Warum KI-Projekte scheitern, obwohl die Demo funktioniert
„Da gibt es keine Ausnahmen.“ Bei diesem Satz wird Viktoria in KI-Projekten hellhörig. Denn was für die Kollegen seit Jahren zum Alltag gehört, landet noch lange nicht im Testdatensatz. Die Demo funktioniert, beim Rollout stolpert die Lösung über das dritte Dokument – und plötzlich müssen die Leute nacharbeiten, denen die KI eigentlich Arbeit abnehmen sollte.
Viktoria und Theo sprechen darüber, wie man solche Überraschungen früher findet. Das beginnt schon bei der Auswahl des Problems: Der erste Use Case, den jemand in die Runde wirft, ist selten gründlich durchgerechnet. Und hinter dem Wunsch, zwei Excel-Tabellen loszuwerden, steckt manchmal eine IT-Landschaft, die komplett umgebaut werden müsste.
Dann geht’s ans Datenchaos: Erst aufräumen oder gleich die KI drauflassen? Die beiden besprechen, wo sie beim Sortieren hilft und wo sie bloß mit viel Rechenleistung überspielt, dass niemand weiß, welche Daten eigentlich stimmen. Das kann in einer Demo beeindruckend aussehen. Die Rechnung für den täglichen Betrieb möchte man trotzdem nicht bezahlen.
Außerdem geht es um die Leute, die so ein Projekt zusammenhalten: jemanden, der die Sonderfälle kennt, jemanden, der Entscheidungen trifft – und eine Verbindung zwischen dem, was die Mitarbeiter brauchen, und dem, was die Geschäftsführung vorhat.
Transcript
Theo: Eigentlich soll KI unseren Arbeitsalltag leichter machen. Weniger Excel,
Speaker:Theo: weniger Abtippen, mehr Zeit für die Dinge, die sonst liegen bleiben.
Speaker:Theo: In der Demo sieht es auch immer super aus. Alle sind begeistert und dann kommt
Speaker:Theo: die Lösung im Rollout ins Unternehmen. Und plötzlich wird es komplizierter.
Speaker:Theo: Ich wollte gemeinsam mit Viktoria verstehen, was dazwischen passiert.
Speaker:Theo: Ich habe mit ihr darüber gesprochen, welche Erwartungen wir und unsere Kunden
Speaker:Theo: in KI-Projekte mitbringen und wie gut wir unsere eigenen Abläufe eigentlich verstehen.
Speaker:Theo: Darüber, warum wir manche Probleme erst bemerken, wenn wir die betroffenen Prozesse
Speaker:Theo: automatisieren wollen.
Speaker:Theo: Und was wir am Anfang klären können, damit aus der ersten Begeisterung auch
Speaker:Theo: eine echte Erleichterung im Arbeitsalltag wird.
Speaker:Theo: Ich bin Theo und ich wünsche euch viel Spaß mit dieser Folge von Beyond AI. Let's go!
Speaker:Theo: Könnt ihr uns helfen, mit KI diese zwei Excel's loszuwerden?
Speaker:Theo: Da sagt der Theo, gerne, da reißen wir euch einfach die ganze IT raus.
Speaker:Theo: Das war unser Kollege Sebastian Karrer. Ein wenig mich verarschend,
Speaker:Theo: weil bei uns der Reflex mittlerweile da ist, dass wir die IT-Systeme der Kunden
Speaker:Theo: einmal komplett auf links krempeln, weil die das wollen.
Speaker:Viktoria: Überraschenderweise.
Speaker:Theo: Damit herzlich willkommen zu einer neuen Folge von Beyond AI. Hi Viktoria.
Speaker:Viktoria: Hi Theo.
Speaker:Theo: Freut mich, dass wir mir jetzt wieder die Episode aufnehmen.
Speaker:Theo: Und bevor wir ins Inhalt hier einsteigen, ich würde heute gern mit dir ein bisschen
Speaker:Theo: über das Projektmanagement in KI-Projekten reden.
Speaker:Theo: Fun Fact, eins der komplexesten Projektmanagements überhaupt.
Speaker:Theo: Und bevor wir das machen, ich habe mir neulich die Folge von Lanz Precht angehört,
Speaker:Theo: wo die wieder mal über die Gefahren der KI gesprochen haben.
Speaker:Theo: Ich glaube, du hast aber sowas von der Folge gehört, oder?
Speaker:Viktoria: Ich habe kurz reingehört, am Wochenende genau, aber ich glaube nicht voll durch.
Speaker:Viktoria: Also ich glaube, ich habe nur irgendwo ein erstes Stück reingehört.
Speaker:Theo: Ja, ich habe heute Morgen dank Vollsperrung auf der Autobahn das Vergnügen gehabt,
Speaker:Theo: Zeit für Podcasts zu haben.
Speaker:Theo: Und ich möchte jetzt nicht die Folge spoilern.
Speaker:Theo: Am Ende kann man sich vorstellen, in welche Untiefen das ging.
Speaker:Theo: Aber die haben das schon gut aufgearbeitet, aber eins hat mich gestört.
Speaker:Theo: Und zwar haben Lanz und Precht alles richtig, meines Erachtens,
Speaker:Theo: aber wieder sehr High-Level diskutiert.
Speaker:Theo: Und da ging es halt darum, okay, wie groß ist die Gefahr auf die Menschheit,
Speaker:Theo: wenn jetzt die KI außer Kontrolle gerät? Also Amok läuft, wäre jetzt aus Prechts
Speaker:Theo: Sicht wieder ein zu starker Anthropomorphismus.
Speaker:Theo: Aber einfach, was sind so die realen Gefahren? und ich habe da immer so
Speaker:Theo: einen Konflikt, so eine neuronale Dissonanz, weil auf der einen Seite wird als
Speaker:Theo: Beispiel herangeführt sowas wie der super autonome agentische Schwarm,
Speaker:Theo: der OpenAI da eben außer Kontrolle geraten ist und Hugging Face gehackt hat
Speaker:Theo: und auf der anderen Seite sehen wir halt, dass die Leute mal so gerade eben
Speaker:Theo: einen Chatbot im Co-Pilot nutzen. Weißt du, wie ich meine?
Speaker:Theo: Also ich weiß nicht, geht es dir da ähnlich oder Oder siehst du,
Speaker:Theo: dass diese agentischen Schwärme schon deutlich realer in der Realität einfach
Speaker:Theo: der normalen Leute ankommen?
Speaker:Viktoria: Ah, ja.
Speaker:Viktoria: Da habe ich mich gerade gefragt, weil irgendwie, glaube ich,
Speaker:Viktoria: waren da zwei Stränge oder sowas in deiner Aussage gerade.
Speaker:Viktoria: Das eine Thema, dass halt das, was tatsächlich von den meisten Nutzern so im
Speaker:Viktoria: Alltag schon angekommen ist, gut, das sind irgendwie einigermaßen kleine, nette, feine Chats,
Speaker:Viktoria: wo jetzt nicht viel passiert und momentan zumindest auch nicht viel passieren kann.
Speaker:Viktoria: Aber das liegt ja eigentlich oder größtenteils am Nutzer, wie ich das nutzen will.
Speaker:Viktoria: Weil auch, also da muss ich jetzt nicht OpenAI höchstpersönlich sein,
Speaker:Viktoria: sondern auch wenn ich jetzt als versierter, ein bisschen Tech-interessierter
Speaker:Viktoria: Mensch, ich kann mir so eine agenzische Schwarm ohne Probleme aufsetzen und
Speaker:Viktoria: den losschicken, irgendwas tun lassen.
Speaker:Viktoria: Und genau, dass OpenAI da ein bisschen was entwischt ist, fand ich tatsächlich
Speaker:Viktoria: mega interessant, weil das so...
Speaker:Viktoria: Gut, vielleicht bin ich da ein bisschen zu naiv und das Gefahrenpotenzial,
Speaker:Viktoria: glaube ich, ist offensichtlich und das ist auch.
Speaker:Viktoria: Ordentlich durchdiskutiert worden. Aber auf der anderen Seite hat es in mir
Speaker:Viktoria: so einen Funken Freude ausgelöst, wo man dachte, hey cool, weil genau so ein
Speaker:Viktoria: Verhalten will ich ja oft in Projekten.
Speaker:Viktoria: Also ich, also, man muss natürlich irgendwie schauen, dass das nicht komplett
Speaker:Viktoria: außer Kontrolle gerät ist, klar.
Speaker:Viktoria: Aber ich habe doch viel, viel lieber einen Agenten als Assistenten,
Speaker:Viktoria: als Mitarbeiter im Endeffekt,
Speaker:Viktoria: im Projekt, der einfach Dinge macht und Dinge erledigt kriegt,
Speaker:Viktoria: anstatt einen, der mich alle fünf Minuten irgendwie zurückfragt,
Speaker:Viktoria: das geht nicht, was soll ich jetzt machen? Das ist doch ultra nervig.
Speaker:Theo: Okay, also du hast letztlich den positiven Take auf die ganze Geschichte, oder?
Speaker:Theo: So im Sinne von, hey, wie cool ist das eigentlich, dass die KI-Modelle das,
Speaker:Theo: okay, shit hit the fan, aber überhaupt zustande gebracht haben,
Speaker:Theo: sowas wie ein System wie Hugging Face zu hacken.
Speaker:Viktoria: Also genau, jetzt weniger von dem konkreten Ergebnis, was dabei rausgekommen ist, aber so von der,
Speaker:Viktoria: also ja einfach wie proaktiv überhaupt die Modelle irgendwas machen können.
Speaker:Viktoria: Und das ist für mich so die, ich meine, das ist auch nichts Neues,
Speaker:Viktoria: die die letzten paar Monate, also gerade mit dem Agentic Workflow ist da viel,
Speaker:Viktoria: viel in die Richtung vorangegangen, wo das jetzt auch kein,
Speaker:Viktoria: krasses,
Speaker:Viktoria: wie sagt man nicht, nichts krass Neues war, keine Wahnsinnsüberraschung, aber,
Speaker:Viktoria: mich freut es, dass sowas funktioniert. Weil damit werden die KI-Systeme wirklich nutzbar und ja...
Speaker:Viktoria: Das ist quasi viel mehr Wert, den ich nutzen kann.
Speaker:Theo: Das ist ein total cooler Punkt eigentlich, weil dann ist jetzt quasi nur noch
Speaker:Theo: die Frage von Regulatorik.
Speaker:Theo: Und ich kann mir nicht vorstellen, wenn es jetzt ein SME ist,
Speaker:Theo: also Small Medium Enterprise, mit nicht dem Budget einfach mal die Rechenkapazitäten
Speaker:Theo: für so einen vollautonomen agentischen Schwarm zu bezahlen.
Speaker:Theo: Weil das muss man sich auch auf der Zunge jetzt gehen lassen.
Speaker:Theo: Das waren tausende von Agenten, die über Wochen, das waren ja einige Monate
Speaker:Theo: sogar, da gelaufen sind.
Speaker:Theo: Das muss ja auch jemand erstmal bezahlen. Und ein Research Lab bei OpenAI,
Speaker:Theo: die haben die Ressource natürlich, aber ich will mal den CFO sehen,
Speaker:Theo: der das einfach mal freigibt.
Speaker:Theo: Also das haben wir dahingestellt. Und vielleicht reicht ja dann schon,
Speaker:Theo: dass man bei der Regulatorik sagt, okay, agentische Schwärme,
Speaker:Theo: die sind zugelassen, aber dürfen quasi nur eine gewisse Größe erreichen.
Speaker:Theo: Und ab dem Zeitpunkt muss das ganze System irgendwie hochgradig überwacht laufen oder so.
Speaker:Theo: Also ich kann mir nicht vorstellen, dass ein kleiner agentischer Schwamm,
Speaker:Theo: dass der so außer Kontrolle gerät.
Speaker:Viktoria: Vermutlich wird es da jede Menge Barrieren und Dimensionen geben,
Speaker:Viktoria: wo man die Modelle irgendwie einfängt.
Speaker:Viktoria: Gerade ist ja auch, wenn ich richtig informiert bin, die Diskussion am Laufen,
Speaker:Viktoria: inwiefern OpenAI jetzt dafür zur Rechenschaft gezogen werden kann,
Speaker:Viktoria: ob die quasi intern die Modelle überwachen müssten und zurückziehen,
Speaker:Viktoria: möglichst vor illegalen Handlungen.
Speaker:Viktoria: Da wird sich in nächster Zeit viel tun.
Speaker:Theo: Will not gonna happen. Also du kannst auch die Waffenhersteller von Handfeuerwaffen
Speaker:Theo: nicht dafür belangen und genauso...
Speaker:Theo: Dann werden auch die KI-Provider nicht haftbar gemacht werden können,
Speaker:Theo: wenn die KI irgendwie scheiße baut. Also das kann ich mir nicht vorstellen,
Speaker:Theo: dass es in die Richtung geht. Da wäre die komplette Industrie tot und für das hängt es viel Geld dran.
Speaker:Viktoria: Voll. Gleichzeitig so kleinere Ring-Fans-Methoden gab. Also ich meine,
Speaker:Viktoria: das war ja irgendwie auch schon fast ein Spiel vor mittlerweile zwei Jahren oder was.
Speaker:Viktoria: Von wegen kriege ich irgendwelche Bombenbaupläne aus den Modellen raus.
Speaker:Viktoria: Wo man intern geschaut hat, dass die das eben nicht tun. Dann gibt es jede Menge
Speaker:Viktoria: Leute, die Spaß daraus gemacht haben, das doch daraus zu kriegen.
Speaker:Viktoria: Also so ein bisschen Bemühungen gab es in die Richtung.
Speaker:Theo: Ja, aber damit bringst du mich auf ein zweites Thema, das ich mit dir ganz kurz
Speaker:Theo: zumindest schon mal anteasern wollte. Vielleicht können wir da eine eigene Folge Richard drüber machen.
Speaker:Theo: Und zwar, was bei diesem Hugging-Face-Hack auch passiert ist,
Speaker:Theo: das ist, dass sich die Modelle gegenseitig gejailbraked haben. Also
Speaker:Theo: Die haben sich gegenseitig gepromptet und das eine Modell hat das andere,
Speaker:Theo: also der eine Agent hat den anderen Agent quasi manipuliert und erpresst, aber
Speaker:Theo: auch über die Promptstrukturen dazu gebracht hat, auch quasi dann an dem Jailbreak teilzunehmen.
Speaker:Theo: Und
Speaker:Theo: Diese ganzen Pattern, die da vorkommen, eben, dass du sagst,
Speaker:Theo: okay, Gruppenzwang wird etabliert und so weiter,
Speaker:Theo: da stellt sich mir die Frage, die KI-Agenten, die basieren ja auf Large Language
Speaker:Theo: Modellen, die trainiert wurden mit den Trainingsdaten des Internets,
Speaker:Theo: plus jetzt synthetische Daten, die quasi extra zum Zweck vom LLM-Training erzeugt wurden.
Speaker:Theo: Aber das ist ja alles irgendwie so immer ein Abbild von dessen,
Speaker:Theo: wie sich ein Mensch verhält.
Speaker:Theo: Und damit ist doch der Trainingsdatensatz die Mischung aus Zweien,
Speaker:Theo: nämlich dem Konzept der Welt.
Speaker:Theo: Also allein schon, dass wir zum Beispiel in einer Dreidimensional plus eine
Speaker:Theo: Zeitdimension, das sind so Fundamentals, wie ist die Welt gebaut,
Speaker:Theo: aber auch, wie funktioniert menschliche Psyche. Und
Speaker:Theo: Ich kann mir nicht vorstellen, dass dieses ganze AI, LLM-Race,
Speaker:Theo: das in allen Belangen immer verheiratet bleibt an die menschliche Psyche.
Speaker:Theo: Also weiter gedacht, schätze ich mir die Frage, jetzt mal angenommen,
Speaker:Theo: wir müssten nicht die Trainingsdaten nehmen, die wir halt im Internet haben
Speaker:Theo: und die zwangsläufig vom Mensch kommen.
Speaker:Theo: Welche Trainingsdaten wären das dann? Also was ist eine alternative,
Speaker:Theo: natürliche Art für ein LLM zu denken, wenn man jetzt mal den Menschen ausklammert?
Speaker:Viktoria: Spannend, ja. Weil irgendwo will ich ja gerade, wobei tatsächlich selbst das
Speaker:Viktoria: die Frage ist, will ich, dass die quasi mit den Menschen kompatibel bleiben?
Speaker:Viktoria: Weil das war jetzt mindestens bisher der große Durchbruch, als dass einfach
Speaker:Viktoria: jeder Orte-Normal-Verbraucher wie mit einem natürlichen Menschen chatten konnte.
Speaker:Viktoria: Aber gab es kein Gesicht und kein Menschen dazu. Aber scheinbar ein Kopf,
Speaker:Viktoria: mit dem ich irgendwie Gedanken austauschen konnte, wie mit einem anderen Menschen.
Speaker:Viktoria: Selbst das könnte man ja tatsächlich in Frage stellen. Vielleicht braucht man
Speaker:Viktoria: das Mensch-LLM, die Schnittstelle eigentlich gar nicht mehr.
Speaker:Viktoria: Zumindest wenn die LLM sind die Wandernder AG. Genau, genau, genau.
Speaker:Viktoria: Das wäre spannend.
Speaker:Theo: Insofern mich wundert es, der Precht sagt ja immer wieder, dass er überhaupt
Speaker:Theo: kein Science-Fiction-Fan ist.
Speaker:Theo: Und gleichzeitig ist Science-Fiction voll von Konzepten, wie Gesellschaften
Speaker:Theo: ja auch funktionieren können. Zum Beispiel, neulich was gelesen von, ich glaube, das ist...
Speaker:Theo: Die drei Sonnen, ja genau, das war bei die drei Sonnen.
Speaker:Viktoria: Three-Body-Problem?
Speaker:Theo: Ja genau, Three-Body-Problem, so heißt es, ja richtig, genau, danke.
Speaker:Viktoria: Die habe ich auch gelesen.
Speaker:Theo: Da ist es so, dass die Alien-Kultur das Konzept des Lügens nicht kennt,
Speaker:Theo: also nur so als ein Beispiel.
Speaker:Theo: Und genau, eine Frage bei deiner Promotion, du hast ja Informationsasymmetrien
Speaker:Theo: und quasi sollte man lügen, ja oder nein, dich mit sowas beschäftigt, Und
Speaker:Theo: war da Teil der Annahmen, dass es sich um menschliche Agenten handelt oder ist
Speaker:Theo: es eigentlich universell? Also könnte man da auch Aliens reinstecken?
Speaker:Viktoria: Na gut, erstmal die Grundprämissen waren natürlich erstmal menschlich im Sinne
Speaker:Viktoria: von, wir haben ein paar, also quasi die,
Speaker:Viktoria: es gibt das Konzept der dunklen Triade mit drei Persönlichkeitstypen,
Speaker:Viktoria: Narzissten, Soziopathen und Machiavellian, die so in der Psychologie die drei
Speaker:Viktoria: Persönlichkeitsstörungen sind, sofern ich da richtig bin,
Speaker:Viktoria: die wir super schematisch natürlich sehr, sehr, sehr abgespeckt,
Speaker:Viktoria: aber erstmal quasi nachgebaut haben oder so ein paar Elemente zumindest von
Speaker:Viktoria: denen rausgegriffen haben.
Speaker:Viktoria: Einfach, um uns an irgendwas zu orientieren.
Speaker:Viktoria: Super schematisch natürlich, aber was ich interessant fand, war das ganz andere,
Speaker:Viktoria: menschliche Verhaltensmuster, dadurch...
Speaker:Viktoria: Einfach entstanden sind, die wir überhaupt nicht reinprogrammiert hatten.
Speaker:Viktoria: Wie zum Beispiel so ein, wir hatten einmal einen Agenten programmiert,
Speaker:Viktoria: der sich selber frei entscheiden konnte, wann er lügt und wann nicht.
Speaker:Viktoria: Oder ob er überhaupt nicht lügt.
Speaker:Viktoria: Oder immer. Völlig egal. Der konnte sich in jeder Kommunikation entscheiden,
Speaker:Viktoria: macht es gerade Sinn zu lügen oder nicht.
Speaker:Viktoria: Und ich habe natürlich für beides Vor- und Nachteile.
Speaker:Viktoria: Wenn ich lüge, habe ich natürlich viel mehr Möglichkeiten, irgendwie die Meinungen
Speaker:Viktoria: so um mich herum zu beeinflussen.
Speaker:Viktoria: Aber ich gehe auch ein Risiko ein, beim Lügen erwischt zu werden und dann bin
Speaker:Viktoria: ich noch schlecht. Oder ich sage einfach die Wahrheit.
Speaker:Viktoria: Das ist halt dann straightforward und hat auch Nachteile. Ich kann,
Speaker:Viktoria: hat natürlich nicht das Risiko, beim Lügen erwischt zu werden,
Speaker:Viktoria: sondern ich präsentiere mich tendenziell als ehrlicher.
Speaker:Viktoria: Ähm ährlicher Mitmensch. Hat aber natürlich die Gefahr, dass meine Meinung vielleicht
Speaker:Viktoria: nicht ankommt oder irgendwie dass ich damit raussteche, die anderen allein die
Speaker:Viktoria: Meinung irgendwie als komisch abstempeln, das wieder auf mich zurückwirkt und sowas.
Speaker:Viktoria: Und was da spannenderweise entstanden ist, ist ein Agent, der,
Speaker:Viktoria: am Anfang, wir haben die Simulation halt laufen lassen über eine bestimmte Zeit
Speaker:Viktoria: und ich glaube, keine Ahnung, auch nicht so wichtig, so lange bis sich die Dynamiken
Speaker:Viktoria: halt eingespielt haben, aber wir haben dann,
Speaker:Viktoria: gesehen, dass am Anfang dieser Agent quasi immer gelogen hat,
Speaker:Viktoria: um einfach so ähm naja, am Anfang kostet's nicht viel, weil er hatte noch kein
Speaker:Viktoria: Standing in der Gruppe oder sowas, das heißt jetzt irgendwie das Risiko beim
Speaker:Viktoria: Lügen erwischt zu werden, war nicht so schlimm,
Speaker:Viktoria: aber es war viel, viel wichtiger, ähm.
Speaker:Viktoria: Sich so in die Gruppe einzufügen. Also was beim Lügen, gerade am Anfang,
Speaker:Viktoria: der hat jetzt irgendwie auch keine krassen Meinungen rausgehauen,
Speaker:Viktoria: um da irgendjemanden groß zu manipulieren.
Speaker:Viktoria: Aber er hat quasi weiße Lügen produziert die ganze Zeit, die so einfach die
Speaker:Viktoria: Gruppenmeinung spiegeln und da quasi da mitzumischen.
Speaker:Viktoria: Um über das quasi akzeptiert zu werden. Also ich projiziere jetzt alles schon
Speaker:Viktoria: weg von den technischen Terms, wie wir es tatsächlich implementiert haben, sondern,
Speaker:Viktoria: ich bin jetzt quasi die menschliche das menschliche Verhaltensmuster da drauf.
Speaker:Viktoria: Genau, und die Strategie war dann, oder quasi die, die am besten funktionieren,
Speaker:Viktoria: oder die, die halt da emergent entstanden ist, die halt am Anfang sich so in
Speaker:Viktoria: die Gruppenmeinung einzufügen und,
Speaker:Viktoria: ja genau, halt weiße Lügen zu produzieren, eine nach der anderen.
Speaker:Viktoria: Und erst später, wo der Agent dann quasi ein Standing hatte und über das quasi
Speaker:Viktoria: so in der Gruppe akzeptiert war, alle, weil weiße Lügen fallen ja üblicherweise auch nicht auf.
Speaker:Theo: Was sind weiße Lügen?
Speaker:Viktoria: Also, dass ich quasi versuche, die Gruppenmeinung wahrzunehmen,
Speaker:Viktoria: ich höre, was die anderen so sagen, und versuche quasi einfach nur das zurückzugeben.
Speaker:Viktoria: So, dass halt meine scheinbare Meinung, das, was ich sage, halt zur Gruppe passt.
Speaker:Viktoria: Das heißt, es klingt für alle anderen einigermaßen plausibel.
Speaker:Viktoria: Keiner kommt jetzt da groß auf die Idee, dass das eine Lüge hätte sein können.
Speaker:Viktoria: Insofern ist da das Risiko, auch relativ gering erwischt zu werden.
Speaker:Viktoria: Und ich habe kein Risiko, irgendwie mit einer krassen Meinung plötzlich der
Speaker:Viktoria: Außenseiter zu sein. Sondern es ist quasi rein das,
Speaker:Viktoria: Ich komme neu in die Gruppe und füge mich erst mal ein. Und naja,
Speaker:Viktoria: dann sind es halt Lügen, aber who cares.
Speaker:Viktoria: Und erst nach einer Zeit, wo dann quasi der Agent dieses Standing hatte und
Speaker:Viktoria: damit auch eine einigermaßen hohe, bei uns heißt das dann immer Reputation,
Speaker:Viktoria: also die anderen haben ihn für recht ehrlich wahrgenommen.
Speaker:Viktoria: Ab da hat es sich dann gedreht, weil ab da auf einmal das Risiko dann zu groß
Speaker:Viktoria: war, doch erwischt zu werden.
Speaker:Viktoria: Und naja, durch das komische Meinungs wie sagt man die Meinungen waren alle
Speaker:Viktoria: sowieso halbwegs aligned, insbesondere die von dem Lügner.
Speaker:Viktoria: Das heißt, der hat im Wesentlichen auch die Gruppenmeinungen adaptiert gehabt
Speaker:Viktoria: bis dahin, das heißt seine ehrlichen Aussagen haben dann auch einigermaßen dazugepasst,
Speaker:Viktoria: genau Aber hauptsächlich ist das Risiko, hinterher beim Lügen erwischt zu werden,
Speaker:Viktoria: zu schwerwiegend geworden.
Speaker:Viktoria: Deswegen ist er dann hinten raus immer ehrlicher geworden.
Speaker:Viktoria: Was ich super spannend fand, weil die Dynamik gibt es ja auch in der Realität, dass ich,
Speaker:Viktoria: erst mit der Gruppe warm werden muss und eine Vertrauensbasis geschaffen haben
Speaker:Viktoria: muss, um dann tatsächlich mich zu öffnen und irgendwelche Meinungen preiszugeben.
Speaker:Theo: Ja, und der hat es halt so gemacht, dass er erst mal sich reinlügt.
Speaker:Viktoria: Ja, genau, genau, genau.
Speaker:Theo: Ja, spannend. Wir können das mal auf den Episodenstapel legen,
Speaker:Theo: auf den Stapel der Folgen, die wir definitiv irgendwann nicht produzieren.
Speaker:Theo: Würde mich schon mal interessieren, also vor allem eben die Frage,
Speaker:Theo: welches dieser Verhaltensmuster ist,
Speaker:Theo: quasi selbst emergent, dass sich das entwickelt, unabhängig davon,
Speaker:Theo: ob man jetzt die Prämisse reinwirft, dass es sich um menschliche Agenten oder
Speaker:Theo: nicht menschliche Agenten handelt.
Speaker:Theo: Steigen wir mal ins Thema der heutigen Folge. Ich habe fünf Fragen dabei und
Speaker:Theo: würde gerne mal deinen Erfahrungsschatz anzapfen.
Speaker:Theo: Du machst ja bei uns alle Projekte aus Sicht von einem globalen Projektmanagement.
Speaker:Theo: Und deswegen bist du da an einer super guten Schnittstelle und siehst quasi
Speaker:Theo: auch die roten Fäden, die sich immer von einem Projekt zum nächsten durchziehen.
Speaker:Theo: War die Idee, dass wir da mal ein bisschen eintauchen.
Speaker:Theo: Und wenn du jetzt mal auf den Beginn eines Projekts blickst, also
Speaker:Theo: kurzes Setting, wir machen ein Projektgeschäft gemeinsam mit unserer Plattform
Speaker:Theo: Hylirium, Kunde hat einen Automatisierungsbedarf, einen Transformationsdruck,
Speaker:Theo: sagt, okay, alleine schaffe ich das nicht, Hylirium, bitte helft uns und dann kommen wir.
Speaker:Theo: Was ist das, wo du sagst, das findest du eigentlich immer vor,
Speaker:Theo: egal was der Kunde von sich erzählt, egal welche Branche, was ist so der Die
Speaker:Theo: Schnittmenge des Startpunkts.
Speaker:Viktoria: Die Schnittmenge des Startpunkts, ja. Am Anfang vom Projekt steht ja meistens
Speaker:Viktoria: irgendwo, genau wie du gerade gesagt hast, wir haben irgendeinen Transformationsbedarf,
Speaker:Viktoria: wir haben irgendein Problem, was es zu lösen gibt.
Speaker:Viktoria: Das ist, davon hat man meistens so eine Ahnung.
Speaker:Viktoria: Selten ist es super klar, was es tatsächlich braucht, um dieses Problem zu lösen.
Speaker:Viktoria: Wo dann oft, ich meine manchmal ist es auch klar, aber oft ist es dann am Anfang
Speaker:Viktoria: tatsächlich eine nicht zu unterschätzende Aufgabe.
Speaker:Viktoria: Das tiefer zu verstehen, das Warum zu hinterfragen, weil oft ist es irgendwie ein,
Speaker:Viktoria: das bringt uns so ein bisschen zurück auf dein Anfangszitat.
Speaker:Viktoria: Wir haben irgendwie hier so ein bisschen Excel-Chaos und hätten das gerne aufgeräumt.
Speaker:Viktoria: Und dann schaut man sich das irgendwie an und stellt am Schluss fest,
Speaker:Viktoria: Moment, wir müssen die komplette IT-Infrastruktur austauschen.
Speaker:Theo: So im Spirit von, well, that escalated quickly. Genau.
Speaker:Viktoria: Und dann ist halt gleich wieder die Frage, okay, wait a second,
Speaker:Viktoria: macht das gerade tatsächlich Sinn?
Speaker:Viktoria: Mindestens quasi als erster Startpunkt. Oder schauen wir nicht dann irgendwie
Speaker:Viktoria: auf ein anderes Problem, was irgendwie ein bisschen abgeschottet,
Speaker:Viktoria: dass separater gelöst werden kann.
Speaker:Viktoria: Also da quasi die Problemdefinition ist am Anfang so das größte To-Do,
Speaker:Viktoria: gerade was ich noch vergessen habe, vielleicht auch,
Speaker:Viktoria: das Warum zu hinterfragen im Sinne von….
Speaker:Viktoria: So wie man sich das vielleicht initial vorstellt,
Speaker:Viktoria: im Endeffekt einen Business Case durchzurechnen, so banal das klingt, aber,
Speaker:Viktoria: sich zu fragen, man,
Speaker:Viktoria: fängt ja oft nicht an der kompletten IT-Infrastruktur an, sondern bei irgendwelchen kleineren Themen.
Speaker:Viktoria: Und gerade da ist aber halt wichtig, von Anfang an sich zu fragen,
Speaker:Viktoria: was bringt es uns eigentlich?
Speaker:Viktoria: Macht es wirklich Sinn, gerade das Excel-Chaos aufzuräumen?
Speaker:Viktoria: Oder, okay, wir wissen, das ist nicht schön, aber es läuft gerade und nichts
Speaker:Viktoria: würde großartig besser laufen, wenn wir das Excel-Chaos aufräumen.
Speaker:Viktoria: Stattdessen, keine Ahnung, gab es vielleicht noch irgendwie Use Case 2 oder
Speaker:Viktoria: 3 im Gespräch, die, wenn man sich die ein bisschen genauer anschaut,
Speaker:Viktoria: eigentlich viel besseren,
Speaker:Viktoria: einfach rumzusetzen sind und oder mehr bringen hinterher, wie auch immer. Also da quasi,
Speaker:Viktoria: die Wirtschaftlichkeit einmal anzuschauen für ein paar mehr Use Cases,
Speaker:Viktoria: ist, glaube ich, immer eine gute Idee, anstatt einen im Blick zu haben und Vollgas darauf zu preschen.
Speaker:Theo: Da habe ich das Gefühl, dass gerne auf den ersten Use Case draufgesprungen wird,
Speaker:Theo: den irgendjemand zufällig gebracht hat.
Speaker:Theo: Also weißt du, was ich meine? Irgendjemand hat eine Idee für,
Speaker:Theo: hey, wir könnten einen Bildgenerator machen, der uns in der Kantine lustige
Speaker:Theo: Emojis erzeugt für das, was gerade auf der Tageskarte steht.
Speaker:Theo: Und dann ist es auf einmal der Use Case und die ganze Firma spricht drüber.
Speaker:Theo: Und das finde ich wirklich krass. Ich sehe das ja auch bei meinen Schulungen.
Speaker:Theo: Das ist für mich so ein bisschen das Tor zur Welt.
Speaker:Theo: Weil ich dann einfach immer regelmäßig jeden Monat mit 10, 15,
Speaker:Theo: 20 Leuten da immer aus komplett unterschiedlichen Firmen zu tun habe.
Speaker:Theo: Und das ist vielleicht schon krass. Ich habe neulich ganz explizit mal die Frage
Speaker:Theo: in der Vorstellungsrunde dann gestellt, wer von euch hat einen Plan?
Speaker:Theo: Also welche Firma von euch hat einen KI-Plan? Und da hat eine Person von 15 die Hand gehoben.
Speaker:Theo: Und dann sind es aber schon die Firmen, die ihre Leute gezielt zu Schulungen schicken.
Speaker:Theo: Also die haben ja quasi diesbezüglich schon so ein bisschen einen Plan. Das ist wirklich crazy.
Speaker:Theo: Und das wäre echt so ein bisschen raus bei dem, was du sagst,
Speaker:Theo: dass die Leute auch bezüglich, was machen wir jetzt und warum eigentlich und
Speaker:Theo: was bringt es dann am Ende, was erhoffen wir uns davon, dass das eben fehlt.
Speaker:Viktoria: Ja, genau. Und das Problem mag vielleicht irgendwie offensichtlich sein,
Speaker:Viktoria: aber ob es sich wirklich lohnt, das umzusetzen, ist ab und zu nochmal was anderes.
Speaker:Viktoria: Und, ähm, naja, was gibt es sonst immer noch? Klar, man hat natürlich mit irgendeinem,
Speaker:Viktoria: also man, sagen wir mal, man hat sich dann auf irgendeinen Use Case geeinigt,
Speaker:Viktoria: der irgendwie lukrativ ausschaut.
Speaker:Viktoria: Wir steigen da ein, dann ist natürlich immer so ein naja, dann gehen wir halt
Speaker:Viktoria: tiefer ins Detail und schauen uns an, was brauchst du dafür selten,
Speaker:Viktoria: also quasi nie setzt man das einfach so um, sondern du hast irgendwie immer,
Speaker:Viktoria: seien es dann doch die Exels,
Speaker:Viktoria: die aufgeräumt werden sollen oder sei es ein Prozess ganz generell,
Speaker:Viktoria: der irgendwie keine Ahnung wo,
Speaker:Viktoria: aktuell irgendjemand Und 40 Stunden die Woche damit beschäftigt ist,
Speaker:Viktoria: von Abteilung A zu B zu rennen und am Schluss zu C irgendwelche Informationen
Speaker:Viktoria: ranzuschaffen oder sowas, wo man sich sagt,
Speaker:Viktoria: vielleicht funktioniert das irgendwie schlauer.
Speaker:Viktoria: Dann müssen wir uns halt den anschauen und quasi immer sind dann halt irgendwelche
Speaker:Viktoria: Daten, sagen wir mal jetzt so, beteiligt. Seien es die Infos,
Speaker:Viktoria: die von A und B nach C geschafft werden, seien es die Excel-Tabellen, seien es die,
Speaker:Viktoria: keine Ahnung, irgendwelche Dokumentationen, die seit 20 Jahren niemand mehr
Speaker:Viktoria: angeschaut hat, die irgendwo rumfliegt und sich eigentlich alle dran halten
Speaker:Viktoria: sollten, aber das de facto doch keiner tut.
Speaker:Viktoria: Also man hat ja immer irgendeinen Angriffspunkt und da ist es dann eigentlich
Speaker:Viktoria: immer unsere erste Anlaufstelle, das mal auseinander zu zerpflücken und uns
Speaker:Viktoria: das anzuschauen logischerweise.
Speaker:Viktoria: Und einen Soll-Ist-Vergleich zu machen im Wesentlichen.
Speaker:Viktoria: Genau, und dann setzt man halt auf und...
Speaker:Viktoria: Dann gibt es meistens die Überraschung von wegen, also wenn man sich dann,
Speaker:Viktoria: das ist, ist manchmal kompliziert genug, aber das kriegt man meistens auch einigermaßen gefasst.
Speaker:Theo: Also mit ist meinst du den Ist-Stand vom Prozess, oder?
Speaker:Viktoria: Genau, genau.
Speaker:Viktoria: Das sind dann halt, klar, Dokumente durchsichten, Prozess verstehen,
Speaker:Viktoria: mit den entsprechenden Beteiligten reden, denen ihren Blickwinkel drauf sehen, was,
Speaker:Viktoria: also je nachdem, wie groß der Use-Case ist, dauert das auch eine Weile,
Speaker:Viktoria: aber das ist begreifbar.
Speaker:Viktoria: Und dann, wenn es aber darum geht, quasi den Sollprozess zu beschreiben,
Speaker:Viktoria: wird irgendwie oft und halt nie, also man fängt zuerst an, den Sollprozess zu
Speaker:Viktoria: beschreiben und dann ist die Frage, okay, wie kommen wir da hin?
Speaker:Viktoria: Das ist ja dann letztendlich die Aufgabe.
Speaker:Viktoria: Und da wird halt dann super schnell klar, okay, wir haben, also eigentlich kommen
Speaker:Viktoria: wir da momentan gerade überhaupt noch nicht hin. Das ist möglicherweise auch
Speaker:Viktoria: der Grund, warum das noch nicht passiert ist.
Speaker:Viktoria: Weil, keine Ahnung, weil,
Speaker:Viktoria: die Person, die vorhin zwischen A, B und C rumgerannt ist und irgendwas,
Speaker:Viktoria: in Infos ausgetauscht hat,
Speaker:Viktoria: Weil der Prozess, in der die eigentlich die Informationen weitergeben will,
Speaker:Viktoria: überhaupt nicht klar definiert ist und da halt quasi immer nur am Feuerlöschen war und irgendwie,
Speaker:Viktoria: keine Ahnung, vorwärts, rückwärts irgendwie geschaut hat, dass alle irgendwie
Speaker:Viktoria: glücklich sind, aber es gab überhaupt, oder es gibt keinen,
Speaker:Viktoria: wie soll man sagen?
Speaker:Theo: Konstandardisierten Prozess, oder? Meinst du das? Dass der Prozess eigentlich
Speaker:Theo: immer spontan gewinkt wurde?
Speaker:Viktoria: Genau. Und vielleicht ist es tatsächlich nicht der Stand. Also wahrscheinlich könnte...
Speaker:Viktoria: Nee, stimmt. Es fehlt eigentlich der standardisierte Prozess als solches,
Speaker:Viktoria: den überhaupt zu definieren oder den definieren zu können.
Speaker:Viktoria: Und genau, sowas fällt einem halt genau dann auf, wenn man das zum ersten Mal versucht.
Speaker:Theo: Das ist mir auch bei unseren Projekten immer wieder mal aufgefallen,
Speaker:Theo: wenn du dann mal so reinfrägst und die komplette Prozesskette durchdringen möchtest.
Speaker:Theo: Also wirklich kompletter Wertschöpfungsfluss von A bis Z.
Speaker:Theo: Und ich kann mich noch erinnern, ich habe da mal die Frage gestellt,
Speaker:Theo: so, ja okay, jetzt die verschiedenen Abteilungen, die da an dem Projekt arbeiten,
Speaker:Theo: die müssen doch irgendwie eine gemeinsame Datenablage haben.
Speaker:Theo: Also habt ihr da irgendwie einen Sharepoint-Ordner oder sowas? Nee.
Speaker:Viktoria: Gute Idee.
Speaker:Theo: Aber wie kommen dann die Daten von einer Abteilung zu anderen?
Speaker:Theo: Ja, wir schicken das denen per E-Mail. Und dann sagen, ey, verflucht,
Speaker:Theo: das kann es doch nicht sein.
Speaker:Theo: Also da war ich dann an einem Punkt, wo ich mir dachte, okay,
Speaker:Theo: krass, wir brauchen jetzt hier nicht anfangen, einen KI-Agenten zu bauen,
Speaker:Theo: der für die Leute die E-Mails verschickt.
Speaker:Theo: Ja, also weil dann würde es ja quasi diesen crappy Prozess automatisieren,
Speaker:Theo: sondern da war nur überhaupt gar nicht das Zielbild bei denen irgendwie an der
Speaker:Theo: Ansatzweise klar, wie man es eigentlich machen könnte, damit der Prozess mit
Speaker:Theo: oder ohne KI vernünftig und robust aufgesetzt wäre.
Speaker:Viktoria: Ja, das ist ja immer auch so, dass, also, ist ja irgendwo ganz natürlich,
Speaker:Viktoria: ähm, den, genau, also den Prozess hat sich noch nie irgendjemand überlegt,
Speaker:Viktoria: aber du bist natürlich dann im Tagesgeschäft.
Speaker:Viktoria: Und Abteilung B braucht halt die Infos. Gut, dann schicke ich es halt schnell rüber.
Speaker:Viktoria: Das ist dann im Zweifel eine E-Mail und dann hat es irgendwie funktioniert und
Speaker:Viktoria: war schnell und dann kümmert sich keiner mehr drum, weil niemand hat jetzt,
Speaker:Viktoria: niemand hat im laufenden Geschäft die Kapazität, da jetzt irgendwie noch schnell,
Speaker:Viktoria: keine Ahnung, sich zu überlegen, wie man am besten jetzt einen Sharepoint aufzieht,
Speaker:Viktoria: geschweige denn irgendwie alle mit an Bord zu holen und so zu überzeugen. Das ist ja auch immer,
Speaker:Viktoria: eine Aufgabe, das dann tatsächlich realisiert zu kriegen, sondern dann schickst
Speaker:Viktoria: du es halt schnell per E-Mail und es funktioniert.
Speaker:Theo: Und ich merke gerade, da gibt es zwei Ausprägungen. Also so das eine,
Speaker:Theo: wenn über Excel und E-Mail viel gearbeitet wird, gibt es einmal die Variante,
Speaker:Theo: es hat sich noch nie jemandem Kopf drüber gemacht oder sich einen ordentlichen
Speaker:Theo: Prozess überlegt oder auch ein Tool eingeführt, das das Ganze standardisiert.
Speaker:Theo: Und dann gibt es ja nur die zweite Variante, es wurde irgendwann mal was eingeführt,
Speaker:Theo: aber in der Zwischenzeit hat die Realität das Tool überholt und man muss quasi
Speaker:Theo: am Tool vorbeiarbeiten.
Speaker:Theo: Das ist auch eine Variante, die hatte ich vor einer Dekade, als wir mit dem
Speaker:Theo: ganzen Thema angefangen haben, noch gar nicht am Schirm.
Speaker:Viktoria: Ja, stimmt, guter Punkt. Aber eigentlich ist das ja dann auch nur wieder eine Form von,
Speaker:Viktoria: wir benutzen halt Kraut und Rüben irgendwie, also vielleicht ist das Tool für
Speaker:Viktoria: irgendwas noch da, aber meinetwegen noch nicht mal für das, was ursprünglich gedacht war.
Speaker:Theo: Ja, richtig. Genau.
Speaker:Viktoria: Dann ist es halt im Endeffekt auch nur irgendein,
Speaker:Viktoria: Excel, Pondor.
Speaker:Theo: Jetzt hast du vorhin schon Daten angeschnitten. Das wäre meine zweite Frage.
Speaker:Theo: Und zwar, nimm uns mal mit und auch die Zuhörer der Humans in the Loop.
Speaker:Theo: Wie ist deine Erfahrung? Wir starten das Projekt. Jetzt geht es darum,
Speaker:Theo: wir sichten das erste Mal die Daten. Wir binden die ein in die Verarbeitungskette.
Speaker:Theo: Was ist deine mittlerweile standardemotionale Haltung? worauf stellst du dich ein?
Speaker:Viktoria: Du hast gerade so eine schöne Bewegung gemacht, so das Bauchgefühl. Ja, genau.
Speaker:Viktoria: Das erste große, wo mir schon irgendein Stein vom Herzen fällt,
Speaker:Viktoria: ist, also ganz am Anfang ist es ja immer so ein,
Speaker:Viktoria: gut, wir brauchen die und jene Daten. Gut, können Sie uns die mal schicken?
Speaker:Viktoria: Dann dauert es erstmal eine Weile.
Speaker:Viktoria: Wie schaut es aus? Können Sie uns die Daten schicken?
Speaker:Viktoria: Dann heißt es, ja, wir haben jetzt da jemanden rangesetzt, die erstmal zusammensuchen.
Speaker:Theo: Moment, aber du redest ja von einem ersten Testdatensatz. Also jetzt nicht irgendwie
Speaker:Theo: Datenbank, Dampf, Vier, Petabyte, wir müssen das
Speaker:Viktoria: Per Post verschicken. Ne, einfach eine Handvoll Beispiele. Dass wir uns halt
Speaker:Viktoria: zumindest irgendwie mal anschauen können, wie,
Speaker:Viktoria: Beispiele funktionieren, wenn es um irgendwelche Dokumentverarbeitung oder irgendwie sowas geht.
Speaker:Theo: Also Verträge oder...
Speaker:Viktoria: Genau, zum Beispiel irgendwie, keine Ahnung, Vertragsdaten irgendwo raussuchen,
Speaker:Viktoria: in eine Datenbank eintragen zum Beispiel.
Speaker:Viktoria: Dann brauche ich halt irgendwie so eine Handvoll Verträge, wie die ausschauen
Speaker:Viktoria: und meinetwegen dann die fünf Zeilen aus der Datenbank von den Daten,
Speaker:Viktoria: die jetzt übertragen worden sind.
Speaker:Viktoria: Einfach um als Beispiel mal zu sehen, was da passiert, was meinetwegen momentan irgendjemand abtippt.
Speaker:Viktoria: Genau, also das ist meistens immer schon der erste, Punkt, wenn es dann irgendwie
Speaker:Viktoria: zwei, drei Wochen dauert, bis wir so ein paar Beispiele kriegen,
Speaker:Viktoria: da habe ich schon Angst. Wenn das schnell geht, bin ich glücklich,
Speaker:Viktoria: dann, ähm, genau, das ist schon die erste Hürde immer.
Speaker:Viktoria: Ähm, dann haben wir die ersten Beispiele, schauen uns die an.
Speaker:Viktoria: Und dann ist es immer so ein, klar, dann sind das erstmal nur Beispiele.
Speaker:Viktoria: Die geben ein gutes Gefühl dafür, ähm,
Speaker:Viktoria: Aber, und dann meint man, den Fehler haben wir früher ab und zu mal gemacht
Speaker:Viktoria: oder waren da quasi dann zu schnell in der Annahme.
Speaker:Viktoria: Okay, cool, wir haben jetzt die Beispiele verstanden. Läuft.
Speaker:Viktoria: Ich meine, das ist ein guter Ansatz oder ein guter Einstieg,
Speaker:Viktoria: aber wir sind mittlerweile viel, viel schneller da drin, dann auch zu fragen,
Speaker:Viktoria: okay, das waren jetzt die Beispiele für so den Standardprozess.
Speaker:Viktoria: Den Prozess, aber was gibt es da für Ausnahmen?
Speaker:Viktoria: Und dann,
Speaker:Viktoria: haben wir entweder großes Glück und da sitzt irgendjemand, der anfängt zu erzählen.
Speaker:Viktoria: Also dann ist das irgendwie ein zwei Stunden Teams-Meeting-Ausnahme.
Speaker:Viktoria: Eins, zwei, drei, vier und irgendwann sind wir bei 57 und verlieren den Track. Aber,
Speaker:Viktoria: es gibt zumindest irgendjemanden, der die im Blick hat.
Speaker:Viktoria: Viel schlimmer finde ich fast die Antwort, nee, nee, da gibt es keine Ausnahmen.
Speaker:Viktoria: Das funktioniert immer so.
Speaker:Theo: Ach so, weil es immer Ausnahmen gibt, nur entweder man ist sich der bewusst oder eben nicht.
Speaker:Viktoria: Genau. Also ich glaube, wir haben noch, also keine Ahnung, ich wüsste jetzt,
Speaker:Viktoria: ad hoc kein Projekt, wo es keine Ausnahmen gab.
Speaker:Viktoria: Nur entweder du hast sie halt am Anfang auf dem Schirm und weißt dann,
Speaker:Viktoria: ich meine, die Antwort kann auch sein, okay, krass, da gibt es irgendwie 100
Speaker:Viktoria: verschiedene, Weisen, das zu machen, aber 80 davon kommen irgendwie einmal im Jahr vor,
Speaker:Viktoria: dann bleiben halt die erstmal manuell und wir konzentrieren uns nur,
Speaker:Viktoria: auf die 20 oder 10 oder was auch immer, die tatsächlich so die Hauptmasse am
Speaker:Viktoria: Tagesgeschäft ausmachen.
Speaker:Viktoria: Ist ja fein, dann ist man sich bewusst, kann die Entscheidung treffen und dann
Speaker:Viktoria: sind eigentlich bisher immer alle happy gewesen, weil,
Speaker:Viktoria: Weil halt die Hauptlast dann abgenommen werden kann.
Speaker:Viktoria: Andersrum, wenn man sich dessen nicht bewusst ist und du ziehst halt das Projekt
Speaker:Viktoria: irgendwie erstmal durch, soweit bis es fertig ist und in Einsatz kommt.
Speaker:Viktoria: Und dann fällt auf, dass irgendwie das zweite, dritte Dokument da leider nicht
Speaker:Viktoria: in das Beispielschema reinpasst, sondern irgendwo ein Ausreißer ist.
Speaker:Viktoria: Na dann ist halt viel, viel unangenehmer.
Speaker:Viktoria: Weil dann war quasi die Kommunikation bisher immer, ja ja, alles easy,
Speaker:Viktoria: gar kein Problem, wir kriegen das alles abgedeckt.
Speaker:Theo: Und dann beim Rollout, hoppla.
Speaker:Viktoria: Genau, und der Rollout ist halt irgendwie so die dümmste, der dümmste Moment,
Speaker:Viktoria: wo das dann passiert, weil eigentlich so emotional alle schon drauf hoffen und
Speaker:Viktoria: sich irgendwie freuen, dass jetzt mega cool jetzt kommen sie,
Speaker:Viktoria: da haben halt alle Erwartungen und die werden dann enttäuscht Und das macht keinen Spaß.
Speaker:Viktoria: Lieber hole ich die Erwartungen vorher ab, bin mir über manche,
Speaker:Viktoria: Lücken bewusst, die man dann einfach lässt und sagt, okay, so weit können wir
Speaker:Viktoria: und den Rest halt nicht oder den Rest ziehen wir halt dann sukzessiv nach,
Speaker:Viktoria: aber wir konzentrieren uns quasi erstmal darauf. Das ist quasi das ganze Thema
Speaker:Viktoria: Erwartungsmanagement.
Speaker:Viktoria: Und je früher ich das weiß, desto besser für alle.
Speaker:Theo: Und da würde ich ja gerne Lanze brechen, weil das hat in einem ersten Reflex
Speaker:Theo: immer sowas Blame-Game-artiges und man muss sich nur mal die verschiedenen Perspektiven
Speaker:Theo: vergegenwärtigen, warum das dann quasi auch einfach ein
Speaker:Theo: Effekt ist, der auftritt,
Speaker:Theo: dass diese Testdatensätze nicht repräsentativ sind.
Speaker:Theo: Also ich würde es mal so formulieren, der Kunde ist schlechteren,
Speaker:Theo: einen repräsentativen Testdatensatz zu erzeugen und zu geben.
Speaker:Theo: Und da ist es egal, ob das jetzt ein externer IT- und KI-Dienstleiste ist oder
Speaker:Theo: ob das eine interne KI-Taskforce ist.
Speaker:Theo: So, woran liegt es? Aus meiner Sicht, also A, weil es auch häufig echt schwer
Speaker:Theo: ist für die Leute, an Daten ranzukommen, du hast es vorhin erwähnt,
Speaker:Theo: wenn es erstmal zwei Wochen dauert, ich habe auch schon die Fälle erlebt,
Speaker:Theo: da war das erstmal eine Woche lang auf die Unterschrift zu warten,
Speaker:Theo: um überhaupt etwas rausgeben zu dürfen.
Speaker:Theo: Also wir sind hier im professionellen Kontext unterwegs, da schickt man nicht
Speaker:Theo: einfach irgendwelche Daten an extern. Also da gibt es Freigabeschleifen.
Speaker:Theo: Und dann ein zweiter Effekt und das ist dann wieder etwas, da kann ich niemanden
Speaker:Theo: irgendwie einen Strick draus drehen.
Speaker:Theo: Für uns sind viele Sachverhalte klar, dass das jetzt eine Ausnahme oder eine
Speaker:Theo: Exception ist für die KI, die für den Kunden aber überhaupt nicht selbstevident ist.
Speaker:Theo: Wir haben doch mal zum Beispiel diese Begehungsprotokolle verarbeitet.
Speaker:Theo: Und kurz für die Zuhörer, da ging es darum, dass wir erkennen,
Speaker:Theo: wie viele Striche wurden auf einem Protokoll erfasst.
Speaker:Theo: Also Leute gehen bei einer Begehung durch und machen quasi für die verschiedenen
Speaker:Theo: Assets, machen die Striche.
Speaker:Theo: Und da gibt es jetzt natürlich je nach Person unterschiedliche Arten,
Speaker:Theo: wie diese Striche gezeichnet werden. Also die einen, die machen einfach nur
Speaker:Theo: Strich, Strich, Strich, Strich, Strich, Strich, Strich, und die nächsten machen
Speaker:Theo: Strich, Strich, Strich, Strich, Querstrich, um die Fünferblöcke zu markieren.
Speaker:Theo: Und das machen alle unterschiedlich. Das macht für einen OCR-Algorithmus einen
Speaker:Theo: riesen Unterschied, ob man quasi diesen Block mit vier Strichen und einem quer
Speaker:Theo: durch, ob man das als Fünfer identifiziert, oder ob das eigentlich vier Striche
Speaker:Theo: mit einer Anomalie dabei sind.
Speaker:Theo: Und wenn der Kunde dann übersieht, dass das einen Unterschied machen kann,
Speaker:Theo: weil er es nicht wissen kann, weil er nicht weiß, wie OCR-Algorithmen oder diese
Speaker:Theo: Image-Recognition-Algorithmen funktionieren, dann hat er das gar nicht am Schirm.
Speaker:Theo: Und so ein kleines bisschen kann ich mich dann rausretten, dass ich sage,
Speaker:Theo: okay, man deklariert es dann auch entsprechend. Also dass man nicht nur sagt,
Speaker:Theo: schickt uns mal ein paar Beispiele, sondern dass man das wirklich benennt als,
Speaker:Theo: Schickt uns bitte repräsentative Beispiele und
Speaker:Theo: das Einzige, was wir garantieren können, ist, dass es für diese Art von Daten
Speaker:Theo: klappen wird, weil das ist nämlich der zweite Punkt, der finde ich von dir häufig
Speaker:Theo: gemanagt wird, um den ersten klar zu machen, okay, das, was sie uns jetzt schickt,
Speaker:Theo: das ist das, wogegen wir testen.
Speaker:Theo: Ich weiß nicht, ob du das überhaupt nur so aktiv annimmst im Projektmanagement,
Speaker:Theo: Viktoria, aber ich beobachte das bei dir immer wieder, dass du den Leuten klar
Speaker:Theo: machst, und das ist, worauf ihr euch einlasst.
Speaker:Theo: Seid ihr euch sicher? Und dann immer wieder, ja, Moment mal,
Speaker:Theo: wir schicken euch noch drei Beispiele, dass man denen klar macht,
Speaker:Theo: dass sie hier damit jetzt eigentlich wie in einen Vertrag eingehen.
Speaker:Theo: Einen Schnittstellenvertrag, könnte man sagen.
Speaker:Viktoria: Ja, voll. Also gerade den Punkt, dass Dinge halt, also, klar,
Speaker:Viktoria: du kannst halt sagen, bitte schickst uns repräsentative Beispiele,
Speaker:Viktoria: aber es ist halt absolut nicht klar, was repräsentativ heißt.
Speaker:Viktoria: Also im Zweifel ist das ja auch sogar mir nicht klar oder uns jetzt insgesamt als Projektteam,
Speaker:Viktoria: wo dann dir die Antwort einfach nur ist, möglichst viele und ich meine,
Speaker:Viktoria: ein paar Sachen sind offensichtlich, wenn ich jetzt irgendwie intern verschiedene
Speaker:Viktoria: Abteilungen haben, die das gleiche,
Speaker:Viktoria: also quasi die gleiche Dokumenten 8 produzieren, aber halt natürlich hat jede
Speaker:Viktoria: Abteilung irgendwie verschiedene,
Speaker:Viktoria: Schwerpunkte und für die einen ist dies wichtig, für die anderen jenes und dann
Speaker:Viktoria: reden die Leute auch intern mehr miteinander und dann ist natürlich der Stil
Speaker:Viktoria: irgendwie ähnlicher in den Abteilungen.
Speaker:Viktoria: Sowas ist dann klar, dass ich möglichst aus allen Abteilungen Dokumente kriege. Möchte man meinen.
Speaker:Viktoria: Und nach sowas kann man dann auch explizit fragen.
Speaker:Viktoria: Ja, aber das geht halt nicht immer. Und,
Speaker:Viktoria: Deswegen finde ich den Punkt auch spannend.
Speaker:Viktoria: Für uns wäre das die ideale Absicherung zu sagen, das sind jetzt die Beispiele, gegen die testen wir.
Speaker:Viktoria: Für die kann man garantieren, dass es läuft.
Speaker:Viktoria: Aber ich meine jetzt emotional habe ich irgendwann dann auch ein Problem damit
Speaker:Viktoria: zu sagen, okay hinterher wenn es quasi produktiv ist und irgendwas funktioniert nicht,
Speaker:Viktoria: und es war wirklich irgendwie sowas wo man vorher nicht wissen konnte dass das
Speaker:Viktoria: jetzt irgendwie völlig aus der Reihe tanzt,
Speaker:Viktoria: dann ist es natürlich auch immer schwer zu sagen, ey, ja, das war nicht in den
Speaker:Viktoria: Beispielen drin, nicht unser Problem.
Speaker:Theo: Ja, ja, ja. Insofern, ich bin da total bei dir, weil wenn man so denkt,
Speaker:Theo: dann denkt man nur irgendwie in erster Grad Eskalationsmechanik.
Speaker:Theo: Aber der Kunde sagt ja dann sofort, ja, okay, stimmt, das stand nie in den Specs
Speaker:Theo: quasi, weil wir haben die Beispiellaten nicht durchgeschickt für die anderen
Speaker:Theo: Fälle, aber ihr hättet uns doch sagen müssen, dass wir euch noch mehr Beispiele
Speaker:Theo: schicken müssen. Also der Schwarzbeet ist sofort wieder beim Consultant.
Speaker:Theo: Also für mich ist das wie ein Wachrütteln, dass man denen halt sagt,
Speaker:Theo: hey Vorsicht, überlegt euch bitte nochmal, sind die Daten jetzt wirklich repräsentativ
Speaker:Theo: und dass man eben den Leuten dann eben erklärt, was repräsentativ bedeutet.
Speaker:Viktoria: Ja, voll. Das ist glaube ich ein generelles Awareness-Thema irgendwie auf beiden Seiten.
Speaker:Theo: Genau, genau. Und wenn wir jetzt nochmal einen Schritt weiter gehen,
Speaker:Theo: Dritter Punkt, jetzt müssen wir irgendwie Daten zur Verfügung stellen oder der
Speaker:Theo: ganze Use Case besteht darin, mit Daten klar zu kommen, die vielleicht organisch gewachsen sind.
Speaker:Theo: Und da gibt es so zwei Strömungen, habe ich den Eindruck.
Speaker:Theo: Nämlich einmal die, die sagen, okay, wir räumen jetzt erst mal auf und erledigen unsere Hausaufgaben.
Speaker:Theo: Ich hasse das Wort Hausaufgaben im Projektmanagement, um dann KI einzusetzen.
Speaker:Theo: Und dann gibt es so das Team B, das sagt so, nee, wir nutzen KI und werfen das
Speaker:Theo: sofort auf den Datensatz drauf, egal wie der aussieht, um ihn mit KI aufzuräumen.
Speaker:Theo: Und ich finde, das ist ein bisschen undifferenziert. Wenn man so holzschnittartig
Speaker:Theo: entweder Team A oder Team B ist.
Speaker:Theo: Wie ist denn da deine Strategie? Wann räumst du quasi vor der KI auf und wann räumst du mit der KI auf?
Speaker:Viktoria: Darf ich gerade einmal noch einhaken? Mir kam nämlich gerade so,
Speaker:Viktoria: es gibt auch öfters noch ein Team C, die sagen...
Speaker:Viktoria: Wir haben da irgendwelches Chaos, aufräumen macht keinen Spaß,
Speaker:Viktoria: hat noch nie funktioniert.
Speaker:Viktoria: Wir schmeißen einfach die KI drauf, die wird es schon können,
Speaker:Viktoria: nicht um aufzuräumen, sondern um den ganzen Use Case gelöst zu kriegen.
Speaker:Theo: Achso, wir räumen überhaupt nicht auf?
Speaker:Viktoria: Also das Genie beherrscht das Chaos und so. Das muss doch die KI können.
Speaker:Viktoria: Ich glaube, vielleicht sind wir zwei uns einig, aber ich glaube so relativ,
Speaker:Viktoria: also mindestens gegen meine Natur geht das immer.
Speaker:Viktoria: Aber ich sage, ja, das mag vielleicht gut gehen, wieder für die ersten paar
Speaker:Viktoria: Beispiele, die man halt irgendwie testet und dann zufrieden damit ist.
Speaker:Viktoria: Aber in the long run wird man damit nicht glücklich. Weil dann ist quasi die die einzige,
Speaker:Viktoria: Das einzige, was du machen kannst, ist beten am Schluss, dass das Chaos irgendwie
Speaker:Viktoria: verständlich ist für die KI und das wird es vielleicht in, keine Ahnung,
Speaker:Viktoria: 95% der Fälle sein, aber dann explodiert es bei den restlichen fünf.
Speaker:Theo: Du hast absolut recht. Das Team C, das ist brandgefährlich. Tatsächlich,
Speaker:Theo: und das war mir bis gerade eben gar nicht so klar, weil was wird denn passieren?
Speaker:Theo: Du wirst bei Team C, also diesen Data Swamp, würdest du hernehmen und den mal an eine KI anbinden.
Speaker:Theo: Im Prototyp nimmst du immer das beste Modell, das du kriegen kannst und Kosten
Speaker:Theo: spielen keine Rolle im ersten Moment, wenn du nicht aufpasst.
Speaker:Theo: Das ist so der klassische Anfängerfehler, dass man...
Speaker:Viktoria: Du willst es nochmal ausprobieren, schauen, ob es.
Speaker:Theo: Prinzipiell funktioniert und so. Genau, dass man die Skalierung außer Acht lässt,
Speaker:Theo: dass man die nicht im Hinterkopf behält. Und was wird dann passieren?
Speaker:Theo: Es wird Folgendes passieren. Du wirst einen agentischen, also entweder einen
Speaker:Theo: Agenten oder vielleicht sogar einen Schwarm losschicken, um mit dem Datensatz
Speaker:Theo: klarzukommen und irgendeine Frage oder Aufgabe zu erledigen.
Speaker:Theo: Und der Agent wird klarkommen, nur nach einer Laufzeit von ein paar Stunden
Speaker:Theo: mit einem Tokenverbrauch im 10 hoch 9er Bereich und einer Rechnung,
Speaker:Theo: die gerne mal vierstellige Dollar dann ausmacht.
Speaker:Theo: Und das kannst du natürlich überhaupt nicht skalieren, aber auf den Slides schaut
Speaker:Theo: es gut aus, weil es hat ja geklappt.
Speaker:Theo: Und insofern, also da schießt man sich ja doppelt und dreifach ins Knie,
Speaker:Theo: weil man A, Kosten verursacht, die die Skalierung verhindert und man muss dann
Speaker:Theo: am Ende zurückrudern, weil man Dinge versprochen hat, die eben nicht funktionieren werden.
Speaker:Viktoria: Genau, genau. Und am Schluss sind irgendwie, also weil dieses Rückrudern zum
Speaker:Viktoria: Schluss ist irgendwie auch immer super schwer verargumentierbar,
Speaker:Viktoria: weil alle, die quasi in der Technik nicht drinstecken, die sehen nur,
Speaker:Viktoria: ja wieso, funktioniert doch.
Speaker:Theo: Ja, es hat doch schon funktioniert, wieso klappt es jetzt auf einmal nicht mehr?
Speaker:Viktoria: Genau, genau, genau. Und dann heißt es, ja, man macht es auch ein bisschen billiger,
Speaker:Viktoria: nimmt ein kleineres Modell oder irgendwie sowas.
Speaker:Theo: Dann wird es noch besser. Ja, okay. Also damit haben wir Team C abgehakt.
Speaker:Theo: Wer bis jetzt Team C war von den Loopies, die gehen jetzt auf Team A slash B
Speaker:Theo: beziehungsweise irgendwas dazwischen.
Speaker:Viktoria: Team C hat vielleicht eine Berechtigung für absolute Einmal-Tasks.
Speaker:Theo: Ja, okay, fair enough, ja.
Speaker:Viktoria: Wo ich einfach nur, keine Ahnung, jetzt diese eine Frage beantwortet brauche und dann gut ist.
Speaker:Viktoria: Aber sobald ich, und da steigen wir ja meistens ein quasi in kontinuierliche,
Speaker:Viktoria: repetitive Prozesse, die halt einfach auf dem Bauhaus funktionieren. Genau.
Speaker:Viktoria: Ja.
Speaker:Viktoria: Die auf die Dauer funktionieren sollen, genau, da sind wir dann bei Team A oder
Speaker:Viktoria: B. Und was war die eigentliche Frage?
Speaker:Viktoria: Wann quasi was sinnvoller ist? Ich würde sagen, es kommt super auf den Use Case
Speaker:Viktoria: an. Und da muss ich natürlich ein bisschen wissen, um das zu beurteilen.
Speaker:Viktoria: Wie KI funktioniert. Aber ich glaube, den Level an Fingerspitzengefühl hat man
Speaker:Viktoria: vielleicht relativ bald.
Speaker:Viktoria: Wenn das ich habe jetzt gerade ein paar Beispiele im Kopf,
Speaker:Viktoria: vielleicht wenn man also was sind Beispiele, wo es sich lohnt mit KI drauf zu
Speaker:Viktoria: gehen und das von Anfang an auch auf ein erstes Daten raus,
Speaker:Viktoria: wenn das, keine Ahnung, irgendeine Riesen-Codebase ist, meinetwegen in einer,
Speaker:Viktoria: keine Ahnung, irgendwelche Legacy-Systeme, die überhaupt nicht dokumentiert
Speaker:Viktoria: sind, die keine Ahnung, kein Mensch so wirklich mehr weiß, wie die funktionieren,
Speaker:Viktoria: da irgendwie einen Überblick zu kriegen.
Speaker:Viktoria: Schiebe ich KI drauf, crawl da mal durch, schau dir alles an und gib mir irgendwie,
Speaker:Viktoria: eine Übersicht oder zum Beispiel je nachdem, was ich brauche und was ich dann
Speaker:Viktoria: am Schluss damit vorhabe.
Speaker:Viktoria: Aber sich da quasi einzuarbeiten, sowas runterzubrechen, zu sortieren.
Speaker:Viktoria: KI ist einfach furchtbar gut drin, gigantische Datenmengen irgendwie zu analysieren,
Speaker:Viktoria: zu durchzuschauen und mir dann Teile oder mir das irgendwie dann so aufzubereiten,
Speaker:Viktoria: dass ich als Außenstehender, der jetzt neu draufkommt,
Speaker:Viktoria: dass ich mich halt irgendwie orientieren kann da drin.
Speaker:Theo: Mit Code-Based meinst du, wie zum Beispiel Skripte. Ich habe mal gesehen,
Speaker:Theo: in einem Projekt, Kunde hatte quasi eine Nebenbaustelle,
Speaker:Theo: wo man nur beobachtet haben, aber die hatten tausende SAP-Skripte,
Speaker:Theo: von denen niemand mehr wusste, wie und warum die funktionieren.
Speaker:Theo: Also sowas wäre dann ein Beispiel, oder dass du einfach mal quasi einen Classifier
Speaker:Theo: oder einen Beschreiber drüber laufen lässt, okay, jetzt gib mir mal eine menschenverstehbare
Speaker:Theo: Erklärung für diese Skripte und kategorisiere die für mich vielleicht sogar ein.
Speaker:Viktoria: Genau, oder das erste, was ich vorhin im Kopf hatte, waren so eine Schnittstellen- Thematik.
Speaker:Viktoria: Keine Ahnung, irgendwelche zwei Systeme, funktionieren irgendwie zusammen,
Speaker:Viktoria: keiner weiß so ganz genau wie, aber irgendwie funktioniert es schon und seit
Speaker:Viktoria: zehn Jahren hat die keiner mehr angefasst, weil es funktioniert.
Speaker:Viktoria: Dass ich mir dann da zum Beispiel irgendwie im einfachsten Fall eine Dokumentation
Speaker:Viktoria: schreiben lasse, keine Ahnung.
Speaker:Viktoria: Genau. Oder was gibt es sonst noch?
Speaker:Viktoria: Ganz banaler Use Case, wenn es einfach nur darum geht, irgendwie unstrukturierte,
Speaker:Viktoria: Texte irgendwie zu strukturieren im Sinne von bisher liegen unsere was kann
Speaker:Viktoria: man da nennen als Beispiel ähm.
Speaker:Theo: Keine Geheimhaltungserklärungen verletzen.
Speaker:Viktoria: Ich habe gerade ein super schwammiges Beispiel im Kopf, aber wenn halt einfach
Speaker:Viktoria: irgendwelche Infos, du hast es vorhin
Speaker:Viktoria: schon angeschnitten, Zeug per E-Mail rumfliegt hier und da und niemand,
Speaker:Viktoria: und sowas halt irgendwie einfach zusammen gefasst werden muss und ich muss irgendwie
Speaker:Viktoria: einmal oder habe irgendwie.
Speaker:Viktoria: Im Endeffekt alles, wo ich einfach nur große,
Speaker:Viktoria: Datenmengen, die ich jetzt sonst als Mensch einfach durchlesen müsste und da,
Speaker:Viktoria: speziell, wenn es Code ist, mich irgendwie auch noch,
Speaker:Viktoria: einarbeiten, richtig reinfuchsen müsste, wo ich irgendwie allein erstmal zwei,
Speaker:Viktoria: drei Wochen beschäftigt wäre wahrscheinlich, sowas einfach da quasi einen ersten
Speaker:Viktoria: Einstieg mir geben zu lassen.
Speaker:Viktoria: Vielleicht muss ich in die Details hinterher immer noch reinschauen, klar.
Speaker:Viktoria: Aber ich habe zumindest mal was, wo ich anfangen kann.
Speaker:Viktoria: Andersrum,
Speaker:Viktoria: wo macht es mehr Sinn, ohne KI erst mal drauf zu gehen und wirklich halt einfach
Speaker:Viktoria: die Hausaufgaben zu machen, so nervig wie das klingt.
Speaker:Viktoria: Ich würde es vielleicht zusammenfassen, als wenn es strukturelle,
Speaker:Viktoria: Hausaufgaben sind. Also ich habe ein Beispiel gerade im Kopf,
Speaker:Viktoria: wo auch verschiedenste Daten von verschiedensten Leuten irgendwo bei denen lokal
Speaker:Viktoria: auf dem Rechner in irgendwelchen Excel-Tabellen gepflegt worden sind.
Speaker:Theo: Also mehrere verschiedene Excel-Files.
Speaker:Viktoria: Genau, mehrere verschiedene Leute haben halt ihren eigenen Fokus,
Speaker:Viktoria: pflegen alle ihre Excel-Files.
Speaker:Viktoria: Teile davon sollten irgendwie zusammenpassen, weil die im Endeffekt das gleiche abbilden.
Speaker:Viktoria: Tun sie vielleicht so meistens, aber nicht notwendigerweise,
Speaker:Viktoria: weil es sind halt einfach verschiedene Dateien, die irgendwie verschieden abgedatet werden.
Speaker:Viktoria: Da würde ich einen Teufel tun und KI draufschmeißen, um zu sagen,
Speaker:Viktoria: hier vereinheitle ich das mal in eine anständige Datenbank,
Speaker:Viktoria: weil ich überhaupt, also die KI, genauso wenig wie ich als außenstehende Person,
Speaker:Viktoria: hat irgendwie eine Ahnung, wenn da jetzt Zeug divergiert,
Speaker:Viktoria: wer hat Recht, warum ist es überhaupt divergiert, muss ich da irgendwie tiefer
Speaker:Viktoria: graben, dann passiert nur irgendwie noch größerer Blödsinn.
Speaker:Theo: Also um das mal kurz zu pointieren, man könnte nämlich ja zum Beispiel Co-Piloten,
Speaker:Theo: wenn wir in der SharePoint-Welt uns aufhalten, aufsetzen, dem man sagt,
Speaker:Theo: okay, du hast jetzt hier Zugriff auf diese vier verschiedenen SharePoint-Sites,
Speaker:Theo: such dir in denen, irgendwo liegt es schon, jeweils das Excel-File,
Speaker:Theo: das du vielleicht für diesen gerade Prozess brauchst und merge die eigenständig
Speaker:Theo: hin zu deiner Master-Tabelle, bevor dann die eigentliche Aufgabe losgehen kann.
Speaker:Theo: Ja, und das sind dann so Use Cases, wenn du dir hinterher die Agenten anschaust,
Speaker:Theo: wie die ihre Zeit verbracht haben, dann siehst du, die haben 95 Prozent ihrer
Speaker:Theo: Zeit eigentlich nur mit Vorgeplänkel verbrannt und haben dann die eigentliche
Speaker:Theo: Aufgabe relativ schnell erledigt, oder?
Speaker:Theo: Ja, und das wäre echt bei dir da gerade raus. Das sind strukturelle Themen,
Speaker:Theo: wo es sozusagen total easy wäre, für einen Menschen einmal die nötigen Daten
Speaker:Theo: sauber an einen Punkt zusammenzubringen und von dort dann den Agenten sauber
Speaker:Theo: laufen zu lassen, anstatt dass man ihn quasi Data Swamp,
Speaker:Theo: aber weniger aus einer Datenqualität, sondern aus einer strukturellen Schnittstellen-Thematik her loszulassen.
Speaker:Viktoria: Guter Punkt, den hatte ich tatsächlich gar nicht so im Kopf,
Speaker:Viktoria: was du jetzt quasi genannt hast, war so die,
Speaker:Viktoria: sich quasi in der Struktur überhaupt zurechtzufinden ist unter Umständen für
Speaker:Viktoria: die KI erstmal viel, viel schwieriger als die Leute, die sowieso seit 10 Jahren
Speaker:Viktoria: damit arbeiten und wissen,
Speaker:Viktoria: voll was ich eigentlich eher meinte war dann erst recht das Risiko,
Speaker:Viktoria: wenn ich jetzt da so einen Schwarm drauf loslasse und sagen,
Speaker:Viktoria: merge mir das irgendwie ähm,
Speaker:Viktoria: Das Risiko, dass dann irgendwas schief geht, weil, also das ist das Beispiel,
Speaker:Viktoria: was ich jetzt gerade im Kopf habe, und das ist aber relativ oft irgendwie so,
Speaker:Viktoria: dass halt dann die Dinge, die übereinstimmen sollten in den drei Tabellen, das halt nicht tun.
Speaker:Viktoria: Und dann kann ich das zwar irgendwie merchen, gar kein Problem,
Speaker:Viktoria: aber im Zweifel handele ich mir irgendwelche Fehler ein, die ich noch nicht mal weiß,
Speaker:Viktoria: warum jetzt irgendwas überlebt hat und das andere überschrieben worden ist und
Speaker:Viktoria: wo ich unter Umständen, wenn ich jetzt, und da würde ich halt dann stattdessen
Speaker:Viktoria: einfach die drei Leute an den Tisch bringen und sagen,
Speaker:Viktoria: nehmt euch mal, keine Ahnung, eine Stunde oder einen halben Tag,
Speaker:Viktoria: je nachdem wie komplex es ist, sortiert das auseinander und diskutiert eure Unstimmigkeiten aus.
Speaker:Viktoria: Und wo ich dann insbesondere gespannt bin, warum es an manchen Stellen nicht
Speaker:Viktoria: zusammenpasst, weil das kann ja,
Speaker:Viktoria: kann einfach nur eine outdated Daten sein, kann aber auch sein,
Speaker:Viktoria: dass die, keine Ahnung, die Spalten, die eigentlich das Gleiche benennen,
Speaker:Viktoria: eigentlich gleich heißen von den unterschiedlichen Abteilungen,
Speaker:Viktoria: aber quasi anders interpretiert werden,
Speaker:Viktoria: und deswegen eigentlich drei verschiedene Zahlen sein sollten, anstatt eine.
Speaker:Viktoria: Also das ist ja,
Speaker:Viktoria: Und bei sowas halt dann ein Auge drauf zu haben, glaube ich,
Speaker:Viktoria: ist sehr wertvoll, anstatt da einfach blind irgendwas zusammenmärtschen zu lassen.
Speaker:Theo: Das geht schief. Ich habe jetzt mal nach vorne gedacht, also das,
Speaker:Theo: was du da gerade beschreibst. Ich sehe da ja auch den Punkt der fehlenden Single
Speaker:Theo: Source of Truth. Du hast verschiedene Excel-Datenbanken. Man benutzt Excel da
Speaker:Theo: als Datenbank, muss man eigentlich so sagen.
Speaker:Theo: Und in den verschiedensten Excels wird das Gleiche gespeichert,
Speaker:Theo: aber es ist quasi das gleiche und nicht dasselbe Datum und das war ja eine der
Speaker:Theo: Motivationen dieses Learning, warum wir gesagt haben, okay bei Helerium NG
Speaker:Theo: bauen wir ein einziges Datenfundament
Speaker:Theo: auf das alle Apps und KI-Agenten, Chatbots oder APIs zugreifen und dann hast
Speaker:Theo: du wirklich eine Vereinheitlichung und hast quasi nur noch einmal die jeweilige Spalte
Speaker:Theo: und eine Cross-Referenz aus den verschiedenen Apps, aber auf dasselbe Datum
Speaker:Theo: und nicht auf das gleiche Datum in x Schemas.
Speaker:Theo: Ein bisschen technisch, aber am Ende wer sich fragt, okay, was sollte das jetzt gerade bedeuten?
Speaker:Theo: Man speichert die Dinge nur einmal ab und nicht mehrfach und verhindert damit
Speaker:Theo: eben auch, dass es zu einer
Speaker:Theo: Inkohärenz kommt, weil die eine Abteilung macht ein Update ihres Teils der Daten
Speaker:Theo: und das Update kommt aber bei den anderen Abteilungen niemals an.
Speaker:Viktoria: Genau, naja.
Speaker:Theo: Wenn man jetzt mal so wieder auf die emotionale Ebene guckt,
Speaker:Theo: ich finde die emotionale Ebene immer deutlich spannender tatsächlich als die
Speaker:Theo: Technik, weil die Technik ist so viel diskutiert.
Speaker:Theo: Das Projekt startet, irgendwie so die ersten zwei, drei Tage läuft.
Speaker:Theo: Woran machst du fest oder hast du so Indikatoren, anhand derer du relativ schnell
Speaker:Theo: schon merkst, okay, das Projekt und also dann auch weitergedacht,
Speaker:Theo: die Kundenbeziehung, das wird Spaß machen oder das wird zäh.
Speaker:Viktoria: Gute Frage.
Speaker:Viktoria: Also ein Punkt ist mit Sicherheit, was ich quasi vorhin schon angeschnitten habe, im Sinne von wie,
Speaker:Viktoria: responsive ist ein Team, mit dem man dann neu kennenlernt und wie versiert jetzt
Speaker:Viktoria: sind die quasi selber in ihrem Prozess.
Speaker:Viktoria: Sprich, wie, keine Ahnung, habe ich einen Ansprechpartner, der,
Speaker:Viktoria: wie wir vorhin schon gesagt haben, einfach mal die Daten in- und auswendig kennt.
Speaker:Viktoria: Das mag immer irgendjemanden geben, wenn der aber nicht Teil des Projektteams
Speaker:Viktoria: ist, ist schon mal schwierig.
Speaker:Viktoria: Und eigentlich sind wir da bei
Speaker:Viktoria: einem größeren Punkt, dann das Projektteam braucht die richtigen Leute.
Speaker:Viktoria: Also ich brauche zum Beispiel, super wertvoll ist immer irgendjemand,
Speaker:Viktoria: der erstens mal den Hut auf hat, braucht irgendjemand,
Speaker:Viktoria: der den Hut auf hat, der.
Speaker:Viktoria: Sagen wir mal, genügend Zeit, Lust, Kapazität hat, sich da wirklich mit der
Speaker:Viktoria: KI, mit den neuen Workflows auseinanderzusetzen und da auch wirklich hands-on mit reinzugehen.
Speaker:Viktoria: Und idealerweise, der aber gleichzeitig, und das ist dann genau der Split, an dem es manchmal hakt,
Speaker:Viktoria: aber idealerweise hat die Person gleichzeitig
Speaker:Viktoria: noch so ein bisschen einen High-Level-Überblick, was es denn braucht.
Speaker:Viktoria: Es ist jetzt quasi nicht rein in der umsetzenden Rolle, sondern ein Stück höher,
Speaker:Viktoria: und keine Ahnung, falls es sowas gibt, die KI-Strategie des ganzen Unternehmens irgendwie im Blick.
Speaker:Viktoria: Das ist insbesondere für später sinnvoll, wenn es dann verschiedene Use Cases
Speaker:Viktoria: gibt, die dann irgendwie zusammengreifen sollen.
Speaker:Viktoria: Also da so eine Person als Anlaufstelle ist super wertvoll.
Speaker:Viktoria: Plus würde ich sagen, sie darf aber auch nicht die einzige sein,
Speaker:Viktoria: weil sonst allein schon mal einfach mit quasi, wie sagt man,
Speaker:Viktoria: da gibt es irgendeinen schicken Begriff,
Speaker:Viktoria: an den ich mich nie erinnern kann, aber es ist ja erstmal einfach nur ein Risiko,
Speaker:Viktoria: die Person kann ausfallen.
Speaker:Theo: Der was? Der Busfaktor.
Speaker:Viktoria: Was ist der Busfaktor?
Speaker:Theo: Der Faktor, wie schlimm es ist, wenn die Person vom Bus überfahren wird.
Speaker:Theo: Oder meinst du den? Also quasi Single Point of Failure.
Speaker:Viktoria: Ja, genau, Single Point of Failure war der Begriff, den ich gesucht habe.
Speaker:Viktoria: Aber Busfaktor ist auch cool.
Speaker:Viktoria: Aber genau, das zum einen ist irgendwie offensichtlich.
Speaker:Viktoria: Aber auch einfach ein Zeitressourcenthema. Also wenn die Person das schafft,
Speaker:Viktoria: da wirklich hands-on tief mit reinzugehen und die Zeit aufzuwenden, mega.
Speaker:Viktoria: Oft ist es aber genauso cool, wenn es dann irgendwie noch zwei,
Speaker:Viktoria: drei oder ein, zwei, drei weitere Personen gibt, die dann tatsächlich die Zeit
Speaker:Viktoria: aufwenden und da quasi zeittechnisch tiefer drinstecken,
Speaker:Viktoria: aber dann vielleicht nicht so die High-Level-Perspektive haben.
Speaker:Viktoria: Also da kann man sich quasi so ein Gespann aus ein paar Leuten funktioniert genauso gut.
Speaker:Viktoria: Plus du willst natürlich auch immer das Management mit an Bord haben.
Speaker:Viktoria: Ohne den Gutwill oder die Perspektive,
Speaker:Viktoria: die Motivation am Schluss vom Management geht es natürlich auch nicht.
Speaker:Theo: Also du meinst eine Top-Management-Geschäftsführung.
Speaker:Viktoria: Ja genau, genau, genau.
Speaker:Viktoria: Und es ist immer ganz spannend zu sehen, da habe ich gerade vielleicht noch
Speaker:Viktoria: keine finale Meinung, aber es ist immer spannend zu sehen, quasi von welcher
Speaker:Viktoria: Richtung der Need kommt, dieses Projekt jetzt umzusetzen.
Speaker:Viktoria: Sind es quasi die umsetzende Ebene quasi, die sagen, uns geht hier XY furchtbar
Speaker:Viktoria: auf die Nerven, das muss jetzt anders werden.
Speaker:Viktoria: Oder es ist Top-Level-Management, die sagen, wir müssen KI stärken und macht mal irgendwas.
Speaker:Theo: Irgendwas. Genau.
Speaker:Viktoria: Und dann überfährt man quasi die, das sind dann genau die Momente,
Speaker:Viktoria: wo man irgendjemanden mit irgendeinem Use Case überfährt,
Speaker:Viktoria: der irgendwie nicht bis zu Ende gedacht ist. Weil,
Speaker:Viktoria: ist jetzt eine spontane Hypothese, können wir gerne diskutieren.
Speaker:Viktoria: Ich finde es immer angenehmer, wenn ein Use Case von unten kommt,
Speaker:Viktoria: den man dann quasi genauso, wie wir vorhin beschrieben haben,
Speaker:Viktoria: durchrechnen, schaut, ob der Sinn macht, den quasi nach oben dem Management
Speaker:Viktoria: präsentiert, damit die an Bord holt,
Speaker:Viktoria: dann den Use Case umsetzt und von unten,
Speaker:Viktoria: quasi die umsetzenden Personen fühlen sich abgeholt. Es löst irgendwelche Probleme,
Speaker:Viktoria: die die vorher genervt haben und die sind glücklich. Dann spiegelt das natürlich auch wieder,
Speaker:Viktoria: positive Emotionen nach oben Richtung Management. Das macht die wieder glücklich
Speaker:Viktoria: und das ist eigentlich ein schöner Punkt.
Speaker:Viktoria: Wie sagt man, schöner Zyklus, der dann irgendwie einfach so positives Feedback
Speaker:Viktoria: mehr oder weniger. Also du beschreibst jetzt gerade die Bottom-up-Strategie.
Speaker:Theo: Dass man sagt, okay, die Use Cases, die kommen einfach aus der Praxis raus.
Speaker:Viktoria: Genau.
Speaker:Theo: Also ich würde das mal gerne kurz spiegeln, weil in Vorbereitung der Fragen,
Speaker:Theo: ich habe versucht zu überlegen,
Speaker:Theo: was ist für mich so der primäre Punkt, woran man eben erkennt,
Speaker:Theo: ob ein KI-Projekt geil wird oder nicht und ich war sofort eben auch bei den
Speaker:Theo: Leuten, die mitarbeiten, könnte man jetzt auch sagen, man darf Modelle auch
Speaker:Theo: außerhalb der EU benutzen.
Speaker:Theo: Nee, überhaupt keine Technik. Das kriegt man schon geregelt.
Speaker:Theo: Ich war auch bei dem Projektmanager, ob der oder die existiert.
Speaker:Theo: Und zu dem Letzten, was du gesagt hast, da wäre mein Take, am geilsten wird
Speaker:Theo: es, wenn dieser Projektmanager es schafft, bottom-up und top-down zu verheiraten.
Speaker:Theo: Weil ich die beste Excel-Automatisierung Bottom-up irgendwie einfädeln kann
Speaker:Theo: und daherrechnen kann, warum die super gut ist und was bringt und ROI und so weiter hat.
Speaker:Theo: Wenn es aber clasht mit der Top-Down-Strategie, die Exels komplett abzuschaffen,
Speaker:Theo: vielleicht mittelfristig statt kurzfristig, aber die sowieso abzuschaffen,
Speaker:Theo: dann denkt man sich halt so, ja geil, jetzt haben wir so eine tolle Initiative,
Speaker:Theo: Bottom-up, die kommt da mit Ideen und jetzt müssen wir die halt abwürgen,
Speaker:Theo: weil es passt leider nicht in die Strategie.
Speaker:Theo: Also da sitzen ja keine Unmenschen häufig im Top-Management,
Speaker:Theo: aber die haben natürlich auch eine Strategie.
Speaker:Theo: Und deswegen wäre mir da das Wichtigste, dass der KI-Koordinator,
Speaker:Theo: du hast vorhin KI-Strategie erwähnt, diese KI-Strategie verheiraten kann mit
Speaker:Theo: den bottom-up entstehenden Use Cases aus der Praxis.
Speaker:Viktoria: Das ist vielleicht, da stimme ich dir absolut zu. Ich glaube,
Speaker:Viktoria: das war implizit so ein bisschen, wo ich meine, oder das gehört vielleicht zu
Speaker:Viktoria: dem Use Case Evaluierungsschritt, bei dem wir vorhin waren. Ja.
Speaker:Viktoria: Klar, irgendwie sowas wie der ROI soll irgendwie stimmen, aber auch zur globalen
Speaker:Viktoria: KI-Strategie muss es passen. Sonst ist der Use Case für die Tonne. Ja, voll.
Speaker:Theo: Ja, und was ich da noch hinzufügen möchte, also mir fallen jetzt spontan schon
Speaker:Theo: zwei, drei Projekte ein.
Speaker:Theo: Da haben wir eine KI-Pipeline auch für viel Geld für den Kunden gebaut,
Speaker:Theo: von der klar ist, dass sie bloß eine Übergangslösung ist.
Speaker:Theo: Also auch das ist legitim, wenn man die Entscheidung bewusst trifft.
Speaker:Theo: Und die Geschäftsführungen haben da ganz bewusst entschieden,
Speaker:Theo: ja, okay, wir bauen das Ding. Wir wissen, es hat eine begrenzte Lebensdauer,
Speaker:Theo: aber in der Zwischenzeit bringt uns das einfach wahnsinnig viel Cash.
Speaker:Theo: Auch das, wer jetzt dazuhört und sagt, okay, ich kann nur langfristige Projekte
Speaker:Theo: machen. Nein, also meines Erachtens ist es auch legitim, dass man mal kurzfristige
Speaker:Theo: Projekte anpackt, aber sollte bewusst sein.
Speaker:Viktoria: Ja, ja. Das ist irgendwie, also oft taucht sowas ja auch, also man hat vielleicht,
Speaker:Viktoria: die langfristige Strategie irgendwie im Kopf,
Speaker:Viktoria: und die langfristige Zielvorstellung, wo wir hinwollen und sieht aber vielleicht
Speaker:Viktoria: dann genau, wenn wir analysieren, wo wir hinwollen, fallen dann genauso Dinge auf wie blöd gelaufen,
Speaker:Viktoria: wie wir vorhin gesagt haben, keine Ahnung,
Speaker:Viktoria: Die Dokumente, oder quasi den Prozess, den wir nachher automatisieren wollen,
Speaker:Viktoria: der ist vielleicht noch nicht mal digital und wir haben die ganzen Daten gerade
Speaker:Viktoria: in irgendwelchen Zetteln rumliegen.
Speaker:Viktoria: Ja, schlecht.
Speaker:Viktoria: Dann ist die Frage, wie kriegen wir überhaupt die Vorstufe gemanagt,
Speaker:Viktoria: bevor wir mit dem eigentlich gewollten Use Case anfangen können.
Speaker:Viktoria: Und das war dann genau so ein Beispiel von, vielleicht lohnt es sich ja einfach
Speaker:Viktoria: diese Vorstufe auch schon zu KI automatisieren, wobei halt dann absehbar ist,
Speaker:Viktoria: dass das halt so lang geht, bis der Stapler abgearbeitet ist.
Speaker:Viktoria: Aber kann ja ein valider Case sein, anstatt dass ich dann zwei,
Speaker:Viktoria: drei Leute für ein Jahr hinsetze, die das abtippen. Macht auch keinen Spaß.
Speaker:Theo: Victoria, eine Frage habe ich noch dabei. Und zwar, was war so das Überraschendste,
Speaker:Theo: wenn es einen Punkt gibt, der retrospektiv mal ein KI-Projekt ins Stolpern gebracht hat?
Speaker:Theo: Also das muss jetzt keine quasi Schnittmenge von allem sein,
Speaker:Theo: sondern eine singuläre Anekdote.
Speaker:Theo: Hast du da was auf Lager?
Speaker:Viktoria: Ja, vorher war man schon Single Point of Failure, wenn plötzlich einfach jemand ausfällt und,
Speaker:Viktoria: meinetwegen der zentrale KI-Manager und du halt da stehst und sagst,
Speaker:Viktoria: yo, unser Ansprechpartner ist gerade einfach nicht mehr hier.
Speaker:Viktoria: Keine Ahnung, verlässt das Unternehmen aus welchen Gründen auch immer oder wird vom Bus überfahren.
Speaker:Viktoria: Naja, dann schauen wir.
Speaker:Theo: Ich weiß, auf welches Projekt du hinaus willst. Danke, Viktoria.
Speaker:Theo: Das waren spannende Fragen. Habe ich mir alle ausgedacht?
Speaker:Theo: Habe ich mir KI ausgedacht? In der nächsten Folge habe ich nochmal fünf.
Speaker:Theo: Und nachdem die Zeit für heute leider schon rum ist, müssen wir die auf die
Speaker:Theo: nächste Folge vertragen. Danke dir. Hat Spaß gemacht. Wir sehen uns.
Speaker:Viktoria: Absolut, mir auch. Danke dir. Ciao.
