Viel AI ist gut, nur AI ist oft schlecht – mit Julian K., HMS Analytical Software

00:00:00: In der heutigen Folge spreche ich mit dem lieben Julian und zwar zu unterschiedlichen Themen.

00:00:04: Am Anfang stelle ich den Julian vor, dann tauchen wir eigentlich von dem Thema Gen AI Projekte was man dafür braucht bis hin zur Organisation und Technik in die komplette Folge ein und sie ist wirklich gut geworden.

00:00:19: Neue Folgen jeden Freitag!

00:00:21: In dieser digitalen Welt gibt es einen speziellen

00:00:23: Faktor, der über Erfolg- und Misserfolg entscheidet – Daten.

00:00:28: Doch

00:00:28: nur die wenigsten wissen Sie für sich

00:00:30: zu nutzen.

00:00:31: Wer seine

00:00:32: Kunden verstehen will,

00:00:33: um ihnen das bieten zu können was

00:00:34: sie brauchen kommt um ein professionelles Datenmanagement nicht herum.

00:00:38: Jonas Rascheli

00:00:39: interviewt andere Experten aus den Data Bereichen und zeigt Schritt für Schritt wie genau das funktioniert.

00:00:51: Mein heutiger Gast ist der liebe Julian Kurz.

00:00:53: er arbeitet bei HMS Analytica Software und beschäftigt sich da mit dem Themen generative KI.

00:01:01: Warum sprechen mit ihm?

00:01:02: Wir haben schon im Vorgespräch darüber philosophiert, wo eigentlich die Reise hingibt.

00:01:06: es gibt mehr Gen AI Use Cases oder gibt's eigentlich mehr use cases mit Unternehmenseignendaten?

00:01:13: und seiner Ansicht nach untersteigen wir gleich ein.

00:01:17: ist es gleich geblieben obwohl ja der Gen AI Hype gerade massiv ist.

00:01:22: Zusätzlich dazu und vor allem deswegen bist du, glaube ich total spannend lieber Julian.

00:01:27: Hast Du ja auch natürliche Sprachverarbeitung studiert also du kommst aus dem Thema nicht nur in der Praxis wo du jetzt gerade bist sondern auch aus der Theorie.

00:01:35: Hi Julian!

00:01:37: Hey Jonas freut mich hier zu sein.

00:01:38: Julian wenn wir im Vorgespräch darüber gesprochen haben Ich glaube, ich kann mich noch daran erinnern.

00:01:44: Oder ist es im Kopf zum Thema Gen AI use cases gesprochen?

00:01:48: Und wir haben so ein bisschen drüber philosophiert dass ich gerade viele Studien lese die sagen, ninety-fünf Prozent aller gen AI use Cases kommen nicht in den produktiven Betrieb

00:02:00: oder man

00:02:00: kann das auch andersrum frame.

00:02:02: fünf Prozent aller Gen AI uses kommen in den Betrieb.

00:02:06: und dann habe ich mich ein bisschen mit euch auseinandergesetzt, mit ihr auseinandersetzt und ihr sagt ihr habt ja schon über dreißig Projekte geschafft von Gen AI in den Betrieb zu bekommen.

00:02:18: Was macht ihr, glaube ich?

00:02:20: Oder was glaubst du, was ihr anders macht als andere und warum seid ihr da so erfolgreich?

00:02:27: Das ist eine schöne Frage!

00:02:29: Und natürlich würde ich gerne die Dorfwehren jetzt alle einsacken.

00:02:31: Ich weiß nicht ob es wirklich dreißige Produktion sind.

00:02:33: das können schon sein weil ich bei jedem Projekt wirklich weiß ob wir's... quasi wirklich ein Endnutzer, das jetzt nutzt.

00:02:41: Wir haben die Projekte auf jeden Fall auch inzwischen deutlich mehr als dreißig abgeschlossen.

00:02:46: Ich glaube eine Antwort ist mir leider ein bisschen enttäuschend.

00:02:49: Wir sind ja Berater, die man aktiv holt.

00:02:52: Das heißt wir machen nicht... also wir machen die Projkte wo schon sehr viel Druck und Geld da ist und Überlegungen beim Unternehmen nehmen so.

00:02:59: Also ich glaube allein die Rolle die ich habe wenn ich reinkomme in der Firma spricht dafür dass es ein Projekt ist wo einfach sehr viel mehr Support da ist.

00:03:08: Weil ich seh das auch, wenn ich nach links und rechts gucke beim Kunden.

00:03:11: Inzwischen ist es ja mit KI so einfach, wenn irgendjemand sich denkt, hey, ich hab hier was zusammengevipecoded... ...dass die Sachen fehlen glaube ich viel eher als wenn du dir halt ein Team von Softwareberatern holst, die das dann für dich wirklich professionell umsetzen.

00:03:26: Ja aber Kosten nutzen?

00:03:28: Ich glaub sehr hoch!

00:03:29: Also tatsächlich muss ich sagen persönlich sind alle meine Projekte, die ich jetzt in den letzten Jahren gemacht habe, tatsächlich glaube ich in Produktionen und gute Feedbacks.

00:03:39: Ich glaube auch, welche Statistiken sind allgemein immer ein bisschen schwierig.

00:03:41: Ich weiß jetzt nicht genau was da ist aber ich habe mal gehört zum Beispiel dass es auch viel von den USA von so Accounting her und so kommt weil sie Steuern abschreiben und so.

00:03:48: also ich bin bei diesen Zahlen selber persönlich immer sehr skeptisch.

00:03:51: ja weil das auch tatsächlich nicht meine gelebte Realität in Unternehmen wirklich darstellt.

00:03:56: Ja aber

00:03:56: eine gelebete Realität ist wirklich dass viele Projekte erfolgreich umgesetzt werden.

00:04:04: Also ich freue mich darüber, ich versuche gerade nur also Hintergrund und die Herausforderung warum ich ja auch mit dir die Folge gerne machen will und über das Thema diskutieren will ist dieses dieser Punkt schaffen wir in Deutschland in Europa.

00:04:19: du kannst glaube ich für den deutschen Markt sprechen oder jetzt für das was du wahrnimmst Gen AI Use Cases umzusetzen.

00:04:25: Warum?

00:04:27: Die letzten zehn fünfzehn Jahre diskutieren wir immens über das thema wie wichtig es eigentlich Daten.

00:04:32: Wir diskutieren darüber, welche Infrastruktur wir brauchen und haben glaube ich vor Jahren über das Thema Data Science und wie wichtig Data Science ist.

00:04:40: Wir haben gesehen dass viele einer Data Scientistin statt Ingenieurs eingestellt haben.

00:04:44: also die Datenvorbereitung ist zum großen Teil immer noch nicht abgeschlossen will ich sagen jetzt springen wir schon auf den nächsten Hype Gen AI.

00:04:51: Und was viele ja vergessen ist und auch gerne deine Meinung Du kannst einen JetGBT-Use Case bauen du kannst ein Cloud Use Case bauen der dir vielleicht in dem Prozess was erleichtert, wie etwas zu übersetzen.

00:05:04: Aber den großen Mehrwert ist ja eigentlich unternehmenseigene Daten zu verwenden weil du die oft in deinem eigenen Prozess brauchst und dann guckst du ja wieder in der Produktionskette zurück und hast sie oftmals nicht da.

00:05:18: Und da ist mein Gefühl dass viele Unternehmen gerade scheitern bei Bausengleien POC Dann willst du denen große Produktionen schieben über ein ganzes Organisationsmodell, über einen Unternehmenschier rausbringen und dann bricht es.

00:05:34: Deine Meinung ist – oder deine?

00:05:37: Und cool wenn wir ja sozusagen zwei Meinungen haben die wir diskutieren können, dass das gar nicht eine Wahrnehmung

00:05:43: ist.

00:05:43: Doch ich bin voll bei deiner Meinung sogar.

00:05:45: Okay, Folge endet!

00:05:47: Ich glaube man kann dir auch voll vereinen weil definitiv was ich auch sehe ist jetzt die Leute massiv unterschätzen wie viel einem AI-Projekt wirklich AI ist.

00:05:55: Ich würde zum Beispiel nicht claimen, dass ich neunzig Prozent der Arbeitszeit jetzt davor sitze und irgendeinen prompt fein genauer aufs Wort genau optimiere.

00:06:02: Sondern viel davon ist einfach Datenpipelines bauen.

00:06:04: Und das haben wir ja schon immer gemacht und es ist gut und das sieht man auch definitiv.

00:06:07: Ähm...und es ist wichtig!

00:06:09: Und zum Beispiel ich habe noch gar nichts...ich hab mit Cloudcode oder sowas entwickelt.

00:06:13: Ich hab' Nicht Anwendungen darüber Kunden gemacht weil.... Das ist auch wieder was.

00:06:18: Ich habe das Gefühl viel KI ist gut aber nur KI ist oft schlecht.

00:06:22: Und da sieht man im privaten Umfeld wenn du so etwas wie Cloudcourt hast du einfach nur die KI machen lässt, dann hast du ganz viele Probleme.

00:06:28: Das ist halt doch irgendwie haluziniert, nicht genau das trifft oder diese ... Weißt Du, dass Du mit diesen Haluzinationen einfach irgendwie mitweibst?

00:06:36: Wenn wir da hingehen und es ist halt ganz viel, dass wir so ein Prozess wirklich in Stücke zerschneiden schauen, dass die Daten richtig reinkommen an jeder Stelle weiß er eher so, dass der KI auch eine Form ausfüllen muss, dass sie ganzen Sachen schön kontrolliert bleiben Und das hilft den Trumänen-Experten schon Haufen Projekte gesehen, die wirklich echten Mehrwerten machen.

00:06:54: Und ich sehe da auch nicht diese mediale Sache das es so schwer sein soll.

00:06:59: Also auch große Produktivitätsgewinne.

00:07:01: was ich jetzt als IT dann natürlich sagen kann.

00:07:03: Ich bin ja kein BWLer aber definitiv.

00:07:06: Aber nehmen uns mal step by step für ein Use Case mit und erkläre wie du's machen würdest?

00:07:11: Ja klar also.

00:07:11: zum Beispiel wenn du schaust z.B.

00:07:14: in der Pharmaindustrie hast du einen Haufen Leute unterschiedliche Spezialisten Und manche Leute sind halt richtig gut darin, klinische Studien zu designen

00:07:21: und auszuwerten.

00:07:22: Ja?

00:07:23: Und die sind selber keine IT-ler!

00:07:25: Und jetzt brauchen sie aber immer wieder irgendwie so eine Visualisierung, irgendwie ein Graf ja...

00:07:30: Für ihre eigene Studie.

00:07:32: Für die Studien diese Auswerten, die sie einreichen müssen für die internen Meetings wie dem auch sein.

00:07:38: Und früher hat das halt Teise.

00:07:39: wirklich wenn man sieht mal bei Großkonzentren da bist du bei einer Woche oder sowas dran wenn du irgendeine IT-Ler kriegen willst der für dich irgendwas umsetzt.

00:07:46: Und eine Sache, die wir da jetzt gebaut haben ist einfach nur... Es ist gar nicht mehr, kannst du es richtig in Chat botnennen?

00:07:51: Weil das sind auch total viele Menüpunkte und einzelne Punkte.

00:07:54: Aber wo die sich selber im Prinzip den Kot rauslassen können.

00:07:59: Dann hast du wirklich Prozesse, die vorher eine Woche gedauert haben, im Minuten fertig.

00:08:02: Was passiert da?

00:08:03: Stück für Stück?

00:08:04: der sagt quasi zeigt mir was in Daten da ist.

00:08:07: dann gibt mir mal bitte diese Art von Visualisierung.

00:08:09: Da möchte ich jetzt bitte immer wenn die Leute Essen gekriegt haben noch einen Markierer haben Und das kann ja eine KI dann super gut machen.

00:08:16: Und es sind keine großen, open-ended Sachen so.

00:08:18: aber das ist halt schön alles sauber validiert wird aus quasi validierten Vergleichscode.

00:08:22: bei uns darf die KI quasi erst Sachen rauswählen und mit diesem Level an Kontrolle wird den Leuten echt geholfen.

00:08:30: Das heißt ihr habt eigentlich da ein bisschen Low Code, NoCode Applikation gebaut wo der User interagiert und durchgeführt wird um zu gewährlassen dass er dann zum Ergebnis

00:08:42: kommt.

00:08:42: Genau, jetzt an dem Beispiel.

00:08:44: Das ist gerade ganz interessant weil ich tatsächlich drei Nutzergruppen in der gleichen App habe und es hat auch cool das kannst du mit KI machen.

00:08:50: Weil die KI gleichzeitig zeigt sich auch immer den Code für die weiße Leute die wirklich selber code'n können.

00:08:55: Die können dann selbst darin auch mit Live Terminals programmieren oder Anpassungen machen Und ganz viele Sachen sind einfach nur Buttons wo halt vorgefertigte Proms ausgeführt werden Für die Leute die gar nicht code'nen können.

00:09:06: Und die Leute, die mit einem Chat arbeiten wollen können das auch machen.

00:09:10: Lass mich das mal nochmal einen konkreteren Beispiel mitnehmen.

00:09:13: Jetzt bin ich CDO Mittelstand, beschäftige mich ja mit den Themen.

00:09:18: Eine unserer großen Herausforderungen die ich jetzt sehe aus meiner Sicht ist wahrscheinlich eine persönliche Meinung ist Customer Service.

00:09:28: es glaube ich ein Riesenthema was wir verbessern können im Prozess.

00:09:33: Jetzt würde ich mit dir wie jetzt darüber sprechen wie wir dem besser bekommen können.

00:09:40: Jetzt können wir darüber diskutieren, welche Werkzeuge.

00:09:43: Der Prozess ist komplett digitalisiert also wir nutzen ein Customer Service Tool.

00:09:50: wie würdest du jetzt mit mir vorgehen im Projekt um zu gewährleisten dass wieder mehr Wert heben würden?

00:09:57: Ja voll schöne Frage!

00:09:59: Also erst heute würde ich dir ganz viel zuhören weil du bist als KXpert immer in dieser peinlichen Position, dass du dein Leben lang gelernt hast Probleme zu lösen.

00:10:07: Aber nichts über irgendein echtes Problem.

00:10:09: Das heißt ... Es gibt schon diese Hybristik immer.

00:10:12: Versuch zu vermeiden, dass man hingeht und kommt, boah ich versuche deinen Job zu löschen mit Algorithmen.

00:10:16: Und dann irgendwann nach sechs Worten fällt dir auch ganz schön hart was du machst jeden Tag so.

00:10:22: Wir würden uns erst mal anschauen wie laufen die Prozesse bisher drüber reden?

00:10:25: Was wäre eine echte Hilfe oder so?

00:10:27: Ja, aber stehen wir

00:10:27: fragen!

00:10:28: Genau okay also quasi.

00:10:29: was ist denn überhaupt Customized Service?

00:10:31: Wie läuft da so ein Prozess ab?

00:10:33: Ja, also unterschiedliche Eingangskanäle, E-Mail, Telefonbriefe.

00:10:40: Da werden über Kundenbeschwerden, also Reklamationen bis hin zu Rückfragen zu Produkten, bis hin zur Wo ist mein Produkt?

00:10:51: Bis hin zu wo ist mein Product?

00:10:54: Welche Sendung welches Produkt passt zu mir?

00:10:56: Unterschiedliche Fragen gestellt.

00:10:59: Cool, schön.

00:10:59: Und quasi ihr kriegt die Antworten auf diese Fragen oder euch werden die Fragen

00:11:03: gestellt?

00:11:04: Uns werden die Frage

00:11:05: gestellt

00:11:06: und dann haben wir einen First Level Support der die im Telefon zum Beispiel die Fragen annimmt und versucht zu beantworten.

00:11:14: einfache Fragen und teilweise werden dann weiter Fragen über Tickets erstellt.

00:11:19: auch E-Mail löst natürlich immer ein Ticket aus werden sozusagen dann Personen an Second Level Support weitergegeben wenn es ein bisschen kompliziertere Fragen sind Und dann

00:11:29: geben wir uns das

00:11:30: wirklich Mühe.

00:11:30: Also wenn jemand zum Beispiel fragt, welche Sorgen passend zu Cowboy-Stiefeln habe ich verstanden gehabt?

00:11:36: Ich hoffe es sei jetzt nichts Falsches!

00:11:38: Dann suchen wir raus oder geben z.B.

00:11:40: eine Idee wo die Richtung hingehen könnte.

00:11:43: also mal auch so eine Art Produktberatung, die wir anbieten.

00:11:45: Voll cool und was tut grad weh?

00:11:52: Die Anzahl an... Wenn man sich das im Fashionhandel anschaut, ist ja die meiste Situation so.

00:12:03: Dass wenn wir an den Handel verkaufen kümmert sich zum großen Teil auch der Handel für die Erstreklamationen.

00:12:13: Wenn wir über einen Online-Shop verkaufen sind wir direkter Ansprechpartner.

00:12:17: Das heißt umso mehr Umsatz und Wissenskontakte wir mit Direktkunden haben, umso höher ist in Relation natürlich die Anfragenliste durch einen Online-Bereich, der diese sozusagen

00:12:33: entsteht.

00:12:35: Und das kostet einfach Geld?

00:12:37: Das

00:12:37: kostet Geld!

00:12:38: Wir wollen einen guten Service bieten und dadurch skalieren wir über Personal und viele der Themen kann man halt eben auch nicht zwangsweise... automatisieren.

00:12:53: Deswegen sprechen

00:12:53: wir ja.

00:12:54: Ja, voll schön.

00:12:55: und dann ist jetzt die Frage quasi das erste was durch meinen Kopf geht um mal rein zu lassen ist quasi ein paar Sachen die KI schlecht.

00:13:01: kann es deterministisch immer dasselbe Ergebnis zu bringen und quasi hundertprozentige Sicherheit zu geben.

00:13:07: Das heißt ich versuche immer quasi die Diskussion erst einmal wohin zu lenken wo es eine beratende Funktion kriegt oder eine wo es einen Prozess macht der nicht so schlimm ist wenn er Mal ... schief geht.

00:13:20: Ja?

00:13:21: Und sobald es bei deinem Beispiel könnte ich mir vorstellen, dass man was wäre, wenn man den Kunden erst mal eine gute Möglichkeit gibt gar nicht erst einen neuen Kanal zu gehen.

00:13:30: Das wär vielleicht gut.

00:13:31: oder wenn Sie quasi diese Rückfragen sich selber irgendwie auf eurer Seite holen könnten...

00:13:35: Haben wir die FRQ-Seite ja aber jetzt nicht eine.

00:13:40: also was wir schon mal nachgedacht haben ist ein Arschetboard zu installieren wo der Kunde dann fragen könnte, wo es mit dem Paket eine Antwort draufbekommt.

00:13:50: Oder welche Socken würden zu mir passen?

00:13:52: Aber auch dann fängt ja schon das Gespräch mit dir an.

00:13:56: Weil wie kann ich diese Fragen idealerweise sozusagen beantworten und wiederholten?

00:14:02: Auf jeden Fall!

00:14:04: Und genau das wäre jetzt auch mein erster Gedanke gewesen, so dass man z.B.

00:14:07: das machen könnte.

00:14:08: – ja auch noch zwei weitere Ideen.

00:14:09: Dann ist jetzt die Frage quasi, woher kriegt die KI die Informationen?

00:14:12: Inzwischen sind manche von den Modellen ja einfach extrem gut.

00:14:15: Und ich glaube, man könnte wirklich auch wahrscheinlich schon viele Fragen beantworten, wenn man der einfach nur Web-Access auf eure Seite gibt und davon ausgeht es die Leute vielleicht manche Sachen nicht so gut gelesen haben und die KI aber auch antworten lässt.

00:14:26: Das ist eine kritische Frage, wo man auch immer reingehen muss Richtung Datenschutz

00:14:30: usw.,

00:14:31: können wir irgendwie ... Entweder irgendwelche internen Unterlagen zu einem Produkt oder können wir z.B.

00:14:37: bestehende Gespräche nutzen?

00:14:39: wo andere Leute Hilfe gekriegt haben.

00:14:41: Und dann können die mich jetzt zum Beispiel mit dir anfangen, über sowas zu unterhalten.

00:14:44: wie könnte man diese Daten anonymisieren?

00:14:46: Wie könnte man da hinkommen?

00:14:47: bei der rechtlichen Sache bräuchte ich natürlich auch Beratungen.

00:14:49: Könnte man zum Beispiel statt das einfach nur als normale Dokumente zu machen so nur Ausschnitte gezielt über komplizierte Grafenstrukturen aufsetzen oder so?

00:14:58: aber der Punkt ist quasi können wir erstmal gucken von den Daten die ihr habt dass wir die schön sauber informationstechnisch aufbereiten das eine KI sehr leicht mit antworten könnte.

00:15:08: und ich glaube Die Antwort könnte gut ja sein, wenn uns quasi Datenschutz an der Stelle nicht komplett das Genick bricht.

00:15:13: Und damit könntest du auch gleich weitergehen?

00:15:15: Das mache ich z.B.

00:15:16: auch extrem gerne bei KI-Lösungen, dass ich versuche ein gutes Backend zu machen aus dem sich mehrere Nutzcases für Kunden abgeben können.

00:15:24: Z.B.,

00:15:24: diese gleichen Datenbank könnten wir vielleicht auch zum First Level Support zur Verfügung stellen oder dann zusätzlich sogar noch als Kontext nutzen um vielleicht beim Second Level Support Ich weiß nicht ob es bei euch so ist, aber ich hatte mal bei einer Versicherung und bei einer Bank, dass es da unterschiedliche Experten gibt Also nicht jedes Second Level Support frei gelandet beim Gleichen.

00:15:42: Und allein

00:15:42: schon mal das vorzusortieren, wo es hingeht kann ja auch schon Arbeit sparen so.

00:15:47: Das wären zum Beispiel die ersten Ideen, die ich in dem Prozess hätte.

00:15:51: und jetzt eine ganz wilde Idee vielleicht für ein Podcast wenn du sowas lustig findest, wo ich gerade tatsächlich auch

00:15:55: für uns

00:15:56: intern an was arbeite ist wie könnte man die Leute besser schulen?

00:15:59: Könntest du ne KI machen dir auf Basis von weiß der subpsychologischen Daten oder Gesprächsdatenbanken mit den Leuten quasi des Training macht dass der Support hilfreicher wird.

00:16:10: Das wären so die ersten Ideen, die ich hatte.

00:16:13: Ich lös' mal ein bisschen auf also was wir uns angeschaut haben.

00:16:17: Wir haben jetzt geguckt dass wir das Rooting erstmal optimieren können und sind dazu hingegangen und haben genauso wie du sagst Also beim Second Level Support überlegt unterschiedliche Anfragen wenn von unterschiedlichen Personen und Teams beantwortet.

00:16:31: das heißt wir gucken uns einmal an was steht in der Anfrage geben dem eine Kategorie, weisen dann die Kategories sozusagen zu.

00:16:37: So wie Dispatchen man auf den IT-Service kennt.

00:16:40: Dann werden sie abgearbeitet.

00:16:42: Das hat gut geklappt!

00:16:43: Wir haben uns auch nochmal angeschaut welche Themen könnten automatisierbar wiederholt?

00:16:49: Die gleiche Antwort erhalten?

00:16:51: Da haben wir eigentlich eine gute Lösung bekommen.

00:16:55: Auch das haben wir sozusagen ausgenommen.

00:16:56: Dadurch haben wir natürlich auch schon mal das Ticketlevel massiv reduziert.

00:17:00: Und jetzt ist mein Punkt, das ist der nächste Schritt mit dem wir uns beschäftigen sind.

00:17:03: Das was du eigentlich auch dann gesagt hast.

00:17:06: Dann zu sagen naja... Wir haben keine große Dokumentation über alle Fälle die es gibt.

00:17:11: Das ist glaube ich die wichtige Formulierung.

00:17:14: und jetzt lasst uns doch mal den letzten drei vier fünf Jahren, faire Punkten im Datenschutz zu sprechen, gemeinsam beim Datenschuss können wir denn überhaupt diese Daten verarbeiten?

00:17:26: Und aus den Daten und den Fällen, die wir haben über die letzten Jahre eine Dokumentation sozusagen Reverse-Engineering betreiben um die Zugbekommen.

00:17:36: Um sie dann genau als Datengrundlage oder als Struktur für alle wieder zur Verfügung zu stellen.

00:17:42: Voll gut!

00:17:43: Ich glaube das könntet ihr wahrscheinlich sehr gut machen.

00:17:45: also jetzt können wir fürs Gespräch mal ausgehen.

00:17:47: Ihr dürft es rechtlich alles so?

00:17:49: Oder vielleicht sogar man kann ein paar klebrere Anonymisierungen mit reinbringen.

00:17:53: Dann gibt's halt echt so... handfeste Entscheidungen, die man treffen kann.

00:17:56: Zum Beispiel natürlich kann man jetzt einfach nur gucken quasi bereitet man das alles sauber auf und stellt es einfach nur der KI gibt so ein paar schnellere Algorithmen weil KI ein bisschen langsam ist, die dir quasi Millisekunden grob ähnliche Texte rausholen können und dann kann die Kaisi sich durchlesen, ein bisschen extra Kontakt geben.

00:18:13: Das nennt sich dieses Retrieval Augmented Generation.

00:18:16: also als man quasi Daten rauszieht ist ja inzwischen recht alter Hase so.

00:18:20: aber jetzt könnte man zum Beispiel auch sagen hey wir bauen hier wirklich so wie was das ein Ontologe machen würde, also jemand der jetzt hier quasi versucht so Wahrheitsstrukturen in Bibliotheken oder sowas abzusetzen.

00:18:30: Wir bauen da einfach einen komplexen Grafen rein und schauen zum Beispiel wie viel über so eine Struktur, wie viele Leute übers gleiche Thema geredet haben was dann für Wörter gekommen sind ob wir daraus sogar noch etwas Besseres machen können.

00:18:41: Jetzt hatte ich auch die Frage quasi, können wir vielleicht auch irgendwie noch bewerten?

00:18:44: Ob es Gespräche gibt, die schlechter oder besser gelaufen sind mit irgendwelchen... Gibt's ja auch.

00:18:48: solche simantische Analysen kann man gucken.

00:18:50: hat er Ist der Kunde eher wütend geworden?

00:18:53: So können wir vielleicht noch coole Metadaten dazu bringen und da vielleicht nochmal extra Value rauszukriegen.

00:18:58: Ja,

00:19:01: jetzt springen wir glaube ich.

00:19:02: aber in meinem Podcast Setup habe ich Klot gemeinsam mit der ganzen Notion nehmen oder Obsidian.

00:19:12: Ich hab Obsidian Und ich habe jetzt mit einer Person gesprochen die meinte du brauchst auf jeden Fall einen Knowledge Grafen.

00:19:21: Und dann habe ich so drüber nachgedacht.

00:19:23: und bei einem Herz schlägt natürlich sofort höher neue Technologie bzw.

00:19:28: neue Methodik, die man einsetzen kann muss ich auf jeden Fall ausprobieren.

00:19:31: Dann habe ich mich aber zum Glück erwischt und hab mit Claude eigentlich darüber diskutiert.

00:19:35: Naja guckt ja mal meinen Konzept an.

00:19:39: Wie funktioniert also Ist denn überhaupt sinnvollen Knowledge Grafen einzusetzen?

00:19:43: Jetzt hast du gerade auch Knowledge Grafengenutzt.

00:19:46: Ich habe gestern eine Folge aufgenommen wo ich nochmal das Thema Context, Semantik Layer und Knowledge Grafen von der Person hab erklären lassen.

00:19:56: Mein Gefühl ist viele kennen und verstehen gar nicht was Knowledge Graph is und was ein Anwendungsfall dafür iss.

00:20:05: Kannst du vielleicht das entspannender Punkt Semantic Layer oder Kontext Semantic layer und Knowledge grafen am Beispiel meines Customer Service einmal erklären?

00:20:16: Ich kann es probieren.

00:20:16: Ich hoffe, dass ich den Customer Service gut hinkriege.

00:20:20: Wenn ich fachlich jetzt auch nicht so tief drin bin... Aber vielleicht können wir damit mal erklären was diese einzelnen Begriffe sozusagen sind und wann man das eigentlich einsetzt?

00:20:30: Mein Gefühl ist jetzt auch da wieder alle rennen schon wieder Richtung Knowledge Graph, obwohl vielleicht nicht alles verstanden hat.

00:20:35: Du musst ja auch lachen genau!

00:20:37: Weil als du gesagt hast, ich habe neulich mit jemandem gesprochen der LLM Wikis für komplett alternativ los gehalten hat

00:20:44: Wollt ihr mal heute angeboten?

00:20:45: Heute habe ich auch einen Link geschickt bekommen, wo es hieß, obsidien ist raus.

00:20:49: Du musst auf jeden Fall LMM-Wikis bauen.

00:20:51: Das ist so schlimm oder?

00:20:53: Also das was ich intern immer sage, das Wichtigste ist vor allem nicht mit jedem Hype mitzugehen.

00:20:58: Weil das ändert sich ständig.

00:20:59: Es gab doch auch noch irgendwie diesen Witz hier.

00:21:01: wer redet noch über Harnes Engineering?

00:21:03: dann?

00:21:03: wer redete noch über Loop Engineering?

00:21:05: jetzt?

00:21:05: wer redeten noch über Graf Engineering?

00:21:07: Und dahinter ist ja aber irgendeine coole Wahrheit.

00:21:09: Aber all diese Sachen haben schon ihre Daseinsberechtigung, die haben klassische Trailer auf.

00:21:13: Zum Beispiel in Grafen willst du eigentlich immer wenn du eine hohe Verknüpfung erwartest und ich meine es wäre als allererstes berühmt geworden.

00:21:21: mit Grafen im öffentlichen Auge glaube ich so was wie Facebook und da siehst du sofort halt.

00:21:26: so funktionieren Freundschaften.

00:21:27: Du hast quasi eine Person kennt Ganz viele Leute, aber andere Personen kennen teilweise die anderen Leute und dann bilden sich so Cluster- und Gruppen.

00:21:34: Und wenn du so eine Form von Datenstruktur hast ist es super!

00:21:38: Auch wenn du sie nicht hast, ist das nichts wegen schlecht für die KI, die Daten auszuholen.

00:21:42: Sondern das größte Problem ist, dass es so viel teurer ist aufzubauen.

00:21:45: Da müssten wir uns realistisch wirklich tagelang hinsetzen und ich müsste verstehen was da genau passiert.

00:21:50: Wir müssen all diese Regeln vom Beziehung und Zusammenhänge einfach genau aufschreiben.

00:21:54: sowieso was gut funktioniert bei

00:21:55: euch.

00:21:57: Das heißt, eigentlich das Problem oder die Methodik, die du lösen willst um so ein Grafen aufzubauen ist.

00:22:02: Du musst diesen Grafen... Ist meine Wahrnehmung?

00:22:05: Vielleicht kannst du mich korrigieren oder vielleicht ist es richtig bestätigen.

00:22:09: So nah wie möglich an deine Infrastruktur unterziehen weil umso tiefer zu sie in der Wertschöpfung ziehst, umso mehr Tools und Prozesse von dieser Methodik profitieren, um so mehr macht es Sinn, das zu etablieren.

00:22:22: wenn du natürlich nur den Grafen Richtung Customer service schiebt, ist gar nicht Kunden allgemein oder sozusagen sogar noch größer.

00:22:31: Also Kunden insgesamt als Wertschöpfung über ein Unternehmen.

00:22:36: Dann hebst du halt nicht den Mehrwert, den du raust um zurechtfertigen wie aufwendig es ist eigentlich einen Grafen zu implementieren – das ist meine Wahrnehmung!

00:22:44: Ich glaube ja, ich glaube da würde ich zustimmen.

00:22:48: Ich glaube genau, zum Beispiel beim Grafen ist vor allem die Frage, ist es eigentlich dem bürokratischen Aufwand?

00:22:53: Es sind quasi die Kosten dieses Dinges aufrechtzuerhalten.

00:22:58: Sie haben alle unterschiedliche Vor- und Nachteile.

00:22:59: Bei LM Vicky ist ganz interessant, habe ich neulich mit jemanden geredet der ein Startup in dem Bereich hat und wirklich tief drin ist und er selber sehr klein im Bereich sieht wo die Dinger gut sind nämlich wenn du kurze Projekte hast weil du relativ schnell ein Problem hast Wenn du sagst du hast immer so'n bisschen Halluzination oder ein bisschen Probleme Du bist einfach relativ schnell das Vicky dann wenn du quasi bei lange Projekten hast wird es immer größer und schlechter und gar nicht so gut.

00:23:22: Wenn du wirklich eine Software lang entwickeln willst, würde ich es vielleicht nicht so sehr empfehlen.

00:23:25: Aber wenn du wirklich denkst, hey, ich will hier was für ne Woche raushauen und das ist super!

00:23:28: Und bei dem

00:23:28: Grafen ist es so genau.

00:23:29: Wenn du jetzt wirklich das Gefühl hast, du hast hier fachliche anspruchsvolle Fragen wo du Zusammenhänge verstehen musst und du bist bereit da als Firma Geld rein zu investieren dann ist es gut.

00:23:38: Ich glaube das ist das, was oft ein großes Problem ist.

00:23:41: Dass Leute denken sie suchen immer nach dieser goldenen Kugel, weißte so, oder Silberkultür.

00:23:47: So und man denkt jetzt einfach die einen Entscheidung, die ist besser als alle

00:23:49: anderen.

00:23:50: Das ist nicht richtig.

00:23:53: Diese Woche hatte ich ein interessantes Problem so, was vielleicht auch in die Kerbe reingeht.

00:23:57: Jetzt sind ja ein paar neue Modelle rausgekommen und jetzt kannst du dir anschauen zum Beispiel GBT-Sex.

00:24:05: Luna ist ein sehr günstiges Modell und

00:24:08: Claude Fünf

00:24:09: Punkt fünf ist ein gutes Modell auf irgendeiner Benchmark.

00:24:13: Auch bei Benchmarks ein bisschen vorsichtig sein aber es ist nicht komplett falsch hat z.B.

00:24:18: Claude auf der niedrigsten Reasoning-Studie, Stufe in Intelligenzscore von ¾ und Luna auf der höchsten mit Max von ¿.

00:24:26: Es ist schon noch ein Unterschied aber gleicher Ballpark.

00:24:29: Und jetzt kostet pro abgeschlossenen Task, also aus dem Task ab in dieser Benchmark, Opus acht Mal so

00:24:38: viel wie Luna, ja?

00:24:41: Aber es dreizehnmal so schnell!

00:24:44: Und an der Stelle ist es nicht klar, was interessant war.

00:24:46: Man macht so das eine oder das andere und wenn du dir gucken kannst einen Prozess hier, ich gucke mal den Tokenkosten werden echt viel langsam... Ich könnte im Achtel der Zeit quasi...

00:24:57: Im Achteltekostenspann?

00:24:58: Nee, im Dreizehntel.

00:24:59: derzeit müsst ihr aber achtmal so viel dafür bezahlen.

00:25:01: Das ist das Wert!

00:25:02: Und da kommt dann dieses Zusammenspiel von technischen Entscheidungen, was einfach nicht so trivial ist.

00:25:08: Noch mal zurückführen zum Thema Knowledge Graph Semantic Layer Context.

00:25:16: Der Kunde ist wahrscheinlich ein Beispiel für Knowledge Graph, also die Beziehung zu einer Bestellung, zu dem Produkt wieder hinten dran hängen und zu einem Kanal.

00:25:24: Also diese mehr dimensionale Verbindung auf unterschiedlichen Ebenen hat sozusagen den den Vorteil und du kannst mit der Bestellung starten, kommst zum Kunde.

00:25:35: Du kannst mit dem Produkt zum Kunden kommen.

00:25:37: also da kannst du durch unterschiedliche Wege immer wieder an ähnliche oder gleiche Enten ankommen von denen du dann wieder woanders hinkommst.

00:25:47: also du kannst sozusagen kreises die falsche Formulierung aber du kommst in dem sehr weit

00:25:53: ganz genau ganz genau.

00:25:56: Bei dem

00:25:56: Graf ist ja das Schöne, du kannst immer jeden Einstiegspunkt wählen.

00:25:59: Sowohl Kunde wie auch Produkt.

00:26:00: und jetzt könntest du

00:26:01: z.B.,

00:26:01: wenn wir ein bisschen wilderes Beispiel machen will aber aus der Praxis.

00:26:04: Jetzt tun wir zum Beispiel noch dieses Beispiel von vorne aufgreifen, dass wir zusätzlich noch eine quasi KI benutzen um die Daten ein bisschen anzureichern.

00:26:11: Zum Beispiel sagen wir nicht nur Wir schauen was sozusagen wie wütend eure Kunden im Gespräch waren oder wie entspannt So wir geben dazu auch einen Gradienten.

00:26:19: Ja, wir sagen quasi sind Leute Wütendär geworden über das Gespräch.

00:26:22: Dann könntest du zum Beispiel eine Anfrage finden.

00:26:24: so sag mir mal bitte Schauen wir mal die Produkte an wo möglichst viele Kunden dranhängen die Wüttender geworden sind und sowas kannst du schon mit einem Grafen extrem schön darstellen oder dem KI auch gut geben.

00:26:35: da muss ja einfach nur gucken für jedes Produkt wie viele Leute hängen dran die einen aufsteigenden Gradienten an Wut hatten?

00:26:42: Und ich weiß es nicht, so musst du mir sagen ob zum Beispiel sowas eine interessante Fragestellung für dich sein

00:26:46: könnte.

00:26:47: Um genau zu gucken

00:26:48: bei den Produkten

00:26:49: haben wir ein Problem das wir die Kunden unzufrieden

00:26:51: machen

00:26:52: und dann können man gucken haben wir da dann Turnover-Probleme oder sonstige Sachen.

00:26:55: Jetzt haben wir so Knowledge Grafen besprochen.

00:27:00: in der Kette müssten wir jetzt mit Semantic Layer weitermachen um dann zur Kontext zu kommen.

00:27:04: also wenn du so bisschen versuchst die Abschulstufung Semantic layer

00:27:08: Also Knowledge Graph ist für mich eigentlich ein semantic layer.

00:27:10: in dem Sinne Willst du's gar nicht separieren?

00:27:17: Ich meine, ich glaube, dass da oft Sachen ein bisschen die man nicht so gut trennen kann versucht werden zu trennen.

00:27:23: Selbst wenn was ist denn quasi in einem Semantic Layer ist ja dein Kontext drin und eigentlich geht es eher darum...

00:27:30: Also mal im Kontext und Sematic Layer gleich zu setzen?

00:27:32: Nicht mit neulich Graf?

00:27:33: Genau!

00:27:33: Du kannst mit nem Grafen einen kompletten sementischen Layer anbieten wo all deinen Kontext quasi drinnen ist.

00:27:37: Und ich habe das Gefühl, dass die Unterscheidungen eher sind, was du gerade machen möchtest.

00:27:42: Wenn du quasi über den Semantic Layer redest, redest du gerade eher darüber wie du es designst.

00:27:47: Und wenn du über den Kontext redest würde ich sagen das ist ja etwas was du rausziehst aus deinem Semantic layer um eine konkrete Anfrage anzureichern.

00:27:54: Aber Du kannst ja Kontext auch anders herstellen ohne einen Semantic Lair und Knowledgekraft

00:27:59: zu bauen?

00:28:00: Auf jeden Fall!

00:28:00: Genau, genau.

00:28:01: Das ist gut so.

00:28:02: genauso euch unterstehen und du kannst die Begriffe nicht komplett trennen.

00:28:05: aber es wird jetzt nichts sagen... an dem Punkt, wo du mitnimmst, Semantik-Lehrarbeit.

00:28:09: Dass es sich zwingend trennen würde so und du kannst natürlich auch Semantic Leher bauen die keine Grafen sind.

00:28:13: Deswegen würde ich sagen eine Kraftdatenbank kann oft ein kompletter Semantiker sein.

00:28:19: Wenn du all diesen Aufwandbetreibseine zu bauen auf jeden Fall.

00:28:26: Habt ihr schon viele Projekte im neulich Grafen umgesetzt?

00:28:30: Wie ist das auch immer Ansichtssache oder habt ihr schon einige umgesetzt?

00:28:34: Ich glaube nicht viel.

00:28:34: Ist nicht so häufig weil sie eben so schwierig ist Und in der Praxis sind die meisten.

00:28:39: also ich bin immer ein großer Fan.

00:28:41: Ich nehme gerne das Wort Context Engineering und da nehme ich auch alle solche Sachen, welche semantische Schicht nämlich rein.

00:28:47: Ich mag es auf verschiedene semantischen Quellen zu vereinen also weiß er so verschiedene Datenbanken Dokumentquellen, Daten aus dem Prozess selber Und die Knowledge Grafen kamen nicht so viel auf Aber wir haben's auf Firma auf jeden Fall schon gemacht.

00:29:05: Wie würdest du beschreiben wenn dich jetzt dieses beim Customer Service dieser Reverse-Engineering der Dokumentationenstelle.

00:29:13: Was wäre das für dich?

00:29:14: Das neulich Graf ist es auf keinen Fall, eher sozusagen klassisches Kontextdokument oder...

00:29:20: Wie viele Daten habt ihr denn?

00:29:22: Wie viele Dokumente habt ihr dann?

00:29:24: Nee die würden wir erstellen!

00:29:25: Also die Idee

00:29:26: wäre jetzt... Manuell erstellen?

00:29:28: Ne auch müsste ich wahrscheinlich mit dem Latch Language Modell hatte hier gesagt gehabt.

00:29:31: also Wir haben gerade... Es ist jetzt die These ja.

00:29:35: Wir würden keine Dokumentations im Customer Service haben.

00:29:39: Wir würden jetzt gerne dafür eine Dokumentation erstellen oder sie erweitern.

00:29:44: Und deswegen war ja die Idee, ich hole mir einfach alle Daten, alle Fälle,

00:29:49: Datenschutz

00:29:49: auch wieder das Thema bestätigen gedanklich um dann daraus reverse engineering eine komplette Dokumentations

00:29:57: zu erstellen.

00:29:58: Wie

00:29:58: würdest du diese Dokumention... Nein, das ist der Kontext.

00:30:03: Neunisch Graf ist es nicht.

00:30:03: Das

00:30:03: würde ich schon sagen, da baut ihr dann schon.

00:30:05: Sie meinten klär, wenn du das Wort verwenden willst, würdest mitgehen

00:30:08: so...

00:30:10: Genau und das aber quasi im Prinzip, das sind die Daten, die du erstellst.

00:30:16: Klar, das kannst du sehr gut machen mit KI, die jedes einzelne Gespräch angucken.

00:30:19: Die überlegen wie du deine einzelnen Stücke dann erstellt sie.

00:30:25: Da kann ordentlich viel Anonymisierung passieren.

00:30:27: zum Beispiel haben wir das für eine große... ... für mal gemacht, wo es auch ganz witzig war.

00:30:31: Das ist quasi Daten die sie sich nicht abspeichern durften... aber zum Beispiel die KI-Extraktion durften sie sich abspeicher so rechtlich.

00:30:40: Also quasi durften sich nicht die Originaldaten abspeichen, sondern sie dürften sich die Zusammenfassung abspeiche.

00:30:45: im Groben gesehen und das war zwischendurch dann allein da schon ein echter Use Case.

00:30:51: Genau!

00:30:52: Und ich glaube die genaue Namensfindung weiß ich nicht so.

00:30:54: Es wird halt darauf ankommen was wir machen, was es wirklich hinläuft.

00:30:57: Aber ich glaube wir könnten da einfach nur Tatenbank quasi draus machen, die sich dann nachher, die quasi Kontext für die Anfragen

00:31:04: sind.

00:31:09: So ein bisschen zur Eingangsfrage zurück.

00:31:11: Mein Eindruck ist immer noch das viele Unternehmen und da bin ich jetzt absichtlich sehr schwarz-weiß wenn sie über Gen AI Einführung und Co sprechen gerade auch unter den Mitarbeitern auf diese Chatchivity Cloud Lizenz zu Verfügung stellen klassisch E-Mails beantworten, Übersetzungen machen.

00:31:36: Aber sich gar nicht Gedanken darüber machen welche Prozesse ich besser machen kann weil diese Button ab am Satz funktioniert.

00:31:44: aber der funktioniert ja nur dahin dass du täglich Effizienzen hebst und im täglichen arbeiten das auch irgendwo beschränkt ist.

00:31:54: Aber dieser Blick den du top down hast diesen Gesamtprozess dir einmal anzuschauen den zu hinterfragen den zu optimieren Ich glaube dafür bedarf es eigentlich immer Projekte und Vorhaben, die gut geplant werden müssen.

00:32:14: Der Eindruck entsteht bei mir und das er vorhin schon gerade gesagt hat, dass ihr eigentlich schon ja von einem konkreten Fall geholt werdet weil hier das euer Job ist, ist oftmals dieses ich kauf jetzt mal JETGBT, ich kaufe jetzt mal Co-Pilot ein und dann wird es schon irgendwie regeln oftmals zu kurz gedacht.

00:32:37: Würde ich auch zustimmen,

00:32:38: ja.

00:32:40: Für mich ist es genau das, wenn du es so unkonkret hast wo du am meisten in diese Fälle reinläufst dass die KI halt auch schon... Sie tut das manchmal hallozinieren sie macht Sachen nicht so gut.

00:32:49: Leute haben Angst davor sind sich nicht so sicher.

00:32:51: ob sie den Sachen vertrauen können landest auf Widerstände der einzelnen Leute oder andere Einschätzung, was eine KI kann oder nicht.

00:33:00: Da will ich dir zustimmen!

00:33:01: Das ist oft... das ist nichts Zwingendes, was man immer zu erfolgen kommt.

00:33:05: Du hast natürlich bei jedem Kunden wo ich war siehst du dass es ein paar Leute gibt die tatsächlich selber jetzt einfach irgendwelche use cases rausstampfen.

00:33:13: so und das ist ganz unterschiedlich weißt du manchmal auch die Führungsebene die ihn zuhört und wir haben solche Sachen schon übernommen und werden da mehrere Projekte schon wo wird was ihr irgendwie auch cool fand?

00:33:23: Das hatten wir wirklich nie vorher wo einfach irgendein Abteilungsmitarbeiter sich tatsächlich mal hingesetzt hat und weiß im Prototypen gebaut hat, dem wir dann professionellisiert haben.

00:33:31: Aber das ist natürlich nicht die Regel.

00:33:33: Das ist nichts, das Normale.

00:33:34: Und da kann ich mir auch wieder vorstellen, dass der KI-Nutzend vielleicht sogar irgendwann zu einem Anti-Nutzen wird bei diesen Fällen, die du beschreibst.

00:33:45: Weil sind wir dann nicht wieder beim Philosophisch, beim Grundproblem des Wehrhaben?

00:33:50: Dass wir oft immer noch die Prozesse uns anschauen und überlegen, wie wir sie optimieren.

00:33:55: Also das was jetzt vorhin so als Fallbeispiel mal durchgespielt haben beim Customer Services sind natürlich oft Workshop-Tage dann auch wieder Dokumentationen des Verstehen nicht nur mit einer Person sprechen sondern mit mehreren Personen sprechen Und viele Unternehmen sehen sich dafür keine Zeit

00:34:12: Voll!

00:34:14: Und auch keine Kreativität kein Raum.

00:34:18: Leute sind da oft sehr in ihr Räumlich da rennt's mit mir absolut offene Türen rein, weil ich hab Leute verstehen oft auch dann gar nicht was ihr Problem ist oder was die KI gut kann.

00:34:26: Ein ganz großes Problem

00:34:28: ist

00:34:29: das glaube ich so... Ich sag jetzt noch etwas Reißerisches, dass Leute mit KI die gleichen Probleme haben wie mit ihren Partnern.

00:34:34: Mit ihren Familien und ihren Eltern.

00:34:36: Oh we are talking!

00:34:37: Ja wirklich?

00:34:39: Weil ein klasse Beispiel es sich aufbringen ist.

00:34:42: Was ist ein gutes Burgerrezept?

00:34:47: Ja also du meinst im Sinne von wie man das macht?

00:34:52: Oder?

00:34:52: War sie nicht?

00:34:53: Ich glaube, das ist ein gutes Burgerrezept.

00:34:54: Ja, ich glaube kann man unterschiedlich beantworten.

00:34:57: Man kann es extrem unterschiedlich bei Antworten.

00:34:59: Zum Beispiel was ist wenn du in der Industrieküche bist die sich ausrechnen muss wie viel kosten sie hat pro hundert Portion?

00:35:04: Was ist wenn Du einen Lifestyle-Block hast?

00:35:06: Weißt Du wo auf jeden Fall irgendwie Wagyu Beef und Blaubergkäse oder was weiß ich noch alles auf so einem Burger drauf musst und vielleicht noch schöne Bilder rauskommen müssen... Oder ob's einfach irgendjemand hat selber Abendessen möchte, so weißt Du aus seinem Supermarkt.

00:35:17: Und dann stellen Leute KI so eine Frage und ärgern sich über die KI, dass sie nicht ihre Gedanken lesen können.

00:35:23: Und ich dachte dann bist du plötzlich bei jedem eher streiten Sie immer ins Garf.

00:35:26: So weiß es ... Nee, aber das ist ja ... Es ist die große Evolution von KIs, dass es kontextabhängig ist.

00:35:33: Kontext heißt in dem Sinne auch die Person, die die Frage stellt.

00:35:37: Das blenden Leute aus!

00:35:38: Dafür musst Du wirklich ... Du musst die Prozesse verstehen.

00:35:40: Du musst verstehen was Du möchtest.

00:35:43: Eines der Nummer-Eins-Training, so wie sich Leuten empfehlen würde, ist Kommunikationstraining.

00:35:46: besser mit Kis zu arbeiten Lernen gut deine Probleme zu beschreiben, zu zerlegen und zu verstehen.

00:35:52: Und das musst du dafür verstehen so.

00:35:53: Die meisten Leute verstehen oft gar nicht oder das ist die meiste.

00:35:55: Das ist zu äußerisch.

00:35:56: So pessimistisch bin ich auch nicht.

00:35:58: Aber es kommt oft vor dass Leute ihre Problemen gar nicht verstehen uns aber schon mal anfangen zu bearbeiten und es geht oft nicht gut.

00:36:06: Brauchen wir dann am Ende wirklich KI-Berater?

00:36:08: GenKI Berater oder brauchen wir auch mehr Kommunikationsberater?

00:36:14: Ich glaube es läuft... Und mit meiner Wahrnehmung läuft es gerade sehr viel über.

00:36:17: Gerade weil man auch, muss ja fairerweise sagen so... Das heißt

00:36:20: das verschmelzen sich wieder die Skills oder verändern sich weder die Skills der Berater, die jetzt gerade benötigt werden?

00:36:28: Reiserisches

00:36:28: Beispiel.

00:36:30: als ich vor über fünfzehn Jahren glaube ich angefangen habe im Agenturbereich zu arbeiten gab's immer noch einen IT-Software-Entwickler, der morgens mit einem Aktenkoffer gekommen ist.

00:36:44: In diesem Aktenkoffer habe ich mich immer gefragt was drin ist und dann hab' ich's rausgefunden es waren nur seine Hauschuhe.

00:36:50: Das ist sozusagen so ein Sinnbild für mich für Entwickler früher.

00:36:55: heute sind die Entwickler ja viel fach Abteilungs näher sprechen viel mehr haben andere mehr soziale Kompetenzen die sie brauchen die du vorher nicht zwangsweise gebraucht hast.

00:37:07: also diese Aussage im Keller, sind die Nerds aus dem Keller.

00:37:11: Die gab es glaube ich früher, die gibt's jetzt nicht mehr.

00:37:13: Jetzt sitzen die Leute ja vielmehr dran.

00:37:16: Ist das jetzt die nächste Stufe?

00:37:17: Dass du noch extrovertiertere, noch kommunikationstärkere Personen brauchst?

00:37:22: vielleicht nicht hundert Prozent aber eben die, die entscheiden wie sowas funktioniert.

00:37:28: Wie Perspektive sowas funktionieren kann?

00:37:30: Machen wir es natürlich auch für Gedanken

00:37:32: drüber.

00:37:36: Ich bin jetzt mal einer von denen, die erst mal ganz klar sagen.

00:37:38: Ich weiß es natürlich nicht.

00:37:39: Meinst du meine Glasskugel ist so gut wie die vom nächsten?

00:37:41: Sollte ich was rüber uns in unserem Geschäft viel Gedanken machen und ich glaube beides kann wahr sein.

00:37:46: Weißt du wenn die KI dich jetzt fragt beim Vibecoden hier soll ich eine WebSocket oder eine ResteAPI machen oder einfach irgendwas klickst.

00:37:53: Wenn ein Software-Engineur anstellt das ist schon seine Aufgabe.

00:37:56: Das hat nicht einfach nur irgendetwas klickt sondern dass er die Frage versteht und weiß was er sagen soll.

00:38:00: Wie damit du auf dieser Kontextidee hast... Schon auch ein wichtiger Teil so davon.

00:38:05: Aber der andere Teil, den du sagst muss ich schon ehrlich mich ja beantworten.

00:38:08: Das ist auch meistens das wo ich glaube ich oft in meiner Karriere einfach oft ein bisschen hingerutscht bin.

00:38:15: Ist eine Informatik eher nicht so gut im Mund hält.

00:38:18: Nein aber man merkt einfach diese KI wird sehr gut im Programmieren.

00:38:21: natürlich macht es auch Leuten Angst und es gibt ja diese Sicht die sagen irgendwann brauchst du gar nicht mehr begroten können.

00:38:26: Ich weiß jetzt nicht ob ich mich da quasi hinter und dranstellen würde.

00:38:29: ich würde definitiv sagen noch sind wir da nicht.

00:38:32: Ich würde nicht ausschließen, dass wir da nie hinkommen.

00:38:33: Ich würde es aber auch nicht auf jeden Fall bejahen.

00:38:35: und irgendwo jetzt bei diesem Mittelweg sehe ich schon, dass sich einfach sehr viel mehr Code in extrem kurzer Zeit schaffen kann.

00:38:41: Das ist auf jeden fall bin ich schon am Punkt das es Hanebüchen ist wenn ich einfach nur noch von Hand ohne KI programmiere.

00:38:48: Es ist so viel weniger produktiv des Quatschs.

00:38:50: Das heißt diese Exaproduktivität verbringen natürlich schon auch in Meetings mit Leuten Probleme verstehen oder halt diese technologischen Entscheidungen wirklich gut durchzudenken oder natürlich auch die quasi KI selber zu designen, diese Harnisse wie das funktioniert.

00:39:05: Das heißt, diese Zukunft, die du beschreibst sehe ich schon, die ist teilweise da und so einfach ist es dann leider doch oft nicht und einen Effekt weiß es keiner, gell?

00:39:14: Ist halt schwierig!

00:39:16: Aber jetzt lass uns mal von der philosophischen Ebene zu Tudus runtergehen.

00:39:20: Wir haben vorhin ein Beispiel gemacht zum Customer Service.

00:39:25: Jetzt könnte ich nächstes Jahr eine oder zwei Personen einstellen.

00:39:30: Du wirst mein persönlicher Berater der entscheiden würde, welche Personen mit welchen Skills... Welche Rollen mit welcher Skills ist die bessere Formulierung?

00:39:39: Brauche ich nächstes Jahr.

00:39:42: Was wäre das?

00:39:45: Wie groß seid

00:39:45: ihr?

00:39:47: Wir haben dreitausend Mitarbeiter circa, wo von der überwiegende Teil natürlich in der Produktion arbeitet.

00:39:57: Natürlich sage ich aber wir sind ein produzierendes Unternehmen, wir produzieren noch selber

00:40:01: Genau.

00:40:03: Und wie quasi, also ein Techie der euch damit helfen soll ja quasi euch da Lösungen machen so und den Prozess konkret leichter zu

00:40:09: machen?

00:40:10: Das ist...

00:40:11: Wir sind beim Burger

00:40:11: Rezept!

00:40:12: Also die Frage ist sozusagen was würdest du sagen was die Rollen sind?

00:40:15: Du kannst gerne nochmal eins zwei Fragen stellen.

00:40:19: muss nicht zwangsweise in der IT sein aber wo und wie würde ich jetzt eigentlich den größten...

00:40:24: Ah genau er sollte quasi bei.

00:40:25: er soll Customer Service mit quasi Technologien besser

00:40:28: machen.

00:40:28: Wir lassen uns mal beim Customer Service bleiben.

00:40:31: Wie viele andere Leute hat er denn noch um sich rum?

00:40:33: Also

00:40:33: wie ist in eurer bestehenden Skilllandschaft oder ist es dann quasi ein Einzelkämpfer?

00:40:38: Faire Frage, also wenn man sich meine Organisation anguckt haben wir IT Operations das heißt Infrastruktur Themen Datenbanken, IT Support BI-Team, wir haben ein Analytics Team.

00:40:55: Wir haben einen Marketing Technology Team.

00:40:57: Ich muss aufpassen, dass ich ihn niemanden vergesse... Wir haben Applikation Teams zu unterschiedlichen Applikations- und Softwareentwicklungsteam.

00:41:09: Okay, das heißt ihr habt eigentlich schon alles?

00:41:12: Was sehr gut macht er aus den Seiten der Tür mit drei Tausend Seiten so!

00:41:14: Das heißt dann würde ich tatsächlich Klar, eine andere Frage ist wieviel zu zahlen.

00:41:18: Aber ich glaube das können wir hier

00:41:19: mal ausklammern.

00:41:21: Wahrscheinlich würde ich dir am ehesten empfehlen denjenigen der am meisten Begeisterung im Forschungsgespräch zeigt.

00:41:26: Ehrlich für das Problem.

00:41:27: Also der sich am meisten die Augen aufgehen und das Herz aufgeht.

00:41:30: Das hätte ich wahrscheinlich auch schon vor fünf Jahren geraten, aber ich glaube es ist tatsächlich mehr wahr geworden.

00:41:35: Also jemand, der wirklich die Energie reinbringt, das Problem zu verstehen.

00:41:40: Da können wir uns sehr gut treffen so.

00:41:43: und dann auch einfach die Energie mitbringt, auf der Ebene dann die Sachen zu machen, die nötig sind.

00:41:47: Weil ich glaube auch von unserer Verhaltung ist es noch nicht so klar.

00:41:49: was wirklich nötigt ist aber jemand der wirklich Lust hat dieses Problemen zu optimieren, der wird dann ein Weg finden.

00:41:55: Und die zweite Ebene ist schon was ich auch immer sage Ich

00:41:59: bin...ich

00:42:01: glaube Theorie hat seinen Platz das aber maßlos überschätzt und du lernst die meisten Sachen im Leben durchmachen.

00:42:08: So und jemand der einfach sehr viel ... nur Theorie hat und sehr wenig gemacht hat, würde ich dir auch abraten gerade in dem Bereich.

00:42:15: Also... Wie man das jetzt rausfindet ist ein super altes Problem.

00:42:18: aber schon jemanden der wirklich sich die Hände dreckig gemacht hat und mal so ein paar solche Sachen probiert hat, umgesetzt hat.

00:42:27: Und der war vielleicht auch, weil du lernst auch reden durchs Machen, weißt du so?

00:42:31: Der war vielleicht einfach schon ein paar solchen Meetings gemacht hat.

00:42:33: Schon ein paar Konzeptions-Sachen gemacht hat oder einen Begeisterter-Arounder, das würd ich dir raten.

00:42:41: Ja!

00:42:42: Ich dachte du gehst noch mal auf dieses Thema ein, was wir vorhin so ein bisschen beschrieben haben.

00:42:46: Also dass wir ja einen sehr kommunikative Person ja eigentlich brauchen weil ich beschäftige mich gerade viel mit dem Organisationsdesign und man sagt so klassisch in der IT oder im Data Bereich hast du diese unterschiedlichen Reife-Grede gerade von irgendwie reaktiv zu Business Value, Business Driver Business Enabler wird es, glaube ich gerade gesprochen und du brauchst vom Skillset also.

00:43:22: Ich liebe Brainteaser dieses methodische weil ich bin der gleichen Meinung wie du Julian.

00:43:28: Du brauchst Leute die verstehen wie sie immer neue Probleme lösen können Weil in drei Jahren gibt's vielleicht eine andere Technologie die man lernen muss und da brauchst du jemanden der fit genug ist das zu lernen anstatt dann in diesem eigenen Saft zu bleiben und nichts Neues dazu zu lernen.

00:43:44: Aber du brauchst vor allem in der Zukunft, glaube ich, Kernkompetenz-Kommunikation.

00:43:50: Also mit den Fachleuten zu sprechen.

00:43:51: Du musst schaffen die Technologie viel näher an den Endkunden oder an den Entanwender zu bekommen und das schaffst du nur durch die Kaffeetermine, die wir oftmals nicht gelernt haben.

00:44:04: Das ist meine Wahrnehmung.

00:44:05: also jetzt nicht im Sinne von hier im Unternehmen sondern einfach sozusagen die IT Data.

00:44:10: Leute haben diese Kommunikation gar nicht so sehr.

00:44:13: Und was mir jetzt umso mehr in den letzten Wochen aufgefallen ist und Monaten, ich habe bewusst oder unterbewusst in vielen Organisationen, wo ich gearbeitet habe immer einen PMO-Office implementiert.

00:44:25: Gar nicht auf Konzernebene auch wenn ich da nahe aufgehangen war sondern immer noch mal im Data Bereich dass diese Projektleute, Projektmanager die ja sehr kommunikativ sind immer so nah wie möglich am Fachbereich sind Die Probleme verstehen, sie klein schneiden.

00:44:42: Sie lösen und sind dann in die Organisation, die ich sozusagen verantwortet

00:44:46: zurückgebe.".

00:44:47: Und ich glaube das wird die Königsklasse wenn du diese Enablerstruktur bauen willst, da diskutieren ja gerade viele darüber wie ist diese AI-Organisation der Zukunft?

00:44:58: Und es sind glaub ich dieses Kiesgilds, die du brauchst um deinen gesamten Bereich zu schützen weil jemand, wenn wir jemanden das Problem versteht, wenn jemand das Problem klein schneien kann so wie du's vorhin gesagt hast und dann in die Organisation tragen kann, dann hast du gewonnen.

00:45:12: Und dann können die Kernexpertise-Leute für ihr jeweiliges eigenes Gewerk wiederarbeiten.

00:45:19: Aber du brauchst diese Übersetzer.

00:45:20: Früher hat man die Klassische Business Analyse genannt aber ich glaube, diese Personen müssen jetzt noch mehr kommunikativ werden.

00:45:29: Auf jeden Fall bin ich einer Prozent bei dir!

00:45:31: Ich glaube sogar vor allem was man sagen kann ohne diese Person funktioniert es nicht.

00:45:35: Was ist das schon dein Beispiel?

00:45:37: wenn du bereit bist dieser Aufgabe selber zu machen?

00:45:39: die Person zu Babysetten, dann kannst du auch so ein sehr technisch... wo die Augen nur aufgehen.

00:45:46: Die das Problem selber sehen und einen richtigen technischen Brain sehen.

00:45:51: Und es ist auch wenn du in andere Bereiche gehst.

00:45:54: Die meisten Start-ups haben genügend kommunikative begeisterte Leute, die brauchen Workhorses.

00:45:58: Und die meisten größeren Konzerne braucht vielleicht eher mal jemanden der begeistert sind.

00:46:02: Aber ohne diese begeisterten Personen Geht es nicht so?

00:46:06: Und das ist dieser sehr technische Experte, der kann vielleicht ein zweiter oder dritter Heier sein.

00:46:11: Oder wenn jemand anders bereit ist mitzutragen dann hat das schon auch seinen Place.

00:46:14: Weißt du wie man da einfach nur Probleme abarbeitet und runter arbeitet weil zu viel Kommunikation zieht halt in zu viele Richtungen.

00:46:20: Ich glaube schon weiterhin du brauchst den Mix.

00:46:22: Wir sehen es ja auch als die meisten Projekte die wir haben sind schon das Kunde.

00:46:25: mit uns kommt eine ganz klaren Projektvorstellung.

00:46:28: Da ist er völlig okay, wenn du jemanden hast macht, was man ihm sagt.

00:46:32: Aber der sehr gut macht, das ist so.

00:46:35: Ich glaube wir arbeiten auch alle gerne mit den Leuten zusammen.

00:46:38: Ja.

00:46:39: Aber irgendwann muss der Personal sagen, was sie macht.

00:46:40: Das stimmt schon.

00:46:41: Aber siehst du in

00:46:42: den Unternehmen und Organisationen wo du bist?

00:46:45: Dass diese Leute gibt dich gerade beschrieben haben oder dass die aufgebaut werden können?

00:46:49: Bist du da nah dran um das zu beurteilen?

00:46:52: Ja, auf jeden Fall gibt es die.

00:46:54: Und bei uns zum Beispiel gibt's die... Sie sind sehr persönlicher Stands, weil ich darf ja auch manchmal solche Entscheidungen ein bisschen mit treffen und so.

00:47:00: Ich rate meistens nicht Leute in so eine Position zu drängen.

00:47:03: Das habe ich tatsächlich noch nie gesehen, dass es funktioniert hat.

00:47:05: Ich hab das Gefühl, dass schon was ist, was ein bisschen ... Ich denke mal, die Augen müssen groß werden?

00:47:10: Das ist ne intrinsische Sache!

00:47:11: Und du kannst jemanden kein intrinsisches Feuer antrainieren.

00:47:14: Das glaube ich persönlich nicht.

00:47:17: Deswegen ist es eigentlich cool, wenn wir vorhin wieder zum Beispiel gehen.

00:47:19: So, das habe ich noch nie gesehene, das weißte einen wirklich Krisenkroßenkonzern.

00:47:22: Leute selber kommen zu ihrem Chef und sagen hey... Ich habe da ein Problem gesehen, ich hab eine komplette Applikation gebaut und dann hört der Chef zu und sagt, ich bestelle jetzt ein paar Software-Engineure.

00:47:30: Die machen das jetzt richtig gut so... Und das ist ja eigentlich genau das oder?

00:47:34: Ja!

00:47:34: Und es ist eigentlich wunderschön!

00:47:36: Ja definitiv, dass die Leute, die weniger technisch sind aber stärker in der Kommunikation lernen die Technischen Skills, die dann

00:47:46: wiederum

00:47:47: wenn das Thema gut kommuniziert wurde und sinnvoll ist Dann wieder sozusagen zu den Leuten kommen, die es dann technisch auf valide Beine stellen.

00:47:55: Aber dieser erste Use Case, den kannst du halt eher über diese Kommunikationsleute holen.

00:47:59: Wenn ich jetzt darüber nachdenke, da war schon meine ganze Karriere... Ich habe ja davor auch schon K.I.

00:48:03: gemacht bevor jetzt diese, weißte, LGBT-Krosse war.

00:48:05: Ich war eigentlich immer schon abhängig von denen und eigentlich ist das ja schön so, weil es so jemanden der wirklich seinen Thema versteht und wo man hingehen kann und dem mit einer technischen Lösung helfen kann.

00:48:15: Das ist echt eine tolle Synergie!

00:48:16: Dafür brauchst du jemandem, der sein Bereich versteht oder kommuniziert?

00:48:21: Früher in meinen Büchern habe ich die auch mal Leuchtturmprojekte genannt, aber das ist am Ende genau dieses entscheidende Punkt.

00:48:33: So ein bisschen der Nachteil von IT und Data – wir werden nie so sehr im Rampenlicht stehen.

00:48:40: Es ist eher sozusagen dann der Schatten, der auf uns fällt wenn Sachen nicht funktionieren im Betrieb.

00:48:44: jetzt mal sehr weinerisch ausformuliert.

00:48:48: Aber wir haben glaube ich die Aufgabe, zum Scheinen zu bringen und die muss positiv darüber sprechen.

00:48:56: Und die brauchen wir vor allem am Anfang dazu, dieses Problem zu kommunizieren, unmöglicherweise auch eine Lösung mitzubringen.

00:49:02: Voll!

00:49:02: Und ich glaube es mir macht eigentlich auch Spaß.

00:49:04: Ich weiß gar nicht wie ich so leider sagen würde... ...ich finde das irgendwie...das ist eigentlich auch schön oder?

00:49:08: Ja, ich find's auch schön.

00:49:10: Auf der anderen Seite nur manchmal habe ich noch nicht die Lösung gefunden.

00:49:15: Der Punkt in meiner Verantwortung jetzt mit Infrastruktur &

00:49:21: Co.,

00:49:22: du kriegst nicht auf die Schulter geklopft dafür dass diesem Monat kein Computer ausgefallen ist oder die Server

00:49:29: ausgefallen sind.

00:49:30: Das ist zu mir schon auch leid für dich, das ist einfach... Dein Job am besten läuft immer nichts von dir mehr.

00:49:37: Ja, und es ist jetzt gar nicht negativ!

00:49:40: Ich will nicht weinerisch klingen.

00:49:41: aber ich glaube wir können noch mal mehr Sichtbarkeit bekommen durch die Probleme, die wir da lösen können.

00:49:49: Und am Ende sind wir wieder beim Thema AI, Digitalisierungsthemen, Data ist nur ein Werkzeug im Werkzeugkasten, den wir zur Verfügung stellen können und am Ende muss man gucken.

00:49:59: Ist es nagell oder eine Schraube?

00:50:01: Welches Werkzeug brauche ich dafür ums zu lösen?

00:50:03: Da muss man es irgendwie ein bisschen testen.

00:50:04: Und dann hilft glaube ich wieder dieses Vibecoding-Thema schon weil man rausgefunden hat Es ist eben die Schrauben.

00:50:11: jetzt kann man da nochmal überlegen wie der Fachexperte, der Handwerker, der IT-Ladern schafft das dann ordentlich verbauen.

00:50:18: Das ist meine Wahrnehmung

00:50:20: Voll, voll.

00:50:20: Und mein Dark würde auch vielleicht cool.

00:50:22: noch kurz reingehen weil da ist nur noch eine echte Möglichkeit die du vorhin nicht hattest, die wir wirklich sehen wobei die wir noch nicht gesprochen hatten.

00:50:29: Weil deinen Job merkt man dann vielleicht nicht wenn nichts passiert ist er am besten gelaufen so und das ja oft so.

00:50:34: ich habe viele Prototypen gebaut so wie man wünscht sich im Restaurant was ein cooles Essen so und dann kriegt der genau das gebracht was er haben wollte war halt oft meine Erfahrung.

00:50:42: Aber das sehen wir tatsächlich manchmal.

00:50:44: z.B.

00:50:45: wenn du wieder so ne tolle Semantic Layer hast kannst du den plötzlich auch benutzen als Person, die eigentlich Support machen soll um Produkte in der Firma anzubieten.

00:50:52: Und es ist tatsächlich aber etwas passiert was wir sehen.

00:50:54: so weil Du kannst ja die Learnings daraus, die die KI holt vielleicht zum Beispiel auch Leuten anbieten die die Produkte designen oder das Marketingdesign.

00:51:02: und jetzt natürlich ein ganz klassisches Beispiel was ich als letzte Woche wieder im Pharma bereiche dann hatte du kannst Meetings reduzieren wenn Du die Logs der KI benutzt um anderen Leuten quasi als Self-Platt Form, das ist ein Self-Service-Plattform, Status Updates zu geben.

00:51:17: Müssten manche Meetings gar nicht gehabt werden und plötzlich freuen die Leute sich?

00:51:20: Weil sie müssen nicht warten bis sie irgendwann mal diesen Wissenschaftler rankriegen, sondern sie können einfach sich einloggen und gucken auf welchem Stand es ist.

00:51:27: was sind die vorliegenden Daten, die Informationen, die Sie kriegen einfach selber holen so... Das wäre cool!

00:51:32: Dann kann sich auch anfangen Geschäftsprozesse zu informieren.

00:51:36: Sehr nice Ich finde das eigentlich einen guten Abschluss der Folge.

00:51:46: Ich würde versuchen, einmal – wir haben sogar so viele Themen gesprochen – das Fazit der Folge zu nehmen.

00:51:53: Aber ich brauche es glaube ich gar nicht mehr wiederholen.

00:51:56: Wir haben darüber gesprochen dass die Wahrnehmung ist, dass durch den GenAI eigentlich mehr Gen AI Use Cases da sind.

00:52:09: aber

00:52:10: auch

00:52:11: alle haben wieder festgestellt du brauchst dafür eigentlich die Unternehmensdaten.

00:52:14: dadurch sind die Anteil der unterschiedlichen Projekte, vielleicht vor allem auch in deiner täglichen Arbeit gleichgeblieben.

00:52:23: Dann haben wir darüber diskutiert und überlegt eigentlich wie könnte man einzelne Use-Cases lösen?

00:52:28: Wie geht ihr vor bis hin zu Problembeschreibung und die Idee, wie man es lösen kann?

00:52:35: Dein Feedback war eigentlich gibt es jetzt vielmehr.

00:52:37: diese genaue Problembescheidung ist nämlich durch das Vibecoding da

00:52:42: d.h.,

00:52:43: Eigentlich ist schon ein Prototyp da, der genau diesen Prozess einmal dargestellt hat.

00:52:46: Also ihr bohrt dann noch tiefer und könnt dann sozusagen noch einen besseren Fundament legen.

00:52:51: Und dann haben wir sozusagen die Technik damit besprochen, die Prozesse damit besprechen – und dann gibt es das Thema Organisationen.

00:52:58: und beim Thema Organisation haben wir darüber gesprochen, dass wir Leute brauchen, die mehr Kommunikationsskills haben, ob sie jetzt aus der Fachabteilung kommen und Technik dazu lernen oder ob es Techniker sind, die Kommunikation mit dazulernen.

00:53:13: Du hast es vollkommen richtig gesagt, dass der wichtigste Punkt ist, dass die Motivation maximal hoch sein muss um das eben gut zu lösen.

00:53:22: Und dann können wir davon ausgehen, dass auch mit einer neuen Technologie oder jetzt mit Gen AI wirklich mehr Werte gehoben werden, die für Unternehmen relevant sind?

00:53:32: Ja,

00:53:32: voll!

00:53:35: Zwei Fragen, die ich eben cast am Ende stelle.

00:53:37: Machst du noch was privat mit Daten?

00:53:39: Und welchen Filmtitel oder Serientitel würdest du sozusagen der Folge oder deinem Data Game

00:53:45: geben?

00:53:47: Tatsächlich mache ich ein paar Sachen selber mit Daten.

00:53:48: Inzwischen raus aus dem Game zu versuchen, privat auch noch Geld zu verdienen.

00:53:52: aber ich habe sich zwei F-Saber für mich geschrieben.

00:53:55: Finanzapp, weil ich ausgerastet bin.

00:53:57: Das ist kein Haushaltsbuch, gibt es gleichzeitig Vermögensplanung gemacht und dann eine Wohnung geholt haben habe ich einfach selber eine App da geschrieben.

00:54:03: Und das andere ist witzigerweise eine kraftbasierte Wissenstartenbank, weil Ich mache halt ziemlich viel auch so Meditationen und Yoga und so und einfach verschiedene Lehrreden und so die mir halt gefallen haben quasi alles zusammen quasi in so eine Kraftdatenbank rein, wenn man halt nach irgendwas guckt.

00:54:17: Du weißt ja einfach sagen Konzentration kriegst du quasi direkt allen Content dazu wo das da ist oder kannst du auch ein schönes Bild erstellen lassen?

00:54:24: Ja aber

00:54:24: warum da wieder auf Kraftbasis?

00:54:26: Weil zum Beispiel wenn ich jetzt unterschiedlichste Lehrer und Buchquellen und sonst was habe und irgendwelche Videos wo ich die Transkripte drin hab und so und ich werde zwischen für irgendeinen speziellen Fachbegriff da in dem Bereich irgendetwas haben

00:54:38: Z.B.,

00:54:39: in der Mitte ist so ein Licht, das du beim Meditieren sehen kannst.

00:54:41: Dann kann ich automatisch allen Content, wenn ich eine Mitte eingebe... Ich sage der KI vorher so ein paar Wörter, die mich interessieren oder Key Insights, wie sie rausziehen sollen,... ...kann ich allen Content direkt dazu finden und vergleichen, wer was dazu gesagt hat.

00:54:52: einfach sehr leicht?

00:54:54: Genau!

00:54:54: Und ich glaube, das dritteste, ich habe einfach so eine obsessive Art, was eine lustige Anekdote ist.

00:54:58: Ich hab' ne kleine Tochter und als wir angefangen haben Muttermilch zu geben, ich gehe ja oft noch an die Primärliteratur, weil wirklich die Science Paper, ich hab auch für Medizin studiert Ich bin da so tief reingegangen, dass ich bei einer Frage zu diesem Pulver beim First Level Support tatsächlich, Second Level Support und irgendwann tatsächlich beim Head of Research dann ohne Deutschland in meiner Frage gelandet bin.

00:55:18: Weil sie so speziell

00:55:19: war?

00:55:19: Ja ja, aber die Frau konnte auch wirklich sehr gut beantworten, muss man auch loben!

00:55:24: Und

00:55:24: hast du Lob bekommen dafür, dass du dich dafür... So sehr beschäftigst, oder hat sie gedacht?

00:55:28: Was macht ihr da?

00:55:30: Nein.

00:55:31: Sie hat sehr fachlich professionell geantwortet.

00:55:35: Ich dachte so einmal in zehn Jahren kommt eine Frage bei

00:55:39: mir durch

00:55:41: und welchen filmt es?

00:55:43: Tatsächlich schaue ich kaum noch Filme so aber glücklicherweise habe gestern für meine Frau von nicht wirklich sehr gut fand a straight story.

00:55:50: Das ist ein ganz alter David Lynch-Film über so einen Amerikaner, der auf dem Rasenmeer seinem Bruder besucht.

00:55:58: Er hat fünf Wochen echte Geschichte lang gefahren und das Schöne am Film ist zum einen recht langsam, aber es gibt keinen Feind.

00:56:05: Es gibt keine bösen Menschen, kein Kontrahenten sind nur eine Reihe an Leuten die helfen wollen oder Hilfe kriegen ... Und irgendwie, wie die Welt auch gerade ist, finde ich das echt schön.

00:56:17: So einfach nur gute Menschen drehen sich gegenseitig mit so echten Problemen geholfen haben.

00:56:22: War ein schöner Film!

00:56:24: Vielen vielen Dank für die Folge!

00:56:25: Gerne, dank dir!