KI-Transformation im Mittelstand mit Felix Schlenther – Founder @ AI FIRST | Ep. 34

00:00:03:

00:00:12: Heute begrüßen wir einen Macher, der künstliche Intelligenz nicht als Spielerei sondern als Betriebssystem für produktive Arbeit versteht.

00:00:20: Felix Schlenter ist Gründer und Geschäftsführer von AI First – einer Initiative die den deutschen Mittelstand dabei unterstützt KI schnell sicher-und wirksam in den Alltag zu bringen!

00:00:31: Als ehemaliger Tech-Geschäftsführer und langjähriger B to B Software Praktiker verbindet Felix unternehmerische Erfahrung mit einem sehr pragmatischen Blick auf Umsetzung.

00:00:41: Welche Use Cases zahlen wirklich auf Wertschöpfung ein?

00:00:45: Welche Governance beschleunigt statt zu bremsen – und wie gelingt es Teams so zu befähigen, dass KI nicht nur ausprobiert sondern skaliert wird?

00:00:54: Mit Formaten wie der AI First School und dem AI Collective baut er außerdem eine Community die Verantwortung, Kompetenz und Tempo zusammenbringt.

00:01:02: Willkommen bei Back to the Future of AI, Felix Schlenter.

00:01:06: Heute freue ich mich riesig leider nicht in Persona aber dafür mit so viel Enthusiasmus.

00:01:14: und schon der erste Verhasbler.

00:01:15: Ich bin so aufgeregt!

00:01:18: So heute freue ich mir riesig dass der Felix Schlenter bei uns ist.

00:01:24: Zwar nicht physisch, aber dafür sind wir mit umso viel mehr Enthusiasmus heute vor der Kamera.

00:01:29: und nachdem ich ja bei dir sein durfte, Felix freue mich riesig, dass du heute im Back to the Future of AI Podcast bist.

00:01:36: Herzlich willkommen!

00:01:38: Ja hi Alex und danke, dass ich da sein darf.

00:01:40: Ich freu mich auf das Gespräch.

00:01:42: Super Ja, du weißt ja.

00:01:43: Wir machen das so mit dem DeLorean.

00:01:45: Reisen wir einmal in die Vergangenheit und dann reden wir auch noch über die Gegenworte, die zukunft vielleicht.

00:01:51: Die meisten werden ich sowieso kennen aber werde ich noch nicht kennt.

00:01:54: Vielleicht kurz Ja Du bist ja so ein Rising Star würde ich sagen in der deutschen KI Szene.

00:02:00: Wie hat es denn alles angefangen für dich?

00:02:03: Ja also bringst du mich jetzt in Verlegenheit damit Aber ich würd sagen für echt New Kid on the Block.

00:02:09: Ich Ich bin so ein Gewächs aus der Berliner Software-Startupwelt.

00:02:15: Da bin ich in meinen ersten Jobs gestolpert und wir hatten damals KI in unseren Produkten, insbesondere so Natural Language Processing Algorithmen womit wir Verschlagwortungen von Millionen von Freitext Feedbacks für Kunden gemacht haben um daraus so Insights zu generieren wie man das Kundenerlebnis verbessern könnte, Produkte verbessern können wassofür ... Probleme bei Kunden, die digital was eingekauft haben aufgetreten sind.

00:02:42: Und

00:02:43: das war das, was damals KI genannt wurde und ich würde sagen den richtigen eigenen Start.

00:02:55: mit KI hatte ich wie so viele als dann ChatGPT rauskam 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 nochmal zurückgekehrt, wo wir die NLP-Algorithmen im Produkt hatten um Feedback auszuwerten.

00:03:18: Nachdem die eine sehr missliche Lage geraten und in eine Insolvenz geschlittert sind.

00:03:23: Ich dachte hey da ist eigentlich noch total viel Substanz in der Firma.

00:03:28: und es gab dann Private Equity Unternehmen was sie außer Insolvens gekauft hat und ich bin als Geschäftsführer dort mit an Bord gekommen, um diesen Turn-Around zu managen nach der Insolvenz.

00:03:38: War vorher venture capital finanziert also viel fremdes Geld und starker Wachstumskurs.

00:03:44: jetzt hat sich das Spiel verändert gegen eher um Profitabilität und eher etwas robuster zu wachsen und dafür langfristig solide aufgestellt.

00:03:53: Dafür mussten wir aber ungefähr achtzig Prozent des Personals war schon raus.

00:03:58: im Zuge der Übernahme und meine Aufgabe war es jetzt mit achtzig prozent weniger Leuten den Umsatz zu halten habe ich mir dann diese ganze Firma von oben nach unten links und rechts angeschaut.

00:04:08: Und dachte mir, hey wir sind ein komplett digitales Unternehmen.

00:04:13: Wir entwickeln Software.

00:04:14: Wir haben eine Software in der halt Millionen von unstrukturierten Datensätzen nämlich Kunden Feedbacks verarbeitet werden ganz viel mit LLMs in unsere Prozesse-Arbeitsweisen und die Produktwertschöpfungskette zu experimentieren, zu integrieren.

00:04:33: Und dort die ersten Newscases umgesetzt – das war zwanzig dreiundzwanzig!

00:04:37: Den ganzen coolen Scheiß den wir heute nutzen können gab es damals noch lange nicht?

00:04:42: Das war so die erste Version wo Skithub Co-Pilot gab und GPT-Dreibunk.

00:04:46: fünf haben wir dann losgelegt und so.

00:04:48: Also es waren alles doch wild aber... Die ersten Dinge haben einfach funktioniert.

00:04:54: Wir haben irgendwie im Customer Support, haben wir so die ... Top ten wiederkehrenden Anfragen haben wir halt dann wegautomatisiert.

00:05:01: Wir haben im Sales sämtliche Leadqualifizierung vor Nachbereitung von Terminen gemacht, wir haben in Marketing so eine Content Pipeline aufgebaut.

00:05:09: das war es halt damals möglich aber es hat uns schon echt nach vorne gebracht.

00:05:12: und vor allem im Produkt war das super spannend weil wir auf einmal nicht mehr diese NLP Algorithmen über die ganzen Texte laufen lassen sondern LLMs können viel mehr Insights aus diesen Daten rausziehen und die nächsten Actions für die Kunden vorbereiten.

00:05:28: Das war ein wildes Jahr, so hat das alles für mich angefangen.

00:05:34: Super spannend!

00:05:35: Und auch keine leichter Aufgabe.

00:05:38: Als CEO in einer insolventen Firma startet mit Private Equity hinten dran, wie ja auch gewisse Erwartungen haben... Inwiefern siehst du das bei manchen Kunden?

00:05:53: So ein bürn your ships oder oder.

00:05:58: No way back field so als ultimative Motivation?

00:06:05: 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.

00:06:16: na also ich für mich war schon in einer sehr schwierigen Situation.

00:06:18: jetzt ging's halt darum wie also dass?

00:06:21: das war schon so'n Ja, Point of no return und dann ist es natürlich viel viel einfacher Momentum zu erzeugen.

00:06:27: Und halt sehr sehr tiefgreifende Veränderungen vorzunehmen und das sehe ich schon.

00:06:33: also wir arbeiten jetzt viel mit Mittelständlern gibt's seit einem fünfzig bis hundertjährige Historie Du hast es ja auch so schön in meinem Podcast gesagt, fand ich total gut.

00:06:43: Weil ich dachte ja so ist es die haben halt irgendwann ein richtig geiles Produkt gebaut was viele Leute einfach kaufen wollen und das hat einfach jahrzehntelang super funktioniert.

00:06:53: Und jetzt gerade ändert sich halt dieses Spielfeld ein Stück weit.

00:06:57: Aber dieser Veränderungsmuskel und vor allem mit Geschwindigkeit, sich zu verändern der ist 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 wo einfach was passiert wo man sagt ich also wo mal keine andere Wahl hat als sich stark zu verendern kann ja auch manchmal helfen sich neu zu erfinden.

00:07:21: Das heißt, also irgendwie viele Firmen kommen dann trotzdem noch durch und das ist dann eher so ein palliatives Format anstatt so einen Schlag.

00:07:34: Und dann ja spannend und vielleicht noch eine Frage die Leute, die da noch in der Firma waren wie hast du die erlebt?

00:07:41: Weil man sagt ja oft dann die guten Leute verlassen eigentlichs Unternehmen und es bleiben nur noch die übrig, die keiner wollte.

00:07:48: war das auch so oder hattest du schon Leute noch Lust hatten, den Karren rumzureißen.

00:07:54: Und wie hast du die motiviert damals dann?

00:07:57: Ja, also es war auf jeden Fall Herausforder.

00:08:00: 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 aus so'n bisschen inspiriert.

00:08:11: 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 einen sehr stark zusammengewachsenes Team.

00:08:24: 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 nochmal stärker auszuspielen.

00:08:43: Weil wir hatten da jetzt kein großes mittleres Management mehr oder irgendwas.

00:08:49: extrem nach vorne marschieren und mit einer kleinen Anzahl an Leuten das Wuppen, was vorher viel mehr Leute gemacht haben.

00:08:55: Wo natürlich auch Overhead usw.

00:08:58: gewachsen ist der vielleicht manche Leute die dann aus so einer Situation heraus treten oder auf einmal viel mehr Verantwortung übernehmen und da Dinge leisten, die man vorher nicht so für wirklich gehalten hätte.

00:09:11: Ich erinnere mich noch an unsere Engineers als wir da.

00:09:17: Wir hatten noch sehr viel technische Schuld uns aufgebaut und standen auch produktseitig.

00:09:21: Die ganze Zeit die Frage bauen wir das halt auf der Grünen Wiese nochmal neu, aber heute würde man sagen mit den Coding-Agencies gibt ja klar machen wir das!

00:09:29: Aber damals gab's das halt nicht.

00:09:31: Ihr musst die ganze Zeit überlegen, was bauen wir neu und was reflectern wir?

00:09:35: Und ansonsten manche Features haben Monate gedauert bis wieder ein kleines Feature irgendeinen Knopf irgendwo ran programmiert hat.

00:09:42: Wundervorstellbar heute.

00:09:43: aber es war halt diese Situation.

00:09:44: Als wir da dann reingegangen sind gesagt haben hey lass uns mal schauen wie wir hier Kali in unserem Entwicklungsprozess nutzen können.

00:09:50: oder die auf einmal gemerkt haben okay krass crazy.

00:09:52: ich kann ja jetzt auf einmal Dinge auf die selbst gar kein hatte irgendwie diesen Code aufzuräumen, viel stärker Karrierunterstütze machen lassen um viel mehr Zeit eigentlich für die spannende Arbeit zu haben.

00:10:04: Das waren so coole Momente und dann hat sich auch Momentum dann gehend aufgebaut Und gab natürlich auch tausend Sachen, die nicht funktioniert haben.

00:10:14: Also das will ich jetzt nicht unterm Tisch kehren.

00:10:17: wir hatten dann halt noch ein paar zwei Entwickler von den zentralen Teams aus dem PE bekommen, die uns dann geholfen haben wirklich nur KiUzCase ist umzusetzen und das hat halt schon noch geholft.

00:10:30: aber ja es gab natürlich super viel was nicht geklappt

00:10:32: hat.

00:10:33: Das ist schon krass!

00:10:35: Weil das lustig ist Erzählt es jetzt ja von vor so umherer drei Jahren, würde der Bayer sagen.

00:10:40: Ja

00:10:42: und ich aber I feel you.

00:10:43: also das fühlte sich... Ich kann mich da auch zurück erinnern und wahrscheinlich genau gibt's irgendwann so Pre-Chartivity und Afterchartivity live Also ist schon verrückt, ne?

00:10:55: Manche habe ich Leute hier die machen seit vierzig Jahren Daten Zeugs Und die erzählen dann noch so wie der Steven Probst von von Jurassic Park und diesem Supercomputer, aber auch was du erzählst ist schon entsprechend weit weg.

00:11:12: Du hast vollkommen recht vor allen Dingen... Was waren dann so die nächsten Steps?

00:11:18: Also dann hast du das irgendwie rumreißen können oder wie ging es da weiter?

00:11:23: Ja genau also.

00:11:24: wir haben es dann geschafft wieder so auf so ein kurs von zwanzig prozent wachst du mit einer zwanzich prozent marge zu kommen.

00:11:33: also so eine ruller fortie sagt man ja so.

00:11:36: na das war das war dann das ziel und da sind wir dann so wieder hingekommen hatten halt ne anständige roadmap gebaut.

00:11:42: wie wird's das produkt auch.

00:11:46: AI first gedacht.

00:11:47: also wie können wir eigentlich den Wert, den wird zum Kunden bringen können mit KI schneller und oder besser erreichen.

00:11:54: Da waren wir dann wieder und hatten das stabilisiert.

00:11:57: ich habe dann gemerkt dass mir in dieser Konstellation nicht mein sweet spot war weil ich eigentlich gemerkt hab Es juckt mir in den Fingern, mich unternehmerisch voll auszuleben und ich hatte dort eine tolle Plattform dafür.

00:12:14: Aber am Ende war... Ich hatte doch unterschiedliche Stakeholder und wir hatten dann noch ... Zwei Neues, also ich habe dann einen CTPO der für Tech und Produkt verantwortlich war.

00:12:30: Und eine kommerzielle Geschäftsführerin noch eingestellt und eingearbeitet die das bis heute auch super machen und weiterentwickeln.

00:12:37: Ich hatte in dem Jahr schon erkannt dass mich dieses KI-Thema halt so sehr reizt... Also ich wusste gar nicht was sich wachen will nur dass ich hundert Prozent meiner Zeit in diesem Feld verbringen möchte.

00:12:50: Und ja, genau also nach einem Jahr ungefähr bin ich dann da raus hatte das noch übergeben und habe mich dann erstmal solo selbstständig

00:12:58: gemacht.".

00:13:00: Hast du da wie Angst?

00:13:08: Ja,

00:13:10: natürlich.

00:13:10: Das war total aufregend weil ich dachte ja... Ich habe vorher mal durfte immer sehr unternehmrisch arbeiten aber eben für andere was super war mega viel gelernt immer tolle Chefs gehabt.

00:13:18: die haben mir alle mal ein größeres Paar Schuhe vor die Tür gestellt wo ich eigentlich rein wachsen musste.

00:13:23: Aber trotzdem dachte ich manchmal so ja ich wüsste dass er alles soviel besser und jetzt hatte ich das erste Mal die Chance das alles besser zu machen und dann hab' ich gemerkt okay ist doch gar nicht so einfach.

00:13:34: man hat einfach manchmal Entscheidungen mit Trade-offs trivial sind zu treffen.

00:13:38: und was ich dann gemerkt habe war wie schwierig das eigentlich ist mich zu positionieren und erstmal zu definieren, was will ich denn hier überhaupt anbieten?

00:13:48: Und für wen eigentlich wusste ich gar nicht.

00:13:51: Deswegen hab' ich... Das war Anfang zwanzig vierundzwanzig sind wir dann und damals zumindest in meiner Zielgruppe also Mittelständler paar hundert Mitarbeitende bis Hundert Millionen Umsatz eher digital totales Geschäftsmodell, aber mit Historie.

00:14:09: Das war so die Zielgruppe und damals konnte ich das ganze Land tingeln und erst mal erzählen was ist KI überhaupt?

00:14:18: Und warum ist es jetzt wichtig?

00:14:23: Ich muss das zumindest nicht mehr erklären, aber das war damals noch so... Es gab noch so gar keine Dienstleistung, vor allem jetzt für so Gen AI und LLMs.

00:14:36: Da hast du dann halt mal einen Workshop gemacht und gezeigt hat wie GPD funktioniert.

00:14:40: aber das war natürlich klar.

00:14:42: es hat auch nicht die Nadel irgendwie großartig weiter bewegt.

00:14:47: Und gleichzeitig habe ich gemerkt dass das was ich da vorher gemacht habe ist jetzt nicht unbedingt so anwendbar ... auf so ein traditionelles Unternehmen, wo es auch so wie du schon anfangs richtig gesagt hast noch irgendwie... ... bisschen zu gut läuft um zu sagen hey wir drehen jetzt hier mal unsere Prozesse und unser Geschäftsmodell.

00:15:05: Und man muss auch sagen damals war die KI ja auch eine ganz andere als das heute ist.

00:15:11: also die technischen Fähigkeiten waren ja auch noch ganz woanders Ja?

00:15:17: Das war ja so ein bisschen so das Gemengelage.

00:15:20: Da habe ich dann aber einfach weiter gemacht und bin halt erst mal da rausgekommen, dass ganz viel bei dieser Befähigung von den Menschen am Monteney eigentlich hängt.

00:15:34: Und so habe ich ein Programm entwickelt wo wir ... Wirklich am Anfang so ein Zielbild entwickelt haben und von daraus dann, von der Geschäftsführung bis zur breiten Belegschaft erstmal alle Menschen die am PC arbeiten in ihren unterschiedlichen Rollen erst mal in die Anwendungen überhaupt mal vom KI gebracht haben.

00:15:55: Das war also der erste Schritt Level eins individuelle Produktivität um von da aus weiterzugehen in die Prozesse und dann ganz oben auch ins Geschäftsmodell gucken zu können.

00:16:05: aber 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.

00:16:18: Und deswegen sind wir da so ein bisschen von der anderen Seite ran gegangen.

00:16:21: Ich bohr nochmal ein bisschen, weil was war so dieser erste Moment?

00:16:26: Also dann warst du raus, dann hast du Bock auf KI gehabt eigentlich im weitesten Sinne.

00:16:31: also was waren denn so... Bei diesem Produkt-Marketfit-Journey, was waren dann so die Momente?

00:16:38: Also hast du da irgendwie dann Lennart von Langdorck kennengelernt oder hast du irgendwie einen Kunden gehabt der bei dem super lief oder ganz furchtbar lief.

00:16:46: Oder was war denn so?

00:16:49: dieses eine Ritteln auf um dann das zu finden wo was du heute machst Oder wo diese Richtung sich einmal eingerüttelt hat.

00:17:00: Hätt ja auch sein können, du wirst KI-Fernsehmoderator oder

00:17:04: fängst

00:17:05: dann bei einer großen Beratung an... ...oder was weiß ich?

00:17:10: Machst ein Use Case Startup oder so.

00:17:13: Es hätte hier auch anders laufen können, oder?

00:17:17: Ja also... Ja klar, natürlich.

00:17:21: Auf jeden Fall hätte das anders laufen können.

00:17:23: Ich glaube ich bin halt dem gefolgt... ...ich habe unterschiedlichste Sachen ausprobiert und ich bin dem ge folgt was mir am meisten Spaß gemacht hat und Energie gegeben hat weil ich immer ganz stark daran glaube dass wenn man das hatten, damit überwindet man ganz viele andere Dinge.

00:17:35: Und was mich halt extrem bis heute noch Freude macht ist halt zu sehen wie Menschen die Die lernen KI, die Fähigkeiten von KI für sich richtig zu nutzen.

00:17:46: Auf einmal Dinge tun können sie vorher so nicht möglich

00:17:49: an.

00:17:49: Und dann so einen Enlightenment haben?

00:17:50: So eine Erwachen oder so ein digitales Erwachsenen...

00:17:55: Ja ich meine es ist verrückt!

00:17:58: Es gibt jetzt Solo-Gründer, die bauen halt eine Firma in sechs Monaten verkaufen, die für Achtzig Millionen Dollar ganz alleine.

00:18:07: Das ist geil.

00:18:10: Leider ganz, ganz viel von diesem Potenzial versickert halt noch in Strukturen und Prozessen in Unternehmen die einfach darauf nicht ausgelegt sind.

00:18:20: 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.

00:18:35: Also du musst ja den Namen nicht sagen oder?

00:18:37: Da höre ich auch auf zu bohren, aber gab es so einen ersten Kundel oder ein erster Workshop?

00:18:46: Gibt es einen Moment an dem du dich erinnerst?

00:18:54: Ja, ich erinnere mich.

00:18:55: Also was ich bis heute mache ist... Teile sehr, sehr viel auf LinkedIn.

00:18:59: Also ich habe halt auch beim Aufbau von meiner Selbstständigkeit Selfie-KI genutzt.

00:19:02: Ich hatte das vorher in der Kompanie gemacht und ich hab sehr viel dazu geteilt auf LinkedIn.

00:19:07: Und dann sind Leute auf mich aufmerksam geworden und haben gesagt wir wollen das auch bei uns machen und hast du mal Lust hier vorbeizukommen?

00:19:16: und so waren da die ersten ganz einfachen Aufträge.

00:19:20: Ich wusste auch gar nicht, was der Wert von meiner Zeit ist und was man dafür nehmen kann.

00:19:26: Und habe dann diesen ersten Workshop so für tausend Euro verkauft.

00:19:30: Und bin dafür wirklich durchs ganze Land gefahren an den allerwertesten in der Welt!

00:19:37: Und war dann da halt den ganzen Tag super viel Zeit in diese Vorbereitung gesteckt und dachte trotzdem... hat sich nicht nach wenig Geld angefühlt.

00:19:48: Und das ging um Co-Pilot damals, wie die Co-pilot einsetzen können.

00:19:51: und wer heute Co- Pilot kennt jetzt fragt euch mal Anfang zwanzig vierundzwanzig was damals Co- pilot war.

00:19:57: und da wurde ich da wirklich.

00:19:59: 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.

00:20:09: aber Das war dann halt der erste erste punkt und ich hab halt so mache ich das halt bis heute rausgehen, seinem Bestes geben und dann lernen und immer ein bisschen dazu lernen und besser werden.

00:20:21: Ja aber das war so der Startpunkt...

00:20:25: Was hatte ich denn trotzdem gefost da weiterzumachen oder das Konzept weiterzuerwickeln?

00:20:34: Weil ich ja bei mir gesehen habe, dass das halt funktioniert.

00:20:38: Was ich jetzt verstehen musste ist wie kriege ich diese Technologie in größere Firmen rein?

00:20:45: und was sind so die Schritte, die ich gehen muss?

00:20:48: Und da gab es keine Vorlage dafür an der ich mich langhangeln konnte.

00:20:52: Das muss sich selbst herausfinden.

00:20:54: Aber

00:20:54: das ist interessant!

00:20:55: Dieses Seeing ist beliebig wenn man einmal von dem Nektar geschleckt hatte, also bei mir war es ja genauso.

00:21:01: Also das noch andere Kontext gewesen.

00:21:04: aber ich habe damals auch den Daten was gefunden bei BMW was wir keiner glauben wollte.

00:21:10: und dann so wenn man einmal dieses merkt was man eigentlich für eine Power hat.

00:21:18: Ich soll sagen wie unglaublich und nicht dumm.

00:21:21: Also man will das dann, man hat schon ein bisschen so einen leichten Missionierungser.

00:21:25: Ja ja, total.

00:21:29: Ich habe am Anfang da auch echt immer Probleme gehabt weil ich teilweise auch wirklich aggressiv geworden bin.

00:21:35: Ich hab' teilweise auch die Leute nicht beschimpft aber vielleicht doch hier und da.

00:21:40: Weil weißt du wenn die einfach immer wieder dagegen reden ist einfach nicht checken.

00:21:44: Aber da habe ich dann auch gemerkt mit der Brechstange... Also, hast du auch so einen Moment oder... also wie weit ist das?

00:21:52: Ich glaube dafür bin ich zu sehr people-pleaser.

00:22:01: Aber ich hatte auf jeden Fall, ich dachte auch, dass es nicht jeder versteht, so wie ich das verstanden habe und das irgendwie auf die Zukunft her vorweiterechnen kann und sich vorstellen kann, alle digitale Arbeit und Prozesse massiv disruptiert werden.

00:22:21: Und dass, wer auf diesem neuen Spiel fällt diese Technologie nicht lernt für sich richtig zu nutzen das 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.

00:22:39: Dass das nicht jeder schon längst gesehen und verstanden hat war für mich unerklärlich ganz lange Zeit.

00:22:44: Ja aber es

00:22:44: ist ja heute immer noch so, also ich meine wie gesagt die letzten zwanzig Jahre.

00:22:49: Es wird immer krasser Und zwar exponentiell krasser.

00:22:53: Also ist hier in den letzten drei Wochen schon schneller krasser geworden als irgendwie die ersten fünf jahre jetzt oder so.

00:22:59: Also zumindest aus meiner Sicht.

00:23:01: Aber es ist immer doch so.

00:23:03: Alle wissen, dass Rauchen nicht gesund ist.

00:23:05: und du sagst ich habe eine Pille.

00:23:08: Die nimmst du und alle rauchen mich mehr!

00:23:10: Und dann sitzen im Raum so Leute die für zigtausende von hunderttausenden Millionen vom Menschen verantwortlich sind... ...und die paffen alle lustig und sagen ja ja das ist ganz interessant.

00:23:22: Schauen Sie sich das mal an.

00:23:24: Gehen sie mal und probieren sie mal diese Pille da aus.

00:23:28: Oder sie oder siehst du?

00:23:30: Oder wie siehst Du so die Entwicklung also jetzt so ein bisschen nach vorne.

00:23:38: Hast du das Gefühl, du schaffst es besser, die Leute zu begeistern und mitzunehmen?

00:23:43: oder wie ist da so?

00:23:44: dein Ja genau

00:23:51: Also ja Aber das Thema hat sich halt auch ist natürlich auch gereift Und aus dieser, sagen wir mal, ... ... zwanzig vierundzwanzig.

00:24:01: Das war so ... ... ja, Pionierphase das war ein bisschen ... ... alle haben sich mal so ein bisschen ran gewagt und ... ... uns ein bisschen was exploriert.

00:24:14: Damals das war auch einfach nur reines Chatbot-Thema Die LLMs waren noch nicht so weit und ich glaube, das ist fast noch wichtiger.

00:24:23: Die ganze Infrastruktur um die LLMS, also die ganze Applikationsebene wo die eingebaut werden war ja auch noch gar nicht soweit.

00:24:30: Die ganzen Produkte, die ganzen Integrationen

00:24:32: usw.,

00:24:33: da war so vieles noch ungeklärt.

00:24:34: Und deswegen war man natürlich limitiert mit dem was wir machen konnte.

00:24:39: Das hat sich ja alles massiv weiterentwickelt.

00:24:45: Es ist ja abartig was an Investitionen, an Geld da reingeflossen ist in diesen Markt und was dadurch auch also auf der einen Seite technisch weitergekommen ist.

00:24:56: Auf der anderen Seite aber auch etwas marketingseitig da passiert Und das hat natürlich diesen markt total angeschoben.

00:25:03: ich glaube es ist jetzt immer so ein mix aus einer ungesunden Fomo die da auf der eine Seite einhergehen auf der anderen seite auch so eine erkenntnis okay dass wird halt nicht mehr weggehen.

00:25:14: Und wie weit wir wirklich sind, glaube ich weiß keiner aber auf jeden Fall noch nicht am Ende.

00:25:22: und jetzt gibt es natürlich auch immer mehr Cases die so kommen manchmal Cases Stories wie man sagen möchte, die halt auch zeigen dass ein Wert entstehen kann.

00:25:35: Und klar, das allein hat schon geholfen und wir haben natürlich immer besser herausgefunden.

00:25:40: Wie bringt man jetzt Gen AI LLMs und jetzt auch Agenten in so eine Company rein?

00:25:48: Erzähl mal ein bisschen was du erzählen magst.

00:25:51: also die hat sich dann ja ansatzoweit entwickeln.

00:25:54: oder was waren da so Milestones?

00:25:57: wie macht ihr das gerne auch?

00:26:01: welche Technologie nutzt du da gerne oder wie gehst du vor?

00:26:05: also gerne so bisschen was in deinem Liebling ist hast du in der Industrie, wo du am meisten beheimatet fühlst.

00:26:12: vorher hatten dass du kommst dich oft nach Bayern.

00:26:14: ja mal schauen wir können das mal ändern.

00:26:17: Wie hat es sich entwickelt und wie kann man dich da einsortieren sagen wir mal so?

00:26:25: Ja also wir haben gerade unseren Fokus wirklich auf AI Enablement.

00:26:31: Wir machen also sind nicht die, die die großen Strategien bauen.

00:26:35: Wir sind auch nicht die hinten die technische Implementierung von komplexeren Newscases machen.

00:26:40: da arbeiten wir super gerne mit Partnern zusammen, die das sehr gut können.

00:26:43: was wir richtig gut können ist Menschen anzuzünden mit KI zu arbeiten und KI zu nutzen.

00:26:49: Und wir arbeiten darüber vier Zielgruppen die wir dann fit machen und befähigen in ihrer Rolle, mit Kain größtmöglichen Wertbeitrag für ihre Firma zu haben.

00:27:05: Das sind erstmal alle Leute, die tagtäglich am PC arbeiten so die breite Belegschaft der Wissensarbeiter.

00:27:13: und ich glaube da geht es halt vor allem darum sich über KI zu erweitern und zu horizontal Aufgaben von recherchieren dokumentieren kommunizieren Planung und so weiter mit KI, also da halt ganz stark mit KI zu arbeiten.

00:27:30: Und was wir da zum Beispiel gemerkt haben ist das so ein Eintrick.

00:27:36: damals haben wir am Anfang den Leuten haben wir so Features & Functions gezeigt von irgendwelchen KITools, ChatchiPT Lengdor Co-Pilot whatever.

00:27:48: Was wir heute am Anfang mit allen machen ist, dass die sich ein Kontextprofil erstellen müssen.

00:27:56: Was von über einen KI-Interview abgefragt wird.

00:28:02: Sie werden von einer KI interviewt und müssen die Fragen beantworten.

00:28:06: Meistens bringen wir den gleich bei nutzenden Spracheingabe.

00:28:11: Und daraus wird dann ein Kontexprofil erscheldet, eine Markdown Datei Und im nächsten Schritt zeigen wir denen, wie sie die Markdown-Datei nutzen können um sich von KI einen Plan geben zu lassen.

00:28:21: Wie Sie Ihre eigene Rolle eigentlich KI gestützt weiterentwickeln können und KI in Ihren Arbeitsalltag bringen können?

00:28:28: Was sind Use Cases?

00:28:30: Wie setzen Sie die oben?

00:28:31: Die ersten einfachen Promptvorlagen aber das ist... Also auf einmal passiert da halt was im Kopf, dass die Leute verstehen okay ich muss der KI beibringen.

00:28:41: Wer bin ich?

00:28:41: Wie arbeite ich?

00:28:42: Halte Daten bereitstellen, Kontext bereitstellen und dann kann ich KI nutzen um wiederum KI besser zu nutzen.

00:28:50: Und das sind so Sachen, da haben wir aber auch... vielleicht für manche hier zuhören sagen ist ja klar, wir haben ein bisschen gebraucht um dahinzukommen.

00:28:58: 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.

00:29:12: Und das sind einfache Prinzipien.

00:29:13: wenn die aber einmal sitzen hören Leute nicht mehr auf so zu arbeiten.

00:29:19: nach unserer Erfahrung Damit kommt man nur so weit.

00:29:23: 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 der Haken dran sein.

00:29:34: das ist wie gesagt die Eintrittskarte für alles andere.

00:29:38: aber dann muss man irgendwie in die Prozesse reinkommen.

00:29:41: Und da haben wir gelernt, dass es zwei Ansätze gibt.

00:29:44: Der eine Ansatz ist von oben auf das Business gucken.

00:29:46: Das machen wir auch wenn wir so ein Zielbild definieren gucken und sagen hey wo wollt ihr eigentlich hin in den nächsten Jahren?

00:29:51: Worum gehts hier zum Wachstum?

00:29:52: geht's um Profitabilität?

00:29:53: was sind die großen Linien?

00:29:56: und von daraus schauen wir dann wo gibts eigentlich Hebel die KI unterstützen kann?

00:30:01: Also wenn zum Beispiel Profitabilität geht, kann man sich gucken was sind die großen Kostcenter hier?

00:30:06: Kostenblöcken in der Company und wo gibt es Fähigkeiten von KI die auch reif genug sind um doch zu helfen?

00:30:12: Ganz einfacher klarer Case ist natürlich Support.

00:30:16: So Support gibt das jetzt mittlerweile einfach super viel Technologie.

00:30:20: schon auch KI geschützt mit ohne KI Die genau dabei helfen Und das ist einfach aber so ein Top-Down-Use-Case.

00:30:26: Den muss ich jetzt nicht jugendforschtmäßig aus dem TV herauserkennen, sondern das ist halt sehr klar.

00:30:32: und da geht es halt darum entweder einen starken technischen Implimentierungspartner wie euch dann zum Beispiel zu haben die genau meine Lösung bauen können oder einen Technologiepartner zu finden der genau dieses Problem gelöst hat.

00:30:44: Genauso wie jetzt, wenn ich ein Softwareprodukt bauere dann ist natürlich die Velocity von meinen Engineers.

00:30:52: Wie schnell die neue Vitas schippen können ist natürlich zentral für meine Wertschöpfung.

00:30:55: also es klar dass sich damit Coding Agents und einem System bauen kann wie Agents meine Velocities im Engineering steigern können.

00:31:09: wird zum Beispiel.

00:31:10: Die machen das, da ist natürlich Sales ein ganz wichtiger Teil von der Wertschöpfung und die haben sich dann halt so einen KI-Assistenten gebaut weiß ich nicht.

00:31:21: Hatte ihr auch eure Finger im Spiel?

00:31:23: Keine Ahnung!

00:31:23: Aber die fanden sich total cool in Case, haben sich da einen KI Assistenten gebaute, der jedem Außendienstler dabei hilft direkt die Termine nachzubereiten, Angebote fortzubereiten und darüber die Produktivität von jedem Vertriebler Steiger, dann hast du gleich einen Top-Line Effekt.

00:31:39: Aber das sind so ... Kann man von oben aufs Business gucken und dann findet man diese Cases.

00:31:44: Ähm aber...

00:31:46: Siehst du da?

00:31:47: Hast du schon eine Art Wertschöpfungs Landkarte wo du sagst, ja jetzt sind wir hier beim Maschinenbauer

00:31:53: da

00:31:54: die brauchen meistens des.

00:31:55: Glauben dass sie das brauchen, brauchen wir eigentlich das?

00:31:57: oder?

00:31:59: ich glaube im Retail machst du auch Sachen ne?

00:32:01: Habe ich gesehen.

00:32:02: also hast du da schon so Kommst du schon ein bisschen mit so einer vorgefertigten Meinung, aber mit so einem Gespür?

00:32:13: Oder andersrum siehst du vor allen Dingen industriespezifische Patterns.

00:32:18: Was die brauchen.

00:32:23: Ich glaube eher auf Funktionsbereichs.

00:32:27: Ja, weil wir sind also... Wir haben so ein bisschen so einen Retail-Ausschlag aber sind ansonsten auch sehr branchenagnostisch.

00:32:36: Ich würde sagen da sind wir noch nicht super nieschig immer wieder in dem gleichen Bereich drin.

00:32:41: Aber ja auf der Funktionsbereichsebene gibt es halt überall so ein paar Cases die halt relativ klar sind.

00:32:48: Also wenn du eine große Einkaufsabteilung oder auch Sales Abteilungs hast wo's viel um Ausschreibungen geht dann ist dieser Ausschreibungs Case zum Beispiel auch wieder ganz klare Value Case, der sich total lohnt auch zu investieren.

00:33:00: Weil das Problem und die Zeit, die da reingeht halt enorm groß ist.

00:33:07: Da gibt es so ein paar, die man jetzt auch immer wieder sieht dass sie recht viele Companies umsetzen.

00:33:14: Einige davon hatte ich jetzt schon genannt.

00:33:16: Und dann eher über die Nebling Function sagen wir mal so?

00:33:21: keine Ahnung, Arbeitszeugnisse im HR oder irgendwie so Allgemeinkosten, Analyse.

00:33:29: Also bei das zum Beispiel für uns.

00:33:29: aber wenn wir in eine neue Industrie gehen dann gehen wir meistens rein über, keine Ahno, Enabling Functions weil wir halt noch nicht so genau wissen wie jetzt Moleküle andocken oder so.

00:33:41: Dann sind wir da erstmal im Financial Forecasting vielleicht und dann irgendwann merken Warum ist es so?

00:33:47: und dann gräbt man sich immer mehr in den Kern rein.

00:33:50: oder siehst du sowas auch?

00:33:53: Oder ist das eigentlich so, dass die alle noch soweit weg sind von so einem... Das ist für euch Challenging-Wirt ganz krass.

00:34:01: Ist so, oder?

00:34:03: Ja ja also ich glaube so ein wirklich komplexer Date, Daten, Daten und KI Use Case für ganz viele Firmen eher total überfordernd und oftmals auch die damit einhergehende Investitionen.

00:34:20: Also die Firma muss ja auch bereit dafür sein, sowas überhaupt umsetzen zu können.

00:34:25: Und da sehen wir schon dass der Reifegrad oft noch gar nicht unbedingt gegeben ist und was wir halt oftmals deswegen machen es erst mal zu gucken wo lassen sich denn jetzt hier Quikrenz zeigen überhaupt erstmal Momentum aufzubauen und diese Organisation in Bewegung zu bringen?

00:34:42: Das sind dann Ähm, das sind dann nicht die riesen Kosteneinsparungen oder die Riesenumsatzhebel.

00:34:49: Aber man lässt... Man kann damit halt ganz konkrete Probleme in bestimmten Bereichen lösen.

00:34:56: Also wir hatten das zuletzt im Marketing-Team, da gab es eine Gerichtstrukturierung.

00:35:00: Da wurden halt aus drei Leuten dem Team wurde einer.

00:35:03: Dann haben wir uns angeguckt was haben wir denn?

00:35:05: Was haben denn diese anderen Leute gemacht und haben deren Wissen, Arbeitsweise usw.

00:35:09: in Agents mit Skills überführt?

00:35:11: Die die andere Person, die noch da geblieben ist jetzt heute nutzen kann um das Mehrarbeitsvolumen bewältigen zu können.

00:35:19: Und das ist nicht der große Nordstern-Leuchtturmcase!

00:35:25: der Millionen einspart, aber es ist ein Case.

00:35:28: jetzt zeigt das funktioniert.

00:35:29: Das haben wir in wenigen Wochen umgesetzt und löse ein Problem und erzeugt halt einen Wert.

00:35:35: Und dann ist ja die Frage wie schaffen wir's denn jetzt?

00:35:38: Dass das ganz viele Abteilungen so für sich nutzen können.

00:35:43: Da bauen wir dann so interne... Bilder auf, also Leute die ihre fachbereichere Prozesse ganz gut können und denen wir die AI Toolbox beibringen mit den sie dann so quick with news cases sehr dezentral sehr schnell ohne zu komplexe Prozessen umsetzen können.

00:36:06: Das ist das Level zwei.

00:36:08: nach der individuellen Produktivität gehen wir da rein.

00:36:12: Dann ist immer die Herausforderung später, wie fängt man das dann wieder ein?

00:36:17: Weil dann hast du natürlich erst mal auch so ein bisschen des Dezentrale bringen wir Geschwindigkeit aber auch so was bisschen Kück.

00:36:24: Chaos ist vielleicht ein bisschen übertrieben gesagt, aber du hast dann halt ja kleinteilige Lösung.

00:36:30: Wie bringt man das dann wieder zusammen?

00:36:33: Und da müssen wir die Führungskräfte mit reinholen.

00:36:36: Da sagen wir immer also jeder vom CEO bis zum mittleren Management.

00:36:40: Die müssen halt auch alle erstmal richtig gut mit KI arbeiten können.

00:36:45: Die müssen sich auch mal ein paar Stunden hinsetzen und ihr Kontextprofil erstellen, die müssen sie sich auch einmal so einen Agent als einen digitalen Zwilling bauen den Sie dann nutzen können und die müssen sich über KI hebeln und Vorbild vor allem für ihre Teams sein.

00:37:01: 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?

00:37:10: Was sind Kernaufgaben, die immer wieder passieren?

00:37:11: Was ist denn Schritte in diesen Schritten?

00:37:13: Wann brauche ich welche Daten, wann wird welches System angesprochen, was sind In- und Outputs über so einen Prozess das mal einfach zu begreifen wie eigentlich Arbeit erledigt wird und zu einem bestimmten Wert kommt?

00:37:25: Darf

00:37:26: ich noch

00:37:29: mal einhaken oder zählen?

00:37:31: Ich bin jetzt im Fluss, aber gerne.

00:37:33: Leider

00:37:33: ist es richtig geil!

00:37:36: Weil ich finde das so krass dass das oft gar nicht.

00:37:39: da sind Firmen.

00:37:41: Also

00:37:43: du

00:37:44: sagst jetzt die Aero Eye on AI und dann sagt ihr okay was ist denn die Baseline bla bla bla.

00:37:49: Und dann so ja lass mal den Prozess nehmen nicht in der UseCast Trap Landen usw.. Und dann fragst du, was so eine Prozessbeschreibung ist.

00:37:58: Eben wieder kriegst du halt so eine Folie, da steht drauf Einkauf oder ein Orcati-Gramm.

00:38:03: Oder du bekommst dann diese ISO BPM-Ding wo in irgendeinem Tool ganz feiner granularisiert alles bestimmt ist, was aber nur einer kennt, der das machen musste für irgendjemanden... Also das war nicht so krass und vor allem manchen Industrien sind es sehr funktional aufgestellt.

00:38:23: ist es so?

00:38:24: ja, da gibt's da keinen Prozess.

00:38:25: Also die Person kommt halt auf Arbeit und arbeitet halt... ...und dann geht er wieder heim!

00:38:32: Und der einzige Wüschker kann sein, der Person kommt nicht mehr auf Arbeit.

00:38:35: Der einzige Value sozusagen.

00:38:37: oder also wenn du lachst jetzt.

00:38:42: Ja und trotzdem man muss ja sagen diese Firmen sind zum Teil halt extrem erfolgreich ne?

00:38:46: Oder viele davon.

00:38:48: An wirtschaften Milliarden Gewinne teilweise.

00:38:51: Und dann sagst du, ich könnte ja das so nicht machen und sagen sie.

00:38:53: Ja

00:38:54: aber

00:38:55: mein Portrait ist dicker als... Also ich

00:38:58: hab kein Portrait.

00:38:58: Das möcht

00:38:59: jetzt von mir.

00:39:00: Genau, genau!

00:39:01: Wie willst du da die Welt erklären?

00:39:02: Noch drauf und macht Spaß?

00:39:03: oder wie gehört dieses Laufen so äh, äh... Der Kauber ist frei und fühlt sich wohl dabei.

00:39:10: Ich bauche gern!

00:39:11: Genau, das war dieser eine.

00:39:12: Da man sagt, da darfst du ihn mal noch... egal.

00:39:18: Also also wie mahlst du diesen Prozess auf?

00:39:21: Machst du es in Miro oder mit Powerpoint?

00:39:23: Ja genau, also Whiteboard oder Miro.

00:39:26: Das ist wirklich einfach auch mit der... Wie sagt man das?

00:39:29: ... ... mit der Arm am Hand?

00:39:31: Nee, mit dem Handarm.

00:39:33: Also sehr unsp-... das ist so ganz unspektakulär!

00:39:37: 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 in Anführungszeichen raus AI Powered Sales Experience.

00:39:56: So truerül.

00:39:57: Kann alles noch nicht sein ne?

00:39:59: Ja

00:39:59: genau und...?

00:40:01: 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.

00:40:14: wie und wo brauchen wir hier überhaupt KI?

00:40:16: Und was braucht KI, um das zu tun, was getan werden muss.

00:40:21: Und dann vor allem wenn wir mal diesen aktuellen Prozess runtergebrochen haben – und da müssen wir wirklich auf die Einzelschritte runter und für jeden einzelnen Schritt Input-Output notwendige Entscheidungen, die Skates, die vielleicht drin sind welche Datensystemzugriffe

00:40:36: usw.,

00:40:36: dass man das mal aufgefächert hat, dann zu sagen Wie können diese Einzelteile aus diesem Prozess nochmal neu anordnen, um mit KI mitgedacht das was wir da hinten rausbekommen können.

00:40:51: Vielleicht in der Hälfte der Zeit oder mit dem fünffachen Durchsatz oder wie auch immer zu erreichen?

00:40:58: und dass 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 sie sind ja verschiedenste Stakeholder usw.

00:41:09: Aber da coachen wir zumindest Führungskräfte dahin, dass sie es inhaltlich verstehen.

00:41:15: Merken dann aber auch um da in die Umsetzung zu gehen.

00:41:18: Da braucht's dann halt wirklich spezialisierte Daten und KI-Teams, die genau diese Expertise haben, um so was dann umsetzen zu können.

00:41:29: Und wobei das bei unseren

00:41:30: Kunden... Wobei den da noch fürs Konzesswissen halt fehlt, ne?

00:41:32: Also so ... Aber ja, das macht total Sinn.

00:41:38: Wir haben es auch erst seit nicht allzu langer Zeit angefangen, dass wir mehr auf Prozesse schauen.

00:41:46: In der Daten-KI-Welt der Neunzeiger hätte ich was gesagt.

00:41:51: Da war das so, alle haben ja nur Pox und Piloten und wer hat den produktiven KI Bus Cases?

00:41:57: Ja und eigentlich auch, nachdem man erstmal definiert hat was ist ein Data Scientist und der braucht irgendwie Daten.

00:42:03: Also früher war es ja wirklich so, weil wir vorher aus unserem Automobilhersteller geredet haben da gab's eine Datenbereich und einen KI-Bereich Und die mochten sich nicht!

00:42:13: Die haben auch nie miteinander geredelt.

00:42:15: Und irgendwann hat man es dann geschafft mit vielen Kaffees und Bier und sonst was das man so den Diagramm gemacht hat.

00:42:22: und dann gab es so ne Überschneidung zwischen Daten und KI.

00:42:25: Es gab immer noch KI ohne Daten und Daten ohne Algorithmen hinten raus.

00:42:30: Klar kann man sagen, der Sport braucht es sich unbedingt aber man macht ja auch schon dann irgendeine Berechnung oder einen Vorkarzt also das ist ja auch schnell dann irgendwie hinfällig und dann irgendwie so nur KI ohne irgendwelche Daten.

00:42:41: also wie soll das denn gehen?

00:42:43: Aber anyways und da hieß es dass man produktiv wird So und ähm und dann hat man ja produtive KI aus casings und einer bringt eine Verhundertfachung vom Prozess.

00:42:52: Schritt Ja Und der nächste Protestschritt, was macht der dann?

00:42:58: Also du hast da ein hundert Paket mehr vor der Haustür liegen.

00:43:02: Weil man kann sich super schnell verpacken.

00:43:03: jetzt aber die holt keiner ab oder?

00:43:07: Aber diese Falle seid ihr wahrscheinlich nicht getappt oder weil ihr von vornherein das...

00:43:14: Ja, klar.

00:43:15: Wir hatten dann auch irgendwann recht viele so kleinteilige Use-Cases, so bottom up umgesetzt und die waren halt da und die haben eine Sache gut gelöst.

00:43:24: aber dann haben wir gemerkt ja okay das bringt uns jetzt aber nicht wenn es da wieder in diesem Prozess irgendein Gate gibt durch dass wir nicht durchkommen weil der Prozess vorgibt dass das alle zwei Wochen es irgendwie dieses Meeting gibt wo dann irgendwas entschieden wird, damit der nächste Schritt weitergehen kann.

00:43:44: Und da haben wir gemerkt, wenn wir das jetzt nicht von einfach an mitdenken verschwindet halt der ganze... Produktivisierter Effizienz gewinnen, den wir vorher unterarbeitet haben versickert dann einfach wieder.

00:43:57: Der ist dann weg weil die Leute geblockt sind weiterzugehen und dann zu sagen okay aber dieses Gate was muss denn da eigentlich entschieden werden?

00:44:04: Und was brauchen die Leute für zum Beispiel diese Entscheidung oder Freigabe oder wie auch immer?

00:44:08: Wie kann man das jetzt auch über KI direkt vorbereiten lassen um eine Entscheidungsvorlage fertig zu haben die halt sehr schnell unterstützt oder abgehakt werden kann ohne dass man

00:44:21: Aber frelst du dich dann so von links nach rechts oder hast du mittlerweile schon so Art Prozess Blubrints, die du dann so... also wie löst du das Thema mit den Kunden?

00:44:34: Also aktuell wirklich, indem wir es runterbrechen auf die einzelne Entschütte, wie ich das vorhin schon gesagt habe und dann diesen Prozess nochmal neu zusammenbauen.

00:44:44: Und aus diesem neu zusammengebauten Prozess dann verschiedene Use Cases rausziehen und schauen, wie kriegt man die mit der Zeit verbunden.

00:44:51: 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 sie alle miteinander... Dass das alles ineinander greifen muss um dann langfristig zu funktionieren.

00:45:07: Aber lass es nicht.

00:45:08: also ich würde auch sagen da lernen wir halt noch super viel.

00:45:12: gerade Auch ein Riesen Learning war dass diese Use Cases halt Mögen vielleicht auch andere das länger machen und sagen, er ist doch klar oder du vielleicht hast ja auch.

00:45:21: Aber dass es eigentlich ein Produkt ist am Ende was da gebaut wird.

00:45:25: Das ist eigentlich ein internes Produkt, was daraus entsteht.

00:45:28: Nee, das ist kein Projekt, das dann fertig ist oder ein Case, der ist dann fertig eingebaut.

00:45:33: Es ist ein Produkt, der durch einen Lebenszyklus geht.

00:45:37: Und dann entwickelt sich KI die ganze Zeit weiter.

00:45:40: Was ich vor drei Monaten gebaut habe, geht auf einmal richtig?

00:45:44: geht etwas, was damals auf den Annahmen die wir hatten oder funktioniert noch nicht und jetzt müssen wir es immer wieder daran.

00:45:52: Und da war auch ein Learning das zum Beispiel das Problem echt groß genug sein muss damit es sich lohnt auch diesen so internes Produkt darauf zu setzen und dass auch durch den Lebenszyklus zu managen weil es braucht dann halt einen Product Manager der sich darum kümmert.

00:46:10: und ja für so kleinteilige Cases.

00:46:13: also zahlt man dann halt irgendwann oben drauf, vielleicht da als das was man rauskriegen könnte.

00:46:19: Und das sind dann 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.

00:46:30: also

00:46:31: ja

00:46:32: genau ich würde sagen es ist halt... Ich hätte gerne den perfekten Blueprint für alle möglichen Prozesse aber ich weiß gar nicht ob's den überhaupt gibt.

00:46:40: Aber ist krass oder?

00:46:44: Bist du dann eigentlich, bist du jetzt eher ein KI-Berater Coach wie auch immer oder der sich auf Prozesse kümmert?

00:46:50: Wie du es gerade beschreibst.

00:46:51: Oder bist du eigentlich mittlerweile eher so einen Prozessberater, der halt KI ganz Werkzeug einsetzt?

00:46:57: Ja also ich... Ja, also ich merke schon immer mehr wie unwichtig der KI-Teil eigentlich irgendwann wird.

00:47:08: Und dann geht es nur noch um Daten und Prozesse.

00:47:11: Datenprozesse und vielleicht noch die Systemlandschaft wo das alles drauf abläuft.

00:47:17: und ich glaube auch damit entscheidet sich halt auch dieses ganze Game.

00:47:21: und die Kunden, die wir haben, die da lange investiert haben einfach guten Texteck aufgebaut haben, ihre Prozesse sauber dokumentiert haben.

00:47:29: 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.

00:47:40: Wahnsinn was die jetzt auf einmal für eine Beschleunigung durch KI erfahren.

00:47:47: aber das is ja meistens nicht der Fall.

00:47:50: 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.

00:48:00: 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.

00:48:15: Brauchen wir aber Zugang zu Daten?

00:48:17: Die müssen richtig sein!

00:48:18: Schnittstellen in Drittsysteme.

00:48:20: Prozisse, wo klar ist was macht eigentlich KI und was macht der Mensch und wann haben wir eine Kontrolle der Ergebnisse drin?

00:48:28: und das ist dann halt einfach die Arbeit, die gemacht werden muss.

00:48:32: Ja und was wir halt versuchen ist, die Teams dazu zu enablen das irgendwann selbst zu können.

00:48:39: also ich glaube wir sind immer ganz gut darin das anzuschieben.

00:48:43: Und intern Leute aufzubauen anhand von unseren Methoden die das dann weiterführen können und halt für komplexere Use Cases mit Partner zusammenzuarbeiten die einfach diese Probleme in der Vergangenheit schon mal gelöst haben.

00:48:57: Aber dass das krass ist du musst diesen diese Schritte gehen.

00:49:02: Also hättest du nicht diesen Schritt eins gemacht, mach mal deinen Kontext-Profil.

00:49:07: Du kannst dich einfach rein gehen und das von vorne aufrollen... also ich weiß nicht wie es dir geht aber du gehst ja rein und siehst es schon!

00:49:18: Ich merke das manchmal schon beim Parken.

00:49:19: Auf dem Parkplatz melde ich schon okay zack zack Sonnenunternehmen.

00:49:24: Was haben die für ein Prozess bei einem Empfang?

00:49:27: Gästeparkplatz, wie melde ich mich hier an?

00:49:29: Muss ich mich noch schriftlich irgendwie in so eine Liste eintragen.

00:49:32: Wo der wo ich den vorherigen Besucher auch lesen kann.

00:49:34: Der hat gcp alles grüßen und so.

00:49:36: ja also dann kriegst du schon... Also man muss ein bisschen aufpassen vielleicht dass man da nicht zu voreingenommen wird.

00:49:41: aber dann oder irgendwann ist okay fuck die müssen eigentlich das das und das machen.

00:49:44: Und dann kommst du rein und denkst so ok shit jetzt muss man halt... Also klar ist es offensichtlich schön und man kann auch abrechnen und auf dem Weg Also würdest du nicht gerne das so ein bisschen liebfrocken?

00:50:01: Wie hart kann man sozusagen das Einstiegstraining für denjenigen, der länger kein Sport gemacht hat irgendwie gespalten.

00:50:12: Oder wie findest du diesen richtigen Pace aus Ambition versus...

00:50:20: Also, aber den kann ich ja nicht finden.

00:50:24: Sondern dem muss der CEO finden.

00:50:26: und bei den Kunden die halt richtig Gas geben da ist es immer ein CEO, der entweder die Firma aus einer sehr schlechten Situation jetzt rausbringen muss und gar keine Zeit hat.

00:50:46: viel auszuprobieren oder rumzubummeln, sondern der muss jetzt halt eine maximal effizientere Organisation zum Beispiel bauen.

00:50:54: Oder er hat soviel Wirtschaftwettbewerbsdruck dass er die Sales Produktivität nach oben, Sales Marketing Produktivitäten nach oben bringen muss was auch immer dann der Treiber ist.

00:51:06: Das ist einfach jemand, der hat große Ambitionen und Pläne hat.

00:51:12: Und entsprechend auch ein höheres Risiko für einen höheren Return eingeht.

00:51:17: also wir sehen halt schon dass bei den Kunden wo wir auch... Also da werden dann einfach in die Meeting wird eine Entscheidung getroffen und dann ist das so!

00:51:27: Die sitzen auch in den Workshops mit den Führungskräften sitzt er dann mit drin Der schreibt in die Ziele von seiner Breistleiterebene, schreibt der da KI-bezogene... ... Ziele mit rein, da gibt es halt Roadmaps.

00:51:45: Bonusrelevant oder

00:51:47: ... Ja das kommt in den Bonus rein und die Zielvereinbarung rein.

00:51:50: Das sind dann aber meistens inhabergeführte Mittelständler wo das so funktioniert.

00:51:58: Natürlich haben sie auch einen Betriebsrat

00:52:00: usw.,

00:52:02: also es verrückt ja... Und dann funktionieren diese Sachen natürlich mit einer x-fach höheren Geschwindigkeit.

00:52:13: Wie sind die Betriebsräte so?

00:52:14: das KI-Thema in General?

00:52:24: Ich glaube, ich kann das natürlich nicht so toll.

00:52:29: Weil ich glaube also dass es halt direkt auch Einfluss auf Arbeitsplätze hat... Das ist ja auch irgendwie klar!

00:52:42: Also auf bestimmten Arbeitsplätzen zumindest Ich bin es halt verrückt, wie blockierend.

00:52:52: das ist um so eine Technologie für sich zu adaptieren.

00:52:57: Du musst dich gerne da, weil dieses Mitbestimmungsrecht eben für diese Tuleinführungen gilt.

00:53:04: Aber kann man nicht so rumreiten?

00:53:08: Du hast es gerade genannt ich habe mittlerweile Coach oder Rede gerne mit Betriebsräten.

00:53:14: Das ist ein Offering.

00:53:15: fast schon kann man sagen Wir haben ein paar Kunden, da wirklich gar nix mehr geht.

00:53:21: Weil denen können keinen Firmen-GPT einführen und jeder nutzt das natürlich irgendwie heimlich.

00:53:26: Und letztens einer wieder so... Ach ja!

00:53:29: Wir haben da so viele Tobletten in der Kundenliste.

00:53:32: Da habe ich einfach mal ein Chat-GpT rein und es hat super funktioniert.

00:53:36: Dann hab' ich einfach einen Extra genommen und ich so Ja

00:53:41: ist

00:53:41: doch super.

00:53:43: Wo ist es gehostet?

00:53:46: Genau, also das ist so ein bisschen.

00:53:48: aber wenn man mit den Leuten redet dann kommt schon manchmal auch so eine Einsicht weil man es hilft ja nichts.

00:53:54: Aber ich höre da was Spannendes raus.

00:53:56: du gehst dann du bist wahrscheinlich auch also Hypothese auf Basis deiner eigenen Erfahrungen natürlich umso authentischer Beifirmen bei denen's schon auch um Kosten geht oder?

00:54:07: Also mal vorsichtig ausgedrückt.

00:54:09: Also je mehr Hütte brennt desto besser kannst du da eigentlich den Hebel ansetzen, oder?

00:54:16: Ja es geht für alle meine Kunden.

00:54:18: Geht das darum wie schaffen wir's aus dem bestehenden Team heraus wachsen zu können?

00:54:23: Wir laufen in einen demografischen Wandel rein wo die Arbeitsplätze die verloren gehen kommen halt nicht mehr vom Markt in der gleichen Anzahl zurück.

00:54:29: und da gehts ja darum wie schaffen wir jetzt so?

00:54:33: die meisten Firmen wachsen ja auch noch ja jetzt nicht mehr vielleicht nicht mehr zweistellig aber noch einstellig, die meisten schon.

00:54:42: Aber da soll halt zumindest mal kein neuer Headcount aufgebaut werden und wenn jetzt Menschen das Unternehmen verlassen sollen sie nicht nachbesetzt werden.

00:54:49: Das ist ganz klar der Weg nach vorne für alle meine Kunden.

00:54:52: und dann ist halt die Frage wie befähigen wir das?

00:54:55: Indem wir A-Menschen in ihren Jobs produktiver machen und B indem wir sie aus Prozessen befreien wo die Maschine das was getan werden muss hat schon besser oder genauso gutmachen kann Wie der Mensch.

00:55:10: Eigentlich nicht so komplex.

00:55:11: und dann gibt es halt in manchen Bereichen, oder in manche Branchen gibt's auch Chancen im Geschäftsmodell.

00:55:19: aber das ist noch der kleinste Teil.

00:55:21: Zumindest von dem was ich sehe.

00:55:23: Und das war jetzt die Level drei?

00:55:25: Und dann gibt's noch viertes Level?

00:55:28: Ja genau!

00:55:30: Das ist dann der AI-Lied.

00:55:32: in der Firma also vor allem Bei BMW oder so gibt es natürlich schon Center of Excellence und AI Teams und Bereiche.

00:55:41: Und so natürlich schon länger.

00:55:43: bei einem Mittelschändler mit fünfhundert Mitarbeitern gibt's sowas ja gar nicht, da gibts eine IT.

00:55:49: In den wenigsten Fällen gibt es jemanden der sich mit Daten beschäftigt.

00:55:53: Jetzt ist aber die Frage wer owns denn die KI-Transformation?

00:55:59: Da sehen wir... auch wiederum, wenn es eine Person mit diesem Mandat gibt, die idealerweise direkt an die Geschäftsführung berichtet.

00:56:07: Dann hilft das natürlich enorm.

00:56:11: Aber ist das so oder?

00:56:12: Weil ich habe auch meist gefühlt, dass sie halt oft dann noch ein bisschen auf verdorne Posten sind.

00:56:17: Oder das ist auch oft so ... Ja jetzt haben wir da so ne EIL-Lied, wir machen doch KI!

00:56:21: Also es ist auch manchmal so Lippenbekenntnis, wie früher die Labs gebaut wurden.

00:56:28: Ja ja wir haben ja ein Lab oder ist nicht das?

00:56:33: gerne auf die Frage?

00:56:36: Wir haben eine Community mit dem AI Collective aufgebaut und da haben wir hundertzwanzig von diesem KI verantwortlichen.

00:56:44: Gerade drin, da kriege ich das ja schon mit.

00:56:46: Dass manche halt absolute volle Rückendeckungen haben und richtig empowered werden in ihrer Rolle auch Entscheidungen zu treffen.

00:56:55: Und dann kommt natürlich auch voran und andere hängen halt genau in diesem Spannungsfeld drinnen wo sie halt extrem hohe Erwartung... Managen müssen mit einer Legacy Company, wo halt drei ERP Systeme on-premise sind und kein einziger Prozess runtergeschrieben.

00:57:13: Und auch nicht so richtig Veränderungsbereitschaft in der Kultur verankert ist.

00:57:20: Dann hast du noch eine extrem schnelle Technologie und das zusammenzubringen kannst du eigentlich fast nur scheitern dabei.

00:57:29: Beides.

00:57:30: Aber ich glaube, dass dieses Mandat extrem wichtig ist weil die Veränderung halt so tiefgreifend ist in die Arbeitsweisen alle Prozesse teilweise in das Geschäftsmodell wie Rollen und Teams gestrukturiert sind.

00:57:47: Wie wäre zum Kunden gelangt?

00:57:48: Also es ist so tiefgreifend auf so, so vielen Ebenen und es muss halt irgendwo zusammenlaufen.

00:57:54: Und zumindest braucht's zentral jemandem der alle anderen dazu befähigt diese Transformation durchlaufen zu können.

00:58:02: Und ja...

00:58:04: Da muss halt ihr schon gerne so eine Coaching und so eine Rolle dabei, weil am Ende damit er Also keine KI ohne ROI, damit dann der Mehrwert in den Bereichen entstehen muss.

00:58:22: Dadurch hat diese Rolle ja nie eine echte Pionel.

00:58:27: Die ist halt ein Kostcenter maximal oder in der Strategie oder so dran.

00:58:31: und ich habe es schon bei manchen Firmen gesehen dass die KI-Rolle quasi gewisse Geschäftsbereiche übernommen hat.

00:58:39: Das fand ich ganz geil.

00:58:41: Also so eine AI Schiefer, wenn man sagt, hey ihr seid alle so doof und ich mache jetzt das Pricing selber.

00:58:46: Und ich übernehme es die P&L für das Plicing also im Detail zum Beispiel oder ihr dürft noch so opt out machen aber das kommt jetzt von mir weil so wird das nix mit Amazon ein bisschen länger schon her ne?

00:58:58: Oder anderes Thema Customer Service ja dass die KI-Rolle... was wird denn aus diesen AI Hats?

00:59:06: Was ist deren zehn Jahres Karriereperspektive?

00:59:11: Hat man spannendes Panel vor zwei, drei Jahren des auf der CDO?

00:59:15: Also aber ja jetzt verzetteln wir uns gerade.

00:59:23: Ja es ist so spannend macht echt Spaß dir da zuzuhören und ich kann das auch richtig mitfiebern.

00:59:32: Wie geht es weiter?

00:59:34: also wo denkst du?

00:59:36: was ist deine Zehn Jahresprätikationen.

00:59:43: Wo möchtest du hin?

00:59:45: Wo möchest du mit deinen Kunden hin, wo denkst du?

00:59:49: Lass uns fragen, wann haben wir AGI?

00:59:51: Braucht man das überhaupt?

00:59:52: Was ist das mit den Agenten...

00:59:54: Da kann ich jetzt alles verweckt verantworten in den nächsten siebzehnt Stunden!

01:00:02: Also also Wir machen das eigentlich ganz pragmatisch.

01:00:06: Und zwar, ich sage meinen Team immer wir müssen die beste Case Study sein.

01:00:10: so wer kann sonst alles was uns Open AI & Tropic Google vor die Füße werfen halt schneller ausprobieren als wir und irgendwie unseren Kopf darum drehen was man jetzt damit machen soll.

01:00:21: Wir sind selbst diese drei Stufen durchlaufen also erst mal arbeitsweise individuelle Produktivität.

01:00:27: Wir haben anfangen dass wir hatten letztes Jahr ganz viele Agents dann aufgesetzt ganz lustig mit einem eigenen Namen und einem Gesicht und so, in unser Organi-Grammit eingebaut.

01:00:36: Bis ich Anfang des Jahres sagte er das eigentlich macht das ja gar keinen Sinn weil ich baue mir hier eine menschlichen Anführungszeichenorganisation nach und habe dann irgendwann die gleichen Probleme wie einer menschliche Organisation nämlich dass ich hier auf einen Koordinationsaufwand und Silos usw.

01:00:54: habe und haben jetzt für uns selbst wir nennen es KI Betriebssystem aufgesetzt.

01:01:01: also ich sehe mittlerweile Agents nur noch als reine Ausführungseinheit.

01:01:17: Das ist für mich nur eine Ausführungs-Einheit für digital Arbeit.

01:01:23: und wenn dieser, also es war so wie so ein Layer auf der Company Er nennt das ja Agentic Mesh, ich glaube es ist wahrscheinlich nur ein bisschen anders gedacht.

01:01:36: Ich glaube so im Kern von den Prinzipien dann glaube ich ähnlich.

01:01:39: aber wenn dieser agentische Layer der braucht auch keinen Namen und kein Gesicht oder so vollkommen egal weil der Agent muss Zugriff haben auf Prozesse auf Daten oder den Kontext, in dem er arbeiten soll.

01:01:52: Auf Regeln die geltende Governance einhalten muss und auf andere Systeme, in denen er arbeiten oder auf dir zugreifen muss.

01:02:05: Und wenn der das aber hat dann kann der halt einen Trigger bekommen mit einem Auslöser über irgendwas was erledigt werden muss.

01:02:13: bei uns ist das zum Beispiel ... ein Meeting mit einem Kunden ist vorbei und dann läuft da das Transkript rein.

01:02:19: Und dann guckt er halt nach aus diesem Transkrip, was entstehen denn jetzt für Aufgaben?

01:02:22: Dann guckt der für jede Aufgabe... Es ist eigentlich ein System aus Datenbanken am Ende des Tages.

01:02:27: Guckt ihr halt nach, was habe ich dann für eine Prozess über die ich diese Aufgabe lösen kann?

01:02:31: Und dann geht er einfach in den Prozess rein und führt diesen Prozess aus.

01:02:34: In dem Prozess ist definiert wann muss sich dann auf welche Daten Quelle zugreifen und dann greift er da drauf zu.

01:02:41: Und gleichzeitig ist definiert, wann welches Thema angesprochen werden müssen.

01:02:44: jetzt alles ein bisschen vereinfacht oder bisschen salopp so gesagt.

01:02:49: aber mit denen Modellen, die wir heute haben und auch dem diesen Agent Harnes wie man das ja so nennt.

01:02:57: Der verlaufen sich diese Modelle halt immer weniger und sind sehr gut darin geworden auch solch Prozesse auszufinden.

01:03:03: Jetzt müssen wir manchmal ein bisschen gucken dass sie Kosten nicht explodieren und so.

01:03:06: da lernen wir dann auch noch einiges.

01:03:08: aber wir haben halt einfach gemerkt 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.

01:03:16: Weil wenn wir es schaffen sauber unsere Prozesse zu dokumentieren und Daten bereitzuschnellen natürlich auch die Schnittstellen Dann kann KI immer mehr von dieser digitalen Arbeit für uns erledigen.

01:03:28: Brauchst

01:03:29: du überhaupt einen ERP in CRM ein HR System?

01:03:37: Also Also ich glaube eigentlich nicht.

01:03:44: Aber das ist jetzt also wir brauchen das nicht, aber jetzt hast du halt eine Firma wo in so einem SAP alles alle Prozesse und Daten abgebildet sind?

01:03:56: Und jetzt hat der SAP auch die Autonomous Enterprise oder so haben sie das genannt.

01:04:01: Haben ja groß angekündigt.

01:04:02: Das ist genau das gleiche was wir da... Du identifizierst quasi dieses gesamte System und hast seine Prozesse dort, hast deinen Daten da, hast Schnittstellen dort.

01:04:14: Und setzt Agents oben drauf.

01:04:16: die können das alles mehr oder weniger für dich ausführen.

01:04:18: wann das jetzt kommen wird usw.

01:04:20: Weiß ich nicht aber es ist sehr ähnlich von dem Gedanken her.

01:04:26: Also ich finde das ultra spannend, weil genau dieser Mesh-Gedanke ist ja auch nur da.

01:04:32: Weil halt schon was da ist oder betriebses Thema ist noch mal vielleicht schöner.

01:04:36: Das musste es dann irgendwie so drüber schmeißen und dann ist es wie man so eine Form macht und irgendwann verhärtet sich das dann und dann kann man den Rest unten drunter weg kratzen.

01:04:48: Und es hat eine gewisse Flexibilität.

01:04:51: aber also das finde ich total geil.

01:04:54: Wir haben uns auch einen Kunden Die haben irgendwie so gar nichts.

01:04:56: Da sind wir reingegangen in Italien, die stellen große Maschinen her und wir sind da so ein bisschen mit diesem ganzen BMW gedünnt rein wie so habt ihr das, das, dass und das und alle immer nur so äh ja?

01:05:09: Und haben wir auch gesagt ja seit zwei Jahren wollten wir R-Drei also einen SOP System für die Produktion einführen usw.. Also, weil das schon so am Dampfen war auf gut Deutsch.

01:05:23: Das wird alles gar nicht irgendwie funktioniert.

01:05:25: aber wenn jetzt morgen nichts passiert dann wird der Chef hier gefeuert ungefähr und genau wie du sagst und dann haben wir direkt einfach so ein Chat mit your production site also rede mit deinem Werk.

01:05:38: Und dann das Werk hat schon gesagt, ja ist doch klar.

01:05:40: Weil das machen wir halt falsch und das machen mir falsch.

01:05:43: Oder da hatten wir doch gar nichts groß gemacht.

01:05:45: Da haben wir so ein bisschen Wreck gebaut, wo einfach das eine Fehlersystem angebunden war.

01:05:49: Und ich so fuck!

01:05:50: Dann den Werksleiter angeschaut.

01:05:52: Es ist jetzt eigentlich gar nicht zu schlecht.

01:05:58: Und dann auch gesagt, im Grunde brauchen die diese Prozesse eben also die Prozessprozesse an solches schon aber diese Prozess Dokumentations, dass irgend einer dann irgendwo klickt und irgendein Dropdown mit irgendwas aus sucht.

01:06:11: Dann brauchst du ja eigentlich nur die Agenten, dann brauchst natürlich deren Governance wie du es genannt hast diesen Agentic Layer... Und dann hast du ja einfach nur so eine Art Ledger also so ein Art System of Record wo die Transaktionen irgendwo gespeichert werden.

01:06:26: Also da sind wir auch noch nicht soweit aber ich glaube das wird richtig krass und ich glaub das ist auch das Problem weshalb die ganzen auch großen Dienstleister und die großen Provider alle so, also meine Hypothese.

01:06:38: Weshalb der in Aktienkurs so runtergeht?

01:06:39: Weil im Grunde was ist SAP?

01:06:42: SAP ist ja nicht nur ein System wo man etwas klicken kann sondern das große Mehrwert da war immer das Opinion-Nated.

01:06:50: Also dass quasi der Prozess eigentlich schon mal so mit dabei ist und dann kann man es noch verschlimmen besser.

01:06:55: Und jetzt wenn man sich überlegt deshalb habe ich vor ein bisschen nach diesen Blubrennen gefragt oder was ja auch andere machen, dass sie dann wirklich so Agenten schon haben.

01:07:06: Die sich dann wieder mitbringen und also sagen so hättest unsere Horde von Marketing-Agenten bekommen.

01:07:13: Dann sind die irgendwie dabei.

01:07:14: Also siehst du das eher als Marketing?

01:07:17: Oder kann das funktionieren?

01:07:20: Ja natürlich kann das auch funktionieren Und ich glaube, das ist noch völlig unklar.

01:07:29: Was ich jetzt gelernt habe in den letzten Jahren, dass sich dieses Spielfeld immer wieder neu ordnet und die Karten auch anders gemischt werden... Drei Sachen, die sich nie verändert werden.

01:07:41: Du musst halt deine Datenprozesse und die Systeme auf den KI arbeiten soll, die muss so einfach im Griff haben.

01:07:49: Und KI wird sie jetzt die ganze Zeit weiterentwickeln.

01:07:51: Es wird neue Konzepte geben.

01:07:52: Jetzt gab es Agents, dann geht das Richtung Skills... Dann gab's Multi-Agent Swarms or whatever!

01:08:00: Egal, dann verfliegt das.

01:08:02: 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's die Sache die alle machen mussten.

01:08:11: Also wäre furchtbar gewesen wenn man auf all diese Sachen draufgesprungen wäre.

01:08:15: und es gab gibt immer diese drei Konstanten die geblieben sind.

01:08:18: und zusätzlich muss halt eine Organisation befähigendes Thema zu verstehen und sich für sich zu adoptieren nehmen und dieser Lücke zu schließen zwischen dem was technisch möglich ist Und was davon absorbiert wird gerade von den Firmen, was ja auch riesig ist.

01:08:33: Und dann idealerweise halt so bauen, dass jedes bessere KI-Modell und jede bessere Agent-, Infrastruktur-, Frameworks, whatever alles besser macht.

01:08:45: So!

01:08:45: Und dafür sind wir wieder dahin klare Prozesse für fügbare saubere Daten und Systeme auf die KI zugreifen kann.

01:08:57: Das ist das, wo ich immer wieder rauskomme.

01:09:01: Aber jeder denkt er muss das neueste Sprachmutter

01:09:04: haben und wenn

01:09:04: Donald Trump es abschaltet irgendwie doof aber...

01:09:07: Ja, who cares?

01:09:08: Wer muss denn jetzt bitte Fable Five einsetzen in seinen Prozessen?

01:09:12: also klar ist das natürlich wir nutzen das auch für unserem Software Engineering.

01:09:17: Wenn wir selbst Sachen bauen Ist das natürlich gut.

01:09:22: Aber für neunundneinzig Prozent der Use-Cases da draußen hättest du auch schon die Modelle nicht mehr gebraucht, die dieses Jahr rausgekommen sind.

01:09:32: Das ist aber das ist nicht der Common Sense!

01:09:35: Ich war auf dem Panel auf der Weise of AI und da war jemand, der meinte ja, er macht so Research wie Startup Investments oder so... Und er braucht immer das neueste Frontiermodel.

01:09:44: Und dann habe ich gesagt, nee, glaube ich nicht.

01:09:47: Zeig nur was du machst, ich baue dir das nach und wenn nicht dann müssen wir es halt ein bisschen auf drei Agenten verteilen.

01:09:54: Und da ist es top und selbst... Ja natürlich kann man machen!

01:09:57: Man kann auch sein Bild irgendwie mit dem Presslufthaber auffängen.

01:10:02: aber das Problem ist ja jetzt auch noch viel zu billig ist.

01:10:06: Selbst wenn das funktioniert, ist das jetzt ja noch super crazy subventioniert.

01:10:14: Du wirst nachher zum Ende kommen.

01:10:17: Jetzt find ich erst einen so richtig Spaß.

01:10:23: Ja, das war es eh schon schön wie du das nochmal zusammengefasst hast.

01:10:28: Was würdest du noch gerne mitgeben?

01:10:30: Hast du noch ein Stapel für Europa oder hast du immer die besten letzten Worte?

01:10:38: Was ist dir noch wichtig vielleicht zum Abschluss?

01:10:46: Also ich will auf jeden Fall dafür plädieren.

01:10:53: Ich glaube, dass halt weiterhin noch viel zu viel über KI gesprochen wird.

01:11:01: Und wenn ich... das ist auch manchmal auf so Konferenzen krass, wenn dann so Cases gezeigt werden wie erstaunlich simpel viele Sachen einfach sind.

01:11:12: Und deswegen glaube ich, und das ist immer wieder diese Lücke.

01:11:16: Die zeige ich auch in Vorträgen total gerne zwischen was kann man technisch theoretisch alles machen?

01:11:22: 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's ein Excel wo dreihundert Use Cases drin stehen.

01:11:37: Und das ist ja super, dass man schon mal diesen Schritt gemacht hat.

01:11:39: 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 viele noch nicht so richtig weit sind.

01:11:56: Jetzt könnte man sich zurücklehnen und sagen okay dann können wir auch ein bisschen abwarten oder diese Opportunity jetzt rein gehen.

01:12:06: Ich glaube, wir brauchen einfach viel mehr Pragmatismus.

01:12:09: Und einfach klar was braucht in die Companies?

01:12:12: Die brauchen halt alle produktivere Leute gerade.

01:12:13: Die brauchen alle mehr durchsatzinieren Prozessen und damit halt einfach anzufangen und das nicht zu verkomplizieren.

01:12:24: Das würden mir einfach vielmehr so Machermentalität und Pragmatismus in den Unternehmen da draußen wünschen.

01:12:32: Das wäre cool!

01:12:33: Und KI ist breiter.

01:12:34: also Ähm, an KI scheitert das schon ewig nicht mehr.

01:12:39: Scheitert halt eigentlich nur an uns.

01:12:41: Wir sind heute der Flaschenhölz die ganze Zeit.

01:12:44: Sehr schön!

01:12:45: Und

01:12:45: dann geht's aber nach Europa nach vorne ja?

01:12:47: Also äh da, da sich... Da sind genug Chancens, genug Opportunity da draußen.

01:12:56: Danke Felix.

01:12:57: Das hat super viel Spaß gemacht und ich glaube wir müssen noch eine Folge drei machen auf jeden Fall.

01:13:02: Mal schauen wer reinwählt.

01:13:03: Danke für deine Zeit, saugeil.

01:13:05: Danke Alex.