00:00:01:

00:00:30: Herzlich willkommen, Herr Jungschläger.

00:00:32: Zu einer neuen Folge ... Das

00:00:44: klingt vor allem hervorragend.

00:00:46: Ich finde das wirklich gerade spannend und zwar geht es um KI!

00:00:49: Ich bin vollkommen überrascht, der Herr.

00:00:51: Aber

00:00:51: warum?

00:00:52: KI-Projekte einfach wirklich nicht funktionieren und die meisten?

00:00:57: also gibt's auch eine Studie von Gartner.

00:00:59: Sechzig Prozent der KI- Projekte ja... Wir werden halt nicht erfolgreich.

00:01:05: Und wir gehen heute mal... Glaubst du nicht?

00:01:07: Bestimmt

00:01:07: mehr!

00:01:08: Ach so, die haben es sich prozent angeht.

00:01:11: Glaub's mir ja.

00:01:12: Aber ich würde gerne mal ein paar Nektoten erzählen und dann können wir mal drüber sprechen woran das liegt weil die Ursache hat eigentlich mit unserem Thema zu tun.

00:01:21: aber da will ich nicht voll weggreifen sondern da müsst ihr bis zum

00:01:24: Ende hören.

00:01:26: Ja sagen wir mal starten.

00:01:28: Ich erzähl

00:01:28: dir in meiner Geschichte also Hintergrund war wir haben hier einen Liedmagneten.

00:01:33: Das Buch Von uns, das hier.

00:01:36: Das muss man sagen wird vermehrt jetzt gekauft und zwar von KI-Beratern.

00:01:41: D.h.,

00:01:42: da muss man schon sagen es hat sich... Nach

00:01:43: zweieinhalb Jahren kommt

00:01:46: die KI Berater auf die, dass sie vielleicht dieses Buch als Grundlage nutzen für ihre Dienstleistung.

00:01:51: also was ist der Ausgangskonkret?

00:01:54: Wir haben jemand reinbekommen über diesen Pfanne und das ein mittelständiges Unternehmen produzierendes Gewerbe Und ich musste die Vertretung für unseren Vertrieb machen und habe mir den Termin dann vorbereitet.

00:02:10: Ich habe dann geschaut, und habe dann recherchiert wie man es halt so machten.

00:02:16: Ich hatte gesehen, dass sie auf LinkedIn einen Beitrag gepostet haben über einen sogenannten KI Workshop der von der Geschäftsführung gefeiert worden ist.

00:02:25: Das waren sehr tolle Ergebnisse.

00:02:27: ... erzielt hat und sie hatten mit mehreren Bereichen ... ... Kontrolling, Vertrieb also mit allen Bereichen dort.

00:02:36: Erste KI-Anwendung ... ... wohl umgesetzt.

00:02:39: und dann habe ich mir gedacht okay so ein Sint ist das Unternehmen ja schon ziemlich weit ... ... hab mich einerseits natürlich gefreut.

00:02:44: andererseits habe ich dann gedacht ok für uns ... ... dann wahrscheinlich nicht mehr relevant weil da habe ich mal das Beratungshaus angeschaut.

00:02:50: die haben KI-Beratungen angeboten... ...und noch BI-Baratungen habe ich auch hier Hut ab die haben es verstanden.

00:02:56: Und trotzdem hatten wir den Termin.

00:03:00: Und dann haben wir gesagt, warum sprechen wir denn heute noch mal miteinander?

00:03:02: Dann habe ich genau das berichtet und da war die Person, die da verantwortlich war sehr ruhig, verzog dann so eine Miene und sagte naja, das darf ich hier gar nicht so offen sagen.

00:03:13: Das kann ich auch nicht in dem Namen alles nennen aber das war nicht der Erfolg, den wir uns gerne gewünscht haben.

00:03:20: Warum denn nicht?

00:03:21: Ganz einfach!

00:03:22: Wir sind aus dem Termin raus.

00:03:28: Dann wurden wir erschlagen mit irgendwelchen Tours, die wir nutzen sollten.

00:03:31: Also N-Acht-N ist ja ein Workflow-System... ...Sapier auch Make, Co-Pilot.

00:03:37: also es wurde alles in den Topf geschmissen was es dann halt gab um halt seine KI Anwendung zu finden und so umzusetzen.

00:03:47: aber der Tenor war Wir können das ja alles gar nicht.

00:03:50: Warte mal warum?

00:03:53: Weil sie nicht die Infrastruktur haben Ich die Daten haben.

00:03:56: Genau, Sie haben dann festgestellt das ist zwar gegebenenfalls Potenzial gab aber sie konnten noch nicht mal sagen ob dieses die Ideen und dies Bauchgefühl die Möglichkeit überhaupt herbringen.

00:04:08: weil die haben gar keine Datengrundlage für das ganze Spielchen gehabt.

00:04:11: Ja

00:04:12: Und seitdem ist nichts mehr passiert.

00:04:14: Das Ding wurde im Sommer gemacht.

00:04:16: Alle waren sehr euphorisch und haben gedacht okay jetzt geht's los und jetzt sind wir am Herbst Ende Herbst Und bis dato ist nichts passiert.

00:04:24: So was passiert denn mit der ganzen Mannschaft, die da sehr ...

00:04:27: Die haben schon mal Bock, die sind jetzt demotiviert, klappt ja eh nicht.

00:04:30: Wir versprochen kommen, kommst nach Hause und auf einmal ... zweimal blinzeln und schon läuft das Ganze?

00:04:36: Ist dann wohl nicht so!

00:04:37: Das würde ich gerne heute in der Folge mal durchgehen...

00:04:40: Das ist glaube ich ein aber wichtiger Punkt auch einen Hauptpunkt warum viele Projekte scheitern?

00:04:45: weil wir sind bisher auf die Datenbasis ja zwischen ohne also gekommen und ich glaube dass es immer noch einer der häufigsten Punkte warum die dann nicht funktionieren.

00:04:54: Also das Thema verteilte Daten, Daten war es ist nicht da und dann versuchst du natürlich dort ein bisschen zu schlampen und schnell was umzusetzen.

00:05:04: Das kannst Du ja.

00:05:05: mit den Tools, die ich eben genannt habe sind ja Sachen möglich.

00:05:07: Es ist ja nicht so dass nichts möglich ist.

00:05:09: aber ich glaube ein richtiges Mittelstandsunternehmen kann das nicht so machen und sagen wir gehen jetzt mal wild an solche Systeme ran.

00:05:20: Also nur mal ein Beispiel.

00:05:21: Wie ist denn die Realität?

00:05:22: Die Realität, das egal wirst du für Mittelstandsunternehmen bist.

00:05:25: Du hast ja in der Regel keine vier bis fünf relevante Systeme.

00:05:28: Die sind hier alle verteilt.

00:05:29: Das heißt was gab es einen ERP's, einen CRM oder was du auch immer hast Produktionssystemen.

00:05:34: Du hasst in der Regeln immer verteilte Systeme und wenn du die alle einzeln andockst... Ich meine da haben wir auch schonmal drüber gesprochen und die dann über Zapia make ist vollkommen egal zusammenführst deine KI draufhörst so sagst jetzt bringen mir die Erleuchtung Da sind so viele Schritte, die da das Ganze kaputt machen.

00:05:51: Komplettotopisch wird niemals in Betrieb laufen und niemals funktionieren.

00:05:54: Ja ich finde wenn man so ein Workshop macht es ist ja nicht verkehrt mal aufzuzeigen was technisch möglich.

00:06:01: also einmal aus technischer Sicht muss man natürlich auch aufpassen dass man die Leute nicht abhängt aber aufzuzeigen, welche Optionen da sind.

00:06:08: Aber das musst du anders machen, sondern du gehst rein und sagst okay Leute wo habt ihr denn Engpässe?

00:06:14: Ihr guckt euch euren Prozess an.

00:06:15: gibt es da irgendwas was euch gerade Schmerz dauert da irgendetwas lange?

00:06:20: Beispielsweise das Thema Mahnwesen.

00:06:22: Habt ihr alle Daten... Das waren nicht wo wir dann tiefer reingegangen sind.

00:06:26: Das war auch das Thema im Controlling dass nicht alle Daten vorliegen zur angemessenen Zeit und dass man zu spät dann weiß, ob die Bonität gewährleistet ist.

00:06:36: Und ob die Forderungen sauber abgebildet sind.

00:06:39: Also hängt man mir daran ich will da gar nicht ins Detail gehen aber das sind die ersten Maßnahmen zu überlegen wo hat denn denn derjenige Schmerzen in welchem Bereich?

00:06:48: Und wenn man das dann hat, mal zu überlegen habe ich denn jetzt die Datengrundlage.

00:06:52: Mal aufzuschreiben wo liegen jetzt die daten?

00:06:54: Zu welchem Zeitpunkt könnte ich an die Daten herankommen?

00:06:57: und wer kann mir die Daten überhaupt liefern und erklären?

00:07:00: Dann hab' ich ja schonmal sehr viel gemacht.

00:07:01: und wenn ich dann noch weiß okay Welche Systeme sind das?

00:07:05: welche Daten also?

00:07:06: welche Kennzahlen sind relevant?

00:07:09: Wie ist eine Umsatz Berechnung, also Umsatzkänzer?

00:07:13: wie wird die berechnet.

00:07:14: Was bedeutet das mit Grenzwerten?

00:07:16: Oh mein Gott!

00:07:20: Das ist hier kein Tiktoppe in zwanzig Sekunden aber

00:07:24: ohne Ergebnis.

00:07:25: ist es wenn ich will.

00:07:26: Ja genau.

00:07:28: Aber das sind die Voraussetzungen damit du überhaupt in die Richtung laufen kannst.

00:07:33: Ich muss schon mal sagen weil das ist ja wie ein Deja vu Ich mein, erinnere dich mal zehn Jahre zurück.

00:07:37: Dann hast du mit Leuten gesprochen und es war noch nicht mit Kaij.

00:07:40: da hieß es ... Keine Ahnung!

00:07:42: Wir machen Data Lake.

00:07:44: Cool, du machst ein Data Lake?

00:07:45: Warum?

00:07:46: Ja wir machen Data lake.

00:07:48: Okay aber was wollt ihr machen?

00:07:49: Ja ...

00:07:50: Data Lake, denkst du?

00:07:51: okay cool.

00:07:52: Dann vielen Dank für das Gespräch, das ist jetzt genau das gleiche.

00:07:55: Du hast kein Use Case, aber wir machen erst mal was.

00:07:58: Und viel of missing out.

00:08:00: ich will nix verpassen und ich will mit Kaiji was machen.

00:08:02: hab ich auch mit einem gesprochen?

00:08:04: Haben wir sich auch so eine Landschaft aufgebaut, war noch relativ weit mit Chatchi Pity als Ende darunter.

00:08:08: Super cool!

00:08:10: Nee jetzt gehen wir weg von Chatchy Pity und machen was ganz mit Claude.

00:08:14: Aber da müssen ein paar strukturelle Sachen noch ändern, klappt alles nicht?

00:08:17: hängen das Modell um.

00:08:18: Ich dachte okay aber warum?

00:08:20: Was macht denn Claude besser?

00:08:21: Ja Claude ist besser So okay, aber für welchen Fall?

00:08:24: Warum?

00:08:25: Ja nee ist halt besser.

00:08:27: Okay cool dann mach doch Hauptsache ihr kommt nie zu mal geht.

00:08:30: Hauptsach ich könnte immer nur rumtüfteln, hab nie einen ROI und macht irgendwas.

00:08:34: Okay nur der Technologie will wieder was machen.

00:08:36: man kennt das wie gesagt vor zehn Jahren oder fünfzehn Jahrhundert bei sich.

00:08:39: Dann war es ein Data Lake, da war es irgendwann eine Hadoop-Klasse.

00:08:42: wir machen einfach irgendetwas wegen der Technik.

00:08:44: Das super Ding gibt's leider nicht mehr.

00:08:45: aber mega toll hast du alles aufgebaut wusstest nicht warum?

00:08:48: Aber du machst erstmal und am Ende denkst du ja gut jetzt haben ein bisschen Geld verbrannt, Projekt gemacht.

00:08:53: Braucht keiner aber wir haben Erfahrung gesammelt ist doch cool und das ist immer noch der gleiche Fehler.

00:08:59: also erst mal Newscase haben was muss ich automatisieren?

00:09:02: Ist es überhaupt ein Karrierenwendungsfall?

00:09:04: ist ja der erste Punkt den man treffen muss.

00:09:06: Vielleicht geht's auch ganz normal mit normaler... Logik, dann kostet euch das so gut wie nichts.

00:09:12: Das ist dann fast geschenkt weil dann können die normalen Entwickler euch das ganze bauen.

00:09:16: also wirklich ernsthaft draufzuschreiben.

00:09:18: Ja man kann ja von mir so KI noch drüber schreiben.

00:09:20: Ist ja egal ob es auch das Ergebnis ist.

00:09:22: Dann mein mal musst du KI damit du auch dass du es kriegst kein Budgets wenn muss KI-Budget sein darf nicht vergessen.

00:09:27: Okay, dann machen wir das.

00:09:28: Dann klippt den KI Aufkleber auf.

00:09:30: Dann haben wir das nächste Datenqualität.

00:09:33: Es kann da auch sein dass man dann verstellt Wir sammeln die Daten ein, bereiten sie auf.

00:09:38: Dass dann der Prozess einfach scheiße ist!

00:09:41: Also shit in, shit out Prinzip.

00:09:43: So das habt ihr auch in der KI genauso schlimm.

00:09:47: Was soll denn dabei rumkommen?

00:09:48: Wenn ihr dann feststellt... Ihr habt eine Idee, ihr habt einen Anwendungsfall, habt die Systeme für euch gefunden, holt die Daten raus, fangt an die für euch sauber zu klären, kennt seinen Katalog alles aufzubauen und dann stellt ihr auf einmal fest Die Daten geben es nicht her zurück auf los.

00:10:07: Und dann müsst ihr anfangen, den Prozess anzupassen.

00:10:10: Das ist halt aufwendig will keiner machen haben wir ja immer so gemacht.

00:10:14: aber das ist die Grundvoraussetzung damit ihr zukünftig überhaupt in diese Richtung läuft.

00:10:18: und es ist ja bei uns auch so wenn der jetzt bei uns im cm hat.

00:10:22: mehr auch jetzt.

00:10:23: vor kurzem Thema Stammdatenpflege.

00:10:27: Also da war man zu freizügig und hat dem Vertrieb die Möglichkeiten geboten, gewisse Felder zu pflegen.

00:10:34: Und dann werden die in unterschiedlichen Phasen.

00:10:37: auf einmal haben die Sachen gefehlt also festgestellt das heißt wir haben ja auch damit mit LMS gearbeitet.

00:10:45: der konnte es gar nicht richtig rauskriegen.

00:10:47: Also erstens wusste er nicht dass wir selber definierte Felder

00:10:49: hatten.

00:10:52: Woher?

00:10:53: Das musste man ihm erstmal beibringen Unternehmenskontext mitnehmen und danach hat man bei dem Prozess angepasst, dass wir gesagt haben wenn die Mitarbeiter ein Datensatz anpackt und schiebt in die nächste Phase müssen Felder gepflegt sein.

00:11:05: Sonst kann sie nicht da reinschieben.

00:11:07: Mega aufwendig ja ist halt so aber wenn es nicht machst hast du wieder keine saubere Datenpflege Und man musste dann die Altdaten auch noch mal pflegen oder nachpflegen.

00:11:16: damit das Ganze stimmt Ist ein Zeitfaktor Aber es lohnt sich halt weil ich dann anfange im Prozessen zu denken

00:11:23: Ja, das stimmt.

00:11:24: Wobei ich ... Sie haben noch zwei geteilt.

00:11:26: Das ist ein Hauptgrund, warum viele Projekte scheitern auch im KI-Kontext.

00:11:32: Aber die Erkenntnis ist mir wichtig, weil dadurch verschaffst du trotzdem die Möglichkeit.

00:11:37: Es ist ja eine Erkenntnisse im Laufe des Projektes, dass man merkt, meine Datenqualität ist schlecht und die Prozesse sind schlecht.

00:11:42: Weil da optimierst du dir so deine operativen Prozessen?

00:11:46: Du hast nichts mit KI bis jetzt, weil du musst erst mal die Basis wirtschaften an den Prozesten, aber du hast die Erkenniss gesammelt.

00:11:52: Oft auch enorm viel Wert, darf man nicht vergessen.

00:11:55: Wie beim

00:11:55: Formel I, wenn die Reifen tauschen am Anfang oder wenn sie da startenden in der Saison ist.

00:12:00: der Wechsel dauert ja länger aber über die Zeit sind.

00:12:03: die Abläufe werden optimiert dann wird das Ganze gemessen und jeder einzelne der dafür verantwortlich ist ... wird so weit ins Optimum getrieben, dass das Ganze nachher super läuft.

00:12:15: Und es macht ja auch einen ausschlaggebenden Faktor ob du das nachher sauber machst oder nicht sauber masst.

00:12:21: So und hier ist es ja ähnlich... Das ist dann schon für dich ein Wettbewerbsvorteil wenn du deine Daten im Griff hast und deine Datenqualität, also schlechte Datenqualitäten verbessert.

00:12:31: Ich weiß, das ist ein langweiliges Thema aber da kommt ihr nicht

00:12:35: drum herum.

00:12:36: Ja, es wird spannend wenn man dann das Geld damit erwirtschaftet weil er Prozess besser ist.

00:12:40: Ja, das nächste finde ich

00:12:41: auch spannend.

00:12:42: Wir gucken hier immer auf die Grafik.

00:12:43: Die können wir ja auch nochmal einblenden.

00:12:46: Kein Weg in den Betrieb!

00:12:47: Das ist Damian.

00:12:48: Der Klassiker.

00:12:49: Damian ist unser Data Scientist und der SV-Zweifelt weil man natürlich kriegt man das mit dem Prototyp auch hin das Ganze aufzubauen und dann auch erste erfolgreiche Ergebnisse rauszunehmen.

00:13:01: aber... ...das Spiel beginnt ja erst wenn es ganz in... Betrieb ist nachher wirklich produktiv genutzt wird und daran scheitern viele.

00:13:10: Und auch das Thema mit Agentensystemen und solche Sachen, ja das machen wir auch schon alles aber Das ist noch nicht etabliert bei uns sauber weil wir noch nicht Sicher sind, wie wir das Ganze aufbauen von der Infrastruktur.

00:13:24: Dass es auch zukunftssicher ist, dass lokal funktioniert das bei den einzelnen Mitarbeiter aber das muss ja für das Unternehmen sauber aufgesetzt werden

00:13:32: und überall gleich bleiben gut funktionieren.

00:13:34: Wir

00:13:35: wollen uns nicht in Abhängigkeit von irgendeinem Anbieter machen, wir wollen ja nicht von ob mehr abhängig sind sondern wir wollen was aufbohren eine Architektur die funktioniert mit Claude, die funktioniert im Gemini und da das kostet halt auch Zeit und das muss man von vornherein einplanen und sagen Ich finde es immer gut, wenn man das auch macht.

00:13:53: Aber da muss dieser Pilot irgendwann mal in die Produktion überführt werden?

00:13:57: Genau und der Pilot muss halt realitätsnah sein.

00:13:59: Also was ist damit gemeint, wenn wir jetzt anfängt und sagen hey den Newscase haben wir von mir aus!

00:14:04: Wir wollen welche Daten und dann sitzt da jemand und bereitet einmalig mit extrem viel Mühe und Kleinstarbeit diese Date des Sighted Set einmal perfekt auf dass er super ist Und dann kommen auch die Ergebnisse.

00:14:16: Und der

00:14:17: P.O.C.,

00:14:17: das Pilot, wie auch immer ist sehr erfolgreich.

00:14:21: Die Geschäftsführung sagt super will ich haben und dann naja wir können jetzt aber nicht jeden Tag X-Stunden investieren.

00:14:26: Wie daten wir so aufzubereiten?

00:14:28: Das ist manuell und es geht auch nicht automatisiert.

00:14:31: Das sollte man nicht machen wenn man merkt es sind manuelle Schritte auch beim Prototypen die nicht in der Realität so abgebildet werden können, da muss man schon die erste Flagge hissen.

00:14:40: Klar müssen wir erst mal Ergebnisse sammeln und gucken kann das Ergebnis überhaupt so zufriedenstellen wie wir es brauchen wenn die Daten perfekt sind?

00:14:47: aber man darf den Weg nicht vergessen von was ist meine Quelle?

00:14:50: Was ist der perfekte... Die Basis auf dem die Ergebnisse erzielt werden?

00:14:54: Wenn das nicht in einer Realität automatisiert und gut gemonitort und nachvollziehbar abgelaufen kann dann ist es schon gescheitert.

00:15:02: Ja

00:15:02: weil es ist ein Neckwerfprodukt.

00:15:03: Ja, genau.

00:15:04: So und das darf halt nicht sein weil da fließt ja auch Zeit und Investment rein und Ziel muss immer sein dass man diese Applikation irgendwann nutzbar macht für die Organisation und zwar für alle und nicht für einen wo der Rechner steht und lokal wieder installiert wird und Schatten-IT entsteht.

00:15:21: Genau Und dann kommen wir nämlich tatsächlich auch schon zum nächsten Thema feine Governance auch ganz wichtig eine Diskussion jetzt gehabt.

00:15:32: Nämlich gibt man ein konkretes Beispiel.

00:15:35: So du hast ja in den LMMs, Cloud, Co-Pilot und Co-Li Möglichkeit, Konnektoren anzugeben über so einen MCP.

00:15:42: Das bedeutet, du kannst dich dann an einen Hub-Sport connecten.

00:15:46: Du kannst dich an Office-Tronet-Fünfundsechzig.

00:15:49: Du kannst Sage... also du bist in der Lage, dich ja an mögliche Quellsysteme anzubinden.

00:15:56: Und was ich Interesse an das habe, finde ich auf dem Schirm bei LinkedIn einen Beitrag, der hat das glaube ich gar nicht so verstanden was er für Nugget da aufgeworfen hat.

00:16:09: Was verdient die Geschäftsführung?

00:16:12: So das stets.

00:16:13: du die Frage mal im LMM wenn du den Konnektor nicht sauber abgestimmt hast auf einem rollen Benutzerkonzept oder der Konnektor ... das nicht mitliefert.

00:16:24: Das heißt, du meldest dich zum Beispiel... ... mit deinen Credentials.

00:16:26: Also Office-Trailer von Sächte wird es nicht funktionieren,... ... weil dann hast Du ja den Benutzernrollenkonzept... ... wird er auch gezogen.

00:16:33: Aber es gibt andere Konnektoren.

00:16:34: Hast Du

00:16:35: System User oder so?

00:16:37: Genau!

00:16:37: Dann stehst Du da und hast ein Thema.

00:16:39: Und dann kann auf einmal der Mitarbeiter genau diese Fragestellung stellen.... ....und das musst Du halt sicherstellen wenn wir schon in die Richtung gehen.

00:16:47: also auch da brauchst Du, wenn wir jetzt Und nochmal anschauen, der Anwendungsfall.

00:16:53: Der muss dann schon so designt werden und überlegt werden wer ist denn der Empfängerkreis?

00:16:58: Wer darf Ergebnisse und Daten tatsächlich nicht sehen und wer nicht?

00:17:02: Weil das muss halt mit rein und das ist das Thema Governance weil sonst Ja, es ist da.

00:17:08: Hast du zum Beispiel in deinem CRM ein Export verbot?

00:17:12: Das heißt kein Vertriebler darf Daten rausziehen

00:17:14: als Excel.

00:17:15: Aber

00:17:15: wenn er das klort, dann stellen wir mal bitte eine Excel-Liste mit aktuellen Kontaktdaten und dann umgehst Du das System.

00:17:23: Also spannendes Thema weil das musst Du halt auch mit... Und jetzt musst Du überlegen, dass wir jeden Connector prüfen und einrichten, sauber abstimmen, wenn Du das nicht machst!

00:17:33: Oder nimmst du zum Beispiel, denkst ach ja ich mach den Connector und nimm deine Daten.

00:17:37: Und stellst das der Organisation dann arbeiten die quasi über dein Account?

00:17:40: Das ist ja alles schon passiert.

00:17:42: Ja klar!

00:17:42: Also es sind Datenprojektrollenrechte elementare.

00:17:46: Gleiches hier mit Compliance.

00:17:48: Genau

00:17:48: das ist ja genau das Thema.

00:17:50: jetzt wandern ja dann die Daten... ...compliancemäßig wenn es nicht sauber aufbereitet hast oder eingerichtet hast.

00:17:58: an die LMMs.

00:18:00: Ja kann passieren

00:18:01: Machen ja auch viele, also es ist ganz wild.

00:18:03: Auch wenn du mit Dienstleistern zusammenarbeitest und die kriegen Zugriff auf dein CM-Versilfe für dich Anrufe tätigen oder mit dir Marketing zusammenarbeiten wie stellst du das sicher?

00:18:13: Also wir haben die ISO Wir machen eine Lieferantenbewertung Und derjenige muss sich verpflichtend erklären dass er das alles nicht macht.

00:18:22: aber Das sind alles Aspekte Die müssten damit rein Wenn wir sagen wir wollen das ganze aufbauen.

00:18:28: Und dann muss man sagen, der letzte Punkt ist natürlich die arme IT.

00:18:34: Also die wird ja gerade... also gerne mit, wenn man ja spricht, die werden ja verrückt weil jeder kommt jetzt gerade um die Ecke mit irgendwelchen neuen Werkzeugen und neuen Tools.

00:18:44: Gefährlich im Halbwissen?

00:18:46: Gefährlichen halb Wissen!

00:18:47: Und machen da schon mal was und die IT sollt es dann irgendwie ins in die Organisation holen und kriegt noch einen auf den Deckel, weil es nicht schnell genug geht oder die dann nachher sagen stopp wir können das nicht machen.

00:18:58: Das ist überhaupt nicht sicher.

00:19:00: Das sind schon ein bisschen der Spielverdehr.

00:19:01: aber oft wenn man so euphorisch da reinkommt und sagt auch wir machen das jetzt in zwei drei Tagen haben was perfekt.

00:19:07: Das Spielverder war die realitätsnahen Leute.

00:19:12: Das erklärt auch, warum solche KI-Projekte scheitern an diesen sieben Punkten, die wir gerade gemacht haben.

00:19:17: Kein sauberer Use Case!

00:19:18: Wir haben die Datensilus, schlechte Datenqualität... Wie geht das ganz im Betrieb?

00:19:24: Dann haben wir eine Governance Compliance zu esinken, dass irgendwelche LMMs mit Daten trainiert werden und dann muss ich noch die IT mit einbinden, Ganz am Ende davon abfährt.

00:19:34: Das erleben wir auch sehr häufig, dass man die gar nicht mitgenommen, diese Saison.

00:19:38: Cool!

00:19:38: Hättet ihr uns mal vielleicht vorher gefragt schon bei Nummer eins mit rein genommen?

00:19:42: Dann hätten wir euch ein paar Hinweise mehr geben können und vielleicht ein anderes Werkzeug oder einen anderen Weg vorgeschlagen hat der sicherer gewesen ist und das fand ich war nochmal eine wichtige Folge.

00:19:54: Definitiv!

00:19:55: Da muss man auf achten.

00:19:56: naja

00:19:57: Genau, Details in unserem Blogbeitrag.

00:19:59: Richtig!

00:20:00: Wenn es richtig machen wollt und ihr wollt KI-Anwendung dann würde ich sagen kommt erst mal auf uns zu.

00:20:04: wir machen die Datengrundlage für euch Und dann gibt's auch

00:20:08: KI.

00:20:09: Das ist ein Plan

00:20:10: Alles klar.

00:20:11: Dann bis zum nächsten Mal

00:20:25: Wertgeschätzt der Podcast.

00:20:27: Warum Datenstrategie den Unternehmenserfolg steigert?

00:20:39: Mit einem Klick abonnieren und keine Folge mehr verpassen!