Claudio: [00:00:00] Schön, hier zu sein. Felix: Claudio ich spiele den Ball Matthew: [00:01:00] Vielen Felix: mal kurz, wer bist du, was machst du und wo steht ihr gerade Matthew: Dank. Claudio: Claudio ich verantworte bei uns, wie du sagst, das Thema Business Innovation Wir haben uns in den letzten Jahren viel mit Technologien auseinandergesetzt. Web3 war mal eine Zeit lang ein sehr großes Thema. Wir haben Startup-Kooperationen aufgebaut. Felix: Dank. Claudio: zuständig. In den letzten zwei Jahren hat sich meine Rolle allerdings tatsächlich zugespitzt auf das Thema künstliche Intelligenz ein massiv großes Thema, was ich jetzt seit etwa zweieinhalb Jahren verantworte und beim VfL Wolfsburg auf der Matthew: Vielen Dank. Claudio: Das bedeutet, wir selbst sind zwar natürlich, Matthew und ich haben regelmäßigen Austausch wir haben gerade ein gemeinsames kleines Projekt, wo Matthew mich beispielsweise unterstützt [00:02:00] wo es um Vertriebsautomatisierung geht, Matthew: Vielen Dank. Claudio: eingeführt und auch großflächig eingeführt. Das heißt, alle Mitarbeiter haben tatsächlich seit dieser Woche eine eigene JetGPT Enterprise Lizenz, mit der sie arbeiten können. Das war ein langer Weg bis dahin. haben JetGPT Enterprise und entsprechende GPTs auf operativer Ebene in den Wertschöpfungsketten verankert Wir sind auch da sehr erfolgreich mit. Von da würde ich sagen, wir sind teilintegriert haben aber sicherlich noch einen Schritt zu gehen, was das Gesamtpotenzial von KI als Technologie angeht. Felix: Matthew, wie sieht es auf der Sportseite aus? Matthew: Vielen Dank von meiner Seite Felix: Vielen [00:03:00] Dank. Matthew: kümmere mich hier im Sport um das ganze Thema Data Science, das heißt mein Büro befindet sich direkt hier am Trainingsgelände Also wir bearbeiten alle möglichen Themen, was jetzt mit Sport bzw. mit Fußball hier zu tun hat, also von Taktik bis zu Gesundheit, also überall, wo wir Daten bekommen, sammeln, finden können, also dann werden wir das auf jeden Fall behandeln. Von meiner Seite, also ich komme von der Data Science Machine Learning Schiene, also habe ich in dem Bereich auch promoviert, viel in Profi-Handball und Fußball auch gemacht bei unterschiedlichen Themen. Natürlich alle sehr Machine Learning lastig oder wie man heutzutage sieht. Heutzutage sage ich so, KI-lastig und bin seit zwei Jahren beim VfL. Also wir haben das Ganze hier im Sport jetzt vor zwei Jahren gegründet bei der Mannschaft direkt. [00:04:00] Und genau, jetzt sind wir direkt damit jetzt unterwegs. Ich glaube, momentan bei uns ein bisschen anders als bei Claudio natürlich. Also so Generative AI oder LLM hat weniger Wichtigkeit jetzt im Sport oder zumindest heutzutage jetzt im Sport. Also wenn wir von KI oder von Machine Learning reden, sind mehr wirklich die Themen, die jetzt predictive sind. Also was können wir damit generieren als Output als Wahrscheinlichkeiten als Felix: Untertitelung Matthew: Entscheidungsunterstützung? Natürlich kaufen wir auch viele Daten von externen Anbietern, die Tatsächlich auch Modelle haben, wo die selber jetzt solche Prognose oder Informationen liefern können. Also von daher, ich glaube, da sind wir ein bisschen anders unterwegs. Nichtsdestotrotz also das ist jetzt ein Thema, was wir intern jetzt weiter pushen wollen. Also wir machen nicht nur Analysen wir haben einiges an Themen, die wir jetzt selber entwickeln und anwenden. Und ich glaube, diese Schiene können wir jetzt noch in ein paar Minuten nochmal jetzt in Detail besprechen [00:05:00] Untertitelung des ZDF, Felix: Einsatz Matthew: Vielen Claudio: überraschende Ergebnisse herausgekommen. Also erstmal haben wir tatsächlich massive Matthew: Dank Claudio: generieren können auf Geschäftsseite. Das heißt, wir haben Dienstleistungen ersetzen können, Teil ersetzen können. Das muss ich ja vorstellen. Fußballverein ist ja neben dem Sport, der natürlich das Kerngeschäft abbildet auch ein Entertainment-Unternehmen. Das heißt, wir Felix: Dank. Claudio: Und Matthew: Vielen Dank. Claudio: viel Arbeit übernehmen. [00:06:00] Man denke an Live-Ticker, an Spielbericht, Automatisierungen, Felix: Vielen Dank. Vielen Dank. Claudio: haben. Unser Verein, auch wenn wir ein... Vergleichsweise kleiner Verein sind, hat dennoch internationale Relevanz. Und wir sind in vielen Sprachen unterwegs, ob das Spanisch Brasilianisch, Englisch natürlich ist. Auch da konnten wir viele Dienstleistungskosten einsetzen. Das ist so das, was man sehr schnell und auch sehr einfach erkennen kann und auch in KPIs niederschreiben kann. Wir haben natürlich, das ist jetzt mehr über qualitative Ergebnisse Felix: Dank Claudio: also hauptsächlich über meine Unterhaltung mit den Kollegen, natürlich Matthew: Vielen Dank. Claudio: können. Ich würde das mal so behaupten im Schnitt um die 45 Minuten, die wir pro Woche machen konservativ gerechnet schon pro Lizenz einsparen können, pro Kollege. Das sind auch dann sechsstellige [00:07:00] Einsparungen, die wir dann am Effizienz gewinnen haben. Wir haben das Ganze dann versucht, ein bisschen auch zu verifizieren, also uns nicht nur auf Matthew: Vielen Dank. Claudio: Ergebnisse, Felix: Vielen Claudio: ich jetzt in meinen Umfragen Felix: Dank. Matthew: Vielen Claudio: Zeit dann auch ein? Also die Routineaufgaben Matthew: Dank Claudio: dann ersetzt, beispielsweise ein simples Erstellen eines Textes für unsere Website, was jetzt automatisiert stattfindet. Und die Zeit kann man jetzt in eine andere Tätigkeit stecken. Aber wie viel werthaltiger ist diese Tätigkeit? Bestenfalls in Euros, Felix: Dank. Claudio: gelingt uns noch nicht, das haben wir allerdings auf dem Schirm und sind auch immer offen für Anregungen, wie man sowas dann besser klassifizieren kann. Felix: Sagt Bescheid [00:08:00] wenn ihr es gefunden habt. Claudio: das Felix: ich auch gern. Und Matthew: Vielen Felix: hatte ja schon gesagt, Premiere... mit einem Profi oder Spitzensportverein hier in dem Podcast. Was sind denn so ein paar Anwendungsfälle, die es bei euch gibt, die es vielleicht in so typischen Unternehmen, die so klassische Funktionsbereiche klassische Wertschöpfungskette haben, vielleicht nicht gibt? Claudio: Sehr gute Frage. Ich hab da tatsächlich einen, der hat mich selbst sehr überrascht. Ich geh vielleicht einen Schritt vorher rein, um auch einmal zu erklären, wie wir überhaupt auf diese Anwendungsfälle gekommen sind, weil ich das für extrem wichtig halte. Felix: Vielen Dank. Claudio: als wir vor zwei Jahren vor der Aufgabe standen okay, da ist jetzt dieses Thema künstliche Intelligenz dann stand ja unsere Einheit, die Innovation, Matthew: Dank. Claudio: der Innovation, vor der Fragestellung worum handelt es sich Felix: [00:09:00] Vielen Claudio: Experten der Technologie, die da kommt. Und wir haben eine ganz ganz entscheidende Technologie Felix: Dank Claudio: wir das Thema künstliche Intelligenz bei uns im Geschäftsbereich überhaupt auf? Also ist das jetzt ein IT-Thema, ein Tool-Thema oder soll das eben doch bei uns in der Matthew: Vielen Dank. Claudio: also eher ein Geschäftsfeld-Thema werden? Und ich halte das für einen entscheidenden Schritt, den wir gemacht haben, den ich beobachte den viele anders gehen, dass wir gesagt haben das liegt bei uns, weil Wir sind ausgebildete Workshop-Halter, wenn es dieses Wort gibt. Wir Felix: Dank. Claudio: ganz viel, ganz eng mit Menschen, Stakeholder-Management, People-Management. Felix: Dank Claudio: Wir sind im Geiste Transformationsmitarbeiter. Matthew: Vielen Dank. Claudio: Und wir haben demnach extrem viele Workshops durchgeführt mit unseren Kollegen, wo ich einfach mal versucht habe zu verstehen, was machen meine Kollegen eigentlich den ganzen [00:10:00] Tag? Weil ich habe ja auch Felix: Vielen Dank. Claudio: aus? Oder was macht auch beispielsweise unser Greenkeeping-Team? Wir haben mit unserem Bundesliga-Rasen ein Asset, das jetzt, um auf deine Frage zu kommen, viele normale Wirtschaftsunternehmen jetzt nicht unbedingt haben. Und dieses Asset Matthew: Vielen Dank. Claudio: Und in dem Workshop, wo meine Greenkeeping-Kollegen drin waren, kam ein Anwendungsfall raus, Matthew: Vielen Claudio: ist übrigens ganz normal, dass Matthew: Dank Claudio: das ist ganz normal. Es geht darum, dass wir nicht ausarten dürfen. [00:11:00] Und vor ChatGPT oder Matthew: des ZDF, 2020 Claudio: Und jetzt haben wir einfach ein GPT aufgesetzt, was all dieses Wissen bereits hat. unsere Kollegen müssen noch ein Foto schießen und Matthew: Vielen Dank. Claudio: verbreiten die sich und was kann man eben noch dagegen tun. Und das hat mich dann doch sehr überrascht weil es auch einfach ein Job ist, der so weit von meiner eigenen Realität weg ist, Matthew: Vielen Dank. Felix: ist auf jeden Fall ein Anwendungsfall, von dem ich noch nicht gehört habe, aber klar, wenn du jetzt auch LLM Hast, die immer besser Bilder auswerten können, auf den Daten trainiert sind, dann ist es nicht [00:12:00] so Matthew: Untertitelung des ZDF, Felix: und diese mit den Fähigkeiten Matthew: 2020 Felix: KI zu kombinieren, also die richtigen Probleme zu finden, die von KI überhaupt gelöst Matthew: Vielen Dank. Claudio: Man muss sich vorstellen, das haben wir alle erlebt als Chat-GPT bekannter geworden ist, so als Felix: Untertitelung ZDF Claudio: mehr oder weniger massentaugliche Angebot irgendwie da war, war das für die meisten Kollegen, die sich jetzt noch nicht damit auseinander gesetzt haben, ein böhmisches Dorf. Wussten gar nicht, worum geht es eigentlich, was ist das? Und uns ist ganz schnell bewusst [00:13:00] geworden, deswegen auch die Entscheidung, dass es bei uns in der Einheit liegt, wir müssen erst mal für Verständnis sorgen, wir müssen erst mal Eintrittsbarrieren reduzieren Bevor wir überhaupt anfangen können, Felix: Dank. Claudio: nur dann adaptiert Felix: Untertitelung ZDF Claudio: der Mensch im Mittelpunkt steht. das bedeutet, man muss dem Ganzen auch Zeit geben, man muss den Menschen auch Zeit geben, sich so einer neuen Technologie zu nähern insbesondere wenn wie unser Matthew: Vielen Dank. Claudio: gemacht. Wir haben beispielsweise sehr früh in der Phase angefangen, so Mitarbeiter-Experience-Sessions anzubieten, wo wir einfach mal verschiedene Anbieter hier hatten, die auf Handys vorinstalliert hatten, Und einfach mal gesagt haben, jetzt probiert euch aus. Hier sind ein, zwei Sachen, macht das doch mal. Guckt mal, wie die Reaktion [00:14:00] ist, wie ihr damit arbeiten könnt. Wir haben damals parallel auch noch Mixed Reality probiert. Matthew: Dank. Claudio: den gleichen Mitarbeiter Matthew: Untertitelung Claudio: oder die MetaQuest 3, die die Kollegen sich Matthew: des Claudio: Und das war ein Riesenerfolg, Felix: Untertitelung ZDF 2020 Claudio: an etwas Neues war Auch mal raus aus dem eigenen Arbeitsalltag zu kommen für ein paar Stunden, das hat Barrieren extrem schnell eingerissen Matthew: 2020 Claudio: Vertrauen auch geschaffen zu mir und meinem Team. Was dann wiederum darin resultiert ist, dass die Kollegen gerne in die Workshops Matthew: Vielen Dank. Claudio: in allen Bereichen. Und es hatte den Riesenvorteil dass es einfach schon bekannt war. Also dass die Leute [00:15:00] wussten wenn ich sage ChatGPT Matthew: Vielen Dank Claudio: die haben einfach da zusammengespielt die Annahme der Technologie deutlich schneller voranzutreiben. Und das haben wir dann in entsprechenden Workshops umgemünzt. Und da kann ich, glaube ich nichts erzählen was Leute, die auch Workshops durchführen nicht auch wissen. Das macht man dann mit modernen Ansätzen wie Design Thinking. Schönen Matthew: Genau. Claudio: Zwei Jahre ist auch schon eine sehr gute Zeit. Ich bin seit zehn Jahren im Verein, das heißt, mich kennen die Leute auch sehr gut. Und ich kenne die Leute auch alle sehr gut. Und ich hatte bereits zehn Jahre Zeit im Verein Felix: Vielen Dank. Claudio: mir ein Standing aufzubauen, viel mit den Leuten Mittagessen zu gehen, mal hier um den Allersee zu [00:16:00] spazieren und die Leute auch einfach kennenzulernen. Und diese Vertrauensbeziehung, die man hat, Gepaart mit der Transformationsarbeit, die ich eben beschrieben habe die ist einfach in sehr erfolgreichen Workshops gemündet Und was wir da konkret gemacht haben, ist sehr einfach. Wir haben Prozesse skizziert. Weil ich musste ja erstmal verstehen, wie sieht ein Arbeitsprozess Matthew: Vielen Claudio: morgens bis hin ich erkenne eben die Matthew: Dank Claudio: zu erlangen zu skizzieren, aufzuschreiben, festzuhalten, um dann zu verstehen, wo kann ChatGPT in dem Falle oder ein GPT in diesem Matthew: Vielen Claudio: und im Endeffekt automatisieren. war das Ziel des Workshops und wir haben weit über 250 Anwendungsfälle gefunden im [00:17:00] Verein, die wir lösen können. Teilweise mit GPTs oder mit anderen Funktionen von Chat-GPT. das ist schon eine massive Zahl. Felix: Jetzt hast du gerade selbst schon gesagt, dass ChatGPT nicht mehr das performanteste Tool ist und es gerade wie so eine Abwanderungswelle gibt, insbesondere Google Gemini, Matthew: Vielen Felix: mit Claude ist weit vorne. Warum Matthew: Dank. Felix: auszuholen? Claudio: Also erstmal muss man ja die Begrifflichkeit sich anschauen. Nicht mehr das performanteste bedeutet ja nicht nicht performant. Das Matthew: Vielen Claudio: wichtig, glaube ich zu verstehen. Und das zweite, Matthew: Dank. Claudio: deutlich mehr, was dort passiert und was auch möglich ist, als [00:18:00] das jetzt, ich sage Matthew: Vielen Dank. Claudio: Sondern die möchten ein Tool, was gut funktioniert, was gute Ergebnisse liefert, bis sehr gute Ergebnisse liefert. Ein Tool, das sehr einfach zu bedienen ist und das ist ChatGPT, ein ganz, ganz tolles User-Interface sehr einfach sich zurechtzufinden auch für Leute, die es das erste Mal benutzen. Und das ist für mich deutlich entscheidender, als Felix: Dank. Claudio: jetzt ein anderes Tool in Teilbereichen noch mal performanter ist, als das vielleicht OpenAI gerade liefert. Matthew: Vielen Claudio: ist ja ein Wettrennen. Da ist mal der Erste, dann ist Matthew: Dank. Claudio: Sinn, dann aktionistisch hin und her zu wechseln zwischen den Tools, wenn man eine [00:19:00] Single-Tool-Strategie fährt zumindest, weil das ein Chaos enden wird. Wenn man natürlich eine Multi-Tool-Strategie fährt, super, dann kann man alle Vorteile bis zum Letzten ausnutzen. Wir fahren eben diese Matthew: Vielen Dank. Claudio: weil wir eben die Barriere niedrig halten wollen und sind damit extrem zufrieden. Felix: Was sind denn Dinge, wenn du jetzt nochmal starten könntest was würdest du ganz anders machen? Claudio: Auch eine sehr gute Frage, ja. Was würde ich ganz anders machen? Auch wenn ich gerade betont habe, dass ich glaube, die Geschwindigkeit, die wir an den Tag gelegt haben, ausreichend war, um die meisten Kollegen mit abzuholen. Felix: Vielen Dank. Claudio: Wir haben am Anfang diese Diskussion die ich am Anfang so trivial beschrieben habe ja, wir haben ein bisschen diskutiert ob es ein IT-Thema oder ein Business-Innovation-Thema ist. [00:20:00] Das war nicht eine halbstimmige Diskussion Das waren mehrere Wochen, die wir da diskutiert haben, geguckt haben, wie machen wir es jetzt eigentlich. So eine Entscheidung schneller herbeizuführen, um die Zeit dann schneller dafür nutzen zu können, beispielsweise Mitarbeitertage zu organisieren oder Workshops vorzubereiten, das würde ich im Nachhinein definitiv anders machen. Ich glaube, ich hätte mir auch Matthew mal in deine Richtung viel schneller noch deine Hilfe dazu geholt. Wir kennen Felix: Dank Claudio: schon ein bisschen was, aber ich schätze Matthews Rat beispielsweise sehr, der in vielen Themen einfach nochmal viel tiefer drin steckt. Wir haben uns sehr viel Hilfe von außen geholt. Viele Leute, die selbst gegründet haben, auch von Beratungsagenturen natürlich, von Leuten aus dem Silicon Valley, um uns aufzuschlauen. hätte aber Matthew, so er die Zeit gehabt hätte, deutlich früher Felix: Ja. [00:21:00] Matthew, ich Matthew: Vielen Dank. Felix: Erlebst du im Sport da ähnliche Herausforderungen, dass es so um diese auch menschliche Transformation geht und die neue Technologie irgendwie das Vertrauen der Menschen in der Nutzung und auch die Nutzung der neuen Technologie der Menschen überhaupt zu steigern oder geht es um ganz andere Themen? Matthew: Das ist eine sehr gute Frage. Ich glaube, allgemein jetzt im Sport ist es ein bisschen anders. Also wir haben unser eigenes Data Department, also unsere eigene Datenplattform, also Entwicklung in-house, also das ist für Die Leute intern beliefern können mit ganz Informationen und die Tools die wir im Alltag brauchen. Ich glaube, oder würde ich [00:22:00] hoffen dass heutzutage Daten und diese ganze Datenkultur im Profifußball Angekommen oder längst angekommen ist. Also ich würde sagen, dass hier beim VfL auf jeden Fall ist das so der Fall. Natürlich, Jetzt ist es eine sehr große Branche, aber bei uns auf jeden Fall so. Von daher, Daten gab es vorher, bevor ein Department hier, gab es beim VfL natürlich, weil also das wird von der Liga geliefert. Das wird externe aktualisiert Eingekauft wie daher die Daten gab es schon mal was, aber natürlich jetzt nicht zentral dass wir wirklich in Abteilungen ein paar Köpfe hier, die jeden Tag damit sich beschäftigen, neue Tools basteln, Dashboards, Reports, alles Mögliche was jetzt das Leben hier erleichtern würde. Von daher ich glaube, Das ist sehr einfach, zumindest bei uns, das Ganze oder die Leute zu überzeugen. Je mehr wir machen, desto mehr kommt als Anfragen. Von daher natürlich, wir haben nicht genug Zeit. Mit dieser, wie viele Tage pro Woche haben wir noch jetzt? Acht oder neun pro Woche Arbeitstage, glaube ich. Also ist normal bei [00:23:00] uns. damit kann man noch mehr schaffen, noch Mehr schaffen, die Anfragen Die paar KPIs, die wir uns angeguckt haben, wenn die so aussehen, können wir die noch besser auswerten oder benutzen. Von daher glaube ich zumindest bei uns und die meisten Clubs, die ich kenne, wo ich Freunde oder Bekannte habe, die auch im Bereich Daten arbeiten, das ist natürlich überall angekommen. Und nicht nur Fußball, sondern Profisport allgemein ist da angekommen, dass man muss man solche Tools benutzen. Also sind Klar, der Mehrwert ist auch klar, was bringen wir das, was ist da drin, dann benutzen wir das im Alltag, wir benutzen das beim Live-Spiel oder einen Tag nach dem Spiel, das ist uns alles wichtig, wir wissen, was kommt, was nicht kommt und wir haben unsere Fahrplan, was... Wollen wir oder wo wollen wir hin für die nächste drei, sechs oder zwölf Monaten, sind noch am Wachsen hier in der Abteilung aber was können wir jetzt für die Zeit jetzt für uns was relevant ist? ein bisschen anders, also wie bei Claudio, das sind so mehrere hundert Leute, die da drüben in der Arena sitzen und im Alltag arbeiten, hier ist relativ kleiner [00:24:00] natürlich, wir kennen uns alle, von daher die, Die Wege sind viel kürzer und ich glaube, das macht natürlich vielleicht das Ganze immer ein bisschen anders. Felix: Du hast jetzt schon Daten angesprochen. Ich will das mal besser verstehen. Über was für Daten sprechen wir da und auch über welche Mengen? Matthew: von Fußball, alles, was passiert auf dem Platz, also bei einem Spiel, beim Training, im Gym, alles wird entweder getrackt mit bestimmten GPS-Trackers oder Heart-Rate-Trackers oder alles Mögliche. Also von Performance-Seite wirklich, wirklich die Trainingsbelastung abzuhalten Physischen Attributen, alles Mögliche bis zu wie viel Pässe bei einem Spiel und alles Mögliche was drumherum geht. Also von daher viele Sachen sammeln wir intern, das heißt wir haben Geräte oder diese GPS-Trackers, was man oft erkennt auf dem Fernseher, diese Gurte die die Spiele tragen unter dem Trikot, das kennt man als Zuschauer, das werden [00:25:00] wir alles Tracking, das sammeln wir jeden Tag mehrmals am Tag, um noch dazu von der Liga oder bestimmten externen Anbietern, wo wir Daten auch kaufen. Also die Daten sind manchmal nur Fakten. Daten können auch von Maschinenmodellen generiert werden oder KI generiert werden, wie wenn man sagt, Was man im Fernsehen immer sieht, XG, XG ist ein Machine Learning Modell am Ende, das ist nur die Prognose, die Torwahrscheinlichkeit am Ende, damit haben wir alles das auf unserer Datenplattform und dann wissen wir, okay, was können wir direkt so liefern, was müssen wir noch bearbeiten, was wollen wir noch benutzen um weitere Modelle zu trainieren. Um bestimmte genau Entscheidungsprozesse zu erleichtern oder zu ermöglichen. Also von Gesundheitswesen bis alles, was auf dem Platz passiert. Und am Ende haben wir jetzt eine Datenbank mit ein paar hundert Tabellen und mehrere Millionen, wenn nicht Milliarden Daten rein. Und wir haben tatsächlich viel zu viel Daten, viel mehr Daten als wir tatsächlich fast [00:26:00] Machen könnten und das ist das Schöne dabei, aber das bleibt spannend, also wir haben immer mehr die Möglichkeit, alles zu machen, was wir theoretisch jetzt machen würden oder möchten, weil die Möglichkeiten sind da auf jeden Fall. Felix: Oft ist es ja andersrum. Es gibt jetzt irgendwie, KI wird immer zugänglicher, aber die Daten sind entweder nicht da oder die sind zwar da, aber liegen in irgendwelchen Ordnern oder eingescannten PDFs Auf irgendwelchen Servern, also sind nicht nutzbar, also das ist ja meistens der Flaschenhals, aber ihr Daten in der nötigen Qualität, könnt die aktuell immer wieder zukaufen, über verschiedene Dimensionen entlang von, rund um das Spiel, aber auch die Trainingsdaten, die Gesundheitsdaten all das, wie, verstanden wie setzt ihr jetzt Da KI obendrauf. Und vielleicht am besten wäre es, wenn du so ein paar Use Cases uns einfach mal schildern kannst. Also [00:27:00] kommt dabei raus und wie hilft euch das weiter? Matthew: Und natürlich über konkrete interne Projekte kann ich natürlich nicht im Detail sprechen. Das ist Fußball, das bleibt sehr sensibel. Claudio: Dank. Matthew: das so aus meiner Sicht, also sind vor allem die Live-Use-Cases besonders spannend. Also das ist was, was wir jetzt diese Saison angefangen haben, also live beim Spiel anwesend zu sein, dass wir jetzt Tools basteln wollen oder weiter basteln wollen, dass wir jetzt da live bei einem Matchday direkt anwesend sein können und die Sachen vorantreiben. Von daher alle Themen, die sehr nah am Spielgeschehen sind und vielleicht einen direkten Einfluss bei bestimmten Entscheidungen haben könnten. Also von der Themen, die wir jetzt momentan viel besprechen. So passt Muster Erkennung von der wir wissen allem. Millionen Datensätze, die jetzt bei einem Spiel reinkommen. Also Pressingsverhalten, Open Space, Erkennung direkt bei einem [00:28:00] Spiel, wenn nach ein paar Minuten sich was bewegt und man merkt okay, da könnte man vielleicht direkt damit generieren, wo sollten die nächsten Lücken sich öffnen. Wir hatten ein Thema noch mit Und mit Formationserkennung, vielleicht die Augen brauchen ein paar Sekunden ein paar Minuten mehr, das wirklich klar zu erkennen, aber dass die Maschine so schnell wie möglich ein bisschen Tipps oder Info da weitergeben könnte. Die ich persönlich sehr spannend finde und je nach Setup glaube ich, da ist in Echtzeit oder nahezu Echtzeit jetzt interpretierbar am Ende, dass man die Informationen direkt bei einem Live-Spiel jetzt wirklich eine Toolbox am Ende, in ein paar Jahren wäre mein Wunsch dass wir jeden Wolfsburg unsere eigene Toolbox haben und wir gehen zum Spiel damit los Und die Spielanalysten und Datenanalysten, die da oben sind, während des Spiels können direkte Informationen liefern, ein bisschen so dieses Gefühl von Cockpit wie bei Formel 1 und so, wo so [00:29:00] viele Menschen dahinter stecken, vielleicht jetzt nicht auf dem Niveau natürlich, weil es sind keine Autos und die Daten, die Menge ist vielleicht nicht die gleiche aber so ein Gefühl zu haben, dass, am Ende müssen Menschen Entscheidungen live treffen auf dem Platz, auch nicht nur Trainer, sondern Spieler, sondern das kann man nicht mehr beeinflussen, aber es ist zumindest das Ganze drumherum ich glaube, das ist ja spannend, was wir jetzt mit KI da schon angefangen haben und was wir noch da weiter pushen können für Themen also muss man sagen in Deutschland, hier hat man sehr viel Glück also wir kriegen von Kameras, die im Stadion installiert sind sehr, sehr viel Daten beim Spiel live, also wir reden von Und im Dreh für 90 Minuten spielt vielleicht 3,6 Millionen Datenpunkte, das heißt alle Bewegungen von allen Spielern und Ballen während des Spiels. Also das sind 25 Datenpunkte pro Sekunde pro Ball, pro Spieler. Von daher, das sammelt sich schnell. Von daher, da kann man wirklich alles tracken und überlegen Ja, dann braucht man nur Kreativität. [00:30:00] Was wollen wir erkennen? Was wäre das Ziel? Was wollen vielleicht die Trainer oder die Mannschaft wirklich als Input haben während des Spiels und dann die Modelle drumherum basteln die das in so einem Text oder in einem Live-Setup ermöglichen Also von daher, natürlich gibt es auch Events dazu, also die Pässe die Schüsse Alles mögliche Die sind auch getagt die kommen auch rein während des Spiels und danach. Aber wenn man das alles zusammenpackt, dann ist man so... Genau, also wir haben sehr viel Glück, dass wir so viele Daten haben können. Ich weiß, das ist jetzt heutzutage sehr schwer, aber das Thema Daten hat du gut angesprochen. Die Leute haben KI, aber haben keine Daten oder die wissen nicht, wo die Daten sind. Für uns war es wichtig, dass wir jetzt nehmen unsere Allgemeine Tätigkeit mit Analysen und Reporting nochmal jetzt eine sehr solide Datenplattform haben, wo wir immer alles haben und egal welche Fragestellungen kommen, egal ob das nur eine Ad-Hoc-Analyse, wo keine KI nötig ist, aber es war dann okay, dann können wir direkt loslegen und die Fragen beantworten. Die Daten sind alle da [00:31:00] von den letzten paar Jahren, wir können direkt da reingucken, die sind sauber, die sind verarbeitet und heute Nacht kommen die Neue rein. Und bei einem Spiel finde ich das sehr super spannend und ich glaube ein Thema... Was mehr und mehr rauskommt in der Community ist aus Simulationen also Simulations von Spiel, Simulation von Startelf, habe ich letztens auf einer Konferenz gesehen, Simulation von Transfer, also sehr viele Sachen die jetzt mit KI oder bestimmten Maschinenmodellen einiges ermöglichen würden, bevor man vielleicht eine sehr tolle Entscheidung macht, noch mehr bei Transfers zum Beispiel. Ja, sehr aufregend das Ganze. Felix: Ist es denn, ich dachte die Matthew: Untertitelung ZDF Felix: es erlaubt dass Spieler schon einen Knopf im Ohr haben können und in Echtzeit vielleicht mit wenigen Sekunden Versatz die Information bekommen, jetzt tut sich hier die Lücke auf, also Spiel folgenden Pass? Du Matthew: ist eine sehr gute Frage, jetzt bin ich überfragt. Also ich würde hoffen dass es nicht möglich ist, also das [00:32:00] sollte nicht ankommen, ich glaube das gibt es in bestimmten Sportarten, das weiß man, aber in Fußball, ich glaube das bei Fußball, also wir sind da für die Trainer und das ganze Drumherum ich glaube das ist Emotional in dem Moment, diese 90 Minuten, das geht sehr schnell durch, also das muss man wirklich jetzt die Information so schnell wie möglich liefern, von daher ja, ich hoffe, das ist jetzt auf dem Niveau dass die Trainer die Information haben und dann können die entscheiden, was die filtern, rausfiltern oder vielleicht nur in der Pause nochmal liefern, also aber beim Spieler direkt, ja, also ich glaube nicht. Felix: Ja Matthew: Dank. Felix: habe ich schon mal verstanden, also so einen großen Unterschied, den ich sehe, bei euch Claudio ist generative KI für die Art und Weise der Arbeit, die ihr macht, sehr, sehr relevant, insbesondere jetzt so was den Content angeht aber du hast auch den Rasencase geschildert also verschiedene Varianten aber schon viel LLMs generative KI, bei euch Matthew geht es noch, Vielmehr um Machine Learning und aus [00:33:00] riesigen Datenmengen möglichst korrekte Prognosen zu machen, um bessere Entscheidungen treffen zu können, die Matthew: Genau. Felix: den Platz dann nach vorne bringen. Okay, Claudio, jetzt hatten wir hier bei Matthew auch viel über Daten gesprochen. Erzähl mal, ist ja auch bei Gen-AI, spielt es ja auch? Dann doch schon eine Rolle, man kann noch, weil die Modelle schon Daten, viele Daten in sich tragen oder darauf trainiert sind, auch so gesehen ohne Daten ein bisschen was machen, aber man stößt ja schon recht schnell an Grenzen. Wie hat sich eure Arbeit mit Daten, euer Nachdenken über Daten verändert jetzt im Zuge auch der KI-Transformation? Claudio: Massiv. Du hast mir vorhin die Felix: Vielen Claudio: on me, dass ich das nicht gesagt Felix: Dank Claudio: Ich würde das Thema Daten und auch Prozesse früher mitdenken. Die Relevanz dieser beiden Komponenten [00:34:00] auch schon beim Thema generativer KI ist einfach massiv. das stellen wir gerade auch vermehrt Matthew: Vielen Dank. Claudio: Agentisierung kompletter Arbeitsprozesse nach. Und um das tun zu können Müssen wir den Status erreichen, den Matthew gerade beschrieben hat, den es im Leistungssport schon gibt. Matthew: Dank. Claudio: teilweise wahrscheinlich auch an verschiedenen Systemen und das einmal anzugehen Da bin ich sicherlich nicht der kompetenteste Ansprechpartner für intern. Matthew: Vielen [00:35:00] Dank. Claudio: nichts anderes als ein Nutzengenerator eben genau dort, wo eben Daten und Prozesse zugänglich sind. So und diese Barrieren haben wir auf der Geschäftsseite noch und die gilt es anzugehen das tun wir auch. Wir arbeiten gerade an einer deutlich fundierteren Datenstrategie die wir aufsetzen wollen. Wir haben zum Glück ein Prozesteam an Verwaltungsseite also zwei Kollegen, die Prozesse identifizieren und wirklich im Detail auch skizzieren und dieses, ich nenne es mal magische Matthew: Vielen Dank. Claudio: noch enger zusammenzudenken, das wird die Aufgabe der nächsten Wochen bei uns sein. Felix: Matthew, eine andere Frage kam mir noch und zwar habe ich mich gefragt, ich jetzt so ein gestandener Trainer bin, gestandener Coach, seit dutzenden Jahren im Geschäft schon den einen oder anderen Erfolg eingefahren mit meinen Teams, wie schwer ist es denn so jemanden [00:36:00] Zu überzeugen von dem Ergebnis eines Machine Learning Modells. Was ja, wie ich mir vorstellen könnte, gegen das Bauchgefühl was über viele Jahre gewachsen ist, dieser Person antreten muss. Oder, vielleicht denke ich da auch total falsch, ist es bei euch ... Ist dieses datenbasierte Arbeiten bei euch schon so verankert im Profifußball, dass natürlich jeder Trainer sich auf eure Analysen stützt und daraus Entscheidungen ableitet? Matthew: Also Ich glaube, es gibt von bis, würde ich jetzt davon ausgehen Also es gibt bestimmt jetzt Trainer in der Fußballwelt, die sehr erfolgreich sind, die jetzt vielleicht Daten allgemein sich nicht so viel angucken oder noch weniger Modelle. Also das kann ich nicht beurteilen. Hier intern natürlich, ehrlich gesagt, ich rede selten mit dem Trainer direkt, also das ist jetzt in der Spielvorbereitung bei uns in der Woche was dazu führt oder in den Tagen [00:37:00] danach, von daher gibt es nicht so viel Puffer sonst. Wo es ist sehr intensiv sehr noisy das Ganze und das versuchen wir zu minimieren, sodass die Kontakte über bestimmte Wege gehen, sodass alles jetzt richtig läuft. Sehr viele Gespräche mit Spielanalysten, sehr viele Gespräche mit Performance-Trainer, Athletiktrainer, sodass alles klar ist, was brauchen wir, was haben wir vielleicht jetzt noch nötig zu liefern, was müssen wir uns die Tage angucken, was war vielleicht speziell, bestimmte Fragestellungen, die jetzt direkt von egal wer im Club auch kommen, was zu beantworten ist. Von daher ich glaube, am Ende ist es so... So wichtig einfach nur die Sachen direkt zu liefern. Wir wissen hier, dass wir momentan einen Trainer haben, die sich die Sachen angucken. Da sind Werte oder KPIs, womit die jetzt vertraut sind für die meisten Sachen. Natürlich, wenn wir jetzt auf einmal kommen würden mit einem neuen Modell, Werte, die vielleicht komplett unbekannt sind, da müssen wir mal die Reaktion gucken. müsste man nochmal [00:38:00] testen also wenn wir jetzt komplett neue Werte die niemand in der Fußballwelt kennen würde, dann vielleicht brauchen wir ein bisschen Zeit oder Eingearbeitungszeit, also wäre vielleicht nötig aber ich glaube, die Leute zutage sind da vertraut mit Daten allgemein oder die Ergebnisse die daraus kommen, die wissen was, wo man jetzt Mehrwert schaffen kann daher ich würde mir wünschen, dass in meiner Karriere das so bleibt, dass ich immer mit Trainern und Teams arbeite die jetzt das Ganze verstehen und daran glauben und das bedeutet am Ende nicht, wie in jeder Branche eine Diskussion zu haben, also noch weniger wenn es Modelle sind und nicht nur Fakten von dem Platz Also wird nicht immer perfekt die Ergebnisse, wird nicht immer 100% richtig, also bei Gen-AI ist das Gleiche also von daher kann man auch die Diskussion haben, warum solche Werte so aussehen heute und letzte Woche nicht, also ich glaube, das gehört dazu zu dem Entwicklungsprozess. [00:39:00] Vielen Felix: sich bei euch noch verändert haben durch immer mehr Einsatz von KI und darüber auch immer Matthew: Dank Felix: der Daten? Matthew: Also ich glaube, da jetzt ist die beste Zeit, wenn man an KI denkt und Daten und so. Wir sind direkt drin. Wir haben Glück, dass wir schon unsere Datenplattform haben. Von daher jetzt ganz direkt loslegen. Wir wachsen auch intern. Von daher die Grundarbeit, was wir in letzten zwei Jahren gemacht haben, ist da. Und jetzt können wir uns um solche Themen jetzt wirklich kümmern, von daher, ich glaube, für mich, das ist jetzt sehr spannend. Ich weiß zum Beispiel von der Liga allgemein jetzt hier bekommen wir, ich glaube, nächstes Jahr schon so Skeletondaten, also von daher nicht nur Punkten auf dem Platz, sondern auch Körperteile, Alles wird mitgetrackt, von was man das alles damit jetzt machen kann, von Scouting-Sicht oder von Analysensicht. Also das ist jetzt wahrscheinlich ein bisschen absurd, was man sich vorstellen kann von 3 Millionen auf 40 Millionen [00:40:00] Datenpunkte pro Spiel. Von daher, ich glaube, wie gesagt, Kreativität jetzt wird angesagt, also was wollen wir wirklich klar definieren und dann auch erkennen. Von daher, die nächsten fünf Jahren glaube ich jetzt, dass wird das Ganze wachsen, die Maschinen sind auch da, die Computes sind auch da, dass man da alle möglichen Sachen trainieren kann. Von daher, ich glaube, ja, also ich sehe das als sehr positiv, das wird nicht weniger, die Daten werden mehr, das wurde uns versprochen, von daher, jetzt müssen wir nur den Rest nachliefern. Felix: Sehr spannend. Claudio wie sieht es bei euch aus? Ich meine, fünf Jahre ist natürlich Matthew: Dank. Felix: es schon wissen, was wir dann machen? Aber es ist ja immer spannend, weil so die Takes zu hören, du hast gerade gesagt, Agentisierung ganzer Prozesse und das Zusammenspiel Datenprozesse, KI, wird dich noch beschäftigen. Was glaubst du kommt noch und welchen Impact kann das bei euch auf der Geschäftsstellenseite haben? Claudio: Ich glaube, mein [00:41:00] Lieblingsthema da gibt es ja erstmal so viele Antworten drauf, Felix: Vielen Claudio: sich komplett verändern und wir müssen das komplett neu denken, weil, und das gibt es ja auch jetzt schon teilweise, wir werden nicht nur noch Menschen führen, sondern auch Agenten oder Agentensysteme führen müssen und vielleicht führen auch Agentensysteme Mitarbeiter Felix: Dank. Claudio: müssen wir uns eigentlich auf so eine Zukunft vorbereiten? Wir wollen jetzt auch nicht bei generativer KI stehen bleiben, sondern im Endeffekt eigenständig arbeitende KI-Agenten einsetzen können. ich glaube, das wird ja einige strukturelle Felix: des ZDF Claudio: erstmal aufwerfen mit denen wir uns werden beschäftigen müssen. Ja, Felix: Unternehmen eigentlich auf KI ausrichten und nicht mehr nur für Menschen bauen. Es wird spannend. Ich bin gespannt, [00:42:00] wie euer Weg weitergehen wird. Ich habe heute viel gelernt. Wie KI eigentlich im Profifußball eingesetzt wird, welche Unterschiede es zwischen der Sport- und Verwaltungsseite gibt. Ein paar spannende Cases, die ich so nicht auf dem Schirm hatte. Sehr, sehr spannend, mit wie vielen Daten ihr dort auch hantieren könnt. Claudio: Untertitelung Felix: dein Take fand ich spannend. Es kommt auf die Kreativität an Ich glaube, das wird immer wichtiger. einer Zeit in der eine Maschine immer mehr Dinge tun kann, die wir vorher tun könnten. Unsere Kreativität wird wahrscheinlich zum Flaschenhals werden. Und ich finde das eigentlich sehr schön. Ich finde es eigentlich tolle Shokes für uns alle. Also ich bedanke mich herzlich für euch für das tolle Gespräch und wünsche euch weiterhin viel Erfolg. Claudio: Vielen Dank Matthew: Danke dir.