Herzlich willkommen zum AI-First-Podcast. Heute zu Gast ist für mich einer der größten Daten- und KI-Pioniere in Deutschland, Tam. Schon vor 13 Jahren heute eine der größten Daten- und KI-Beratungen in Deutschland aufgebaut. Und ich freue mich heute ganz, ganz viel von dir zu lernen, du den aktuellen Stand von KI einschätzt, was du in den letzten Jahrzehnten und darüber hinaus gelernt hast und wie du in die Zukunft blickst. Danke dass du dir die Zeit nimmst und hier bist. Alex: Ja hallo Felix, danke für deine Zeit, für die Blumen und freut mich, dass ich hier dabei sein darf. Felix: Erzähl mal kurz... Nochmal von deiner Perspektive wer du bist und was ihr in eurer gleichnamigen Firma macht. Alex: genau, das ist immer so, haben dich deine Eltern eigentlich nach einer Firma benannt, kommt die Frage. wie hat das alles angefangen wollte eigentlich schon immer als Kind auch schon mal Unternehmer sein. Ich komme ja aus der ehemaligen DDR, bin dann mit meiner [00:01:00] Family mit sechs Jahren irgendwie so wirklich noch so geflüchtet damals mit dem Trabi und dann nach Bayern gekommen zu Verwandten, die wir noch nie vorher gesehen hatten. Und meine Eltern, denen bin ich da sehr dankbar, die hatten schon immer. mehr erreichen, sage ich mal, oder irgendwas aufbauen und das hat mich dann auch geprägt deshalb wollte ich schon immer irgendwie eine eigene Firma mal haben oder irgendwie selbstständig sein, Unternehmer sein, was auch immer das heißt und war das ein bisschen late to the Felix: Vielen Dank. Alex: das ist dann alles, war eine nette Geschichte, aber ist dann ziemlich schnell gescheitert in einer grandiosen Pleite ... gesurft haben und so weiter. So hat das Felix: Vielen Alex: und genau, ich wusste nicht so genau, was ich machen sollte nach dem Zivi. Ich habe dann, wie so viele, BWL studiert Felix: Vielen Alex: schlecht als recht und dann bin ich aber irgendwie in dieses Thema Kundendaten analysieren, Statistik da bin ich so ein bisschen reingerutscht Felix: [00:02:00] Dank. Alex: die Fahrzeugdiagnose gerutscht bin. Und da war halt ein Riesenmeer an Daten. Da hatte man diese ganzen Steuergerätedaten Das war vor über 20 Jahren dann und kam dann irgendwie der Auswertung immer nicht so richtig voran. Man hat auf der einen Seite die IT, es dann Oracle Data Warehouse gab und das war alles relativ aufwendig Man musste irgendwelche Requests stellen, dann musste man teilweise ein halbes Jahr warten, bis dann so eine Spalte mehr in der Datenbank war, damit man damit arbeiten konnte. Und dann hatte man eben so Excel-Access-MetLab-Monster, einfach mit den großen Daten oder den komplexen Datenmengen irgendwie nicht zurecht kamen. Und SPSS, ich weiß nicht, ob du das kennst Noch kennst, das waren so diese ersten Statistiktools, mit denen man gearbeitet hat und hat das irgendwie angefangen und da habe ich dann gemerkt, dass da irgendwie Mehrwert bieten kann, wenn ich so an dieser Schnittstelle bin zwischen IT und Business. Das war dann so der Start der Alexander [00:03:00] Tam, genau, wie es zum Namen kam, weiß nicht, ob du die Story kennst, weil da werde ich auch relativ oft gefragt. Felix: Ja, also ich glaube, ich habe es irgendwo schon mal aufgegriffen aber wahrscheinlich nicht alle, die hier zuhören, also erzähl gerne nochmal. Ist ja recht kreativ. Alex: Also wir waren ja am Anfang, unser erstes Büro war bei Roland Berger in den Felix: Vielen Alex: so, ja, willst du jetzt der nächste Roland Berger werden? Und tatsächlich war es gar nicht so spannend, die Geschichte. Ich brauchte dann relativ schnell eine GmbH, um dann weiter Felix: Dank. Alex: auch an diese riesen Datenmengen ranzukommen, weil das hatte [00:04:00] man sonst eigentlich so nicht und natürlich ich auch diesen Business-Bezug haben wollte in der Promotion und dann klappte es aber nicht mit der externen Doktorandenstelle und dann konnte ich auch nicht weiter als Freelancer arbeiten und dann brauchte ich halt einfach eine GmbH und dann bin ich wirklich an so Donnerstag-Nachmittag oder an Freitag-Vormittag ich weiß nicht mehr genau, also wirklich an so kurz vorm Wochenende bin ich dann Felix: Vielen Alex: gelatscht und habe ich den eben gefragt, wenn ich jetzt eine Firma brauche, wie mache ich denn das? Und er so naja haben Sie schon mal geschaut welcher Name und haben Sie die Rechte gesichert und recherchiert und so wie soll denn die Firma heißen Und was soll die denn machen? Ich so, ja wir machen so, hieß es Data Science, Data Mining, Beratung. Und da meinte er so, ja, wie soll die Firma heißen? Ich so, ja, keine Ahnung. Er meinte, ja keine Ahnung, wäre jetzt kein guter Name für eine Beratungsfirma. naja, long story short, dann meinte er, nehmen Sie doch mal Ihren Namen, dann haben Sie erstmal keine Probleme, weil Sie haben da Ihr Namensrecht und so weiter. Und so ist dann so die Alexander Tam GmbH entstanden. Und dann war immer die Idee, hey, irgendwann müssen wir das mal rebranden und uns mal [00:05:00] einen coolen Namen ausdenken. Und dann war eigentlich so, alle zwei Jahre hatte ich eine Idee, wie ich nennen will. Also eine Idee war mal ABACON, Advanced Business Analytics Consulting, weil das war das, was wir halt damals, also wie das damals hieß was wir gemacht haben. Aber dann kam schon Data Felix: Vielen Dank. Alex: und dann war immer wenn wir die Idee hatten, wie man es rebranden könnte, dann war die Welle schon wieder vorbei und irgendwie Daten zu nutzen mit Algorithmen und daraus einen Mehrwert fürs Business zu generieren im weitesten Sinne, was wir halt auch heute noch machen, hatte aber halt irgendwie immer einen anderen Namen und dann waren wir immer Today to the Party. Und irgendwann hatte dann ein genialer Kollege, ich glaube der Janis war es, bei uns die Idee, komm, wir nehmen einfach AT, hat ja Roland Berger, EY und so weiter haben das ja auch alle so gemacht, dann nehmen wir halt irgendwie AT und machen noch so ein paar coole Klammern drum und mittlerweile ist es AT und ja, sich jetzt irgendwie so eingebürgert. Felix: Wie war das denn, als du das damals gegründet hattest? [00:06:00] Hattest du da schon so eine richtige Vision, wo du damit mal hin möchtest? Oder hast du einfach das Thema gesehen, was immer größer wurde und den Wert, den du damit schaffen kannst und wolltest dort einfach reingehen und irgendwie 100% deiner Zeit darauf verbringen? Alex: kenne eigentlich wenige, die so, bei denen es so wirklich, also wenn sie ehrlich sind, wirklich so war. Also man hat oft so diese Ex-Post-Romantisierung von diesen Gründergeschichten und ja, und ich bin da früh aufgewacht und dann wusste ich, ich bin erleuchtet und ich habe die Vision und genau da muss es hingehen und so. Also ich war halt so ein bisschen intrigued, sage ich mal, ich sowieso als kleiner irgendwie Ex-Ozzi da bei BMW und auch bei anderen Firmen dann, wo ich riesen Felix: Vielen Dank. Alex: Radikale Fehler im Geschäftsmodell aus den Daten sehen kann. Also so Sachen, wo ich mir denke, alter, das springt dir doch ins Gesicht, wie könnt ihr das machen? Und am Anfang dachte ich immer so, ich Felix: [00:07:00] Untertitelung des Alex: auch da Felix: ZDF, Alex: für Bremsbeläge Bremsscheiben und überhaupt wie man das Ganze angehen kann und so. Da gab es auch eine Gesetzesänderung, könnte ich jetzt stundenlang drüber reden, das spare ich euch, aber Felix: Vielen Alex: bin ein sehr schlechter Student zu, Felix: Dank Vielen Alex: also so ich liebe auch drei [00:08:00] Fragezeichen ja, also als Kind schon irgendwie die Kassetten gehört, ja. Also so, und da habe ich so ein bisschen gemerkt so geil. Und die Daten lügen mich nicht an. Also die lügen schon, aber ich weiß nicht böse dabei, weil sie falsch und schlecht sind. Aber Felix: Dank Alex: habe ich so einen Wahrheitsgrad drinnen und da kann ich so verstehen, was eigentlich bei so Riesenfirmen was Felix: Vielen Alex: Und das war jetzt keine Vision, aber das war so... So hey, warum macht das eigentlich keiner? wie gesagt, ich meine, du musst dir überlegen, das ist fast 20 Jahre her. Die Gründung, da gab es ja schon diese Freelancer-Zeit davor und da habe ich ja die Basis gebaut, auch mit so ein paar Buddys damals bei BMW, die auch irgendwie so Pradidos, haben wir immer gesagt, waren. Also ganze Innovation, die wurde halt dann immer, wurde halt oft dann über so Praktikanten oder Doktoranden [00:09:00] oder so abgewählt, so nach dem Motto ach das klingt interessant, macht es mal, wenn es schief geht, nicht schlimm, weil es kostet nicht so viel. Und da hatten wir dann irgendwann so ein Netzwerk Leuten Und so war dann eben diese Entstehungsgeschichte. Und dann, was schon auch dazu kam, hat dann schon auch natürlich USA auch damals schon beeinflusst. schon beim Internetcafé war das ein Thema. Da war ich das erste Mal auf so einer West Coast Reise und habe dann gesehen, dass da überall so kleine Internetcafés sind und das fand ich spannend. Und bei dem Thema war es dann eben auch so. Da hatte ich dann durch die SPSS-Geschichte auch mit IBM zu tun, als IBM dann SPSS gekauft hatte. habe dann gemerkt was dann in USA schon so passiert. Dieses Analytics-Momentum was Felix: Vielen Alex: vertreten war. Wir waren halt noch stark in dieser Felix: Dank. Alex: das kam bei den USA schon stärker. Da gab es auch dann diesen David Port, [00:10:00] Tom David Port hat dieses Buch geschrieben, Competing Analytics, das für mich war das Ding, was mich dann auf diese Trajektorie bewegte wo ich mir dachte, so krass genau so, ja. anscheinend nicht nur ich, der durch Zufall da irgendwie das jetzt gefunden hat, sondern da gibt es schon andere Leute und die sind auch schon einen Schritt weiter. Und als wir dann aber so diese ersten Multimillionen-Cases bei BMW wirklich produktiv hatten und es hat wirklich funktioniert und es hat richtig, wir hatten über 200 Millionen Felix: Untertitelung ZDF Alex: haben das dann präsentiert natürlich so mit IBM zusammen, dann waren wir in Las Vegas immer, haben mich immer eingeladen, auf die IOD hieß es damals noch zweimal geil, hatten wir immer gute Zeit, eine Woche Vegas wurden da halt hart abgefeiert. Und wir dachten, das ist doch irgendwie voll logisch was wir machen. Ich hatte auch bei BMW dann super coole Counterparts ohne die wäre es gar nicht gegangen und würde auch heute nicht gehen. da haben wir gemeinsam wirklich coolen Shit gemacht. Wir waren wie so Rockstars, muss man schon sagen. Wir waren dann auch in so einer Usergroup, wo so ein paar [00:11:00] andere Freaks waren. Und es war halt so wirklich so diese Adoptionskurve wenn du sagst, war das wirklich so diese ein, zwei Prozentchen. Und ich war in Mathe nie der Beste außer vielleicht in der Grundschule. In Statistik habe ich dann angefixt irgendwo. Aber habe mich nie so gesehen, als dass ich so smart bin oder auch nie eine echte akademische Karriere angestrebt. Und dass ich mit diesen ganzen Freaks dann da abhängen konnte und wir dann Features auch in, damals war das noch Clementine also Modeler, das war so was was heute so ein bisschen als... Ich weiß gar nicht, was das heute wäre. Vielleicht so ein bisschen wie N8M gepaart mit Data Ico oder so. Also cool. Felix: Wir springen mal einige Jahre nach vorne. Seit 2023 explodiert Gen-AI und ihr habt das ja sicherlich kommen sehen und wahrscheinlich auch schon mit den früheren Language Models und so gearbeitet. Kannst ja gleich mal erzählen, aber ich denke mal, das hat euch nicht überrascht. Aber trotzdem hat mich total, mich interessiert total, Hat euch das geholfen oder hat euch das das Leben schwerer [00:12:00] gemacht? Alex: vielleicht, also man ist irgendwann, war man so gewohnt was ich vorher meinte auch mit der Anekdote von dem Namen, dass alle ein, zwei Jahre irgendwas Neues kommt. Und da muss man immer so ein bisschen gucken, so Gardner Hype Cycle weiß nicht, ich bin da nicht so ein Fan von, weil wenn du die mal übereinander legst, dann kann man das eigentlich auch würfeln. Das machen aber lustigerweise die wenigsten. wir haben dann schon gemerkt, es ist relativ schwer zu sagen, jetzt irgendwie bleibt, was nicht bleibt. Und das Schöne ist, und das liebe ich so an meinem Job, ist so, Wenn man so ein bisschen die Meta-Ebene von dem verstanden hat, worum es eigentlich geht, kann man die ganzen Technologien und die ganzen Trends relativ gut einsortieren ja. Und man hat halt immer, wenn man im Projekt ist, hat man halt ziemlich schnell einfach so siehst halt so, nach einem Tag, nach einer Stunde weißt du, klappt es oder klappt es nicht. Es können unterschiedliche Gründe sein. Können wir vielleicht nachher nochmal drauf eingehen. Aber Analytics zum Beispiel war auch so ein Thema, wo alle dachten so. am Ende haben diese ganzen, also [00:13:00] dieses Thema Big Data, das war ja auch so ein Riesenhype dann und auch am Anfang noch so, ja okay, ist ja logisch, es sind halt jetzt mehr Daten, weil kommen vom Internet, kommen aus IoT, kommen aus dem Social Media, dann war so, ja mehr Daten ist es nicht, auch so ein bisschen die Geschwindigkeit Und dann irgendwann war so dieses, ja wie viele Vs brauchst du denn jetzt für die Definition von Big Data? Ja also dann waren es irgendwann mal drei, dann waren es fünf, dann waren es sieben, dann waren es irgendwie zehn, Velocity und so weiter und so fort. Und dann war schon relativ klar so, das ist eigentlich gar nicht so wichtig. Wichtig ist doch, dass man jetzt damit einen Mehrwert generiert. Aber in Konzernen war es oft so, dass immer wieder so dann Projekte wurden dann so Big Data washed, damit die dann eben auch… Ja, halt an die Budgets kommen und so weiter. Und dann gab es diesen großen AI-Hype Das war eigentlich noch vor dem Gen-AI-Hype Das war so dieser Sprung so Crossing the Chasm, so der Anlauf über die Adaptionskluft wenn man so will. Felix: Vielen Dank. Alex: pfff. Wir haben vorher schon [00:14:00] OpenGPTX großes Forschungsprojekt gemacht, wo auch der Jonas dabei war, noch Aleph Alpha und auch jetzt gerade die LEAM-Initiative daraus entstanden ist und so weiter. Das war halt so, ja gut, Transformer ist cool und so, kann man machen, Text Mining hat schon immer genervt, aber dass das dann so reinhaut und dass es diese Massenadaptionen gibt, das hat ja auch, ne, auch Sam Ortmann sagt, da haben sie auch selber halt OpenAI gar nicht so eigentlich vorher gesehen, aber es war halt dann auf einmal massentauglich und so ein bisschen wie der Webbrowser hat halt irgendwie, wie der Webbrowser das Internet für alle zugänglich gemacht hat die Technologien gab es schon, war es halt dann da auch der Fall. Und um deine Frage zu beantworten am Anfang haben wir das gar nicht so ernst genommen, noch nicht so für uns so businessrelevant war. Und dann haben wir zunehmend schon gemerkt, hey, das macht jetzt schon nochmal Texte zugänglicher und vor allen Dingen Das Gen-AI ist ja dann der [00:15:00] Empfehlungen aussprechen, also von Predictive zu Prescriptive, zwischen sowas wie Recommender, Next Best Action, das war dann schon ein großes Thema. Und jetzt aber Inhalte generieren zu können, das nochmal dieser nächste Hub. Und das war nochmal natürlich, was dann am Ende ja auch jetzt Richtung Felix: Untertitelung ZDF, 2020 Alex: dieser ganzen kleinen Entwicklungen, so Process Mining, RPA, Daten kommen aus Maschinen, kommen aus dem Internet, sind verfügbar, der Compute geht hoch. Also am Ende waren es so viele kleine technologische Wellen die dann eigentlich zu diesem Tsunami geführt haben. Ja. Ja Ja Ja Ja Ja. Ja Ja. am Ende des Tages es uns schon mehr in die Breite getragen, würde ich sagen. Also wir haben früher halt nur für sehr große Firmen gearbeitet, einfach weil die halt das Geld hatten, in diese Innovation zu investieren und am Ende auch den Hebel hatten, den ROI zu bekommen. Und jetzt ist es natürlich für viele kleinere Firmen oder auch für [00:16:00] Privatpersonen ja schon, können die ja schon nach einer Stunde irgendwie rumgeprompte haben die schon die Qualität, die sie eigentlich brauchen. Und das ging halt früher nicht. Da war das halt noch viel mehr... Auf der anderen Seite ist es natürlich auch ein bisschen nervig, natürlich auch die Lautstärke extrem groß geworden ist. Da hatten wir auch schon mal drüber gequatscht. Also da kommen jetzt halt so neue Leute hoch, wo man denkt, was soll das denn jetzt? Und dann fühlt man sich erstmal so ein bisschen angegriffen in seiner, wir waren aber vorher da und da muss man sich natürlich ein bisschen frei machen. Weil da hältst du einem auch schön den Spiegel vor, wie geil du das alles aufbereitest. Und wir sind ja auch so in Kontakt gekommen. Und da muss man sich natürlich auch ein bisschen öffnen, weil im Grunde das, was jetzt mit… Mit Gen-EI, mit den Lösungen, den neuen Anbietern kommt, es ist so ein bisschen wie damals, als wir gestartet sind mit Predictive vs. BI. Da gab es auch die BI-Firmen, die gesagt haben, ja, wir haben hier die geilsten All-Up-Cubes gebaut und was soll das jetzt überhaupt mit so [00:17:00] Vorhersagen. Vorhersagen sind immer unsicher, vor allem wenn sie die Zukunft betreffen, haha. Und da wurden wir auch so ein bisschen so verlacht vs. zunehmend dann beneidet und ich glaube, das ist halt schon wichtig und da mussten wir uns natürlich auch ein bisschen neu erfinden, was wir zum Glück ganz gut geschafft haben mit dem Thema Agentic. Felix: Genau, da würde ich jetzt als nächstes hinkommen, weil das nämlich stark war, dass ihr da euch klar positioniert im Bereich Agentic AI da Vorreiter zu sein und gleichzeitig ist das ja jetzt wirklich in diesem Jahr richtig in Schwung gekommen, nämlich Und der Reifegrad der Technologie wird ja ganz unterschiedlich bewertet. Wo siehst du denn Gentic AI gerade und was setzt ihr in dem Bereich schon bei Kunden um? Alex: Also ich glaube, das Felix: Vielen Alex: das ist halt oft das Problem bei KI, bei dem Ganzen es ist immer so, hat immer diese Begriffs... KI-Entropie. Also wenn wir KI sagen, dann halten wir uns [00:18:00] auch im KI-Bundesverband an diese, ich sag mal, Alan Turing-Definition, an den Turing-Test. Also es ist dann KI, wenn der Mensch nicht unterscheiden kann, ob er mit einem Menschen oder einer Maschine interagiert. Felix: Dank. Alex: so eine Superintelligenz AGI, irgendwo mit reinnehmen. Meistens meinen die Leute irgendwie sowas mit Machine Learning, wo man einen Algorithmus von Menschenhand spezifiziert irgendwo. Man muss erstmal sagen, was für eine Klasse von Algorithmus kommt jetzt hier Und dann kann ich anfangen, den zu trainieren, indem ich irgendwie Daten füttern irgendeine Art von Supervised-An, Supervised-Learning, wie auch immer halt dahinterstehen habe. Das meinen dann die meisten. und bei Agentic, ist erstmal unabhängig vom Sprachmodell würde ich sagen, ist für mich Agentic dieses [00:19:00] logische Weiterdenken im Sinne des Agierens. Also das heißt, ich finde halt bei Agentic AI der Gedanke dass man nicht nur eine Analyse haben will oder eine Empfehlung oder eine Vorhersage sondern danach soll was passieren. Und zwar zu einem gewissen Autonomiegrad und mit einer gewissen Ich hasse das Wort eigentlich Intelligenz. Also Intelligenz in dem Sinne, es ist halt nicht nur eine Schleifenprogrammierung. Es ist nicht nur ein stupider Skriptbot, der nicht links und rechts schauen kann sozusagen. Das heißt, das ist erstmal das Faszinierende an der Genting und deshalb sind wir auch sofort drauf gesprungen. Wir haben ja geil, das ist ja genau das jetzt. Wir reden ja von Automatisierung und wir sind ja in einer globalen Krise, was Fachkräfte angeht und was Effizienz angeht Also das ist ja genau das. Und am Ende geht es halt irgendwie um Prozesse im Unternehmen. Und wenn man jetzt von den Agenten redet, [00:20:00] AG Enten haben wir gerade so eine Felix: Vielen Dank. Alex: redet man im Sinne Felix: Vielen Dank. Alex: Durch die Maschine durch den Computer sage ich mal, unterstützen oder automatisiert. Und es jetzt auch Jan Lecun propagiert und jetzt auch bis zum Exit von Meta ich glaube halt auch nicht so an diese Superintelligenz. Also zumindest Felix: Vielen Alex: mich im Hier und Jetzt und im direkten Morgen irgendwie beschäftigt sondern wir sehen halt auch, und das ist auch vollkommen logisch, je weniger Geiger Je weniger Entropie du hast in Felix: Dank. Alex: Mensch funktionieren und desto besser kann auch eine KI funktionieren. Das heißt, je besser du deinen Prozess [00:21:00] verstehst und dein Unternehmen verstehst, das ist ja auch beim Prompten so, je mehr du besser weißt, was du willst, je mehr du spezifizierst, desto besser ist das Ergebnis. Und das ist für mich so ein Grundgesetz irgendwo. So ein Meta-Layer an, so macht man irgendwas mit Daten. Ja, ist auch beim Dashboard so, ne, schon gewesen. Wenn du halt so irgendwie so 40 Farben hast in so einem komischen Pie-Chart mit 80 Dimensionen weil du halt alles mal anzeigen willst, bringt auch nichts. Also das ist so ein Meta wie soll ich sagen, Ansatz, der sich immer wieder Felix: Untertitelung ZDF Alex: ich auch an das Thema Agenten weil es am Ende halt ein sinnvolles Ja wie soll ich sagen, im Enterprise-Kontext ein sinnvolles Clustern ist von einer möglichen Fragestellung und damit auch von einer möglichst guten Antwort. Und wenn man dann eben Richtung Multiagenten geht, das heißt also auch eine Kollaboration schafft, so wie sich ja Menschen auch entwickelt haben. Früher hatten wir auch so oder so, die konnten halt alles. dann hat man irgendwann angefangen zu sagen, ja, schwierig ist alles, irgendwie müssen wir jetzt mehr, müssen wir unterteilen. Dann irgendwann kommt man zu diesem [00:22:00] Terrorismus, das ist dann auch wieder schlecht, das ist so ein bisschen, was wir gerade bei den KI-Pocks haben, da ist so, du hast irgendwie 400 Use Cases, die alle so irgendwie einen Mikrokosmos lösen, aber in Summe funktioniert es dann wieder nicht. Also deshalb finde ich dass dieser Gedanke mit Multiagentensystemen mit Agentic AI sozusagen als Art Ich nenne es von mir aus, wie es einen Product-Data-Mesh gibt. Data-Products gibt es jetzt halt AI-Products und es gibt ein Agentic-Mesh, also wie so eine Art neues Betriebssystem für Firmen, was sich so ein bisschen drüber legt und dann eben der Firma hilft und den Mitarbeitern einfach besser zu sein in dem, was sie tun. Felix: So, das Agentic Mesh mal erklären, das höre ich jetzt zum ersten Mal. Alex: Ja, das ist so ein bisschen, das wabert bei uns gerade so ein bisschen durch die Firma. Ich weiß gar nicht, ob das schon irgendein Begriff ist oder so, aber im Grunde ich finde diesen Mesh-Gedanken ganz gut. Das war auch, wenn man mal auf das Thema, wo es Felix: Dank.[00:23:00] Alex: gehen, dann schon immer beim Thema Daten die funktionale Ausrichtung der Organisation eigentlich in die Jahre gekommen. Ja, also wir reden halt auch in Firmen von einer Customer Journey, wir reden von einer Data Journey, also wir reden von einer Verkettung sozusagen von Funktionen einem Unternehmen, die eigentlich einem zum Beispiel für den Kunden halt passen soll. Ja also bei BMW oder auch bei anderen Automobilherstellern ist halt doof wenn das Auto stehen bleibt, wenn du eine Panne hast, ja, jetzt gibt es aber halt irgendwie nicht so richtig jemanden der für die Pannen zuständig ist, weil eigentlich wenn du Auto eine Panne hast, dann würdest du ja sagen, ich habe eine Panne wie kann das sein, mach, dass keine Panne mehr kommt, ja, so, jetzt ist aber so, dass diese Panne verschiedene... Ursachen haben kann. Und die Ursachen können sein, falsch konzipiert, falsches Bauteil, falscher Lieferant, falsch in der Produktion waren irgendwelche Späne irgendwo noch übrig oder so, der Händler hat es falsch erklärt oder tatsächlich [00:24:00] eine Panne ist auch, wenn du es nicht schaffst, einen Gang einzulegen. Dann kannst du nicht losfahren, dann wird das in der ADAC-Pannenstatistik als Panne aufgewertet also halt gewertet, das ist zweistelliger Prozentbereich, das glaubst du nicht, also das war es so als ich da noch in den Analysen mit drin war und heißt, dann wurde das Auto halt falsch erklärt. das heißt, jetzt müsste man halt Felix: Untertitelung ZDF Alex: und müssen mehr in so Prozessketten funktionieren und nicht mehr in diesen Funktionen wie wir sie halt haben, in diesen Ressorts, wo dann auch die Daten liegen. Problem ist aber, das geht jetzt nicht weil wir haben ja schon viele Firmen und die können wir nicht alle platt machen, weil da haben wir keine Wirtschaft mehr, so geht nicht. Also ist der Gedanke von so einem Mesh, dass man quasi wie so eine Art Schicht Felix: Vielen. Alex: wo man dieses Problem heilt. Und wo man quasi eine Verbindung schafft zwischen den einzelnen Silos, die entstanden sind, weil die Firmen halt funktional aufgebaut wurden. früher diese Ende-zu-Ende-Denke halt nicht so gegeben war, auch nicht so wichtig war. Weil da war es halt so du musst halt ein Produkt bauen, das ist dann halt [00:25:00] geil und das kaufen dann die Leute. bei dem Data Mesh ist ja eben der Gedanke auch sozusagen, man bricht die Silos auf, man verknüpft die Daten, aber ohne alles in den Lake zu kippen weil das war ja so damals in diesem Big Data war das Thema, hey, wir duplizieren einfach alle Daten, kippen die in den Lake, kostet nicht so viel, funktioniert. Und ich habe immer das Beispiel gebracht vom Sangria-Eimer. Felix: Vielen Dank. Alex: der muss schon trotzdem so ein bisschen wissen, Komponenten zu einem Cocktail gehören und was dann gut zusammen funktioniert. Also so ein bisschen wie so eine Alchemie. Das heißt, muss wissen, was wie schmeckt. Das sind ja quasi Metadaten. Also nicht nur, das ist irgendwie jetzt Wodka, sondern das ist Wodka mit Zitrone und der kommt da hinterher und der schmeckt so und so und passt zu dem. das alles nur so in so Eimer zu kippen, ist so ein bisschen wie auf dem Malle der Sangria-Eimer. Da ist auch irgendwie alles drin, knallt auch, aber ist nicht besonders lecker und auch nicht so gesund auf Dauer. Ja, also genauso der Gedanke bei dem Thema Data Mesh. Ich muss beschreiben, was für Datenprodukte ich habe. Ich muss die auch mehr in so einer Produktdenke, in so einem Lebenszyklus denken und Felix: [00:26:00] Vielen Alex: gilt jetzt eben für das Thema Felix: Dank. Alex: auch heute noch, und das ist ja auch bei dieser MIT-Studie da kürzlich auch wieder rausgekommen, die halt in dieser POC-Falle stecken. Dass sie halt so viele, keine Ahnung, einzelne Lösungen schaffen, Wo sie denken, ich mache jetzt mal so ein bisschen KI und dann kommt da irgendwie so ein Use Case raus und es sieht erstmal geil aus, aber irgendwie geht es da nicht weiter. dann halt diese holistische Denke oder diese Mesh, wie auch immer du es nennst, diese Vernetzung, dieses Transformierende eigentlich halt fehlt. Also ich habe auf der Fahrt her auch nochmal überlegt wie ich das erklären kann. Ich jetzt ein neues Garagentor bekommen oder habe überhaupt ein Garagentor bekommen und da habe ich mir auch gedacht, naja, so ein Garagentor, kann man eigentlich auch easy wechseln wenn man mal ein anderes braucht. Da hat Felix: Dank. Alex: bohrt und irgendwie, ob das passt mit der Länge und welche Farbe und so. [00:27:00] ich habe auch einen Kumpel der hat jetzt gerade angefangen sein... ... sein Dachboden zu sanieren in einem etwas älteren Haus und der ist jetzt eigentlich wirklich so weit, dass er sagt, er reißt das ganze Haus ab. Ja, hat angefangen mit der Idee, mir gefällt das Bad nicht mehr oben und dann hat er da irgendwie so ein bisschen die Fliesen raus, hat gesehen, ah shit, ich muss eigentlich hier, das ist noch so Fachwerk, da habe ich irgendwie so Würmer im Holz und dann weiß ich nicht mit der Statik und dann, da muss ich auch nochmal gucken, ob mir der Grundriss so eigentlich noch gefällt, wenn ich jetzt eh schon sozusagen die Wand rausreißen muss und das sanieren muss. Und dann hat er irgendwo auch gefunden, dass da ein bisschen Schimmel war, also dann waren die Dachziegel auch irgendwie kaputt und ich glaube, das Bild passt eher zu dem, was wir in den Unternehmen vorfinden. Wir kommen daher und sagen, wir Felix: Vielen Alex: schneller, weiter, billiger, macht die Leute glücklicher, ist nachhaltig whatever. Felix: Dank. Alex: in Firmen, wo man genau so ein Garagentor einfach austauscht gegen ein Neues. kennen die Firmen ja auch Und dann denken sie, mit KI ist das [00:28:00] halt auch so. Und dann merken sie so... diese Anekdote mit dem Dachboden. Ich möchte eigentlich nur eine kleine Komponente ändern. Ich möchte, keine Ahnung, ein bisschen einen besseren Kundenservice haben. Ich will halt da so ein paar Chatbots einsetzen und dann geht es irgendwie schneller. Und dann merken sie, ja shit, die Chatbots erzählen irgendwie Quatsch weil irgendwie die Daten gar nicht so richtig da sind. Und dann schauen sie in die Daten, dann merken sie, hm, wer pflegt die denn eigentlich? Hm, da gibt es eigentlich gar niemanden Und wenn, dann macht es die IT, aber die weiß ja gar nicht, was die Kunden eigentlich fragen. Und dann braucht es ja irgendwie auch eine Governance. Und dann kommt man so vom Hörchen aufs Stöckchen und Felix: Vielen Dank. Alex: umbauen. Und dann sagt man, ja, das KI-Projekt ist gescheitert. Und das war damals bei Analytics schon so. Da war halt der Impact noch nicht so groß, weil es halt eher darum ging, Felix: Vielen Alex: zu generieren. Felix: Dank. Alex: waren oder so. Aber da war das noch nicht so. krass dramatisch. Aber jetzt wird halt dieser [00:29:00] Gap zwischen den Firmen, die diese Hausaufgaben gemacht haben, die auch diese ganzen Wellen immer wieder genutzt haben, um so ein bisschen was zu sanieren, die sind auf einmal jetzt meilenweit voraus und die anderen, die hängen immer noch drin und sagen so, shit, jetzt war irgendeiner da, irgendeiner von den Top-Beratungen hat gesagt, 80 Prozent auf alles außer Tiernahrung. Und jetzt wissen wir nicht so genau, wir sehen das ja irgendwie auch wir glauben das auch, die Folien waren total hübsch und alles schlüssig aber wo packen wir denn jetzt an? Felix: dass es den dafür gibt, da bin ich total bei dir. Ich glaube, die Frage, und das versuche ich hier in dem Podcast auch so ein bisschen rauszuarbeiten, ist, wie würde das konkret aussehen? Gibt es dafür schon eine Architektur oder entsteht das gerade, wie denkt ihr darüber nach, wie das dann auch konzeptionell gelöst ist, dieser Agentic Layer über verschiedenen Bereichen? Alex: Paper dazu schreiben oder so. Also, ich, im Grunde, also, was ich meine mit [00:30:00] Agentic Mesh ist, dass man, das ist im Grunde erstmal eher ein oder ein Anspruch an die Nutzung von KI, ja, und das ist technologisch gar nicht so das Thema. Also, Technologie ist dann eine Komponente davon, ja. Im Grunde bedarf es dann verschiedener Komponenten die darunter liegen. Das ist einerseits eine organisatorische Komponente. Also wenn man jetzt sagt, man will so ein Agentic Mesh machen, man will irgendwo quasi KI firmenweit nutzen in Form von Agenten also aka Microservices. Man glaubt jetzt nicht, dass ein Firmen-GPT alle Probleme löst. Ich meine, das glaube ich, haben die meisten jetzt auch schon rausgefunden, die das nutzen. Das ist cool zu haben, aber kommt halt irgendwann an Grenzen, Kontext einfach zu groß ist, gerade in komplexeren, größeren Firmen. Für kleinere Firmen mag das super funktionieren. dann muss man die Leute irgendwie mitnehmen, da [00:31:00] muss die Leute irgendwie auch schulen. Und da, wo es dann halt richtig unangenehm wird, ist eigentlich, dass man an die Prozesse ran muss. Und wir haben halt viele Firmen... Da merken wir, die haben, und das sind große Firmen, die machen Milliarden Umsatz und Gewinne, die haben ihre Prozesse gar nicht beschrieben. Es gibt Felix: Vielen Dank. Alex: mal so ein Dokument für die ISO-Zertifizierung, was mal einer gebaut hat, aber das entspricht gar nicht unbedingt A, dem gelebten Prozess oder B, ist es auch dann so komplex dass es eh keiner versteht. Ja, also selbst wenn es richtig wäre, inhaltlich. Das heißt, also wir sind dann erstmal oft Felix: Vielen Alex: gemeinsam, und dann sagen, Felix: Dank Alex: in welcher muss man auch sagen, denn nützlich. ist genau dann diese Magie von so einem Agentic Mesh, dass man eigentlich quasi so eine Art Abbild seiner, wie so ein digitaler Zwilling des Unternehmens schafft. Wie funktioniert eigentlich unsere Firma und wo können wir wie viel durch KI [00:32:00] ersetzen und wollen das auch und, weil was ja auch gerade nochmal das Problem ist, ist ja dass ja gerade, Felix: Dank. Alex: ich persönlich glaube nicht, dass das jetzt sozusagen von der Technologie her einen riesen Hub nochmal geben wird, zumindest nicht mit dem aktuellen Ansatz, den wir haben mit den Foundation Modellen. Ich glaube, dass die Preise eher hochgehen werden, wenn halt die, wie es bei der Cloud ja auch war, wenn halt die Anbieter merken, hey, jetzt habe ich hier den Value, jetzt kann ich langsam ein bisschen hochschrauben, die Leute sind locked in und dann kann das durchaus wieder kommen, dass das eigentlich billiger ist, den Prozess wieder durch den Menschen machen zu lassen. Ja, diese Transparenz sozusagen. Ich glaube, die braucht man eben. Und das ist halt der Gedanke in diesem Agentic Mesh, in diesem vernetzten für KI. Felix: Was sind denn Anwendungsfelder wo ihr heute schon produktive Agentensysteme seht? [00:33:00] Gibt es da so Bereiche, die immer wieder kommen? Alex: Also auch da würde ich sagen, also ich habe, ich bin da, wir sind da wirklich all in seit zwei Jahren und ich würde sagen, Agenda GI, das funktioniert genauso wie auch Predictive Analytics in allen Bereichen wenn es ausreichend Nutzen stiftet. Aber das hat nichts mit dem Werkzeug zu tun, sondern es ist eine Frage des Prozesses und des Felix: Dank. Alex: Und ja, was jetzt natürlich, welche Bereiche gerade aufgeholt haben, sowohl funktional, also erstmal funktional gesagt, das sind halt Bereiche, die halt stark mit unstrukturierten Daten gearbeitet haben. Also sowas zum Beispiel wie Marketing. Für Marketing war das jetzt so, Marketing war früher so, war das noch so Collagen basteln und irgendwie so Fokusgruppen machen und mit Leuten reden und dann Felix: Vielen Alex: dann war so Wolf of, nicht Wolf of, wie heißt das, diese Suits, das waren so diese Agenturen, die einfach irgendwie das im [00:34:00] Bauchgefühl hatten, was die Leute brauchen. Dann kam so das ganze Performance-Marketing mit dem Web auf, wo man gesagt hat, hey, lass mal messen, was das bringt. Und dann wurde so diese Aussage, half of my budget is wasted. I just don't know which half. Das wurde dann so ein bisschen… nivelliert aber auch nicht für sowas wie Brand oder sowas wie Werbung per se. Felix: Vielen Dank. Alex: wo wir halt im Grunde ein Multiagentensystem geschaffen haben aus verschiedenen Sprachmodellen, die dann aber sehr spezifisch und mit sehr wenig Quatsch einem Marketer helfen, verschiedene Kampagnen zu machen. Weil sie einfach Textvorschläge generieren und die passen aber halt eben zur Tonalität und die sind irgendwie auch compliant und so weiter. Und die basieren halt eben so Rack-mäßig auf dem Bestehen. Also bei denen [00:35:00] auf jeden Fall. Dann natürlich für alle, die irgendwelche also alles so Richtung, ich muss irgendeinen Bericht schreiben. Ja, also ich durfte diese Woche zum Beispiel, war das letzte Woche, diese Woche war ich Speaker bei einem TIC, glaube ich, ja, Test, Inspection, Certification, heißt das so, also alle, die sowas wie TÜV quasi Felix: Vielen Dank. Alex: müssen Felix: Vielen Alex: von auch Regulatorik immer sehr detailliert Gewisse Kennzahlen oder gewisse Ergebnisse in textuelle Berichtformen packen. Und das passiert dann oft auch auf anderen Berichten, also oft ist das ja so eine Prozesskette und die eigentliche Informationsessenz die steckt dann da immer irgendwie drinnen und da ranzugehen mit KI, weil es auch semi-strukturiert oft ist, weil es irgendwo halt gewisse Dinge müssen da drinnen sein und gewisse Daten und das einmal sozusagen zu digesten im Sinne von, also ich nehme das, den [00:36:00] Bericht vor mir, ich lese da raus, was für mich wichtig ist und dann schreibe ich mit meinen Erkenntnissen den nächsten Bericht da haben wir auch extreme... Extremen Hub an Effizienz und auch an Effektivität, weil die Berichte auch oft Felix: Vielen Dank. Alex: dann, weil nichts vergessen wird, weil die KI dann nochmal sagt, hey, aber die anderen schreiben da immer über pH-Wert oder muss da nicht noch was über die Stofffestigkeit mit rein? Also, ah ja, shit, stimmt. Oder gerade wenn es jetzt internationale Unternehmen sind, die dann verschiedene Werke haben oder so und dann geben das die Deutschen irgendwie in Schwaben oder so vor und dann muss das aber auch in anderen Ländern irgendwie funktionieren, wo man da vielleicht noch nicht so weit ist oder so von der Ausbildung her. Und dann zum Beispiel auch natürlich die ganzen Verlage, für die war es natürlich auch mediakrass also megakrass für die ganzen Medienfirmen. glaube, es stehen auch viele noch total unter Schock muss man sagen. Ja also das sind so Felix: Vielen Dank. Alex: wo früher eher schwieriger war. Ich meine, so Forecasting oder sowas im [00:37:00] Financial-Sektor, das ging schon immer. Da waren die Daten immer schon ganz okay-isch. Oder so Absatzprognosen aufgrund von irgendwelchen Kassenbonks im Retail oder so. Oder alles, was Richtung Web-E-Commerce geht. Genau. Und da hat sich auch ein bisschen unser Portfolio ein Stück weit geschifftet. Und spannend Felix: Vielen Alex: wenn man das alles untereinander verschneidet. Und zum Beispiel ein cooles Projekt, wo wir die ganze Logistikkette für ein großes Felix: Dank Vielen Alex: Agent, der ist jetzt nicht so todesschlau. Also da Felix: Dank Alex: gebaut für viele Millionen Euro. Die waren teilweise echt genial. Da haben wir irgendwelche Paper auch implementiert zusammen mit dem Kunden, um dann nochmal so 0,3 Prozent besser zu sein im Trading oder so. das ist hier gar nicht der Fall. Hier ist eher die Lösung in der [00:38:00] Interoperabilität, also sprich so ein globales Logistiknetz in Echtzeit zu optimieren und dass das dann auch funktioniert für den Disponenten selber. Also irgend so ein Dude, der jetzt ein Paket irgendwie zur Post bringen muss, mal einfach gesagt. ist sozusagen diese Kollaboration der Agenten untereinander und immer wieder das Abgleichen zu dem, was haben wir da noch im Lager, wie könnten wir das vielleicht anders lösen. diese klassischen Optimierungsalgorithmen... Die es ja schon lange gibt, die auch, keine Ahnung, DAXa DHL und so weiter alle nutzen, wo die aber an ihre Grenze kommen, weil die Daten- und die Informationskette einfach gebrochen ist, ja, und da ist natürlich gerade so ein Multiagentensystem, wo die Agenten eine gewisse Intelligenz haben oder so ein bisschen Schlupf mitbringen, sage ich mal, ja, ähm Nicht unbedingt als Vollautomatisierung, aber ist dann super spannend. Anderer geiler Case, ich glaube, den darf ich auch nennen, den haben wir auch schon präsentiert. Da waren wir in Monaco auf der Yachtmesse und da haben wir mit Siemens Energy zusammen, haben wir so ein [00:39:00] bisschen wie Knight Rider mit der Yacht gebaut. ist richtig geil. Also da ist es auch mit einem eigenen Frontend, mit einer App und so, da kannst du mit deiner Yacht reden die Yacht sagt dir halt, was vielleicht gerade nicht funktioniert oder so. Und da war, der Schlüssel war bei dem Projekt diese Anbindung Felix: Vielen Alex: Also das quasi halt einerseits müssten die Agenten verstehen, wie funktioniert so eine Yacht oder der Antrieb davon. war zum Beispiel, das war gar nicht so einfach, dass wir Felix: Dank. Alex: haben sich die Foundation-Modelle noch zu schwer getan. Und das so hinzukriegen, dass das funktioniert und dass halt auch jemand, der jetzt irgendwo in Brasilien, keine Ahnung, da gerade auf der Yacht steht und jetzt kein promovierter [00:40:00] Ingenieur ist, dass der dann trotzdem das Ding zum Laufen bringt, wenn irgendwie so eine ziemlich reiche Person, die jetzt gerne die Woche auch die Yacht nutzen würde, wenn sie schon mal im Flieger hockt und sonst ziemlich pisst ist, dass das dann funktioniert, ist halt so eine coole Geschichte. Und Mai, da kannst du dir natürlich dann auch vorstellen, wenn das für Yachten funktioniert, funktioniert es vielleicht Vielleicht auch für, keine Ahnung, Bohrinseln oder Gasturbinen oder, also so ein bisschen diese Renaissance von Predictive Analytics, also Predictive Maintenance vor allen Dingen. Was wir ja auch schon sehr lange machen mit Sensordaten und so weiter, Ausfälle vorhersagen, aber das scheiterte dann oft so ein bisschen an der Bedienbarkeit und jetzt hast du halt über die Sprache hast du dann einen ganz anderen Zugang auch zu nicht so krass ausgebildeten Felix: Dank Alex: fehlerinterpretiert haben und die vielleicht so ein Predictive-Modell nicht so bedienen konnten oder so. Die können jetzt einfach über Sprache mit einer Maschine reden, die können mit einem [00:41:00] Forecast reden oder nimm dir zum Beispiel sowas wie die Altenpflege oder so, wo keiner Bock hat, irgendwelche Berichte zu schreiben, damit das dann mit der Krankenkasse abgerechnet werden kann. Oder wo jemand vielleicht auch dann irgendwas komisches sieht beim Patienten und dann ein Foto macht und sagt, kann ich das anfassen, muss ich vorsichtig sein? Also ist alles natürlich gefährlich wenn es halt noch nicht gut funktioniert oder so. Aber überall da, wo wir einen Fachkräftemangel haben, wo wir auch Sprachbarrieren das nochmal ein ganz anderes Thema, haben wir auch in der Pflege voll oft, da können wir halt auf einmal ganz neue Use Cases bauen und die auch relativ schnell produktiv bringen. Felix: Genau und jetzt, also ich könnte ewig extrem spannend, vor allem diese Vielfalt an unterschiedlichen Anwendungsfeldern und ihr die gesamte KI-Klaviatur dann in den Projekten spielt, faszinierend und glaube ich für viele, die zuhören, auch ganz spannend, mal [00:42:00] den aufzumachen, was eigentlich über Agenten und Language-Models hinaus noch so gemacht werden kann. Kannst du nochmal ganz kurz so zusammenfassen, also weil du gerade gesagt hast, solche Use Cases an den Start zu bringen, was braucht man dafür, was sind so eure auch Erfolgskriterien damit solche Projekte funktionieren und dann auch die andere Seite was muss man auf jeden Fall vermeiden, womit das ganz sicher schon am Anfang an die Wand fährt? Alex: Also die Herzensantwort ist, Firma braucht KI als fundamentalen Bestandteil der Geschäftsstrategie und Geschäftsausrichtung. nicht nur Strategie weil Strategie impliziert immer so, ja alle vier Jahre haben wir unsere Strategietage und da überlegen wir uns, was machen wir die nächsten vier Jahre und dann ist es das. Also deshalb ist KI-Strategie so ein bisschen in der Begrifflichkeit her gefährlich, weil es ist nie fertig, es ist [00:43:00] ongoing, deshalb reden wir auch von einer Journey, wir reden von einer Data-AI-Journey, weil es ist ein permanenter Weg, wo ich im permanenten Abgleich bin zwischen was gibt es Neues an Technologie, was habe ich aus den Projekten gelernt, wie muss ich meine Firma neu ausrichten. Was ja im Grunde in der Unternehmensführung ja auch bloß der Fall ist. Es muss halt so wie das Internet, muss KI ein Fortschrittsprozess ein fundamentaler Bestandteil des Unternehmens sein. Ja, und das ist jetzt gerade so am Kippen, das wird in zwei, drei Jahren auch keiner mehr irgendwie in Frage stellen, da wird es, also meine Prediction, ja, auch weniger Chief Data, Chief Digital, Chief AI Officer geben, weil es gibt ja auch keinen Chief Internet Officer, ja, oder, also was stehst du, das ist so, das ist einfach, es macht schon Sinn, dass es einen Chief HR oder einen CPO für People gibt, weil das ist irgendwie eine Funktion da geht es um die Menschen, das muss man irgendwie halt steuern, da gibt es zentrale Dinge, die kann man vor die Klammer ziehen, ja, beim Thema KI, das kann man nicht irgendwie vor die Klammer ziehen, weil das ist wie [00:44:00] mit diesem Mesh, das ist halt nicht so ein Schnupfen den man irgendwie einmal heilt, sondern es ist chronisch es Felix: Vielen Dank. Alex: Organismus, ja, und das muss man halt einfach einmal checken, also ansonsten also es ist halt, Ich habe auch versucht, da ein bisschen dran Felix: Vielen Dank. Alex: und ein bisschen so drumherum zu arbeiten oder so. Aber wenn der Patient halt Kettenraucher ist, dann kannst du dem auch eine neue Lunge einsetzen und dann, weißt du, dann dauert es halt ein, zwei Jahre und dann ist er wieder da, wo er vorher war, wenn der Körper die Lunge nicht abstößt Also von daher, das ist so das eine, wo man einfach nicht drumherum kommt. Wenn man jetzt trotzdem sagt, nee, man will das alles nicht und man macht das eh nur noch zwei, drei Jahre und dann verkauft man den Laden oder dann, keine Ahnung, gibt es keinen Nachfolger oder so, also Stichwort Mittelstand. muss man sich wirklich ganz gezielt Themen rausgreifen, die man halt so ein bisschen wie das Garagentor halt sehr gut abkapseln kann, auch dann Felix: Vielen Alex: wir jetzt ein neues ERP einführen, dann nehmen wir halt gleich eins, wo KI irgendwie gut [00:45:00] mit drin ist oder so. Oder wenn wir jetzt halt nachdenken bei unserer Personalabteilung, dann machen wir es vielleicht so, dass wir die Arbeitszeugnisse halt mit einer KI dann schreiben können. selbst da fallen schon wieder 20 Gründe ein, warum das wieder Schnittstellen hat. Aber fangen wir jetzt gar nicht erst an. Also ich glaube halt sehr stark, wir haben den Datenkompass ja damals erfunden. Damals war die Denke noch bei Learning, bei Data Mining. Die Algorithmen sind das Wichtigste oder die Daten sind das Wichtigste. Und damals haben wir schon gesagt, nee, in dem Datenkompass mit dem Geschäftsprozess fängt es an. Du musst wissen, was du willst, was du auch in der Forschung machst. Du hast eine Hypothese und du prüfst eine Hypothese. Du forschst ja nicht einfach so wild irgendwie durch die Gegend. Das hat man vielleicht früher gemacht. Aber ist für mich, so Felix: Vielen Alex: kommen und [00:46:00] auch wirklich gelebt werden. muss sogar teilweise vom Eigentümer kommen. Also Felix: Dank. Alex: Firma aufgestellt ist, muss das sozusagen vom Eigentümer kommen, getrieben sein, weil vielleicht Felix: Vielen Alex: das ist so das Allerwichtigste. dann ist es wir früher mal gesagt, ja, dann machen wir so eine Matrix mit den Use Cases und machen so Post-its, Felix: Dank Alex: weil früher war man halt so, da hat einfach irgendjemand irgendwas gemacht und es war komplett chaotisch. Aber auch das reicht nicht mehr. Jetzt muss man halt das wirklich vernetzter denken. Also bei dem Argentic man muss diesen Compounding-Effekt nutzen. man so ein Felix: Vielen Dank Alex: alle Betriebsprozesse alle Anleitungen gelesen hat, einfach, das ist dann schon mal so ein Agent, den kann man vielleicht für die ganze Firma machen oder muss man für einzelne Bereiche machen. Wenn man sowas hat, dann kann man diesen Agent wiederverwenden in andere Use Cases, Also man muss das ein bisschen mehr so als [00:47:00] vernetzten Prozess sehen und da braucht man schon eine gewisse nennst Strategie oder Roadmap, wo fängt man an, aus welchem Grund. Klammer auf. kommt der Grund her? Der Grund kommt von, was wollen wir denn mit der Firma? Ja, ich gebe dir ein Beispiel. Meistens will man halt mehr Geld verdienen. Das wollen die meisten Firmen. Und damit gehe ich halt oft eigentlich schon ein bisschen rein mit dem Paradigma. Und dann frage ich halt so, ja, was hindert dich daran, deinen Umsatz und deinen Profit nächstes Jahr zu verdoppeln? Dann ist es mir erst so, wieso packt der sowas? Felix: Vielen Dank. Alex: Frage. Aber lustigerweise ... Und das passt eigentlich auch wieder zur Frage, aber ich hatte letztens eben den Fall, da waren wir bei so einem Müllunternehmen und die haben Arbeit, bis der Arzt kommt. Die haben Margen wirklich, also Müll geht immer. Deshalb ist ja auch, keine Ahnung, macht ja die Muffin in Italien auch irgendwie den Müll. haben eher das Problem, dass sie halt Leute bekommen, weil keiner hat Bock, Müllautofahrer zu sein. Und das heißt, da war diese ganze Journey im [00:48:00] Sinne von, wo nutzen wir KI? Das war eigentlich viel mehr Richtung, wie können wir Leute schneller onboarden Wie können wir die richtigen Leute kriegen? Wie können wir unser Employer-Branding cooler machen? Ja, aber diese Richtung muss erstmal klar sein. Und die wird halt oft auch von KI-Beratern oder von AI-Experts halt gar nicht so gefuckt, weil die haben halt geile Algorithmen und die wollen die irgendwie an den Mann bringen oder an die Frau. kommst halt als Promovierter, keine Ahnung was, daher und dann hast du halt den geilsten Hammer dir gebaut in sieben Jahren und dann willst du halt alles damit erschlagen, Felix: Dank. Alex: dir vorkommt. Und dann leckst du halt motiviert auf jede Schraube ein. Hauptsache, die verschwindet irgendwann in der Wand und hinterlässt dann so ein Loch. Ja, also von daher, das ist halt ein bisschen das Problem, was man eben nicht machen darf, dass man halt zu sehr technologiegeil ist. Ja, und dass man sich dann über AI-Definitionen ist das jetzt agentic oder ist das jetzt Big Data oder das ist alles vollkommen egal. so, das Felix: Vielen Alex: das ist auch so abgedroschen, aber das sind halt die Menschen. Also auch ein Kunde gerade, bei dem [00:49:00] stellt sich der Betriebsrat komplett quer und das ist so verhärtete Fronten da geht einfach gar nichts mehr. Ja die können noch nicht mal irgendwie ein Tool einführen, weil der halt sagt so, ja, warte mal, nein. Und da muss man erstmal, und da kann Felix: Dank. Alex: es aber auch ein bisschen nachvollziehen, weil das ist halt ein traditionelles Unternehmen, die sind über 100 Jahre, machen die Sachen, die auch sicherheitsrelevant irgendwo kritisch sind und die Leute haben halt so eine Denke und irgendwie hat man die Firma gerebrandet und alles ist irgendwie cool und hip und man macht jetzt irgendwie Revolution und man hat sich halt coole Dudes aus dem Silicon Valley so nach dem Motto eingestellt, aber die sind überhaupt nicht Anschlussfähig auf die Organisation und das heißt, da muss man Felix: Vielen Alex: und ehrlicherweise ich habe so krasse Revolutionen eigentlich selten erlebt, das eigentlich nie, wenn ich ehrlich bin, es war Felix: Dank. Alex: jetzt 40 Jahre lang, reißt du dir für irgendeine Firma einen Arsch auf, bist vielleicht auch irgendwie krank geworden dabei, weil du irgendwo am Band stehst [00:50:00] oder weil du irgendwie mit giftigen Substanzen in Kontakt gekommen bist oder weil deine Frau sich hat von dir getrennt, weil du immer Überstunden gemacht hast oder dein Mann wie auch immer. Ja, und hast deine Kinder nicht gesehen, dann kommt irgendeiner daher, der schaut so ein bisschen smart aus und sagt so, ja ist ganz geil, aber weißt du was, machen wir jetzt mit KI und können wir jetzt eigentlich in fünf Minuten das machen, was du mit deinen Homies 40 Jahre lang mit zehn Leuten gemacht hast. Und McKinsey sagt das auch, also no offense. Also wer denkt sich dann so mit Mitte 60 anfangen 60, Mitte 50 so, ja, finde ich interessant, finde ich cool, toll, dass der Fortschritt so voranschreitet. Da würde ich mich gerne in meiner Freizeit weil die habe ich ja jetzt, weil ich habe ja keine Familie mehr, mal ein bisschen mit beschäftigen und da mache ich jetzt mal ein paar Kurse und ich umarme das Ganze so total und unterstütze diese Initiative, ja. Also das will Felix: Dank. Alex: Aber so die Leute da halt rein, ja. Ich nenne die immer rasende Zwerge, ja, also weil die [00:51:00] wuseln dann durch die Organisation und so schnell wie die halt da waren, sind die auch wieder weg, ja. Machen auch Beratungen oft falsch ne Die kommen dann mit 40 Leuten da rein, alle halt super motivierte Eins-Nuller-Streber, ja, die alle nicht schlafen. wurscheln dann da irgendwie durch, die Zahlen sehen alle geil aus dann sind die wieder weg, weil irgendwann merkt einer, hm, die sind eigentlich ganz schön teuer so auf Dauer halt, und dann bleibt so dieser eine Du zurück, der das dann machen soll, was diese 40 Berater das schaffe ich nicht. Also das heißt, man muss die Menschen mitnehmen, man muss die natürlich auch, aber man muss vor allem die auch irgendwie auf dieser Reise mitnehmen und so ein bisschen Stück für Stück machen. Und vor allen Dingen auch dann die Erfolge die man dann schon hat, die muss man auch kommunizieren, also interne Marketingkampagnen machen und es sind halt oft dann eher so diese Use Cases, die super unsexy sind. Wir hatten zum Beispiel einen Case bei einem Kunden, da gibt es so ein [00:52:00] neues Felix: Hm. Alex: wahrscheinlich schon nach fünf spätestens irgendwie einen Strick nehmen. das können wir so nicht machen. Ja und dann haben wir gesagt, komm, pass mal auf, wir machen jetzt so einen Hackathon, drei Tage, wir schließen uns jetzt mal ein und wir gucken mal, ob das mit KI irgendwie funktioniert. Und dann haben wir das mit ihr zusammen, das war auch voll super, dass die mit dabei war, weil die uns eben den ganzen Kontext immer wieder gegeben und auch gesagt, wie gut muss die Qualität sein. Das war auch ein Fachverlag, also das war so ein bisschen spezifisch. durfte die das Ergebnis dann nach drei Tagen halt vor der gesamten also die halbe Firma war da mit dabei, inklusive Eigentümer und [00:53:00] Vorstand und so. Komm jetzt so einen Und die hat halt wirklich, die hat wirklich Tränen in den Augen gehabt und konnte dann präsentieren, dass es jetzt von irgendwie 20 Jahren, wahrscheinlich in drei Monaten, zwei Monaten für sie selber mit dem Tool in drei Tagen gebaut irgendwie funktioniert, ja. Ja der Felix: Dank. Alex: noch überschaubar und das ist jetzt nicht der Game-Changer für die Company oder so, hat so, die haben halt gesagt, so ja wenn die so und so das hingekriegt hat in drei Tagen mit diesen komischen Thumbs da, ja, sollten wir es vielleicht auch mal versuchen, ja. Und das war am Ende viel mehr Impact als diese ganzen Reden von, hey, wir haben hier in Singapur Felix: Dank. Alex: bla und so, das war viel anschlussfähiger eigentlich für die Leute. Ich meine, das kennst du ja Ja, wahrscheinlich auch aus deinen, ne, aus deinen Projekten so es war so ein greifbares Beispiel und das dann, das muss man aber auch dann natürlich dann. Also wirklich dann halt kommunizieren, bis der Arzt kommt. Das machen wir dann auch immer ungern. Wir sagen dann so, jetzt haben wir doch jetzt einmal präsentiert, jetzt passt es ja wieder, jetzt können wir alle wieder arbeiten gehen. Ich so, nee, dann machen wir jetzt T-Shirts, dann machen wir [00:54:00] Socken draus dann machen wir Mützen draus dann machen wir ein Avatar, die Datendagma, die Analytics an, also da drehen wir es richtig durch. Das kommt ganz fett ans Eingangsschild. Das muss so richtig, bis es weh tut, bis es keiner mehr sehen kann. Und dann nochmal. halt auch immer in Europa immer ungern weil so, ja, lieber Understatement und lieber nicht so an die große Glocke hängen, weil am Ende werden unsere Ziele ja noch irgendwie dann erhöht wenn wir darüber reden, dass das wirklich funktioniert hat. Dann kriegen wir weniger Budget, kriegen wir weniger Leute. muss natürlich auch der, gerade für das mittlere Management, weil die sind ja die, die halt von oben und von unten den Druck bekommen, für die muss man dann halt eben den Freiraum schaffen und die Legitimation und natürlich muss man sich auch bei denen bedanken, also auch im Sinne von Geld. das ist natürlich das Nächste, wieso Firmen funktionieren, du musst es dann auch wirklich inzentivieren, Also, du kannst auf der einen Seite sagen, hey, ist ja geil, dass ihr mit KI 20 Prozent, 80 Prozent gespart habt, dann [00:55:00] könnt ihr ja nächstes Jahr auch einfach 80 Prozent weniger Budget und Kapazitäten bekommen. machst du einmal und dann weiß jeder, oh shit, schon cool, aber nee, nee, hat nichts gebracht, ja. Felix: Okay also ich halte fest, Top-Management, Eigentümer-Support die Leute eng involvieren und vor allem die eigenen Prozesse und Probleme kennen und die Menschen, die genau dieses Verständnis haben, dann in die Projekte auch involvieren und ihnen ein bisschen Kapazität, Freiraum und Funding geben, um solche Projekte auch umsetzen zu können. Alex: Ja und eher, also ich würde gar nicht so in Projekten Projekt ist eigentlich der falsche Begriff weil würde eher in Produkten denken und eigentlich in einem Programm und eigentlich in einer Transformation. Felix: Lass uns nochmal zum Abschluss in die Zukunft schauen. Die letzten Jahre waren ja ganz schön krass was so den KI-Hype angeht und wir haben da so ein paar Player namens Google, Microsoft, Entropic, OpenAI [00:56:00] und so ein paar andere, die irgendwie es schaffen müssen, ihre exorbitanten Bewertungen zu rechtfertigen und uns irgendwie neue Produkte und Geschichten um die Ohren werfen, rund um die Uhr. das eigentlich aus deiner Perspektive noch so relevant oder hast du eigentlich schon den Tech-Stack mit dem du heute den Großteil der Use Cases umsetzen kannst und was gibt es vielleicht im nächsten Jahr, worauf du so blickst, was sind so Themen und Strömungen, wo du gerade etwas näher dran bist, weil du da noch viel von erwartest? Alex: Also ich habe vielleicht das ganze Thema KI als solche jetzt so ein bisschen runtergeredet. Ich glaube, ich meine, das ist auch ganz bewusst, weil ich glaube, darüber wird eh schon sehr viel gesprochen und ja auch sicherlich auch bei dir und auch bei mir im Podcast und so. Nichtsdestotrotz hilft uns natürlich jeder Hub, ist auch mit Gemini 3 oder so, das ist Felix: Vielen Dank. Alex: Auch wieder spannend, was da wieder besser funktioniert und was man da wieder nutzen kann. bin ich da eher so bei Jan LeCun [00:57:00] oder so zu sagen, glaube, dass das auslevelt vom Grenzertrag wenn man so will, was die Qualität der Foundation-Modelle versus Compute Felix: Vielen Dank. Alex: Und ich glaube schon, dass die Bewertungen die wir da gerade sehen und auch dieses, was mich so ein bisschen beunruhigt, diese In-Sicht-Geschäfte nenne ich es jetzt mal, also wenn dann sozusagen ich gebe dir einen Auftrag dafür gibst du mir Funding und bezahlt wird aber irgendwie in Hardware, dass das diesem kleinen Kreis mit den Multiples die dahinterstehen und mit dem, wo wir dann auch du, ich, wo wir dann täglich sehen, woran es ja dann eigentlich scheitert Nutzen, dass das gar nicht so stark miteinander korreliert. Also dass da so ein bisschen so ein Disconnect da ist. Und von daher, also ich habe jetzt alle meine Aktien verkauft auch von meinen Kindern, die ganzen MSCI World. Ich bin da überall raus. soll jetzt keine Empfehlung sein, aber glaube, so ein paar bisschen Shorten den ein oder anderen, wenn man ein bisschen Geld übrig hat, ist vielleicht gar nicht so blöd gerade. Und ich glaube auch nicht dieses Narrativ von Jeff Bezos im Sinne [00:58:00] von, ja, beim Internet war es ja auch so. Felix: Vielen Dank. Alex: Und dann hat man irgendwie einmal, hat man halt Internetkabel verlegt und Dann sind zwar Yahoo und Co. alle pleite gegangen, aber dann kamen ja die Nächsten nach. Das glaube ich nicht, weil einfach diese, jetzt ein Rechenzentrum kannst du bauen und in zwei Jahren ist das veraltet oder in drei Jahren. Das ist nicht so, dass dann die Kabel im Boden bleiben für immer. Von daher weiß ich gar Felix: Danke. Alex: wird. Und ich finde gerade OpenAI, das ist schon abgefahren was da abgeht. Und vor allen Dingen auch so dieses, ja wir machen dann noch so das nächste iPhone mit so einem lustigen Amulett. Ja, und dann machen wir halt irgendwie noch Felix: Vielen Dank. Alex: dann bauen wir bald noch Autos Und es ist so es ist schon ein bisschen, also vielleicht bin ich da auch zu sehr Europäer aber ich finde das ein bisschen zu wicked irgendwie so. Ja also es ist also wie will ich es sagen, größenwahnsinnig aber es ist so, ich weiß nicht. Also wenn man halt auch technologisch dahinter steckt, dann weiß man ja auch, die haben ja nicht irgendwie so ein, Die haben ja nicht irgendwie Kernfusionen jetzt erfunden oder so, weißt du? Also das ist ja so das [00:59:00] eine Ding. glaube ich jetzt gar nicht mehr so stark dran, ob wir dann mit so Weltmodellen jetzt oder mit neuen Ansätzen stärker Richtung Intelligenz kommen. Ja, finde ich spannend in der Forschung, beschäftige mich auch privat mit. Was heißt eigentlich Intelligenz Wie entsteht Emotion? Warum Felix: Untertitelung des ZDF, Alex: im Business ist es halt selten. Sozusagen der Hebel auf den Erfolg. Also von daher, ich glaube, wir werden das Thema Agentik schon stärker sehen jetzt in den nächsten ein, zwei Jahren, weil dieser Ansatz einfach total Sinn macht. Und weil halt für mich viele Strömungen der letzten Jahre, IoT, RPA, wenn du so willst, also Prozessautomatisierung, Felix: Dank. Alex: weil das alles irgendwie zusammenkommt, wo man über Agenten das eigentlich alles schön orchestrieren [01:00:00] kann, so ein Stück weit. Auch mit diesem Mesh-Gedanken wo wir vorhin drüber gesprochen haben. Was ich auch spannend finde, ist natürlich das ganze Thema die Agenten bekommen den Körper. sprich so Robotik und so weiter. Das ist ja auch schon alles immer da gewesen, aber auch das kriegt jetzt so ein Stück weit eine Renaissance, was die Funktionalität angeht Da gibt es natürlich auch die ulkigsten Videos Felix: Danke. Alex: vielleicht generell in der Produktion auf dem Shopfloor und so. Sehen wir jetzt schon auch beim ganzen Thema Defense Felix: Dank. Alex: lassen? Da können sich doch die Drohnen bekämpfen und dann ist halt wie ein Computerspiel. Das wäre natürlich, also schöner wäre es wenn es das gar nicht gäbe, aber von daher glaube ich. Das wird schon kommen, so diese physischen Systeme eine [01:01:00] Renaissance bekommt glaube halt was mich super was ich super spannend finde ist schon wenn jetzt Leute Firmen tatsächlich neu denken, diese One Person Unicorn, das ist immer so ein bisschen naja, aber wenn Felix: Dank Alex: sich dann die Welt da verändert und wie neue Lösungen entstehen ich habe zum Beispiel bei dem Garagentorbeispiel wieder, hat mich jetzt irgendwie gefuchst, da habe ich jetzt so ein komisches Woodgrain-Muster drauf, das gefällt mir jetzt irgendwie gar nicht und habe überlegt mache ich jetzt riesen Terz bei den Handwerkern, weil so richtig abgesprochen war es nicht. dann haben wir halt, standen wir so eine Stunde vor dem Garagentor haben überlegt, so ja, würde es denn besser ausschauen, wenn es jetzt doch irgendwie ein matter, glatter Belag gewesen wäre und so weiter und früher habe ich dann Photoshop aufgemacht und habe dann da wie rumgebastelt habe dann mit dem Zauberstab so Sachen ausgeschnitten. Ich habe früher ein bisschen so an Autos rumgeschraubt und dann immer so verschiedene Stoßstangen so Felix: Vielen [01:02:00] Dank. Alex: immer trotzdem scheiße aus, obwohl ich da viele Stunden zugebracht habe und jetzt habe ich einfach nur ein Foto gemacht und habe dann halt gesagt, hier zack bumm, hier ist die Webseite vom Hersteller, da sind die Muster Mach mir das, mach mir das, mach mir das und das während wir im Gespräch waren mit den Handwerkern und dann haben wir eigentlich schon gesehen, das würde auch bloß nicht besser aussehen. Das ist halt Felix: Vielen Alex: auch im Alltag und ich glaube Felix: Dank. Alex: Und ich glaube, man muss halt, ähnlich wie bei diesem Thema IPTV damals, wir werden auch Firmen sehen, die in neue, soll ich sagen, Segmente reingehen und die auf einmal Geschäftsmittel disrupten die vorher vielleicht gar nicht als Wettbewerber gesehen wurden. Also wer hätte gedacht, Felix: Vielen Dank. Alex: nicht irgendwie Telekom was war das damals? Also wer hätte gedacht, dass Amazon im Grunde eigentlich der Player ist, halt das Fernsehen angeht zum Beispiel. deshalb glaube ich auch eher an so jemanden wie Google oder so, weil Google hat halt jetzt aufgeholt was KI angeht und [01:03:00] die haben halt die Distribution. Genauso wie Apple, wird ja auch gerade diskutiert, haben sie es verpennt oder haben sie einfach nur gewartet. Also man darf das halt nicht unterschätzen, trotzdem hat Google halt einen Zugang zu sehr vielen Werbeträgern. Leute googeln trotzdem irgendwie immer noch und deshalb wird spannend, ob diese neuen Player wie, keine Ahnung, Perplexity, OpenAI oder so, ob die es wirklich schaffen oder ob sich dann doch die etablierten Firmen da durchsetzen. Felix: also wenn es Perplexity in einem Jahr noch so gibt wie heute, das würde mich stark wundern Vielen Alex: wieder oft trotzdem, ich habe so mittelständische Firmen, das kennst du sicherlich ja auch. Da geht man so rein man denkt Felix: [01:04:00] Dank. Alex: Und Und dass man sowas mal so schnell über Nacht disruptet durch irgendein cooles Startup, was das alles richtig macht. Schöner Parkplatz, schönes Gebäude, nette Personen am Empfang. Man muss sich nicht zwei Stunden lang anmelden irgendwie. Aber trotzdem, ich glaube, das war so ein bisschen mein Learning. Ich habe halt echt gelernt über die Jahre, da sehr demütig zu sein, was diese Traditionsfirmen angeht und was am Ende auch so ein bisschen diese Power von Europa angeht. Weil so eine skalierte Disruption, das ist dann halt auch alles trotzdem nicht so einfach. Und das ist halt so ein bisschen auch, glaube ich, hoffe ich wo wir in Felix: [01:05:00] Vielen Dank. Alex: kann man nicht gut finden. Alles was aus Europa kommt... ich, wird schon mehr den europäischen Werten entsprechen und wenn das gut ist, werden wir das auch benutzen, wenn es nicht gut ist, werden wir es nicht benutzen das haben wir schon gesehen, da sind wir auch nicht loyal uns selber gegenüber oder so Felix: Vielen Dank. Alex: machst du ja auch, dass das schon geht grundsätzlich wir haben die Unis, wir haben halt so unbedingt die Gesetze dafür. Okay, jetzt fängt der Staat aber auch langsam an, zum Kunden zu werden. Ich glaube, das ist auch ein Schlüssel, dass auch der Staat halt auch KI einfach einsetzt und dann auch Firmen beauftragt. Das ist halt gerade als Kleiner findet man das sau schwierig. Wir sind da oft noch zu klein, sind dann in so Konsortien unterwegs und [01:06:00] machen da jetzt aber schon ganz coole Sachen. Hat ja jetzt nur fünf Jahre gedauert, ja, aber immerhin jetzt geht es langsam los und ich glaube, das ist halt auch was, wie uns halt der Staat so ein bisschen helfen kann, so eat your own dog food mäßig. Felix: Vielen Dank. Alex: oder so diese ganze ESOP-Geschichte oder so, da gibt es sicherlich noch Potenziale. Aber ich denke auch, also ich glaube, das wird immer mehr so kommen. MyKina kann ich schlecht einschätzen, da bin ich selber zu wenig, aber jetzt in den USA oder so, da… Ich glaube, das ist schon mittlerweile zu abgedreht was da passiert. Ich glaube, das merken die auch selber. Ob das wirklich noch so weitergeht, ich nicht. Ich glaube, das wird sich schon ein bisschen abkühlen irgendwo. Aber ja, das ist schwer zu sagen. Wenn ich das genau wüsste, dann würde ich nicht hier sitzen. Dann wäre der AT Investment Fonds wahrscheinlich Felix: Vielen Dank. Aber wir durften trotzdem eine ganze Menge heute von dir lernen und danke für die vielen Einblicke in all dein Wissen und was du so über die [01:07:00] letzten 12, 13 Jahre gelernt hast. Und ich glaube, wir brauchen, ich habe noch eine ganze Reihe an Themen stehen. Ich glaube, wir brauchen einfach noch mal eine Folge. Aber danke für den Durchmarsch und die vielen Insights. Dank, Alex. Alex: Super.