Latest / AI or DIE / Wo autonome KI echten Mehrwert schafft und wie Unternehmen sinnvoll starten

Transcript

Wo autonome KI echten Mehrwert schafft und wie Unternehmen sinnvoll starten · AI or DIE

• 0:00
  Speaker 1: Jo, hallo zusammen zu unserem Podcast AI or Die.
• 0:04
  Speaker 1: Und wir wollen heute über Grenzen von Agents sprechen!
• 0:09
  Speaker 1: Wir kennen es alle, jeder will einen A-Agent haben.
• 0:11
  Speaker 1: Viele funktionieren auch super.
• 0:12
  Speaker 1: Darüber reden wir.
• 0:13
  Speaker 1: aber wir reden auch darüber wo gibt's denn eigentlich Grenzen?
• 0:17
  Speaker 1: Wo?
• 0:18
  Speaker 1: Ist es denn vielleicht gar keine Agent?
• 0:19
  Speaker 1: Wo ist der Garchen Agent nötig, aber man trotzdem produktiv sehr schnell was hebeln kann.
• 0:24
  Speaker 1: Und darum geht das heute.
• 0:25
  Speaker 1: und ich steige gleich mal ein Christian.
• 0:27
  Speaker 1: Schön dass du dabei bist Aber erzähl mal wie sieht es momentan bei den Kunden aus?
• 0:31
  Speaker 1: Wie sieht es am Markt aus?
• 0:33
  Speaker 1: Was ist bei dem Agent Thema los?
• 0:34
  Speaker 1: wie nimmst du das wahr
• 0:36
  Speaker 0: Hi Andreas.
• 0:37
  Speaker 0: Ja, wie ich nämlich das war?
• 0:39
  Speaker 0: Es ist natürlich in aller Munde und es ist das Hype-Thema.
• 0:41
  Speaker 0: du kommst nirgends mehr hin mit wir wollen nur KI sondern jeder will ein Agentec System.
• 0:45
  Speaker 0: Und hey!
• 0:45
  Speaker 0: Natürlich haben wir das auch schon bei vielen Kunden umgesetzt und es gibt auch ganz tolle Anwendungsfälle die wir auch in der Praxis umgesetzt haben.
• 0:54
  Speaker 0: wo ich sagen muss Da ist das ist wirklich extrem was wert also wenn du system hast was für dich ein stück weit mitdenkt selbst entscheidungen trifft.
• 1:03
  Speaker 0: Also paar beispiele aus der praxis vielleicht.
• 1:07
  Speaker 0: wir haben vertriebs als agent quasi umgesetzt.
• 1:11
  Speaker 0: ja, mit einer manufacturing unternehmen wo du einfach ganz neue wege gehst.
• 1:16
  Speaker 0: die wissen zum beispiel eine firma Verspannungsmechaniker einstellt, arbeiten mit dem Typ Gerät.
• 1:24
  Speaker 0: Die brauchen unseren Kram und es sind einfach neue Wege die du gehen kannst mit so einem System wenn du dann einen Agenten hast der deine Zielkunden für dich recherchiert.
• 1:34
  Speaker 0: Ich würde lügen wenn ich nicht sagen würde tun wir ja auch selbst für uns.
• 1:37
  Speaker 0: ja analysierte Webseiten macht eine gewisse Gesprächsvorbereitung für dich zeigt dir Cross-Selling Potenziales.
• 1:43
  Speaker 0: Das Gleiche natürlich auf der anderen Seite, was kannst du auch realisieren für deinen Einkauf?
• 1:48
  Speaker 0: Deine Lieferanten überwachen!
• 1:49
  Speaker 0: Du suchst alternative Lieferanden vergleicht Preise.
• 1:53
  Speaker 0: Du kannst Handlungsempfehnungen erstellen.
• 1:55
  Speaker 0: All das Arbeit die du normalerweise händisch tust, die wahnsinnig aufwendig ist und viel Zeit kostet und du einfach die Leute befähigst ihre Kreativität und ihr schaffen woanders einzusetzen als mit diesem Recherche arbeiten.
• 2:10
  Speaker 0: Jeder von uns kennt Serviceagent, den ist jeder schon mal begegnet.
• 2:14
  Speaker 0: Wenn du irgendwo dein Ticket abschickst oder der Telekom chattest, da muss ich ehrlicherweise sagen wenn wir oftmals einen Mensch dann doch noch lieber als die Ergebnisse die ich dabekommen.
• 2:23
  Speaker 0: aber sowas kannst natürlich auch intern umsetzen Dokumentation verwalten Für deine eigene IT im Unternehmen zu sagen, hey ich muss nicht immer den Mitarbeiter einbinden.
• 2:34
  Speaker 0: Ich mache einen Self-Service Portal.
• 2:36
  Speaker 0: Ich habe einen Agent der meinen Mitarbeitern erst mal Dokumentation zeigt, der erstmal sagt geh doch den oder den Weg.
• 2:43
  Speaker 0: Bis zum Einsatz im HR Bereich?
• 2:45
  Speaker 0: Klar!
• 2:46
  Speaker 0: HR immer schwierig diskriminierende Systeme und so weiter musst du massiv aufpassen.
• 2:50
  Speaker 0: aber mal so eine Bewerbung prüfen in Sinne von ist er für uns qualifiziert Unterstützung bei der Stellenanzeige, ja Interviewtermine planen.
• 3:00
  Speaker 0: Eben nicht einfach nur mit ich schick was raus sondern ich leg die Kalender übereinander von meinen internen Mitarbeitern und checke wann ist da der optimale Slot?
• 3:08
  Speaker 0: Und am Ende natürlich Reporting, da kommen wir alle her.
• 3:12
  Speaker 0: Ja gerade im Reporting hast du ultra viele Möglichkeiten mit Agenten zu arbeiten.
• 3:18
  Speaker 0: KPI's analysieren Auffälligkeiten in Reportings erkennen ja und Am ende eben nicht mehr Stashboard-Innen selbst in eine Powerpoint Folie gießen, sondern einfach ein Management Summary bekommen auf Knopfdruck und die kann das vielleicht der Manager auch selbst abrufen.
• 3:35
  Speaker 0: Also bei unseren Kunden ganz viel Bedarf, ganz viele Möglichkeiten und ganz viele spannende Projekte.
• 3:41
  Speaker 1: So, jetzt haben wir beide natürlich immer so ein bisschen dieser Helikopter-View.
• 3:45
  Speaker 1: Also wir gucken von oben drauf und sagen hey das sind alles Einsatzbereiche!
• 3:48
  Speaker 1: Das machen unsere Leute, so sieht es aus.
• 3:51
  Speaker 1: Da müssen wir uns darüber unterhalten.
• 3:52
  Speaker 1: hier in den Podcast bringen wir auch immer zig Beispiele wie Agentic AI funktionieren kann und welche Probleme da sind usw.
• 3:59
  Speaker 1: Wir unterhalten uns aber viel zu wenig auch über die Grenzen von Agentica AI.
• 4:03
  Speaker 1: Und deswegen hast du gesagt Nico komm mal mit erzähl mal aus der Praxis, erzähl einmal was ist denn eigentlich so wirklich wenn man an der Front ist los?
• 4:11
  Speaker 1: Und wie stark ist es denn jetzt eigentlich, wenn man selber... Ich glaube ich darf nicht so bezeichnen eher mit einer technischen Brille als Techie daherkommt.
• 4:18
  Speaker 1: Wie beurteilt man das?
• 4:19
  Speaker 1: Weil wir natürlich oft aus unserer, ich nenne es mal BWL Fachabteilungssicht sagen, krass!
• 4:25
  Speaker 1: Wir können jetzt irgendwie Mitarbeiter setzen und wir können Mitarbeiter befähigen.
• 4:28
  Speaker 1: Wir können was mehr machen oder anders machen.
• 4:30
  Speaker 1: Oh, wir können jetzt fünf Aufgaben Gleichzeichen machen.
• 4:32
  Speaker 1: Wir könnten uns auf einmal um den strategisch persönlichen Einkauf kümmern.
• 4:35
  Speaker 1: Wir müssen gar nicht operativ irgendwas einkaufen.
• 4:38
  Speaker 1: So sind wir ja.
• 4:40
  Speaker 1: Willst du mal vorbeikommen und sagen, was ist denn eigentlich los?
• 4:42
  Speaker 1: Wie sieht es so aus.
• 4:44
  Speaker 1: Was nimmst Du denn momentan?
• 4:45
  Speaker 1: Magst Du wahr wenn Du sagst bei euren neuen Kunden das Thema fällt?
• 4:51
  Speaker 2: Ja Hallo zusammen erstmal!
• 4:53
  Speaker 2: Was wir ganz häufig haben ist der Fall, dass wir kriegen eine Anfrage oder haben Kontakt zu Kunden und die kommen her und sagen hey Agenten sind cool ist gerade das Ding.
• 5:04
  Speaker 2: Wir wollen auch etwas mit Agenten machen.
• 5:06
  Speaker 2: Klar war Lide man will es einmal ausprobieren und die Technik kennenlernen.
• 5:09
  Speaker 2: Oder sie kommen her, haben schon Use Case und schlagen vor.
• 5:13
  Speaker 2: Sie wollen es mit Agenten umsetzen.
• 5:16
  Speaker 2: Das ist einfach so der Klassiker.
• 5:18
  Speaker 2: Und klar wenn man das mal ausprobieren will Super Gelegenheit findet man meistens schöne Beispiele.
• 5:25
  Speaker 2: Aber einfach nur Agenten einzusetzen weil's gerade der große Hype isst Ist nicht immer die beste Lösung.
• 5:31
  Speaker 2: Es gibt ja noch die klassischen Verfahren, einfach nur ein normales Machine Learning Modell oder auch eine Automatisierung wie man sie seit Jahrzehnten macht.
• 5:39
  Speaker 2: Einfach reinprogrammiert.
• 5:41
  Speaker 2: Die haben durchaus immer noch ihren Wert Auch wenn Agenten jetzt das große Ding sind und viel mehr können.
• 5:46
  Speaker 2: Und auch diese klassischen Ansätze kann man ja mit den modernen Methoden Erweitern.
• 5:51
  Speaker 2: Wenn es darum geht Sprache zu verarbeiten Dann packe ich irgendwie einen LLM und Sprachmodell noch dazu Aber im Kern ist es trotzdem noch das gleiche wie früher.
• 5:59
  Speaker 2: Es kann nun bisschen mehr.
• 6:02
  Speaker 2: Damit kann man In den Fällen, wo man es nicht unbedingt braucht.
• 6:06
  Speaker 2: Ein bisschen Kostensparen, paar andere Probleme umgehen und hat quasi das gleiche Ziel erreicht wie wenn man jetzt einen großen Agenten mit allen seinen Vor- und Nachteilen darauf werfen würde.
• 6:19
  Speaker 1: Jetzt sagst du so nebenbei ein normales LMF.
• 6:24
  Speaker 1: So ein normaler Anwendungsfei, ja so ein Case wie wir's zehn Jahre schon machen!
• 6:29
  Speaker 1: Jetzt möchte ich hier deinen jugendlichen Ärgerheiz und das, was ihr alles auch bei Five Wormen oft an der vordersten Front macht.
• 6:34
  Speaker 1: Und wo ihr echt vorne dabei seid und Dinge macht die Spielern.
• 6:37
  Speaker 1: Ich möchte aber sagen es gibt genug Leute, die draußen zuhören und sagen Moment!
• 6:42
  Speaker 1: Also... AI Agent und AI und LMM und Machine Learning sind jetzt unterschiedliche Dinge.
• 6:49
  Speaker 1: Magst du da noch mal ein bisschen Klarheit reinbringen, wann das so stufenweise für dich etwas bringt?
• 6:55
  Speaker 1: Und vielleicht so ein bisschen sagen, dass für dich glaube ich das können wir wegnehmen.
• 6:58
  Speaker 1: Agents nicht immer das Beste sind wie du gerade gesagt hast Das ist die allgemeine Lösung.
• 7:03
  Speaker 1: Sondern es wird vielleicht so bischen stufig nacheinander durchgehen und sagen Was is denn was?
• 7:08
  Speaker 1: Um wofür kann man was so ein bißchen nutzen damit unsere Zuhörer so wissen und sie gleich sagen Oh Gott, der nimmt das ja alles als selbstverständlich.
• 7:16
  Speaker 1: Wir wären froh, wenn wir überhaupt irgendwas außer Co-Pilot mit ChatGPT oder wie auch immer machen würden.
• 7:22
  Speaker 1: als Kunden?
• 7:23
  Speaker 2: Ja die Entwicklung war da einfach extrem in den letzten Jahren.
• 7:27
  Speaker 2: Da ist sicherlich so mancher abgehängt worden und weiß gar nicht mehr was gerade der Stand der Technik ist.
• 7:33
  Speaker 2: Ich als zum großen Teil auch Entwickler bin natürlich von der Front immer dabei.
• 7:41
  Speaker 2: damit einsteigen, wir haben natürlich seit Jahrzehnten die ganz normale Programmierung wo man eine Automatisierung umsetzen kann.
• 7:47
  Speaker 2: Wir programmieren zum Beispiel noch Heuristik.
• 7:49
  Speaker 2: es werden einfach Aufgaben nacheinander A B C abgearbeitet.
• 7:54
  Speaker 2: mit gewissen Regeln macht das eine macht das andere je nachdem Super funktioniert sollte für niemand was Neues sein hoffe ich doch stark.
• 8:05
  Speaker 2: Das ist alles noch keine KI das ist normale Programmierungen.
• 8:09
  Speaker 2: KI ist jetzt ein Überbegriff der viele verschiedene Sachen einschließt.
• 8:14
  Speaker 2: Zum einen Maschilearning-Modelle, die es ja auch schon seit, naja, fünftiger, sechziger Jahren auf jeden Fall gibt – auch statistische Modelle, welche recht alt sind und da kommen jetzt aber noch an Top.
• 8:27
  Speaker 2: dann die neueren Verfahren, neuere und alle Netze und also Deep Learning ist da der Fachberichter für ist an sich auch ein altes Verfahren, aber hat jetzt vor zehn Jahren ungefähr den großen Durchbruch geschafft.
• 8:42
  Speaker 2: Darauf aufbauend kommen diese neuen Methoden dazu.
• 8:46
  Speaker 2: also die Sprachmodelle haben ihren Durchbruchs geschafft und im Zuge dessen jetzt auch hinterher die Agentensysteme, die da noch mal was draufsetzen.
• 8:55
  Speaker 2: und wie gesagt KI ist einfach nur der Überbegriff und Machine Learning ist ein Teilbereich der KI genauso wie ein Agentsystem oder auch ein Sprachmodell, ein neuronales Netz das dahinter steckt.
• 9:09
  Speaker 2: Teilbereich wäre.
• 9:12
  Speaker 1: So Christian jetzt ist wir natürlich hier mit die Aufgabe ja auch so bisschen als Besetzer zu agieren zwischen dem was so deine Leute können und das was der Kunde möchte weil das matcht nicht immer.
• 9:25
  Speaker 1: also ein großer einem großen, sag ich mal Ding dass man machen muss wenn man irgendwie Geschäftsführer ist eine Firma selber im Vertrieb dafür steht.
• 9:34
  Speaker 1: Selber mit Leuten kommuniziert macht tut dann muss man den Leuten ja diese Brücke bauen.
• 9:40
  Speaker 1: wie machst du das immer?
• 9:41
  Speaker 1: Dass man auf der einen Seite sagt Ich kenne das noch von damals ist es immer so Ja aber Wiener!
• 9:45
  Speaker 1: Ich brauche jetzt ein Management Cockpit, ich brauch jetzt eine Analytics-Dashboard.
• 9:48
  Speaker 1: Das waren immer so meine Sachen und dabei hatte er einen Bericht gebraucht am Ende des Tages.
• 9:52
  Speaker 1: also so würde ich das bisschen vergleichen Von Damals.
• 9:54
  Speaker 1: Wie machst Du da die Übersetzungsarbeit?
• 9:57
  Speaker 1: Kriegst du das hin, dass deine technisch-affinen Leute gleichzeitig auch zu wissen was sie machen ohne den Drive?
• 10:04
  Speaker 1: Weil wir freuen uns ja, dass die Leute jetzt Data und AI driven werden wollen.
• 10:08
  Speaker 1: Wir wollen gar nicht mit denen diskutieren am Ende des Tages.
• 10:12
  Speaker 1: Was ist jetzt was?
• 10:12
  Speaker 1: Wir wollen einfach, dass sie nach vorne kommen und ihre Use Cases und Probleme lösen.
• 10:17
  Speaker 0: Das ist absolut wichtig!
• 10:18
  Speaker 0: Ich glaube der größte Punkt den du hast und den hast du natürlich überall in der Kundenbeziehung ist Vertrauen.
• 10:25
  Speaker 0: Am Ende will dir der Kunde Ein Ergebnis und das Ergebnis, was er will.
• 10:30
  Speaker 0: Das weiß er vielleicht manchmal nicht so ganz selbst, dass ist gerade schön gesagt.
• 10:33
  Speaker 0: Wir brauchen Management, Cockpit.
• 10:35
  Speaker 0: am Ende war es ein einzelnes Dashboard.
• 10:38
  Speaker 0: Das Ergebnis weiß er manchmal gar nicht so wirklich selbst.
• 10:40
  Speaker 0: Was er braucht ist es Vertrauen in uns, dass wir den richtigen Weg finden und dass wir ihm klar machen warum wird es tun?
• 10:48
  Speaker 0: Und den Kunden auf der Reise auch mitnehmen.
• 10:52
  Speaker 0: Nico ist da so ein bisschen abgebogen in die Unterscheidung nochmal von den verschiedenen Dingen, das ist dem Kunden ja oft gar nicht klar.
• 10:59
  Speaker 0: Der Kunde hört halt wir müssen jetzt irgendwas mit KI machen und der Kunde gehört wir müssen etwas mit Agents machen.
• 11:04
  Speaker 0: Am Ende ist es so, da wo diese Technologie Sinn macht werden wir sie einsetzen und werden wir auch den Weg gehen.
• 11:11
  Speaker 0: und Nico hat dann sicher noch ein paar Beispiele für uns im Patreon.
• 11:13
  Speaker 0: Agent Absolut Sinn gemacht was ihn eben gerade vom normalen Sprachmodell unterscheidet.
• 11:19
  Speaker 0: aber Wichtig an der Stelle ist, den Kunden in die Hand zu nehmen und klarzumachen was ist dein Zielbild.
• 11:24
  Speaker 0: Und wir nutzen dafür die optimale Technologie auf der anderen Seite eben einmal vom Aufwand und eben auch von der entstehenden Kostenseite im Betrieb.
• 11:35
  Speaker 1: Und Nico?
• 11:36
  Speaker 1: Was ist denn jetzt für dich wenn du dir zu gerufen wirst und das fällt unter deine Kategorisierung... Das ist ein klassischer Creatant!
• 11:43
  Speaker 1: Was wäre für dich denn dann so'n Anwendungsfall?
• 11:46
  Speaker 1: Ich hatte verstanden so eine klassische Wortif oder eine Programmierungstrecke, oder Sachen Workflows die automatisiert ausgefolgt werden.
• 11:53
  Speaker 1: Da sind wir noch nicht!
• 11:54
  Speaker 1: Jetzt muss irgendetwas an irgendeiner Stelle ja dazu kommen die sogenannte KI, die jetzt versettenreich ist.
• 12:00
  Speaker 1: Wann ist es denn für dich mit einem Anwendungsfall vielleicht zum Beispiel für die Zuhörer dann halt auch wo wir über einen Agent reden?
• 12:07
  Speaker 2: Genau also die große Sache dem Agenten auszeichnet ist das Wort Agents sagt er schon Das autonome Handeln.
• 12:14
  Speaker 2: der kann handeln, der kann sich selber einen Kontext aufbauen.
• 12:17
  Speaker 2: Der kann verstehen um was es geht und kann darauf basierend dann eben entscheiden was als nächstes passieren soll und auch diese Entscheidung wieder bearbeiten ausführen und somit ein gewissen Flug durchgehen bis eben ein Ergebnis erreicht ist.
• 12:33
  Speaker 2: Und das kann natürlich.
• 12:34
  Speaker 2: eine klassische Automatisierung oder festgelegter Workflow kann das nicht.
• 12:39
  Speaker 2: Er läuft einmal durch mit allen seinen Weichen Und hat ein Ergebnis, aber er kann nicht dynamisch reagieren.
• 12:45
  Speaker 2: Das ist eben der große Vorteil von einem Agenten.
• 12:47
  Speaker 2: immer dann wenn ich ein komplexes Problem habe dass sich halt vorher nicht komplett fassen kann und ja klassisch als ein Workflow aufschreiben kann Dann kann ich die Stärken von dem Agenten ausspielen.
• 12:59
  Speaker 2: und das zählt natürlich häufig auch wenn ich jetzt mit Menschen zu tun hab oder Informationen zu tun habe, die ich nicht von Anfang an überblicken kann, den ich vollständig da sind.
• 13:09
  Speaker 2: Die ich mir vielleicht erst noch dynamisch zusammensuchen muss während ich die Aufgabe bearbeite.
• 13:15
  Speaker 2: Ein schönes Beispiel das wir umgesetzt haben ist ein Reporting Agent.
• 13:19
  Speaker 2: Christian hat vorhin schon kurz erwähnt.
• 13:20
  Speaker 2: es ging darum KPI's ja anzuschauen Aufwärlichkeiten zu sehen und Reports am Ende zu erstellen.
• 13:27
  Speaker 2: Und da haben wir gesagt Es macht keinen Sinn einfach nur quasi Template für ein Report zu erstellen, dass dann durch festgelegte Berechnungen ausgefüllt wird.
• 13:37
  Speaker 2: Es muss dynamisch reagieren können auf ja was für eine Auffälligkeit liegt eigentlich vorhin in den Zahlen und das kann ich vorher nicht wissen.
• 13:44
  Speaker 2: deswegen klar rein mit dem Agent.
• 13:47
  Speaker 2: damit der Agent es jetzt aber auch tun kann braucht er auch die Möglichkeiten.
• 13:51
  Speaker 2: sprich wir haben dem System Zugriff auf die Quelldaten gegeben damit er da halt nachgucken kann.
• 13:56
  Speaker 2: wie kommt die KP eigentlich zusammen?
• 13:58
  Speaker 2: wo kommt also die Ursache?
• 14:01
  Speaker 2: Wir haben im bestehenden Berechnungen von bisherigen Business Analysts zur Seite gestellt.
• 14:08
  Speaker 2: Die hätten jetzt früher Menschen von Hand ausgeführt, Standardskripte, die kann der Agent jetzt ausführen wenn er einen Bedarf dazu sieht.
• 14:15
  Speaker 2: Wir haben ihm auch eine Sandbox gegeben wo er selber Code ausführen kann um die Daten zu analysieren so wie es halt passt weil die vorgegebenen Berichte die vorgerehmene Berechnung die werden ja nicht unbedingt passen auf den Einzelfall.
• 14:26
  Speaker 2: genauso hat er die Möglichkeit auch im Internet und im Intranet zu recherchieren, um da noch Kontextinformationen zusammenzubringen falls notwendig und der Agent entscheidend eben selbstständig was jetzt der beste Weg ist um aufzulösen woher die Ursache eigentlich kommt für diese Auffälligkeit.
• 14:46
  Speaker 2: Und dann am Ende des Zusammenfassens ist natürlich wieder vergleichsweise einfach daraus ein Report zu erstellen vielleicht mit der Sportzustelle was auch immer gefordert war.
• 14:56
  Speaker 1: Jetzt haben wir ja Sprache Formt ja Vorstellung.
• 15:01
  Speaker 1: Das heißt, wir sagen eher.
• 15:03
  Speaker 1: Wir könnten auch sie sagen dazu und jetzt ist es so für mich als würden wir ja über eine Person sprechen!
• 15:11
  Speaker 1: Nämlich, der geben wir Zugriffsrechte.
• 15:14
  Speaker 1: Das kenne ich noch eher aus der Zeit.
• 15:17
  Speaker 1: Christian, wir können gleich nochmal auf das AI Governance-Thema, da werde ich gleich mit dir nochmal rein und nochmal abbiegen, könnt ihr gerne die letzte Folge nochmal zu Christian an.
• 15:24
  Speaker 1: Aber da weißt du, wie vermenschlichen das jetzt irgendwie als würde er etwas tun?
• 15:30
  Speaker 1: Als wäre es eine Person, die hätte ich dafür eingestellt diese Aufgabe jetzt zu machen.
• 15:35
  Speaker 1: Die kann nach bestem gewissen Steuern Ausbildung geben usw.. Mit so einem Agenten ist es Anders, so das war ich sag jetzt erst mal die Verstellung ist es anders.
• 15:44
  Speaker 1: Magst du nochmal bisschen aus technischer Brille ausführen was der Agent eigentlich tut?
• 15:50
  Speaker 1: Also er entscheidet ja nicht sondern er geht ja mit Wahrscheinlichkeit.
• 15:54
  Speaker 1: also weißt du diese Sprache dass ich nicht dieses Gefühl habe Ich installiere hier etwas und das würde irgendjemand mit moralischen verantwortungsvollen Umständen in irgendeiner Form machen.
• 16:04
  Speaker 1: magst Du das noch einmal für uns ein bisschen abgrenzen?
• 16:07
  Speaker 1: Was isst so'n Agent Funktionsweise in dem Moment?
• 16:12
  Speaker 2: Ja, da wird es natürlich jetzt philosophisch auch ein bisschen.
• 16:17
  Speaker 2: Wir im Deutschen sind ja vielleicht ein bisschen besonders betroffen mit dem generischen Maskulinum.
• 16:21
  Speaker 2: Ich arbeite in meiner praktischen Arbeit natürlich weitgehend auf Englisch.
• 16:25
  Speaker 2: Da ist es ein bisschen einfacher.
• 16:27
  Speaker 2: Da hat man ein bisschen mehr Abstand und sieht ein bisschen meer dass das nur technisches System ist.
• 16:33
  Speaker 2: was im Hintergrund abläuft ich habe es gerade schon angedeutet so einen Loop der durchläuft.
• 16:38
  Speaker 2: Es werden Kontextinformationen besorgt und ja, das kann einfach ein Datenzugriff sein.
• 16:45
  Speaker 2: Das kann eine Zusammenfassung generieren sein und daraus wird eine Handlung abgeleitet.
• 16:50
  Speaker 2: Diese Handlung wird abgeleitet auch wieder von einem typischerweise Sprachmodell.
• 16:56
  Speaker 2: Es ist ein großes Neuronales-Netzwerk.
• 16:58
  Speaker 2: ChatGPT oder Gemini oder Claude.
• 17:01
  Speaker 2: Wir können es hat so eine Art modellierten Denkprozess.
• 17:06
  Speaker 2: Man sieht es ja manchmal wenn man genau hinguckt.
• 17:08
  Speaker 2: da tauchen zwischendrin wie Gedanken auf, wo dann der Agent ich nenne ihn jetzt weiterhin mal er sagt.
• 17:15
  Speaker 2: Ich habe dies gesehen und mache das.
• 17:17
  Speaker 2: Ich probiere das aus.
• 17:20
  Speaker 2: Das ist inspiriert von einem menschlichen Denkvorgang aber es ist natürlich einfach nur ein technischer Ablauf, der durchläuft im Sinne von dieses System hat gewisse Muster gelernt und wendet diese Muster an auf die vorliegenden Daten.
• 17:37
  Speaker 2: da steckt keine Moral dahinter Da steckt nichts Großartiges dahinter.
• 17:43
  Speaker 2: Man kann dir kein Bewusstsein zuschreiben, zumindest noch nicht.
• 17:49
  Speaker 2: Deswegen muss man vorsichtig sein natürlich das als Mensch zu sehen.
• 17:53
  Speaker 2: Das schmälert ja aber nicht den Wert von so einem Agenten.
• 17:56
  Speaker 2: Es wird ja am Ende trotzdem ein Ziel erreicht.
• 17:58
  Speaker 2: und gerade wenn wir jetzt bei so einem technischen Anwendungsfall sind wie hier dieser Reporting-Agent es ist ja egal wieder dass dann umsetzt im Hintergrund Als Nutzer kriege ich davon ja gar nichts mit.
• 18:11
  Speaker 2: Als Nutze starte ich diesen Vorgang, gebe ein paar Informationen rein vielleicht noch sag welche KPI will ich untersuchen in Richtung welcher Auffälligkeit will ich undersuchen und bekomme am Ende im Report wo das Trend steht was es Ergebnis war.
• 18:28
  Speaker 1: Christian bringt euch ja immer was mit.
• 18:30
  Speaker 1: Das kennt ihr schon, Link ist unten, wenn ihr euch diesen ganzen Agent-Thema noch mal nähern wollt, guckt da gerne nochmal rein, kriegt ihr mehr Infos?
• 18:38
  Speaker 1: Wird Christian zum Schluss bestimmt auch noch etwas zu sagen aber das mir noch einmal ganz wichtig ist.
• 18:42
  Speaker 1: genauso hast du es ja gemacht als wir bis Thema AI Governance gesprochen haben, Christian.
• 18:46
  Speaker 1: Dann hast Du gesagt Mensch ich mache Euch einen Paper fertig, da könnt Ihr also mal nachlesen, dann könnt Ihr's machen.
• 18:52
  Speaker 1: und das kam ja super gut.
• 18:53
  Speaker 1: an dem Markt, haben wir super Feedback gekriegt.
• 18:55
  Speaker 1: jetzt für Dich nochmal die Frage eigentlich müsste Gespräch, das wir beide geführt haben jetzt bei Agenten.
• 19:01
  Speaker 1: Zugriff.
• 19:02
  Speaker 1: Was mache ich?
• 19:02
  Speaker 1: Was tue
• 19:03
  Speaker 1: ich?".
• 19:03
  Speaker 1: Alle Alarmdlocken, Leuten müsste man nicht fairerweise jedem Kunden der jetzt kommt... Wir haben ja dieses aufgemacht.
• 19:11
  Speaker 1: hey!
• 19:11
  Speaker 1: Ich will jetzt irgendwas mit KI-Agent machen.
• 19:13
  Speaker 1: Ich möchte jetzt um was tun auch sagen ey sorry wir müssen auch die AI Governance an der Stelle bedenken und das können wir nicht getrennt betrachten.
• 19:21
  Speaker 1: also es ist ja schön wenn Nico da alles hier zugelassen Tech Friendly sagt wir gehen hier voll noch vorne.
• 19:26
  Speaker 1: Ergebnisse Ergebnisse Da könnten wir ja vielleicht auch sagen, Moment was müssen wir mit unserer Governance?
• 19:32
  Speaker 1: Was müssen wir beachten?
• 19:32
  Speaker 1: weil es gibt dir zu Recht auch Dinge die vom Betriebsrat eingefordert werden.
• 19:36
  Speaker 1: Die NDI Governance, rechtliche Verordnung und so weiter alles einspielen ganz geschweigen Prinzipien Siebeln Daten also... Was ist los Christian?
• 19:44
  Speaker 1: wie kriege ich das jetzt?
• 19:45
  Speaker 1: Wie krieg ich das zusammen als Kunde?
• 19:46
  Speaker 1: Was muss ich machen?
• 19:49
  Speaker 0: Als erstes natürlich ist völlig recht, Governance ist nie außen vorzulassen und wenn wir immer sagen KI skaliert nicht nur Wert sondern auch Chaos mit Agenten wird das ganze Ding nochmal eine Nummer größer.
• 20:01
  Speaker 0: Ihr habt eben über Moral gesprochen um da einfach noch mal einen Look zu ziehen.
• 20:04
  Speaker 0: ja hat das System nicht.
• 20:07
  Speaker 0: Nico hat gesagt bei dem Kunden haben wir ne Sandbox installiert.
• 20:10
  Speaker 0: warum?
• 20:10
  Speaker 0: weil wir uns natürlich in Klaren sind dass es in verschiedenen Bereichen verschiedene Risiken gibt.
• 20:15
  Speaker 0: Das System arbeitet auf einem eigenen System bringt da seine Ergebnisse.
• 20:21
  Speaker 0: Es wäre nahezu lebensmüde, irgendwelchen Agenten Zugriff aus Produktivsystem zu geben einen schreibenden Zugriffs aus Produktivesystem zu geben und die einfach mal machen zu lassen.
• 20:32
  Speaker 0: Da gibt es auch mittlerweile in der Presse genug Beispiel dass man das nicht tun sollte.
• 20:37
  Speaker 0: Das ist ganz klar.
• 20:40
  Speaker 0: Wir haben natürlich und das ist auch in dem jetzigen paper wieder so ein thema Ja, da beleuchten wir es auch wieder verschiedene faktoren an denen.
• 20:47
  Speaker 0: Wir festmachen müssen wie wir vorgehen Und wir klopsten da verschiedene dinge ab.
• 20:52
  Speaker 0: ja also zum einen gehen wir zum beispiel auf des thema use case eignung ein.
• 20:57
  Speaker 0: ja also Es ist zum noch mal.
• 20:59
  Speaker 0: es ist einmal dass das generell die nutzung von einem agent.
• 21:03
  Speaker 0: wir tun das sehr gerne Wir sind sehr zukunftsorientiert, wir sind sehr innovativ und wir wollen auch ganz viel weiter mit Agenten arbeiten.
• 21:10
  Speaker 0: Wie gesagt besetzen sie intern ein aber wir wollen halt einen Framing dafür schaffen was auch Sinn macht im Unternehmen so.
• 21:16
  Speaker 0: Und jetzt hast du natürlich die Fragen die du dir stellen musst und die behandeln wir in dem Paper und dem von der Scorecard die wir uns überlegt haben zu sagen hey ist für mich ein Agendic System wirklich schon sinnvoll in dem Use Case den ich habe und es startet natürlich damit dass du Einmal dein Use Case selbst überhaupt betrachtest in der Eignung?
• 21:35
  Speaker 0: Also habe ich einfach nur einen komplizierten Vorgang oder ist es wirklich komplex, sodass ein Agent mir auch einen Vorteil bringen kann.
• 21:42
  Speaker 0: Dann mache ich mir dazu Gedanken und Systeme.
• 21:46
  Speaker 0: Habe ich überhaupt das Umfeld dass so ein Agent mehr Wert bringen kann weil ich valide Daten auf dir zugreifen kann im benötigten Maß?
• 21:54
  Speaker 0: Risikonkontrollierbarkeit ist ein Faktor.
• 21:57
  Speaker 0: Welchen Grad der Autonomie Gebe ich so einem Agent, ja und wie passt sich diesen Spielraum passend zu meinem Use Case an?
• 22:05
  Speaker 0: Ich habe es vorhin gesagt.
• 22:06
  Speaker 0: Also verdaten mit hoher Sensibilität.
• 22:10
  Speaker 0: Ich muss schon aufpassen was ich da tue.
• 22:12
  Speaker 0: Dann haben wir natürlich das Thema Wirtschaftlichkeit.
• 22:14
  Speaker 0: Ja, ich bin mit so einem agent also jetzt wieder ein Helikoptersicht.
• 22:20
  Speaker 0: Ich kann das System, kann ich es skalieren in eine riesige Größe und dann laufen da X-Agents los und arbeiten für mich.
• 22:26
  Speaker 0: Das schafft natürlich auch Workloads, das kostet natürlich auch Geld.
• 22:28
  Speaker 0: also ich muss vorher auch irgendwo sagen ist es für mein Newscase überhaupt gerechtfertigt diese Investitionen zu tätigen?
• 22:35
  Speaker 0: Und ganz wichtig!
• 22:36
  Speaker 0: Ich muss meine Leute mitnehmen, ich muss meine Menschen mitnehmen.
• 22:39
  Speaker 0: Ich brauche diesen Denkansatz im Unternehmen dass meine Mitarbeiter sich vielleicht auch darüber bewusst sind was sie nicht ersetzen will sondern dass sie vorm Ausführen ins Steuern und Bewerten gehen, also ins Steuer der Agents.
• 22:52
  Speaker 0: Ins bewerten der Ergebnisse Denn human in the loop wird für uns immer extrem wichtig bleiben.
• 22:58
  Speaker 0: Wir sagen nicht wir können unsere Mitarbeiter x beliebig durch irgendwelche Agents ersetzen Sondern wir wollen diese Agents nutzen um unseren fähigen Mitarbeitern noch mehr Performance zu ermöglichen.
• 23:09
  Speaker 0: Und am Ende bewertest du natürlich deinen strategischen Fit.
• 23:11
  Speaker 0: Also ist das was ich da aufbauen möchte überhaupt Für das, was ich in Zukunft mit meinem Unternehmen vor habe der richtige Weg.
• 23:21
  Speaker 1: Wir sind ja im Podcast und reden gerne mal so ein bisschen in Aligurien, in Vergleichen – und ich mache hier gerne Sport-Vertleiche!
• 23:30
  Speaker 1: Und da hab' ich dann nochmal eine Frage an dich Niko.
• 23:32
  Speaker 1: Es ist folgendes….
• 23:33
  Speaker 1: Die NBA hat jahrelang also schon vor zwanzig dreißig Jahren angefangen und haben gesagt wir machen Data Driven Decisions Und da war es klar, wie groß musst du Spieler sein auf einer gewissen Position?
• 23:45
  Speaker 1: Was für eine Spannweite wenn ihr die Arme austreckt musst der haben.
• 23:48
  Speaker 1: Welche Athletik welche Voraussetzung und so weiter.
• 23:51
  Speaker 1: So dann gab es plötzlich das Jahr zwei tausendsechzehn und da gab's jemanden der hier Steve Curry Der hatte all das nicht aber er hat eigentlich immer ganz gut gespielt den hat irgendwie mitgenommen.
• 24:01
  Speaker 1: Er wurde dadurch dass er das Spiel neu erfunden hat zu einer absoluten Legende des Basketballs.
• 24:08
  Speaker 1: Ihr müsst euch vorstellen, der hat auf einmal angefangen von der Mittellinie zu werfen und das gab es vorher nicht.
• 24:12
  Speaker 1: Dieses Spiel wurde revolutioniert.
• 24:14
  Speaker 1: heute spielen nach dieser Sache diese gesamte NBA so und ich sage mal ein System, ein Data Driven System kann ja immer nur auswerten was passiert ist.
• 24:23
  Speaker 1: jetzt muss man wissen es ist gerade Draftzeit in der MBA und jetzt sitzen die alle vor ihrem Bildschirm machen diese Auswertung.
• 24:30
  Speaker 1: Es muss damals jemand erkannt haben Moment, da haben wir jemand Besonderes.
• 24:34
  Speaker 1: Den müssen wir fördern, den müssen wir trainieren etc.. So das würde die Maschine nicht.
• 24:39
  Speaker 1: meine Frage zählt aber positiv ab was ist deine persönliche Einschätzung?
• 24:43
  Speaker 1: werden Agents sowas auch prädigten können.
• 24:48
  Speaker 1: Also werden die sowas wie Wahrscheinlichkeiten das Spiele sich verändern, auch mit drin haben?
• 24:54
  Speaker 1: Weil das wäre für mich ja eine Form der Intelligenz an diesem Beispiel wo ich ja auch sage da passiert was.
• 25:00
  Speaker 1: oder nennen wir es Bauchgefühl oder irgendetwas was das jetzt ausgelöst hat... Ich finde das ist immer ein schönes Beispiel.
• 25:08
  Speaker 1: Man hält noch immer fest, wie ein Basketball-Spieler sein sollte auf der Position.
• 25:12
  Speaker 1: Trotzdem hat man diese Ausreise.
• 25:14
  Speaker 1: Wie werde ich diesem bewusst gerade als Unternehmen?
• 25:17
  Speaker 1: Weil jedes Unternehmen weiß es.
• 25:18
  Speaker 1: wir reden über USPs Wir reden darüber, ey!
• 25:21
  Speaker 1: Wir müssen was extraordinäres machen.
• 25:23
  Speaker 1: Wir müssen uns vom Markt abheben weil sonst arbeiten die wir.
• 25:26
  Speaker 1: alle anderen wird das eine rein menschliche Aufgabe sein oder werden auch mal Agenten dieser Aufgabe übernehmen können?
• 25:33
  Speaker 2: Ja da kann ich jetzt glaube ich die allgemeine Antwort geben.
• 25:38
  Speaker 2: Es hängt davon ab, wie die Sichtweise ist.
• 25:40
  Speaker 2: Meine persönliche Sichtweise – das ist vielleicht interessanter hier – ich persönlich denke es wird immer das menschliche Element notwendig sein so lange wir es nicht schaffen eine wirklich allgemeine künstliche Intelligenz zu erschaffen.
• 25:54
  Speaker 2: und da sehe ich zumindest für die mittlere Zukunft erst mal schwarz einfach anhand des Trainingsprozesses wie ein Modell und damit letztendlich auch der Agent zu seinen Informationen und zu seinem Wissen kommt, der wird trainiert auf bekannten Daten.
• 26:09
  Speaker 2: Der hat einfach prinzipbedingt Schwierigkeiten Ausreißer und Neues zu erkennen.
• 26:14
  Speaker 2: Und natürlich gibt es schon lange mathematische Methoden und Modelle um auch unerwartetes Vorhersagen zu können.
• 26:24
  Speaker 2: Wann tritt die nächste Transformation auf?
• 26:26
  Speaker 2: in meiner Branche?
• 26:28
  Speaker 2: Wird ja eine Wirtschaft auch schon sehr lange erforscht und darüber nachgedacht.
• 26:32
  Speaker 2: Prinzipiell geht sowas Aber Menschen arbeiten dann natürlich auf einer ganz anderen Ebene, intuitiv mit Erfahrung.
• 26:41
  Speaker 2: Und das kann so ein Agent zumindest zur Zeit und ich würde auch sagen in den nächsten Jahren erstmal nicht abbilden.
• 26:48
  Speaker 2: Und persönlich glaube ich ist es auch gar nicht Sinn der Sache weil wir wollen mit den Agenden ja das tägliche Arbeit die langweiligen Aufgaben, die Standardaufgaben um sowas abarbeiten und automatisieren damit die Menschen mehr Zeit haben für die interessanten Fälle, wo es auf den Menschen ankommt.
• 27:07
  Speaker 2: Sei's in der iddomenschlichen Zusammenarbeit oder durch die besonderen Fähigkeiten, denen Mensch mitbringt und die aber für Agent schwer umzusetzen sind.
• 27:18
  Speaker 2: Damit wird ja für uns alle die Arbeit spannender auch am Ende.
• 27:22
  Speaker 1: Was ich noch mal mitnehme jetzt für mich aus diesem Podcast ist... Christian du hast eine mit mir zusammen Podcastes Jahres gemacht, als wir über die Anti-Hypes gesprochen haben und gesagt haben machen wir nicht.
• 27:36
  Speaker 1: Das war mit Abstand glaube ich Top drei.
• 27:39
  Speaker 1: Ich glaube das waren so zwei, ich will jetzt nicht lügen.
• 27:42
  Speaker 1: auf jeden Fall bist du da sehr prominent der Gesellschaft gewesen und das hat bei den Leuten sehr krass resoniert.
• 27:47
  Speaker 1: und ich glaube so wie ihr auch positioniert seid als Five One sieht man das jetzt auch wieder beim Thema Agenten nämlich dass man sagen muss hört mal zu Leute.
• 27:56
  Speaker 1: es ist wichtig dass wir darüber reden Es ist wichtig, dass wir uns damit beschäftigen.
• 28:01
  Speaker 1: Die Frage ist nicht ob wir Agenten irgendwann in Unternehmen einsetzen sondern wie.
• 28:06
  Speaker 1: und dieses Wie beantwortet ihr finde ich immer sehr nüchtern das haben heute auch gemerkt mit deinem Team Beniko.
• 28:11
  Speaker 1: da ist nach dem Motto äh wir gucken uns doch jetzt lieber mal an was is es?
• 28:15
  Speaker 1: Hoffentlich konnte jetzt die Folge mal ein bisschen Erklärung bringen Was ist auf welchem Level las.
• 28:21
  Speaker 1: aber wichtiger ist der Use Case.
• 28:23
  Speaker 1: Ob ist jetzt mit einem Agent zu lösen ist.
• 28:26
  Speaker 1: Mit etwas anderem, ob ich jetzt mit Kanonen auf Spatzen schießen muss oder ob es nicht auch reicht.
• 28:33
  Speaker 1: Einfach Probleme die schon immer liegen gelassen habe, die vielleicht auch schon zehn Jahre.
• 28:37
  Speaker 1: Nico deine Aussage hätte lösen können aber jetzt mal mit Maschinenwarnung vernünftig angehe und wenn danach Agent draufsteht und sich alle feiern lassen is das Fein!
• 28:46
  Speaker 1: Das ist völlig gut.
• 28:47
  Speaker 1: Das nehme ich hier nochmal stark im Sinne zu sagen nutzt die Welle die gerade da ist mit den KI-Agenten um Themen wie Datenqualität, Themen wie Governance-Themen, Themen, wie Monitoring.
• 28:59
  Speaker 1: Themen wie alles das wozu ihr vielleicht auch gar kein Bock mehr habt oder wisst, dass müsste effizienter laufen oder meine Leute sind im Anschlag um sie zu entlasten.
• 29:08
  Speaker 1: Welches Lebel nachher drauf steht?
• 29:10
  Speaker 1: Das können wir in so einem Podcast machen!
• 29:12
  Speaker 1: Aber das sollten wir nicht beim Kunden machen.
• 29:14
  Speaker 1: Das nehme ich noch mal ganz stark mit.
• 29:16
  Speaker 1: Lieben Dank immer für eure Einschätzung hier, es macht euch auch unik und auch Kompliment an dich Christian bei der Verfahren immer nochmal zu sagen hey!
• 29:23
  Speaker 1: Wir trauen uns auch nicht immer durch den Hype sondern wir machen auch erstmal die Basis.
• 29:27
  Speaker 1: Wir reden über dass was wichtig ist Auch wenn einige Leute, die sich vielleicht super schlau halten und sagen Es haben wir ja alles alter Wut Ich muss mich doch gar nicht mehr um KI-Agenten kümmern.
• 29:38
  Speaker 1: Die Wahrheit liegt vor anders.
• 29:40
  Speaker 1: Viele Leute haben diese Unsicherheit, deswegen tritt dieser Podcast auch an das wir sagen wir übersetzen auf dieser Ebene und dass ihr das jedes Mal wieder macht und auch jedes mal wieder unten in den Show Notes hier im Link was bereitstellt, was ich nutzen kann für nächsten Termin, möchte ich auch an der Stelle jetzt mal Dankeschön sagen, wir machen es ja erst nicht sehr gestern.
• 29:57
  Speaker 1: Gut nach diesen letzten Worten die euch mir gehört hätten wie gerade Merkel sage ich Christian du hast die vorletzten Worte und Nico Du wirst guter alte Tradition ist.
• 30:06
  Speaker 1: Na, lieben Dank, dass du da warst!
• 30:07
  Speaker 1: Du darfst alles sagen und tun und lassen was du möchtest in diesem Podcast.
• 30:10
  Speaker 1: Du kannst was Privates erzählen, du kannst etwas über Klimalagen erzählen... ...du kannst aber auch was anderes erzählen.
• 30:16
  Speaker 1: Wie es auch immer ist mache's gerne.
• 30:18
  Speaker 1: und ansonsten sag ich schon mal Schüs Christian deine vorletzten Worte auf bald und hör wieder rein wenn der Christian wieder da ist.
• 30:24
  Speaker 1: das lohnt sich immer.
• 30:25
  Speaker 1: Ciao
• 30:26
  Speaker 0: Andreas war wie immer eine Freude.
• 30:27
  Speaker 0: Eine Frage noch an dich.
• 30:29
  Speaker 0: Welcher Agent hätte uns sagen können, dass die nächstes dieses Jahr machen?
• 30:32
  Speaker 0: Wahrscheinlich genauso wenig wie hier ein anderer Mensch.
• 30:35
  Speaker 2: Wahrscheinlich
• 30:36
  Speaker 1: keine, wo wir wieder bei dem Beispiel wären.
• 30:38
  Speaker 1: Ein anders heißer Art?
• 30:39
  Speaker 1: Genau!
• 30:41
  Speaker 0: Absolut.
• 30:42
  Speaker 0: und an der Stelle ja es ist uns einfach immer wichtig.
• 30:45
  Speaker 0: Wir sind innovativ, wir wollen mit der Technik gehen.
• 30:48
  Speaker 0: Wir machen immer den neuesten Kram.
• 30:49
  Speaker 0: Seid euch sicher unsere Leute wühlen sich da tagtäglich rein aber Es ist einfach nicht unser Ding Dinge zu verkaufen die overdose sind für den Anwendungsfall.
• 31:00
  Speaker 0: Auch von meiner Seite, ich bin raus.
• 31:02
  Speaker 0: Nico, die letzten Worte gehören dir?
• 31:04
  Speaker 2: Da schließe mich doch direkt an!
• 31:06
  Speaker 2: Ich als Entwickler mache natürlich auch lieber den Agenten das coolere System zu bauen.
• 31:12
  Speaker 2: wenn es im Unternehmen aber mehr bringt was anderes zu machen dann macht man auch etwas anderes.
• 31:17
  Speaker 2: Gut, ich hoffe wir konnten damit zeigen dass man nicht immer mit der sprichwörtlichen Kanone auf Spatzen schießen muss auch wenn die Kanone sehr cool ist und viele Vorteile bietet.
• 31:27
  Speaker 2: Man muss nur wissen wie man sie richtig einsetzt.
• 31:31
  Speaker 1: Tschüss!