News
Swiss Academies of Arts and Sciences a+
Jahresbericht 2020 – auf den Spuren eines aussergewöhnlichen Jahres
Die Spuren sind gelegt. In unserem Jahresbericht zeigen acht Persönlichkeiten aus dem BFI-Bereich, wie sie sich im besonderen Jahr 2020 an vorderster Front im Spital, als Mentorin, Preisträger, Mitarbeiterin oder Mitglied einer Arbeitsgruppe engagiert haben. Gerade auch in diesen schwierigen Zeiten sind dank dem Zusammenspiel von Milizpersonen und Mitarbeitenden aus Spuren neue Wege entstanden. In unserem Jahresbericht erhalten Sie Einblick in innovative Projekte, mit denen wir uns für Wissenschaft, Gesellschaft und Politik engagieren. 2020 bleiben wir nicht auf dem Papier - die Spuren gehen über den Bericht hinaus: Richten Sie Ihre Handykamera auf die QR-Codes Ihres Exemplars und Sie werden weitergeleitet auf Videos, Webtexte oder Social Media.
Swiss Academy of Engineering Sciences SATW
News
‘The future is by no means set in stone’ – Vice-Chancellor Rachel Salzmann on Switzerland in 2040
What will Switzerland look like in 2040? In its report ‘Perspectives for Switzerland 2040’, the Federal Chancellery outlines three possible futures and derives six areas for political action from them. In an interview with the SATW, Vice-Chancellor Rachel Salzmann explains why the future is by no means set in stone, why she describes the scenarios not as bleak but as challenging, and where Switzerland could take a leading role in technology.Swiss Academy of Engineering Sciences SATW
News
Fair data use starts with asking the right questions
Data helps businesses to better understand their target groups and tailor their offerings more effectively. However, not everything that is technically possible is also responsible. How can SMEs ensure that they use data fairly and transparently? The Data Fairness Label from Swiss Insights offers practical guidance on this.Swiss Academy of Engineering Sciences SATW
News
Machine learning demystified: understanding superhuman performance
Artificial intelligence can outperform humans in certain tasks. But how meaningful are such achievements, and where are the limits? The key factors are the quality of the training data, realistic performance tests and the transparency of the results. What businesses need to know to deploy AI systems reliably.