Ludwig schön, dass du da bist. Ludwig: Felix, freut mich sehr. Felix: Du bist jetzt [00:01:00] ganz frisch Head of AI bei XXXLutz, sicherlich einer der spannendsten Hüte, die man sich im Unternehmen gerade so schnappen und aufsetzen kann. Erzähl mal, was ist so deine Mission in dieser Rolle für das Unternehmen? Ludwig: Ja, gern Vielleicht noch ein, zwei Sätze vorab. Ich will nur nochmal betonen, ich bin Hörer der ersten Stunde. Es ist für mich super spannend, heute auch Gast zu sein. Ich hoffe, ich kann auch mal zwischendurch die eine oder andere Nachfrage stellen, bevor wir jetzt einsteigen in KI. Ich finde es super spannend, was du machst. Deswegen auch danke für die Einladung nochmal. Ja zu XXXLutz, gerade frisch Head of AI. Vielen Dank auch für die Beglückwünschung. Im Endeffekt auch Lead des AI Center of Excellence, heißt das bei uns. Das heißt, das KI-Team ist bei uns in der Digitalabteilung aufgehängt. die Digitalabteilung wiederum hat den Felix: Dank. Ludwig: Das bedeutet, den Möbelhandel als solches [00:02:00] auch durch das Zeitalter der Digitalisierung zu treiben. Denn Möbelhandel ist tatsächlich zum einen erst, ja ich würde sagen, relativ neu im Online-Geschäft. Also es gibt es alles noch gar nicht so lang. Die meisten haben zwar, jetzt kaufen mittlerweile auch Möbel online, aber es ist immer noch ein recht kleiner Teil. Es ist immer noch sehr viel physisch. Ich gehe in den Laden, ich schaue mir Möbel an und sitze einmal Probe oder liege einmal Probe. Das heißt, dort haben wir ein Unternehmen und eine Industrie die vielfältig aufgebaut ist und das Online-Geschäft auch sehr komplex ist. Also ein Möbelstück online zu verkaufen ist mit Konfiguration einer Küche am besten noch etc. sehr komplex. Und jetzt kommt KI und Technologie noch dazu. Und ich glaube, dass das der zentrale Wachstumstreiber ist. Also das kann... Das ändert nicht das Was, aber eben wie wir es machen und wie schnell wir es machen und dadurch ein enormes Potenzial, dass wir den Möbelhandel von Grund auf auch verändern [00:03:00] können und modernisieren können. Denn am Ende ist das Online-Geschäft auch nur ein großes Möbelhaus derzeit in das wir starten, das physische Möbelhaus zu gehen und uns einmal reinklicken. Und ich glaube, das wird spannend für die Zukunft mit KI zu verändern. Felix: Wir wollen heute ja ein bisschen über euer Playbook sprechen und kommst aus dem Produktmanagement, was vorher auch AI-Product-Lead bei Lutz war. Jetzt noch übergreifendere Verantwortung, da sprechen wir darüber, wie da dein Ansatz ist und Blick auch auf KI-Integration. Vielleicht eine kurze Bestandsaufnahme, jetzt Juli 2025, wo steht ihr mit künstlicher Intelligenz bei Lutz? Ludwig: Genau, im Produktmanagement beheimatet, auch davor. ganze Karriere eigentlich im Produktmanagement verbracht. Deswegen auch ein besonderer Match, würde ich sagen, oder auch eine bewusste Entscheidung des Unternehmens Produktmanagement als KI-Treiber Felix: Untertitelung ZDF Ludwig: viele Unternehmen den Transformationsaspekt und haben Transformationsteams andere sehen es eher [00:04:00] technologisch und haben Data Scientists und Technologen. sehen das als wie erkenne ich Potenziale und wie hebe ich auch Geschäftspotenziale aus diesen Aspekten. Und jetzt, wo wir heute stehen, ist, dass wir seit einigen Jahren damit mit Digitalisierung handeln und auch mit KI. KI experimentieren so würde ich es realistisch gesagt nennen, und seit ungefähr einem Jahr aber auch massiv in die Breite bringen. Bedeutet, wir uns eben als KI Center of Excellence aufgestellt haben, das gibt es jetzt seit… 11 Monaten. Vorher gab es auch ein Data Science Team etc. Wir haben auch viele Personen in der Digital, aber jetzt als Center of Excellence in zentraler Verantwortung für viele Bereiche und viele Unternehmen. Und vielleicht noch ein Wort zum Setup von Lutz oder von XXXLutz als solches Es ist ein großer Konzern der aus ganz, ganz vielen Unternehmen besteht, die [00:05:00] dasselbe machen, aber eigenständig eigentlich auch agieren. Das heißt, manche kennen XXXLutz. Ich kannte es vorher zum Beispiel nicht so sehr, weil in Berlin kein XXXLutz ist. Aber dazu gehört auch zum Unternehmen Mömax, Poco, Möbelix, österreichische Unternehmen, Conforama in der Schweiz, Home24, Butlers Etc. Also ein ganzes Konglomerat, zweitgrößter Möbelhändler der Welt mit vielen tausenden Mitarbeitern. Bedeutet wir haben so eine Art Parallelisierung auch von Technologie und Strategie. Aber KI ist jetzt auch da zum zentralen Treiber geworden. Wir treiben das zentral und tauschen uns auch mit den anderen Einheiten aus. Viele Experimente und jetzt mittlerweile auch viel Geschäftsnutzen. Felix: Kannst du das einmal noch ein bisschen konkreter machen, was so im ersten Jahr bei euch als Center of Excellence passiert ist oder was waren so die Ergebnisse, die ihr erreicht habt und der Weg dahin? Ludwig: Also wir haben uns erstmal modern aufgestellt, würde ich [00:06:00] sagen. Wir haben, ähnlich wie das auch schon oft Thema in deinem Podcast war, uns als Transformationseinheit aufgestellt. Das heißt, wir haben drei Bereiche momentan drei strategische Schwerpunkte. Es wird oft anders benannt oder jeder findet seine eigenen Begrifflichkeiten dafür. Bei uns heißt es Enablement Impact und Trust. im letzten Jahr haben wir Context Enablement viele Initiativen unternommen um erstmal spread the word, also erstmal KI auch ins Unternehmen zu treiben, sicherzustellen dass wir ein einheitliches Verständnis haben. Wir haben die AI Academy gelauncht in der Podcast auch Teil ist. Kann ich da nochmal drauf eingehen, welche Felix: Vielen Dank. Ludwig: AI Academy. Ich glaube, im modernen Prinzip auch Learning und Felix: Vielen Ludwig: ein Complete GPT vorangebracht in breiter Ausführung. Auch da kann ich später drauf eingehen. Im Impact-Bereich sehen wir uns als KI-Team als Taskforce in Abstimmung mit dem Management und auch den [00:07:00] Inhabern Wir sind ein inhabergeführtes Unternehmen, was gezielt in bestimmte strategische Unternehmensbereiche geht, um dort Nicht einfach nur Lösungen zu implementieren und zu suchen, also die Lösung zu nehmen und das Problem zu suchen, sondern ganz aktiv zu schauen, wo haben wir denn im Unternehmen die größten Hebel, welche davon lassen sich auch in den Daten wiederfinden und sind nicht nur Bauchgefühl und wie können wir da schnell als Team, nicht nur als sozusagen strategischer Sparingspartner, sondern auch als Umsetzungspartner Lösungen Felix: Dank. Ludwig: Jahr geschafft, sicherstellen dass wir im Kontext Felix: Vielen Ludwig: für Trainingsimplikationen daraus entstehen und haben da eine Mitarbeiterrichtlinie beispielsweise Felix: Dank Ludwig: oder auch die mit der [00:08:00] Datenschutzabteilung ein, Und der IT-Security-Abteilung etc. ein Governance-Board gebildet um da jetzt zu agieren und handlungsfähig zu sein. Das heißt, ich würde sagen, uns so ein bisschen herausgehoben aus dem Probieren hin zu tatsächlichem Impact, einer strategischen Aufstellung, Abstimmung mit der Geschäftsführung und dort jetzt viele Lösungen auch da eingereiht also das Portfolio auch dahingehend ausgerichtet. Felix: Okay, erstmal KI in der Breite zugänglich gemacht und Kompetenzen Grundkompetenzen wahrscheinlich vermittelt. Das Ganze abgesichert mit klaren Spielregeln, EU AI Act Compliance. Und was ich jetzt am spannendsten fand, ist tatsächlich dieser Impact-Bereich. Also, wie ich es verstanden habe, ist, ihr schaut euch an, was sind die strategischen Ziele des Unternehmens in verschiedenen Bereichen des Unternehmens, wahrscheinlich in Funktionsbereichen, Business Units, und schaut dann mit den dort verantwortlichen Personen, [00:09:00] Was sind eigentlich Probleme oder Mehrwerte, die gelöst oder Mehrwerte die gehoben werden können? Und wie kann jetzt konkret KI darauf einzahlen, um dann gemeinsam Lösungen zu entwickeln und zu implementieren, um diese Mehrwerte zu heben oder die Probleme zu lösen, um näher an die strategischen Ziele heranzukommen? Ludwig: Ja, Felix: Ist das so vom Verständnis her korrekt? Ludwig: absolut. Es gibt so ein, zwei Feinheiten, dass wir beispielsweise uns an der Strategie orientieren, aber dann eine Ableitung vorgenommen haben. Denn klassisch Verzettelt man sich in KI. Das ist, ich glaube, ein Felix: Ja. Ludwig: in allen Unternehmen, dass man sich schnell verzetteln kann. Und das auch in diesen strategischen Aspekten weswegen ich auch glaube, dass viele Unternehmen auch diesen Schritt zurück machen und sagen, wir können nicht so wirklich strategisch agieren oder nur für das nächste halbe Jahr planen etc. pp. Ich glaube da nicht [00:10:00] dran. Ich glaube, dass es trotzdem immer noch langfristig geht und dass man vor allem die Rahmenbedingungen aber schaffen muss und sich auf diese Veränderungen vorbereiten muss. Konkret was wir da gemacht haben, ist, wir haben entlang von zwei, also einer klassischen Matrix Felix: Vielen Ludwig: ist der Automatisierungsgrad im Kontext von KI? Weil dadurch entsteht dann ein Mix, dass wir uns auf bestimmte Bereiche fokussieren können, die einfach tendenziell mehr Quick-Wins haben, um es vielleicht mal so zu sagen, und gleichzeitig aber auch strategische Wetten identifizieren. Aber wenn man sich da vergräbt in einem Bereich, der ein Legacy-System arbeitet und der einfach härter ist zu durchdringen, das sollte man auch machen, also man muss das gewissermaßen parallelisieren, aber [00:11:00] das war quasi der erste Schritt und dann hast du recht, dann nutzen wir Methoden die wir im Team seit zehn Jahren oder länger beherrschen und genutzt haben, um klassischerweise digitale Produkte zu bauen und die sich da auch bewährt haben. Die aber die Fachbereiche, denen das jetzt so ein bisschen... Selbst überlassen wird, auch in dieser Demokratisierung von KI, die eigentlich die Prozessexzellenz haben, denen es oft aber fehlt... Digitale Produkte für ihre Probleme zu identifizieren und einzusetzen. Und daran scheitert es oft, und da nutzen wir unsere Kompetenz sowohl technologisch als auch methodisch, um dann dort zur Lösung zu kommen. Felix: Okay, da waren jetzt viele Dinge drin, wo ich nochmal ein bisschen einsteigen möchte. Also ich sehe total dieses Thema des Verzettelns, weil du... Erst mal theoretisch könntest du überall jetzt irgendwo was machen? Und dann kann [00:12:00] man ganz schnell ganz viele Sachen aufreißen und so einen Aktionismus verfallen Aber dann am Ende, was bewegt die Nadel wirklich nach vorne? Und das habt ihr dann zum einen durch die Ableitung aus den strategischen Zielen. Und dann macht ihr aber wie so eine Data- und AI-Readiness und checkt erst mal über alle Bereiche um zu schauen, wo... Sind die Bereiche eigentlich bereit jetzt auch und haben einen gewissen Digitalisierungs-Daten-Prozess-Reifegrad, um mit KI auch jetzt schon aufsetzen zu können, um dort schon mal stärker einzugrenzen? Wie habt ihr das messbar oder vergleichbar gemacht? Das stelle ich mir total schwer vor, zu sagen, dieser Bereich hier ist jetzt schon auf Level 1, 2, 3, 4, 5 mit in Prozessen und Automatisierung und hat Level 3 im Bereich Data Readiness. Ludwig: Gamification mit einbauen, damit die Leute einem auch zuhören. Die Felix: Jeder [00:13:00] wirft eine Zahl rein, ja. Ludwig: dürfen das selbst bestimmen wer am lautesten schreit wird als erstes. war jetzt Felix: Vielen Dank. Ludwig: jetzt gibt es eigentlich so viele tolle Chancen in jedem Bereich, auch innerhalb des Bereiches könnte man so viel machen, aber es ist ganz wichtig dann zu sagen, in dieser Sequenz an tollen Möglichkeiten, Felix: Dank. Ludwig: den größeren Impact und warum sollten wir nicht einfach mal starten umzumachen. Sondern. Es macht einen Unterschied, ob ich im Customer Care in der Bearbeitungszeit Also ob ich mit dem ersten Bereich anfange und zehn Sekunden sparen kann versus vielleicht in [00:14:00] irgendeinem unattraktiven Bereich im Hintergrund in der Prozessoptimierung, aber dadurch zwei, drei, fünf Felix: Vielen Dank. Ludwig: aus einer, also ich habe initial auch für die Inhaber eine Potenzialanalyse gemacht, abgeleitet von, wie sind wir, also Unternehmensbereiche als auch Customer Journey, das ist uns bekannt, daran organisieren wir Felix: Vielen Dank. Ludwig: als digital und habe dort geschaut, was machen andere und wo sind nachweisbare Effekte bei ähnlich gearteten Unternehmen, also um Referenzen zu beziehen. Das heißt, es macht schon einen Unterschied und da gibt es ja auch viele Analysen und große Studien dazu es Analysen und große Studien Die aufzeigen, wo ist der Automatisierungsgrad einfach da, plus wo gibt es Referenzen aus dem Markt, Felix: Vielen [00:15:00] Dank. Ludwig: würde ich sagen, habe ich, Felix: Vielen Ludwig: was erwartest du dir jetzt von einem KI-Team? Also was brauchst du eigentlich? Bist du gut aufgestellt? Ist KI für dich überhaupt relevant? Um dann auch da abzuleiten, also auch um diesen Change-Prozess mit drin zu haben. Ich brauche niemanden das aufzwingen wenn ein ganzer Bereich denkt, KI ist doch eh nichts. Das ist für uns Neuland brauchen wir nicht machen. Und dieser Mix aus quasi Reifegrad, da war im Wesentlichen auch Datenquellen zu verstehen und da Felix: Vielen Ludwig: denn die, welcher Felix: Dank. Ludwig: zu sehen, wofür werden Daten heute einfach verwendet. Und dann die Bereiche die heute viel datenbasiert arbeiten, haben automatisch einen [00:16:00] höheren Reifegrad. Einfach im Kontext des als wie gesagt Felix: Dank Ludwig: Produktentwicklung um die Ecke kommen, wenn sozusagen alles so gemacht wird. Und das ist der Reifegrad als solches. Das ist eben so schade weil es dann solche Bereiche gibt, die vielleicht so klassische Bereiche, bei uns zum Beispiel die Logistik, die natürlich auch ganz, ganz viel machen will, aber die in der digitalen Reifegrad größere Schwierigkeiten hat vielleicht als andere Bereiche wie digitales Marketing. Und so haben wir uns jetzt einfach, ich weiß, es gäbe viele Möglichkeiten, aber ich brauche eine gewisse Sequenz und eine gewisse Priorisierung. Und das kann auch heißen und danach richten sich jetzt sozusagen die Bereiche, und das kann auch heißen dass es dann eben leider nicht das Thema ist, was jetzt Führungskraft ABC oder Inhaber ABC gerade als relevant Sondern das ist dann sozusagen eher daran organisiert, und da müssen wir eben oft Nein sagen und sagen. Dort sehen wir den Effekt größer, die Wahrscheinlichkeit größer für den [00:17:00] Erfolg. Felix: also ihr habt die Ableitung von strategischen Zielen, ihr habt eine Priorisierung anhand Readiness der unterschiedlichen Bereiche. Und wie seid ihr jetzt weiter vorgegangen? Und vor allem interessiert mich, wie habt ihr verheiratet diesen eher Top-Down-Ansatz, zu sagen, wir gehen jetzt von den Zielen runter in den einzelnen Bereiche, schauen uns an, wo gibt es die größten Werttreiber, leiten daraus Produkte ab. Ich will jetzt nicht zu viel vorwegnehmen und spekulieren aber so diesen Ansatz versus wir demokratisieren generative KI und bringen das über Company, GPT, und so weiter in die Bereiche rein. Wie passt das zusammen? Ludwig: Also erstmal mit viel viel Aufwand und muss ich auch großes Lob an das Team setzen, denn vorher war das ein sehr technisch organisiertes Team. [00:18:00] Das heißt es hat viele Es wie ein Lab aufgebaut, dass man aber auch da erste Durchstiche gemacht hat, auch im Kontext Digitalisierung. Dann kam ich und habe gesagt, ich spreche jetzt mal mit dem Management und mal hören, was die sagen und was die wollen. Das ist natürlich auch für das Team erstmal schwierig zu sagen, aber die wissen leider vielleicht nicht ganz so oft, was sie wollen oder haben Hollywood-Expectations im Kontext KI. Dem mussten wir uns Felix: Schönes Wort. Ludwig: dass wir erstmal sagen, wie kriegen wir das zusammen. Deswegen war es dann eben wichtig, dass wir schnell diese Strategie aufstellen oder diese strategischen Schwerpunkte um zu sagen, was braucht jetzt, weil Strategie ist darauf ausgerichtet, was das Unternehmen braucht. Man kann nichts kopieren aus anderen Unternehmen und sagen, das hat dort funktioniert das hat dort funktioniert Das funktioniert bei uns auch und wir haben halt gemerkt, es ist genau diese Kombination aus KI in die Breite Um viele Use Cases, die wir auf verschiedenen Listen und in [00:19:00] verschiedenen Ermittlungen hatten, zu erschlagen, weil dort 90 Prozent niedrigschwellige Use Cases waren. Oder wo ich gesagt habe, das kann man selbst bauen, das müssen wir wegkriegen von uns. Und gleichzeitig sind Felix: Gib mal ein paar Beispiele. Ludwig: entweder waren sie universal, das war dann KI in der Logistik. Ich habe gesagt, gut, das ist schwierig jetzt, das ist kein Problem, das ist eher eine Wunschliste auch. Und andere Themen, die einfach Zugänglichkeit zu Daten, simple Datenanalyse, generieren von Texten in jeglicher Couleur, wurde dann meistens eher als anderes benannt, aber im Endeffekt war es das. Also ein klassischer Fall ist zum Beispiel Übersetzung. Also sozusagen heute haben wir einen aufwendigen Prozess um Übersetzung zu machen und könnten wir zum Beispiel dann nicht ein eigenes Tool bauen. Ich habe gesagt könnten wir, aber wir müssen leichter zu erproben, was wir brauchen, ist es eben über Zugang zu LLMs, das selbst [00:20:00] auszuprobieren und auch zu konfigurieren, weil am Ende steht und fällt es eben mit den Stellschrauben, die man da vornimmt, um dann auch zu gucken, brauchen wir, haben wir so komplexe Übersetzungen, dass wir auch ein Deep L brauchen oder, oder oder. das war ein Thema, das heißt einfach wegkriegen vom Team, damit sie auch fokussiert arbeiten können und gleichzeitig sich dem dann widmen, dass man eben zum Management geht und sagt, wir müssen, wir brauchen den Support und auch den Auftrag als Taskforce vorzugehen, weil ansonsten schreien alle am lautesten und wir müssen eben in die Abteilung gehen und Felix: Vielen Dank. Ludwig: dort vielleicht andere Mittel und Wege gehen, als das, was wir derzeit machen, konkreter oder prinzipiell Weil auch Abteilungen sich teils selbst optimieren müssen und dem politisch auch entgegenstehen. Es hat selten jemand den Anspruch Felix: Vielen [00:21:00] Dank. Ludwig: die ich mache? Und wie kann ich Teile dessen durch KI ersetzen? Und es braucht eben aber auch mindestens die Inspiration jetzt gar nicht der, der da durchgeht und die Bäume fällt. Das ist gar nicht unser Anspruch. Aber mindestens die Inspiration zu sagen, also auch einen Blick von außen zu bringen und technologisch zu bringen, zu sagen, ja brauchen wir das denn? Dann müssten wir nicht unser Setup auch grundsätzlich ändern. Da gibt es einige spannende Use Cases, weil du immer nach den Details natürlich auch fragst. Ich kenne deinen Podcast auch gut. Ein super Thema ist da zum Beispiel Geo, also Generative Engine Optimization. Das Thema, was sich maßgeblich ändert wie uns Nutzer finden, NutzerInnen finden. Und plötzlich hat ein disruptives Potenzial Und jetzt kann man hoffen, dass die SEO-Abteilung, hat sie bei uns glücklicherweise, das als Thema erkennt, dann aber maximal aus diesem Aus-SEO-Wird-Geo-Gedanken, dass dafür dann aber die Kette an, ich brauche ein besseres Verständnis meiner [00:22:00] Produktdaten und das fängt schon an, wenn bei uns Lieferanten ihre Felix: Vielen Dank. Ludwig: eigentlich an einer ganz anderen Abteilung, dass wir auch diese Redundanzen und diesen Gesamtblick auch überhaupt wahren können, müssen wir dann sagen können, zu jetzt in dem Beispiel, auch wenn es nicht so war, tut mir leid liebe SEO-Abteilung, ich kann euch da nicht unterstützen, denn ich muss an die Ursache des Problems und muss dahin und habe quasi das aus dem Management und um das zusammenzufassen, das heißt, ich Felix: Können wir da nochmal ganz kurz einhaken, weil dieses Thema nicht schnellere Pferde sondern Autos bauen und wir müssen unsere Prozesse ganz neu denken, das sind so Phrasen die immer mal wieder so, sagt man immer, dann hört sich das schlau an und es ist ja auch alle richtig und alle stimmen dem zu, aber kannst du beschreiben wie ihr das operationalisiert, weil ich finde, das ist [00:23:00] eigentlich das Schwierige zu sagen, okay, wie mache ich Wie mache ich das jetzt? Gerade in dem Case, den du beschrieben hast, das ist super, super komplex und ich glaube, an dieser Komplexität scheitert es dann vielleicht auch oft, weshalb dann vielleicht doch der Weg des schnelleren Pferdes erstmal gegangen wird, obwohl alle wissen, ja gut, vielleicht sollten wir doch eigentlich über das Auto nachdenken aber boah, wie machen wir es jetzt, weil da gibt es dann so viele Abhängigkeiten und dann gehen zehn andere Themen auf. Habt ihr da irgendwie einen Weg gefunden, wie ihr diesen Prozess managt? Ludwig: also ich würde jetzt nicht sagen, ein niedergeschriebener Prozess, aber vielleicht eine Herangehensweise der ich da folge Und zwar ist das im ersten Moment erstmal das Bewusstsein dafür schaffen. Ganz simpel. Also einfach eine Abteilung sein, Innovationsgedanken haben. Erstmal sagen, da passiert was und egal, was wir gerade machen, aus dem Alltag heraus oder aus dem derzeitigen operativen Geschäft heraustreten und sagen, wie zum Beispiel Geo, das war dann [00:24:00] eben vor einigen Monaten so, dass ich gesagt habe, das kommt bei uns noch nicht an. Wir haben wenige Prozent an Inbound von Quellen aus LLMs und habe aber eine Studie auf den Tisch gelegt bei der Geschäftsführung, bei unserer E-Commerce-Geschäftsführung und habe gesagt, Felix: Dank. Ludwig: sagen es ist eben so schwierig aus diesem [00:25:00] operativen, ich müsste jetzt Geld in das jetzt verwenden oder ich könnte es in das jetzt verwenden, versus ich muss eigentlich in die Industrie Darübergehende investieren und das Visionäre investieren das ist dann klassisch der Fall dass man einfach sagt, also jetzt mal drastisch gesprochen, es wird vielleicht das und das nicht mehr geben. Es deuten Studien darauf hin wir gehen jetzt erstmal davon aus, dass das vielleicht zu 100% automatisiert wird und nicht wir hoffen drauf, dass es zu 10% automatisiert wird. Es war damals bei uns, ich habe vorher im Automotive gearbeitet, im VW-Konzern bei Porsche, da war zum Beispiel immer das Thema, das gesagt wurde, lange immer gesagt wurde, bei Tesla, als die in den Markt stießen, die verkaufen doch nicht so viel und ja, wir verkaufen 10 Millionen Fahrzeuge, die verkaufen und dann immer weiter immer weiter und immer so ein bisschen nicht erkannt, dass es doch, dass wir eigentlich antizipieren müssten, aber was ist wenn und was müssten wir jetzt machen, damit wir vorbereitet sind, das. Und so ähnlich mache ich das jetzt, dass ich A. Das sage dann zweitens in Vision und dann sich [00:26:00] dem sehr, das ist dann Schritt 3, sehr kleinteilig nähern durch Experimente und das ist, was viele Unternehmen dann auch nicht beenden Also dem nicht folgen. Das ist dann meistens dass man sagt, das ist jetzt ein großes Thema, ich schreibe Business Cases und mache eigentlich eine strategische Wette draus, also High Value, High Effort und bin mir jetzt sicher, dass ich das und das ändern muss. Ich Felix: Dank Ludwig: ich muss einmal die Welt verändern. Und wir wissen ja aber eigentlich meistens nach vorn gerichtet gar nicht was funktioniert. Wir können es nur mutmaßen. Und da auch wieder Richtung Produktmanagement und moderne IT und Entwicklungsunternehmen, die messen wie viele Experimente laufen derzeit und wie viele auch per Kapital pro Person. Das heißt, es ist eigentlich dann ganz großes Bestreben zu sagen, wir wollen das und das jetzt in Geo, wir wollen... Nicht eben nur auch da mitspielen, wir wollen auch da auftauchen, sondern wir wissen, dass [00:27:00] 100 Prozent unserer Produkte irgendwann durch KI-Unterstützung gefunden werden. Es wird, auch wenn es die Leute nicht aktiv eine Perplexity öffnen, dass wir so eine Vision zeichnen und dann sagen, und wie kommen wir jetzt dahin? Wir wissen gar nicht, wo wir stehen. Schritt eins, wir müssen erstmal gucken, wo wir stehen. Wir müssen Tracking machen. Wie können wir Tracking machen? Ja wir können einfach verschiedene LLMs, Prompts bescheiden und so weiter dass Felix: Vielen Dank Ludwig: und sagt, okay, jetzt haben wir eine Baseline. wissen wir ja gar nicht, was das positiv beeinflussen kann. Wir können 100 Artikel dazu durchlesen, wo es die Top 10 Tricks to optimize your geo gibt. Aber wir müssen dann neuen Content ändern, SEO, HTML Text ändern, etc. Aber ausprobieren. Ich weiß nicht, keiner weiß, was da funktioniert. dann müssen wir es ausprobieren. dieses nicht nur, weil es ein neues Thema ist, weil es niemand was funktioniert, sondern weil es grundsätzlich wir nur, wir Kunden vor uns haben, die wir nicht kennen und die wir, also auch mit 100 Jahren Berufserfahrung als Logistiker Marketer, etc., Da ändert sich die Käuferschaft, ändern sich [00:28:00] die Strukturen und deswegen viele Experimente. Also das sind so die Dreiteiligkeit, dass man sagt, erstmal Awareness schaffen, dann die Vision zeichnen und dann eigentlich aber iterativ in kleinen Experimenten sich dem nähern, aber nicht von der Vision abweichen Die Vision bleibt das Gleiche und das ist auch die Referenz zur Strategie. Wenn ich das als Unternehmen mache, dann bleibt auch die Strategie die gleiche aber ich kriege vielleicht neue Technologien, um das anders auszuprobieren, schneller zu machen etc. um dort schneller zu landen, aber man sollte sich trotzdem auch einen längerfristigen Plan machen. Felix: nehme ich mit vor allem schnell Lernschleifen drehen und das Ganze nicht in der Theorie ausmalen sondern in der Praxis validieren und schauen, wie komme ich jetzt diesem Zielbild näher. Ludwig: Vielleicht kann ich noch ein Beispiel nennen, was das auch nochmal konkreter macht, das was bei uns so ähnlich eingetreten ist. Wir haben zum Beispiel das Thema... Also wird jeden Tag gefragt, kann ich das und das mit KI machen? Meine Antwort ist, 99% der Fälle ja, [00:29:00] weil eigentlich fast alles, was man sich schon so vorstellt, in irgendeiner Form geht. Dann gibt es ja auch, there is an ideal for that, kann man einmal eine 60.000-Lösung da aussuchen. Und ein Thema war, können wir denn Produkttexte mit KI noch besser schreiben? dann ist fast immer dann auch dort, also um zu Experimenten gelangen und um das herunterzubrechen, ist es auch nicht notwendig was zu entwickeln zum Beispiel. In dem Fall jetzt, ist dann jetzt in dem konstruierten Beispiel wäre meine erste Frage, performt denn, wissen wir denn, was einen guten Produkttext ausmacht? Also wir können ihn jetzt, wenn wir ihn heute, wenn Felix: Vielen Dank. Ludwig: brauchen, ihn zu schreiben Heißt es noch nicht, dass das Informationen sind, die der Kunde braucht, um einzukaufen. Also wir müssen nicht den Prozess optimieren, wir müssen die Wirkung sozusagen hinterfragen Und dazu haben wir erstmal unsere Daten. Da wären wir wieder bei dem Kontext, welche Daten, welche Abteilungen, welche Daten. Denn wir haben denn doch heute Verkaufszahlen und bestimmte Produktattribute [00:30:00] und wissen, wo gibt es einen Titel wo gibt es keinen Titel was auch immer. Oder welcher Text ist lang, welcher Text ist kurz. Also die Daten haben wir. Und selbst wenn ich im Onlineshop gucken muss, dann Felix: Vielen Dank Ludwig: mit Chat-GBT generierten Texte performen besser, weil ich sehe, dass besser formulierte Texte besser performen, dann kann ich einen A-B-Test machen, mir 100.000 Texte generieren lassen und zwei Wochen einen Test laufen lassen, sechs Wochen einen Test laufen lassen. Und das heißt, ich habe plötzlich eine Validität in diesem A, in dem Problem. Gibt es das Problem überhaupt? Lassen sich meine Daten, lässt sich das feststellen? Und ich kann ganz schnelle Experimente Richtung, und dann wären wir wieder bei dem Geo-Thema eigentlich, Richtung Bessere Produkttexte attributierbare Produkttexte führen zu Felix: Danke. Ludwig: Sorry, dass ich mal [00:31:00] nachschieße auch mit Beispielen aber es macht es einfach so greifbar dann auch. Felix: Ja es ist super, es ist gut. Wir waren, vielleicht noch mal kurz zu diesem, komme ich eigentlich aus meiner aktuellen Welt raus und optimiere irgendwie alles, was da ist. ich immer auch ganz spannend finde, ist so ein Gedankenexperiment zu machen und sich mal in die Lage hinein zu versetzen von einem, von dem Unternehmen, das das eigene Unternehmen obsolet machen würde und sich zu fragen, dieses Unternehmen, uns obsolet macht, wie würde das denn den heute zur Verfügung stehenden Möglichkeiten diesen Prozess zum Beispiel bauen oder denken? Oder dieses? Ziel erreichen oder dieses Problem lösen um sich bewusst einfach zu sagen, wir denken nicht in unserer Welt, sondern wir denken das jetzt mal auf einer grünen Wiese. Vom neuen Unternehmen, was einfach kommt und sagt, wir machen das jetzt mal ganz anders. Wie würden wir das dann angehen? Das hilft [00:32:00] oft, schneller in diese Vision, in dieses Zielbild auch reinzukommen. Dann muss man natürlich schauen, wie träumt man da nicht nur drauf rum, sondern wie kriegt man es auch irgendwie mit der eigenen Realität wieder verbunden. Aber da habe ich gelernt, dass das vielen Menschen total hilft und da mega, mega gute Ideen kommen und man da nicht mehr da hängt und über die ganzen Probleme spricht, die man hat und die ganze Legacy, die man mit sich rumschleppt und auf dem rumdenkt, was alles nicht geht oder was man machen müsste, sondern tatsächlich schauen kann, steht uns hier an Möglichkeiten zur Verfügung. Und wenn wir es komplett neu denken könnten, wie würden wir es eigentlich machen, dass ganz viele Menschen, die sich Tag ein, Tag aus damit beschäftigen, total schnell, total gute Ideen haben. Ludwig: ist ein super toller Gedanke. Das ist so ein bisschen das First-Principle-Thinking, nennt sich das, glaube ich dass Felix: Mhm. Ludwig: sagt, so ein bisschen mal auf dem Reißbrett gedacht. Und das fällt vielen Unternehmen schwer, weil sie halt hunderte Prozesse jeden Tag bedienen. Und wenn du dann sagst habe jetzt mal unterm Strich also musst du gar nicht so viel, glaube ich, technologisch [00:33:00] agieren sondern auch, hast jetzt den Moment mit KI, oder Moment mit KI, der der Industrialisierung das letzte Mal in irgendeiner Form so da war, dass jede einzelne Person, jedes Team, jedes Unternehmen, sie wollen oder nicht, sich irgendwie damit auseinandersetzt und hinterfragt, ist Felix: Vielen Dank. Ludwig: effizient kann das besser gemacht werden, kann ich als Unternehmen bestehen? Also das hat jeder gerade vor sich. Und die, die sich noch nicht damit beschäftigen, die wissen, dass sie das jetzt gerade nur aufschieben, sozusagen. Und das gibt genau das richtige Mindset auch um das zu machen, was du machst. Ich glaube, das wäre einfach... Ja Wir haben es ja in der Digitalisierung auch schon Felix: Vielen Ludwig: das Momentum aber nicht Felix: Dank Ludwig: [00:34:00] genug wahrscheinlich. Da wurden dann CDOs in die Welt gerufen und die gibt es alle heute nicht mehr, aber Digitalisierung ist immer noch nicht vorbei. Es wurde als Projekt gesehen wahrscheinlich. Und ja, das ist ein schönes Moment. Und das merkt man auch im Unternehmen bei uns, dass wir eigentlich mit Inhaber geführt oder ein sehr schon traditionelles Unternehmen sind. Wir sind ja dieses Jahr 80-jähriges, also 80 Jahre bestehend haben auch Felix: Vielen Dank. Ludwig: klassischen Retail-Stores. Und eigentlich relativ wenig. Also wir sind kein Online-Player. Was es anderen wie Wayfair auch schwierig macht, zum Beispiel da in den europäischen Markt zu kommen. Sie haben sich auch wieder zurückgezogen, so pure Online-Player im Möbelgeschäft. Das heißt, wir können darauf setzen, dass wir eine gute Logistik haben, dass wir guten Kontakt zu unseren Kunden haben etc. Und den zu digitalisieren hat nur so bedingt geklappt anscheinend jetzt mal mutmaßlich, weil sonst wäre jetzt nicht so viel Potenzial auch viel KI da. Und auch so eine hohe Offenheit, dass man jetzt wirklich auch an so Basisprozessen jetzt nochmal rankann. [00:35:00] Und jede Abteilung, die ich im Unternehmen bislang kennengelernt habe und jede Person dafür bereit und sagt, ja, kann ich denn nicht irgendwas in meinem Alltag oder in meinem, was ich heute als Geschäft mache, neu machen? Und wenn man die dann natscht in das, was du jetzt in dieses First-Prinzip-Effekt gehst und sagt, ja, lass doch mal auf dem hinterfragen was ihr eigentlich wollt. Ja. Felix: Erreichen wollen. Genau, was wollen wir eigentlich erreichen? Ludwig: zeigen, und ich bin dafür da, als Behringspartner euch zu zeigen, was ihr dafür nutzen könnt, aus meinem Blumenstrauß an tollen Produkten, an tollen Möglichkeiten, und das noch methodisch ein bisschen aufzubreiten, war jetzt sehr blumig gesprochen, aber dieses Momentum ist auf jeden Fall da. das ist eine tolle Chance, jetzt auch Digitalisierung einfach ein bisschen, das, was wir an der Digitalisierung verpasst haben, jetzt nochmal voranzutreiben, weil jetzt wird es passieren. Felix Schlenther: Kurz in eigener Sache. Wenn dir der AI First Podcast gefällt und du mehr spannende Inhalte und hochkarätige Gäste hören möchtest, dann freue [00:36:00] ich mich über deine Unterstützung. Mit einer Fünf-Sterne-Bewertung und einem Abo für den Podcast hilfst du uns sichtbarer zu werden und AI First weiterzuentwickeln. Für dich und die gesamte Community. Ich danke dir. Felix: Wir sind gerade ein bisschen abgebogen. Ich lenke jetzt nochmal ein. Die Ausgangsfrage war diese Demokratisierung in der Breite und die Top-Down-Use-Cases. Wie bekommt man das verheiratet? Jetzt hattest du gerade angefangen. Wir hatten über niedrigfällige allgemeine Use-Cases gesprochen, waren in der Textgenerierung, sind dann über die Produkttexte gegangen, hatten jetzt nochmal gesprochen, von Prozesse neu denken, First Principles. Jetzt werfe ich den Ball nochmal zu dir rüber um da nochmal anzuknüpfen. Ludwig: Danke für das. Das ist wichtig. Manchmal muss man mich zurückholen. Ich brenne für KI, ich brenne für Produktmanagement und wenn man eine reduzierte Zeit hat, um darüber zu sprechen, dann weicht ab. Der [00:37:00] Aspekt ist grundsätzlich zur Demokratisierung von KI und Enablement im Ganzen. Ich glaube, auch da ist es besonders wichtig, Felix: Dank. Ludwig: lösen und bringen deswegen Unternehmens-GPT und Co-Pilot-artige Tools raus. Aber dabei passiert Innovation nicht per Zufall. Das heißt, diesen Ansatz, den ich nannte im Impact-Layer, zu durchstreifen, den Felix: Dank. Ludwig: bringen wir anderen bei, um es vielleicht mal klarer zu sagen. Wie? Indem wir auch da ein Ambassador-Programm etc. aufgestellt [00:38:00] haben. Kann ich auch alles im Detail noch erzählen. Aber dieses Ambassador-Programm ist eigentlich nicht da, um KI beizubringen Das ist ein Beiwerk. Sondern um beizubringen und zu begleiten und notfalls in die Tiefe zu gehen, Probleme identifiziert, wie kann ich Probleme nachweisen, also nicht nur Probleme haben alle, jeder Fachbereich kümmert sich um Probleme, aber zu sagen, ist der in den Daten belegbar und kann ich dafür Lösungen ausprobieren, dann habe ich plötzlich ein Unternehmens-GPT mit Assistenten Workflows und so weiter und dann kann man damit experimentieren, um dann zu sehen wie sich das auswirkt. Also um eigentlich Produktmanagement, also die Arten und die Methoden die sich etabliert haben, um digitale Produkte weil nichts anderes ist an der KI, für seine Probleme einzusetzen, dass die ein wesentlicher Teil ist vom Demokratisieren, also Demokratisieren von KI könnte man sagen, aber auch eher Demokratisieren von dem Lösungsansatz und der Methodik denn unterm Strich Es ist, PM ist, [00:39:00] don't quote me on that, ich habe mir leider keine rausgeschrieben, aber es ist im Endeffekt die systematische Art und Weise, für Probleme Lösungen zu finden. Und das ist dann auch Teil deswegen dieser Felix: Nein Ludwig: Ich hoffe, jetzt bin ich nicht wieder in ein anderes Thema abgewichen und dass das jetzt das ungefähr ergänzt wird. Aber deswegen diese Balance, die sich dann auch gegenseitig bedingt einfach. Ich glaube, das eine geht nicht unter das andere, weil sonst wird man an den Punkt kommen, dass man demokratisiert hat und darauf gehofft hat, dass dann Vielleicht passiert das, aber ich glaube eben nicht dran. Und dann braucht es, manche nennen es Felix: Dank Ludwig: ich würde aber auch sagen, ich kriege keine Themen vorgegeben von dem Management, sondern ich stimme Ich analysiere, trage das vor und zeige auf, wo ich die größten Potenziale sehe und bekomme Feedback dazu sozusagen oder eine Stoßrichtung weil die vielleicht ausgerichtete Unternehmensstrategie besonders wichtig ist, jetzt doch in das Thema zu gehen. Aber das ist sozusagen die Kombination und die ist wichtig, die in die Abteilung [00:40:00] zu treiben, weil dann dezentralisieren wir Lösungsansätze und das ist, glaube ich, das Erfolgsgeheimnis Hoffentlich werden wir sehen. Felix: Genau, da will ich jetzt nochmal gerne einhaken, nämlich dieses zentral befähigen, dezentral Center of Excellence Gedanken, das ist ja eigentlich so der klassische Ansatz. Wo zieht ihr da die Linie? Also was lasst ihr laufen in den Fachbereichen, wo auch gesagt wird, okay, da müssen wir jetzt nicht nochmal durch irgendeine Schleife gehen, durch irgendeinen Quality-Gate, durch irgendwie eine Analyse, Anforderungskatalog, was auch immer, um ja einfach einen Assistenten im CRM-Team zu bauen, der mir hilft, unsere Newsletter-Kampagnen schneller zu produzieren. Und wo sagt ihr, nee, da geht ihr jetzt mit rein? Weil das ist jetzt ein strategischer Case, den ihr als Produkt wirklich… [00:41:00] Aufzieht und auch über den Produktlebenszyklus managen wollt. Ludwig: lassen wir alles zu. Also jeder kann machen, was er möchte. Wir sind kein Bottleneck. Das heißt grundsätzlich, wir sind kein Quality-Gate für irgendetwas. Gute ist aber, dass es diese Kombination gibt aus die Technologie also niemand beschäftigt sich so sehr mit der Technologie wie wir. Das heißt, biete allen immer an und grundsätzlich ist das Teil unseres Portfolios Und deswegen kommen auch viele immer wieder auf mich zu, ein Sparrings-Partner zu sein. Das heißt auch, wenn man sagt, ich weiß genau, was ich will, also ich brauche jetzt nichts eruieren, weil ich vielleicht irgendwie nur eben einen bestimmten und auch nachgewiesen, vielleicht habe ich auch schon einen Split das gemacht und vielleicht gibt es ganz, ganz viele, gibt es ja auch in den Abteilungen Leute, die ja dieses Produkt-Mindset auch haben. Es ist ja nicht, dass wir jetzt das erfunden haben und jetzt die AI-Abteilung zufälligerweise genau diese Leute konzentriert, sondern es gibt ja im Unternehmen Optimierungspotenziale die auch nicht [00:42:00] erst… Felix: Mhm. Ludwig: gleichzeitig habe ich sozusagen auch auf der anderen Seite gearbeitet und Lösungen angeboten die KI mit drin hatten und es lohnt sich schon, unter die Haube zu schauen und da jemanden Experten dabei sitzen zu haben. Und jetzt kein Data Scientist, sondern einfach jemand, der die Technologie kennt. So wie es sich wahrscheinlich auch lohnen würde, dich, wenn man sich mit KI auseinandersetzt, einfach mal zu befragen. Du wirst dann zumindest ein Take dazu haben. Das heißt, dadurch in Kombination auch mit diesem rechtlichen Aspekt dass wir auch den EU-EI erkennen, also sei es auch, wenn du dir einfach nur eine Lösung einkaufen willst und HR sagt, wir wollen unbedingt das und das machen, fragen sie dann mindestens nochmal nach, damit ich meine Einschätzung dazu abgeben kann, da ist das nicht dann ein hochkritisches System zum Beispiel Felix: Vielen Dank. Ludwig: beachten, weil das ist nicht gegeben, dass der Markt dann alles so beachtet. Und... bedeutet, das [00:43:00] können wir alles machen, nur mit dieser Demokratisierung ist es dann auch die Möglichkeit, dass jeder bauen kann, was er will. Auch da, wir haben keine Beschränkungen, Assistenten Workflows, kann sich alles gebaut werden. Und ich denke sogar umgedreht was ich versuche im KI-Team immer wieder zu etablieren bei allen Sachen. Wir sind jetzt, wie gesagt, noch nicht so lange etabliert. Das heißt, jetzt fangen Felix: Vielen Dank. Ludwig: Es ist auch einfach eine Art Exklusivität und Sogwirkung zu erzeugen, dass wir einfach sagen, ihr müsst nicht mit Felix: Vielen Ludwig: dass wir in unserem Compliance-Prozess, der klassischerweise lang und aufwendig ist, wenn ich Software einkaufen will, in irgendeiner Form, also wenn ich genau weiß, was ich will und auf dieser Make-or-Buy schon durch ist und ich genau weiß, ich will das kaufen und es gilt dem passenden Anbieter, dann dauert ja meistens trotzdem in Konzernen und Unternehmen dann doch etwas länger, bis das dann geprüft ist. Weil auch da, wertvolle Erkenntnis Erkenntnis Diese Abteilungen ja nicht [00:44:00] tagtäglich mit KI zu tun haben. Also auch für die ist es neu, das zu prüfen. Das heißt, wir haben dort eine Art Sonderprozess, dass wir, wir werden gezielt ausgebildet sind gezielt im Felix: Vielen Dank Ludwig: dann vielleicht passende Lösungen gegenüberzustellen. Also ich weiß, worauf ich achten muss, wenn ich Lösungen einkaufe. Ich will jetzt nicht das eine Tool einkaufen, sondern ich kann da nochmal den Markt durchsuchen. Ich habe einen Assistenten jetzt im KI-Sinn auch. Wir haben dann auch Research- und Analyseassistenten die uns auch helfen Marktvergleiche zu machen. Also wir haben unseren Make-or-Buy auch automatisiert zum gewissen Teil. Das haben die wenigsten Abteilungen nicht, weil sie nicht wie Felix: [00:45:00] Vielen Ludwig: es funktioniert. Und genau das macht Felix: Dank Ludwig: auch generell das Company-GPT nicht Felix: Vielen Dank Ludwig: dass wir einen extrem hohen Grad an Weekly Active Uses haben. Und wir nur, wenn das erreicht ist in einem Bereich, in einer Felix: Was heißt das, extrem hoch? Ludwig: also wir sind ja im Rollout noch 60%, nehme ich hervor, Weekly Active Uses ist unsere Kennzahl. Und da musste ich auch, oder das vermittle ich jetzt immer wieder allen Bereichen, das ist nicht ein, wann rollen wir weiter aus? Ja, wenn wir das erreicht haben. Wenn wir verstanden haben, wie wir die Adoption verbessern können, durch Learnings durch Kommunikation, weil wenn wir es einfach ausrollen Wissen wir nicht, wie wir es positiv beeinflussen können. Wir müssen jetzt lernen, wie das geht und so lange bleibt die Schlange vor dem Club weil dann wird der Club auch attraktiver. Wenn die Tür einfach offen ist und jeder reinkommen kann und dann wieder rausgeht, weil die Party schlecht ist, das müssen wir so ein bisschen auch, also [00:46:00] einfach kreative moderne Ansätze für diesen Change finden, weil ich kann jeden PowerPoint installieren auf dem Rechner, aber da wird keiner zu einem guten Felix: Vielen Ludwig: unterschiedlich sein. Für uns ist es vielleicht, das lernen wir jetzt auch kennen, ist es vielleicht eher Physisches, weil Möbel, alle sind so physisch. Vielleicht sind gar nicht die modernen digitalen Sachen. Und das zu lernen, ist jetzt da entscheidend und auch da erfolgstreibend. Felix: Okay, also ihr seid nicht der Bottleneck, ihr zwingt keine Prozesse, Richtlinien auf, sondern seid wirklich echter Enabler, so wie ich euch jetzt verstehe. Gibt es dann trotzdem diese Cases die ihr sehr, sehr eng mitbegleitet und als AI-Produkt für [00:47:00] Lutz dann aufzieht und auch positioniert und implementiert? Ludwig: Die würden aber gar nicht aus dieser Selbstständigkeit entstehen, würde ich mal mutmaßen. Weil wir Felix: Weil ihr die vorher schon kennt. Ludwig: kennen und dann auch an uns nehmen und dann einfach sagen, das ist jetzt etwas. Also das deckt sich mit dem Bereich, also wir, wenn jetzt zum Beispiel, ich nehme mal diesen Geo-Case weil der irgendwie 100 pro auch sehr neu ist für alle Unternehmen. Also es ist nichts, was jetzt irgendwie besonders etabliert ist, was jetzt alle eh eruieren müssen, die irgendwie online Sachen verkaufen. Und wenn das jetzt etwas ist, was die SEO-Abteilung auf dem Schirm hat und Felix: Vielen Ludwig: unsere Produkte nicht, also die den gleichen Demand haben, sie wollen eine Couch kaufen, aber einfach nicht mehr zu uns kommen, weil unsere Landingpages etc. nicht mehr gelistet werden, deckt sich das und dann machen wir Partnerschaft, also dann agieren wir partnerschaftlich und dann setzen wir auch nicht eine Lösung um, sondern gehen eben nochmal in diese Problemerruierung, was müssen wir machen, stimmen uns [00:48:00] ab und so weiter und so fort. Und das hat auch dazu geführt, muss man auch sagen, in Vergangenheit auch vor mir, dass wir trotzdem ja auch, also wir haben Felix: Dank. Ludwig: dass wir zum Beispiel, unsere Marketingabteilung hat mit einer KI-Influencerin vor einigen Monaten Felix: Vielen Ludwig: Möbel sind ein sehr emotionales Produkt. Also du wirst es auch kennen oder jeder kennt das, auch wenn niemand Lutz vielleicht auf dem Schirm hatte vor diesem Podcast oder wenige oder in der Form kannten, wie sie es jetzt kennen. Es ist trotzdem so, dass jeder sehr oft mit dem Kauf und dem [00:49:00] Einrichten und so weiter konfrontiert ist, weil das auch ein tief emotionales Produkt ist beeinflusst uns alle und das ähnlich wie Kleidung repräsentiert uns auch ein bisschen. Das heißt, es gibt auch ganz andere Formen, wie man Felix: Dank. Ludwig: quasi eine Felix: Vielen Ludwig: wir intern, also das zum Beispiel in unserem Felix: Dank Ludwig: wenn du in den Company GPT kommst, begrüßt dich Lucy. Und Lucy ist für uns das Gesicht und die Personalität hinter KI, die dann auch so ein bisschen den zentralen Punkt, wenn du mit Lucy interagierst, so ein bisschen das Maskottchen, ich glaube das war in deinem Podcast auch schon bei jemand anderem, aber Felix: Danke.[00:50:00] Ludwig: die Beispiele, die ich nannte, gehen wir einfach dann in Partnerschaft vor und wenden unser Produktmanagement auch an, weil wir ja auch umsetzen können. Wir haben im Team Entwickler, wir haben Data Scientists etc., Also wir können einfach schnell Produkte entwickeln und das hilft dann. Felix: Sehr sehr spannend und ich finde diesen Produktmanagement-Ansatz die Prinzipien dahinter und diese eigentlich auf sämtliche... Bereiche anzuwenden, um Probleme besser zu verstehen, dafür die passende Lösung zu entwickeln. Finde ich klasse. Und auch euren Ansatz und wie ihr euch als Center of Excellence versteht. Jetzt lasst uns nochmal zum Abschluss Butter bei die Fische machen, wie man hier in Hamburg sagt. Und nochmal wirklich in so ein paar Use Cases reingehen, was du teilen kannst. Ich will einfach gerne verstehen und nicht nur ich, sondern viele da draußen. Was wird wirklich gerade umgesetzt? Was habt ihr vielleicht schon umgesetzt? Was funktioniert für euch? Gut, wo seht ihr auch Ergebnisse in ROI? Und wo seid ihr gerade dran? [00:51:00] Weil du sagst da siehst du in Zukunft total viel Potenzial Wir hatten jetzt schon über Geo gesprochen, Produkttexte Customer Support hattest du schon angesprochen, aber vielleicht können wir hier einfach nochmal in so ein paar Cases und vielleicht auch Success Stories tiefer reingehen. Ludwig: Vielleicht das, was am einfachsten teilbar ist und auch was am naheliegendsten ist, sind die Produkte, die auch live sind und produktiv sind. ganz großer Teil für uns ist, oder generell auch im Möbelhandel, einen bestimmten Stuhl suchst du meistens auch nach einem schwarzen Stuhl, der dann halt in dein Wohnzimmer passt und jetzt nicht wie bei T-Shirts, einfach nur T-Shirts in Größe XYZ machst dann starke Discoveries an und du hast schon eine gewisse Vorstellung oder du hast einen Stil der dem zugrunde liegt. Da greifen wir drauf auf Und wir haben direkt, wenn du bei... [00:52:00] Lutz und auch anderen, also wir haben ja in Summe 27 Online-Shops durch diese ganzen Marken und die sind auch alle in der Digital, da alle unterstützt also auch die alle möglichen Online-Shops und haben dort eine Bildsuche. Das heißt, wenn du eine mit Computer Vision unterstützte Bildsuche, um es jetzt auch technisch zu unterstreichen, das heißt, wenn du in irgendeinem Hotel bist und sagst, dieses skandinavische Sofa sieht irgendwie cool aus, dann Felix: Ja. Ludwig: Das Gleiche gibt es auch und das ist natürlich also der Time-to-Search oder Time-to-Basket ist dann hoch, höher als wenn ich mich durchklicken muss. Und erstmal auf Küchen oder erstmal jetzt in dem Beispiel erstmal auf Wohnzimmer. Das Gleiche gibt es dann entlang des Conversion Flows oder der [00:53:00] Customer Journey, dass du auch spätestens auf der Produktseite neben dem Bild und dem Text dann unten nicht andere Kunden kauften auch und dann neben dem Sofa vielleicht einen Schrank Felix: Vielen Dank. Ludwig: ähnliche Produkte. Das heißt, dann ist einfach die Drop-Off-Rate geringer weil du den roten Stuhl in der Lederoptik vielleicht nicht ganz, dir der nicht ganz gefällt, sondern du irgendwie einen anderen Stil haben willst, aber trotzdem so vom Feeling, dann sucht optisch ähnliche Produkte, werden dir angezeigt. Das ist auf der Seite dann in Kombination mit dem Thema, können wir jetzt in Geo auch relevant, verstehen wir unsere Produkte denn überhaupt? Also das ist das, was wir in Geo auch machen, Produktadressen Approbierung, denn wenn jemand zum Beispiel jetzt Nicht mal mehr in Perplexity, weil auch AI-Overview von Google eine flüsterleise Waschmaschine sucht Dann wissen wir aber nur, wir haben eine Waschmaschine die 60 Dezibel laut ist. Und was heißt das dann? Da kannst [00:54:00] du dem Lieferanten so viel Information einfliegen lassen, wie du willst. Du müsstest unendlich Metadaten pflegen, sondern du musst ja genau diese Brücke schlagen zwischen, welche Metadaten ziehen wir, und das machen wir auch gerade, aus den Bildern selbst. Also was ist einfach auf dem Bild abgebildet? Auch da Computer Vision, was uns ja dient, um ähnliche Produkte zu erkennen. Und um dann zum Beispiel auch Alt-Texte zu hinterlegen, das sind die Texte die eigentlich zur Accessibility dienen, also dass beschrieben wird, was an diesem Bild zu sehen ist. Für, ja aus Accessibility Accessibility Gründen. Und diese Information nutzen wir wiederum auch dann, um eben das abzuleiten und zu verbinden. Und auch da, also es gibt dutzende Themen, aber vielleicht nur mal so in diesem Kontext zu bleiben, für uns ein ganz wichtiges Thema ist natürlich auch Produktbilder weil du kannst, also war für mich neu, ich fände das aber irgendwie sehr naheliegend dass natürlich diese ganzen tollen Produktbilder bis vor wenigen Jahren auch noch alle produziert Die werden ja fotografiert Felix: im Studio. Ludwig: Und dann aber, wenn [00:55:00] du Gartenmöbel, die willst du ja nicht irgendwie im Kleingartenverein in Brandenburger Hinterland visualisiert sehen, sondern die müssen natürlich irgendwie in einem schönen Umfeld sein. Das heißt, die werden nach Spanien geschifft dutzende Möbel dort fotografiert. Also auch Freisteller kannst du in einem Fotostudio machen, aber damit du ein schönes Setup hast. Klassischerweise ja jetzt mittlerweile nicht mehr so stark. Und jetzt plötzlich kommt KI und kannst Hintergründe Milieus generieren aber auch nur bedingt. Das heißt, selbst du, der tief drin ist, weißt, dass sich auch die Referenzbilder die du nutzt, also wie jetzt, wenn du ein Möbelstück einführst und dafür Hintergründe generieren lässt, klassischerweise verändert sich das Produkt mit. Das heißt, wir haben da auch mit Fine-Tuned Models die das Produkt erhalten und auch ermöglichen dann, dass sich das rote Sofa, das blaue Sofa, das gelbe Sofa das grüne Sofa Ersetzen kann und der Hintergrund gleich bleibt, den ich halt einmal generiert habe und nicht jedes Mal. Das heißt, dort müssen wir auch so ein bisschen mit der Image Generation spielen. Das machen wir auch nach, dass wir aus reiner Effizienz aus reiner Effizienz Grund, weil es teuer ist, zu fotografieren und die [00:56:00] Alternative klassisch CGI ist, also Computer Generated Image und dann Felix: Vielen Dank. Ludwig: 3D-Model erstellen etc. Also für viele Anwendungsfälle, für Produktkategorien, die sich, die jetzt nicht High Value sind, also Küchen Wohnlandschaften, sind, da lohnt es sich auch, einen Hintergrund aufwendig zu gestalten, weil Produktpreis und Kaufwahrscheinlichkeit hoch ist. Aber wenn ich jetzt kleine Sachen Felix: Vielen Dank. Ludwig: da lohnt es sich gar nicht, das jetzt zu fotografieren und das heißt, da sind dann Produkte ohne Hintergründe oder mit schlechten Hintergründen usw. Und da kann man sehr viel, also machen wir sehr viel mit Generierung. Und vielleicht noch last but not least, weil du darauf angesprochen hast, quasi einmal vorgelagert dazwischen findet natürlich viel statt, wie Koppmann Brickmann Produkte Möbel an den Mann, an die Frau und nachgelagert essentiell ist, gerade bei Möbeln wo ist mein Produkt? das Suchen Anrufen. Wir Felix: Vielen Dank. Ludwig: eine, ich würde sagen, [00:57:00] im ganzen Konzern ein Mix, aber klassisch Lutz ist eine ältere Käuferschaft und bedeutet eine ältere Käuferschaft, bedeutet auch andere Interaktionsmodule. Das heißt, da zählt Anrufen auch noch ganz viel. Und aber auch da waren wir genau dran, das hatte ich als Referenz zu dem, was du vorhin sagtest, jetzt nicht einfach mal irgendwie dann zu sagen, ja, es rufen viele an, lass mal ein Voicebot machen, ist ja naheliegend sondern zu analysieren, die Leute die anrufen, wo, also was fragen sie natürlich erstmal, das kannst du ja auslesen schon, auch an Tickets rufen die Leute an, weil sie aus Reklamationsgründen dann brauchst du... Komplexere Informationen, tendenziell eher an Menschen, oder um zu fragen, wo ist meine Lieferung, das kannst du bei API abfragen. Und diese Kombination dann auch dafür Lösungen zu entwickeln, also da sind wir im Hintergrund haben wir auch schon, dass unsere Agenten unterstützt werden durch generierte Texte durch Antwortvorschläge, Felix: Dank. Ludwig: durch, [00:58:00] ist nicht ganz Sentimentanalyse, weil Sentimentanalyse auch im UI ein bisschen kritisch ist, sondern eine Einschätzung, dass ich einfach merke, wann kippt die Stimmung sozusagen und wann muss ich vielleicht jetzt tatsächlich einen, also kriege ich einfach zusammengefasst auch als Agent, wann muss ich jetzt doch nochmal reingucken in die E-Mail und nicht mal schnell drüberfliegen und sagen Produktkompakt. Und das ist für uns essentiell, generell diese Kundeninteraktion und vielleicht um da in die Zukunft zu blicken Weil selbst wenn ich x% automatisiere, das ist zum Beispiel Home24, ein Unternehmen sehr weit, dass sie einfach einen sehr hohen Standardisierungsgrad haben, auch ein Pure Online Player, eine sehr hohe Standardisierung, junge Käuferschaft, sehr hohen Standardisierungsgrad und keine Telefonie. Also glaube ich, ich weiß nicht, wenn ich mag zu nahe treten, aber ich glaube, sie haben Felix: Danke. Ludwig: anzurufen, weil sich alles im Self-Service lösen lässt und da sind die Effizienzgrade zum Beispiel viel niedriger und die setzen natürlich auf andere Sachen im Kundenservice als wir. Und diese Kombination macht es, aber für [00:59:00] beide ist später Felix: Vielen Ludwig: dem du vielleicht... Ja einem Experten abspringen kannst zum Beispiel. Im Customer Service ist es ein Punkt, wenn es kritisch wird, dass du zum Agent abstimmen kannst. Immer mit auch der Gefahr, dass du vorher lange eine digitale Konversation hältst das ist für uns zum Beispiel auch grundsätzlich relevant im Kontext Küchenkauf. Also warum nicht alle unsere Küchenberater oder alle unsere Küchenberater, die wir in ganz, ganz vielen Stores haben, diese entsprechend nutzen und einbinden in den Küchenkauf. Nicht nur, dass wir ihnen innerhalb ihrer Verkaufsberatung Informationen, historische Küchen etc. zur Verfügung stellen, sondern auch, Felix: Vielen Dank Ludwig: wenn man eh schon im Konfigurationsprozess ist, dann auch abspringen kann und sich eben diese Expertise hinzuholen kann. Zum Beispiel wenn ich Nachfragen habe etc., dass ich dann so... Und wie... Wiederum anders, ich bin im [01:00:00] Store und... Also dass das, diese Welten die wir vereinen müssen, online ist vieles einfach und möglich. Felix: Vielen Dank. Ludwig: des Möbelhandels des Möbelkaufs beginnt online, aber ganz, ganz viel findet dann im Store statt. Und diese Welt müssen wir da verheiraten. Und da sind wir gerade dran, sozusagen ähnlich wie du es gesagt hast. Wenn wir es neu machen könnten, wäre das jetzt nicht nur online und offline und zwei Kanäle, die sich ein bisschen omnichannelseitig über, sondern wie könnten wir das dann auch neu denken oder dieselbe Technologie woanders anwenden und so eine Art Portfolio an Felix: Vielen Dank. Ludwig: auch aufbauen, die sich im Konzern wiederverwenden lassen, aber auch innerhalb von anderen Produkten oder anderen Anwendungsfällen. Felix: Habt ihr nicht auch total viele so analytische Forecasting-Use-Cases? Also ich denke da so an Bestandsoptimierung, wann kaufe ich was ein, dynamische Preissetzung anhand von irgendwie oder [01:01:00] siehst du das eher so als Data-Science-Themen und gar nicht so im KI-Bereich angesiedelt? Ludwig: Das ist eine sehr gute Frage. Also grundsätzlich ja, absolut. Das ist Felix: Vielen Dank Ludwig: als Händler agieren und was die Komplexität auch darstellt. Und da wirst du merken, dass das komplizierter ist, als man denkt und deswegen wahrscheinlich auch mehrstufig ist, vielleicht kurz zusammengefasst. Also ein Ikea, ganz klassisch auch der größte Möbelhändler den auch alle kennen, der produziert selbst, das ist das eine, optimiert die Produktion, dass viele Pakete in den LKW passen Das uns quasi als Kunden in das Lager. Das heißt, jeder Store kann ungefähr gleich beliefert werden und dort ist eine sehr gute Prediction möglich, grundsätzlich jetzt vom Setup und auch ein ganz anderer relevanter Case. Bei uns ist das so, dass wir eigentlich von ganz vielen Anbietern das mal [01:02:00] jetzt einfach gesprochen im Lager sammeln, dann das einmal kommissionieren, heißt einmal Felix: Vielen Dank. Ludwig: aus den ganzen LKWs ganz viele verschiedene Produkte vom Felix: Vielen Ludwig: bis hin zum Sofa von Klein-Klein und dann den oder Lutz, je nach Gegend und Land, dann dort wieder in die LKWs packen und hinfahren. heißt, du kannst grundsätzlich viel. ich war auch überrascht weil ich aus dem Automotive kam und die Produktion halt hochautomatisiert ist beispielsweise und viel Prediction möglich ist, weil sozusagen viel ableitbar ist und dann hast du dort ein viel komplexeres Konstrukt wo es dann schwieriger ist, aber trotzdem für uns auch Kampagnenplanung zum Beispiel, also das nicht nur abzuleiten an jetzt ist Black Friday, sondern historische Kaufdaten, Wetterdaten etc. ein Krisenthema würde ich aber sagen, sind wir noch eher... Eher noch in diesem Experimentierstatus. Also wir haben viel im Einzelfall gemacht, das ist schwierig in die Breite zu bekommen, also da einen konzernweiten Ansatz zu finden sozusagen, sondern da sind viel Einzel, also die Firma macht mal das, die Firma macht mal das, die hat das Procurement dort optimiert, das ist eher das [01:03:00] und ich versuche jetzt gerade da mehr zu universalisieren, wie können wir, aber da hast du dann so ein bisschen auch die Konkurrenz zwischen den einzelnen Unternehmen, dass du keine, niemand möchte so richtig teilen, jeder macht das so ein bisschen im Einzelfall und eigentlich die Kraft würde natürlich draußen stehen, wenn du es zentralisieren würdest da haben wir noch auch organisatorische Herausforderungen, würde ich sagen und auch Daten, wie kommen wir in die Daten, wie teilen wir die Daten, wie können wir die zu funktionieren aber ein Riesenthema ja, Predictions, weil du am Felix: Ja riesen Hebel, oder? Also wenn ich weiß, wann wird welches Produkt wahrscheinlich zu welchem Preis gekauft oder das eingrenzen kann, um von dort aus nach hinten zu arbeiten, wann muss ich welches Produkt zu welchem Preis einkaufen und Marketing so aussteuern, dass ich das losbekomme. Also es hört sich jetzt so leicht an, unfassbar komplex, aber ich glaube, oft so, klar, Gen-AI ist irgendwie total faszinierend und was wir da jetzt, man da so machen kann und die Technologie ist so niedrigschwellig aber ich glaube, in [01:04:00] diesen Cases liegt immer noch so brutal viel Geld, vor allem wenn man sich das anschaut und es ist halt einfach nicht so sexy wie viele andere Anwendungen Ludwig: das ist das, was uns ausmacht. Wir sind Händler der multiple Marken in einer extremen Effizienz Felix: Dank. Ludwig: haben per se, aber du hast einen, oder auch ähnlich wie in den Filialen du hast immer diesen Punkt, ich finde das auch viel, viel toller, wenn das alles funktioniert Digitaler begleitet, während ich vorher in VR gucken kann. Und dann gehe ich in einen Laden, der genau auch vielleicht schon der dann customizet, ich kann sogar customizieren. Das sind alles so, glaube ich, auch realistische Zukunftsszenarien. Weil wirklich auch, wenn du drüber nachdenkst über so einen VR-Case, dann ist der naheliegendste, dass ich halt einfach meinen Raum abfotografiere und dort es mir, also Inspiration hole und das passende Möbel da reinpackt. Oder sogar [01:05:00] ich Felix: Ja. Ludwig: Center ist, wahrscheinlich in Hamburg ist wahrscheinlich eins und da liegen schon Produkte, die sind jetzt schon dazugeteilt. Die eine höhere Kaufwahrscheinlichkeit haben im Einzugsgebiet von Hamburg. Das heißt, im Firmentlager in Hamburg liegen andere Sachen als in Leipzig. In Leipzig oder in Berlin liegen dann wahrscheinlich Sachen, die dort, also das heißt einfach, damit die One-Day-Delivery und sowas gewährleisten können, müssen sie verstehen, wie hoch die Wahrscheinlichkeit ist von den einzelnen Kunden, die sich in der EU, das ist halt gigantisch. Und das auf Möbel skaliert, super gut, wenn wir das hinbekommen. Also ein super Challenge für die Zukunft, aber noch nicht gelöst leider. Felix: [01:06:00] dem was ich da heute gehört habe mache ich mir da überhaupt keine Sorgen super strukturiertes Vorgehen mit einer sehr klaren Methodik dahinter und ich habe eine Menge gelernt, auch für mich nochmal mitgenommen wünsche euch auf dem Weg natürlich weiterhin viel Erfolg und dir vor allem jetzt in der Rolle und bin gespannt, was du hoffentlich beim nächsten Mal erzählen wirst. Vielen Dank Ludwig, dass du hier warst Ludwig: Dank, Felix. Mir fällt gerade auf, ich habe es total verpasst jetzt meine Podcast-Fragen zu stellen. Aber vielleicht beim nächsten Mal. Also ich kann nur sagen, hoffentlich führst du das auch weiter auch in der Intensität. Du machst vieles und Podcast ist, glaube ich, auch nicht mal in ein, zwei Stunden gemacht. Deswegen, ich freue mich auf die nächsten Folgen und freue mich auch jetzt weiter Zuhörer zu sein. Danke für die Einladung.