Latest / Das Gelbe vom AI - Der KI-Podcast / #101 Oliver Ewinger über echte KI-Use-Cases, HR-Aha-Momente & häufige Fehler beim KI-Start

Transcript

#101 Oliver Ewinger über echte KI-Use-Cases, HR-Aha-Momente & häufige Fehler beim KI-Start · Das Gelbe vom AI - Der KI-Podcast

• Michael Witzenleiter: Hallo und herzlich willkommen zu einer neuen Folge von Das Gelbe vom AI. Mein Name ist Michael Witzenhalter, ich bin euer Host. Für uns bin ich nebenberuflich sozusagen Geschäftsführer von Private AI und habe heute auch meinen anderen nebenberuflichen Geschäftsführer, Sean Lück, mit dabei. Hallo Sean Jean-Luc Winkler: Ja, hallo Michael. Ob ich das nur nebenberuflich bezeichnen würde, ist aber dahingestellt. Ich glaube unsere Frauen würden das anders titulieren. Aber ich freue mich in dieser Woche wieder mit dabei zu sein. Und ihr habt es am Cover schon erkannt, es ist wieder eine Gastfolge. Für diejenigen, die etwas länger und schon verfolgen werden, dem Namen Oliver Ewinger sicherlich was anfangen können. Michael Witzenleiter: Haha. Jean-Luc Winkler: Denn Oliver war auch schon bei uns bei den Predictions für dieses Jahr mit dabei und hat auch dort schon ein paar Einblicke gegeben, was aus seiner Sicht KI-seitig auf uns zukommt in diesem Jahr. Heute wollen wir ein bisschen tiefer mit Oliver einsteigen. Ihr kennt ihn sicherlich auch von LinkedIn. Dort ist er auch Top-Voice für AI-Themen. Aber ich würde sagen, Oliver, stell dich doch gerne einmal selber unseren Zuhörerinnen Zuhörern vor. Oliver Ewinger: Ja, hallo und erstmal herzlichen Dank, dass ich hier sein darf auf dem Podcast. Ich freue mich sehr darüber. Ja, mein Name ist Oliver Ewinger. Ich bin, wie schon gesagt habe, viel in LinkedIn unterwegs und ich bin auch nebenberuflich viel unterwegs und zwar einfach selbstständig unterwegs, aber auch sehr viel ehrenamtlich. Ich bin in der Learning Community, bin ich zum Beispiel im Kernteam. bin regional hier in Reutlingen, bin ich im Orgateam und Gründungsberater für junge Unternehmer und Start-ups. Und ich bin auch aktiv im HR Roundtable. Da baue ich gerade die HR Roundtable Akademie auf und biete dort auch gemeinsam mit einem Kollegen auch einen KI-Führerschein, wo wir auch drüber schauen über EU-AI-Act. Sonst, ja, Papa von drei Kindern verheiratet und ich glaube, das war mal so alles mal als kurze Einführung und ich freue mich jetzt einfach auf die Frage, die ihr an mir habt. Jean-Luc Winkler: Ja, perfekt. Dann würde ich sagen, lass uns direkt einsteigen mit unseren Fragen. Als allererstes, du hast ja sehr viel mit KI-Themen zu tun und nicht alle tun sich so einfach mit KI-Themen. Deswegen würde ich gerne mit der Frage starten, warum tun sich noch immer so viele Unternehmen und auch Anwender schwer, sinnvolle KI-Use-Cases zu finden? Du sagst ja selber auch, du bist viel auf LinkedIn unterwegs. Dann siehst du sicherlich auch jede Menge nicht so spannende KI-Use-Cases, die dort dann als viel spannender dargestellt werden, als sie eigentlich sind. Aber die Frage ist, warum fällt es einigen dann tatsächlich doch noch schwer, KI-Use-Cases zu finden? Oliver Ewinger: Und ich glaube, Hauptproblem ist oftmals die KI gar nicht selbst, sondern dass es einfach viele Menschen einfach an konkrete Beispiele fehlt. Und ich erlebe das immer wieder. Jemand probiert JetGBT aus oder ein anderes KI-Tool und kann dann mit den Ergebnissen nicht anfangen. Es kam mal ein Kollege auf mich zu, der hat gesagt, Oliver, ich habe jetzt auch mal JetGBT probiert. Aber so richtig, der Bringer ist es nicht. Und da merkt man dann schon, auch wenn man genau hinschaut, dass einfach niemand da war, wo ihm es erklärt hat, was man damit machen kann, wie er damit, ich sag mal, tiefer schürft, wie er die Frage stellt. Und daran liegt es oftmals, dass man keinen richtigen Anwendungsfall findet. Und gleichzeitig sehe ich dann auch im Alltag von Teams viele Aufgaben, die eigentlich Use-Case wären. Zum Beispiel Berichte schreiben, Informationen strukturieren, Excel-Listen pflegen, Inhalte zusammenfassen oder sich wieder in neue Themen einarbeiten. Das begegnet einem ja sehr viel auch im Unternehmen. Also eigentlich genau die Dinge, die Menschen oft sagen. Das ist mühsam, es kostet Zeit, es wiederholt sich ständig. Aber Sie kommen gar nicht auf die Idee, dass KI genau dort helfen kann. Warum? Weil Ihnen dieser erste Aha-Moment fehlt. Und ich glaube, ist genau der Schlüssel. Menschen brauchen Beispiele, bevor sie ins Handeln kommen. Sie brauchen konkrete Beispiele mit einem Wow-Effekt. Also Momente, wo sie plötzlich merken, hm, das hilft mir wirklich. Und wenn dieser erste Nutzer einmal sichtbar wird, dann entstehen die nächsten Ideen oft ganz automatisch, dann ist es gar kein Problem mehr. Jean-Luc Winkler: würdest du sagen, woran erkennt man einen wirklich guten KI-Use-Case, der auch so einen Vow-Effekt hat, wie du sagst? Oliver Ewinger: Für mich erkennt man wirklich gute KIUS-Case an drei bis vier Dinge. Erstens, er bringt einen echten Mehrwert. Also ganz konkret, er spart Zeit, verbessert Qualität oder nimmt mir die Arbeit ab. Arbeit, die mühsam ist, immer wieder kommt oder oftmals auch fehleranfällig er ist einfach, sodass ich ihn schnell ausprobieren kann. Gerade am Anfang ist es wichtig, wenn nämlich ein Use Case zu komplex ist, dass ich erst riesige Prozesse umbaue oder fünf Schnittstellen verbinden muss, dann ist das für den Einstieg einfach nicht der richtige Schritt. Drittens, er wird wirklich genutzt. Daran sieht man ein Use Case, wenn er richtig genutzt wird, wenn er zum Einsatz kommt, nicht bloß weil er in der Demo toll aussieht. Viertens, das finde ich fast genauso wichtig, er bleibt nachvollziehbar. Ich sollte, also als Ersteller des Use-Case, aber auch für alle andere, er sollte noch verstehen können, was die KI eigentlich macht, wo die Grenzen liegen und wie das Ergebnis einzuordnen ist. Und genau da ist für mich auch die Drilllinie zur Spielerei. Wenn ich genauso viel Aufwand habe wie vorher zu KI, dann ist es aber kein guter Use Case. Wenn ich keinen echten Nutzer sehe oder wenn ich Ergebnis gar nicht mehr einordnen kann, dann ist es für mich einfach eher unnötig. Jean-Luc Winkler: Ich finde das sind super spannende Punkte. Also gerade Punkt 2 und 3 in der Kombination. Also Punkt 2, dass man sich nicht zu Beginn viel zu komplexe Use Cases raussucht. So nach dem Motto, das ist so komplex, das müsste ja die KI eigentlich können. Weil dann wird es wahrscheinlich schwierig, dass man es überhaupt umgesetzt bekommt, was dann zu drittens bei dir führt, dass es ja auch dann nachhaltig eingesetzt werden muss im Grunde genommen und nicht nur. irgendwie in einer Automatisierung oder so mit KI umgesetzt wurde, die ja gar nicht mehr zum Einsatz Michael Witzenleiter: Du machst ja sehr viel mit HR-Teams, wie wir gesehen haben. Was sind denn dort so die ersten Anwendungsfälle, die dort am meisten dann auch für diesen Aha-Moment sorgen? Oliver Ewinger: Also, Use Case im HR, ich sag mal so entlang der Candidate Johnny, ist es ja auch das Screading, Sourcing, Informationsgespräch, das Bewerbergespräch und das Hiring. da, gerade im Anfang, gibt es gute Möglichkeiten, auch Use Case wäre da. zum Suchen, also die verschiedenen Plattformen zu Also so ein typischer Use-Case im HR zum Beispiel Onboarding, GPT, also Onboarding Agent. Wenn ich zum Beispiel gerade bei HR ⁓ sehe, wenn sie neue Mitarbeiter willkommen heisst, und man gibt ihnen noch ein ausgedrucktes Mitarbeiterhandbuch an die Hand, sie nachschlagen, wo er immer, was ausgedrucktes immer, schon alt ist, dann wäre da wirklich ein GPT gut geeignet. Also der, wo gefüttert ist mit den Informationen, was der Mitarbeiter braucht, wenn er neu ist, wohin er sich wenden kann und wie die Abläufe sind. Also das wäre eigentlich ein toller Use-Case. Offboarding natürlich genauso. Michael Witzenleiter: Also ich glaube, bietet auch den Vorteil, dass viele neue Kandidaten sich häufig auch nicht trauen, Fragen zu stellen. Da ist es manchmal ganz gut. KI auch Fragen stellen kann. Jetzt haben wir über die best practices gesprochen. Was würdest du sagen, sind typische Fehler, Unternehmen beim Thema KI Einstieg machen? Was siehst du da in der Praxis am häufigsten? Oliver Ewinger: Also ich sehe, gerade bei den Fehler, was man am Anfang machen kann, bei der Einführung vom KI oder auch im Use Case zum Ausarbeiten, finde ich, ein wichtiger Fehler ist oder der erste Fehler ist, Unternehmer fokussieren sich viel zu stark auf Tools und zu wenig auf konkrete Probleme oder Anwendungsfälle. Wenn die Frage lautet, welches Tool setzen wir ein, dann ist das schon mal die falsche Frage. Es sollte viel mehr gefragt werden, wo haben wir Reibung, wo verlieren wir Zeit, wo gibt es mühsame Prozesse? Das wäre eigentlich eine richtige Frage. Der zweite Fehler ist, Mitarbeitende werden nicht wirklich mitgenommen. Entweder sie wissen gar nicht, was überhaupt möglich ist mit KI. oder mit einem Agent oder mit dem Einsatz von KI oder sie bekommen auch gar kein Training oder sie bekommen nur ein Training und danach wird erwartet, dass alles so läuft. Ein dritter Fehler, den finde ich besonders wichtig, es fehlt oft dieser Freiraum zum Ausprobieren, also zum Experimentieren. weil KI lernt man nicht durch Folie oder durch einen Workshop, man lernt den Umgang mit KI durch Anwenden, durch Testen, Vergleichen und auch Nachschärfen. Also auch diese Reflektion auf das Ergebnis und dann einfach das Nachschärfen, solange bis man einem guten Ergebnis kommt. der vierte Punkt darf man natürlich auch nicht vernachlässigen, viele Unternehmer unterschätzen die emotionale Seite. Die Ängste der Mitarbeiter oder diese diese Furcht der Mitarbeiter, sie, viele denken einfach dann noch, die Unternehmer führt jetzt KI ein und ich soll damit arbeiten und ein Jahr später werde ich dann ersetzt durch die KI. Also das sind, das sind essentielle Ängste und damit, das muss man wirklich damit umgehen und, und dem Begegner. Und ja, ich empfehle da einfach auch, ⁓ die engste zu nehmen, auch oftmals in meinen Workshops, dass die Menschen nicht darauf warten, bis das Unternehmer ihnen einen Workshop anbietet, sondern dass sie einfach loslegen, auch im Privaten. Ein kleines Beispiel. Ich habe meine Tochter nach Basel gebracht. Die hatte einen Treffer gehabt, genau. Und ich habe zwei Stunden Zeit gehabt. Und was habe ich gemacht? In Basel war ich noch nie, also durchgefahren ja, aber ich war noch nie dort und habe mir dann kurz einfach einen Stadtplaner für diese Zeit, ich da war, Rahmenbedingungen gesagt, ich habe nur zwei Stunden Zeit. Ich will Die schönste Sehenswürdigkeit und die bedeutendste Plätze wähle hin. Wähle mir so viel aus, dass es reicht in dieser Zeit und dass ich per Fuß hinlaufen kann. Und dass es gut austariert ist von der Reihenfolge. Und das habe ich dann mit Google Gemini damals gemacht und hat dann auch gleich mir die Dinge rausgegeben, die ... Google Maps Punkte, sodass ich dann nachher in Google Maps die Ablaufe konnte. Und es war dann einfach so ein privates Highlight, die KI genutzt und dann einfach, wo man sehr schnell dann der Mut kriegt, zum einen diese Engste genommen wird und wo man einfach auch wieder neue Ideen vom privaten auf das geschäftliche übertragen. Jean-Luc Winkler: Lass uns gerne noch mal die Fehler von den Unternehmen eingehen. Da würde mich interessieren, den Workshops, die du machst, bei deiner Gründungsberatung, siehst du Unterschiede zwischen eher größeren Unternehmen oder Mittelständlern und jungen, frischen Start-ups? was so die Nutzung von KI, aber vielleicht auch so die Fehlertoleranz angeht. Weil du ja auch gesagt hast, man sollte dranbleiben und im Grunde genommen, wenn es beim ersten Versuch nicht klappt, oder jetzt zum Beispiel bei deinem Schiedetrip in Basel, wenn du feststellst, das Ergebnis ist noch nicht perfekt, dann sollte man ja auch am Ball bleiben und gegebenenfalls nochmal mit einem Prompt nachschärfen. Und siehst du da Unterschiede in der Anwendung bei Start-ups versus großen Unternehmen? Oliver Ewinger: Also Start-ups sind von der Art her immer schnell dabei, auszuprobieren. Weil so funktioniert ja Start-up. Also so ist ihre Idee entstanden, so kriegen sie die Geschäftsmodelle, erweitert sie und von der Art her gehen die so vor. Also da fällt es viel leichter, dort KI zu platzieren, zu überlegen, auch mit den Use Cases, weil sie einfach Jean-Luc Winkler: Mhm. Oliver Ewinger: weil es in Ihnen eine Gene steckt, will ich jetzt mal sagen. In KMU empfinde ich, dass oftmals die Zeit einfach fehlt. Die Zeit fehlt von den Mitarbeitern, weil sie so viel an Aufgaben haben, dass sie das gezielt angehen können. viele KMU wissen, dass sie KI was machen müssen. Jean-Luc Winkler: Mhm. Oliver Ewinger: Aber es fehlt einfach die Zeit. Und bei den großen Unternehmen, haben zum Teil manchmal die Zeit, aber was ich da sehe, dann oft, dass aus gegebenen Anlässen einfach die Mitarbeiter immer oder nicht immer, kann man sicher nicht sagen, dass die drauf warten, bis es Unternehmen irgendwie Weiterbildung ergibt. Also die oftmals gehen nicht so eigenmotiviert ran und im privaten Bereich und setzt dann, ich sag mal, outdoor, privat testet sie aus und übertragen sie dann ins Business. Michael Witzenleiter: Jetzt hast du vorhin ein schönes Beispiel mit Basel auch gebracht für die Reise. Wie würdest du sagen, kann man denn das alltägliche Kaiden am besten schaffen? Wo sind da die Ansatzpunkte neben den typischen Städten? Oliver Ewinger: Ich das KI-Lernen funktioniert, ja, klar, kann Workshops machen, aber einfach als Teil des Alltags. Ich bin da ganz großer Verfechter davon. Wieder ein kleines Beispiel. Meine Tochter, die hat mal gesagt, die war ... duale Studentin war sie immer für drei Monate in einer Hochschule ⁓ anderen Stadt. ⁓ hat sie das im Kühlschrank, was kann man damit kochen? Sie ist normal nicht erschrocken. Unsere Kinder gucken oft auch ⁓ aber sie hat mal das gefragt. Zum Anlass habe ich das genommen, dass ich dann geschaut habe ... eigentlich wieso mache ich da keinen Agent und habe dann diesen Magic Meal Master entworfen, also einfach mal ein gängiger Name und zwar das war dann einfach ein kleiner GPT, habe ich irgendwann nachts wahrscheinlich zwischen drei und vier irgendwo gebaut, bin da immer gerne auch nachts irgendwie kreativ unterwegs und Das Ergebnis war, dass man einfach die Letzmittelrechte fotografieren kann, zum Beispiel aus dem Kühlschrank, wenn es im Glasbehälter ist oder wenn sie auf dem Tisch liegen, und sagen kann, mach mir daraus ein Rezept. Und dann fragt er als Erstes dich, ja, bist du allergischer? Hast du irgendwelche Unverträglichkeiten? Und ich sag, nee. Und dann fragt er mich als nächstes, bist du vegan oder ist es egal, kann man auch mit Fleisch, da kann ich meine Vorliebe damit sagen. Und vielleicht auch noch Ideen mitgeben, in welche Richtung ich gerne hätte oder was als Haupt... Also ist man auch flexibel zum Sagen, ja, ich möchte eigentlich irgendwie, weil da jetzt viel mit Kartoffeln liegt, mit Kartoffeln was machen oder mit was anderem. Das geht auch noch. Und dann erstellt er dir einen Vorschlag vom kompletten Menü. Er sagt dir, welche Schritte Reihefolge du kochen musst, wie viele Gramm du von jedem nehmen sollst, wie du es zubereitest und generiert dir auch noch Bilder. Bis dahin, ich dann gleich einmal, wenn ich dann so einen Anwendungsfall habe, gehe ich meistens immer hin und schaue, was kann ich denn mit diesem Agent sonst noch machen, wo er so verwandt ist. Und da war es zum Beispiel dann Reverse-Engineering, aber Reverse-Cooking sagen wir mal so. Das wenn du im Gasthof bist und noch hast du ein tolles Essen gehabt vorher natürlich fotografiert und kannst dann den Agent fragen, wie das Rezept nachbauen. Also und so sind es vier verschiedene Anwendungen in einer Anwendung. Das wäre jetzt sowas gesagt. Also das sind wir wieder beim Alltag. Also ich glaube, Lernen funktioniert immer am besten, wenn man einfach so einen Anwendungsfall hat, man dran ableiten kann. Und das müssen wir vielleicht mehr reinbringen in die Unternehmen. Vielleicht auch so Formate wie KI-Café. KI-Pizza habe ich auch schon mal gehört. von einer Bekannten, wo sie das veranstaltet, wo sie sich regelmäßig treffen und wo sie vielleicht Pizza essen oder Kaffee trinken, aber nebenher Use Cases besprechen oder Fragen beantworten. So kleine Lernrunden im Team, so Lern-Tandems. Also es geht ja darum, nicht Theorie auswendig zu lernen, sondern ins Tun zu kommen. Und das kenne ich auch in meiner Arbeit in Corporate Learning Community sehr gut. Dort experimentieren wir auch schon seit Jahren mit Lernformate, mit Austausch und dann auch wieder mit Reflektion. Da haben wir zum Beispiel mal so einen Promptatum durchgeführt. Also ein Format, das war schon 2024, da waren wir schon sehr früh dran. Das war dann auch nicht irgendwie auf... Also es ist ja ein gemeinnütziger... haben da jetzt kein Interesse an Geld, sondern wir möchten die, also bei der Corporate Learning Community möchten wir die Zukunft des Landes mitgestalten und so sind wir immer auch im Mindset unterwegs. das waren also Leute aus verschiedenen, unterschiedlichen Firmen und die haben wir eingeladen, 60 Leute und es auch 30, es war auch noch hybrid, also 30 online. Wir hatten verschiedene Anwendungsfälle Challenges. Die Teams sich auch davon was sie gerne machen würden. Wir haben dann zugeteilt. In zwei Sessions haben wir dann vier Teams diese Aufgabe gelöst mit Prompen. Der Vorteil war dann, dass konnte dann auch schwache Leute dabei sein, die noch nicht so viel gemacht haben, oder starke Leute. Man konnte Zuschauer, also wir hatten eine Plattform, wo sie dann gemeinsam an einem Prompt arbeiten konnten, also abwechselnd, aber auch Zuschauer konnten, wie sie einander, wie sie prompten und sich erklären lassen, was machst du denn da gerade. Und so wurde das ganze Team mitgenommen und so wunderbare Lösungen sind da entstanden, sodass fast Manche wollen gleich eine Firma gründen. Das Highlight war dann, als ein Teilnehmerin zum Schluss gesagt hat, ich komme als KI Newbie und jetzt gehe ich als KI Hero. Das war für mich im Herzen ein wirklich freudiger Moment, weil ich sehe, da ist jemand gekommen, der hat Bedenken gehabt, Ängste gehabt und wussten nicht, was geschieht. Und dann auf einmal ist die so selbstwirksam, so sicher und so guten Mutes und geht es an. Und solche Momente müssen wir halt auch schaffen, dass es in Unternehmen geschieht. Jean-Luc Winkler: Ich finde es... Michael Witzenleiter: Ja, finde ich schöne, plastische Beispiele, Oliver. Ich glaube, wirklich aus dem alltäglichen Anwendung jetzt ganz klar wird, wie man da seine Use-Cases ableiten kann. Wobei ich hätte es gern damals auch als Student gehabt, muss ich wirklich sagen. Also deinen Anwendungsfall gefällt mir sehr gut, obwohl dich schon interessiert gewesen wäre, was deine KI aus Ketchup und Bier gemacht hätte. Aber gut, mehr hatte ich damals leider nicht im Kühlschrank. Jean-Luc Winkler: ... Michael Witzenleiter: Hört sich auf jeden Fall sehr, gut an. Ich glaube, dass man oft gar nicht so weit über Internet heranschauen muss, um tatsächlich spannende Use Cases im Alltag und auch im Office zu finden. Jetzt sind wir ja schon relativ weit fortgeschritten in 2026, aber was würdest du sagen, sollten Unternehmen denn beim Thema KI jetzt konkret tun? Sprich jetzt Ende März. in dieser Aufnahme aufnehmen. Was soll ich bis zum Jahresende ... als Unternehmen tun? Oliver Ewinger: Also, erstens, ein Unternehmen jetzt noch nicht mit KI gestartet hat, muss es unbedingt anfangen mit KI zu starten. es gibt keine Wahlfreiheit mehr in dem Bereich. Es wird fast keinen Bereich geben in Unternehmen, wo KI nicht Platz nehmen wird. es reinträgt und wo Sachen optimiert werden, wo ⁓ kreativer werden, qualitativ hochwertiger. Also das heißt, sie müssen ins Tun kommen. Beobachten geht nicht mehr und diskutieren abwarten, sondern sie müssen da ins Tun kommen. Und das sieht man in Deutschland leider, ja ich sag mal, sind die Zahlen, ich im Kopf habe, sind zwar von 2025 noch. Da war die regelmäßige Nutzung von... In Deutschland war 51 Prozent, wo es weltweit schon 66 Prozent war. So Länder wie Nigeria oder Indien, die waren schon bei 90 Prozent regelmäßige Nutzung. Und das andere ist natürlich auch das Vertrauen, was man in KI hat. ist... Da sind wir... In Deutschland ist es in der Viert-, also in einer ganz langen Liste lauter Länder. aus Europa sind wir ganz weit unten. Also es ist immer noch ganz großer Vorbehalt zu KI. Wie man damit umgehen kann, müssen wir aufklären, wir müssen wirklich mehr ins Tun kommen, müssen mehr vielleicht in die Gesellschaft reinbringen und vielleicht auch die Kommunen mehr reinbringen. Zweitens, Mitarbeitende. aktiv einbinden. Das ist einfach, was Unternehmen 2026 unbedingt tun müssen. Die beste Use-Case entsteht aber nicht irgendwo losgelöst vom Alltag, sondern dort, wo die Menschen Prozesse, Reibungen und Schwierigkeiten wirklich kennen. Und das sind genau diese Mitarbeiter, die diese Pain Points kennen, sind praktisch dieser Goldschatz, wo der Use-Case entstehen könnte kann. Deshalb sollte man mit der Mitarbeitenden, der Sprecher, ihre Probleme verstehen und sie frage, wo würdet ihr euch Unterstützung wünschen? Oder wo kostet eure Arbeit unnötig Zeit? Wo wiederholt sie sich ständig etwas? Und drittens ist vielleicht auch wichtig, dass man einfach klein startet. Nicht groß gleich Starter, weil dann ist auch die Erwartungshaltung viel zu groß. Also mit kleinen Use Cases anfangen, auch die Leute suchen im Unternehmer, gerade bei KMU, aber auch in größere, die, die brennen dafür für das Thema. Das sind die, die richtig sind, wo das voranbringen können. Nicht unbedingt ... Es müssen keine ITler sein. müssen Leute aus den Bereichen, die die Schmerzen kennen in den Abläufen. Und da einfach mal mit einfachen Use-Cases anfangen, dass man zu diesem Bau-Effekt kommt. Aber wichtig mir zum Sagen ist, dass es auch nicht bloß nebenhergeht. Also das braucht es dann wirklich Leute, also Mitarbeiter, die Zeit bekommen. dort zum investieren, dass sie Zeit bekommen, auch mal hinzusetzen und sich mit Co-Pilot oder Gemini oder Claude oder JGBT auseinanderzusetzen, ⁓ zu wie reagieren die einzelnen Tools. Jean-Luc Winkler: Jetzt hast du viele Beispiele gebracht, gerade auch zu Beginn, wenn man sich mit KI auseinandersetzen möchte, darauf einzahlen, z.B. die Effizienz zu steigern. Jetzt haben wir uns natürlich auch gut vorbereitet auf die Podcast-Folge und auch ein bisschen weiter in deiner Historie gekramt. Wenn man deine Experience-Spalte nochmal aufklappt, dann sieht man ja auch, dass du super viele Jahre in der Produktentwicklung hast. Hast du dafür uns Einblicke, wie das Vorgehen ist, wenn man KI auch in der Produktentwicklung einsetzen möchte? Oliver Ewinger: Ja, da kann ich gerne ein bisschen auch was erzählen. zwar, manches habe ich ja schon erwähnt. Wie bin ich vorgegangen? Wo verlieren wir Zeit? Wo haben wir Reibung? Wo laufen Prozesse nicht richtig? Oder wo gibt es noch ... Einfach nicht digitale Abläufe, gibt es ja auch noch. Wo tragen wir in Excel-Tabellen irgendwo Sachen ein oder befriedigen Excel-Tabellen, weil es irgendjemand mal gesagt hat, und eigentlich will das gar niemand wissen mehr, wo wiederholt sich Arbeit? Und gerade auch in der Produktentwicklung gibt es viele solche Punkte, wo man auch im Umgang mit Dokumente mit Abstimmungsdokumente oder auch Anforderungen, also Anforderungen, Funktionsvorschriften, Liefervorschriften von Kunden. Das geht ja meistens über mehrere Aufträge, mehrere Jahre. Dann hat man vielleicht zwei verschiedene Anforderungen und manchmal sind es ja PDFs mit 100 Seiten. dass es irgendwie so Lieferantvorschrift, Kundevorschrift ist. Und ich habe einen neuen Stand. Was hat sich jetzt geändert? Es steht zwar da drin. Vielleicht unter einem Kürzel des und des hat sich geändert. Aber oftmals ist es ja auch so, wenn man jetzt zum Beispiel zum Lastheft, Pflichtheft, also der Kunde kommt auf uns zu und sagt, was er haben will, Lastheft. Und wir schauen das Lastheft an und schauen dann, können wir das alles machen, was da steht, oder widersprechen wir einzelne Punkte? Und daraufhin machen wir unser Pflichtheft und sagen, was wir Halter werden und versprechen das dann. Gerade in diesen Jahren mehrere Dokumente, vielleicht aus einem Folgeprojekt. Zuvor, das Vorgängerprojekt kann man hernehmen, was haben wir damals versprochen und was haben wir denn widersprochen. Nicht, dass jetzt ein neuer Mitarbeiter vielleicht das Projekt bearbeitet, schaut vielleicht auch nicht mehr in Lessons Learned, wo man erstellt hat, rein oder vergisst was, übersieht was. kann man natürlich wunderbar die KI-Sachen vergleichen und auch übertragen, was die Widersprüche dann gleich auf das neue Dokument. Da ist also viel. Zeit gespart. Das sind jetzt Beispiele aus der Produktentwicklung. Wie gehe ich davor? Ich spreche mit dem Menschen, frage oder bin hellhörig, wenn jemand etwas sagt, wenn er sich zum Beispiel neu einarbeiten muss in ein Thema und ich sehe, er hat schon verschiedene Listen gesammelt und vielleicht Vorgabe und Wissensdokumente, dann kann ich dem, sehe ich da gleich einen Use Case für KI und sage, ja, dem könnte man doch helfen dabei, sich neu reinzufinden in so einen neuen Job, indem man ganz einfachen Agent erstellt mit diesen Dokumenten, wo er schon rausgesucht hat, wo er dann befragen kann, wo er Use ... Anwendungsfälle befragen kann und sagen kann, wie ist es in dem Augenblick oder wie muss ich da handeln und die KI beantwortet das dann aufgrund von meiner Vorgabe und fabuliert dann auch nicht. Also das geht dann auch wunderbar. Also das heißt, zum einen weiß ich mit offenen Augen, wo Anwendungsfälle sind, diese Pain. in dem ich mit spreche. Zum anderen nutze ich da auch die KI auch mit dazu. Ich nenne das immer gerne KI-gestütztes Use Case Portfolio Entwicklung. Aber bewusst nicht ⁓ Entscheidungen zu treffen, sondern ⁓ den Lösungsraum zu öffnen. Das heißt, ich habe paar Use Cases und generiere mir dann selber in einem Prompt oder in einem Agent neue Use Cases, wo ich dann auch übertrage auf andere Abteilungen. Wenn gute Beispiele da sind, man das sehr gut weiterentwickeln. heißt, aussortieren muss ich natürlich. Wenn ich dann einen 150 Use Cases habe, dann werde ich 20 oder 30 raussuchen fürs erste Mal. Die andere schaue ich später mal an. Und dann gehe ich mit der KIF sofort, dass der Use Case sich erklären muss, was macht er denn, wo ist denn der Nutzer, bringt er, für wen ist er relevant, also welches ist die Zielgruppe und wie aufwendig ist er, also was ist der Einsatz und wenn ich das habe, tue ich das auch mit KI unterstützt, dann in so Matrix reinpressen, dass ich es vergleichbar mache und diese Vergleichbar-Macher von diesen Use Cases Da lasse ich auch wieder dann die KI im ersten Fall über Bewertungs, wo ich selber festgelegt habe, wie soll das bewertet werden, lasse ich es bewerten und dann habe ich eine komplette Matrix, wo ich auch meinen Vorgesetzten viel leichter durchsprechen kann und sie sehen die Vergleichbarkeit und können dann viel schneller entscheiden, ja man macht Use Case 1, man 5 und 7 und das machen wir als nächstes. Jean-Luc Winkler: Oliver, vielen, vielen Dank für deine Einblicke heute. Das war eine spannende Folge mit vielen unterschiedlichen Themen. Aber dadurch, dass du auch so umtriebig bist, gibt es auch so viele Themen abzudecken. In Anbetracht der Zeit würde ich sagen, wir könnten wahrscheinlich noch viel länger sprechen. Aber es gibt auch die Möglichkeit, sonst an Infos von dir ranzukommen und zwar auf LinkedIn. Denn nicht zuletzt aufgrund deines LinkedIn-Newsletters, den wir euch in den Show Notes verlinken wie AI-Land Network. kennen dich die der ein oder andere LinkedIn Nutzer, denn immerhin hast du auch über 10.000 Follower, die die regelmäßig folgen und das wäre sozusagen der zweite Call to Action. Folgt gerne Oliver bei LinkedIn, dort postet er immer wieder sehr regelmäßig spannende Inhalte. Wir verlinken euch sowohl das LinkedIn Profil in den Show Notes als auch dann den Newsletter, da könnt ihr euch noch weiter informieren. Ansonsten scrollt gerne mal das LinkedIn Profil runter, da gibt es bestimmt ein paar spannende Anknüpfungspunkte und dann tretet gerne direkt mit Oliver in Kontakt. wenn ihr die Angriffungspunkte seht. Ansonsten von meiner Seite noch mal vielen herzlichen Dank, dass du heute mit dabei warst für deine Einblicke und wir sind schon gespannt, welche der Predictions dann auch tatsächlich so eintreffen. Da machen wir sicherlich nochmal ein Follow-Up zu. Dann von meiner Seite macht's gut. Nochmal vielen Dank und bis zur nächsten Woche. Michael Witzenleiter: Danke Oliver, hat mir großen Spaß gemacht. Bis dann, ciao! Oliver Ewinger: Herzlichen Dank euch beide und es hat mir wirklich sehr viel Spaß