Latest / AI or DIE / Wie Chatbots, Agents und KI dein Reporting sinnvoll erweitern

Transcript

Wie Chatbots, Agents und KI dein Reporting sinnvoll erweitern · AI or DIE

0:00
Speaker 0: Jo, hallo zusammen zu unserem Podcast AI or DAI und heute sprechen wir zur unseren Daten.
0:07
Speaker 0: Früher haben wir zu unserer Daten gesprochen indem wir auf die Diagramme geguckt haben.
0:11
Speaker 0: Heute gibt es ganz andere Möglichkeiten.
0:13
Speaker 0: darüber reden wir.
0:14
Speaker 0: aber bevor das losgeht wurde mir gesagt ich soll ja für die Community da sein und ich weiß dass viele Berater auch viele Hochschulabsolventinnen uns hören.
0:24
Speaker 0: und insofern Janine, bevor es losgeht sag mal du sagtest mir nämlich im Vorgespräch.
0:29
Speaker 0: Hey wir suchen ja noch ein paar Leute Andreas wenn die jemand kennt sage ich das nehmen wir doch mit auf in den Podcast.
0:34
Speaker 0: Sag doch mal so ungefähr wen ihr sucht was ihr braucht und dann machen wir die Stellenbestreibung offiziell einfach unten drunter
0:41
Speaker 1: Ganz genau.
0:42
Speaker 1: Hi Andreas!
0:43
Speaker 1: Also wir suchen aktuell Leute, die aus der Databricks-Ecke kommen, die Lust haben neue Sachen zu machen, die vielleicht auch Bock haben auf Migrationsprojekte, die das schon so ein bisschen Erfahrung mitbringen.
0:54
Speaker 1: Wir suchen aber auch junge Leute, wie top motiviert sind und die neu einsteigen wollen.
0:59
Speaker 1: Das heißt wenn ihr Bock habt auf einen neuen Job, auf spannende Projekte oder auf Migrationen, auf neue Welten zu schaffen, dann meldet euch und wir freuen uns.
1:10
Speaker 0: Ja, von mir auch noch mal.
1:11
Speaker 0: Ich kenne O-Pids mittlerweile auch... Boah!
1:14
Speaker 0: Fünfzehn Jahre habe ich den ersten Workshop mal bei euch zu Gast gehalten.
1:19
Speaker 0: Das ist also echt ewig her seitdem immer in Kontakt tolle Firma.
1:23
Speaker 0: Du warst da?
1:24
Speaker 0: Überleg mal, da bist du ganz jung noch oder?
1:26
Speaker 0: Richard.
1:27
Speaker 1: Genau
1:27
Speaker 0: das hab' ich gemacht
1:28
Speaker 1: ja.
1:28
Speaker 1: Da war ich ganz frisch dabei.
1:30
Speaker 0: Über Dashboards überleg mal.
1:32
Speaker 0: Guck Mal, da haben wir uns schon kennengelernt.
1:35
Speaker 0: Nein und deswegen kann ich euch das Geschenk empfehlen.
1:39
Speaker 0: Tradition trifft Moderne dort, ihr habt alle Vorteile eines schönen traditionellen Unternehmens mit sogar kronen Werten.
1:48
Speaker 0: gleichzeitig moderne Projekte coole Leute und ich kenn sehr viele von euch.
1:52
Speaker 0: also insofern mache ich hier jetzt einfach uneingeschränkt Werbung.
1:55
Speaker 0: da geratet ihr auf jeden Fall nicht an die falschen auch wenn es immer mal nicht passen kann.
2:00
Speaker 0: gut so viel soll dazu gesagt sein.
2:03
Speaker 0: Klasse Firma, aber deswegen haben die Leute jetzt hier wahrscheinlich nicht eingeschaltet.
2:07
Speaker 0: Die haben mir gesagt, sie möchten was darüber hören?
2:09
Speaker 0: Ja okay!
2:09
Speaker 0: Was ist denn jetzt deren Experten-Meinung zu
2:12
Speaker 0: Dashboards?!
2:13
Speaker 0: Was war dir denn früher bevor wir jetzt mal auf den Istzustand kommen... ...was war dir dann früher eigentlich immer so am wichtigsten wenn du mit deinen Kunden irgendwie diese Dashboard-Ratenreise irgendwie angetreten bist?
2:25
Speaker 1: Also da kam es halt immer so ein bisschen darauf an, was wollen die Kunden?
2:29
Speaker 1: Möchten sie Self-Service ermöglichen.
2:32
Speaker 1: Dann haben wir ganz andere Herausforderungen als wenn du wirklich nur statische Dashboards oder Reports hast.
2:38
Speaker 1: Bei statischen Dashboards und Reports geht's vor allem ums gute Design.
2:43
Speaker 1: Dass du die Sachen gut aufbaust, dass du die richtigen Daten anzeigst, die richtige Diagramme, dass dir die Zahlen quasi direkt ins Auge springt.
2:51
Speaker 1: Da haben wir ja auch, und wir hatten gerade über die Hichert-Workshops gesprochen.
2:58
Speaker 1: Sehr viel darüber diskutiert ob man Sachen abspecken kann, wiederholen kann, Abweichung gut anzeigen kann usw.. Das war wichtig!
3:07
Speaker 1: Und bei den Self Service Artifakten war es halt extrem wichtig dass sie Fachseiten sicher sein können.
3:12
Speaker 1: Dass sie keine Fehler machen können, dass sie alles kombinieren können ohne da irgendwie in Duplikate zu laufen oder sich Sorgen machen zu müssen, ob Sie irgendwas falsch gemacht haben Und dass die Leute das halt einfach unverständlich nutzen können.
3:26
Speaker 1: Dass da dann auch das richtige Toolset dahinter steckt, was das Ganze unterstützt.
3:30
Speaker 1: Das waren so die klassischen Anforderungen und da haben wir sehr viel mit den Fachseiten arbeiten können.
3:36
Speaker 1: in Richtung Data Culture.
3:39
Speaker 0: Ja also ich finde es auch spannend wenn ich mich für ein früher erinnere.
3:42
Speaker 0: Wir haben ja sehr viele Workshops zu dem Thema und dann hast du für von zwanzig tausend oder fünfzigtausend euro als kunde folgendes bekommen.
3:52
Speaker 0: Du hast einmal ein konzept bekommen, wie du deine dashboards baust.
3:56
Speaker 0: Einmal sehr nah an hichert angelehnt was die gestaltung der diagramme angeht obwohl wir diese mantischen notation nicht genutzt haben.
4:02
Speaker 0: und so alles alter route braucht ihr euch gar nicht mehr so genau wissen wenn es euch gefällt guckt da gerne mal rein.
4:08
Speaker 0: auf jeden fall haben wir dann irgendwann gemerkt Ja, die Leute wollen es noch umbegesetzt bekommen.
4:13
Speaker 0: Dann haben wir das auch mit umgesetzt immer so prototypisch einmal und gezeigt dass es geht in allen möglichen Tools tool agnostisch weil das Tool war eigentlich nie das Problem.
4:22
Speaker 0: Es ging zum Beispiel in ein Power BI Einiges besser als bei SAP Analytics Und umgekehrt halt auch wieder.
4:29
Speaker 0: da muss man bisschen Profitum haben.
4:31
Speaker 0: Aber das haben dann bei uns auch dieselben leute am Ende des Tages für den Kunden umgesetzt und das waren die Leuten wie von zwanzig bis fünfzigtausend wert Dass man dann einen Konzept hatte Die Leute geschult waren und selber los konnten.
4:41
Speaker 0: Das haben wir dann aufgegeben, haben es überführt quasi in ein digitales Angebot, kostet mittlerweile nur noch fünfhundert Euro und dann kannst du jetzt im Selbststudium beibringen weil wir gesagt haben das Geld ist nicht mehr wert.
4:55
Speaker 0: Das heißt hier können diese Kurse und diese Sachen nicht mal anbieten.
4:58
Speaker 0: Du brauchst es in dieser Phase nicht!
5:00
Speaker 0: Nicht mehr so.
5:01
Speaker 0: Und jetzt mit der AI, das habe ich gar nicht so abgesehen damals.
5:04
Speaker 0: Es ist so schnell gehen würde dass wir beide uns jetzt darüber unterhalten.
5:08
Speaker 0: Moment!
5:08
Speaker 0: Ich hab ja noch ganz andere Wege, noch ganz andre Ideen außer dass sich es einfach visuell gestalte.
5:15
Speaker 0: und da wollten wir heute mal sagen Mensch wie funktioniert das?
5:17
Speaker 0: Was mich am meisten beeindruckt ist ja man kann ja das eine tun und das andere nicht lassen.
5:22
Speaker 0: also wie früher auch du musst ja jetzt nicht alle deine Dashboards morgen abstellen Und sagen ich mach das jetzt nur noch mit einem Chatboard, mit einer Analytics Tool.
5:32
Speaker 0: Du kannst dir erst mal beides parallel laufen lassen.
5:35
Speaker 1: Das ist richtig und teilweise hast du es ja auch wirklich kombiniert.
5:39
Speaker 1: Die meisten neuen Dashboard-Toolhersteller integrieren das Ganze ja sogar schon in ihre Dashboards, dass Du halt auch wirklich natürlich sprachig mit den Dashboards interagieren und dass Du die teilweise sogar von alleine aufbauen lassen kannst.
5:52
Speaker 1: Das ist bei Databricks auch total faszinierend gewesen zu sehen.
5:56
Speaker 1: da kannst Du einem relativ einfachen Prompt, natürlich klar je mehr du promptest und je besser du promptist desto besser wird auch das Ergebnis.
6:04
Speaker 1: Man kann es so auf deinen Daten halt schon richtig coole Ergebnisse erzielen und dann auch vollständig interagieren.
6:10
Speaker 1: Auch Pyramid kann das beispielsweise.
6:12
Speaker 1: Dass du da wirklich einfach ja natürlich sprachisch absetzt was du sehen willst und dann kriegst du das!
6:18
Speaker 1: Und wenn du da schon ein paar Templates hast oder so, dann kann das sogar sein dass das Tool sich schon an den Templates orientiert und das Ganze daran anlehnt.
6:27
Speaker 0: Ja eben das ist ja der Schöne, dass es schon funktioniert.
6:31
Speaker 0: Du machst jetzt prompten ist immer so ein hartes Wort.
6:34
Speaker 0: Das hat sich irgendwie eingebürgert am Ende des Tages sind diese Maschinen auch besser geworden, dass man sagen muss klar je besser du promptest ich halte hier nichts vom Promptschulung bin ich ehrlich weil Das ist dann wieder so generisch draufgekippt.
6:46
Speaker 0: Ich halte was davon, du zeigst es vor und dafür suchst du's selber für deinen Anwendungsfall immer besser zu machen.
6:52
Speaker 0: also man kann sich da reinfuchsen.
6:55
Speaker 0: Beispiel ich publiziere ja relativ viel und ich nutze zum Beispiel Schetschipiti Und sag mir persönlich, dass ich halt die höchste Denkstufe jetzt momentan an habe.
7:07
Speaker 0: Seit einer Woche ist es jetzt raus und dann ist es mir die Zeit wert.
7:10
Speaker 0: aber ich gebe so viel Input im Vorherein das sich einfach freispreche und das ist da mache und dann setzt er's um.
7:18
Speaker 0: und ich hab hier schon soviel reingeschrieben in dieses Ding und haben ja so viele gelernt und so muss man das finde auch lernen.
7:24
Speaker 0: Es gibt nicht den Dashboard Prompt, wie es damals die Visualisierung gab.
7:28
Speaker 0: Da konnte ich schon sagen ey nimm mal hier eine Stream App für das sieht man das am besten oder nimm das Balken Diagramm anstatt das Kreisdiagramm.
7:35
Speaker 0: Das war Empfehlung ob man könnte jetzt glaube ich nicht so ne Prompt Notation aufbauen wo man sagt also dann wäre auch nichts gewonnen.
7:42
Speaker 0: Dann könnte ich gleich das Dashboard zeigen.
7:43
Speaker 0: wenn ich dir das vorgebe Man muss auch jetzt selber Self-Service auch in der Lage sein Die richtigen Prompts Scheiben dass ist halt ein Skill und er ist Learning by Doing meine ich
7:53
Speaker 1: Genau.
7:54
Speaker 1: Also sehe ich auch so, da sind wir jetzt auf Dashboard-Ebene.
7:58
Speaker 1: Es gibt ja noch eine andere Ebene und zwar dieses wirklich natürlich sprachige Kommunizieren wo du teilweise dann auch textuelle Ergebnisse bekommst, wo du Erklärungen bekommest zu deinen Werten oder nochmal wirklich Driver-Analysen passieren, wo die KI quasi tiefer in die Daten reinguckt kann man diese Instruktionen ja auch schon in den Grundlagen mitgeben.
8:26
Speaker 1: Das heißt, wir können nicht von den Fachseiten erwarten dass die an alles denken und das wollen wir auch nicht sondern wir wollen ähnlich wie wir es damals bei den Self-Service Modellen gemacht haben.
8:35
Speaker 1: Diese semantischen Modelle wollen wir das natürlich auch für diese natürlich sprachigen Umgebungen so aufbauen, dass die Fachseite halt möglichst wenig falsch machen können.
8:44
Speaker 1: Und da gehören zum Beispiel Ja, so Beispielfragen dazu.
8:48
Speaker 1: Wo man auch den Fachseiten sagen kann, hey, pass auf!
8:51
Speaker 1: Wenn du so fragst, kriegst du das Ergebnis?
8:54
Speaker 1: Denk daran und auch schon dem System mitgeben.
8:56
Speaker 1: Wenn der Nutzer das und das fragt, dann denkt er, dass du im Hintergrund schon ganz viel machen musst.
9:01
Speaker 0: Genau, du kannst ja im Hintergrund auch dem System schon... Frag noch mal nach ... Schau nochmal, es ist so.
9:09
Speaker 0: Geh mit Wahrscheinlichkeiten!
9:10
Speaker 0: Wir können dir jetzt ja auch schon Plausibilitätsregeln.
9:13
Speaker 0: Können wir dir schon hinterlegen, dass du den Nutzer dann auch richtig zwingst auf jeden Fall noch mal dahin zu gucken?
9:19
Speaker 0: also nach dem Motto Ey Leute aber bedenke bitte immer bei uns ist das Neukunden Umsatz und nicht nur Umsatz... Also natürlich machst du's damit komplexer aber du kannst ja dein eigenes Modell Trainieren.
9:33
Speaker 0: Das vergessen die Leute hier immer, also wir reden ja immer darüber... Ja, ey!
9:37
Speaker 0: Die machen also falsch, die hallucinieren und die machen das und so.... Ja, aber du bist ja selber noch in der Lage bei Databricks und bei Permanent auch zu sagen.
9:44
Speaker 0: Hey!
9:44
Speaker 0: Wir machen hier auch noch Dinge um bringen das dem Gerät bei dass es besser wird und wir können ihr Feedback analysen.
9:51
Speaker 0: Ja auch machen.
9:51
Speaker 0: was fragen die Leute denn so ab?
9:53
Speaker 0: also insofern finde ich ein großer Fan von zu sagen Die klassischen Dashboards bauen wie man das gemacht hat mit Riesenaufwänden.
10:03
Speaker 0: da sollte jetzt nicht mehr die Hauptenergie reingehen.
10:05
Speaker 0: aus meiner Sicht
10:07
Speaker 1: Im Endeffekt ist es ja auch nicht mehr das, worauf die Leute schauen möchten.
10:12
Speaker 1: Die wollen gar nicht mehr in die Tools explizit reingehen müssen sondern ich glaube die Kunst wird darin liegen in Zukunft die Daten dahin zu bringen wo die Menschen sind.
10:22
Speaker 1: Das kann durch Embedding passieren, wenn du wirklich sagst, okay ich möchte bei Dashboards bleiben.
10:26
Speaker 1: Das kann aber auch wirklich durch so Checkboards passieren wo dann Diagramme oder Auszüge aus Dashboards einfach im Chat schon zurückgeliefert werden und wo man dann auch irgendwie eine Interaktion embedded hat.
10:40
Speaker 1: Ja, das wird auf jeden Fall spannend in der Zukunft.
10:43
Speaker 1: Und ich wollte noch mal kurz zurück auf das was du gesagt hast als Andreas die halluzinieren.
10:49
Speaker 1: Ich sehe das so oft mittlerweile dass sie Kunden und auch interessierte Leute sagen ja wir nehmen jetzt einfach KI und dann kann das das von ganz allein ist hat ja die Daten und dann frage ich einfach mal ins Blau rein Das finde ich halt extrem gefährlich.
11:04
Speaker 1: also wir haben teilweise Leute die da reinschauen Und die KI ist so überzeugend in den Antworten, dass den Ergebnissen halt auch irgendwo vertraut wird.
11:15
Speaker 1: Du musst dir das ja so vorstellen wenn du eine riesige Datengrundlage hast und die KI guckt da drauf und guckt vielleicht auch noch ... Wenn du jetzt einen Databricksumfeld denkst, guck dann vielleicht auch in deinen eigenen Layereien und hatte irgendwelche Spieldaten drin oder was auch immer Und versuch dann, da Antworten zu finden.
11:31
Speaker 1: Dann gibt es so viele Dinge die man beachten muss dass du natürlich irgendwo Halluzination drin hast und das gilt ist glaube ich abzufangen.
11:41
Speaker 1: und ich glaub' da kommen wir jetzt wie Entwickler wieder ins Spiel.
11:43
Speaker 1: Wir sind gar nicht mehr so die Dashboard-Ersteller oder die Report-Erställer sondern wir sind jetzt diejenigen die diese Räume für die Fachseiten erstellen müssen damit auch gute Antworten rauskommen können.
11:57
Speaker 0: Wir sind exakt da bei diesem Thema halt wieder, wo halt sich auch da die Rolle ändert.
12:02
Speaker 0: Du kannst nicht nur die Daten bereitstellen du musst dafür sorgen dass sie richtig und richtig genutzt werden.
12:08
Speaker 0: so und ich hab neulich ein Kopilot Training gegeben und da ging es darum die Leute zu motivieren pro.
12:14
Speaker 0: und dann merkte ich wie sehr ich versucht hatte Pro zu reden weil er waren eher die Skeptiker.
12:20
Speaker 0: Gleichzeitig war es so, wenn du jetzt anfängst auf die Gefahren hinzuweisen.
12:25
Speaker 0: Dass die Leute auch dann die willkommene Ausrede haben und das geht natürlich jetzt wirklich diverser.
12:30
Speaker 0: Du machst jetzt ein und sagst wieder umgekehrt hier sind super hyper motiviert und kommst da mit den gefahrenen und die Ecke und die wollen gar nicht hören weil sie alles glauben was in der Maschine kommt Und das ist natürlich eine spannende Zeit.
12:42
Speaker 0: Ich bring oft den Excel-Vertleich und sage, ja damals haben die Leute auch die Summenzeile nachgerechnet.
12:47
Speaker 0: Es ist aber anders!
12:50
Speaker 0: Weil die Summe kannte bei Excel richtig.
12:53
Speaker 0: Sie ist aber nicht immer hundertprozentig richtig.
12:56
Speaker 0: Je länger wir damit arbeiten umso mehr merken wir selber in den kritischen Dingen was wir ganz viel machen hier bei uns in unserer kleinen Firma.
13:04
Speaker 0: Wir nehmen alles auf Und lassen es dann immer auswerten und nicht nur als Zusammenfassung, sondern auch zum Beispiel als Faktencheck.
13:12
Speaker 0: Ja, können hier relativ offen agieren.
13:13
Speaker 0: Das heißt wie viel machen wir Umsatz mit dem Kunden?
13:16
Speaker 0: und da und Kai was machst du jetzt gerade also mein Geschäftspartner?
13:19
Speaker 0: Und wie ist das so?
13:19
Speaker 0: Wie geht es mit den Schulungen?
13:21
Speaker 0: So und da merken wir dass der auch semantisch gar nicht ist heute sich immer so nach Hallizazon und Manipulation an Dass er semantische Dinge einfach gar nicht abgebildet kriegt über die wer grade gesprochen hat und Summen über dinge rüber zieht beispielsweise als Interpretation dass du gar nicht machen kannst und er weiß dann auch Dinge doppelt zu.
13:41
Speaker 0: Das heißt, was wir sehr oft haben ist das ja die Umsetzung unserer einzelnen Mitarbeiterinnen halt anders ausweist als sie tatsächlich sind obwohl Sie dann mit der Tabelle zusammen richtig sind.
13:53
Speaker 0: D.h.,
13:54
Speaker 0: Du musst deine Daten auch kennen, du musst sie verstehen auf der anderen Seite immerhin haste achtzig Prozent die du früher so niemals im Zugriff gehabt hättest.
14:04
Speaker 1: also was man da glaube ich so ein bisschen beachten muss.
14:06
Speaker 1: Du sagtest gerade, der stellt dann die Umsätze und so weiter falsch dar.
14:10
Speaker 1: Wir müssen hier glaube ich ein bisschen unterscheiden zwischen Ich frage Knowledge ab?
14:14
Speaker 1: Und ich frage Daten ab!
14:16
Speaker 1: Das macht Databricks zum Beispiel sehr gut.
14:18
Speaker 1: Wir haben in Databrics halt zwei Bereiche.
14:20
Speaker 1: du hast die Knowledge Agents Die sind wirklich spezialisiert darauf dass die Vektordatenbanken anlegen mit M-Badding Modellen das die Texte wirklich strukturiert ablegen sodass du Fragen beantworten kannst.
14:32
Speaker 1: Auf der anderen Seite hast du die Genie Spaces und die sind spezialisiert auf Datenabfragen, also wirklich auf SQL-Abfragen.
14:39
Speaker 1: Und die kann man dann auch mit Benchmarkings zum Beispiel bestücken, dass du sagst okay ich habe hier so einen Test drippt und wenn ich eine Frage stelle, dann erwarte ich das und das dabei rauskommt und bitte gleich das immer ab wie so Regressionstests wie früher.
14:54
Speaker 1: Ich hab halt auch die Möglichkeit, Beispiel SQL zu hinterlegen und die ganzen Metadaten ordentlich zu pflegen.
15:01
Speaker 1: der super für SQL und den anderen, der ist super für Knowledge.
15:05
Speaker 1: Und so mein Traumbild ist tatsächlich.
15:07
Speaker 1: du hast da drüber ein Super-Wise-Agent, der nimmt die Frage an und dann entscheidet er was muss ich aus der Knowledge ziehen?
15:15
Speaker 1: Was ziehe ich aus den Daten?
15:17
Speaker 1: Wenn du unterschiedliche Daten töpfe hast in welche muss ich denn wirklich reingucken je nachdem was der Anwender fragt?
15:23
Speaker 1: So etwas zu bauen ist glaube ich die Kunst!
15:26
Speaker 1: Dann kriegst Du halt auch verlässliche Daten.
15:28
Speaker 1: Aber wenn diese Grundlage nicht da ist und wenn du wirklich nur Texte hast, und du extrahierst dir die Daten raus.
15:34
Speaker 1: Das kann nicht rechnen!
15:36
Speaker 1: Die LLMs selber können an der Stelle nicht rechnen.
15:39
Speaker 1: Du musst es zusammenführen.
15:40
Speaker 1: Und das wird spannend in Zukunft.
15:43
Speaker 1: Auf jeden Fall.
15:43
Speaker 0: Dem Fehler was wir hier allen mitgeben können... Es gibt eben nicht DIE KI.
15:48
Speaker 0: Also, wir neigen ja als mensch zur Personalisierung.
15:51
Speaker 0: Wir denken ja da gibt es jetzt einen Mann oder eine Frau die führt der irgendetwas aus.
15:57
Speaker 0: wie man früher sagten im Detail House waren so kleine Männchen die haben das irgendwie zusammen gebaut.
16:01
Speaker 0: also wir haben da halt eine sehr kindliche naive Vorstellung was ist heißt DKI?
16:07
Speaker 0: Sehr getrieben durch den normale Presse sehr getrieben auch über Podcast etc.
16:12
Speaker 0: wo halt einfach immer gebraucht wird.
16:14
Speaker 0: die KI wird uns dass Die KI wird das machen, die KI wird dass können.
16:18
Speaker 0: Wir reden ja nicht wie du es gerade getan hast völlig richtigerweise über spezifische Anwendungsfälle.
16:24
Speaker 0: Das heißt ich baue jetzt mein Dashboard mach das alles sauber habe da eine schöne Datenbasis drunter.
16:30
Speaker 0: das greift alles auf das ist alles geprüft alles gemacht.
16:33
Speaker 0: und Jetzt frage Ich die die KI.
16:37
Speaker 0: Was ist das?
16:37
Speaker 0: Ich frage auf den Daten, die dort sind.
16:40
Speaker 0: Stelle ich Fragen an das Dashboard!
16:42
Speaker 0: Da kann ich mit einer neunundneutzig, neunprozentig wahrscheinlich hundertprozentigen Wahrscheinlichkeit halt sagen ey Leute dass wird auch stimmen.
16:50
Speaker 0: So, so lange der das wiedergibt was da ist muss ich dann nicht runter trillen im Dashboard.
16:56
Speaker 0: Sondern er wird dir die Einzelposition schon richtig raushunken und da sitzt dann nicht eine KI oder irgendwas was wir uns personifiziert vorstellen und sagt dann ja aber da habe ich mich in der Spalte vertan!
17:06
Speaker 0: Nein also das ist ganz wichtig.
17:09
Speaker 0: glaube es hört sich witzig an ne?
17:10
Speaker 0: Aber das ist halt ein wichtiger Punkt den wir uns immer wieder auch in Diskussionen in Meetings etc.. Es gibt nicht die
17:18
Speaker 0: K.I.,
17:19
Speaker 0: wir haben Gott sei Dank auch nicht immer gesprochen von den Daten, weil er schon mal blural war.
17:24
Speaker 0: Also das war ja ein Vorteil.
17:25
Speaker 0: Wir konnten sagen, da müssen wir erst die Daten aufbereiten.
17:28
Speaker 0: Da wusste jeder, ach es gibt verschiedene Daten.
17:30
Speaker 0: Es gibt Stammdaten und Metadaten usw.. Das konnte jeder abstrahieren.
17:35
Speaker 0: Hier ist es immer D.K.I Und dann musste man ja eigentlich mal fragen... Was meinst du eigentlich genau?
17:39
Speaker 0: Meinst Du jetzt den Chatboard bei Co-Pilot gerade oder meinst Du jetzt grade so was wie Schädt GBT, meinst Tu unser hauseigenes LMM.
17:48
Speaker 0: Meinst Du das Dashboard, dass einfach nur Fragen maschinell beantworten?
17:52
Speaker 0: Meinst Du eigentlich Machine Learning?
17:54
Speaker 0: Was meinest Du mit DKI?
17:56
Speaker 0: Das muss man glaube ich nicht akademisch machen und recht behalten.
17:59
Speaker 0: Darum geht es nicht!
18:00
Speaker 0: Nur Konsens schaffen in den Meetings.
18:04
Speaker 0: Was ist diese KI gerade über die wir in diesem Meeting?
18:08
Speaker 0: Ihr werdet merken, dann löst sich sehr viel auf.
18:11
Speaker 0: Was gut ist und nicht gut ist weil sonst hast du echt zu viele Meinungen dort auch.
18:16
Speaker 1: Was ich immer ganz schön finde bildlich wenn man sich die Agenten vorstellt so ein bisschen als die damaligen Mitarbeiter.
18:23
Speaker 1: Wenn du dann jemanden hast, den Supervice-Agent zum Beispiel der ist dafür da sich erstmal die Frage anzugucken wie so ein Produkt ohne uns zu steuern wo kriege ich das ganze hin?
18:32
Speaker 1: oder wie ein Analyst.
18:33
Speaker 1: Wo krieg ich das Ganze her?
18:35
Speaker 1: Wem gebe ich die einzelnen Aufgaben?
18:36
Speaker 1: Wie verteile ich das und bringe dann die Ergebnisse später wieder zusammen und kommuniziere die dann an den Fachbereich oder wen auch immer.
18:43
Speaker 1: Dann habe ich den Knowledge Agent.
18:46
Speaker 1: Der ist super in der Business-Logik.
18:48
Speaker 1: Der kennt sich total gut aus, wenn es wirklich um fachliche Sachen geht und um fache Inhalte.
18:54
Speaker 1: Und auch da hast du dann vielleicht pro Fachbereich nochmal Spezifiker.
18:58
Speaker 1: Dann hast du die Analysten aus dem Controlling, aus der Vertriebssteuerung – das sind denn die Agents, die unten drunter sitzen?
19:05
Speaker 1: Die auch spezialisiert sind!
19:07
Speaker 1: Dafür sind sie SQLs zu bauen Die SQLs für die jeweilige Fachlichkeit.
19:13
Speaker 1: Und das Ganze wird dann wieder durch den superweißen Agent quasi zusammengeführt, nur so finde ich ist es immer ein bisschen greifbarer darzustellen dass du wirklich nicht die KI hast sondern du hast halt einzelne Elemente und die haben Stärken und die müssen sie aber auch ausspielen können und dafür brauchen Sie eine saubere Grundlage.
19:31
Speaker 1: genau wie der Controller eine Grundlage braucht um überhaupt Daten liefern zu können braucht der Agent die natürlich auch.
19:38
Speaker 0: Da sieht man auch, früher brauchte ich selber Research Wissen um zum Beispiel Leute hier in den Podcast einzuladen die für gewisse Zähme stehen.
19:48
Speaker 0: Heute als gutes Beispiel was du meintest mit dem Agent nämlich DKI die macht nichts anderes als durch Forstedt für mich immer wieder das was momentan aktuell ist.
19:56
Speaker 0: dann sagt ihr Moment das hatte doch mit Google News damals auch nein Erdleichtes oder sie ganz witzig wieder, ich pfeife so viel Zirauch.
20:04
Speaker 0: Dieser Agent legt halt ab.
20:06
Speaker 0: unter den Einforderungen die ich geanforderung die ich gegeben habe gibt er das mit dem Wissen denen was er alles hat.
20:13
Speaker 0: hier sind alle aiodi folgen bei mir in meinem Schädgipetit drin.
20:16
Speaker 0: es heißt eine Datenbasis Und macht mir den Vorschlag, wen ich ansprechen soll mit welchem Thema und wer geeignet ist für meinen Podcast etc.
20:25
Speaker 0: Das ist jetzt ein sehr spezifischer Fall aber ich mag die immer so gerne diese Podcast Beispiele bringen um den Unternehmen daraus zu zeigen Ey das könnt ihr vor eure Sachen auch.
20:34
Speaker 0: Es muss nicht immer der Big Bang sein und ihr müsst mit der KI jetzt nicht jedes neue Geschäftsmodell Ihr müsst nicht über alles Agenten ziehen.
20:41
Speaker 0: Ihr könnt doch mal sagen im Kleinen und der eine oder andere Vertriebler Wer dem sei auch angeraten diese leichte Geschichte als Unterstützung, wo du jemals anstellen musstest.
20:52
Speaker 0: Einfach mal zu nehmen und zu sagen welche Kunden da am Markt könnten vielleicht jetzt unser Produkt gerade brauchen weil sie selber dazu was wir öffentlich machen tun das dann die Thema dran sind.
21:02
Speaker 0: es ist so einfach.
21:04
Speaker 0: Da glaube ich halt immer, wenn wir reden über Databricks oder hier jetzt Web-Suche und Web-Grawling.
21:09
Speaker 0: Es sind völlig unterschiedliche Dinge die wir aber immer sagen so DKI.
21:13
Speaker 0: Und dann ob mein Update bei mir halluciniert und sagt ne ne also Janine kannst du hier also echt am besten einsetzen auf ETL Strecken und die ist total die Expertin.
21:24
Speaker 0: Wenn es ganz tief geht und die findet es ja auch total super noch über Gartenarbeit zu reden Kann das völlig falsch sein, aber hier passiert ja nicht Schlimmes.
21:32
Speaker 0: Also dann wäre er so achso die Karriere hat mir gesagt du machst Gartenarbeit so gerne und sagst ne Adress kann überhaupt nichts mit anfangen.
21:38
Speaker 0: versteht ihr was ich meine?
21:39
Speaker 0: also es ist so bisschen.
21:41
Speaker 0: na also da passiert nicht.
21:43
Speaker 0: schlimm ist da muss man auch sein Gehirn noch selber einschalten.
21:46
Speaker 1: Ja genau.
21:47
Speaker 1: Aber wenn Du wirklich mit Daten reden möchtest Dann musst Du vorher dafür sorgen dass Da auch eine richtige Antwort rauskommen kann.
21:54
Speaker 1: und wirklich Ich plädiere an die Unternehmen da draußen bitte Nicht einfach Daten bereitstellen und sagen die KI.
22:01
Speaker 1: Wird das schon regeln?
22:03
Speaker 1: Nein, das wird sie nicht.
22:04
Speaker 1: Das ist ganz viel Arbeit, die da drinnen steckt um diese Agents aufzubauen und die Foundation erst mal zu bilden, um die ganzen Metadaten zauberzuhaben und um AI-Ready zu sein.
22:14
Speaker 1: Und das ist so wichtig!
22:16
Speaker 1: Weil stell dir mal vor... Wir haben damals ein neues Self-Service Tool gekauft, haben den die Daten dahingeschmissen und gesagt, du hast jetzt das Tool, du kannst es.
22:25
Speaker 1: Genauso wenig funktioniert das mit den KI-Funktionalitäten der Tools.
22:31
Speaker 1: Das muss alles aufbereitet sein, damit überhaupt die Chance besteht, dass die Fachseiten da wirklich gut mitarbeiten können.
22:38
Speaker 1: Und wenn man das nicht tut und man lässt sie da drauf, dann hat man ganz schnell verbrannte Erde und dann heißt es halt genau das was du sagst, nee die Halluziniert kriegen wir eh keine guten Ergebnisse raus.
22:48
Speaker 1: ja weil ihr eure Hausaufgaben nicht gemacht habt.
22:51
Speaker 1: also bitte bitte einmal plädoyieren alle macht das arbeitet da ordentlich vor
22:58
Speaker 0: Hört gerne auch dazu nochmal in die Folge rein, die wir beide doch mal aufgenommen haben.
23:03
Speaker 0: zu dem Thema wo wir gesagt haben wird jetzt Vibecoding komplett alle Entwickler ersetzen.
23:09
Speaker 0: Da finde ich hier auf diesem Kanal lohnt sich sehr.
23:13
Speaker 0: da haben wir nämlich nicht nur gesagt nein wird es nicht sondern wir haben es sehr differenziert betrachtet und haben ja also auch zum Ergebnis gekommen Riesenerleichterung absoluter Mehrwert, wir gehen nach vorne.
23:23
Speaker 0: Aber es ersetzt niemanden!
23:25
Speaker 0: Also immer dieses ist ersetzt komplett, immer diese schwarz-weiß denke funktioniert nicht.
23:31
Speaker 0: und das ist dasselbe bei den Dashboards.
23:33
Speaker 0: Das heißt in deinem Auto ist vielleicht deine Tempo-Anzeige einfach digital geworden, aber sie ist nach wie vor da.
23:43
Speaker 0: Also die Dashboards, wo man früher immer gesagt hat, die reichen nicht für Geschäftsentscheidungen sind heute die, die auch überleben werden.
23:50
Speaker 0: Das macht total Sinn!
23:51
Speaker 0: Es macht auch Sinn an meinem Backofen dass der Zwarhundert Grad steht weil ich dann weiß wann es erreicht ist und wenn das hochzählt und so.
23:58
Speaker 0: Das bedeutet diese Form von Dashboards wo du schnell mal auf der Produktionsfläche rüberläufst drauf guckst Da willst du ja nicht fragen, nach dem Motto Ey sag mir das nochmal mit Sprachagenten und tiefe Analysen.
24:11
Speaker 0: Du willst auf einem Blick das noch immer schnell erkennen.
24:15
Speaker 1: Und es kostet ja auch?
24:16
Speaker 1: Ja eben!
24:18
Speaker 0: Das ist ja auch, dass KI kostet hier ein Schweinegeld so... Also eine Anzeige im Diagramm tut's nicht.
24:24
Speaker 0: Und deswegen glaube ich auch, das ist der Weg.
24:27
Speaker 0: Man kann das eine tun und es andere nicht lassen.
24:30
Speaker 0: wenn du dann aber mit deinem Auto Probleme hast und sozusagen dieses Bild unter die Haube gucken willst fährst du in die Werkstatt wird angeschlossen und dann geht's da in die Dieb-Dive.
24:39
Speaker 0: und so würde ich mich auch in meiner AI Governance aufstellen dass ich sage was fast Food Auch wenn das negativ besetzt ist.
24:48
Speaker 0: Aber hey, kann ich schnell mit drauf gucken?
24:49
Speaker 0: Schnell mal machen und vorbeigehen!
24:51
Speaker 0: Das ist vielleicht nicht... Kann man vielleicht machen im Vergleich.
24:54
Speaker 0: Nicht ganz gesund.
24:55
Speaker 0: Na sag doch mal zu du hast es nicht bis ins Ende durchdrungen aber Es hat für den schnellen Happen, hat's gereicht damit der Blutzucker wieder hoch geht.
25:03
Speaker 0: oder Du willst ein Fünfgängemenü und dich da ganz tief und hast ewig Zeit und gehst da rein.
25:08
Speaker 0: Die Leute werden aber auch nach wie vor fast food brauchen.
25:12
Speaker 0: Ob der Vergleich jetzt so schön ist, schreibt es in die Kommentare.
25:15
Speaker 0: Aber vom Sinn her glaube ich brauchst du so Snack-It-Bill könnte man vielleicht sagen.
25:20
Speaker 1: Genau und dann vielleicht an einer anderen Stelle wie jetzt dass man wirklich sagt okay wir greifen das Fast Food ab und geben das dann meinetwegen auch irgendwie in einem Chat nochmal zur Verfügung.
25:33
Speaker 1: Aber ja, also die Sachen sind ja qualitätsgesichert.
25:36
Speaker 1: Die sind vorberechnet.
25:37
Speaker 1: Warum zum Himmel?
25:38
Speaker 1: Wenn du eine Fünfhundert Leute Firma hast, sollten alle Fünf- hundert Leute morgens die KI befragt?
25:46
Speaker 1: Wie viele Absätze hatten wir denn gestern?
25:48
Speaker 1: Das wird dann jedes Mal neue Kosten hervorrufen und in einem Dashboard oder halt im Diagramm, oder wo auch immer gut aufbereitet.
25:56
Speaker 1: Guckst du drauf?
25:57
Speaker 1: Und hast halt diese Kosten nicht!
25:59
Speaker 1: Du hast die Wartezeit nicht und jeder hat die gleiche Zahl.
26:03
Speaker 1: Das kommt ja auch noch mal dazu weil wenn du ein bisschen anders fragst, kriegst du vielleicht eine andere Antwort.
26:08
Speaker 1: In so nem Dashboard- oder Report ist das Ganze schon vorbereitet für genau diesen Zweck.
26:15
Speaker 0: Wir haben es ja auch gesehen, jetzt momentan versucht man die Durchdringung der sogenannten KI durch das wir es alle frei nutzen können.
26:22
Speaker 0: Die besten Modelle gehen frei raus!
26:24
Speaker 0: Wir können da alles machen ist sehr schwer als Unternehmen dahinter herzustehen.
26:28
Speaker 0: Das ist ja ähnlich wie wenn du das vergleichst diese Riesenteckkonzerne, die früher im Social Media Zugang waren... ...die Geschäftsmodelle werden sich wiederholen.
26:37
Speaker 0: Das heißt ihr werdet diesen Geschäfts-Modellen, die essen viel später Einsetzen.
26:43
Speaker 0: die werden kommen und die werden unternehmen.
26:46
Speaker 0: viel, viel mehr sind hier bessere Kunden als der einzelne.
26:49
Speaker 0: Vielmehr kosten also uns jemals vorstellen können.
26:53
Speaker 0: das heißt ich glaube wenn du heutzutage planst er eigentlich was macht die kei?
26:57
Speaker 0: Was macht sie nicht musst du schon sehr genau überlegen ist dass auch ein zukunftsmodell?
27:04
Speaker 0: oder ist mein pilot in fünf jahren den ich gesetzt habe wenn ich den jetzt ausrollern alle meine mitarbeiter überhaupt noch kostenfrei?
27:12
Speaker 0: oder sagt entropik.
27:16
Speaker 0: Du hast dir diesen skill aktiviert du hast es ja da würden wir gerne mal fünf hundertmal sieben euro dafür haben weil sonst müssten wir nur eingeschränkt mit wartezeiten und dann würden die leute hier mega unzufrieden werden.
27:29
Speaker 0: das heißt bei jeder einführung die du momentan hast musst du halt auch überlegen was kann im Standard, es muss nicht alles ein Agent sein.
27:38
Speaker 0: Es muss nicht alle irgendwie das Dashboard ersetzt sein.
27:41
Speaker 0: Das muss nicht überall wenn es einen Vertriebskontakt gibt der bis in die Tiefe analysiert werden.
27:47
Speaker 0: und das wird noch die größte Herausforderung wo Leute dann sagen die mit Daten oder AI arbeiten.
27:53
Speaker 0: Ey du musst was tun!
27:54
Speaker 0: Du musst etwas machen!
27:55
Speaker 0: Und da würde quits immer seines Budget beantragt bei Leuten ja aber Wo ist jetzt der er?
28:00
Speaker 0: Wie können wir das nicht auch anders machen.
28:02
Speaker 0: Und können wir es nicht noch anders machen, ist ja unsere Berufsrealität jahrelang gewesen also Lösungen auch zu finden die kosten günstiger wann anders clever etc.
28:11
Speaker 0: und da merkt ihr auch wieder Das wird wieder auch nur mit Beratung funktionieren dass wird die Felder verschieben sich einfach nur so.
28:18
Speaker 0: und das ist es
28:20
Speaker 1: Ja.
28:21
Speaker 1: und wenn ihr merkt Ihr könnt es wirklich nicht anders machen ihr wollt das mit KI machen wunderbar dann plant aber bitte auf, was ihr braucht.
28:29
Speaker 1: Was genau ihr damit bezwecken möchtet, nehmt eure Leute mit, stellt die richtigen Daten zur Verfügung, baut die Agenten ordentlich auf, bestückt sie halt wirklich mit den Informationen, die die brauchen.
28:41
Speaker 1: Stellt euch gerne auch irgendwie Bilder oder Skizzen oder kommt auf uns zu, wir helfen gerne dabei das aufzuplanen und macht das Ganze sicher!
28:50
Speaker 1: Weil KI ist super, KI ist total hilfreich, aber nur wenn du sie richtig einsetzt Und genau, immerhin da fragen.
28:58
Speaker 1: Brauchen wir das jetzt wirklich mit KI?
29:00
Speaker 1: und wenn ja dann bitte richtig?
29:02
Speaker 0: Genau!
29:03
Speaker 0: Also meine Lesson learned wäre jetzt nach dem Motto Du kannst es einen tun, den anderen nicht lassen.
29:08
Speaker 0: Achte darauf du musst jetzt nicht alles mit KI lösen vor allen Dingen nicht die Dinge lösen, die du ja eh vielleicht schon hast.
29:14
Speaker 0: und jetzt einfach nur mit dem Workaround-KI lösen muss man auch kritisch hinterfragen.
29:19
Speaker 0: Das muss nicht alles ein KI Projekt sein.
29:21
Speaker 0: Definiere nochmal, was ist überhaupt für dich KI?
29:25
Speaker 0: Guck in die Tools.
29:26
Speaker 0: Du hast heute genannt Databricks und solche Sachen um Pyramid dass du mal über guckst.
29:30
Speaker 0: Was geht denn da eigentlich?
29:32
Speaker 0: wie kann ich da Dinge abbilden?
29:34
Speaker 0: Beschäftige dich genau damit Und redet in den Workshops nicht darüber die KI sondern redet über Anwendungsfälle Die er mit euren Daten löst.
29:42
Speaker 0: und was die KI dann genau macht Ist eigentlich gar nicht so wichtig.
29:46
Speaker 0: Deswegen das alles darf sich mitnehmen.
29:48
Speaker 0: Danke Janin für das Gespräch.
29:51
Speaker 0: Aber wie das ja gute alte Tradition ist, da sollten wir auch diesmal nicht machen.
29:55
Speaker 0: Du hast die letzte Worte in diesem Podcast!
29:57
Speaker 0: Das Einzige was du halt nicht sagen darfst, du kennst es, lieben Dank für die ein... Ladung.
30:03
Speaker 0: Es war mal wieder mein Herzensthema mit dabei, aber ich glaube wir sind weit rüber hinausgegangen und müssen noch überlegen wie wir die Folge benennen.
30:10
Speaker 0: wir beide.
30:10
Speaker 0: Aber freut mich immer wenn du da bist.
30:13
Speaker 0: hervorragend dass es jetzt geklappt wird!
30:14
Speaker 0: Ich wünsche jeden eine schöne Sommerzeit, Sommerurlauben und lasst euch nicht unterkriegen bis denn tschau!
30:22
Speaker 1: Ja dann habe ich jetzt wieder die letzten Worte.
30:24
Speaker 1: nochmal um auf das Thema vom Anfang zurück zu kommen.
30:28
Speaker 1: ihr habt ja jetzt gemerkt wir uns auch KI zum Beispiel.
30:34
Speaker 1: Wenn ihr Interesse habt, meldet euch, kommt vorbei.
30:37
Speaker 1: Ansonsten kann ich euch noch eine Empfehlung geben.
30:40
Speaker 1: im Oktober wird die Datenwege stattfinden in Köln.
30:45
Speaker 1: vielleicht kommt der ein oder andere auch da mal vorbei.
30:47
Speaker 1: Ich werde da sein.
30:47
Speaker 1: zum Netzwerken diesmal nicht mit einem Vortrag aber für Gespräche immer offen und ich freue mich natürlich wenn ich den einen oder anderen dort sehe.
30:55
Speaker 0: stark verlinken wir natürlich unten ja dann nur liebe nette Menschen da also insofern hingehen Tschüss!