Latest / AI or DIE / Warum der wahre Erfolg von KI nicht im Proof of Concept, sondern in der Skalierung entsteht.

Transcript

Warum der wahre Erfolg von KI nicht im Proof of Concept, sondern in der Skalierung entsteht. · AI or DIE

• 0:00
  Speaker 1: Jo hallo zusammen zu unserem Podcast AI or Die.
• 0:05
  Speaker 1: Und oft war der Name hier dieses Podcast schon programmend, man hat sich gefragt machst du jetzt AI und wenn nicht stirbst du dann?
• 0:12
  Speaker 1: Jetzt wollen wir aber mal eine Realität-Check heute machen!
• 0:15
  Speaker 1: Hat KI diese ganzen Versprechungen die aufgekommen sind wo es hieß das wird Alles revolutionieren.
• 0:21
  Speaker 1: Hat es eigentlich in den großen deutschen Konzernen und im gehobenen Mittelstand wirklich die Verbänderung beigeführt, die wir uns alle hofft haben?
• 0:28
  Speaker 1: Haben wir diese Effizienzgewinne?
• 0:31
  Speaker 1: Ist es so dass wir auf einmal sagen nee der Mitarbeiter ist entlastet er kann ganz anders arbeiten wird viel kreativer.
• 0:37
  Speaker 1: Und damit ich die Frage nicht beantworten muss, habe ich mit den David von Walantika eingeladen und hab gesagt, sag mal wie sieht es denn so aus?
• 0:44
  Speaker 1: Und gibt dir die Frage direkt an dich.
• 0:45
  Speaker 1: Wie sieht das dem momentan aus?
• 0:47
  Speaker 1: Wie sie nimmst du den Markt wahr?
• 0:48
  Speaker 1: Wie nimmste Kunden wahr?
• 0:50
  Speaker 1: Du als Berater strategisch, wie siehst du die Welt gerade?
• 0:56
  Speaker 0: Hallo Andrea!
• 0:57
  Speaker 0: So danke für die Frage.
• 0:59
  Speaker 0: Letztes Jahr gab's seit Entropics, Cloud Release definitiv eine Veränderung in der Breite auch bei den Unternehmen für eine echte steilere Trajektorie, für AI-Adoption gesorgt hat.
• 1:14
  Speaker 0: Das sehen wir in einer viel stärkeren Nachfrage und auch diverse Studien von uns aber auf den Wettbewerbern zeigen die Investments im Jahr twenty sechsundzwanzig haben sich verdoppelt gegenüber dem Vorjahr und das Ja des Proof of Concepts ist tatsächlich vorbei.
• 1:30
  Speaker 0: Sechsundzwannzig steht viel mehr im Zeichen von Skalierung Wert heben aus den Potenzialen, die jetzt jeder im Kleinen gesehen hat.
• 1:40
  Speaker 0: Aber im Großen auch noch weiter ausschöpfen
• 1:42
  Speaker 0: will.".
• 1:43
  Speaker 1: Ja wir haben ja jetzt gerade so dieses Proof of Value und vielleicht magst du kurz erzählen was du da machst bei der Valantik?
• 1:49
  Speaker 1: Du hast schon Studien angesprochen aber das machst du ja nicht!
• 1:51
  Speaker 1: Du bist ja wirklich in kurzer Zeit hier mit Kunden unterhält sich über denen.
• 1:54
  Speaker 1: Was machst du denn da eigentlich so und wie fühlst du dann dann auch so?
• 1:57
  Speaker 1: ein Proof Of Value nenne ich das jetzt mal durch wo man wirklich sagt hey Da habt ihr was gehoben mit KI oder gibt es viel mehr Empfehlung, so könnt ihr etwas heben.
• 2:06
  Speaker 1: Mit KI
• 2:09
  Speaker 0: ist selbst noch seit zwanzig Jahren Unternehmensberatung immer Schwerpunkt.
• 2:12
  Speaker 0: digitale Transformationen ich bin Wirtschaftsinformatiker und dementsprechend kümmere ich mich bei der Walantik auch in dieser Domäne um AI Transformation.
• 2:21
  Speaker 0: Und da geht's immer um das Spannungsfeld.
• 2:23
  Speaker 0: erstens Was ist eigentlich der geschäftliche Zweck?
• 2:26
  Speaker 0: Was will man eigentlich für geschäftlichen Ziele erreichen?
• 2:29
  Speaker 0: Das zweite is wie kann man das technologisch heben?
• 2:32
  Speaker 0: Und das Dritte ist natürlich, wie schafft es auch für die Unternehmen in der Organisation damit den Mitarbeitenden und andere Stakeholder auch den Mehrwert, dem man sich davon verspricht.
• 2:43
  Speaker 0: Diese drei Perspektiven haben wir in den Projekten in unterschiedlicher Ausprägung mal mehr, mal weniger stark im Fokus – was heißt das?
• 2:52
  Speaker 0: Du hast gerade valuation angesprochen!
• 2:54
  Speaker 0: Ein Fokus, der bei digitaler Transformation häufig erstmal zu kurz kommt, ist die Frage Was ist denn wirklich scharf gerechnet der kommerzielle Benefit aus dem Einsatz der Technologie?
• 3:06
  Speaker 0: Häufig läuft es ein bisschen umgekehrt.
• 3:08
  Speaker 0: Es gibt eine neue Technologie, die verspricht auch relativ schnell wenn man's anwendet privat einen großen Mehrwert und dann sagt man naja da is ja so offensichtlich dass ich mal anfange den jetzt zu schöpfen indem ich die Technologie ausrolle.
• 3:20
  Speaker 0: das kostet dann richtig viel Geld und im Nachgang sind viele enttäuscht weil sie sagen das waren ja eigentlich nicht die versprochenen Benefits.
• 3:29
  Speaker 0: Umgekehrt wollen wir durch eine wertorientierte Einführung Technologie sicherstellen, dass von Anfang an Christall klar ist.
• 3:36
  Speaker 0: Was sind eigentlich die Erwartungen?
• 3:37
  Speaker 0: Was sind die Schmerzpunkte, die man hat, die mal durch die Technologie adressieren will um dann bei der Einführungsregelmäßig auch zu schauen werden die denn tatsächlich von den praktischen Projekten und den Ergebnissen bestätigt oder nicht?
• 3:50
  Speaker 0: Hypothesen werden formuliert, die werden verifiziert oder falsifiziert und dann werden Programme angepasst.
• 3:56
  Speaker 0: Und die kurze Version Und das ist wirklich was Besonderes im Fall von AI, im Vergleich zu anderen Phasen der digitalen Transformation in den letzten zwanzig Jahre, die ich begleitet habe.
• 4:08
  Speaker 0: Dass das Versprechen des AI bringt, ist relativ simpel.
• 4:13
  Speaker 0: Es sagt nämlich Prozesse werden schneller und insgesamt wird Abläufe günstiger.
• 4:22
  Speaker 0: Und Qualität wird gleichzeitig in der Regel auch noch besser.
• 4:26
  Speaker 0: Und tatsächlich sieht jeder in verschiedenen Umgebungen dieses Versprechen relativ schnell erfüllt wird.
• 4:32
  Speaker 0: Problem ist leider nur, bei dem Versuch das dann zu skalieren also in der Breite zu heben, dann stellt man normalerweise fest da gibt es eine Reihe von Hindernissen die dafür sorgen dass es nicht so einfach geht.
• 4:42
  Speaker 0: und der Effekt den man im kleinen geschafft hat im berühmten Tube of Concept, der ist dann gar nicht soeinfach in der breiten zu hebe weil man eben dann wie immer bei Transformation doch mehr Dinge anpassen muss als jetzt einfach nur die Technologie in die Breite.
• 4:57
  Speaker 0: Und daran arbeiten wir mit den Klienten entsprechend intensiv.
• 5:01
  Speaker 1: Ja, du hast gerade auch glaube ich noch mal ein ganz wichtiges Stichwort genannt.
• 5:04
  Speaker 1: Nämlich AI at Scale.
• 5:06
  Speaker 1: Guckt euch da gerne habe ich euch verlinkt unter dieser Folge von Valentik die Studie zusammen mit dem Handelsblatt an.
• 5:11
  Speaker 1: Da habt ihr nochmal spannende Insights und es kamen auch nochmal Leute zu Wort, die auch sehr über ihre Einschätzung gegeben haben.
• 5:17
  Speaker 1: Sehr interessanter Mix Kompliment für die Studiö An der Stelle.
• 5:20
  Speaker 1: also guckt euch die gerne mal an Und sonst sagst Du ja genau da ist das Problem gerade.
• 5:25
  Speaker 1: Wir sehen so im Einzelnen Das müsste ja funktionieren Kriegen ist dann aber nicht skaliert Einige schon.
• 5:32
  Speaker 1: Was sind denn so die Erfolgsfaktoren, damit das dann tatsächlich – wir bleiben mal ein bisschen abstrakt.
• 5:36
  Speaker 1: So eine AI-Initiative dann skaliert und dass mehrere nutzen?
• 5:39
  Speaker 1: Wo?
• 5:39
  Speaker 1: ich weiß es wird ja wenn hinschienen stellen….
• 5:42
  Speaker 1: Wir sind jetzt zum Beispiel auch bei der Deutschen Bahn umgeben dort Kopilotschulung für Leute die erstmal rangeführt werden sollen überhaupt das in irgendeiner Form zu nutzen und nicht zu sagen Das ist Teufelszeug da will ich nichts tun haben.
• 5:54
  Speaker 1: aber wir reden ja über ganze Prozesse über POC's die ich gefahren habe und die ich jetzt ausrollen möchte Freund von Leuchtturm-Projekten, weil oft ist der Leuchthurm einfach nur stehen geblieben und keiner hat ihn jemals wieder gesehen.
• 6:07
  Speaker 1: Und er ging nicht weiter.
• 6:09
  Speaker 1: also ich bin eben nicht auf die offene See raus und losgingst so.
• 6:12
  Speaker 1: jetzt habe ich lange geredet.
• 6:13
  Speaker 1: aber was ist denn bei AIRScale?
• 6:15
  Speaker 1: Die Erfolgsfaktoren wo du sagst ey darauf kommt es wirklich an!
• 6:20
  Speaker 0: Also gibt ein Teil der Erfolgsfaktore sind die gleichen wie bei jeder anderen erfolgreichen Transformation nämlich erstens Du brauchst Leadership Commitment.
• 6:30
  Speaker 0: Es lohnt sich gar nicht.
• 6:31
  Speaker 0: Cotter hat schon als Harvard-Professor vor über dreißig Jahren Bücher darüber veröffentlicht, dass einer der wesentlichen entscheidenden Punkte dafür, ob Transformation erfolgreich sind ganz unabhängig davon, ob das jetzt eine IT-Transformation ist oder vielleicht sogar ein Merger, ist, dass du einfach den berühmten Sense of Urgency also die Dringlichkeit für die Veränderung kommunizierst, dass es auch klar und verstanden wird und dementsprechend auch top down agiert wird.
• 6:59
  Speaker 0: Das hört sich immer wieder Binsenweisheit an, ist es de facto auch.
• 7:03
  Speaker 0: Tatsächlich ist auch bei AI-Transformation mit häufig unterschätzt wie sehr, wie wichtig es ist ein Narrativ zu formulieren der Klarwirt.
• 7:10
  Speaker 0: Wo wollen wir damit hin?
• 7:12
  Speaker 0: Anders als bei anderen Technologien sind sehr viel Ängste auch mit der AI vorknüpft.
• 7:16
  Speaker 0: Es gibt jeden Tag in den Leitmädchen Presseartikel darüber welche Gefahren für Jobs bestehen.
• 7:21
  Speaker 0: Je nach Job wird aufgeschlüsselt wie groß die Gefahr ist.
• 7:24
  Speaker 0: Wir sehen das gerade in der Rezessiones generell schwierig ist.
• 7:27
  Speaker 0: Das heißt, da wird viel miteinander auch vermengt.
• 7:30
  Speaker 0: und Leadership Commitment bedeutet du setz dich als Führungskraft Top-Down C Level auf dieses Thema und kommunizierst über alle Kaskaden der Führungsebene klar und konsistent was man sich davon erwartet wie man das umsetzen wird.
• 7:44
  Speaker 0: Und dass es auch eine längere Reise ist und nicht entspringt damit die Einführungen der nächsten Co-Pilot Lizenz vielleicht schon bennet ist.
• 7:51
  Speaker 0: Punkt eins Der zweite Punkt Die Fähigkeit das umzusetzen, wir nennen das Ability to execute bedeutet dass du auch Voraussetzungen schaffst neben dem.
• 8:02
  Speaker 0: einheitlich Programm zum Beispiel Use Cases zu bewerten, zu identifizieren also quasi standardisiert vorgehst und nicht hier mal den einen Faktor höher Gewicht ist da den anderen der bei AI Wert stiften soll.
• 8:15
  Speaker 0: Und dann auch eine Zusammenarbeit herstellt über die Organisationen, über die Departments, über Die Einheiten.
• 8:21
  Speaker 0: AI sollte zb nie eine rein IT getriebene Veränderung sein sondern natürlich auch fachlich.
• 8:25
  Speaker 0: alle berücksichtigen das sozusagen wenn du so willst die Programmfähigkeit.
• 8:30
  Speaker 0: Der dritte Punkt Momentan ein Schlüsselthema, aber auch bei Transformation häufig vernachlässig nämlich die Befähigung der Mitarbeitenden.
• 8:40
  Speaker 0: Capable People, nennen wir das.
• 8:42
  Speaker 0: Also wie funktioniert jetzt eigentlich AI Adoption in der Breite?
• 8:47
  Speaker 0: Was heißt das eigentlich?
• 8:48
  Speaker 0: Wir sehen Trainings Journeys aus und werden auch Mitarbeiter an die Hand genommen.
• 8:52
  Speaker 0: Auch hier gilt es reicht nicht einfach nur einen Zugang zu schaffen sondern im Arbeitskontext indem man unterwegs ist dass es unterschiedlich von Abteilung A zur Abteilungen B vom Domain of Finance zur HR zum Produktentwicklung usw.
• 9:05
  Speaker 0: Das auch anzupassen bewerten, ob es Fortschritte gibt und dazu gehört auch die Fähigkeiten der Mitarbeiter zum Beispiel zu weiterzuentwickeln.
• 9:17
  Speaker 0: Und auch so weiterzu entwickeln dass sie später vielleicht automatisiert werden können und aus einer Fähigkeit ein Skill wird was du später agentisch dann skalieren kannst.
• 9:26
  Speaker 0: And last but not least ist das der Betrieb Target Operating Model.
• 9:31
  Speaker 0: wie bist du eigentlich in der Lage später dieses Programm in den gesamten Wertschöpfung deiner Organisation umzusetzen?
• 9:37
  Speaker 0: Und wahrscheinlich musst du auch einige Dinge anpassen.
• 9:40
  Speaker 0: Nämlich Workflows, neue Designen so dass du auch die großen Vorteile von so einer Automatisierung und dem Wertbeitrag heben kannst.
• 9:48
  Speaker 0: aber dazu kommen wir bestimmt noch.
• 9:50
  Speaker 1: Genau was mache ich denn?
• 9:51
  Speaker 1: Du hast gesagt als erstes rangestellt das Commitment des Leadership.
• 9:54
  Speaker 1: So jetzt sitze ich da und sag ja ich committe mich und dann wird sowas gesagt Wir werden jetzt AI driven So, und dann haue ich da jetzt eben eine Zahl ran.
• 10:04
  Speaker 1: Und sag dadurch einfach haben wir eine V-Zennsteigung von fünf Prozent.
• 10:08
  Speaker 1: Dann kommst du jetzt um die Ecke und sagst ne!
• 10:10
  Speaker 1: Wir können auch zehn schaffen.
• 10:11
  Speaker 1: Die und die Cases müssen wir angehen das wäre Best Practice.
• 10:14
  Speaker 1: Die müssen wir jetzt erstmal umsetzen.
• 10:16
  Speaker 1: so wie kriege ich das denn?
• 10:18
  Speaker 1: dieses Commitment also habe ich werde mir vorzustellen ob dieser Top Level Ebene wo Du ja auch unterwegs bist Dass die können ja einfach so sagen, ich bin committet oder man will ja auch nicht wenn du als Berater kommst.
• 10:29
  Speaker 1: Sagen Ja nee also Daten und AI das ist mir heute nicht mehr wichtig.
• 10:34
  Speaker 1: Das wird hier keine machen aus dem Internet.
• 10:35
  Speaker 1: Und dann wäre es auch nicht da.
• 10:37
  Speaker 1: So und dann ist ja schon ein gewisses Commitment dar.
• 10:39
  Speaker 1: wie kann ich denn auch?
• 10:40
  Speaker 1: Commitmen ist ja auch immer Bring-und-Holschuld.
• 10:43
  Speaker 1: Also muss sich einmal vorleben auf der Anseile muss noch Geld geben.
• 10:46
  Speaker 1: aber wie treffe ich da Entscheidungen?
• 10:48
  Speaker 1: Wo kaufes committe ich mich denn?
• 10:50
  Speaker 1: Da haben jetzt die ganzen Abteilung lauter AI Initiativen.
• 10:53
  Speaker 1: jeder macht irgendwie.
• 10:54
  Speaker 1: Einige schreiben auch nur AI drauf, die anderen machen ganz tolle Sachen.
• 10:58
  Speaker 1: Die einen sind ready und die anderen haben am Case.
• 11:00
  Speaker 1: der bringt kein Geld.
• 11:01
  Speaker 1: Der macht aber alle Leute freuen sich darüber.
• 11:04
  Speaker 1: Wie kriegst du das hin dort zu helfen?
• 11:06
  Speaker 1: Auch eine Entscheidungsfindung zu machen, dass ich mich auch kummitte und es durchhalte und sage den Weg gehen wir mal wie so gute Kapitänen.
• 11:14
  Speaker 0: Das hat natürlich unterschiedliche Ebenen.
• 11:16
  Speaker 0: also eine Ebene ist generell ein Mindset.
• 11:20
  Speaker 0: Du hast heute eine Situation in der wir alle die klassischen Führungs, ich will sogar sagen Arbeitsmodelle der Vergangenheit Stück für Stück hinterfragen werden.
• 11:33
  Speaker 0: Warum?
• 11:34
  Speaker 0: Weil wir in der Zukunft gegenüber sind, in der in einer Industrie früher im anderen Unternehmen später ja eine neuen Art von Mitarbeiter Typ wahrscheinlich haben werden.
• 11:43
  Speaker 0: also werden ja agentische Mitarbeiter haben.
• 11:46
  Speaker 0: und dann ist ja die Frage wie werden diese Mitarbeiter eigentlich geführt?
• 11:50
  Speaker 0: gibt es gemischte Teams?
• 11:51
  Speaker 0: trennt man das separat?
• 11:53
  Speaker 0: und vor allen Dingen Die Rolle der Führungskraft als People-Manager ändert sich dadurch ja auch, weil man viel technischer in der Lage sein muss zu bewerten und zu steuern.
• 12:05
  Speaker 0: Und das Ganze überhaupt mal zu verstehen.
• 12:07
  Speaker 0: Also worauf will ich hinaus?
• 12:09
  Speaker 0: Dass wir in einer lernenden Gesellschaft unterwegs sind wird schon seit vielen Jahren gesprochen und gepredigt.
• 12:15
  Speaker 0: Jetzt ist es wirklich an der Zeit!
• 12:17
  Speaker 0: Also niemand muss selbst zum Entwickler werden.
• 12:20
  Speaker 0: Das kann mittlerweile ganz offensichtlich AI im Vibecoding relativ gut.
• 12:25
  Speaker 0: Allerdings muss man sich in der Lage sehen, mit diesen technischen Möglichkeiten schon auseinanderzusetzen und die selbst auch anzuwenden.
• 12:32
  Speaker 0: also Führungskraft wird zukünftig von der Befähigung erst mal vermeint setter umdefiniert, das muss man für sich als Organisation erst mal formulieren was es bedeutet und aus dieser Formulierung wird ein Anspruch.
• 12:46
  Speaker 0: Und diesen Anspruch musst du dann auf die verschiedenen Ebenen auch tragen und dann musst Du ihn – das steht in jedem Management Handbuch der letzten fünfzig Jahre vorleben – und musst im Prinzip Leading bei Example auch zeigen dass Du selbst in der Lage bist dich weiterzuentwickeln und damit auch anderen Vorbildest des Selbst zu tun.
• 13:04
  Speaker 0: und die Veränderungsgrad, der damit einhergeht.
• 13:08
  Speaker 0: Der ist nun mal jetzt größer als in der Vergangenheit war.
• 13:11
  Speaker 0: Wenn man von einem SAP-System aufs nächste gewechselt ist dann musste man auch einiges verändern an der Organisation.
• 13:18
  Speaker 0: aber da hat sich deine Rolle so wie du agierst nicht zu stark geändert.
• 13:23
  Speaker 0: Jetzt ändert sie sich stärker und viel schlimmer.
• 13:26
  Speaker 0: es kann ja noch nicht mal einer genau sagen wie weit das geht wie schnell was geht Das heißt das Maß an Veränderungsgrad wird höher und diese zunehmende Ambiguität führt auch zu einer neuen Führungsverantwortung, weil du musst Zuversicht in der Lage sein zu geben.
• 13:46
  Speaker 0: Obwohl du selbst vielleicht gerade die Herausforderungen hast dich in dieser Umgebung zu orientieren und deine Rolle noch zu finden.
• 13:53
  Speaker 0: Und das ist ein ganz besonderer Aspekt, der tatsächlich in der aktuellen Phase ein ganz großer Erfolgsfaktor ist und von den Unternehmen, die schon relativ erfolgreich als Pioniere einer Veränderung vorweggehen.
• 14:06
  Speaker 0: Da kann man zumindest erkennen dass es sehr ernst genommen wird und da auch Führung und das Commitment in dem Fall sehr klar wird und sich dann wiederum auf alle Ebenen darunter auch übersetzt.
• 14:17
  Speaker 1: Jetzt gibt es aber ja verschiedene Punkte.
• 14:19
  Speaker 1: Wir sind jetzt sehr schon stark in dem Agentic AI, wo wir sagen da gibt es Mitarbeiter ich bin dann als derjenige oder diejenige das ausführt eher der Dirigent.
• 14:29
  Speaker 1: und dann gibt es Leute, die machen während früher meine Arbeitszeit viel mehr aus Machen bestimmt war und operativen Dingen, wo ich jetzt aber vielmehr so belege wie greifen die Sachen durcheinander?
• 14:39
  Speaker 1: Wie gehen sie teamübergreifend kostivisional?
• 14:47
  Speaker 1: Maschine auch alles selbst und gibt mir dann auch die Ideen.
• 14:50
  Speaker 1: Und setzt auch selber um, das jetzt alle zusammen.
• 14:53
  Speaker 1: wie beurteilst du so bei dieser Genial versprechen was gerade viel aus der gesamten Datengeschichte ist.
• 14:59
  Speaker 1: Du bist ein Informatiker und garantiert immer wieder über Daten kommen und Datenqualität und dass sie sauber ist.
• 15:06
  Speaker 1: Wie ist also die Transformation bei den Leuten, die ja nicht mal richtig data driven geworden sind?
• 15:11
  Speaker 1: Jetzt muss ich Sie schon AI Driven kriegen.
• 15:14
  Speaker 1: da stelle krass vor, wenn ich den ersten Schritt nicht gegangen bin und muss dem zweiten jetzt gehen.
• 15:20
  Speaker 1: Und dann noch der Dirigent werden?
• 15:22
  Speaker 1: Dazu muss sich halt alle Instrumente erst irgendwie verstehen!
• 15:25
  Speaker 1: Ich muss die nicht spiegeln können, bin ich fest von überzeugt aber ich muss sich verstehen wie sie miteinander
• 15:29
  Speaker 1: wirken.".
• 15:30
  Speaker 1: Und das im Zusammenhang mit Jenny I., Wie siehst du da denn den Reifelgrad, dass Wachstum, was passiert da
• 15:34
  Speaker 1: gerade?!
• 15:34
  Speaker 0: Also eine sehr spannende Frage weil da haben wir jetzt wie in so typischen Hype auch natürlich Phasen der Ernüchterung schon erreicht.
• 15:45
  Speaker 0: Also ja, die Systeme sind unglaublich beeindruckend!
• 15:48
  Speaker 0: Es gibt niemanden, der sich mit Machine Learning intensiv beschäftigt und nicht der absolute Überzeugung ist was da gerade in den letzten Jahren passiert ist gemessen an Geschwindigkeit und Fortschritt atemberaubt.
• 16:00
  Speaker 0: man kommt kaum hinterher.
• 16:02
  Speaker 0: gleichzeitig sagen auch die gleichen das sind und bleiben probabilistic systems.
• 16:08
  Speaker 0: das heißt also technisch sind das Systeme, die statistische Vorsagen machen und in der Lage sind darauf basierend Inkremente wie Text-, Bild-, Ton zu generieren.
• 16:22
  Speaker 0: Aber per Definition quasi mathematisch vorweggenommen sind das fehlerhafte Systeme – die können gar nicht hundertprozent korrekt sein!
• 16:31
  Speaker 0: Und dieser Effekt wird dann dadurch noch verstärkt dass man eben aufgrund der Bedeutung menschlicher Sprache schnell überzeugt ist, dass etwas vermeintlich richtig ist nur weil es sich richtig anhört.
• 16:46
  Speaker 0: Und das ist bei der Skalierung natürlich vor allen Dingen in Domänen, in denen es um einhundert Prozent oder nahezu eineinhalb Prozent Sicherheit ankommt einen ganz gefährlichen Aspekt.
• 16:59
  Speaker 0: und wir sehen das montan verstärkt im Bereich Software Engineering & Vibe Coding, weil es vermeintliche einfach ist, auch Kot generieren und schreiben kann, entstehen dadurch aber per Definition Kot Strecken die fehlerhaft sind, die Sicherheitslücken beinhalten.
• 17:18
  Speaker 0: Und die dann auf einer sehr gut kuratierten und auch qualitätsgesicherten Kotbasis auf einmal aufgrund der schierenden Menge an neuem Kot, der entsteht, unverhältnismäßig viele Sicherheitslücke entstehen lassen können in einem oder anderen Bereich vielleicht nicht unmittelbar zum Problem führen?
• 17:36
  Speaker 0: Aber Perspektivisch ein Zugangstor und damit Risiko sind für Angriffe von außen.
• 17:42
  Speaker 0: Das bedeutet, man braucht Guardrails.
• 17:45
  Speaker 0: Man muss ganz klare Regelwerke schaffen wie man innerhalb der Organisation damit umgeht wer auf was Zugriff hat wie auch solche Systeme wann eingesetzt werden wo man vielleicht eine bewusste Trennung vorweckt.
• 17:55
  Speaker 0: nimmt Und dieser Begriff Human in the Loop und damit eigentlich ein Experte der sicherstellt dass irgendwo einen bestimmten Prozessschritt vor Veröffentlichung, noch mal eine Qualitätssicherung stattfindet.
• 18:08
  Speaker 0: Die wird ungleich wichtiger.
• 18:10
  Speaker 0: Das ist der eine Aspekt.
• 18:11
  Speaker 0: Der andere auf den du gerade referenziert bist, wenn man jetzt skalieren möchte... Man findet die Umgebung in der man Guardrails hat, in der es im Prinzip eigentlich gut unterwegs ist und jetzt will man natürlich mehr von diesen Früchten ernten.
• 18:24
  Speaker 0: dann werden meistens die technischen Alt-Schulden zum Problem.
• 18:27
  Speaker 0: Und wie du es vorhin schon kurz erwähntest, die Organisation, die bisher wenig in Datenqualität, die bis her wenig in entsprechenden Data Governance und Data Strategy investiert hat.
• 18:39
  Speaker 0: Die wird dann relativ schnell feststellen, hoops ein Reihe meiner Prozesse kann ich jetzt gar nicht so schnell automatisieren oder agentisch versuchen autonom ablaufen zu lassen weil entweder diese Systeme relativ viele schlechte Outputs generieren aufgrund fehlender Datenqualität oder, weil aufgrund von Medienbrüchen mangelnder Schnittstellen und auch nicht einheitlicher Handover dieses Thema gar nicht autonom weiter sich entwickeln und selbst verbessern können.
• 19:09
  Speaker 0: Und dann muss man meistens relativ tief in den Maschinenraum und muss anfangen an diesen Defiziten zu arbeiten.
• 19:15
  Speaker 0: und die hängen häufig mit Versäumnissen der Vergangenheit zusammen, können partiell aber natürlich auch schneller gelöst werden, weil wiederum AI-Einsatzmöglichkeiten höher geworden ist.
• 19:29
  Speaker 1: Jetzt weiß ich ja, du kennst ja ein bisschen die Valantik und ich kenne auch dich.
• 19:32
  Speaker 1: Und jetzt ist es so, ihr seid auf der einen Seite sehr strategisch unterwegs.
• 19:37
  Speaker 1: Auf der anderen Seite sorgt er für die Umsetzung.
• 19:40
  Speaker 1: D.h.,
• 19:41
  Speaker 1: deine Transformation ist eine andere.
• 19:44
  Speaker 1: Du bist nicht der Klassische von den großen Vieren Folien an die Wand werfen und dann sagen, so muss das sein.
• 19:50
  Speaker 1: Und jetzt setzt es mal um.
• 19:51
  Speaker 1: hier habt ihr.
• 19:52
  Speaker 1: Und da habe ich euch eine RUI gerechnet und das ist irgendeine Value reingeschrieben.
• 19:56
  Speaker 1: Wenn ihr das alles macht... Nein bei dir ist es so, dass machst du auch übertrieben gesprochen?
• 20:01
  Speaker 1: Aber dann geht's ja auch los!
• 20:03
  Speaker 1: Ihr steht ja auch da mit einer Mannschaft, die das selber umsetzen muss, die auch selber mit dem Methoden arbeiten muss.
• 20:09
  Speaker 1: Auch ein Konsultant muss heute zeigen, dass sie es selber drauf hat weil einen Beobachtung, den ich jeweils habe vielleicht sehr anders gibt sogar das Tagesetze mittlerweile steigen, weil ja die Beratungsqualität immer besser wird.
• 20:23
  Speaker 1: Es ist gar nicht so.
• 20:24
  Speaker 1: ach jetzt kann ich den Konsultant ersetzen.
• 20:26
  Speaker 1: Nee!
• 20:26
  Speaker 1: Ich kann ihn noch besser nutzen.
• 20:28
  Speaker 1: und da ist auch die Transformation wie geht es bei eurem Großberatungshaus?
• 20:32
  Speaker 1: Das aus dem Top-Level aber auch runter kann und Leute liefern kann mit denen ich das dann zusammen machen kann.
• 20:37
  Speaker 1: Wie ist denn die Transformation bei euch?
• 20:39
  Speaker 1: und transformiert ihr euch dann quasi beim Kunden mit und hebt den auch doch mit hoch?
• 20:45
  Speaker 1: früher haben wir die Sachen fertig in eine Tasche gehabt und wussten, so machen wir es.
• 20:49
  Speaker 1: Jetzt gehen wir ja selber als Berater hier auch in Gefilde wo wir es gar nicht wissen sondern mit voller Zuversicht und Power und haben eher den Menschen der dann liefern muss mithilfe der Technologie.
• 20:59
  Speaker 1: Wie ist das bei dir im Team?
• 21:02
  Speaker 0: Also per se ist es erstmal für uns eine großartige Zeit.
• 21:05
  Speaker 0: also ganz einfach ein Grund weil wir waren schon immer oder ich persönlich war schon jemand In den zwanzig Jahren die meiste Freude und Leidenschaft daraus entwickelt hat, wenn du wirklich mit Klienten auch was verändern konntest.
• 21:19
  Speaker 0: Also die Befriedigung unseres Jobs besteht in der Regel darin dass Du von der Idee und der Strategie über das Konzept und damit sozusagen die fachliche Vorlage hin zur Umsetzung, aber dann auch zum Ergebnis, zum Release in mir sicherstellen kannst.
• 21:36
  Speaker 0: Da ist das was du wolltest am Ende auch in weiten Talen rausgekommen und es hat auch noch die Effekte erzielt wie du wolltest Und jetzt ist das sozusagen der einzig relevante Wert überhaupt noch zählt.
• 21:47
  Speaker 0: also wenn man so will ist jetzt der Fokus viel stärker auf ein Leistungsbereich entstanden Der ohnehin schon immer von uns unserer DNA und damit sozusagen Treiber unseres Leistungsangebotes war.
• 22:02
  Speaker 0: Und deswegen haben wir in der aktuellen Phase, das erleben wir auch in Pitches einen Vorteil denn wer sind ohnehin bei Projekten ob das ein Strategieprojekt ist, ob es darum geht wie sieht unsere AI Ambition aus?
• 22:15
  Speaker 0: bis zwanzig dreißig wo erst mal der Fokus zum Beispiel auf einer Bewertung liegt und auf einer strategischen konzeptionellen Arbeit von acht bis zwölf Wochen.
• 22:23
  Speaker 0: da haben wir immer schon Leute dabei die Architekturen sich anschauen können.
• 22:27
  Speaker 0: Wir haben immer schon Leute dabei, die Domäne-Nohau mitbringen also den Sektor und damit die Abläufe auf Prozessebene verstehen und damit frühzeitig in der Strategiefase schon sicherstellen dass die Machbarkeit dessen was da besprochen wird hoch ist und nicht erst ein schönes Konzept und dann schauen wir mal wie es am Ende läuft und ob das überhaupt realisierbar ist.
• 22:49
  Speaker 0: Das heißt das ist bei uns von Anfang an ethikaler Bestandteil der Strategiearbeit Und damit stellen wir auch sicher, und daran lassen wir uns auch messen.
• 22:58
  Speaker 0: Dass wir auch in der folgenden Implementierung das was wir mit dem Klienten gemeinsam antizipiert haben und von denen wir gesagt haben dass es umsetzbar ist auch tatsächlich als Wert und Effekt heben.
• 23:11
  Speaker 0: Und diese Value-Based Offerings die werden jetzt in Zukunft unseren Markt auch in weiten Teilen bestimmen Vor allen Dingen, wenn es jetzt um das Thema AI Transformation geht.
• 23:22
  Speaker 0: Es gibt immer noch einen Beratungsmarkt der ist groß und weit und beschäftigt sich mit anderen relevanten Fragestellungen.
• 23:28
  Speaker 0: aber hier geht's ja wirklich darum was sind die Chancen und die Potenziale?
• 23:32
  Speaker 0: Und ist auch der Dienstleister erfahren genug und hat genug Umsetzungsexpertise um dann glaubhaft zu sagen Das haben wir schon gesehen und dafür stehen wir auch ein Wenn dieser Wert nicht erreicht wird dass wir sozusagen dieses berühmte Skin in the Game auch haben im Implementierungsprojekt.
• 23:49
  Speaker 1: Ja, ich glaube das ist eine ganz spannende Zeit in der wir uns gerade bewegen und wo wir jetzt auch noch nicht genau das Ende absehen können.
• 23:58
  Speaker 1: Und ich glaube der Beratungsmarkt, wir werden alle auch innerhalb der Konzerne viel mehr berater.
• 24:03
  Speaker 1: Also Leute die sehr analytisch gedacht haben, Leute die vorangetrieben haben, die motiviert haben, werden in den Konzernen jetzt immer wichtiger als interne Berater um es auch in irgendeiner Form nachhaltig hinzukriegen.
• 24:17
  Speaker 1: wenn ich dich aber frage und sage hör mal zu Ich weiß die Liebsingantwort eines Berates ist, es kommt darauf an.
• 24:24
  Speaker 1: Nämlich auf die Branche, aufs Einsatzgebiet, Firmkrise Kultur und was weiß ich nicht alles?
• 24:29
  Speaker 1: Wenn ich jetzt aber zu dir sage hey!
• 24:31
  Speaker 1: Was sind denn so deine Lieblings-AI Use Cases mit denen man so starten sollte wo du sagst ey die machen wir bei vielen Kunden schon immer mal wieder da haben wir schnelle Erfolge.
• 24:41
  Speaker 1: das ist eigentlich ein guter Case.
• 24:42
  Speaker 1: gerade wenn du so bisschen anfangen willst das Ad Scale zu denken dann fangen erstmal da an und verlangen vielleicht nicht da an, also vielleicht so ein zwei Sachen für unsere Hörer hast wo du sagst das ist schon mal ganz gut.
• 24:54
  Speaker 1: Da sollte man mal reingehen dann machen wir immer sehr gute Erfahrungen.
• 24:58
  Speaker 0: Sehr gerne!
• 24:59
  Speaker 0: Also Customer Service ich habe lange Jahre bis heute sehr viele Projekte im Telekommunikationssektor gemacht auch für Energieversorger und für Versicherungsunternehmen.
• 25:11
  Speaker 0: Das sind alles Unternehmen die über eine extrem hohe Anzahl von Entkunden sorgen.
• 25:17
  Speaker 0: Dort ist und bleibt Customer Service ein ganz wesentlicher Aspekt, ist aber auch gleichzeitig ein großer Kostentreiber.
• 25:24
  Speaker 0: Und in den zwanzig Jahren, indem ich meinen Job mache, habe ich extrem viele Projekte begleitet und gesehen, indem man versucht hat die Qualität zu steigern im Customer Service, aber gleichzeitig auch die Kosten zu reduzieren.
• 25:36
  Speaker 0: Die Möglichkeiten, die jetzt tatsächlich mit AI Chatbots und generell mit dem Sprachverständnis und der Sprachausgabe dieser Saison bestehen sind wirklich disruptiv.
• 25:49
  Speaker 0: Da gibt es die Möglichkeit tatsächlich zum einen, die Qualität substanziell zu erhöhen und damit meine ich den Net Promoter Score, den du messen kannst wenn eben Endkunden zurückspiegeln ob sie der Meinung sind dass Sie jetzt in dieser Umgebung sich von einem Chatboard oder vom Self-Service Portal gut beraten gefühlt haben und gleichzeitig auch dann die Kosten per Beratung zu reduzieren auch zu einer Kostenreduktion in dieser Domäne zu führen.
• 26:18
  Speaker 0: Was mir dann nur wichtig ist und es wird häufig auch in der breiten Diskussion falsch aufgeführt, das heißt nicht zwangsläufig dass wir hier über Personalabbau reden sondern die meisten Projekte die wir im Customer Service machen seit zwei Jahren unter Einsatz eben den neuen large language Models.
• 26:36
  Speaker 0: Die führen fast überall erstmal zu einer Qualitäts- und Produktivitätsverbesserungen.
• 26:42
  Speaker 0: Zum Beispiel werden gerade für kleinere Anbieter die Rückmeldung, die Qualität wird einfach viel besser.
• 26:49
  Speaker 0: Die Kunden sind viel zufriedener wie ihnen geholfen wird.
• 26:51
  Speaker 0: sie werden schneller adressiert.
• 26:53
  Speaker 0: Sie müssen nicht ewig in der Hotline oder im System darauf warten.
• 26:58
  Speaker 0: Und gleichzeitig haben die Agents, die häufig auch überlastet sind oder wo es immer auch Qualitätsprobleme aufgrund des Personalmannens gibt, die werden.
• 27:07
  Speaker 0: für viel kritischere Fälle haben sie mehr Zeit und sind nicht mehr dem Druck sich ausschließlich in der Breite um die Masse zu kümmern.
• 27:13
  Speaker 0: Also man sieht da auch extrem viele vor einer erster Linie Vorteile bei Produktivitäten-Qualitätssteigerung.
• 27:20
  Speaker 0: Das ist ein Aspekt, Customer Service!
• 27:22
  Speaker 0: Der zweite ist jetzt mal ganz andere Domäne nämlich die Augmentierung der täglichen Arbeit.
• 27:29
  Speaker 0: Augmentation ist im Englischen der Begriff, den man als eine inkrementelle Verbesserung des Täglichen Arbeiten durch AI bezeichnet.
• 27:40
  Speaker 0: Das ist eine sehr individuelle Perspektive.
• 27:42
  Speaker 0: Jeder von uns hat eine Reihe von täglicher Aufgaben, die man machen muss aber begrenzt Freude daran hat und die kann man in der Regel beschleunigen und dadurch deutlich mehr Zeit gewinnen für andere Aufgaben.
• 27:55
  Speaker 0: Es gibt eine sehr divergente Studienlage, muss man sagen.
• 27:58
  Speaker 0: Weil einerseits sehen alle die Effekte, die man durch Augmentierung erzielt.
• 28:01
  Speaker 0: aber gleichzeitig gibt es auch ausreichend viele Studien, die sagen dass sie der Zeit gewinnen nicht dazu führt das man zwangsläufig mehr andere Dinge macht sondern insgesamt einfach mehr arbeitet.
• 28:12
  Speaker 0: also so ein typisches Beispiel für eine aktuelle Transition Phase in der wir sind Die Effekte entstehen, führen aber noch nicht zu einer Arbeitsendlastung.
• 28:20
  Speaker 0: Er ist eine Arbeitsmehrbelastung weil die Mehrarbeit jetzt auch automatisch genutzt wird.
• 28:24
  Speaker 0: trotzdem machen wir unfassbar viele Projekte mit Durchweg aber nur positivem Ergebnis, indem wir operativ im Marketing in Finance, in HR Mitarbeitern helfen relativ schnell in ihrer Arbeitsumgebung produktiver zu sein und dabei gleichzeitig auch auf die Idee kommen im Team was man noch eigentlich machen kann mit den Möglichkeiten nachdem er es gelernt hat.
• 28:47
  Speaker 0: Da hat man automatisch wie gesagt auch hier vor allen Dingen Produktivitäts- und Qualitätsboost.
• 28:53
  Speaker 0: Und die dritte Domäne die ich herausstellen möchte ist in das jetzt eher technisch Software Engineering, aber auch generell der IT-Domäne.
• 29:05
  Speaker 0: Das ist das Thema Testing.
• 29:08
  Speaker 0: schriegt sich Fehlerbehebung, schriegst dich Clearing?
• 29:13
  Speaker 0: Die Möglichkeiten die heute gegeben sind indem man zum Beispiel generell einfach viel schneller viel mehr Code produzieren kann.
• 29:21
  Speaker 0: Diesen Code überführen kann in automatisierte Testingsstrecken, das Anforderungsmanagement, dass man im Prinzip automatisiert verbessern kann.
• 29:30
  Speaker 0: Wer jemals in seinem Leben ein Anforderungslokument schreiben musste und in einer großen Programm dabei war, bis ich mir viel abzustimmen, der weiß wie viel Papier da produziert wurde, dass es keinen Mensch gelesen hat oder die dies gelesen haben, haben's falsch verstanden – in dieser gesamten Kette!
• 29:46
  Speaker 0: An Software Engineering von der Anforderung über das Schreiben des Codes, über das Testings.
• 29:51
  Speaker 0: Das ist wirklich bahnbrechend.
• 29:53
  Speaker 0: Da sage ich jetzt wirklich als Informatiker welche positiven Effekte man erzielen kann immer mit dem vorhin gesagten Hinweis dass birgt auch die Risiken, dass sozusagen damit einem die Geule durchgehen weil man dann auch automatisch Fehler ins System baut.
• 30:10
  Speaker 0: deswegen muss man das sehr Klar, abgrenzen und mit Rahmenwerken und sogenannten Guardrails auch bestücken.
• 30:17
  Speaker 0: Aber trotzdem in dieser Domäne Software Engineering oder im Beidesten ist ein Product Software Lifecycle sind es da auch große Kostenvorteile die man hat.
• 30:27
  Speaker 0: Und da will ich auch etwas aufräumen.
• 30:29
  Speaker 0: dann darfst du mich bremsen Andreas!
• 30:33
  Speaker 0: Es wird den USA vor allen Dingen im Silicon Valley darüber gesprochen oder auch in Leitartikeln referenziert, dass ja die Welt keine Software-Engineure mehr braucht.
• 30:45
  Speaker 0: Die werden jetzt alle arbeitslos.
• 30:46
  Speaker 0: Das ist wahrscheinlich der größte Hoax, der jemals die Presselandschaft in den letzten sechs Monaten durchwandert hat.
• 30:52
  Speaker 0: Vollkommen falsch!
• 30:53
  Speaker 0: Das Gegenteil ist der Fall.
• 30:55
  Speaker 0: Der Grund warum es einen Stellenabbau gab in den USA vor allem im Silicon Valley hat vor allen Dingen mit dem Overhiring also mit den zu vielen Einstellungen post Corona zu tun.
• 31:06
  Speaker 0: das war sozusagen einer notwendige Korrektur aus wirtschaftlicher Perspektive, die dann in einem ein oder anderen Fall fälschlicherweise auf den AI-Effekt appliziert wurde.
• 31:17
  Speaker 0: Fakt ist es werden mehr Software-Engineere in Silicon Valley und insgesamt in der westlichen Hemisphäre gesucht weil wir werden wahrscheinlich eine Demokratisierung von Software Engineering in allen Branchen sehen.
• 31:31
  Speaker 0: Diese Talentwanderung der letzten zwanzig Jahre hin zu den großen Techunternehmen besten Software-Engineere gebunden haben.
• 31:41
  Speaker 0: Das ist jetzt sozusagen genau wie in anderen Bereichen ein bisschen breiter geworden und wir werden viel mehr Software Engineering und damit eine Softwareisierung sehen, in allen Branchen die vielleicht bisher weniger Software Engineering Kompetenz hatten und jetzt dank der Möglichkeiten Dank Vibe Coding das heben können wenn sie richtig gute Software Engineer im Haus hat weil ohne die kann man es wiederum nicht kontrolliert skalieren und später auch dann agentisch entsprechend einsetzen in der breite der Organisation.
• 32:13
  Speaker 0: Deswegen werden das die drei Bereiche, in denen ich sage da sehen wir jetzt in den Projekten, die wir machen, die größte Effekte.
• 32:22
  Speaker 1: Schönes Beispiel wieder für eine Korrelation ist nicht leicht.
• 32:26
  Speaker 1: Kausalität
• 32:27
  Speaker 0: Wo man
• 32:28
  Speaker 1: genau da wieder sieht.
• 32:31
  Speaker 1: Und ich kann den nur aus der eigenen Erfahrung bestätigen, ich habe mehrere Bücher in meinem Leben geschrieben und seitdem diese Systeme so gut funktionieren und auch so gut auf mich eingehen bin ich definitiv ein besserer Autor geworden als vorher was aber nicht heißt dass jemand das noch nie Autor war, dass jetzt morgen gut könnte.
• 32:47
  Speaker 1: Deswegen möchte ich dir dabei pflichten.
• 32:50
  Speaker 1: Ich möchte trotzdem eine Frage stellen und zwar wir müssen noch ein kurzes Gedankenspiel machen eingeladen.
• 32:57
  Speaker 1: Es geht um einen Workshop bei einem Kunden, da heißt es AI at scale und wie schaffen wir denn jetzt richtig Value mit KI?
• 33:05
  Speaker 1: Problem ist du wirst über Nacht den Gedächtnis verlieren.
• 33:08
  Speaker 1: das weißt Du allerdings!
• 33:09
  Speaker 1: Und jetzt gebe ich Dir ein Prostit.
• 33:11
  Speaker 1: Ich weiß, es wird schon Informatiker.
• 33:12
  Speaker 1: Du fragst jetzt erst wie groß ist dieses Posted?
• 33:14
  Speaker 1: Deswegen sage ich dir das auch!
• 33:16
  Speaker 1: Es ist ein kleines Posted gelbes, wie man so kennt was man an dem Bildschirm hat wo man seine ganze Passwörter drauf macht.
• 33:25
  Speaker 1: Dieses Ding gebe ich dir jetzt und du könntest da kurz drauf schreiben was du morgen noch für den Workshop wissen solltest, obwohl alle deine zwanzig Jahre Erfahrung weg sind.
• 33:34
  Speaker 1: Was würdest du so versuchen dir selber zu merken damit du weißt das erzähle ich morgen dem Kunden.
• 33:40
  Speaker 1: da komme ich wieder on track?
• 33:42
  Speaker 1: Das dafür stehe ich persönlich auch.
• 33:47
  Speaker 0: Gute Frage!
• 33:48
  Speaker 0: Ich würde drei Dinge drauf schreiben.
• 33:52
  Speaker 0: Das erste ist inkrementell versus transformational um die frage zu stellen Wo will der Kunde eigentlich Wert schöpfen?
• 34:03
  Speaker 0: Man könnte auch sagen kurzfristig, mittel- oder langfristig.
• 34:08
  Speaker 0: Das verlängern würde ich mir als Notiz noch schreiben Augmentierung, Automatisierung oder Redesign?
• 34:17
  Speaker 0: das ist die Übersetzung in.
• 34:20
  Speaker 0: was heißt das für deine Struktur, deine Prozesse und auch deine Ziele?
• 34:26
  Speaker 0: Und der dritte Aspekt werde ich vorhin schon beschriebene Kette aus Leadership Commitment, Ability to Execute, Capable People und Target Operational Model.
• 34:45
  Speaker 0: In der Hoffnung mir fällt dann ein die wir unseren Ansatz zur Skalierung von der Reihe auch tatsächlich einsetzen.
• 34:52
  Speaker 0: Wererweise hätte ich jetzt setzlich schon sehr vollgeschrieben aber ich hoffe du erlaubst mir diese
• 34:57
  Speaker 1: Anlage.
• 34:57
  Speaker 1: Du hast jetzt reingeschrieben.
• 34:59
  Speaker 1: das sagt ja auch
• 35:00
  Speaker 0: sie aus.
• 35:00
  Speaker 0: So sieht's aus!
• 35:02
  Speaker 1: Okay, wir haben es.
• 35:03
  Speaker 1: Wir haben maßlos überzogen aber trotzdem ist das ja mein Podcast.
• 35:06
  Speaker 1: Ich kann hier tun und lassen was ich möchte.
• 35:07
  Speaker 1: Das ist halt der Schöne Und wenn wir überziehen tue wir das einfach.
• 35:10
  Speaker 1: und trotzdem bleibt es gute alte Traditionen in diesem podcast.
• 35:14
  Speaker 1: Du kannst sagen machen und tun Was immer du möchtest Hier die gehören Die letzten Worte In Diesem podcast.
• 35:21
  Speaker 1: Das Einzige, was du nicht sagen darfst ist, lieben Dank für die Einladung Andreas.
• 35:25
  Speaker 1: Alles andere darfst du jetzt sagen!
• 35:26
  Speaker 1: Du darfst das Privates erzählen, ich weiß ja ungefähr wie du wohnst, wenn du was über die Frankfurter Eintracht erzählen möchtest und wenn du übers Mittagessen reden möchtes.
• 35:35
  Speaker 1: Alles erlaubt, es sind deine Bühne.
• 35:37
  Speaker 1: Alles was du schon mal wolltest nur nicht.
• 35:39
  Speaker 1: danke für die Einladung.
• 35:40
  Speaker 1: ich sag Tschüss lieben Dank fürs Gespräch war sehr aufschlussreich interessant wird mich sehr freuen wenn du mal wiederkommst und wir uns von diesen ganzen Themen nochmal ein Thema als deep dive raussuchen würde mich persönlich sehr freuen.
• 35:50
  Speaker 1: Ich sage tschüß auf bald und hört uns bald wieder an.
• 35:56
  Speaker 0: Zuversicht ist für mich der wesentliche Punkt, den man mit AI verbinden sollte.
• 36:00
  Speaker 0: Für uns als Volkswirtschaft und als Kontinent gibt es mehr Chancen als Risiken und ich hoffe dass wir das auch in Deutschland so sehen und in der Breite aufgreifen.
• 36:10
  Speaker 1: Schön!
• 36:10
  Speaker 1: Tschüss!