Das vollständige Transkript der Masterclass von Florian Baader auf der Hannover Messe 2026 — leicht redigiert für die Lesbarkeit, inhaltlich unverändert. Das Video oben enthält die Aufzeichnung mit Untertiteln.
So, wunderschönen... Guten Morgen, wenn man noch guten Morgen sagen kann. Das ist das erste Mal, dass ich jetzt hier mit so einer Silent Disco einen Vortrag halte. Wäre jetzt wahrscheinlich ein super Zeitpunkt, um meine Beatbox oder Gesangskünste zu zeigen, aber wir wollen uns heute trotzdem lieber auf das Thema KI fokussieren. Genau, ich glaube, es sind alle mit drinnen und wir legen los. Genau, ganz kurz zur Vorstellung.
Ich bin Florian, ich habe mit 18 gegründet. Ich habe zweimal Jugend forscht mit... mitgemacht, dann Informatik studiert an der TU München, ganz viel softwareseitig quasi mit ausprobiert. Wir haben vor drei Jahren ungefähr mit generativer KI angefangen und davor ganz viel, man würde heute sagen, traditionelle KI gemacht. Das heißt, wir haben für Vonovia Heizanlagen energieeffizienter gemacht, wir haben in der Fahrradbranche mit Computer Vision Modellen gearbeitet und vor drei Jahren dann einen Switch gemacht zu generativer KI.
Ich möchte euch heute erzählen was wir in den letzten drei Jahren dort alles gelernt haben, wie man KI wirklich in den Einsatz bekommt und was da alles an spannenden Insights und vielleicht auch Fallstrecken noch mit drin hängt. Ganz kurz, das ist jetzt aktuell unser Team. Wir sind gerade 35 Leute, sehr stolz, noch ohne Investor, was vielleicht im KI-Landscape ein bisschen eine Seltenheit ist. Wir sitzen in München und betreuen quasi Mittelständler in ganz Deutschland.
Wir machen insgesamt KI. rollout das heißt sowohl als dienstleister als auch als plattformanbieter Das bedeutet, ich zeige euch das einmal ganz kurz, was wir tun. Das hier ist die meinGPT-Plattform. Da habe ich dann die Möglichkeit, mit allen möglichen Modellen zu chatten. Hier ist jetzt gerade ein schlechtes Beispiel. Die meisten unserer Modelle sind alles in der EU gehostet. Wir sind ISO 27001 zertifiziert. Man hat dann auf der meinGPT-Plattform die Möglichkeit,
sein Unternehmenswissen zu verbinden, eigene Assistenten zu bauen, KI-Workflows zu bauen, die verschiedene LLMs miteinander kombinieren, Daraus zum Beispiel Angebote erstellen, Slides... zu erstellen. Wir haben gestern unseren neuen Slide-Editor rausgebracht, der direkt auf der Oberfläche ist, die erlaubt in Corporate CI, da sind wir sehr stolz drauf, dann Slides zu bauen. Wir haben alle möglichen KI-Apps mit drinnen, zum Beispiel auch eine lovable Integration, dass Unternehmen eigene KI-Apps, die Vibe-gecoded sind,
dann darüber sicher teilen können. Und wir haben sehr viele Themen rund um Adoption, da werde ich auch noch mal später mit einsteigen. Das nur so ein bisschen als Aufhänger von dem, was wir tun. Das heißt, wir bringen diese Plattform mit und wir begleiten dann eben sehr viele im Mittelstand, machen Prompting-Schulungen, Use Case-Schulungen, bauen gemeinsam Agents. Wir haben das zum Beispiel für eine Tochter von der Telefonica gemacht,
wo dann eben für den Glasfaserausbau per KI automatisiert Leute angeschrieben werden im Messebau, wo dann mit KI automatisiert Angebote erstellt werden. Und genau, wir haben heute auch eine große Fragenrunde mit dabei. Ich nehme an, dass da einige Sachen dann noch mitkommen werden und da können wir heute einfach ganz locker uns drüber ausdenken. austauschen. Genau, das hatte ich gerade schon mit erzählt. Wir machen mehr als die KI-Plattformen und mittlerweile haben wir schon eine schöne Menge an Unternehmen und Mittelständern,
die wir dort mit betreuen dürfen. Eine spannende Thematik ist immer, was genau bringt mir denn jetzt eigentlich KI? Und ihr kennt vielleicht diese total überzogenen McKinsey-Studien und Co., wie viel Bruttoinlandsprodukt jetzt dann durch KI generiert werden und 30% weniger... Mitarbeiter und keine Ahnung was. Wir haben uns immer gefragt, kann man da mal so ein bisschen fundierter rangehen und mal so ein bisschen from the ground versuchen zu berechnen,
was KI jetzt eigentlich bringt. Wir haben dafür ein schönes Experiment gemacht. Das war hier ein Pilotkunde von uns. Die haben 30 Tage lang mit 170 Leuten quasi auf unserer Plattform gechattet und in der Zeit 4.500 Chats gemacht und 1.800 Mal unsere KI-Apps benutzt. Und jetzt haben sie uns gefragt, was hat das denn jetzt gebracht? Können wir das irgendwie rausfinden? Und wir sind dort mal auf eine Idee gekommen und zwar haben wir mit KI die ganzen Interaktionen,
die es mit der KI gab, nachher nochmal analysieren können. Das heißt, wir haben die eingeordnet in, was wurde dort konkret gemacht, was war das für ein Use Case, eine E-Mail geschrieben, Slides erstellt, Code gedebugt oder sonst irgendwas und dann quasi uns überlegt, was würde das denn jetzt genau bringen? Also wirklich hands-on. Das heißt, ihr könnt euch vorstellen, wir haben hier einen ganzen Chatverlauf, in dem Fall haben wir dann Gemini Flash dafür verwendet,
um das quasi einmal zu classifieren. Und wir haben drei Erfolgskriterien dafür definiert, was denn jetzt KI bringen kann. Time Savings ist meiner Meinung nach der Case, auf den sich viel zu viele Leute Es geht eigentlich immer nur darum, was kann ich denn noch tun? schneller machen. Ich glaube das Spannende ist... Zwei andere Bereiche daneben. Thema Enablement. Mitarbeiter können Dinge machen, die sie davor nie machen konnten. Dazu gehört zum Beispiel,
ich war nie der große Grafiker und ich kann ein Imagemodell nutzen, um mir sehr schnell eine Infografik für meine Slides zu erstellen. Das hätte ich wahrscheinlich überhaupt nicht gemacht. Das ist natürlich zusätzlicher Mehrwert, der dafür generiert wird. Drittes Thema ist Risk Reduction. Wenn wir zum Beispiel Anwälte als Kunden haben oder Gesundheitsberater, oder auch Maschinenbauer heißt es häufig, wir können kein KI einsetzen, weil wir müssen ja 100%
Qualität machen. Das Spannende dort ist, ich kann ja KI immer als Peer einsetzen, als Teammember, um nochmal Feedback zu meinen Arbeiten zu bekommen. Also um zusätzliche Fehler zu finden. Das heißt, als Jurist, ganz klar, irgendwie habe ich nochmal Fallstricke in diesem Vertrag. Was gäbe es für potenzielle Lücken? Und hier haben wir uns wirklich überhaupt nicht herangetraut, zu definieren, was das jetzt bringen könnte. Das könnt ihr... ja Millionen bringen,
wenn du hier einen Fehler entdeckst, der sonst rausgegangen wäre oder gar nichts, weil er vielleicht nie aufgetreten wäre. Aber wir haben mal versucht, diese Time Savings und dieses Enablement zu messen. Was kam dabei raus? Ja, wir haben Plattformen ausgerollt. In der Zeit waren 92 Prozent der Nutzer dann aktiv und im Durchschnitt haben die quasi dann einmal am Tag einen großen, wobei es in der Business Tage also etwas mehr,
dann Chats mit durchgemacht. durchgeführt. Wir haben hier zwölf von diesen Use Case Kategorien mit definiert. Writing würde man erwarten ist mit das Größte, das ist alles rund um E-Mails, Dokumente. Danach kam dann schon Business Intelligence, also alles rund um Research. meistens Kombination aus Internetquellen und eigenen Unternehmensdaten, was dafür verwendet wird. Dann kommt General Knowledge, das wäre alles, wo man sagen würde, hätte man auch googeln können, deswegen haben wir das lieber mal rausgenommen aus der Schätzung,
was denn jetzt KI bringt, weil die Leute sind dann halt einfach bequem und nutzen dann lieber KI als Google, aber hätten dieselbe Information auch bekommen. Dann ging es Richtung Technical Engineering, IT Support, Legal und Compliance. Kurze Info bei dieser Studie, wir haben das Ganze auch nochmal online mit gepublished und Und da sind quasi überall, also alles, was hier unterringelt ist, sind da nochmal genaue Erklärungen, wie wir das gemessen haben.
Wenn euch das also irgendwie in der Tiefe interessiert, es gibt später auch einen Flyer, wir können euch gerne einen Link dazu schicken. Wir haben da wirklich versucht, radikal transparent zu sein, wie man sowas klassifiziert. Aber müssen heute mit der Zeit ein bisschen aufpassen. Genau. Was ich noch ziemlich cool fand, wir haben auch mal Gemini classifieren lassen, wie komplex denn die Use Cases sind. Und es war ja der erste Monat der KI-Nutzung jetzt in diesem Unternehmen.
Und was ich beeindruckend finde, ist, dass dann doch so ein großer Bestandteil der Use Cases dann doch in den höheren Komplexitätsklassen war. Das ist vor allem, wie lang sind quasi deine Prompts, wie viele Dokumente waren da mit drinnen und damit wurde quasi diese Classification mit durchgeführt. Und was ich persönlich sehr überraschend fand, dass 87% der Tasks laut der KI-Einschätzung dann erfolgreich durchgeführt worden sind. Ich weiß nicht,
gibt es Leute unter euch, die auch so ein bisschen Aggressionsprobleme bekommen, wenn die KI... nicht das macht, was man sagt, dass sie machen soll. Also ich hätte gesagt, ja gut 80, 90 Prozent wäre jetzt auch meine Schätzung gewesen. Ich weiß nicht, wer den Cloud Code League mitbekommen hat, aber dort suchen sie ja nach Schimpfwörtern, die die Nutzer mit der KI schreiben, um rauszufinden, ob das jetzt erfolgreich war oder nicht.
Das wäre sonst vielleicht dann auch nochmal eine Metrik, die wir dort mit anwenden können. Spannendes hier, also irgendwie Übersetzung mit einer der erfolgreichsten Sachen natürlich, macht irgendwie Sinn. Und irgendwie Excel ist dann schon eher so bisschen weiter Da unten kennt man glaube ich auch, dass der KI dann so seine Schwächen damit hat. Genau. Hier mal so ein paar Beispiele dafür, wie wir das dann berechnet haben. Also wenn wir sagen,
okay, wir schreiben E-Mails und Texte, waren es in dem Monat 1200 Mal. Wir haben uns damit acht Minuten gespart. Und so wollten wir dann quasi mal from the ground berechnen, was... was das Ganze bringt. In diesem Fall bei dem Unternehmen 560 Stunden und das bedeutet quasi pro Monat 40.000 Euro beziehungsweise über das Jahr dann 500.000 Euro, was ich schon eine sehr beeindruckende Zahl finde für nur... 170 leute auf der anderen seite muss man auch sagen das sieht man ja dann noch nicht in der buchhaltung also da sind ja keine 500.000 euro weg sondern erst mal bedeutet das dass meine leute halt dann irgendwie mehr schaffen bei vielen unserer kunden bedeutet das dass man vielleicht bei den dienstleistern so ein bisschen spart dass man mehr sachen wieder in house macht und
das wird noch mal ganz interessant welche externe software man dann vielleicht auch mal kündigen kann gerade wenn es so richtung vibe coding geht kann ich da noch mal ein paar sachen Sachen mit erzählen. glaube ich auch spannend da so ein bisschen die lizenzkosten dann zu reduzieren an der stelle genau gehen wir mal noch mal so ein bisschen auf diese use case klassen mit ein wir sehen im unternehmen ich diese vier arten von use cases auf diesen basic chat sind wir jetzt schon eingegangen
Und eigentlich muss man sagen, es verteilt sich so ganz gut. Assistenten ist für uns alles, wo wir quasi mit vielen Systemen connected sind, wo mir die KI hilft, irgendwie sozusagen als Dirigent in einem Orchester so ein bisschen zwischen den Systemen zu arbeiten, Daten von A nach B zu laden, in Powerpoints zu konvertieren und so weiter. Workflows ist für uns alles, was im Hintergrund läuft. Das Schöne ist,
da habe ich da natürlich kein Adoption-Problem. Also muss meine Mitarbeiter nicht daran erinnern, dass sie doch bitte KI einsetzen sollen, weil halt eben im Hintergrund die KI schon im Einsatz ist und zum Beispiel IT-Tickets vorklassifiziert. Und allerletzter Punkt, das wird eben sehr gerne auch vergessen, sind dann quasi Custom AI Apps. Also das heißt, ich nutze KI, um kleine Dashboards, Funktionalitäten zu bauen, wo ich davor vielleicht super teure Enterprise Software sogar gebraucht hätte und kann damit so Sachen wie Reisekosten,
Abrechnungen, irgendwie mal kleine Übersichten oder sowas bauen. Nur ganz wichtig ist bei diesen KI-Apps, das Learning. Es muss nicht alles ein Assistent werden. Wir versuchen nicht, alles, was wir jemals im Unternehmen gemacht haben, jetzt wieder nur auf Text zu bekommen, sondern man darf auch gerne mit KI wieder kleine Oberflächen bauen, Sachen, auf die man draufdrücken kann. Macht wenig Sinn, dass ich mich jedes Mal einlogge und sage,
was ist eigentlich für heute der Stand. Wir gehen jetzt mal durch die Klassen durch mit ein paar spannenden Sachen, die wir dort gefunden haben. Bei den Assistenten gab es, glaube ich, ein großes Missverständnis. Und zwar, ganz am Anfang wurde dort allen erzählt, ihr müsst jetzt Rack machen, ihr müsst jetzt Daten embedden und vektorisieren. Ich weiß nicht, wer da auch Vorträge dazu gehört hat, dass das jetzt der heiße Scheiß ist.
Ich glaube, man hat dann sehr, sehr schnell gemerkt, dass das überhaupt nicht die Mittelstandsrealität ist, dass ich einfach nur tausende PDFs hätte, sondern dass meine Mittelstandsrealität eher so aussieht. Ich habe da mein SAP, ich habe lokal noch ein paar Dateien rumfliegen, ich habe auch noch ein paar Datenbanken, wo Daten vielleicht drin liegen würden. Natürlich mein M365, dann habe ich noch meinen SharePoint oder ich meine, Salesforce wäre auch ganz gut.
ganz interessant und das Ganze bitte mit Berechtigungen pro Nutzer, damit da ja kein Leak oder sowas passiert. Und das Spannende ist, dass das eigentlich kaum Cases gibt, wo das wirklich relevant wäre. Das sind zum Beispiel nur, wenn du irgendwie so Betriebsanleitungen hast und damit irgendwie einen FAQ-Assistent oder sowas baust. Aber de facto embedden wir fast gar nichts mehr. Man geht vielmehr zurück auf traditionelle Suchmethoden, benutzt Vektorisierung noch ab und zu mal als Ergänzung,
aber wenn ein Kunde zu uns kommt und sagt, und sagt, wir haben hier 14 Terabyte SharePoint, die hätten wir bitte gerne embedded und in so einen Rack mit reingesteckt, da kann sie erstmal ein paar Wochen warten, bis dein Content da überall durch ist. Natürlich auch ziemlich teuer dann auf diesem Scale. Das heißt, wie sieht ein Assistent wirklich aus vom Verständnis? Ich sage, was ist eigentlich der Status mit meinem Kunden?
Dann muss der Assistent als erstes mal ins CRM, sucht quasi den Kunden raus und die Kontaktdaten. Danach muss der Assistent in meinen Outlook, findet quasi quasi die relevanten E-Mails, die ich mit dieser Kontaktperson beschrieben hatte, merkt dann, dass ich da ein paar Links zu SharePoint mitgeschickt hatte. Dann gehe ich ins SharePoint rein, hole mir dort die Dokumente raus und danach merke ich, okay, da sind irgendwie Bestelldaten drin.
ins SAP und dort noch die Bestelldaten zu dieser Bestellnummer dann rausladen. Das ist dann eigentlich der Case, wo wir dorthin wollen und das bedeutet bei uns natürlich, dass wir eine extreme Bandbreite an Dingen unterstützen müssen. Das heißt, wir müssen natürlich die ganzen Cloud-Tools mitkönnen. Dann gibt es schon noch diese kleinen Wissensdatenbanken, aber ein großes Thema, womit wir uns auch viel beschäftigen, ist, wie kommen wir dann an die On-Premise-Daten,
also Produktionsdaten, große lokale Datenbanken zum Beispiel. auch sowas wie SAP mit einem Assistenten verbinden. Wenn euch das interessiert, können wir uns ja gerne nochmal bei unserem Stand mit austauschen. Der Trick war für uns, irgendwann sind Datenbanken so groß, dass ein Assistent nur noch verwirrt ist, was er jetzt in dieser Datenbank machen soll. Da ist dann der richtige Zeitpunkt, um mal über so Multi-Agenten-Systeme nachzudenken. Das heißt, ich chatte mit einem Projektmanager und der hat eine Sub-KI,
die kümmert sich um Einkauf, der hat eine Sub-KI, die kümmert sich um Produktion und die kennen dann jeweils den Teil der Daten, die für Ihren Bereich relevant sind. relevant sind. Davor ist Multiagenten häufig so ein bisschen Buzzword und wie soll ich sagen, wir sind ja gerne ein Fan von, lass uns erstmal einfach probieren, bevor wir es kompliziert machen. Gehen wir auf das zweite Thema ein, haben auch ein cooles Beispiel dabei rund um Thema Workflows.
Wir haben da einen Startkunden bei uns, mit dem arbeitest du seit drei Jahren zusammen, Lauda, die sitzt in der Nähe von Heilbronn, die machen Kühlaggregate und die haben hier diese schönen Hand... handgeschriebenen Prüfprotokolle,
wo da ein Mitarbeiter dann eben das Ganze mit eintragen muss. Und die haben uns gefragt, hey, können wir KI nutzen, um zu checken, ob irgendwo Fehler in diesen Prüfprotokollen drin sind, ob da irgendwas unplausibel ist. Haben wir gesagt, machen wir, haben wir quasi diese KI oder diese Protokolle quasi gescannelt. auf SharePoint hochgeladen, dann mit einem OCR-Modell bearbeitet. Da ist es super wichtig bei dem OCR-Schritt, dass da kein Fehler passiert,
weil wenn da das Kreuz natürlich schon falsch erkannt wird, hast du natürlich nur noch Müll in deinem Prozess später. Und der Assistent hat das dann ausgewertet und dem Qualitätsingenieur quasi dann die Zusammenfassung geschickt. Fun Fact dort, als sie mir gesagt haben, sie haben jetzt 1200 Regeln geschrieben und sie wollen das mit Gemini auswerten lassen, habe ich ihnen gesagt, das wird nicht funktionieren. Und dann haben sie gesagt,
doch, haben wir schon ausprobiert. Also es ist dann auch für uns immer wieder mal eine Überraschung, was manche KI-Modelle dann schon mit hinbekommen. Man kann hier jetzt natürlich fairerweise verargumentieren, ja die sollen ja einfach iPads nutzen und wer schreibt denn noch handschriftlich in der Produktion? Ich glaube der Punkt war, die haben sich halt zwei, drei Tage die Zeit genommen, um diesen Use Case zu beackern und jetzt halt nicht wieder monatelang überlegt,
wo können wir denn jetzt irgendwie iPads kaufen, wie rollen wir das Ganze aus, wie schulen wir unsere Mitarbeiter, sondern sie sind quasi mit Jenny Ai diese Brücke von sozusagen Vordigitalisierung zu... zu up-to-date irgendwie haben sie gemacht. Das kann man sicherlich dann nochmal gescheit aufräumen. Aber ich glaube, das ist das, was im Mittelstand gerade so fehlt. So ein paar pragmatische Lösungen jeden Tag irgendwie einen Ticken besser werden,
um diesen Stau an Themen irgendwie so ein bisschen abzubearbeiten und quasi nicht wieder das nächste zwei Jahre Cloud-Projekte oder sonst irgendwas zu starten, sondern KI ist dann doch oft so ein Shortcut, um fehlende Digitalisierung mal schnell aufholen zu können und dann hat man vielleicht wieder Zeit, um sich mit den großen Sachen zu beschäftigen. Zweites Thema, was wir gemacht haben, war bei IFM auch sehr, sehr interessant. Da geht es um das Thema Einkauf.
Das heißt, da geht es um das Thema Bestellungen vorziehen. Da haben wir einen KI-Assistenten gebaut, der die Einkäufer unterstützt, quasi diese... Liefervorzüge besser vorzubereiten. Wie sieht das Ganze aus? Der hat quasi aus dem SAP die Daten geladen. Welche Bestellungen müssen wir eigentlich früher bekommen? Der Assistent hat dann quasi schon E-Mails für die Leute vorbereitet, nur noch zum Review. Okay, raus, Und wenn die dann geantwortet haben, geht oder geht nicht,
hat der Assistent das quasi wieder zurückgeschrieben ins SAP. Und damit war man einfach deutlich effektiver unterwegs an dem Case. Hier nochmal die kurze Übersicht dazu. In dem Fall, Sie sind auch meinGPT-Kunden, haben wir dann hier quasi so eine kleine KI-App mit eingehängt für die. Und dort hat man dann eben die Möglichkeit, dort nochmal eben so ein kleines Dashboard zu sehen. Ich glaube, es ist ein super Beispiel dafür,
dass nicht alles Text werden muss, weil wenn ich mich da jetzt einlogge und sage, was steht denn heute an und dann ist es total ätzend irgendwie damit zu arbeiten, sondern dann wieder eine kleine Oberfläche bauen dafür und das irgendwie nutzbar machen. Kommen wir zum nächsten Thema. Wie bekomme ich das Ganze ausgerollt? Wir haben hier diese fünf Stufen mit definiert. Eine Sache, die mir ganz wichtig ist, ich habe die Agents auf Stufe 5 gepackt,
weil dort glaube ich LinkedIn und Realität... sehr sehr weit auseinander gehen. Also man kann sich ja nicht wirklich auf eine Definition einigen, was jetzt überhaupt ein Agent sein soll, ob das jetzt so ein Assistant ist, der lange läuft, ob der im Hintergrund läuft, ob der selber handeln darf und so weiter. Aber was wir gemerkt haben, man muss immer vorher das Vertrauen darin bekommen, ob eine KI denn jetzt das Richtige tut im Normalfall,
bevor ich das irgendwie autonom als Agent oder sowas einsetzen würde. Das heißt, wir fangen dort oft mit so einer Pilotphase an. Wir haben gemerkt, ich nehme ja 15 bis 50 Leute, die sind dann später KI-Champions. Und die nehme ich jetzt mal richtig zur Sache und mache mit denen Prompting-Schulungen, Use-Case-Schulungen für die KI-Plattform ein, dass die sich also gut zurechtfinden können. Ein Mittelständler hat mir mal erzählt, dass er die KI-Paten genannt hat,
weil das so ein bisschen was... verpflichtenderes hat. Also so ein bisschen, du hast danach die Mission, dann auch KI ins Unternehmen mit reinzubekommen. Vielleicht ein ganz nettes kleines Gimmick dafür. Genau, wir gehen typischerweise so vor, dass wir sagen, wir rollen dann KI schon mal zu allen Mitarbeitern aus. Meistens macht man es in Stufen, je nachdem länderübergreifend, je nachdem wie groß man ist, geht dann quasi in die ganz einfachen Integration mit rein,
SharePoint, Outlook, whatever, das ist alles in wenigen Minuten quasi dann mit verbunden und danach fängt man dann an und da wird es dann interessant unsere manche plattform kann sich mittlerweile eigene integrationen bauen das bedeutet die ki schreibt sich selber den code für eine integration für ein system was wir jetzt gerade noch nicht können und das ist glaube ich noch mal so ein richtiger game changer im saas bereich ich
würde es so dynamic saas nennen also dass man in zukunft quasi software kauft die bausteine mit liefert und da sind quasi kai agents mit drinnen die noch dass den letzten kleber sozusagen zwischen mir meinen individuellen bedürfnissen und diesen baustein eben schafft schafft, weil mein Standardsoftware hat dann immer 40 Prozent der Funktionalitäten, die man sowieso nicht braucht und die zwei Sachen, die ich brauche, kann es dann irgendwie gerade nicht so.
Und ich glaube, dass das nochmal so ein richtiger Game Changer wird in dem Thema. Und danach kommen dann bitte erst die Agents. wo ich dann das Vertrauen habe, wo ich die Integration gebaut habe und so weiter. Genau.
Bei uns ist das eben dieses Pilotprogramm, was wir dort mit umsetzen. Da bringen wir dann Plattformen mit, halten Workshops rund um Use Cases, Prompting, machen quasi die KI-Piloten fit, verbinden dort die ersten Daten. Und genau, dann ist es ganz spannend, wenn ihr dann quasi skaliert. Damit ist es immer wichtig, sowohl Breitenadoption weiterzutreiben, als auch tiefen integration also quasi die die Champions wirklich tief ausbilden. Ich glaube, es gibt so eine Falle gerade,
wo wir immer gefragt werden, was sind denn jetzt die Use Cases? Wir machen hier nichts mit KI, bevor ihr mir nicht die Use Cases sagt. Und da kann man sich, glaube ich, mal schön sechs Monate aufhängen als Firma in der panischen Use Case Suche, bevor man jetzt irgendwie was mit KI macht. Und wir sagen dann immer, okay, wir brauchen dieses Pilotprogramm Vorschuss und danach hast du deine Use Cases,
weil ich glaube, man darf oder kann leider nicht das an Externe auslagern, dass sie einem die Use Cases sagen. Also man kann natürlich... coole Beispiele mitliefern, aber irgendwie hat dann doch jedes Unternehmen seine eigenen Problemzonen, ob es gerade der Vertrieb ist, ob es Marketing ist. Und es wäre total unprofessionell, wenn wir sagen, ganz klar, wir kennen schon deine Use Cases, ohne dass ich überhaupt deine Prozesse kenne.
Das heißt, die Mission ist, glaube ich, wir müssen KI-Kompetenz zu den Mitarbeitern bekommen und nicht das irgendwie komplett auslagern, extern Use Cases bauen lassen. Ich glaube, es wird der größte Zukunftsskill irgendwie fürs nächste Jahrhundert, da gut damit umzugehen. Und ich glaube, das ist der einzige Weg. wie das gut funktionieren kann. Wie bringe ich denn jetzt jeden dazu, KI zu nutzen? Ich weiß nicht, wie viele Leute hier auch mit dem Copilot experimentiert haben.
Da sind ja dann teilweise die Zahlen auch etwas enttäuschend, wenn man sich dann anguckt, wie viele tolle Use Cases außer E-Mails oder was auch immer dort quasi mit gefunden worden ist. Wir haben da zwei Dinge. Menschen bringen KI bei und KI bringt KI bei. Das klingt jetzt so ein bisschen Terminator-mäßig, ist aber eigentlich nur der logische nächste Schritt dafür.
auf die Menschen mit ein, was machen wir, intern immer wieder die Champions zusammen bekommen, Use Case Support bereitstellen, also quasi jeder Mitarbeiter braucht hier, du hast eine Use Case Idee, melde dich da bitte, da setzt sich ein Experte mit dir zusammen und baut mit dir mal so einen Assistenten mit auf. Fun Fact hier, der Use Case mit den Prüfprotokollen, der wurde nicht vom Management diktiert. Das sind Use Cases,
die kommen quasi from the ground. Das sind dann so kleine Hands-on-Themen, da kannst du dich nicht mit einem Strategieberater hinsetzen, sondern ich glaube, das sind also ganz ganz viele tolle kleine Ideen von jedem in der Firma und wenn er die Möglichkeit hat, schnell was umzusetzen, auszuprobieren, dann hat man am Ende so einen großen Blumenstrauß davon. Genau, Trainings ist klar und immer wieder einfach diese FAQ-Runden machen, also was hat funktioniert und genauso wichtig,
was hat nicht funktioniert. KI ist kein Magic Bullet oder sowas, es geht genauso darum, warum hat sich das LLM hier so blöd verhalten, warum kriegt es das einfach nicht auf die Kette, das hier richtig zu lesen. da die Erfahrungen zu sammeln und daraus dann natürlich zu lernen. Zwei Dinge, die wir machen, wie KI KI beibringt. Ein Thema ist, wir haben bei uns auf der Plattform einen Prompting-Coach,
der gibt dir quasi konkrete Aufgaben. Im Marketing sollst du zum Beispiel eine Newsletter schreiben und du hast dann quasi eine Aufgabe, du hast deinen Chat-Fan-Signal. und du bekommst rechts Feedback zu deinen Prompts. Und dann sagt er, die Newsletter-Prompt war jetzt eher so ein Alarm, weil du hast nicht geschrieben, was soll da eigentlich rein, wer ist eigentlich deine Zielgruppe für deinen Newsletter und was ist eigentlich der Call to Action,
was soll der Kunde eigentlich damit genau machen. Und mit diesen interaktiven, konkreten Aufgaben haben wir sehr, sehr gute Erfahrungen gemacht. Bei großen KI-Rollouts kannst du ja nicht, wenn du 1000 Leute Richtung KI-Kompetenz bringen willst, die in 10er Gruppen zusammensetzen, sondern du musst halt sagen, hey, das hier ist die Basisschulung und jetzt geht ihr alle mit der KI ins Brainstorming und die führt euch durch, bis ihr das Thema Prompting und KI richtig verstanden habt.
Das zweite, wenn ihr wollt, könnt ihr das gerne an unserem Stand mal austesten, ist unser Use Case Assistant. Das ist ein Sprachbot, der interviewt die Mitarbeiter und baut den... dann fertige Assistenten vor. Das heißt, wir sagen, hey, was nervt dich denn so in deiner täglichen Arbeit? Was frisst denn total viel Zeit? Wie können wir dich da irgendwie unterstützen? Das heißt, die KI baut quasi die Prompts, die Assistenten vor.
Macht glaube ich total viel Sinn, weil das kann sie ja relativ gut. Und unsere Vision ist es, dass ich mich als Mitarbeiter einlogge und ich bekomme quasi eine volle KI-Plattform und keine leere. Da sind schon Assistenten fertig, meine täglichen Prozesse sind da schon mit drinnen. Ich glaube, nur dann macht es quasi richtig spaß damit zu arbeiten. Genau, ein Fazit würde ich hier an der Stelle ziehen. Wir haben immer zwei Richtungen,
die glaube ich super relevant sind als Firma richtig zu treffen. Das eine ist Go Broad. Wie kann ich alle Mitarbeiter dazu befähigen, KI im Alltag zu nutzen und vor allem mal diesen mentalen Change-Prozess zu denken. Ich könnte doch mal hier ausprobieren bei dieser Thematik, ob ich hier nicht mit KI noch einen Ticken schneller wäre. Was braucht es dafür? Ich brauche irgendwie dieses eine Betriebssystem, wo ich diese ganzen Use Cases alle sicher abbilden kann.
Einmal irgendwie Datensicherheit gecheckt, DSGVO gecheckt, ISO Compliance gecheckt und so weiter. Dass ich einfach sagen kann, Leute, da könnt ihr machen, darin was ihr wollt. Und das zweite ist dann das interne Champion Team. Größte Red Flag bei uns ist, wenn ein Kunde sagt, ich möchte KI einführen, aber ich habe keinen intern, der das so ein bisschen pusht. Wir können da extern natürlich viel rumhampeln und tanzen und sagen,
Leute bitte KI nutzen, aber es braucht immer intern... Leute, die das Thema mit anschieben. Wir wissen noch nicht für wie lange, ich denke aktuell so für zwölf Monate ungefähr, wo man sagt, hey, ich mache so ein bisschen internes Marketing, zum Beispiel, was haben wir bei einem Mittelsteller gesehen, den CEO AI Use Case der Woche, der dann irgendwie mit rausgeschickt wird oder halt jede Woche mal eine kleine Aufgabe,
hey, versuch doch heute mal ein Meeting zu transkribieren, versuch doch heute mal irgendwie eine E-Mail schneller zu schreiben oder sowas. Und dann zweite Richtung ist, go deep. Weil klar ist, hiermit werde ich... ja keine Vorteile gegenüber meinen Wettbewerbern haben. Das heißt, wenn ich den Copilot nutze, meine Konkurrenten nutzen den Copilot, da bin ich ja wirklich kein Prozent schneller als die. Das heißt, wie schaffe ich das, in diese tiefen Use Cases reinzukommen?
Thema Nummer eins, wir haben gezeigt, Basic Chat ist super wertvoll. Also der bringt schon was, auch wenn es so basic klingt. Aber natürlich ist die Mission, dann in diese ganzen Integrationen reinzukommen, weil ansonsten bin ich weiterhin, glaube ich, frustriert und schreibe Schimpfwörter in meinem Chat, wenn die KI dann eben wieder nicht gecheckt hat, von welchem Kunden ich hier gerade spreche. Genau, das sind die Slides. Jetzt, genau,
mein Kollege Thore hat ein Mikrofon. Wenn ihr Lust habt, gerne Fragen stellen und schon mal vielen Dank bis zu der Stelle.
Erstmal vielen Dank für den Vortrag, total super. Ich komme von der Hochschule, um hier so ein bisschen zu lernen und mit meinen Studien, wir machen total coole Sachen, macht total viel Spaß und können auch Dinge, die wir vor drei Jahren noch gar nicht konnten, das macht sehr viel Bock. Was mich so ein bisschen umtreibt, was man so auch liest, dass KI demnächst... sehr viel teurer wird. Ich habe auch mit Unternehmen gesprochen,
die haben jetzt ein anderes System, aber das habe ich heute kennengelernt, finde ich sehr cool. Und die sagen mir dann, ja, unsere Entwickler, da sind die token jetzt alle. Und was ist denn eure Strategie? wissen, es wird alles teurer werden. Wir haben auch schon mit lokaler KI rum experimentiert, haben was runterladen und machen. Als Hochschule ist das natürlich super. Habt ihr da schon irgendwie eine Idee, wenn man so die nächsten fünf Jahre kommt,
guckt und dieser Free-Time ist jetzt vorbei und die Party ist over und wir müssen alle jeden Token teuer bezahlen? Also gerade heute wurde Cloud Code aus dem 20-Dollar-Plan rausgeworfen bei Anthropic, deswegen passt es auf jeden Fall ganz gut. Ich bin mir ehrlicherweise ein bisschen unsicher, was dort jetzt dann wirklich mit passieren wird. Es wird ja auch viel argumentiert, dass Energie das große Problem sein wird. Man sieht ja auch sehr viele Hardware-Startups,
die teilweise jetzt LLMs schon quasi auf Netzwerkebene in Hardware reinlöten, um dann quasi maximale Effizienz dort zu bekommen. Ich glaube, dass die Technologie dahinter sehr, sehr schnell viel energieeffizienter wird. Das wäre ein großer Kostenblock. Bis bald. Zweite ist, wir können super dankbar sein, glaube ich, gerade auch als Europa, dass gerade China so viele Open-Source-Modelle noch rausbringt. Kimi 2.6 zum Beispiel ist recht nah an Claude quasi mit dran,
auch mit den agentischen Fähigkeiten. Ich glaube, das ist natürlich so ein bisschen die Notlösung. Also angenommen, jemand würde jetzt im Markt komplett die Preise erhöhen, dann ist natürlich die Frage, bist du noch konkurrenzfähig mit Open-Source-Modellen? Wie gut kannst du das quasi mit betreiben? Ich glaube schon, dass KI gerade noch underpriced ist. Also wenn man sagt, man kriegt quasi... quasi eine McKinsey-Beratung für 4 Cent auf sein Unternehmen,
dann spiegelt das irgendwie nicht so ganz den Mehrwert klar. Auf der anderen Seite, wir sind immer noch in diesem Konflikt mit drin, dass Unternehmen uns sagen, wir wollen maximal 1-2 Euro pro Mitarbeiter pro Monat an KI-Tokens ausgeben. Das kann man dann bei uns auf der Plattform auch alles einstellen, wie viel man denen an KI-Nutzung geben möchte. Wir haben mittlerweile bei uns quasi alle über 200 Dollar pro Monat.
pro Nutzer intern mit Einsatz und ich würde fast schon sagen, wenn du nicht 200 Dollar ausgibst, dann bist du irgendwie nicht so besonders effektiv. Aber ja, ich kann da keine abschließende Meinung geben. Ich glaube, dadurch, dass es doch so viel Varianz in den KI-Modellen gibt, würde ich da so ein bisschen auf den Markt hoffen und wenn man Energie noch mit reinbekommt, würde das für mich logisch dazu führen,
dass KI einen fairen Preis hat. Also dass da keiner komplett abziehen kann mit irgendwelchen preisen weil sonst nicht wettbewerbsfähig ist weil das nächste Modell dann halt schon 5% dahinter ist und dann... Für ein Zehntel des Preises nehme ich dann halt diese 10% Differenz oder sowas mit auf. Aber ja, spannende Frage. Danke fürs Feedback und noch viel Erfolg. Ich komme auf jeden Fall bei euch mal vorbei. Sehr gerne.
Danke.
Also, danke schön, war ein sehr guter Vortrag. Ich habe eine Frage, weil am Ende hast du gesprochen zu den Use Cases. Und ich denke, wir sollten wirklich über die tiefen Use Cases reden. Also ich persönlich bin verantwortlich für einen sehr großen Kunden. Die nutzen die KI von einem sehr großen amerikanischen Anbieter, der auch Copilot anbietet. anbietet und sind, um es kurz gesagt, sehr unzufrieden. Also richtig frustriert desolationiert.
Jetzt wäre meine Frage, wie kommen wir denn zu den richtigen Use Cases, die in die Tiefe gehen und differenzierend auch nachhaltig sind und die sich auch rechnen. Weil das ist ein Punkt, wo dieser Großkonzern sagt, hm, was machen wir denn jetzt?
Also ich glaube der richtige Ansatz ist immer, ich muss quasi Top-Down und Bottom-Up gleichzeitig machen. Das heißt, erst mal Bottom-Up ist das, wo wir uns quasi besonders wohl fühlen, weil wir ja quasi sagen, hey, wir bringen jedem bei, was eine gute Prompt ist und versuchen mal diesen Gedankenanstoß mitzumachen. Ich glaube, da kannst du nur mit echten Use Cases am Ende landen, weil es baut ja keiner in seiner wertvollen
Zeit, wo man sowieso schon viel beschäftigt ist, dann eben keine wertvollen Dinge. Also zum Beispiel sowas wie, hey, jedes Mal, wenn ich eine E-Mail mit... XYZ bekomme, möchte ich, dass die KI da automatisch schon das und das macht. Diese dezentralen Use Cases haben noch diesen spannenden Effekt, dass ich jetzt dann vielleicht tausend Implementierungen habe von dem fast selben Use Case. Also jeder hat sich so einen kleinen Assistenten dafür gebaut und ein anderer einen Assistent dafür.
Das heißt, das wird wiederum die Frage, wie fange ich das dann als Unternehmen dann wieder ein? Also wenn wir gerade Richtung Vibe Coding gucken, also jeder baut sich kleine KI-Apps, kleine Alltagshelferlein. Wer leistet denn dafür den Support, wenn da irgendwie was mal schiefläuft? Und jetzt hat jeder Einkäufer sich so eine eigene kleine Einkäufer-App gebaut. Und das sind dann wieder die spannenden Fragen dazu. Wir haben gemerkt, die tollsten Use Cases kommen dann,
wenn ich, egal ob Produktion, im Office, Mittelmanagement, wenn ich alle Leute einmal wirklich hands-on gezeigt habe, was KI wirklich ist und was das kann. Also ich habe immer noch teilweise so Management-Workshops, wo dann über KI philosophiert wird, bis ich dann einmal frage, hat jemand von euch schon mal eine Prompt geschrieben oder weiß, was da konkret... mit dran hängt und das ist dann mal so ein bisschen erschreckend.
Nee, da hatte ich noch keine Zeit dafür. Ich meine, das ist jetzt drei Jahre her. Also die zehn Minuten sollte man in der Zeit schon mal gehabt haben, glaube ich, um sich damit zu beschäftigen.
Ja und dann, was man noch braucht, ist natürlich Management Buy-in. Also wenn man sagt, ich habe hier mal einen schnellen Assistenten. Also ich schaffe es in zehn Minuten einen Use Case anzutesten. Ich nehme mir ein Modell, ich nehme mir einen Export vielleicht aus einem System. Ich fange nicht gleich mit der Integration an, SAP-Stammdaten. irgendwie raus und lass mal den KI-Agent drüberlaufen und sagen, finde mir mal Duplikate in diesen Stammdaten.
Stammdatenbereinigung, glaube ich, ein Case. Wir sind da manchmal so ein bisschen mit unserem Kunden erschrocken, als der Agent da drüber gelaufen ist und mal gesagt hat, da gibt es ein bisschen Handlungsbedarf. Und ich glaube, danach ist der erste Schritt zu sagen, okay, wie können wir das jetzt institutionalisieren, also quasi regelmäßig laufen lassen, wie gehen wir dann mit den Handlungsempfehlungen um, setzen wir die sofort um, muss da ein Human in the Loop mit rein sein.
Und ich glaube, ganz wichtig ist, wenn so ein KI-Gesetz, Use Case nicht nach 10, 20 Minuten schon mal funktioniert, ist es vielleicht keine schlechte Idee, einfach aufzugeben und den nächsten zu machen. Weil es ist übertrieben frustrierend, wie lange man an einzelnen Use Cases rumdoktern kann und manche springen dich einfach nur so an und funktionieren quasi out of the box. Also dann quasi lieber auf die fokussieren. Letzter Punkt noch dazu.
Manche Unternehmen sagen uns, sie wollen quasi verhindern, dass die Mitarbeiter dann KI privat nutzen oder wollen dann die Bildgenerierung abschalten, weil das ist ja dann nur Spielerei. Ich glaube, man muss zu einem gewissen Grad dieses Spielen erlauben. Also irgendwie muss man ja ein Verständnis dafür bekommen, was geht, was geht nicht, wann schmeißt man das einen Fehler, wann weist das nicht mehr weiter. Natürlich soll der Mitarbeiter da jetzt nicht seine privaten Gute-Nacht-Geschichten damit dann irgendwie bauen auf Ewigkeiten,
aber irgendwie so ein bisschen Zeit, um da mal was zu bauen. Auch ein ganz ehrlicher Fakt, bei Lauda gab es dann auch mal die Phase, wir hatten KI eingeführt. Da wusste er Bescheid. Und dann hieß es auch irgendwann mal, so und jetzt jeder Abteilungsleiter liefert nächste Woche den Use Case ab. Punkt, aus, fertig. Also ich glaube, es ist dann doch auch nicht immer nur spielen und nur Tralala und vielleicht und bitte,
bitte, sondern dann sagt man halt auch mal, Leute, jetzt wisst ihr, wie es geht. Wir haben gemeinsam Assistenten gebaut. Muss nicht gut funktionieren, aber nächste Woche gebt ihr mir jetzt mal so einen Assistenten ab. Punkt. Und dann schaut man sich das mal gemeinsam an, diskutiert das. Ja, mehr kluge Ideen habe ich dazu nicht. Vielen Dank, sehr gut.
Amen. Ich wollte mal fragen, die KI, die Sie nutzen, haben Sie die von Gründe auf selbst gebaut oder auch Modelle, dass Sie auch Modelle nutzen? Und meine Frage ist also, soweit ich da eingestiegen bin, meistens verwendet man ja irgendwelche vorgefertigte Modelle und passt die dann halt noch so ein bisschen an. Aber geht die Tendenz nicht vielleicht auch sowieso dahin, eine KI zu bauen, weil das dann immer leichter und schneller geht?
typischerweise Und auf der anderen Seite habe ich jetzt beim Handelsblatt gelesen, also im Rechtsanwaltsbereich oder so, dass viele gar nicht mehr für die Leistungen so viel bezahlen wollen, weil der Stundenaufwand nicht mehr so hoch ist. Aber auf der anderen Seite, die Kosten doch explodieren. Aber bei anderen Produkten oder so, die dann halt wirklich preiswerter werden, weil der Aufwand an Zeit halt geringer wird. Also zum Thema Modelle,
es wurde ja auch ganz viel darüber gesprochen. Ich möchte jetzt irgendwelche LLMs feintunen. Also man würde eigentlich sagen, niemals Modelle feintunen. Das ist eigentlich immer eine dumme Idee, weil man entkoppelt sich von der Modellentwicklung. Feintunen macht nach der Forschung auch nur Sinn, wenn ich einen Stil reintrainieren möchte, aber niemals Wissen. Also ich versuche eigentlich immer, große Modelle zu nehmen, die da sind, oder das kleinste mögliche Modell zu finden,
was es gut kann, und das dann eben über Toolcalling und Rack und so weiter mit meinen Unternehmensdaten zu verbinden. Niemals feintunen, niemals selber bauen im aktuellen Stand.
Mit dem Thema Recht ist ganz interessant, weil natürlich die großen Modelle sehr viel US-Recht mit drinnen haben. Das heißt, da gibt es in Europa dann wirklich so einen Case, wo du sagst, ich möchte ein neues Rechtssystem quasi mit eintrainieren und würde dann von einem kleinen Open Source Modell anfangen und dann ganz viel europäische Daten quasi mitverwenden. Ein Case, der super lustig ist, wir haben eine Meeting-KI mit auf der Plattform und ein Mittelständler hat unsere KI kaputt geschwebelt.
Der hat einfach so stark mit Dialekt gesprochen, dass quasi dann die Transkription versagt hat. Da haben wir dann auf einen Anbieter gewechselt aus Frankreich, die die KI auf europäische Dialekte feintunen. Da hat das ganz gut funktioniert. Also ich glaube schon, dass wir in Europa immer wieder mal, oder das ist mit einer unserer größten Aufgaben, wir kriegen fancy, shiny neue Technologie aus den USA und jetzt müssen wir uns halt überlegen,
wie kriegen wir das jetzt in den Mittelstand rein. Wir experimentieren da zum Beispiel gerade auch sehr viel mit Open Claw und wie man das jetzt dann bitte sicher machen kann und wiederum in den Mittelpunkt. Mittelstand reinbekommt. Letzter Punkt noch, den sie gesagt hatten, rund um den Wertverlust. Was wir schon merken, wenn du bist jetzt vielleicht ein Eventdienstleister oder Marketing, dann kommen die Leute schon mit den KI-Designs.
Die sagen, du, ich brauche dich gar nicht mehr für das Design, ich habe alles schon fertig, bitte nur noch umsetzen. Und ich glaube, das wird schon echt tough, weil es gar nicht immer den Case gibt, dass der Dienstleister auch viel KI nutzt, weil es immer noch ein Aufwand ist, einfach mit einem Dienstleister zu schreiben. einfach, wenn ich was baue mit einer KI alleine deutlich schneller, als wenn ich jedes Mal dem Dienstleister schreibe,
der mit KI das dann irgendwie mit aufsetzt. Ich glaube, das wird echt nochmal spannend in der Dienstleistungsbranche, wie das dann quasi richtig mit aufgenommen wird. Weil ich sehe nicht den Case, wenn ich eine Webseite mit KI bauen kann oder mit einem Dienstleister, aber mit KI bin ich einfach in 30 Minuten, habe ich schon 10 Iterationen durch, dann toll, dass der Dienstleister auch KI einsetzt, aber dann will ich einfach an der Stelle dann vielleicht nicht warten dafür.
Ich glaube, das wird schon eine große Herausforderungen, wie sich dann so die Wertschöpfung dann dort verändert.
Ich höre leider nichts von...
Dass in Zukunft die Nutzung von Modellen bleibt. Also nicht, dass KI dann halt... Ja, also wenn ich jetzt selbst eine KI entwickeln möchte, ist das ja momentan noch ziemlich kompliziert. Wenn ich Modellen nutze, ist es bedeutend einfacher. Und die Entwicklung geht jetzt nicht dahin,
dass jeder seine eigene KI entwickelt oder so. Nee, nicht wirklich.
Ich bin eher Einzelkämpfer. Wie sieht es mit KMUs aus? Der ganze Aufwand von Euro im Monat pro fünf Mitarbeiter, die im Büro sitzen, oder gar nur ein oder zwei, ist irgendwo Blödsinn. Ganz ehrlich, die sollen lieber dafür sorgen, dass ihre E-Mails weniger werden, Newsletter abstellen.
Ähnliche Geschichten, als dass sie mit irgendwelchen Tools rumwirbeln, wo sie überhaupt nicht geskillt sind. Und wenn man jetzt anfängt, einen Dienstleister zu beschäftigen, der einem das baut, dann sind wir genau in der Webdesign-Falle von vor 25 Jahren. Es sind nicht nur die Zorn-Dollar, die dann wieder als, wie nennt man das, Rundfunkgebühr in die USA fließen. Oder einen Dienstleister, selbst wenn die Modelle Out of Source sind. Dann kommt noch der Schwall dazu,
vor 25 Jahren kostete eine Homepage eine Tausend Euro oder Mark oder wie auch immer. Und jetzt hier, wenn Sie das alles haben wollen und am Ende der Zeit... Und einen Terminkalender kann man natürlich heute online machen. Aber das war es dann auch schon. Das ist eine Software. Ich hatte gestern ein spannendes Gespräch dazu. Da wurde mir so ein bisschen gesagt, hey, vielleicht haben wir in Deutschland einfach zu viel von diesen Office-Mitarbeitern.
Also quasi,
da wurde jetzt das Beispiel gezogen aus China, wo halt jeder Mitarbeiter so ein bisschen alles macht. Also ich mache ein bisschen Marketing und Kundenakquise und ich beschäftige mich einfach mit vielen Dingen und ich glaube, hier ist es schon sehr so, ich habe drei Leute und die machen das und ich habe drei Leute, die machen das. Und mit diesem Enablement würde das bedeuten, dass eigentlich jeder, der da fit ist und was machen kann,
einfach viel mehr oder viele verschiedene Themen auch mit übernehmen kann. Also kann mit der KI vielleicht mal Kundenaktivität... oder so was. Das heißt... Ich vermute, dass das quasi die Richtung sein geht, wo es hingeht, dass quasi jeder letztendlich sich vielseitiger weiterbilden kann und auch viel mehr verschiedene Dinge am Ende mit umsetzen kann. Ob sich das am Ende dann rechnet mit dem Gehalt und Co., das muss man dann natürlich selber für sich dann rausfinden.
Und ja, ich glaube, diese Webdesign-Falle, das ist schon richtig. Also wenn man jetzt KI from the ground up selber baut und irgendwie alles customizt, dann muss man da jeden Monat teure Wartungsdinge bauen, um da einfach... einfach up-to-date zu bleiben. Das haben gerade die ganz Großen, also BMW, Siemens und Co., die haben ja alle interne KI-Plattformen mitgebaut. Und soweit ich weiß, merkt man dann doch auch, dass es ganz schön schwer ist,
dann so eine interne KI-Plattform wirklich so up-to-date zu halten, was jetzt der Rest macht. Und das sind dann doch auch die Fälle, wo man dann auf uns vielleicht zukommt, weil man sagt, ich möchte die Bausteine fertig haben und dann so ein bisschen Customizing on top, vielleicht noch, wenn ich eine große Firma bin. Aber ja, das sind dann die ganz großen Fragen, wie sich da die Arbeitswelt dann weiterentwickelt.
entwickelt dafür.
Okay,
dann vielen Dank nochmal. Wenn ihr Lust habt, noch etwas mehr zu erfahren über unseren Use Case Spot, über wie wir SAP Systeme integrieren können, was unsere Learnings waren mit hartnäckigen Mitarbeitern oder keine Ahnung was, dann kommt sehr gerne bei uns vorbei. Wenn ihr wollt, ihr kriegt gerne noch beim rausgehen eine kleine Tasche mit einem Flyer und unserer künstlichen Teeligenz. Den Witz bin ich ein bisschen stolz drauf.
Also ein Teebeutel dafür. Der meinGPT. Wenn ihr das nicht verpassen wollt, dann nehmt euch sehr gerne so einen Beutel mit. Und ich würde mich sehr freuen, wenn wir uns dann nochmal austauschen auf LinkedIn oder hier auf der Messe. Vielen Dank für eure Aufmerksamkeit.