[00:00:00] Herzlich willkommen zum AI-First-Podcast. Heute zu Gast ist Florian Dürr, der bei der Eberspecher Group, großer Automobilzulieferer für die digitale und KI-Transformation, verantwortlich ist und dort mit seinem Team einen Ansatz... Der genutzt hat, nämlich den Ansatz des Venture Clientings, um gemeinsam in der Zusammenarbeit mit Startups, aber auch mit einer Startup-Mentalität, KI-Projekte sehr schnell von einer Idee zu messbarem Wert zu bekommen. Wie das funktioniert, wie man das anwenden kann, was Florian Sonser auf seiner KI-Reise gelernt hat, darum geht es heute. Und Florian ich freue mich total, dass du dabei bist Florian: Ich freue mich auch. Danke Felix. Felix: auch ein bisschen, weil ich möchte ein bisschen mehr Struktur in diesen Podcast mit reinbringen und ein paar wiederkehrende Formate hier etablieren die ja so ein bisschen mehr Wiedererkennungseffekt in den AI First Podcast bringen und [00:01:00] wir machen heute zwei davon, eine jetzt am Anfang und eine eines davon am Ende. Zum Start wollen wir dich ein bisschen besser kennenlernen, aber nicht durch eine einfache Vorstellung, sondern ich stelle dir gleich in einer Quickfire-Round fünf kurze Fragen und du gibst einfach fünf kurze Antworten die dir dazu in den Kopf kommen. Florian: Gerne. Felix: Nummer eins, welches KI-Tool nutzt du am meisten und wofür? Florian: Privat ist es definitiv Claude in der nativen App, weil ich Mobile-First-Nutzer bin und die zwei Haupt-Use-Cases sind als AI-Advisor, strategischer Thought-Partner. Und für LinkedIn auf der Arbeit ist es unsere Gen-AI-Plattform BlockBrain. Da sind die Use-Cases deutlich unterschiedlicher, vielfältiger, so wie es mein Job ist. Felix: gut. ist bei euch im Unternehmen der größte KI-Hype versus die größte KI-Realität Florian: Ich würde nicht sagen Hype aber die Die größte Missconception [00:02:00] ist, dass GenAI automatisieren kann und Probleme mit Excel lösen kann. Das sehen wir in unserem Ambassador-Programm. Da sind, würde ich sagen, ungefähr 30 Prozent der Bewerbungen oder der Use Cases sind Fälle, die wir eigentlich mit Excel oder Power BI, Power Automate lösen Felix: Eine Fähigkeit die du dir von KI noch wünschst die die Technologie heute noch nicht mitbringt? Welche Fähigkeit hast du mit KI am stärksten verlernt Florian: komplett Felix: welche hast du dazugewonnen? Florian: denen [00:03:00] neue Perspektive reinzubringen. Felix: Lass uns mal einsteigen in die tieferen Themen und wir starten mal mit Venture Clienting Bis vor zwei Jahren wusste ich auch noch überhaupt nicht, was das überhaupt ist und vielleicht wissen es auch einige von den Zuhörern nicht. Beschreib mal in deinen Worten was du unter Venture Clienting verstehst und wie ihr das nutzt. Florian: Mentalität mit ins Unternehmen zu tragen. Felix: Und wie habt ihr das jetzt im KI-Kontext euch zunutze gemacht? Weil ich würde jetzt sagen, also das klingt natürlich auf der einen Seite total komisch [00:04:00] Logisch weil man arbeitet mit Unternehmen zusammen, die gesagt haben, wir lösen ein Problem besonders gut und bauen dafür das beste Produkt und wahrscheinlich mit denen eng zusammenzuarbeiten, hilft dann irgendwie auf die Roadmap Einfluss zu nehmen und wahrscheinlich kriegt man auch einen ganz guten Deal und ist natürlich auch ein wertvoller Partner für das Startup. Aber auf der anderen Seite sehe ich da natürlich auch ein Risiko weil man ja gerade in der frühen Phase vielleicht noch gar nicht so unbedingt bewerten kann, wie sich das Unternehmen entwickelt Vielleicht auch entwickelt in Zukunft und ob es zuverlässig genug ist für die langfristige Planung die ihr als großes Unternehmen braucht. Florian: [00:05:00] her Felix: Und kannst du uns mal durch so einen typischen Venture-Clienting-Prozess durchführen? Also wo fangt ihr an und wie arbeitet ihr dann mit einem Startup zusammen, um so ein Projekt umzusetzen? Und vielleicht hast du ja sogar ein KI-Beispiel. dem ihr das gemacht habt. Florian: oder auch im Pull-Prinzip. [00:06:00] keine Longlist, dem Fachbereich Meistens mit Felix: Dank. Florian: unbezahlt manchmal Felix: ZDF Florian: am Ende[00:07:00] Felix: Kannst sagen, wo ungefähr? Florian: mehr die Zeit gerade den Lösungen die da draußen sind. Felix: Gut, kann ja auch einfach dafür sprechen, dass das gerade ganz gut läuft, was die Projekte angeht. Und... Als du so gesprochen hast, ist natürlich klar geworden, man schaut sich ja gerade bei [00:08:00] Technologie-Projekten an oder Problemen die über Technologie gelöst werden können, überlegt man sich ja oft, ist das etwas, was wir selbst bauen? Ist das eine Lösung, die wir einkaufen? Oder ist das eine Lösung, die wir vielleicht einkaufen und noch für uns anpassen können? Und in dem Kontext... Wurde ja jetzt hoch und runter diese, ich kann es gar nicht Studien nennen, Bericht ist es auch nicht so richtig, sondern eigentlich war es ja eine Umfrage unter, ich glaube, wenigen hundert Leuten, die vom MIT unter anderem gemacht wurde, wo als Ergebnis rauskam, dass 95 Prozent der KI... Und als einer der Hauptgründe wurde auch aufgebracht, dass versucht wird, alles Mögliche selbst zu bauen, anstelle vielleicht funktionierende Lösungen, die genau für dieses Problem entwickelt worden sind, sich einzukaufen. gerade in so größeren [00:09:00] Unternehmen, wie ihr das seid, erlebe ich das aber total oft, dass doch ziemlich häufig versucht wird, sowas sich selbst zu bauen, anstatt was vom Markt einzukaufen, geschweige denn mit Startups zusammenzuarbeiten. Wie blickst du denn auf diesen Build-Ansatz wenn es um KI geht? Dank. Florian: von Standheizungen, Klimaanlagen, Auspuffanlagen nicht Felix: Untertitelung des ZDF Florian: sei denn es könnten wir Felix: Vielen Florian: und die[00:10:00] Felix: Okay, also höre ich jetzt raus, Eigenentwicklung wirklich nur, wenn es auf die Kernwertschöpfung und die Kernprodukte einzahlt? Florian: wir an der Stelle, an der das Sinn macht. Das ist noch sehr, sehr nah an unserem wertschöpfenden Prozess dran. wenn wir jetzt von GenAI oder auch Machine Learning Geschwindigkeit weiterzuentwickeln Felix: [00:11:00] Ja, das merken insbesondere gerade viele Unternehmen, die sich ihr eigenes unternehmensinternes Chat-GPT gekauft haben und merken, ja, reicht halt doch nicht aus, GPT-4 über eine API mit einem Chat-Interface zu verbinden und jetzt doch reihenweise... Wieder auf eingekaufte Lösungen wechseln und da teilweise viel Geld versenkt haben. Passt ja da ganz gut rein, obwohl ich meine, gut, lässt sich jetzt im Nachgang immer schlauer sagen, vielleicht war es auch noch gar nicht so offensichtlich vor zwei Jahren, obwohl es auch schon interessante andere Alternativen gab. Aber da kommen wir gleich nochmal zu. Vorher nochmal über diesen Buy-Ansatz gesprochen. Kannst mal so ein paar Beispiele nennen, was so typische Probleme waren, die ihr hattet die aber auch ganz viele andere haben und was ihr dann für Lösungen, Startups dafür gefunden habt, mit denen ihr das heute löst? Florian: [00:12:00] auch schnell Value zu Felix: Dank. Florian: das der Felix: Dank. Florian: User-Anzahl und einen viel Verkehr, natürlich auch signifikante können, wir auch externe Kosten [00:13:00] haben, ist das Thema Da auch wirklich Gas gegeben hat. Felix: Fand ich jetzt spannend, dass du gesagt hast, ihr habt mit eher Machine Learning Cases angefangen Und nicht mit Gen-AI-Cases, weil in den allermeisten Fällen, vor allem in den letzten Jahren, war es ja genau andersrum. Dass eigentlich die Gen-AI-Cases so gepusht worden sind, weil jeder irgendwie mal davon gehört hatte und was damit machen wollte. Und Machine Learning fast schon ins Hintertreffen geraten ist, fast schon, wie soll man sagen, uncool geworden ist. Obwohl damit ja immer noch, wie du gerade sagst total relevante Probleme gelöst werden können.[00:14:00] Florian: gegangen, Felix: ZDF Florian: da und Felix: Vielen Dank. Florian: dann [00:15:00] mit Hochdruck auszuräumen. Felix: Was ist für dich der größte Unterschied bei der Umsetzung von so einem Machine Learning Oder Projekt versus Gen-AI. Florian: deutlich komplexer Felix: was Daten angeht siehst du [00:16:00] da Unterschiede? Florian: Ich sehe da dass ich meine reduzieren kann durch das Demand Forecasting und darüber viel Free Cash Flow Freispiel. dann habe ich noch einen zweiten Use Case, wie bekomme ich die Daten in das System? Schiebe ich die einmal pro Woche per Excel rüber und habe einen Mitarbeiter, der das tun muss oder habe ich eine Schnittstelle? Und dann ist es so, dass ich in der Regel mit der manuellen Schnittstelle schnell Felix: ZDF Florian: aus der internen in [00:17:00] Projekten gebunden sind. dann muss ich das natürlich vorab Felix: Mhm. Okay, also pragmatisch anfangen und gucken, 80-20, wie kriege ich mit möglichst wenig Aufwand Großteil vom Mehrwert abgeschöpft und dann später, wenn es sich bewährt hat, automatisieren und integrieren in ein anderes System. Florian: den Felix: Untertitelung Florian: manchmal, Team dann auch Problem vorbeischrammt. Felix: [00:18:00] Mhm. Was sind so Kriterien mit den Startups, mit denen ihr zusammenarbeitet Gibt es da irgendwie eine Mindestgröße, Anzahl an Kunden, bestimmte Reife im Produkt? Worauf achtet ihr da? Florian: dass es da ist ein Team die Lösung gut es und dann muss es auch die Lösung sein. Felix: Und was heißt frühphasig Weil... Florian: Frage, die ich immer stelle ist [00:19:00] die Frage nach der ISO 27001 Zertifizierung. Das ist einfach Industriestandard die Zertifizierung vorhanden ist. Felix: Okay. Und was heißt frühphasig bei euch? Weil ich kriege manchmal mit, dass selbst unternehmen wie Flixbus als Startups bezeichnet werden. Wahrscheinlich schon etwas erwachsener geworden. Also wo geht das los? Florian: Das ist für mich frühphasig. Felix: Okay, sehr früh. Das ist auf jeden Fall ein Start-up Florian: Entwicklungen wirklich viel machbar. Felix: Ja cool, also total spannend und vor allem finde [00:20:00] ich es toll, die Beispiele die du genannt hast, vielleicht hören hier auch einige zu, die sagen, ja wir haben ein ähnliches Problem und anstatt dann zu versuchen, wie kriegen wir das selbst, Alles gelöst, es gibt da draußen. Ich meine, ich habe mein ganzes Leben in der Startup-Welt verbracht und wir hatten so oft die Diskussion auch mit großen Kunden, die versucht haben, solche Dinge selbst zu bauen und wir hatten da bei uns ein Entwicklerteam, auch wenn es nur 10, 20 Entwickler waren, die muss man erstmal intern abstellen können, um ein ansatzweise ähnliches Produkt aufbauen zu können und noch auf dem Weg die ganzen Lernschleifen drehen zu müssen, die Startups ja schon gedreht haben, also der Bin da, bin da großer Fan von, sehen es auch, wir sehen es auch in unseren, bei unseren Kunden, dass wir damit oft viel Geschwindigkeit auf die Straße bringen, das gut funktioniert. Aber ja Es gibt ja doch selten gerade auch in so gewachsenen Strukturen komplexeren Geschäftsmodellen wie eures gibt es ja auch nicht immer die eine Lösung, die perfekt auf das Problem passt. Wir haben jetzt schon über Build gesprochen, jetzt haben wir über [00:21:00] Buy gesprochen, jetzt kommen wir mal zu diesem Customize-Teil. Wann sucht ihr denn nach Lösungen, die ihr für euch nochmal spezifisch anpassen könnt? Untertitelung Florian: Agents aufzusetzen. natürlich [00:22:00] da funktioniert es ja genauso. Felix: Okay, also geht es dann hier um Plattformen die eine Vielzahl an Anwendungsfällen abbilden können, theoretisch und die ihr dann auf eure Systemlandschaft, eure Daten, eure Prozesse anpassen könnt. Also immer da, wo irgendwie Prozesse abgebildet werden. Florian: Richtig, also da, wo wir, sag ich mal, In SAP sind es eher die Kernprozesse, wo das Customizing stattfindet und bei Blockbrain würde ich sagen, da geht es wirklich in die Breite, also Blockbrain der Gen-AI-Plattform, die wir nutzen. Da geht es dann darum, einfach den Agent auf den spezifischen Use Case so hin zu prompten dass er unseren Kolleginnen und Kollegen die Arbeit abnimmt oder die Arbeit erleichtert. Felix: Magst mal kurz erzählen, was Blockbrain ist und warum ihr euch für die Lösung entschieden habt? Florian: Ja also BlockBrain ist eine Gen-AI-Plattform wie [00:23:00] LangDoc, das du nutzt soweit ich weiß. Also im Endeffekt eine modellagnostische Plattform, bei der ich auswählen kann, mit welchem Modell ich arbeite. Und dann habe ich ein Frontend und habe diverse APIs, also Schnittstellen in andere Systeme Felix: Vielen Dank. Wie seid ihr jetzt da vorgegangen? Also du hast ja vorher gesagt, dass du immer stark vor ein Problem kommst und sehr schnell Mehrwert realisieren möchtest Was ja auch grundsätzlich die richtige Richtung ist. Darum geht es, wenn man ein Geschäft macht. Jetzt ist es ja bei Gen AI so, dass es ja auch schon viele Playbooks gibt. Auch wir machen das, das ist auch stark unser Ansatz, dass wir erstmal in die Nutzung kommen, damit wir das Menschen die Fähigkeiten der Technologie kennenlernen können, um von da aus dann Anwendungsfälle abzuleiten und dann Schritt für Schritt in Umsetzung und auch Prozessintegration gehen. [00:24:00] Habt ihr hier auch Probleme eingesammelt und setzt ihr jetzt Schritt für Schritt auf der Plattform um oder macht ihr auch so eine breite Befähigung und nutzt so eine Plattform auch als Alltagsassistenten für alle? Wie ist euer Vorgehen? Florian: Hier bin ich tatsächlich nicht vom Problem kommend her vorgegangen, sondern der Business Case basiert darauf, Oder basiert auf der Annahme, dass wir damit deutlich effizienter arbeiten können, nachdem wir unsere Kolleginnen und Kollegen enabled haben. Also sprich hier sind wir in die Vorleistung gegangen, haben die Plattform gesourced, sind in Piloten gegangen, haben auch Felix: Untertitelung des ZDF Florian: für die Plattform abgestellt und sind dann sehr, sehr schnell in eine Schulungsinitiative gegangen. haben zusätzlich ein AI Ambassador Programm aufgesetzt, bei dem sich die Kollegen dann mit einem Use Case bewerben können. Das Ganze ist sehr, sehr erfolgreich. Wir haben den Piloten im Oktober gestartet, hatten dann zwei, drei Wochen um hochzufahren und [00:25:00] haben seitdem 366 Kollegen geschult und haben die erste Kohorte mit Ambassadors durch das Programm begleitet und haben auch im Backlog momentan 120 Bewerbungen, also alles Bottom-up, alles freiwillig Felix: Dank. Florian: benannt, sondern das war uns von Anfang an wichtig, dass wir den Demand erzeugen also auch Lunch-and-Learn-Sessions, KI-Events angeboten haben, um generell die Literacy zu heben, weil ich sehe das Ganze als ein Funnel an. Also sprich ich muss das Interesse wecken, dann muss ich die Grundkenntnisse vermitteln, um die guten Ideen zu bekommen, die wir dann über das Ambassador-Programm umsetzen. Das heißt, wir spielen hier parallel eigentlich auf mehreren Ebenen um jeden da abzuholen, wo er momentan steht. Felix: Macht ihr irgendwas anders im Vergleich zu den ersten Schulungen, die ihr damals mit ChatGPT ... Einige Zeit vorher gemacht habt? Florian: Ja, tatsächlich. Also die Grundlagenschulung, die [00:26:00] wir, ich will nicht sagen, wir haben sie recycelt, haben wir angepasst Was wir gesehen haben, ist, dass wir Von den komplexen Use Cases, die wir in der ersten Schulung hatten, mit denen wir die Möglichkeiten Felix: Untertitelung des ZDF Florian: wir da besser weggehen sollten und wirklich mit ganz basic Themen anfangen die Probleme der Anwender lösen, also einen PowerPoint Checker zum Beispiel. Da stecke ich meine PowerPoint rein, bekomme Feedback und wird mir aufgezeigt wo kann ich jetzt optimieren. Das ist so ein ganz basic Problem. Da kannst du mir vielleicht helfen. Du machst ja auch viele Schulungen. Was sind die typischen Anwendungsfälle, mit denen du deine Anwender aus der Reserve loggst? Felix: Also was wir tatsächlich mittlerweile machen, ist... Die erste Übung, die wir unseren Trainees geben, wir haben früher immer angefangen und haben den Leuten dann Prompting und so weiter beigebracht. Das machen wir jetzt auch noch, aber später. Die erste Übung, die sie bekommen, ist, die [00:27:00] kriegen KI-Assistenten von uns. Der stellt denen Fragen und am Ende, die Nutzer beantworten das über Spracheingabe oder geben irgendwelche Ladendokumente hoch oder geben einen Link zu ihrem LinkedIn-Profil zum Beispiel rein. Und daraus erstellt der Assistent am Ende ein Kontextprofil Über die Person mit in ihrer Rolle und über das Unternehmen. Dann haben wir einen anderen KI-Assistenten da geben wir dann dieses Kontextprofil rein und der erstellt dann eine Liste an Quick-Win-Use-Cases, die man auf der GenAI-Plattform für diese Rolle umsetzen kann, direkt mit Prompt-Templates und so. Und dann lassen wir sie diese Prompts nehmen und ausprobieren und sagen, okay, jetzt hast du das ausprobiert, wie war es dann? Dann sagen die meisten, ja, ganz okay, aber hier und da. Und dann gehen wir rein und sagen, okay gut, was könntest du denn jetzt, Machen, um das Ergebnis zu verbessern. Und so also wir, also ein Prinzip, was ich liebe und was wir allen unseren Trainees beibringen ist use AI to use AI better. Und das ist genau dieser [00:28:00] Workflow, den wir uns da überlegt haben. Also wir denken gar nicht über Use Cases nach, sondern wir lassen das Kontextprofil erstellen und über das Kontextprofil dann halt mit Prompts die wir recht gut optimiert haben, lassen wir die KI entscheiden, was sie für den User tun kann. Geht ganz gut. Florian: ist cool. Also das mache ich ein bisschen abgewandelt ganz gern in Abteilungsmeetings, da haben wir einen Bot generiert einen Ideaspark, jetzt ohne Kontextprofil, aber dann auch für eine ganze Abteilung machen wir eine kurze Einführung in KI und dann lasse ich die Kollegen den Ideaspark nutzen, um Ideen zu entwickeln, wie sie es einsetzen können. was dann in den virtuellen Meetings unheimlich viel Spaß macht, dann machen wir eine Pitch Session, 30 Sekunden, 45 Sekunden Timed Pitch, wo jeder nochmal seine Idee vorstellen darf. bringt auch nochmal Engagement rein, gerade in so einem virtuellen Setting. Felix: Denken wir das mal eine Ecke weiter, denn eine Herausforderung die ich [00:29:00] immer wieder erlebe ist diese nächste Phase. Zu schaffen von, wir haben jetzt ganz viele Leute, die haben wir geschult. Wir kriegen die auf diese Plattform, die nutzen das auch horizontal, um produktiver zu werden. Man kriegt da so ein paar Stunden auch freigesetzt an Zeit. Und hier und da gibt es auch schon die einen oder anderen Cases, die dann wirklich fachbereichsspezifisch umgesetzt werden, zum Teil auch irgendwie relevanten Hebel haben, zum Teil so Quick-Win sind. Und dann ist aber die Frage, wie organisieren wir das jetzt eigentlich langfristig Also, wer verantwortet diese Use Cases? Wer setzt das eigentlich um? Sind das die Ambassadors? Jeder selbst? Gibt es da so eine zentrale Stelle, die irgendwie bei dir aufgehangen ist? Wie kriegt man das hin, dass man die Geschwindigkeit der Technologie mitbekommt? Nehmen kann, aber gleichzeitig Kontrolle darüber behält und am Ende auch so in die Prozesse reinkommt. Was macht ihr da schon oder wie denkst du auch darüber nach, so in diese [00:30:00] Phase in Zukunft reinzugehen oder vielleicht seid ihr da ja auch schon? Florian: Also den Betrieb den fahren wir parallel hoch. Ich hatte ja gesagt, es ist immer wichtig, zuerst den Demand die Begeisterung zu erzeugen. Felix: Dank. Florian: schlanken Prozess auf, um da auch eine saubere Freigabe hinzubekommen. Individuell im Test, über Testgruppe dann wirklich mit Release in die Produktion und Dokumentation, halten wir aber bewusst schlank weil wir jetzt die Innovation nicht bremsen wollen. Gleichzeitig war ich aber lang genug in der IT, um zu wissen, dass wir für den Betrieb dann auch Prozesse benötigen. Felix: Und wie siehst du das? Siehst du das in so einem Center of Excellence-Ansatz Also baust zentral ein Team auf, was das steuern kann? Oder würdest du eher sagen, dass irgendwie so... AI, Automation, Specialist-Funktionen in den einzelnen Units oder Fachbereichen sitzen? [00:31:00] Was glaubst, ist ein guter Weg? Florian: Das hängt tatsächlich von der Phase ab, also wir sind momentan noch in der frühen Phase. Mein Team und ich, wir hängen auch zentral aber nicht in der IT, sondern im Bereich vom CEO und Da will ich langfristig kein großes Team aufbauen für den Betrieb von so einer Plattform. Wir sind da, um die Felix: Vielen Dank. Florian: anzuschieben, um zu enablen, um das ins Laufen zu bringen. Was bedeutet, wir müssen die Kolleginnen und Kollegen befähigen, das Tool auch zu nutzen. Also sehr, sehr viel verbessert das in den Fachbereichen Die wir jetzt enablen und das wird uns sicher so in den ersten ein bis zwei Jahren begleiten und dann müssen wir sehen wie wir den Betrieb wahrscheinlich neu organisieren, wenn wir eine sehr, sehr hohe Nutzung haben. Felix: Du hattest mir im Vorbereitungsgespräch von einem echt coolen Use [00:32:00] Case erzählt, vielleicht können wir den nochmal aufnehmen, nämlich eure Support- Hotline oder Support Help Desk der ja auch aus dieser Initiative heraus entstanden ist. Magst du uns da nochmal kurz durchführen? Florian: Ja, das ist ein super Use Case, vor allem auch wegen dem Elan den unser Fachbereich da gezeigt hat. Felix: Vielen Dank.[00:33:00] Vielen Dank[00:34:00] Dank Vielen [00:35:00] Dank Ja ach ich liebe dieses Cases und auch was du beschrieben hast, zeigt es ja ganz schön. Also brauchst du natürlich einen engagierten Fachbereich, die auch offen dafür sind, idealerweise noch. Ein Leader oder Leaderin, die da mit gutem Beispiel vorangeht und das selbst ausprobiert und auch dann einsetzt. Und dann ist aber diese Niedrigschwelligkeit ... Und gleichzeitig ja doch schon viele Fähigkeiten die GenAI mitbringt großartig geeignet Genau für solche Bereiche wo viel kommuniziert wird oder viel Text verarbeitet wird. Super, sehr, sehr cool. Ich will jetzt noch einmal den Kreis schließen mit dir. Und zwar hatten wir angefangen über Venture Clienting zu sprechen. Und jetzt die letzten... Minuten haben wir über eure Gen-AI-Plattform gesprochen, wo ihr mit Blockbrain ja auch mit einem Startup zusammenarbeitet. Habt ihr euch in dem Zuge eigentlich auch die etablierten Player [00:36:00] angeschaut also die Enterprise-Lösung von OpenAI oder Copilot, was ja auch viele ähnliche Unternehmen wie eures einsetzen und warum habt ihr euch dann für ein Startup entschieden? Dann schauen wir noch ein bisschen nach vorne, und zwar... Du bist ja jetzt in deiner Rolle für die digitale und KI-Transformation verantwortlich Es scheint so, als hättet ihr einige Sachen richtig gemacht, sowohl was die breite Befähigung angeht aber auch vertikal schon die ersten konkreten Cases umgesetzt, die sofortigen Mehrwert geliefert [00:37:00] haben. Wenn du dir jetzt die nächsten Jahre anschaust, was glaubst du, werden so die Erfolgsfaktoren sein, um diese KI-Transformation bei Ebersbecher zu meistern? Vielen Dank Dann schauen wir noch einmal [00:38:00] kurz zurück, wenn du jetzt die letzten Jahre reflektierst, den Weg den ihr gegangen seid, gibt es da eine Sache, wo du sagst, das würdest du, wenn du jetzt nochmal von vorne anfangen könntest, Ganz anders machen, wo ihr auch irgendwie Lehrgeld bezahlt habt. Untertitelung ZDF Mhm. Würdest du sagen, Unternehmen, die das machen, sollten vorher bestimmte Grundlagen auf jeden Fall geschaffen haben, um nicht Gen-AI über irgendwas drüber zu streuseln, was vielleicht noch nicht bereit dafür ist? Daten Kompetenzen, die es gibt, bestehende Infrastruktur ... Kultur.[00:39:00] ZDF, Und wir haben am Anfang ein neues Format eingeführt, die Kick Quick Fire Round. Jetzt enden wir mit einem neuen Format. Und du darfst den Start machen. Und zwar ab sofort Werde ich jedem Gast eine Frage stellen, die der vorherige [00:40:00] Gast gefragt hat und diese dann immer weiterreichen. Und da du die Nummer eins bist, dass du jetzt also die erste Frage stellen, ich stelle dir aber eine und zwar, was ist denn die eine Frage zu KI, die dir bisher noch niemand beantworten konnte und die der nächste Gast hier im AI First Podcast beantworten darf? Dank. Okay alles klar. Dann nehme ich die mit. Da bin ich auch gespannt auf die Antwort und bedanke mich sehr herzlich bei dir, [00:41:00] Florian, für die vielen Insights und dass wir uns einmal durch eure... KI-Strategie und wie ihr Probleme in die Umsetzung bringt, durchgeführt hast. Vielen Dank.