Joubin Rahimi
Grandios, dass ihr wieder dabei seid zu einer neuen Folge von insights! Mein Name ist Joubin Rahimi und heute mit dabei habe ich den Matthias Bauer. Hi, Matthias.
Matthias Bauer
Hi, Grüß dich, Joubin.
Joubin Rahimi
Matthias ist bei uns einer der AI-Spezialisten und ich würde sagen, auch meistens auf der Bühne und aufgrund deiner Größe und der Kompetenz auch ein Leuchtturm in dem Thema. Magst du zwei, drei Sätze zu dir sagen und dem Thema AI?
Matthias Bauer
Ja, super, gerne. Also zunächst zu mir Jahrgang 85, Ich bin irgendwann mal so 2007 herum ins Berufsleben eingestiegen und mache eigentlich seitdem tatsächlich nichts anderes als alles Mögliche rund Daten und KI. Damals nannten wir das noch so Data Mining, Process Mining, Data Science, aber letztlich haben sich die Methoden einfach nur weiterentwickelt über die Zeit. Und ansonsten: Verheiratet, zwei Kinder und begeisterter Pfadfinder.
Joubin Rahimi
Na, ist doch schön. Matze ist einer der wenigen, die auch mal private Momente hier reinbringen. Ich nehme mal den Schwenk weg von den Pfadfindern, aber vielleicht kommen wir da auch noch im Gespräch zurück. Du bist ja bei ganz, ganz vielen Kunden bei uns. Matze ist ein Fellow. Also Fellows sind ja diejenigen, die C-level Trusted Advisor sind zu bestimmten Themen. Was sind so die Themen, die auf Geschäftsführerebene besprochen werden, die du so mitbekommst?
Matthias Bauer
Ja. Ich versuche auch … Das ist ja wie Pfadfinder. Es heißt ja, Ja, tatsächlich. Also Fahrt finden kommt ja ein Stück weit auch davon, den Lebensweg zu finden. Das kann man natürlich auch aufs Unternehmen irgendwie übertragen. Das ist eigentlich eine ganz gute Anekdote. Also was mir tatsächlich begegnet, ist … Wir sprechen hier von Insights. Das heißt, volle, klare Sicht. Und was mir sehr häufig begegnet, ist eigentlich eine sehr, sehr hohe Erwartungshaltung an die künstliche Intelligenz, weil man schnappt vielleicht auch das eine oder andere irgendwie auf. Neulich wurde ich gefragt: „Wie weit sind wir denn jetzt weg von der programmierbaren Materie?" Dann habe ich gesagt: „Davor kommt vielleicht erst noch das Beamen." Und da muss man immer ein bisschen aufpassen, weil letztlich haben wir natürlich eine Hochphase eines Hypes jetzt durchlebt gerade. Das hat begonnen im Oktober, November 2022 mit ChatGPT und ähnlichen Produkten, wie beispielsweise eben aus dem Hause OpenAI. Und man hat hier und da auch den Eindruck gehabt, dass das wirklich als die absolute eierlegende Wollmilchsau oder das Panaceum für alle Probleme irgendwie.
Joubin Rahimi
Ja, packst du es rein und dann ist es super.
Matthias Bauer
Hat mich so ein bisschen erinnert, Das waren so die Jahre 2012, 2013. Damals ist ja IBM durch die Gegend gelaufen und hat mit Watson gewonnen. Und insbesondere der Herstellervertrieb ist dann halt auch durch die Landung gezogen und hat halt das so als Magic Blackbox verkauft. Kipp alle deine Daten rein und alle deine Probleme werden gelöst. So einfach ist es nicht, auch heute immer noch nicht, auch wenn natürlich wir ganz neue Möglichkeiten haben, aber hohe Erwartungshaltung, stelle ich fest. Aber ich stelle auf der anderen Seite auch fest, viele haben inzwischen erkannt, na ja, es ist definitiv eine Chance auf Veränderung, auf Optimierung innerhalb der eigenen Geschäftsprozesse, aber auch eine Transformation des eigenen Geschäftsmodells oder das Erschließen komplett neuer Geschäftsmodelle oder Produkte.
Joubin Rahimi
Also wenn ein C-Level auf dich dann zukommen, dann bekommst du erst mal mit: Die Erwartungshaltung ist zu hoch, so nach dem Motto: Jetzt machen wir ein bisschen so ein Open AI vor uns und dann ist es super.
Matthias Bauer
Ich sage dann halt immer: Na ja gut, wenn es so einfach wäre, wäre ich jetzt nicht da.
Joubin Rahimi
Und andere hätten schon gemacht und ihr hättet viel mehr Probleme. Wahrscheinlich auch so, oder? Genau. Was sind die typischen Fallstricke, die Unternehmen machen, die in diese Schritte reingehen, in das Thema?
Matthias Bauer
Also letztlich, ich sage immer so: Also erstens ChatGPT als, ich sage mal, eine KI-Anwendungsklasse für sich genommen, ist nur eine von sehr, sehr vielen unterschiedlichen Methoden, die eigentlich die künstliche Intelligenz bietet. Dinge wie klassisches Machine Learning oder vielleicht auch mal irgendwelche Regressionsrechnungen beispielsweise für eine Cash-Flow-Prognose oder so was sind nach wie vor immer noch genauso relevant wie vorher. Oder auch das Nutzbar machen von Bildinformationen, Computer Vision. Das sind alles verschiedene Gebiete, Teilgebiete der KI. Und was sie alle natürlich gemeinsam haben, ist, sie brauchen natürlich eine solide Datenbasis. Das hört man natürlich überall, was ich aber feststelle, ist, ja, nach dem Motto Das ist eine neue Methode. Da müssen wir doch jetzt die alten Probleme überwunden haben. Nein, die sind immer noch da. Ich weiß gar nicht, ob wir das vielleicht später einblenden können. Da gibt es so ein witziges Bild So ein Dilbert-Bild, oder? Ja, so in der Art. Auf der linken Seite sind da die Datentöpfe und dann kommen so aufgelistet die verschiedenen Methoden, so Data Science, irgendwie Machine Learning, AI, Gen AI, Agentic AI. Und auf der rechten Seite hast du dann so Datenscheißhaufen in Einhornformen oder in multiple Einhornformen. Und das trifft es eigentlich super gut als Illustration. Egal, welche Methode du da nutzt, du musst deine Daten irgendwie im Griff haben. Nicht nur für die KI, letztlich ja eigentlich auch für die Organisation selber, wenn man vorhat, auch mehr datengetrieben, Entscheidungen treffen zu wollen oder wirtschaften zu wollen oder Automatisierung überhaupt ermöglichen zu können.
Joubin Rahimi
Jetzt sagst du, Daten musst du im Griff haben. Das heißt, die Daten sind nicht gut. Wenn das ein C-Level hört, dann nickt er wahrscheinlich oder sie. Aber was bedeutet das? Wann sind die Daten nicht gut? Weil wahrscheinlich wird dieser Person gesagt: Die Daten sind super, das sagen seine Mitarbeiter, aber eigentlich sind sie nicht super.
Matthias Bauer
In 9 von 10 Fällen sagen alle immer, unsere Daten sind super, aber tatsächlich ist es so, wenn wir Projekte machen, beschäftigen wir uns ja mit irgendeinem Business-Case, mit irgendeinem Use-Case. Ich bringe mal vielleicht ein kleines Beispiel Hier eine kleine Anekdote rein. Gerne. Das war bei einem Hersteller für so Kunststofffasern, ganz, ganz dünne Kunststofffasern. Das ist im Prinzip das Vorprodukt, woraus später dann künstliche Membranen gewoben werden, die im Dialysesystem, die Dialysesystemen, verwendet werden. Okay. Die hatten das Problem: 40 Produktionslinien, teilweise Dreischichtbetrieb und es ist ständig vorgekommen, dass irgendwann in innerhalb einer Woche oder so dieser blöde Faden abgerissen ist. Dann läuft die Pampe da irgendwie in die Maschine rein, musst du runterfahren, sauber machen, wieder kalibrieren, bla bla bla, geht ein Haufen Geld verloren. Dann wurden wir gerufen: Ja, Wir haben jetzt drei Jahre lang mit unseren Ingenieuren versucht, da irgendwie herauszufinden, woran das liegt. Wir wissen es nicht, kann man da was mit Daten machen? Auch die Info alles super, unsere Daten sind klasse. Wir haben ein MDE, ein BDE-System, wir haben ein MES, ein ERP und alle Daten sind da irgendwie zusammen und das dürfte ja kein Problem sein. Und dann sage ich: Ja, okay, case is cool. Kann man ja wirklich auch mit Zahlen dagegen rechnen. Aber bevor ich sage: Wir machen da irgendwas, würde ich gerne mal die Daten angucken lassen. Und das ist so, das Data Understanding nennen wir das dann im Prozess. Ja, und da kam halt raus, dass die Daten halt nur so im Zehn-Sekunden-Durchschnitts-Momentum quasi aufgezeichnet wurden. Wo ich sage wenn ich herausfinden will, was ist eigentlich, welche Wirkzusammenhänge sind dann eigentlich unmittelbar in diesem Abrisszeitpunkt, sind diese Zehn-Sekunden-Durchschnittte nichts wert. Absolut nichts. Und dann kommen so: Ja, aber da kann man doch vielleicht näherungsweise was machen, und dann sind wir eher diejenigen, die dann sagen: Also wir sind Dienstleister. Wir verkaufen euch das Projekt, aber wir würden euch davon abraten.
Joubin Rahimi
Macht keinen Sinn.
Matthias Bauer
Macht einfach keinen Sinn. Und investiert lieber erst in ein bisschen optimiertere Datenhaushaltung und befähigt euch, die notwendige Auflösung der Daten zu erheben. Das ist jetzt vielleicht ein bisschen plastisches Beispiel, aber das erlebe ich wirklich sehr, sehr häufig. Das musst du einfach im Griff haben.
Joubin Rahimi
Super Beispiel. Ich glaube, da noch mal richtig tiefer reinzudippen macht Sinn, oder? Genau.
Matthias Bauer
Also by the way, das ist jetzt eine Methode. Also ich habe ja vorhin erzählt, seit 2007 oder so im Berufsleben unterwegs und die kommt aus den 90ern. Standmal für CRISP-DM, Cross-Industry Standard Process for Data Mining oder inzwischen weiterentwickelt, CRISP-ML für Machine Learning und so weiter. Ja, aber es ist ein logischer Kreislauf. Du beschäftigst dich quasi mit dem Business-Problem und versuchst auch wirklich, das Businessproblem so zu benennen. Das ist ja oft ein Prozessthema, letztlich. Da müssen wir nicht im Prozess optimieren oder einen Teilprozess darüber automatisieren, um irgendwie Kosten zu optimieren et cetera. Da fragst du erst mal ganz scharf rein: Wie lässt sich das abgrenzen und was muss eigentlich erreicht sein, um wirklich ein Business-Value, eine Wertschöpfung zu erzielen? Und dann guckst du dir die Daten an und wenn da alles passt, dann sagst du: Okay, dann bauen wir Modelle oder nutzen Gen AI oder was auch immer.
Joubin Rahimi
Und dann kommen wir eigentlich zum zweiten Schritt. Dann bauen wir wirklich Sachen. Wie gut funktionieren diese im Unternehmen? Also sind wir da gut dabei? Oder können wir das noch optimieren? Das ist ein Wunderpunkt, oder?
Matthias Bauer
Das ist ein Wunderpunkt, weil das ist … Wie soll ich sagen? Ich komme ja aus einer Welt, die sich immer sehr damit beschäftigt hat, Prozesse zu automatisieren, Geschäftsprozesse zu optimieren, auch neue Businessmodelle aufzubauen. Und da hast du halt häufig Situationen, dass du eigentlich in irgendeinen Bestand kommst. Es ist ja schon irgendwas da. Das heißt, du musst dich ja irgendwo so … Das heißt, viel Custom, Custom Solutions. Und wenn ich jetzt schaue, was heute so an Standard-Tools auf dem Markt so verfügbar ist und ich dann Rückmeldung bekomme: Oh, der hat schon wieder irgendwie ein falsches Ergebnis gebracht. Ich habe doch eigentlich mal einen OneDrive-Folder oder was auch immer irgendwie mit der KI verknüpft, aber irgendwie findet er das trotzdem nicht. Oder ich habe da neulich irgendwie eine Frage gehabt, wo ich genau wusste, da liegt eine E-Mail in meinem Postfach und das Tool der Wahl sagt es einfach nicht und das gibt es doch gar nicht. Also so was kommt halt irgendwie ständig vor und da muss ich halt sagen, das geht besser. Das geht wirklich auch heute schon besser. Allerdings muss ich ja sagen, es gibt halt einen Unterschied zwischen einer sehr starken Domänenorientierung oder Geschäftsprozess oder auch Geschäftsbereichorientierung versus Hersteller und Produkte, die halt möglichst eine wirklich breite Basis versuchen, abzudecken. Und das wird zwar natürlich jetzt, wenn man so in den nächsten Jahren schaut, was da so eine Pipeline auch bei den großen Herstellern steht, auch für so Standardprodukte, absehbar, dass das besser wird, aber im Moment habe ich bei vielen eher das Gefühl, dass viele feststellen: Da haben wir einen ganzen Stall vor Lizenzen gekauft. Das funktioniert irgendwie gar nicht so, wie gedacht. Das fahren wir irgendwie wieder runter und so weiter. Die kommen jetzt wieder auf uns zu und sagen: Ihr habt doch mal vor einem Jahr irgendwie erklärt, dass das auch besser geht. Und tatsächlich ist das auch so.
Joubin Rahimi
Treppenwitz. Wir haben vor ChatGPT, ich glaube, sogar vor Corona war das, ein Projekt gehabt, wo wir anhand von Produktdaten, die die Produktstammdaten von neuen Produkten errechnet haben, dann Ersatzprodukte und auch Empfehlungsprodukte und ergänzende Produkte auch berechnet haben. Super. Das Projekt kam nie zum Einsatz. Alle haben gezweifelt, dass es geht. Es war ein Forschungsprojekt, hat funktioniert und dann hieß es: Wir bekommen es gar nicht in den Vertrieb rein. Da dachte ich: Krass, die verbrennen einfach mal so eine halbe Million.
Matthias Bauer
Jetzt wissen die, dass es geht. Aber machen sie es nicht. Wenn du da noch eine ähnliche Story hören willst, bringe ich gerne auch noch eine rein, ist ein Dienstleister für die Abrechnung von privatärztlichen Dienstleistungen. Wir kamen da irgendwie rein, langer Sales-Cycle gehabt. Da hieß es: Ja, wir wollen das jetzt mal ausprobieren. Und dann haben wir gesagt: Ja, wir probieren das mal mit einem Teilschritt aus. Ich glaube, da ging es irgendwie um die automatisierte Extraktion von Daten aus Durchgangsarztberichten. Egal. Die haben uns entsprechend Daten gegeben. Wir haben einen kleinen POC aufgebaut. Mega erfolgreich. Erkennungsquote, ich glaube, bei 97, 98%.
Joubin Rahimi
Ist alles über 80, ist ja schon gut.
Matthias Bauer
Aber damit waren wir tatsächlich besser als die ENI, die natürliche Intelligenz, die eine höhere Fehlerquote hatte im Prozess.
Joubin Rahimi
Das ging aber nicht.
Matthias Bauer
Genau, genau. Und wir haben das alles vorgestellt, war ein großer Konferenzraum und ist ja super, aber wir müssen Ihnen sagen, wir machen das Projekt nicht.
Joubin Rahimi
Macht die schlechter, mach die schlechter, die kann ich.
Matthias Bauer
wieso nicht? Ja, irgendeiner hätte ausgerechnet, weil über 50% der Durchgangsarztberichte kommen noch per Papier rein. Und sie haben ausgerechnet, es sei von den Prozesskosten her teurer, wenn irgendjemand die Büroklammer abmacht oder diese Nadel da irgendwie rausmacht und das in den Scanner legt, als wenn es einer manuell abtippt.
Joubin Rahimi
Das ist aber auch echt eine Einwandbehandlung und ein Vorwand.
Matthias Bauer
Da denke ich: Moment mal. Das war der gleiche Kunde, der irgendwie drei, vier Monaten früher noch gesagt hat: Wir müssen was verändern, weil wir finden immer weniger Leute, die Lust auf so einen Job haben. Und wenn wir da nichts daran ändern und mehr Automatisierung reinbringen, dann gibt es uns in zehn Jahren nicht mehr. Das ist völlig strange eigentlich.
Joubin Rahimi
Jetzt wollen wir gar nicht auf den Kunden herumreiten. Nein, nein, nein. Aber das sind ja ganz natürliche Herausforderungen gerade, die wir haben. Ich glaube, das ist aus Angst heraus auch.
Matthias Bauer
Kann gut sein.
Joubin Rahimi
Dass man sagt: Okay, ich kann den Vertrieb nicht verändern, will den gerade nicht verändern. Deswegen, wir fragen das auch immer nach: Was passiert, wenn es erfolgreich ist? Wie wird es implementiert? Wie machst du das? Wie macht ihr das im Team?
Matthias Bauer
Ja, tatsächlich, wir legen immer mehr Wert auch drauf, dass wir sagen, es ist nicht nur das Stückchen Technologie, sondern letztlich auch eine Änderung im Mindset, eine Veränderung in der Organisation. Teilweise werden sich Prozesse auch ändern, teilweise werden sich Jobrollen ändern. Das ist so. Das muss man einfach auch klar benennen. Das nennt sich ja alles heute Change Management, alles, was ich da herumdreht, und ich glaube, das ist ein sehr, sehr wesentlicher Faktor. Also gerade diese Angst. Ich habe es in letzter Zeit, ich weiß auch nicht, wieso, aber in den letzten paar Monaten habe ich sehr viel mit Personalräten und Datenschützern zu tun, weil da gibt es auch die wildesten Vorstellungen. Also der Datenschützer kommen dann und sagen, die hören nur KI, rotes Tuch direkt. Wo du denkst: Eigentlich ist jetzt die Anforderung an den Datenschutz, ob du jetzt Software mit KI drin hast oder Software ohne KI. Genau das Gleiche. Ist nicht anders. Aber trotzdem ist da irgendwie so ein … Das schwingt irgendwie was mit. Und natürlich bei Personalräten, Betriebsräten und so weiter, da geht es natürlich gleich immer die Situation der Arbeitnehmer, die ich total verstehen kann, aber letztlich ist es doch auch eine Chance.
Joubin Rahimi
Total.
Matthias Bauer
Also es ist doch auch eine Chance, zu sagen, man transformiert die Organisation mithilfe der Technologie letztlich, um sich auch am Markt behaupten zu können. Es ist ja nicht nur eine Frage der Arbeitnehmer: innen zufriedenheit, sondern es geht auch irgendwie auch darum, dass man das Unternehmen mit in diese Ära nimmt, um letztlich auch am Markt, auch über Jahrzehnte hinweg und im Wettbewerb, sich behaupten zu können.
Joubin Rahimi
Ja, verrückter Gedanke. Da bleibt die Firma länger. Haben alle was davon.
Matthias Bauer
Ja, genau. Und ich glaube, das ist halt wichtig, dass insbesondere dieses mentale Drumherum auf C-Level-Ebene halt auch adressiert wird und nicht einfach nur durchregiert wird. Man muss die Leute auch ein Stück weit mitnehmen.
Joubin Rahimi
Und ich glaube, das ist ein super, super Stichpunkt. Change ist wichtig, die Prozesse sind wichtig, die Menschen mitzunehmen, ist total wichtig. Es geht nicht die Technik. Also es hat super Potenzial. Ja, genau. Und wenn ihr Unleash your potential, also euer Potenzial entdecken wollt, schreibt uns an. Matze, sein Team, die Fellows dazu, haben ganz viel gesehen und können euch in den Situationen helfen oder auch mal sagen: Macht mal nicht so was, sondern macht was anderes. Genau. Matze, danke für die Einblicke, ist immer wieder erhält. Und wie machen Pfadfinder, wenn es losgeht? Gibt es da ein Zeichen? Nicht wirklich, okay. Nicht? allzeit bereit, ist natürlich eher der Abschiedsgruß oder „Gut Fahrt" sagt man auch da. gut Fahrt, sagen wir. gut Fahrt. Genau. Schön, dass ihr zu geschaut und zugehört habt. Danke, Matze.
Matthias Bauer
Ja, gerne.
