienz und On-Device AI: Modellkomprimierung, Inferenz-Optimierung und datenschutzfreundliche GenAI-Anwendungen auf Endgeräten (Edge AI)

Data Skills & Value Creation

• Core Data Skills: Programmiersprachen (Python, R…), Data Modelling und statistische Grundlagen
• Datenvisualisierung & Storytelling: Ergebnisse verständlich aufbereiten und überzeugend kommunizieren
• Self-Service-Analytics: Fachbereiche befähigen, eigenständig mit Daten zu arbeiten
• Datengetriebene Produktentwicklung: Von der ersten Idee zum datengestützten Produkt oder Service
• Branchenspezifische Lösungen: Konkrete Anwendungsfälle und Best Practices aus den Bereichen Legal, FinTech, Medizin, Industrie, Marketing etc.
• Erfahrungsberichte: Lessons Learned, Erfolge und Misserfolge aus laufenden und abgeschlossenen Projekten

Data Strategy, Governance & Culture

• KI-Regulierung & Compliance: Praktische Umsetzung des EU AI Act, EU Data Act, Klassifizierung von KI-Systemen und technische Konsequenzen
• KI-Governance & Ethik: KI-Auditing, Bias-Benchmarking, Explainable AI (XAI) und die Urheberrechtsdebatte bei Trainingsdaten
• Nachhaltigkeit & Green AI: Entwicklung ressourcenschonender KI und der Einsatz von KI für ökologische Nachhaltigkeitsziele
• Der Weg zur Data-driven Company: Strategien, organisatorische Hürden und das Auflösen von Datensilos
• Data Literacy & Team-Strukturen: Aufbau von Datenkompetenz im gesamten Unternehmen und die erfolgreiche Zusammenarbeit von Fach-Domänen und Data-Spezialisten
• Daten-Teams: Onboarding, Management und agile Vorgehensmodelle (z.B. Data Canvas, CRISP-DM, DASC-PM)
• Datensicherheit & Souveränität: Compliance, Data Privacy, Governance & Data Spaces

Dabei liegt das Hauptaugenmerk auf praktischen Einführungen, konzeptionellen Überlegungen, Live-Demos oder Vergleichen verschiedener Ansätze, nicht jedoch reinen Produktvorträgen.

Gewünscht sind Vorträge von 45 Minuten. Workshops sind als ganztägige Veranstaltungen (6 bis 7 Stunden) geplant.

Der Programmbeirat bittet dafür um die Einreichung zielgruppengerecht ausgearbeiteter Abstracts (ca. 400 bis 700 Zeichen) bis zum 15.04.2026. Die Bewerbung unterstützendes Zusatzmaterial (Lang-Abstracts, Slides, Aufsätze etc.) ist ebenfalls willkommen.

Das fertige Programm wird voraussichtlich Mitte Mai veröffentlicht.

Akzeptierte Sprecherinnen und Sprecher erhalten die Kosten für An- und Abreise im Rahmen eines 2.-Klasse-Bahnfahrscheins innerhalb Deutschlands sowie eine Übernachtungspauschale. Außerdem haben sie freien Zutritt zu allen Vorträgen der Konferenz. Workshop-Trainer und -Trainerinnen erhalten zusätzlich eine finanzielle Vergütung. Vortragende, die aus dem Ausland einfliegen müssten, sollten sich bezüglich der Finanzierung der Reise mit den Organisatoren in Verbindung setzen.

Reichen Sie Ihre Vorschläge bitte über unser Online-Formular ein.