Warum Data Mesh ohne Data Citizens scheitert – mit Jonas K., Siemens Energy

00:00:00: Tim hat das Organisationsmodell erklärt, Max hat erklärt wie man es dann eigentlich zeitweise auf einen gewissen Kreis ausrollt.

00:00:07: Wir lieben Jonas spreche darüber wie man das ganze Thema über Gesamt Siemens Energy etabliert und das ist wirklich eine spannende Folge.

00:00:15: weil wir zum Thema Datamash und die Schritte dahin unterhalten.

00:00:23: Neue Folgen jeden Freitag.

00:00:25: in dieser digitalen Welt gibt es einen speziellen Faktor der Übererfolg- und Misserfolg entscheidet Daten.

00:00:32: Doch nur die wenigsten wissen sie für sich zu nutzen.

00:00:35: Wer seine Kunden verstehen

00:00:36: will, um ihnen das

00:00:37: bieten zu können was sie brauchen

00:00:39: kommt um ein professionelles Datenmanagement nicht

00:00:42: herum.

00:00:42: Jonas Rascheli

00:00:43: interviewt andere

00:00:44: Experten aus den Data Bereichen

00:00:46: und zeigt Schritt für Schritt wie genau das funktioniert.

00:00:55: Ja hi Jonas Hi Lass uns mal bisschen anders in die Folge starten nämlich versuchen die letzten zwei Folgen von Siemens Energy Review passieren lassen Und zwar hat Tim erklärt, was bei Siemens das Thema Data Citizens ist und was die können.

00:01:15: Dann hatte ich eine spannende Folge gemeinsam mit dem Max zum Thema wie bildet man überhaupt die Data Citizens aus?

00:01:23: Welche Möglichkeiten haben sie um eben mehr Knowledge in den Bereich zu bekommen?

00:01:31: Unsere Zeit es jetzt darüber zu sprechen weil ihr noch eine weitere oder eine Initiative gegründet habt, wo du Co-Founder glaube ich bist.

00:01:40: Um das Thema nochmal ein bisschen auf eine höhere Level zu heben.

00:01:45: Also wenn ich ehrlich bin ohne jetzt dir Honig oder euch Honig um den Mund zu schmieren aber ist es ja genau das was man will.

00:01:52: Man hat so ne kleine Use Case und Keim der entsteht und dann macht man unterschiedliche Iterationen durch.

00:01:59: Nimm uns doch mal kurz mit was da passiert ist wanns diesen Kipping Point gab Und vielleicht kannst du für die Hörer und Hörerin nochmal die letzten zwei Folgen in drei Sätzen zusammenfassen.

00:02:12: Ja, freut mich über hier zu sein!

00:02:15: Also ganz grundsätzlich kam dadurch das ja.

00:02:18: oder was Tim und Maxi auch schon erzählt haben ist ja dass wir angefangen haben mit Wir bauen kleinere Datenprodukte eigentlich mehr oder weniger als Data Citizens.

00:02:27: Wir bilden Data Citizens aus Und dann kann man mehr oder weniger der Tipp im Punkt, wo wir gesagt haben okay was passiert?

00:02:33: aber wenn wir das wirklich über die dreißig Plus Factories überall haben dasselbe Problem eigentlich dasselber Datenprodukt wie gehen wir das an?

00:02:39: Gehen wir in jede Factory einzeln rein und ziehen uns die Daten daraus.

00:02:42: Oder gibt es vielleicht einen einfachen Weg wie wir das machen können?

00:02:45: Und dann gab es im Endeffekt einen cool Moment, wo Tim und ich zusammen auf einem Event waren.

00:02:49: Wo wir gesehen haben das ist kein Kompetitor aber im Endefekt ein vergleichbares Unternehmen in Europa die dasselbe umgesetzt haben.

00:02:55: Die haben halt eben ein Data Mesh vorgestellt, wo sie ihre CM Plus Fabriken halt eben in ganz Europa in eine einzelne Data Mesche eingebunden haben und im Ende Fekt Data Products auf Klick eigentlich mehr oder weniger kreieren können.

00:03:06: Das fanden mir so cool, dass wir gesagt haben, das wollen wir auch!

00:03:09: Das wäre quasi der nächste Step in dieser ganzen Geschichte Und genau das ist mehr oder weniger der Punkt, wo wir dann gestartet sind.

00:03:15: Ja?

00:03:16: Jetzt sollen die Hörer und Hörerin natürlich gerne die Folge von Tim hören oder von Max hören.

00:03:21: Kannst du nochmal ganz kurz erklären was aus eurer Perspektive in Data Citizen ist und welches Problem ihr mit den Factories löst?

00:03:29: also vielleicht noch mal kurz ein bisschen tiefer gehen.

00:03:32: Genau!

00:03:33: Also im Endeffekt ist so ein Data Citizen für uns ist halt jemand der in der Fachabteilung sehr besitzt, der die Prozesse sehr gut kennt, der aber kein native IT-Ler ist.

00:03:42: Und diese Personen sind super wichtig, weil sie haben halt dieses tiefe Prozesswissen um zu wissen was sie im Endeffekt für Daten visualisieren wollen vielleicht oder auch wie Sie die Daten sammeln wollen und auf welchen Kies sie auch verbinden können.

00:03:52: Diese Daten!

00:03:54: Was wir im EndeFFekt für ein Problem haben ist wir haben weltweit dreißig plus Fabriken und all diese Fabrikanen sind mehr als einzelne Silo zu betrachten plus dass sie in diesen Fabrikken nochmal einzelne Silos haben die wir domain nennen wie zum Beispiel Sales Procurement Manufacturing oder ähnliches.

00:04:08: Und da ist halt eben die Data-Citizens sitzen mehr oder weniger in diesen Silos, bauen da ihre Dashboards zusammen.

00:04:14: Und das ist aber das Riesenproblem, was wir jetzt haben plus die Domänen und das ist einfach ein sehr komplexes Problem unter Datenprodukten zu entwickeln.

00:04:21: Ja,

00:04:22: d.h.,

00:04:22: zusammenfassend ihr sitzt zentral bei Siemens Energy steuert... Die Dateninitiativen baut aber auch die technische Grundlage und habt jetzt unterschiedliche Stakeholder, die ihr bedienen wollt.

00:04:36: Und überlegt gerade sozusagen wie ihr iterativ da durchgehen könnt.

00:04:39: Ich glaube Data Citizen kann man so ein bisschen wie mir ist der Begriff oft Reporting Champions oder sowas bekannt?

00:04:47: Also wie kann man sozusagen die dezentralen Fahrabteilungen enablen, da ein bisschen besser unterwegs zu sein?

00:04:53: Ja, genau.

00:04:54: Das ist es im Endeffekt.

00:04:55: so bauen wir das auch.

00:04:57: Wir haben jetzt keinen spezifischen Namen für Sie.

00:04:58: Wir nennen sie da tatsächlich auch Data Citizen's und genauso haben wir es auch gehört.

00:05:02: wie trainieren selber auch.

00:05:03: Das heißt wir haben auch Empowerment und Trainings On-Site, dass heißt wir reisen auch in die Fabriken selber und trainieren die Leute tatsächlich und bilden im Endefekt dadurch ein Ökosystem an Tools, die wir den Leuten an die Hand geben und halt eben auch Hilfestellungen mit Standardkonnektoren oder ähnlichem.

00:05:18: Jetzt bist du Ingenieur bis über vier Jahre bei Siemens Energy habe ich verstanden.

00:05:28: Was hatte dich dazu bewegt, am Ende in dem Data-Umfeld zu bleiben und anzukommen?

00:05:35: Im Endeffekt bin nicht mehr oder weniger da reingerutscht.

00:05:37: Also wie du richtig gesagt hast, ich bin ein Ingenieur Studierter und hab in meinem Studium nicht mehr besonders spezialisiert auf IT-Cases aber mehr im IoT-Minefacturing Umfeld, habe also LogistikIT und aber auch BasicIT gemacht dann im Studium Und bin dann mit ein wenig durch Praktikas an Low-Code Lösungen gelandet, wo ich gesagt habe das macht mir super Spaß damit zu arbeiten.

00:05:57: Ich mag es schnelle Lösungen zu kreieren schnell Probleme zu lösen und gerade wenn man das ganze Problem sich auch anschaut was oder was gelöst werden soll durch das Toyota Produktsystem da braucht man halt oft schnellere kleinere Lösungen um halt eben Probleme zu Lösen.

00:06:09: langfristig dann und dadurch bin nicht mehr da weniger in diese ganze Schiene reingerutscht und hab dann meine Kehre bei Accenture gestartet mit einem Trainee Programm in low-core Technologie Und bin dadurch dann bei Siemens Energy gelandet und fühle mich jetzt super wohl.

00:06:22: Hast du die dann sozusagen beraten?

00:06:24: Ja, genau.

00:06:24: ich habe Siemens energy auch beraten selber in dieser loco-technologie und wurde dann eben übernommen von siemens energy und genau war super happy dann übernommen zu werden und arbeite seitdem mit sehr viel spaß an diesen ganzen loco technologien.

00:06:36: cool Ich mag ja immer daten nochmal aus dem kontext des wirtschaftlichen zu bewerten Wer verantwortet, zu sagen die wirtschaftliche Perspektive ist sehr klassisch immer beim CFO.

00:06:53: Also was bringt mir das?

00:06:54: oder Kosteneinsparen mehr Umsatz?

00:06:57: Wie würdest du vielleicht in drei setzen wenn ich der CFO wäre diese Initiative erklären?

00:07:06: Was wir ganz generell machen?

00:07:07: es im Endeffekt dass wir eine zentrale Dateninitiative gegründet haben Wo wir dieses ganze ETL, was wir durch Data Citizens viel gemacht haben eigentlich mehr oder weniger auf die nächste Stufe heben und professionalisieren.

00:07:19: Das heißt, wir bauen nicht nur Data Citizens sondern wir bauen im Endeffekt ein Professionalist hat da wo wir auch Monitoring auf den Workflows haben.

00:07:25: Wir können diese ganzen Daten haben in einem zentralen Layer liegen.

00:07:28: Und was hier halt anbieten ist und was dadurch natürlich auch dann finanzielle Vorteile bildet ist dass wir ein sogenanntes Ingestion SS Service haben und wir haben im Endefekt Data Products SS Service.

00:07:38: Was heißt das denn für uns?

00:07:40: Im Endeffekt ist das Ingestion.

00:07:41: Wir bieten den Fabriken tatsächlich an, dass wir den ganzen Datenextraktionsprozess komplett in einer zentralen Funktion für sie abbilden.

00:07:48: Den

00:07:48: Sie selber brauchen?

00:07:49: Genau!

00:07:50: Den Sie selbst brauchen.

00:07:50: Das heißt, Sie kommen zu uns und sagen dann im Endeffekte ich habe hier einen lokalen SQL Server beispielsweise oder ein Excel-File.

00:07:56: bitte ich brauche das in der Cloud.

00:07:57: Ich muss dazu Datenbrücke bauen, ich will das visualisiert haben Und dann gehen wir in die Fabrik und gucken wie bekommen diese Daten dann aus diesem lokalem System tatsächlich in die Cloud und dann eben den Newsom wieder zur Verfügung gestellt, aber als bereinigte Daten.

00:08:11: Und in der Initiative unter den Schritten vorher die Max erklärt hat und Tim erklärt haben die ja selber die Daten ausgewertet selbst verarbeitet ihr hattet nicht die Qualitätsstandards da drauf sondern sie haben selber sozusagen ihre ETL-ILT also Extract Transform Load oder Load Transform bei sich gemacht hatten natürlich manuellen Aufwand auf der Seite, der Fabrik und das wollt ihr zentralisieren.

00:08:39: Weil meistens ist es ja so dass die Arbeit einmalig passiert und dann wenig Betriebsaufwand ist.

00:08:44: Das heißt sie müssen nicht Ressourcen aufbauen für ein Thema, das ein schnelles Ende hat hoffentlich.

00:08:51: Genau!

00:08:51: Und wir sehen natürlich, dass Datenquellen natürlich von mehreren Nutzern genutzt werden und da macht's natürlich Sinn diese Datenquell in Zentrale im System zu haben und vielleicht für mehrere Nutzer zur Verfügung zu stellen als dass jetzt mehrere Nutzer dieselbe Datenquelle anzapfen und man dadurch natürlich auch immer mehr Explosität oder halt Vulnerabilities schafft.

00:09:09: So, das halt wirklich auch irgendwo eine Gefahr besteht, dass da irgendwas mit passiert weil wir mehr Schnittstellen aufbauen als dass wir eine Schnittstelle haben wo Daten reingeladen werden.

00:09:17: Und das ist im Endeffekt so der Kernpunkt.

00:09:19: also wir nehmen quasi den Citizens aus dem Werk, die Arbeit ab indem wir die Daten reinladen und stellen sie ihnen dann als Datenprodukt wieder zur Verfügung.

00:09:28: Das heißt wir nehmen ihn eigentlich diese schmerzhafte Arbeit ab weil was Sie ja machen wollen ist die Daten zu explodieren.

00:09:34: Sie wollen mit den Daten aber Sie wollen die halt irgendwie sichtbar machen die Daten und nicht sich damit beschäftigen.

00:09:40: Naja brauche ich jetzt einen technischen User für diese bestimmte Datenbank oder Nichts sondern das würden wir halt.

00:09:44: wir handeln alles Und dafür gibt es dann auch speziellisierte Tools Die wir so in der frei verfügbaren Landscape auch nicht haben sollen.

00:09:50: die würden wir dann halt das Plattform hosten.

00:09:54: Da kommt auch ein bisschen dieses Data Mesh-Konstrukt zusammen.

00:10:00: Man stellt Technik den jeweiligen dezentralen Einheiten zur Verfügung, die auch damit dann weitere Schritte machen.

00:10:07: und vielleicht auch wieder andersrum aus den dezentralen Einheiten, was für die Zentrale oder für alle machen.

00:10:13: Also es ist ein Konstrukt, das in beiden Seiten funktionieren muss.

00:10:16: Ich überlege gerade Jonas ob wir eine gute Analogie finden davon, was ihr an eurer Geschichte gemacht habt?

00:10:22: Und ich habe früher immer sehr gerne das ganze Thema Data Warehouse Datenstrecken mit einem Küchen-Analogie gebracht.

00:10:32: Aber ich überlege grade ob das funktioniert.

00:10:34: Eigentlich habt ihr bei Siemens Energy mehrere Restaurants.

00:10:38: Die Restaurants haben die Herausforderung, dass sie ihre frischen Produkte diese zur Verfügung haben besser verarbeiten müssen und ihr habt denen ein Multifunktionsgerät zur Verfügung gestellt um ihre Produkte besser zu verarbeiten.

00:10:54: das war der erste Schritt und damit haben Sie besseres Ergebnis bekommen.

00:10:58: dann haben sie aber festgestellt dass die Wartung auch die Bedienungen von diesem multifunktions Gerät nicht zwangsweise notwendig ist Und ihr habt dann damit mit den Restaurants, die ihr hattet.

00:11:11: Die zentrale Versorgung mit Zutaten und auch Lebensmitteln eher zentralisiert, die sie dann wieder weiterverarbeiten können.

00:11:19: also vielleicht hat Restaurant A sehr gute Kartoffeln im Umfeld diese dann zu verfügen stellen.

00:11:28: Die Analogie funktioniert nicht gut aber es geht eigentlich sozusagen dazu hin.

00:11:33: Ihr versucht in einem sehr, sehr guten Austausch miteinander das zu realisieren.

00:11:38: Ich habe oft gesehen dass es sehr lange dauert.

00:11:41: ich glaube auch bei euch hat es jetzt zwei drei Jahre gedauert was nicht kritisch ist aber was so ein bisschen zeigt wie viel Energie und wieviel Geduld man glaube ich auch haben muss um das zu realizieren.

00:11:53: Also mal in der Analogie vielleicht zu bleiben Was wir natürlich oder was da der Riesenfoto ist, wenn man weltweit Rassons haben möchte und vielleicht auch eine Vergleichbarkeit in den Restaurants haben.

00:12:02: Man möchte vielleicht haben dass jedes Rasson auch ähnliche Sachen anbietet.

00:12:06: Vielleicht sagt okay wir sind eine Marke Wir bieten dieselben Sachen an.

00:12:09: Und was wir glaube ich auch bieten in der Factuality of the Cloud ist im Endeffekt wie geben Rezepte mit?

00:12:13: Das heißt wir sagen dieses bestimmte Rezept ist immer so zu kochen weil wir wollen es soll weltweit gleich schmecken.

00:12:19: Also im Endeffen ein Franchising vielleicht sogar mal einen Restaurant-Kontext bei.

00:12:24: Da ist es halt ganz gut, wenn man Vergleichbarkeit hat.

00:12:26: Weil vielleicht möchte ich vergleichen wie die Kollegen oder wieder das Werk eine bestimmte KPI berechnet in China aber auch in Brasilien.

00:12:33: Ich möchte sie vielleicht mit anderen vergleichern können und vielleicht sehen okay wo ist das ein Werk besser?

00:12:38: Wo kann man sich noch verbessern oder überhaupt mal einen Transparenz herzustellen?

00:12:42: Und da braucht man Vergleichbarigkeit.

00:12:43: und das ist glaube ich das was wir am meisten halt auch liefern plus halt eben, um noch mal in der Analogie zu bleiben.

00:12:49: Diese ganzen Lieferanten die ja damit rein spielen.

00:12:51: also woher kommen eigentlich Daten wie kommt das zusammen?

00:12:54: Wie kriege ich das alles in einen Topf rein?

00:12:55: Das ist natürlich dann die Analogiede da vielleicht auch nochmal passt.

00:12:58: Ja jetzt hatte ich mir ja noch als Frage aufgeschrieben was ein guter Punkt ist glaube ich in den letzten Jahren war Data Mesh immer so dieses Buzzword was niemand so gut aufzeigen konnte oder meistens in großen Organisationen funktioniert.

00:13:14: seit ihr keine Kleine definitiv nicht kannst du DataMesh für euch nochmal konkret erklären.

00:13:25: Aber viel, viel mehr mal an einem Beispiel was hat sich konkret für einen Mitarbeiter in einem Werk im täglichen Doing verändert?

00:13:36: und am besten über die drei oder vier Jahre wo wir jetzt gemeinsam mit dem Podcast folgen die Sachen mit begleitet haben?

00:13:43: Also wir begleiten.

00:13:44: diese Initiative ist vom DataMech leider erst seit knapp einem Jahr ungefähr so richtig intensiv Und dadurch stecken wir noch so in den Kinderschuhen, was die ganze Initiative angeht.

00:13:52: Aber ihr habt

00:13:53: Vorarbeit geleistet?

00:13:53: Genau!

00:13:54: Wir haben vorbeigegleistet natürlich und das ist im Endeffekt das worauf wir aufbauen.

00:13:58: Das heißt wie was wir schon viel machen und wo wir die Arbeit erleichtern von vielen Leuten ist dass wir uns angucken was haben sie bisher schon in ihrer Zeit gemacht?

00:14:05: kann man das vielleicht professionellisieren?

00:14:07: können wir sie darin unterstützen?

00:14:08: das heißt wir nehmen uns auch existierende cases Reviewen die nochmal sagen hey pass auf diesen Teil lass uns den doch vielleicht zentral machen weil da sind vielleicht andere Leute auch daran interessiert und so helfen wir ihnen dann.

00:14:18: Wir hatten einen ganz spannenden Newscase von der KPI, die sich einfach übertragen ist.

00:14:22: Die halt die Durchlaufzeit ist und wo wir dann geguckt haben wie wird das eigentlich in den verschiedenen Werken gemacht?

00:14:27: Weil da haben natürlich sehr viele Menschen daran Interesse irgendwo an dieser Durchlauf-Zeit halt.

00:14:32: Und was ist die Durchlaufzeite?

00:14:35: Im Endeffekt wenn du wann das Produkt angefangen wurde zu bauen und bis es dann die Verfabrik verlässt im Endeffekte Und das ist natürlich super viele Menschen, also gerade Manager daran interessiert und so wird super oft nachgefragt.

00:14:45: Was haben wir eigentlich für eine Durchlaufzeit in unserem Werk?

00:14:47: Wie lange brauchen wir eigentlich ein Produkt zu bauen?

00:14:50: Das ist natürlich so.

00:14:51: wann startet das Produkt?

00:14:53: jetzt bauen wir keine kleinen Plastikfigurchen.

00:14:56: Wir bauen ja riesige Produkte.

00:14:57: Das heißt kann mal ein paar Wochen dauern bis dieses Produkt wirklich dann fertig ist.

00:15:01: Wo steckt man denn den Beginn?

00:15:02: Wo steck man das Ende von diesem einen KPI?

00:15:07: Und das ist dann schon hilfreich, mal zu standardisieren und mal zu schauen okay wo sind wir denn?

00:15:11: oder wo bewegen wir uns überhaupt darin um diese Standardzahl zu setzen.

00:15:14: Das ist das wo ich glaube wo wir meistens Leuten bisher mit geholfen haben plus dass wir Daten überhaupt verfügbar machen für verschiedene Menschen weil sie vielleicht vorher einer Quellsystemen lagen wo sie noch gar nicht verfügba waren.

00:15:27: Ja jetzt wissen wir alle das Politik oder vor allem alte arbeitsweisende Rolle spielen.

00:15:35: Ich hab, glaub ich so knapp hunderttausend Mitarbeiter über die Welt verteilt.

00:15:43: Wie hoch war denn der Widerstand um sowas auszuranen?

00:15:47: Weil es hört sich jetzt zu leicht an.

00:15:49: Man hilft mal mit Low-Code-Initiativen und dann funktioniert's, finden alle toll!

00:15:54: Dann wollen sie mehr... Und zack hat man eine Datamash-Initiative.

00:15:57: aber wie muss ich mir das wirklich vorstellen?

00:16:01: Also ich hab das Gefühl, dass wir auf eigentlich allen möglichen Ebenen kämpfen.

00:16:04: Wir kämpfen sowohl mit lokaler Management als auch mit Mitarbeitern selber, die sich vielleicht gar nicht verändern wollen weil sie im Prozess seit dreißig Jahren so machen wie Sie ihn halt eben machen und ich glaube da kämpfen wir auf den ganz typischen Ebenem.

00:16:17: Nichtsdestotrotz muss ich sagen, wenn wir jetzt spezifisch auf die DataMesh Initiative gucken, dass wird da eigentlich gar nicht auf viel Widerstand stoßen sondern mehr oder weniger auf.

00:16:25: Ich würde es fast als Unwissen aber Interesse bezeichnen.

00:16:30: Und wir treffen zwar auf Unwissen und die Leute sind super interessiert, aber das macht es natürlich umso schwieriger.

00:16:35: Weil eine ganze Organisation in einer bestimmten Philosophie aufzubauen, sie dafür zu motivieren, sie immer im Fokus halten ist wahnsinnig intensiv weil man halt immer wieder auf diese Punkte zu sprechen kommen muss.

00:16:50: was bieten wir eigentlich an?

00:16:51: Was machen wir hier?

00:16:52: Was versuchen wir?

00:16:52: Wo ist der Mehrwert eigentlich davon?

00:16:56: Ich würde es als intensiv bezeichnen Und es fordert einen auch, weil ist das ganz wichtig immer wieder dieselbe Sprache zu finden.

00:17:02: Tim hat das immer ganz gut geprägt in dem er gesagt hat Es bringt uns nichts wenn die Leute nicht wissen was ist die Factory Data Cloud?

00:17:09: oder sie nennst dann Data Factory Cloud oder Data Cloud Factory.

00:17:12: Sie bringt einem nichts wenn niemand weiß was ist das überhaupt?

00:17:14: was wir da

00:17:15: tun

00:17:16: und das ist im Endeffekt einer der wichtigsten Sachen die wir gerade verfolgen ist Leute darin aufzuschlauen und sie dazu zu enablen zu wissen Was machen wir eigentlich?

00:17:25: Was bieten wir für ein Mehrwert?

00:17:27: Und da sind wir gerade sehr stark an der Basis daran zu arbeiten, dass Menschen eben wissen was wir tun und auch mit Problemen auf uns zukommen.

00:17:34: Das heißt wenn sie ein Kölzsystem haben dann sollen sie doch bitte auf uns zukommen aber Sie müssen dafür erstmal das Wissen dafür haben.

00:17:39: und das ist eben da wo ich es auch sagen würde entwickeln wie uns als Organisation noch mal weiterhin vor.

00:17:44: also weg von diesen Data-Citizen mehr in so einem Gesamtdatamash-Konzept, was die Datasitzenden natürlich niemals ersetzen wird komplett weil es ist ganz wichtig, dass Leute in den Werken oder im Prozess selber immer noch diese Arbeit tun.

00:17:56: Ja, ich glaube Ihre Arbeit verändert sich wieder.

00:17:57: Also Sie sind nicht sehr viel in diesen ETL-Prozessen im Logo mit, sondern sie sind eher dann ein Konsumer von den Daten die man dann wieder visualisieren

00:18:07: kann.

00:18:07: Genau genauso würde ich das auch sehen und da verändert sich die Rolle ein bisschen.

00:18:11: aber es ist ja auch gut dass sich die Role teilweise verändert weil im Endeffekt macht's den Zitels zum Erfolg noch mal geringer weil viele Sachen einfach zentral gemacht werden und nicht jedes Mal neu gemacht werden müssen.

00:18:22: Sondern im Endeffer gehts ja darum wie schaffen wir jetzt die Daten an die Leute zu bringen.

00:18:28: Wenn ich mir jetzt nochmal Revue passieren lasse, hat denn Max ja diese Insellösungen als das zentrale Problem beschrieben?

00:18:38: Das löst ihr ja jetzt durch das DataMesh-Konzept!

00:18:41: Jetzt wollen wir ein bisschen in die Zukunft gucken und versuchen zu überlegen was könnte das nächste Problem sein, was er dann angeht.

00:18:51: Das größte Problem, was wir aktuell auch schon haben ist... die Data Governance dahinter.

00:18:55: Also wer darf eigentlich das sehen, was wir in diesem riesigen Bauch zur Verfügung haben?

00:19:00: Das ist ein wahnsinnig komplexes Prozesse im Endeffekt, weil es muss natürlich denjenigen geben der die Daten zur Verfügung stellt und der, der sie weiterleitet und beide müssen irgendwo entscheiden können, darf derjenige, der die Daten konsumiert, dafür die wirklich sehen.

00:19:16: Und dass ist wahnsinnigt schwierig da im Endefekt diese Strukturen durch diese Organisationen durch zu tragen global gesehen zu vereinheitlichen.

00:19:25: Und das ist gerade einer der größten Probleme, woran oder was wir gerade versuchen zu lösen.

00:19:29: und dann wenn wir in dieser Globalität halt bleiben, ist es im Endeffekt trotzdem auch dass wir diese dreißig plus Werke haben die wir trotzdem weiterhin einzeln kontaktieren müssen und die Leute in diesem Werk erreichen müssen.

00:19:42: und das erfordert natürlich viel Zeit und Ressourcen von uns weil man mit sehr vielen Leuten sprechen muss und wir müssen unsere Piers in den Werken suchen Wir müssen den Kontakt mit ihnen bleiben.

00:19:51: Und das würde ich sagen, sind jetzt diese Probleme die wir gerade am meisten haben und die uns am meisten abverlangen.

00:19:59: Wenn man sich das nochmal überlegt und durch den Kopf gehen lässt dass du grade gesprochen hast ihr habt dreißig Werke, Factories plus die Domänen da kommt man ja schnell in die Situation, dass du dir auch unterschiedlich bespielen musst.

00:20:13: oder ich kenne den Klassiker, dass viele vielleicht die eine weiter sind als die anderen.

00:20:19: wie nimmt er das wahr?

00:20:21: bei der eines vielleicht betreuungsintensiver als die andere?

00:20:25: oder wie manischt man sowas?

00:20:29: Was wir generell sehen ist, dass die Werke, die eigentlich eh schon viele Initiativen mitgewirkt haben.

00:20:35: Das heißt, die, die viele Datacits ausgebildet haben, das dies sich auch viel leichter damit tun ins Data Mesh angebohlt zu werden weil sie viele Strukturen schon aufgebaut haben.

00:20:43: Sie haben viele Personen aufgebaut, die vielleicht schon Daten liefern können und das sind im Endeffekt dass sie sich viel leichter tun, damit diese Initiative im Endeffekt zu adaptieren und in ihrer Welt zu etablieren.

00:20:59: Was wir dann noch sehen ist das natürlich gerade weil wir natürlich bei Siemens Energy viel expandieren, dass sich unsere neuen Werke sehr leicht damit tun, denn die sind sowieso um jede Hilfe froh.

00:21:08: Das heißt, die sind immer diejenigen, die sehr viele Hilfe fordern Und da ist natürlich dann super leicht auch eine Roadmap zu bilden, weil da baut sich ein Werk auf.

00:21:16: Da kann man sehr einfach eine Roadmaps bilden welche Datenprodukte oder welche Quellen on-boarden wir überhaupt und das sind so finde ich die Werke wo sie sich am leichtesten tun.

00:21:25: Und natürlich eben auf der Gegenseite ist es schon so dass man sagen muss, dass diejenigen die sich schon in der Data Citizen Community schwer tun, dass sie sich natürlich auch mit der Data Mesh Architektur dann schwer tun weil da gar nicht dieses Basiswissen ist.

00:21:37: und ich habe es akademisch schon gesagt Kommunikation ist das A und O. Wenn sie sich schon mit Detacissus schwer tun, werden Sie auch in der Kommunikation halt von so einem übergreifenden Konzept schwer tun.

00:21:45: Ja

00:21:46: und es zeigt eigentlich noch mal wie sehr diese Sachen aufeinander aufbauen und du nicht eine Abkürzung nehmen kannst ums zu realisieren.

00:21:54: Und deswegen ist es schön eigentlich mit euch nochmal darüber gesprochen zu haben.

00:21:59: Vielleicht gibt's zwei Jahre oder ne nächsten Jahr nochmal eine Folge Wie weit ihr seid aber dass diese Entwicklung eben da ist und das man diese einzelnen Schritte

00:22:06: machen muss

00:22:07: Um das eben erfolgreich zu realisiere.

00:22:09: Ja, auf jeden Fall.

00:22:10: Also würde ich auf jeden fall so sehen und kann nicht auch nur immer empfehlen das halt Stück für Stück aufzubauen oder nicht.

00:22:17: Ich glaube da kommen wir später noch drauf.

00:22:18: Wir bauen im Endeffekt trotzdem die Basis irgendwo für irgendwann mal ein Maschinenlearning-Usecase umzusetzen.

00:22:23: Und es ist ganz wichtig immer auf einer Basis aufzubauern bevor man irgendwelche hochtragenden Use Cases umsetzen will weil die Basiss ist ganz viel das was im Endefekt ausmacht wo man darauf aufbauen kann.

00:22:35: Aber lass uns genau diesen Punkt mal bisschen penetrieren.

00:22:37: also Das Thema KI und AI ist ja in aller Munde.

00:22:42: Und das ist die Frage, die man so ein bisschen stellt... Leider!

00:22:44: ...und im Vorgespräch hast du gesagt gehabt, ihr baut die Datenbasis für KI und baut erst die Datenbasis und würdet euch dann um das Thema KI kümmern?

00:22:54: Was ist wenn jemand es umdrehen will bei euch?

00:22:57: Was passiert?

00:22:59: Also ich würde erstmal der Person sagen dass es scheitern wird.

00:23:03: Ich würde immer sagen es ist zum Scheitern verurteilt Und wir würden es auch in erster Linie nicht direkt unterstützen.

00:23:08: Wir würden uns das natürlich immer anhören, ich würde aber jedem immer grundsätzlich davon abraten weil da kommen wir wieder auf dieses Fundament zu sprechen.

00:23:16: man braucht das Fundament um im Endeffekt Machine Learning Use Cases umzusetzen.

00:23:21: und gerade ist das ganze MCP-Protokoll überall.

00:23:24: jeder spricht davon über irgendwelche Meetings oder Events, ich auch immer bin, jeder spricht darüber dass Agents miteinander reden können.

00:23:30: Aber wenn die Agents nicht mehr selber verstehen, welche Daten sie sehen.

00:23:33: Wie sollen sich dann miteinander unterhalten?

00:23:35: Das ist halt irgendwo ein Widerspruch in sich und ich bin dann immer lieber ein Freund von Verwendet-Lieber.

00:23:41: mehr Zeit dafür sowieso, die Fundamente und die Basis zu bilden als sofort mit den KI US Cases anzufangen und in dem Sinne halt gerade das Machine Learning.

00:23:50: weil ich meine es gibt natürlich valide KI cases um auch Daten zu strukturieren.

00:23:54: Es gibt es natürlich aber da würde ich jedem davon abraten die Machine Learning Cases damit erst mal oder einfach später damit anzufangen würde ich sagen.

00:24:03: Wenn man jetzt davon ausgeht, es gibt so unterschiedliche sechs Stufen von der Datenerhebung bis dann hinten raus die Predictive Analytics Cases, die man sieht hatte Tim letztes mal gesagt und ist jetzt schon eine Weile her dass der industrielle Standard zwischen zwei und drei liegt und eure Initiative hört sich ja schon eher nach von fünf auf sechs an.

00:24:32: Also ihr seid weit weg vom Standard, ist ja so das Gefühl gerade was ihr auch vermitteln wollt.

00:24:39: Ist es unrealistisch für viele Unternehmen?

00:24:42: Ist es unrealistisch for kleine Unternehmen um weiter weg sein also weiter weg vom standard zu sein?

00:24:51: Das würde ich nicht so sehen.

00:24:53: und da will ich ganz ehrlich sein im Endeffekt baut alles auf der Basis auf.

00:24:58: Jedes Unternehmen ist in der Lage diese Basis zu bilden, es geht viel darum und Tim hat da ganz viel darauf angespielt Es geht ganz viel darum die Prozesse so zu leben wie sie sein sollen damit man kollektiv hochwertige Daten hat.

00:25:09: Man kann dann immer noch bereinigen und im System einen anderen System transformieren diese Daten.

00:25:14: aber im Endeffekt geht's ja darum um vernünftige Datensets zu haben Die man eben im Endefekt an den anderen system wieder weiter verarbeiten kann und anzeigen kann.

00:25:22: Und da würde ich ganz klar widersprechen dass Jedes Unternehmen, was das wirklich für sich als Philosophie selber hat und mitbringt und umsetzt.

00:25:32: Und auch kommuniziert dass jedes Unternehmen in der Lage sein sollte das umzusetzen so lange sie wie wir bei den Foundationsanfangen und dann hochgehen und sich hocharbeiten in diese anderen Schritte.

00:25:43: und im Endeffekt ja wir sorgen dafür dass die Schritte vier fünf sechs enabled werden.

00:25:48: Im Endeffek liefern wir trotzdem beliefern wir die Basis.

00:25:51: also wir arbeiten ja trotzdem in dieser ladendatensysteme, wir bereiten Daten auf was ja Schritt zwei und drei ist.

00:25:58: Nichtsdestotrotz liefern wir die Grundlage für vier fünf von sechs.

00:26:01: Und das ist glaube ich so dass viele Leute vergessen Wir verkaufen es natürlich immer auch mit dem Aspekt Ja ihr könnt damit irgendwann KI dieses kasses umsetzen Aber ganz wichtig ist immer die Basis dafür zu bilden.

00:26:12: Das ist halt eben das was uns immer wichtig ist um das zu betonen.

00:26:14: Ja

00:26:15: wird da keiner ungeduldig?

00:26:16: Alle werden ungeduligt.

00:26:18: also ganz ehrlich zu sein Wir machen uns da auch immer so.

00:26:23: In unserem Team machen wir uns immer einen kleinen Spaß darauf, dass wir im Endeffekt sagen eigentlich verkaufen wie die das was wir nicht haben wollen.

00:26:30: Weil eigentlich wollen wir halt mehr oder weniger die Schritte zwei und drei bedienen weil wir wollen ja die Daten verarbeiten und wir wollen gar nicht die KI verkaufen.

00:26:37: aber damit es die Aufmerksamkeit bekommt dies verdient müssen wir die KI Verkaufen.

00:26:43: Das ist halt eben ganz auf dieser Widerspruch Wo wir dann dahin kommen, dass wir eigentlich sagen naja wir müssen etwas verkaufen was wir im Grundsatz eigentlich was nur der kleinste Teil davon ist.

00:26:51: Ich würde gerade sagen das wir zu ninety-fünf Prozent machen.

00:26:54: wir arbeiten wir halt in den Datenladen und dann in der Transformation von den Daten mit dem wieder bereitstellen als an den KI.

00:27:03: Das KI ist eigentlich nur um das zu verkaufen können im Endeffekt intern.

00:27:06: Ja aber sind es auch.

00:27:07: also das Thema was du grade angesprochen hast.

00:27:10: Daten laden transformieren kannst du ja standardisieren?

00:27:15: Wie viele Teile der AI, Machine Learning, irgendwelche Buzzword-Themen kann man denn da standardisieren?

00:27:23: über die ganzen Werke und über die Domain geht das?

00:27:26: Also weil dann wäre ja schon es wert irgendwann deine Initiative zu machen.

00:27:31: Ja also wir versuchen das.

00:27:33: Das geht natürlich nichtsdestotrotz in unsere Werke so unterschiedlich und das muss man doch wirklich so sagen dass sich... Ein NewsCase doch nicht ähnelt, also nur weil man jetzt eine predictive Analytics macht auf zum Beispiel predictive maintenance oder ähnliches.

00:27:47: Nur wenn wir ein prediction Modell baut heißt das nicht dass es in Werk A funktioniert.

00:27:50: auch in Werk B funktioniert.

00:27:51: Man kann viel daraus lernen.

00:27:53: Es ist trotzdem schwierig diese cases am Ende zu skalieren.

00:27:57: Was ich doch sehe was man skalieren kann und was wir auch tun sind im Endeffekt die Chatbots.

00:28:03: dann um auf die Daten halt eben.

00:28:04: also talk to your data nennt man das wo man dann halt eben auf diese Daten chatt.

00:28:08: Das kann man sehr gut, dann eben halt eben global ausrollen weil sich viele Datensets dann doch ähneln.

00:28:14: also wenn wir das in die Procurement-Domäne zum Beispiel reingucken.

00:28:17: Also ein Einkaufstext würde immer einen Einkaufstext bleiben oder eine PO wird immer eine PO sein und wenn ich einmal eine PO als Datenpunkt beschrieben hat, wird es sich da immer durchziehen.

00:28:26: Da kann ich schon Synergien nutzen.

00:28:29: Nichtsdestotrotz würde ich sagen dass viele der reinen Machine Learning Sachen schwierig zu adaptieren sind.

00:28:35: tatsächlich

00:28:36: Ich versuche ja immer selber was aus den Folgen zu nehmen, aber auch andere Leute die Hörerinnen sollen etwas aus den folgen nehmen.

00:28:45: Und stell dir vor ich verantworte jetzt irgendwie in einem mittelständischen Unternehmen das Thema Data oder im großen Unternehmen Data Was würdest du sagen sind Themen die ich mir jetzt merken sollte?

00:29:02: Die du mir mitgeben kannst die ich morgen anfangen könnte?

00:29:05: Und was sind Themen, die so Siemens-Energie spezifisch sind?

00:29:10: Die ich wieder vergessen kann.

00:29:14: Was man glaube ich sehr gut immer machen kann ist eben das, was man schon hat vielleicht in diesem klassischen ETL das eben zu professionalisieren und das halt umzuwandeln in ein DataMesh-Konzept.

00:29:24: Ich glaube es kann auch jeder Mittelständler dafür gibt's genug Cloud-Anbieter, die sowas anbieten.

00:29:29: Jeder sollte glaube ich sowas aktuell haben für sich nutzen kann.

00:29:36: Also jeder kann schon diese grundsätzlich Initiative, wie lade ich Daten?

00:29:42: Wie bereite ich Daten auf?

00:29:43: Wie setze ich Standards für Daten und wie setzte ich Prozessstandards für Daten?

00:29:47: Das kann glaube ich schon jeder umsetzen und da kommt es auch nicht darauf an.

00:29:49: bin ich ein kleines und mittelschändliches Unternehmen oder größtes Konzern dann eben.

00:29:54: Vielleicht wird sie für die ganz kleinen wird's wahrscheinlich ein bisschen zu auffändig.

00:29:56: dann aber für jeden Mittelschädler sollte das schon möglich sein.

00:30:00: Und es gibt auch von den großen Anbietern out of the box Tools, die sowas können oder die einem damit helfen.

00:30:04: Ich glaube das ist schon der Teil wo man sagen kann, dass geht für jeden!

00:30:08: Das würde ich auch hier einfach ans Herz legen und empfehlen.

00:30:12: Was dann eben wieder Siemens Energy spezifisch ist, ist, dass wir ein weltweites Konzept haben.

00:30:16: Wir haben verschiedene Data-Mechsement-Effekt aufgebaut.

00:30:19: Also wir haben im Endeffekt einen zentrales Projekt Wo wir dieses ganze Ingestion Asset Service und Dataprodukt Asset Servers drin machen und handeln.

00:30:26: Und dann hat im Endeffekt jedes Werk nochmal sein eigenes Datameis, weil es gibt natürlich auch lokale Data Product die nicht jedes Werk hat.

00:30:33: Und das ist glaube ich eine Struktur, die kann man schwierig auf kleine oder mittelständliche Unternehmen ausweiten, weil diese Diversität an vielleicht Produktionsstätten hat nicht jeder, auch nicht jedes Weltweit tätig und da sind glaube ich Sachen... Da sind wir doch nicht einzigartig.

00:30:49: aber das ist relativ spezifisch würde ich sagen Und da kann man dann auch nicht so viel daraus werden, weil das ist einfach eine ganz spezifische Struktur die wir jetzt für uns gewählt haben.

00:30:57: Die muss man aber auch nicht replizieren und wir werden auch weiteren eigene Töpfe haben für vielleicht IoT-Data irgendwann mal oder für andere Sachen, die wir als einzelnes in SAP Daten zum Beispiel werden wir vielleicht als ganz eigenen Pool an Daten behandeln, die gar nicht in unserem Konzept verarbeiten werden sondern nur als Produkte zur Verfügung stellen.

00:31:16: Habe ich

00:31:21: noch mal darüber nachgedacht gerade und habe mir so überlegt, du hast vorhin gesagt die müssen ja verstehen was sich dahinter verbürgt.

00:31:29: Und eigentlich könnte man ja das Data Mesh Konzept... Man könnte es auch Data Mash Initiative nennen weil das kann jeder googeln.

00:31:36: Jetzt habt ihr es Factory Data Cloud genannt richtig?

00:31:41: Warum habt ihr euch für so ein Titel entschieden der ja da nochmal vielleicht Erklärungsbedürftiger ist als Datamesh?

00:31:51: Ja, individuellen Namen haben für das Konzept.

00:31:54: Ich würde sogar fast sagen in Siemens' Tradition sich einen Namen auszudenken und sich ein Kürzt zu geben.

00:32:00: Wir sind die Champions an Kürzeln für irgendwelche Sachen.

00:32:03: Unsere Kürze wäre dann FDC natürlich für Factory Data Cloud.

00:32:07: Ich glaube dass es schon in der DNA so ein bisschen drin ist in UnternehmensDNA Und es gibt dem Ganzen auch irgendwo ein Profil.

00:32:14: Man hat nicht eine zentrale Name für etwas was es überall gibt sondern es ist im Endeffekt unser Projekt, was wir in der Siemens Energy dann halt eben umsetzen wollen und man gibt den ganzen Identität.

00:32:25: Und diese Identität ist natürlich identitätsstiftend nicht nur bei uns sondern in dem ganzen Werkskontext.

00:32:32: Natürlich muss man dann Energie da reinstecken das eben überall auch verständlich zu machen was das eben bedeutet.

00:32:38: aber selber wäre es mit einem Data Mesh.

00:32:39: wenn ich im Werk gehen würde und sagen würde wie machen einen Data Mash würden mich trotzdem alle angucken genauso wie als wenn ich sagen würde Was macht eigentlich die Factory Data Cloud?

00:32:47: Und ich glaube, da ist es schon wichtig für uns eben auch einen ganz klaren Namen für die Initiative zu haben und sich da eben zu verkaufen.

00:32:56: Wir haben uns eine größere Initiative bei uns angeguckt, die ähnlich geartete von der Struktur würde ich sagen kein Datamash sondern im IoT-Bereich und haben uns damit Sachen dann abgeschaut tatsächlich und haben gesagt okay wir brauchen schon noch einen eigenen Namen.

00:33:11: Der ist dann entstanden auf dem Event wo Tim und ich waren

00:33:14: Ja, wie ist denn... Wie ist die Initiative dann gestartet?

00:33:18: Macht ihr da Präsentationen, holt ihr die online ab, verschickt ihr der E-Mails.

00:33:23: Wie ist so diese Marketing der Initiative?

00:33:26: Es gibt verschiedene Kanäle über die wir das machen und wir werden die Kanäler auch noch ausbauen.

00:33:30: Das Erste waren diese klassischen Kickoff Meetings.

00:33:32: immer wenn jemand im Werk war irgendwo, sei es auch einer von meinen Kollegen haben wir Bescheid gesagt und gesagt hey hier!

00:33:37: Das sind Standard Slidesatz Job mal den Namen, erklär grob was es ist.

00:33:42: Lad mich ins Meeting ein und ich erkläre das kurz.

00:33:44: Also viel einfach dadurch dass man präsent ist überall in allen möglichen Runden hinwerken

00:33:49: weil ihr die Kontaktkontakte schon durch die Initiativen vorher hattet?

00:33:53: Genau!

00:33:54: Es gibt bei uns ein Konzept, dass wir in jedem Werk eigentlich einen Ansprechpartner haben.

00:33:59: Das ist so eine Community.

00:34:00: Da haben wir das dann einmal gepusht.

00:34:02: Dadurch ist natürlich schon mal an jedem Werk mindestens einmal bekannt gewesen.

00:34:05: Dann gibt's noch Runden mit den jeweiligen Werksleitern, wo wir es auch nochmal gesagt haben.

00:34:10: Wir haben eigene Infosessions gemacht, wo alle möglichen Leute eingeladen haben die wir aus anderen Runden schon kennen.

00:34:15: Haben wir dann einfach mal eingeladene und ihm das um ihn das Konzept zu präsentieren halt Und da haben wir mehrere Runden aus diesem vorher schon existierenden Pool an Personen, die wir schon kennengenommen haben gesagt Das könnten Leute sein, die das für uns weiter tragen Die Idee Lass uns die doch einfach mal anschreiben, ihnen das präsentieren.

00:34:33: Und da ist ja ganz wichtig es auch immer wieder zu machen.

00:34:35: und ich merke immer dass sich selbst wenn ich mit Leuten schon mal gesprochen hab Wenn ich ihnen das drei Mal später erkläre muss ich das trotzdem wieder von vorne abholen.

00:34:43: Genau und es ist normal Es ist ganz normal Das ist bei mir auch so wenn mir jemand was erklärt Ich habe dann da vier Monate keinen Touchpoint mehr mit.

00:34:50: Da muss ich natürlich nochmal erklären bekommen weil ich in diesem ganzen Wust an täglichen Aufgaben vergesse was es eigentlich is.

00:34:56: Und das war eben vor uns auch der Punkt zu sagen wir wollen als Team noch wachsen Und werden da auch aktuell noch wachsen und weil es halt eben auch die Bedeutung bekommen, die es verdient hat.

00:35:08: Aber eure Superpower ist eigentlich Geduld?

00:35:11: Ja schon kann man glaube ich genauso sagen.

00:35:15: Geduld und Hartnäckigkeit würde ich sagen, weil wir dann doch immer wieder auf die Leute zu gehen.

00:35:21: Nichtsdestotrotz haben wir jetzt gesagt dass wir uns auf einige Werke dann wirklich fokussieren also Lighthouses machen.

00:35:25: das war schon eine kleine Lighthouse Strategie fahren Weil wir schon gemerkt haben, dass es im Gesamtwerkskonzept doch noch besser ist wenn wir das gesamte Werk betrachten und nicht immer nur einzelne Punkte in dem Werk.

00:35:37: Wenn du so ein bisschen in die Zukunft guckst oder in der Zukunft wieder dann zurückguckst was muss passiert sein, dass du sagst Das hat sich gelohnt!

00:35:50: Das ist jetzt sozusagen der Erfolg.

00:35:53: Für mich ist einmal der Wiedererkennungswert der Initiative.

00:35:56: Ich hätte schon gerne, dass wenn man in den gewissen Communities, indem wir uns bewegen, sei es Low Coding IT.

00:36:02: Wenn dann der Name Factory Data Cloud fällt, das jeder auch dieses Data Mesh-Konzept damit verbindet.

00:36:07: Das ist natürlich nochmal ein Riesenstück Arbeit im Sinne von Newslettern noch mal weiter, Sherpa und Seiten aufbauen wie immer die Kommunikation auch noch mal professionellisieren.

00:36:15: Das wäre wirklich einen Wunsch von mir, dass das wirklich auch passiert in den nächsten vierzehnzig Monaten.

00:36:21: Dass alle Leute in den Werken, die da mit dem Büro sind, auch wissen was Das ist so eine Sache.

00:36:27: Dann würde ich mir wünschen, dass eins von unseren Werken tatsächlich mit allen Domänen die existieren in der Factory Data Cloud im Datamash vorhanden sind.

00:36:34: Also dass sie wirklich mal für ein Werk ein wirkliches Datamesh aufgebaut haben wo Datenprodukte geteilt werden auch untereinander also wirklich diese Synergie auch davon genutzt wird das Dataprodukt geteiled werden und das ist dann eben auch eine Sache die wir uns aktuell als KPI vornamen.

00:36:52: Wir wollen uns Messer machen, nicht mit dem was in das Data Mesh reinfließt.

00:36:56: Sondern das was am Ende dabei rauskommt.

00:36:57: also wie hoch ist die Rate der Datenprodukte?

00:37:00: digital werden?

00:37:01: Das bringt mir nichts wenn ich Daten rein lade.

00:37:03: Ich baue schöne Dataproducts aber wenn sie konsumiert ihn niemand dann liegen Sie trotzdem immer noch irgendwo rum.

00:37:08: Dann steht zwar ein schönes oder ein schöner Name drauf dataprodukt Aber wenn sich niemand benutzt dann bringt man es genau und brauche ich sie nicht zu bauen.

00:37:16: Und das ist im Endeffekt dass wo wir uns dann auch dran messbar machen wollen und das wäre schon cool Wenn wir da eine sehr hohe rate halt auch an Wieder-Bennutzung haben.

00:37:26: Gabs eine Entscheidung, die ihr in den letzten Jahren getroffen habt wo ja euch intern nicht so einig war bei den Initiativen und hältst du dir jetzt immer noch für richtig?

00:37:37: Ja gut dass du fragst weil du hast gesagt unsere Stärke ist Geduld.

00:37:40: das war es nicht immer.

00:37:43: Es war schon am Anfang so als wir das auch in der Managementkreise gepitzt haben war es dann schon im Endeffekt so, dass viele sofort losbrechen wollten.

00:37:51: Lass uns auch in die Werke gehen, lass uns loslegen, lass das jetzt

00:37:53: machen.".

00:37:54: Und ich immer gesagt habe, hier bin ich noch auf die Bremse getreten und hab gesagt, naja's muss schon nachhaltig funktionieren!

00:37:58: Wir dürfen diese Initiative nicht verbrennen, wir dürfen nicht mit der großen Tara rausgehen... ...und dann bin das im Endefekt ich und vielleicht noch Tim, die sie den Inzidiven betreuen und wir können aber gar nicht liefern.

00:38:11: Dann musste ich da mal sehr auf die bremse treten und uns alle in Geduld üben zu sagen, das wird ein paar Jahre dauern Aber wir brauchen diese Daten, die Sie jahrelang brauchen mehr Menschen.

00:38:21: Wir brauchen mehr Ressourcen dafür bis das wirklich in der Welt der Werke halt auch angekommen ist.

00:38:27: und das war eines von den Themen wo ich selber gegenwinde bekommen habe weil solche Projekte auch gerne versucht werden dann größer zu machen als sie vielleicht noch sind Und die müssen organisch wachsen.

00:38:37: Das kann man nicht mit Ressursen zuwerfen Sondern es muss auch gar nicht wachsen.

00:38:41: Man braucht mal vielleicht noch einen zweiten oder dritten oder vierten aber es muss eben auch gar nichts wachsen damit es dann auch in der Organisation ankommt.

00:38:48: Und der zweite Punkt ist im Endeffekt dieses zweiteilige Konzept, weil das schon immer die Frage ist.

00:38:54: ein Kernkonzept von DataMesh ist ja immer auch der Self-Service wie viel Verantwortung wollen wir auch in den Werken haben?

00:39:01: Also wieviel sollen die Werke auch selber machen können?

00:39:04: und da haben wir die ganze Diskussion Wie viele machen wir an unserem zentralen Projekt?

00:39:07: Wieviel geben wir in die Werkelladen VinoRaw Daten rein?

00:39:11: Geben VinoDataProducts weiter, geben Vino Raw Data weiter.

00:39:15: Da sind im Endeffekt auch so Diskussionspunkte, wo wir echt schmerzhafte Diskussion noch führen mussten und wo wir uns sehr an einer Gerieben haben.

00:39:22: Und wo wir dann aber glaube ich jetzt zum sehr guten Kompromiss gekommen sind.

00:39:26: Der funktioniert, wo wie wir das machen.

00:39:32: Gab es mal eine Zeit, wo du nachts irgendwie im Bett lagst und dir gedacht hast, dass wird nichts?

00:39:40: Ja schon!

00:39:41: Wir hatten schon auch Probleme tatsächlich die Unterstützung ... für die Infrastruktur zu bekommen, die wir brauchen.

00:39:47: Also auch diese sich die Tools... ...zu benutzen oder die Tools zu bekommen die wir dafür brauchen.

00:39:52: Weil wir ein sehr spezifisches Tool Set dann doch haben.

00:39:55: Gerade in der Tiefe und in der Breite.

00:39:57: Und das waren schon Sachen die mich jetzt nicht haben wach liegen lassen.

00:40:00: aber wo ich mir schon den Kopf zerbrochen hab Wie bekommen wir diese Tools?

00:40:04: Und uns da sehr viel durch die Genau durch die ja in einem Großkonzern halt üblichen Governance Prozesse durchwühlen mussten wie bekommen wir eigentlich eine Software die wir haben wollen?

00:40:15: Das hat mich dann doch schon echt oft umgetrieben und sehr beschäftigend, sehr viele Nerven gekostet.

00:40:20: Diese Sachen dann wirklich auch durchzudrücken und wir sind auch immer noch dabei

00:40:23: Was motiviert einen weiter zu machen?

00:40:26: Im Endeffekt sehe ich dann doch immer was bringt mir das am Ende für den Benefit?

00:40:31: weil die Tools die wir haben wollen viel trotzdem auf Lowcode basieren.

00:40:34: Ich weiß was lowcode für ein Wert haben kann Und weiß natürlich auch da sehr gut einzuschätzen dass mir ein loco tool vielleicht mehrere Menschen ersetzen kann in meinem Team.

00:40:44: Dass ich natürlich zwei Leute einstellen kann, die jede Data Pipeline von neuem mal aufbauen müssen.

00:40:50: Habe ich dafür aber vielleicht einen Logo-Tool.

00:40:52: Könnte diese Pipeline sein?

00:40:53: Kann ein Entwickler diese Pipelin halt mit Logot eben im halben Tag bauen während einer, die einfach so in einem Tag baut?

00:41:01: und da weiß ich einfach um den Wert von manchen Softwarelösungen und das lässt mich dann doch immer wieder daran weiterarbeiten und kontinuierlich darauf drängen dass wir es brauchen.

00:41:10: Plus, ich bin vier Jahre am Großkonzern.

00:41:11: Ich weiß wie langsam die Mühlen malen.

00:41:15: Genau!

00:41:15: Ich kenne das auch mittlerweile ganz gut.

00:41:18: Stell dir vor, es hört jetzt jemand zu der morgen vielleicht auf Basis jetzt der Folge eine große Dateninitiative lostritt und das Gefühl hat er ist brauche ich bei uns auch in der Organisation gar nicht weil Weil sie sehr groß sind, vielleicht eher mit mittelständischen Unternehmen aber merken von wo man wenn man drei vier Jahre investiert.

00:41:39: Von wo man kommen kann und wo man hingeht.

00:41:41: Wenn du aber nur einen Satz dieser Person mitgeben würdest was wäre das?

00:41:47: Ich würde nochmal ein Callback machen auf das was ich eh schon die ganze Zeit sage.

00:41:50: Ja in einem Satz.

00:41:52: Bauen lieber an dem Fundament als direkt die großen Dinge zu erwarten.

00:41:59: Und hab Geduld!

00:41:59: Genau ja und definitiv hab geduld

00:42:02: Jonas ist eine sehr, sehr spannende Folge.

00:42:04: Hat mich in viel meiner Meinung und meine Erfahrung noch mal bestärkt die Grundlagen zu bauen keine Abkürzung zu nehmen Geduld für ein ordentliches Setup Werbung dafür zu machen auch sozusagen in die Breite zu gehen und Mitkämpfer dazu haben was man machen möchte weil man die auch braucht.

00:42:24: Also vielen, vielen Dank für die Folge.

00:42:26: Was mich nochmal total interessieren würde – meine zwei Fragen, die ich ja jedem Gast oder jeder Gästin stelle ist wie würdest du mit einem Filmtitel oder Serientitel das Data Game bezeichnen?

00:42:36: und auf der anderen Seite….

00:42:39: Die Frage ist ja noch ein bisschen neu aber wenn du auf eine Insel gehen würdest wo du nichts Technisches mitnehmen darfst, aber nur eine Sache was Technisches mittnimmst?

00:42:49: Was wäre das?

00:42:53: Die erste Frage würde ich beantworten mit Inception.

00:42:56: Ich weiß nicht, ob der Film was sagt?

00:42:58: Ja ja, kam schon glaube ich einmal vor dass jemand den Titel genommen hat, aber cool, weil jetzt über dreieinhalb Folgen ist es okay.

00:43:05: Also gerade in unserem Kontext waren sie nicht faszinierend wie viele Ebenen die Datenwelt haben kann.

00:43:10: Jetzt gerade auf unseren Werksfokus bezogen.

00:43:13: Wie vielschichtig das dann noch sein kann und wie viele verschiedene Rollen man hat, dass auch nicht alles real ist.

00:43:20: Was man da sieht... Vielleicht, also dass das so viele Ebenen hat, dass man sich vielleicht irgendwann mal verläuft oder für Leute gar nicht weiß wo man es gerade unterwegs ist.

00:43:28: Das würde ich halt schon sagen.

00:43:29: oder darf ich ihn vielleicht ziehen mit Inception?

00:43:31: Ja.

00:43:32: Sonst hatte ich noch als Spaß, hätte ich noch gedacht, dass wir vielleicht noch How Met Your Mother und nur How Met You Data nehmen könnten.

00:43:37: Ja, okay!

00:43:38: Ja, das macht

00:43:39: er ja durch die Werke.

00:43:40: Genau, es ist halt schon auch so... Also man geht in den Werk rein und das ist immer wieder eine Überraschung.

00:43:44: Welche Datenpunkte trifft man überhaupt hier?

00:43:47: Genau, das sind jetzt zwei Sachen.

00:43:49: Ja, was würde ich an Technik im Tool mitnehmen?

00:43:55: Ich weiß nicht, ob es vielleicht eine Edgy Antwort ist.

00:43:57: Aber ich würde auf einer eindame Insel nur einen Ball mitnehmen wollen.

00:44:00: damit bin ich zufrieden.

00:44:01: Okay!

00:44:01: Ich möchte gar nichts technisches haben weil ich dann doch auch immer wieder froh bin in meiner Freizeit auch nichts mit Daten zu tun zu haben und ich bin auch gar nicht der private Datenmensch.

00:44:11: also ich habe zwar irgendwie ne Fitness-Uhr die mich halt betreue wenn ich Sport mache aber ich mag's nicht meine persönlichen Datendingerzeit ausgelesen zu bekommen Und sonst mache ich auch nicht viel mit Daten.

00:44:20: Ich bin eigentlich oft nach der Arbeit froh, Handy und alles weglegen zu können... ...und lieber in der realen Welt stattzufinden als noch weiter digital stattzufunden.

00:44:29: Danke für die Antwort!

00:44:31: Sehr gerne!

00:44:32: Und danke für die Folge!

00:44:33: Vielen Dank auch für die Einladung.

00:44:34: Hat mir sehr viel Spaß gemacht.

00:44:36: Cool.