Latest / Handelsblatt Disrupt - Der Podcast über die Zukunft der Wirtschaft / Wie berechnet Linde die Rendite von KI, Dexin Luo?

Transcript

Wie berechnet Linde die Rendite von KI, Dexin Luo? · Handelsblatt Disrupt - Der Podcast über die Zukunft der Wirtschaft

• 0:02
  Speaker 1: Wenn die Kohlen-Säure in die Cola kommt und Raketenunternehmen vor dem Start Drucktests durchführen, dann kommt er in der Industrie Gas zum Einsatz.
• 0:11
  Speaker 0: Oft
• 0:11
  Speaker 1: kommt es von einem Konzern, der im neunzehnten Jahrhundert in München gegründet wurde – Linde!
• 0:16
  Speaker 1: Das Unternehmen ist gemessen am Umsatz der größte Industriegaskonzern der Welt.
• 0:21
  Speaker 1: Und warum das wichtig ist?
• 0:22
  Speaker 1: Linde ist eines von sehr vielen Unternehmen, die einem alten Geschäft nachgehen und dabei ständig neue Technologien einsetzen.
• 0:29
  Speaker 1: Dabei geht es einerseits um die Produktivität in den Fabriken – wenn es gelingt mit Daten- und KI-Deffizienz auch nur um ein Prozent zu steigern hat das einen großen Effekt.
• 0:38
  Speaker 1: Andererseits geht's um die Productivität im Büros – auch Unternehmen wie Linde versuchen mit neuen KI-Tools erfolgreicher Business zu machen!
• 0:46
  Speaker 1: Dexin Luo ist bei Linda als Vice-President global für Digitalisierung, KI und IT zuständig.
• 0:52
  Speaker 1: Sie war diese Woche für einen Talk bei der Tech Community des Handelstads zu Gast – das ist das Netzwerk rund um unsere zentrale Konferenz für die Zukunft der Wirtschaft!
• 1:00
  Speaker 1: Bei dem Talk haben wir darüber gesprochen, wo sich das Investment in KI bei Linda besonders auszahlt und wie man das berechnet.
• 1:06
  Speaker 1: Wir haben diskutiert, warum eine gute KI-Strategie eigentlich eine Businessstrategie ist Und Dexin Loh hat uns erzählt, warum sie denkt, dass ausgerechnet Social Media – eine große Rolle bei der digitalen Transformation von Unternehmen spielt.
• 1:20
  Speaker 1: Ich fand dieses Gespräch so interessant, dass ich es direkt für Sie mitgebracht habe.
• 1:32
  Speaker 1: Übrigens, am dritten Mai war der Tag der Pressefreiheit.
• 1:35
  Speaker 1: Für uns sind unabhängiger Journalismus und Meinungsfreiheit ein hohes Gut!
• 1:40
  Speaker 1: Deswegen haben wir zu diesem Anlass ein besonderes Angebot für Sie – noch bis zum dreizehnten Mai bekommen sie das Handelsblatt für zwölf Monate mit fünfzig Prozent Rabatt.
• 1:48
  Speaker 1: Alle Infos finden sie unter handelsbett.com slash pressefreiheit und in den Shownotes.
• 1:53
  Speaker 1: Und damit geht es jetzt direkt zu meinem Gespräch mit Dexin Luu, der Global Vice-Präsident Digital AI & IT bei Linde.
• 2:02
  Speaker 1: Willkommen zu der Tech Talk.
• 2:03
  Speaker 1: Schön, dass ihr alle hier seid und ich freue mich sehr, dass Ihr uns heute mitdeckt, Dexen!
• 2:09
  Speaker 1: Willkommen zur Show!
• 2:10
  Speaker 0: Hi Larissa!
• 2:11
  Speaker 0: So,
• 2:12
  Speaker 1: DeXen, du leadst AI & Digital in Linde, einer der weltweit größten industriellen Gases-Kampern.
• 2:18
  Speaker 1: Aber es ist auch eine Kampagne, die viele Leute nicht viel überdenken.
• 2:24
  Speaker 1: Könntest Du dir ein kurzer
• 2:26
  Speaker 0: Intro ins Geschäft geben?
• 2:27
  Speaker 0: In Linie PLC ist der weltlargest Industriegassen- und Ingenieuren-Kompany, zu einem größeren Erlebnis, den wir produzieren und alle Industriegasen erlangen.
• 2:39
  Speaker 0: Oxygen, Hydrogen und CO².
• 2:41
  Speaker 0: Wir haben auch Gas zu unterstützen für die Spasslaunchen.
• 2:47
  Speaker 0: Und wir finden auch unsere Gas in dem ihr Kakao-Kola trinkt... ...eine Schmudelwasser.
• 2:56
  Speaker 0: Also, also... Und jetzt habe ich eine Rolle im Linien-Engineering.
• 3:01
  Speaker 0: Wir bauen diese großen chemischen Pläne wie Air Separation Unit oder Petrochemical Plänen.
• 3:08
  Speaker 1: Und tell us a little bit about your personally.
• 3:10
  Speaker 1: You grew up in China, studied and did you PhD in the US?
• 3:14
  Speaker 1: And now lead AI for major German company.
• 3:18
  Speaker 1: how does that path
• 3:19
  Speaker 1: happen?".
• 3:19
  Speaker 0: Yes I was born and grew-up in China.
• 3:22
  Speaker 0: In fact i studied environmental engineering, environmental systems.
• 3:27
  Speaker 0: Ich war fensiniert von Renewablesenergie.
• 3:31
  Speaker 0: Was mich zu meinem Master- und Phd in der US gemacht hat, war eigentlich Renewableenergie.
• 3:37
  Speaker 0: und weil ich die Forschung über Optimisationen, Stochastiksysteme und Entscheidungen gemacht hatte, habe ich mein Phd im Industrie- und Systems Engineering.
• 3:47
  Speaker 0: Aber ich habe immer eine Passion für Industrie.
• 3:51
  Speaker 0: Meine Passion ist eine große Industrie, these better decision making about mathematics and processes.
• 4:01
  Speaker 0: Was hat mich in Deutschland gemacht?
• 4:05
  Speaker 0: Ich würde sagen, dass es keine spezielle Grunde gibt.
• 4:10
  Speaker 0: Als ich in der USA war, waren wir vorhanden von Jobs.
• 4:15
  Speaker 0: Mein Husband und ich waren nur für eine andere Abenteuer.
• 4:21
  Speaker 0: Wir landeten auf Jobs in Munich.
• 4:23
  Speaker 0: Wir sind sehr stolz auf das.
• 4:25
  Speaker 0: Ich begann eigentlich in Deutschland in der Operation Business of Industrial Gas and Supply Chain.
• 4:33
  Speaker 0: Produktmanagement für den Industrie-Gasprodukt, und dann habe ich diesen Weg von Digital & AI in Linde gebraucht.
• 4:42
  Speaker 1: Du hast die Rolle als Head of A.I.
• 4:43
  Speaker 1: vor dem Jahr hier in Erdy.
• 4:46
  Speaker 1: So bevor ChatGPT und A. I. became a topic everyone had to have an opinion on what.
• 4:51
  Speaker 1: was the job like back then compared now?
• 4:54
  Speaker 1: Ich
• 4:55
  Speaker 0: würde sagen, wenn ich Lerice angemeldet habe, dann nehme ich euch die Journée ein bisschen früher.
• 4:59
  Speaker 0: Auch wenn ich in der Supply-Chain Produktmanagement operiere.
• 5:04
  Speaker 0: Da gibt es viele analytische Werte.
• 5:07
  Speaker 0: Als Produktmanager muss man verstehen, was mein Markt betrifft und was meine Marktposition ist, welches Produkt kann verkaufen werden?
• 5:18
  Speaker 0: Was ist der Preis?
• 5:18
  Speaker 0: Wie kann ich die Produkte bestmöglich bringen zu den Kunden in der größten effizienten Art und Weise?
• 5:31
  Speaker 0: Als ich die digitalen AI-Journey angefangen habe, haben wir weiter den Weg auf Entscheidungen zu verbessern.
• 5:39
  Speaker 0: Man könnte eine supply chain-Decision in Excel machen und mit der Vorteile des Digitalen Technologien und der AI erzielen können, dass man viele von solchen vorgekosteten Entscheidungsmöglichkeiten wie Python und Packages integrieren.
• 5:59
  Speaker 0: Und auch bevor ChatGPT jetzt kommt, was die meisten Leute von A.I.
• 6:05
  Speaker 0: heute denken ist viel zu tun mit dem langen Englisch-Model.
• 6:08
  Speaker 0: Aber damals waren wir schon auf viele Englische-Modelle arbeiten.
• 6:13
  Speaker 0: So wie dieses ganze Dokument-Klassifikation oder das E-Mail-Klasifikation.
• 6:19
  Speaker 0: Es geht viel um ein paar Dokumente, die verstehen den Englischen und in diesem Moment benutzen wir ... BERT und all these different language models to classify, understand them and enable subsequent processes.
• 6:34
  Speaker 0: So we were mostly in the background.
• 6:37
  Speaker 0: if that says anything right?
• 6:39
  Speaker 0: We continue our business.
• 6:41
  Speaker 0: so try make it better looking at all kinds of technology created another universe, I would say.
• 6:54
  Speaker 1: And from a time when people like you needed to convince their colleagues build AI at all we went on an error where managers claimed have hundreds of use cases within the company.
• 7:05
  Speaker 1: is that measure still used and if so how do count them?
• 7:11
  Speaker 0: That's very good question.
• 7:12
  Speaker 0: right In der AI, wir sprechen viel über die AI.
• 7:18
  Speaker 0: Aber in dieser digitalen IT-Software Welt haben sie Fundamentale Plattforms wie Microsoft Co-Pilot oder ein Data-Plattform.
• 7:28
  Speaker 0: Dann können Sie sich über Lösungen und Applikation denken.
• 7:33
  Speaker 0: Die Applikationsplätze können eine oder andere Suche geben.
• 7:39
  Speaker 0: Also, ich gebe dir ein Beispiel.
• 7:40
  Speaker 0: Wenn ich eine Power Optimisation App lese und mein Ziel ist zu sagen, wie kann ich bessere Entscheidungen machen um meine Produktionsfraktionen herzustellen in den verschiedenen Power Variations im Power Markt?
• 7:57
  Speaker 0: Und dann eine Applikation für einen einzelnen User.
• 7:59
  Speaker 0: Was wirklich viele User sind, ist dieses ganze Generative AI.
• 8:05
  Speaker 0: Wir haben das gemacht, dass es wirklich erfolgreich ist.
• 8:11
  Speaker 0: Wir bauen generative AI-Plattformen, die unstrukturierte Daten und zwei strukturierte Data anbieten.
• 8:17
  Speaker 0: Und wie ihr seht, gibt es eine große Firma wie ours, mit einem großen Amt von Dokumenten und in den Aten Ländern.
• 8:33
  Speaker 0: Es sind fast alle... Wir bauen eine Plattform, mit der viele Leute sie benutzen können.
• 8:38
  Speaker 0: Und dann haben sie hundreds of use cases.
• 8:41
  Speaker 0: Das ist mein Equipment Data Sheet.
• 8:47
  Speaker 0: three type of equipment and compare them, right?
• 8:50
  Speaker 0: Another use case could be.
• 8:51
  Speaker 0: I want to read my contract.
• 8:53
  Speaker 0: And i have five hundred contracts that wants you compared the liability clauses
• 8:59
  Speaker 0: etc.,
• 9:01
  Speaker 0: this generative AI has expanded.
• 9:06
  Speaker 0: Ich würde sagen, dass es ein Stimme ist oder eine Kontrolle ist.
• 9:10
  Speaker 0: Also dann hat man natürlich auch viele Ausgaben.
• 9:14
  Speaker 0: Es gibt aber auch die Kraft dafür, weil in vielen Situationen besser geht.
• 9:18
  Speaker 1: Und wie können deine Ausgabe brechen zwischen Industrie-AI und Business-Ai?
• 9:23
  Speaker 1: Wie lange verabschiedest du sie alle und macht es Sinn, diese
• 9:32
  Speaker 0: Verantwortung zu separieren?
• 9:35
  Speaker 0: Ich würde sagen, dass es nicht nur eine Art Weg ist um AI zu fahren.
• 9:38
  Speaker 0: Man verwendet sich viel mit Firmen von anderen Firmen.
• 9:41
  Speaker 0: Es gibt keinen perfekten Weg nachzudrücken.
• 9:43
  Speaker 0: Und ob man das brechen soll?
• 9:45
  Speaker 0: Ich weiß nicht, aber es betrifft wirklich was in deinem Geschäft ist und wie du die Überwachsene verabschiedest bist.
• 9:50
  Speaker 0: Die Business-Ai ist für mich mehr als ein transactionales, kustomer-Service, Prokument, HR.
• 9:56
  Speaker 0: Und es muss mit vielen Prozessen dealten.
• 10:00
  Speaker 0: Und Industrie-AI ... Es betrifft auch, wie du es definierst.
• 10:04
  Speaker 0: Für uns als Industriekomponenten haben wir viele Pläne.
• 10:08
  Speaker 0: Wir haben eine große Supply-Chain.
• 10:11
  Speaker 0: Und für mich ist IndustrieAI mehr mit Planungsreliabilität und Effizienz, Maschinen und Equipment zu tun.
• 10:20
  Speaker 0: Ich würde sagen, dass die Unterschiede perhaps the risk tolerance or impact of AI on how you treat it.
• 10:30
  Speaker 0: For example, if you want to make a customer service process better with AI there are lots technology and lot use cases today.
• 10:38
  Speaker 0: but let's say in worst case scenario you accidentally send ein E-Mail mit some hallucination or around that.
• 10:47
  Speaker 0: It's horrible, probably very bad for your business but at the end of day it is a wrong e-mail and miscommunication which you could clarify might have happened if was human anyway right?
• 11:00
  Speaker 0: But If You Come to Industrial AI and somehow develop an algorithm that didn't consider security layer reliability then really cause safety Problems, could cause reliability issues.
• 11:15
  Speaker 0: Equipment might break.
• 11:17
  Speaker 0: so we are talking about double digit million or hundreds of a million dollar losses.
• 11:23
  Speaker 0: potentially
• 11:25
  Speaker 1: and despite those risks most Kampagnen starten, um jedes Business-Unit zu empfehlen und ihre eigenen Utilien zu entwickeln.
• 11:32
  Speaker 1: Aber irgendwann wird es sehr schwer, ohne eine Framework für die AAI zu investieren und die Abschilungsprogramme zu bauen.
• 11:44
  Speaker 1: Wie hältst du das unter Kontrolle?
• 11:46
  Speaker 1: Und wie bautest du die Strategie hinter dir?
• 11:49
  Speaker 0: Wir sprechen viel über AAI und wir haben AAI in unseren Jobtiteln, aber am Ende des Tages ... Was ist in meiner Meinung nach immer ein Business?
• 11:58
  Speaker 0: Du musst zuerst verstehen, was unser Business ist.
• 12:01
  Speaker 0: Unser Business ist zu produzieren und zu verkaufen, um sie anzunehmen.
• 12:07
  Speaker 0: In unserem Business, obwohl wir eine bestimmte digitale Lösung haben für einen großen Degree, werden wir neue Technologien nutzen, damit unser Business mehr erfolgreich wird.
• 12:17
  Speaker 0: Wie definierst du den Erfolg von deinem Geschäft?
• 12:20
  Speaker 0: In unseren Geschensten könnte es eine bessere Kastuner-Experienz sein, einer höheren Effizienz und mehr Beläubung werden.
• 12:29
  Speaker 0: Dann musst du dann auf die Frage stellen, wie man sie betrachtet.
• 12:32
  Speaker 0: Und also, wie kann alle diese Geschenste zutreffen?
• 12:36
  Speaker 0: zu deinem Business?
• 12:37
  Speaker 0: KPI sozusagen.
• 12:39
  Speaker 0: In Linde, für Beispiel haben wir eine extrem starke Produktivität, Mindest- und Kultur.
• 12:45
  Speaker 0: Wir haben einen sehr soliden Fundament, wie wir Produktivitäten measuren können.
• 12:51
  Speaker 0: Und wir übernehmen auch die Maßnahme der AI zur Produktivitätsmeasur, in dem wir mehr als sechszehntausende Employee in Linde haben.
• 13:00
  Speaker 0: Wir können sicherlich sagen, dass jedes einzelne Mensch die Produktività verstehen und wissen, wie man sie bemerkt werden sollte.
• 13:07
  Speaker 0: Wenn wir die A.I.-Ambed-Scheidung in diesen Bereichen mehr schnellen können, aber natürlich gibt es auch Bereiche, wo sie strategischer sind und dann muss man für andere KPI ein Komplementar sein.
• 13:22
  Speaker 1: Und ja, der Fokus auf die meisten Firmen hat sich von den Nr.
• 13:26
  Speaker 1: US-Kästen gezwungen um die Frage an Investition zu stellen, das ist eine Frage, die nicht so leicht zu antworten ist.
• 13:34
  Speaker 0: Was ist Ihre Übung?
• 13:36
  Speaker 0: At the end of today, it depends on what do we mean by AI right?
• 13:42
  Speaker 0: So I think in our case.
• 13:44
  Speaker 0: We have a very good return ROI.
• 13:47
  Speaker 0: In fact The return is so high that you nicht necessarily need to talk about it in many cases, right?
• 13:53
  Speaker 0: So for example if you talked about AI is really to increase plant efficiency.
• 13:59
  Speaker 0: Right so even if we increased one percent plant efficiency We are talking a huge amount of money but from software perspective your investment might be very low.
• 14:11
  Speaker 0: In this case the return on capital was easy to calculate.
• 14:14
  Speaker 0: I produced same customer demand and became more efficient.
• 14:19
  Speaker 0: the same thing for supply chain, also for certain processes.
• 14:23
  Speaker 0: I think when a lot of social media today talk about the challenge of ROI is more around large language model generative AI.
• 14:34
  Speaker 0: that's because let say we all use some kind of co-pilot today right?
• 14:38
  Speaker 0: I used Gemini Grog.
• 14:40
  Speaker 0: you know this and that but it saved me five minutes or lets say one hour.
• 14:49
  Speaker 0: Wie treffe ich das zu der PNL oder die untere Linie?
• 14:52
  Speaker 0: Es ist eine sehr schwierige Translation und in some cases, wir sollten unsere Frage fragen.
• 14:58
  Speaker 0: Is it worth the effort to translate?
• 15:01
  Speaker 0: So, is this right way of looking at my question.
• 15:05
  Speaker 0: From a personal perspective we will look more around capability building and workforce transformation.
• 15:12
  Speaker 0: so well very proud in Linde our employee upskilling program.
• 15:17
  Speaker 0: We have different levels, digital creator, digital sponsor etc.
• 15:23
  Speaker 0: Digital enthusiastic on each level.
• 15:26
  Speaker 0: Wir wissen, dass sie mehr effizient werden.
• 15:31
  Speaker 0: Ich benutze Co-Pilot jeden Tag und mache meinen Job sehr anders.
• 15:38
  Speaker 0: Aber ich kann es nicht quantifizieren.
• 15:49
  Speaker 0: The more we do that and if you do it with good quality, a more targeted approach the question is less about efficiency.
• 15:58
  Speaker 0: It's how can enable workforce transition and better talent management making better decisions by nature.
• 16:07
  Speaker 0: Don't know if that answers your question.
• 16:09
  Speaker 1: Yeah, you're touching on a problem that lot of companies are struggling with right now.
• 16:13
  Speaker 1: they roll out co-pilot or chat gpt to thousands of employees and then can figure out whether it was worth it.
• 16:20
  Speaker 1: microsoft co pilot for example can run two thirty euro or even fifty user per month.
• 16:28
  Speaker 1: Für viele Menschen ist das ein Serious-Kommittment, aber dann der Erfolg von so einem Tool auch depending on training and education.
• 16:36
  Speaker 1: Wie wissen Sie, ob ein Tool nicht expectativ ist oder dass die Organisation nicht bereit
• 16:43
  Speaker 0: war?
• 16:43
  Speaker 0: Ich denke, es gibt mehrere Werte zu schauen.
• 16:47
  Speaker 0: Wir wissen nie, diese Technologie wird evolve.
• 16:50
  Speaker 0: Die erste Sache ist, wir müssen verstehen... In meiner Sicht ist es nicht eine Option, dass man nicht adoptiert wird.
• 16:57
  Speaker 0: Denn heute gibt es ein Chat-GPT und morgen werden es bessere Dinge geben.
• 17:01
  Speaker 0: Es geht um die Frage, ob du deine Arbeitsplätze bereitst, mehr IGL zu sein und wie wir diese Technologie nachvollziehen können.
• 17:10
  Speaker 0: Ja, in einigen Situationen kann man keine Effizienz übernehmen, aber in unserem Fall können wir.
• 17:18
  Speaker 0: Wir fragen immer unsere Mitarbeiter, um sie zu bemerken.
• 17:20
  Speaker 0: Also haben wir einen incentives Plan für unser Geschäft von unseren Managern und Direktoren auf eine andere Ebene des Businesses, wo sie ein Produktivitätstarget haben.
• 17:29
  Speaker 0: Wenn sie bestimmte Tools benutzen können sie konkret bemerkenswerten werden.
• 17:35
  Speaker 0: Und wir fragen ihnen das zu bewerben.
• 17:36
  Speaker 0: Auf der anderen Seite glaube ich noch, dass du ultimittal, wenn du wirklich eine Differenz willst, ist es immer über die End-to-End-Werkflugtransformation.
• 17:45
  Speaker 0: Ich denke, das ist nichts anderes.
• 17:47
  Speaker 0: Und es ist immer darum, wie ein bestimmtes Geschäftsprozess heute gemacht wird und wie das Geschäftesprozess morgen Morgen sein wird.
• 17:56
  Speaker 0: Ich denke, dass wir alle unterschiedliche Ausgaben und Lösungen haben.
• 18:00
  Speaker 0: Also die Weise, in der wir unser Geschäft sehen können, ist mehr um zu sagen, okay ich mache mein eigenes Prozess heute so, tomorrow I'll do it that way, what is the benefit and to go there?
• 18:13
  Speaker 0: What will i have to
• 18:15
  Speaker 0: do?".
• 18:16
  Speaker 0: Yes, it is harder to understand what exactly has co-pilot contributed.
• 18:23
  Speaker 0: But from our perspective as long you are clear about the total capital you put in and the total outcome that gets out of this, its manageable.
• 18:35
  Speaker 1: And which kind tools do we have on places everyone can access today?
• 18:40
  Speaker 1: Chat-Funktionen wie chatGBT, Coding Tools like Cloud Code, Image Generation like Germany Offlooks.
• 18:46
  Speaker 1: Tools to build your own agents and frameworks like Langdark – give us the most important ones for Linda!
• 18:55
  Speaker 0: Co-Pilot, Github-Co-Piler ist definitiv sehr gut.
• 19:04
  Speaker 0: Wir haben auch unsere internale Agentik und Generative AI Plattformen eingebaut.
• 19:12
  Speaker 0: Wir nennen sie Argus and Nitro.
• 19:15
  Speaker 0: Es verwendet verschiedene Language-Modelle sowie die Cloud-Plattform, aber es gibt mehr Design zu den Usergroups in Indien.
• 19:26
  Speaker 1: So, now we of course want you to share some secrets.
• 19:29
  Speaker 1: Where does AI make the biggest difference in terms of revenue and savings efficiency in a business like Linda?
• 19:36
  Speaker 0: It's not very big secret I think.
• 19:39
  Speaker 0: In general what we see is that it is faster To impact on places where data are cleaner.
• 19:49
  Speaker 0: or Sie haben nicht einen sehr komplexen Prozess.
• 19:54
  Speaker 0: Zum Beispiel in den Pläne-Effizienz oder einem bestimmten Bereich der Supply Chain, wo die Daten für AI zu trainieren sind.
• 20:02
  Speaker 0: Da gibt es Sensordaten und hohe Qualität.
• 20:05
  Speaker 0: Man hat viele Departments zusammengearbeitet und jede Region hat eine andere Arbeitsprozesse.
• 20:15
  Speaker 0: Plank-Kontrollsystem oder Supply Chain Optimisation sind dort für Jahre.
• 20:20
  Speaker 0: Hier geht es darum, wie ich eine neue Technologie integrieren kann um die Entscheidung zu betonieren?
• 20:27
  Speaker 0: Hier kreiert man einen relativ einfachen und hohen Impact.
• 20:33
  Speaker 0: In Bereichen, in denen der Arbeitsprozess sehr komplex ist.
• 20:42
  Speaker 0: People say a lot about customer service, but it can be actually quite complex.
• 20:47
  Speaker 0: It is less about the technology and how do you do that in future?
• 20:55
  Speaker 0: How would you like to treat your customer experience here?
• 20:59
  Speaker 0: Here its harder to quantify impact of certain cases than we are getting there Und es gibt viele kleineren Begegnungen.
• 21:09
  Speaker 0: Aber klein ist auch toll, also haben wir einen großen Impact auf Langtail.
• 21:15
  Speaker 0: Wir haben viele Begegene, wo wir eine Langtail von kleinen Begegenheiten haben, die zusammenführen können und sind viel wertvoll.
• 21:23
  Speaker 1: Was ist das schwerste Teil daran zu überlegen, den Impact-Rechern an Investitionen der AI?
• 21:27
  Speaker 1: Woher hast du total falsch getroffen?
• 21:29
  Speaker 1: Das
• 21:32
  Speaker 0: harteste Teil ist definitiv über die Interdependenzen, weil das Business nie ein einziger Stream ist.
• 21:40
  Speaker 0: Und also letztendlich sagen wir mal, wenn du deine Überraschung in deinem Geschäft willst.
• 21:46
  Speaker 0: Du musst immer viele Dinge machen.
• 21:49
  Speaker 0: Es geht um Menschen, es geht um Prozesse, es wird um Technologien, es gibt viele Legacy-Systems.
• 21:56
  Speaker 0: Also du investierst im AI, was total macht Sinn zu tun!
• 22:01
  Speaker 0: Aber es ist nicht so, dass du keine Datafoundation brennst.
• 22:07
  Speaker 0: Oder du musst nicht denken, wie du dein Talent verhindern solltest.
• 22:12
  Speaker 0: Ich denke, es ist eine Philosophie an ihrem eigenen.
• 22:16
  Speaker 0: Das ist wahrscheinlich die schwierige, aber auch das sehr interessante
• 22:23
  Speaker 1: Teil.
• 22:24
  Speaker 1: Und du hast mentioned that at Linde, every AI project has to justify itself against a framework called on business value and whether it drives efficiency or growth.
• 22:35
  Speaker 1: Can you walk us again through this process?
• 22:40
  Speaker 0: Ja, also wir haben ein Framework, das in unserem Unternehmen sehr viel investiert ist.
• 22:51
  Speaker 0: Wir geben unser Business einen bestimmten Target für eine neue Technologie zu adoptieren und der Prozess wird.
• 23:02
  Speaker 0: Es ist sehr einfach.
• 23:05
  Speaker 0: Wenn ich, sagen wir mal, ein Prozessingenieur bin, habe ich meine Tag-a-day Arbeit und ich denke, dass ich diese Technologie adoptieren kann, um mein Werkflug mehr effizient zu machen.
• 23:18
  Speaker 0: Und ich muss mir denken, wie ich die Differenz in der Effizienz kenne?
• 23:22
  Speaker 0: Dann muss ich wirklich... ...put it into some kind of a mathematical calculation, right?
• 23:28
  Speaker 0: I need to understand okay is this about reducing variable costs fixed cost.
• 23:32
  Speaker 0: Is it's reducing cost above inflation so avoided cost rate...is increasing revenue?
• 23:39
  Speaker 0: you have to build a mini business case and its not..its less about.
• 23:45
  Speaker 0: ok i have spend the huge amount time building these huge business cases to justify investment.
• 23:50
  Speaker 0: It´s more about.
• 23:51
  Speaker 0: You really know why.
• 23:55
  Speaker 0: Wir haben jetzt unsere erste Frage aus der
• 24:04
  Speaker 1: Audienste.
• 24:05
  Speaker 1: Anika Forst möchte Ihre Meinung auf die nächste Frage hören.
• 24:11
  Speaker 1: Given the rapid evolution of AI ecosystems and tooling, do you see your own company starting to reassess?
• 24:18
  Speaker 1: Your I assume long established Microsoft.
• 24:20
  Speaker 1: Three hundred sixty five co-pilates set up in order to achieve a more end-to-end connected AI architecture.
• 24:26
  Speaker 1: More specifically Do You think The current race an AI platform development could eventually challenge incumbent enterprise tools even though replacing them would imply a massive organizational change management effort for global Companies like yours.
• 24:42
  Speaker 0: Right, so I cannot comment on any particular vendor right?
• 24:51
  Speaker 0: Problem, oder ich möchte das machen.
• 24:55
  Speaker 0: Ich habe mehrere Vinders und muss die Pricing und den Preis negativen.
• 25:01
  Speaker 0: Und wenn ich eine Entscheidung mache, dann ist es so.
• 25:07
  Speaker 0: Also wegen der schnellen Entwicklung von AI, bist du fast, ich glaube ... The knowledge and understanding of your internal employee is more important than any particular tool because you constantly have to reevaluate, okay does this make sense?
• 25:35
  Speaker 0: And the make or buy decision is blurred.
• 25:37
  Speaker 0: So it's often very tricky too decide should I build this application with my internal Team, should I put it on the data platform and build a product?
• 25:50
  Speaker 0: Should i use this local
• 25:51
  Speaker 0: platform?".
• 25:53
  Speaker 0: And that is not easy.
• 25:56
  Speaker 0: So are we re-evaluating...I would say absolutely were constantly reevaluating but less die hohen Plattform-Level, aber auch der Unusgabe-Lebel.
• 26:08
  Speaker 0: Das wird eventuell eine gesamte Strategie betreffen.
• 26:12
  Speaker 0: Aber ich weiß noch nicht, ob heute in diesem Raum eine fünf bis zehnjährige Strategie geht.
• 26:18
  Speaker 0: Ich denke, dass unsere Arbeitsplätze von Geschäfts-, Digital- und IT-Organisation für mich mehr wichtig
• 26:34
  Speaker 1: ist als ... Und ich möchte die Perspektive ein bisschen breit sehen.
• 26:38
  Speaker 1: Linda arbeitet in acht Ländern, macht eine AI-Strategy?
• 26:42
  Speaker 1: Ich meine, funktioniert es eigentlich durch alle?
• 26:45
  Speaker 1: Oder muss sie adaptiert werden?
• 26:48
  Speaker 0: Nein, also für mich... Business strategy, it's less about AI strategy for me.
• 26:55
  Speaker 0: So für us is clear right?
• 26:57
  Speaker 0: AI is a significant enabler for our growth productivity transformation.
• 27:03
  Speaker 0: then you have to.
• 27:04
  Speaker 0: obviously we are in eighty countries but our business model isn't that different.
• 27:08
  Speaker 0: We sell gas and produce gas.
• 27:10
  Speaker 0: Nevertheless every business has a different strategy in terms of the business.
• 27:15
  Speaker 0: I am strong on this market or i already had very good market share und meine Hauptfokussung ist auf die Effizienz.
• 27:24
  Speaker 0: Sie haben dann entschieden, was mein Geschäftsstrategie ist, um alle Technologen zu sehen, was das Beste für ihre Strategie betrifft.
• 27:34
  Speaker 0: Für uns ist es mehr so, dass wir in dem Hintergrund bestimmte Plattform- oder Execution-Strategie betreiben müssen.
• 27:45
  Speaker 0: Wir haben eine kleine Plattform überall, aber ultimately wenn du über die AI-Strategie gesprochen hast, würde ich sagen, dass die Geschäftsstrategie mehr wichtig ist und das Verständnis von existenten Technologien, wie du deine Geschäftsstrategie verbrauchst,
• 28:01
  Speaker 1: ist der Weg zu gehen.
• 28:02
  Speaker 1: Aber AI-Adoption bewegt sich noch bei sehr verschiedenen Spezien um die Welt.
• 28:06
  Speaker 1: In China oder den US-Kampern tenden fast in Deutschland.
• 28:10
  Speaker 1: Es gibt Arbeitskanzler, Regulatoren, Kurschen, kulturale Skeptiken... toward new technology, is that actually a problem for global company or does it have its upsides?
• 28:21
  Speaker 0: Es ist ziemlich interessant.
• 28:28
  Speaker 0: Ich würde nicht sagen, dass es black und white gibt.
• 28:31
  Speaker 0: Wir müssen über die Influencene Faktoren denken, weil es nicht wie ein Land resistiert zu AI, sondern es verändert sich.
• 28:38
  Speaker 0: Das größte Veränderung, ich würde sagen, ist, wie Social Media porträtiert das AI im Land.
• 28:44
  Speaker 0: Und auch in den USA, in der Zeit, an dem ich hier gearbeitet habe, wird es auch dramatisch verändern.
• 28:52
  Speaker 0: In Asien, China, ja, aber ... Es betrifft wirklich die Social-Media, den Regeln und der gesamten Umgebung.
• 29:00
  Speaker 0: Generell haben sie nicht den Konzept von Job-Sekurität.
• 29:02
  Speaker 0: Die Leute versuchen immer zu sagen, wie ich mich besser machen kann um das nächste Job zu bekommen.
• 29:13
  Speaker 0: Natürlich gibt es eine Tendenz, dass man etwas lernen muss und die Fragen nicht fragen müssen.
• 29:19
  Speaker 0: Es gibt andere Environments, in denen die Gesellschaft generell sehr stabil ist.
• 29:25
  Speaker 0: Dann ist es mehr so, ob man sich verändern sollte.
• 29:32
  Speaker 0: Und auch diese Regulierung... In general, Social Media and the government has a much bigger role to play in this whole thing than a company like us because we are more reactive.
• 29:49
  Speaker 0: The only things that we want do is how can make our business or companies better Country will operate.
• 29:57
  Speaker 0: And then we need to react too, okay?
• 29:59
  Speaker 0: Somehow there's a sentiment here and it is also not like every workers council against AI right?
• 30:05
  Speaker 0: you know I have a lot of conversation with our workers council colleagues that explain ok We make the work more convenient.
• 30:13
  Speaker 0: what makes efficiency better.
• 30:15
  Speaker 0: What is the reason for being against it?
• 30:16
  Speaker 0: so actually we had been doing plan control system for decades were making the plan control systems a bit better.
• 30:23
  Speaker 0: It doesn't has anything.
• 30:24
  Speaker 0: So, it really depends right?
• 30:26
  Speaker 0: We?
• 30:27
  Speaker 0: naturally the thing we need to think about is how can we stay competitive on a market in this country.
• 30:33
  Speaker 0: And then there are all these other factors that you have consider which Tricky today in AI, because the regulation is changing every day.
• 30:42
  Speaker 0: How it's deployed is changing everyday.
• 30:45
  Speaker 0: The technology is changing Everyday and the vendor is changing Every Day you know?
• 30:48
  Speaker 0: And also due to current macroeconomic political geopolitical situation that business environment is also changing everyday right.
• 30:56
  Speaker 0: so I would say its a time.
• 30:58
  Speaker 0: Its very challenging for business leaders around world Und ich glaube, wir
• 31:02
  Speaker 1: haben ein paar Leute in der Audienz, die jetzt NVU, weil deiner Arbeitskanzlerin ist.
• 31:11
  Speaker 1: Aber ich mag wirklich, hier zu hören.
• 31:14
  Speaker 1: Es ist jetzt ein AI-Race zwischen den USA und China gespielt.
• 31:18
  Speaker 1: Das sind sehr geopolitische Expertkontrollen auf Chips, Fragen über die, die kritische Infrastruktur kontrollieren.
• 31:25
  Speaker 1: Und die ganze Diskussion über Open Source Modelle.
• 31:29
  Speaker 1: Du hast in allen drei Wörtern geleistet – China, die USA und Europa.
• 31:32
  Speaker 1: Was sieht das Konflikt aus?
• 31:37
  Speaker 0: Es ist sicherlich ziemlich schwierig, weil wir mehr auf der Applikation sind.
• 31:42
  Speaker 0: Wir entwickeln nicht den langen Englisch-Modell.
• 31:46
  Speaker 0: Ich und meine Team denken viel über unser Geschäft.
• 31:51
  Speaker 0: Wie können wir neue Technologien benutzen?
• 31:54
  Speaker 0: Ich würde sagen die Herausforderung kommt erst von dem, welcher Technologie noch sustentiert wird.
• 32:01
  Speaker 0: Und zweitens ... about cost.
• 32:04
  Speaker 0: So that comes down to your previous question, the speed of changes in decision making right?
• 32:10
  Speaker 0: You might think you worked with this partner and want to scale it globally tomorrow but don't know if you can still do it!
• 32:18
  Speaker 0: And then third one is adoption.
• 32:20
  Speaker 0: so naturally this whole geopolitical situation creates certain sentiments about adoption which as a technology Person cannot control and that certain plays a role.
• 32:35
  Speaker 0: But there are much worse things you have to deal with, I think it's not like the macroeconomic situation in business environment is easy either right?
• 32:47
  Speaker 0: So i think its our work anyhow to adapt different situations.
• 32:52
  Speaker 1: Und da haben wir ein paar weitere Fragen aus dem Publikum.
• 32:56
  Speaker 1: Der erste ist, ob Ihre Organisation einen AI-Erlebnis für eine Erstkampagne erspricht?
• 33:01
  Speaker 1: Vielmehr sind Sie mit den Stabs betreffend, dass alle Employees in ihren Arbeitstunden die AI-Tools benutzen?
• 33:06
  Speaker 1: Die zweite
• 33:08
  Speaker 0: Frage ist absolut klar!
• 33:09
  Speaker 0: Wir nehmen viel Arbeit an und machen viel Arbeit, um alles zu verstehen, Daten, AI und es zu nutzen.
• 33:18
  Speaker 0: Ich weiß nicht, was die Definition der AI-First Company ist.
• 33:23
  Speaker 0: Wenn ich uns als Auto-Kompanier kenne ... Es ist nicht so, dass die AI in Oxygen sein wird.
• 33:32
  Speaker 0: Die AI ist extrem wichtig für Autos oder Home-Devices.
• 33:38
  Speaker 0: Wir produzieren Oxygen und Hydrogen CO².
• 33:41
  Speaker 0: Es ist nicht ein Produktstrategie per se, vielleicht für die Ingenieurin spielt es eine große Rolle.
• 33:51
  Speaker 0: Ich würde sagen, der AI hat einen sehr starken Fokus auf den strategischen Level unserer Topmanagement.
• 34:01
  Speaker 0: Ich halte mich zurück und frage, ob es eine A.I.-Fürst-Kompany ist?
• 34:04
  Speaker 0: Ja, ich verstehe
• 34:05
  Speaker 1: total dein Punkt!
• 34:06
  Speaker 1: Linda ist nicht ein Softwarekompany, aber das neue Paradigme ist, dass jede industrielle Kompany sich über die A. I. S., der Korps von ihrem Geschäftsbusiness zu denken, also wie weit du aus dem Bereich bist und hast schon A. i. B. Produkte, die dich für
• 34:20
  Speaker 0: ihre Kunden verkaufen.
• 34:23
  Speaker 0: How far are we?
• 34:24
  Speaker 0: We're a very large company in some countries.
• 34:28
  Speaker 0: In others, there's still lots of catch-up to do with data and we offer solutions for our customers but we don't sell software companies per se.
• 34:41
  Speaker 0: So
• 34:42
  Speaker 1: people are interested in your upskilling strategy.
• 34:45
  Speaker 1: today Luisa is asking, in my point of view it's absolutely critical to drive AI usage to see the business impacts you mentioned.
• 34:56
  Speaker 1: Can you share a few more insights into how your app skill employees use AI and ensure that knowledge keeps pace with rapid developments?
• 35:06
  Speaker 0: In general is a pool strategy.
• 35:08
  Speaker 0: We don't have AI education that we push to the employee, we drive engagement right?
• 35:16
  Speaker 0: My team colleague has very good framework for driving engagement and it's more targeted.
• 35:25
  Speaker 0: so certainly we separate them by different level.
• 35:29
  Speaker 0: they are certain things which everybody needs know like data foundation co-pilot if you are using it.
• 35:36
  Speaker 0: And there is certain things only a group of people needs to know, let's say building data products or data engineering.
• 35:45
  Speaker 0: and then we're moving more towards the framework where we have certain foundations embedded into our HR system for people who learn and train Abschilien-Programm für einen speziellen Gruppen von Leuten, die ihre Arbeitsfunktion brauchen, um sie mehr zu wissen.
• 36:10
  Speaker 0: Oder sie sind natürlich interessiert, um die Karriere-Development zu haben.
• 36:16
  Speaker 0: Und wir haben auch eine weitere Integration mit Talentmanagement und Menschen-Devolutionen.
• 36:22
  Speaker 1: Was tut ihr persönlich mit der PACE?
• 36:26
  Speaker 0: Die PACE!
• 36:28
  Speaker 0: Ich denke, die faszinierende Sache über mein Job ist immer, dass du nicht alles kennst oder in Kontrolle bist.
• 36:37
  Speaker 0: Weil du nie im Kontroll bist, wirst du jeden Tag aufwachen und es gibt etwas Neues.
• 36:41
  Speaker 0: Ich lerne viel von meinem Team.
• 36:44
  Speaker 0: Wenn jemand mir diese Frage übernimmt, würde ich sagen, dass eine große Stelle von der Team, die AR-Modelle entwickeln oder Produkte bauen, auch heute gibt es Vibecoding.
• 36:59
  Speaker 0: Sie zeigen mir, wie sie das tun und ich versuchte mich selbst.
• 37:02
  Speaker 0: Ich habe Podcasts und Artikeln gehört.
• 37:09
  Speaker 0: Ich bin in der Forschung persönlich sehr interessiert bei some deep tech... Ich denke, der andere Teil ist die Begründung mit Firmen von anderen Firmen.
• 37:22
  Speaker 0: Denn ich glaube, wie wir alle wissen, wenn ihr alles seht... quite generic.
• 37:31
  Speaker 0: When you are doing day-to-day work, usually my peers in other companies we all went through Larissa your question about before chat GPT and after ChatGPT We were still doing the same job.
• 37:46
  Speaker 0: just suddenly instead of two people asking her questions Two thousand people asked her questions right?
• 37:52
  Speaker 0: And so that's how do you deal with that?
• 37:55
  Speaker 0: I think Ich denke, das ist sehr
• 37:58
  Speaker 1: wichtig.
• 37:59
  Speaker 1: Ich glaube, dass du sehr wütend bist.
• 38:01
  Speaker 1: Was dich die meisten an der heutigen Entwicklung
• 38:06
  Speaker 0: erinnert?
• 38:07
  Speaker 0: Es gibt viele Bereiche, die faszinierend sind.
• 38:09
  Speaker 0: Wir sind nicht in diesem Raum, aber wenn Sie schauen, wie
• 38:17
  Speaker 0: A.I.,
• 38:19
  Speaker 0: Medizin und neue chemische Elemente erfüllen, ist das superfasziniert.
• 38:26
  Speaker 0: Ich weiß nicht, wenn du als Experte in einem speziellen Feld bist und die Gemini oder Grog oder Co-Pilot schauen möchtest.
• 38:40
  Speaker 0: Die Antwort ist vielleicht nicht für deine Entspannte necessarierend.
• 38:45
  Speaker 0: Was es wirklich ermöglicht, ist eine viel breitere Anleitung zu wissen und eine sehr schnellere Anlegung zu helfen.
• 38:54
  Speaker 0: Und ich denke, das wird ein dramatisches Bild von der Studie öffnen, wenn die Leute lernen wollen.
• 39:04
  Speaker 0: Ich denke, dass das eigentlich ... Ich bin nicht mehr optimistisch, also ich denke, dass es in vielen Bereichen gibt, wenn wir das wirklich benutzen können.
• 39:15
  Speaker 0: Es kann wirklich niemanden aus dem Horizont expandieren.
• 39:19
  Speaker 0: Ich glaube, das fängt mich an.
• 39:20
  Speaker 0: Aber die Technologie ist immer ein zusätzliches Wort.
• 39:23
  Speaker 0: Ich werde heute keine anderen Dinge
• 39:26
  Speaker 1: erwähnen.
• 39:26
  Speaker 1: Wo seht ihr den größten Leap im Industrie- oder Business AI vor zwei bis
• 39:34
  Speaker 0: drei Jahren?
• 39:35
  Speaker 0: Ja, so super faszinierend ist Robotics.
• 39:39
  Speaker 0: Also ich denke für die letzten paar Jahre haben wir es hier und da testiert.
• 39:43
  Speaker 0: Aber ich denke wirklich, dass der Speed viel schneller geht.
• 39:49
  Speaker 0: Viele in den vergangenen Jahren sind mehr software-define Systeme.
• 39:55
  Speaker 0: In den vergenden Jahren waren es viele Physik-defined Systeme, jetzt wird es ein mehr software Defined System.
• 40:02
  Speaker 0: Was anderes, definitiv eine genannte
• 40:06
  Speaker 0: A.I.,
• 40:06
  Speaker 0: also ich spreche nicht über ROI.
• 40:10
  Speaker 0: Ich denke, das Chat-GPT ist nicht necessarily der größte ROI Bringer.
• 40:19
  Speaker 0: Das bringt nicht unbedingt den größten Impact, aber wenn du siehst... Agentic AI ist heute entwickelt.
• 40:25
  Speaker 0: Sie kann potenziell viel Entscheidungsmöglichkeit öffnen, also nur ein paar nennen.
• 40:32
  Speaker 0: Natürlich die ganze ITOT Konvergenz und viele Dinge, die ziemlich aufregend
• 40:39
  Speaker 1: sind.
• 40:39
  Speaker 1: Hast du noch einen Wettbewerb, der nicht völlig funktioniert, aber definitiv?
• 40:45
  Speaker 0: Ja!
• 40:47
  Speaker 0: So, there are many.
• 40:48
  Speaker 0: For example another field is this whole knowledge graph on ontology if we call it right?
• 40:56
  Speaker 0: If you look at large language model in chat GPT they understand a lot of languages that were used every day but doesn't really understand the industrial knowledge.
• 41:06
  Speaker 0: so today also a lot companies who are moving spending investment into understanding the physical world.
• 41:15
  Speaker 0: Auch wenn die Modelle versteht, was ein Kompressor ist und was eine Thermodynamik ist, ist es nicht gut genug.
• 41:22
  Speaker 0: Es ist mehr um das Verständnis der industriellen Knowledge unserer Geschäfts- und wie alle Knowledge zusammenkommt.
• 41:30
  Speaker 0: Das könnte eigentlich einen Unterschied machen.
• 41:33
  Speaker 0: Aber heute in vielen Bereichen ist es immer noch sehr schlecht.
• 41:37
  Speaker 0: In bestimmten Städte, in den meisten Städten ist es eine bessere Suchtfunktion faster Support of decision-making, but still you require a lot of human filter.
• 41:52
  Speaker 0: Actually it's a bit dangerous because.
• 42:19
  Speaker 1: Thank you so much, Dexen.
• 42:21
  Speaker 1: This was an interesting conversation!
• 42:27
  Speaker 1: Und das war's auch schon wieder mit Handelsblatt Disrupt und dieser Sonderfolge zum Tech Talk mit Dexin Lu.
• 42:33
  Speaker 1: Die Tech findet dieses Jahr übrigens vom einund dreißigsten Mai bis zum zweiten Juni in Heilbronn statt, und wenn Sie auch unbedingt dabei sein wollen unter unseren Ein-tausend Fünfhundert Teilnehmern, dann schicken sie doch eine E-Mail mit einer kleinen
• 42:45
  Speaker 0: Bewerbung!
• 42:46
  Speaker 1: Vielleicht ist da bei den letzten Plätzen noch was zu machen?
• 42:49
  Speaker 1: Details finden Sie in den Show notes.
• 42:51
  Speaker 1: – Bis dahin eine gute Zeit.
• 42:54
  Speaker 1: Redaktion Larissa Holzki Produktion Migo Fecke.