Latest / esacom KI & IT Podcast / Folge 02 - In 3 Schritten zur erfolgreichen KI-Kultur im Unternehmen

Transcript

Folge 02 - In 3 Schritten zur erfolgreichen KI-Kultur im Unternehmen · esacom KI & IT Podcast

• speaker-0: Herzlich willkommen zu unserer neuen Podcast-Folge. Mir gegenüber sitzt die liebe Anna, mein Name ist Dennis und heute sprechen wir über KI-Kultur. speaker-1: Genau. Und zwar wollen wir euch Einblicke geben, wie die KI-Kultur bei uns aufgebaut wird, gleichzeitig aber auch ein paar Insights mitgeben, wie es andere Unternehmen machen und dass ihr da einfach für euch das Beste rausziehen könnt, wenn ihr gerade mitten im Prozess seid, KI bei euch einzuführen, euch damit beschäftigt, wie KI gegebenenfalls eine Wirkung erzielen sollte. Und wir haben dort drei Ebenen für uns identifiziert bei dem ganzen Thema und Zielbild KI-Kultur. Zum einen ist es einmal der Aufbau von KI-Kompetenz, das heißt wirklich eine gezielte Weiterbildung, sodass unser ganzes Team davon profitieren kann. Dass wir eine Akzeptanzsteigerung haben, das heißt wir wollen ganz klar auch Beispiele bringen, Argumente. Wir wollen auch Sorgen diskutieren. und indem sie nichts unter den Teppich kehren und dadurch einfach auch im ganzen Team diese Akzeptanz, dieses Bewusstsein, was machen wir mit KI, nach vorne bringen. Und der letzte Punkt von dem Zielbild der KI-Kultur sind die Identifikation von Use Cases. Also wir haben gesagt, anhand von kleinen User Stories, das heißt, wir nehmen unser Team mit rein in die Findung von diesen Use Cases, wirklich Fallbeispielen, schauen wir. wie wir hier bei uns im Unternehmen KI einsetzen möchten. Was ist das Zielbild? Was wollen wir machen? Was soll KI unterstützen oder wie soll es unterstützen? Und das sind, sage ich mal, die drei Bereiche, die wir heute mal konkreter mit euch durchsprechen wollen, wenn es bei uns ⁓ die KI-Kultur geht. speaker-0: Genau, also ich kann glaube ich sagen, bei uns haben wir das eigentlich parallel gelöst. Also ich würde behaupten, wir haben eigentlich alle drei Punkte mehr oder weniger parallel angefangen und haben versucht, die umzusetzen. Und wir können ja trotzdem gerne mal die Segmente der Reihe nach durchgehen, weil wir da glaube ich jeweils schon ganz gute Ansätze und Erfahrungen gesammelt haben. Und ja, der erste Part wäre ja das KI wissen, aufzubauen. Anna, willst du einmal berichten, welche Maßnahmen oder Ideen wir für uns da auf den Tisch hatten? speaker-1: Also KI-Kompetenz, KI-Wissen wirklich aufzubauen. Wir haben halt einfach früh festgestellt, dass der Wissensstand sehr unterschiedlich ist bei uns hier im Team. Wir haben einige Pros, die sind wirklich von vornherein mit dabei und super Hype, wenn es ⁓ das Thema KI geht. Es gibt aber auch einige, die einfach skeptisch sind oder sagen, ich habe das noch nie benutzt oder ich brauche das in dem Sinne in meinem Arbeitsalltag auch gar nicht. Also diese Diskrepanz haben wir und haben gesagt, okay, dann wenn KI bei uns wirklich ein fester Bestandteil werden soll, der Strategie, der Ausrichtung und der Weiterentwicklung des Unternehmens, da müssen wir schauen, dass wir möglichst alle mitnehmen, alle auf einen Nenner bringen und wirklich sagen, hey, wie kriegen wir das hin? nur durch ein Selbststudium oder immer mal wieder theoretisch reinzugeben, hey, wir wollen uns jetzt mit KI beschäftigen, da wird, sage ich mal, keine Kompetenz aufgebaut. Das war uns ganz, ganz klar. Und so haben wir eine Workshop-Reihe gestartet. Wir haben das angeteasert, wir haben immer quarteilich so ein Teamfrühstück und da haben wir das dann schon angeteasert, dass das kommen wird. Wir haben auch gesagt, wieso, weshalb, warum. Wir haben eine Vision und unsere Strategie geteilt. Das war, sag ich mal, erst mal zum Vorlauf und da war schon für viele erst mal neu und große Themen und was soll da alles kommen. Und jetzt machen wir wirklich einmal im Quartal eben einen KI-Workshop mit dem ganzen Team und wo wir, wie gesagt, diese Vision noch mal teilen, also dieses Warum für uns, warum machen wir das? unsere Strategie, unsere Ansätze, was verfolgen wir, was ist der Nutzen, wie wollen wir KI einsetzen und dass wir da einfach auch ganz, ganz von vorne gestartet haben, wirklich mit den Basics. Dennis hat diese ganze Schulung ausgearbeitet und hat dann einfach auch nochmal erklärt, was ist überhaupt eine KI, was ist eine Abgrenzung zum Wenn-Dann, was ist eine Automatisierung, was ist Machine Learning, was ist eine generative KI, was ist eine explorative KI. Also wirklich diese ganzen Grundlagen, was Auch für meine sehr theoretisch war das Feedback, das kann ich schon mal geben, aber das war wichtig, dass man nachher die Abkürzung LLM nutzt, dass einfach jeder weiß, das ist ein Large-Language-Modell, darüber sprechen wir jetzt gerade. Und dass wir einfach versucht haben, durch wirklich dieser Workshop, der am Anfang stand, ganz elementare Themen aufzugreifen und vor allen Dingen also da keine Barrieren reinzubauen, von vornherein zu sagen, ja, jetzt haben wir die Pros und jetzt haben wir hier, sag ich mal, diejenigen, die es noch gar nicht mit beschäftigt haben. Wir haben da gar keine Gruppengebilde, sondern wir haben das ganze Team mit reingepackt. haben gesagt, so wir starten jetzt alle auf dieser grünen Wiese, alle zusammen und los geht's. Und dadurch war zumindest auch so war zumindest die Rückmeldung keiner. mit Angst in diesem Thema drin oder hat gesagt, ich gehe in den Workshop nicht rein, ich weiß ja sowieso nicht, was mich erwartet oder ich habe das Thema ja gar nicht bei mir oder ich mache hier gar nichts mit Chetchip, PT oder Clot und dadurch haben wir erstmal echt einen guten Start gehabt, positive Resonanz und konnten so wirklich das Thema Kompetenzaufbau, Kompetenzsteigerung ganz ganz von vorne in unserem Team gemeinsam beginnen. speaker-0: Genau, also ich würde einmal dran anknüpfen, weil du sagtest, die Levels an KI, Wissen und Kompetenz waren halt sehr, unterschiedlich. Und das muss man auf jeden Fall auf den Schirm haben, wenn man das Thema im Unternehmen angeht. Wir hatten das jetzt, wie du gesagt hast, so gelöst, dass wir erstmal quasi alle gleichzeitig mitgenommen haben. Und ich bin auch der Meinung, das war sehr, gut. Und auch wenn hier und da vielleicht das Feedback war, dass es zu theoretisch war, dass Es war halt auch viel Theorie, haben wir auf jeden Fall eine Basis geschaffen, auf der alle aufbauen können. Man kann jetzt vielleicht nicht mit allen Punkten sofort was anfangen, aber ich glaube, wenn man dann vor allem in der Praxis mal so einen Aha-Moment hat und dann sich vielleicht zurückerinnert an Dinge, die im Workshop besprochen wurden, dann vertieft sich das noch mal ein bisschen mehr, wenn man mit einem Effekt von der KI oder mit einem Ergebnis von der KI eigentlich nichts anfangen kann oder es nicht so richtig einordnen kann. Das ist so der eine Punkt. Und gleichzeitig haben wir aber auch gesagt, dass wir auf jeden Fall schnellstmöglich, also das war ja das langfristige Ziel auch von der Theorie, wenn einmal so die Wissensbasis da ist, in die Praxis übergehen wollen. Weil auch da unabhängig vom theoretischen Wissen gibt es einfach massive Unterschiede. speaker-1: Ich weiß auf jeden Fall auch von größeren Unternehmungen, dass die wirklich so mit so einer Art KI-Key-User-Konzept arbeiten. Also, dass die gesagt haben, den Ansatz, den wir verfolgt haben, der ist für die nicht praktikabel. Einfach weil, wenn sie auf einmal alle zusammenschalten müssen, da ein Team von 400, 500 Mitarbeitenden auf einmal steht. Und da wäre einfach die Durchdringung nicht so gegeben, ⁓ nachher zu sagen, hey, jetzt haben wir alle ein gemeinsames Verständnis. und die haben tatsächlich sich dafür entschieden, gewisse, wie man das sonst kennt, aus großen IT-Projekten Key-User zu identifizieren oder KI-Usergruppen, die dann wirklich für unterschiedliche Abteilungen stehen, ⁓ Ansprechpartner zu sein, ⁓ wirklich diese Themen dann abzufangen, einzuordnen und Anlaufstelle zu sein für die unterschiedlichsten Teammitglieder. Wie findest du diesen Ansatz? speaker-0: Genau, also ich finde den Ansatz sehr gut. Man muss das wahrscheinlich für sich individuell entscheiden oder abwägen, auch abhängig von der Unternehmensgröße. Wir sind jetzt kein Unternehmen mit 500 Mitarbeitern, so viel kann man sagen. Das heißt, uns lohnt es sich schon, alle gleichzeitig mitzunehmen, weil dieses, ich sag mal, train the trainer Prinzip Das wir stückchenweise bei uns auch. Wir haben ja jetzt mit uns beiden eher die Key User. Und dann gibt es noch mal so auch High Performer hinsichtlich KI, die jetzt nicht wirklich im KI-Team mit drinstecken, ⁓ es mal so zu sagen. Aber wir haben jetzt auch nicht Abteilungen mit jeweils 50 Mann oder so. Das ist halt bei uns auch nicht gegeben. Aber ab einer bestimmten Unternehmensgröße macht das auf jeden Fall Sinn, weil du brauchst ja auch die Leute, die nicht nur das Wissen haben, sondern auch die Überzeugung dieses KI-Thema voranzuschreiten im Unternehmen. Und bei der Unternehmensgröße, wenn du halt wirklich 3, 4, 500 oder noch mehr Mitarbeiter hast, geht das gar nicht anders. speaker-1: Wo du eben sagtest, man braucht einfach mal so ein positives Beispiel. Ich musste immer noch an unsere Einkaufsleitung zurückdenken, als wir da auch gestartet haben eben mit dem Workshop, die nachher dann auch gekommen ist und gesagt hat, ich habe Chachi Petit noch nie genutzt und ich habe das jetzt mal gemacht und ich habe da mal was reingegeben und das hat mir richtig geholfen und ich fand es so schön, wie sie eigentlich so keine Ahnung, keinen Anfangspunkt richtig zu CHED GPT hatte und dann gesagt hat, ich probiere das jetzt mal aus und eigentlich ganz begeistert war und wir sie jetzt zumindest auch entsprechend mitnehmen können auf dieser ganzen Reise. ja, ich glaube, das leitet ganz gut über zu dem nächsten Punkt. Wie du schon gesagt hast, was vieles in Hand geht, aber die Steigerung von Akzeptanz, dass wir darüber sprechen über KI, dass wir Beispiele bringen. dass wir diese Sorgen aber auch ernst nehmen. Also auch von da, von Kolleginnen und Kollegen, die einfach sagen, hey, ich bin da noch nicht so drin oder ich habe da auch bisschen Ängste vor, dass wir das Thema sensibel angehen und nicht, sage ich mal, alles drüber stülpen und sagen, so ist das jetzt und es wird jetzt so gemacht. wenn da jemand, ich sage mal, vielleicht eine skeptische Meinung hat, dann wird die auch gar nicht gehört, das ist wichtig, dass da ein Bewusstsein da sein muss, finde ich. speaker-0: Genau. Und ich finde, das ist auch ein sehr sensibler Punkt, weil Sorgen bei Mitarbeitern halt eben wirklich ganz schnell in diese Abneigung und Ablehnung übergehen. Und da braucht man wirklich so ein bisschen Feingefühl im Sinne von wie weit in Anführungsstrichen übertreibig ist, den Leuten dieses Thema aufzudrücken. Da gibt es so paar Maßnahmen oder Strategien, wie ich finde, die sich ganz gut dazu eignen, auch Leute mitzunehmen, die dem ganzen eher skeptisch gegenüberstehen. Ein ganz wichtiger Punkt ist für mich, du hast ja das eine Beispiel schon genannt, wenn die Leute erst mal selber ins Doing gehen und merken, ey, pass mal auf, da tut sich was, das hilft mir, dann hast du ja eigentlich schon die Akzeptanz gewonnen. Dann hast du natürlich trotzdem noch die Mitarbeiter, die vielleicht gar nicht ausprobieren möchten, die vielleicht gar nicht an so einer Schulung teilnehmen möchten, die nicht ins Doing gehen möchten. Und da hatte ich auch so den Tipp gehört, einmal von einem größeren Unternehmen, ja dann lass sie doch einfach erstmal machen und dann schule die Kollegen, die links und rechts nebenan im Büro sitzen. Und wenn dann der Skeptiker erstmal merkt, ja okay. Mein Kollege, der mir gegenüber sitzt, der nutzt jetzt gerade KI und der kriegt die Aufgaben irgendwie doppelt so schnell erledigt wie ich und kann sich besseren Arbeiten widmen, dann steigert das dann vielleicht auch nochmal das Interesse, KI selber mal auszuprobieren. Und gleichzeitig Richtung Sorgen gedacht, weil das war ja auch ein Punkt bei der Akzeptanz. Viele verwechseln, glaube ich, KI mit Automatisierung. Das ist natürlich ein Punkt von KI und Automatisierung bedeutet vielleicht für einige Stellenabbau. Ich verliere meinen Job. Da kann ich sagen, das war bei uns nie Thema. Also nie Thema, dass wir darüber nachgedacht haben, Stellen abzubauen. Ganz im Gegenteil, KI ist halt in allererster Linie ein Performance Boost. Also deine Produktivität wird im Idealfall, wenn du KI richtig einsetzt, gesteigert. Darum geht es. die manpower die du hast halt noch besser auszuschöpfen speaker-1: Ja, total. Und genau was du sagtest, diese Sorgen, hatte eine Kollegin halt auch zu mir gesagt, sie hat das halt überall in den Nachrichten gelesen oder gehört oder sieht es auf Social Media, ne? KI ersetzt mein Job. Ich meine, wie oft war das die Headline? Und das ist natürlich auch manchmal auch eine Form von Clickbaiting. Wenn man dann den Artikel manchmal genau dahinter liest, dann ist da ... eine Vermutung, ob KI eventuell einige Jobs ersetzen könnte, aber auch immer im Konjunktiv und da gibt es keine Studie oder Statistik zu und man muss ja auch immer wieder ins Verhältnis setzen, wenn es einer Wirtschaft oder einer Volkswirtschaft schlecht geht, es nicht gerade, dass KI dafür, ich sag mal, die Ursache ist, dass auf einmal Jobs nicht zustande kommen oder ich sag mal, wegfallen, sondern das sind immer andere Ursachen und muss immer wieder diesen Kontext verstehen und ja, also Bei uns kann ich auf jeden Fall sagen, wir haben das Thema KI, wie du auch schon gesagt hast, niemals mit der Prämisse gestartet zu sagen und deswegen wollen wir jetzt das Team halbieren. Sondern es war immer eine Innovation, eine technologische Neuerung und lass uns schauen, wie wir damit arbeiten können und immer als Werkzeug, Unterstützung zu sehen. ich glaube, ⁓ nochmal auf die Einkaufsleitung zu sprechen zu kommen, die hat ja diesen positiven Aha-Effekt und ich sag mal, die Sache, sich, ich weiß nicht mehr genau, was sie recherchiert hat, das hätte sonst einfach Zeit gedauert. Also das hätte vielleicht Akten wälzen, wären einfach nochmal was nachlesen gewesen, es wären bestimmt vielleicht eine Arbeit erstmal vielleicht von 10 oder 15 Minuten gewesen, die damit beschäftigt gewesen wäre und die KI hat es einfach möglich gemacht, innerhalb von Sekunden, sie hat sich das durchgelesen, jetzt bewertet, sie hat gesagt, okay, das ist die Info, die sie gerade brauchte, sie war einfach schneller. Richtig. Und ich glaube, diese Schnelligkeit, diese Geschwindigkeit, diese Effizienz, zielt ja auch darauf ab, was du meintest, selbst wenn wir dort Skeptiker haben. die absolut berechtigt sind, wenn die aber sehen, was möglich ist oder was eben Kolleginnen oder das Team damit machen, dann irgendwann steht schon eine Neugier, einfach mal zu gucken, hey, könnte ich das vielleicht für mich auch nutzen. speaker-0: Ja, richtig. vielleicht hier nochmal mein persönlicher Take. Wenn du jetzt Entscheider bist und wirklich denkst, okay, ich führ jetzt KI bei mir im Unternehmen ein und dann kann ich Arbeitskraft sparen, lass es. Du wirst damit auf die Schnauze fliegen. Das wird erstens nicht funktionieren und das schürt Unsicherheit im Unternehmen. Lass es. Aber auf der anderen Seite, wenn man halt wirklich versucht, die Leute zu beflügeln und produktiver zu machen, dann hat das einen viel besseren Effekt, als wenn du halt versuchst, irgendwelche Personalkosten zu sparen. Das wird ⁓ nicht aufgehen. Und mich wundert es auch, dass dieses Stellenabbauthema immer wieder und auch heute noch so großes Thema ist hinsichtlich KI und mit jedem neuen Modell heißt es ja, okay, bald sind die arbeitslos, bald gibt es die Berufe nicht mehr. Also als Software-Entwickler bin ich auch eigentlich schon seit GPT 3.5 Arbeitslos. Aber irgendwie sitze ich trotzdem noch hier. speaker-1: Ja, und auch das nochmal einzuordnen. Ich habe mit einer guten Freundin gesprochen, die ist im HR tätig, auch im großen Unternehmen, Mittelstand. Und sie hat einfach auch nochmal darauf reagiert, weil ja auch da viel geschrieben wird in den Medien, die Juniors oder die Einsteigerjobs, Berufseinsteigerjobs, das wird schwieriger, weil das jetzt alles mit KI gemacht wird. Und da hat sie jetzt auch gesagt, na ja, ich glaube, das einfach so, dass sich halt die Profile gerade für die Berufseinsteiger ändern werden, wo vielleicht jetzt die MS Office Skills drin sind, wo man Excel, Word oder vielleicht noch am besten Power BI super gut nutzen kann, ist es vielleicht zukünftig, dass man sagt, man muss richtig gut prompten können, man muss wissen können, wie eine tokenbasierte In- Output in einem LLM gut funktioniert und man muss einfach verstehen, wie KI-Arbeit oder wie vielleicht ein KI-Prozess aussieht, was vielleicht da einfach auch in dem ganzen Kontext so ein MCP, also so ein Protokoll ist. dass da gewisse Themen drin sind. Und wenn man sich natürlich dem verschließt, aber das war schon immer so, wenn du auf einmal gesagt hast vor ein paar Jahren, hey, ich möchte niemals mit E-Mails arbeiten und irgendwann war eben das neue Jobprofil, du musst mit E-Mails schreiben, mit Kunden so in den Kontakt treten und du hast dich dem verwehrt. Das hat sie gesagt und das einfach mal an diese Analogie transferieren auf das Thema KI, wo das Jobprofil sich ändern wird, auch gerade bei den Berufseinsteigern. Wenn man offen ist und sagt, ich probiere das aus oder man hat da vielleicht ⁓ schon Affinität für, sagte sie, sie geht diese These auf jeden Fall nicht mit, dass auf einmal die Juniors in dem Sinne keine Jobs mehr finden. Das Profil ändert sich. Es ist halt angepasster. Und ich denke aber nicht nur bei den Juniors. glaube, da hast du ja eben auch gerade schon gesagt, auch bei dir, man verändert sich halt einfach mit, der KI mit, die Anforderungen, da sind. Man geht einfach mit. speaker-0: Richtig, wir hatten ja auch schon mal die Diskussion und die Überlegung hatte ich ja auch selber sehr viel schon. Was machen wir eigentlich, wenn wir den nächsten Anwendungsentwickler hier ausbilden? Da kann ich ja sagen, beim letzten Azubi hatte ich ja schon oder eigentlich immer noch, aber da hatte ich noch viel mehr den Fokus drauf, okay, der muss sein Handwerk beherrschen. Also wirklich konventionelle, konservative, konservative nicht, aber konventionelle Softwareentwicklung, also per Hand programmieren. finde ich, sollte man nach wie vor auch als Programmierer können. Aber gleichzeitig legt ja der Fokus vielleicht viel mehr oder nicht viel mehr, aber zum großen Teil auch auf den Skills mit einer KI zu programmieren, sprich, irgendwie so ein Coding Tool zu benutzen, welches man auch immer bevorzugt, da gibt es ja zig auf dem Markt. Aber dass man halt wirklich als Software-Entwickler oder Engineer oder wie auch immer man diesen Beruf dann nennen möchte, das ist ja auch so ein Ding, dass sich halt wirklich Tätigkeitsfelder am Berufe einmal ändern in dem, man macht und auch in der Kultur. ich werde wahrscheinlich zukünftig den Code, den ich programmiere, immer weniger selber eintippen und immer weniger selber mir überlegen. im Sinne von der Codesyntax her. Meine Aufgabe wird es viel mehr sein, quasi der Architekt hinter der ganzen Geschichte zu sein. Wie soll die Anwendung aussehen? Wie ist sie aufgebaut? Welche Geschichten habe ich? Und so weiter und so fort. Und quasi die Leitplanken mitzugeben für die KI und dann halt natürlich das Ergebnis nachher zu beurteilen. Dazu muss ich natürlich auch programmieren können. Ich muss das irgendwie bewerten und einschätzen können. Aber ich muss vielleicht nicht aus dem Kopf auswendig können, wie dieses und jenes zu Und das ist halt das, was das Ganze eben beschleunigt und schneller macht. speaker-1: Und ich sag mal so, den dritten Part von unserer Kultur, das geht auch so einher, als wir gerade das Beispiel hatten, dass wir das Beispiel hatten, Beispiele zu bringen, aber auch positive Beispiele, diese Use Case, also unsere User Stories. Ich glaube, erzähl du einfach mal, wie wir da vorgegangen sind. speaker-0: Also ich würde mal sagen, das war erst mal klassisches Brainstorming. Und das ist am Anfang, glaube ich, schwer. Und das haben wir ja auch oft auf Tagungen und Schulungen, wo es ⁓ das Thema Use Cases geht, dass sich viele damit schwer tun, überhaupt irgendwas zu identifizieren, weil es auch vielleicht schwer ist, den Unterschied zu machen zwischen Automatisierung oder wo macht jetzt wirklich eine KI Sinn? Kriege ich das vielleicht auch technisch umgesetzt? Das ist ja vielleicht auch so eine große Herausforderung für viele. Aber unabhängig von diesen ganzen Sachen, die erst mal dagegen sprechen, haben wir gesagt, ob das jetzt am Ende funktioniert oder nicht, ob das jetzt mit KI Sinn macht oder nicht, wir schreiben erstmal Use Cases auf, wo wir vermuten, das kann man vereinfachen, das kann man vielleicht auslagern, das ist vielleicht auch einfach lästig, also die Tätigkeit, die die Kollegen machen müssen. Das haben wir erst mal so definiert als Liste runtergeschrieben. Und als wir unser Portfolio am ersten Use-Cases hatten, sind wir da hergegangen und haben die bewertet. Dann haben wir überlegt, okay, macht das Sinn? Lohnt sich das, wenn wir das umsetzen würden? Inwiefern können wir das überhaupt umsetzen? Und wie machbar ist das Ganze? Wir haben jetzt hier natürlich den Vorteil, dass wir eine eigene Entwicklung haben, auch jetzt spezialisiert mit KI-Fokus. Delux, das hat nicht jedes Unternehmen. Aber nichtsdestotrotz haben wir diesen Luxus gegönnt und haben uns dann die Sachen rausgepickt, die erstens einfach umzusetzen sind und aber gleichzeitig einen großen Nutzen haben. Und die haben umgesetzt, sind in die Entwicklung gegangen. speaker-1: Ja, aber warte ganz kurz. Wir haben vorher nämlich noch auch die Kollegen gefragt und mit einbezogen. Und ich glaube, wir haben sie gut einbezogen, weil wir haben sie gefragt, was sind für euch wirklich innerhalb dieses Prozesses oder in dieser Schritte, die wir identifiziert haben im Vorfeld schon mal, wirklich die nervigsten Aufgaben. Was ist so richtig, richtig nervig? Was wollt ihr am liebsten abgeben? Was ist wiederkehrend? Eigentlich jede Woche oder jeden Monat, aber ihr würdet es am liebsten nie wieder machen. Also wirklich so eine ganz emotionale Fragestellung mit reingebracht und nicht nur gefragt. Und ich glaube, das war für uns zumindest ein Erfolgsfaktor. Wenn wir einfach in die Teams gegangen und hätten gefragt so, hey, wir wollen das KI einführen. Wo seht ihr denn den Use Case? Ja, hätte wahrscheinlich jeder irgendwie gesagt, ja, muss ich mir mal Gedanken machen, weiß ich nicht so richtig, komm mich mal in ein, zwei Wochen auf euch zu. Aber dadurch, dass wird da so hoch emotional reingegangen, so und gesagt haben, ganz ehrlich, wo ist der riesengroße Fakt ab? Was würdet ihr sofort? Also was nervt euch so gigantisch? Und dieses, hey, jeder kann erzählen, was einem grad irgendwie nervt oder wo man so repetitive Aufgaben hat, wo man so vor sagen würde, das möchte ich nicht mehr machen. Und da ist so viel zusammengekommen, was sehr, gut ist. ich glaube, also wenn man da vielleicht mal diese emotionale Ebene nehmen würde und fragen würde, hey, was sind die Use Cases? Und da zu starten, kommt sehr, sehr viel bei rum. Und das muss man natürlich... bewerten, einmal einordnen. Es macht keinen Sinn zu sagen, hey, wir starten vielleicht mit einem Agent oder mit einem Prozessabschritt, wo ein Entwicklungsaufwand von 500 Stunden steht und dem Gegenüber steht eine Zeit als Spanisch von drei Minuten oder so was nach. Das passt nicht, aber ja, das wollte ich nochmal kurz erwähnt haben, dieses Emotionale, dass wir das doch mal da auf jeden Fall mit reingebracht haben. speaker-0: ist vollkommen richtig, weil das knüpft ja genau an das Thema an, dass sich viele wirklich schwer tun, Use Cases zu finden. Und das ist ja eben das Thema, wenn du die Leute fragst, so hast du Use Case für KI? Ja, und dann fangen sie halt eben an zu überlegen. Aber wie du sagtest, wenn du halt fragst, was nervt dich gerade an der Arbeit, was du halt jeden Tag machen musst, was du gerne abgeben würdest, da hat jeder irgendwas. Und genau da kann man halt anknüpfen. Da entwickelt sich, wie du sagtest, auch nicht immer ein Use Case draus, den man halt wirklich umsetzen kann. Aber Bei der Fülle, die sich in der Liste der nachher geben hat, konnte man dann schon gut auswählen. speaker-1: Ja, das auf jeden Fall. was halt auch ganz schön ist, also ich denke mal, in der anderen Folge werden wir auch nochmal genau auf unsere Agents eingehen, welche wir genau haben. Ich denke mal, das wird auch interessant sein. Was ich einfach jetzt gerade ganz schön finde, ist, die sind jetzt live bei uns, das kann ich schon mal soweit sagen. Die arbeiten, unterstützen unser Team in dem Sinne. Und wir hatten jetzt letztens erst wieder ein KI-Workshop und da hat auch in dem Sinne das Team einfach die Rückmeldung mal reingegeben und hat gesagt, guck mal, Wir haben jetzt hier unseren Agent, der nimmt jetzt wirklich diese absolut nervige, repetitive Arbeit ab und hat einfach mal Feedback gegeben. und das ist halt einfach echt und das ist authentisch, weil das, also wenn der oder diejenige gesagt hätte, hey, nee, ich nutze das gar nicht oder ich habe hier meine Schattenkarte oder was auch immer, kann natürlich auch sein. Aber so war einfach die Rückmeldung ins Team rein im Rahmen dieses Workshops. Hey, das ist toll. Es gibt mir Arbeit ab. wo ich vorher vielleicht drei Stunden dran saß, brauche ich jetzt noch zehn Minuten, das ist super, super gut und ich bin froh, dass ich den habe. Und das ist natürlich das, was wir halt, wenn man das wieder alles sehen möchte in dieser ganzen KI-Kultur, genau wo wir hinwollen, diese Kompetenz steigern, dass wir sagen, wir haben die Akzeptanz und haben dann die Use-Cases und wenn dann natürlich auch noch das Team wieder verstärkt rein gibt, hey, das funktioniert, das ist gut und das unterstützt mich. Das beflügeln natürlich auch die anderen, sodass eben dann andere Teams kommen und sagen, hey, ich hab da eigentlich auch noch was und wann kommt er denn mal dazu, mein Thema umzusetzen und gibt's da, sag ich mal, schon ein Starting Point. Und so, sag ich mal, haben wir dieses Rad, das immer sich auch wieder verstärkt und bedingt, ⁓ dieses Thema Kultur da bei uns zu etablieren und wirklich auch weiter zu festigen. speaker-0: Das eigentlich wie so ein Dominoeffekt, wenn der Stein erstmal ins Rollen kommt oder rumfällt, dann geht das nachher ganz ganz schnell. Genau, das fand ich auch, war ein wichtiger Punkt bei unserem letzten Workshop, einmal das Feedback einzuholen, wo ich generell sagen würde, wenn man so was macht und KI einführt in erstmal wahrscheinlich in kleineren Prozessen und mit kleineren Tools oder wie auch immer. muss man auf jeden Fall auch mit den Leuten sprechen, die diese Sachen nachher benutzen oder wo das auch einen Effekt hat auf die eigene Arbeit. bei uns lief es jetzt gut, aber es kann natürlich auch passieren, dass es vielleicht mal nicht so gut läuft und das Ergebnis jetzt nicht so ist, wie erhofft. Ist dann auch nicht so schlimm, weil es gibt wahrscheinlich auch noch 10, 20 andere Sachen, wo man dann noch mal KI ausprobieren kann. Finde ich überhaupt nicht schlimm in dem Sinne. Und gleichzeitig, irgendwie Akzeptanz oder auch das Feedback, besser bewerten zu können, ist eine ganz große Empfehlung, die Sachen immer zu messen. Das haben wir nämlich auch gemacht. Das heißt, wir haben geguckt, wie war denn der Prozess vorher, wie lange hat der Mitarbeiter dafür gebraucht und wie war der Effekt nach Einführung des Agents. Also was musste der Mitarbeiter dann überhaupt noch machen? Und bei uns in einem Agent war es halt wirklich der Zeitfaktor, der dann deutlich runtergeht. speaker-1: Genau, Zeitfaktor ist natürlich einfach da, ⁓ das Thema Produktivität aufzugreifen. Wir haben halt wirklich nervige, repetitive Tätigkeiten rausgesucht. Und wenn wir, sag ich mal, die Zeit, der Mitarbeiter nutzen kann für was anderes, für was Wertschöpfenderes, war das für uns einfach wirklich der Nutzen super, super hoch, ⁓ dann auch zu sagen, da gehen wir rein und das müssen wir entsprechend umsetzen. speaker-0: Ich glaube, das war jetzt ein ganz guter erster Umriss und Abriss zum Thema KI-Kultur. Ich wir haben viele Punkte schon mal bisschen angeteasert. Wir können in einer Folge noch mal gesondert über unsere Agents sprechen. Wir können auch noch mal über die Technologien sprechen, die wir im Hintergrund einsetzen. Stichwort lokales Hosting und Open Source ist halt auch ein Riesenthema bei uns. Da tun sich auf jeden Fall noch mal viele spannende Themen auf, die wir gerne mit euch besprechen würden. speaker-1: Genau. deswegen unsere Empfehlung noch, wenn es ⁓ das Thema Kultur geht, baut KI-Kompetenz auf bei euch, schaut, dass ihr die Akzeptanz steigert im Team und identifiziert Use Cases. Und dann wird das gut laufen. speaker-0: finde das war ein gutes Schlusswort. würde ich sagen, dann sehen wir uns beim nächsten Mal. Ciao! speaker-1: Alles klar, dann, ciao!