Felix: [00:00:00] Herzlich willkommen zum AI-First-Podcast. Eine der größten Herausforderungen wenn es um den Einsatz von generativer KI in Unternehmen geht, dann ist es, dass die Potenziale oft noch gar nicht richtig realisiert werden können, was oftmals wiederum daran liegt, dass die Nutzung innerhalb des Unternehmens noch nicht auf das Level kommt, was möglich wäre. Also die klassische AI-Adoption um die es hier geht. Und das steht im Mittelpunkt dieses Podcasts Ich habe einen großartigen Gast, Aram Azimi, der Innovation Manager bei IKA Hofmann ist und dort seit einiger Zeit auch die interne AI-Initiative leitet und vorantreibt. Und Aram wird heute von seinen sechs Learnings Auf diesem Weg berichten und ich weiß noch nicht, welche das sind. Freue mich total auf das Gespräch Danke, dass du da bist. Aram: Vielen Dank, Felix. Vielen Dank auch für deine Arbeit. [00:01:00] Also ich finde, du hast da wirklich einen sehr wertvollen Podcast und ich habe auch schon die ein oder andere Folge selbst hören dürfen. bin froh, jetzt, sage ich mal, Teil dieser illustren Runde sein zu dürfen. Danke auf jeden Fall dafür. Und ich würde vielleicht am Anfang anfangen, weil ich mir nicht so ganz sicher bin, ob jeder von euch jetzt auch Ika Hofmann kennt. Das heißt, wir sind ein international tätiger Personaldienstleister mit Sitz in Nürnberg, sind in acht Ländern aktiv, haben in Deutschland um die 90 Niederlassungen, sind mit circa 20 Marken am Start und haben so die ganze Palette der Personaldienstleistung Also was kann man sich So klassisch Arbeitnehmerüberlassung, Zeitarbeit kennt man vielleicht. Und natürlich so diese Themen Personalvermittlung, Freelancing. Jetzt sind wir auch viel aktiv im Bereich Auslandsrecruiting oder auch im Bereich RPO, wo wir quasi für unsere Kundenunternehmen die Recruiting-Prozesse mit unterstützen. Und dort bin ich in der Zentrale Felix: Dank. genau, also bevor wir in die [00:02:00] Learnings rein starten, wäre es total spannend mal zu verstehen, wo ihr denn gerade steht und an welchem Punkt wir praktisch starten. Aram: Lass uns da vielleicht mal ganz kurz Felix: Vielen Dank Aram: es noch häufig ähnlich wie bei vielen Mittelstandsunternehmen, aber auch bei Konzernen Ich glaube, so das Thema generative KI oder KI im Allgemeinen war zu dem Zeitpunkt ja In dem Ausmaß den wenigsten Felix: Vielen Dank Aram: haben wir so eine interne Guideline rausgegeben haben wir mit unserer Legal-Abteilung gesprochen, dass wir zumindest Chat-GPT verwenden dürfen, dass wir ein paar Spielregeln festgelegt [00:03:00] haben und dass wir es zumindest nicht verboten haben. Das heißt, das Thema durfte zumindest mal genutzt werden, man konnte damit tatsächlich auch schon so erste Erfahrungen sammeln. Das ist, glaube ich, bis hierhin auch noch gar nicht ungewöhnlich. Dann hatten wir beispielsweise im März 2023, also vier Monate nach Release, hatten wir schon so unsere erste Chat-GPT Prompt Challenge. Das heißt, wir haben so eine interne Innovationsplattform, die nennt sich Felix: Dank Aram: dort ist es, sage ich mal, allgemein das Thema Innovation, was wir dort bespielen, aber gleichzeitig gibt es auch da die Möglichkeit, sogenannte Challenges Einzureichen. Unser Ziel war es quasi, so spielerisch an das Thema heranzugehen und so. Die besten Prompts miteinander zu teilen, da auch einfach eine gewisse Sichtbarkeit herzustellen und zu schauen, was die Leute so damit machen. wir hatten da bei Felix: Vielen Dank Aram: verbessern und hat Tipps dafür gesucht und hat dafür einen Prompt erstellt. Jemand anders hat ein Anschreiben an ein [00:04:00] Kundenunternehmen formuliert und jemand ganz anderes wollte die Unterschiede der Zeitarbeit beispielsweise zwischen den Ländern in Tabellenform darstellen. Und es waren so ganz unterschiedliche Anwendungsfälle, die wir da gesehen haben und hat uns natürlich, Felix: Vielen Dank. Aram: einmal im Jahr ein sogenanntes Firmenseminar und da ist bei uns, da kommt quasi die ganze Company zusammen. Also aus allen Ländern kommen wir alle auf die Messe Nürnberg und haben dort ein großes Live-Event. Und wir haben dort für unsere Kollegen von Hofmann Personal Deutschland, haben wir quasi dann einmal das KI, dem KI-Thema so die großen Bühne gegeben, eine Art Wissensparcours aufgebaut. Felix: hat es damit auf sich? Aram: Genau also wir wollten das und das war wirklich so eine Woche oder so, nachdem GPT-4 rausgekommen ist das ja nochmal ein bisschen leistungsstärker war und wir haben quasi einmal allen Kollegen, Kolleginnen zeigen wollen, wie kann man oder wie kann man Chat-GPT in dem [00:05:00] Fall in der Personaldienstleistung einsetzen und dafür haben wir uns halt, sage ich mal so, Anwendungsfälle entlang einer Journey überlegt und haben das Ganze im Live-Format gemacht. Das heißt, du kannst dir vorstellen, da waren immer so um die 100 pro Durchgang in diesem Wissensparcours drin und wir haben denen quasi dann einmal gezeigt von, wie kann ich über Stellenprofile mich informieren, wie kann ich einen Interviewleitfaden vorbereiten, wie kann ich eine Stellenanzeige schreiben, wie kann ich einfach diesen gesamten Recruiting-Prozess mehr oder weniger dadurch noch Felix: Vielen Dank Und wie seid ihr dann, weil das sehe ich immer wieder als einen ganz wichtigen, aber auch sehr kritischen und schwierigen Schritt von dieser Phase der Euphorie, des Experimentierens, das alles neu, aufregend Es gibt so die ersten Power-User, die machen schon total viel [00:06:00] damit. Dann gibt es wahrscheinlich auch eine Gruppe, die sich eher gar nichts damit zu tun hat. Teufelzeug, will ich nicht, funktioniert nicht, ist eher ablehnen und dann irgendwie ganz viele mittendrin die so mitschwimmen. Wie habt ihr es dann geschafft, aus dieser Phase so in die produktive Nutzung zu kommen und irgendwann sagt ja auch jemand, der das Budget hat, ist ja alles schön und gut, aber wir müssen ja daraus auch einen Mehrwert für das Business Wie habt ihr das gemacht? Aram: Genau. Also ja, super spannende Frage. Und ich glaube, das ist dann auch der Punkt, wo ich sage, okay, das kommt zu dem Zeitpunkt schon relativ überraschend. Weil auf der einen Seite haben wir natürlich erstmal so die Leute inspirieren wollen, begeistern wollen. Und genau bei diesem Firmenseminar hatten wir quasi unsere Kollegin, Shoutout an der Stelle an Romy, Felix: Vielen Dank. Aram: mal erzählt, dass sie auch was mit AI machen. Und ich habe mich mit ihr unterhalten. Die haben so einen Voice-Bot, der heißt Jamie, [00:07:00] im Einsatz. Und die Testphase. Und wir sind hier gerade im März beziehungsweise Mai 2023. Und ich habe gesagt, ja, wenn es soweit ist, dann zeig mir doch gerne mal die Zahlen. die Ergebnisse, die ihr so damit erzielt habt. Und dann schickt sie mir einfach so eine Excel-Liste quasi und da sind so die Ergebnisse aus der Testphase da. Und ich bin fast vom Stuhl gefallen. Also es war wirklich Felix: Vielen Dank. Aram: hatten quasi einen Voice-Assistenten der Bewerber angerufen hat, nachdem sie ihre Bewerbung abgeschickt hatten. Und die Herausforderung war es, dadurch, dass wir es bei einem großen Kunden bei uns im Einsatz hatten, der auch relativ gut bezahlt und High-On-Fire-Mentalität in den USA. Ich meine, ja. Wir hatten relativ viele Bewerbungen auf beispielsweise 2000 Bewerbungen auf 100 Stellen. Und die Herausforderung war es, wie schaffe ich es eigentlich rauszufinden, wer sind die am besten 100 geeigneten Kandidaten, ohne jetzt alle 2000 durchtelefonieren zu müssen. Weil so ist es ja eigentlich [00:08:00] bisher gewesen. Und wir haben auch ein Recruiting-Büro in Südafrika. Die haben nichts anderes gemacht, außer diese Leute anzurufen und dieselben Fragen zu stellen. Das heißt, es sind so sechs bis acht, ich sage mal so, K.O.-Fragen in Richtung, hast du einen Gabelstaplerschein, hast du schon Montageerfahrung was auch immer und so ein paar Soft-Skill-Geschichten. Und wir haben es verglichen Recruiter haben so im Schnitt vier, fünf Tage gebraucht um diese 2000 Leute durchzutelefonieren. Und das haben wir dann verglichen mit unserem Jamie, der quasi die Zeit reduziert hat von mehreren Tagen auf sechs Minuten. Und das hat sie mir einfach mal so nebenbei gesagt und erzählt. Ich habe die Zahlen dann gesehen, aufgearbeitet und habe dann eben die Vorteile davon natürlich Felix: Vielen Dank. Aram: weil die Leute, ich meine, wir wünschen uns zwar, dass die Leute jetzt sich bei uns bewerben, weil sie bei Hofmann Personal arbeiten wollen. Aber in erster Linie wollen die ja zu unserem Kundenunternehmen. Und die Leute, die sich auf diese Jobs bewerben die wissen auch ganz genau, da sind vier, fünf [00:09:00] Dienstleister, die beliefern dieses Kundenunternehmen mit Personal. Das heißt. Wer macht mit höchster Wahrscheinlichkeit das Geschäft? Und derjenige der am schnellsten ist in dem Fall. Also wir sind hier im Bereich High-Volume-Recruiting, im Bereich der Geringqualifizierten. Nur, dass du da nochmal so ein Bild hast, wo wir das eingesetzt haben. Und es war eben dieser Voicebot, der eben diese Fragen dann auch gestellt hat und je nachdem wie die Antworten ausgefallen sind, wurde auch mal eine Frage übersprungen oder da hatte man dann die Antwort schon dafür. Und es wurden auch sogenannte Soft-Skills abgefragt und je nachdem, wie dieses Interview dann verlaufen ist, gab es einen sogenannten Fit-Score und wenn dieser Fit-Score einen gewissen Threshold, eine gewisse Linie überschritten hat, dann wurden die quasi automatisiert zum Onboarding beziehungsweise zur Vertragsunterzeichnung eingeladen. An der Stelle vielleicht kurzer Hinweis das ist in den USA, das ist nicht in Europa passiert. Also ich glaube, mit dem EUAI-Act hätte man da auf jeden Fall Hochrisikoanwendung. Da müsste man schauen dass die Prozesse sage ich mal dementsprechend auch... Aber [00:10:00] zu dem Zeitpunkt war das auf jeden Fall bei uns möglich und ist natürlich ein riesiger Wettbewerbsvorteil. Felix: Und das sind ja genau auch diese Leuchtturmprojekte nach denen man dann zum Anfang sucht um zu zeigen, hey, neben Inspiration und der Möglichkeit, diese... neuen Fähigkeiten zu entdecken und herauszufinden wie können wir das in einzelnen Bereichen einsetzen, gibt es schon die ersten Projekte die direkt aufs Ergebnis einzahlen können. Und das war ja einer davon. Total cooler Case, finde ich, weil es sehr schön zeigt, wie man einen traditionellen Prozess total disrupten kann und skalierbar machen kann auf eben tausende Calls die innerhalb von wenigen Minuten abtelefoniert werden versus Menschen, die tagelang dafür brauchen. nochmal auf diese Frage kommen. Also dann gab es diesen einen Highlight Case, diesen einen Leuchtturm Leuchtturm schon, der Rest der Mitarbeitenden die [00:11:00] hattet ihr gerade in der Experimentierphase, in der Inspiration. Wie seid ihr von da dann weitergegangen? Und ich bin natürlich auch gespannt, welche Learnings du gemacht hast. Vielleicht können wir einmal einen Zeitsprung machen, wo ihr heute steht und was in der Zwischenzeit so passiert ist. Aram: Also vielleicht um den Fall jetzt. Dieser Fall hat uns einfach massiv Rückenwind gegeben, weil wir vorhin auch über das Thema Budget geredet haben. Ich sage mal, weil die Juniorchefin eben für das US-Geschäft verantwortlich war. Das heißt, wir mussten dann nicht mehr den Beweis bringen, kann man Gen-AI profitabel einsetzen oder nicht. Und wir haben natürlich einfach vom Business getrieben einfach Anwendungsfälle dann gehabt im Bereich Recruiting auch in Deutschland. Also dann so WhatsApp-basierte Chatbots, Video-Avatare da haben wir auch unsere Erfahrungen gesammelt. Das war aber alles, ich sage mal, das waren kleine Teams, die sich um das Thema gekümmert haben. Es war aber nicht das Thema Gen-AI Adoption at Scale, quasi über eine eigene [00:12:00] KI-Plattform Weil der Pain oder die Herausforderung ist ja häufig, Unternehmen wollen es nutzen, haben aber keine Basis auf der sie aufbauen können. Das heißt, ich habe immer das Thema irgendwie mit Datenschutz, EUAI Act und tausend Dinge nicht funktionieren. Und da sind wir, sage ich mal, erst mit dem Launch und jetzt sind wir, du hast gesagt, den Zeitsprung, jetzt springen wir ein Jahr vor, also von Mai 2023 haben wir schon die ersten Cases Felix: Vielen Dank Aram: gefunden haben, auf dessen Basis wir aufbauen können, die quasi mehrere LLMs zur Verfügung stellt, die es uns möglich macht, sage ich mal, Assistenten selber zu bauen, Prompts zu teilen. Das heißt, alles, was wir davor gemacht haben, war eher so, wir lernen damit umzugehen und alles, was wir bis dahin gelernt haben, können wir jetzt als Wissen dann in diese Plattform mit einfließen lassen. Und so sind wir, sage ich mal, mit dem... Das Hauptthema jetzt, worüber [00:13:00] wir auch sprechen, wenn es jetzt darum geht, Gen-AI-Adoption wirklich unternehmensweit dann auch auszurollen, da haben wir quasi mit der Testphase gestartet von dieser KI-Plattform in Deutschland. Genau. Also letztendlich wir haben uns entschieden für die Lösung von LangDoc, wird ja wahrscheinlich auch ein Begriff sein. Das heißt, hier haben wir tatsächlich eine Lösung gefunden, die es vor allem jetzt auch für uns als Mittelstandsunternehmen wirklich einfach und möglich macht, auf die verschiedenen LLMs beispielsweise zuzugreifen und, sage ich mal, die höchsten Kriterien die wir halt haben, so Richtung ISO-Zertifizierung, SOC2, Type2, etc., dass wir das erfüllt haben, dass wir da wirklich einen Haken dahinter machen können und uns nicht mit den den einzelnen ja, Googles Microsoft, AWS und so weiter jetzt wirklich Auseinandersetzen zu müssen. Es war auch zum damaligen Zeitpunkt ehrlich gesagt, ein bisschen schwierig. Das heißt, wir hatten natürlich auch mit Microsoft und so geredet aber es war [00:14:00] auch so, dass Felix: Vielen Dank. Aram: dem Zeitpunkt, wo wir Interesse hatten, waren die komplett überlastet mit Anfragen und sonst was. Und dann sind eben diese großen Unternehmens-GPTs dann entstanden und du nimmst bitte mindestens 300 Lizenzen zu einem Betrag den sich halt die wenigsten aus dem Mittelstand auch leisten können. Und so sind wir, sage ich mal, mit einer Lösung mit LangDoc so weit gekommen, dass wir gesagt haben, okay, darauf basierend können wir quasi unsere KI-Plattform auch aufbauen. Felix: Danke. Aram: Ja, [00:15:00] also ich, wenn wir jetzt zu den Learnings kommen würden, so Learning ist quasi, choose your enemies and friends wisely, also diese Testgruppe diese Testphase, wenn man sich dann entscheidet okay, ich möchte jetzt diese KI-Plattform einführen, das fängt ja noch üblicherweise eigentlich mit so einer Felix: Dank Aram: an und ich glaube, sich diese Leute wirklich sehr bewusst auch auszuwählen Das ist so ein sehr kritischer Punkt, den ich immer mitdenken würde. Das heißt, auf der einen Seite verschiedene Unternehmensperspektiven mit reinzuholen, auf der anderen Seite natürlich auch, ich sage mal, so ein bisschen Corporate Politics. Ich meine, da wird es keine Pauschallösungen geben, aber man muss schon ganz, man soll auch wissen, wen nimmt man da mit rein? Wie stehen die zu gewissen Themen? Wo kann ich vielleicht jemanden überzeugen der sonst eher kritisch ist gegenüber Neuerungen? Und wo kann ich, sage ich mal, auch Leute mitnehmen und ein möglichst breites Spektrum abbilden? Das heißt, sowohl Fachbereiche aus der Zentrale beispielsweise, als natürlich auch die Leute, die in den [00:16:00] Niederlassungen vor Ort sitzen und Felix: Vielen Dank Aram: 20 Leute. Dass man auch nicht sagt, man ist zu groß, aber auch nicht zu klein. Und dann sich auch die Frage zu stellen, sind es dann Personen, die quasi der Fachbereich dazu verdonnert da jetzt mitmachen zu müssen? Oder sind es Leute, die man gezielt auswählt? Und ich denke, da ist es auch ganz wichtig, bestimmte, und da gibt es in jedem Unternehmen ganz unterschiedliche Abteilungen, die, ich sage mal, Freund oder Feind auch sein können, aber sowas wie Datenschutz, vielleicht ein Betriebsrat, falls vorhanden, Controlling, Einkauf das sind alles, sage ich mal, Abteilungen, die würde ich auf jeden Fall mal mitdenken, die aber vielleicht von sich aus nicht direkt die Hand heben würden, vielleicht bis auf Datenschutz. Und da wirklich diese Zusammenstellung dieser Testgruppe halte ich für sehr essentiell im ersten Schritt. Das wäre so mein erstes Learning, dass man wirklich darauf [00:17:00] achtet, wen habe ich in dieser Pilotgruppe mit drin. Felix: von den 20 Leuten, wie viel Prozent der Mitarbeiter in eurem Headquarter sind Das Oder habt ihr es überall? Aram: Hofmann Deutschland, so als Überblick sind wir aktuell so um die 700 Mitarbeiter und es war so ein Mix, ich würde mal sagen, Und 50-50-Headquarter mit verschiedenen Fachbereichen und Abteilungen und ich sage mal zehn Leute aus der Operativen. Felix: Okay, und hattest du dann auch unterschiedliche Hierarchie-Level und Länder mit dabei? Aram: Genau, also das war ja für Hofmann Deutschland, das heißt, wir hatten da keine Ländervertretungen etc., sondern tatsächlich nur für unser Deutschlandgeschäft und da waren natürlich unterschiedliche Hierarchielevel mit dabei. Also ich sage mal von einfachen Personaldisponenten und Recruitern in einer Niederlassung bis hin zu Mitgliedern die halt im Executive Committee sitzen. Und das war uns auch wichtig, verschiedene Hierarchie-Ebenen mit abzubilden und wir wussten auch, ja, wenn wir halt irgendwie zwei, drei Leute auch aus [00:18:00] der Vorstandsebene mit drin haben, wäre es natürlich schön oder das sind natürlich potenziell sehr große Fürsprecher. Felix: Und jetzt hast du gerade schon gesagt, es gibt unterschiedliche Wege Was ich so kenne, ist, man kann dann losgehen und einfach die Leute auswählen oder man gibt den Führungskräften den Auftrag Leute zu benennen oder man macht eine Bewerbungsphase, womit ich zum Beispiel sehr gute Erfahrungen gemacht habe, dass man sagt, wir wollen hier jetzt die Gruppe zusammenstellen aus Leuten, die das Thema für ihren Bereich verstehen, vorantreiben, aber die auch richtig Lust darauf haben. Und wir haben nur 20 Plätze zu besetzen. Diese 20 Leute bekommen extra Ausbildung, extra Ressourcen, Zeit auch für dieses Thema. Ihr müsst euch aber mit einem Case bewerben wo ihr Potenzial für AI seht was ihr schon gemacht habt und daraus wählen wir aus. Also ein bisschen kleine Challenge machen, aber das [00:19:00] Programm auch attraktiv machen und dann daraus die Leute zu sourcen Du bist ja jetzt so ein... Du hast noch einen Mix gemacht, oder? Aram: ich würde sagen, wir haben einen Mix gemacht. Wir haben natürlich auf der einen Seite Leute mit dazu genommen, die zum Beispiel an diesen Prompt Challenges schon teilgenommen haben, die schon Interesse bekundet haben, die einfach schon vielleicht auf irgendeine Art und Weise mit uns zusammengearbeitet haben, auch aus den anderen AI-Projekten. Das ist ja jetzt nicht nur die Plattform gewesen. Wir hatten ja auch die Assistenten oder die Agents schon im Einsatz. Und da war ein bunter Mix, würde ich sagen. Auf der einen Seite haben wir natürlich gesagt, wir möchten irgendwo kontrollieren oder mitbestimmen können, wer da mit teilnimmt. Und auf der anderen Seite haben wir aber auch... Klar gesagt, dass wir nicht unbedingt jetzt den super ausgerechneten Use Case benötigen um da teilzunehmen. Was haben ist, wenn ihr daran teilnehmt erwarten wir schon eine gewisse Zeit, die man dann in der Testphase da auch investieren [00:20:00] bereit ist, also bereit ist zu investieren. Felix: Ja, was würdest du da ansetzen, was man in dieser Rolle investieren müsste? Aram: also ich würde mal sagen, Minimum so 10 Stunden pro Woche während der Felix: 10 Stunden pro Woche, wow, okay. Aram: Hättest du den Wert höher oder niedriger eingeschätzt? Felix: Niedriger, ja, also niedriger. Ich denke, ist sicherlich für die ersten Wochen super, wenn man 10 Stunden die Woche bekommt. Ich habe es bisher noch nie erlebt, dass ich 10 Stunden von irgendjemandem bekommen habe für so ein Plus-Eins-Thema, was neben dem normalen Workload komplett mitläuft. Klar, von Leuten, die dann irgendwie in dem Projekt oder Programmmanagement oder wie auch immer sind, natürlich, aber von jemandem von einem Experten aus einem Fachbereich, Der das Thema noch zusätzlich macht, eher so einen halben Tag in der Woche, den ich schon super finde. Aram: Also durch das bei [00:21:00] uns, ich sage mal, diese Test- oder Pilotphase war relativ komprimiert. Also erst mal zu sagen, wollen wir auf dieser Plattform weiter aufbauen oder nicht, da hatten wir quasi zwei Wochen nur angesetzt. Und in den zwei Wochen haben wir dann schon gesagt, also wenn es nur zwei Wochen sind, Pi mal pro Tag, wäre schon schön. Und dann wird es aber auch so sein, dass jetzt jemand vielleicht aus dem Vorstand, das sich nicht gerade noch irgendwie rausziehen kann, aber dafür vielleicht einen Mitarbeitenden hat, der diese zwei Stunden aufbringen könnte. Aber das waren so die Vorgaben, die wir gemacht haben, sofern man da teilnehmen will. Felix: und man kann ja dann Gen-AI ja auch sehr schön in den eigenen Arbeitsalltag integrieren. Also, okay, spannend. Wie habt ihr dann diese Gruppe ready gemacht, dass sie auch erfolgreich in ihrer Rolle sein können? Was war so die Erwartungshaltung, was ihr an die Leute hattet und wie habt ihr sie auch unterstützt dabei? Aram: Genau. Ich würde vielleicht da [00:22:00] zu meinem zweiten Learning auch kommen, weil das ganz gut passt. Das heißt, hier war so das Learning, make AI fun again. Also, das einfach auch wieder spielerisch anzugehen. Das heißt, nicht so dieses Tech-Blabla, was man vielleicht kennt oder, ja, ich meine, Software-Engineers sind auch trotzdem Engineers und Felix: Vielen Dank. Aram: und liebe natürlich deutsche Ingenieurskunst aber wenn man das Ganze zu technisch angeht also wenn man jetzt, An die Leute herangeht und die schult, hey, das ist jetzt Gemini 1.5 Pro, hat so und so viel Context, Window ist ein Mixture auf irgendwas, dann steigen die Leute halt schon aus. Das heißt, ich würde da wirklich sagen, an der Stelle nicht so viel technisch erklären, sondern auch mehr Felix: Dank. Aram: sind, brauchen wir noch keinen Return on Invest. Lasst uns jetzt erstmal ausprobieren, lasst uns spielen, lasst uns Geschichten erzählen und da kommt mir auch wieder so dieses amerikanische Vorbild, was die halt einfach deutlich besser können, ist [00:23:00] so Visionen zu verkaufen. Das heißt, wo wir mit dem US-Startup Kontakt hatten, die diese Voice-Solution hatten, der hat dann nicht zu mir gesagt, Aram hör mal zu, unsere Lösung ist auf NLP basierend und Text-to-Voice und Voice-to-Text und kann so und so viel Token und so und so viele Sekunden verarbeiten, sondern der hat zu mir gesagt, Aram, stell dir vor, du könntest 1000 Recruiter über Nacht in deinem Team hinzufügen. Und das sind halt so diese Sachen, wo es sagt, Ich lasse wirklich jeden auch mitreden wo ich jetzt auch so diese Tendenzen sehe. Ich nenne sie immer so die AI OGs, also die Original Gangster, die schon länger mit dabei sind. Ich habe so selbst Kinder, also ich bin auch öfters auf dem Spielplatz und mir kommt so teilweise so vor, da sind so Leute auch auf dem Spielplatz, die hatten den Spielplatz bisher für sich und die sagen dann, hey, du darfst nicht so schaukeln. regen sich dann über die anderen Kinder auf, die plötzlich da jetzt reinkommen und jetzt anfangen halt Gen AI so zu verwenden ohne, ohne jetzt, Felix: [00:24:00] neuronale Netze entwickeln zu können. Aram: Und dann gibt es halt so diese, also ich, so diese Felix: Dank Aram: wenn man dann so irgendwie anfängt, so besserwisserisch an die Sachen ranzugehen sich extra unverständlich auszudrücken und auch, ja, ich meine, du kennst zum Beispiel Google Baird, so den einzigen Baird so den ich kannte, war halt der aus der Sesamstraße und Transformers war für mich bevor ich in General reingekommen bin, halt irgendwie diese Autos die sich verwandeln. Und nur weil Felix: Vielen Dank. Aram: immer so diese, es soll halt wieder Spaß machen. Felix: [00:25:00] Vielen Dank Aram: entertaint werden, die gern mitmachen, um da vielleicht ein Beispiel zu nennen. wir gemacht haben, ist, aktuell so, wir haben so immer Verlosungen, also wir haben so alle vier Wochen mal einen Call und da lasse ich dann alle User schätzen, wie viele Prompts wir mit dem System ausgetauscht haben. Und dann tippen alle so fleißig ihre Zahl in den Chat und derjenige, der quasi die am nächsten an der Zahl dran ist, und ich meine, da representen wir halt Nürnberg Das heißt, wir haben da so diese Nürnberger Lebkuchen, die wir dann an die Gewinner von diesem Tippspiel verschicken. For the record, wir haben heute den 10.12., das heißt, es natürlich schon immer auch auf die Zeit anpassen. Also ich bin jetzt kein Psycho der jetzt da irgendwie im Sommer Lebkuchen verschickt, aber so ein bisschen entertainende Elemente mit einzubauen in den Onboarding-Prozess, das finde ich einfach mega spannend. Und das Ganze eben nicht so [00:26:00] tech-lastig zu machen, sondern einfach zu sagen, Geschichten zu erzählen. Und das sehe ich dann auch als unsere Aufgabe, sage ich mal so, als Facilitator, dass wir sagen, okay, wir haben jetzt nicht nur, oder wenn man so eine Kochanalogie nehmen will, wir gehen jetzt da nicht hin und sagen, das ist jetzt eine Aubergine und das ist Tomatensauce und das ist dies und jenes, sondern wir müssen versuchen, als diejenigen, die diesen Onboarding-Prozess zu begleiten, ein Gericht zu kreieren, das der Zielgruppe schmeckt. Und das Ganze dann auch so zu begleiten So würde ich diese Rolle auch interpretieren Also so ein bisschen diesen Entertainment und Spaßfaktor mit reinzubringen Das wäre so mein zweites Learning. Felix: Wie habt ihr es denn geschafft, also ich stelle mir diesen Spagat sehr schwer vor, aus, klar, die Leute motivieren und ein Umfeld schaffen, wo alle sagen, hey, ich probiere das jetzt erstmal aus und es geht gar nicht darum, hier das perfekte Ergebnis rauszubringen oder... Gleich den super lukrativen Business Case zu [00:27:00] entwickeln, sondern ich kann hier mich einfach mal austoben und dann Erfahrungen austauschen und wir lernen alle davon. Perfekt, voll unterschrieben. Aber der Balanceakt ist ja dann trotzdem innerhalb von zwei Wochen, hattest du gesagt, hattet ihr nur Zeit, um dann auch eine belastbare Entscheidung oder informierte Entscheidung zu treffen, ob ihr jetzt weitergehen wollt, zumindest mit der Plattform oder nicht. Wie habt ihr das balanciert oder wonach habt ihr das dann entschieden und festgemacht? Aram: da würde ich vielleicht direkt zu Learning 3 kommen und da haben wir uns natürlich im Vorfeld schon Gedanken gemacht, welche Anwendungsfälle man auch abbilden kann. Das heißt auch für diese Demo-Zwecke, ich habe es genannt Felix: Vielen Dank Aram: du eines Tages wieder mal einen Job suchen, würdest du mir ja deinen CV Zukommen lassen und ich müsste dein CV dann umwandeln in eine Vorlage die quasi dem Hofmann-Profil [00:28:00] entspricht, das wir dann wiederum an unsere Kundenunternehmen schicken würden. Und das ist halt ein Anwendungsfall. Wir haben jetzt in Deutschland so um die 200.000 Bewerbungen im Jahr. Und wenn wir es schaffen würden, da halbwegs vernünftige Ergebnisse zu erzielen, und das haben wir auch mal, ich sage mal so grob hochgerechnet, und das ist jetzt keine Return-on-Invest-perfekt auskalkulierte Thematik sondern wir haben tatsächlich einfach gesagt, okay, wenn wir von 200.000 Bewerbungen mit 100.000 CVs weitermachen und ein erfahrener Recruiter im Schnitt 15 bis 30 Minuten braucht, um dieses Profil zu erstellen, und wir jetzt mit einem Prompt oder mit einem Assistenten mehr oder weniger die Zeit verkürzen auf wenige Minuten plus einem Gegencheck, dann haben wir schon mal bewiesen, wir es gewinnbringend einsetzen können und jeder in unserer Company versteht den Fall, weil das ist halt quasi so das A und O. Auf der einen Seite aus einer Stelle. Oder aus einem Profil, das der Bewerber an uns schickt, ein Hofmann-Profil zu erstellen und andersrum kann man es auch [00:29:00] denken, wenn wir Richtung Kundenunternehmen denken, wir schreiben ja dann quasi für unsere Kundenunternehmen auch mit die Stellen aus, beziehungsweise unserem Namen und der Einfluss findet beim Kunden statt. Hier haben wir genau denselben Anwendungsfall. Jetzt wandeln wir nur eine Stellenanzeige in eine Hofmann-Stellenanzeige um. Und das ist eben so ein Punkt, wo wir gesagt haben, okay, daran arbeiten wir sowieso, das sind Anwendungsfälle, da wissen wir, wenn das funktioniert, ist es super profitabel. Und auf der anderen Seite war es halt in dem Fall einfach wichtig, dass wir einen Anwendungsfall haben, den jeder versteht weil wenn du jetzt irgendwie eine super Optimierung hinkriegst in der FIBU beispielsweise und du kannst eine Excel-Liste transformieren und kannst dann irgendwelche Werte darin ausfüllen lassen, ist es auch ein super Anwendungsfall und der spart Unmengen an Zeit ein. Nur den versteht halt keiner. Felix: Ja. Aram: Deswegen haben wir gesagt, hey, wir haben so zwei, drei Cases, die haben wir natürlich schon vorbereitet vor der Pilotphase, um einfach zu zeigen, okay, allein wenn wir das hinkriegen würden, würde das die [00:30:00] Kosten, die wir dadurch durch die Plattform verursachen einfach mehr als reinholen und das war eben so ein Punkt, wo wir gesagt haben, okay, wir brauchen halt so ein, zwei Killer-Use-Cases, die noch nicht perfekt funktionieren müssen, aber die zeigen können, in welche Richtung es geht und wie das dann eben auch auf die Wertschöpfung schlägt. Felix: Und habt ihr das geschafft, umzusetzen? Aram: also ich würde sagen, es ist noch nicht alles perfekt, aber es klappt in den allermeisten Fällen. Also da kommt es auch teilweise auf die Datenqualität an, weil du kannst dir vorstellen, die Daten der Bewerber die bei uns landen sind ganz unterschiedlich also von einem elfseitigen CV von Dr. Dr. Nutt bis hin zu Hallo, ich möchte arbeiten, irgendwie geschrieben auf dem DIN A4-Blatt mit eigener Handschrift. Genau. Ich sage, da kommen wir wieder zum Thema Datenqualität, aber so das Gros der Anwendungsfälle, sowohl im Bereich Stellenanzeigen als auch Profilerstellung, funktioniert. Felix: Was waren dann eure nächsten Schritte? Also ich gehe jetzt mal davon aus, dass ihr [00:31:00] dann Freigabe auch bekommen habt, um die Plattform weiter auszurollen, die Initiative weiter zu treiben. Zumindest, wenn diese Anwendungsfälle schon einmal in die Richtung gehen, dass man sie auch produktiv bekommt, ist das ein starkes Zeichen. Wie habt ihr dann aus dieser Phase dann den weiteren Rollout vorbereitet? Aram: Genau, also Felix: Vielen Dank Aram: aus den Fachbereichen und versuchen das eben miteinander zu kombinieren. Und das war eigentlich eine relativ schöne Geschichte, dass wir dann plötzlich gemerkt haben, okay, wir haben Leute, die sind super fit in ihrem Felix: [00:32:00] Vielen Dank Aram: machen müssen, et Felix: Vielen Dank Aram: und wir haben die sage ich mal angeleitet das zu tun und haben darauf basierend ich sag mal mehr oder weniger sowie anleitungen dann verwendet die dann genau auf diese auf den use case eben angepasst waren dass die leute eben gelernt haben selbst diese assistenten zu bauen und dann waren wir schon relativ überrascht wie schnell die leute auch fortschritte machen und wie gut man auch dafür nutzen Felix: Vielen Dank. Aram: solche Instructions beispielsweise zu schreiben, dass man dann sagt, okay, ich habe jetzt meinen Fall, den beschreibe ich jetzt in Felix: [00:33:00] Vielen Aram: die dann mit reingegeben wurden, dann hatten wir plötzlich einen Assistenten zum Ermitteln von Gefährdungen, der relativ gut funktioniert hat und da wäre ich jetzt aus der Zentrale niemals drauf gekommen, weil ich komme so eher aus dem Recruiting, sage ich mal, und habe mit dem Bereich nicht so viele Berührungspunkte gehabt, aber es ist ein riesiger Pain in unserer Niederlassung, dass die da wirklich selbst... viel Zeit aufwenden diese Dinge zu tun und indem wir, sage ich mal, die Fachbereiche und die Experten befähigen, diese Lösungen selbst zu bauen, kommen plötzlich ganz tolle Dinge dabei raus, die wirklich auch für Entlastung sorgen. Genau, also in dem Fall war es tatsächlich so, dass es ein Teil der Pilotgruppe war und da wurde dann eben genau dieser Assistent dann auch vorgestellt. Ich meine, teilweise muss man darauf achten wenn es jetzt so um Felix: Dank[00:34:00] Aram: Arbeitsplätzen geht, muss man sich natürlich die Einwilligung holen vom Kundenunternehmen. Aber wir konnten da eigentlich zeigen, hey, ist es multimodal einsetzbar? Wir könnten ein Foto hochladen und dann eben das System dazu bitten, eine Gefährdungsbeurteilung oder zumindest die Gefährdung zu ermitteln. Und das haben dann die Leute auch selbst gemacht. Und das ist dieser Wow oder Aha-Effekt, wenn jetzt nicht mehr der Felix: Vielen Dank. Aram: AI-Knowledge die Anwendungsfälle baut, sondern wenn wir jetzt anfangen wenn jetzt irgendwie Heidi aus HR einen Assistenten baut, wenn Christoph aus dem Controlling einen Assistenten baut oder wenn wir jetzt, sage ich mal, einen Assistenten aus der Als Asi vorweisen können, wo wir sagen, und da ist es wichtig, dass man auch den Leuten, sage ich mal, die Bühne gibt, diese Assistenten auch vorzustellen. Also ich bin ungern in der Rolle, wo ich sage, hey schaut mal, was wir Cooles gebaut haben und das und jenes machen wir damit, so in Felix: [00:35:00] Danke. Aram: mit ihren Lösungen, sage ich mal, das auch präsentieren können und auch in ihren eigenen Worten erzählen können, was sie da gemacht haben. Ich glaube, das sorgt so für den größten Lerneffekt auf der einen Seite wenn man selbst erklärt was man gemacht hat, und auf der anderen Seite, wenn es jemand macht, der halt nicht aus diesem AI-Background kommt, sondern einfach sagt, hey, ich habe da ein Problem erkannt so und so bin ich vorgegangen. Und ich glaube, das lässt sich einfach super multiplizieren auf sehr viele Anwendungsfälle. Felix: Warum findest du das so wichtig, diese KI-Assistenten zu bauen? Warum Aram: Ich glaube, damit die Berührungsängste einfach verloren gehen, dass die Leute verstehen, okay, ich kann wirklich eine Lösung finden für Probleme, die ich in meinem Alltag habe und ich bin selbst in der Felix: [00:36:00] Ja, und was ich besonders spannend an dem Konzept KI-Assistent finde, also definiert als ein maßgeschneiderter Assistent, der ein Sprachmodell anspricht und eingestellt ist auf eine bestimmte Aufgabe mit dafür erforderlichem Kontextwissen. Heute werden ja auch Assistenten und Agenten unterwähnt das ist alles das Gleiche maximal verwirrend. Ich finde, das ist der erste Schritt, wo man wirklich aus diesem spielerischen hin in einen echten Produktivitätsgewinn kommt. Auf einmal ja für unseren Arbeitsalltag die Top 3, 4, 5 wiederkehrenden langwierigen Aufgaben anschauen können erstmal und dafür setzen wir einen Assistenten auf, der vielleicht nicht die ganze Aufgabe, aber einen Teil davon übernimmt dabei unterstützt. Den muss ich einmal einstellen, wie ich den haben möchte und dann kann ich den immer wieder für diese Aufgabe nutzen und wenn wir das auf 20 [00:37:00] Teams mal, lass es nur zwei Aufgaben sein, dann hat man ja schon mal die ersten paar Dutzend Assistenten die von allen dann wiederum in dem Team genutzt werden können und was dann ja auch zur Steigerung der Adoption beitragen sollte, weil Aus meiner Erfahrung ist es super, super schwer, vielen Leuten oder einem Großteil der Nutzer beizubringen wirklich immer wieder den richtigen Prompt einzugeben und dass diese Hürde relativ hoch liegt. Diesen Assistenten ist es natürlich viel, viel einfacher, weil ich muss nicht immer wieder von vorne anfangen zu prompten. Hast du ähnliche Erfahrungen oder auch ganz andere Erfahrungen gemacht? Aram: was ich immer empfehlen würde, ist Start with Chat. Also erstmal wirklich mit der Chat-Funktion an sich loszulegen, einfach um da ein Gefühl zu entwickeln. Und sobald ich dieses Gefühl habe, dann würde ich eben dazu übergehen, dann diese KPI-Assistenten für diese ständig wiederkehrenden Cases zu bauen. Aber wenn ich jetzt mir überlege, dass man noch gar nichts... Oder wenig Erfahrung hat in [00:38:00] der Interaktion mit den LLMs, da würde ich empfehlen, wirklich erstmal so zu chatten, eine Rolle zu geben, einen Kontext zu geben, einfach so diese Basics, die man jetzt wahrscheinlich auch einfach, ja, Prompt-Light-Fäden oder wie auch immer das, wie mag, mit der Tonalität und Struktur. Also wenn man da das mal, diesen Grundstock verstanden hat, dann wäre der nächste Schritt für mich eben in die Richtung KI-Assistenten zu gehen, wo man eben beispielsweise auch dann natürlich unternehmenseigene Daten, eine Wissensdatenbank, wie auch immer, mit dran Aber ich würde immer mit dem Chat starten und dann mich hocharbeiten und worauf ich eben auch achten würde, wenn ich dann eben so diese Assistenten auch zur Verfügung stelle, das machen wir eben auch in unseren Calls, dass wir sagen, okay, und wie wurde dieser Assistent gebaut? Ich meine, du siehst er funktioniert und ich habe beispielsweise einen E-Mail-Assistenten fürs Active Placement. Da schicke ich quasi einfach einen CV hin und die Stelle und ich bekomme quasi ein perfekt vorgeschriebenes E-Mail, wieso dieser Kandidat auf jene Stelle passen würde. Das ist natürlich ein Anwendungsfall, der ist spannend und der [00:39:00] Assistent an sich funktioniert auch und ist gut, aber ich will dass die Leute verstehen, wieso dieser Assistent funktioniert. Und ich glaube, Felix: Vielen Dank. Aram: wo es um Adoption geht, auch einfach sehr wichtig. Sonst fängt es eben wieder an, so wie eine Art Anleitung zu werden und dann müssen die Leute irgendwo irgendwas eingeben und dann kommt irgendwas raus, ohne zu Felix: Vielen Dank Aram: jetzt, ich soll erstmal pfeilen können und vielleicht ein Loch bohren können und fräsen können manuell. Bevor ich halt an die 5-Achs-CNC komme und die LLMs sind halt für mich diese großen Maschinen, die man... Wo man ein gewisses Basisverständnis mitbringen muss, was eben funktioniert und was nicht. Und deswegen würde ich mit Chat starten einfach um auch an die Grenzen zu kommen vielleicht mal und zu sehen, okay, das funktioniert jetzt damit nicht so toll. Und ja, Felix: Ich stelle mir das sehr schwierig vor, dann, wenn ihr jetzt 700 [00:40:00] Mitarbeiter seid, 700 Mitarbeitern beizubringen wie man KI-Assistenten funktionierende KI-Assistenten aufsetzt. Und ist das überhaupt erforderlich ja oder ist es für einen Großteil reicht es? Also, Beispiel, wenn ich ein Auto fahren will, muss ich nicht wissen, wie der Motor versteht aber ich muss wissen, wenn ich aufs Gas drücke, fährt das Auto nach vorne, wenn ich bremse hält es an und das Lenkrad und den Blinker vielleicht noch, das sollte ich halt schon verstehen, aber ich muss nicht wissen, wie genau die Elektrizität und der Motor und das Triebwerk und so weiter, Triebwerk ist gar nicht im Auto, ich fahre kein Auto. Ja, was denkst du? Aram: sagen, so grundsätzlich zu Felix: Vielen Dank Aram: kann man eigentlich schon relativ viel erreichen und ich bin eben auch natürlich nicht der Meinung, dass jeder [00:41:00] jetzt KI-Assistenten bauen können muss. Sondern wir sehen es halt bei uns so, wir haben es ein bisschen so geclustert, es wird halt ein paar zentrale KI-Assistenten geben, die mit unserer Hilfe auch entwickelt werden, also so Bereich ASI oder Recruiting-Assistenten die dann jeder Felix: Vielen Dank. Aram: geben, die für einen ganz bestimmten Anwendungsfall nur fungieren, die vielleicht auf eine Region runtergemünzt werden kann oder auf eine bestimmte Branche oder auf einen bestimmten Anwendungsfall, der halt ein Team von, keine Ahnung, fünf bis zehn Leuten vielleicht. Und dann wird es aber auch wiederum Assistenten geben, die jeder dann für sich selbst bauen kann oder eben auch nicht. Und da gibt es eben ganz unterschiedliche Level, die ich dann auch mitbringen muss. Das Einzige, ja, ich glaube, man muss eben nicht verstehen, wie das Auto funktioniert, um das Auto fahren zu können, aber man sollte zumindest wissen, wie man irgendwie von A nach B Felix: Vielen Felix Schlenther: Kurz in eigener Sache. Wenn dir der AI First Podcast gefällt und du mehr spannende Inhalte und [00:42:00] hochkarätige Gäste hören möchtest, dann freue 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: Dank. Aram: würde ich zu Learning Nummer 5 kommen. Share the Knowledge. Also wirklich dieses Wissen miteinander zu teilen. Und da ist es eben auf unserer Plattform relativ schön, dass wir so eine Art Felix: Vielen Dank. Aram: haben. Das heißt, hier können wir die Prompts, die wir als gut erachten, beispielsweise unseren gesamten Workspace freigeben oder gewissen Nutzergruppen freigeben. Auf der anderen Seite lassen sich auch die Assistenten schön miteinander teilen. Das heißt, ich kann den Assistenten dann veröffentlichen wenn ich sage, ich bin jetzt über diese Prototypen-Phase hinaus und kann auch Feedback zum Assistenten geben. Und so iterieren wir eben auch oder verbessern die Assistenten je nachdem wie es auch Felix: Vielen Dank. Aram: Und ich denke, das ist auch einfach ein Mega-Benefit, dass man Felix: [00:43:00] Vielen Dank Aram: irgendjemandem teilen können und der macht da irgendwie personenbezogene Daten etc. rein, sondern auch wirklich dann diese Sicherheit zu haben, wenn ich jetzt hier Wissen teile, ich bin compliant und kann eben diese Dinge dann auch guten Gewissens mit meinen Kollegen und Kolleginnen teilen und das auf der einen Seite natürlich technisch von der Plattform möglich, auf der anderen Seite unterstützen wir beispielsweise auch durch sogenannte Prompt-Guides, durch ein kleines Erklärvideo, wie Felix: Vielen Dank. Aram: Das waren die besten Prompts aus dem und dem Kontext und ich glaube, da wirklich dieses Wissen miteinander zu teilen, auch in den Calls und auch den Leuten die Bühne zu geben, das führt eben dazu, dass das Wissen immer einer breiteren Menge auch zugänglich gemacht wird. Felix: Ja, super. Kann ich nur zustimmen. Aram: [00:44:00] Alright, dann wären wir eigentlich schon auch beim letzten Punkt. Felix: Ja, ich bin ganz gespannt. Aram: Also ich habe den genannt give them a vision and a reason to invest their time. Und da auch Richtung AI-first-Mindset. Und das würde ich gerne so ein bisschen runterbrechen. Auf der einen Seite so diese Unternehmensebene. Das heißt, wir haben jetzt zum Beispiel bei Hofmann Personal so den Purpose für Lieblingsmenschen mit Jobs zu verbinden. Aber in welche Richtung wollen wir uns überhaupt entwickeln? Das heißt, wir sagen auch so, es gibt auf der einen Seite so HR-Touch. Das nenne ich jetzt mal so menschliche Interaktion. Und auf der anderen Seite gibt es HR-Tech. Also da setzen wir Felix: Vielen Dank Aram: okay, wie wollen wir in unserem Purpose eigentlich in Zukunft leben? An welcher Stelle möchten wir Technologie einsetzen? An menschlicher Stelle ist die menschliche Interaktion wichtig? Und wie soll das in Zukunft, sage ich auch mal, aussehen? Das ist, sage ich mal so, auf der Unternehmensebene mega spannend. Und ich würde hier vielleicht auch noch Bezug nehmen zu dem Beispiel... Auch bei uns aus der [00:45:00] Region, du kennst höchstwahrscheinlich Quelle, ist ja noch ein Begriff, so der Quelle-Katalog. Felix: Danke. Aram: Quelle-Turm und da ist so ein großes Q drauf und ein Ad-Zeichen. Und man hat sich quasi groß Felix: Vielen Dank. Aram: machen werden, ähnlich wie Quelle. Und wir hatten einfach auch auf der anderen Seite das Positiv-Beispiel und vielleicht den Bogen zu deinem ersten Podcast auch mit OGGPT, das war ja von der Otto Group. Die haben das ja im Gegensatz zu Quelle Die relativ gut gemacht und Quelle war ja ein riesiger Player. Die Felix: Vielen Dank Aram: verloren mit Amazon und Co. Und letztendlich war es ja dann jetzt die größte [00:46:00] Firmenpleite. Und wenn wir bei uns in Nürnberg sind, da gibt es eben einfach diesen 90 Meter hohen Quelletower. Und ich sage immer, das ist so das Mahnmal für fehlende digitale Transformation oder dann auch AI-Transformation, wenn man das so nennen will. Das versuche ich immer so mir zu verdeutlichen, wenn ich daran vorbeifahre. Es langt halt nicht einfach, sich AI jetzt irgendwo auf die Fahne zu schreiben und sagen, wir haben jetzt hier irgendwie ein Competence Center oder wir haben da irgendein Lab und machen da irgendwas mit AI in Anführungszeichen Sondern dass man da auch sagt, dass man wirklich da diesen Invest auch geht und sagt, okay, wir möchten das wirklich in die Prozesse implementieren und wir Felix: Und Aram: Das ist, sage ich mal, auf der Unternehmensebene. Felix: habt ihr schon auf Unternehmensebene, also habt ihr das schon mit Leben gefühlt was das für euch bedeutet? Was heißt das für euch, AI-first zu denken? Was heißt es vielleicht auch nicht? Aram: Ja, also sehr guter Punkt und dadurch, dass bei uns, es lief ja relativ wild auch, wo ich dir auch das Beispiel Felix: [00:47:00] Vielen Dank Aram: müssen wir eher die Strategie nachziehen und da sind wir auch gerade dabei und ich glaube, wenn wir da wirklich eine ausformulierte Strategie haben, die auch auf die Unternehmensziele mit einzahlt, kann das auch nochmal viel Kraft freisetzen. Also da arbeiten wir im Moment dran und wenn wir aber von der Unternehmensebene mal wegkommen, weil ich sage auch, okay. Du sollst einen Grund haben, deine Zeit in AI zu investieren. Wenn ich es mir jetzt beispielsweise auf dem Arbeitsmarkt anschaue, ich meine, wir vermitteln ja Personal, da ist es noch nicht so, dass da jetzt die besondere riesige Nachfrage nach Gen-AI-Experten gerade wirklich sichtbar ist. Die Unternehmen versuchen mal selber Lösungen zu bauen und zu entwickeln Das wird aber definitiv kommen. Und hier hat man es eben dann so, dass ich sage, wenn ich als Einzelperson in diese Themen Zeit investiere, wenn ich jetzt mein Fachwissen habe und dazu noch AI-Skills [00:48:00] mitbringe, kann ich, Felix: Danke. Aram: Markt aktuell noch nicht so zieht aber es ist, glaube ich eher der Arbeitsmarktsituation an sich geschuldet man locker ein Premium, also wenn man wechselt, 30, 20, 40 Prozent plus machen, wenn man Fachwissen mit AI-Wissen kombiniert. Das ist aber halt jetzt der Stand Felix: Vielen Dank. Aram: hast, bist du halt einfach unemployable. Und Felix: Vielen Dank Aram: dass man dann sagt, okay, darauf wird es auch in Zukunft ankommen. Natürlich kann man irgendwo eine Zertifizierung machen, einen Online-Kurs oder was auch immer, aber was den Unterschied machen wird, ist dann auch die Praxiserfahrung. Dann zu sagen, hey, ich habe dieses und jenes schon gemacht, ich habe schon mal Assistenten gebaut, ich weiß, wie man promptet, ich weiß, wie ich eine Wissensdatenbank anlege. Das sind, sage ich mal, so Themen, die, sage ich mal vom Felix: Vielen [00:49:00] Dank. Aram: will be replaced by a person who uses AI. Kennst du ja, hat man ja jetzt auch oft genug gesehen. Aber ich sage so, man muss sich auch bewusst machen, ich habe jetzt Felix: Vielen Dank. Aram: Aufgaben, die ich mache und wenn ich halt irgendwie 12 davon mega repetitiv sind und eine gute Datengrundlage habe, dann ist das halt einfach... Gefährlich da einfach nichts zu tun, weil diese Dinge werden einfach automatisiert. Und wenn ich jetzt sage, ich habe nur eine einzige Aufgabe, schauen wir uns mal, ich spiele ab und zu Tennis, schau dir diese Linientechnologie, diese Hawkeye-Technologie an. Und da gab es Leute, die haben damit einen Haufen Geld verdient als Linienrichter oder wie man die auch nennen mag. Und jetzt ist da einfach die Technologie und die macht das einfach präziser, besser und günstiger. Und da wurde man dann durch AI ersetzt. Also ich sage, es besteht schon eine reale Gefahr, dass man eben den Anschluss verliert auch was die Arbeitsfähigkeit [00:50:00] oder was die Nachfrage der eigenen Skills am Arbeitsmarkt angeht. Und deswegen würde ich einfach jeden raten da auch wirklich Zeit zu investieren. Und ich glaube, dann ist es auch für die eigene Karriere einfach umso einfacher. Zu wechseln. Ich glaube, aktuell ist eine gewisse Durchlässigkeit auch da, wo man eben nicht sagt, ich brauche halt irgendwie zehn Jahre Branchenerfahrung plus dies plus das, sondern im Moment kann man eben, wenn man sich eben diese Skills aneignet wahrscheinlich auch super gut Karriere machen. Das heißt, auf der einen Seite für das Unternehmen extrem wichtig, eine Vision zu haben und auf der anderen Seite auch für sich selbst und zu wissen, dass ich jede Stunde, die ich da investiere wahrscheinlich x-fach zurückbekomme. Das versuche ich immer den Leuten so klar zu machen, dass sie es jetzt auf der einen Seite natürlich für das Unternehmen machen, aber auf der anderen Seite auch für sich. Und ich glaube, sobald in den eigenen Überlebensinstinkt geht, steigt auch die General Reduction Felix: Ja, ich denke, es ist eine geteilte Verantwortung. Jeder ist für sich selbst natürlich auch verantwortlich und gleichzeitig sehe ich aber auch Unternehmen in der Verantwortung, wie du es auch [00:51:00] beschreibst, einen Rahmen. Werkzeuge, Ressourcen, Wissen zur Verfügung zu stellen, um den Schritt in diese neue Ära zu machen. Denn das ist es ja. Wir sind ja an einem Punkt, wo künstliche Intelligenz demokratisiert wird. Ich habe das vor acht Jahren als ein rein technisches und Datenthema kennengelernt. Da wurden Modelle aufgesetzt, trainiert in einen Prozess oder Produkt integriert und dann lief das unter der Haube und dann haben noch oder haben sich das noch angeschaut die Ergebnisse weiter verbessert die Algorithmen optimiert. Und das war damals künstliche Intelligenz und dann haben wir irgendwelche Klassifizierungen oder Vorhersagen rausbekommen. Heute können wir für null Euro die... Leistungsfähigsten KI-Modelle, Sprachmodelle der Welt auf unserem Telefon nutzen und uns damit irgendwie unterhalten und auf das Weltwissen zugreifen. Das ist eigentlich total verrückt, wenn man sich mal anschaut, was in den letzten zwei Jahren [00:52:00] allein an Bewegungen dort reingekommen ist. Total verrückt. Wir, alle, die hier zuhören, leben ja in einer totalen Blase. Für uns ist irgendwie klar, dass man sagt, Menschen und Organisationen mit AI-first-Mindset werden die Gewinner der Zukunft sein, wenn nicht sogar die einzigen die überhaupt noch da sein werden. Das hört sich dann immer so radikal an. Passiert ja alles nicht von heute auf morgen, aber ich denke schon, dass es diesen Shift geben wird und wer AI nicht in seine Teams-Prozesse Produkte schafft zu integrieren, wird an Wettbewerbsfähigkeit verlieren. Aber das ist ja für 90% Da draußen ist das ja überhaupt nicht klar. Ich glaube, da ist noch so viel Aufklärungsarbeit erforderlich und das muss halt schnell passieren, weil diese Technologie so enorm rennt und wir... [00:53:00] Das ist so meine Meinung. Wir werden es sowieso nicht mehr schaffen, aus Deutschland oder Europa oder innerhalb eines Unternehmens halbwegs wettbewerbsfähige KI-Modelle auf den Markt zu bringen. Wir müssen also Meister in der Anwendung finden. Wir kriegen diese ganzen Möglichkeiten und können darauf zugreifen, aber wir müssen verstehen und ableiten können für unser Business. Was heißt das? Ich habe jetzt hier so ein Sprachmodell das ist jetzt so gut. Jetzt kann ich das für den Voice Recruiter für den Recruiter nutzen, der Kandidaten abtelefoniert. Wenn das noch besser wird. Was kann ich denn dann doch noch machen? Kann der vielleicht auch einkommende Anrufe annehmen? Wenn der einkommende Anrufe annehmen kann und das muss nicht mehr ein Mensch machen, kann ich dann meine ganze Kandidaten-Journey ganz anders stricken, weil ich brauche vielleicht gar nicht mehr den CV am Anfang als ersten Schritt, sondern die Leute können einfach erstmal anrufen und dann frage ich Informationen ab und das wird schon mal ins System eingepflegt und das ist ein viel, viel angenehmerer Prozess für alle Seiten. Ich spinne jetzt [00:54:00] nur rum, aber das ist eigentlich das Faszinierende daran und ich glaube, um jetzt einmal den Bogen zu spannen, das alles fängt immer damit an, dass man Menschen die Möglichkeit und den Raum gibt, diese Technologie kennenzulernen. Auf spielerische, ganz niedrigschwellige Art und Weise. Den ersten Prompt da reinschreiben, was zurückbekommen, das erste Bild erstellen, Bild auswerten lassen und dann von da aus weitermachen. Und das ist ein viel viel angenehmer Prozess Und besser darin werden und dann von den anderen lernen zu können und dann an die ersten richtigen Anwendungsfälle und Aufgaben zu gehen und sich von da aus weiterzuarbeiten. Und wenn man das mit hunderten Leuten macht, dann ist da halt eine enorme Schwungkraft, die dadurch entsteht Ich finde es mega, was du heute geteilt hast. Ein total spannender Weg und es ist ja jetzt noch gar nicht so lange her. Also jetzt sind es neun [00:55:00] Monate, so was? Aram: also jetzt sind es sieben Monate mehr oder weniger und Felix: Sieben sogar noch. Aram: jetzt quasi, so die nächsten Schritte sind es jetzt, sage ich mal, die nächsten 200 Leute mit anzuborden und ja, so geht es dann nach und nach, bis die ganze Company, sage ich mal, soweit ist, GenAI wirklich auch zu nutzen. Aber ja, was du jetzt gerade eben gesagt hast, für alle Zuhörer, ich habe auf jeden Fall fleißig genickt und zugestimmt. Felix: Dank Aram: Super. Felix: Ja, deine sechs AI-Adoption-Learnings zusammenfassen. Aram: Genau. Also zusammengefasst, 1, Testgruppe ist extrem Felix: Vielen Dank Aram: Testphase von so einem Thema geht. Learning 2, make AI fun again. Nicht so sehr auf die [00:56:00] Tech-Seite schauen, nicht so sehr, es ist kein IT-Projekt, sondern es ist wirklich so ein Organisationsprojekt, wo man die Leute auch mitnehmen muss. euch auch Leute, die das Thema natürlich moderieren und die Leute irgendwo auch begeistern können. Dann haben wir Learning 3, auch einmal so diesen Use-Case Felix: Danke. Aram: Und Nummer vier ist natürlich Befähigung, also dann wirklich auch ins Empowerment zu gehen und zu sagen, okay, jetzt kombinieren wir eben dieses Fachwissen mit Gen-AI-Skills und versuchen gemeinsam diese Lösung zu bauen und versuchen da wirklich dann, wir haben es genannt Empower them to find their own solutions for real life problems, also wirklich Probleme auch dann zu lösen. Kombiniert mit dem Fachwissen. Vielleicht Nummer 5 nochmal, Share the Knowledge, also wirklich auch einfach das Wissen miteinander zu teilen, das gerne miteinander zu teilen und da auch wirklich [00:57:00] auch verschiedene Wege über Prompt Guides, über Plattformlösungen über Assistenten die man miteinander teilen kann, Erklärvideos. Da ist es auch einfach mega wichtig, dass man nicht Assistenten beispielsweise zeigt, der eine gewisse Task sehr gut ausfüllen kann, sondern vielleicht auch mit erklärt, zumindest für die Leute die es auch wissen wollen, wie das Ganze auch funktioniert und was dafür gemacht wurde, damit es funktioniert. Und dann eben der große Punkt 6, dass man dann eben sagt, okay, wir brauchen auch irgendwie eine Vision und ein gemeinsames Ziel. Das kann man dann AI-Strategy nennen wie auch immer, in welche Richtung soll es gehen, wo wollen wir als Unternehmen stehen, aber wo möchten wir als Abteilung oder auch als Mensch an sich zukünftig mit dieser Technologie umgehen. Felix: Vielen Dank. Ich wünsche euch ganz viel Erfolg und auch Freude dabei, diesen Nordstern zu finden und die nächsten hunderte von Kollegen onzuboarden und ihnen die Welt von generativer KI zu zeigen. Und bin gespannt, wie weit ihr damit kommen werdet. Vielen Dank für [00:58:00] deine Insights und deine Zeit. Aram: Ich habe zu danken Felix.