WEBVTT

00:00:05.660 --> 00:00:08.990
Speaker 1: Willkommen beim Marketer-Drock, dem Podcast der Marketingbörse.

00:00:09.370 --> 00:00:16.630
Speaker 1: Hier erwarten euch spannende Gespräche und Interviews mit Experten aus der Marketing Szene.

00:00:18.150 --> 00:00:19.250
Speaker 1: Heute habe ich Prof.

00:00:19.650 --> 00:00:20.030
Speaker 1: Dr.

00:00:20.350 --> 00:00:21.550
Speaker 1: Bernhard Wecke bei mir.

00:00:21.830 --> 00:00:30.090
Speaker 1: Er ist Professor für Marketing, insbesondere Marketingtechnologie und Digitalisierung bei der EU bei der Internationalen Hochschule.

00:00:30.530 --> 00:00:31.990
Speaker 1: Herzlich willkommen, Bernhard!

00:00:34.270 --> 00:00:36.510
Speaker 1: So, das ist mir wirklich eine große Ehre.

00:00:37.410 --> 00:00:40.230
Speaker 1: Oder du forscht auch oder woran arbeitest du gerade?

00:00:40.910 --> 00:00:43.750
Speaker 0: Ja in der Hochschule hast ja immer so zwei wesentliche Jobs.

00:00:43.850 --> 00:00:59.010
Speaker 0: Das eine ist der Kontakt mit Studierenden in der Lehre aber auch In den Abschlussarbeiten oder teilweise dann auch in der Zukunftsplanung wenn Studierende dann auch mal wissen wollen hey ich hab folgende Konflikte oder Ideen was hältst Du denn davon?

00:00:59.830 --> 00:01:06.310
Speaker 0: Aber natürlich auch in einer Forschung Und das ist auch so ein bisschen der Grund, warum ich nach zwanzig Jahren Praxis nochmal in die Hochschule gegangen bin.

00:01:06.990 --> 00:01:16.090
Speaker 0: Ist nicht nur der Kontakt mit jungen Menschen sondern eben auch die Möglichkeit sich mal länger mit Themen auseinanderzusetzen und da auch tiefer einzutauchen.

00:01:16.930 --> 00:01:31.330
Speaker 0: Und mich hat ja immer in der ganzen vor allem auch Marketingzeit im Konzern fasziniert wie viel Technologie theoretisch am Start war und wie wenig davon letztendlich dann in der Organisation, vor allem danach auch an der Gewinn- und Verlustrichtung angekommen ist.

00:01:32.210 --> 00:01:41.950
Speaker 0: Und das Thema habe ich mir dann vor sechs, sieben Jahren mal geschnappt als die ganze KI-Hype losgingen und zu gucken, was haben wir vielleicht gelernt aus der Vergangenheit?

00:01:42.110 --> 00:01:43.650
Speaker 0: Wie kriegen wir jetzt es bei KI besser hin?

00:01:44.410 --> 00:01:54.790
Speaker 0: Erstes Assessment ist so richtig besser gelingt uns nicht also dass in den Wellen Internet, CRM, eCommerce, Social Media hinbekommen haben.

00:01:54.830 --> 00:01:58.850
Speaker 0: Da haben wir eigentlich ähnliche Herausforderungen und in dem Bereich forsche ich jetzt gerade.

00:01:58.890 --> 00:02:05.950
Speaker 0: vor allem das aktuelle Forschungsprojekt dreht sich um KI-Agenten, vor allem auch aus der Brille von Marketing aber auch genereller.

00:02:07.790 --> 00:02:12.390
Speaker 1: Bernhard, ich habe dir gerade im Vorgespräch gesagt meine Fragen sind immer spontan.

00:02:12.530 --> 00:02:14.450
Speaker 1: Jetzt hab' ich schon wieder fünf Fragen.

00:02:15.070 --> 00:02:19.850
Speaker 1: Das heißt so mit jeder Antwort von dir kommen mir die Fragen.

00:02:19.910 --> 00:02:23.570
Speaker 1: Die erste Frage, du hast gesagt Zukunftsplanung von Studierenden.

00:02:24.050 --> 00:02:40.650
Speaker 1: was sagst du denen wenn sie dir erzählen oder erzählen Sie dir dass es schwieriger wird Praktika zu kriegen in den Unternehmen weil diese Jobs die Studierende zum Teil gemacht haben heute von KI erledigt werden?

00:02:40.810 --> 00:02:41.270
Speaker 1: ist das so?

00:02:41.570 --> 00:02:42.530
Speaker 1: Oder ist das ein Gerücht?

00:02:44.550 --> 00:02:46.850
Speaker 0: Ja, ich finde es gibt da ein diffuses Bild.

00:02:46.910 --> 00:02:50.490
Speaker 0: Was man so liest ist dass immer weniger Juniors eingestellt werden.

00:02:50.710 --> 00:02:55.290
Speaker 0: Es gibt auch Analysen zu Stellenportalen die das nachweisen Stück weit statistisch.

00:02:56.390 --> 00:02:58.830
Speaker 0: Ich sehe aber auch genau eine andere Diskussion.

00:02:59.030 --> 00:03:03.830
Speaker 0: also es ist auch durchaus wenn ich mit Agenturen oder Unternehmen spreche, die haben schon verstanden.

00:03:03.890 --> 00:03:07.730
Speaker 0: Naja, wenn wir heute keine Juniors einstellen, wo kommt denn dann unsere Seniors der Zukunft her?

00:03:07.770 --> 00:03:12.950
Speaker 0: Und wie befruchten wir uns auch mit neuen Ideen und einfach anderen Perspektiven, die die jungen Menschen mitbringen?

00:03:13.410 --> 00:03:20.090
Speaker 0: Deswegen würde ich das grundsätzlich überhaupt nicht so schwarz sehen, wie es vielleicht teilweise auch gemacht wird und überhaupt keiner Angst schürt.

00:03:20.210 --> 00:03:27.270
Speaker 0: Also was ich halt versuche den Studierenden zu vermitteln ist Ihr müsst euch überlegen im Studium, worauf habt ihr Bock?

00:03:27.370 --> 00:03:28.070
Speaker 0: Wo wollt ihr hin?

00:03:28.430 --> 00:03:30.950
Speaker 0: und dann müsst ihr überlegen wie baut der KI in euer Studium ein.

00:03:31.010 --> 00:03:44.990
Speaker 0: Weil die größte Verfügung, die die Studierenden haben ist du kannst heute wenn Du halbwegs clever mit KI-Tools umgehst durch den Studium jetzt nicht sehr gut vielleicht auch nicht gut aber mit einer drei oder vier kommste relativ gut durch Und hast eigentlich nichts gelernt.

00:03:45.210 --> 00:03:51.010
Speaker 0: so und ich versuch den Leuten zu sagen Wenn ihr nur KI bedienen könnt, dann ist genau die Frage.

00:03:51.090 --> 00:03:52.270
Speaker 0: Warum soll euch jemand einstellen?

00:03:52.470 --> 00:03:58.230
Speaker 0: Und ihr müsst für euch schon eure Stärken, eure Kompetenzen rausarbeiten und da gehört die KI-Nutzung absolut dazu!

00:03:58.450 --> 00:04:23.229
Speaker 0: Also das bloß... Es gibt halt viele Situationen wo manchmal erst denken, dann KI nutzen und vielleicht KI nutzten und dann denken auch okay aber denken ist immer Teil des Prozesses und zu überlegen was es denn mein Beitrag nicht liefern kann und ich habe mal auch ein schönes Zitat gelesen Ich weiß leider nicht mehr von wem's is dass das größte Risiko ist nicht dass wir die KI unterschätzen, sondern dass wir uns selber als Menschen unterschätzen.

00:04:23.310 --> 00:04:26.710
Speaker 0: Und ich glaube das zu stärken und zu überlegen was kann ich beitragen?

00:04:27.770 --> 00:04:29.510
Speaker 0: Das ist ein extrem wesentliches Punkt!

00:04:29.570 --> 00:04:46.049
Speaker 0: Und das zweite ist, was wir ja gerade sehen und deswegen forsche ich auch in dem Thema... Naja, also wir hören ja von KI und wenn das was wie auf LinkedIn und überall lesen war wäre dann hätten wir in der Produktivität und in der Qualität Lichtjahre weiter als wir es tatsächlich sind.

00:04:46.469 --> 00:04:52.869
Speaker 0: Das heißt also der Prozess der Anpassung hat noch nicht mal richtig begonnen auch wenn uns das andere glauben machen wollen.

00:04:52.989 --> 00:05:06.750
Speaker 0: natürlich gibt's Ecken in der Welt die da schon deutlich weiter sind keine Frage aber der Prozesse ist trotzdem etwas was jetzt nicht von heute auf morgen sind wir alle arbeitslos überhaupt nicht, sondern gerade jetzt braucht es den Menschen um genau diese Kombination Mensch und Maschine zusammenzubauen.

00:05:06.810 --> 00:05:11.830
Speaker 0: Weil was ich ja auch in der Forschung wahrnehme oder häufig auch in Diskussionen ist immer mensch versus KI.

00:05:11.969 --> 00:05:12.549
Speaker 0: wer ist besser?

00:05:12.690 --> 00:05:13.929
Speaker 0: Und das ist überhaupt nicht die Frage!

00:05:14.049 --> 00:05:16.330
Speaker 0: Die Frage ist wie wird's zusammenbesser?

00:05:17.130 --> 00:05:21.109
Speaker 0: Da ist der Mensch einfach ein wesentlicher Faktor und da würde ich den Studierenden gar keine Angst.

00:05:21.169 --> 00:05:29.890
Speaker 0: Ich versuche sie nur zu fordern und auch in dem in der Lehre mitzugeben dass wir halt eine Regel erst denken anfangen bevor wir mit Kauidholz arbeiten und erstmal uns überlegen was eigentlich überhaupt das Problem?

00:05:29.950 --> 00:05:34.270
Speaker 0: wo wollen wir hin wie sind Strukturen, die wir nutzen können.

00:05:34.330 --> 00:05:37.729
Speaker 0: Damit wir in einer Maschine auch die richtigen Inputs geben können?

00:05:39.150 --> 00:05:42.989
Speaker 1: Du bist leuchtendes Beispiel dafür sein Leben in die eigene Hand zu nehmen.

00:05:43.070 --> 00:05:47.789
Speaker 1: nach zwanzig Jahren Konzern sagt durchgehend die Forschung und interessant ist das Datum.

00:05:47.909 --> 00:05:51.510
Speaker 1: du hast im September zwanziger an der EU angefangen.

00:05:52.150 --> 00:06:00.570
Speaker 1: da war so einfach denkenden Menschen wie mir schon klar ja also Kai is ganz wichtig es ist ja schon seit zehn Jahren ganz wichtig um Maschinenleuninger usw.

00:06:01.450 --> 00:06:12.489
Speaker 1: Aber richtig begriffen habe ich es eigentlich erst im November, als diese Oberfläche von Chatshipity kam und ich plötzlich Antworten eingeben kann.

00:06:12.570 --> 00:06:21.369
Speaker 1: Und das ging nicht nur mir so sondern ganz vielen so dass sie dann begriff haben was KI wirklich ist und du bist derjenige der es früher gemacht hat.

00:06:21.770 --> 00:06:22.869
Speaker 1: Was war der Grund?

00:06:23.890 --> 00:06:26.510
Speaker 1: Dass du gesagt hast, ich gehe raus aus dem Konzern.

00:06:26.609 --> 00:06:27.669
Speaker 1: Ich will in die Forschung

00:06:27.770 --> 00:06:28.049
Speaker 1: rein.".

00:06:28.130 --> 00:06:30.869
Speaker 1: Das war ja noch nicht die generative KI.

00:06:31.010 --> 00:06:35.669
Speaker 1: Die gab es ja zu dem Zeitpunkt zumindestens für mich sichtbar noch nicht so.

00:06:36.989 --> 00:06:38.250
Speaker 0: Nee, die gab's in der Form noch nicht.

00:06:38.289 --> 00:06:42.210
Speaker 0: also der Grund war erst mal... ...zwanzig Jahre Konzernen.

00:06:42.250 --> 00:06:43.270
Speaker 0: Mitte des Berufslebens.

00:06:43.330 --> 00:06:44.810
Speaker 0: was machst Du mit den nächsten zwanzig Jahren?

00:06:45.130 --> 00:06:47.729
Speaker 0: Ich habe super tolle Jobs gehabt in tollen Konzerten.

00:06:47.789 --> 00:06:49.369
Speaker 0: Also das hat mich da wunderbar wohlgefühlt.

00:06:49.429 --> 00:06:56.929
Speaker 0: aber wie gesagt es trägt mich jetzt nicht nochmal zwanzich Jahre und ich hab halt viel Glück gehabt und viel Förderung erfahren in meinem Berufsleben.

00:06:56.969 --> 00:07:02.849
Speaker 0: Und habe gesagt, das ist jetzt der Zeitpunkt in der Mitte mal in die andere Richtung zu gucken und selber zu schauen was kann ich geben?

00:07:03.289 --> 00:07:05.669
Speaker 0: Und eben das Interesse an Themen und warum KI?

00:07:05.869 --> 00:07:07.090
Speaker 0: Das ist relativ banal.

00:07:07.150 --> 00:07:18.250
Speaker 0: Ich hab mich eben also ich komme aus einer... Ich habe die ersten zehn Jahre meines Berufslebens eher so finanzlastig gearbeitet ja und bin erst dann im Marketing-und Vertrieb die zweiten zehn Jahre gewechselt.

00:07:19.109 --> 00:07:23.810
Speaker 0: Und es führt ja schon mal dazu, dass man so ein bisschen anders auf diese Marketing- und Vertriebswelt blickt.

00:07:26.590 --> 00:07:33.770
Speaker 0: Ich hatte keine Vertriebes- und Marketingkompetenz ausgebildet, sondern ich kam eher über einen analytischen Weg.

00:07:34.210 --> 00:07:36.469
Speaker 0: Habe ich mir das Ganze entsprechend erschlossen?

00:07:36.989 --> 00:07:47.789
Speaker 0: Hab Zugang zu Technologien gehabt... ...und eben für den Thema wenn ich keine Ahnung habe, der schlechteste Experte im Team bin, wie führe ich denn diesen Laden?

00:07:48.810 --> 00:07:51.489
Speaker 0: geht es eben darum, wie gestaltig eine Organisation.

00:07:52.530 --> 00:08:03.729
Speaker 0: Und diese Konstellation aus Aufgabe, Technologie, Organisationen und Menschen das zu erforschen, das finde ich halt hochspannend.

00:08:04.109 --> 00:08:08.109
Speaker 0: Dann war natürlich die Frage was mache ich in Rahmen meiner Doktorarbeit?

00:08:09.070 --> 00:08:20.010
Speaker 0: Da kam das Thema KI relativ für mich schon hoch weil wir auch beim letzten Arbeitgeber bei Unity Media Da hat man es noch nicht unbedingt KI genannt, sondern eher BigGator aber ist auch völlig wurscht.

00:08:20.469 --> 00:08:33.190
Speaker 0: Man hatte halt mit Daten angefangen echt coole Use Cases auszuprobieren die wirklich kundenzentriert sind und das Bedürfnis des Kunden erreichen und zwar in der Form dass wir halt einfach Daten möglichst in Echtzeit aufbereiten und so zum Kunden bringen.

00:08:33.230 --> 00:08:34.350
Speaker 0: das ist irgendwie nerviert stiftet.

00:08:35.350 --> 00:08:47.550
Speaker 0: Und da war KI einfach schon für mich frühes Signal wo ich dachte hey da geht jetzt die Reise hin und dann möchte ich dabei sein und da möchte ich genau gucken dass die Organisationen das besser machen als Sie es in der Vergangenheit gemacht haben.

00:08:49.250 --> 00:08:50.330
Speaker 1: Super, toll!

00:08:50.770 --> 00:09:00.950
Speaker 1: Und damit kannst du natürlich deinen Studierenden auch durch deine Personen sehr viel mehr mitgeben weil Du einfach Vorbild bist da drin die Dinge ja in die Hand zu nehmen.

00:09:02.170 --> 00:09:03.910
Speaker 1: Kommen wir mal zum Thema KI-Agenten.

00:09:04.010 --> 00:09:09.610
Speaker 1: das sind ja diejenigen die uns dann arbeitslos machen sollen weil sie alles selber machen können.

00:09:10.910 --> 00:09:17.990
Speaker 1: definieren wir ein bisschen was in KI-Agenten weil da gibt's ja auch wieder unterschiedliche Dinge Je nachdem, ob ich ein E-Commerzler frage.

00:09:18.090 --> 00:09:23.110
Speaker 1: Der sagt KI-Agenten sind Digitale Konsumenten die einkaufen was sie eh nicht tun.

00:09:24.490 --> 00:09:30.930
Speaker 1: Also in Unternehmen ist natürlich die Assistenten auch sind der Mitarbeitenden.

00:09:31.090 --> 00:09:36.010
Speaker 1: Wie definierst du die und wie werden die Begriffe so ein bisschen in Zukunft hoffentlich klarer?

00:09:37.110 --> 00:09:40.670
Speaker 0: Ja also da gibt es noch keine richtig ausgebildete Definition.

00:09:40.710 --> 00:09:45.570
Speaker 0: Das habe ich auch gemerkt in der Forschung, jeder redet von agentischer KI, KI-Assistenten, KI Agenda.

00:09:45.650 --> 00:09:46.850
Speaker 0: Also es geht wirklich vorgewählt.

00:09:46.890 --> 00:09:49.310
Speaker 0: durcheinander ist gar nicht so schlimm.

00:09:49.470 --> 00:10:03.930
Speaker 0: Ich glaube was meine Empfehlung für Unternehmen wäre ihr müsst euch nur Klarheit schaffen auf den Begriffen Was das für euch im Unternehmen bedeutet dass Ihr sprachfähig seid wenn jemand vom KI Assistenten spricht dass das vielleicht etwas anderes als agentische KI ist und damit ihr nämlich immer die gleiche Eben habt auch von der Abspring.

00:10:04.010 --> 00:10:07.630
Speaker 0: des heißt also diese dieses Profade aus der Wissenschaft.

00:10:07.770 --> 00:10:12.010
Speaker 0: Ich definiere erst mal über was ich rede, das kann man sehr gut nutzen und unternehmend.

00:10:12.050 --> 00:10:17.190
Speaker 0: Also wenn ich so reflektiere wie oft wir unterschiedliche Sachen gesprochen haben... ...ich muss nur an den letzten halb Agilität denken.

00:10:17.290 --> 00:10:20.970
Speaker 0: Unter Agilitet hat jeder das verstanden, was ihm gerade genutzt hat in seinem Job ja?

00:10:21.890 --> 00:10:24.730
Speaker 0: Und aber es gab nie ein gemeinsames geteiltes Verständnis.

00:10:25.230 --> 00:10:27.130
Speaker 0: also von daher das ist so der erste Appell.

00:10:27.790 --> 00:10:31.930
Speaker 0: für mich ist es relativ einfach KI Assistent ist komplett reaktiv.

00:10:32.330 --> 00:10:43.350
Speaker 0: da sind wir das was die meisten machen Input Output Ein KI-Agent, der bearbeitet eine Aufgabe unter einer bestimmten Zielsetzung relativ autonom aber noch mit wenig Schnittstellen.

00:10:43.950 --> 00:10:51.610
Speaker 0: Und agentische KI ist dann schon dieses Thema wo mehrere Agenten auf eine höhere Aufgabe hin automatisiert zusammenarbeiten.

00:10:51.930 --> 00:10:57.250
Speaker 0: also das ist so ein bisschen die Unterscheidung und keine Ahnung ob jetzt wissenschaftlich ist.

00:10:57.290 --> 00:11:05.870
Speaker 0: das ist die Unterschaltung die ich im Kopf habe und wie gesagt es geht gar nicht darum um richtig oder falsch man sollte sich halt eine Vornehmung, die dann für eine Organisation handlungsleitend ist.

00:11:07.990 --> 00:11:12.290
Speaker 1: Und was sind konkret die Themen an denen du momentan arbeitest und forscht?

00:11:12.970 --> 00:11:19.690
Speaker 0: Also als ich angefangen habe vor dem Jahr zwei tausend neunzehnten Thema zu forschen war es sehr stark noch der Fokus auf den Thema Pilotierung.

00:11:19.850 --> 00:11:23.050
Speaker 0: also wie kriege überhaupt mal KI-Piloten in die Organisation rein?

00:11:23.950 --> 00:11:35.110
Speaker 0: da sind wir jetzt ein bisschen drüber hinweg und das Kernthema was ich mir jetzt anschaue ist von Pilotierungen zu Scalability und dann eben vor allem zum Commercial Impact.

00:11:35.210 --> 00:11:42.410
Speaker 0: Also wie kriegen wir eigentlich das Ding, dass es auch letztendlich in der P&amp;L entweder im Umsatz oder in den Kosten sich entsprechend niederschlägt?

00:11:42.470 --> 00:11:57.650
Speaker 0: Also eher so der Schritt von Pilot zur Skalierung weil das ist gerade aus meiner Sicht so der Knackpunkt in Organisationen, weil wir sehen ganz viel Innovationstheater und irgendwelche Piloten die halt für Vorstandspräsentationen aufbereitet werden.

00:11:58.610 --> 00:12:02.090
Speaker 0: Und dann wundern sich aber alle, teilweise werden auch schon Strukturen angepasst.

00:12:02.290 --> 00:12:06.110
Speaker 0: Auch vielleicht sogar Menschen entlassen und irgendwie die... wie geht es denn wirklich?

00:12:06.470 --> 00:12:08.090
Speaker 0: Und zwar auf der skalierten Basis?

00:12:08.150 --> 00:12:09.230
Speaker 0: das ist noch völlig unklar!

00:12:09.290 --> 00:12:12.510
Speaker 0: Und dieser Schritt zu gehen, das ist natürlich nicht einfach.

00:12:12.590 --> 00:12:27.470
Speaker 0: ich gucke mir da auch nur eine Perspektive an aktuell also ich guck dir überhaupt nicht technisch drauf sondern ich guckt da rein organisatorisch drauf weil das eben mein Erfahrungshorizont mir sagt dass ist das ist der mindestens gleich große Hebel wie die Technik ist eben die Organisation.

00:12:28.270 --> 00:12:30.010
Speaker 0: Und da schaue ich auf drei Themen.

00:12:30.070 --> 00:12:33.030
Speaker 0: Das ist People, Processes und Governance.

00:12:33.130 --> 00:12:34.970
Speaker 0: Also das ist so der Dreiklang.

00:12:35.790 --> 00:12:39.550
Speaker 0: Schau dir mal die Menschen an, damit KI-Agenten überhaupt ins Laufen kommen.

00:12:39.890 --> 00:12:45.790
Speaker 0: Dann musst du erst einmal – das müssen die einzelnen Menschen auf ihrer Arbeitsebene hinbekommen – dass es der erste Schritt, der zweite Schritt ist.

00:12:46.670 --> 00:12:50.670
Speaker 0: um das irgendwie wiederholbar zu machen, musst du deine Prozesse anpassen.

00:12:50.910 --> 00:12:50.950
Speaker 0: Ja?

00:12:51.190 --> 00:12:51.530
Speaker 0: Du musst….

00:12:51.670 --> 00:12:53.850
Speaker 0: Und das klingt banal.

00:12:53.930 --> 00:12:56.350
Speaker 0: aber vor fünf Jahren haben wir alle Menschen über Daten gesprochen.

00:12:56.910 --> 00:12:58.610
Speaker 0: Jetzt reden die, wenn die Leute mit mir reden.

00:12:59.130 --> 00:13:06.150
Speaker 0: Dann reden sie viel mehr über Prozesse weil sie festgestellt haben Wenn die Prozisse unklar sind dann funktioniert das alles nicht.

00:13:06.770 --> 00:13:13.510
Speaker 0: Dann kommst du nicht in diese Wiederholbarkeit rein und diese zuverlässige Wiederholwahrheit Und kriegst diese Kombination aus Menschmaschine Die was besser macht nicht hin.

00:13:13.650 --> 00:13:18.570
Speaker 0: Da hat ja mal einen CEO gesagt Wenn du ein Scheißprozess digitalisierst hast ein scheißdigitalen Prozess.

00:13:18.710 --> 00:13:19.770
Speaker 0: Genauso ist es mit KI auch.

00:13:20.190 --> 00:13:24.050
Speaker 0: Das Problem ist mit KI noch diskaliert aber die Scheiße und das ist ein echtes Thema.

00:13:24.530 --> 00:13:25.190
Speaker 0: Also aufpassen.

00:13:25.770 --> 00:13:28.690
Speaker 0: Und das Dritte ist Make AI Scalable.

00:13:29.170 --> 00:13:30.230
Speaker 0: Dann brauchst du Governance.

00:13:30.270 --> 00:13:35.630
Speaker 0: Strukturen und Governance sage ich nicht im Sinne von Regulatorik unbedingt, sondern es ist eine Facette.

00:13:35.710 --> 00:13:49.290
Speaker 0: sollen Governance dieses permanente Austarieren zwischen Experiment zulassen Risiken eingehen und auf der anderen Seite aber auch verstehen was sind Dinge die ich jetzt in die Standardisierung in die Skaliere geben muss und welche Anforderungen habe ich dann?

00:13:49.350 --> 00:13:52.990
Speaker 0: Das ist nämlich ganz andere als den Pilotstatus in der Experimentierphase.

00:13:55.470 --> 00:14:01.790
Speaker 0: Die haben meistens eine Governance, die funktioniert halt für alles und das muss flexibilisiert werden.

00:14:01.850 --> 00:14:03.170
Speaker 0: Nur dann kriegst du die Skalierung hin.

00:14:03.210 --> 00:14:07.750
Speaker 0: Das heißt also make AI work, make AI repeatable and make AI scalable.

00:14:07.850 --> 00:14:09.450
Speaker 0: Das ist so der Dreiklang.

00:14:09.890 --> 00:14:11.250
Speaker 0: Aber wie gesagt es ist ein Ausschnitt.

00:14:11.290 --> 00:14:15.970
Speaker 0: Es gibt noch viele Facetten drum herum, die man sich angucken kann aber sonst würde man wahnsinnig werden.

00:14:16.010 --> 00:14:17.150
Speaker 0: deswegen das ist mein Fokus.

00:14:18.230 --> 00:14:22.990
Speaker 0: Und ich glaube alleine darüber kann man schon das organisatorische Problem besser greifen.

00:14:23.030 --> 00:14:29.090
Speaker 0: was tue ich denn eigentlich als Vorstand oder als Marketingleitung, um dieses Ding jetzt ins Laufen zu bringen.

00:14:30.050 --> 00:14:30.910
Speaker 1: Gehen wir mal voraus.

00:14:31.030 --> 00:14:39.830
Speaker 1: Ich habe lauter People-Happig, also alle meinen der Leute sind voll fit die kennen sich alle aus mit KI und sie sind alle völlig begeistert und fangen jetzt an.

00:14:40.110 --> 00:14:52.730
Speaker 1: alle machen Vibecoding und alle Programmieren irgendwelche Assistenten und können da eigenständig machen und ich hab eine Flut von Assistentenergenten Und es ist fürchterlich!

00:14:52.790 --> 00:14:54.010
Speaker 1: Ich habe das überhaupt nicht mehr im Griff.

00:14:54.530 --> 00:14:58.550
Speaker 1: Ist das nicht der erste Punkt dass man da versucht?

00:14:59.990 --> 00:15:13.310
Speaker 1: den Menschen, was du eben gesagt hast auf der einen Seite das Risiko zuzulassen aber dann auch relativ schnell zu bündeln und zu sagen gerade bei der Entwicklung von wichtigen Werkzeugen.

00:15:13.590 --> 00:15:19.110
Speaker 1: Weil das kann ja für eine einzelne Person ein ganz ganz wichtiges Werkzeug sein da muss Struktur rein

00:15:20.270 --> 00:15:20.590
Speaker 0: Absolut.

00:15:22.150 --> 00:15:26.690
Speaker 0: Das ist übrigens erst mal eine gute Voraussetzung, also wenn du eine Organisation hast wo die Leute viel ausprobieren.

00:15:26.850 --> 00:15:39.570
Speaker 0: das ist erstmal für dich ein gutes Zeichen weil du das wahrscheinlich bei der Rahmen der Organisation das zulässt und die Hürden, die Ängste bei den Mitarbeitern relativ gering sind und auch die Kompetenzen schon ein Stück weit vorliegen.

00:15:39.610 --> 00:15:42.290
Speaker 0: Also es ist erstmal heraus viele Unternehmen sind da gar nicht.

00:15:42.890 --> 00:15:45.210
Speaker 0: Die müssen ganz andere Themen bespielen.

00:15:45.270 --> 00:15:47.110
Speaker 0: Es ist dann die Facette People so.

00:15:48.090 --> 00:15:51.870
Speaker 0: Die Fassette geht dann eher in Richtung Prozesse und Governance, nämlich wo du genau schauen musst.

00:15:51.910 --> 00:15:55.250
Speaker 0: Naja also das jeder so mit Karrieren fummelt ist nämlich eines der großen Probleme.

00:15:55.570 --> 00:16:03.070
Speaker 0: Das führt erstmal dazu dass es völlig... Also hoch Risiko behaftet ist weil ich überhaupt nicht mehr weiß wer da was mit welchem Tool wie macht.

00:16:04.970 --> 00:16:07.690
Speaker 0: B lernen alle Unternehmen die so arbeiten.

00:16:08.030 --> 00:16:10.230
Speaker 0: ja also irgendwie werden wir jetzt irgendwie schneller.

00:16:10.870 --> 00:16:11.990
Speaker 0: Ja wir machen mehr.

00:16:12.250 --> 00:16:15.950
Speaker 0: aber Wo is wirklich der finanzielle Output am Ende des Tages?

00:16:16.350 --> 00:16:17.730
Speaker 0: Riesengroßes Fragezeichen.

00:16:18.590 --> 00:16:20.110
Speaker 0: Und dann bleibt genau das Thema.

00:16:20.250 --> 00:16:33.910
Speaker 0: Dann habe ich jetzt irgendwie hunderte von Assistenten in meine Organisation und wie kriege ich die aber in meine Prozesse rein, weil ich brauche sie in meinen Prozessen um dann auf Basis der Prozese letztendlich skalieren zu können, um dann eben in den P&amp;L Impact reinzukommen?

00:16:34.930 --> 00:16:38.250
Speaker 0: Da brauchst du dann das Thema Governance und Prozessarbeit.

00:16:39.250 --> 00:16:45.290
Speaker 0: Beides sind halt leider keine Themen... ... wo du irgendwie großartig Lorbe hat in der Organisation ertest.

00:16:45.350 --> 00:16:46.890
Speaker 0: Also da gehst du jetzt im Thema.

00:16:46.990 --> 00:16:51.250
Speaker 0: und das ist wirklich eine der Hürden, haben mehrere Leute gesagt weißt du für Prozessarbeit?

00:16:51.890 --> 00:16:56.050
Speaker 0: Gerade Marketing, da hat ja erst mal gar keiner Bock drauf... ...und Karriereförderung ist es schonmal gleich gar nicht!

00:16:56.790 --> 00:16:57.910
Speaker 0: Genauso sind sie bei Governance.

00:16:57.950 --> 00:17:02.930
Speaker 0: Bei Governance sind dann etische Regularien durchreiten und Datenschütze und so weiter bespielen.

00:17:03.850 --> 00:17:08.329
Speaker 0: Und da brauchste auch... ganz andere Strukturen und auch andere Kompetenzen in diesen Einheiten.

00:17:08.409 --> 00:17:12.689
Speaker 0: Aber das sind halt Sachen, wo der Business keinen Bock drauf hat.

00:17:12.970 --> 00:17:16.609
Speaker 0: Aber genau die musst du jetzt machen um diese Skalierung hinzukriegen.

00:17:17.290 --> 00:17:28.689
Speaker 0: Und da ist es aber übrigens auf der anderen Seite ein total cooler Spielraum für Menschen, die das hinkriegen, die diese Kompetenz haben zwischen Aufgabe Technik und eben Prozess zu vermitteln.

00:17:28.770 --> 00:17:36.090
Speaker 0: Die müssen es gar nicht immer selber machen, aber diese Sprachen dieser unterschiedlichen Bereiche so zusammenbringen und verstehen wo sind die Menschen, die das zusammenbauen können?

00:17:36.129 --> 00:17:38.370
Speaker 0: Weil das hängt total an den Menschen!

00:17:38.770 --> 00:17:44.649
Speaker 0: Bei jeder Organisation hat in ihrem Unternehmen Talente, die genau diese Aufgabe wahrnehmen können und die müssen gefunden werden.

00:17:44.709 --> 00:17:50.810
Speaker 0: also da gibt's nicht so den einen Ratschlag ihr müsst jetzt unternehmensberatungstechnisch ab... C durchreiten.

00:17:51.490 --> 00:18:00.250
Speaker 0: Ich würde eh sehr vorsichtig sein, was Unternehmensberatungen versprechen weil die sind alle im gleichen Problem aktuell unterwegs und die können vielleicht ein paar mehr Fragen stellen.

00:18:00.389 --> 00:18:08.689
Speaker 0: aber ich würde da jetzt nicht zu viel investieren sondern ich würde mir überlegen wo sind meine Menschen diese Verbindungsglieder in der Organisation?

00:18:10.250 --> 00:18:17.949
Speaker 0: In der Präsentation letztens habe ich die Jörg und Christine genannt, weil es waren zwei Kolleginnen von mir in der alten Organisation für bestimmte Themen einverstanden.

00:18:18.070 --> 00:18:21.790
Speaker 0: Da gibt's nicht richtig oder falsch, sondern jeder hat Talente für eine bestimmte Aufgabe.

00:18:22.590 --> 00:18:31.669
Speaker 0: Und hier brauchst du Talente, die diese Verbindung zwischen diesen unterschiedlichen Sprachwelten auch vom Technikprozess und Business zusammenbringen.

00:18:31.909 --> 00:18:39.709
Speaker 1: Du hast mir gerade ein Stichwort gegeben bei den Unternehmensberatungen, weil das sind ja eigentlich genau die Organisationen wo lauter super schlaue Leute drin sind.

00:18:40.169 --> 00:19:00.310
Speaker 1: Die also alle schon mit KI rumgespielt haben und das Ergebnis bei Accenture war dass Accentsure nichts besseres eingefallen ist als die besonders produktiven sprich diejenigen die besonders viele Tokens verbraucht haben, denen zu sagen ihr kriegt jetzt nur noch neunundzwanzig Euro Standard Accounts.

00:19:00.429 --> 00:19:01.870
Speaker 1: Was hältst du von dieser Entscheidung?

00:19:03.429 --> 00:19:05.929
Speaker 0: Boah kann ich also keinen Sinn machen weiß ich nicht!

00:19:06.090 --> 00:19:18.689
Speaker 0: Also das ist da tatsächlich eine der Herausforderungen gibt vor der man steht dass man jetzt ja euch mein es gibt auch schon die ersten Geschichten die erzählt werden dass man schon Leute rausgeschmissen hat und jetzt feststellen dass die Token-Nutzung viel teurer als Menschen gewesen sind usw.

00:19:19.449 --> 00:19:24.209
Speaker 0: Vor allem auch vor dem Hintergrund muss man überlegen All diese Unternehmen schreiben ja noch rote Zahlen.

00:19:24.750 --> 00:19:32.189
Speaker 0: Das heißt also, wenn jetzt nicht irgendwie Energie signifikant günstiger wird in den nächsten Jahren dann müssen die Preise steigen.

00:19:32.389 --> 00:19:44.169
Speaker 0: das heißt also dass... Wenn ich heute Menschen rausnehmen muss ich immer damit rechnen, dass das was ich jetzt bezahlen muss für meine LRM-Tools und was auch immer ich da nutze es wird eher tendenziell signifikanter als günstig.

00:19:44.830 --> 00:19:52.689
Speaker 0: Also sollte man auch mitdenken Dass ich die Menschen beschneide, zeigte eine gewisse und ich will jetzt gar nicht essential zu nahe treten.

00:19:52.750 --> 00:20:00.050
Speaker 0: Aber das ist natürlich eine absolute Hilflosigkeit weil... Also das ist so ein typischer Konzernregel die mich schon immer wahnsinnig gemacht hat.

00:20:00.290 --> 00:20:09.189
Speaker 0: Das ist so das Stichwort Reisekostenrichtlinie, wo ich halt sage so ja dann du machst jetzt eine Reise kostenrichtlinien und die total beschissen von der reise buchen bis zur abrechnung und dann fragst du deinen CFO?

00:20:09.290 --> 00:20:13.629
Speaker 0: Dann sagt er ja es gibt Leute die bescheißen und dann sag ich naja aber wie viele leute gibts drei im Unternehmen?

00:20:14.230 --> 00:20:19.550
Speaker 0: also du machst ne Regelung die hundert prozenter leute betrifft weil null fünf Prozent der leute bescheiße ist doch kacke.

00:20:19.990 --> 00:20:28.030
Speaker 0: Also guck dir an was is des was großteil der Organisation stützt und für die Einzelfälle positiven wie negativen dann guckt ihr mal an da machen kannst.

00:20:28.110 --> 00:20:36.590
Speaker 0: Aber das absurde solche Regeln einzuziehen zeigt, dass es nicht auf jeden Fall in die richtige Richtung ist.

00:20:36.629 --> 00:20:41.050
Speaker 0: Also pauschal einfach jedem nur noch neunzwanzig Euro zu geben, das ist fatal aus meiner Sicht.

00:20:43.409 --> 00:20:48.409
Speaker 1: Gehen wir mal zurück zu den ganz einfachen Fragen, Agent und Bauen.

00:20:49.129 --> 00:20:57.530
Speaker 1: Da gibt es also irgendwelche Agent-Bilder von auch durchaus deutschen Unternehmen wie NLN oder Langdog.

00:20:58.590 --> 00:21:00.230
Speaker 1: Wie geht man an diese Frage ran?

00:21:02.770 --> 00:21:05.709
Speaker 0: Ja, also das ist tatsächlich da wird schon so ein bisschen technischer.

00:21:05.790 --> 00:21:09.730
Speaker 0: ich beschäftige mich ja auch damit weil ich verstehen möchte wie das ganze Ding funktioniert.

00:21:09.850 --> 00:21:19.850
Speaker 0: Ich bin dann natürlich nur wirklich endgleich eins und ich tue mich gar nicht so einfach damit mehrere Dinge aus unterschiedlichen Tools miteinander zu verknüpfen, wie mir das suggeriert wird.

00:21:19.909 --> 00:21:25.310
Speaker 0: Wenn ich in irgendwelchen Online-Sessions bin, wo dann schnell gezeigt habe, guck mal, dann verbinde ich hier und verbinde da.

00:21:25.909 --> 00:21:38.169
Speaker 0: also deswegen ist schon was, wo ich empfehlen würde sich tatsächlich wenn man so wie ich eher mittelmäßig talentiert unterwegs ist dass man sich da entsprechend ausbildet auf dem Thema.

00:21:38.350 --> 00:21:44.570
Speaker 0: ja weil ich glaube sonst Sonst hat man ein Problem mit KI, was man übrigens ganz viel mit KI hat.

00:21:44.750 --> 00:21:49.409
Speaker 0: Du kriegst halt ... du kannst dich damit stundenlang beschäftigen, wenn du überlegst... Was ist die Aufgabe, die ich eigentlich lösen will?

00:21:49.449 --> 00:21:53.649
Speaker 0: Hätte ich schneller gewesen, hätte ich es direkt gemacht und dann kann man immer noch sagen na ja dafür haste bisschen KI gelernt.

00:21:53.730 --> 00:21:55.010
Speaker 0: okay keine Frage.

00:21:55.090 --> 00:22:00.629
Speaker 0: aber da würde ich schon schauen wie kann ich mich da vernünftig ausbilden?

00:22:01.010 --> 00:22:02.389
Speaker 0: Wie sehen diese Schnittstellen auch?

00:22:02.429 --> 00:22:03.850
Speaker 0: etwas passiert da auch mit meinen Daten.

00:22:03.909 --> 00:22:04.370
Speaker 0: also das wird ja.

00:22:04.510 --> 00:22:06.310
Speaker 0: da sind ja schon gleich ganz viele Fragen dabei.

00:22:06.649 --> 00:22:09.750
Speaker 0: wo gebe ich eigentlich meine Daten hin und wer redet da mit wem?

00:22:10.470 --> 00:22:11.810
Speaker 0: Also das ist was, wo ich schon glaube.

00:22:11.850 --> 00:22:16.409
Speaker 0: Da braucht es aktuell absolut Ausbildung und da gibt's jetzt auch schon gute Ausbildungen dahinter.

00:22:16.570 --> 00:22:34.689
Speaker 0: Ich würde halt schauen dass man sich Ausbildung in sucht die die Soße gestaltet sind, dass man die Dinger selber bauen muss In Praxis Und nicht dass einem jemand sagt in der Theorie so habe ich das gemacht Sondern dass man selber tun muss und dann aber vor allem eben auch Die ganzen Downsides mitgibt oder die Risiken aufzeigt.

00:22:34.730 --> 00:22:35.689
Speaker 0: Das ist extrem wichtig!

00:22:35.770 --> 00:22:38.330
Speaker 0: Das ist nicht eine Verkaufsveranstaltung sondern das ist etwas KI.

00:22:39.669 --> 00:22:41.669
Speaker 0: ganz viele Chancen, KI-Agenten.

00:22:42.290 --> 00:22:48.290
Speaker 0: Superviele Möglichkeiten aber sich auch immer zu überlegen was sind die Themen die ich mitdenken muss?

00:22:48.409 --> 00:22:52.730
Speaker 0: Da ist halt Ethik und Datenschutz eins aber es sind halt auch die Menschen in Organisationen die ich mir denken muss.

00:22:53.750 --> 00:23:01.790
Speaker 0: Was macht das mit den Menschen und wie kann ich die eigentlich entsprechend befähigen dass sie das Ding dann auch letztendlich gut umsetzen?

00:23:01.830 --> 00:23:04.970
Speaker 0: und wie du vorher gesagt hast da eher zu viel Euphorie herrscht als zu wenig?

00:23:05.090 --> 00:23:08.470
Speaker 0: und das is gar nicht so Häufig der Fall, dass zu viel Euphorie ist.

00:23:08.530 --> 00:23:09.449
Speaker 0: Also eher wurscht wir gucken...

00:23:12.709 --> 00:23:16.490
Speaker 1: Da sind wir uns absolut einig, eher so wenig Euphorie das ist schon richtig.

00:23:16.610 --> 00:23:23.370
Speaker 1: aber gleichzeitig muss man auch wieder schauen welche Unternehmen es sind vorne und wie gehen die ran?

00:23:23.470 --> 00:23:24.649
Speaker 1: Welche Ansätze gibt es?

00:23:24.730 --> 00:23:31.790
Speaker 1: Es gibt sehr viele Unternehmen die sagen naja wir haben den Microsoft Copilot und setzen voll auf Microsoft.

00:23:31.889 --> 00:23:47.909
Speaker 1: Und natürlich sowohl Microsoft als auch Google, als auch OpenAI, als ein Tropic bieten Rahmenverträge für Unternehmen wo sie garantieren dass keine Daten abfließen und das eben alles so ist wie das Unternehmen sich das wünscht.

00:23:48.330 --> 00:23:56.470
Speaker 1: aber trotzdem bleibt eben die Frage Ist es sinnvoll sich an im Moment überhaupt zu binden oder einen Akteur sehr stark?

00:23:58.889 --> 00:24:01.149
Speaker 1: Was ist da deine bisherige Erfahrung?

00:24:01.270 --> 00:24:07.310
Speaker 1: oder was sind deine Beobachtungen in anderen In-Unternehmen, wie gehen die derzeit vor?

00:24:09.409 --> 00:24:12.030
Speaker 0: Also ich glaube es gibt... Ich nehme zwei Richtungen wahr.

00:24:12.470 --> 00:24:20.449
Speaker 0: Die eine ist und die is gar nicht so falsch weil also was mir die Experten zu Tools sagen ist eigentlich egal welches Tool du gerade nutzt.

00:24:21.389 --> 00:24:32.010
Speaker 0: Der ist also... Neun neunzig Prozent deiner Use Cases kannst du eigentlich machen egal welchen Tool gibt es da wieder die Entwicklung, wenn du immerhin und her springst wirst du in der Küche konzentriertlich auf einen Tool.

00:24:32.350 --> 00:24:35.550
Speaker 0: Aber das ist jetzt das andere was man mitdenken muss.

00:24:36.310 --> 00:24:51.350
Speaker 0: wie baue ich die Schnittstelle dass ich die Tools auch relativ einfach wechseln kann weil dieser Log-in Effekt den zumindest das war was ich im Markt höre und das finde ich sehr glaubhaft ist sagen das musst du maximal versuchen zu vermeiden genau aus dem Grund was sich gesagt habe.

00:24:52.070 --> 00:24:58.810
Speaker 0: Die Firmen schreiben alle noch keine Gewinne bis zu Billionen investiert und das Geld muss zurückfließen.

00:24:58.970 --> 00:25:10.669
Speaker 0: Und dann wird irgendwann letztendlich die Breitschraube nach oben gehen, wenn du eine zu hohe Abhängigkeit hast in deiner Organisation, dann hast du ein fatales Risiko hier reingeholt.

00:25:10.709 --> 00:25:28.149
Speaker 0: Deswegen ist es tatsächlich eher technologische Frage, die man sich anschauen muss wie baue ich meine Infrastruktur so dass ich eine möglichst große Flexibilität habe aber dennoch kurzfristig mit mittelfristig den Nutzen der Tools auch ziehen kann.

00:25:30.750 --> 00:25:34.610
Speaker 1: Bernhard, ich muss ein bisschen lächeln weil du hast vorhin so die Vergangenheit auch gebracht?

00:25:34.669 --> 00:25:50.610
Speaker 1: Du hast ja auch schon eine Weilerfahrung das heißt hast mitbeobachtet wie Google erst einen Menschen glücklich gemacht hat mit ihrer Organicsuche die gesagt haben Ich glaube Zalando war das Die haben voll auf Organic gesetzt und haben gesagt wir brauchen gar kein Paid.

00:25:51.110 --> 00:25:53.970
Speaker 1: Dann kam Social Web und die gleiche Geschichte.

00:25:54.449 --> 00:26:03.169
Speaker 1: Alle haben reininvestiert, alle haben Teams aufgebaut weil Organics sehr gut funktionierte und immer mehr werden die Daumenschrauben angezogen.

00:26:03.649 --> 00:26:08.449
Speaker 1: Und ich muss bezahlen egal ob bei Google oder beim Mieter muss sich bezahlen.

00:26:08.590 --> 00:26:21.189
Speaker 1: ist das nicht eine Vorlage jetzt für die KI Companies es genauso zu machen erst mal alles gratis dafür zu sorgen dass die Unternehmen süchtig werden und in dem Moment wo sie an der Nadel hängen Preis zu erhöhen.

00:26:22.490 --> 00:26:23.050
Speaker 0: Ja, total.

00:26:23.110 --> 00:26:28.230
Speaker 0: und das ist ja nicht nur sage ich mal auf der internen Perspektive sondern auch auf der Performance Marketing Perspektiven.

00:26:28.310 --> 00:26:29.830
Speaker 0: also es ist ja auch das gleiche Spiel wieder.

00:26:30.310 --> 00:26:31.270
Speaker 0: wo sind die Konsumenten?

00:26:31.330 --> 00:26:39.330
Speaker 0: Die konsumenten wandern in die LLM Modelle rein da wird die Werbung geschaltet da müssen dann letztendlich die Unternehmen sein.

00:26:39.449 --> 00:26:45.290
Speaker 0: Dann brauchen sie ihr Geo und ihre Performance Marketing Budget was Sie da entsprechend investieren und ausgeben müssen.

00:26:45.370 --> 00:26:49.449
Speaker 0: Also das Spiel läuft genau gleich ... eine bessere Antwort habe ich allerdings auch nicht.

00:26:49.870 --> 00:27:03.290
Speaker 0: Das ist letztendlich das Thema, da wo die Kunden sind... Da musst du halt sein und da ist der Einfluss eines einzelnen Unternehmens natürlich viel zu geringen um das letztendlichen beeinflussen zu können.

00:27:04.490 --> 00:27:08.590
Speaker 0: Die Frage ist eben immer was es meine Schnittstelle und welche Abhängigkeiten baue ich mir?

00:27:08.730 --> 00:27:15.010
Speaker 0: Und wie bekomme ich, behalte ich mir größtmögliche Flexibilität um dann auch meine Budgets sinnvoll einsetzen zu können?

00:27:15.090 --> 00:27:18.510
Speaker 0: aber da ist natürlich das einzelne Unternehmen Echt gefangen.

00:27:18.790 --> 00:27:22.330
Speaker 0: Aber es ist spannend, weil's geht jetzt in Maschinenmarketing rein.

00:27:22.409 --> 00:27:37.970
Speaker 0: also wenn der Agent mit dem Agent macht... Also ich freue mich ja schon, wenn ich meinen Telekommunikationsvertrag oder meine Versicherungen meinem Agenten übergeben kann und sagen kann du einmal ja fixe da bitte einmal durch Und dann kannst du auch mit dem Agenten von EON oder wem auch immer sprechen und ihr handelt an den Preis aus.

00:27:38.030 --> 00:27:39.070
Speaker 0: Das sind meine Rahmenbedingungen.

00:27:39.129 --> 00:27:39.689
Speaker 0: fertig, tschüss!

00:27:40.449 --> 00:27:41.870
Speaker 0: Also das ist ja die nächste Reise.

00:27:41.929 --> 00:27:47.429
Speaker 0: wie sich das entsprechend entwickelt müssen wir uns auch darauf vorbereiten gerade Marketing, wie wir dieses Spiel spielen.

00:27:48.490 --> 00:27:54.810
Speaker 1: Bleiben wir mal bei den Assistenten, die von den meisten Unternehmen auch als KI-Agenten bezeichnet werden.

00:27:55.850 --> 00:27:57.949
Speaker 1: Was sind Beispiele, die dir einfallen?

00:27:58.110 --> 00:28:15.230
Speaker 1: Von Unternehmen, die konkrete Assistentin bereitstellen für konkrete Aufgaben, die also definiert sind wo ich sage Ich benutze denen, ich benutze das Für eine Powerpoint Folienerstellung oder so Oder arbeitet jeder Mitarbeitende immer alleine?

00:28:19.010 --> 00:28:22.189
Speaker 0: Ja, also meine Wahrnehmung wäre das ist sehr viel alleine.

00:28:22.810 --> 00:28:25.110
Speaker 0: Also jeder hat so seine eigenen Welten geschaffen.

00:28:25.169 --> 00:28:38.050
Speaker 0: natürlich gibt es in den Organisationen dann eigene Chat-Tools die genutzt werden und deswegen arbeiten alle mit einem gleichen Tool aber sehr durchaus sehr isoliert sehr in der Input Output Variante.

00:28:38.649 --> 00:28:41.189
Speaker 0: Hauptthema ist natürlich Content Erstellung im Marketing.

00:28:41.270 --> 00:28:50.510
Speaker 0: aktuell ist sicherlich das größte Thema was auch wieder für die Zukunft total gespannt wie das weitergeht mit dem Content Zeugs, weil das ist ja die Differenzierung.

00:28:51.149 --> 00:28:52.230
Speaker 0: Wie stellen wir uns als Marke da?

00:28:52.350 --> 00:28:54.669
Speaker 0: Da sind total viele spannende Entwicklungen zu erwarten.

00:28:55.610 --> 00:29:03.909
Speaker 0: Also dieses Thema KI-Assistenten ist genau dass es hilft mir so ein bisschen im täglichem Business kann mich auch mal schneller vielleicht sogar auch mal besser machen.

00:29:04.449 --> 00:29:08.929
Speaker 0: Solange es aber unverbunden ist, ist so die Wirkung überschaubar.

00:29:08.990 --> 00:29:18.830
Speaker 0: Das heißt dann nutzt sich das eben für Recherche Tätigkeiten wenn man irgendwie was weiß ich, was sind die aktuellen Trends auf Social Media keine Ahnung oder eben Content-Erstellung.

00:29:19.790 --> 00:29:21.429
Speaker 0: Oder CO-Analysen.

00:29:21.590 --> 00:29:28.949
Speaker 0: also da kann man schon punktuell ganz gut mitarbeiten aber der Schritt der führt halt meistens dann zu.

00:29:29.310 --> 00:29:37.149
Speaker 0: Ich könnte mir vielleicht zum Freitag Nachmittag frei nehmen für etwas anderes Aber solange ich nicht weiß was das andere ist verpufft es Ganze auch wieder.

00:29:38.050 --> 00:29:42.290
Speaker 0: Deswegen würde ich dann schon immer gucken, wie können wir zumindest mal den nächsten Schritt gehen.

00:29:42.850 --> 00:30:02.689
Speaker 0: Dass wir KI-Agenten nutzbar machen die dann schon Aufgaben vollumfänglich bearbeiten oder zumindest zu achtzig, neunzig Prozent arbeiten das da wirklich ein Fortschritt ist und dann so eine Content Erstellung einfach schon automatisiert läuft und nicht in diesem Input Output Spiel weil bin ich weiß nicht wie es dir geht Ich finde total furchtbar und ermüdend.

00:30:02.850 --> 00:30:15.110
Speaker 0: Also so wie wir jetzt in diese Chatchi-BT-Welt reingeboren sind, die ist für mich persönlich kaum noch zu ertragen weil man mit Content zugemüllt wird... ...und man am Ende des Tages gar nicht mehr weiß was habe ich jetzt für Bilder generiert?

00:30:15.149 --> 00:30:16.550
Speaker 0: Was hab' ich für eine Powerpoint präsentiere?

00:30:17.110 --> 00:30:17.850
Speaker 0: Was habe ich denn für Text

00:30:17.909 --> 00:30:18.310
Speaker 0: generiert?!

00:30:18.770 --> 00:30:20.030
Speaker 0: Weil es viel zu viel ist!

00:30:20.590 --> 00:30:34.389
Speaker 0: Und das sich organisieren zu lassen und dann aber die Zeit zu nutzen, die wirklich mit den Outputs zu arbeiten und nicht in diesem permanenten Ping-Pombo oder wieder der Memory nicht funktioniert und zu arbeiten, dann würde ich schleunigst versuchen rauszukommen.

00:30:36.209 --> 00:30:37.110
Speaker 1: Abschlussfrage?

00:30:37.610 --> 00:31:00.490
Speaker 1: Wird das eventuell so sein dass also Mitarbeitende die bisher reine Manager waren ohne Führungsverantwortung, dass sie jetzt Führung verantwortungen für KI-Agenten bekommen oder noch ein Schritt weiter, dass wir sogar Multiagentensysteme haben wo es einen KI-Agenden gibt der zuständig ist für die Koordinierung meiner KI-AGENTEN.

00:31:01.270 --> 00:31:05.070
Speaker 0: Absolut, also das ist auch ein ganz spannendes Thema.

00:31:05.889 --> 00:31:27.610
Speaker 0: Alle werden zur Führungskräften und die Use-Cases, die ich bisher kenne, ist schon auch dass die KI-Agenten, die gebaut werden, schon auch mit Personalakten, mit Charakteren gebaut werden und damit natürlich auch tatsächlich für den Spezialisten der KI-Agenden oder KI-agentensysteme managed eine Führungsaufgabe darstellt.

00:31:28.570 --> 00:31:30.250
Speaker 0: Das ist ein großes Thema.

00:31:30.909 --> 00:31:43.270
Speaker 0: Führungskräfte als KI-Agenten macht total Sinn, weil wenn ich nachher zu viele Agenten habe dann muss ich ja doch wieder alles zusammenbinden als Mensch und damit hab' ich eigentlich gar keine Entlastung vielleicht sogar mehr Arbeit.

00:31:43.310 --> 00:31:52.310
Speaker 0: Das heißt die...wenn man in so einem Content Erstellungsprozess ist von welchen Contents will ich eigentlich meinen Kunden auf Social Media präsentieren?

00:31:52.330 --> 00:31:54.629
Speaker 0: ... dann muss ich diese Content aufbereiten.

00:31:55.090 --> 00:31:57.270
Speaker 0: Dann muss ich mir überlegen, was sagen meine Kunden dazu?

00:31:57.389 --> 00:32:10.290
Speaker 0: Dann kann ich ja schön über Personas und digitale Zwillinge... ... kann ich dann meine Content bewerten lassen, feinschleifen,... ...dann gebe ich das an quasi meine Performance-Marketingagenten... ...und am Schluss muss ja noch jemand drüber gucken und sagen Haken dran, passte soweit!

00:32:11.330 --> 00:32:13.970
Speaker 0: Und auch das kannst du heute schon ein Stück weit automatisieren.

00:32:14.490 --> 00:32:17.050
Speaker 0: Nichtsdestotrotz musst du auch da wieder jemand drüber haben.

00:32:17.129 --> 00:32:19.850
Speaker 0: Ja und der führt dann vielleicht sogar vor allem eine Führungskraft.

00:32:20.149 --> 00:32:21.350
Speaker 0: Eine agentische Führungskraft

00:32:21.949 --> 00:32:24.530
Speaker 1: Bernhard, herzlichen Dank für all diese Einblicke.

00:32:24.970 --> 00:32:28.669
Speaker 1: Da merkt man da spricht jemand der viel Erfahrung hat.

00:32:28.750 --> 00:32:28.990
Speaker 1: Danke!

00:32:29.350 --> 00:32:29.590
Speaker 0: Das

00:32:32.409 --> 00:32:34.230
Speaker 1: war's auch schon mit der heutigen Episode.

00:32:34.470 --> 00:32:42.169
Speaker 1: wir hoffen natürlich dass ihr euch gefallen habt und würden uns sehr gerne über eine Bewertung freuen wenn ihr keine Folgen verpassen wollt.

00:32:42.330 --> 00:32:46.850
Speaker 1: abonniert gerne den Marketer Talk der Marketing Börse in diesem Sinne.

00:32:47.409 --> 00:32:51.310
Speaker 1: vielen dank fürs zuhören und bis zum nächsten mal.