Robert Glaser
Head of Data and AI – INNOQ
Head of Data and AI – INNOQ
Munich, Germany
Actions
Robert Glaser leads Data and AI at INNOQ. With roots in software engineering and a talent for creating user-friendly web applications, he now guides companies through the AI landscape, helping them develop strategies and products for challenging problems. Fascinated by practical uses of generative AI in software, he hosts the podcast "AI und jetzt," discussing AI's potential across industries. Robert bridges tech and business, advocating user-centric digitization. Off duty, he enjoys exploring the local food scene.
Robert Glaser ist Head of Data & AI bei INNOQ. Mit einem Hintergrund im Software Engineering und einer Leidenschaft für benutzerfreundliche Webanwendungen begleitet er heute Unternehmen durch die KI-Landschaft. Dabei unterstützt er sie bei der Entwicklung von Strategien und Produkten für schwierige technische Herausforderungen. Fasziniert von der Vielseitigkeit generativer KI, moderiert er den Podcast “AI und jetzt”. Ihm ist die Brücke zwischen Technologie und Business ein Herzensanliegen. In seiner Freizeit erkundet er die lokale Food Szene.
Area of Expertise
Topics
Stagnation in Progress: The Paradoxical Approach to AI en de
In 1969, humanity succeeded in landing on the moon with Apollo 11. A gigantic societal endeavor with countless potential single points of failure. Recently, we successfully launched – and assembled – the James Webb Telescope into space, with an astounding 344 single points of failure. And yet: At the beginning of every airplane boarding, we hear the familiar sound of dot matrix printers. For how many decades have we been trying to solve synchronized calendars (and appointment invitations)? How long will we continue to use search-and-replace?
While we continuously make small but incremental progress, the truly big challenges that should drive us as companies and societies remain largely untouched. Unstructured data piles up in our systems. We continue to devote ourselves fervently to the minutiae. Meanwhile, we push the big challenges into the background. Our time is finite. Have we given up?
The Architecture of Reliable AI: RAG en de
How can we ensure AI systems are accurate, transparent, and up-to-date? All Large Language Models (LLMs) have a knowledge cut-off and lack insight into your company's internal workings. Even the leading models have hallucination rates that can't be ignored, yet they offer enormous potential for productivity, efficiency, and creativity.
This is where Retrieval-Augmented Generation (RAG) comes in: enhancing LLMs through targeted information retrieval. We'll explore the architecture of RAG-based systems. We'll learn how it fills knowledge gaps and improves the accuracy and reliability of generative AI systems.
Die Architektur zuverlässiger KI: RAG en de
Wie können wir sicherstellen, dass KI-Systeme präzise, nachvollziehbar und aktuell sind? Alle Large Language Models (LLMs) haben ein Cut-off-Datum, an dem ihr Weltwissen endet. Und über Unternehmensinterna wissen sie nichts. Dazu haben selbst die führenden Modelle noch Halluzinationsraten, die man nicht völlig ignorieren kann. Sie bieten aber gewaltiges Potenzial für Produktivität, Effizienz und Kreation.
Retrieval-Augmented Generation (RAG) setzt genau hier an: LLMs werden durch gezielte Informationsbeschaffung erweitert. Wir schauen uns die Architektur und Integration RAG-basierter Systemen an. Wir lernen, wie RAG dazu beiträgt, Wissenslücken zu schließen und die Genauigkeit von Anwendungen auf Basis von generativer KI verbessert.
No More Excuses: Automating Accessibility with GenAI en de
Accessibility often feels like a “nice-to-have” that gets deprioritized when deadlines loom. But let’s be honest: with GenAI, we’ve officially run out of excuses. In this talk, I’ll show how to make accessibility a natural part of your development process, without adding to your already high cognitive load.
We’ll focus on practical examples: auto-generating ALT text for images, integrating accessibility improvements directly into automated build pipelines, and ensuring that barriers are detected and resolved before they even reach production. No extra tooling overhead, no tedious manual reviews—just smarter workflows that make inclusive design second nature.
This is not about adding work. It’s about leveraging AI to eliminate friction and build better, more accessible software by default. Because in the GenAI age, accessibility isn’t just possible—it’s effortless.
Keine Ausreden mehr: Accessibility automatisieren mit GenAI en de
Barrierefreiheit wird oft als „Nice-to-Have“ gesehen, das hinten runterfällt, wenn die Deadlines näher rücken. Mal ehrlich: Mit GenAI haben wir keine Ausrede mehr. In diesem Vortrag zeige ich, wie Accessibility ganz natürlich Teil unserer Entwicklungsprozesse wird – ohne den ohnehin schon hohen Cognitive Load zu erhöhen.
Der Fokus liegt auf praxisnahen Beispielen: automatisch ALT-Texte für Bilder generieren, Accessibility-Verbesserungen direkt in automatisierte Build-Pipelines integrieren und sicherstellen, dass Barrieren frühzeitig erkannt und behoben werden – bevor sie überhaupt in Produktion landen. Keine zusätzlichen Tools, kein lästiges manuelles Review – nur smartere Workflows, die inklusive Software zum Standard machen.
Hier geht es nicht um mehr Arbeit, sondern darum, Reibungspunkte zu eliminieren und mit Hilfe von KI bessere und barrierefreie Software zu bauen. Denn in Zeiten von GenAI ist Barrierefreiheit nicht nur machbar – sie ist mühelos.
Stillstand im Fortschritt: Der paradoxe Umgang mit KI en de
1969 gelang es der Menschheit, mit Apollo 11 auf dem Mond zu landen. Ein gigantisches gesellschaftliches Vorhaben mit unzähligen möglichen Single Points of Failure. Vor Kurzem haben wir dann das James Webb Teleskop erfolgreich ins All geschossen – und aufgebaut – mit sage und schreibe 344 Single Points of Failure. Und doch: Bei jedem beginnenden Flugzeugboarding hören wir das vertraute Geräusch von Nadeldruckern. Seit wie vielen Jahrzehnten versuchen wir, synchronisierte Terminkalender (und Termineinladungen) zu lösen? Wie lange werden wir noch Suchen-und-Ersetzen verwenden?
Während wir unaufhörlich kleine, aber inkrementelle Fortschritte machen, sind die wirklich großen Herausforderungen, die uns als Unternehmen und Gesellschaften antreiben sollten, noch weitgehend unberührt. Unstrukturierte Daten türmen sich in unseren Systemen. Wir widmen uns weiter mit Inbrunst dem Kleinteiligen. Während wir gleichzeitig die großen Herausforderungen in den Hintergrund drängen. Unsere Zeit ist endlich. Haben wir aufgegeben?
IETSummit 2025 Sessionize Event Upcoming
Technology Day 2024 Sessionize Event
iSAQB Software Architecture Gathering 2024 Sessionize Event
Please note that Sessionize is not responsible for the accuracy or validity of the data provided by speakers. If you suspect this profile to be fake or spam, please let us know.
Jump to top