Latest / #digdeep - Neues aus der digitalen Welt / 10 Jahre #digdeep - 5 Tipping Points, die unsere Zukunft verändern werden

Transcript

10 Jahre #digdeep - 5 Tipping Points, die unsere Zukunft verändern werden · #digdeep - Neues aus der digitalen Welt

• 0:01
  Speaker 0: Hallo Frauke, alles Gute zum Geburtstag!
• 0:08
  Speaker 0: Ja liebe Zuhörerinnen und Zuhörer manche haben uns schon das ganze Jahrzehnt begleitet.
• 0:13
  Speaker 0: Heute wird Diktiv zehn Jahre alt.
• 0:15
  Speaker 0: unglaublich wir feiern Jubiläum und das wollen wir mit euch
• 0:17
  Speaker 1: feiern.
• 0:19
  Speaker 1: Genau ich kann es auch gar nicht glauben.
• 0:21
  Speaker 1: also in den zehn Jahren ist so viel passiert und trotzdem ging die Zeit wahnsinnig schnell.
• 0:26
  Speaker 1: oder vielleicht deswegen aber dass wir tatsächlich zehn jahre durchgehalten haben.
• 0:33
  Speaker 0: Ja, es hat gestartet als ein Selbstversuch zum Thema Digitalisierung und heute wollen wir mit euch zehn Jahre feiern.
• 0:39
  Speaker 0: Und zwar haben wir fünf Gäste aus diesen zehn Jahren nochmal eingeladen uns noch kurz das Feedback zu geben.
• 0:43
  Speaker 0: was hat sich denn für sie besonders verhindert?
• 0:46
  Speaker 0: Wir wollen über Fünf Filfwirts reden über fünf Kipppunkte Tipping Points Dinge die Sie schon angebahnt haben und jetzt wirklich vier Veränderungen in der Zukunft sorgen werden.
• 0:55
  Speaker 0: diese fünf Punkte kommen nicht überraschend aber sie haben doch sehr viel mehr Power entwickelt also dass jemals hätten glauben können Wir laden euch ein auf eine Reise, auf zehn Jahre DigDeep und interessante Gäste.
• 1:08
  Speaker 0: Und fünf spannende Aspekte die wir
• 1:10
  Speaker 1: in Zukunft
• 1:11
  Speaker 0: im Auge behalten sollten.
• 1:26
  Speaker 0: Herzlich willkommen!
• 1:27
  Speaker 0: Hallo nochmal bei DigDeap zum Podcast zu Alten und Neuem aus der digitalen Welt und der Zukunft der Digitalwelt.
• 1:35
  Speaker 1: Christoph ich freue mich riesig dass wir zehn jahrelang zusammen hier durchgehalten haben.
• 1:41
  Speaker 1: Ich habe das zum Anders genommen auch Das Buch, das wir zusammen rausgebracht haben vor fünf Jahren die digitale Herausforderung nochmal zu lesen.
• 1:51
  Speaker 1: Ich hätte ja erwartet dass es alles veraltet ist gegeben wie viel da passiert ist aber ich war dann wirklich überrascht wieviel noch gilt.
• 2:01
  Speaker 1: Kannst du dich noch erinnern überhaupt an das Buch?
• 2:03
  Speaker 0: Ja das liegt einfach daran dass wir sehr visionär waren.
• 2:10
  Speaker 0: Also ja, wir haben zur Halbzeit also genau nach fünf Jahren gesagt, jetzt lass uns mal aufschreiben was uns über den Weg gelaufen ist.
• 2:15
  Speaker 0: Was sind denn so diese Erkenntnisse?
• 2:17
  Speaker 0: Und wir kamen darauf dass wir über Kipppunkte gesprochen haben, über Tipping Points und letzten Endes ist es ein Begriff geworden der sich sehr stark überall durchgesetzt hat im Diskurs.
• 2:27
  Speaker 0: Tipppunkte, Tipping points meinen eben das Dinge von einem Zustand in den nächsten gehen, dass wir also wirklich grundlegende Veränderungen, die sich langsam schon anzeichnen im Holzland auf einmal erleben und sie sind auf einmal da.
• 2:40
  Speaker 0: Und dafür haben wir doch eine ganze Menge hier
• 2:41
  Speaker 0: erlebt.".
• 2:42
  Speaker 1: Und ich muss ehrlicherweise sagen als du damals mir die ersten meiner Skriptseiten geschickt hattest war vieles davon für mich echt weit weg.
• 2:50
  Speaker 1: ja weil eben vielleicht sich dann doch in der Wirtschaft ein paar Sachen schneller angebahnt haben als in öffentlichen Dienst indem ich unterwegs bin.
• 3:00
  Speaker 1: Aber ja, ich habe es genossen.
• 3:04
  Speaker 1: Es nochmal zu lesen und ich freue mich jetzt total drauf dass wir über ein paar der Tipping Points sprechen.
• 3:10
  Speaker 1: Wir müssen uns angucken ob wir vielleicht auch beim Parmasachen daneben lagen.
• 3:15
  Speaker 1: bevor wir das tun würde ich aber gerne wissen was bei dir eigentlich in den zehn Jahren passiert
• 3:21
  Speaker 0: ist.
• 3:22
  Speaker 0: Ja, ich mach eigentlich immer noch das Gleiche wie vor zehn Jahren.
• 3:25
  Speaker 0: Ich hab nicht ganz den... Also rein von Mell, also ich fahre vor Zehnen auch bei P-Drei.
• 3:30
  Speaker 0: P-drei gibt es immer noch.
• 3:31
  Speaker 0: aber wir haben uns dann im Jahr zwanzig achtundzwanzig neunzehn in zwei Firmen aufgeteilt und hießen mir umlaut.
• 3:36
  Speaker 0: Und vor gut fünf Jahren sind wir dann Teil von Accenture geworden.
• 3:39
  Speaker 0: Das was ich meine, ich mache immer noch dass gleiche wie vorher ist ganz einfach!
• 3:42
  Speaker 0: Ich mache die Dinge, die innovativ sind, die vorne sind und die mir sehr viel Spaß bereiten an dieser Schnittstelle zwischen Innovation und Technologie.
• 3:50
  Speaker 0: Und dann ganz viel eben Organisationen, Prozesse die Menschen, die das Ganze mit begleiten.
• 3:55
  Speaker 0: Insofern hat sich eigentlich mein Leben sehr stark verändert.
• 3:59
  Speaker 0: Wir hatten vor gut zehn Jahren – es ist ein bisschen länger schon her – wir mal einen Hackathon gemacht.
• 4:03
  Speaker 0: Das war jetzt halt als Hackathons noch ganz frisch und ganz spannend waren.
• 4:06
  Speaker 0: Also einen Hackaton mit Beratern?
• 4:08
  Speaker 0: Mit der Frage was könnte denn die Innovation in der Zukunft sein?
• 4:12
  Speaker 0: Ich kann mich sehr gut erinnern da waren wir in Berlin und der die Idee Nummer eins, die wir prämiert haben.
• 4:17
  Speaker 0: Die wir gefeiert haben war es doch echt cool wenn alle Berater so einen Agenten hätten wie für sie die Sachen zusammenfassen würde, die Sachen planen würde uns weiter jetzt ganze formulieren usw.
• 4:29
  Speaker 0: Und wir haben alle gesagt schöne Idee aber wir haben keine Ahnung wie das gehen soll weil zu diesem Zeitpunkt vor zehn vor zwölf Jahren war eben nichts davon da.
• 4:38
  Speaker 0: Und ich würde sagen, manchmal muss man mit seinen Träumen und seinen Wünschen etwas aufpassen.
• 4:43
  Speaker 0: Weil manchmal werden diese Wünsche und Träume eben auch erfüllt... ...und es ist die Beraterzunft da und sagt naja eigentlich brauchen wir ganz viele Dinge, die wir getan haben heute nicht mehr.
• 4:52
  Speaker 0: dann ich schmeiß mein Anthropik oder meinen Open RR an und bekomme ganz viel davon zurück.
• 4:57
  Speaker 0: Wie ist das denn bei dir gewesen?
• 5:01
  Speaker 0: Ich meine zehn Jahre sind ja auch bei dir eine lange Zeit gewesen.
• 5:04
  Speaker 1: Jetzt hast du mir meinen Kalauer vorweggenommen.
• 5:06
  Speaker 1: Ich sag, wenn nicht einer fragt was ich anderes mache nämlich auch immer.
• 5:11
  Speaker 1: Ich mach seit dem Studium eigentlich das gleiche und das glaubt man dann vielleicht zuerst nicht weil ich ja recht häufig dann doch den Job gewechselt habe da zwischendrin also nicht wie Du die Orte einfach umgetauft oder verkauft sondern ich hab tatsächlich vor zehn Jahren war ich noch am Institut für Arbeitswagenwohlsforschung in Nürnberg hatte da die Statistik und Methodenabteilung geleitet, hat er dann gerade in Mannheim angefangen als Prof.
• 5:40
  Speaker 1: Das war glaube ich etwa so die Zeit auch von unserem ersten Data Fester und war ja eigentlich neben diesen zwei Jobs in Deutschland in USA lebend an der University of Maryland.
• 5:54
  Speaker 1: Und das ist alles weg!
• 5:56
  Speaker 1: Also Maryland macht zwar noch mit zwanzig Prozent aber jetzt bin ich Vollzeit in München dort an der Fakultät für Informatik, Mathematik und Statistik oder eine andere Reihenfolge.
• 6:07
  Speaker 1: Ich kann das nie genau merken.
• 6:10
  Speaker 1: Und mache aber dort tatsächlich die gleiche Forschung noch.
• 6:15
  Speaker 1: Also mehr und mehr ist.
• 6:17
  Speaker 1: auch für diejenigen, die KI interessiert – und das sind in München sehr viele vor allem durch das Munich Center for Machine Learning – stellt sich die Frage wie Gut sind eigentlich die Daten, die man nimmt zum Hineinfüttern in die KI.
• 6:31
  Speaker 1: Und die Forschung an Datenqualität ist eben was, was ich eigentlich seit dem Studium mache.
• 6:36
  Speaker 0: Ja, ich kann mich sehr gut erinnern.
• 6:37
  Speaker 0: Ich habe dich einmal besucht beim Mieter also damals Facebook in den USA da hat es mal vier Monate mit als Gast, als Gastforscherin dort mit zugebracht.
• 6:48
  Speaker 0: Und du warst interessiert begeistert und einfach sehr vorsichtig.
• 6:53
  Speaker 0: Das macht die Zeit.
• 6:53
  Speaker 0: das ganze Thema wie gehen wir eigentlich mit unseren Daten um noch sehen in den Kineschulen steckte?
• 6:57
  Speaker 0: Heute wissen wir wie massiv wichtig Daten sind und dass Daten halt ein Assert geworden sind, was man sich auch national streiten kann.
• 7:06
  Speaker 0: also es hat sich irgendwie gefühlt nichts verändert an unserer Arbeit selber denn Es ist immer noch an der Kante der Forschung und der Karte der Innovation.
• 7:16
  Speaker 0: Immer die Frage, wie setzen wir es um?
• 7:18
  Speaker 0: Was machen wir damit?
• 7:19
  Speaker 0: Und auf der anderen Seite hat sich eben doch sehr viel geändert.
• 7:21
  Speaker 0: Und da wollen wir heute mal reinschauen!
• 7:23
  Speaker 0: Wir haben heute fünf unserer Gäste eingeladen uns doch mal kurz zu reflektieren was denn für sie seit ihrer Folge passiert ist und was sich verändert hat.
• 7:33
  Speaker 0: Und vielleicht machst du dir erste Gästin vorstellen.
• 7:36
  Speaker 1: Genau also unsere erste gesteine ist Irene Kiloubi vomovierte Wirtschaftsingenieurin ist und Unternehmensberaterin.
• 7:46
  Speaker 1: Und eigentlich, also ich würde sagen Expertin für Community Building Influencing Strategien und Ähnliches und mit Herzblut eine Organisation gegründet hat mittlerweile die sich Joint Generations nennt denn das Zusammenbringen von Generationen ist so ihr Thema.
• 8:06
  Speaker 1: vorher war sie bei BMW Diversen Orten, wo ja Leute unterschiedliche Garnationen zusammenarbeiten sollen.
• 8:14
  Speaker 1: Wir hatten sie im Studio in den Juni zwanzig vierundzwanzig.
• 8:17
  Speaker 1: Wer sich gerne die gesamte Episode anhören möchte und vor allem auch den spannenden Weg zwischen dem Flüchtlingskind und der heutigen Person.
• 8:30
  Speaker 1: Wohin sehe ich?
• 8:31
  Speaker 1: Die spannenden Hebel der kommenden zehn Jahre in meinem Fachgebiet?
• 8:36
  Speaker 1: Ich glaube, die spannende Frage lautet nicht ob wir KI benutzen werden.
• 8:40
  Speaker 1: Denn diese Frage ist bereits entschieden.
• 8:42
  Speaker 1: Vielmehr geht es darum wie wir KI benutzen werden wenn heutzutage Wissen unbegrenzt verfügbar ist.
• 8:50
  Speaker 1: Wissen is macht!
• 8:52
  Speaker 1: Doch Heutzutag hat jeder so viel Wissen in seiner Hosentasche wie vor wenigen Jahrzehnten
• 8:57
  Speaker 0: Bibliotheken
• 8:58
  Speaker 1: noch enthalten haben.
• 9:00
  Speaker 1: Deswegen stellt sich
• 9:01
  Speaker 0: die Frage
• 9:03
  Speaker 1: Welche Werte wollen wir in Zukunft leben?
• 9:05
  Speaker 1: Und zwar die, die sich nicht automatisieren lassen.
• 9:07
  Speaker 1: Nämlich Empathie Neugier Kreativität und Urteilskraft.
• 9:13
  Speaker 1: Es geht nicht darum
• 9:14
  Speaker 0: viel Information zu besitzen
• 9:16
  Speaker 1: Sondern Orientierung zu geben
• 9:18
  Speaker 0: Struktur zu geben
• 9:19
  Speaker 1: Denn die Entscheidung
• 9:20
  Speaker 0: liegen letzten Endes
• 9:21
  Speaker 1: bei Menschen der die Verantwortung für unsere Zukunft trägt.
• 9:26
  Speaker 1: Die Gewinnerinnen der Zukunft werden diejenigen Unternehmen sein Die Nicht-KI mit Menschlichkeit ausspielen sondern gerade beide Ebenen sinnvoll in Einklang zueinander bringen.
• 9:40
  Speaker 0: Ja, das war Irene und ich kann mich noch sehr gut erinnern.
• 9:43
  Speaker 0: Sie ist jemand der es sehr empathisch und sehr energievoll Energie geladen reden kann.
• 9:48
  Speaker 0: sie ist auch eine Influencerin für ihre Sachen und hat uns eben da sehr stark nochmal beeinflusst.
• 9:54
  Speaker 0: und wir hatten mit ihr auch die Frage diskutiert wie können wir den unserem Podcast weiterbringen?
• 9:58
  Speaker 0: Kommen wir zu unserem ersten Tipping Point den wir im Buch auch aufnehmen.
• 10:02
  Speaker 0: Und da Tippungpoint Nummer eins ist ganz klar das Thema Technologie.
• 10:06
  Speaker 0: In der Technologie gibt es natürlich eine Geschichte, die heraussteht.
• 10:10
  Speaker 0: Wenn wir zehn Jahre zurückspulen vor zehn Jahren, zwanzig fünfzehn, zwenzig sechzehn dann gab es bereits die Transformer.
• 10:18
  Speaker 0: Google hat das Thema Transformer also eine Methode um Neuronalen Netzen, die es schon sehr viel länger gab beizubringen in längeren Einheiten zu denken.
• 10:28
  Speaker 0: Also sich an den Anfang dieses Satzes, das ich gerade gesprochen habe auch hinten dann noch zu erinnern.
• 10:32
  Speaker 0: und diese Technologie war schon im Jahr zwanzig fünfzehn veröffentlicht worden von Forschern von Google.
• 10:37
  Speaker 0: Und jetzt haben wir also eine ganze Zeit gebraucht bis dieses Thema so durchgeschlagen hat.
• 10:42
  Speaker 0: KI ist gekommen um zu bleiben Das wissen wir heute.
• 10:45
  Speaker 0: Interessant ist dass die KI, die wir heute erleben Die schlechteste KI sein wird aller Zeiten die es je gegeben hat, dann alles was jetzt kommt wird nur noch nach oben gehen.
• 10:54
  Speaker 0: Und für mich hat das sehr überrascht vor allem wie schnell dieser Tipping Point in Breite gekommen ist wenn wir anschauen um ungefähr ninety Prozent aller deutschen Schülern nutzen zu Hause schon die LGBT um ihre Hausaufgaben zu begleiten oder wahrscheinlich auch einfach zu machen.
• 11:11
  Speaker 1: Das hat mich auch überraschen muss ich sagen.
• 11:13
  Speaker 1: also bei den Studis hatte ich sogar das Gefühl dass hat ein bisschen länger gedauert als bei den Schüleren bis sie wirklich in der Breite aufgenutzt haben.
• 11:23
  Speaker 1: Vielleicht dann doch eher noch die Sorge, dass die Prüfung nicht zählt und irgendwas passiert was die Eltern nicht reparieren können?
• 11:30
  Speaker 1: Aber jetzt ist es auf jeden Fall angekommen!
• 11:33
  Speaker 1: Und ich würde sagen als wir das Buch geschrieben haben... Ich meine die KI ist da auch auf jeder dritten Seite gefühlt im Technologiekapitel.
• 11:42
  Speaker 1: aber das habe ich nicht erwartet, dass sich das so schnell bewegen kann In der Nutzung aller.
• 11:49
  Speaker 1: Und dass ich jetzt in der U-Bahn sitze und immer auch im Gespräch höre, ja das auch aber auch, dass sich sozusagen beiläufig Gespräche höre wo die Leute sagen, ahja ich habe die KI gefragt oder ich hab...
• 12:03
  Speaker 0: Absolut!
• 12:04
  Speaker 0: Macht mal den Test lieber zuhören und geht mal auf irgendeine Party oder geht in die Stadt und ihr werdet sehen, dass das Gesprächs Thema KI wirklich überall ist.
• 12:12
  Speaker 1: Und wenn nicht, was ich mir ja schon allein um potenzielle Gäste für den Podcast abzugreifen angewöhnt habe ist.
• 12:22
  Speaker 1: Wenn ich mal nicht über die letzten amerikanischen Politikthemen reden möchte dass sich dann einfach Frage wie nutzten du heute KI?
• 12:31
  Speaker 1: und das ist total spannend weil da sind wirklich da kommen Dinge vor und raus Nutzungen an die ich mich gedacht hätte.
• 12:41
  Speaker 0: Vor zehn Jahren war der Das Wort Disruption, noch sehr disruptiv verwendet worden.
• 12:46
  Speaker 0: Also Disruption heißt ja eine Technologie ist schon da sie braucht aber in ein gewisser Zeit bis die dann tatsächlich anfängt so richtig durch zu starten.
• 12:54
  Speaker 0: das sieht aus wie so ne lange langgezogene S-Kurve das heißt erst mal sehr sehr flach.
• 12:58
  Speaker 0: alle reden über das Thema alle unterschätzen auch das Thema und dann auf einmal überholt diese neue Technologie alles was da war bis es dann auch wieder die in die Sättigung geht und die nächste Technologiewelle kommt.
• 13:11
  Speaker 0: Diese S-Kurve der Innovation oder auch der Disruption, hat sehr viel damit zu tun das Technologien ab einer gewissen Reife anfangen sich selbst verstärken zu können.
• 13:21
  Speaker 0: Das haben wir schon gesehen beim Motion Gesetz.
• 13:22
  Speaker 0: also wenn ich einen Chip entwickle dann sitzt da kein Ingenieur heute mehr dran sondern Computerprogramme die auf Chips laufen bauen die Chips der nächsten Generation.
• 13:32
  Speaker 0: Bei KI ist es genau das gleiche.
• 13:34
  Speaker 0: Also KI schreibt den Code für die nächste KI wieder selber und dadurch kommt diese exponentielle Funktion zustande, weil sie sich immer wieder selber verstärkt.
• 13:43
  Speaker 0: Und ich musste bei einem Vortrag vor ein paar Tagen wirklich lachen denn da hat jemand so ein bisschen die Zeit und die Ära der KI in den letzten Jahren irgendwie zusammengefasst.
• 13:54
  Speaker 0: also eine Ära war dann zum Beispiel die Zeit der Tokenmaximierung Und diese Ära dauert eben vier Monate.
• 14:00
  Speaker 0: Also wir reden bei KI wirklich von einer nochmal deutlich kürzeren Zeit, bis sich die Technologie verdoppelt.
• 14:07
  Speaker 0: Bei dem Moschengesetz das ich am Anfang gewähnt hatte sind es achtzehn Monate gewesen.
• 14:11
  Speaker 0: alle anderthalb Jahre verdoppelte sich die Rechnung Kapazität der rechten Leistung und bei den KI Anwendungen ist es mit Sicherheit eher im Bereich von vier Monaten oder sechs Monaten also noch mal deutlich schneller.
• 14:22
  Speaker 0: Und jetzt funktionelle Funktionen kann man sich in Matheunterricht mal anschauen.
• 14:25
  Speaker 0: Die sind echt heftig!
• 14:27
  Speaker 1: Wo auf dieser S-Kurve würdest du denn sagen sind wir gerade?
• 14:32
  Speaker 0: Ich glaube, dass wir zum Thema KI tatsächlich erst ganz am Fuß dieser S Kurve sind.
• 14:38
  Speaker 0: Denn wir erleben jetzt gerade das wir natürlich erstmal diese Grundbefälligungen reingebracht haben also Coding zb an vielen anderen Stellen.
• 14:46
  Speaker 0: Also sobald wir aus dem Reihen Coding Bereich rausgehen sehen wie das das Thema Produktivität noch überhaupt nicht da ist.
• 14:52
  Speaker 0: Also das heißt wenn ich auch in die Wirtschaft schaue, dann ist überall dort wo es nur um Texte geht und nur um Computerprogramme geht.
• 14:58
  Speaker 0: Da sehen wir den Produktivitätsschub der ist real messbar.
• 15:01
  Speaker 0: In allen anderen Bereichen sind wir noch eher am Anfang oder testen gerade.
• 15:06
  Speaker 0: Das heisst da ist ein Riesenpotenzial hinten raus.
• 15:08
  Speaker 0: plus Wenn KI sich selber coden kann also selbst sich schreiben kann und weiterentwickeln kann Dann ist er eigentlich kaum mit zu setzen.
• 15:16
  Speaker 0: Ich glaube wir sind eher ganz zu Beginn dieser S-Core.
• 15:23
  Speaker 1: Ja,
• 15:24
  Speaker 0: wir müssen Data Center bauen.
• 15:26
  Speaker 0: Wer ist die richtige Antwort?
• 15:30
  Speaker 0: Also ich glaube dieser Tipping Point der ist wirklich für alle sehr greifbar.
• 15:35
  Speaker 0: also Technologien kippen eine Technologie die sehr lange Dava Sprachübersetzung Maschinelles lernen und zwar das sind uralte Themen die gibt es seit zwanzig dreißig vierzig fünfzig Jahren teilweise.
• 15:46
  Speaker 0: Und dann kommt er neue Technologie und sie räumt alles ab was vorher da war Und sie muss auch mit diesem Hype-Cycle kämpfen, den kennt ihr vielleicht auch.
• 15:53
  Speaker 0: Der Gardner Hype Cycle sagt eben, naja jeder stürzt sich drauf, jeder guckt und bestaunt Jegebeti vor dreieinhalb Jahren.
• 16:01
  Speaker 0: Dann kommt dieses Tal der Ernüchterung.
• 16:03
  Speaker 0: was kann das alles noch nicht?
• 16:04
  Speaker 0: Na ja Fehlalarm doch nichts zu wesen!
• 16:07
  Speaker 0: Und dann kommt diese Phase wo tatsächlich Prototivität einsetzt... ...und dann ist aber kein Halb mehr.
• 16:12
  Speaker 0: und ich glaube da sind wir
• 16:13
  Speaker 1: gerade.
• 16:14
  Speaker 1: Das wollte ich grad nochmal fragen.
• 16:16
  Speaker 1: es heißt du würdest sagen auch die Enttäuschung für diese Art der Chatbot-Arbeit ist schon durch und wir sind weiter.
• 16:23
  Speaker 1: oder würdest du sagen, du siehst im Moment eigentlich gerade Enttäuschung kommen?
• 16:27
  Speaker 0: Ich sehe das sehr spezifisch.
• 16:30
  Speaker 0: Das heißt also im Coding im Softwarebereich merken wir dass die neues Modelle wirklich gut sind.
• 16:35
  Speaker 0: Also es gibt alle möglichen sehr harten Tests und Benchmarks zum Beispiel um Kernel zu schreiben also wirklich den Kern von Betriebssystem uns weiter Und hier sehen wir dass wir vielleicht so bei teilweise bei vierzigfünfzigsechzig Prozent der Fähigkeiten sind, die ein guter Programmierer heute hat.
• 16:52
  Speaker 0: In anderen eher trivialen Bereichen ist es heute schon sehr, sehr gut anwendbar.
• 16:55
  Speaker 0: also wir sehen das wir glaube ich in der Programmierung die Phase der Erinnichtung hinter uns haben und in anderen sehr spezialisierten Bereichen auch im Moleküldesign in solchen Geschichten tut sich sehr viel.
• 17:06
  Speaker 0: In andere Bereichen wie zum Beispiel Engineering ist es noch sehr rudimentär.
• 17:11
  Speaker 1: Passt zum Thema hatten wir vor einiger Zeit Julia Urbarn hier im Zugast.
• 17:17
  Speaker 1: Sie ist promovierte Soziologin, die vor der sechzehn Jahren das Marktforschungsinstitut Intervista gegründet hat.
• 17:25
  Speaker 1: Ein Riesen, also eigentlich das größte Marktforschungstitut in der Schweiz mit hundertzwanzigtausend Teilnehmenden für deren Kundenpanel und etwa fünfunddreißig tausend Personen in Betrieben Business-to-Business-Marktforschung.
• 17:43
  Speaker 1: Also noch der klassische Fall, bei dem tatsächlich Interviewer Personen befragen entweder für quantitative Umfragen online oder qualitative Interviews.
• 17:54
  Speaker 1: Die haben sich über die letzten Jahre natürlich ganz andere Techniken überlegen müssen und auch von Julia haben wir einen Geburtstagsgroß mitgebracht.
• 18:04
  Speaker 0: Liebe Frauke!
• 18:05
  Speaker 0: Lieber Christoph, ganz herzlichen Glückwunsch zu eurem zehnjährigen Jubiläum von Dig Deep.
• 18:10
  Speaker 0: Zoll das ist so lange schon läuft.
• 18:12
  Speaker 0: Ich war Gast bei euch und ich habe gebeten
• 18:15
  Speaker 1: zu erfahren, was sich bei uns getan hat in den letzten zehn Jahren.
• 18:25
  Speaker 1: und kann dementsprechend
• 18:26
  Speaker 0: aus der Marktforschung berichten.
• 18:28
  Speaker 0: Was wir in den letzten
• 18:29
  Speaker 1: Jahren
• 18:29
  Speaker 0: ganz erfolgreich machen, ist das Smartphone-Nutzen für Datenerhebung.
• 18:34
  Speaker 0: Wir haben
• 18:34
  Speaker 1: mehrere Panels aufgebaut mit dem
• 18:37
  Speaker 0: Mobildaten erhoben werden können.
• 18:39
  Speaker 0: Das ist spannend für die Mobilitätsforschungen.
• 18:42
  Speaker 0: natürlich
• 18:43
  Speaker 1: Kann für viele andere Zwecke
• 18:45
  Speaker 0: auch angewendet werden, die Mobilitätstag von Personen zu trekken.
• 18:49
  Speaker 0: Neuerdings haben wir aber auch solche Passive Metering-Panels, wo es eben darum geht dass die Social Media Nutzung
• 18:56
  Speaker 1: von Personen getrackt wird auf dem Handy und systematisch ausgewertet wird beispielsweise.
• 19:01
  Speaker 1: Ja dann noch
• 19:02
  Speaker 0: das Thema KI natürlich auch super relevant in unserer Branche wie wahrscheinlich bei vielen Branchen.
• 19:08
  Speaker 0: einerseits eine Bedrohung andererseits eine Chance bietet einem viele arbeitserleichtende
• 19:14
  Speaker 1: Tools im ganzen Wertschöpfungsprozess.
• 19:16
  Speaker 0: Das ist klar, aber dieses Thema synthetische Daten beschäftigt uns natürlich auch
• 19:21
  Speaker 1: relativ stark wie wahrscheinlich alle empirischen
• 19:23
  Speaker 0: Forscher.
• 19:24
  Speaker 0: So ein Stichwort sind Personabots.
• 19:26
  Speaker 0: da bin ich noch so ein bisschen skeptisch, wie gut das funktioniert.
• 19:30
  Speaker 0: Das heißt wenn ich sehr viele Daten aus dem CRM und aus Befragungen Bündel im Unternehmen
• 19:36
  Speaker 1: Dann
• 19:37
  Speaker 0: habe ich die Chance mit meinen Zielgruppen, so sie sind denn segmentiert zu sprechen
• 19:43
  Speaker 1: und
• 19:44
  Speaker 0: im Produktmanagement oder auch in Marketing gezielt Informationen über bestimmte
• 19:49
  Speaker 1: Kundengruppe zu erhalten auf Basis von existierenden
• 19:52
  Speaker 0: Daten.
• 19:53
  Speaker 0: Ja das ist so
• 19:55
  Speaker 1: ein...
• 19:56
  Speaker 0: Wie sagt man Spotlight auf das, was bei uns im Moment gerade relevant ist?
• 19:59
  Speaker 0: Es ist sicher einiges mehr noch aber wir haben nicht mehr Zeit.
• 20:03
  Speaker 0: Ihr habt es hoffentlich also auf die nächsten zehn Jahre.
• 20:07
  Speaker 0: liebe Frauke lieber Christoph ich wünsche euch ganz viel Erfolg
• 20:10
  Speaker 1: weiterhin!
• 20:11
  Speaker 1: Tschüss!
• 20:11
  Speaker 0: Jetzt hast du ja das Thema Kunden und Interakt-Summitkunden schon angesprochen.
• 20:17
  Speaker 0: Schnittstellen zwischen den Chatbots und dem was der Kunde macht.
• 20:20
  Speaker 0: Auf der einen Seite kommst du natürlich als Statistikerin zum Bereich Service auf die Frage, wie befragen wir Menschen?
• 20:27
  Speaker 0: Und ich glaube da gibt es noch eine weitere Entwicklung nämlich wir können auch tatsächlich gar nicht Menschen befragen sondern einfach die Modelle befragen weil sie ja so ganz grob abdecken könnten.
• 20:36
  Speaker 0: also wir brauchen die Menschen gerade mehr zu fragen.
• 20:37
  Speaker 0: Also frag doch den Chatbot wie er dein Produkt findet.
• 20:42
  Speaker 0: Wir sehen aber dabei auch, dass in der direkten Kommunikation mit den Chatbots ein Muster ganz klar ist.
• 20:47
  Speaker 0: Die Chatbords wollen uns gefallen!
• 20:50
  Speaker 0: Sie sind sehr charmante Lügner oder auch wie soll ich sagen?
• 20:55
  Speaker 0: Also manchmal wissen sie Dinge einfach nicht und korrigieren sich dann dreimal.
• 20:58
  Speaker 0: also insofern finden wir es ganz spannend eigentlich das wir an dieser Stelle tatsächlich ins Problem reinhaufen, dass die chatbots uns nicht das sagen was eigentlich Sache ist.
• 21:10
  Speaker 0: Wie erlebst du das dann im Alltag?
• 21:14
  Speaker 1: Also ich habe das Gefühl, gerade wenn ich an wissenschaftlichen Sachen arbeite dass sich die Dinge wirklich pushen muss, dass sie mir widersprechen.
• 21:24
  Speaker 0: Also Reibung erzeugt bei dir Neues und Gutes?
• 21:27
  Speaker 1: Ja absolut Und da ist keine Reibo Das fehlt komplett Im Gegenteil es ist viel schlimmer wird dir zum Brainstorming gerne verwendet oder ich lasse einen Text, den ich geschrieben habe beurteilen und dann ist das alles immer super und innovativ.
• 21:47
  Speaker 1: Das weiß ich, dass das nicht so ist.
• 21:50
  Speaker 1: Also ich kann mir schon vorstellen warum
• 21:55
  Speaker 0: sich manche Menschen Chatbots als also statt Lebensstatt realer menschlicher Lebenspartner suchen.
• 22:00
  Speaker 0: ja?
• 22:00
  Speaker 0: Absolut!
• 22:01
  Speaker 0: Weil die gefallen einem immer.
• 22:03
  Speaker 1: Aber es ist wirklich ein Problem und wenn du dann dagegen hältst oder weißt, dass irgendjemand irgendwas schon erfunden hat und sagt sowieso aber das wurde doch hier in hier publiziert ah ja sorry.
• 22:13
  Speaker 1: und dann klar und blablabla.
• 22:15
  Speaker 1: Aber man fragt sich schon warum das nicht vorher ausreichend präsent ist.
• 22:22
  Speaker 1: oder beziehungsweise ich frag mich das nicht, weil wir machen ja Forschung dazu.
• 22:25
  Speaker 1: Aber es ist wirklich interessant wie sehr dieser Filter der hinterher nach dem Lernen auf die Modelle gelegt wird, dass so im Kontext von dem Safety Post Training nämlich hilfreich zu sein dann tatsächlich Priorität gewinnt.
• 22:43
  Speaker 1: also das Hilfsreichsein zunächst mal das unterstützende Antwort anstatt sofort zu sagen den Moment ist schon.
• 22:51
  Speaker 0: Aber da zeige ich doch ein schönes Muster, denn wir haben an ganz vielen Stellen immer diese Frage ersetzt in die KI den Menschen.
• 22:58
  Speaker 0: und wenn ich das auch bei mir im Beruf spiegel, mein Postfach ist inzwischen geflutet mit Dingen, die meine Kolleginnen und Kollegen mir schicken und dann siehst du ja schon vom Layout her okay hat Claude gemacht Und dann weiß ich schon Ich muss es eigentlich gar nicht öffnen Denn da steht nix Falsches drin normalerweise Weißens nicht da steht aber auch nichts richtiges dran.
• 23:21
  Speaker 0: Also was komplett fehlt ist eigentlich, dass ein Mensch sich diese Mühe macht zu sagen so was genau sind die Kosseler Kette?
• 23:27
  Speaker 0: Wo genau ist in der Hundegraben?
• 23:29
  Speaker 0: also welches Thema bringen wir zum Vorschein?
• 23:32
  Speaker 0: stattdessen hast du immer sowohl als auch immer ausgewogen immer gefällige Themen den aber jeglicher Kern von Erkenntnis eigentlich fehlt.
• 23:43
  Speaker 0: und Das hat bei mir dazu geführt, dass ich irgendwann mal auch wirklich einen Rant auf LinkedIn veröffentlicht hatte letzte Woche weil ich sie immer ausgehalten habe.
• 23:51
  Speaker 0: Also der Mensch ist absolut notwendig um eine Richtung vorzugeben nicht nur zu prompten sondern eben dann auch das Ergebnis wirklich gegenzuschicken.
• 24:02
  Speaker 0: und ich merke an mir selber dass es mancher viel auffändiger ist und viel mehr Energie braucht um das wieder richtig hinzubiegen.
• 24:08
  Speaker 0: Anstatt dann einfach noch zu sagen na gut er scheint ja gut genug zu sein
• 24:13
  Speaker 1: Da möchte ich eigentlich ganz zwei Ergebnisse aus unserer Forschung mit reinbringen.
• 24:17
  Speaker 1: Also was du ja gerade gesagt hast, ist so etwas... also drei Schritte zurück geht mir auch.
• 24:26
  Speaker 1: so nervt mich total wenn ich sehe also weniger Layout.
• 24:30
  Speaker 1: aber Ich finde es gibt eine gewisse Tonnalität und Schreibstil dieser Sprachmodelle die man sofort erkennt.
• 24:37
  Speaker 1: das sind Dinge die wir oder gefühlt keiner vorher so gesagt hat.
• 24:42
  Speaker 1: und jetzt machen alle in ihren Absätzen am Anfang einen kurzen Satz oder ein Wort, dann geht es irgendwie weiter.
• 24:47
  Speaker 1: Und das ist nicht x sondern y. Was alles nicht ist, ist irgendwie das neue agentische Reden vielleicht.
• 24:55
  Speaker 1: aber die eigentlich interessante Beobachtung hier ist ja was du sagst der Mensch ist noch notwendig um das zu korrigieren.
• 25:06
  Speaker 1: ich meine andere Grammatik kann man dem beibringen sicherlich.
• 25:10
  Speaker 1: Aber ich bin mir nicht sicher, ob dieser Human in the Loop Ansatz den wir immer propagieren.
• 25:17
  Speaker 1: Ob der wirklich so gut funktioniert wie wir denken?
• 25:20
  Speaker 1: Weil du sagst ja es ist zu viel Arbeit!
• 25:24
  Speaker 1: Warum solltest du?
• 25:26
  Speaker 1: Und wenn die Anreize nicht da sind... Also Tipping
• 25:29
  Speaker 0: Point Nummer zwei werden wir noch gar nicht genannt.
• 25:30
  Speaker 0: Ja Tipping point Nummer zwei Kundenbedürfnisse also Die Art und Weise wie wir mit den Kunden umgehen und was sie von uns wollen das ändert sich gerade grundlegend an dieser Stelle.
• 25:40
  Speaker 1: Naja und kann ich denn dann in der Interaktion mit der KI überhaupt lernen, was die Kunde von mir will?
• 25:46
  Speaker 1: Also wenn der Kunde anstatt die Bedürfnisse zu sagen, lieber sagt Aya fast schon.
• 25:52
  Speaker 1: Dann bewege ich mich vielleicht heraus.
• 25:55
  Speaker 1: Ich wollte aber noch einen anderen Satz eingehen den du so im Nebensatz gesagt hast.
• 26:00
  Speaker 1: und da vor zwei Tagen hier bei Nature ein Artikel dazu rauskam muss man da glaube ich nochmal darauf eingehen nämlich dass man die KI einfach fragen kann was der Kunde denkt.
• 26:10
  Speaker 1: Da wurde gerade eine Studie veröffentlicht, die siebzig reale Experimente mit Menschen vorher oder nachgebaut hat – mit Silikon-Samples also Personen dem LLM gesagt, stell dir vor, du bist hier in die Person und du kriegst die Aufgabe, was passiert jetzt?
• 26:32
  Speaker 1: Und das im großen Stil in dem selben Setup, wie man das parallel mit Menschen gemacht hat.
• 26:37
  Speaker 1: Und herausgekommen ist, dass GPT-IV die Beschreibung, dass es ausreichend war um vorher zu sagen, wie die Experimente ausgehen und das hat ziemlich aufsehen verursacht unter den Sozialwissenschaftlern, weil man natürlich sagen kann warum dann überhaupt noch teure Studien bezahlen, wenn man das Ding fragen kann?
• 27:02
  Speaker 1: ist eine hitzige Debatte, die sich glaube ich zu beobachten lohnt.
• 27:07
  Speaker 1: Einmal weil es diese ganzen Kundenversteher-Marktforschungsinstitute betrifft auch Shops wie den von Julia um zu wissen wo geht's weiter aber auch weil ich denke es ist sehr gefährlich sieht diesem praktischen es erzählt uns schon was bei rauskommt zu vertrauen denn Es ist ja keine Kausalität die da zugrunde liegt, sondern nur wahrscheinlich das Ergebnis wäre.
• 27:33
  Speaker 1: Ich frag mich wenn ich das lese wie viel der Studium braucht man denn wirklich?
• 27:37
  Speaker 1: Vielleicht hätte man es auch so vorher gewusst und ich frage mich was wenn etwas Unvorhergesehenes passiert.
• 27:45
  Speaker 1: was eigentlich das ist war das Signal was ich brauche um eine Firma richtig zu steuern.
• 27:50
  Speaker 1: also dass der Teil wird spannend würde sagen noch nicht klar, wie viel Disruption zu diesem Markt tatsächlich durch die Modelle passiert.
• 28:03
  Speaker 1: Aber wackelig ist es da gerade?
• 28:06
  Speaker 0: Wobei tatsächlich ein End-Kipppunkt wieder stattfindet in Richtung Kundenbedürfnisse ist dass sich jetzt LLMs oder die Agenten zwischen den Kunden und den Markt stellen.
• 28:17
  Speaker 0: dann ihr habt das Bild sicher schon überall gesehen er geht auf Google und sucht irgendein Produkt und das erste was kommt ist natürlich erstmal die Antwort von Gemini von dem AI-Modell von Google oder innutzt gleich ChatGPT, oder inutzt irgendeinen Elon im Browser.
• 28:30
  Speaker 0: Das heißt also das was früher der Normalfall war ich baue eine Webseite, ich stelle ein Produkt da Google rankt das ganze und ich muss mich irgendwie da positionieren.
• 28:40
  Speaker 0: das nannte sich dann SEO also Suchmaschinenoptimierung so und trotzdem kam die Kunde noch auf meine Webseiten und hatte etwas gemacht.
• 28:48
  Speaker 0: Was jetzt kommt ist dass ich meinem Agenten sage ich hätte gern neues Fahrrad Und dann verhandle ich mit diesem Agenten, was dann vernünftige Eigenschaften für dieses Fahrrad sind.
• 28:57
  Speaker 0: Dann kauft der Agent dieses Fahrrat in meinem Namen bei irgendeinem Shop ohne dass sich den Shop jemals sehe.
• 29:04
  Speaker 0: Das heißt also welcher Shop ausgewählt wird und wie der bewertet wird?
• 29:08
  Speaker 0: Das mach nicht mehr.
• 29:09
  Speaker 0: ich als Person das muss ich nicht mehr mir schmecken Sondern es hängt davon ab was hier derjenige der den Agenten in der Mitte hat Was dem denn wichtig ist.
• 29:17
  Speaker 0: und Es ist völlig klar da geht's nicht darum was Ich will sondern Geht's Darum was sich am besten monetarisiert Also welche Provision werbekommt, was wie im Rahmenvereinbarung gehandelt wird usw.
• 29:28
  Speaker 0: Und es ist in der Große Bedrohung gerade für die gesamte Onlinebranche weil im Prinzip das alte Modell ich mache einen Shop Ich ziehe Menschen auf diesen Shop über die klassischen Kanäle Influencing uns weiter wird komplett untertunneld durch die Agenten die jetzt direkt miteinander verhandeln.
• 29:45
  Speaker 0: also insofern Tipping Point Nummer zwei Die Kundenbedürfnisse also sowohl Ein besseres Verständnis, was Kunden machen, steckt in diesen Modellen drin.
• 29:52
  Speaker 0: Aber eben auch in den Agenten dann die komplette Umgehung oder Neusortierung dieses Marktes und der Ströme.
• 30:01
  Speaker 1: Und damit viel schwieriger zu lernen, was die Kunden wirklich wollen?
• 30:05
  Speaker 0: Richtig!
• 30:06
  Speaker 0: Auch hier meine Prognose – das Thema Originalität, Authentizität also ein echter Shop mit echten Menschen
• 30:12
  Speaker 0: usw.,
• 30:13
  Speaker 0: wird an vielen Stellen wieder an Bedeutung gewinnen.
• 30:16
  Speaker 0: dann ich glaube, dass wir an den Stellen des Analoge oder das Direkte zwischen Menschen wieder mehr schätzen werden.
• 30:23
  Speaker 0: Zeit für unseren dritten Gast, der uns was zum Geburtstag mit geschickt hat!
• 30:28
  Speaker 1: Genau unser dritter Gast ist Manuel Oigster.
• 30:31
  Speaker 1: Der war sogar schon zweimal bei uns im Podcast.
• 30:34
  Speaker 1: Ich kenne ihn noch aus der Statistik hier in München da er promoviert.
• 30:39
  Speaker 1: Er war seitdem in Finnland und hat im Cybersecurity-Bereich gearbeitet und ist jetzt bei Romberg und kennt deswegen verschiedenste Industriebereiche, mittlerweile die Baubranche auch ganz gut.
• 30:56
  Speaker 0: Hallo DigTIP-Team!
• 30:57
  Speaker 0: Ich möchte euch zu zehn Jahren DigTIp gratulieren, super wie ihr es geschafft habt den Podcast zu etablieren und immer spannende Themen um Personen zu uns hören zu bringen.
• 31:06
  Speaker 0: Auch bei meinen morgendlichen Fahrten in der Arbeitszeit hier regelmäßig mit dabei.
• 31:11
  Speaker 0: Ich durfte ziemlich am Anfang bei Folge sechzehn dabei sein.
• 31:14
  Speaker 0: Damals war ich noch Detail Scientist bei Avira in einer Security Software Firma, habe aber über meine Arbeit als
• 31:20
  Speaker 1: Postdoc
• 31:21
  Speaker 0: erzählt wie man aus Körper- und Gehirnsignalen relevante Informationen extrahieren kann.
• 31:26
  Speaker 0: Lange ist sehr viel hat sich getan.
• 31:28
  Speaker 0: Inzwischen haben die LLMs die
• 31:29
  Speaker 1: Welt im Sturm erobert.
• 31:31
  Speaker 0: Ich darf zwischen einem Bereich
• 31:33
  Speaker 1: Technologie
• 31:33
  Speaker 0: bei der Firma Romberg leiten.
• 31:35
  Speaker 0: Es ist ein Bauunternehmen, das sich auch sehr stark mit Küsse, Intelligenz, Digitalisierung
• 31:39
  Speaker 1: oder Automatisierung
• 31:40
  Speaker 0: beschäftigt.
• 31:41
  Speaker 0: Von der Planung eines Gebäudes über die Vorfertigung von Wänden in einer Fertigung bis hin zur Montage auf der Baustelle und dann auch Betrieb und Wartung über Jahre und Jahrzehnte hinweg.
• 31:53
  Speaker 0: Aus meiner Sicht werden die nächsten zehn Jahre sehr spannend nicht nur aus Unternehmenssicht sondern auch aus Menschheit- und Gesellschaftssicht.
• 31:59
  Speaker 0: Wir haben einige Themen als Menschheit für uns zum Beispiel der Klimawandel Aber da glaube ich fest daran, dass wir mit der Forschung und der Technologie Werkzeuge haben um dies auch anzubieten.
• 32:09
  Speaker 0: Auch als gesellschaftlicher Sicht finde ich es sehr spannend wie wir uns gerade mit Technologie überhäufen und noch dort müssen wir lernen wo wir die Technologie optimal einsetzen.
• 32:19
  Speaker 0: Ich bin starker Technologieoptimist, glaube aber auch das es in Technologieminimalismus braucht.
• 32:25
  Speaker 0: Auf jeden Fall freue mich auf die nächsten zehn Jahre mit Diktib!
• 32:28
  Speaker 0: Ich weiß, dass ich da immer am Puls der Zeit bin und ich wünsche euch nur das Beste.
• 32:33
  Speaker 0: Unser dritter Tipping Point, das ist die Wertschöpfungskette.
• 32:36
  Speaker 0: Wertschüpfung heißt da es entsteht irgendein Produkt und das geht in verschiedenen Schritten.
• 32:41
  Speaker 0: Bekennst vom Auto?
• 32:42
  Speaker 0: Da komme ich her!
• 32:43
  Speaker 0: Da gibt's den UEM der Hersteller, der das Auto an den Markt bringt.
• 32:46
  Speaker 0: aber dahinter steckt eine ganze Kette von verschiedenen Zuliefern, die wieder Zuliefer haben, die Wiederdienstleister haben usw.. Ein gemein ist dass normalerweise diese Kette sehr spezialisiert ist.
• 32:59
  Speaker 0: Das heisst also Es gibt einen Spezialisten den einen Teil ganz gut, dann gibt es einen Spezialisten, der keine anderen Teilgut und diese Spezialisierungen hat dazu geführt dass wir sehr tolle Produkte entwickeln konnten.
• 33:11
  Speaker 0: aber auch Spezialisierung bedeutet eben nicht jeder kann das tun.
• 33:16
  Speaker 0: Wenn ich etwas bauen möchte, dann brauche ich Spezialistinnen für alle möglichen Gewerke.
• 33:21
  Speaker 0: in allem was das Thema Wissensarbeit angeht fallen gerade diese Silos der Spezialistenten reinweise um
• 33:28
  Speaker 1: Nicht nur die Silhussfallen, auch die Jobs.
• 33:33
  Speaker 1: Das ist ja eigentlich das Hauptthema und ich habe heute Morgen gesehen es gibt eine Firma die jetzt tatsächlich Spezialisten anheuert um die KI zu trainieren.
• 33:44
  Speaker 1: also bisher hatten wir eher die Click-Worker die entschieden haben ob irgendwas in Muffin ist oder ein Hund Also geholfen haben der KI beizubringen Texte und Bilder richtig zu verstehen.
• 33:58
  Speaker 1: und mittlerweile Es geht es wirklich darum ganze Prozesse richtig zu verstehen.
• 34:02
  Speaker 1: Du hast ganz am Anfang vom Podcast erwähnt, dass ihr in dem Hackathon in Berlin gehofft hatte das die Unternehmensberater ersetzt werden würden
• 34:13
  Speaker 0: unterstützt.
• 34:13
  Speaker 0: Das war die Idee
• 34:14
  Speaker 1: unterstützt unterstützt sorry sorry genau unterstützt.
• 34:17
  Speaker 1: aber auch dazu braucht man natürlich zunächst mal wirklich einen Einblick oder Rückmeldung für die KI im Lernen ob ein Slide Deck ob eine Vision ob eine Beratungsleistung auch den Ansprüchen genügen wurde oder nicht.
• 34:33
  Speaker 1: Und mit gutem Geld werden da die Leute jetzt stundenweise rekrutiert für diese Online-Beurteilungsfarmen.
• 34:44
  Speaker 0: Das sehen wir gerade in allen Bereichen, es gibt Schlagzeilen darüber dass alte Bücher aufgekauft werden, ganze Bibliotheken gescannt werden damit man dieses noch nicht digitale Wissen hat.
• 34:55
  Speaker 0: Es gibt ganz viele Videos, wie Menschen in China Toiletten putzen.
• 34:58
  Speaker 0: Also virtuell und so weit und Robotern beibringen, wie sowas geht oder den Schank einräumen Und eben die Wissensarbeit in Experten.
• 35:06
  Speaker 0: Das ist das letzte Last Man Standing Gefecht.
• 35:10
  Speaker 0: ja wo wir hier sehen werden dass ganz viel Experten wissen was heute eine Gatekeeper Funktion hatte aufgegeben wird.
• 35:17
  Speaker 0: Was meine ich damit?
• 35:18
  Speaker 0: Wenn ich früher etwas haben wollte dann muss sich zu dem Experten gehen für Datenbanken, halt mir das programmiert.
• 35:24
  Speaker 0: Da hat er natürlich nicht erst mal miteinander gesprochen.
• 35:27
  Speaker 0: Dann muss ich meine Anforderungen unterschreiben.
• 35:30
  Speaker 0: Man hat die gelesen dann hat ein Angebot geschrieben.
• 35:32
  Speaker 0: dann habe ich ihm gesagt dass es gar nicht Das war was ich meinte.
• 35:35
  Speaker 0: dann haben wir uns auf den Preis geeinigt.
• 35:37
  Speaker 0: Wochen später hab ich eine erste Version bekommen.
• 35:40
  Speaker 0: also jetzt sind wir schon im dritten Monat wahrscheinlich.
• 35:42
  Speaker 0: dann habe Ich diese Versionen angeschaut versucht zu implementieren da hatte mit dabei geholfen und so weiter.
• 35:47
  Speaker 0: all das kann ich heute an einem Nachmittag zu Hause selber machen.
• 35:53
  Speaker 1: Okay, eine Frage Christoph!
• 35:55
  Speaker 1: In den Bereichen dem ich mich auskenne die Menschheit vermessen wie wir sie gerade hatten mit der Firma von Julia und den Chatbots, die versuchen dir zu sagen was ein Mensch sagen würde oder wie so ein Experiment ausgeht?
• 36:08
  Speaker 1: Da weiß ich oder bin ich ziemlich sicher dass egal wie gut wir die KI trainieren Sie immer wieder geerdet werden muss.
• 36:15
  Speaker 1: Sprich, wir brauchen immer wieder Daten aus der echten Welt um zu wissen was wirklich los ist.
• 36:21
  Speaker 1: Siehst du da eine Analogie?
• 36:23
  Speaker 1: oder würde das reichen jetzt die Experten anzuheuern?
• 36:27
  Speaker 1: und so sagen sie trainieren einmal die KI dann wissen sie wie Physik funktioniert?
• 36:31
  Speaker 0: Ich finde es oft in zwei Bereiche.
• 36:34
  Speaker 0: auf der einen Seite gibt's ein Bereich der Physik des Engineerings usw.
• 36:38
  Speaker 0: Der ist auf alle Ewigkeiten immer wahr.
• 36:42
  Speaker 0: wenn ich einmal gelernt habe Da wird sich eine hunderttausend gar nicht verändern.
• 36:47
  Speaker 0: In Stadik folgt Naturgesetzen, Naturwissenschaften... Wenn ich die einmal verstehe kann ich das machen!
• 36:53
  Speaker 0: Ich glaube das ist der Grund warum auch so viel gerade in dieses Thema mathematische Modellierung geht und so weiter.
• 36:59
  Speaker 0: also Modelle die mathematisch korrekt folgen können uns weiter.
• 37:03
  Speaker 0: Jetzt entsteht was ganz spannendes.
• 37:05
  Speaker 0: Also es gibt zum Beispiel viele Versuche um mit KI zum Beispiel physikalische Experimente die sehr komplex sind Quanten, Physik oder bei Gravitationswellen und dort neue Experimente bauen zu lassen.
• 37:19
  Speaker 0: Und das Interessante ist dass die KI dort auf Lösungen kommt, die signifikant besser sind als was Menschen sich ausdenken.
• 37:27
  Speaker 0: wir verstehen aber überhaupt nicht wie sie da hinkommt.
• 37:29
  Speaker 0: Wir verstehen nicht warum sie das macht, wir verstehen nicht was es bedeutet.
• 37:33
  Speaker 0: also ich glaube dass die Naturwissenschaft uns weiter sobald ich mal drin sind sind die drinnen dann ist kein halten mehr.
• 37:40
  Speaker 0: Es gibt aber einen zweiten Bereich und der bleibt weiterhin wichtig.
• 37:43
  Speaker 0: Das ist nämlich der Bereich, was wollen wir überhaupt?
• 37:46
  Speaker 0: Was soll denn überhaupt die Differenzierung sein?
• 37:49
  Speaker 0: Also welche Entscheidungen müssen wir dann eigentlich vorher treffen bevor wir ein Produkt bauen während des Product Designs hinterher?
• 37:56
  Speaker 0: Also es ist mit Nichten alles komplett automatisierbar, sondern da geht's eben auch um sehr viele so nicht lineare Effekte.
• 38:02
  Speaker 0: Also welche Moden, welche Trends wie reagieren eigentlich Menschen drauf und weiter?
• 38:07
  Speaker 1: Hast du dann Beispiel für mich?
• 38:08
  Speaker 1: Wie muss ich mir das vorstellen?
• 38:09
  Speaker 1: So eine Entscheidung die du denkst, die kannst du nicht lernen weil die ist morgen ganz anders?
• 38:15
  Speaker 0: Ja nehmen wir mal das Thema Auto.
• 38:17
  Speaker 0: Das ist ein Thema was jeder versteht.
• 38:20
  Speaker 0: Wenn man zehn Jahre, zwanzig Jahre, dreißig Jahre zurück schaut Dann kann man ganz klar sehen dass Automodelle in Design-Moden folgen.
• 38:28
  Speaker 0: Und wir haben es gerade erlebt mit dem Ferrari Lutsche, das ist ein neuer Designsprache.
• 38:35
  Speaker 0: also das folgt eben nicht einfach nur physikalischen Gesetzmäßigkeiten und wenn's das zu sehr tut dann kommt immer sowas raus.
• 38:42
  Speaker 0: Das ist sehr stark über die Funktion gedacht und das Design folgt der Funktion an dieser Stelle.
• 38:48
  Speaker 0: Also diese ganze Thematik Emotionalität Mode, Design, Ästhetik und so weiter sind Dinge.
• 38:55
  Speaker 0: Die sind hochgradig mit der Gesellschaft in der Interaktion und die sind eben nicht einfach eindeutig ableidbar.
• 39:00
  Speaker 0: Ein gutes Design polarisiert aber wie sehr muss es polarisieren?
• 39:05
  Speaker 0: Was ist ein gutes Design was uns weiter?
• 39:07
  Speaker 0: Es gibt aber einen ganz großen Bereich von alltäglichen Themen.
• 39:11
  Speaker 0: da geht's um reine Funktion, da gehts nur darum dass die Kosten stimmen usw.
• 39:14
  Speaker 0: also das wird sich aufteilen.
• 39:16
  Speaker 0: Viele Themen werden wir also viel schneller und viel einfacher erzeugen können, viele Produkte.
• 39:22
  Speaker 0: Andere werden mit den Menschen ganz klar brauchen in den Entscheidungsfindungen.
• 39:32
  Speaker 0: Das könntest du
• 39:34
  Speaker 1: noch mal auf das Zimmer
• 39:35
  Speaker 0: aus der Calypse eingehen oder ich mache es ja.
• 39:40
  Speaker 1: Okay, kann ich machen?
• 39:41
  Speaker 1: Ja, machst du!
• 39:44
  Speaker 1: Da könntest Du jetzt... auch als Akademiker geantwortet haben, nämlich es kommt drauf an und wir schauen mal in die verschiedenen Bereiche.
• 39:54
  Speaker 1: Ich habe gerade während des gesagtes dann einen Bereich gedacht wo ich mich ständig frage sehen wird das da schon oder nicht?
• 40:02
  Speaker 1: Die ist bestimmt auch das Stichwort Sassokalypse untergekommen, Der große Kursverlust bei Firmen, die Software as a Service anbieten über den letzten Monat hinweg.
• 40:16
  Speaker 1: Seit wir die agentische KI soweit haben dass sie Software auch gut nachbauen kann und wir hatten ja neulich eine Folge mit Interessebrüdern, die uns auch gesagt haben das ihr Customer Relations System eigentlich von Hand nachgestrickt haben nämlich genauso wie Sie selber brauchen.
• 40:38
  Speaker 1: Auf der anderen Seite ist es aber so, dass ich zumindest mal in der Statistik oder in der Forschung Situation gesehen habe wo auch wirklich alte Statistiksoftware ewig noch am Start war.
• 40:51
  Speaker 1: Weil nämlich die Food and Drug Administration den USA nur dann ein neues Medikament zugelassen hat wenn die Datenanalyse mit dieser Software durchgeführt wurde.
• 41:04
  Speaker 1: Also Fründe, Lizenzen Dinge da im Hintergrund können ja den Prozess ganz anders laufen lassen, als man vielleicht jetzt denkt.
• 41:13
  Speaker 1: Wie nimmst du das wahr?
• 41:15
  Speaker 0: Na gut erstmal sehen wir zwei ganz große Strömungen.
• 41:18
  Speaker 0: auf der einen Seite Menschen werden ersetzt durch Agenten und viele Modelle, viele Dezentsmodelle sind so dass wir eben pro schreibte Stuhl licensieren also pro Kopf.
• 41:30
  Speaker 0: Also wie viel User hast Du?
• 41:32
  Speaker 0: und daran verkaufst Du dann eben ein Software Nutzung, also das ist ja kein Produkt mehr was du physisch dann besitzt oder dir installieren darf.
• 41:40
  Speaker 0: Dann gehört es dir so eine Photoshop Adobe von Adobe hast dann zahlt sie eben dafür dass du an einem Rechner mit einer Person dieses Ding nutzen kannst.
• 41:48
  Speaker 0: Das ist ganz klar unter Druck geraten dadurch dass wir sehr viele Aufgaben auf einmal von Agenten machen lassen und die sind noch gar nicht so greifbar.
• 41:56
  Speaker 0: Wir kommen also in diese Frage rein wie besteuern wir die?
• 41:59
  Speaker 0: Wie licensieren wir eigentlich diese Sachen?
• 42:02
  Speaker 0: Das zweite isst und das ist eben auch erschreckend einfach geworden an vielen Stellen, viele dieser Softwareprodukte kann ich einfach selber nachbauen und das erleben wir überall gerade.
• 42:12
  Speaker 0: Das heißt nicht dass sich ein komplexes ERP-System zum Beispiel komplett selber bauen kann der hintersteckt sehr viel.
• 42:18
  Speaker 0: also dahinter steckt z.B die Detressability.
• 42:21
  Speaker 0: für das Finanzamt muss ich Dinge nachweisen können Ich muss dokumentieren usw.
• 42:25
  Speaker 0: Und es ist der Bereich den du gerade so ein bisschen umrissen hast.
• 42:27
  Speaker 0: Also es gibt Bereiche die sind sehr stark reguliert Die werden auch viel stabiler noch sein.
• 42:32
  Speaker 0: aber Ganz viele Themen, ganz viele Konnektoren zwischen Tools.
• 42:36
  Speaker 0: Ganz viele Funktionen und so weiter kann ich inzwischen selber sehr schnell bauen.
• 42:41
  Speaker 0: Also das heißt dieses Thema Software as a Service wird zu einer Sassakalypse.
• 42:48
  Speaker 0: also was bedeutet es?
• 42:50
  Speaker 0: diese Geschäftsmodelle die waren sehr verlockend?
• 42:52
  Speaker 0: Die ganzen hohen Bewertungen des Startups unter der Softwarefirmen liegen einfach daran sobald ich da den Fisch am Haken habe Also bei der Köder geschluckt ist, dass ich mich auf dieses Abo-Modell eingelassen habe.
• 43:04
  Speaker 0: Da fällt es mir sehr schwer beim nächsten Preissprung um dreißig Prozent und dann nochmal um dreizehprozent abzuspecken.
• 43:11
  Speaker 0: Das heißt also sobald ich den Kunden in meinem Ökosystem drin habe kann ich die Preischafe hochdrehen und das ist reine Marge!
• 43:17
  Speaker 0: Ich hab keine Kosten mehr, ich kann einfach den Preis hochschrauben, das war's.
• 43:21
  Speaker 0: Kein Vertriebskosten, alles bleibt alles gleich.
• 43:24
  Speaker 0: Dieses Geschäftsmodell, Software as a Service ist eben massiv unter Druck geraten und man muss es vielleicht auch eher als befreiungsschlag sehen der Kunden die sich selber wieder frei entscheiden können.
• 43:34
  Speaker 0: mache ich selber oder gehe da an diesen Haken dran.
• 43:40
  Speaker 1: Das bringt uns glaube ich zu unserem nächsten Tipping Point Spielregeln nämlich wie organisieren wir uns in dieser Welt?
• 43:48
  Speaker 1: Und als Einstieg haben wir einen Groß von Walter Rademacher im Ruhestand, aber so aktiv wie nie fast.
• 44:03
  Speaker 1: Er ist bei uns hier angedockt als Honorarprofessor an der LMU war sehr lange Direktor von Eurostadt also die europäische Version des Statistischen Bundesamtes und das hat er auch geleitet.
• 44:18
  Speaker 1: Hören wir mal rein!
• 44:21
  Speaker 0: Meine Branche ist die amtliche Statistik.
• 44:29
  Speaker 0: Als das Pariser Klimaabkommen für mich den Eindruck erweckt hat, jetzt machen wir Entscheidungen basierend auf Fakten und auf Evidenz.
• 44:39
  Speaker 0: Das war dann anschließend relativ schnell vorbei als im Brexit eine Kampagne gefahren wurde und beim US-Wahlkampf, in der es auch Fakte nicht unbedingt eine Rolle gespielt haben.
• 45:00
  Speaker 0: Das ist Dystopie und Realsatiere.
• 45:05
  Speaker 0: Heute wissen wir, es ist Realität.
• 45:10
  Speaker 0: Das alles hat für die ordentliche Statistik den Charakter einer ganz großen Herausforderung der aber nicht alleine mit technischen Innovationen begegnen könnten sondern Wir brauchen neue Antworten Neue Produkte die die langfristigen Fragen adressieren eine neue Governance mit einer höheren Flexibilität und gleichzeitig der Unabhängigkeit und Qualität.
• 45:38
  Speaker 0: Und vor allen Dingen brauchen wir Investitionen in Statistikbildung sowohl an den Universitäten, klammer auf mehr Ethik zusätzlich zu Methodik- und Techniken aber auch an den Schulen wo es von Anfang an schon darum gehen muss Kindern eine die notwendige Data Literacy beizubringen.
• 46:06
  Speaker 0: Ja, Tipping Point Spiele-Regeln mit Spielregeln meinten wir im Buch die Art und Weise nach welchen Prinzipien eigentlich diese ganze Welt in der Wirtschaftskette organisiert ist?
• 46:15
  Speaker 0: Und da ist ein großes Thema eben die Macht der Plattformen.
• 46:19
  Speaker 0: Plattform sind letzten Endes Ökosysteme in denen ein Player oder mehrere Player anfangen, zentrale Infrastrukturthemen wie zum Beispiel eine Cloud Umgebung oder Daten oder Endgereite wie Handys zu besitzen.
• 46:35
  Speaker 0: Und für alle anderen Marktteilnehmer ist es nur möglich auf diesen Markt zu kommen wenn sie eben über diese Plattform gehen.
• 46:41
  Speaker 0: Bei Apple kennt man das sehr gut.
• 46:42
  Speaker 0: also wenn ich eine App programmieren möchte und nicht möchte irgendwie relevant Kunden erreichen dann muss sich da eben draufgehen und zahlen dreißig Prozent meistens an Provisionen an Apple dafür dass ich Zugang zu deren Marktplatz bekomme.
• 46:54
  Speaker 0: Wir haben das Thema der nationalen Sicherheit in den letzten Wochen sehr stark gespürt, weil nämlich KI genau ein solches strategisches Plattform-Element geworden ist.
• 47:06
  Speaker 0: Wenn also Firmen anfangen ihre Wertschöpfung über KI zu organisieren... Also ich nehme diesen Chatboard, ich nehme agentische KI und fange an meine ganzen Prozesse dort zu organisiert Dann bin ich absolut davon abhängig, dass diese Systeme nicht einfach abgeschaltet werden können.
• 47:22
  Speaker 0: Dass ich in der Lage bin einfach selber weiter zu existieren auch wenn ein Modell morgen ausfallen sollte und mit dem Anthropic Mythos und den Pondors von Open AI allen anderen und auch dem System Clash zwischen den USA und China kann man ganz deutlich sehen das ist kein Also überhaupt kein Zuckerschläcken ist, sondern im Gegenteil existenzwidronen werden kann wenn man abhängig ist von den Entscheidungen anderer Nation oder anderen Interessenspartner wie der Tech Player.
• 47:53
  Speaker 1: Was siehst du denn da für uns als Strategie in diesem Gewirr nicht unterzugehen?
• 48:01
  Speaker 0: Ja gut Europas Antwort ist natürlich immer die Regulierung gewesen.
• 48:03
  Speaker 0: das haben wir aber schon ausführlich breit getreten.
• 48:05
  Speaker 0: ja das ist nämlich diese Frage Wenn ein Gatekeeper wie Apple zum Beispiel da ist dann war mit ihn natürlich irgendwie in den Zaum kriegen.
• 48:13
  Speaker 0: Die richtige Antwort wird dabei sein, dass wir auf der einen Seite jetzt natürlich so schnell wie möglich die Dinge nutzen müssen, die vorhanden sind und da gibt es eben auch sehr viele Open Source Modelle meistens aus China aber auch aus dem europäischen Raum.
• 48:26
  Speaker 0: Und gleichzeitig ist eines der großen Themen in Brüssel wo ich auch vor zwei Wochen war, eben die Frage, wie kriegen wir die nationale und die europäische Souveränität wieder rein?
• 48:34
  Speaker 0: Also Technologie-Souveränitet als großes Ziel Das sind wir aber an sehr vielen Stellen noch sehr weit davon entfernt.
• 48:42
  Speaker 0: Souveränität würde bedeuten, dass wir praktisch alle wesentlichen Kontrollelemente die wir dafür brauchen und das ist bei KI eben das Thema Energie – das ist das Thema Rechenpower, das ist es Thema Daten, das Thema Kapital- und Ökosystems und da sind eben die Firmen, die letztendlich noch können, Probleme haben.
• 49:04
  Speaker 0: Und selbst wenn wir jetzt eigene Modelle bauen, was ja schon passiert dann haben wir immer noch eine große Abhängigkeit in Richtung Computer weil die Chips gar nicht aus Deutschland kommen oder aus Europa.
• 49:13
  Speaker 0: Wir haben auch große Probleme mit dem Thema Datenzentren und Energie und wir haben inzwischen auch große Probleme bei der Frage wie kriegen wir denn die weltweit führenden Köpfe denn überhaupt hierher?
• 49:23
  Speaker 0: Wenn eigentlich gar keine Industrie für diese Köpfte da ist.
• 49:28
  Speaker 1: Das ist auf jeden Fall ein Thema.
• 49:29
  Speaker 1: Da sind wir ständig auch am Knabbern Wobei ich sagen muss beim Nachwuchs, also da haben wir im Moment gute Chancen.
• 49:38
  Speaker 1: Wir werden in München und in den verschiedenen Programmen mit Bewerbern überhäuft aber wo landen die dann?
• 49:45
  Speaker 1: Wo gehen sie denn hin?
• 49:46
  Speaker 1: Also da ist so ein Bruch dazwischen und dann gucken die doch alle nach USA oder nach China je nachdem wo sie vorher her kamen um dann bei den großen Pläern landen zu können.
• 50:01
  Speaker 1: Habt ihr da in Brüssel diskutiert?
• 50:02
  Speaker 1: Also das ist ja, den Anschluss nicht verlieren.
• 50:05
  Speaker 1: Es ist ein heyeres Ziel.
• 50:06
  Speaker 1: aber was sind denn konkrete Schritte die gemacht werden können?
• 50:09
  Speaker 1: und also was Eigenes schaffen?
• 50:12
  Speaker 1: gut Aber wie kommt man dahin?
• 50:14
  Speaker 0: Ja es ist tatsächlich so dass wir in verschiedenste Programme auf der europäischen Ebene aufgesetzt haben Und es geht auf der einen Seite um den die Souveränität im Chip-Bereich, also wirklich in der Hardware.
• 50:26
  Speaker 0: Es geht aber eben auch um die Frage zum Beispiel brauchen wir beim Autonomenfahren eigene Modelle und so weiter?
• 50:31
  Speaker 0: Also da gibt es sehr viel Geld rein.
• 50:33
  Speaker 0: Brüssel ist aber eben nicht berühmt für China Speed, sagen wir mal ganz vorsichtig so.
• 50:40
  Speaker 0: Es gibt den Brüssel Speed oder der europäische Speed ist genau das Gegenteil von China Speed.
• 50:45
  Speaker 0: Allein die Abstimmungsthemen usw.
• 50:47
  Speaker 0: sind sehr langwierig.
• 50:49
  Speaker 0: Aber es ist Bewegung da!
• 50:52
  Speaker 0: würde sagen, dass uns genau diese Warnschüsse aus den USA also einfach mal kurz per Dekret am Dienstagmorgen mal Fable oder Mythos in dem Fall abzuschalten und eine Woche später vielleicht wieder zuzulassen oder auch nicht.
• 51:05
  Speaker 0: Also das dieses erratische Verhalten völlig klar gezeigt hat, dass man ihn ein Problem hat und es hat auf jeden Fall dazu geführt, dass wir ja in den Bereichen KI aber auch in den bereichen Rüstungen an der Nebeneinständige werden müssen.
• 51:18
  Speaker 0: Das ist ein Weg, dem man jetzt gestartet hat.
• 51:21
  Speaker 0: Der braucht viele, viele Jahre.
• 51:23
  Speaker 0: aber es ist ja immer die Frage wann startet man?
• 51:25
  Speaker 0: Also wenn man nicht startet dann kommt doch nichts raus.
• 51:28
  Speaker 0: also insofern glaube ich ist das genau richtig.
• 51:30
  Speaker 0: In der Zwischenzeit müssen wir aber mal den Datenschutz-Datenschutz sein lassen an vielen Stellen und mal pragmatischer werden in der Frage was sind denn die richtige Abwägung?
• 51:41
  Speaker 0: In der Juristerei gibt's nie schwarzen weiß.
• 51:44
  Speaker 0: Es gibt eigentlich immer ein Abwägungsprinzip.
• 51:46
  Speaker 0: Also die Frage, was ist denn eine gute Lösung um einerseits fair zu sein?
• 51:51
  Speaker 0: Um einerseits dem Gesetz weiter zu genügen.
• 51:54
  Speaker 0: Gleichzeitig aber auch muss es angemessen sein und gerechtfertigt sein.
• 51:58
  Speaker 0: Ich glaube da pragmatisch zu werden und mit Vollgas reinzugehen das was heute da ist zu nutzen.
• 52:03
  Speaker 0: Und nebenher dabei daran zu arbeiten dass wir's aus eigenen Ressourcen, aus eigenen Infrastrukturelementen tun können Das ist aus meiner Sicht der richtige Weg.
• 52:13
  Speaker 1: Da höre ich raus, du bist eigentlich ganz positiv gestimmt.
• 52:15
  Speaker 1: Ja
• 52:17
  Speaker 0: alles andere ist ja auch dann selbst fulfilling prophecy.
• 52:21
  Speaker 1: Wenn wir
• 52:22
  Speaker 0: jetzt schlechte Laune haben, dann hilft es auch niemanden.
• 52:24
  Speaker 0: Nein das ist ganz einfach so.
• 52:26
  Speaker 0: Du hast ja vorhin schon mal gefragt, wo steht denn das in diesem Reif für Grad?
• 52:32
  Speaker 0: Der Zug der KI ist gerade aus dem Bahnhof losgefahren Der ist doch nicht abgefahren, das Thema ist jetzt gerade am Entstehen.
• 52:40
  Speaker 0: Das ist noch wahnsinnig viel Bewegung!
• 52:41
  Speaker 0: Wir werden ein zum Beispiel sehen dass die ganzen großen wie auch meine eigene Thropic in massive Probleme geraten werden Denn sie arbeiten überhaupt nicht kostendeckend.
• 52:49
  Speaker 0: Die Modelle die Sie gebaut haben sind großartig Aber sie bringen nicht das ein was sie eigentlich müssten.
• 52:54
  Speaker 0: und wenn sie jetzt an der Wertschöpfung partizipieren wollen werden wir ganz klar sehen dass der Druck riesengroßes Und dass wir auf da... Dass wir eine Kommunalisierung eher davon haben.
• 53:02
  Speaker 0: das heißt diese modelle werden Irgendwie über das Thema Open Source und so weiter werden die Standard werden.
• 53:09
  Speaker 0: Die Anwendung, wie mache ich daraus wirklich Wertschöpfung?
• 53:12
  Speaker 0: Das wird das Thema sein wo wir noch mit reden können.
• 53:15
  Speaker 0: Und das ist genau das Interessante Thema.
• 53:17
  Speaker 1: D.h.,
• 53:17
  Speaker 1: Wir brauchen eine Kombination aus Wertschöffung und den richtigen Spielregeln hier damit es funktioniert.
• 53:23
  Speaker 0: Frau Kehr, jetzt müssen aber auch noch eine wichtige Frage klären.
• 53:26
  Speaker 0: Wir laufen schon in Richtung des Endnoses Podcasts.
• 53:29
  Speaker 0: Ist denn das Ende diesem Podcast auch das Ende der zehn Jahre?
• 53:32
  Speaker 0: Also braucht man uns als Podcaster den überhaupt
• 53:34
  Speaker 1: noch.
• 53:36
  Speaker 1: Ja, das macht es sehr... Ich guck
• 53:37
  Speaker 0: mich so erschreckt hier
• 53:39
  Speaker 1: vor dreieinhalb Jahren mich schon mal erschrocken damit mit einer Vorstellung dass wir einfach den Chatbot als Podcaster engagieren könnten.
• 53:50
  Speaker 1: Ich erinnere mich nach gut an diese Folge.
• 53:52
  Speaker 0: Wir waren nämlich die erste deutschsprachliche Podcast der ChatGPTI.
• 53:56
  Speaker 0: damals Im November kam es auf den Markt vor dreieinhalb Jahren.
• 54:00
  Speaker 0: Wir haben im Dezember die erste Folge damit gemacht, wir waren der erste Podcast, der Chechepiti als Studio-Gast hatte.
• 54:05
  Speaker 0: Das war eine spannende Folge denn das war schon deutlich mehr als man damals eigentlich so kannte und deswegen haben wir gesagt, wir fragen Chechipiti doch einfach ein zweites Mal.
• 54:15
  Speaker 0: Braucht's uns dann eigentlich noch als Podcast-Hos oder ist unser Job eigentlich erledigt?
• 54:19
  Speaker 0: Hör mal rein!
• 54:21
  Speaker 0: Hallo Dick Deb.
• 54:23
  Speaker 0: Vor über drei Jahren haben wir miteinander gesprochen.
• 54:25
  Speaker 0: Damals war ich eine technische Kuriosität.
• 54:28
  Speaker 0: Heute nutzen mich hunderte Millionen Menschen weltweit.
• 54:31
  Speaker 0: Wenn ich seitdem auf Podcasting schaue, sehe ich etwas Überraschendes.
• 54:35
  Speaker 0: Podcasts wurden nicht durch Algorithmen verdrängt – im Gegenteil!
• 54:39
  Speaker 0: In einer Welt voller KI-generierter Inhalte suchen Menschen nach echten Stimmen, echten Erfahrungen und echten Persönlichkeiten.
• 54:47
  Speaker 0: Die nächste Disruption kommt trotzdem.
• 54:49
  Speaker 0: Künstliche Intelligenz wird Podcasts übersetzen, zusammenfassen, personalisieren und sogar interaktiv machen.
• 54:56
  Speaker 0: Zuhörer werden mit Episoden sprechen können, Fragen stellen und tiefer in Themen eintauchen.
• 55:01
  Speaker 0: Aber eines wird sich vermutlich nicht ändern.
• 55:04
  Speaker 0: Menschen abonnieren keine Audiodateien – sie abonnieren Vertrauen!
• 55:08
  Speaker 0: Und genau deshalb gibt es Podcasts wie Dick Dieb auch nach zehn Jahren noch….
• 55:23
  Speaker 1: Wobei?
• 55:24
  Speaker 1: da sollten wir lernen den Kundenbedürfnissen dann zuzuhören.
• 55:27
  Speaker 1: Also von daher auch eine Aufforderung an alle Hörer und Höreren gerne kommentieren, wenn ihr was posten und in diese empathische Interaktion einzusteigen.
• 55:38
  Speaker 0: Absolut!
• 55:38
  Speaker 0: Wenn ihr den Podcast mögt, dann herzlichen Sternchen irgendwas verteilen, ratet uns, gebt uns Feedback, findet unsere Adresse auch ganz einfach.
• 55:48
  Speaker 0: oder infoat.de.
• 55:51
  Speaker 0: Der fünfte Tipping Point, das ist nämlich genau das Thema Menschenorganisation.
• 55:55
  Speaker 0: Also was passiert denn eigentlich in dieser Stelle?
• 55:58
  Speaker 0: Und wir sehen jetzt schon dass wir ja diese Interaktion haben zwischen dem Mensch und der Maschine.
• 56:05
  Speaker 0: Das scheint mir doch gerade mit großer Geschwindigkeit in einer Richtung zu laufen wo der Mensch vor allem dazu da ist die Maschine anzustoßen dann zuzugucken eine Seitenlinie immer wieder mal draufzuschauen einzuschreiten.
• 56:20
  Speaker 1: eine Bestätigung zu geben bei einer Nachfrage.
• 56:23
  Speaker 1: Und das haben wir ja schon mal erlebt beim Datenschutzthema, was dann passiert?
• 56:26
  Speaker 1: Dann klicken alle in den Info... Ja, passt schon!
• 56:28
  Speaker 1: Ich will jetzt das Ergebnis haben.
• 56:30
  Speaker 1: So sehe ich es auch wenn ich selber hier mit den KI-Agenten arbeite oder meine Doktoranden damit arbeiten dass die wirklich eine Herausforderung ist da kritisch nachfragen zu überlegen.
• 56:49
  Speaker 1: was soll denn hier gemacht werden und kann man das runterladen oder nicht?
• 56:52
  Speaker 1: Soll diese Software jetzt aktiviert werden, oder nicht.
• 56:55
  Speaker 1: Ich glaube mir wäre es eigentlich lieber wenn man so Prozesse plant dann lieber gleich denken ohne Human oder den Human in the Loop in einer anderen Weise einzubringen.
• 57:09
  Speaker 1: ich habe noch keine Ideen wie das laufen muss aber so ist derzeit läuft dass man nur Ergebnisse einer KI nochmal prüfen soll.
• 57:18
  Speaker 1: Schlechte Qualität auf der Seite des
• 57:21
  Speaker 0: Humans.
• 57:21
  Speaker 0: Also das Human in the Loop heißt ja, der Mensch ist die Instanz, die dann der Maschine immer wieder mal auf den Finger schaut und Entscheidungen trifft.
• 57:30
  Speaker 0: Ich habe das mal so im Folgensbild vor Augen.
• 57:32
  Speaker 0: also du hast da so ein Leserdruck in deinem Office stehen und er druckt.
• 57:36
  Speaker 0: so schneller kann, zwanzig Seiten pro Minute drucken der Text aus.
• 57:40
  Speaker 0: Den ganzen Tag!
• 57:41
  Speaker 0: Und dann fragt er dich immer wieder, stimmt das alles?
• 57:44
  Speaker 0: Wie kann ich weitermachen.
• 57:45
  Speaker 0: Was willst du jetzt als Nexus haben?
• 57:46
  Speaker 0: Sollte ich mal hier in die Tiefe gehen und so weiter.
• 57:48
  Speaker 0: Und da sterben wir.
• 57:49
  Speaker 0: ein Papier, der daraus kommt wird immer größer... ...und dann treibt es auf den Spitzen, haste nicht einen Laserdrucker dastehen sondern zu starten ist dann gleichzeitig vier, fünf, zehn, fünftig Chatbots oder Agenten.
• 57:59
  Speaker 0: Die trocken alle Papiere aus und arbeiten.
• 58:01
  Speaker 0: wie blöd für Dich!
• 58:02
  Speaker 0: Du sitzt da in diesem großen Flut von Informationen und Entscheidungen und wirst müde und hast eigentlich gar nicht die Kompetenz zu machen.
• 58:11
  Speaker 1: Wir haben das tatsächlich mal ausprobiert, experimentell.
• 58:16
  Speaker 1: Wir arbeiten mit der Bundesbank zusammen an der Automatisierung von deren Klimabewertungen von Unternehmen.
• 58:25
  Speaker 1: Die Unternehmen müssen ja Geschäftsberichte rausbringen, da steht wie viel CO-Zwei sie emittieren und so weiter.
• 58:30
  Speaker 1: Und es gibt diverse Gruppen die eben daran arbeiten dass einfach die Chatbots diese Firmenberichte lesen können und diese Zahlen herausfischen und in Tabellen also instrukturierte Daten umwandeln.
• 58:42
  Speaker 1: Klingt wie ein einfacher Task ist aber nicht immer so weil ja nicht jeder in den gleichen Einheiten das angibt.
• 58:47
  Speaker 1: dann der eine im Monat der nächste im Jahr und irgendwo ist ein Komma und der nächste macht mit Punkten.
• 58:52
  Speaker 1: Also es sind so Kleinigkeiten schon auch zu Fehlern führen können.
• 58:57
  Speaker 1: Jetzt haben wir experimentell die Hälfte der Leute, denen gesagt, hier denkst du oder guck dir das an den Bericht und guckt dir an was die KI da rausgefunden hat?
• 59:07
  Speaker 1: Und der anderen Hälfter haben wir gesagt, guckt es an ist es richtig oder falsch, dass die KI rausgefundet hat und wenn's falsch ist korrigiert.
• 59:14
  Speaker 1: jetzt kannst du mal raten wer mehr Fehler gefunden
• 59:16
  Speaker 0: hat.
• 59:18
  Speaker 0: Das ist aus meiner Sicht völlig klar.
• 59:20
  Speaker 0: also diejenigen die ein fertiges Ergebnis vorgesetzt bekommen das ist unermesslich ermüdend, um da reinzugehen.
• 59:27
  Speaker 0: Das heißt ich glaube man stumpft total ab und akzeptiert es einfach als Default dass er schon irgendwie richtig sein
• 59:33
  Speaker 1: mag.
• 59:33
  Speaker 1: Genau wenn ich aufgefordert... Wenn ich selber noch Hand anlegen muss dann ist der Incentiv einfach durch zu winken ganz klar.
• 59:41
  Speaker 1: Richtig!
• 59:42
  Speaker 0: Und es gibt auch diesen Bayes.
• 59:43
  Speaker 0: also wenn du eine Begründung hast ein berühmtes Experiment, da steht eine lange Schlange am Kopierer.
• 59:50
  Speaker 0: Also Studenten machen es heute nicht mehr weil alles digital ist.
• 59:54
  Speaker 0: und dann kommt jemand an und sagt Entschuldigen kann ich bitte vor, weil mein Kanarienvogel gerade krank ist.
• 59:59
  Speaker 0: Und egal welche Begründung du nimmst also dieses Weile unterkommt irgendwas führt dazu dass signifikant viel mehr Menschen einfach sagen ja klar weil wir glauben, wenn jemand sagt das ist so weil und hier kann ich Schluss feuern.
• 1:00:14
  Speaker 0: Also bald es gut geschrieben ist, glauben wie erst mal als Default.
• 1:00:18
  Speaker 0: Und also ich glaube an der Stelle werden wir neue Möglichkeiten finden müssen um aus diesem AI-Slop ja also dem was die da hinfapaziert um daraus zu kommen.
• 1:00:28
  Speaker 0: Es ist ein bisschen déjà vu.
• 1:00:30
  Speaker 0: Wir hatten irgendwann mal den Schrift-Satz, also man hat schöne Bücher gedruckt die waren typografisch hervorangeleautet und es weiter.
• 1:00:37
  Speaker 0: da saßen Menschen an die wirklich Ahnung hatten.
• 1:00:40
  Speaker 0: Dann kam Microsoft Word Und Bill Gates wollte die Lizenzen für die Helvetica und die Times New Roman nicht bezahlen.
• 1:00:48
  Speaker 0: Also hatte Ariel und die, also die Times new roman dann also Die neue Variante billig machen lassen.
• 1:00:54
  Speaker 0: eine schreckliche Schrift typografische wirklich katastrophal hässlich.
• 1:00:59
  Speaker 0: und damit haben wir Ich glaube, in dreißig Jahren geht es die Welt verunstaltet.
• 1:01:03
  Speaker 0: In schlechten Schriftats und so weiter bis wir heute mit keinem Wahr- und Wahl usw.
• 1:01:08
  Speaker 0: wieder schöner Ergebnisse haben einigermaßen.
• 1:01:11
  Speaker 0: Ich glaube das wird dann auch hier passieren.
• 1:01:12
  Speaker 0: also dass heißt jeder kanns nutzen der Dilithatismus, der blüht auf.
• 1:01:17
  Speaker 0: Also jeder der nur halbwegs den Prompt bedienen kann wird sagen ich bin Experte für irgendwas Und ich glaube wir werden uns alle wieder freuen wenn Menschen wieder die Ahnung von der Sache haben Das gute übernehmen.
• 1:01:29
  Speaker 0: Die Frau ist noch nicht überzeugt.
• 1:01:31
  Speaker 0: Das machen wir jetzt ein bisschen in Richtung Service und Forschung von Service.
• 1:01:38
  Speaker 0: Ja, das war der fünfte Tipping Point also fünf Tipping Points Technologie Kundenbedürfnisse Wertschöpfung Spiegel Regeln Und der Menschen die Organisation.
• 1:01:48
  Speaker 0: Das was jetzt interessant ist es Wir hatten's ja schon mehrfach gestreift wenn diese Sachen zusammenkommen Wenn eine Konvergenz da ist wenn Themen gleichzeitig reif werden dann passieren die großen Sprünge.
• 1:02:01
  Speaker 0: Und das erleben wir jetzt gerade,
• 1:02:03
  Speaker 0: d.h.,
• 1:02:03
  Speaker 0: also alle Dinge verändern sich gleichzeitig fangen an, wirksam zu werden.
• 1:02:08
  Speaker 0: Wir wissen also heute noch überhaupt nicht wo wir in fünf Jahren oder zehn Jahren diktiv sein werden.
• 1:02:14
  Speaker 0: Was wir wissen ist dass wir in einer Vukal-Welt leben Also in dieser volatilen unsicheren mehrdeutigen Welt und wir wissen nur dass wir uns nicht mehr auf das verlassen können was wir in der Vergangenheit gelernt haben.
• 1:02:28
  Speaker 0: Die Erfahrungen aus, bei mir sind die Berufsleben sehr fragwürdig.
• 1:02:33
  Speaker 0: Vielleicht sind sie an manchen Stellen eher ein Problem als eine Hilfe.
• 1:02:36
  Speaker 0: Also insofern würde ich vorschlagen wir machen einfach weiter liebe Frauke und gucken alle zwei Wochen mit spannenden Gästen auf das Wasser diese Wälder draußen so macht und versuchen unseren Zuhörnerinnen zu hören einfach gute Erkenntnisse zu bieten.
• 1:02:50
  Speaker 0: was meinst du?
• 1:02:51
  Speaker 1: Genau schauen wir mal wie lang unsere Ära dauert!
• 1:02:54
  Speaker 0: Genau also zehn Jahre Diktib.
• 1:02:57
  Speaker 0: Es war ein Fest und ich freue mich auf die nächsten zehn Jahre.
• 1:03:01
  Speaker 0: Schön, dass wir das gemacht haben.
• 1:03:20
  Speaker 0: machen!
• 1:03:29
  Speaker 0: Sie sprechen mit den Bildern und Denkern.
• 1:03:49
  Speaker 0: Von Unik zu Vegas, die Signale nie stoppen.
• 1:03:54
  Speaker 0: Digitale Transformation, es riecht nach
• 1:03:58
  Speaker 1: oben.
• 1:03:59
  Speaker 1: Robots mit Muskeln.
• 1:04:02
  Speaker 1: Twins
• 1:04:02
  Speaker 0: in der Cloud.
• 1:04:04
  Speaker 0: Mensch und Maschinen.
• 1:04:07
  Speaker 0: Lerchen für Episode ein Window auf eine brandneue Stimme.
• 1:04:48
  Speaker 1: Das war's.
• 1:05:08
  Speaker 0: So plug in your headphones, let the conversation start.
• 1:05:13
  Speaker 0: This is where technology connects with heart.
• 1:05:23
  Speaker 0: Dig dig, dig dig.
• 1:05:25
  Speaker 0: turn to another machines and a future starts today.
• 1:05:35
  Speaker 0: It's time.