Latest / MY DATA IS BETTER THAN YOURS / 80 auf 95 Prozent Datenqualität: REWE erfasst Produktdaten mit KI - mit Katharina B., Rewe

Transcript

80 auf 95 Prozent Datenqualität: REWE erfasst Produktdaten mit KI - mit Katharina B., Rewe · MY DATA IS BETTER THAN YOURS

• 0:00
  Speaker 1: In der heutigen Folge spreche mit der lieben Katharina von REWE zum Thema Produktdaten und ich finde es ist eine super tolle Folge geworden, weil wir das ganze Thema nochmal darlegen vom Organisationen-, Kultur- und Organisationsthema.
• 0:11
  Speaker 1: Warum es total sinnhaftig ist sich dieses Thema kurzfristig anzuschauen?
• 0:20
  Speaker 0: Neue Folgen jeden Freitag.
• 0:22
  Speaker 0: in dieser digitalen Welt gibt es einen speziellen Faktor, der über Erfolg und Misserfolg entscheidet – Daten!
• 0:29
  Speaker 0: Doch nur die wenigsten wissen sie für sich zu nutzen.
• 0:33
  Speaker 0: Wer seine Kunden verstehen will, um ihnen das bieten zu können was sie brauchen kommt um ein professionelles Datenmanagement nicht herum.
• 0:40
  Speaker 0: Jonas Rascheli interviewt andere Experten aus den Data Bereichen und zeigt Schritt für Schritt wie genau das funktioniert.
• 0:52
  Speaker 1: Mein heutiger Gast ist die liebe Katharina Belovius.
• 0:56
  Speaker 1: Sie arbeitet bei REWE und beschäftigt sich mit dem Thema Produktarten meiner Ansicht nach eines der under-ratesten Themen nicht nur im Jahr Eigentlich schon die letzten Jahre, weil wir hätten da glaube ich schon viel machen müssen.
• 1:11
  Speaker 1: Hi Katharina!
• 1:13
  Speaker 0: Absolut gut richtig.
• 1:16
  Speaker 1: Aber dadurch dass ich dich nicht nur so kurz vorgestellt habe kannst du kurz erzählen woher wir uns kennen und wie du es zu Rewe dann sozusagen am Ende gebracht hast also dein Lebenslauf?
• 1:27
  Speaker 0: Okay in Kurz.
• 1:29
  Speaker 1: In Kurz genau fangen wir zur Schule an
• 1:31
  Speaker 0: Genau.
• 1:32
  Speaker 0: Ja, woher kennen wir uns von Douglas tatsächlich?
• 1:34
  Speaker 0: Da war ich gerade als Freelancerin tätig und hatte die Aufgabe, zwanzig Jahre alte Produktdaten neu zu strukturieren weil wir damals SAP groß neu eingeführt haben.
• 1:45
  Speaker 0: Irgendwie habe ich Produktdate immer gestriffen komischerweise von der Ausbildung bis irgendwie hin... Zu Diabotätigkeit, in der ich jetzt bin.
• 1:54
  Speaker 0: War aber eigentlich immer auf Agenturseite und habe E-Commerce Systeme umgesetzt Und mit E-commerce kommen auch Produktdaten und meistens hängt da irgendwo noch ein Pim.
• 2:05
  Speaker 0: Ich würde behaupten, ich hab recht früh erkannt wie wichtig eigentlich Produktdate sind Und hab mich bewusst dazu entschieden mal die Seite zu wechseln und bin von der Agentur Auf die Konzernseite in Festanstellungen Weil das Momentum Produktdaten, glaube ich gerade ein sehr spannendes ist und ich mich jetzt seit einem Jahr dieser Aufgabe wirkt.
• 2:26
  Speaker 1: Ja!
• 2:26
  Speaker 1: Wir kommen ja beide grade von der K-Fünf Und auch auf der K five wurde so'n bisschen zum Thema Thesen gesprochen.
• 2:35
  Speaker 1: Ich hab es am Ende leider nicht auf die Bühne geschafft Hatte mich für die Thesen beworben und war dann am Ende in der letzten Runde rausgeflogen.
• 2:44
  Speaker 1: Hört sich so negativ an aber durfte dann ja auf der AI-Bühne sprechen.
• 2:48
  Speaker 0: Ja.
• 2:48
  Speaker 1: Da war auch das Thema Automatisierung, Datenqualität eins mit der wichtigsten Punkte die ich mit aufgeführt hätte.
• 2:58
  Speaker 1: Wie sieht es deiner Meinung gerade so ein bisschen in Deutschland aus?
• 3:01
  Speaker 1: Weil du die spannende These oder wo ich herkommen will ist Du hast viel im Markt gesehen dadurch dass du Freelancer warst.
• 3:06
  Speaker 1: Wir haben gemeinsam bei Douglas gearbeitet Das ist schon etwas länger her.
• 3:09
  Speaker 1: Im Sinne von was haben eigentlich meiner Ansicht nach Firmen wie Douglas die bisschen voran Weiter Vorreiter waren gemacht und jetzt bist du bei REWE hundert Milliarden Konzern, also schon etwas größer.
• 3:24
  Speaker 1: Für uns mal durch die unterschiedlichen Schritte um Größen von Organisationen und wo die da gerade stehen?
• 3:29
  Speaker 0: Ja ist eine spannende Frage.
• 3:31
  Speaker 0: Vielleicht gehen wir kurz einen Schritt zurück.
• 3:33
  Speaker 0: ich habe in meiner vorherigen Position war ich Geschäftsführerin von der Digitalagentur und unsere Kunden waren überwiegend im Mittelstand.
• 3:41
  Speaker 0: am liebsten hab' ich Familien geführte Unternehmen beraten, wo jetzt gerade so ein Generationswandel stattfindet zu die Kinder, die jetzt irgendwie die Digitalisierung vorantragen sollen.
• 3:54
  Speaker 0: Und meistens ist immer das größte Projekt ein altes EAP-System in irgendeiner Form abzulösen.
• 3:59
  Speaker 0: Da hat sich bisher keiner dran getraut.
• 4:01
  Speaker 1: Welcome to my world!
• 4:03
  Speaker 0: Okay... Das finde ich sehr spannend weil Produkte halt wie du es eben auch im Intro schon gesagt hast eigentlich bisher immer nicht so richtig die Relevanz hatten obwohl wir immer wieder Themen hatten, wo es hingestriffen worden ist.
• 4:21
  Speaker 0: Ich würde behaupten eigentlich diskutieren wir jetzt gerade wieder von vorne und das Gleiche wenn wir jetzt vom Mittelstand sprechen finde ich genauso grade auch im Konzern vor.
• 4:33
  Speaker 0: Ich habe in meiner ganzen Berufslaufsbahn sehr viele unterschiedliche Infrastrukturen gesehen und ich würde sagen in so einem Mittelstand ist es noch einigermaßen überschaubar was da so gebastelt worden ist vom ERP-System, dann hast du vielleicht noch ein Produktinformationsmanagementsystem und dann hast Du einzelne Kanäle wo es ausgespielt wird.
• 4:54
  Speaker 0: Im Konzern ist das natürlich nochmal etwas ganz anderes.
• 4:56
  Speaker 0: Da hab ich nicht nur einen ERP System sondern wir haben jetzt irgendwie fünf verschiedene ERP systeme wo unterschiedliche Daten drin liegen.
• 5:04
  Speaker 0: Wir haben verschiedene Middlewares, wir haben verschiedenste Pimms im Einsatz als auch dass wir den Online Kanal haben in App die da noch mit dran hängt oder halt verschiedene Loyaltyprogramme und CRM-Systeme.
• 5:19
  Speaker 0: Das macht es natürlich ein bisschen schwieriger, da Daten eben überschrauber zu strukturieren.
• 5:25
  Speaker 0: Und deswegen glaube ich um noch auf deine Eingangsfrage einzugehen... Die Herausforderungen sind eigentlich über all den gleichen nur in unterschiedlichen Dimensionen.
• 5:33
  Speaker 1: Unterschiedliche Dimension habe ich verstanden.
• 5:35
  Speaker 1: das ist ja unterschiedliche Dimition vielleicht auch vom Problem oder Herausforderung ums nicht ganz so negativ darzustellen.
• 5:42
  Speaker 1: hilft dann aber die Anzahl an Personen, um das Problem zu lösen oder welche... Also kommt damit auch in einem Großkonzern eine größere Herausforderung versus einer kleinen Firma?
• 5:58
  Speaker 1: Das brauchst du denn alles.
• 5:59
  Speaker 1: Technisches Verständnis, Organisationsverständnis, Budget, um den Tool zu kaufen.
• 6:08
  Speaker 0: Ich glaube, darin unterscheidet sich dann wieder die Größe.
• 6:11
  Speaker 0: Also das Ding ist, dass im Mittelstand es oft das Budget nochmal oder musst du noch mal verschiedene Runden laufen bis irgendwo auch Budget gefunden wird, was du investieren kannst?
• 6:21
  Speaker 0: und da muss man gerade in familiengeführten Unternehmen vielleicht den OPA überzeugen, dem du jetzt versuchst komplex runtergebrochen digitale Prozesse einfach zu vermitteln.
• 6:34
  Speaker 0: jetzt in so einem größeren Konzern, in dem ich gerade bin.
• 6:37
  Speaker 0: Es ist tatsächlich so, dass es manchmal gar nicht so leicht oder es nicht leichter macht das mehr Leute mitspielen.
• 6:45
  Speaker 0: Ich finde es sehr herausfordernd Prozesse richtig zu begreifen.
• 6:49
  Speaker 0: Also gesagt, ich bin ja seit einem Jahr da.
• 6:51
  Speaker 0: Ich würde behaupten, ich habe vielleicht vierzig Prozent unserer Prozese einigermaßen geblickt.
• 6:56
  Speaker 0: Das fängt ja schon damit an, dass du einen richtigen Ansprechpartner finden musst für das viel... Ja genau!
• 7:02
  Speaker 0: und gerade eigentlich was.
• 7:03
  Speaker 0: Und wen musst du eigentlich mit einbeziehen, um Entscheidungen treffen zu können?
• 7:07
  Speaker 0: Das heißt, du musst eigentlich sehr gut den Überblick zur Organisation haben oder wissen wie du fragen musst der dir beantworten kann, wer wieder irgendwie kennt und der jemanden kennt.
• 7:17
  Speaker 0: So das macht es natürlich wahnsinnig komplex und hat eine andere Dimension.
• 7:24
  Speaker 1: Jetzt hast du von einem Jahr bei REWE gestartet.
• 7:26
  Speaker 1: Hast du das Team mit übernommen oder die Abteilung übernomen?
• 7:30
  Speaker 1: Nimm uns mal da auf die ersten hundert Tage mit.
• 7:33
  Speaker 1: oder was hast du davor gefunden?
• 7:35
  Speaker 0: War super spannend.
• 7:36
  Speaker 0: Also vielleicht erstmal so meine persönliche Challenge, ich habe vorher mittleres Management geführt, sehr selbstbewusste auftrebende Menschen und bin dann einer auf ein Team gestoßen das zweingeteilt ist.
• 7:52
  Speaker 0: man hat einmal ganz klassisch die Sachbearbeiter und ich hab Projektmanager im Team die aber auch bestimmtes Fachwissen mitbringen Wo?
• 8:00
  Speaker 0: Die Abteilung war am Anfang sehr, sehr unsichtbar.
• 8:04
  Speaker 0: Ich bin das aber auch bewusst mit dieser Challenge angetreten weil mein Aufgabe ist es immer noch diese Abteilungen in die Zukunft zu befördern.
• 8:13
  Speaker 0: Es fing aber eigentlich damit an zu gucken okay wofür wird diese Abteilung eigentlich im Unternehmen gerade wahrgenommen?
• 8:21
  Speaker 0: bis hin zu dass ich feststellen musste, weil ich habe die ersten Monate nur damit verbracht erst mal zu beobachten.
• 8:26
  Speaker 0: Ich bin kein Mensch der reingeht und direkt irgendwie anfängt seine Gedanken umzusetzen sondern erstmal zu gucken was finde ich eigentlich vor?
• 8:33
  Speaker 0: Und musste halt feststellen dass wir oft an den richtigen Tischen gar nicht dabei saßen.
• 8:40
  Speaker 0: viele Aufgaben oder Bereiche die eigentlich meines Erachtens in dieser Abteilung gehören haben andere übernommen.
• 8:46
  Speaker 0: das haben ja aber nicht böswillig getan sondern das war weil man uns nicht richtig auf dem Schirm hatte.
• 8:52
  Speaker 0: Und das Erste, was ich eigentlich machen musste war zu gucken okay wofür wollen wir denn eigentlich stehen?
• 8:57
  Speaker 0: Wofür stehen mir gerade und wofur wollen wir zukünftig stehen.
• 9:00
  Speaker 0: Das ist so richtig diese Transformation es da eigentlich schon drinzuerkennen zu sagen jetzt grade sind wir die Datenbeschaffer und die Datendetektive in irgendeiner Form versuchen diese von Exelisten in digitalen zu übersetzen und zukünftig müssen wir eigentlich vom Datenbeschafer zum Datenkurateur werden Denn eigentlich sollte unsere Aufgabe sein während den Fokus auf den Kunden zu haben und nicht in Governance zu denken.
• 9:27
  Speaker 0: Und das ist eine ganz spannende Transformation, die ich gerade versuche zu gestalten.
• 9:30
  Speaker 0: Das war also der erste Schritt – was ist eigentlich unser Mehrwert?
• 9:33
  Speaker 0: Wofür wollen wir stehen?
• 9:35
  Speaker 0: Der zweite Schritt waren zu gucken okay wer sind unsere Stake- und Shareholder um mit denen tiefer ins Gespräch zu gehen.
• 9:41
  Speaker 0: Also ich habe sehr viele Workshops mit dem Team erstmal selber gemacht und guckt wer hat eigentlich wo von unseren Daten?
• 9:50
  Speaker 0: Was braucht er dafür?
• 9:52
  Speaker 0: Wie passt eigentlich die Zusammenarbeit und wer nutzt Daten so.
• 9:57
  Speaker 0: Und das war schon mal erstaunlich zu sehen, dass in dem Team ... Als wir das gemacht haben und du wirklich das mal runtergeschrieben hast, plain an die Wand, wer partizipiert von unseren Daten, woher kriegt wird Daten, Wo werden die eigentlich ausgespielt?
• 10:12
  Speaker 0: Dass eine Entwicklung in diesem Team stattgefunden hat weil man jetzt gemerkt hat ein Selbstbewusstsein ist entstanden.
• 10:20
  Speaker 0: Ihnen war vorher ihr Wert nicht klar.
• 10:22
  Speaker 0: Und es war super spannend, wenn man's mal plakativ aufgebaut hat und wirklich runtergeschrieben hat.
• 10:28
  Speaker 0: Guck mal wer alles von dem was er da tut.
• 10:31
  Speaker 0: tagtäglich das einzutippern sind wahnsinnig viele Personen.
• 10:36
  Speaker 0: ich glaube wir hatten am Ende irgendwie über fünfzehn Abteilungen dastehen.
• 10:40
  Speaker 0: Die haben wir dann nochmal durchpriorisiert.
• 10:42
  Speaker 0: Natürlich ist so die wichtigste Abteilung Online Category Management, ne?
• 10:46
  Speaker 0: So das ganz klar.
• 10:47
  Speaker 0: aber auch selbst da gab es noch Potenzial da die Zusammenarbeit weiter auszubauen.
• 10:52
  Speaker 0: Aber man hat so Schritt für Schritt gemerkt mit okay wofür wollen wir eigentlich stehen Was sind wir eigentlich heute schon wert und was können wir noch wert sein?
• 11:01
  Speaker 0: Dass dadurch dieses Selbstbewusstsein im Team entstanden ist Und man sich auf der Fläche und in den Meetings ganz anders bewegt hat.
• 11:10
  Speaker 0: Dann fing die Vermarktung natürlich auch an.
• 11:11
  Speaker 0: Ich mache gleich einen Punkt, weil jetzt ging es ja darum nachdem wir wussten wofür wir stehen wollen und wer uns Stakeholder sind dass man das Ganze natürlich innerhalb des Unternehmens auch präsentieren muss.
• 11:21
  Speaker 1: Ja aber ein spannender Punkt.
• 11:23
  Speaker 1: jetzt lass uns mal fünf oder zehn Jahre zurückgehen.
• 11:26
  Speaker 1: haben die Wertigkeit von Produktdaten zugenommen?
• 11:35
  Speaker 1: Wie muss ich mir das vorstellen?
• 11:36
  Speaker 1: Ich glaube, es gibt ja genauso vielen Unternehmen.
• 11:38
  Speaker 1: Warum?
• 11:39
  Speaker 1: Ich versuche ja unterschiedliche Blickwinkel auf diese Themen zu bekommen und ich glaube viele haben jetzt schon verstanden.
• 11:43
  Speaker 1: Produktdaten ist wichtig.
• 11:45
  Speaker 1: Sehens aber aus dem Blickwinkel.
• 11:47
  Speaker 1: Agente-Commerce die Daten müssen irgendwie in Chatchi B.T.- und Co.. Dass wir alle einen Quality Problem haben.
• 11:56
  Speaker 1: oftmals hat sich glaube ich nie jemand so wirklich angeguckt weil irgendwie wird's ja schon behoben.
• 12:03
  Speaker 1: Aber Auf der anderen Seite war bei Douglas das Gleiche, da ist auch mein Punkt fertig.
• 12:11
  Speaker 1: Da ist ja auch ein Marktplatz entstanden, da sind unterschiedliche Feeds bespielt worden.
• 12:16
  Speaker 1: Dadurch wurde ja schon die gleichen Daten mehrfach benutzt.
• 12:21
  Speaker 1: Was ist dein Blickwinkel auf die Produktdaten?
• 12:24
  Speaker 0: Gehen wir auf das Beispiel was du gerade gesagt hast bei Douglas.
• 12:27
  Speaker 0: Ich bin ursprünglich nicht zu Douglas gekommen um Produktdate aufzuholen sondern ich war gekommen, um Innovationen mit Einfit zu führen im e-commerce Bereich.
• 12:35
  Speaker 0: Und mein erster Auftrag war da hat damals ein Startup gewonnen.
• 12:39
  Speaker 0: die hatten Hautkonfigurator und ich habe jetzt angefangen diesen Hautkonfigeratoren mit denen so besprechen wie wir den in unsere e-Commerce Plattform reinkriegen um Kundenprofile weiter auszubauen.
• 12:51
  Speaker 0: Wir haben damit angefangen und dann stellten wir fest ab dem Punkt wo wir eigentlich das Ding implementiert hatten erwarte mal die Ergebnisse sind richtig schlecht.
• 13:00
  Speaker 0: Ja, woran lag's?
• 13:01
  Speaker 0: Es waren die Produktdaten.
• 13:03
  Speaker 0: Und daraus ist dann eigentlich erst entstanden, dass wir gesagt haben, es macht Sinn das wir mal die Produkt-Daten komplett aufräumen und dass wir mal ein eigenes Team nämlich das Data Enrichment Team irgendwie kreieren, die dafür da sind diese Produktdate jetzt auch entsprechend so aufzubereiten, dass zum Beispiel dieser Hautkonfigurator die Daten bearbeiten kann.
• 13:23
  Speaker 0: Ich glaube damals waren Produktdata schon wichtig aber wofür standen Produktdater.
• 13:29
  Speaker 0: Na ja, du hast halt Produktdaten.
• 13:31
  Speaker 0: Irgendwie mussten sie halt da sein und meistens auch erst mal nur die Pflichtfelder was irgendwie das Minimum war um Produkte online zu verkaufen.
• 13:41
  Speaker 0: So heute würde ich einen Schritt weitergehen sondern von Produktdagen müssen wir jetzt eigentlich zum Produkt Wissen kommen.
• 13:52
  Speaker 0: Das heißt wir haben nicht nur die reinen Stammdaten A, nicht nur die Pflichtfelder qualitativ gut befüllt sind.
• 14:02
  Speaker 0: Weil ja Datenqualität wird sich schon irgendjemand darum kümmern hast du gerade gesagt?
• 14:06
  Speaker 0: Datenqualitet wie müsste man Datenqualitäts?
• 14:09
  Speaker 0: ganz klassisch das ist der Input zum Füllgrad und damit ist es dann irgendwie für mich absolviert.
• 14:15
  Speaker 0: aber wir schaffen jetzt eigentlich inhaltlich zu gucken.
• 14:18
  Speaker 0: ist es qualitativ genau dass was wir benötigen da sind die Zutaten.
• 14:23
  Speaker 0: um jetzt mal bei meinem Beispiel zu bleiben sind die zutaten aktuell?
• 14:27
  Speaker 0: So, sind die Allergene richtig ausgezeichnet.
• 14:30
  Speaker 0: Erst mal rein auf Validierungsebene würde ich sagen ja meine Zutaten sind da, Allergene sind auch da kann online gehen.
• 14:36
  Speaker 1: Ja jetzt bist du wieder bei Rewe ne?
• 14:38
  Speaker 0: Sorry ja jetzt bin ich wieder bei Rewa.
• 14:40
  Speaker 0: Können auch von Inhältstoffen sprechen ist das gleiche so gesehen und das heißt wir müssen jetzt gucken zu sind die Pflichtangaben befüllt?
• 14:51
  Speaker 0: sind sie qualitiv auch korrekt?
• 14:53
  Speaker 0: weil wenn die Daten qualitativ korreks sind dann bin ich auch in der Lage aus Datenkontext zu schaffen.
• 14:59
  Speaker 0: Was bedeutet das?
• 15:00
  Speaker 0: Willst du einhängen?
• 15:01
  Speaker 1: Nein, aber ich will nur parallel sagen dass durch diesen Kontext und dass Du die Produkte Produktdaten jetzt neuerdings in ganz viele unterschiedliche Sphären einbuchst hast Du eben genau den Kontext.
• 15:13
  Speaker 1: also der spannende Punkt.
• 15:14
  Speaker 1: Ich glaube schon, ich muss beantworten mir meine Frage selber Aber dass die Wichtigkeit schon darüber entstanden ist Produkte an mehr Stellen benutzen wie vorher.
• 15:25
  Speaker 1: Weil der Produktdatenkatalog noch weiter zurück war.
• 15:29
  Speaker 1: ja Bild, Titel... ...Beschreibung.
• 15:33
  Speaker 1: Maximal kurze Beschreibung, Preis.
• 15:35
  Speaker 0: Ja.
• 15:36
  Speaker 1: Preis war klar das der sich höchstwahrscheinlich irgendwie ändert weil ist halt nicht dynamisch genug.
• 15:41
  Speaker 1: und jetzt fängt es mit dem Ecom-Shop an BtoB Shop und dann skaliert's eben hoch.
• 15:46
  Speaker 1: Und jetzt Kontext im Sinne von ja Dutch Language Modellen wo wirds eingebaut?
• 15:53
  Speaker 0: Also genau das, was du gerade gesagt hast.
• 15:54
  Speaker 0: Ich glaube so wie man das aktuelle PIM noch kennt und wie man Produktdaten strukturiert ist es immer nach Kategorie Sortiment wo.
• 16:03
  Speaker 0: wir müssen aber heute eigentlich ganz anders Daten strukturieren nämlich nach Assets.
• 16:09
  Speaker 0: Das heißt, ich muss eigentlich gucken welche Information und das meinte ich eben auch.
• 16:13
  Speaker 0: Ich muss die Abteilung dorthin so hinkriegen zu gucken was der Kunde eigentlich da draußen auf welchen Touchpoints.
• 16:19
  Speaker 0: Was für Fragen stellt er?
• 16:21
  Speaker 0: Damit dich dann weiß okay was für Informationen muss sich demjenigen eigentlich liefern dass wir in der Lage sind Daten so aufzubereiten dass du nicht nur einfach die Fakten hast sondern auch den Kontext.
• 16:32
  Speaker 0: jetzt bleibe ich im Rivekontext.
• 16:33
  Speaker 0: also was wie?
• 16:34
  Speaker 0: Wir haben den Lachs Wo der herkommt, wir wissen den Preis.
• 16:39
  Speaker 0: Wir wissen die Grammatur aber wir müssen auch wissen zu welchem Wein passt er?
• 16:43
  Speaker 0: Oder wann ist der Bio oder wo ist der gezüchtet worden etc.
• 16:52
  Speaker 0: Das ist der Kontext den wir schaffen müssen daran zu kriegen.
• 16:55
  Speaker 1: Wie viele Produktarten habt ihr eigentlich?
• 16:58
  Speaker 0: Wenn du jetzt rein auf SKU ebener guckst sind das ungefähr hundertfünfzigtausend und wir verwalten zweihundertsiebzig Antriebote.
• 17:08
  Speaker 1: Also pro SKU.
• 17:10
  Speaker 1: Nicht wenig?
• 17:11
  Speaker 0: Nicht wenig ist ein riesen Dachenschiff, was wir da gerade vor uns hintreiben.
• 17:20
  Speaker 1: Ich hatte dich vorhin ganz unterbrochen und habe die Fragen eingesteuert.
• 17:23
  Speaker 1: Du warst aber beim Punkt tugutes und sprich darüber wie kommuniziert das Unternehmen
• 17:29
  Speaker 0: Wie ich das im Untergrund?
• 17:30
  Speaker 1: Ja, weil du hast ja gesagt ihr habt viel über eure eigene Wertigkeit rausgefunden.
• 17:34
  Speaker 1: Ihr habt die Prozesse angepasst und dann hast du gesagt dann seid ihr habt die internen Werbung gestartet.
• 17:43
  Speaker 0: Ich habe mich sehr viel frech an die Tische gesetzt, an denen wir vorher nicht existiert haben.
• 17:48
  Speaker 0: Da konnte man so ein bisschen das Einhorn ausspielen, der jetzt neu da ist und noch nicht weiß wie es läuft Und habe angefangen aufzuführen, dass es doch vielleicht relevant ist mit uns zu sprechen wenn man über Personalisierungsmaßnahmen spricht.
• 18:06
  Speaker 0: Das nächste was uns sicherlich geholfen hat das große Thema KI.
• 18:11
  Speaker 0: Wir haben sehr schnell eigentlich aus der Herausforderung die wir hatten, nämlich dass uns Produktdaten oft auch gefehlt haben und KI-PO-Loten entwickelt.
• 18:20
  Speaker 1: Das steht auch noch hier auf meiner
• 18:21
  Speaker 0: Liste?
• 18:21
  Speaker 0: Ja genau ich bin schon erstaunt das wir es in den ersten zehn Minuten geschafft haben nicht über KI zu sprechen oder?
• 18:30
  Speaker 0: Aber das hat natürlich sehr viel Aufmerksamkeit erzeugt weil wir mit ein kürzester Zeit durch KI einen Riesenhebel gefunden haben der auch wirklich messbar ist.
• 18:42
  Speaker 1: Jetzt hast du mich mit Pfosten in die Richtung hin verwiesen.
• 18:47
  Speaker 1: Aber nehmt uns noch mal kurz mit, was muss ich mir da vorstellen?
• 18:49
  Speaker 1: Kai ist jetzt ein großes Wort also... Richtig groß!
• 18:52
  Speaker 1: Ja deswegen gerne nochmal ein bisschen detaillierter erklären.
• 18:55
  Speaker 1: Was macht ihr in dem Bereich?
• 18:58
  Speaker 1: Weil nochmal ihr seid jetzt, ihr habt die Hundertfünfzigtausend SKUs sozusagen mal geschaut wo ihr steht.
• 19:04
  Speaker 1: Ihr habt die zweihundseipzig Attribute mit dran gelegt und ihr habt euch darüber Gedanken gemacht wie es überhaupt eure Wertigkeit hat.
• 19:11
  Speaker 1: dann festgestellt dass die Wertigkeit viel höher ist als vielleicht die Selbstwahrnehmung wenn ich so wiedergeben kann.
• 19:18
  Speaker 1: Jetzt habt ihr euch überlegt wie könnt ihr eigentlich andere Leute unterstützen weil ihr auch Prozesse aufgesetzt habt?
• 19:23
  Speaker 1: Und jetzt geht's darum wie krieg ich vielleicht noch einmal Schneller Time to Market und das jetzt das KI-Thema.
• 19:28
  Speaker 0: Schön eingeordnet, ja.
• 19:31
  Speaker 0: Nicht nur schneller Time to market.
• 19:32
  Speaker 0: es gab tatsächlich die Herausforderung dass wir oft nicht in der Lage waren Produkte online zu stellen den wir gerne online gestellt hätten weil uns einfach die Daten gefehlt haben.
• 19:43
  Speaker 0: da spreche ich jetzt nicht von großen Unternehmen also Procter & Gammel ist durchaus in der Lager uns Produktdaten zur Verfügung zu stellen sondern ich spreche von den regionalen Lieferanten.
• 19:53
  Speaker 1: Was ein eins eurer Vorteile ist, dass das viel regional ist?
• 19:57
  Speaker 0: Wofür das Revisortiment steht?
• 19:59
  Speaker 0: und wir haben viele regionale Bauern in unterschiedlichen Regionen Und da kann man sich jetzt vorstellen so einen kleiner Bauer in seiner Käse Molkerei der es dann beschäftigt Käse zu kreieren aber nicht uns fünfzig Attribute zu übergeben geschweige denn das sind irgendwelche Eingabe Masken zu übermitteln was sehr schade war.
• 20:20
  Speaker 0: Mal kurz den Bogen.
• 20:22
  Speaker 0: Wir haben ja nicht nur den Nieferservice, sondern wir haben auch den Abholz-Service.
• 20:26
  Speaker 0: Das heißt wenn du bei Revo online bestellst kannst du dich entscheiden ob du es dir liefern lässt oder ob du's in deinem Markt vor Ort abholst.
• 20:33
  Speaker 0: Diese Produktdaten für die sind wir auch zuständig.
• 20:35
  Speaker 0: Es gibt natürlich...
• 20:36
  Speaker 1: Für die lokalen Produkte?
• 20:37
  Speaker 1: Ja
• 20:37
  Speaker 0: das sind ungefähr Abholzeresmärkte, sind ungefähr zweitausend Märkte in Deutschland selber noch mal regionale Produkte haben, die für den großen Umsatz der Gesamtrewe natürlich gar nicht so entscheidend sind.
• 20:50
  Speaker 0: Aber für den regionalen Markt natürlich schon!
• 20:54
  Speaker 0: Und der Abhol-Service steigt sehr enorm.
• 20:57
  Speaker 0: Das heißt es war für uns ein Anliegen zu überlegen wie kommen wir jetzt an diese Produktdaten der regionalen Lieferanten ran?
• 21:04
  Speaker 1: Was zum Beispiel was so ein Produkt ist, was regional...
• 21:07
  Speaker 0: Zum Beispiel der Käse oder Hoflimonaden, oder Kartoffeln.
• 21:15
  Speaker 0: So das sind die regionalen Produkte.
• 21:16
  Speaker 1: Und es sind halt die regionalen Bauern, die jetzt nicht zwangsweise saubere Produktdaten geplädt haben?
• 21:20
  Speaker 0: Denken keins davor!
• 21:21
  Speaker 1: Ja weil sie ein eigenes...
• 21:23
  Speaker 0: Also du musst dir das vorstellen, dass ist manchmal im Betrieb von drei Leuten und ich kriege da auch ganz klar Antworten wenn mein Team irgendwie raus schickt hey wir brauchen nochmal einen Top- und wie Daten von denen dann schreiben wir ja lustig, wie stellst du das vor hab' ich gar keine Zeit für.
• 21:37
  Speaker 0: Und dann haben wir überlegt, naja aber die Daten sind ja schon im Unternehmen irgendwie vorhanden nur nicht digitalisiert.
• 21:48
  Speaker 0: Sondern sie sind auf der Verpackung im Markt oder im Lager oder auf dem Lieferschein
• 21:52
  Speaker 1: oder Palette.
• 21:53
  Speaker 1: Also in Rewe schon da.
• 21:55
  Speaker 0: Genau weil... Da liegen Sie ja zum Verkauf und auf einer Produktverpackung steht alles drauf was zu brauchen um das Produkt auch online verkaufen zu können.
• 22:02
  Speaker 0: Also sonst wäre halt losgegangen.
• 22:03
  Speaker 0: und wir haben überlegt okay Wie setzt mir, wie können wir KI dafür nutzen?
• 22:07
  Speaker 0: und mittlerweile ist es so das Marktmitarbeiter beim Einräumen des Regals oder der Lagermitarbeiter bei der Warnannahme uns Fotos von den Produkten schickt die wir brauchen.
• 22:17
  Speaker 0: Und unsere KI also ein Gen AI System auf Basis von Gemini liest diese Daten halt aus.
• 22:23
  Speaker 0: Also es geht innerhalb von Sekunden und strukturiert die Daten in der Datenarchitektur wie wir sie auch benötigen und gehen von da aus automatisiert an unser PIM System.
• 22:34
  Speaker 1: Überprüft ihr da noch mal?
• 22:35
  Speaker 0: Wir überprüfen die natürlich.
• 22:37
  Speaker 0: Und das war, als wir angefangen haben... Also was ich gerade beschrieben hab dem Prozess, der stand eigentlich innerhalb von fünf Monaten.
• 22:44
  Speaker 0: dann waren wir operativ damit im Einsatz.
• 22:47
  Speaker 0: Während wir aber mit den ersten Ergebnissen gearbeitet haben, die extrahiert worden sind, kam für uns eigentlich nochmal der Dauna weil wir haben angefangen diese Daten natürlich wieder zu kontrollieren und wir sicher gehen konnten okay können wir das wirklich online stellen und es ist besser als die Datenqualität, die wir gerade schon haben.
• 23:06
  Speaker 0: Und dann fing's an dass das Team wieder da saß und Datensatz für Datensatz korrigiert hat in dem was halt von der KI ausgelesen worden ist.
• 23:14
  Speaker 0: Ja weil
• 23:15
  Speaker 1: die nicht gut war immer fast?
• 23:16
  Speaker 0: Weil zum Teil also waren am Anfang bei einer danken Qualität von achtzig Prozent ja Das war schon gut aber noch nicht so.
• 23:22
  Speaker 0: das wie gesagt haben das kannst du jetzt online schnell.
• 23:25
  Speaker 0: und Dann haben wir überlegt okay Warum nicht noch eine KI bauen, die uns jetzt hilft, die Datenqualität zu steigern?
• 23:32
  Speaker 0: Und diese Korrekturen, die das Team manuell vornimmt an jedem einzelnen Datensatz zu skalieren.
• 23:38
  Speaker 0: Was haben wir also gemacht?
• 23:40
  Speaker 0: Wir haben nochmal auf Basis von Gemini eine KI entwickelt, die mit so einem sogenannten Goldstandard arbeitet.
• 23:50
  Speaker 0: In dem Goldstandards sind eigentlich unsere verifizierten Wahrheiten drin.
• 23:53
  Speaker 0: ja auch da setzt ein Team händisch erst mal auf wie sieht der Antwort aus, pro Feld.
• 23:59
  Speaker 0: Na was ist eine Marke?
• 24:01
  Speaker 0: Wie is die Marke zu schreiben?
• 24:02
  Speaker 0: immer in Versalien oder Klein?
• 24:04
  Speaker 0: Wir sind Allergiene auszuzeichnen und so weiter und sofort steht da alles drin.
• 24:07
  Speaker 1: Also die Guidelines.
• 24:08
  Speaker 0: Und dann läuft das dann rein.
• 24:11
  Speaker 0: also die Ergebnisse die vorne die KI extrahiert Die Daten laufen in das andere KI-Modul.
• 24:18
  Speaker 0: ich nenne jetzt mal den Namen damit man die unterscheiden kann.
• 24:20
  Speaker 0: Also vorne ist unser Label Extraction Agent die leer Und hinten ist es unser Gold-Hamster, weil der Goldhamster beherbergt den Golden Standard.
• 24:29
  Speaker 0: Ja.
• 24:29
  Speaker 1: Der tiefe Namen?
• 24:32
  Speaker 0: Ich glaube dass er ja ein Entwickler und Hamster Fan ist.
• 24:35
  Speaker 0: aber... Es passt!
• 24:37
  Speaker 0: Weil was macht eben jetzt dieser Gold-Hamster, der nimmt die Ergebnisse von Lea und lässt sie gegen den golden standard laufen um zu gucken okay wie gut ist die Qualität?
• 24:47
  Speaker 0: und er kriegt auch die Korrekturen die mein Team in Lea vorgenommen hat an den Datensätzen Und die bewertet er und passt auf Basis dessen den Golden Standard wieder an, sodass der intelligenter wird.
• 25:02
  Speaker 0: Und auf Basiss der Anpassung wissen wir auch welche Promps wir wieder vorne in Lea anpassen müssen.
• 25:09
  Speaker 0: Genau!
• 25:09
  Speaker 0: Und dadurch haben wir es halt eben geschafft das zu skalieren so dass das was einmal manuell korrigiert worden ist jetzt halt eben mehrfach bei dem nächsten Extraktion schon von vornherein richtig gemacht wird.
• 25:24
  Speaker 0: Ja.
• 25:24
  Speaker 0: Und das hat natürlich einen sehr, sehr großen Effekt bei uns auch im Unternehmen gehabt weil man sehr schnell gesehen hat dass wir auf einmal in der Lage waren von irgendwie also ein Sachbearbeiter schafft es in der Woche circa siebzig Artikel zu bearbeiten.
• 25:37
  Speaker 0: und wie sieht das aus?
• 25:39
  Speaker 0: Am Anfang war's so, dass er einfach ein Produktbild hat und das dann irgendwie nochmal abtippert.
• 25:44
  Speaker 0: Und jetzt sind wir eigentlich dazu in der Lagesufe, wenn wir die Fotos immer richtig geschickt kriegen an die hunderte, also um die siebenhundert Artikel pro Mit-Ambilder.
• 25:53
  Speaker 0: hinzubekommen.
• 25:54
  Speaker 1: Und ihr dreht ja auch die Produkte, das heißt ihr schafft jetzt einfach die Menge, die ihr euch vorgenommen habt oder?
• 25:59
  Speaker 0: Ja und wir haben jetzt regionale Produkte online, die wir vorher nicht online hatten weil man muss jetzt fairerweise sagen natürlich sind es nicht immer an die sieben-hundert Produkte die Woche, weil unsere Läger sind natürlich begrenzt im Liefer-Service aber der Abhol-Services ist nicht begrenzt er hat die Artikel auflager.
• 26:21
  Speaker 0: Das ist eigentlich das größte Potenzial, dass wir natürlich für den Lieferservice auch schaffen, Artikel online zu kriegen die wir vorher nicht online bekommen haben.
• 26:31
  Speaker 0: Aber der Apo-Service mit den regionalen Produkten, spezifische Marktspezifischen Produkte, die wir halt vorher überhaupt nicht in Betracht gezogen haben weil es einfach so aufwändig war es manuell zu pflegen bürses Umsatz, die können jetzt ganz sehr stark supporten.
• 26:47
  Speaker 1: Ja, spannend!
• 26:51
  Speaker 1: Ja, ich wollte dich nicht unterbrechen.
• 26:53
  Speaker 0: Vielleicht noch mal so ein paar Kennzahlen.
• 26:56
  Speaker 0: Ich hab jetzt gerade eben schon gesagt von irgendwie siebzig Artikel, das schaffen wir jetzt eigentlich schon sieben Monate Artikel pro Woche.
• 27:03
  Speaker 0: Wir sind aber auch viel schneller grundsätzlich in der Bearbeitung.
• 27:08
  Speaker 0: also wenn du manuell so'n Produkt bearbeitest und abtipperstandest circa sieben Minuten mittlerweile mit den Korrekturen weil wir schon so gut geworden sind brauchen wir in Leer eigentlich nur noch zwei Minuten und bis der Artikel dann online bei uns durchläuft, durch alle Systeme sind es insgesamt nur noch fünf Minuten.
• 27:27
  Speaker 0: Und das ist natürlich auch nochmal ein großer Mehrwert weil wir einfach so viel schneller sind und halt eben die Datenqualität konsistent hochhalten.
• 27:34
  Speaker 0: Weil das habe ich eben glaube ich nicht gesagt, wir haben angefangen bei Achtzig Prozent und wir sind innerhalb von vier Monaten auf eine Datenqualitet von ninety-fünf Prozent gekommen.
• 27:43
  Speaker 1: Sehr spannend.
• 27:44
  Speaker 1: Wie, jetzt hast du vorhin über die Prozesse gesprochen?
• 27:47
  Speaker 1: Über die Wertigkeit im Team.
• 27:49
  Speaker 1: hat sich die dann nochmal verändert?
• 27:51
  Speaker 1: Oder haben sie sich die Prozess der verändert?
• 27:53
  Speaker 0: Ja das ist ganz spannend weil wir haben ehrlich gesagt nicht damit gerechnet dass wir so schnell in den operativen Einsatz
• 27:59
  Speaker 1: kommen.
• 28:02
  Speaker 0: und jetzt ist es da.
• 28:04
  Speaker 0: So jetzt fängst du erstmal an Sachbearbeiter auf KI zu schulen.
• 28:09
  Speaker 0: Das war erst mal ein bisschen.
• 28:11
  Speaker 0: was heißt KI?
• 28:12
  Speaker 0: ne Sie haben immer noch eher Eingarmemaster und müssen korrigieren.
• 28:15
  Speaker 0: Aber es war eine Hemmung irgendwie da, erst mal.
• 28:19
  Speaker 1: Weil ob die Qualität gut ist und was da eigentlich passiert?
• 28:22
  Speaker 1: Versteh ich
• 28:22
  Speaker 0: also... Ja oder auch so Fragen, okay nimmt das jetzt, nehmt die KI meinen Job weg, dann muss man ja erstmal entgegenwirken und sagen nee, es geht darum euch Freiraum zu verschaffen für das, was ihr nämlich eigentlich machen soll.
• 28:33
  Speaker 0: Jetzt kommt nämlich das Thema Kontext und Kundenbrille.
• 28:38
  Speaker 0: Das war das erste, das zweite was wir dann noch mal eben dran bauen wussten.
• 28:42
  Speaker 0: hat sich mich keiner drüber Gedanken gemacht.
• 28:43
  Speaker 0: Wir kommen die Bilder eigentlich zu uns wenn er nochmal ein Bild upload gebaut.
• 28:46
  Speaker 0: also sie sind quasi von hinten durch die Brust nach vorne jetzt in den Prozess rein funktionieren mittlerweile bild upload ist da und jetzt überlegen wir gerade wie wir das prozessual nochmal anders steuern im Sinne von okay wann ist ein artikel berechtigt über leer zu laufen?
• 29:03
  Speaker 0: Und Wann ist ein Artikel berechigt doch über den manuellen Weg bei uns einzugehen?
• 29:10
  Speaker 0: weil es natürlich eigentlich der Lieferant angehalten ist, uns diese Daten zu geben.
• 29:14
  Speaker 0: Und da gibt's eine Datenstrategie auch innerhalb der Rewe die natürlich bevorzugt das den Lieferanten über seinen GDSN-Pool die Daten an uns eben übergibt.
• 29:24
  Speaker 0: und da ist jetzt so ein bisschen die Diskussion okay ab an welcher Stelle qualifiziert sich einen Artikel dazu eben über Leer einzukommen?
• 29:32
  Speaker 0: aber es gibt durchaus auch Gespräche zu sagen ja ok warum Führen wir nicht auch Lea in der ganzen Revekupt weiter ein, nämlich ganz vorne im Prozess von der Lieferant eigentlich schon angehalten ist.
• 29:42
  Speaker 0: Im GNSN Pool seine Daten einzugeben da nochmal zu challenging und zu sagen dann lass uns Lea doch dort einführen um noch mal die Qualität direkt ganz vorne zu validieren weil das was vom Lieferanten teilweise ankommt ist oft unter ninety-fünf Prozent.
• 29:58
  Speaker 0: und selbst da gibt es auch im Einkauf nochmal manuelle Prozesse die das gegen checken müssen.
• 30:03
  Speaker 1: Macht ihr das schon für Rewe-Kruppe ist ja relativ groß.
• 30:10
  Speaker 1: Für wen macht ihr das?
• 30:11
  Speaker 1: Wenn wir jetzt über Rewe Märkte gesprochen, aber gehört der noch mehr mit dazu?
• 30:14
  Speaker 1: Wie muss man es vorstellen?
• 30:15
  Speaker 1: Deutschland international...
• 30:16
  Speaker 0: Ja, also zwar ein ganz kleiner Case aus dem Ecom nämlich aus meiner Abteilung.
• 30:22
  Speaker 1: Weil du im Ecom angesiedelt bist
• 30:23
  Speaker 0: oder...?
• 30:23
  Speaker 0: Ich bin in einem Ecom angesiedelt genau.
• 30:25
  Speaker 0: Ich bin Master Data Management für Ecom, für Liefer-Service und Appleservice Und wir haben natürlich auch so Ai-Community Hubs, und dann spricht man da ein bisschen drüber.
• 30:37
  Speaker 0: Dann hab ich Lea mal vorgestellt.
• 30:39
  Speaker 0: Und dann war's richtig spannend.
• 30:40
  Speaker 0: nachdem ich das präsentiert habe überflutete mein Postfach und auch meinen Teams Channels mit diversen Anfragen von wie geil da hab' ich immer drauf gewartet.
• 30:51
  Speaker 0: Ich hab hier so einen Case.
• 30:53
  Speaker 0: So es gibt bei uns, und das sind auch die, die uns unterstützt haben den Piloten umzusetzen.
• 31:01
  Speaker 0: Es gibt einen AI Innovation Abteilung, die dafür zuständig ist diese KI-Piloten umzusenzen.
• 31:07
  Speaker 1: Die haben das auch bei euch gemacht?
• 31:08
  Speaker 0: Ja.
• 31:09
  Speaker 0: Wir haben das für uns gemacht.
• 31:10
  Speaker 0: also zwei Entwickler aber ich glaube dass Wande war die haben mich immer noch Cases gesucht so weil sich die Fachabteilungen nicht richtig getraut haben glaub ich auf sie zuzugehen und sagen okay das ist jetzt ein guter Case ist der skalierfähig und was da glaube ich einfach passiert ist als ich dann unseren Case vorgestellt habe Das wurde auf einmal
• 31:33
  Speaker 1: greifbar.
• 31:34
  Speaker 0: Und da habe ich nicht über KI gesprochen, sondern ich hab über unsere Herausforderungen gesprochen und was jetzt genau den Mehrwert entstand auf einmal Begeisterung.
• 31:42
  Speaker 0: So und jetzt habe ich gemeinsam mit Kollegen aus dieser AI Innovation Abteilung sind wir in der REWE losgelaufen.
• 31:49
  Speaker 0: Wir haben all diese Fälle gesammelt, wir haben irgendwie über zwanzig Cases gefunden weil natürlich da gibt es noch einen Zoo Royal Da gibts ein Tom, da gibts stationäre Märkte die jeden Morgen manuell händisch mit ihrem Pickengerät loses Obst und Gemüse erfassen müssen, weil sie die digitalen Etiketten ausspielen müssen.
• 32:09
  Speaker 0: Da gibt es diverse Cases.
• 32:13
  Speaker 0: Und wo jetzt?
• 32:13
  Speaker 0: gerade auch mittlerweile ist dieser Case so sichtbar dass wir mittlerweile in größeren Gremien darüber sprechen.
• 32:20
  Speaker 0: okay wie wollen wir das jetzt angehen?
• 32:22
  Speaker 0: ganz auszurollen?
• 32:23
  Speaker 0: Ganz auszu rollen und den ganzen Rebe zur Verfügung zu stellen weil der Mehrwert natürlich enorm groß ist.
• 32:30
  Speaker 1: Ja, was macht das mit dir und der Abteilung?
• 32:34
  Speaker 0: Es ist gerade... Also es ist sehr frisch, dass ich das gerade erzähle.
• 32:37
  Speaker 0: also ich habe glaube ich exakt vor zwei Wochen da vor der Geschäftsführung gestanden und leer gepitched und diese Case ist gepitcht die wir zusammengetragen haben.
• 32:48
  Speaker 0: Ich glaube jetzt grade haben wir einen sehr großen Hype mitgenommen und wir sind sehr sichtbar geworden.
• 32:55
  Speaker 0: Und jetzt ist aber, glaube ich das Momentum zu okay, jetzt darf es wieder nicht zu Technisch werden weil jetzt fangen wir an über Operating Models zu sprechen.
• 33:02
  Speaker 0: Jetzt sprechen wir darüber jeder Case dezentral in einem IT Team oder machen wir's doch zentral?
• 33:09
  Speaker 0: Und wer sitzt da eigentlich drauf?
• 33:11
  Speaker 0: und wer ist der Produkt owner?
• 33:13
  Speaker 0: und ich merke gerade Warte mal, wir sind von der Fachseite gekommen und es macht durchaus Sinn dass auch die Fachseiter doch mal damit drin sitzt.
• 33:20
  Speaker 0: Gerade die Personen, die mit Daten zu tun haben weil sind wir mal ganz ehrlich Leer- und Goldhamster ja SKI aber das sind vielleicht zwanzig Prozent so und dass die anderen restlichen achtzig Prozent waren Infrastruktur bauen und Datenwissen eingeben So und Das finde ich jetzt sehr spannend was passiert ob man Also, wir es als REWE schaffen da die entsprechenden Teams so zusammenzustellen dass auch immer aus der Fachperspektive noch mit draufgeguckt wird und das dann jetzt nicht einfach ein großer KI-Skalierungscase draus gemacht wird.
• 33:58
  Speaker 1: Ich will es ja mal bisschen betriebswirtschaftlich bewerten aber der Case ist sehr schnell gerechnet weil der Aufwand scheint nicht groß gewesen zu sein.
• 34:10
  Speaker 1: Nein!
• 34:11
  Speaker 0: Der war minimal.
• 34:12
  Speaker 0: also es waren zwei AI Entwickler Ich und eine Experte für Lebensmittelrecht.
• 34:19
  Speaker 1: Und da war auch nicht Vollzeitwürste, sondern X Stunden oder Tage innerhalb der fünf Monate?
• 34:24
  Speaker 0: Ja genau also wir sprechen hier nicht von hunderttausend, wir sprechen drunter.
• 34:28
  Speaker 0: So rein das was es gekostet hat.
• 34:32
  Speaker 0: Wie gesagt in fünf Monaten waren wir operativ.
• 34:35
  Speaker 1: Der Mehrwert ist gigantisch!
• 34:39
  Speaker 0: von einmal dem Umsatzpotenzial, was dahinter steht.
• 34:42
  Speaker 0: Und vor allen Dingen wenn man das Ganze jetzt betrachtet dass wir es auch noch auf weitere cases skalieren befinden wir uns da im Millionen-Umsatz und die Effizienz dahinter plus die Datenqualität.
• 34:52
  Speaker 0: und zur Datenqualitet muss man immer sagen, dass wir auch das Rechtsrisiko minimiert haben.
• 34:56
  Speaker 0: Also es ist ja...
• 34:57
  Speaker 1: Deswegen war die Lebensmittelrechtlerin dabei?
• 35:00
  Speaker 0: Nein, die Lebensmittellrechtlerin war dabei weil sie genau die KI geschult hat oder trainiert etwas Pflichtangaben sind und wo die zu stehen haben so.
• 35:08
  Speaker 0: Aber Thema Datenqualität ist ein ganz großes Thema.
• 35:13
  Speaker 0: Und dadurch, dass wir jetzt in der Lage sind, Datenqualitätsskaliert in großer Masse hochzuhalten, haben wir natürlich das Risiko minimiert von Strafkosten
• 35:22
  Speaker 0: etc.,
• 35:23
  Speaker 0: pp.
• 35:24
  Speaker 1: Spannend!
• 35:28
  Speaker 1: Was wäre passiert wenn ihr den KI-Piloten nicht gebaut hättet?
• 35:31
  Speaker 1: Ist ja schon die Erfolgswelle auf der ihr gerade seid... sagen wir mal, du bist recht abgebogen mit dem KI-Piloten.
• 35:39
  Speaker 1: Was wäre passiert wenn du links abbiegst?
• 35:45
  Speaker 0: Habe ich mich auch gefragt.
• 35:48
  Speaker 0: Zumal meine Vorgesetzte mich letztes gefragt hat hättest du offen zugegeben, wenn du gescheint habt wärst.
• 35:53
  Speaker 1: Ja, spannende Frage und gute Frage.
• 35:54
  Speaker 0: Mit dem KI Piloten ja hätte ich, kann ich so beantworten weil ich scheinbar nicht als negativ betrachte.
• 36:02
  Speaker 0: Ich denke, ich hätte noch etwas mehr Politik spielen müssen um diese Sichtbarkeit zu erhalten wie ich sie jetzt durch den KI-Case erhalten hab.
• 36:11
  Speaker 1: Du hättest mehr Werbung für dich machen müssen, ja?
• 36:13
  Speaker 1: Wenn man glaube ich die Folge hört, die wir gerade aufnehmen in der Frage keiner warum das so wichtig ist oder warum die Stammdaten so wichtig sind.
• 36:24
  Speaker 1: aber lasst mich die Frage nochmal anders an dich stellen Warum machen das gerade noch wenig Unternehmen in Deutschland oder in Europa sich mit dem Thema Stammdatens beschäftigen?
• 36:35
  Speaker 1: Warum muss jetzt das KI-Thema kommen, um die Wertigkeit und wieder Spaß an dem Thema zu haben?
• 36:42
  Speaker 0: Ja.
• 36:42
  Speaker 0: Und selbst jetzt frage ich mich ob Sie es wirklich machen.
• 36:45
  Speaker 0: Selbst wenn das KI Thema da ist, weil davor war der Halbpersonalisierung wo auch schon alle
• 36:50
  Speaker 1: gesagt
• 36:51
  Speaker 0: haben, pass mal auf deine Produktdaten aus.
• 36:53
  Speaker 0: Ich glaube, ich würde das aus zwei Perspektiven betrachten.
• 36:57
  Speaker 0: Das eine ist dass was ich in Unternehmen vorgefunden habe also das Unternehmen in ihre Organisation investieren.
• 37:06
  Speaker 0: Also Marketing hat eine Abteilung, E-Commerce hat ne Abteilungen, CRM hat vielleicht noch mal ne eigene Abteilion da wird investieren.
• 37:14
  Speaker 0: Stammdaten hat an sich nicht die eigene Abteilung.
• 37:18
  Speaker 0: Stamm Daten existieren irgendwo vorne in der Wertschöpfungskämter und dann gibt es vielleicht hinten im E-commerce Bereich nochmal ein kleines operatives Team.
• 37:25
  Speaker 0: Das heißt du hast schonmal auf strategischer Ebene, auf C Level Ebene nicht die Sichtbarkeit von Stammendaten wie man's bräuchte, dass da jemand strategisch dieses Thema richtig vorantreibt.
• 37:39
  Speaker 0: Dass das eine, das andere ist glaube ich, dass wir selber schuld sind weil wir immer nur von Stammdaten sprechen.
• 37:43
  Speaker 0: Stamm Daten hören sich nach Verwaltung an, Stamm-Daten hören sich noch Pflichtfeldern an und das Momentum ist jetzt denke ich gut im Sinne der KI dass wir nicht mehr von Stammbaten sprechen sondern dass wir vom Produkt Wissen sprechen.
• 37:56
  Speaker 0: also weil auch Stamm daten.
• 38:00
  Speaker 0: was sind denn Stamm Daten?
• 38:02
  Speaker 0: Wenn ich dich heute frage, was sind für die Stammdaten würde.
• 38:04
  Speaker 0: Ich glaube eine andere Antwort kriegen als wenn ich jemanden vorne im Einkauf fragen, was ist für dich ein Stamm?
• 38:10
  Speaker 0: Genauso wie ich immer darüber diskutiere gehört jetzt dieser Stamm-Daten in das PIM.
• 38:15
  Speaker 0: Was sind Bewegungsdaten und Logistikdaten in PIM?
• 38:19
  Speaker 0: Gehören Preise in Pim?
• 38:21
  Speaker 0: oder halt eben nicht so.
• 38:22
  Speaker 0: damit fängt es ja schon mal an.
• 38:23
  Speaker 0: Was ist die Definition von Stamm Daten?
• 38:26
  Speaker 0: Und wenn ich von Produktwissen spreche, dann sind es für mich eben nicht nur einfach die Stammdaten sondern eben den Kontext über das was wir eben gesprochen haben.
• 38:33
  Speaker 0: und zu sagen Produktwissens hilft dabei an den entsprechenden Touchpoints Produkte richtig zu verkaufen.
• 38:40
  Speaker 0: So und dann kriegt das einen ganz anderen Wert als wenn ich nur von Stammdatensprecher und dadurch werden wir vielleicht hoffentlich auch eine andere Sichtbarkeit erzählen.
• 38:48
  Speaker 0: Wenn
• 38:50
  Speaker 1: ich deine Aussage ein bisschen provokanter wiedergeben will sagst du Wir vermarkten das Thema nicht gut im Unternehmen?
• 38:58
  Speaker 0: Ja, ganz klar.
• 39:00
  Speaker 0: Ich glaube der Mehrwert gerade in meiner Person besteht darin dass ich nicht aus der Produktbrille auf Produkte gucke sondern dadurch dass ich halt schon viele Bereiche gesehen habe.
• 39:15
  Speaker 0: In Marketing erarbeitet und gesagt ich hab e-commerce das Thema aufgesetzt.
• 39:21
  Speaker 0: Ich hab Personalisierungsmaßnahmen aufgesetzt sehr schnell die eigentliche Magie von Produktdaten für mich erkannt, nämlich im Zusammenspiel von all diesen Maßnahmen.
• 39:33
  Speaker 0: Also ein gutes CRM-System kann nur so gut sein wie auch die Produktdatengut sind.
• 39:38
  Speaker 0: im Zusamenspielen?
• 39:39
  Speaker 1: Also der Sponsor aus Commitment fehlt da aber das ist ja Hände oder Ei.
• 39:43
  Speaker 1: also wie vermarktest du's nach oben?
• 39:45
  Speaker 1: und wenn es gut nach oben vermarktet dann steht da Sponsore.
• 39:47
  Speaker 1: Strategisch hat's gerade glaube ich noch weniger auf den Blick Aber es war vor Jahren auch zum Thema IT.
• 39:55
  Speaker 1: Data ist immer, glaube ich, noch nicht so sehr im Blickwinkel.
• 39:58
  Speaker 1: Vielleicht gibt's ja nochmal eine Idee, wie man das besser positioniert hat?
• 40:01
  Speaker 0: Naja, ich würde sagen spätestens wenn Sie jetzt alle anfangen Ihre KI Shopping Assistenten auszurollen werden sie feststellen...
• 40:08
  Speaker 1: ...aber erst beim ersten Mal stolpern!
• 40:10
  Speaker 0: Beim ersten mal stolper aber dass wird schnell kommen.
• 40:13
  Speaker 0: Also man sieht das ja jetzt schon bei den Assistentinnen die schon online sind.
• 40:16
  Speaker 1: Dass es nicht ideal ist und dann
• 40:21
  Speaker 0: können wir noch weitergehen.
• 40:22
  Speaker 0: also wenn wir davon sprechen das zukünftig der Endkunde mit externen Agenten seinen Einkauf betreibt, weil wir bei REWE bleiben.
• 40:32
  Speaker 0: Du kannst noch so tolle Personalisierungsmaßnahmen haben.
• 40:35
  Speaker 0: Du kannst noch ein gutes CRM haben.
• 40:37
  Speaker 0: aber wenn eigentlich vorne die Mutter für ihre Familie einkauft und sagt hey!
• 40:41
  Speaker 0: Wir sind eine vierköpfige Familie und ich lege Wert auf proteinreiche Ernährung und wir haben Baby mit einer Nussallergie dann zählt erst mal die Produktdaten.
• 40:53
  Speaker 0: denn Und das ist, glaube ich der wichtige Change, der jetzt gerade stattfindet.
• 40:57
  Speaker 0: Dass Produktdaten auf einmal strategisch werden.
• 40:59
  Speaker 0: Wenn du sagst, sie haben noch nicht die strategischen Blick darauf?
• 41:02
  Speaker 0: Weil Produktdate ein Wettbewerbsvorteil sind.
• 41:07
  Speaker 1: Ja, glaub ich auch.
• 41:09
  Speaker 1: Wo mehr Sichtbarkeit und Besichtbarkeit
• 41:11
  Speaker 0: ist.
• 41:11
  Speaker 0: Ich glaube wenn der Handel das heute noch nicht erkannt hat dann ist es sehr schlecht und die Vorreiter werden zukünftig Design, die die Informationshoheit besitzen Und eben sehr viel Produktwissen.
• 41:22
  Speaker 0: und da sind wir jetzt wieder beim Thema, lass uns nicht mehr von Stammdaten sprechen.
• 41:24
  Speaker 0: Lass uns von Produktwissensprechen weil das wird zukünftig Umsatz generieren.
• 41:31
  Speaker 1: Gut dass ihr so weit seid!
• 41:34
  Speaker 0: Wir sind auf dem Weg würde ich sagen, weil vielleicht auch da nochmal Lea und der Goldhamster sind der erste Schritt.
• 41:41
  Speaker 0: Das ist dafür da um erst mal Daten zu bekommen und der gold hamster ist dafür dann um aus Datenfakten zu machen qualitativ hochwertige Fakten, damit wir überhaupt in der Lage sind jetzt richtig Kontext daraus zu bilden.
• 41:56
  Speaker 0: Um dann halt eben KI-Rani zu sein und deswegen haben wir uns dafür entschieden halt KI erstmal am Anfang der Meile einzusetzen und nicht schon hinten für die Antworten.
• 42:06
  Speaker 0: so viel andere das gerade
• 42:07
  Speaker 0: tun.".
• 42:10
  Speaker 1: Was war so der Moment wo du gesagt hast, wir skalieren?
• 42:12
  Speaker 1: Also wann, da seht ihr immer dieser Tipping Point aus einem POC groß zu werden, bei euch ist es ja riesig zu werden in den gesamten Gruppen.
• 42:21
  Speaker 1: Dann kam der Punkt, wann hast du das Gefühl gehabt dir jetzt passt die Qualität?
• 42:27
  Speaker 0: Das war der Moment wo ich gesehen habe dass unsere Qualität besser ist mit KI als mit dem manuellen Weg.
• 42:33
  Speaker 0: also wir haben ja durchaus Validierung laufen auf jedes einzelne Sortiment und je Sortiment gibt's natürlich unterschiedliche Qualitätsstufen Und in manchen Sortimenten ist es wichtiger als in anderen Als wir an dem Punkt waren zu sagen, okay.
• 42:49
  Speaker 0: Wir sind jetzt bei diesen ninety-fünf Prozent Datenqualität.
• 42:52
  Speaker 0: Jetzt können wir ins Operative gehen und die Artikel live schalten.
• 42:56
  Speaker 0: Das war der Moment wo ich dann auch die Business Cases gerechnet habe für, okay lohnt es sich jetzt?
• 43:01
  Speaker 0: Eben weil wir mit Lebensmitteln angefangen, jetzt Wein hat zu skalieren und zu sagen Okay, jetzt gehen wir an Non Food ran.
• 43:08
  Speaker 0: Tuberwahn oder so Glühbirnen, Batterien oder eben Nierfood-Vitagerieartikel, um das Ganze jetzt auch mit Leer auslesen lassen zu können.
• 43:17
  Speaker 0: So und ja da stehen wir jetzt.
• 43:20
  Speaker 0: Wir sind gerade dabei non food umzusetzen.
• 43:23
  Speaker 0: Und jetzt kommen wir auch an den Punkt was der Mehrwert ist weiter zu skalieren innerhalb der Revacoop.
• 43:27
  Speaker 0: Denn ich habe eben gesagt es steckt ganz viel Fachwissen drin und Produktwissen.
• 43:31
  Speaker 0: wenn ich jetzt an die Kollegen von Tom Baumark denke oder an Zorojall Die haben ein ganz anderes Wissen über ihre Produkte als wir in der Abteilung also Tiernahrung verkauft Rewe genauso und teilweise natürlich auch zur Royale Produkte.
• 43:46
  Speaker 0: Als ein Tom, wenn ich sage wir sprechen über Glühbirnen und Batterien die füßen viel viel besser als wir was die Warnhinweise sind.
• 43:53
  Speaker 0: das heißt ich würde mir wünschen dass wir recht schnell dazu kommen einen Operating Model zu finden wo du deine Applikation wie eine Lea jeder für sich selber hat und aber das innerhalb eines Produktteams der Gold haben es da eigentlich Beherbergt wird, damit alles wissen was von den einzelnen Fachabteilungen dort eben reinkommt.
• 44:13
  Speaker 0: In den Gold haben sie skalieren können und dass wir genauso die Korrekturen und das Wissen der Kollegen halt abziehen können um halt non food für uns weiter auszubauen.
• 44:24
  Speaker 0: Ja und dann ist ein großer Mehrwert da!
• 44:28
  Speaker 0: Und dann macht Skalierung
• 44:29
  Speaker 1: Sinn.
• 44:31
  Speaker 1: Jetzt haben wir viel über Prozesse gesprochen, Organisation Mindtake in Präsentationen auch immer.
• 44:39
  Speaker 1: Du hast Technik, Kultur und Organisationsthemen.
• 44:46
  Speaker 1: Wobei bei der Kultur auch mal die Prozessthemen meiner Ansicht nach mit drin sind.
• 44:49
  Speaker 1: Wir haben über die letzten zwei gesprochen und war das erste gar nicht so ein bisschen die technische Grundlage.
• 44:53
  Speaker 1: da haben wir über Gemini gesprochen aber es gute alte PIM System was ja meistens als Fundament ist.
• 45:00
  Speaker 1: wie muss ich mir sowas vorstellen?
• 45:01
  Speaker 1: Ist das Organisationen mitgewachsen, ist da was Neues?
• 45:07
  Speaker 1: Wie muss ich mir das vorstellen.
• 45:09
  Speaker 0: Spannende Frage.
• 45:10
  Speaker 0: tatsächlich beschäftige mich gerade damit denn ich beobachte grade was auf dem Markt bei PIM an Bietern stattfindet weil ich zu dem Entschluss gekommen bin dass es jetzt gerade sehr Sinn macht vielleicht nochmal ein neues PIM zu evaluieren.
• 45:27
  Speaker 0: Ich habe die K-Fünf nicht nur dafür genutzt, mir Thesen anzuhören und zu Datenqualität zu sprechen.
• 45:33
  Speaker 0: Sondern bin die ganzen großen Ständer abgelaufen und hab mal geguckt wo sie gerade stehen und wie PIM Anbieter Produktdaten gerade für sich betrachten.
• 45:45
  Speaker 0: Und meine Erwartungshaltung... ist, dass ich ein Pym haben möchte.
• 45:51
  Speaker 0: Was mir natürlich dabei hilft einmal LLM gesteuert im Pym-Kontextual zu arbeiten.
• 45:57
  Speaker 0: Ich, dass wir uns das nicht selber irgendwo aus den Fingern ziehen müssen ob jetzt der Lachs zum Wein passt sondern, dass uns die LLm da drin unterstützt als auch, dass sie offen ist für Schnittstellen, dass wird z.B.
• 46:08
  Speaker 0: unseren eigenen KI Modelle wie Lea und Golden Hamster dort eben einfügen können.
• 46:14
  Speaker 0: Und was ich auch spannend finde und die größeren Anbieter sind schon dabei, dass du halt genau aussteuern kannst.
• 46:19
  Speaker 0: welches Attribut möchte ich eigentlich mit welchem LLM-Modell befüllen.
• 46:23
  Speaker 0: Governance ist natürlich nicht außen vorzulassen.
• 46:26
  Speaker 0: Auch das finde ich spannend.
• 46:29
  Speaker 0: wie sie da weiter darauf gucken.
• 46:31
  Speaker 0: zu den üblichen Validierungen.
• 46:33
  Speaker 0: also das was wir mit einem Goldhamster gebaut haben wird vielleicht irgendwann auch in der Lage sein LLMs zur Verfügung zu stellen um Validierung anders vornehmen zu können ist naheliegend, habe ich jetzt so noch nicht richtig gefunden.
• 46:47
  Speaker 0: Und... Ich würde die These auch stellen dass in den nächsten Jahren PIMPS auf dem Markt kommen, die nämlich nicht mehr als PIMP fungieren sondern ans Knowledge-Patform.
• 46:58
  Speaker 1: Ja, für ein Punkt würde ich mit eingehen.
• 47:01
  Speaker 0: Das Momentum hab' ich jetzt auf der K-Fünf noch nicht gesehen.
• 47:04
  Speaker 0: Ich glaube es gibt den einen oder anderen Anbieter, die wahrscheinlich irgendwas dazu in der Schublade haben
• 47:09
  Speaker 1: Aber noch nicht gepitscht
• 47:11
  Speaker 0: gerne bei mir melden.
• 47:13
  Speaker 0: So, aber noch nicht gepitscht genau und ich hoffe oder ich wünsche mir dass wir PIMS erhalten mit denen wir gemeinsam die so eine Wissensplattform richtig aufbauen können.
• 47:28
  Speaker 0: weil der nächste Punkt ist ja... Wir haben bis jetzt immer nur den Input betrachtet von KPIs.
• 47:34
  Speaker 0: also wie sieht unsere Datenqualität aus?
• 47:36
  Speaker 0: Wie viele Artikel haben wir online?
• 47:37
  Speaker 0: Wie viel Attribute sind geschaltet etc.
• 47:40
  Speaker 0: Viel spannender finde ich immer die Frage, mit Blick auf Kundenfokus.
• 47:45
  Speaker 0: Was ist der Outcome?
• 47:47
  Speaker 0: Und wie schaffe ich es, Analysen auch in das Pym mit einzubeziehen?
• 47:51
  Speaker 0: im Sinne von brauchen wir vielleicht auch neue KPIs?
• 47:55
  Speaker 0: So was?
• 47:56
  Speaker 0: wie gut sind wir in der Lage, die Frage zu beantworten ob wir vegane Artikel haben und wie viele vegane artikel wir haben dass man daran messen kann wie viel Produkte haben wir denn eigentlich?
• 48:07
  Speaker 0: die veganen sind so?
• 48:09
  Speaker 0: Oder wie gut ist unsere Recommendation coverage?
• 48:14
  Speaker 0: Was ist eigentlich eine gute Entscheidung, also kann draußen auf dem KI-Case helfen unser Produktwissen dabei eine Kaufentscheidung zu treffen.
• 48:28
  Speaker 0: Ich wünsche mir zukünftig für unser PIM, dass wir halt in der Lage sind all diese... Natürlich ist da irgendwie nochmal ein Search Team vorgeschaltet oder eine BI oder Analytics Systeme aber dass wir all diese Daten, die wir dafür brauchen in unser Pym reinfließen lassen können und auf Basis dessen dann die LLMs auch schon wieder so weit sind Attribute Informationen Wissen anzureichern wie es dann eben im Momentum gerade draußen erwartet wird.
• 48:54
  Speaker 1: Ja finde ich gut würde ich mitgehend unterschreiben Bevor wir die Folge ändern, würde ich sozusagen die zwei Fragen, die ich immer stelle ist was machst du privat mit Daten und Filmtiteln?
• 49:07
  Speaker 1: Ich würde aber kurz einmal das Fazit machen.
• 49:09
  Speaker 1: Dann kannst du sagen ob du es genauso siehst und dann kannst du die zwei Frage über Antworten.
• 49:13
  Speaker 1: Okay, Fazit für mich von der Folge ist dass wir festgestellt haben, wenn man die Augen schließt und sich darüber nachdenkt wer verantwortet eigentlich Stammdaten ein Bild im Kopf haben was gar nicht der Abteilung entspricht, wie sie aktuell da ist.
• 49:28
  Speaker 1: und das liegt vielleicht auch daran dass die Abteilungen selber nicht gelernt haben gut Politik oder Marketing im Unternehmen zu machen weil die Wertschöpfung ist riesig.
• 49:38
  Speaker 1: Die muss man einmal strukturieren und darstellen und dann stellt man plötzlich fest wenn man wie so eine Art Faden- oder Organigramm für Produktdaten macht wo eigentlich welche Produktdarten eingesetzt werden und wie wichtig diese sind.
• 49:51
  Speaker 1: du hast es über ein Steakholder Map gemacht Und darüber wird klar, dass es eigentlich der Kern ist und die Grundlage für eine gute Sichtbarkeit im Online- und auch vielleicht Offlinehandel.
• 50:03
  Speaker 1: Dafür braucht man Organisationsveränderungen aber auf der anderen Seite auch eine technische Veränderung, die vielleicht erst später kommen kann wie den andern beiden.
• 50:10
  Speaker 1: Dann gibt es doch einfache Cases und schnell Time to Market Cases mit dem Leer und dem Goldhamster-Dissertier gebaut hat was sich nicht so kompliziert anhört... Negativ darstellen will sondern einfach von der Aufwand gegen ertrag und damit wird das thema dann doch schnell entstaubt wenn man zum mal in der analogie besprechen will.
• 50:33
  Speaker 1: Und dann entsteht eine wertschöpfung die wirklich noch viel viel größer wird Und wenn man sich das dann noch mal ein bisschen weiter anschaut und in die Zukunft schaut, ist die These, die ich mit unterstütze.
• 50:44
  Speaker 1: Wir müssen zum Thema Kontext sprechen gar nicht weil es Lad-Language-Modelle gibt sondern weil welcher Käse passt zum Wein?
• 50:51
  Speaker 1: Welcher Wein passt zum Käse?
• 50:53
  Speaker 1: aber auch welche Rezepte passen zu mir?
• 50:56
  Speaker 1: Zwecks Allergie & Co.
• 50:57
  Speaker 1: ist euer Use Case!
• 50:59
  Speaker 1: Das ist doch die Information, die wir jetzt im großen Umfang in Unternehmen haben, die jetzt zusammengeführt werden müssen.
• 51:07
  Speaker 0: Sehr gut zusammengefasst.
• 51:08
  Speaker 1: Danke!
• 51:09
  Speaker 1: Jetzt die zwei Fragen, was machst du privat mit Daten und welchem Filmtitel?
• 51:13
  Speaker 0: Wahrscheinlich erwartest Du jetzt, dass ich sage, ich bin voll der Datennürt und sammle Daten wie ganz im Gegenteil überhaupt nicht weil mich eigentlich immer die Geschichte dahinter interessiert.
• 51:24
  Speaker 0: oder auch Muster, die man aus Daten ablesen kann oder Herausforderungen so wie wir es bei Lea hatten, die einfach greifbar sind vielleicht aus dem privaten Kontext.
• 51:34
  Speaker 0: Ich hab morgens die Herausforderung, wenn Shingi muss was ich anziehen soll.
• 51:37
  Speaker 0: Also habe ich angefangen Chachibitie mit meinem Kleiderschrank zu befüllen und hier hab ich jetzt nur noch gesagt heute möchte ich diese Bluse anziehen.
• 51:44
  Speaker 0: sag mir was dazu passt
• 51:45
  Speaker 1: Und es klappt?
• 51:46
  Speaker 0: Es klappt und es geht schnell und ist gut.
• 51:48
  Speaker 0: Ja ich kann dir einen Tipp geben das ist wirklich
• 51:50
  Speaker 1: gut
• 51:51
  Speaker 0: und er spart mir morgens mindestens zehn Minuten.
• 51:55
  Speaker 1: Filmtitel
• 51:58
  Speaker 0: The Bear Ist kein Film ist ne Serie und Disney Plus Ganz großartig, falls du sie noch nicht gesehen hast.
• 52:05
  Speaker 0: Kann ich nur empfehlen?
• 52:07
  Speaker 0: Dann fasse ich kurz in zwei Sätzen zusammen.
• 52:10
  Speaker 0: Es geht eigentlich über eine Invis-Bude die zu einem Premium Restaurant wird und überwiegend um den Chefkoch der dahinter ist das Team neu steuert sehr viel Freiraum für Ideen gibt neue Prozesse schafft neues viel ausprobiert Aber auch, dass es wirklich harte Arbeit ist.
• 52:36
  Speaker 0: Und ich glaube das passt zu uns gerade ganz gut weil wir auch in der Küche sind hinten dran was der Kunde nicht sieht sondern die ganzen Zutaten zusammenstellen und am Ende die Magie eigentlich auf dem Teller von all den Köchen entsteht, die die Mahlzeit präsentieren und der Kune am Ende eben das Essen genießen kann.
• 53:00
  Speaker 0: Das passt so oder so von der Materie gut zu uns, aber eigentlich zu der Geschichte auch dahinter.
• 53:06
  Speaker 0: Ich würde jetzt unsere Abteilung nicht mit der Immis-Bude vergleichen, aber wir wollen auf jeden Fall das Premium-Restaurant werden.
• 53:14
  Speaker 1: Ja, schöne Metapher und Analogien.
• 53:16
  Speaker 1: Vielen Dank für die Folge!
• 53:18
  Speaker 0: Hat mir sehr viel Spaß gemacht.
• 53:19
  Speaker 0: Danke fürs Einladen!