Latest / MY DATA IS BETTER THAN YOURS / 0,35% Budget, 90% Hype: Die KI-Lücke im Mittelstand - mit Paul K., Team One

Transcript

0,35% Budget, 90% Hype: Die KI-Lücke im Mittelstand - mit Paul K., Team One · MY DATA IS BETTER THAN YOURS

• 0:00
  Speaker 0: In der heutigen Folge sprechen wir dem lieben Paul Kraus.
• 0:02
  Speaker 0: Ich habe ein bisschen länger gebraucht, um ihn in den Podcast bekommen.
• 0:05
  Speaker 0: Er sagt auch selber nicht weil er nicht wollte sondern weil es einfach zeitlich natürlich auch schwer ist.
• 0:09
  Speaker 0: Der kommt extra aus Stuttgart wie mit mir gemeinsam aufzunehmen.
• 0:14
  Speaker 0: Es ist eine spannende Folge und wir sprechen über das Thema AI warum und wie es eigentlich im Mittelstand etabliert werden sollte und worum wir uns eigentlich nicht aufs Wichtigste fokussieren.
• 0:22
  Speaker 0: Ein wichtiger Punkt hört euch die Folge an wenn ihr wollt dass Paul mit zu den Stammgästen gehört und wir öfters darüber sprechen sollten, dann kommentiert oder schreibt uns auf LinkedIn.
• 0:31
  Speaker 0: Das würde uns total helfen.
• 0:37
  Speaker 0: Neue Folgen jeden Freitag!
• 0:39
  Speaker 0: In dieser digitalen Welt gibt es einen speziellen Faktor der über Erfolg-und Misserfolg entscheidet – Daten.
• 0:46
  Speaker 0: Doch nur die wenigsten wissen sie für sich zu nutzen.
• 0:49
  Speaker 0: Wer seine Kunden verstehen will um ihnen das bieten zu können was sie brauchen kommt um ein professionelles Datenmanagement nicht herum.
• 0:56
  Speaker 0: Jonas Raschidi interviewt andere Experten aus den Datenbereichen und zeigt Schritt für Schritt, wie genau das funktioniert.
• 1:09
  Speaker 0: Mein heutiger Gast ist Strategie.
• 1:11
  Speaker 0: ich kenne Paul Krauss schon ehrlich gesagt echt lange.
• 1:15
  Speaker 0: wir haben uns für unterschiedliche Themen oder zu unterschiedlichen Themen unterhalten.
• 1:18
  Speaker 0: viel damals über das Thema Data und Foundation da sind wir eingestiegen dann über die Grundlagen.
• 1:24
  Speaker 0: jetzt Er hat ein eigenes Magazin, wo es ums Thema AI geht.
• 1:41
  Speaker 0: Er ist selber Partner für das Thema AI in einer Beratung und zwar dem Team One Developers.
• 1:49
  Speaker 0: auf der anderen Seite unterrichtest du auch Ähm AI, äh einer Uni oder FH ist das ne?
• 1:56
  Speaker 0: Uni.
• 1:57
  Speaker 0: Ja also von daher ihr seht ich überlege selber und spreche schon mit Paul deswegen was es denn so alles ist.
• 2:02
  Speaker 0: Ich bin total froh und schön dass du da bist.
• 2:05
  Speaker 0: Ich hab echt lange an dir graben müssen.
• 2:08
  Speaker 0: Oder?
• 2:09
  Speaker 1: Lager mal nicht daran dass ich nicht komme.
• 2:11
  Speaker 0: Habe ich was vergessen beim Erzählen.
• 2:17
  Speaker 0: Also, ich mache am Ende ja sozusagen so nochmal einen Wrap-up der Folge aber habe ich etwas nicht erwähnt... Ich glaube viele Leute kennen dich!
• 2:25
  Speaker 1: Das mag sein, die Frage ist immer aus welchem Engel heraus?
• 2:28
  Speaker 1: Für mich wirkt meine quasi Weiterentwicklung in gewisse Bereiche eigentlich als logische Fortführung dessen für was ich mich im Kern interessiere
• 2:37
  Speaker 0: und das ist der Kern für
• 2:38
  Speaker 1: den Probleme lösen.
• 2:42
  Speaker 0: Das heißt, du bist der Meinung, du interessierst dich gar nicht zwangsweise für Data.
• 2:45
  Speaker 0: Du interessiert sich nicht zwangsweise für AI sondern du bist diejenige, der gerne ein Werkzeug-Cup haben will mit dem mal Probleme lösen kann?
• 2:52
  Speaker 1: Ich kürze gerne Lösungsräume ab und dabei ist natürlich KI ein sehr spannendes Werkzeug Paul als
• 3:00
  Speaker 0: wir im Vorgespräch miteinander gesprochen haben und so ein bisschen auf WhatsApp ausgetauscht haben über was wir sprechen können kam bei dir ganz schnell die These in der Strategieberatung macht man viel zu viele Slides.
• 3:12
  Speaker 0: Jetzt bist du selber Strategieberater.
• 3:13
  Speaker 0: Wie viel Slides machst Du denn?
• 3:16
  Speaker 1: Erste Frage, wie viele Slides... Ich würde es ein bisschen präzisieren, wieviel Slides mache ich noch von Hand?
• 3:21
  Speaker 1: Das ist schon mal ein großes Improvement.
• 3:24
  Speaker 1: und die zweite Frage ist, wieviele Slides schaffen Sie in die Umsetzung?
• 3:30
  Speaker 1: Das hat mich auch immer in der Historie am meisten an dem Konzept von Slides abgeschreckt.
• 3:36
  Speaker 1: Ich bin ja kein Gegner davon Ideen in eine Form zu bringen, um sie teilbar zu machen.
• 3:43
  Speaker 1: Ich bin aber kein Freund davon, Dinge in eine statische Form zu bringen damit sie dann den Schubladen verschwinden oder eigentlich nur noch als Ausrede benutzt werden und zu sagen das haben wir uns anders vorgestellt.
• 3:55
  Speaker 1: also ich glaube sehr viele Menschen nutzen Slides als Korsett nicht, sondern als eine Art Abstraktion dessen um die Umsetzung nicht machen zu müssen in sofortiger Art und Weise, weil ich glaube man kann sehr viele Dinge sehr viel schneller vertesten.
• 4:15
  Speaker 1: Und Slides sind nur ein sehr schlechter Proxy dafür dass man Aktivität und Unsicherheit versucht zu adressieren über blumige Formulierungen Flow und Gunshots.
• 4:26
  Speaker 1: aber eigentlich müsste man mal ein paar Dinge ausprobieren um wirklich mehr Sicherheit zu gewinnen für seine Projekte und Ziele.
• 4:33
  Speaker 0: Das heißt weniger Slides mehr Pragmatismus?
• 4:36
  Speaker 1: Ja mehr Umsetzung.
• 4:37
  Speaker 1: vor allem
• 4:40
  Speaker 0: Wie würdest du denn empfehlen, dass wir uns selbst zum Kranken gehen müssen?
• 4:43
  Speaker 0: Ist nicht gerade das ein gutes Beispiel.
• 4:46
  Speaker 0: Du bist Partner von der AI.
• 4:47
  Speaker 0: wie unterhalten uns über die AI.
• 4:48
  Speaker 0: Ich finde den Austausch stehen wieder zu haben immer sehr bereichernd.
• 4:54
  Speaker 0: Meine Wahrnehmung ist aber weil deine These wenn ich jetzt sehr provokant sein darf und ich weiß das darf ich bei dir sein es gibt zu viele Slides sagen viel zu viele Leute.
• 5:06
  Speaker 0: Das könnte auch ein Post-of-Linked in sein.
• 5:08
  Speaker 0: Wir posten gerade ganz viel auf...
• 5:10
  Speaker 1: ...kommentiere Slides!
• 5:13
  Speaker 0: Auch viel zum Thema AI, aber was ist der Kern dahinter?
• 5:17
  Speaker 0: Warum würdest du es anders machen?
• 5:19
  Speaker 0: und wie würdest Du das anders machen?
• 5:21
  Speaker 1: Ich glaube, die Form der Artefakte muss sich ändern.
• 5:23
  Speaker 1: Also Slight ist ja ein Versuch letztendlich arbeitssichtbar zu machen.
• 5:26
  Speaker 1: also ich kann jetzt sagen, ich habe drei Tage recherchiert.
• 5:29
  Speaker 1: woran würdest du es merken?
• 5:30
  Speaker 1: Ich schick dir irgendeine Form von Berichte, ich schicke hier Slides Handlungsempfehlungen etc.
• 5:34
  Speaker 1: und dass du mehr umfangreich da dahinter isst auch mit Zahlen validiert usw.
• 5:38
  Speaker 1: das du mehr hätte man in der alten Welt das Gefühl von Sicherheit bekommen.
• 5:42
  Speaker 1: Aha!
• 5:42
  Speaker 1: Da gibt's Studien dazu, da gibts irgendwie eine saubere Herleitung, dann gibts ne Roadmap.
• 5:47
  Speaker 1: aber ich glaub jeder der sich schon länger dem Technologiefeld beschäftigt wird feststellen, dass man in kürzester Zeit solcher Artefakte produzieren kann und dass man auch jetzt in Sekundenschnelle Studien findet die jede Zahl belegen.
• 6:00
  Speaker 1: Will heißen der Wert solcher Slides ist quasi Drifte zur langsam Richtung Null sofern diese Aussagen nicht durch ein klares extra Szenario gekennzeichnet sind oder halt auch einen klaren Plan, dass ich sage ich habe hier Erfahrungswerte.
• 6:17
  Speaker 1: Weil wie gesagt einfach nur andere Informationen, Rezitieren und neue Formen bringen hat er eigentlich noch nie ernst gemeint einen wirklichen Value geschaffen.
• 6:27
  Speaker 1: Es war in der Vergangenheit aber sehr viel komplizierter solche Artefakte zu erzeugen.
• 6:30
  Speaker 1: Allein sich so zu artikulieren ist jetzt ja nicht ganz trivial und die Fachbegriffe in einem richtigen Kontext zu verwenden, das geht jetzt sehr einfach.
• 6:38
  Speaker 1: will heißen es fällt sehr schwer vor allem dem ungeübten Auge Bullshit zu spotten sage ich jetzt mal im Klartext.
• 6:43
  Speaker 1: und damit sozusagen ist des Artifakt per se entwertet und man muss sich einen Umsetzungsfaktor davon anschauen um halt auch dieses Artifakters solches bewerten zu können.
• 6:54
  Speaker 0: Umsetzungsfaktor oder eher Möglichkeit der Umsetzung, weil die ist ja auch einen Punkt.
• 7:02
  Speaker 0: Wir haben oft eine Strategie von der Strategie.
• 7:05
  Speaker 0: nicht jeder kann eine Strategier erstellen.
• 7:07
  Speaker 0: dann kommen wir irgendwie zu was davon können wir eigentlich kurzfristig umsetzen?
• 7:12
  Speaker 0: Wir haben uns auch schon im Vorgespräch darüber gesprochen.
• 7:14
  Speaker 0: es gibt irgendwie so thirty-six Monate Strategie Papiere macht teilweise Sinn aufgrund des aktuellen sehr volatilen Markts.
• 7:23
  Speaker 0: IT, AI Bereich, Data-Bereich.
• 7:27
  Speaker 0: Glaub ich nicht.
• 7:28
  Speaker 0: und ein spannender Punkt den ich mal mit dir diskutieren will wir beide Ich habe nicht geguckt wie lange wir uns kennen sagen wir fünf Jahre.
• 7:38
  Speaker 0: Wir sprechen seit über fünf Jahren übers Thema.
• 7:40
  Speaker 0: wir brauchen ordentliche Daten von der Irrung.
• 7:44
  Speaker 0: Der Umsetzungsgrad du lachst ist glaube ich nicht umgesetzt worden zum großen Teil vom Mittelstand.
• 7:49
  Speaker 0: komischerweise.
• 7:51
  Speaker 0: Im AI-Bereich gibt es mehr POCs.
• 7:53
  Speaker 0: Hätten wir im Data Bereich mehr POC's gehabt, hätten wir glaube ich auch da eine größere Infrastruktur?
• 7:57
  Speaker 1: Und ein Prozent.
• 8:00
  Speaker 0: Aber warum klappt das nicht?
• 8:02
  Speaker 1: Ich würde sagen Zugänglichkeit.
• 8:04
  Speaker 1: Pepp Leckner hat so schön gesagt die Technologie ist die barriereste freie Technologie, die es hier gibt und wenn du sie nicht adaptierst dann legen die Gründe definitiv nicht zu sagen der Technologie also was wrong.
• 8:16
  Speaker 1: und ich glaube bei data ist es fairerweise schon so dass jetzt nicht jeder mal kurz irgendwie sich in das Thema etl rein denken kann.
• 8:22
  Speaker 1: oder man kurz mal kurz seitens machen ein bisschen number crunching hier mit dieser riesigen exel tabelle will heißen ich glaube die zugänglichkeit der technologie ist sehr viel leichter geworden ja auch ein bisschen diesen puc frito verklärt weil es ist ja doch nochmal eine andere nummer zu sagen.
• 8:38
  Speaker 1: ich kriege das jetzt für hundert Samples in Versus für Hunderttausend.
• 8:42
  Speaker 1: Also du verschiebst so ein bisschen die Komplexität nach den POC, weil Skalierung ist halt doch noch mal ein anderes Game als das jetzt irgendwie einmal hinzubekommen?
• 8:51
  Speaker 0: Ja, fairer Punkt!
• 8:52
  Speaker 0: Aber ich tue mich da extrem schwer, weil wir sind gerade... vielleicht das Data-Infrastruktur ist ja gerade das passende Beispiel, aber wenn du so'n bisschen zurückkommst, die fünf Jahre, sieben Jahre zurück ist Alle haben in Cloud investiert, dann gab es die Welle wieder.
• 9:08
  Speaker 0: Wir haben Cloud wieder reduziert auf einen Anbieter vor, also im Unternehmen zehn Anbieten oder wieder ein Beanbietern.
• 9:13
  Speaker 0: Das Gleiche ist ja sozusagen in unterschiedlichen Wellen für unterschiedliche Themen und ich glaube meine Wahrnehmung ist – du sprichst ja mit viel mehr Leuten vielleicht auch noch mal als ich – wie sind deine Wahrnehnungen?
• 9:30
  Speaker 0: Merken die Leute, die jetzt im POC bei AI fehlen dass sie eigentlich die Infrastruktur bräuchten?
• 9:38
  Speaker 0: also ich sehe bei ganz vielen mittelständlern siehlevel wo ich mich unterhalte, dass die infrastruktur fehlt.
• 9:43
  Speaker 0: Die kennen die probleme IT leiter CDOS CIOs aber trotzdem wirklich rein investiert.
• 9:49
  Speaker 1: ja die merken definitiv im zweifel halten ein bisschen später.
• 9:53
  Speaker 1: Also früher hast du sie früher gespürt, jetzt merkst du halt nach dem POC ja miss die Daten sind ja gar nicht gelabelt oder diese total unvollständig.
• 10:00
  Speaker 1: Oder also gerade im Customer Service ist es so der Klassiker zu sagen ich könnte jetzt alles weg automatisieren hypothetisch deflection rate runter auf Die Hälfte oder so anstellt aber festen die ganzen Tickets liegen gar nicht irgendwie in ausreichend strukturierter Form irgendwie vor.
• 10:13
  Speaker 1: oder keine Ahnung?
• 10:14
  Speaker 1: mein FAQ Knowledge Base ist gar nicht ordentlich aufgearbeitet.
• 10:18
  Speaker 1: Oder man hat sich von irgendwelchen externen Anbietern abhängig gemacht, passiert jetzt auch nicht unerheblich und merken die Struktur, die man da aufgebaut hat ist gar nicht so zielführend oder lässt sich gar nicht leicht übertragen.
• 10:28
  Speaker 1: Also so viele dieser Basics, da stolpersst du jetzt halt wieder drüber das wird dich nicht überraschen.
• 10:33
  Speaker 1: So setzt du auch vorher schon sagen können.
• 10:34
  Speaker 1: aber ich habe jetzt auch die letzten fünf bis zehn Jahre alle Initiativen, die irgendwie Data Personalisierung plus weitere Themenfelder im Titel hatten die ernsthaft gestafft waren, auch mit ein bisschen Budget und Ziel dahinter.
• 10:48
  Speaker 1: Habe ich auch bewusst weniger kritisiert als ich das vielleicht hätte machen sollen weil ich es grundsätzlich gut fand dass sich in diese Richtung bewegt wird.
• 10:55
  Speaker 1: Und da habe ich ganz von dem späteren Zeitpunkt nochmal irgendwie die Richtung grob korrigieren.
• 10:59
  Speaker 1: aber grundsätzlich ist das grobe Vorstoßen in diesen Themenfelder grundsächlich immer richtig.
• 11:04
  Speaker 1: Die Frage ist nur ob man's zu groß denkt oder zu wenig sage ich mal wertschöpfend und erstmal riesigen riesiges Data Warehaus hinstellt, ohne zu wissen was eigentlich der Business Case ist.
• 11:15
  Speaker 1: Aber ich glaube aus den Zeiten sind wir längst
• 11:16
  Speaker 1: raus.".
• 11:19
  Speaker 0: Ja jetzt haben wir die These aufgestellt und sie so ein bisschen teilweise belegt zu... es gibt zu viele Slides!
• 11:24
  Speaker 0: Wir haben über das Thema gesprochen, um sechsunddreißig Monatspläne, dass nämlich ein bisschen vorab sind, glaube ich nicht mehr oder seine These ist nicht mehr das, was es ist.
• 11:34
  Speaker 0: aber damit mir mal an diesen LinkedIn-Post mal ein bisschen mehr Futter bekommen und die Herleitung hinbekommen, nehmen uns mal step by step.
• 11:42
  Speaker 0: Jetzt hört uns ein Mittelständler zu.
• 11:44
  Speaker 0: Der sagt, du würdest ihm sagen, thirty-six Monatsplan macht überhaupt keinen Sinn?
• 11:50
  Speaker 0: Was wäre Schritt für Schritt deine Idee bei so einem Mittelständlern diese ganzen Themen zu etablieren und wie würdest du davorgehen?
• 11:57
  Speaker 1: Den Thirty-six Monaten Plan gibt es bei mir trotzdem bei so größeren Themen die sage ich jetzt mal eine weniger starke Volatilität haben oder wo auch der Handlungsdruck nicht so hoch ist, ERP Relaunch Wechsel vom CRM oder keine Ahnung, eine langfristige Hiring-Strategie.
• 12:16
  Speaker 1: Oder Aufbau von irgendwie internationalisierung aufbauen bei Produktportfolios.
• 12:21
  Speaker 1: Alles was irgendwie sage ich jetzt mal nicht so asset light ist.
• 12:24
  Speaker 1: Das total legitime da zu sagen.
• 12:25
  Speaker 1: Keine Ahnung das echte Warehouse bauen wir jetzt in den nächsten zwei Jahren und wir packen das mal auf ne Zeitschiene weil alle diese größeren Projekte auf so ne drei Jahre Trajektorie fressen ja auch man mentale Energie von verschiedenen Stake Holdern.
• 12:38
  Speaker 1: also bin ich immer ein Freund davon nichts Dinge auf einmal in der Luft zu haben, weil irgendein Ball fällt runter.
• 12:44
  Speaker 1: Also diese Roadmaps gibt es durchaus und die sollte man auch beibehalten um grob zu sehen was findet wann irgendwie statt allein festzustellen okay wir muss denn alles gleichzeitig an die Datentöpfe ran.
• 12:54
  Speaker 1: und ist der Case nicht gerade viel sexier geworden?
• 12:57
  Speaker 1: Weil im Grunde alle an die bereinigte CRM-Datenbank dran müssen und wenn man da ein bisschen auf thirty-sech Monatebene plant profitiert man davon.
• 13:06
  Speaker 1: sehr schwierig ist es im KI Kontext wo man jetzt sagt Bauen uns jetzt, das sagt ja niemand.
• 13:13
  Speaker 1: Die Gründe dafür sind andere.
• 13:14
  Speaker 1: Wir bauen es jetzt eiferst um wir machen unser eigenes Company GPT.
• 13:18
  Speaker 1: die Zeit klappt auch mal vor ein zwei Jahren.
• 13:20
  Speaker 1: Wir bauen alle unsere internen Prozesse um und jeder bekommt irgendwie persönlich zwanzig Assistenten.
• 13:24
  Speaker 1: bei der eine oder anderen Beratung ist so stattgefunden.
• 13:28
  Speaker 1: Da wäre ich jetzt bisschen skeptisch dass man aus dem Iststand heraus die nächsten drei Jahre vorplanen muss.
• 13:33
  Speaker 1: also die Erwartungen kommt natürlich sowohl an die Beratungen als auch an die Futuristen.
• 13:37
  Speaker 1: zu sagen sag mir wo die nächste drei jahre hingehen.
• 13:40
  Speaker 1: Ich wüsste niemand, der ernsthaft diese Trajektorie sauber vorkasten könnte.
• 13:46
  Speaker 1: Länger als zwölf Monate.
• 13:48
  Speaker 1: Wir leisen.
• 13:48
  Speaker 1: länger würde ich auch nicht planen.
• 13:50
  Speaker 1: Heißt nicht, dass ich nicht eine Hypothese auf längere Jahre hinweg wagen würde aber ich würde versuchen viel früher aus der Unsicherheit herauszukommen weil gerade die Planung ist ja ein Versuch... Ich gehe mal auf eine Metaebene.
• 14:02
  Speaker 1: kurz... ...Planung ist ein Versuchsunsicherheit zu reduzieren oder Risiko einzudämmen indem ich quasi gewisse Ereignisse mit einer gewissen Wahrscheinlichkeit vorhersehe oder sage, wenn ich gewisse Dinge tue passieren gewisse dinge weniger.
• 14:14
  Speaker 1: Das heißt, wenn nicht meine Hand hier nicht bewege fällt das Wasserglas nicht runter.
• 14:18
  Speaker 1: Schwierig wird es aber, wenn es hier Andau und Erdbeben gibt oder wenn keine Ahnung was es hier für Szenarien gibt.
• 14:25
  Speaker 1: Aber die Welt ist sehr kompliziert Und von daher glaube ich, dass es sehr schwierig zu sagen mehr Pläne dafür sorgen, dass du weniger Unsicherheit hast.
• 14:35
  Speaker 1: Das Gegenteil ist der Fall!
• 14:37
  Speaker 1: Diese Plänen suggerieren dir eine Form von Sicherheit die es de facto nicht gibt und du bleibst ja dann quasi im verfolgen des Planes weil dir diese Roadmap natürlich deine Zielerreichung verspricht.
• 14:47
  Speaker 1: Und wenn du keine klaren Exitpunkte hast oder Proxies, die dir sagen du bist noch on track Dann würdest du weitermachen mit diesem Plan auch wenn er dich in diesen Zielen nicht weiter führt und merkst an zwei Jahre später Ach krass wir haben gar keine CDP gebraucht ist dann aber halt einfach zu spät, das hättest du vielleicht vorher schon merken könnt.
• 15:03
  Speaker 0: Aber ist dein Credo die Themen grob zu planen?
• 15:10
  Speaker 0: Aber dann eher iterativ anzugehen?
• 15:14
  Speaker 0: durch unterschiedliche POCs machen wir nicht schon in unterschiedlichen Themen... Also was ändert sich an dieser Arbeitsweise?
• 15:21
  Speaker 1: Ich glaube es gibt nicht so wirklich oft Exzett-Szenarien also ernst gemeinte Exzettszenarie.
• 15:26
  Speaker 1: Was damit
• 15:26
  Speaker 0: gemeint?
• 15:27
  Speaker 1: Er?
• 15:27
  Speaker 1: gemeint ist dass du sagen würdest Jonas sagt, wer ist zuständig für das Projekt?
• 15:31
  Speaker 1: Das ist Jonas.
• 15:32
  Speaker 1: Und Jonas war es in die Exzett-Szenarien, die wir jetzt schon festlegen zu gewissen Zeitpunkten.
• 15:36
  Speaker 1: Was muss bis dahin erreicht sein?
• 15:38
  Speaker 1: was wäre für dich ein klares Kill-Kriterium
• 15:40
  Speaker 0: Fürs Projekt.
• 15:41
  Speaker 0: Fürs
• 15:41
  Speaker 1: Projekte Wer entscheidet dass du alleine plus maximal noch eine zweite Person und schon wär das Problem gelöst?
• 15:47
  Speaker 1: Sonst passiert was.
• 15:48
  Speaker 1: da werden Leute beauftragt dieses projekt Zu machen und dann sagt man kurz bevor es fertig ist Jetzt müssen wir nochmal nachkalkulieren.
• 15:55
  Speaker 1: große Überraschung hat ja niemand kommen sehen.
• 15:57
  Speaker 1: also ich glaube Geht ein bisschen um Ownership.
• 16:00
  Speaker 1: Und von daher musst du den Leuten die Möglichkeit geben, das gibt ja auch Leute, die das merken, dass das Projekt nicht nach Plan läuft.
• 16:06
  Speaker 1: aber du bist sehr stark incentiviert es weiter mit der der Methode zu versuchen, die du schon davor probiert hast weil dir jetzt niemand quasi High Five dafür gibt wenn du das Projekt cancels das heißt du muss alle Wetten erstmal gleichfertig betrachten um entsprechend halt frühzeitig zu sagen, okay mehr Ressourcen meines Teams jetzt auf die zweite Bette.
• 16:23
  Speaker 1: Weil die erste Wette hat sich überhaupt nicht ausgegangen und nicht noch mehr ressourcen rein in eine Wette, die nicht funktioniert.
• 16:30
  Speaker 0: Okay dann ist deine Empfehlung also eher in der agile Projektsteuerung zu kommen?
• 16:38
  Speaker 1: Genau mit weniger Agile Coaches.
• 16:42
  Speaker 0: Warum?
• 16:44
  Speaker 1: Weil auch da wieder die Methoden die Methode quasi vor dem Outcome steht.
• 16:48
  Speaker 1: Es gibt ein gutes Manifesto, was jetzt von Der Kürig und Gamem Gas Evangel rausgebracht worden ist von Commerce Tools wo es heißt Value Over Outcom Und das meinte ich auch mit den zu vielen Slides.
• 17:03
  Speaker 1: Also am Ende produzieren wir sehr viele Artefakte, die uns einen Gefühl davon geben dass wir produktiv sind.
• 17:08
  Speaker 0: Ja
• 17:09
  Speaker 1: Du kannst aber ganze Produktivität oder Value kannst du ja messen Am Geschäftsmodell des Unternehmens.
• 17:14
  Speaker 1: Das will heißen Da musst du dir halt ein Trashhold setzen, zu sagen wann es dieser Punkt erreicht.
• 17:18
  Speaker 1: Also wie tolerant ist man quasi bis Foofer Value klingt immer so kurzfristig gedacht.
• 17:24
  Speaker 1: aber auch bei Größenprojekten kannst du das machen.
• 17:26
  Speaker 1: also Wann gilt jetzt die Sales Force Einführung als erfolgreich?
• 17:30
  Speaker 1: Wenn das System steht oder wenn das System Wert kreiert?
• 17:32
  Speaker 1: und da muss man einfach ein bisschen ehrlicher sein mit sich selber und schauen wo erzeugt man denn hier wirklich einen Impact im Unternehmen.
• 17:39
  Speaker 0: Lass uns das mal konkret machen.
• 17:40
  Speaker 0: ich glaube dass für die Hörerinnen immer ganz wichtig K-Fünf und ist gar nicht negativ gemeint.
• 17:46
  Speaker 0: Und auf LinkedIn, gerade das ganze Thema Agenticommerce, ist es ja der Agenten.
• 17:52
  Speaker 0: Ist ganz wichtig, dass wir uns mit dem Thema beschäftigen.
• 17:55
  Speaker 0: jetzt welchen Händler, welchen produzierendes Unternehmen?
• 18:00
  Speaker 0: Und du müsstest irgendwie in so vier Wochen ... also ich würde dich als Berater buchen als Beispiel und sagen hey guck mir mal bitte wie du in vier Wochen schaffst, hier so einen Check zu machen.
• 18:12
  Speaker 0: Brauche ich das überhaupt?
• 18:14
  Speaker 0: Also ich hätte das Verständnis was du mir jetzt mitgibst, weil ich muss es iterativ machen... Was ist Schritt eins zwei und drei, wo wie du durchführen würdest?
• 18:23
  Speaker 1: Bei Genticommerce?
• 18:24
  Speaker 0: Bei genticommersecheck ja.
• 18:26
  Speaker 0: Also genticommerscheck bin ich überhaupt ready das zu tun!
• 18:30
  Speaker 0: Was viele ja glaube ich nicht checken würden sondern sie würden versuchen mit dir zu implementieren?
• 18:35
  Speaker 1: Genau.
• 18:36
  Speaker 0: Aber wir nehmen an, man will es erst mal überprüfen.
• 18:40
  Speaker 1: Man will es erstmal überprüffen?
• 18:41
  Speaker 1: Finde ich übrigens total legit so ranzugehen, würde ich sagen herzlichen Glückwunsch lieber Kunde!
• 18:46
  Speaker 1: Hast dich sehr gut entschieden jetzt hier kein Monsterprojekt raus zu machen sondern erstmal zu prüfen welchen Impact hat's.
• 18:51
  Speaker 1: Da gibt´s eine relativ einfache Metrik mit der man sich langtasten kann und zwar... Ich schaue mir einfach den Referral-Traffic an wo ich eindeutig nachweisen kann.. Es kommt von JetGPT oder Co.
• 19:01
  Speaker 1: dazu muss man wissen dass die Crawl to Click Ratio je nach Browser katastrophal ist dies bei Claude irgendwie eins zu paar zehn tausend und so weiter heißt.
• 19:11
  Speaker 1: man muss immer noch mit bisschen diesen Faktor mit einberechnen dass super viel auch aus dem korpus der modelle heraus betrachtet wird.
• 19:18
  Speaker 1: das zweite is was man natürlich immer machen kann ist sich genau diese quote anzuschauen zu sagen steigt dieser trafik also die zahl es bei allen gering?
• 19:26
  Speaker 1: ich zeigte ich sage genau andere zahlen gleich als kontrastpunkt bei fast allen geren irgendwo eben Null, fünf bis zwei Prozent Bereich ist so ein bisschen der Durchschnitt gerade im Moment.
• 19:35
  Speaker 1: Aber wie gesagt sehr trügerisch.
• 19:37
  Speaker 1: das bedeutet nicht zwingend dass sich nicht Leute auf diesem Thema informieren.
• 19:41
  Speaker 1: als mein erster Punkt was ich den Kunde fragen würde es auf welchen Aspekt von agentik-Commerce konzentrieren wir uns?
• 19:47
  Speaker 1: geht's die um den Checkout?
• 19:49
  Speaker 1: Geht's dir um irgendwelche Agentik-Fulfillment Themen die auch nicht ganz trivial sind oder den viel interessanteren Bereich der dich jetzt schon volle Möhre trifft und zwar Agentik Discovery?
• 19:57
  Speaker 1: Das bedeutet, würdest du überhaupt mitkriegen dass sich Kunden extrem stark über dein Produkt-Service oder Dienstleistungen informieren?
• 20:06
  Speaker 1: und hast du ein Gefühl dafür ob du da gut oder schlecht weg kommst.
• 20:09
  Speaker 1: Und die Antwort ist in neun von zehn Fällen natürlich keine Ahnung.
• 20:12
  Speaker 1: Da würde ich erstmal versuchen Sicherheit reinzubringen und Sicherheit nicht indem ich Slides zeige und Sicherheit indem wir das quantifizieren.
• 20:18
  Speaker 1: Das ist nicht ganz trivial weil wir natürlich auch die Fragestellung der Kunden nicht kennen.
• 20:22
  Speaker 1: Ich kann jetzt irgendwie random hingehen und irgendwelche Promzmonitoren Cool, dann habe ich Promz gemonitort.
• 20:28
  Speaker 1: So da gibt es gute Tools dafür die das machen.
• 20:30
  Speaker 1: aber ich würde als erstes wahrscheinlich mit Kunden sprechen oder im Customer Service rausfinden was gibt's für Fragestellungen die im Customer service ankommen?
• 20:37
  Speaker 1: Oder in User im Research und dann versuchen ähnliche Fragen mal in GPPT rein zu packen über Tools.
• 20:45
  Speaker 1: oder kann ich auch mal zum Start mal anfangen am selben Tag noch mit einer Excel Liste und dann mal eingeloggt nicht eingelockt unbedingt auch mit einem Google Gemini-Modell, weil da kommt extrem viel eben auch über die AI Overviews und gucken.
• 20:57
  Speaker 1: stehe ich da positiv oder negativ dar.
• 21:00
  Speaker 1: Und wenn ich da sehr negativ dastehe dann würde ich mal ganz schnell versuchen meine ganzen negativen Videos im Griff zu bekommen, weil sie kontaminieren natürlich so ein bisschen mein Sentiment als Marke extrem stark.
• 21:09
  Speaker 1: Damit würde ich erst mal anfangen bevor ich irgendwas über Produkte optimiere und dann muss sich natürlich meine Produktarten im Griff haben gute alte Stammtakenqualität.
• 21:20
  Speaker 1: Genau, und da sind natürlich jetzt Sachen wie conversational attributes die Google jetzt vor nicht allzu langer Zeit eingeführt hat.
• 21:26
  Speaker 1: Da sind natürlich sowas wie erweiterte Produktdaten.
• 21:30
  Speaker 1: wenn du jetzt sagst du suchst was für schmale Füße oder breite Schultern oder was auch immer sozusagen dein Dein Longquery letztendlich ist dann muss das ja irgendwo am Produkt dastehen.
• 21:39
  Speaker 1: weil woher soll sonst das Matching eines Chatbots der so ein bisschen sloppy deine Seite crawled oder auch deinen Feed?
• 21:47
  Speaker 1: Wissen viele nicht, dass im Chatchapity auch nur der Google Merchant Feed integriert ist.
• 21:51
  Speaker 1: Heißt den zu optimieren war schon immer eine gute Idee allein aus Kostengründen.
• 21:54
  Speaker 1: wie viel Geld man daraus gibt da würde ich ein bisschen genauer draufgucken.
• 21:57
  Speaker 1: aber ich denke die Zahlen kennst du auch.
• 21:59
  Speaker 1: Ich habe fünfzig Prozent der Händler haben halt ihren Google Merch also ihren Google Feed nicht im Griff.
• 22:03
  Speaker 0: Dann
• 22:03
  Speaker 1: würde ich halt damit anfangen.
• 22:04
  Speaker 1: wieder siehst du so ein bisschen Es sind immer wieder die Basics.
• 22:08
  Speaker 1: So, es sind auch die Seeo-Basics.
• 22:10
  Speaker 1: also du solltest nicht anfangen jetzt zu sagen ich optimiere jetzt Agent Visibility.
• 22:14
  Speaker 1: fangen wir mit Seeo an.
• 22:15
  Speaker 1: Also ich bin der Letzte der jetzt sagt Wir springen auf den Agente Commerce Hype Train Wir sind ja auch bewusst im ACA mit drin und unterstützen den Research Städter stattfindet weil wenn Du das nicht auf research specs deine Aussagen dann würde ich sagen bist Du einfach besser still Weil es ist tatsächlich sehr sehr sehr kompliziert da dedizierte Handlungsempfehlung zu geben.
• 22:33
  Speaker 1: was hat irgendwie ein trigger Welchen Part ich übrigens vergessen habe bei eins.
• 22:36
  Speaker 1: Ich würde erst mal schauen, darf denn GPD und Kohl überhaupt auf meine Webseite kommen?
• 22:39
  Speaker 1: Was gibt durchaus Firmen die durch eine recht rigorose Wortpolizie den ein oder anderen Wort aussperren, denen sie definitiv nicht hätten ausperren sollen?
• 22:53
  Speaker 1: Weil es nicht ganz chronologisch ist.
• 22:54
  Speaker 1: aber ich glaube...
• 22:55
  Speaker 0: Ja, lass mich das bisschen zusammenfassen.
• 22:58
  Speaker 0: Deine Aussage ist erstmal zu überprüfen ob die Basics überhaupt stimmen Die Nachfrage überhaupt schon.
• 23:06
  Speaker 0: bei dem jeweiligen Händler angekommen ist.
• 23:07
  Speaker 0: Also erst mal so ein wirklich sehr kurz Check, dann darüber über die Standards, die zu definieren sind wie Stammdaten, Merchant Feed und
• 23:16
  Speaker 0: Co.,
• 23:16
  Speaker 0: um dann eher über die schon langen gelernten Basics zu kommen womit du ja höchstwahrscheinlich den internen Teams zusprechen würdest weil sie es wahrscheinlich schon seit drei Jahren bete.
• 23:27
  Speaker 0: Genau,
• 23:27
  Speaker 1: wo ich gerade sagen will, CO Team sagt endlich hören Sie mir immer zu mit semanischem Kontext und Pillerstrategien usw.
• 23:35
  Speaker 0: Paul, du hast selber so ein bisschen die Zahl mitgebracht.
• 23:37
  Speaker 0: Also beschäftigen sich eigentlich hundert Prozent der Leute gerade mit dem Thema KI und sagen das ist der Zukunfttrend, der jetzt wichtig ist.
• 23:47
  Speaker 0: wenn man das aber mal runter bricht und sich anschaut und da gibt es eine spannende Studie zum Thema AI-Horwart investieren eigentlich nur im Schnitt durchschnitt wieder null Komma drei fünf Prozent der Unternehmen des Umsatzes sozusagen in
• 24:04
  Speaker 1: KI.
• 24:06
  Speaker 0: Was ist deiner Meinung nach die ehrlichste Aussage und warum ist diese Lücke eigentlich so groß?
• 24:13
  Speaker 0: Also, was gibt mir ein Statement zu dieser Lücke.
• 24:17
  Speaker 0: Warum ist die so...
• 24:18
  Speaker 1: Ach, die klafft irgendwie immer!
• 24:20
  Speaker 1: Ich habe ja zwei Herzen in meiner Brust.
• 24:22
  Speaker 1: Die erste sagt ich verstehe dass du in Zeiten großer Unsicherheit und Volatilität, also das war was ich ein bisschen meinte wenn sich alle sechs Monate alles verschiebt is der letzte Impuls des deutschen Mittelständlers erstmal sein Geldbeutel aufzumachen.
• 24:36
  Speaker 1: I get it.
• 24:36
  Speaker 1: Ähm, zu sagen jetzt warten wir erstmal ab was der Wettbewerber tut.
• 24:39
  Speaker 1: Spoiler nichts!
• 24:41
  Speaker 1: Also passiert auch bei... Nicht
• 24:42
  Speaker 0: aufzumachen und zuzumachten erstmal oder?
• 24:44
  Speaker 1: Nee erst mal quasi sagen da gehe ich jetzt mal ins Risiko.
• 24:46
  Speaker 1: Weil das ist zu viel Bewegung drin.
• 24:47
  Speaker 1: du siehst die Potenzial aber du denkst ich warte erstmal auf Best Practices.
• 24:51
  Speaker 1: So dann gucke ich mal was bei den anderen funktioniert und diskopiere ich weil es so ein bisschen so einen Reflex aus der Digitalisierung geworden ist.
• 24:57
  Speaker 1: Ob der also gut funktioniert bei dem Pace ob der Smartphone funktioniert weiß ich nicht.
• 25:02
  Speaker 1: Der zweite Was zweite Herz in meiner Brust sagt, Null Komma drei fünf Prozent ist so ein abstrakter Wert.
• 25:08
  Speaker 1: Ich hatte ihn ja in meiner Präsentation bisschen runtergebrochen auf das Einkommen eines Normalbürgers somit ungefähr Fünfzig Ka wäre das Netflix Abo.
• 25:19
  Speaker 1: Habe ich sagen und dann ist meine logische Ableitung zu sagen wenn mir denn jemand sagt er holt kein ROI aus KI raus?
• 25:26
  Speaker 1: Dann denke ich ja gut Du hast ja auch nichts investiert.
• 25:29
  Speaker 1: Also ich glaube, da ist gerade so ein bisschen Attitude Behavior Gap dass alle sehen das es zu einem riesen Thema ist.
• 25:34
  Speaker 1: diese hundert Prozent Stamme aus der EHI Studie die eigentlich nur sagen es ist der größte Technologie Trend.
• 25:39
  Speaker 1: du hast ähnliche Zahlen jetzt grad bei einer Handelsblattstudie gesehen wo es irgendwie in Achtzig bis Neunzig Prozent sind.
• 25:44
  Speaker 1: also alle sagen so ist nicht es ist nicht Meter Wurst.
• 25:47
  Speaker 1: ne aber Keiner weiß so richtig, worauf er jetzt seine Chip setzen soll auf dem Roulette-Tisch.
• 25:53
  Speaker 1: Alle sehen da dreht sich die Scheibe unglaublich schnell.
• 25:56
  Speaker 1: keiner weiß rot schwarz oder setze ich auf die auf die Dreiundzwanzigrot wenn die Rot wenn die dreiundzwzigerot sein sollte?
• 26:04
  Speaker 1: und dabei entsteht ein bisschen so eine Fatigue dass du wie bei der wie bei diesen großen Du magst ja gerne mit Haffern.
• 26:12
  Speaker 1: Ein bisschen wie wenn du vor diesem großen Wenn du mit deinen Kindern bei der Eisdiele stehst und sie haben sechzig Sorten Dann ist einfach durch Rekrobinaturik, das kostet sehr viel mentale Energie sich für einen Pfad zu entscheiden.
• 26:26
  Speaker 1: Entsprechend wer kann nicht verstehen dass man sich da zurückhält?
• 26:29
  Speaker 1: gleichzeitig glaube ich dass es fatane Chancen sind weil niemand sagt dass du jetzt alle Leute befähigen muss mit KI.
• 26:36
  Speaker 1: Niemand sagt dass die eine radikale AI First Strategie fahren muss als Mittelständler der irgendwelche Schrauben produziert.
• 26:43
  Speaker 1: Ich würde nur sagen, was wäre wenn du deine fähigsten Mitarbeiter?
• 26:46
  Speaker 1: Stefan Wenzel hat es ja auch auf der K-Five gesagt.
• 26:48
  Speaker 1: Zehn Prozent deiner Leute bauen hundert Prozent in deiner Zukunft.
• 26:50
  Speaker 0: Das ist ein cooles Rom, ja.
• 26:52
  Speaker 1: Brutal gutes Statement weil ich das unterstütze!
• 26:55
  Speaker 1: Und find mal raus, weil die zehn Prozent sind und geb denen mal ein bisschen Spielgeld.
• 26:59
  Speaker 1: Und null Komma.
• 26:59
  Speaker 1: drei fünf Prozent sind kein Spiel Geld.
• 27:01
  Speaker 1: das kann sehr matriangulieren mit einem hundert Millionen Unternehmen das ist keine halbe Million.
• 27:06
  Speaker 1: Das ist plus Minus irgendwie eins bis zwei Personen paar Toolkosten und irgendeine Basis Paragraf vier Schulungen damit.
• 27:13
  Speaker 1: Damit kann halt nicht viel passieren.
• 27:15
  Speaker 1: natürlich kannst du hoffen du gibst den Leuten die Business Account.
• 27:19
  Speaker 1: Und aus ihrer sage ich jetzt mal persönlichen Produktivität, die akkumuliert sich magisch zu irgendeinem Wettbewerbsvorteil.
• 27:26
  Speaker 1: Ach da glaube ich nicht so richtig dran!
• 27:28
  Speaker 1: Ich glaub du brauchst schon eine gewisse Zielrichtung und musst eben viele dieser kleinen Wetten platzieren um zu sagen Könnte KI nicht helfen dass der Vertrieb bessere Angebote schreibt?
• 27:37
  Speaker 1: Könnte KAI nicht helfen das wir weniger Kunden verlieren könnte oder kannst auch ohne KI.
• 27:42
  Speaker 1: was könnte uns dabei helfen?
• 27:44
  Speaker 1: und dabei landest du dann unweigerlich bei data bei KI Oder bei einer Frage dass du dir vielleicht vor zwei Jahren die falschen Tools als ans Beinen denken lassen.
• 27:53
  Speaker 0: Ich finde, wenn ich so ein bisschen drüber nachdenke.
• 27:57
  Speaker 0: Dein Eingangsstatement oder das was ich versucht habe dich am Anfang zu fragen ist auch getan hab.
• 28:02
  Speaker 0: es bist du der Problemlöser der ein Werkzeugkasten hat mit unterschiedlichen Themen.
• 28:07
  Speaker 0: und ich glaube wir haben immer noch verlernt dass wir auch bei Hypes einen Werkzeug Kasten haben wo bestehende Tools drin sind und wo neue Tools mit dazukommen.
• 28:18
  Speaker 0: Und wir sollten uns doch eigentlich die Probleme im Unternehmen anschauen, die wir nicht mit anderen Tools gelöst haben... ...und überlegen könnte jetzt da AI helfen?
• 28:27
  Speaker 0: Genau!
• 28:27
  Speaker 0: Ich glaube das ist ganz oft der Fall dass wir für Teilbereiche schon eine Lösung hätten.
• 28:33
  Speaker 0: Neues ERP einführen.
• 28:35
  Speaker 0: Wir wissen, wir brauchen neues ERP.
• 28:37
  Speaker 0: Dann musst du das nicht mit AI machen Sondern du weißt, du willst ein neues ERP.
• 28:41
  Speaker 0: Du kannst darüber Gedanken machen und bist so schneller in der Entwicklung also unterstützt du sozusagen das Tool selbst.
• 28:46
  Speaker 0: Ich hoffe keiner macht sich im Mittelstand darüber Gedanken.
• 28:48
  Speaker 0: über ein eigenes ERP System mit AI zu bauen gibt es bestimmt auch.
• 28:54
  Speaker 0: Das sind die Themen über die man sich beschäftigt.
• 28:56
  Speaker 0: ich glaube diese Grundlage diese Methoden Skills zu haben zu wissen, ich habe unterschiedliche Werkzeuge die ich immer mal wieder hinterfrage für unterschiedliche Probleme und kann itariieren.
• 29:08
  Speaker 0: Das ist glaube ich die Kunst, die viele verlernt haben.
• 29:10
  Speaker 0: Hundertprozent
• 29:11
  Speaker 1: lösungsagnostisch erstmal ranzugehen und zu sagen, hab' ich das Problem überhaupt richtig verstanden?
• 29:16
  Speaker 1: Weil ich kann sehr, sehr viele Probleme lösen, die keine sind so... Und dafür dann auch Beratungsmandate abrechnen aber es bringt niemand was!
• 29:22
  Speaker 1: Und am Ende sitzen alle da und sagen, habe ich mir mehr erhofft.
• 29:24
  Speaker 0: Ja und an vielen Stellen ist gar nicht böse gemeint bis der selber berater.
• 29:28
  Speaker 0: ich will bisschen ketzerisch Oftmals werden ja auch Berater dafür genutzt, Probleme aufzubereiten oder herzuleiten und darzustellen.
• 29:37
  Speaker 0: Was ja auch ein fairer Punkt ist weil diese Methodenkompetenz lernen Berater viel besser als vielleicht Personen im Unternehmen.
• 29:44
  Speaker 0: Und Auf der Basis müssten wir dann trotzdem hinkommen und ich glaube das passiert zu wenig dann zu überlegen, welches Werkzeug also das Mapping gegen welche Werkzeuge hat das Unternehmen schon erfolgreich eingesetzt?
• 29:56
  Speaker 0: und im Werkzeugkasten.
• 29:57
  Speaker 0: Und die Leute, die diese Werkzeige bedienen können und könnten damit gelöst werden.
• 30:02
  Speaker 0: Ich glaube dieser letzte Punkt und ich glaube es ist meine These jetzt bei deinen Sachen was du zu dieser Sechsembreisig-Monats-Robemaps sozusagen hast Wir müssen die Projekte klein schneiden oder die Themen klein schneidern auf drei Monate und immer wieder iterieren.
• 30:17
  Speaker 0: Gibt es jetzt auf dem Markt neue Tools, Änderungen in AI?
• 30:21
  Speaker 0: Dass sich die Probleme lösen kann ja oder nein?
• 30:23
  Speaker 0: Ja dann mach ich's Nein.
• 30:25
  Speaker 0: Dann gucke ich mir in drei Monaten wie das gleiche Problem hat Und dann kommst du eher in diese saubere Darstellung.
• 30:31
  Speaker 0: Wie du sagst, aufs Dreißigmonat will ich das ERP ablösen oder meine Stammdaten aufräumen.
• 30:36
  Speaker 0: Ob ich es dann am Ende mit einem Tool mache?
• 30:37
  Speaker 0: Oder mit der E-Machung?
• 30:38
  Speaker 0: Das wurscht aber ich überprüfe immer wieder iterativ ist es.
• 30:40
  Speaker 0: Hundertprozent
• 30:41
  Speaker 1: und vieles davon würde ich sogar so weit gehen dass du das automatisieren müsst.
• 30:45
  Speaker 1: also Beispiel du hättest ein Problem wo Du sagst das kann ja eben Coding noch nicht lösen Aber du hast ein Problem.
• 30:50
  Speaker 1: du weißt es existiert Ja Und du weisst es kann KI noch nicht Lösen.
• 30:53
  Speaker 1: Die falsche Ableitung daraus ist jetzt zu sagen okay das kann KI nicht.
• 30:57
  Speaker 1: Die richtige Ableitung wird zu sagen, aha ich baue mir einen automatisierten Test wo ich ideale Bedingungen schaffe.
• 31:04
  Speaker 1: Perfekter Kontext, perfekter Prompt, perfektem Kontext.
• 31:08
  Speaker 1: vom Repository ein End-to-Ends-Szenario vollautomatisiertes Testing umzuschauen ob die Maschine das Problem vollständig löst.
• 31:16
  Speaker 1: so richtig Oldschool Software Entwicklung Enterprise Style.
• 31:19
  Speaker 1: und dann sagst du es kommt ein neues Modell raus oder neuer Ansatz in der Architektur und ich teste sozusagen mit den neuen Modellgenerationen alle drei Monate wieder je nach Themenfeld vielleicht öfter, sozusagen nochmal gegen diese Hypothese.
• 31:30
  Speaker 1: Und dann kann es gut sein dass ich feststelle und zwar vor allen anderen und das reduziert Unsicherheit.
• 31:34
  Speaker 1: Das ist das erste was unsicherheit reduzieren weil du es messen kannst.
• 31:37
  Speaker 1: Weil du siehst Hoppla drei meiner zehn schwierigen Probleme die richtig Wertschöpfung produzieren.
• 31:41
  Speaker 1: Die nehmen diese Traveling Salesman-Themen aus der Logistik.
• 31:44
  Speaker 1: Okay krass KI kann das jetzt so wenn dir das ein halbes Jahr vor deinen Wettbewerbern rausfindest falls du halt die Testpipel eingebaut hast herzlichen Glückwunsch.
• 31:51
  Speaker 1: Dann kriegst du einen halben Jahr früher die Erlös gewinneter raus.
• 31:54
  Speaker 0: Aber dafür musst du glaube schon sehr vieles unternehmen
• 31:56
  Speaker 1: Das richtig.
• 31:58
  Speaker 1: Ich wollte nur noch mal drauf raus zu sagen, diese drei Monate müssen eigentlich gesunder Happy sein weil ich kenne immer noch Leute die sagen zu mir ja lovable ist halt so ein Spieltool und ich denke nee da kann man sehr seriöse Prototypen bauen bis zu dem Punkt wo du es an Kunden vertestest mit Smogetests.
• 32:12
  Speaker 1: So das würdest du jetzt vielleicht nicht in Production reinnehmen aber damit kannst du sehr valide Business Sympothesen überprüfen
• 32:17
  Speaker 0: Und könntest du das Projekt, was du vorhin angesprochen hast.
• 32:19
  Speaker 0: Was lange läuft und wo du keine Exizzenarien hast halt eher vorherabrecht?
• 32:23
  Speaker 1: Hundert Prozent weil da werden so viele Sachen in Produktion geschoben auch in Softwareprodukte.
• 32:27
  Speaker 1: wo du sagst wollen wir nicht erst mal User fragen ob die die gut finden bevor wieder irgendwie ein Enterprise-Projekt ausmachen?
• 32:32
  Speaker 1: Du kannst jetzt halt von Paper Prototype, User Research Das kannst du alles verkürzen auf eins zwei Tage und direkt mit den Prototypen rausgehen und Nutzer in realtime fragen ob sie das gut finden Bevor du halt irgendwas ungetestete Ships.
• 32:45
  Speaker 0: Jetzt haben wir festgestellt, dass der Handel gerade, es hat glaube ich auch Stefan auf der Bühne gesagt, massive Probleme mit Marge hat.
• 32:54
  Speaker 0: Die gar nicht mehr so viel Geld haben.
• 32:55
  Speaker 0: jetzt hat jeder Mittelständler wirklich überhaupt einen Ziv-Ohr wenn du ein bisschen aus deren Prickwinkel und versuchst jetzt sozusagen das zu pitchen und sagen Warum soll ich jetzt grade noch in die AI investieren?
• 33:09
  Speaker 0: diese Investition tätigen, hast du ja gerade eben vorhin gesagt gehabt.
• 33:13
  Speaker 0: Kannst du mir das um neunzig Sekunden den CFO-Pitch machen?
• 33:16
  Speaker 1: Für AI?
• 33:17
  Speaker 0: Für das Thema AI,
• 33:20
  Speaker 1: ja!
• 33:20
  Speaker 1: Ich würde sagen die Zeit läuft... AI ist erstmal eine Variable für Technologie, moderne Technologie im Lösen von Problemen.
• 33:33
  Speaker 1: und ich würd sagen hast du eine bessere Wette?
• 33:37
  Speaker 1: dann würde wahrscheinlich keine Antwort kommen.
• 33:39
  Speaker 1: Dann würde ich sagen super.
• 33:40
  Speaker 1: Und jetzt lass uns runterdrillen, wo die Wette den größten Hebel hat.
• 33:43
  Speaker 1: Weil macht keinen Sinn mit irgendwas anzusetzen, wo es nicht wirklich an den Kernprozessen ist, da hast du ja auch einen guten Take drauf mit deinem Vortrag Captur auf der K-Find.
• 33:50
  Speaker 1: Also ich würde wirklich sagen lieber Herr CFO wir würden uns wahrscheinlich noch nicht duzen.
• 33:55
  Speaker 1: Ich würde versuchen sehr viele kleine Betten auf einem kurzen Zeithorizont tatsächlich zu parallelisieren vielleicht sogar verschiedene Ansätze darauf, um sehr schnell herauszufinden was fliegt und was nicht.
• 34:06
  Speaker 1: Mit welchem Aufwand?
• 34:07
  Speaker 1: Man wird überrascht sein dass sehr viele kleine Wetten auch mit der EI sehr schnell Produktivitätsgewinne bringen oder sich in Produktivität umsetzen lassen oder in Produktion genommen werden können.
• 34:18
  Speaker 1: Und darauf basieren würde ich sagen super wenn wir diese Sicherheit gewonnen haben vergrößern wie die Wette aber wir vergrössern die Wetter nicht per se.
• 34:25
  Speaker 1: von daher wäre wahrscheinlich das CFO in meinem Team Ich würde sagen, mir gefällt der risikoreduzierende Ansatz vom Herrn Krauss.
• 34:32
  Speaker 1: Weil er nicht gleich irgendwie ein Millionenprojekt aus Personalisierung macht sondern sagt wir würden erstmal mit den Daten anfangen die wir schon haben und versuchen welche zwei Datentöpfe wir zusammenpacken können und wie wir daraus irgendwie ein Business Value ziehen kann oder einen Datenprodukt machen was wird direkt operationalisieren.
• 34:46
  Speaker 1: Und dann bauen wir den nächsten Schritt und dann bauen wieder nächsten Schritt um auf diese thirty-sech Monate Roadmap zu kommen zu sagen Die gibt es schon noch aber mein Anspruch wäre schon dieses ROI.
• 34:54
  Speaker 1: auch der Handel Gibt niemandem Handel, der nicht sagt, ich will ein Case, den ich mindestens in zwölf Monaten Erboei hatte.
• 34:59
  Speaker 1: Ich finde das schade weil ich find's schöner wir hätten manchmal größere Planungs- und Zeithorizonte gerade für neue Erlösströme.
• 35:06
  Speaker 1: aber wenn sag' ich mal mit der Hand am
• 35:09
  Speaker 0: Arm... Sorry dass ich da jetzt renke jetzt aber es ist nicht kontrovers.
• 35:12
  Speaker 0: zu dem Thema dass du sagst du willst nicht lang planen.
• 35:16
  Speaker 1: Ich will schon lang planen, ich will nur nicht lange planen bis Ergebnisse kommen.
• 35:20
  Speaker 1: Weil ich finde es halt sehr frustrierend wie sich diese Sachen dann in die Länge ziehen und die Leute ohne irgendeine Sicherheit weiter an eine Hypothese arbeiten, die sie zu keinem Zeitpunkt überprüft haben.
• 35:31
  Speaker 1: Darauf würde ich gerne hinaus.
• 35:33
  Speaker 1: also du kannst halt das hast du vor zehn Jahren gemacht dass du da Herrscher einer Entwickler auf irgend so eine eigene Entwicklung darauf gesetzt hast.
• 35:40
  Speaker 1: Du hattest gerade mit dem ERP wo sich jemand selber sein ERP baut wo ich denke An welchem Punkt entscheidest du, dass das eine gute oder schlechte Idee war?
• 35:48
  Speaker 1: Spoiler viel zu spät.
• 35:50
  Speaker 1: Also du brauchst halt viel bessere Inkriminalität und grad.
• 35:54
  Speaker 1: bei Eiprodukten kannst du ja super schnell validieren ob es funktioniert.
• 35:57
  Speaker 1: dann kannst du gucken.
• 35:58
  Speaker 1: lässt sich so übertragen auf weitere Bereiche?
• 36:00
  Speaker 1: Dann kannst du schauen okay kriege ich den Wert gemessen Ja oder nein?
• 36:04
  Speaker 1: Selbst wenn ich's nicht gemessen bekomme.
• 36:06
  Speaker 1: ist es positiv für Kundenzufriedenheit oder Mitarbeiterzufriederheit?
• 36:09
  Speaker 1: Super da mache ich mehr davon versus weniger davon.
• 36:11
  Speaker 1: aber es kommt immer durch dieses Schnelllernen Und ich glaube, dieses schnelle Lernen haben wir nicht verlernt.
• 36:17
  Speaker 1: Aber ich glaub', wir sind noch nicht incentiviert, dass sich sagen kann und wie war dann ja ... Ich hab super viel gelernt!
• 36:23
  Speaker 1: Er sagt niemand Ja, super!
• 36:24
  Speaker 1: Das will ich wissen.
• 36:25
  Speaker 1: Umsatzzahlen sehen.
• 36:26
  Speaker 1: aber ich glaube es gibt eine sehr gute Korrelation die noch nicht genug erforscht ist zwischen schneller Lernkurve- und Umsatzwachstum.
• 36:33
  Speaker 1: Wenn man sich bei Startups anguckt, wie's funktioniert, glaube ich können große Konzerne ein bisschen von diesem Fail Forward Approach lernen.
• 36:44
  Speaker 0: Ich habe mir so ein bisschen im Vorfeld auch noch mal meine alten Folgen durchgelesen.
• 36:49
  Speaker 0: Mit meinen Transkripten, die in Klo liegen.
• 36:50
  Speaker 0: Die
• 36:51
  Speaker 1: hab ich gerade nicht.
• 36:52
  Speaker 1: Ja
• 36:53
  Speaker 0: und hat dann über bei der IHK Sicht alle Kennedy Industrie- und Handelskammer war es ein bisschen.
• 37:00
  Speaker 0: KI ist nicht so erstes Problem was sich nachvollziehen kann.
• 37:03
  Speaker 0: Einblickwinkel auf der anderen Seite hat Autoactive.
• 37:06
  Speaker 0: Autoactive ist glaube ich doch schon veröffentlicht worden.
• 37:09
  Speaker 0: So KI braucht bessere Datenstrukturen.
• 37:13
  Speaker 0: Wir kommen jetzt hier über deine Sicht, über deine Strategierichtung wieder genau einen gleichen Punkt an.
• 37:21
  Speaker 0: Daten sind der Engpass.
• 37:25
  Speaker 0: Es predigen eigentlich alle.
• 37:26
  Speaker 0: Wir haben es vor uns ein bisschen angeschnitten aber warum startet der Mittelstand dann immer wieder wie jetzt am Modell und nicht an den Daten?
• 37:36
  Speaker 0: Was ist der Punkt auf dem wir uns beide in diesem Meeting committen?
• 37:39
  Speaker 0: können das verstanden wird dass dass nicht das Problem ist.
• 37:44
  Speaker 0: Oder sehen wir beide es falsch oder ich falsch und sage, es sind nicht Daten, es ist das Modell mit dem uns beschäftigen.
• 37:51
  Speaker 1: Ich glaube auch die Geschwindigkeit.
• 37:56
  Speaker 1: Also das Schöne bei Modellen ist ja du kannst sagen so was ist jetzt rausgekommen?
• 37:59
  Speaker 1: Das Fünf-Punkzechs-Sole ist raus gekommen da mache ich ein Benchmark drüber, das kann ich in meinem Chatbot, kann ich das auswählen, kann ihm irgendwie hohe Reasoning Power geben der Aufgabe wo ich vorher das Gefühl hatte... bewusste Formulierung.
• 38:11
  Speaker 1: Ich hatte das Gefühl, ich kann es nicht quantifizieren ist ein anderes Problem wo ich sage und jetzt machtes Modell folgendes besser schlechter.
• 38:18
  Speaker 1: Das ist besser als das.
• 38:19
  Speaker 1: Das Modell kostet weniger als das.
• 38:21
  Speaker 1: Leute können sehr leicht quasi sagen dieses neue Produkt hat für mich folgenden hypothetischen Mehrwert ob das stimmt oder nicht Sehen wir uns beide, glaube ich, gleichermaßen skeptisch.
• 38:30
  Speaker 1: oder jetzt kommt irgendwie ein Chemie Modell raus wieder mit so einem MOE-Ansatz was zu deutlich kleineren Kosten ähnlich Ergebnisse produziert.
• 38:36
  Speaker 1: Cool aber welches Problem lösen wir eigentlich?
• 38:39
  Speaker 1: Also man versucht natürlich immer mit Kanonen auf Spatzen zu schießen.
• 38:45
  Speaker 1: also Fable ist ein super mächtiges Modell aber du brauchst... breit viertel aller modelle probleme.
• 38:50
  Speaker 1: halt kein fabel model sondern der reicht irgendeins was du lokal ausführen kannst.
• 38:53
  Speaker 1: also ist auch diese ganze datenschutzdebatte total hier in risik.
• 38:57
  Speaker 1: und ich glaube das datenproblem ist wie bei data storytelling auch die leute verstehen du kannst ja nicht sagen ich verkaufe jetzt datenqualität.
• 39:04
  Speaker 1: das wäre ein richtig schlechtes geschäftsmodell.
• 39:06
  Speaker 1: aber dann müsstest leuten erst mal super lang erklären was das ist wie du es misst und dann quasi wie du's dann auch noch Vorher nachher so und damit sozusagen kommt es auf eine Freiwilligkeit raus.
• 39:17
  Speaker 1: Und auch diese Wechselkosten von einem Modell auf das andere.
• 39:20
  Speaker 1: Die Diskussion ist einfach viel leichter, ich kann ohne mich mit dem Thema beschäftigen zu können, kann nicht über Modelle mitreden allein wenn ich irgendwie die dpa irgendwie rezeptiere so aber jetzt auf Datenqualität oder irgendwie auf solchen Themen mitrede zu müssen haben muss sich schon Richtig Ahnung von haben weshalb ich mich bei datenthemen auch immer ungern aus dem Fenster lehne weil Ich merke schon an meinem gegenüber.
• 39:41
  Speaker 1: ok jetzt fängt mein gefährliches halbwissen an und Jetzt stelle ich lieber eine frage als eine antwort zu geben.
• 39:49
  Speaker 0: Ich versuche gerade eine passende analogie, vielleicht kannst du mir dabei helfen?
• 39:55
  Speaker 0: Ich habe immer noch den eindruck dass viele im mittelstand verstanden nicht verstehen das genai Bei chat gbt eine email schreiben mal meine Excel-Tabelle analysieren, mir mal eine Excel Tabelle erstellen.
• 40:11
  Speaker 0: Nicht der Use Case ist, der Mehrwert im Unternehmen
• 40:15
  Speaker 0: bringt.".
• 40:15
  Speaker 0: Ich sage dem Beispiel und warum ich das sozusagen bei mir nochmal mehr erkenne.
• 40:19
  Speaker 0: Es hat viele haben gesehen gehabt dass ich viel zum Thema Cloud auf LinkedIn gepostet habe und am Anfang hab' ich genau das gemacht.
• 40:27
  Speaker 0: Ich hab' E-Mails geschrieben, hab mich darüber gefreut, hab irgendwann angefangen mal zu überlegen wie kann ich denn überhaupt die im Schreibstil erstellen, dann habe ich das in meinem Schreib-Stil gemacht.
• 40:40
  Speaker 0: Das hat gut funktioniert.
• 40:41
  Speaker 0: und irgendwann bin ich auf den Gedanken gekommen, wart mal... ...das Thema Rack.
• 40:47
  Speaker 0: also sozusagen auf Unternehmensdaten zu gehen und die zu verwenden.
• 40:51
  Speaker 0: Kontext zu setzen ist eigentlich der wichtigste Punkt.
• 40:53
  Speaker 0: Wir Menschen brauchen Kontext, die Maschine braucht auch Kontext.
• 40:57
  Speaker 0: So ein ganz simpel Gespräch.
• 40:58
  Speaker 0: Dann habe ich jetzt Obsidian dran geschalten für alle, die es nicht kennen, so einen Markdown-Tool Einfach erklärten Notizen, nicht ein Notizen-App wo die KI jetzt ihre Notizen strukturiert ablegen kann.
• 41:11
  Speaker 0: Das habe ich jetzt gemacht.
• 41:12
  Speaker 0: da gibt sozusagen den Podcast Bereich, Transkriptebereich dann pro Folge wieder die Kerninteresse usw.
• 41:19
  Speaker 0: und sofort mit diesem Schritt diese Daten sauber aufbereitet zu haben war bei mir vielleicht einen Wochenende Arbeit es wieder neu aufzusetzen und das zu denken dass ab jetzt entsteht der wirklich messbare Mehrwert im Unternehmen und dem Podcast geben.
• 41:39
  Speaker 0: Und ich glaube diesen Schritt sehen viele Unternehmen nicht, jetzt können wir mal vorhin im Vorgespräch darüber diskutiert.
• 41:44
  Speaker 0: klar im Mittelstand und im Konzern bedeutet das Datenschutz zu hinterfragen Prozesse aufzusetzen zu überlegen.
• 41:50
  Speaker 0: darf ich das überhaupt?
• 41:51
  Speaker 0: ja fair aber wenn man uns viele Unternehmen angucken haben die schon Microsoft im Einsatz.
• 41:57
  Speaker 0: die haben Co-Pilot.
• 41:59
  Speaker 0: Ich weiß, wir haben alle über Co-Pilot gelacht.
• 42:00
  Speaker 0: Aber jetzt ist Entropic im Hintergrund sozusagen.
• 42:02
  Speaker 0: Kannst du auswählen?
• 42:03
  Speaker 0: Das sind Modelle die ordentlich funktionieren und das ist der Mehrwert.
• 42:06
  Speaker 0: Und jetzt merke ich aber dieses Mal E-Mail schreiben ist einfach mal eine große Kundschulung gegeben ist einfach.
• 42:12
  Speaker 0: Aber mal des Gehirn aufgebaut zu haben den Kontest zu setzen aus den Antworten wieder zu lernen diesen Feedback Loop einzubauen Da entsteht Mehrwert und es traut sich keiner.
• 42:24
  Speaker 0: Ich glaube, das sind die Schmerzen, die viele nicht bereit sind einzugehen und ich verstehe mich, verstehe nicht warum?
• 42:29
  Speaker 0: Weil wenn du das diskutierst und da mal ein Euro dran legst...
• 42:33
  Speaker 1: ...hundert Prozent!
• 42:34
  Speaker 1: Dann
• 42:34
  Speaker 0: entsteht mehr Wert.
• 42:35
  Speaker 1: Hundert Prozent.
• 42:36
  Speaker 1: Ich glaub was im Subtext bei dem mit schwenkt ist ja diese Graduelle, und das ist genau dieses Graduelle Reduzieren von Unsicherheit was du beschreibst.
• 42:46
  Speaker 1: Das ganze jetzt auch auf einer abstrakten Ebene.
• 42:48
  Speaker 1: kann man deine Lernkurve komplett übertragen.
• 42:50
  Speaker 1: also erstmals es rein Exploratives was geht und was geht nicht.
• 42:53
  Speaker 1: dann findest du raus okay?
• 42:54
  Speaker 1: Du kannst ein bisschen mit Prompt tweaken die Prompt Engineering Phase dann zu sagen schreibt meine E-Mail so und so na du bist einen XYZ Roll Prompting und so.
• 43:02
  Speaker 1: Dann fängst du an irgendwie mit Kontext engenieren weil du merkst ok es kann größere Kontext Fenster verarbeiten bis du nen Punkt wo du merkst Eigentlich nicht mehr der limitierende Faktor, auch wenn es sicherlich noch so was gibt wie eine Dumbzone im Coding.
• 43:13
  Speaker 1: Aber jetzt für sage ich mal normale OfficeWars mit UseCases entspannt, aber was sich ein bisschen anerkennend sagen wollte, das habe ich bei der CFO-Frage noch nicht.
• 43:25
  Speaker 1: Die Leute wollen die Ergebnisse haben bevor sie ... Das Grund, da sind wir wieder.
• 43:32
  Speaker 1: bevor sie das Grundproblem verstanden haben und ich glaube das Grund Problem ist die Erwartungshaltung ist weil die Technologie so barrierefrei ist entsteht der Eindruck dass es jeder sofort kann.
• 43:40
  Speaker 1: Das ist aber nicht so.
• 43:41
  Speaker 1: also erst mal sehr schwer eine Zielrichtung zu formulieren im Promt.
• 43:45
  Speaker 1: Es geht jetzt weniger um Promten als klarer Intent.
• 43:48
  Speaker 1: Also klar zu sagen, was ich möchte.
• 43:50
  Speaker 1: Was ich nicht möchte, Narrowing zu sagen woran mäßig das?
• 43:53
  Speaker 1: Was erwarte ich für eine Struktur
• 43:55
  Speaker 1: etc.,
• 43:55
  Speaker 1: pp egal ob es jetzt Daten sind oder ein Bericht über die richtigen Eingrenzung zu sagen was ich erwarte in welchem Scope.
• 44:02
  Speaker 1: Das erfordert so ein bisschen Frontloading, was wir auch im Coding sehen, dir zu überlegen vorher was du willst und eigentlich quasi das ganze Retrieval und die Zusammenfassung von Informationen indirekt dem System zu überlassen.
• 44:14
  Speaker 1: Aber das ist ja ein Learning bei dir wie bei mir gleichermaßen, dass du das so oft manuell gemacht hast dieses Zusammensuchen.
• 44:20
  Speaker 1: Dass du dir irgendwann denkst es muss smartere Wege geben, das quasi strukturell einmal zu lösen und ich glaube du kannst das nicht ohne die Lernkurve machen.
• 44:28
  Speaker 1: natürlich kannst du jetzt zu Jonas gehen und sagen Jonas wer ist du das gebaut?
• 44:31
  Speaker 1: Ich möchte das auch haben sehr smart.
• 44:33
  Speaker 0: Ja komm in meine WhatsApp
• 44:35
  Speaker 1: Gruppe oder halt zu sagen okay möglichst viele Leute müssen diesen Weg für sich individuell durchgehen.
• 44:41
  Speaker 1: dann brauchst du ein bisschen mehr Investitionen in Abskilling.
• 44:47
  Speaker 1: Also die Technologie ist barrierefrei ja, aber ab irgendeinem Punkt bekommen Leute Probleme.
• 44:53
  Speaker 1: Das können mentale Modellprobleme sein.
• 44:55
  Speaker 1: also nicht Modell-Probleme sondern mentale Model-Probleme.
• 44:58
  Speaker 1: das können irgendwie Artikulationsprobleme sind.
• 45:00
  Speaker 1: es können Grundlagenthemen sein.
• 45:02
  Speaker 1: dass ich mich mit ein paar Themen beschäftigen muss und du musst eigentlich die Leute in deinem Team in die Lage versetzen Die besten zehn Prozent das die wenn die Staxe nicht alleine sind Weil du kannst nicht von jedem verlangen, sodass er so einen eigenen Antrieb hat wie du.
• 45:14
  Speaker 1: Das ist eher die Ausnahme.
• 45:15
  Speaker 1: das ist die ein Prozent was es mit den anderen fünf und zwanzig jene realistische Chance hätten dass quasi eine Alltag zu inkorporaten.
• 45:22
  Speaker 1: die bekommen halt keine Tools bekommen.
• 45:24
  Speaker 1: wir geht's mit Copilot und Copilote hat sie jetzt die letzten ein zwei Jahre ein bisschen im Stich gelassen.
• 45:28
  Speaker 0: ja vielleicht hilft der Satz Modelle sind für jeden zugänglich Die eigenen historischen und aktuellen Daten nicht.
• 45:43
  Speaker 0: Die Modelle sind für alle zugänglich und die Eigen- und historische Daten nicht.
• 45:46
  Speaker 0: Und dann siehst du doch eigentlich Moe, der Mehrwert für die Unternehmen liegt.
• 45:51
  Speaker 1: Wunderprozent!
• 45:52
  Speaker 0: Wenn Du den nicht hebst, dann hast Du sozusagen verletzt dem Wettbewerb.
• 45:58
  Speaker 0: Das ist Dein großer Wettberwärtsvorteil oder deswegen der Wettbetwerbsvorteile von vielen Unternehmern.
• 46:04
  Speaker 0: Ich glaube das wird nicht verstanden.
• 46:08
  Speaker 0: Da ist der Punkt wo wir ansetzen müssen weil da handelt immer noch viel zu wenig Leute.
• 46:13
  Speaker 1: Weshalb der Podcast-Titel auch ja so gut gewählt ist.
• 46:16
  Speaker 1: Den werde ich
• 46:16
  Speaker 0: auch nicht erinnern, ne?
• 46:17
  Speaker 0: Genau!
• 46:17
  Speaker 1: Setzt ihr auch voraus dass man mal eine Baseline hat.
• 46:19
  Speaker 1: also was sind denn gute Daten und was macht bessere Daten aus?
• 46:23
  Speaker 1: das sehe ich ja hoffentlich nur an der Wertschöpfung oder der Anwendungen.
• 46:26
  Speaker 1: Daten sind ja nicht per se besser sondern eher in ihrer Nutzung quasi durch Kombinatorik oder durch sonstige Anwendung.
• 46:32
  Speaker 0: Paul es gibt immer zwei Fragen die ich ja jedem stell.
• 46:36
  Speaker 0: den einen Punkt ist Was machst du privat mit Daten und welchen Filmtitel würdest Du deinem Data Game geben?
• 46:41
  Speaker 0: Ich gebe und würde aber einmal die Folge mit einem Fazit belegen.
• 46:46
  Speaker 0: Ich versuche immer im Kopf, meinen eigenen Klo anzuschmeißen und zu überlegen wie kriege ich das noch mal zusammengefasst?
• 46:52
  Speaker 0: Und dann sagst du mir auch ob ich das richtig sozusagen sagen
• 46:54
  Speaker 1: soll.
• 46:54
  Speaker 1: Lieben gerne!
• 46:58
  Speaker 0: Deine These ist dass wir... Wir brauchen mit deiner These gar nicht so reißerisch sein weil deine Aussage ist wir brauchen weiterhin thirty-six Monate Planungshorizont oder vierundzwanzig Monate Planungshorizont.
• 47:11
  Speaker 0: Aber viel entscheidender ist es selber trauen, iterativ unseren Werkzeugkasten immer wieder zu überprüfen.
• 47:19
  Speaker 0: Auch die gleichen Werkzeuge weil die Werkzeugen, die da drinnen sich jetzt über die Zeit schneller ähm, iterieren und besser werden.
• 47:26
  Speaker 0: das heißt es ist ein Problem.
• 47:27
  Speaker 0: was ich vor drei Monaten nicht gelöst habe kann Ich jetzt mit meinem Werkzeug lösen.
• 47:31
  Speaker 0: Das war früher nicht so.
• 47:33
  Speaker 0: Ich muss wissen Was für'n Werkzeug Kasten ich habe?
• 47:34
  Speaker 0: Ich Muss wissen wer fähig ist diesen Werkzeug kasten Zu bedienen.
• 47:38
  Speaker 0: Skills.
• 47:39
  Speaker 0: Und dann soll ich mich auch Trauen Probleme mal sein zu lassen und Projekte zur Hinterfragen, weil die nicht immer zwangsweise bis zum Ende durchgezogen werden müssen.
• 47:51
  Speaker 0: Zusätzlich dazu sind es immer noch die Basics über die man sich unterhalten sollte.
• 47:56
  Speaker 0: aber das ist meistens nicht der Einstieg um das C Level und um die Inhaber wach zurückkehlen, weil sie natürlich gerade den aktuellen Hype sehen.
• 48:03
  Speaker 0: Und jetzt würde ich mich selber zitieren.
• 48:05
  Speaker 0: Aber wenn wir diese These aufstellen dass Modelle für alle zugänglich sind und die eigenen Daten eben nicht.
• 48:15
  Speaker 0: Sollten wir uns hinterfragen, wo der wirkliche Mehrwert entsteht und dann sollten wir uns nochmal hinterfragen ob wirklich im Durchschnitt Null Komma drei fünf Prozent des Umsatzes dazu führt dass wir wirklich einen großen Mehrwert dafür kriegen.
• 48:26
  Speaker 0: Wir müssen uns trauen und mehr die Leute Enablen zu verstehen was für eine Technik wir haben und wie sie funktioniert.
• 48:32
  Speaker 0: das wird Dann in den Punkt kommen so wie du es im CFO erklärt hast wirklich Projekte anzugehen.
• 48:39
  Speaker 1: Amen sollte man vielleicht einführen immer Sonntags prädigt
• 48:43
  Speaker 0: Ja, danke.
• 48:44
  Speaker 0: So jetzt die zwei Fragen.
• 48:45
  Speaker 0: Private Daten und Filmtitel.
• 48:46
  Speaker 0: was würdest du da zu sagen?
• 48:48
  Speaker 1: Bei privaten Daten ist es schwierig weil ich glaube nicht dazu neige mich zu tracken.
• 48:54
  Speaker 1: also ich habe nicht den Whoop Case Die gleiche.
• 48:57
  Speaker 1: aber die interessante Frage ist ob ich auf meine eigenen Daten überhaupt gucken
• 49:01
  Speaker 0: würde.
• 49:01
  Speaker 1: Nee das was Du sagtest Modelle sind zugänglich Aber die eigenen Daten Und die historischen Daten halt nicht.
• 49:09
  Speaker 1: Und ich glaube, dass ein großes Potenzial in der Zukunft da liegt.
• 49:13
  Speaker 1: Da hatten wir auch schon mal drüber gesprochen über Datensouveränität auf einem sehr persönlichen Level.
• 49:19
  Speaker 1: Ich weiß du bist ja auch investiert in die eine oder andere Formate zu sagen eigentlich musst du einen Weg finden wie mir meine eigenen persönlichen Daten zugänglich sind und wie ich die volle Kontrolle darüber habe mit wem ich welche Daten teile.
• 49:29
  Speaker 1: weil da hängt gerade so ein bisschen meine Bereitschaft mit Daten zu arbeiten in vielen Use-Cases nicht bereit bin, noch mehr meiner Daten zu teilen.
• 49:39
  Speaker 1: Und ich erst mal erwarte, dass die Daten, die gewisse Plattformen von mir schon haben besser Utileist werden.
• 49:44
  Speaker 1: und ich weige mich jetzt noch mehr Röntgenbilder und persönliche Krankheitshistorien und so da hochzuladen.
• 49:51
  Speaker 1: Ich sehe den Mehrwert, gibt auch den Podcast von Sascha Lobo ob ich glaube jetzt nicht dran das ich noch mehr Daten ins Systeme reinschippen muss?
• 49:59
  Speaker 1: Ich glaube, dass mir Systeme erstmal mehr Daten zurückgeben sollten und vor allem eine Kontrolle darüber wer meine Date noch hat Genau.
• 50:06
  Speaker 1: Da ist noch ein riesiges Lösungs ... Ein offenes Lösungsfeld, das sich noch niemand dran gepackt hat, weil es mit sehr vielen unangenehmen Fragen verbunden ist, wenn man sich einmal an dieses Strapetal bewegt.
• 50:17
  Speaker 1: Ja.
• 50:19
  Speaker 0: Filmtitel?
• 50:20
  Speaker 1: Habe ich lange überlegt.
• 50:22
  Speaker 1: Ich war irgendwo zwischen Matrix und Truman Show.
• 50:26
  Speaker 1: tatsächlich habe ich mich aber am Schluss
• 50:27
  Speaker 0: entschieden.
• 50:28
  Speaker 0: Okay!
• 50:29
  Speaker 0: Weil?
• 50:31
  Speaker 1: Weil bei Truman Show interessant ist, dass desto länger sind man sich mit Dingen beschäftigt.
• 50:35
  Speaker 1: Man erkennt halt Muster.
• 50:36
  Speaker 1: Das finde ich an dem Ding interessant.
• 50:38
  Speaker 1: Die fällt ja dann irgendwann auf.
• 50:39
  Speaker 1: Dass immer zu einer gewissen Uhrzeit Leute vorbeilaufen.
• 50:42
  Speaker 1: Das wäre ihm gar nicht aufgefallen, wenn er diese Pattern irgendwie erkennt oder ... Ich habe es auch nicht mehr jedes Detail irgendwie mit drin.
• 50:49
  Speaker 1: und das du am Ende merkst, okay Daten steuern unglaublich viel deines Alltags?
• 50:56
  Speaker 1: ist egal ob du den kredit kriegst ob du nicht den krediten kriegts ob du welches werbemittel du ausgespielt bekommst unterwegs was für ein preis du bekommest bei irgendeiner reise wenn du auf booking.com unterwegs bist.
• 51:06
  Speaker 1: und also desto länger du dich mit diesem thema beschäftigst, desto mehr kommst du halt an diese diese kuppel wo du am ende merkst okay krass bis hierhin komme ich unnicht weiter Und ich glaube, es ist die Aufgabe der Gesellschaft und von Unternehmen diese Glaskuppel für Menschen so weit wie möglich zu entfernen.
• 51:23
  Speaker 1: Dass sie sich innerhalb dieses Bereichs noch viel weiter bewegen können aber auch mit deutlich mehr Kontrolle um nicht so das Gefühl zu haben irgendwie fremdgesteuert zu werden oder jetzt auch mal ein bisschen salopp gesagt verarscht zu werden und gar nicht mitzubekommen welche Daten eigentlich von mir konsumiert werden, ohne dass ich daran partizipiere.
• 51:40
  Speaker 1: Also ein bisschen aus dieser Rolle eines Konsumenten heraus in eine aktive Rolle und nicht verstehe aktiv was Ich mit meinen Daten mache?
• 51:46
  Speaker 1: Was mit meinen daten passiert und wo ich da partecipieren kann.
• 51:51
  Speaker 0: vielen dank für die folge
• 51:52
  Speaker 1: sehr gerne.