Herzlich willkommen zum AI First Podcast. Diese Folge mit Paul Tövs von Melitta, Head of AI, der dort in den letzten Jahren die KI-Transformation mit organisiert und auch vorangetrieben hat und heute einmal berichten wird, was Melitta und er in den letzten Jahren erlebt hat. Wie die KI-Transformation vorangekommen ist und vor allem was jetzt in Level 2, nämlich der Skalierung von KI im Unternehmen und auch der tieferen Integration in Prozesse für neue Herausforderungen warten und wie Melitta damit umgeht, freue ich mich total darauf, ganz viel von dir zu lernen. Danke, dass du da bist, Paul. Paul: Dass ich dabei sein darf. Felix: Ja du hast einen spannenden Weg ja auch jetzt in den letzten Jahren hingelegt bei Melitta. Du bist aus dem Team in eine Lead-Rolle für euer AI-Competence-Center oder ein AI-Hub gekommen und jetzt zum Head of AI. Erzähl mal kurz, [00:01:00] wofür bist du gerade verantwortlich Paul: Im Felix: Vielen Dank. Paul: hier im Team der digitalen Transformation. Das ist bei uns aufgehangen in der Zentrale ganz bewusst auch nicht in der IT, sondern tatsächlich in der Unternehmenszentrale die grundsätzlich verantwortlich ist für die Gesamtstrategie der Melitta-Gruppe also auch global verantwortlich Ich bin gestartet als Projektleiter, habe in dem Kontext dann auch das ganze Thema KI mit betreut und darf jetzt, wie du schon gesagt hast, als Head of AI das AI Hub leiten Was machen wir im AI Hub? Hauptsächlich natürlich auf der einen Seite das Thema der KI-Strategie. selber darf das AI Hub wie gesagt leiten und wir koordinieren gesamthaftlich alle aktuellen Im Kontext der KI für die gesamte Gruppe. Das heißt also, alles im Grunde genommen, was AI betrifft sei es jetzt Technik sei es Felix: Vielen Dank. Paul: sei es aber auch Enablement Partnerschaften auch die ganzen Legal-Themen etc. pp. Also alles, was wir benötigen, um eben das ganze [00:02:00] Thema KI für die Gruppe nach vorne zu bringen. Felix: Und ihr seid ja damit, zumindest in meiner Wahrnehmung schon eines der Unternehmen aus dem Mittelstand, ich würde mal Milita auf jeden Fall noch zum Mittelstand dazuzählen, gewesen das sich sehr aktiv mit künstlicher Intelligenz, insbesondere auf Gen-AI Hat Zumindest habe ich immer mal wieder von euch mitbekommen. Wahrscheinlich lag es an dir, weil du immer mal wieder im Podcast oder so unterwegs warst. Aber ja, ihr wart in meiner Wahrnehmung relativ flott und habt das Thema getrieben. Magst du uns mal einen kurzen Abriss geben, was ist in den letzten Jahren so bei euch passiert und wo steht ihr heute? Paul: ist KI nicht mehr so in Anführungsstrichen ganz neu bei uns, weil wir natürlich gerade so das Thema Narrow AI, also die klassische KI, auch schon seit einigen Jahren machen. Dort fairerweise hauptsächlich so in den [00:03:00] Produktions und Logistikbereichen. Parallel hatten wir auch in der Vergangenheit schon eine kleine Arbeitsgruppe KI, die wieder versucht hat, diese Impulse zu setzen. die Höhen waren einfach damals relativ hoch und als Mittelständler mit vielleicht auch nicht dem allerhöchsten Budget im Vergleich zu großen Konzernen war es hier und dort immer relativ schwierig, tatsächlich dort einen Startpunkt zu finden. Und im Grunde genommen ist das Ganze dann sehr stark natürlich gestartet mit dem Release von Chat2PT, weil wir einfach nach dem Release sehr schnell erkannt haben, Mensch, das ist interessant, da müssen wir uns mit beschäftigen. Und gerade jetzt aus dem Bereich digitale Transformation sind wir immer sehr Sehr weit vorne, wenn es darum geht auch neue Technologien auszuprobieren. Und das haben wir dann Anfang 23 auch getan, dann haben wir das Potenzial gesehen und haben dann einfach auch direkt gestartet, okay, ja, was machen wir damit, was kann man damit tun und gerade zum Zeitpunkt, was hier und dort noch fairerweise auch noch, ich sage mal, relativ einfach was jetzt so die technische Kompetenz anging, haben wir geschaut, okay, Felix: [00:04:00] Vielen Dank Paul: können wir das rechtlich überhaupt tun? Das haben wir dann auch getan und da war aber auch sehr, sehr Felix: Vielen Dank. Paul: dass das ganze Thema KI insgesamt für die Gruppe sehr schnell an Fahrt aufgenommen hat, Felix: [00:05:00] Vielen Paul: wurden, etc. pp. Mit dem Ziel, um überhaupt das Thema irgendwie publik zu machen auf der einen Felix: Untertitelung ZDF, Paul: doch einfach Felix: Untertitelung ZDF Paul: sehr viele Use Cases dann hatten. Gleichzeitig muss ich aber auch sagen, dass wir das ganze Thema Daten zu Beginn erstmal so Stück weit außen vor gelassen haben, weil, und das glaube ich geht... Sehr vielen Unternehmen so, vielleicht heute nicht mehr ganz so vielen, aber immer noch grundsätzlich sehr vielen, ja, ich muss meine Daten mal erst mal aufräumen, damit ich überhaupt starten kann. Und uns ging es ähnlich und deswegen haben wir gesagt, gut, lasst uns das mal außen vor lassen, lasst uns erstmal einen Rahmen schaffen, lasst uns erstmal schauen, wie können wir überhaupt starten und Felix: [00:06:00] Vielen Paul: Das wird heute vielleicht schon wieder ein bisschen einfacher im Zuge des EU-AI-Acts Zu dem Zeitpunkt war es noch ein bisschen verschwommener da gab es noch viel mehr Graubereiche, aber damit sind wir im Grunde genommen gestartet und das ist quasi das, wie wir angefangen haben. Felix: Ja, interessant, weil diese Grundbausteine dieses Fundament aus, ich muss Leuten Zugang zur Technologie geben über eine sichere standardisierte Plattform Ich muss sie irgendwie in die Nutzung bringen, um auch Use Cases zu identifizieren und am Ende auch umzusetzen. Und ich brauche sichere Spielregeln, was ist erlaubt und was nicht. Das sind glaube ich wirklich die Minimumanforderungen, die es zu erfüllen gilt, bevor man dann auch wirklich tiefer in die Umsetzung gehen kann. Paul: nur genauso nochmal bestätigen denke vor allem für den Beginn war es für uns auch sehr hilfreich, [00:07:00] damit wirklich so eine Minimal-Setup zu starten um halt möglichst agil zu sein, möglichst viel auszuprobieren und daraus vor allen Dingen zu lernen. Und das hat eben dazu geführt dass wir auf der Basis tatsächlich, wie gesagt, diese verschiedensten News Cases entwickeln konnten. das beschäftigt uns auch natürlich noch bis heute, genau diese Entwicklung bzw. Einordnung und Gliederung dieser verschiedenen News Cases. Felix: Was war denn so der erste Killer-Use-Case, wo du sagen würdest, der hat so ein richtiges Momentum erzeugt oder so das erste Mal, also jetzt ein Gen-AI-Use-Case, das erste Mal so einen richtig großen Mehrwert und auch das Potenzial für Milita gezeigt hat. Gab es da so einen Moment? Paul: hatten im Zuge unserer Pitch-Veranstaltung, wo wir eben genau die Top 3 Use Cases tatsächlich einmal konnten, wenn man so möchte. Aber ein Thema, das kommt aus dem Customer Service und das war quasi auch genau das [00:08:00] Thema, womit wir gestartet sind und was uns dann auch sehr stark irgendwo die Augen geöffnet hat, wie groß das Potenzial eigentlich ist. denkt man vielleicht, ja, okay, ist jetzt nicht mehr so fancy, sage ich mal so, weil es, glaube ich eher schon fast zu den in Anführungsstrichen No-Brander-Themen gehört, aber für uns war es tatsächlich so der Startpunkt, wo wir gesagt haben, joa. Da können wir echt was mit anfangen und so sind wir dann auch gestartet wirklich, nämlich mit dem B2B-Bereich den sogenannten Service-Bot zu entwickeln für den Customer-Service, für den First-Level-Support um eben Kundenanfragen zumindest intern im ersten Schritt, schneller beantworten zu können. In der Vergangenheit war es einfach so, dass eben Felix: Vielen Dank Paul: Ihr müsst euch vorstellen, 24-7 im Prinzip ist der Anspruch dass wir den Service bereitstellen können, weil im Hotel jemand um nachts um drei einen Kaffee will und unsere Maschine nicht läuft, dann haben wir halt ein Problem. Und genau das ist unser Anspruch, dann auch Felix: Untertitelung Paul: wir gesagt haben, wie kriegen wir das halt irgendwie gestreamlined. Und deswegen haben wir uns auch dafür Felix: des Paul: und das hat eben dazu geführt dass wir halt Felix: [00:09:00] ZDF Paul: sehr stark verringern konnten. Weil jeder Technikereinsatz kostet einfach sehr viel Geld auf der einen Seite und auf der anderen Seite sind heute Techniker oder waren immer Technikereinsätze auch unnötig Sehr ich sage mal, in einfacher Natur, wenn man so möchte. Und was meine ich damit? Da hat der Kunde zum Beispiel einfach vergessen, die Milch nachzufüllen. Das kommt vor, das ist mit sich ja nicht bewusst so gemacht, aber da fährt ein Techniker als Verstorning wohin füllt die Milch nach und fährt wieder nach Hause. Und ich denke, das konnten wir tatsächlich in vielen Punkten abstellen mittlerweile. Felix: weil ihr-gestützt die Kundenanfrage besser auswerten konntet oder weil ihr bessere generieren konntet wie der Kunde selbst das Troubleshooting machen kann, ohne dass ein Techniker rausfahren muss? Paul: Auf der einen Seite besser zu verstehen, was denn so wiederkehrende Probleme sind und dann auch besser zu verstehen, was kann der Kunde Felix: [00:10:00] Was Paul: wirklich selber reparieren bzw. verbessern an der Stelle. Felix: waren Platz 2 und 3 im Pitch-Event? Paul: einen Seite mal das ganze Thema Online Reviews, da ging es vor allen Dingen darum, dass wir die Stimmen der Kunden und Kundinnen einfach besser verstehen wollen würden auf den verschiedenen Portalen. Gleichzeitig muss man sagen, dass Felix: Vielen Dank. Paul: wie Amazon auch für uns eine der wichtigsten Plattformen ist, wenn es darum geht, unsere Kaffeemaschinen zu verkaufen. Und genau das zu nutzen, um halt zusätzliche Insights zu generieren. Und das haben wir halt auch getan. Und ein gutes Beispiel ist, dass wir in der Vergangenheit beispielsweise noch keinen koffeinfreien Kaffee hatten. Felix: Vielen Dank. Paul: auch jetzt schon sehr gute Umsätze damit [00:11:00] machen. Felix: Okay, also wirklich sehr nachweisbarer Impact auf eure Umsätze oder Kosten. Paul: primäres Ziel immer, dass wir im Prinzip diese drei Stränge verfolgen. Entweder wirklich Effizienzsteigerung oder eben Umsatzsteigerung oder vielleicht, da sind wir heute fairerweise noch nicht, im Bereich der neuen Businessmodelle dass wir vielleicht selber irgendwann mal oder ähnliches anbieten können. Felix: ihr das für jeden Use Case so, dass ihr das wirklich hart auf den Umsatz oder eingesparten Kosten runterbrecht oder auch sowas wie zum Beispiel Arbeitserleichterung Oder zählt auch so eine Metrik die ja gerade oft auch noch genutzt wird, was generative KI angeht von einfach Adaptionsrate, also wie stark wird es genutzt und wie ist die Adaption über verschiedene Bereiche hinweg, ohne dass schon ganz klar messbare Ergebnisse hergeleitet werden können. Paul: [00:12:00] ist bei uns relevant. Es kommt immer so ein bisschen auf den Use Case gerade tatsächlich an, weil wir natürlich teilweise sehr harte Cases haben, wo wir auch stärker investieren. Da gucken wir natürlich auch stärker darauf, dass der Felix: Vielen Dank. Paul: Wenn wir jetzt über unsere Plattform beispielsweise sprechen, da achten wir komplett auf das Thema Adaptionsrate, also ganz konkret, wie viele User haben wir und wie oft wird die Plattform tatsächlich genutzt. Felix: Okay, also horizontale Nutzung, also Produktivitätssteigerung in der Breite aber vielleicht auch Einfach lästige Aufgaben stärker an KI delegieren zu können und dann die vertikalen Anwendungsfälle, wie zum Beispiel im Customer Support, im Review Management, die dann mit einem ganz klaren ROI versehen werden, weil dort auch Entwicklungsressourcen oder Softwarekosten hinterliegen. Okay, ja gut, interessant. Und Platz 3 war was? Das muss ich jetzt auch noch wissen. Paul: müssen wir auch alle drei raushauen. Felix: [00:13:00] Ja, es ist einfach, weißt du, es ist immer wieder, glaube, ganz viele stehen weiterhin vor diesem riesigen Meer an Möglichkeiten und einfach mal ganz klar, also das, was du gerade gesagt hast, ist glaube ich ja auch etwas, was bei vielen resoniert und vielleicht in einen Anschubser steckt um zu sagen, ich Okay, haben wir doch genau das gleiche Thema. Wir haben sau viele Reviews wir müssen unsere Kunden besser verstehen, um blind Produkte zu entwickeln und zu vermarkten. Und kann das jetzt einfach ein super Trigger sein, um sich auch mit diesem Thema auseinanderzusetzen? Und ich glaube, die beiden, die du schon beschrieben hast, sind zwei Fälle die... alle kennen, die irgendwie Business machen. irgendwie hast du ja immer Kunden, die brauchen Support und du sammelst in irgendeiner Form Feedback-Bewertungen ein, die du besser verstehen möchtest. Deswegen bin ich gespannt, was Nummer 3 ist. Paul: das dritte Thema ist der sogenannte IMAFO-Bot. Also da ging es vor allen Dingen darum, dass wir unsere internen Marktforschungen, die wir natürlich als Markenunternehmen [00:14:00] seit sehr vielen Jahren betreiben, effektiver nutzen wollen würden. Das heißt also, heute ist es so, eine Marktforschung oder war es so, dass eine Marktforschung Felix: Dank Paul: den Fachexpertinnen stark genutzt ausgewertet, Ergebnisse vielleicht nochmal extrahiert, abgelegt und dann Hat sich das meistens auch schon quasi mit der Marktforschung. Zwei Probleme die wir dort hatten waren auf der einen Seite die Bekanntheit die einfach nicht da war, das heißt also ein Unternehmensbereich, dazu muss man sagen, wir haben 15 Unternehmensbereiche, hat eine Marktforschung beauftragt da wissen die anderen sehr häufig nicht mal was von, was dazu geführt hat, dass wir teilweise ähnliche Ergebnisse oder ähnliche Marktforschung durchgeführt haben. auf der anderen Seite die Thematik dass eben diese Unternehmen Ich sage mal, Auswertung natürlich sehr stark auf Einzelkompetenzen beruht haben. Das heißt also, dass man, ich sage mal, für einen konkreten Zweck diese Marktforschung genutzt hat, aber nicht für weitere Zwecke. Und deswegen haben wir uns überlegt lass uns doch auf der einen Seite erstmal Felix: Vielen Dank. Paul: zusammenführen. Und dann eben die [00:15:00] KI nutzen, um eben die noch zusätzliche Insights zu gerieren auf der einen Seite und gleichzeitig auch es zu nutzen, um halt Felix: Vielen Dank. Paul: haben, auch zu validieren. Und genau das haben wir dann entwickelt und genau das hat dann dazu geführt dass wir halt eben jetzt mehrere oder zusätzliche Insights haben, die vom Sales, vom Marketing oder auch von anderen Bereichen, wie zum Beispiel der Produktentwicklung genutzt werden können. Felix: Auch spannend, weil einfach super viele unstrukturierte Daten, wo Large Language Models sehr, sehr gut zupassen, um daraus weitere Erkenntnisse daraus zu ziehen und halt flexibel unabhängig von der Fragestellung auch weitere Fragestellungen möglicherweise beantworten können. Paul: ist ja vor allen Dingen, dass wir auch nicht nur qualitative Daten nutzen, sondern eben auch quantitative Daten mittlerweile nutzen können. auch diese Verbindung mit einer Felix: Amen. Paul: gut möglich. das hat eben auch dazu geführt, dass man dann auch darüber nochmal weitere Insights generieren [00:16:00] konnte. Felix: euch im Kontext Marktforschung auch mal so synthetische Personas angeschaut eure Kundenprofile abbilden und gegen die ihr dann neue Produktideen oder Marketingkampagnen oder Kommunikationen jeglicher Form laufen lassen könnt, um euch Dinge schon mal vorher bewerten zu lassen oder zu iterieren, bevor ihr damit an echte Menschen rausgeht? Paul: Ja, selber Felix: ihr in dem Bereich auch? Paul: Tatsächlich diskutiert haben wir es schon mehrfach. Bisher haben wir es einfach noch nicht umgesetzt, weil den großen Punkt heute noch haben, dass man halt ganz konkret gucken muss, wie wir unsere Fachbereiche davon überzeugen Ich glaube, das beschreibt es am besten, weil natürlich heute... Marktforschung bei uns extrem wichtig ist und die Genauigkeit bei uns extrem wichtig ist, gerade in der Produktentwicklung, weil es eben dann um große Invest natürlich auch geht und hat zugeführt Felix: Vielen Dank. Paul: auch wiederum [00:17:00] gegenchecken mit eben den verschiedenen Personas und zu gucken, passt das auch, passt die Hypothese auch tatsächlich auf der einen Seite und andererseits aber auch vielleicht darüber synthetische Daten zu generieren, weil am Ende ist es ja so, dass wir heute sehr häufig auch Interviews einfach führen müssen und die natürlich auch einfach Geld kosten. Felix: Ja, und wahrscheinlich ist es auch in der MAFO-Toolbox dann einfach ein weiteres Problem Tool und nicht die vollständige Lösung, wie so oft. Aber ich finde, es ist ein super spannendes Anwendungsfeld, was oft auch noch unterschätzt wird. Also wir haben uns bei uns zum Beispiel so ein Zielkunden-Persona gebaut und wenn wir eine neue Landingpage machen oder auch Content erstellen oder ein neues Offering konzipiert haben, dann teile ich das mit dieser Zielkunden-Persona die halt super, super viel Wissen hat über bestimmte sie sich verhalten soll, was deren Herausforderungen und Ziele sind, die eben von unseren Kunden abgeleitet worden sind. Und das ist total spannend, weil ich einfach schon mehrere [00:18:00] Iterationsschleifen drehen kann, bevor ich mit etwas rausgehe. den tollen Use Cases, die ihr gefunden und auch umgesetzt habt, wie hat sich denn euer AI-Hub strukturell weiterentwickelt und was habt ihr dort mit der Zeit an? Also aufgebaut, was dabei geholfen hat, KI immer besser in euer Unternehmen zu bringen und die Teams zur Umsetzung zu befähigen. Paul: Genau, ich glaube, und das ist vielleicht nochmal ein Punkt, sind wir ja wirklich sehr, sehr schmal Das heißt also, wir haben im Prinzip so ein Stück weit nebenher das ganze Thema mal angegangen. Ich durfte es dann irgendwann mal... In Persona Vollzeit weitermachen und hatte hier und dort ein wenig Unterstützung eben aus dem Team der digitalen Transformation. Mittlerweile muss man aber sagen, Felix: Vielen Dank. Paul: das Hub dazu geführt hat, dass wir halt, ich sage mal, [00:19:00] auch neue Rollen einfach integrieren durften. Was meine ich mit neuen Rollen Vor allen Dingen ist es einmal die Thematik dass wir natürlich auf der einen Seite einen Product Owner haben, der unsere Plattformen Zu 100 Prozent betreut, einfach weil sie mittlerweile so stark gewachsen ist, dass es halt einfach auch nötig war, da eine Person explizit für abzustellen, die eben auf der einen Seite die Plattform gemeinsam mit unserem Partner weiterentwickelt, aber vor allen Dingen auch, und das ist ein sehr, sehr wichtiger Punkt, anbietet und Schulung einfach durchführt, damit die Leute einfach auch verstehen, was geht halt, was geht halt nicht. Und gerade so im Kontext Gen-AI und wie schnell da auch die Entwicklung der LLMs Felix: Vielen Dank. Paul: haben. Was dann auch zur zweiten Rolle geführt hat, zu der lieben Kollegin von mir, die das ganze Thema Change Management oder Enablement im Grunde genommen betreut, wo es eben darum geht, die Kolleginnen und Kollegen einfach abzuholen. Sei es jetzt ein Training, sei es jetzt über HR, sei es jetzt über [00:20:00] Newsletter, sei es jetzt über verschiedenste Formate wie FAQ-Sessions oder Hackathons oder was auch immer wir alles schon gemacht haben. Felix: Vielen Dank. Paul: Ja die Plattform hands-on noch mal tatsächlich zeigen sehr sehr viele verschiedene Formate an denen sie eben arbeitet und diese eben eingeführt haben ich glaube das ist auch eine der zentralen Rollen die wir dort haben neben natürlich den verschiedenen technischen Rollen sei es jetzt Data Engineering Data Science sei es jetzt aber vor allen Dingen auch das ganze Thema der AI Entwicklung Architektur Felix: Dank. Paul: wiederum gehören. Neben dem Core-Team haben wir aber noch weitere, ich nenne das mal Teams, auch wenn sie alle im weiteren Kontext zum AI-Hub gehören, das sogenannte Support-Team auf unserer Seite. Das heißt also, da sind so Rollen drin wie ein Business Analyst, der uns dabei unterstützt eben aus der Strategie aus unserer Strategieabteilung eben zu schauen, okay, ist der Business Value gegeben, wie können wir den eben entsprechend auch monetär darstellen.[00:21:00] Da ist HR eine Vertretung drin, die Da ist vor allen Dingen aber auch Felix: Vielen Dank Paul: auch Datenschutz ist dort vertreten, um natürlich von Anfang an auch in der Entwicklung der Visual News Cases immer da einen Blick drauf zu haben und gleichzeitig aber auch die, ich nenne das mal Standard-IT-Rollen, sowas wie IT-Sicherheit, ein großes Thema, die ganze Plattform, die wir mittlerweile halt haben, muss natürlich auch sicher sein und eben auch so Themen wie Infrastruktur, Netzwerk etc. pp., die sich dort wiederfinden. Dritte große Gruppe ist dann, und sie sind dann unsere KI-Botschafter bzw. AI-Ambassadors, die aus den verschiedenen Business Units kommen. Auch das extrem wichtig und für uns auch ein großes Learning, wo wir gleich sicherlich zukommen werden bei der Skalierung. Die braucht man einfach und das haben wir auch sehr schnell erkannt, um eben Akzeptanz zu schaffen in den Unternehmensbereichen und zu guter Letzt ein kleines Team in Anführungsstrichen, die dann immer temporär dazu kommt, also das Business am Ende des Tages, wo wir dann offiziell immer einen [00:22:00] Use Case Owner haben, der dann Teil des Hubs wird für die Zeit wo wir den Use Case entwickeln und bei Bedarf dann nochmal separate Data Stewards, die dann eben die Kenntnisnummer haben in den Unternehmensbereichen welche Daten eigentlich vorhanden sind. Felix: Super spannend, sehr umfangreich, aber alles Sinn. Ja, ich denke, dann habt ihr sowohl das cross-funktionale Team mit verschiedenen Fachbereichen wie zum Beispiel Legal oder HR, die eine wichtige Rolle spielen, gleichzeitig aber auch alle Kompetenzen von irgendwie Change bis und dann die technische Umsetzung gebündelt und Multiplikatoren etabliert In die Teams rein. Und bei den Multiplikatoren da würde ich jetzt noch einmal nachfragen, weil das ist ja schon also auch hier in dem Podcast viele Gäste darüber berichtet, dass sie solche ähnlichen Rollen einführen. Auch wir bauen so eine Community bei unseren Kunden auf, haben damit gute Erfahrungen gemacht. Wie habt ihr diese Rolle denn ausgestaltet und gestaltet Ist es zum Beispiel so, dass diejenigen ganz [00:23:00] konkret auch das als Teil ihres Jobs ist und sie auch gewisse Zeit dafür bekommen, um dann ihre Teams bei der KI-Anwendung zu unterstützen? Oder ist das eher so ein freiwilliges Programm? Wie habt ihr das aufgezogen? Paul: zwei Seiten betrachtet. Wir haben mal initial die Idee gehabt, dass wir sagen, ich habe es ja vorhin schon gesagt, 15 Unternehmensbereiche, zu sagen, Felix: Dank. Paul: Idee haben wir allerdings relativ schnell wieder verworfen weil wir einfach gemerkt haben, dass wir eher in die Fachspezifika rein müssen. Was meine ich damit? Wir haben heute... für verschiedene Fachexpertisen. Heißt also, wir haben eine Botschafterin beispielhaft für Marketing, wir haben einen Botschafter für Sales, wir haben einen Botschafter für Finance und so weiter und so fort. hat zu zwei Vorteilen geführt. Erstens können wir Schulungen, die jetzt auch teilweise schon von den Botschaftern durchgeführt werden und auch natürlich auch gerade jetzt in diesem Kontext sehr viel konkreter fachliche [00:24:00] Expertise einfach haben und auch damit dementsprechend ergänzen können. Was dann dazu Felix: Vielen Dank Paul: der Nähe sehr viel stärker einfach da war. Das ist halt ein Punkt und auf der anderen Seite war es einfach so, dass Felix: Mhm. Paul: Und zu seiner zweiten Frage. Wir haben von Anfang an darauf bestanden, dass die Leute sich erstens oder im ersten Schritt zumindest einmal freiwillig melden. Das haben wir auch zu genüge Bewerbungen sozusagen bekommen. gleichzeitig eben auch die Schulterklappen dann von der jeweiligen Führungskraft da sind, weil wir darauf bestehen dass sie halt 20 Prozent ihrer Felix: Okay, 20%. Paul: genehmigt bekommen. Felix: ja, [00:25:00] spannend. Also wir versuchen auch immer mindestens 10 Prozent zu bekommen als Zeitbudget, weil ich denke, das ist auch absolut notwendig um ausreichend Zeit zu haben, mal Dinge umzusetzen oder sich auch mit Kolleginnen in der notwendigen Tiefe austauschen. Zu können oder auch Feedback wieder zusammenzutragen und zurückzuspielen ans KI-Team. 20% finde ich gut. Paul: weil wir hatten zunächst diese Diskussion natürlich und die musste man sehr stark führen, weil wir wissen ja alle, wie es ist, es halt die zusätzliche Aufgabe ist, dann bleibt am Ende halt einfach nicht die Zeit dafür und deswegen war es uns das tatsächlich so wichtig, auch auf diese 20% zu gehen und es hat eben auch dazu geführt dass halt die Annahme der KI auch durch die Botschafter sehr viel stärker einfach gestiegen ist. Felix: Ja, also genau die gleiche Erfahrung habe ich aber auch gemacht. Wenn es als Plus-Eins-Thema umgehangen wird, dann fällt es dann im Tagesgeschäft doch immer wieder [00:26:00] runter und man bekommt die Kuh nicht so richtig vom Eis. Und dann landen die... Ja doch wahrscheinlich wieder beim AI Hub, Kompetenzzenter, wie auch immer. Oder manchmal ist es ja auch nur eine einzige Person. Und das wird dann der komplette Flaschenhals, weil man ja viel zu langsam ist, verschiedenste Anfragen die aus allen Ecken aus dem Unternehmen kommen, hier abzubilden. Felix Schlenther: Kurz in eigener Sache. Wenn dir der AI First Podcast gefällt und du mehr spannende Inhalte und hochkarätige Gäste hören möchtest, dann freue 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: gehen wir schon so bisschen ins Thema rein, nämlich was habt ihr denn für Erfahrungen gesammelt Jetzt bei der Skalierung von KI in der Organisation sowohl, und ich finde beide Seiten [00:27:00] spannend, ich die vertikale Perspektive noch spannender finde, also jetzt zum Beispiel so ein Support-Use-Case oder das Review-Management wenn ihr hier in die Tiefe gegangen seid und so ein Use-Case dann von wahrscheinlich einem Prototypen oder einem MVP und der Idee bei eurem Pitch Event zu sehen bis zur Produktivlösung am Ende, die in einen Prozess integriert werden kann. Da liegen ja doch Welten dazwischen. Welche Erfahrungen habt ihr da gesammelt? Und bei dem breiten Rollout der horizontalen KI-Nutzung im Arbeitsalltag, wie sieht es da aus? Aber lass uns gerne erstmal mit den vertikalen Learnings beginnen. Wenn du so, vielleicht habt ihr da auch ein anderes Modell wie ihr da vorgegangen seid, also berichte einfach gern mal. Paul: wenn wir jetzt über die Vertikale sprechen, also über die Use Cases an der Stelle, diverse Themen bei uns natürlich auch aufgekommen. [00:28:00] Angefangen sehr platt mit dem ganzen Thema der grundsätzlichen KI-Infrastruktur zu Beginn. Das Problem haben wir heute zum Glück nicht mehr, aber man muss halt so Felix: Vielen Dank Paul: haben wir stark mit der initialen Plattform gestartet mit unserer Plattform Melina. wir auch schon sehr viel machen konnten tatsächlich. ist es auch einfach so, dass halt gewisse Sachen einfach irgendwann mal nicht mehr möglich waren. Was meine ich konkret? Wenn wir jetzt gerade so in Richtung Agenten oder ähnliches schauen, gibt es halt definitiv andere Möglichkeiten Größere Anbieter oder Player, die dort eine viel professionellere Umgebung bieten, um eben solche Cases überhaupt umsetzen zu können. Ich glaube, das war ein Thema oder ein Learning, was wir, ich will nicht sagen, unterschätzt haben. was zumindest dazu geführt hat, dass wir uns relativ schnell dann damit einfach auch beschäftigen mussten weil einfach gewisse Sachen nicht möglich waren. Gerade eben auch so in der [00:29:00] Datenvorbereitung die sogenannte AI Data Readiness war es einfach ein großes Thema Weil wir eben, und das hatte ich eingangs gesagt, in vielen Punkten einfach nicht ready waren, wenn es um die Datenbereitstellung angeht. was meine ich damit? haben einfach vor allem bei den unstrukturierten Daten etwas wie einen Sharepoint gehabt, oder wir haben natürlich immer noch einen Sharepoint, der stark benutzt wird für sowas. Und da war es einfach so ein Thema, wie kriegen wir den zum Beispiel angebunden? Und das war einfach in unserer Plattform wichtig Bisher nicht möglich tatsächlich, mittlerweile können wir es fairerweise, es funktioniert nicht hundertprozentig aber gleichzeitig haben wir eben auch unsere Data-Management-Plattform, wo wir eben genau sowas noch ein weit einfacher machen können. das eben führt in der Vertica einfach dazu, dass wir auch geschaut haben, wo geht die Reise eigentlich hin und genau das ist jetzt ein großes Thema, die verschiedenen Systeme die verschiedenen Datenbanken, die verschiedenen Dateien und Dateiformate irgendwie zusammenzubringen Damit wir Use Cases nicht immer komplett quasi bei Null anfangen müssen und Null meine ich wirklich erstmal schauen, wo legen wir überhaupt unsere Daten Felix: [00:30:00] Ja. Paul: okay, die Daten sind dort, von da können wir sie abziehen. Es gibt eine API, es ist im Prinzip alles da, wir können im Prinzip sofort loslegen. Das ist, glaube ich ein ganz, ganz großes Learning. Wenn es das... Felix: Also Aufbau einer zentralen Datenplattform Paul: das, ja. wenn ich da so ein bisschen überlege, was ist uns da wichtig? Natürlich von der Vision her so eine Art von ich nenne das mal Single Source of Truth, dass so die Wunschvorstellung sich, glaube ich, aber auch schon seit vielen Jahren gibt, aber zumindest mal in diese Richtung zu kommen, sagen wir es mal so. Felix: Ja, okay. Also höre ich da auch schon wieder raus, dass die Klarheit über den Use Case und die KI-Komponente... Eigentlich dann der kleinere Teil ist und dann der ganze Spaß anfängt, nämlich wo kriegen wir die Daten her, wie bereiten wir sie so auf, dass sie gut von KI-Systemen verarbeitet werden können, wie stellen wir sicher, dass sie aktuell [00:31:00] bleiben. Und das lässt sich für so einen Prototypen oder MVP mal irgendwie schnell zusammen basteln notfalls mit einem Export-Import Irgendwo hin, aber wenn das Ganze dann wirklich langfristig robust sein soll, dann brechen all diese irgendwie mal schnell zusammengebauten Prozesse oder Automation oder Skript oder was man sich da so zusammenschustert auch irgendwann und man kommt irgendwann nicht drum herum, die Daten strukturiert an einen Ort zu bringen, wo drauf zugegriffen werden kann. Ja, okay. Interessant Wie denn das Thema Akzeptanz aus bei euch im Unternehmen, wenn man da jetzt kommt und sagt, hey, schaut mal hier, wir haben hier ganz tolle Use Cases, die ja auch irgendwo Arbeitszeit Habt so eine Kultur, wo dem total offen begegnet wird oder gab es da auch [00:32:00] Vorbehalte auch Gar nicht jetzt nur gegenüber, okay, die KI nimmt mir vielleicht die Arbeit weg, das ist ja eine Komponente möglicherweise. Eine andere ist ja auch, vertraue ich überhaupt den Ergebnissen und der Paul: Ja, Felix: die ich da bekomme. Paul: ein großes Thema, auch bei uns natürlich. Und ich denke, das geht ja allen Unternehmen so. Einfach um Vertrauen zu schaffen, auch immer sehr transparent sein. Und das ist auch einer unserer obersten Maxime, wirklich immer sehr transparent zu sein, sowohl wenn es darum geht, zu sagen, was tun wir überhaupt, in welchen Use Cases arbeiten wir überhaupt, sind unsere Ziele, wo sehen wir den Wert und wie möchten wir auch diesen Wert erreichen. versuchen wir, Und ich möchte mich korrigieren, wir versuchen es nicht nur, sondern da sind wir einfach wirklich immer sehr transparent, um eben einfach an Vertrauen zu haben. Und das führt auch dazu, dass wir im Prinzip Inflow von Use Cases von neuen Use Cases auch weiterhin haben. Das heißt also nicht, dass wir mittlerweile über 100 Anbieter Richtung 150 Use Cases zumindest [00:33:00] mal auf dem Papier stehen und das wird halt nicht weniger, sondern tatsächlich immer mehr und Felix: Vielen Dank Paul: und auch einfach reinbringen, Mensch, können wir das nicht mit KI machen oder können wir da nicht über KI irgendwie was automatisieren oder ähnliches und das ist glaube ich ein großes Thema und gleichzeitig ist es trotzdem natürlich so, dass es auch weiter im Unternehmen natürlich auch Skeptiker gibt, dass es Felix: Vielen Paul: Da gibt es Bereiche, die gerade wenn es um qualitative Themen geht, sagen daraus, ja, ich habe natürlich lange Berufserfahrung ich vertraue den Ergebnissen erstmal nicht unbedingt. Und da gibt es aber auch andere Bereiche die sind vielleicht schon fast ein bisschen leichtsinnig die müssen wir schon fast wieder einholen und sagen, Leute, ich sollte nicht 100% zu der KI Felix: Mhm. Paul: in the Loop ist hier und dort vielleicht dann doch mal nötig Felix: Spannend. interessant. Gehen wir nochmal auf die Horizontale. Ihr habt eure Plattform aufgebaut, habt die breit ausgerollt nehme jetzt mal an vielleicht kannst du auch nochmal sagen, wie ich es aufgebaut habe, aber viele Unternehmen [00:34:00] arbeiten ja an ihrem eigenen KI-Chatbot oder haben sich da was eingekauft oder haben so ein Hybrid gemacht, was eingekauft und das nochmal angepasst und haben da jetzt einen Chatbot, der mit Unternehmensdaten kommunizieren kann und wo man vielleicht auch mal so eine Art KI-Assistenten aufsetzen kann für bestimmte Aufgaben frage mich da aber trotzdem noch so ein bisschen so, what's next? Ist das jetzt die Endstufe der KI-Anwendung oder kommt da eigentlich noch? Und ich würde gerne mal von dir verstehen, seid ihr da schon über so einen internen KI-Chatbot hinaus und blickst du da auf die Zukunft, wie so ein Tool eigentlich in Zukunft aussieht und genutzt werden soll? Paul: Also grundsätzlich haben wir natürlich auch unseren internen Chatbot, der auch immer mehr angenommen wird, der sowohl in den Userzahlen aber natürlich auch in der täglichen Nutzung wirklich extrem explodiert ist. Das ist fast ein Problem, weil [00:35:00] es natürlich immer teurer wird. Gleichzeitig freut es uns das natürlich, weil Felix: Vielen Dank. Paul: Ende des Tages natürlich dadurch auch Effizienzen gehoben werden. Ich glaube trotzdem, ja was kommt als nächstes? Ich glaube am Ende ist es natürlich so, dass wir auf der einen Seite, das habe ich ja eben schon gesagt, das ganze Thema Data Management einfach haben, Talk to your Data und so weiter, das ist glaube ich so Stand der Technik und Thema Singles are the Truth ist glaube ich auch so ein Thema, wo ich sagen würde, man mal hingucken, Felix: Dank. Paul: können. Und was meine ich? Gerade wenn wir jetzt so in die nächsten Themen schauen, Thema Agenten beispielhaft, Es gibt sicherlich Felix: Vielen Dank. Paul: Plattform integrieren. Frage ist halt, wie gut funktioniert das Ganze? Können wir das tatsächlich dort absetzen? Wenn ich das auch so schaue, was geht es zum Beispiel mit N8N oder ähnlichem? Da sind einfach so viele Möglichkeiten. Und unser Gedanke ist vielmehr, dass wir immer mehr so ein Stück weit weggehen Felix: [00:36:00] Vielen Dank. Paul: Seite natürlich, wie gesagt, ein Chatbot haben, aber auf der anderen Seite die Assistenten haben, die Agenten haben, die Co-Piloten haben und eher uns Felix: Hm? Paul: Es grundsätzlich Felix: Vielen Dank. Paul: da schon zugeführt hat, dass es mehr genutzt wird, einfach weil die Leute verstehen, wie muss so ein Prompt eigentlich aussehen. Und gleichzeitig ist aber auch mittlerweile bei vielen der Punkt erreicht, wo sie sagen, ich komme mit meinem Chancen aber nicht mehr weiter und ich brauche mehr Daten, ich muss meine Systeme anbinden und so weiter und so fort, wo wir natürlich irgendwo reinkommen. Aber gleichzeitig, glaube ich wird es auch immer wichtiger, dass die Leute das auch selber machen können. deswegen glaube ich auch, dass so das Thema [00:37:00] What's Next auch irgendwie in die Richtung geht, in die ganzen Plattformen Und was meine ich, da gibt es mittlerweile sowas wie Databricks One, Google Agentspace, wie es alle heißen, die sich, glaube ich, auch sehr stark beeinflussen In dieser Felix: Vielen Paul: und da bin ich auch sehr Felix: Dank. Paul: sich auch weiterentwickeln das ist, glaube ich, auf jeden Fall ein großes Thema. Und gleichzeitig, das wäre jetzt nur der dritte Punkt, das Thema AI-Automatisierung ist, Felix: Vielen Dank. Paul: der kombination glaube ich können wir auch noch mal sehr sehr viel machen und ich glaube das ist auch so ein bisschen der next step sehr viel stärker zu automatisieren sehr viel stärker zu schauen was ging früher vielleicht noch nicht was geht heute in dem zusammenspiel von Felix: Dank. Paul: und ki um eben da und noch mal sehr viel effizienter unterwegs zu sein Felix: Also ja, [00:38:00] ich denke auch, der Weg muss sein, in die Prozesse reinzukommen und auch Abhängigkeit zu reduzieren von dem Menschen, der daran denkt, dieses Tool zu benutzen. Ich glaube, das ist am Anfang total wichtig, genauso wie ihr das gemacht habt, das in der Breite auszurollen, vielen Menschen verfügbar zu machen, die Leute in die Nutzung zu bringen und darüber auch erstmal ganz viel Verständnis und vor allem auch Ideen zu Sprudeln zu lassen und aufzubauen. Und dann kommt man einen Teil des Weges mit Prompt-Vorlagen oder so Art-Custom-GBTs, die ich mir aufsetzen kann. Und ich denke, auch das ist auch echt ein guter Schritt nach vorne. Aber dann hört es irgendwann auf. Und ich glaube, dann ist halt nur der einzige Weg, wenn so ein Newscase dann stabil läuft, den fix in den Prozess zu bringen Zu integrieren. Und da sehe ich aber schon diese ganzen Plattform-Tools die da gerade entstehen, [00:39:00] auch so ein Chat-GBT-Enterprise zum Beispiel, oder auch, ich meine, Google-Agent-Space, die sehe ich alle als so in der Mitte des Software-Stacks einer Firma sitzen, mit Anbindung an sämtliche Datenquellen und Drittsysteme Und über die laufen dann halt sämtliche ja, Automationswege also weil da sind die Daten dran, du hast die KI-Komponenten, idealerweise auch eine Art nicht-KI-gestützte Automation, wenn dann Automation und dann kannst du darüber sukzessive immer mehr Prozesse auch direkt automatisieren, also so sehe ich zumindest so diese weitere Entwicklung, die da hingehen muss und du hast es ja auch gesagt, Ähm die, die Anbieter die, ähm, die bewegen sich ja alle immer weiter aufeinander zu. Also, ähm, dann gibt es die einen, die haben nur mit so N8N oder Make oder Zapier ne, die [00:40:00] haben natürlich erstmal nur mit einer regelbasierten Automation, äh angefangen Die haben jetzt immer mehr KI-Komponenten und Funktionen mit reingebaut. Dann gibt es andere, die haben mit einem KI-Chatbot angefangen Die bauen jetzt immer mehr regelbasierte und KI-Automation mit dran. Weil ich glaube, am Ende will der Kunde Ich will ja beides irgendwie haben. Ich will ja nicht in zwei Systemen dann wieder die gleichen Dinge irgendwie pflegen und aufbauen, sondern idealerweise eine Plattform haben, das KI-Betriebssystem wahrscheinlich so für mein Unternehmen. Paul: es, glaube ich, so ziemlich am besten. Ich glaube, das ist so eine Art von, oder wie stellen wir uns das eigentlich vor? Im Ende muss es irgendwie so aussehen, das muss so die Go-To-Plattform sein. So wie wir jeden Tag unser Outlook oder unser Mail-Programm öffnen, müssen wir, und das ist auch unser Ziel irgendwo, Unsere KI, unsere KI-Plattform öffnen und sie einfach jeden Tag [00:41:00] nutzen. Und genau das ist, glaube ich, da, wo wir hinkommen müssen. Dass wir auf der einen Seite eben diese einfachen Sachen haben, wie eben jetzt, ja, wir helfen ja bei der Mail-Verfassung, das, was jeder ja schon macht mittlerweile, aber gleichzeitig eben genau das, was du beschreibst Automatisierung und wirklich zu schauen, wo können wir den einzelnen Menschen einfach Felix: Vielen Dank. Paul: Arbeit. Felix: Habt ihr das mal erhoben, was euch der Einsatz von so einer Plattform bringt? Paul: ist auch eine sehr gute Frage. Wir versuchen natürlich immer KPIs zu kommen. Wir haben mittlerweile auch das sogar technisch versucht tatsächlich zu automatisieren, dass wir sagen können, was hat diese Anfrage tatsächlich für einen Zweck gehabt und was hat das Potenzial für Nutzen gehabt mit der Anfrage Ich nenne das mal wirklich intern Stunden setzen Felix: Hm. Paul: sehr, sehr hohe Zahlen raus. Die natürlich jetzt in der Geschäftsführung vorzulegen, Felix: Dank. Paul: die heraus, ja schön, [00:42:00] Ergebnis, im Endjahresergebnis hat sich das jetzt halt nicht irgendwie verändert. Wir haben die Leute ja trotzdem mit ZRPP. Felix: Vielen Dank. Paul: gewonnen haben. Und ich glaube, aus verschiedenen Perspektiven muss man es halt gucken. In den Use Cases sprechen wir, wie gesagt, von harten Zahlen und in der Horizontale eben genau davon, einfach wirklich reine Arbeitszeit. Aber konkrete Zahlen am Ende des Tages haben wir leider heute auch immer noch nicht. Felix: Paul, was würdest du denn Unternehmen, die noch weiter am Anfang stehen, mit auf den Weg geben, wie sie KI von diesem theoretischen Potenzial und dem Mehr an Möglichkeiten zu echten Mehrwerten und produktiver [00:43:00] Nutzung bringen? Paul: Wichtigste und das hängt so ein bisschen davon ab, wo die Unternehmen gerade stehen, glaube ich macht euch vor allen Dingen nicht verrückt. seid noch nicht zu spät. Für mich gibt es persönlich grundsätzlich nie einen zu spät sondern heute ist vielleicht dann genau der richtige Tag, um überhaupt anzufangen. aus eigenen Learnings kann ich nur sagen, fangt doch einfach an, fangt vor allen Dingen klein an. Ihr müsst nicht groß denken, macht erst mal kleine Piloten und... Seht eure Learnings weil man liest zwar viel und man hört auch viel und ich habe heute auch von Learnings berichtet, Felix: Vielen Dank Paul: glaube ich auch selber einfach mal erlebt haben, um da wirklich valide Aussagen zu treffen zu können. Gleichzeitig glaube ich, dass die Vorgehensweise nach Business Cases oder nach Use Cases, ich der richtige Weg ist, um mal irgendwie auch starten zu können und gleichzeitig sollte man aber auch nicht zu groß denken. Also wenn man jetzt auf die Idee kommt zu sagen, zu Beginn in Zukunft wird das gesamte Marketing beispielhaft von KI erledigt, dann würde ich sagen, du bist verrückt, das kommt vielleicht irgendwann, bin ich mir auch nicht sicher. würde ich jetzt heute auch nicht unterschreiben. so sollte man [00:44:00] eben nicht denken, sondern wirklich Schritt für Schritt einen kleinen Häppchen, um eben beispielhaft von einem Agent zum nächsten oder von einem Assistent zum nächsten einfach zu kommen. Und ansonsten ganz viele Themen, die da einfach nur reinspielen, deswegen wieder Thema Testen Erfahrung sammeln, ist glaube ich einfach wichtiger und auch wichtiger als andere Themen, wie beispielsweise Datenmanagement. Ja, Datenmanagement, Datenmanagement-Plattform ist wichtig, aber fangt erstmal an, überhaupt mit Piloten fangt an mit einer zentralen Plattform für KI, um halt einfach genau diese Learnings zu machen. Und das wiederum, komme ich auch direkt zum nächsten Punkt, das ist glaube ich das Thema zentrales Tool, es muss halt irgendeine Art von zentralem Tool geben, ob es jetzt ein Open AI Enterprise ist oder Google oder was auch immer, was es an Tools da so auf dem Markt gibt, es, führt es ein und schafft zumindest mal einen kleinen Rahmen und damit meine ich auch ganz bewusst einen kleinen Rahmen, der Rahmen muss vor allem verstanden werden. Wir haben zum Beispiel auch so gestartet, wir haben zu Beginn gesagt, wenn ihr irgendwie KI machen wollt, nutzt erstmal unsere Plattform [00:45:00] und das hat dann aber auch dazu geführt, dass man dann gemerkt hat, okay, wir müssen links und rechts nochmal gucken, gibt es ja noch andere Themen, wie jetzt so eine Hellgen oder was auch immer, um halt eben in die Breite zu kommen am Ende des Felix: Amen. Paul: Ja und ich glaube, der wichtigste Punkt oder die letzten beiden wichtigsten Punkte sind auf der einen Seite das Thema Compliance, das ist zwar wichtig und ist jetzt gerade auch im Zuge des AI-Acts glaube ich sehr wichtig, dass man sich damit beschäftigt Aber es gibt mittlerweile viele Vorlagen und man muss sich da, glaube ich jetzt nicht unbedingt den teuersten Rechtsanwalt holen sondern vertraut ein Stück weit, glaube ich auch einfach auf das Bauchgefühl was, glaube ich, an vielen Stellen auch richtig ist. Ja und zu guter Letzt investiert einfach in eure Mitarbeitenden. Ich glaube, das ist das Allerwichtigste, weil von denen kommen die Cases und wenn die es nicht nutzen, dann bringt es halt eben keinen weiter. Felix: Und magst du uns abschließend noch verraten wie der Head of AI von Milita selbst KI nutzt? Was sind so deine Top Use Cases am meisten anwendest? Paul: für mich sind es häufig ganz einfache themen von outlook [00:46:00] hilfen das sind themen wie transkription ich habe für mich quasi mein zweites gehirn stückweit auch aufgebaut also im sinne von wer ist eigentlich power was treibt er den ganzen tag was hat er für ein team et cetera pp halt um Ja, im täglichen Doing, sage ich mal, aktiver zu werden, beziehungsweise vor allem auch effektiver zu werden. Ich glaube, das ist so mein number one use case, wenn es um mich persönlich geht. Felix: Also dich selbst geklont und diesen Klon kannst du jetzt für alle möglichen Aufgaben und Prozesse einsetzen. Paul: da muss immer wieder dran geschliffen werden, aber ich versuche den immer weiter zu optimieren. Genau. Felix: Paul, vielen, vielen Dank die Insights, hat Spaß gemacht und ich wünsche dir weiterhin ganz viel Erfolg da auf der Mission, echt eine tolle Reise die ihr da gerade geht. Danke.