Rüdiger Hoffmann und Timo Rüb, was steckt hinter SAP Joule und der GenAI Magic?

00:00:00: Digital Now.

00:00:02: Der Podcast für die digitale Transformation.

00:00:12: Herzlich willkommen zu einer neuen Episode unseres Podcasts.

00:00:15: In dieser Folge treffen Rüdiger Hoffmann, Geschäftsführer bei valantic, und Timo

00:00:20: Rüb, Head of Innovation, aufeinander.

00:00:22: Im Mittelpunkt steht die GenAI Magic, wie Timo es treffend nennt.

00:00:27: Konkret geht es Joule, den KI-Assistenten der SAP.

00:00:31: Gemeinsam diskutieren die beiden die Rolle von künstlicher Intelligenz bei der

00:00:35: Entwicklung smarter Anwendungen, die uns den Arbeitsalltag nicht nur im SAP-Umfeld

00:00:40: erleichtern und Prozesse effizienter gestalten.

00:00:43: Dazu zählen etwa die Extraktion von Daten aus unstrukturierten Quellen oder die

00:00:48: automatisierte Erstellung von Projektplänen.

00:00:51: Doch auch abseits des Berufslebens eröffnen sich spannende Möglichkeiten.

00:00:55: So sorgt die GenAI Magic bei den beiden auch gerne mal für mehr Spaß im Gas.

00:01:00: Legen wir los.

00:01:04: Hallo zusammen aus dem schönen Köln.

00:01:06: Mein Name ist Rüdiger Hoffmann.

00:01:07: Wir sprechen heute im Podcast über das Thema GenAI in der

00:01:13: SAP-Transformation und bei mir ist der Timo.

00:01:16: Hallo Timo. Hallo Rüdiger.

00:01:18: Schön, hier zu sein.

00:01:18: Freut mich, dass wir heute das Hype-Thema schlechthin besprechen werden und bin

00:01:23: gespannt, wo uns die Reise hinführst.

00:01:26: Das bin ich tatsächlich auch.

00:01:27: Und Hype-Thema ist direkt echt ein gutes Stichwort.

00:01:30: Wir haben das Thema KI in unserer diesjährigen SAP-Studie

00:01:34: ja auch mit angesprochen.

00:01:35: Die haben wir beiden ja auch gemeinsam mit vielen anderen in den Markt gebracht.

00:01:39: Den Link dazu findet ihr in den Show Notes.

00:01:42: Ich fand tatsächlich total erstaunlich, dass fast 80% der Personen, die wir

00:01:48: befragt haben, gesagt haben, für sie spielt Automatisierung und insbesondere

00:01:51: Automatisierung mit KI eine riesengroße Rolle.

00:01:53: Hättest du das erwartet?

00:01:55: Nein, in der Größenordnung tatsächlich nicht.

00:01:57: Die Realität in den Projekten sieht meist auch noch ein bisschen anders aus.

00:02:02: Ich habe vernommen, der Wille ist da, aber wir müssen noch einiges schaffen, wenn wir

00:02:07: es wirklich in die Projekte bringen wollen.

00:02:09: Das heißt, tägliches Erleben ist schon Bedürfnis, Bedarf, hapert

00:02:13: es an der Umsetzung? Hapert es am Verständnis?

00:02:15: Was glaubst du?

00:02:17: Ja, ich glaube, es ist wie so oft mit Innovationen.

00:02:20: Die kommen ganz oft auch als erstes in den privaten Bereich.

00:02:23: Jeder kennt generative KI durch ChatGPT und so weiter und dann nimmt es erst

00:02:29: Einzug in die Unternehmensprozesse.

00:02:32: Und sehr ähnlich sehe ich das bei den Explusionen der generativen KI auch.

00:02:36: Wir sind jetzt dabei, das zu übernehmen in Projekte, in Life Cases,

00:02:42: in Verbesserungen.

00:02:43: Und das hat einfach jetzt eine anderthalb, zwei Jahre gedauert, aus dem Privaten

00:02:47: das Ganze ins Geschäftsfeld zu bringen.

00:02:49: Im Privaten kennt man ja die Technologien ChatGPT oder vielleicht kennt der eine

00:02:55: oder andere auch den Valley Bot von der valantic.

00:02:57: Was ich auch spannend fand, war, dass Joule, der SAP Bot, eigentlich in der

00:03:01: Community schon eine ganz hohe Bekanntheit hat.

00:03:03: Hat mich überrascht.

00:03:04: Auch fast 50% der Leute sagen: „Kenne ich?

00:03:07: Kann ich was mit anfangen?

00:03:09: Kannst du mir sagen, wofür wir den Joule eigentlich benutzen können?

00:03:13: Ja, ich denke, Joule spielt eine extrem große Rolle und wird eine Revolution

00:03:19: einleiten, dahingehend, wie wir als Benutzer von SAP-Software in Zukunft

00:03:25: mit der Software interagieren.

00:03:26: Das ist, glaube ich, der entscheidende Faktor für die Zukunft.

00:03:29: Wir werden nicht mehr Fiori-Apps starten und durchklicken, sondern wir werden

00:03:34: unsere Anfragen an Joule stellen und natürlich mit dem System kommunizieren.

00:03:39: Das ist ein großer Unterschied und die SAP hat natürlich auch extrem

00:03:45: die Marketingmaschinerie angeworfen und das Thema extrem prominent

00:03:49: in den Markt gebracht.

00:03:50: Ich glaube, so eine schnelle Verbrealtung einer neuen Technologie im SAP-Kontext

00:03:55: habe ich vorher noch nicht gesehen.

00:03:57: Wir wollen das nachher mal vertiefen.

00:03:58: Mich interessiert auch brennend tatsächlich, wie man das konkret anwenden

00:04:02: kann und was sich auch konkret dahinter verbirgt.

00:04:04: Was hat dich denn bei unserer diesjährigen Markterhebung am meisten

00:04:08: überrascht oder beeindruckt?

00:04:10: Wir haben ja mehrere Punkte abgefragt, nicht nur speziell zum Thema KI, sondern

00:04:15: auch, wie die Verbreitung und Nutzung der Business-Technology-Plattform der SAP ist,

00:04:20: die auch eine extrem große Rolle im Umfeld von KI oder auch generativer KI spielt.

00:04:26: Wir hatten eine Aussage, dass 64% der Teilnehmer sehen diese

00:04:32: Business-Technology-Plattform vor allem als Integrationsmaschine.

00:04:36: Und für mich, der jetzt bei der valantic auch für die BTP Factory verantwortlich

00:04:40: ist, der seit Jahren sich mit dem System beschäftigt, er sagt natürlich,

00:04:45: es ist viel mehr als das.

00:04:46: Es geht nicht nur Integration, auch wenn die Integration Suite auf der BTP eine

00:04:51: mächtige Maschine ist, ist es viel mehr als nur Integration zu bauen.

00:04:55: Die BTP ist einfach eine extrem zentrale Integrationserweiterung und vor Wir sind

00:05:00: eine Innovationsplattform und das hat mich doch überrascht, weil das ist

00:05:04: ja jetzt kein neues Thema.

00:05:05: Das stößt bei mir ein paar Türen auf, durch die ich immer durch muss.

00:05:09: Ich bin ja bei uns viel bei Kunden und mache viel auch Sales Pitches und immer

00:05:14: kommt die Frage auf, wofür steht das eigentlich?

00:05:15: Also ich verspreche mir tatsächlich für unser Gespräch heute, dass wir einfach mal

00:05:19: klar machen, was ist KI eigentlich im Kontext mit SAP?

00:05:21: Welche Technologien gehen da miteinander einher und wie können wir und auch unsere

00:05:25: Kunden eigentlich so einen konkreten Nutzen daraus ziehen?

00:05:28: Und damit meine ich tatsächlich auch nicht Kunden-Use-Cases.

00:05:31: Ich glaube, darüber können wir nachher auch mal ein gutes Stück weit reden,

00:05:33: sondern auch: „Wie können wir denn eigentlich KI nutzen, in unserer täglichen

00:05:38: Arbeit in Projekten schneller zu werden, effizienter zu

00:05:42: werden, vielleicht auch genauer zu werden?

00:05:43: Das wäre so ein bisschen das Thema.

00:05:44: Also worüber sprechen wir eigentlich, wenn wir über KI im SAP-Kontext sprechen?

00:05:48: Was sind so ganz konkrete Use Cases?

00:05:50: Lass uns da mal ein bisschen reingucken nachher.

00:05:52: Und ich weiß, du sprichst immer von der AI Magic und ich würde gerne mal

00:05:55: verstehen, wie geht das eigentlich?

00:05:56: Was ist diese AI Magic?

00:05:58: Was verbirgt sich dahinter?

00:05:59: Hast du Lust? Gut.

00:06:01: Wenn wir über AI im SAP-Kontext reden, was sind so die wesentlichen Elemente,

00:06:05: über die wir dann sprechen müssen?

00:06:07: Also es gibt eigentlich so drei Bereiche, drei Einzelinitiativen der SAP.

00:06:13: Das eine, wir hatten es gerade schon angesprochen, ist der Assistent der SAP,

00:06:17: die sogenannte Joule, die als Evolution in der Benutzerführung mit

00:06:22: der SAP-Software auftritt.

00:06:25: Wir haben eine zweite Initiative.

00:06:29: Die SAP baut in bestehende Software und bestehende Prozesse extrem

00:06:34: viel KI-Fähigkeiten ein.

00:06:37: Und wir haben eine dritte Initiative, die vor allem auf dem sogenannten AI-Business

00:06:44: Hub der SAP Business Technology basiert.

00:06:46: Wir als Berater oder auch der Kunde selbst kann Applikationen bauen und mit

00:06:52: generativen KI-Fähigkeiten ausstatten.

00:06:55: Das sind die drei Initiativen der SAP: Joule, Embedded AI und wir

00:07:00: nennen das Customized AI.

00:07:01: Das heißt, wir nutzen die Fähigkeiten der BTP, generative KI und die Fähigkeiten der

00:07:07: generativen KI in unsere Applikationen und Prozesse einzunehmen.

00:07:11: Interessanterweise kann ich mir jetzt ehrlicherweise unter dem

00:07:13: scheinbar kompliziertsten also Customized AI schon mal ganz gut was vorstellen.

00:07:18: Customizing gehört ja so ein bisschen zu unserem Tagesgeschäft in der

00:07:22: SAP-nahen Transformationsberatung.

00:07:24: Embedded auch, wo ich immer noch größere Berührungsschwierigkeiten mit

00:07:28: habe, ist tatsächlich Joule.

00:07:29: Also Ich kenne natürlich ChatGPT oder andere Funktionen und weiß,

00:07:33: was ich damit im Alltag machen kann oder wie mich das auch unterstützen kann, wenn

00:07:36: ich eine Präsentation erstelle oder einen Kundentermin vorbereite.

00:07:39: Aber wie hilft mir jetzt, vielleicht sogar auch mal aus der

00:07:42: Perspektive eines Anwenders, einer Anwenderin, Joule, dabei,

00:07:45: mein Tagesgeschäft?

00:07:47: Was macht das, effizienter, besser, schneller zu gestalten?

00:07:51: Also erst mal macht es die Interaktion mit der Software irgendwie natürlicher.

00:07:54: Das heißt, wenn ich eine Applikation über eine programmierte eine Fiori-App

00:08:01: nutze, dann folge ich natürlich dem Weg, den sich der Entwickler überlegt

00:08:06: hat, wie ich die Applikation nutze.

00:08:07: Natürlich ist die mit Fiori-Design-Guides, sehen die alle ähnlich

00:08:10: aus, die Applikationen.

00:08:11: Es gibt bestimmte Vorgaben, aber letztendlich ist das keine

00:08:15: natürliche Art und Weise.

00:08:16: Und mit Joulees habe ich einen Assistenten, dem ich

00:08:20: einfach Fragen stelle.

00:08:21: Ich spreche mit dem, also entweder schriftlich, indem ich das, was ich mit

00:08:24: ihm besprechen möchte, eintippe oder in Zukunft dann auch wirklich übertonen.

00:08:28: Also ich spreche, sage, was ich möchte, was meine Anforderungen sind, was ich vom

00:08:34: System brauche an Daten oder auch an Vorschlägen und das

00:08:38: System gibt mir Antworten.

00:08:39: Und die kommen dann auch als Tonausgabe oder sind das Hinweise

00:08:44: oder wie muss ich mir das vorstellen?

00:08:44: Ich muss jetzt ein bisschen in die Zukunft schauen.

00:08:46: In Zukunft wird sicherlich auch Ton möglich sein.

00:08:48: Aktuell sind wir noch auf der schreibenden Spur im Textlesen, aber wir schauen ja

00:08:54: auch, wenn wir bei Joule reden, sehr viel in die Ankündigung der SAP.

00:08:56: Wir sind ja noch in einer frühen Phase.

00:08:59: Es noch nicht in allen Produkten verfügbar.

00:09:02: Wir haben gestartet mit Joule im SAP-Produkt Success Factors und das wird

00:09:07: jetzt weiter ausgerollt in andere Produkte.

00:09:09: Und der anschließende Schritt wird sein, dass sich Joule auch über mehrere

00:09:14: Produkte hinweg nutzen kann.

00:09:15: Das heißt, Joule läuft dann auf der Business-Technology-Plattform und hat

00:09:19: Zugriff auf Daten von mehreren SAP-Produkten.

00:09:21: Das heißt, ich kann Anfragen stellen und die Antworten greifen auf Daten

00:09:27: von mehreren SAP-Produkten zu.

00:09:29: Das heißt, das können ERP-Daten natürlich sein aus dem SAP-System, das können aber

00:09:32: auch Daten vielleicht aus dem Personalstammsatz von

00:09:36: Success Factors sein.

00:09:37: Ich habe eine zentrale Stelle, einen Assistenten, der mir das ermöglicht.

00:09:41: Das ist die Zukunftsvision.

00:09:42: Wir sind noch in der frühen Phase, aber dort geht die Reise hin und das

00:09:46: ist die Revolution am Endeff.

00:09:48: Aber das heißt ja eigentlich, hört sich für mich so ein bisschen an, ob Joule auch

00:09:50: so eine Beratungsfunktion dann übernimmt.

00:09:52: Was macht denn das mit uns?

00:09:53: Also mit dem oder der Beraterin heute?

00:09:56: Habe ich da Angst vor oder sollte ich Angst davor haben, dass mein Job

00:10:00: jetzt von einer KI übernommen wird?

00:10:01: Wie grenzen wir uns da ab?

00:10:04: Ich sehe es tatsächlich ein bisschen anders.

00:10:06: Wir müssen gar keine Angst vor der Joule haben.

00:10:08: Im Gegenteil, das wird auch für uns im Beratungsumfeld ein extrem

00:10:12: wichtiges Tool werden.

00:10:12: Also es gibt auch quasi Joule Funktionalitäten speziell für Berater, die

00:10:17: uns helfen, wenn ein Kunde von uns wissen möchte: „Okay, wie verändere ich die

00:10:22: Auftragsart in einem Kundenauftrag?, oder so.

00:10:24: Dann gibt uns Joule natürlich auch Hilfestellung und wir als Berater können

00:10:30: Joule auch in Zukunft customisieren.

00:10:32: Also wenn wir eigene Applikationen bauen, können wir auch Fragen und ja

00:10:37: wirklich Fragen an die Joule stellen, die auch auf unser Zusatzprodukt oder auf

00:10:42: unser Zusatzprozess, den wir von valantic gebaut haben, antworten können.

00:10:47: Wir werden auch immer wieder die Joule ein Stück weit erweitern und mit Fähigkeiten

00:10:52: versorgen, die unsere Kunden weiterbringen.

00:10:55: Also das heißt, wir bringen das Wissen mit rein, Joule nimmt es auf und kann das an

00:10:58: die Anwender, die am Ende mit unseren Einstellungen und unseren

00:11:01: Produktarbeiten weitergeben. Genau.

00:11:03: Da kann sich viele kennen ja, solche Assistenten aus dem privaten Umfeld.

00:11:07: Ganz bekannt ist ChatGPT.

00:11:09: Joule funktioniert genauso, nur dass die Antworten, die Joule liefert, auf die

00:11:14: Datenbasen der SAP-Softwareprodukte zugreifen kann.

00:11:17: Und wir als Berater können die auch noch mal anreichern mit zusätzlichen Daten, die

00:11:21: vielleicht nicht aus der SAP-Software kommen, sondern aus anderen

00:11:25: Datentöpfen uns der Kunden.

00:11:26: Und das ist, glaube ich, auch das, was wir als Berater und Entwickler

00:11:30: in Zukunft können müssen.

00:11:31: Wir müssen die Datenbasen, die die SAP liefert und auch der Zugriff auf

00:11:36: Large-Language-Models, wie das von OpenAI, die müssen wir anreichern können mit

00:11:40: Daten, die vielleicht aus anderen Datentöpfen kommen.

00:11:44: Und das sind Fähigkeiten, die auch in der Beratung erst erlernt werden müssen, die

00:11:49: teilweise bei uns schon vorhanden sind, aber wo wir auch noch ein

00:11:52: Upscaling betreiben müssen.

00:11:53: Okay, heißt, da müssen wir auch noch mal investieren in Mitarbeitende, da müssen

00:11:57: wir noch mal investieren in Ausbildung und einfach noch mal Themen uns drauf

00:12:00: schaffen, dass wir die einfach auch besser anwenden können.

00:12:03: Dann haben wir das zweite Thema, habe ich jetzt verstanden.

00:12:05: Das ist sozusagen das Kommunikationsthema mit Joule.

00:12:06: Ich habe einen Gesprächspartner.

00:12:07: Der Gesprächspartner ist Joule eigentlich geschlechtslos.

00:12:09: Wissen wir das?

00:12:11: Soll geschlechtslos?

00:12:12: Also ich habe einen sachlichen Gesprächspartner.

00:12:14: Dann habe ich auch noch die Option „Embedded AI, hast du das vorhin genannt,

00:12:17: SAP-Produkte grundsätzlich besser zu machen.

00:12:19: Da haben wir eine hohe Relevanz für den Endkunden, logischerweise, dass er einfach

00:12:22: besser mit dem System umgehen kann.

00:12:23: Was müssen wir beherrschen?

00:12:25: Wie können wir damit umgehen, dass unsere Kunden davon profitieren können?

00:12:30: Grundlagenwissen ist immer wichtig, zu wissen, was steckt eigentlich hinter den

00:12:34: Entwicklungen, die zu der Revolution geführt haben, die wir jetzt eigentlich

00:12:37: schon haben, nämlich was steckt hinter diesen Technologien wie ChatGPT und auch,

00:12:43: wie bringe ich meine Datenbasis auf einem Stand, dass KI-Fähigkeiten sinnvoll

00:12:49: mit den Daten arbeiten können.

00:12:51: Das ist nämlich das, wo unsere Kunden, glaube ich, auch oder viele unserer Kunden

00:12:55: noch ein bisschen Arbeit vor sich haben.

00:12:57: Ich muss erst mal eine saubere Datenbasis schaffen, am besten auch Silos auflösen,

00:13:01: dann auch die Fähigkeiten der KI optimal nutzen zu können.

00:13:06: Das sind Dinge, die wir einfach noch in die Wege leiten müssen und wo wir auch ein

00:13:11: Upskilling betreiben, dass die Nutzung dieser neuen Möglichkeiten die beiden

00:13:14: Seiten bekannt sind und dass überall das Wissen existiert, wie ich

00:13:19: diese optimal nutzen kann.

00:13:20: Das bringt mich noch mal zurück zu unserer Studie.

00:13:22: Wir hatten da so einen ganz netten Effekt, haben wir vorhin gesagt, 80% können sich

00:13:26: vorstellen, zu automatisieren und viel KI anzuwenden, aber nur 6,5

00:13:30: 100% tun es augenblicklich.

00:13:31: Also riesengroße Lücke zwischen dem Bedürfnis und der konkreten Anwendung,

00:13:36: heißt aber eigentlich auch ganz viel freies Feld, auf dem man sich bewegen

00:13:39: kann, eben nicht nur mit „Imbedded AI, sondern, und das finde ich jetzt besonders

00:13:42: spannend, natürlich auch mit der, du hast es „Customized AI genannt, also wirklich

00:13:46: eigene Applikationen zu entwickeln.

00:13:47: Und da spielt, glaube ich, dann auch die BTP eine relevante

00:13:49: Rolle, wie nimmst du das?

00:13:51: Integrationsplattform? Genau.

00:13:53: Zum einen ist es für uns auch eine Entwicklungsplattform, die bietet uns sehr

00:13:57: viele Möglichkeiten, Applikationsentwicklungen zu betreiben.

00:14:00: In mehreren Technologien will ich nicht zu tief abtauchen, aber es bietet auch mit

00:14:05: der sogenannten AI Foundation, also der Basis, mit KI und generativer KI zu

00:14:12: arbeiten, bietet es einfach sehr viel Hilfestellung für unsere

00:14:18: Entwickler und Berater.

00:14:19: Das heißt, wir können uns von vielen lästigen Tätigkeiten befreien, nämlich zum

00:14:25: Beispiel, wie kriege ich Zugriff auf die verschiedenen Large-Language-Models?

00:14:29: Im Entwicklungsprozess Das will ich auch mal ein bisschen ausprobieren.

00:14:32: Wie reagieren die verschiedenen Large-Language-Models?

00:14:35: Diese Large-Language-Models, man kennt so ein paar.

00:14:37: Du hast mir im Vorgespräch gesagt, das habe ich total beeindruckt,

00:14:39: es gibt 38 Stück.

00:14:41: Richtig, genau.

00:14:42: Es gibt sicherlich sogar noch mehr, aber die SAP hat in verschiedenen

00:14:46: Partnerschaften das geschafft, die zumindest aus meiner Sicht wichtigsten

00:14:51: Player in diesem Markt in eine Partnerschaft zu bringen und über die BTP

00:14:55: den Zugriff auf diese Large-Language-Modelle der großen

00:14:59: Anbieter, Meta, Google, klar Open AI mit ChatGPT zu ermöglichen.

00:15:04: Und für uns, für Kunden und auch uns als Berater, ist es natürlich toll, dass wir

00:15:08: jetzt nicht, wenn wir in einem Entwicklungsprozess auf die verschiedenen

00:15:12: Large-Language-Modellen mal zugreifen wollen, zu schauen, welches der geht für

00:15:15: unsere Zwecke am besten, dass wir uns nicht jedes Mal neu kümmern müssen, „Okay,

00:15:20: wir müssen einen Vertrag mit Meta schließen, mit Open AI in Zugriff dann zu

00:15:25: realisieren auf die verschiedenen Modelle.

00:15:26: Das nimmt uns alles die SAP ab über die BTP.

00:15:29: Ich nur die BTP, habe ein Vertragsverhältnis zu SAP und

00:15:33: greife auf alle 38 Modelle zu. Greife auf alle Modelle zu.

00:15:35: Sehr einfach auch im Entwicklungsprozess springen zwischen Meta

00:15:41: Lama und OpenAI ChatGPT. Lama ist für mich ein Tier.

00:15:44: Deswegen frage ich noch mal nach: Muss man da unterschiedliche

00:15:48: Kompetenzen entwickeln?

00:15:49: Also wenn ich jetzt Entwickler bin und an den Themen arbeite, brauche ich dann für

00:15:52: jedes dieser Large-Language-Models unterschiedliche Kompetenzen oder

00:15:56: Ausbildungen oder Kenntnisse?

00:15:57: Oder ist das generisch?

00:15:58: Und wenn ich das eine kann, kann ich auch das andere?

00:16:01: Ja, das kann man so sagen.

00:16:03: Es ist in dem Fall generisch.

00:16:05: Das heißt, über die Plattform sagt, ich prompte quasi die Zugriffe auf diese

00:16:10: Large-Language-Modelle und schaue mir dann an, wie ist die Antwort des Modells?

00:16:14: Mit welcher kann ich besser weiterarbeiten im Prozess?

00:16:16: Und da bietet die BTP sehr viele Möglichkeiten, hier einen

00:16:20: schnellen Sprung hinzubekommen.

00:16:22: Ich probiere LAMA aus, ich probiere ChatGPT aus oder ich probiere andere aus,

00:16:26: dann zu sehen, wie sind die für mich besten Ergebnisse und mit welchem

00:16:31: Large-Language-Model will sie jetzt weiterarbeiten.

00:16:34: Und wir machen das ja schon praktisch und du machst das mit deinem Team praktisch

00:16:37: und da arbeiten ganz viele Leute daran mit.

00:16:39: Lass uns mal, das so ein bisschen greifbar zu machen,

00:16:42: auch mal darüber sprechen: Was sind so typische Use Cases?

00:16:45: Was sind so typische Anwendungsfälle, die man mit Hilfe von, oder gerade vielleicht

00:16:49: in dieser Kombination von Gen AI mit BTP und SAP umsetzen kann?

00:16:55: Und was macht vielleicht auch die Anwendungsfälle dann aus im Sinne von

00:16:59: Etwas wird besser, etwas wird schneller, etwas wird genauer.

00:17:02: Wir haben mal so ein paar rausgesucht.

00:17:04: Die klingen, finde ich immer am Anfang, alle nicht so sexy.

00:17:07: Und die Sexiness, die ist dann so in der zweiten Ableitung drin.

00:17:10: Und ich würde mal tatsächlich gerne mit dir sprechen über das Thema Materialstamm.

00:17:15: Ist jetzt ehrlicherweise nicht so ein super Burner vom Thema her, aber ich

00:17:19: glaube, etwas, wo man richtig viel Geschwindigkeit herausholen kann oder

00:17:22: vielleicht auch Genauigkeit herausholen kann.

00:17:25: Qualität am Endeffekt.

00:17:27: Stammdaten ist ein extrem wichtiges Thema.

00:17:29: Wer in S/4-Transformationsprojekten ist, weiß, dass ganz oft am Ende Probleme

00:17:34: existieren, wenn die Stammdaten nicht sauber sind, wenn dort

00:17:36: keine Qualität vorherrscht.

00:17:38: Und gerade bei der Migration von Daten in das S/4HANA-System, als Beispiel, sehen

00:17:44: wir, dass wir ganz oft verschiedene Datentöpfe haben,

00:17:46: verschiedene Datenqualitäten.

00:17:48: Wir haben auch das Thema, dass wir häufig Übersetzung von Texten irgendwie möglich

00:17:53: machen müssen auf eine einfache Art und Weise.

00:17:56: Und hier haben wir uns überlegt: „Okay, wie können wir solche Prozesse verbessern

00:18:00: und beschleunigen und haben uns eine Applikation überlegt, die

00:18:05: unstrukturierte Daten entgegennimmt.

00:18:07: Was kann das sein, unstrukturierte Daten?

00:18:09: Das kann ein CSV-Fall sein, das kann Excel Sheet sein, das kann PDF sein.

00:18:13: Alles, was so ankommt. Was so ankommt, genau.

00:18:16: Das nehmen wir, verarbeiten das mit generativer KI, die erkennt, und das sind

00:18:21: die besonderen Fähigkeiten, vielleicht auch die GenAI Magic, die für uns

00:18:25: wichtigen Daten aus diesem Sammelsurium an verschiedensten Daten, die die schon

00:18:30: strukturiert vorliegen, spielt uns die zurück in unsere Applikation.

00:18:34: Wir mappen die dann auf, ich sage mal, die Zielformate, die wir brauchen, dann

00:18:39: Stammsätze im SVO-Handelssystem anzulegen.

00:18:41: Das können Materialstammsätze sein, das können Businesspartner sein,

00:18:46: also Geschäftspartner sein.

00:18:47: Und hier haben wir noch so ein paar Funktionen natürlich auch vorgelegt.

00:18:51: Da sind Duplikatprüfungen drin.

00:18:53: Wir wollen jetzt einen Stammsatz anlegen, prüfen vorher.

00:18:55: Gibt es den natürlich schon.

00:18:56: Wenn es den gibt, dann spielen wir den dem Benutzer der Applikationen zurück und

00:19:01: sagen: „Hey, es gibt schon einen, der sieht so ähnlich aus.

00:19:04: Und da haben wir, glaube ich, ein sehr gutes Tool entwickelt, was wir jetzt nicht

00:19:08: als Produkt verkaufen, aber was wir immer als Beschleuniger in Projekten verwenden,

00:19:13: Geschwindigkeit reinzubekommen und auch ein Stück weit Qualität reinzubekommen.

00:19:18: Ich habe noch einen Punkt vergessen, das Thema Übersetzung.

00:19:20: Die Daten kommen natürlich auch teilweise mit beschreibenden Texten, mit Kurztexten,

00:19:24: Langentexten rein und jetzt haben wir häufig auch die Anforderung: „Okay,

00:19:28: wir haben nur zwei Sprachen vorliegen.

00:19:29: Wir Wir brauchen aber eigentlich einen Stammensatz in acht Sprachen und wir haben

00:19:33: bestimmte Large-Language-Modelle, die auch Übersetzungsfähigkeiten haben,

00:19:37: die wir dann natürlich nutzen.

00:19:38: Da kommt ein deutscher Text rein und wir übersetzen den gleich in

00:19:41: sieben oder acht Sprachen. Cool.

00:19:43: Habe ich verstanden, Beschwindigkeit, Genauigkeit, aber auch, was du gerade

00:19:46: zwischendurch gesagt hast, Wiederverwendbar oder

00:19:49: Wiederverwertbarkeit.

00:19:50: Das heißt, man macht es nicht für einen Anwendungsfall, sondern der Anwendungsfall

00:19:54: ist eigentlich der Beginn von einer wiederholten Verwendung des Themas und

00:19:57: damit eigentlich auch ein Beschleuniger in der in der Projektarbeit, aber sicherlich

00:20:01: auch in der täglichen Arbeit von Unternehmen, bei denen wir es einsetzen.

00:20:03: Du hast mir noch einen Case im Vorfeld berichtet, da geht es Prüfpunkte oder

00:20:10: Prüfmechanismen aus PDF-Dokumenten.

00:20:11: Und dann ist bei mir sofort das Thema hochgekommen: „Mensch, wir haben doch so

00:20:14: was wie automatische Texterkennung beim Einscan, also OCR.

00:20:18: Was ist hier jetzt anders?

00:20:21: Also auch da ist das Thema, dass wir aus verschiedensten unstrukturierten Daten mit

00:20:28: Gen AI Magix, ich nenne es mal so, Wir kommen da gleich noch zu.

00:20:30: Ich will das verstehen. auf.

00:20:31: Sehr, sehr einfache Art und Weise die wichtigsten Daten aus

00:20:35: dem System ziehen können.

00:20:37: Die generative KI erkennt schon extrem viel.

00:20:42: Also ich sehe auch, okay, hier ist ein Bild, das ist vielleicht wichtig.

00:20:45: Das erkennt bestimmte Datensätze und gerade in unserem Fall hier im Bereich

00:20:50: Asset Management war es so, dass wir in bestimmten Prüfprotokollen immer so Felder

00:20:55: hatten, okay, da musste ein bestimmtes Produkt auf 10 Millimeter geprüft werden

00:21:00: und dann stand da so klein plus minus zehn daneben.

00:21:03: Und die KI hat sofort daraus gemacht, okay, ich habe hier den Zielwert und habe

00:21:08: dann einen Minimalwert, hat quasi die zehn abgezogen und hat einen maximalen Wert,

00:21:12: hat 10 draufgerechnet, weil wir bei der Anlage des Stammsatzes in S/4HANA

00:21:17: eben diesen Min-Max-Wert braucht.

00:21:19: Und da, wenn man sich vorstellt, dass das ein Mitarbeiter machen muss in einem PDF,

00:21:24: was quasi ein Prüfprotokoll war, waren 20, 25 Prüfschritte drin.

00:21:29: Und man versucht, jetzt alle, mit menschlicher Intelligenz

00:21:32: manuell im System anzulegen.

00:21:34: Dann kann man sich vorstellen, wenn man da ein paar hundert Prüfprotokolle

00:21:37: als PDF hat, wie lange das dauert.

00:21:40: Und unser Kunde hat das auch mal geschätzt.

00:21:42: Was hat der wirklich an Aufwand dadurch eingespart?

00:21:45: Die Schätzungen liefen dahin, dass nur in diesem einen Teilbereich 250 Tage

00:21:51: benötigt, also eine komplette Person, die ein Jahr lang nur manuell diese

00:21:56: Daten im System einpflegt.

00:21:58: Darf ich fragen, was die Entwicklung des AI die Use Cases ausgemacht hat?

00:22:01: Man muss ja keine Euros nennen, das können ja Tage sein, damit wir

00:22:03: das vergleichen können.

00:22:04: Genau, wir waren eigentlich in zehn Tagen soweit, was wir gesagt haben, das Ding ist

00:22:07: safe, also einmalige Entwicklungsarbeit.

00:22:11: Und ich sage mal, da ist natürlich noch ein bisschen Rechenpower gefragt.

00:22:15: Das heißt, wenn man die 400 PDFs, waren es, glaube ich, dann einliest, dann läuft

00:22:19: es schon irgendwie zwei, drei, vier Stunden im Hintergrund und legt

00:22:22: automatisiert die Prüfprotokolle im QM des S/4HANA an und effektiv die Laufzeit,

00:22:28: keine Ahnung, vier, fünf Stunden zu 250 Tagen.

00:22:31: Das heißt, wir sind am Ende bei weniger als 10% der Zeit, die ich brauche und es

00:22:34: ist eine Einmalzeit und keine repetitive Zeit, ein Problem, vielleicht nicht ein

00:22:40: für alle Mal, aber für eine bestimmte Zeit, solange es da ist,

00:22:43: wirklich nachhaltig zu lösen.

00:22:45: Das bringt mich so ein bisschen an den Punkt, diese Lücke zwischen den 6,5%, „Wir

00:22:48: wenden es an, und den 80%, „Wir möchten es gerne verwenden, die liegt,

00:22:51: glaube ich, genau da.

00:22:51: Die müssen wir eigentlich davon überzeugen und ihnen den Mut geben, zu sagen: „Nutzt

00:22:57: die Möglichkeiten, dann könnt ihr diese Lücke schließen und die Ressourcen, die da

00:23:00: sind und vielleicht auch die monetären Ressourcen, die da sind, einfach für Dinge

00:23:03: benutzen, die mehr wertstiftend sind.

00:23:05: So einen ganz konkreten Case, den fand ich spannend.

00:23:07: Da geht es tatsächlich etwas, ich nenne es mal, Rohre verbiegen.

00:23:11: Was ist die Komplexität beim Rohre verbiegen?

00:23:13: Erzähl mal.

00:23:14: Ich denke, zum einen gibt es Anforderungen in dieser Branche an Rohre, natürlich

00:23:20: Rohrelänge, Durchmesse, aber auch der Biegungsgrad, so nenne ich das mal.

00:23:24: Also der Winkel, oder?

00:23:25: Genau, 1, 2, 5, 8.

00:23:27: Man kann sich vorstellen, bei einem Rohr, wie viele Kombinationen

00:23:31: da zustande kommen können.

00:23:32: Wenn jetzt, ich sage mal, irgendwelche Baufirmen bestimmte Rohre brauchen, dann

00:23:36: haben die jetzt keine Lust, in einem riesen Katalog in untertausenden

00:23:40: Stammsätzen zu suchen, was die richtige Artikelnummer für genau ihr Rohr ist.

00:23:43: Okay, und wie passiert das dann?

00:23:45: Die schreiben einfach eine E-Mail.

00:23:47: Also ich kriege dann so eine unstrukturierte Mail, da steht drin: „Ich

00:23:49: bin der Timo, lieber Rüdiger, ich hätte gerne ein Rohr, das ist an der Stelle

00:23:52: gebogen und das soll so und so sein.

00:23:54: Manchmal haben sie auch die Mühe, vielleicht einen Excel-Sheet auszuführen

00:23:57: und immer das Gleiche wiederzunehmen, aber das ist selten sondern man tippt einfach

00:24:01: eine E-Mail und sagt: „Das brauche ich.

00:24:02: Und unser Kunde musste dann natürlich mit diesen unstrukturierten Daten umgehen und

00:24:07: das haben natürlich mehrere Mitarbeiter machen müssen, die diese E-Mails lesen,

00:24:10: mit ihrer persönlichen Intelligenz jetzt diese Daten, die sie brauchten, auszulesen

00:24:14: zu lesen, dann einen Kundenauftrag im SVHANA System anzulegen.

00:24:19: Und der Kunde kam auf die Idee: „Ich brauche einen Dienstleister, der mir hier

00:24:24: einen Automatismus bault, sprich einer mit generativer KI versehende Applikation die

00:24:30: mir erst mal das E-Mail-Postfach quasi abfragt, die ganzen E-Mails nimmt, den

00:24:35: Text der E-Mails analysiert, die Daten rauszieht und aus diesen Daten dann

00:24:41: automatisiert Kundenaufträge angelegt.

00:24:42: Hast du eine Idee davon, wie viele E-Mails da eingegangen sind oder wie viele

00:24:45: Leute damit beschäftigt gewesen sind?

00:24:48: Also auf jeden Fall waren es mehrere Personen, die genau nur das getan haben.

00:24:51: Also die haben nur E-Mails ausgewertet?

00:24:53: Wir haben E-Mails ausgewertet und Kundenaufträge angelegt.

00:24:56: Spannende Aufgabe, oder? Wie man es nimmt.

00:24:59: Ich bin so richtig gespannt.

00:25:00: Warum ich das sage, ist, wir haben ja auch immer so ein bisschen den Angstfaktor bei

00:25:05: den Themen drin und immer so die Frage: „Nimmt mir jetzt eigentlich

00:25:08: KI meinen Job weg?

00:25:09: Und ich frage mich dann, und das ist hier so ein schönes Beispiel: Ist das

00:25:12: eigentlich ein Job, den ich weggenommen haben möchte?

00:25:14: Und ich würdest sagen, ja, weil das ist ja ein unfassbar langweiliger,

00:25:18: repetitiver, fehleranfälliger Job.

00:25:19: Und das wäre zum Beispiel jetzt hier für mich eine Situation, wo man sagen kann, da

00:25:23: schafft KI wirklich Potenzial für einfach qualitativ oder für die menschliche

00:25:29: Intelligenz Intelligenz hochwertigere Fähigkeiten oder Tätigkeiten.

00:25:32: Würdest du sagen, das finden wir öfter?

00:25:35: Also erst mal, ich stimme uneingeschränkt zu.

00:25:37: Ich glaube, es gibt für Menschen immer noch genügend Jobs, die unsere Intelligenz

00:25:42: und unsere Kreativität benötigen Aber einfachere Aufgaben sollte

00:25:48: man versuchen zu automatisieren.

00:25:50: Das hat aber erst mal gar nichts mit KI zu tun.

00:25:52: Es gibt ja auch genügend Aussagen, die weltweit schon getroffen wurden: „Alles,

00:25:55: was man automatisieren kann, muss automatisiert werden.

00:25:58: Und wir beschäftigen uns eben mit diesen Themen, die man nicht so

00:26:02: einfach automatisieren kann.

00:26:04: Und genau dafür sollten die Arbeitskräfte verwendet werden.

00:26:06: Und gerade wir in Deutschland wissen ja, wir haben zumindest in bestimmten Branchen

00:26:11: einen absoluten Arbeitskräftemangel und wir sollten die Arbeitskräfte, die wir

00:26:15: haben, frei spielen aus solchen einfachen, wiederkehrenden Tätigkeiten und sollten

00:26:20: sie dort einsetzen, wo sie wirklich einen Mehrwert bieten.

00:26:22: Und den Rest überlassen wir bitte der KI oder den Plattformen und

00:26:27: Applikationen, die dort entwickelt Ich freue mich total, dass wir

00:26:31: auch ein Thema angehen. Das machen wir gemeinsam.

00:26:33: Das ist ein laufendes Projekt, aus dem wir vielleicht mal berichten können,

00:26:35: wo wir auch für unsere Arbeit …

00:26:37: Wir haben natürlich auch in der täglichen Projektarbeit als Beratung Themen,

00:26:41: die sind eher wiederholend.

00:26:42: Die sind vielleicht nicht langweilig, aber es sind welche, wo man sagt: „Müssen

00:26:45: wir das eigentlich jedes Mal machen?

00:26:46: Also was wir ja immer machen, wir analysieren Prozesse, wir analysieren

00:26:50: Abläufe, vielleicht mit Signavio oder Celones oder anderen Tools, und

00:26:53: da kommt ein Ergebnis bei raus.

00:26:54: Und aus diesem Ergebnis transformieren wir das Ganze dann in eine Projektplanung

00:26:58: für ein Transformationsprojekt.

00:26:59: Unsere Idee – wir haben mal zusammengesessen und haben darüber

00:27:02: gesprochen – ist: „Das muss doch eine KI können und einfach aus den Ergebnissen,

00:27:05: die qualitativ erarbeitet worden sind, automatisch einen Projektplan generieren.

00:27:09: Wann sind wir so weit?

00:27:11: Ich denke, auf jeden Fall noch in diesem Jahr haben es so ein bisschen natürlich

00:27:15: ein Kapazitätsthema bei uns und den Entwicklern, die eigentlich alle grünes

00:27:19: Licht gegeben haben, also den Case gehört haben, „Screening, when in.

00:27:21: Das sollte kein großes Thema sein.

00:27:23: Klar, wir haben gerade bei so Tools wie Signabio gute APIs, die wir ansprechen

00:27:27: können, die Ergebnisse aus Signabio rauszulesen.

00:27:29: Also das ist auch wichtig, dass die Datenlage gut ist oder

00:27:31: dass die Tools gut sind.

00:27:32: Genau, die Tools müssen schon bestimmte Schnittstellen mitbringen, die wir

00:27:36: ansprechen können, wo wir eben die Daten, die in der Software liegen,

00:27:39: dann auch gut auslesen können.

00:27:41: Die können wir dann weiterverarbeiten auf solchen Plattformen wie der W TP, können

00:27:46: dort auch die KI-Fähigkeiten nutzen in eigenen Applikationen und können dann

00:27:51: wiederum Daten in einem Subsystem, wie in unserem Fall dann im

00:27:55: Projektmanagement-Software, wieder über Schnittstellen einspielen.

00:27:59: Klar, wir nutzen Wir nutzen jetzt natürlich bei uns bei Balantic

00:28:01: sehr oft Jira als Mittel der Wahl.

00:28:04: Es gibt aber auch andere und es ist immer nur eine Frage: Wie ist die

00:28:07: Schnittstelle, dort Daten anzulegen? Gibt es die?

00:28:09: Ist das eine gut dokumentierte ADI, was Jira jetzt mitbringt?

00:28:14: Das heißt, wir können Daten aus Signadio ziehen, unsere Komplikation auf der BTP

00:28:17: bauen, mit generativer KI die Daten analysieren und entsprechend mappen, sage

00:28:24: ich mal, auf ein Zielformat, was wir dann bei Jira nutzen, wieder

00:28:28: unsere Projektpläne anzuregen.

00:28:30: Das ist für mich noch mal ein schönes Beispiel dafür, dass die

00:28:32: Anwendungsmöglichkeiten eigentlich auf allen Seiten gegeben sind.

00:28:35: Also der konkrete Use Case: Ich habe die unstrukturierte Bestellung eines Rohres

00:28:40: mit verschiedenen Winkeln, Biegungen an verschiedenen Stellen.

00:28:43: Kann ich abfangen, ich kann ich abfangen.

00:28:43: Ich kann das Thema Dokumente auslesen, abfangen, ich kann das Thema

00:28:47: Stammdatenqualität abfangen oder ich kann auch ein Prozesthema

00:28:50: unterstützen, beschleunigen.

00:28:52: Wir sprechen ja ganz oft in unseren Projektmethodiken von so Acceleratoren,

00:28:55: die wir einsetzen, einfach uns mehr auf das zu fokussieren, wo man Human den Brain

00:29:00: braucht und die Dinge, die automatisierbar sind, hast du gerade selber

00:29:02: gesagt, automatisieren zu können.

00:29:04: Insofern ist für mich die Breite eigentlich ein Stück weit das, was

00:29:08: mich total fasziniert an dem Thema.

00:29:10: Und wir haben eingangs gesagt, ich würde super gerne verstanden

00:29:13: haben, was ist die AI Magic?

00:29:14: Also ich habe schon echt viele Eindrücke gewonnen, was diese Magic sein könnte.

00:29:18: Aber wenn ich dich jetzt frage, wenn du es beschreiben solltest, aus

00:29:23: deiner Perspektive, aus deiner Sicht auch auf die Arbeit auch mit vielen Kolleginnen

00:29:27: und Kollegen, das ist ja sehr interdisziplinär, auch

00:29:30: Was ist es eigentlich, was diese AI Magic wirklich ausmacht?

00:29:35: Wir haben da in der Vergangenheit größte Sprünge gemacht und das, was in unser

00:29:40: aller Kopf ist, sind eigentlich nur die letzten drei, vier Jahre in der

00:29:45: Entwicklung von künstlicher Intelligenz, die ihre Unsprünge schon Jahrzehnte

00:29:49: in der Vergangenheit hat.

00:29:50: Und die Besonderheit jetzt, wenn man von KI oder generativer KI spricht,

00:29:55: das ist der entscheidende Faktor.

00:29:56: Also KI, da gehört auch Machine Learning und andere Disziplinen dazu.

00:30:00: Das heißt, es war schon länger möglich, Daten sehr gut zu analysieren und

00:30:06: Aussagen aus dieser Analyse zu treffen.

00:30:09: Die Besonderheit jetzt mit generativer KI ist, dass KI auch im Stande ist, durchaus

00:30:16: sehr kreativ eigene Daten zu erzeugen.

00:30:19: Aus diesen Daten, die ich ihr gebe, die sie analysiert, schafft sie es sehr gut

00:30:23: und auch kreativ, neue Daten zu erschaffen, wie auch immer die vorliegen.

00:30:28: Das kann auch Sprache sein, das kann Text sein, das können Bilder sein.

00:30:33: Und dort liegt dieser, ich sage mal, diese revolutionäre

00:30:37: Sprung in diesem letzten Step.

00:30:39: Und dort hat die Grundlagenarbeit so 2017, Google hat dort sehr viel erreicht, hat

00:30:45: auch sehr viel ihre Erfahrungen mit der Öffentlichkeit geteilt, erlaubt, dass

00:30:51: man diese Themen weiterverwendet.

00:30:53: Und so sind diese vielen Unternehmen jetzt entstanden, die solche

00:30:57: Large-Language-Modelle erzeugt haben, die uns extrem helfen, unsere Prozesse zu

00:31:03: beschleunigen und all die Dinge zu tun, die wir auch im privaten Umfeld kennen.

00:31:07: Muss der Beispiel …

00:31:09: Ich glaube, das Erste, was ich mit ChatGPT gemacht habe, waren natürlich bestimmte

00:31:13: Fragen stellen, aber als es dann die Möglichkeit gab, auch Fotos reinzuladen.

00:31:17: Ich habe mein Weinregal genommen, nicht nur Wein drin steht zugegebenermaßen, habe

00:31:22: ein Foto gemacht und habe gesagt, ich hätte gerne aus den Getränken, die

00:31:26: du dort siehst, einen Sommercocktail.

00:31:28: Und dann schafft es eben, eine generative KI zum einen zu analysieren, was sind das

00:31:33: denn denn Getränke in Ihrem unfassbar großen Datenfundus zu schauen, was gibt es

00:31:37: denn so für Rezepte, die irgendwie ein Sommerlicher Cocktail am Ende

00:31:42: erzeugt und dann mir einen Vorschlag zu geben: „Nimm noch dieses Getränk,

00:31:46: so und so viel Milliliter, hier so und so viel Milliliter, leg noch eine Zitrone

00:31:50: dazu und das könnte dann ein Cocktail sein.

00:31:52: Und wie ist er geworden?

00:31:54: Der Erste war okay, der zweite war richtig gut.

00:31:57: Okay.

00:31:57: Hast du dem einen Namen gegeben oder hast die KI gefragt, wie er heißen soll?

00:32:00: Das ist das Schöne. Das hätte ich tun können.

00:32:02: Ich habe es nicht getan, aber auch dort hätte die KI mit Sicherheit kreative

00:32:06: Einfälle gehabt, wie man so einen Cocktail nennt.

00:32:09: Das ist super.

00:32:10: Wir hätten den eigentlich heute hier trinken sollen.

00:32:11: Das wäre doch super gewesen.

00:32:12: Wobei wir Herbst haben und vielleicht kreieren wir danach noch mal ein Herbst

00:32:14: Okay, du hast mich so ein bisschen angefeuert.

00:32:16: Jetzt, ich nehme mal mit, so für mich als Message: Es gibt eigentlich keine Grenzen.

00:32:20: Würdest du sagen, das ist so oder gibt es irgendwo heute oder vielleicht auch in

00:32:24: Zukunft Grenzen oder Dinge, wo du sagst, da geht es wahrscheinlich auch für

00:32:28: generative KI nicht Also mir fallen echt keine ein.

00:32:32: Also es ist schon extrem viel möglich und ich glaube, wir stehen ja auch noch

00:32:37: ganz, ganz am Anfang der Entwicklung.

00:32:39: Das vergessen viele, weil man jetzt schon das Gefühl hat, es ist so viel möglich.

00:32:44: Aber wir stehen am Anfang der Entwicklung und ich glaube, wir werden noch sehr

00:32:47: überrascht sein, wo wir in fünf oder so über zehn Jahren stehen werden.

00:32:50: Ich kann mir im Moment Grenzen kaum vorstellen.

00:32:53: Und wenn, dann würde man sagen, in zehn Jahren rückblickend auf diesen Podcast:

00:32:59: „Timo, du hast keinen Weitblick gehabt.

00:33:00: Lass uns in zehn Jahren noch mal treffen.

00:33:02: Da haben wir zwei Themen, finde ich.

00:33:03: Das eine ist, wir brauchen den Cocktail, der muss dabei sein.

00:33:07: Und das zweite ist tatsächlich mal, rückblickend festzustellen, haben wir

00:33:10: das eigentlich richtig eingeschätzt?

00:33:12: Ich habe heute noch ein zweites Thema mitgenommen.

00:33:14: Das haben wir zwischendurch und auch am Anfang besprochen, eigentlich musst du

00:33:17: wissen, was du möchtest, so ein bisschen die Probleme beschreiben können.

00:33:20: Das ist, glaube ich, die große Herausforderung, sowohl in Unternehmen,

00:33:24: die KI verwenden für ihre Prozesse, als auch in Beratungen, die das in ihr

00:33:27: Produktportfolio einbauen, dass man im Prinzip in der Die Frage ist,

00:33:30: ein bisschen über den Tellerrand zu denken, zu verstehen, was könnte eine

00:33:34: Anforderung sein und vielleicht auch mal einen Schritt weiterzugehen, als man das

00:33:37: heute mit üblichen Mitteln tun würde und sagen würde, ich gehe jetzt einfach mal –

00:33:41: so sind ja die Use Cases auch entstanden – nach draußen und überlege mir, ob das

00:33:45: nicht doch gehen könnte, also wirklich mal Probleme auch beschreiben zu können.

00:33:50: Du hast gerade gesagt, eigentlich ist alles möglich.

00:33:52: Egal, was es für ein Problem gibt, es wird eine Möglichkeit geben, es zu lösen.

00:33:56: Bringt mich zu eigentlich dem Roundup unseres Gesprächs Ich würde dich, bevor

00:34:01: wir zum Ende kommen, gerne noch mal fragen, wenn du dir den richtig coolen

00:34:04: KI-Use-Case vorstellen könntest, der vielleicht heute noch nicht funktioniert,

00:34:07: aber wo wir hier in zehn Jahren stehen und du sagen kannst:

00:34:10: „Gut, dass wir das gemacht haben.

00:34:11: Das war richtig cool und so was Gutes habe ich bis dahin nicht gemacht

00:34:13: und auch nie wieder.

00:34:15: Wie wird der aussehen?

00:34:18: Das ist eine gute Frage.

00:34:19: Da gibt es natürlich unendliche Möglichkeiten auch wieder, aber ich bin

00:34:23: ja jemand, der sehr gerne Wein trinkt.

00:34:25: Ich glaube, eine KI, die mir den perfekten Kübe, also aus meiner Sicht ist es

00:34:30: natürlich immer Geschmacksache, aber den perfekten Kübe bereitet,

00:34:34: das wäre eine coole Sache.

00:34:35: Habe ich noch nie drüber nachgedacht, aber sollten wir mal in die Wege leiten.

00:34:39: Sehr gut.

00:34:40: Das heißt, die generative KI macht das Rezept und dann haben wir noch irgendeine

00:34:43: andere KI, die den sogar noch produziert am Ende des Tages.

00:34:46: Ich würde den gerne in spätestens zehn Jahren mit dir trinken.

00:34:50: Wenn er früher fertig ist, würde ich das auch gerne früher tun.

00:34:52: Lieber Timo, ich habe ein richtig tolles Gespräch führen dürfen und ich bin total

00:34:58: dankbar, dass ich dieses ganze Wissen von dir zugespielt bekommen habe.

00:35:01: Ich werde – das Wochenende steht ja bevor – sehr schlau sein am Wochenende.

00:35:03: Ich werde mich noch mal mit dem Thema beschäftigen.

00:35:07: Habe extrem viel sehr gut verstanden heute.

00:35:10: Vielen Dank dafür und kann nur sagen, wenn wir das so

00:35:14: weiterführen, sowohl in unserer eigenen beruflichen Profession, als auch

00:35:19: hineintragen und diese Lücke zwischen den 6,5 und den 80% weiterschließen, dann

00:35:23: machen wir, glaube ich, vieles richtig.

00:35:27: Es war mir ein Fest, lieber Rüdiger.

00:35:29: Schön, dass ich da sein durfte. Gerne.

00:35:31: Bis bald wieder. Vielen Dank.

00:35:33: Bis bald.