Mit KI-Agenten entstehen Power BI Custom Visuals in Tagen statt Wochen – wenn der Plan stimmt. Michael Wetzel zeigt an einem Radar-Chart aus einem Kundenprojekt, warum die Spezifikation die halbe Arbeit ist und wie der Performance Analyzer Fehler eingrenzt.
Können Time-Series-Foundation-Models die Wärmebedarfsprognose in Fernwärmenetzen verbessern? In unserer Offline-Studie vergleichen wir Chronos-2, TimesFM-2.5 und Moirai-2 mit AutoARIMA, XGBoost und weiteren Baselines auf der Grundlage realer Daten aus vier Fernwärmenetzen. Chronos-2 erzielte die besten Ergebnisse, sogar im Zero-Shot-Einsatz ohne Trainingsdaten aus dem Zielnetz. Der Beitrag untersucht die Dateneffizienz, das Fine-Tuning, die Robustheit bei fehlerhaften Sensordaten und die Zuverlässigkeit im Betrieb.
Rund 30 Teilnehmende aus den Bereichen Wohlfahrtsverbände, Entwicklungszusammenarbeit, Digitalpolitik, Wissenschaft und lokale Zivilgesellschaft nahmen an unserem kostenlosen RAG-Workshop mit dem Civic Data Lab teil. Zwei Stunden lang ging es um die Grundlagen von Retrieval-Augmented Generation, eine Hands-on-Session und die Frage, wann RAG das passende Werkzeug ist. Den Rückblick mit den Folien zum Download finden Sie hier.
Beim scieneers Herbstevent 2026 kamen Kolleg:innen aus fünf Standorten in Hamburg zusammen. Zwei Tage lang standen fachliche Sessions, Teamarbeit, persönliche Lightning Talks und gemeinsamer Austausch im Mittelpunkt.
Der Data Product Owner spielt eine zentrale Rolle bei der Entwicklung erfolgreicher Datenprodukte. Neben den Aspekten Desirability, Viability und Feasibility muss er zusätzlich die Perspektive „Datability” managen, denn Unsicherheit, Datenqualität und iterative Weiterentwicklung prägen jedes Datenprojekt. Der Beitrag zeigt, welche Aufgaben und Kompetenzen einen guten Data Product Owner ausmachen und wie sich diese Rolle von der des Data Scientists abgrenzt.
Wenn der Linienbetrieb endet, beginnt im Straßenbahndepot ein komplexes Optimierungsproblem. Gemeinsam mit der Firma IVU Traffic Technologies haben wir untersucht, wie Deep Reinforcement Learning die dynamische Disposition im Depot unterstützen kann.
Beim diesjährigen Frühlingsevent in Köln kamen Kolleg:innen aus allen Standorten zusammen, darunter erstmals auch welche aus Berlin und München. Zwei Tage lang standen Austausch, Teamkultur und spannende interne Themen im Mittelpunkt – von Leistungsbeurteilung und Feedback über KI-Ethik bis hin zu Diversity, Co-Design und gemeinsamen Aktivitäten in Köln. Der Rückblick zeigt, wie wertvoll persönliche Begegnungen sind, wenn ein Team weiter wächst und zugleich eng verbunden bleiben möchte.
Bei den Frühlingskonferenzen 2026 drehte sich alles um KI, Daten und praxisnahe Engineering-Themen. Auf der PyCon DE & PyData sowie der Minds Mastering Machines hielten wir Vorträge zu RAG-Pipelines mit multimodalen Embeddings, Spec-Driven Development, Genolator und KI-Bildgenerierung. Dieser Beitrag gibt einen kompakten Überblick über die wichtigsten Inhalte, technischen Erkenntnisse und zentralen Erkenntnisse der Konferenzen.
Bei scieneers wird Mitarbeitendenbeteiligung als Ausdruck von Wertschätzung und gemeinsamer Verantwortung gelebt. So profitieren die Teams nicht nur vom Unternehmenserfolg, sondern gestalten ihn auch aktiv mit. In einer offenen Kultur werden Transparenz, Vertrauen und Teamgeist gefördert.
Du möchtest Teil von scieneers werden? Hier erfährst du Schritt für Schritt, wie unser Bewerbungsprozess aussieht – von der Online-Bewerbung über Remote-Interviews bis zum Kennenlernen vor Ort. Finde heraus, ob wir zueinander passen, und entdecke, was im Bewerbungsprozess besonders wichtig ist: Persönlichkeit, Eigeninitiative und Begeisterung für Technik.