Name: KI ohne FOMO: Die Flut d. KI-Tools handeln & PromptTuning Segment Anything Model
Start: 2025-06-30T18:00:00+02:00
End: 2025-06-30T21:00:00+02:00
Location: Jena Digital Innovation Hub

Endlich ist es wieder soweit: Unser nächstes DevOps Thüringen Meetup quetscht sich noch vor die Sommerpause. Dieses Mal gehen will "all-in" in KI-Themen!

ChatGPT und Copilot hat fast jeder schon mal ausprobiert, doch was ist mit Cursor, Claude Code oder Windsurf usw.? Bertram zeigt uns, was dahinter steckt und wie ihr mit euer FOMO umgehen könnt.
Und Björn gibt uns eine Einführung in das Verfahren Prompt-Tuning SAM (PTSAM), welches das bereits innovative Segment Anything Model (SAM) von Meta nochmals auf ein neues Level hebt.

Außerdem haben wir wieder ein klasse Hosting im „JEDI“ (Jena Digital Innovation Hub) am Start. Unser Host & Gastgeber ZEISS organisiert uns wieder den Zugang & es wird Euch an keinem Stück Pizza fehlen :)

Wir freuen uns sehr auf unser nächstes Meetup und vor allem, Euch wiederzusehen!

Save the Date:
Location: „JEDI“ (Jena Digital Innovation Hub), Engelpl. 8, 07743 Jena
Date: 30.06.2025, Start ab 18Uhr MESZ (doors open)
Agenda:
18.00 - Doors Open
18:15 - Welcome from DevOps Thüringen & from our Host ZEISS
18.30 - **KI ohne FOMO: Wie man mit der Flut von KI-Tools zurechtkommt**
19:15 - Snacks, Networking & Discussion
20:00 - **Prompt-Tuning SAM (PTSAM) verbessert Segment Anything Model (SAM)**
20:45 - Ausklang
\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-
1\. Bertram Vogel\, Senior IT Consultant @ codecentric AG

ChatGPT und Copilot haben mittlerweile fast alle von uns schon einmal ausprobiert. Aber was ist mit v0, Cursor, Claude Code oder Windsurf? Die Liste an spannenden AI-Tools ließe sich noch lange fortsetzen. Doch worin unterscheiden sich diese Werkzeuge eigentlich? Und vor allem: Muss ich mich wirklich mit allen beschäftigen? Und zwar jetzt sofort?In diesem Talk betrachten wir, wie die Psychologie hinter Kickstarter-Kampagnen und Brettspiel-Neuerscheinungen uns dabei helfen kann, mit der KI-bedingten FOMO (Fear of Missing Out – die Angst, etwas zu verpassen) umzugehen. Du wirst erfahren, warum Community und Zeit deine besten Verbündeten sind, um den Hype zu meistern – und wie du dir eine nachhaltige Methode aufbauen kannst, um mit der KI-Entwicklung in deinem eigenen Tempo Schritt zu halten. Dabei werfen wir auch einen Blick auf die aktuelle Landschaft der KI-Tools für Entwickler:innen und beleuchten verschiedene Kategorien wie Chat-Oberflächen, Code-Assistenten und App-Builder – damit du besser verstehst, was es gibt und wofür jedes Tool geeignet ist.

\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-
2\. Dr\. Björn Barz\, Senior Machine Learning Scientist @ Carl Zeiss AG

Vision Foundation Models wie das Segment Anything Model (SAM) von Meta haben einen Paradigmenwechsel im Bereich des maschinellen Lernens eingeläutet. Statt wie bisher spezialisierte Modelle für einzelne Aufgabenstellungen auf großen, eigens dafür angelegten Trainingsdatensätzen trainieren zu müssen, genügt generalistischen Modellen ein die Aufgabe beschreibender Prompt, um eine Vielzahl unterschiedlicher Problemstellungen ohne weiteres Training zu lösen.
Entfernt man sich jedoch zu weit von der Domäne alltäglicher Bilder aus dem Internet, auf denen diese Modelle zum größten Teil trainiert wurden, und möchte stattdessen z. B. mikroskopisches Bildmaterial, Gewebeproben oder Detailaufnahmen industrieller Bauteile untersuchen, lässt die Leistung solcher Foundation Models drastisch nach.
ZEISS Corporate Research hat ein Verfahren namens Prompt-Tuning SAM (PTSAM) entwickelt, das es ermöglicht, Segment Anything mittels Visual Prompt Tuning an neue Daten-Domänen anzupassen. Dafür genügen wenige annotierte Bilder aus der Zieldomäne, ca. 16-64.
Zudem kann ein aufgabenspezifischer Prompt gelernt werden, der SAM reproduzierbar dieselbe Segmentierungsaufgabe ausführen lässt, ohne dass für jedes Bild zusätzlich ein menschlicher Prompt erforderlich wäre.
Dank des umfangreichen Vorwissens des SAM-Modells, übertrifft PTSAM bei wenigen vorhandenen Trainingsdaten den klassischen Stand der Kunst für problemspezifische Segmentierungsaufgaben. Dies ermöglicht die schnelle, daten- und kosteneffiziente Lösung von Segmentierungsproblemen, z. B. zur Detektion von Defekten oder Zählung von Objekten.

Jonas Hecht

Ulrike

DevOps Thüringen

Technology

Linux

Open Source

Cloud Computing

Virtualization

Configuration Management

Data Center and Operations Automation

DevOps

IaaS (Infrastructure as a Service)

Infrastructure as Code

Continuous Delivery

Cloud Infrastructure

Docker

Containers

DevOps Automation

KI ohne FOMO: Die Flut d. KI-Tools handeln & PromptTuning Segment Anything Model

DevOps Thüringen

KI ohne FOMO: Die Flut d. KI-Tools handeln & PromptTuning Segment Anything Model

DevOps Thüringen

Details

Mitglieder interessieren sich auch für