KI zwischen Punk und Perfektion - mit Florian Dohmann - Founder @ Birds on Mars | Ep. 33

01:00:00: (Music)

01:00:01: (Music)

01:01:08: Alexander Thamm ich mich riesig, leider nicht in Persona, aber dafür mit umso

01:01:38: Felix Ja, hi Alex und danke, dass ich da sein darf. Ich freue mich auf das Gespräch.

01:02:03: Felix Ja, also bringst du mich jetzt in Verlegenheit damit, aber ich würde sagen für echt New Kid on the Block. Ich bin so ein Gewächs aus der Berliner Software-Startup-Welt, da bin ich so in meine ersten Jobs gestolpert und wir hatten damals KI in unseren Produkten insbesondere so Natural Language Processing Algorithmen, womit wir Verschlagwortung von Millionen von Freitext-Feedbacks für Kunden gemacht haben, um daraus so Insights zu generieren, wie man das Kundenerlebnis verbessern könnte, Produkte verbessern könnte, was so für Probleme bei Kunden, die digital was eingekauft haben, aufgetreten sind. Und das war das, was damals KI genannt wurde. Und ich würde sagen, den richtigen eigenen Start mit KI hatte ich wie so viele als dann Chatchi B.T. rauskommt, vorher tatsächlich dann noch relativ wenig gemacht, aber dann war für mich halt relativ schnell klar, was passieren wird. Und ich bin dann in das Unternehmen noch mal zurückgekehrt, wo wir die NLP-Algorithmen in Produkt hatten, um Feedback auszuwerten, nachdem die in einer sehr missliche Lage geraten und in eine Insolvenz geschlittert sind. Ich dachte, hey, da ist eigentlich noch total viel Substanz in der Firma und es gab dann Private Equity Unternehmen, was sie aus der Insolvenz gekauft hat und ich bin dann als Geschäftsführer dort mit an Bord gekommen, um diesen Turnaround zu managen nach der Insolvenz. War vorher venture capital finanziert, also viel fremdes Geld und starker Wachstumskurs. Jetzt hat sich das Spiel verändert, es ging eher um Profitabilität und eher etwas robuster zu wachsen und dafür langfristig solide aufgestellt. Dafür mussten wir aber ungefähr 80 Prozent des Personals, also war schon raus im Zuge der Übernahme und meine Aufgabe war es jetzt mit 80 Prozent weniger Leuten den Umsatz zu halten. Und da habe ich mir dann diese ganze Firma von oben nach unten, links und rechts angeschaut und dachte mir, hey, wir sind ein komplett digitales Unternehmen, wir entwickeln Software, wir haben eine Software, in der halt Millionen von unstrukturierten Datensätzen, nämlich Kundenfeedbacks verarbeitet werden und haben dann angefangen ganz viel mit LLMs in unsere Prozessearbeitsweisen und die Produktwertschöpfungskette zu experimentieren, zu integrieren und dort die ersten Newscases umgesetzt und das war 2023. Den ganzen coolen Scheiß, den wir heute nutzen können, gab es damals Lochlage nicht, das war die erste Version, wo Skithub Co-Pilot gab und GPT 3.5 haben wir dann losgelegt und so. Also es war alles noch wild, aber die ersten Dinge haben einfach funktioniert. Wir haben irgendwie im Customer Support haben wir so die Top 10 wiederkehrenden Anfragen, haben wir halt dann wegautomatisiert. Wir haben im Sales sämtliche Leadqualifizierung vor Nachbereitung von Termin gemacht. Wir haben im Marketing so eine Content Pipeline aufgebaut. Das war es halt damals möglich, aber das hat dann schon echt nach vorne gebracht und vor allem im Produkt war das super spannend, weil wir auf einmal nicht mehr diese NLP Algorithmen über die ganzen Texte haben laufen lassen, sondern halt LLMs und konnten halt viel, viel mehr Insights aus diesen Daten rausziehen und die nächsten Actions so für die Kunden vorbereiten und das war ein wildes Jahr und so hat das alles für mich angefangen.

01:06:05: Felix Ja, das war für uns natürlich, also wir standen halt mit dem Rücken zur Wand und also so viel zu verlieren gab es halt nicht unbedingt. Also die Firma war schon in einer sehr schwierigen Situation. Jetzt ging es halt darum, wie, also das war schon so ein Point of No Return und dann ist natürlich viel, viel einfacher Momentum zu erzeugen und halt sehr, sehr tiefgreifende Veränderungen vorzunehmen und das sehe ich schon. Also wir arbeiten jetzt viel mit Mittelständlern, gibt es halt 50 bis 100-jährige Historie.

01:06:39: Felix Du hast es ja auch so schön in meinem Podcast gesagt, fand ich total gut, weil ich dachte, ja so ist es, die haben halt irgendwann richtig geiles Produkt gebaut, was viele Leute einfach kaufen wollen und es hat halt einfach jahrzehntelang super funktioniert und jetzt gerade ändert sich halt dieses Spielfeld ein Stück weit, aber dieser Veränderungsmuskel und vor allem mit Geschwindigkeit sich zu verändern, der ist halt gar nicht so da und deswegen, klar, manchmal solche Events kennt man ja auch vielleicht nicht nur aus dem Business, sondern auch sonst aus dem Leben,

01:07:10: Felix wo einfach was passiert, wo man sagt, also wo man keine andere Wahl hat, als sich stark zu verändern, kann ja auch manchmal helfen, sich neu zu erfinden.

01:07:57: Felix Ja, also es war auf jeden Fall Herausforder, ich glaube sowohl auf Mitarbeiter als auch auf Kundenseiten mussten wir echt ein neues Narrativ, eine neue Story nach vorne entwickeln, die halt motivierend ist und irgendwie auch so ein bisschen inspiriert. Ich würde sagen, wir hatten eher die Leute da, die halt echt noch daran geglaubt haben und die irgendwie sich verbunden gefühlt haben mit dieser Company und das war echt ein sehr stark zusammengewachsenes Team und ich glaube, was damals sehr geholfen hat, war jede einzelne Person in der Rolle, in der sie war, noch mal zu enablen, eine viel größere Wirkung haben zu können und die eigenen Talente und Fähigkeiten, die sie mitgebracht haben, einfach noch mal stärker auszuspielen, weil ich meine, wir hatten da jetzt kein großes mittleres Management mehr oder irgendwas, wir mussten einfach extrem nach vorne marschieren und mit einer kleinen Anzahl an Leuten das Wuppen, was vorher viel, viel mehr Leute gemacht haben, wo natürlich auch overhead und so weiter gewachsen ist, der vielleicht manche Leute, die dann auch aus so einer Situation heraus treten oder auf einmal viel mehr Verantwortung übernehmen und da Dinge leisten, die man vorher nicht so viel wirklich gehalten hätte. Ich erinnere mich noch an unsere Engineers, als wir da, wir hatten auch sehr viel technische Schuld uns aufgebaut und standen auch produktseitig, die ganze Zeit die Frage, bauen wir das auf der Grünen Wiese noch mal neu, aber heute würde man sagen, mit den Coding-Agencies gibt, ja klar, machen wir das, aber damals gab es das halt nicht. Wir mussten halt die ganze Zeit überlegen, was bauen wir neu und was refaktern wir und ansonsten manche Features haben Monate gedauert, bis wir dann ein kleines Feature, ein Knobs irgendwo ran programmiert hatten, und verstellbar heute, aber das war halt die Situation und als wir da dann reingegangen sind und gesagt haben, hey, lass uns mal schauen, wie wir hier KI in unserem Entwicklungsprozess nutzen können und die auf einmal gemerkt haben, okay, krass, crazy, ja, ich kann ja jetzt auf einmal Dinge, auf die ich selbst gar keinen Bock hatte, irgendwie diesen Code aufzuräumen, viel, viel stärker KI unterstützen zu machen lassen, um viel mehr Zeit eigentlich für die spannende Arbeit zu haben. Das waren so coole Momente und dann hat sich auch Momentum dann gehend aufgebaut und gab natürlich auch 1000 Sachen, die nicht funktioniert haben. Ja, also das will ich jetzt nicht unter den Tisch kehren. Wir hatten dann halt noch ein paar, zwei Entwickler auch von den zentralen Teams aus dem PE bekommen, die uns dann geholfen haben, wirklich nur KI-Use-Case umzusetzen. Das hat halt dann schon noch geholfen, aber ja, gab natürlich auch super viel, was nicht geklappt hat.

01:11:23: Felix Ja, genau. Also wir haben es dann geschafft, wieder so auf so einen Kurs von 20 Prozent Wachstum mit einer 20 Prozent Marge zu kommen, also so eine Rule of 40, sagt man ja so, das war dann das Ziel und da sind wir dann so wieder hingekommen und hatten halt eine anständige Roadmap gebaut, wie wird es das Produkt auch AI First gedacht, also wie können wir eigentlich den Wert, den wir zum Kunden bringen können mit KI schneller und oder besser erreichen. Da waren wir dann wieder und hatten das dann stabilisiert. Ich habe dann gemerkt, dass mir in dieser Konstellation, dass nicht mein Sweet Spot war, weil ich eigentlich gemerkt habe, ich juckt mir in den Fingern, mich unternehmerisch voll auszuleben und ich hatte dort eine tolle Plattform dafür, aber am Ende war, ich hatte doch unterschiedliche Stakeholder und wir hatten dann, ich habe dann noch zwei Neues, also ich habe dann einen CTPO, der für das Tech und Produkt verantwortlich war und eine kommerzielle Geschäftsführerin noch eingestellt und eingearbeitet, die das bis heute auch super machen und weiterentwickeln und ich hatte in dem Jahr schon erkannt, dass mich dieses KI-Thema halt so sehr reizt, dass ich, also ich wusste gar nicht, was ich wachen will, nur dass ich 100 Prozent meiner Zeit in diesem Feld verbringen möchte und ja, genau, also nach einem Jahr ungefähr, wenn ich dann da raus hatte, das noch übergeben und habe mich dann erst mal solo selbstständig gemacht.

01:13:03: Felix Ja, das schieße ich. Ja, klar, das war total aufregend, weil ich dachte ja, ich habe vorher mal durfte immer sehr unternehmerisch arbeiten, aber eben für andere, was super war, mega viel gelernt, immer tolle Chefs gehabt, die haben ja alle mal ein größeres Paar Schuhe vor die Tür gestellt, wo ich eigentlich reinwachsen musste, aber trotzdem dachte ich, was war so, ja, ich wüsste, dass ja alles so viel besser und jetzt hatte ich ja das erste Mal die Chance, das alles besser zu machen und dann habe ich gemerkt, ja, ja, okay, es ist ja doch gar nicht so einfach und man hat einfach manchmal Entscheidungen mit Trade-offs, die nicht so trivial sind zu treffen und was ich dann gemerkt habe, war, wie schwierig das eigentlich ist, mich zu positionieren und erst mal zu definieren, was will ich denn hier überhaupt anbieten und für wen eigentlich, wusste ich gar nicht und deswegen habe ich, das war Anfang 2024 sind wir dann und damals, zumindest in meiner Zielgruppe, ja, so Mittelständler, Paar Hundert Mitarbeiter, bis 100 Millionen Umsatz, eher digitales Geschäftsmodell, aber mit Historie, das war so die Zielgruppe und dann damals, da musste man halt echt, konnte ich halt das ganze Land tingeln und erst mal erzählen, was ist KI überhaupt und warum ist das jetzt wichtig und so, das muss man heute, ich muss das zumindest nicht mehr erklären, aber das war damals noch so, aber es gab noch, es gab noch so gar keine Dienstleistung vor allem jetzt für so GenAI und LLMs, ja, das war alles noch so, da hast du dann halt mal einen Workshop gemacht und gezeigt hat, wie GPD funktioniert, aber das war natürlich klar, das hat dann auch nicht die Nadel irgendwie großartig weiter bewegt und gleichzeitig habe ich natürlich gemerkt, dass das, was ich da vorher gemacht habe, das ist jetzt nicht unbedingt so anwendbar auf so ein traditionelles Unternehmen, wo es auch so, wie du auch schon anfangs richtig gesagt hast, noch irgendwie ein bisschen zu gut läuft, um zu sagen, hey, wir drehen jetzt hier mal unsere Prozesse und unser Geschäftsmodell und man muss auch sagen, damals war die KI ja auch noch eine ganz andere als das heute ist, also die technischen Fähigkeiten waren ja auch noch ganz, ganz woanders, ja und das war ja so ein bisschen so das Gemengelage und da habe ich dann aber einfach weitergemacht und bin halt dann erstmal daraus gekommen, dass ganz, ganz viel bei dieser Befähigung von den Menschen am Unternehmen eigentlich hängt und so habe ich dann halt ein Programm entwickelt, wo wir wirklich am Anfang so ein Zielbild entwickelt haben und von daraus dann von der Geschäftsführung bis zur breiten Belegschaft erst mal alle Menschen, die am PC arbeiten, in ihren unterschiedlichen Rollen erst mal in die Anwendung überhaupt mal von KI gebracht haben, ja das war so der erste Schritt Level 1, individuelle Produktivität, um von daraus dann weiterzugehen in die Prozesse und dann ganz oben auch ins Geschäftsmodell gucken zu können, aber ja, meine Erfahrung war damals einfach, dass die Komplexität für viele noch viel zu groß war, um da jetzt große Projekte aufzureißen und umfangreiche Use Cases umzusetzen und deswegen sind wir da so ein bisschen von der anderen Seite rangegangen.

01:17:20: Felix Ja, klar, natürlich, auf jeden Fall hätte das anders laufen können. Ich glaube, ich bin halt dem gefolgt, ich habe unterschiedlichste Sachen ausprobiert und ich bin dem gefolgt, was mir am meisten Spaß gemacht hat und Energie gegeben hat, weil ich immer ganz stark daran glaube, dass wenn man das hat, dann das damit überwindet man ganz, ganz viele andere Dinge und was mir halt extrem auch bis heute noch Freude macht, ist halt zu sehen, wie Menschen, die lernen KI, die Fähigkeiten von KI für sich richtig zu nutzen, auf einmal Dinge tun können, die vorher so nicht möglich waren. Ja, ich meine, es ist verrückt, es gibt jetzt Solo-Gründer, die bauen halt eine Firma in sechs Monaten, verkaufen die für 80 Millionen Dollar ganz alleine. Das ist halt und ich, das ist leider ganz, ganz viel von diesem Potenzial versickert halt noch in Strukturen und Prozessen in Unternehmen, die einfach darauf nicht ausgelegt sind. Aber ich glaube schon und wir sehen das immer wieder bei unseren Kunden, was eigentlich Einzelpersonen auf einmal im Stande sind zu leisten, wenn man ihnen das Umfeld gibt und mit KI einfach so ein krassen Hebel auf ihr Wissen und ihre Fähigkeiten.

01:18:51: Felix Ja, ich erinnere mich, also was ich ja, was ich ja auch bis heute mache, ist, ich teile sehr, sehr viel auf LinkedIn. Also ich habe halt auch beim Aufbau von meiner Selbstständigkeit, sehr viel KI genutzt, ich hatte das vorher in der Company gemacht, ich habe sehr viel dazu geteilt auf LinkedIn und dann sind halt Leute auf mich aufmerksam geworden und haben gesagt, wir wollen das auch bei uns machen und hast mal Lust hier vorbeizukommen und so waren das dann halt so die ersten ganz einfachen Aufträge. Ich weiß noch, ich wusste auch gar nicht, was der Wert von meiner Zeit ist und was man dafür nehmen kann und so und habe dann halt so diesen ersten Workshops so für 1000 Euro verkauft und bin dafür wirklich durchs ganze Land gefahren an den aller Wertesten der Welt und war dann da halt den ganzen Tag super viel Zeit in diese Vorbereitung gesteckt und dachte trotzdem, irgendwie, ja, hat sich nicht da wenig Geld angefühlt und das ging um Co-Pilot damals, wie die Co-Pilot einsetzen können und wer heute Co-Pilot kennt, jetzt fragt euch mal Anfang 2024, was damals Co-Pilot war und da wurde ich da wirklich, also die Enttäuschung in den Gesichtern war glaube ich schon groß, weil ich das auch nicht glaube ich nicht so gut die Erwartungen mit der Realität so gemanagt habe, aber das war dann halt der erste Punkt und ich habe halt so, wo mache ich das halt bis heute, rausgehen, sein Bestes geben und dann lernen und immer ein bisschen dazu lernen und besser werden, ja, aber das war so der Startpunkt und dann

01:20:33: Felix ja, weil ich ja bei mir gesehen habe, dass das halt funktioniert, ich musste halt jetzt, was ich jetzt halt verstehen musste ist, wie kriege ich diese Technologie in größere Firmen rein und was sind so die Schritte, die ich gehen musste und da gab es halt keine Vorlage dafür, an der ich mich langhangeln konnte, es muss sich halt selbst herausfinden.

01:21:52: Felix Ja, ich glaube dafür bin ich zu sehr, bin ich zu sehr People-Pleasers. Aber ich hatte auf jeden Fall, ich dachte auch, dass das nicht jeder versteht, so wie ich das verstanden habe und das irgendwie auf die Zukunft her vorweiterechnen kann und sich vorstellen kann, dass natürlich alle digitale Arbeit und Prozesse massiv disruptiert werden und dass wer auf diesem neuen Spiel fällt, diese Technologie nicht lernt für sich richtig zu nutzen,

01:22:29: Felix dass keine Chance mehr haben wird und das überhaupt auch nur produktiver mit KI zu arbeiten, nur die Eintrittskarte sein wird, um überhaupt noch mitmachen zu dürfen. Das was nicht jeder schon längst gesehen und verstanden hat, war für mich unerklärlich, ganz, ganz, ganz lange Zeit.

01:23:48: Felix Also, also ja.

01:23:53: Felix Das Thema hat sich auch gereift. Und aus dieser 24,

01:24:01: Felix das war so Pionierphase. Alle haben sich mal so ein bisschen rangewagt und so ein bisschen was exploriert. Damals, das war ja auch einfach nur reines Chatbot-Thema. Die LLMs waren noch nicht so weit. Und ich glaube, das ist fast noch wichtiger. Die ganze Infrastruktur um die LLMs, die ganze Applikations-Ebene, wo die eingebaut werden, war ja auch noch gar nicht so weit. Die ganzen Produkte, die ganzen Integration und so weiter. Da war so vieles noch ungeklärt. Und deswegen war man natürlich da limitiert mit dem, was man machen konnte. Und das hat sich ja alles massiv weiterentwickelt.

01:24:44: Felix Und es ist ja abartig, was an Investitionen, an Geld, da reingeflossen ist in diesen Markt. Und was dadurch auch auf der einen Seite technisch weitergekommen ist, auf der anderen Seite auch was Marketingseitig da passiert. Und das hat natürlich diesen Markt total angeschoben. Ich glaube, es ist jetzt immer so ein Mix aus so einer ungesunden Fomo, die da auf der einen Seite einhergehen, auf der anderen Seite auf so eine Erkenntnis, das wird halt nicht mehr weggehen. Und wie weit wir wirklich sind, glaube ich, weiß keiner, aber auf jeden Fall noch nicht am Ende. Und jetzt gibt es natürlich auch immer mehr Cases, die so kommen, manchmal Cases, Stories, wie man es sagen möchte, die halt auch zeigen, dass so aus dem Wert entstehen kann. Und klar, das allein hat schon geholfen und wir haben natürlich immer besser herausgefunden, wie bringt man jetzt Gen AI, LLMs und jetzt auch Agenten in so eine Company rein?

01:26:05: Felix Ja, also wir haben gerade unseren Fokus wirklich auf AI Enablement. Wir machen also, sind nicht die, die die großen Strategien bauen, wir sind auch nicht die, die hinten die technische Implementierung von komplexeren Newcases machen, da arbeiten wir super gerne mit Partnern zusammen, die das sehr gut können. Was wir richtig gut können, ist Menschen anzuzünden, mit AI zu arbeiten und AI zu nutzen. Und wir arbeiten da über vier Zielgruppen, die wir dann fit machen und befähigen in ihrer Rolle, mit AI einen größtmöglichen Wertbeitrag für ihre Firma zu haben. Das sind erstmal alle Leute, die tagtäglich am PC arbeiten, so die breite Belegschaft der Wissensarbeiter. Und ich glaube, da geht es vor allem darum, sich über AI zu erweitern und zu horizontale Aufgaben von recherchieren, dokumentieren, kommunizieren, Planung und so weiter mit AI, also da halt ganz stark mit AI zu arbeiten.

01:27:30: Felix Und was wir da zum Beispiel gemerkt haben, ist so ein Trick. Damals haben wir am Anfang den Leuten, haben wir so Features und Functions gezeigt von AI Tools, ChatchiPT, Langdor, Co-Pilot, whatever.

01:27:48: Felix Was wir heute am Anfang mit allen machen, ist, dass die sich ein Kontextprofil erstellen müssen, was über ein AI-Interview abgefragt wird. Sie werden von einer AI-Interview, müssen die Fragen beantworten. Meistens bringen wir den gleich bei, nutzen Spracheingabe, das muss ich nicht schreiben, spreche einfach rein. Und daraus wird dann ein Kontextprofil erschellt, ein Markdown-Datei. Und im nächsten Schritt zeigen wir denen, wie sie die Markdown-Datei nutzen können, um sich von AI einen Plan geben zu lassen, wie sie ihre eigene Rolle eigentlich AI gestützt weiterentwickeln können und AI in ihren Arbeitsalltag bringen können. Was sind Use Cases? Wie setzen Sie die oben? Die ersten einfachen Prompt-Vorlagen. Aber das ist, also auf einmal passiert da halt was im Kopf, dass die Leute verstehen, ah, okay, ich muss da AI beibringen, wer bin ich, wie arbeite ich, halt Daten bereitstellen, Kontext bereitstellen. Und dann kann ich AI nutzen, um wiederum AI besser zu nutzen. Und das sind so Sachen, da haben wir aber auch, vielleicht für manche, die jetzt zuhören, sagen, es ist ja klar, wir haben ein bisschen gebraucht, um dahin zu kommen. Aber das hilft uns heute einfach super schnell, mit den Leuten in so einem produktiven Arbeitsmodus zu kommen und halt nicht an irgendwelchen fiktiven Dingen zu arbeiten, sondern an deren ganz konkreten Aufgaben und Problemen. Und das sind einfache Prinzipien, wenn die aber einmal so sitzen, hören Leute nicht mehr so auf, auf so zu arbeiten, nach unserer Erfahrung. Aber damit kommt man nur so weit. Also ich glaube, dass jede Person am PC halt jeden Tag KI für sich nutzt, um schneller und besser zum Ziel zu kommen, ist glaube ich, da muss halt der Haken dran sein. Das ist so wie gesagt, das ist die Eintrittskarte für alles andere. Aber dann muss man irgendwie in die Prozesse reinkommen. Und da haben wir gelernt, dass es so zwei Ansätze gibt. Der eine Ansatz ist, von oben auf das Business gucken, das machen wir auch, wenn wir so ein Zielbild definieren gucken, dann sind wir an, hey, wo wollt ihr eigentlich hin, in den nächsten Jahren, worum geht es hier, geht es um Wachstum, geht es um Profitabilität, was sind so die großen Linien.

01:29:56: Felix Und von da aus schauen wir dann, wo gibt es eigentlich Hebel, die KI unterstützen kann. Also wenn es zum Beispiel um Profitabilität geht, kann man sich gucken, was sind die großen Kostencenter, hier Kostenblöcken in der Company und wo gibt es Fähigkeiten von KI, die auch reif genug sind, um doch zu helfen. Ganz einfacher, klarer Case ist natürlich Support. Support gibt es jetzt mittlerweile einfach super viel Technologie, schon auch KI-Geschütz mit, ohne KI, die genau dabei helfen können. Und das ist einfach aber so ein Top-Down-Use-Case, den muss ich jetzt nicht Jugendforschtmäßig aus dem TV heraus erkennen, sondern das ist halt sehr klar. Und da geht es halt darum, entweder einen starken technischen Implementierungspartner, wie euch dann zum Beispiel zu haben, die genau meine Lösung bauen können, oder einen Technologiepartner zu finden, der genau dieses Problem gelöst hat.

01:30:44: Felix Genauso wie jetzt, wenn ich ein Softwareprodukt baue, dann ist natürlich die Velocity von meinen Engineers, wie schnell die neue Vita's schippen können, ist natürlich zentral für meine Wertschöpfung. Also es ist klar, dass ich damit Coding Agents und einem System bauen kann, wie Agents meine Velocity im Engineering steigern können. Genauso wenn ich, Wirt zum Beispiel, die machen das, da ist natürlich Sales ein ganz, ganz wichtiger Teil von der Wertschöpfung. Und die haben sich dann halt so einen KI-Assistenten gebaut, weißte nicht, vielleicht hatte ich da auch Eure Finger im Spiel, keine Ahnung, aber die haben sich total coolen Case, haben sich dann KI-Assistenten gebaut, der jedem Außendienstler dabei hilft, direkt die Termine nachzubereiten, Angebote fortzubereiten und darüber die Produktivität von jedem Vertriebler steigern. Das ist eigentlich ein Top-Line-Effekt. Aber das sind so, kann man von oben aufs Business-Cook und dann findet man diese Cases. Aber...

01:32:21: Felix Ich glaube eher auf Funktionsbereichs, eben, weil wir sind, also wir haben so ein bisschen so ein Retail-Ausschlag, aber sind ansonsten auch sehr branchenagnostisch. Ich würde sagen, da sind wir noch nicht so super-nischig immer wieder in dem gleichen Bereich drin. Aber ja, auf der Funktionsbereichsebene gibt es halt überall so ein paar Cases, die halt relativ klar sind. Also wenn du halt eine große Einkaufsabteilung oder auch Sales-Abteilungsassistos viel um Ausschreibungen entgeht, dann ist ja dieser Ausschreibungscase zum Beispiel auch wieder ein ganz, ganz klarer Value-Case, der sich total lohnt, auch zu investieren, weil das Problem und die Zeit, die da reingeht, halt enorm groß ist. Und das sieht man halt, also da gibt es so ein paar, die man jetzt auch immer wieder sieht, dass hier recht viele Companies umsetzen. Einige davon hatte ich jetzt schon genannt.

01:34:03: Felix Ja, ja, also ich glaube so ein wirklich komplexer Data-Daten-Daten-Use-Case ist für ganz viele Firmen eher total überfordernd und oftmals auch die damit einhergehende Investitionen und auch was, also die Firma muss ja auch bereit dafür sein, so was überhaupt umsetzen zu können und da sehen wir schon, dass der Reifegrad da oft noch gar nicht unbedingt gegeben ist und was wir halt oftmals deswegen machen, das erst mal zu gucken, wo lassen sich denn jetzt Equicuments zeigen und behaupten, erst mal Momentum aufzubauen und diese Organisation in Bewegung zu bringen und das sind dann nicht die, das sind dann nicht die riesen Kosteneinsparungen oder die riesen Umsatzhebel, aber man lässt, man kann damit halt ganz konkrete Probleme in bestimmten Bereichen lösen. Also wir hatten das zuletzt in dem Marketingteam, da gab es eine Gerichtstrukturierung, da wurden halt aus drei Leuten im Team wurde einer. Dann haben wir uns angeguckt, was haben denn diese anderen Leute gemacht und haben deren Wissen, Arbeitsweise und so weiter in Agents mit Skills überführt, die die andere Person, die noch da geblieben ist, jetzt heute nutzen kann, um das Mehrarbeitsvolumen bewältigen zu können. Und das ist nicht der große Nordstern-Leuchtturm-Case, der Millionen einspart, aber es ist ein Case, der zeigt, das funktioniert, das haben wir in wenigen Wochen umgesetzt und löse ein Problem und erzeugt halt einen Wert. Und dann ist ja die Frage, wie schaffen wir es denn jetzt, dass das, was wir da gemacht haben, dass das ganz viele Abteilungen so für sich nutzen können. Und da bauen wir dann so interne Bilder auf, also Leute, die ihre Fachbereiche, ihre Prozesse ganz gut können und denen wir die AI Toolbox beibringen, mit denen sie dann so Quick-Man Use Cases sehr, sehr dezentral, sehr schnell, ohne zu komplexe Prozesse dann umsetzen können. Das ist so dann das Level 2 nach der individuellen Produktivität, gehen wir dann da rein. Dann ist immer die Herausforderung später, wie fängt man das dann wieder ein? Weil dann hast du natürlich erstmal auch so ein bisschen, das dezentrale bringt immer Geschwindigkeit, aber auch so ein bisschen, was, was, bisschen Chaos ist vielleicht ein bisschen übertrieben gesagt, aber du hast dann halt, ja, kleinteiliger Lösung. Wie bringt man das dann wieder zusammen? Und dann müssen wir dann die Führungskräfte mit reinholen, da sagen wir immer also jeder vom CEO bis zur mittleren Management, die müssen halt auch alle erstmal richtig gut mit KI arbeiten können. Die müssen sich auch mal ein paar Stunden hinsetzen und ihr Kontextprofil erstellen. Die müssen sich auch mal so ein Agent als einen digitalen Swilling bauen, den sie dann

01:36:55: Felix nutzen können und die müssen sich auch über KI hebeln und Vorbild vor allem für ihre Teams sein. Und dann müssen die aber vor allem auch verstehen, jetzt, wenn wir uns einfach so ein Mapping machen von, was sind die Jobs to be done in den Abteilungen, was sind Kernaufgaben, die immer wieder passieren, was sind Schritte in diesen Schritten, wann brauche ich welche Daten, wann wird welches System angesprochen, was sind In- und Outputs über so ein Prozess, das mal einfach zu begreifen, wie eigentlich Arbeit erledigt wird und zu einem bestimmten Wert kommt. Und dann,

01:37:26: Felix ja,

01:37:27: Felix ja, klar, ich bin jetzt im Fluss, aber gerne, ja klar.

01:37:43: Felix Ja, das ist, ja, gibt es nicht.

01:38:42: Felix Ja, und trotzdem, man muss ja sagen, diese Firmen sind zum Teil halt extrem erfolgreich oder viele davon extrem am wirtschaften Milliarden Gewinne teilweise.

01:38:52: Felix Ja, aber genau,

01:39:00: Felix genau, genau, wer will du da die Welt erklären?

01:39:23: Felix Ja, ja, genau, also Whiteboard oder Miro, das ist wirklich einfach auch mit der, wie sagt man das, mit der Arm am Hand, nee, mit der Hand am Arm. Also, sehr unsp-, das ist ganz unspektakulär, aber es ist so wichtig, dieses Verständnis mal aufzubauen, weil ansonsten, ich hab's letztens wieder, hatten wir so ein Workshop und dann kam als Use Case, ein Anführungszeichen raus, AI-Powered Sales Experience.

01:39:56: Felix So, trö-rö. Genau, und das macht ja keiner, die haben ja alle Bock und irgendwie, aber dieses, auf welches Level man kommen muss, um überhaupt mal ableiten zu können,

01:40:14: Felix wie und wo brauchen wir hier überhaupt KI und was braucht KI, um das zu tun, was getan werden muss. Und dann vor allem, wenn wir mal diesen aktuellen Prozess runtergebrochen haben und dann müssen wir wirklich auf die Einzelschritte runter und für jeden Einzelschritt Input, Output,

01:40:31: Felix notwendige, auch Entscheidungen, die es geht, die vielleicht drin sind, welche Daten, Systemzugriffe und so weiter. Wenn das mal aufgefächert hat, dann zu sagen, wie können wir jetzt diese Einzelteile aus diesem Prozess nochmal neu anordnen, um mit KI mitgedacht, das, was wir da hinten rausbekommen können, vielleicht in der Hälfte der Zeit oder mit dem fünffachen Durchsatz oder wie auch immer zu erreichen. Und das ist nicht trivial, vor allem weil solche Firmen super komplex sind und dann hast du ja auch nicht eine Person, die das immer nur macht, sondern dann sind ja irgendwie verschiedenste Seg-Holler und so weiter da drin.

01:41:09: Felix Aber das, da coachen wir zumindest Führungskräfte dahin, dass sie es inhaltlich verstehen, merken dann aber auch, um da in die Umsetzung zu gehen, da brauchst du dann halt wirklich spezialisierte Daten und KI-Teams, die genau diese Expertise haben, um so was dann umsetzen zu können. Und die gibt es bei unseren Kunden.

01:43:14: Felix Ja doch, na klar, wir hatten dann auch irgendwie einen wir haben recht viele so kleinteilige Use Cases, so bottom up umgesetzt und die waren dann halt da und die haben dann eine Sache gut gelöst, aber dann haben wir gemerkt, okay, das bringt uns jetzt aber nicht, wenn es da halt wieder in diesem Prozess irgendein Gate gibt, durch das wir nicht durchkommen, weil der Prozess vorgibt, dass das alle zwei Wochen es irgendwie dieses Meeting gibt, wo dann irgendwas entschieden wird, damit dann der nächste Schritt weitergehen kann. Und und dann haben wir dann gemerkt, wenn wir das jetzt nicht von einfach an mitdenken, verschwindet halt der ganze Produktivisierter Effizienzgewinn, den wir vorher uns erarbeitet haben, versickert dann einfach wieder. Der ist dann weg, weil die Leute geblockt sind, weiter zu gehen und dann zu sagen, okay, aber dieses Gate, was muss denn da eigentlich entschieden werden und was brauchen die Leute für zum Beispiel diese Entscheidung oder Freigabe oder wie auch immer und wie kann man das jetzt auch über KI direkt vorbereiten lassen, um eine Entscheidungsvorlage da fertig zu haben, die halt auch in der Zeit ist, fertig zu haben, die halt sehr schnell unterstützt oder abgehakt werden kann, ohne dass man. Also aktuell wirklich, indem wir es runterbrechen auf die einzelnen Schurte, wie ich das vorhin schon gesagt habe, und dann diesen Prozess nochmal neu zusammenbauen und aus diesem neu zusammengebauten Prozess dann verschiedene Use Cases rausziehen und schauen, wie kriegt man die dann aus den Verkaufungen, die es in diesem Umdrehen und schauen, wie kriegt man die mit der Zeit verbunden, also auch nicht alles gleich auf einmal machen zu müssen, sondern daraus dann in verschiedene Cases abzuleiten, aber halt mit einem ganz klaren Rotmap nach vorne raus, dass die alle miteinander, dass das alles ineinander greifen muss, um dann langfristig zu funktionieren. Also ich würde auch sagen, da lernen wir halt auch noch super viel gerade, auch ein Riesen-Learning war, dass diese Use Cases halt mögen, vielleicht auch andere jetzt länger machen, sagen, ja ist doch klar oder du vielleicht auch, dass das eigentlich ja ein Produkt ist am Ende, was da gebaut wird. Das ist eigentlich ein internes Produkt, was daraus entsteht. Nee, das ist kein Projekt, das dann fertig ist oder ein Case, der ist dann fertig eingebaut, das ist eigentlich, das ist ein Produkt, der durch das Lebenzyklus geht und dann entwickelt sich KI die ganze Zeit weiter und was ich da vor drei Monaten gebaut habe, geht auf einmal richtig, also richtig, oder auf einmal geht etwas, was damals auf den Annahmen, die wir hatten oder funktioniert noch nicht und jetzt müssen wir es immer wieder daran und da war auch ein Learning, dass zum Beispiel das Problem, echt groß genug sein muss, damit es sich lohnt, auch diesen so ein internes Produkt darauf zu setzen und das auch durch den Lebenszyklus zu managen, weil es braucht dann halt ein Product Manager, der sich darum kümmert und

01:46:09: Felix ja, für so kleinteilige Cases, also zahlt man dann halt irgendwann oben drauf, vielleicht da, als das was man rauskriegen könnte und das sind dann halt wieder die, die man dezentral in die Teams schieben muss, wo kein Daten- und KI-Team vielleicht drauf sitzt, sondern die dann eher aus dem Team heraus gemanagt und weiterentwickelt werden. Ja, genau, also ich würde sagen, ich hätte gerne den perfekten Blueprint für alle möglichen Prozesse, aber ich weiß gar nicht, ob es den überhaupt gibt.

01:47:01: Felix Also ich merke schon immer mehr, wie unwichtig der KI-Teil eigentlich irgendwann wird und dann geht es nur noch um Daten und Prozesse. Daten, Prozesse und vielleicht noch die Systemlandschaft, wo das alles drauf abläuft und ich glaube auch, damit entscheidet sich halt auch dieses ganze Game und die Kunden, die wir haben, die da lange investiert haben, einfach einen guten Text deck aufgebaut haben, ihre Prozesse sauber dokumentiert haben, Prozess Owner haben, die das pflegen, die mal auch angefangen mit einer sauberen SharePoint-Struktur, wo Wissen dokumentiert ist und wo es auch da wieder Owner gibt, die das aktuell halten. Wahnsinn, was die jetzt auf einmal für eine Beschleunigung durch KI erfahren,

01:47:47: Felix aber das ist ja meistens halt nicht der Fall. Und da, was wir halt machen können, ist wirklich dieses Momentum aufzubauen, die Organisation von der Geschäftsführung bis zur operativen Ebene in die Anwendung von KI zu bringen und dann ist das so ein bisschen immer der Dosenöffner, wo dann ganz viele Sachen hochgespült werden und klar wird, okay, um jetzt wirklich Prozesse zu automatisieren, um hier eine deutliche Steigerung der Wertschöpfung zu erreichen, brauchen wir aber Zugang zu Daten. Die müssen richtig sein, Schnittstellen in Drittsysteme. Prozesse, wo klar ist, was macht eigentlich KI und was macht der Mensch und wann haben wir eine Kontrolle der Ergebnisse drin und, und, und und und und das ist dann halt einfach die Arbeit, die gemacht werden muss. Ja, und was wir halt versuchen, es ist halt die Teams, Teams dazu zu enablen, das irgendwann selbst zu, selbst zu können. Also ich glaube, wir sind immer ganz gut darin, das anzuschieben und intern Leute aufzubauen anhand von unseren Methoden, die das dann weiterführen können und halt für komplexere Use Cases dann mit Partnern zusammenzuarbeiten, die einfach diese Probleme in der Vergangenheit schon mal gelöst haben.

01:50:01: Felix Also, aber den kann ich ja nicht finden, sondern den muss der CEO finden. Und bei den Kunden, die halt richtig Gas geben, da ist es halt immer ein CEO, der halt entweder die Firma aus einer sehr schlechten Situation jetzt rausbringen muss und halt gar keine Zeit hat, jetzt da noch,

01:50:43: Felix also der gar keine Zeit da jetzt noch viel auszuprobieren oder rumzubummeln, sondern der muss jetzt halt eine maximaleffizientere Organisation zum Beispiel bauen oder der hat so viel Wirtschaft, Wettbewerbsdruck, dass der, dass er die Sales Produktivität nach oben, Sales Marketing Produktivität nach oben bringen muss, was auch immer dann der Treiber ist oder, das ist einfach jemand, der hat große Ambitionen und Pläne hat und entsprechend auch ein höheres Risiko für einen höheren Return eingeht. Also wir sehen halt schon, dass bei den Kunden, wo wir auch also da werden dann einfach in dem Meeting wird eine Entscheidung getroffen und dann ist das so. Die sitzen auch in den Workshops mit den Führungskräften, sitzt der dann mit drin,

01:51:32: Felix der schreibt in die Ziele von den von seiner Breisliter Ebene, schreibt der da KI bezogene Ziele mit rein, dann gibt es halt Road Maps, ja das kommt in den Bonus rein, das kommt in die Zielvereinbarung rein und das wird halt einfach so und das sind dann aber meistens halt inhabergeführte Mittelständler, wo das dann so so funktioniert und natürlich haben die auch ein Betriebsrat und so weiter, aber das also es verrückt und dann funktionieren diese Sachen natürlich mit einer x-fach höheren Geschwindigkeit.

01:52:20: Alexander Thamm Ich

01:52:24: Felix glaube ich kann das natürlich nicht so toll, weil ich glaube, also dass es halt direkt auch Einfluss auf Arbeitsplätze hat, das ist ja auch irgendwie klar, also auf bestimmte Arbeitsplätze zumindest,

01:52:46: Felix ja ich finde es halt verrückt, wie blockierend das ist, um so eine Technologie für sich zu adaptieren.

01:53:26: (Silence) (Laughter)

01:53:40: Alexander Thamm Okay, but...

01:53:44: (Silence) (Laughter)

01:53:49: Alexander Thamm Arr, err, err.

01:53:57: Felix Arr, err. Arr, err. Arr, err. Arr, err. Arr, err. Arr, err. Arr,

01:54:10: Felix err. Ja klar, also, Ja es geht für, für alle meine Kunden, Wie schaffen wir es aus dem bestehenden Team heraus wachsen zu können? Wir laufen in einen demografischen Wandel rein, wo die Arbeitsplätze die verloren gehen, kommen halt nicht mehr vom Markt in der gleichen Anzahl zurück. Und da geht es ja darum, wie schaffen wir es jetzt zu, die meisten Firmen wachsen ja auch noch. Jetzt nicht mehr, vielleicht nicht mehr zweistellig, aber noch einstellig, die meisten schon. Aber da soll halt zumindest mal kein neuer Headcount aufgebaut werden. Und wenn jetzt Menschen das Unternehmen verlassen, sollen die halt nicht nachbesetzt werden. So und das ist ganz klar der Weg nach vorne für alle meine Kunden. Und dann ist halt die Frage, wie befähigen wir das, indem wir Menschen in ihren Jobs produktiver machen. Und B, indem wir sie aus Prozessen befreien, wo die Maschine das, was getan werden muss, halt schon besser oder genauso gut machen kann, wie der Mensch. Das ist eigentlich nicht so komplex. Und dann gibt es halt in manchen Bereichen, gibt es dann halt oder in manchen Branchen gibt es dann halt auch Chancen im Geschäftsmodell.

01:55:18: Felix Aber das ist noch der kleinste Teil, zumindest von dem, was ich sehe.

01:55:28: Felix Ja, genau. Das ist dann also, das ist dann der AI-Lied in der Firma. Also vor allem in, na ja, bei BMW oder so gibt es natürlich schon Center of Excellence und AI-Teams. Bereiche und so natürlich schon länger bei einem Mittelschändler mit 500 Mitarbeitern gibt es sowas ja gar nicht. Da gibt es eine IT. Und in den wenigsten Fällen gibt es jemanden, der sich mit Daten beschäftigt. Und jetzt ist aber die Frage, wer owns denn die KI-Transformation. Und da sehen wir auch wiederum, wenn es eine Person mit diesem Mandat gibt, die idealerweise direkt an die Geschäftsführung berichtet,

01:56:07: Felix dann hilft das natürlich enorm. Und...

01:56:33: Felix Ja, ja, also ich, also wir haben ja auch eine Community mit dem AI-Collective aufgebaut. Da haben wir 120 von diesen KI-Verantwortlichen.

01:56:44: Felix Gerade drin, da kriege ich das ja schon mit, dass manche halt absolute volle Rückendeckungen haben und richtig empowert werden, in ihrer Rolle auch Entscheidungen zu treffen.

01:56:55: Felix Und dann kommen natürlich auch voran und andere hängen halt genau in diesem Spannungsfeld drin, wo sie halt extrem hohe Erwartungen managen müssen mit einer Legacy Company, wo halt drei ERP-Systeme on-premise sind und kein einziger Prozess runtergeschrieben und auch nicht so richtig Veränderungsbereitschaft in der Kultur verankert ist. Und dann hast du halt noch eine extrem schnelle Technologie und das zusammenzubringen, ist dann natürlich, also kannst du eigentlich fast nur scheitern dabei. Da gibt es beides. Aber ich glaube, dass dieses Mandat extrem wichtig ist, weil die Veränderung halt so tiefgreifend ist in die Arbeitsweise, in alle Prozesse, teilweise in das Geschäftsmodell, wie Rollen und Teams gestrukturiert sind, wie Wert zum Kunden gelangt. Also es ist so tiefgreifend auf so, so vielen Ebenen. Und es muss halt irgendwo zusammenlaufen und zumindest brauchst du zentral jemanden, der alle anderen dazu befähigt, diese Transformation durchlaufen zu können. Und ja.

01:58:18: Alexander Thamm Ja.

01:58:32: Alexander Thamm Mm hmm.

01:59:39: Alexander Thamm Kann

01:59:55: Felix ich jetzt alles perfekt verantworten in den nächsten 17 Stunden? Also, wir machen das eigentlich ganz pragmatisch und zwar, ich sage mein Team immer, wir müssen die beste Case Study sein. So, wer kann sonst alles, was uns Open AI & Tropic Google vor die Füße werfen, halt schneller ausprobieren, als wir und irgendwie unseren Kopf da rumdrehen, was man jetzt damit machen soll. Wir sind selbst diese drei Stufen durchlaufen, also erst mal Arbeitsweise, individuelle Produktivität. Wir haben Anfang, wir hatten letztes Jahr ganz ganz viele Agents dann aufgesetzt, ganz lustig mit einem eigenen Namen und einem Gesicht und so und in unser Organigram mit eingebaut, bis ich Anfang des Jahres dachte, das eigentlich macht das ja gar keinen Sinn, weil ich baue mir ja hier eine menschliche, menschliche, in Anführungszeichen Organisation nach und habe dann irgendwann die gleichen Probleme wie in der menschlichen Organisation, nämlich dass ich hier Haufen Koordinationsaufwand und Silos und so weiter habe und haben jetzt für uns selbst, wir nennen das KI Betriebssystem, aufgesetzt. Also, ich sehe mittlerweile Agents nur noch als reine Ausführungseinheit. Als reine ... Ja, kann sein, aber es ist für mich nur eine Ausführungseinheit für digitaler Arbeit. Und wenn dieser, also es war so wie so ein Layer auf der Company und wenn dieser Layer, im Ernst das ja Agentic Mesh, ich glaube, es ist wahrscheinlich nur ein bisschen anders gedacht, ich glaube so ein Kern von den Prinzipien, dann glaube ich ähnlich, aber wenn dieser agentische Layer, der braucht auch keinen Namen und kein Gesicht oder so, vollkommen egal, weil der Agent, der muss Zugriff haben auf Prozesse, auf Daten oder den Kontext, in dem er arbeiten soll, auf Regeln, die geltende Governance, die er einhalten muss und auf andere Systeme, in denen er arbeiten oder auf die er zugreifen muss. Und wenn der das aber hat, dann kann der halt ein Trigger bekommen mit einem Auslöser, über irgendwas, was erledigt werden muss. Bei uns ist das zum Beispiel, ein Meeting mit einem Kunden ist vorbei und dann läuft da das Transkript rein und dann guckt er halt nach aus diesem Transkript, was entstehen dann jetzt für Aufgaben und dann guckt er für jede Aufgabe, es ist eigentlich ein System aus Datenbanken am Ende des Tages, guckt er halt nach, was habe ich dann für eine Prozess, über den ich diese Aufgabe lösen kann und dann geht er einfach in den Prozess rein und führt diesen Prozess aus und in den Prozess ist definiert, wann muss ich dann auf welche Datenquelle zugreifen und dann greift er darauf zu und gleichzeitig ist definiert, wann welche Systeme angesprochen werden müssen. Das ist jetzt alles ein bisschen vereinfacht oder ein bisschen salopp, so gesagt, aber mit den Modellen, die wir heute haben und auch dem, diesem Agent Harnes, wie man das ja so nennt, der verlaufen sich diese Modelle halt immer weniger und sind sehr gut darin geworden, auch solche Prozesse auszuführen. Jetzt müssen wir manchmal so ein bisschen gucken, dass die Kosten nicht explodieren und so, da lernen wir dann auch noch einiges, aber wir haben halt einfach gemerkt, wie wir und da sind wir dann wieder, das haben wir einmal gebaut und es geht jetzt nur noch darum, dass wir unsere Datenprozesse im Griff haben, weil wenn wir es schaffen, sauber unsere Prozesse zu dokumentieren und Daten bereit zu schnellen und natürlich auch die Schnittstellen, dann kann KI immer mehr von dieser digitalen Arbeit für uns erledigen. Und das war für...

02:03:37: Felix Also, also ich glaube eigentlich nicht, nee, ich glaube eigentlich nicht, aber das ist jetzt, also wir brauchen das nicht, aber jetzt hast du halt ne Firma, wo in so einem SAP halt alles, alle Prozesse und Daten abgebildet sind und jetzt hat der SAP, hat ja auch die Autonomous Enterprise oder so haben die das genannt, haben die ja groß angekündigt, also dass sie halt auch, das ist eigentlich genau das Gleiche, was wir da, also du identifizierst quasi dieses gesamte System und hast seine Prozesse dort, hast deinen Daten da, hast Schnittstellen dort und setzt Agents oben drauf, die können das alles mehr oder weniger für dich ausführen, wann das jetzt kommen wird und so weiter, weiß ich nicht, aber es ist sehr ähnlich von dem Gedanken her.

02:06:22: Alexander Thamm Yeah, all right.

02:07:20: Felix Ja, natürlich kann das auch funktionieren und ich glaube, es ist völlig unklar, wie da eigentlich, also was ich jetzt gelernt habe, ist in den letzten Jahren, dass sich dieses Spielfeld immer wieder nochmal neu ordnet und die Karten auch anders gemischt werden. Aber es gibt halt drei Sachen, die sich nie verändert werden. Und zwar, du musst halt deine Datenprozesse und die Systeme auf den KI arbeiten soll, die musst du einfach im Griff haben. Und KI wird sich jetzt die ganze Zeit weiterentwickeln. Es wird neue Konzepte geben. Jetzt gab es Agents. Jetzt geht das Richtung Skills. Dann gab es Multi-Agent Swarms, dann gab es whatever, egal, dann verfliegt das. Also wie viel es bitte in diesem Markt gespült worden, was heute überhaupt keine, spricht gar keiner mehr drüber. Und für ein paar Wochen war es die Sache, die alle machen mussten. Also wäre furchtbar gewesen, wenn man auf die, alle diese Sachen drauf gesprungen wäre. Und es gibt immer diese drei Konstanten, die geblieben sind und zusätzlich musst du halt deine Organisation befähigende Thema zu verstehen und sich für sich zu adoptieren nehmen und diese Lücke zu schließen zwischen dem was technisch möglich ist und was davon absorbiert wird gerade von den Firmen, was ja auch riesig ist. Und dann idealerweise halt so bauen, dass jedes bessere KI-Modell und jede bessere Agent, Infrastruktur, Frameworks, whatever alles besser macht.

02:08:45: Felix Und dafür sind wir dann wieder dahin klare Prozesse, verfügbare, saubere Daten und Systeme auf die KI zu greifen kann. Und das ist das, wo ich immer wieder rauskomme.

02:09:03: Felix Ja, ja, ja, genau.

02:09:07: Felix Ja, who cares? Wer muss denn jetzt bitte Fable 5 einsetzen in seinen Prozessen? Also klar ist das natürlich, wir nutzen das auch für unserem Software Engineering. Wenn wir jetzt irgendwie selbst Sachen bauen, ist das natürlich gut. Aber für 99 Prozent der Use-Cases da draußen hättest du auch schon die Modelle nicht mehr gebraucht, die dieses Jahr rausgekommen sind.

02:10:47: Felix Ich will auf jeden Fall dafür plädieren, dass halt, ich glaube, dass halt weiterhin noch viel zu viel über KI gesprochen wird. Und wenn ich, das ist auch manchmal auf so Konferenzen krass, wenn dann so Cases gezeigt werden, wie erstaunlich simpel dann viele Sachen einfach noch sind. Und deswegen glaube ich, und das ist immer wieder diese Lücke, die zeige ich auch in Vorträgen total gerne, zwischen was kann man technisch theoretisch alles machen und was kommt real davon in Unternehmen an, die halt dann irgendwie eine Richtlinie geschrieben haben, Co-Pilot Chat eingeführt haben und dann gab es einen Prompting Training und irgendwie gibt es einen Excel, wo 300 Use Cases drin stehen. Und das ist ja super, dass man schon mal diesen Schritt gemacht hat, aber ich glaube es ist echt nicht so schwer, da jetzt wo auch immer, in welchem Bereich auch immer man arbeitet, relativ weit vorne mitzuspielen und sich schon Vorteile gegenüber seinem Wettbewerb zu erarbeiten, weil halt echt viele noch nicht so richtig weit sind. Und jetzt könnte man sich zurücklehnen und sagen, ja okay, dann können wir ja auch noch ein bisschen abwarten oder halt in diese Opportunity jetzt halt rein gehen. Und ich glaube, wir brauchen einfach viel, viel mehr Pragmatismus und einfach klar, was brauchen die Companies, die brauchen halt alle produktivere Leute gerade, die brauchen alle mehr durchsatzenieren, Prozessen und damit halt einfach anzufangen und das nicht zu verkomplizieren. Das würden wir einfach viel mehr so Machermentalität und Pragmatismus in den Unternehmen da draußen wünschen. Das wäre cool. Und KI ist bereit da.

02:12:37: Felix An KI scheitert das schon ewig nicht mehr, scheitert halt eigentlich nur an uns. Wir sind halt der Flaschenhölz die ganze Zeit.

02:12:45: Felix Und dann geht es aber in Europa nach vorne. Ja, also da da sehe ich da sind genug Chancens, genug Opportunity da draußen.

02:13:02: Felix Yes.

02:13:04: Felix Genau.

02:13:05: Felix Danke, Alex.

02:13:50: