# Strategic AI Integration for Legal Tech CTOs

**Podcast:** Becoming CTO Secrets
**Published:** 2026-02-03

## Transcript

Hallo und herzlich willkommen zu Becoming CTO Secrets, dem Podcast über den Weg vom Entwickler zum strategischen Tech Leader mit echten Geschichten, Learnings und Insights von CTOs.
Ich bin Philipp Deutscher, externer CTO, CTO-Coach und Unternehmer.
Und bevor wir starten, ein kurzer Hinweis in eigener Sache.
Als CTO-Coach begleite ich Tech Leader auf dem Weg zu mehr Verantwortung, Klarheit und Wirkung.
Und in der Becoming CTO-Community treffen sich jede Woche über 50 CTOs und angehende Führungskräfte zum Austausch auf Augenhöhe.
Wer tiefer einsteigen will, der Link dazu ist in den Shownotes.
Und mein heutiger Gast ist Andreas Engler und er ist auch Teil der Becoming CTO Community.
Ist CTO, ist Managing Director, CISO und keine Ahnung, was noch alles, werden wir gleich uns darum kümmern, bei Flightright.
Er ist ein Physiker mit Tech-Tiefgang.
Er ist Systemdenker und er ist das, was ich als AI-Realisten bezeichnen würde.
Andreas bringt eine seltene Kombination mit aus unternehmerischem Denken, technischer Exzellenz und natürlich dem analytischen Blick.
Und in dieser Folge sprechen wir über die Rolle des CTO als Brückenbauer, den Hype rund um AI und wie man trotz aller Buzzwords einen kühlen Kopf bewahrt.
Andreas, herzlich willkommen.
Ja, danke dir Philipp für die warmen Worte und die Möglichkeit, mich ein bisschen mit dir auszutauschen.
Sehr gut.
Ja, was natürlich niemand weiß, wir haben das Ganze ja schon mal gemacht und das ging natürlich aus technischen Gründen ziemlich in die Hose.
Deswegen mussten wir das heute oder werden wir das jetzt heute noch viel besser machen als die andere Folge, die leider niemand hören wird.
Werden wir das Ganze nochmal starten.
Andreas, nimm uns doch mal mit.
Wie bist du CTO geworden?
Was waren die letzten prägenden Stationen auf dem Weg dorthin?
Ja, CTO.
Bei mir hat es angefangen tatsächlich in der Kindheit.
Technisches Interesse, immer irgendwie so, wie funktionieren technische Dinge.
Mein erstes Computer zusammengebaut.
Natürlich auch Computergaming zu der Zeitpunkt noch eine große Rolle gespielt.
Und dann angefangen so über die Physik, ja, immer mehr und mehr.
diese technische Tiefe zu bekommen.
Da auch dann später das Physikstudium dann angeschlossen.
Aber eigentlich das Programmieren nie in den Vordergrund gestellt, sondern Informatik immer nebenbei mitgemacht.
Ich habe nicht mal irgendwie an der Uni einen Kurs für Informatik belegt, sondern Programmieren habe ich mit 16 oder so angefangen.
Selber noch mit Turbo Pascal damals.
Später dann mit C, C++.
Also objektorientierte Programmierung reingegangen, hat das eigentlich immer so Mittel zum Zweck für mich gesehen, dass ich damit ja Arbeitsabläufe vereinfachen kann.
Für mich mathematische Auswertungen an der Uni zum Beispiel vollautomatisch schon mal im Praktikum wegrechnen lassen kann.
Ganze Fehlerrechnung am Palm damals.
Kennt man auch diese Palm-Computer mit schwarz-weißem Display noch gemacht.
Und dann ging es eigentlich eher so in die Manager-Laufbahn nach dem Studium, aber immer diesen technischen Fokus oder die Technik als möglichen Enabler, um höhere Effektivität oder Effizienz in der Firma zu erreichen, mitgehabt.
Und da war auch immer so ein bisschen dieser Entrepreneur-Gedanke schon bei mir dabei gewesen.
Meine erste Firma habe ich mit 18 ausgegründet.
Das hat mich dann auch immer so ein bisschen mit begleitet, mein technisches Interesse in der Firma.
Ich hatte meine Firma für Renderings in Unreal Grafik zum Beispiel für Architektur oder mit irgendeinem VR-Headset dann durch ein virtuelles Gebäude gehen konnte, was für die Architekt natürlich gut war, aber insbesondere für die möglichen Käufer des Objekts.
Und darüber dann halt immer mehr und mehr mich rausgeschält auf der Manager-Ebene halt auch in die Richtung eines Chief Technical Officers oder Chief Digital Officers oder Chief Information Officers.
Und das wurde dann mehr und mehr machbar, als dann bei Ergo die Direktorenstelle für ein Spin-Off frei geworden ist, also ein Start-Up innerhalb einer Corporate.
Das war Nexable.
Und dort dann erst Director Operations, dann später Director Engineering mit einem eigenen Development Team angefangen.
Und dort gab es keinen CTO.
Also es war die höchste Tech-Rolle, die in der Unternehmung halt bestand.
Und mein eigenes Software-Team dann angefangen aufzubauen.
Und dann später die Managing Director Stelle im Energiesektor bei Vantago.
Und dann halt jetzt die CTO-Rolle bei Flightright.
Die im Endeffekt sehr stark und gut diese technische Innovationskraft mit Business-Mehrwert, echtem Business-Mehrwert schaffen kombiniert.
Und so mag ich das eigentlich auch tatsächlich am liebsten.
Gut.
Witzigerweise, Turbo Pascal hast du gesagt, hast du mit angefangen.
Ich tatsächlich auch.
Wer kennt denn heutzutage noch Turbo Pascal?
Also das sind ja auch nur die, die es damals benutzt haben.
Du hast ja selber gesagt, du hast Physik studiert und wie hat das trotzdem deine Rolle als Tech Leader geprägt?
Oder ist das einfach nur eine Anekdote aus dem Lebenslauf und tatsächlich hat es dann auf das, was du in den Unternehmen machst, hat das tatsächlich keinen Einfluss?
Das hat massiven Einfluss aus meiner Sicht, insbesondere jetzt in der aktuellen Diskussion rund über künstliche Intelligenz, Machine Learning, Data Science.
Physik ist Data Science.
Es geht immer um die Auswertung, Beobachtung von einem Experiment in der Physik und ableitend aus dem Experiment dann eigentlich ein entsprechendes Regelwerk, was das nächste Experiment beschreibt.
Also eigentlich ein Forecast.
Wenn das komplett deterministisch ist, toll, dann reden wir von einem normalen Algorithmus.
In dem Moment, wo es aber eine Beobachtung von statistisch komplexen Systemen ist, ist es dann natürlich genau das, was jetzt unter Machine Learning oder AI passiert.
Matrizensysteme, Vektorensysteme.
Und da habe ich damals mit Fortran 77 noch die ersten Determinantenberechnungen gemacht.
Und alles das ist natürlich Gegenstand jetzt in einem Transformer-Model und das, was eigentlich ein Credit-Boost-Tree-Algorithmus im Hintergrund natürlich dann auch macht.
in der mathematischen Ausführung.
Das hilft mir jetzt noch, Paper zu lesen, aktuelle Wissenschaftspaper, die halt rauskommen und auch wesentlich besser, als wenn ich das nicht gemacht hätte, einzuordnen, wenn irgendwie jetzt über aktuelle technische Errungenschaften und Verbesserungen gerade jetzt im AI-Umfeld geredet wird, wo ist das eigentlich mathematisch anzusiedeln?
Was passiert eigentlich im Statistischen oder im Computern?
Im Computational-Bereich, im Hintergrund, auf der Grafikkarte zum Beispiel.
Und das ist ein Wissen, aus dem ich immer zehren konnte.
Jetzt kann man fragen, hat die Promotion auch noch was?
Ich habe auch noch promoviert.
Hat das auch noch einen Mehrwert gehabt?
Ja, das ist dann durchaus legitim.
War vielleicht nicht zeitlich der beste Invest, die beste Entscheidung.
Aber Physik selber bereitet einen, glaube ich, exzellent auf eine Rolle im technischen Umfeld vor.
Du hast ja jetzt mehrere Rollen.
parallel oder in Personalunion, wie, wenn du sagst, du liest technische Paper, wissenschaftliche Paper, liest du die dann im privaten Kontext, weil dich das Thema Technologie weiterhin sehr interessiert oder hast du auch innerhalb deiner Rollen die Möglichkeit und auch noch die Zeit und die Muße, dich damit zu beschäftigen?
Nee, also im Rahmen meiner, meinem reinen Berufsfeld.
habe ich keine Zeit, noch wissenschaftliche Paper zu lesen.
Würde ich auch sagen, das ist nicht mal ein zwingender Arbeitsauftrag als CTO.
Dort sehe ich mich hauptsächlich als den Berater und dann unter Umständen auch Entscheider für die Geschäftsleitung.
Meine Rolle ist also, uns bestmöglich und das Environment unserer Company bestmöglich im technischen Bereich aufzustellen.
Da geht ein Wissenschaftspaper meist viel zu tief.
Aber in meinem privaten Umfeld interessiert mich das massiv.
Also ich habe hier weiterhin meine eigene Grafikkarte, deploy mein eigenes LLM oder ein Stable Diffusion Algorithmus Model, weil mich das auch interessiert.
Mache ich ein Projekt mit meinem Sohn zusammen und dann machen wir Bilder aus Stable Diffusion mit den Prom, spielen damit ein bisschen rum und das ist meine private Freizeit.
Und das mache ich aber super gerne, weil mich Technik natürlich massiv interessiert.
Aber nein, im Technischen so tief reinzugehen als CTO würde ich nicht empfehlen.
Wie darf man sich denn die Aufteilung der Rollen, die ich eben genannt habe, dann vorstellen?
Ist es dann so ein Drittel CTO, ein Drittel MD, ein Drittel CISO oder wie verteilt sich das?
Und gibt es da nicht auch?
Punkte, die massiv gegenläufig sind und sich vielleicht sogar widersprechen in den Anforderungen, hast du dann in der, also sind jetzt mehrere Fragen in einem, aber lass uns mal erst mal anfangen.
Was ist denn die Aufteilung?
Bist du mehr CTO oder mehr MD oder ist es dann letztendlich ein Drittel, ein Drittel, ein Drittel?
Nee, nee.
Aktuell würde ich sagen 80% CTO.
Das ist die haupt und dominanteste Rolle, die auch am meisten Zeit fordert.
Die MD-Rolle hatte ich davor und habe sie im Moment noch für meine eigene Firma, ist aber nicht im Kontext von Flightride.
Ich habe keine Prokurat und bin auch nicht Teil der Geschäftsführung.
Und das ist natürlich immer noch beratend, irgendein Seitenprojekt oder irgendwie hier noch zwei, drei Seiten Homepages, die ich noch habe, wo Affiliate-Provisionen laufen oder immer mal wieder ein Projekt auch aus der Energiebranche, was reinkommt.
Und das ist etwas, was auch super Spaß macht.
was aber zeitlich nie Überhand nehmen darf, im Gesamthaften zu der Main Mission.
Und die CISO- beziehungsweise ISO-Rolle Die ist natürlich interessant.
Sie ist eigentlich konflikter zur CTO-Rolle.
Ich kann mich ja nicht selber assessen.
Da ist also nur das machbar, wenn ich dann halt sage, okay, ich habe die entsprechende Neutralität.
Ich bin ISO-Auditor und von daher weiß ich, was ein ISO-Audit bedeutet und nach 7201, was überprüft wird.
Und da muss ich mich dann halt einfach wirklich frei machen.
Ich mache das typischerweise dann am Ende des Jahres, gehe ich wirklich zurück und gehe ganz objektiv einfach die ISO-Controls durch zum Beispiel und bewerte einfach, was da ist.
Ganz unabhängig davon, ob ich mir selber dann ins Bein schieße oder nicht.
Warum?
Es muss einem externen Audit prinzipiell auch standhalten.
Das weiß ich ja.
Von daher ist es schwierig, da nicht befangen zu sein, aber das muss ich dann halt bringen, sonst fülle ich die Rolle nicht.
Sehr gut.
Und wie definierst du dann die Rolle des CTO in dem Kontext?
Gerade wenn du natürlich noch Aufgaben hast, die nicht widersprechen, aber die du ja auch noch erfüllen musst, die 80% CTO, wie definierst du die?
Jetzt im Kontext, von welchem Mehrwert ich liefere?
Ja, wie du die Rolle interpretierst, wie du die Rolle ausfüllst, wie du sie mit Leben füllst, was dein Verständnis davon ist, in die Richtung verstanden.
Mehrere Aspekte.
Zum einen reiner People-Management-Aspekt.
Ich muss derjenige sein, der für meine Mitarbeiter das richtige Environment schafft, dass sie die aktuellen Anforderungen im technischen Development-Umfeld oder halt auch im Setup-Umfeld hinbekommen.
Das ist natürlich erstmal die richtigen Leute finden, aber dann halt auch die Leute, die da sind, richtig entwickeln und zusammenstellen in Teams.
Das ist das eine.
Von unserer Anforderung aus.
Und da ist die zweite Ecke.
Eigentlich erkennen, wo die Reise hingeht in den nächsten zwei, drei Jahren.
Vielleicht sogar länger.
Fünf Jahre ist aber schwierig geworden.
Früher hätte ich gesagt, fünf Jahre ist noch machbar.
Jetzt würde ich eher sagen, fünf Jahre ist illusorisch.
In fünf Jahren kommt es eh ganz anders, als was du jetzt denkst.
Aber so zwei, drei Jahre sollte man schon eine Stabilität und eine Vision haben.
die man verfolgt und dafür die entsprechenden Vorarbeiten treffen, Rahmen treffen und entsprechende Empfehlung auch an die Geschäftsführung geben.
Plus natürlich daraus dann, wenn dann die Entscheidung getroffen ist, ja, da gehen wir lang, das Ganze konkretisieren.
Was bedeutet das dann wirklich im technischen Umfeld für die Projekte, für die Teams?
Welche Skills sind notwendig?
Welche Budgets brauchen wir?
Also auch das Ganze auf der ökonomischen Ebene runterbrechen in die technische Architektur.
Also ich würde mich im Moment auch tatsächlich noch immer als Chefarchitekt sehen.
Okay, sehr gut.
Jetzt wollen wir mal, also vielleicht auch um deine Rolle ein bisschen besser zu verstehen und auch einordnen zu können, was macht denn Flightright, beziehungsweise die Allright Group, was ist euer Geschäftsmodell und welche Aufgaben muss der CTO, der Allright Group erfüllen, um genau diese Funktionen noch ausfüllen zu können?
Die All-Right-Group hat Give Access to Justice als Leitspruch.
Und das ist eigentlich auch so ein bisschen, was sie ausmacht.
Das ist ein Legal Tech-Konglomerat, also es sind mehrere Firmen und jede Firma ist eine Legal Tech-Firma, also eine Rechtsanwalts-Firma.
Beratungsfirma ist nicht eine Kanzlei.
Es gibt eine Kanzlei natürlich, wo die Anwälte aufgehangen sind, aber es sind mehrere GmbHs, die jeweils unterschiedliche Kernrechtsgebiete abdecken.
Einen der bekanntesten ist die Flightride, auch als Marke bekannt.
ist für EU 261 Recht und damit für Fluggastrecht verantwortlich.
Sprich, wenn du einen Flug gestrichen bekommst oder dein Flug massiv verspätet ist, dann hast du Rechte als Verbraucher.
Und diesen EU-weit eben in dem Artikel 261 geregelt und dahingehend vertritt Flightright dich dann bis vor Gericht unentgeltlich.
Also das Risiko übernimmt Flightright.
Falls vor Rechtsstreit irgendwie verloren ist, musst du nichts zahlen.
Aber wenn wir gewinnen, dann kriegen wir halt einen Teil von dem, was für dich ausgezahlt wird, für uns als Profession.
Das ist eigentlich das Geschäftsmodell dann hinter auch den anderen.
Es geht immer darum, wenn in einem Rechtsgebiet eine Seite massiv den Verbraucher übervorteilt in Informationen und durch die Menge von vielen Fällen dieser Vorteil wieder ausgeglichen werden kann.
dann ist das eigentlich so ein möglicher Case, in den die All-Right-Group reingehen möchte.
Und wir machen das bei Flightright natürlich gegenüber den Airlines.
Keine Ahnung, die Airline erzählt ja, ja, das war ganz schwierig und wir konnten gar nicht anders, als den Flug zu streichen.
Aber weil wir halt die Airline kennen, schon, keine Ahnung, 4000 Fälle gegen die, wissen wir ganz genau, ja, okay, und im Sommer streichen sie immer die Flüge zusammen, um nochmal ihre Marge zu optimieren.
Und guck mal hier, genau die zwei Flüge, die jetzt hier auf der Verbindung gestrichen sind, ist wieder genauso ein Fall.
Also so eine Kiste ist dann etwas, wo wir dann halt, Einfach über die Statistik der Daten und über die Menge an Fällen.
Sechsstellige Fallzahlen, die hier bei Flightright jährlich anfallen im europäischen Raum.
Wir sind in einigen anderen Ländern noch nicht nur in Deutschland vertreten, aber Dachraum ist schon der größte Raum.
Und da ist das eigentlich dieser typische Fall.
Anderer Fall ist Chevalier-Arbeitsrecht.
Also Massenentlastungen stattfinden zum Beispiel.
Oder Mobility Ride, das Fliemen und Blitzerberater als Marke.
Da geht es dann um Speeder-Tickets.
Also wenn du irgendwo ein Knöllchen bekommen hast.
Und dann, oh Wunder, ist der Blitzer genau an dieser einen Stelle aufgestellt.
Oder das Parkverbotsschild ist leider überhangen gewesen mit einem Blätterwerk.
Und dann hast du halt ein Falschpark-Ticket.
Frankfurt ist da ganz bekannt für.
Genau, das sind alles diese Rechtsgebiete.
Und hier ist es insbesondere CTO-seitig das klassische Webgeschäft, also ganz normaler Online-Auftritt.
Es gibt also reine Online-Strecke, um die Fälle zu erfassen, also dein Antrag quasi für eine vertragliche Zusammenkunft mit uns.
Also ein Webfonds, ein klassischer Funnel.
Also klassische Funnel-Optimierung, möglichst schnelle Experimente, A-B-Testing zur Funnel-Optimierung und zur Conversion-Optimierung.
Das geht auch ins Marketing rein, Marketing-Technologien, aber eben auf der technologischen Ebene nicht, was die Inhalte angeht.
Da ist unsere Chief Marketing Officerin für zuständig und ihr Team.
Und die buchen auch dann die Campaigns zum Beispiel bei Google, da habe ich nichts mit zu tun und meine Teams.
Aber das Setup, dass das natürlich passiert und das Tracking sauber funktioniert, ins DWH läuft, die Auswertbarkeit der AB-Tests und so weiter, das ist alles bei uns.
Und der zweite Fall ist dann natürlich, oder der zweite große Segment ist dann natürlich in dem Moment, wo wir einen Fall eingesammelt haben und unseren Mandat jetzt vertreten, die möglichst effiziente und bestmögliche Bearbeitung mit den möglichst geringsten Kosten.
Und damit natürlich hohe Automatisierung, bestmögliche Prediction, welche Fälle wann vorgekriegt zum Beispiel.
erfolgreich sind, unter welchen Gesichtspunkten das passiert und welche weiteren Informationen noch angebracht werden müssen.
Du hast jetzt meine nächste Frage eigentlich schon ein bisschen vorweggenommen, weil ich wollte fragen, wo denn die digitale Wertschöpfung jetzt bei FlyTry liegt.
Jetzt hast du gesagt, natürlich gibt es halt irgendwo das klassische Frontend, das Ganze muss erfasst werden.
Du hast natürlich auch Daten, die im Hintergrund ausgewertet werden müssen.
Wahrscheinlich wird da sehr viel Richtung Machine Learning auch stattfinden.
Fragezeichen auch, können wir gleich drüber reden.
Und natürlich auch das Thema Automatisierung.
Wo ist denn der größte Mehrwert aus deiner Sicht, der hier geschaffen wird auf der digitalen Ebene?
Ist es dann, also die Webfront-End-Schrecke wahrscheinlich nicht, sondern dann eher die Frage, ist es das Thema Automatisierung oder ist es das Thema Machine Learning?
Ja, Machine Learning ist ja gegen ein Toolchain zur Automatisierung oder zur Vorhersage im Rahmen der Entscheidungsfindung.
Ich komme natürlich früher aus der Manager-Ecke, aus dieser prozessualen Denkschiene.
Wenn du sagst, ich habe meinen Prozess, dann hat der irgendwo Abbiegspielbereiche, wann ich zum Beispiel eine nächste Mail raussende oder ob ich jetzt die Mail so formuliere oder anders formuliere, zum Beispiel gegen die Gegenseite.
Ob ich jetzt die Klageschrift oder ob ich überhaupt jemanden...
dann vor Gericht bis vor Gericht bringen, ob ich das als Gerichtsfall aufmache oder nicht.
Und diese Entscheidungen haben natürlich alle die Informationslage zu diesem Zeitpunkt.
Und dann muss ich mich halt entscheiden, mache ich jetzt links oder rum oder mache ich jetzt rechts rum.
Und desto besser zum Beispiel mein Prediction Model ist.
Und natürlich kann ich das mit Machine Learning Algorithmen, sollte ich das wahrscheinlich auch inzwischen mit Machine Learning Algorithmen bauen.
desto besser kann ich natürlich dann auch agieren für die Dinge, bei denen Unsicherheit besteht.
Für die Dinge, bei denen natürlich der Prozessablauf klar ist, kann ich natürlich hardcoden und damit natürlich eine komplette Dunkelverarbeitung erreichen, bei der idealerweise natürlich die Dunkelverarbeitungsquote bei 100 Prozent ist, sodass in dem Moment, wo der Case aufgemacht wird, da komplett zur vollsten Zufriedenheit unseres Mandats durchprozessiert wird, rein in der Maschine und halt nicht mehr irgendwo manuell irgendwas passieren muss.
Gemessen an Den Aufgaben oder den einer normalen Kanzlei, wie viel Prozent des Businesses ist da aktuell schon automatisiert oder so prozessiert, dass es wesentlich effizienter ablaufen kann, als das in einer normalen Kanzlei der Fall ist?
Schwierige Frage, die genau zu beantworten oder exakt zu beantworten.
Natürlich stehen wir auch im Wettbewerb und unsere Wettbewerber würden sich da gerne solche Referenzzahlen und Kenngrößen zu Gemüte führen.
Ich verrate jemandem weiter.
Die sechsstellige Anzahl wird von unter 100 Sachbearbeitern abgearbeitet.
Also das sind Zahlen, da wird sich jede normale zwei, drei Mann Kanzlei die Finger nach der Automatisierungsrate lecken.
Das heißt, ihr habt das auch schon so stark automatisiert, dass ihr gar nicht auch die Menge an Fachpersonal braucht, um das bearbeiten zu können?
Wir haben teilweise Diskussionen, wo...
wo wir sagen, wir automatisieren das nicht, sondern gehen lieber auf ein Wachstumsthema, weil die Automatisierung in dem Bereich schon so hoch ist, dass jetzt weitere Investments für die Automatisierung sich rein ökonomisch im Hintertreffen sind gegenüber, okay, ich kann irgendwie zum Beispiel ein weiteres Produkt launchen, wo ich unter Umständen halt auch ein ganz anderes Feld aufmache nochmal als Rechtsgebiet.
Für den Endkunden ist das natürlich sehr convenient auch, wahrscheinlich wenn der Prozess relativ gut digital abgearbeitet ist mit relativ wenig Aufwand.
Ihr übernehmt dann auch die Kosten bis zum Prozess.
Das heißt, da fällt erstmal nichts an.
Könnt ihr was dazu sagen oder willst du auch was dazu sagen, wie effizient die Resultate dann auch sind, neben all der Automatisierung gegenüber dem, wenn es von einer normalen Kanzlei bearbeitet werden würde?
Wir sind einer der Marktführer, auch was die Success Rate angeht.
Ja genau, um die Success Rate, um die Qualität, um den Outcome geht es jetzt.
Ja genau, also statistisch gesehen, kannst du nachgucken, gibt es manchmal Veröffentlichungen dazu im Internet, frei verfügbar, so wie viele Fälle haben wir denn gehabt, wie viele Fälle haben wir denn auch oder wie viel Streitwert haben wir vor Gericht für unsere Mandate erwirkt.
Und Mitbewerber veröffentlichen die Zahlen eigentlich auch, zumindest die größeren, weil sie damit eigentlich auch zeigen wollen, wie gut das ist.
Und da kannst du sehen, dass wir halt tatsächlich meistens das Benchmarking anführen.
Das hat aber auch viel mehr mit den Erfahrungswerten zu tun und mit den Dingen, wie dann Entscheidungen für eine Automatisierung zum Beispiel getroffen wurden, als ob das eine Automatisierung jetzt gut oder schlecht ist.
Die eigentliche Prämisse ist also viel mehr extern getrieben dann und oder ursprünglich mal people getrieben gewesen, als dass es jetzt darum ging, dass wir irgendwo sagen, da wollen wir nochmal irgendwie eine halbe FTE wegkürzen oder so und kriegen das auch automatisch hin und dadurch geht aber die Qualität fürs Mandat runter.
Das ist normalerweise nicht mehr der Fall.
Es ist ja in vielen Unternehmen der Fall, dass der CTO entweder Tech-Fachmann ist oder der Business-Stratege.
Jetzt bist du aber irgendwie beides.
Du hast selber gesagt, du bist ja auch noch der Architekt und auf der anderen Seite baust du auch die Brücke zum Business.
Warum ist diese Kombination, die du jetzt innehast, aus deiner Sicht so wichtig?
Oder würde es auch funktionieren, wenn du reiner Business-Stratege wärst und den Tech-Bereich eigentlich an Mitarbeiter abgibst und delegierst?
Es hat beides Vor- und Nachteile.
Ich bin der Erste mit dieser Kombination bei Flightright und bis jetzt hatte ich positives Feedback darauf erfahren.
Eigentlich hatte ich das immer in meiner Karriere erfahren, beides kombinieren zu können.
Wenn man nur eine Seite bedient, nur technisch, irgendwie aber keine Business-Ahnung hat oder eben nur Business, aber keine technische Ahnung hat.
Dann schafft man diese Brücke natürlich viel schlechter.
Die Kommunikation zu den Stakeholdern, entweder ins C-Level-Gremium oder Investor-Gremium wird schlechter, wenn ich Business nicht verstehe oder es wird halt zu meinem Team schlechter, wenn ich Tech nicht verstehe.
So weiß ich beide Seiten.
Ich habe mal selber programmiert oder programmiere auch teilweise immer noch.
Ich habe auch jetzt erst vor kurzem wieder...
selber den, wir nennen den LLM Nexus bei uns an den Start gebracht, Middleware, was für LLM-Integrationen verwendet wird und hat dafür die erste Architektur- und Coding-Implementierung gemacht, weil das wichtig war.
Dann bin ich bei den wichtigen Themen auch teilweise bis unten dabei noch.
Zumindest beim Startschuss, damit es in die richtige Richtung losgeht und nicht irgendwie missverstanden, vielleicht irgendwie komplett woanders hin abbiegt.
Und auf der anderen Seite, gerade zum Beispiel bei Budgetdiskussionen oder ökonomischen Impact, was macht denn jetzt diese Technik?
Dieses Technik verliebt zu einer Technik wegen, das ist halt vielen CTOs dann, die auf der rein technischen Ebene unterwegs sind, oftmals zugegen, was ich in meiner Karriere mit beobachtet habe.
Und das stößt dann bei den Ökonomen immer wieder auf Missgunst, weil dann natürlich, warum soll ich jetzt Geld für dieses neue Framework ausgeben?
Was habe ich denn jetzt businessseitig davon?
macht mir ja gar nichts businessseitig.
Toll ist das, das neue Framework, findest du cooler als das alte, ja und jetzt.
Also da ist genau diese andere Ebene.
Und schlussendlich sind wir eine Unternehmung und jede Unternehmung muss versuchen, möglichst ökonomisch produktiv zu sein.
Und dann die Technik ein bisschen tiefer zu verstehen, hilft dir, den bestmöglichen Kniff oder den bestmöglichen Ansatz zu machen, der dich schnell nach vorne bringt, gute Time-to-Market, günstige Investitionskosten, geringes Budget, aber der dir später nicht nach zwei oder drei Jahren dann auf die Füße fällt, weil du so viele Shortcuts vom Consultant bekommen hast oder von der externen Bude bekommen hast, dass die genau wissen, in zwei Jahren haben wir dir die Folgeaufträge, es war jetzt günstig rein und dann sind sie am Fliegenfänger und dann kommen sie nie wieder raus.
Das hast du ja oftmals, gerade auch bei Lizenz, Software-as-a-Service-Produkten, die hören sich super an, dann nimmst du die rein in die Architektur oder so, nur weil du dann genau weißt, okay, interessiert mich in drei Jahren gar nicht mehr als Manager, bin ich hier vielleicht eh weg, aber du weißt genau.
Das wird Folgekonsequenzen haben.
Und mich interessiert das dann aber auf der technischen Ebene, ob wenn man zum Beispiel wieder wechseln würde, ob das so integriert ist, dass ich auch wieder easy wechseln könnte, ohne dass das Ganze in eine Abschreibung mündet, die halt komplett gegen jegliche gute Entscheidungen von vornherein stehen würde.
Ja, du, interessanterweise ist das ja genau der Knackpunkt, an dem...
einige CTOs scheitern oder einige, die auf dem Weg zum CTO sind, scheitern, nämlich so diese richtige Balance zu finden oder behauptet sich in dieser Ambiguität zwischen, was ist denn technisch möglich und sinnvoll und richtig und was ist dann auf der Business-Seite, die maximiert meine Opportunitäten und Möglichkeiten.
Wie erlebst du das im Alltag?
Du hast natürlich schon jetzt gerade auch richtigerweise gesagt, man muss das halt irgendwie ausbalancieren.
An welcher Stelle fällt dir das leicht und an welcher Stelle fällt dir das sehr schwer, hier die richtige Balance zu finden?
Erlebst du auch an manchen Stellen, dass du sehr im Konflikt mit dir selber bist, was jetzt die richtige Maßnahme ist, ob jetzt eher der Techie gewinnt in der internen Diskussion mit dir selbst oder eher der Business-Andreas?
Ich merke immer wieder, dass oft der Business-Andreas zu kurz kommt.
Und eher der Techie gewinnte.
Das liegt aber daran, nicht was wirklich mein Wissen angeht, sondern meine Awareness für die Situation.
Den Raum zu lesen, die Stakeholder auch ein bisschen zu kennen und dann auch deren Perspektive und Wünsche in dieser Situation für Informationen einschätzen zu können, ist eher das, was dann bei mir zu kurz kommt, immer noch.
Ich hatte letztes Jahr dazu sogar ein Training und eine Schulung gemacht.
War aber nicht die erste.
Und das war früher noch viel schlimmer.
Da habe ich die Leute zugetextet mit sehr viel Detailinformation, typischerweise aus der technischen Ebene, weil es für die Entscheidung Relevanz hat und ich halt Transparenz schaffen wollte.
Ich dachte halt, wenn ich allen diese Detailinformation mitgebe, dann ist ja jeder in der Lage zu erkennen, warum Entscheidung A die sinnvollste ist und nicht mehr Entscheidung B.
Also ich wollte Leute überzeugen, indem ich sie mit technischen Argumenten vollgelabert habe.
Das passt natürlich nicht für Leute, die diese technischen Argumente nicht hören wollen, sie haben kein Interesse, haben uns auch gar nicht verstehen.
Und dann ist die Frage, wie schaffe ich denn trotzdem Vertrauen, dass Entscheidung A aber jetzt schon wohl überlegt ist und natürlich die bessere Entscheidung ist als Entscheidung B, obwohl vielleicht die erste Tendenz von den anderen Entscheidungen auf Entscheidung B gegangen ist.
Und das geht viel eher über eben soziale Dynamiken und über Körpersprache.
über Auftreten, über Erfolge in der Vergangenheit oder kleine Schritte zur Entscheidung A anstatt direkt B abzuraten.
Das geht auch teilweise, dann machen wir erstmal B und zwei, drei Monate lang da einen Invest zu tätigen, wohl wissend, dass der dann später abgeschrieben wird, während dann Entscheidung A mehr reifen kann und dann auch Sprecher und Fürworter bekommt.
Also die Politik im Endeffekt auch mit zu berücksichtigen, die mit Themen da ist.
Dadurch wird es komplexer, aber man muss dann auch so ein bisschen loslassen auf diesem, ich habe es euch doch gesagt oder das war mir von vornherein klar oder so und einfach auch ein bisschen lösungsoffener auch als CTO sein für Business-Diskussionen auf dem Thema.
Dann wird es vielleicht erst mal B, dann ist es nicht eine technisch motivierte Entscheidung.
Ja, und?
Also es kann ja dann trotzdem vielleicht auch für den Erfolg der Unternehmung mittelfristig, langfristig sogar besser sein, weil es aus dem ökonomischen Gesichtspunkt heraus die viel bessere Entscheidung war, auch wenn du als technischer motivierter Mensch vielleicht dann mit A gegangen wärst, weil dir die technischen Aspekte halt wichtiger gewesen sind.
Von daher diese eher beratende Perspektive auf dich als CTO einzunehmen.
Du bist Berater, du bist nicht der, der die Endentscheidung trifft.
Entweder ist es das Gesamtleadership-Team oder die Geschäftsführung CEO Level, ja, du bist im Endeffekt einer von diesem Team, die versucht, die Gesamtunternehmung in die richtige Richtung zu stieren und aus der Ebene hast du eine Meinung, aber die Kompetenz und oder Verantwortung alleine trägst du typischerweise nie.
Es sei denn, du bist CTO, CEO.
Ist dir das schon mal richtig vor die Füße gefallen, das Thema?
Also gerade, du sagst ja, der ist doch an so vielen Stellen der Techie in dir immer noch meinungsstärker oder vielleicht der Techie, also meine Perspektive, fangen wir mal so an, vielleicht meine Perspektive darauf ist, dass der Techie natürlich sehr oft einfach zwischen richtig und falsch unterscheiden kann.
Einfach, weil viele Dinge binär sind und vielleicht auch viel mehr Dinge du einfach auch binär entscheiden kannst.
Das ist eine gute Lösung, das ist keine gute Lösung.
Wir werden auch durch Mindset, durch Universitäten natürlich sehr stark darauf geprimed, dass es die richtige technische Lösung ist und du wirst nur nach der bewertet.
Und auf der anderen Seite, auf der Business-Seite, ist alles sehr viel mehr in den Graubereichen unterwegs.
Und ob es eine Opportunität sich tatsächlich dann auch auszahlt oder nicht, ist halt auch ein bisschen von sehr vielen Faktoren abhängig.
Deswegen ist das einer der Gründe.
warum dann immer noch so sehr der Techie in der drin die Überhand gewinnt, weil du dann eher zwischen richtig und falsch auf der einen Seite unterscheiden kannst?
Oder ist es ein anderer Grund?
Ne, es ist tatsächlich, ob ich zwischen richtig und falsch unterscheiden kann, ist ja schon wieder mit einer Wertung.
Wenn wir die Wertung rausnehmen, ich bin darauf geprimed und der Techie in mir ist darauf geprimed auf harte Fakten.
binäre Strukturen oder Entscheidungs-Forkasts.
Ja, sogar viel besser erklärt.
Ja, sehr gut.
Und dadurch habe ich relativ schnell eine technisch motivierte Meinungsstruktur.
so eine klare Präferenz dann für eins von zwei oder wenn 15 Optionen da ist, dann halt irgendwie drei oder so relativ schnell sich rauskristallisieren, dass eines von denen drei sein müsste oder so.
Das ist tatsächlich der Fall.
Das ist im Physikstudium auch tatsächlich, da bin ich mir absolut sicher, etwas, was du eingedrillt bekommst in vielen Kleinigkeiten, irgendwelchen Übungen, das Praktikum, irgendwelche Experimente machen und so, da gibt es nicht mehrere Lösungswege, die wirklich komplett anders sind.
Die Lösungswege, die sind alle relativ ähnlich oder gleich und nähern sich dem Problem dann relativ zügig an.
Und dadurch hast du halt die Gewohnheit, gerade in Physik erlangt, komplexe Strukturen, komplexe Systeme schnell zu verstehen, zu erfassen, zu zerlegen, Regelwerke dafür abzuleiten, die diese komplexe Struktur jetzt für dich erklärbar deterministisch machen plötzlich.
Und das ist in anderen Fakultäten und in anderen Lehrstühlen nicht der Fall.
Philosophie, Marketing oder so, ist alles diffuser, ist alles einfach mehr probieren wir mal oder machen wir mal und so.
Und dadurch ist natürlich dort das vielleicht nicht so vorhanden.
Das heißt aber nicht, dass es besser oder schlechter ist.
Weil was dann halt weggeht, ist diese soziale Interaktion, dieses mit Leuten und einem Team zusammenzuarbeiten, andere auf der Gefühlsebene zu verstehen oder wahrzunehmen.
Das fällt halt weg.
Also interessiert niemand in der Physik, wie du dich fühlst, wenn du den Ball runterfallen lässt, um die Beschleunigung zu messen.
Aber es ist natürlich wichtig in jeglichem Arbeitskontext.
100 Prozent.
Ja, und um natürlich noch mal vielleicht ein Beispiel aus der Informatik zu bringen, wenn das Thema Datenbank-Normalisierungen, du kannst, du wirst, versuch mal, du kriegst im Studium, Sehr viel beigebracht, wie du die erste Normalform erstellst, die zweite und die dritte.
Und natürlich sind Normalisierungen irgendwo wichtig, weil du willst deine Daten natürlich auch in einem relationalen Datenbankmodell möglich, redundant, redundanzfrei, kostkonsistent und effizient möchtest du das gestalten.
Naja, aber zieh das mal.
wirklich bei einer produktiven Datenbank bis zum Exzess durch, wie performant dann am Ende diese Datenbank dann noch funktionieren wird.
So, und da sind wir auch wieder bei dem Punkt, was ist denn technisch richtig?
Ist dann, wenn du in der Lage bist, die erste, zweite, dritte Normalform irgendwo durchzuführen, aber ist es dann in der Praxis auch sinnvoll, das immer einzusetzen?
In vielen Fällen nein, weil es einfach nicht so funktionieren wird.
Genau, also weg von dem reinen Theoretikum hin ins reale Leben.
Genau, schöner Überschritt.
Und ist das auch etwas, was dich unterscheidet von anderen CTOs, die du bisher erlebt hast oder mit denen du gearbeitet hast?
Oder wie siehst du dich dann im Vergleich zu denen?
Sind die mehr Business und du bist dann der Outlier, weil du mehr Tech bist?
Tatsächlich.
Also statistisch hatte ich viel mehr Leute kennengelernt, die reine Managerperspektive hatten, die auch teilweise gar nichts mit Informatik jemals zu tun hatten und dann mindestens eine CIO-Rolle oder eine CDO-Rolle begleitet hatten und ganz wenige Leute, die da tatsächlich ein hohes technisches Grundverständnis hatten in dem Umfeld, in dem ich war.
Das muss man aber dann auch den Sektor sich anschauen.
Ich habe so drei, vier Sektoren.
Deutsche Energiewirtschaft, dann Versicherungsbranche, Finanzbranche und dann noch ein bisschen rund um E-Commerce.
Das ist aber, glaube ich, etwas, was dann ganz anders sich...
wenn man das Ganze in Richtung Startup-Szene oder halt insbesondere auch in Richtung jetzt Softwarefirmen oder auch Big Tech oder sowas anschaut.
Da sind vielfach Leute, die natürlich einen ausgesprochen technischen Fokus haben und in der CTO-Rolle dann sind.
Von daher, ich glaube, das ist eher dann so ein Sektor-Ding, das halt in Deutschland in den eher technisch fernen Sektoren, Versicherungen, Finanzen, Und dann halt gar nicht so schlimm ist, wenn dann der CIO noch nie was wirklich selber von Informatik gehabt hatte, sondern da dann halt eher so auf der Manager-Ebene agiert und halt eigentlich BWL studiert hatte.
Du hast es gerade eben ein bisschen angedeutet, aber nochmal die konkrete Frage.
Kennst du viele CTOs, die tatsächlich Zero-Tech-Background haben?
Schon einige, ja.
Also ich kenne die auch, das ist interessant.
Ich musste da die Tage auch nochmal darüber schmunzeln, weil ich auch auf LinkedIn...
was geschrieben hatte zum Thema, dass der beste Engineer oft nicht eine gute Wahl ist, um CTO zu werden, einfach weil er sich sehr darüber definiert, der beste Engineer zu sein.
Und interessanterweise, in dem Zuge dieses Kontexts hat dann jemand in den Kommentaren dieses Argument einfach umgedreht und hat gesagt, ja, das stimmt.
Und übrigens, jemand kann auch kein guter CTO werden, der keine Ahnung von Technik hat.
Da an dem Punkt würde ich halt widersprechen.
Nicht, weil es nicht sinnvoll ist, die Technologie auch zu können, wenn man CTO ist, aber es ist tatsächlich kein Einstellungskriterium zwangsläufig, dass du als CTO sehr, sehr gut in Technologie sein musst.
Es kommt halt immer auf die Umstände an.
Ich weiß nicht, wie es bei Flightright wäre, aber ich kenne auch durchaus sehr viele CTOs, die keinen Tech-Background haben und die trotzdem sehr gut in ihrer Rolle sind oder sehr wirksam in ihrer Rolle sind.
Ja, ich würde denken, das kommt sehr stark auf den Senioritätsgrad der schon vorhandenen Unterorganisationen an.
Wenn die gut aufgebaut ist und dieses technische Background-Know-how inzwischen als Fundament ohne Probleme liefert, warum soll es jetzt noch der CTO auch noch können?
Müssen.
Es muss nicht mehr zwingend der Fall sein.
Meine Rolle ist ja, eine Organisationsstruktur aufzubauen, die in der Lage ist, auch ohne mich zu arbeiten.
Absolut.
Und das sollte jeder gute Manager können.
Von daher, ich habe gestartet, da waren wir wesentlich weniger Leute im Tech-Bereich.
Die All-Right-Group hat sehr stark in Tech investiert in den letzten drei Jahren.
Also sprich, ich konnte einiges bewegen, was auch meine Vorgänger dann halt nicht in dem Ressourcenumfang auch bewegen konnten.
Das ist etwas, was immer Berücksichtigung finden muss.
Desto kleiner die Organisation ist, glaube ich, desto wichtiger ist, dass der CTO Tech kann und selber Ahnung davon hat.
Desto größer die Organisation ist, desto unwichtiger wird.
Das hast du, glaube ich, sehr gut zusammenfasst gerade.
Das heißt, aber auch deine Vorgänger in der Rolle, die waren weniger Tech-lastig im Vergleich zu dir?
Interessanterweise ist das so ein Auf und Ab gewesen bei Flightride.
Mein direkter Vorgänger war ein Interim-CTO und mit dem habe ich noch zusammengearbeitet und er war sehr Tech-lastig, hat aber auch sehr viel Business-Know-how schon aufgesammelt.
Ein bisschen technastiger als ich, aber nicht nur.
Sein Vorgänger allerdings, der war tatsächlich früher der beste Programmierer und super techlastig, war aber auch ein sehr kleines Team, was er hatte.
Und der CTO davor, dann gab es gar keinen CTO.
Da war der CPO der Entscheidungsfinder und er hatte halt keinen Schimmer von Tech.
Und hat aber natürlich die Leitung als Chief Product Officer über die Tech Teams gehabt.
Wie blickst du denn jetzt darauf, auf genau das, was zum damaligen Zeitpunkt entstanden ist?
Oder lässt sich das überhaupt sagen?
Also kann man denn sagen, naja, die Tatsache, dass da jemand die Führung hatte, der keinen Tech-Bezug hatte, das sind genau die Baustellen, an denen wir heute immer noch rumdoktern und die technischen Schulden, die wir heute immer noch aufräumen müssen.
Ist das so?
Kannst du das sagen?
Es ist unglaublich.
Also ich finde das unglaublich schwer.
Selber?
Und ich empfehle jedem das eigentlich auch nicht zu tun, über die Arbeit anderer Manager zu urteilen, in Situationen, in denen man selber ja nicht mit dabei war.
Also wenn man dann hinterher sagt, da sind aber technische Schulden entstanden.
Die entstehen immer.
Du wirst nicht ohne Kompromiss durch das Leben gehen können.
Exakt.
Und dann regt man sich hinterher immer auf, über welche technischen Schulden auch immer entstanden sind und kann natürlich die Vorgänger und Vorgängerinnen irgendwie verteufeln oder so.
Was auch immer.
Aus meiner Sicht sollte man das nicht tun.
Es ist auch nicht etwas, was objektiv sinnvoll ist.
Denn man weiß meistens ja nicht, warum die Situation...
damals zu dieser Entscheidung geführt hat.
Also unter Umständen war das etwas, was vermeidbar gewesen ist?
Es wurde darauf hingewiesen und es wurde trotzdem dann entschieden, aufgrund von welchen Constraints auch immer, dass trotzdem dann halt dieser Weg gegangen wird, wodurch dann diese technischen Schulden aufgebaut werden.
Ja, das ist natürlich eine sehr diplomatische Antwort.
Ich verstehe das natürlich auch, dass du das sagst.
Es ging mir jetzt auch nicht darum, das qualitativ einzuordnen und sagen, das war jetzt irgendwie schlechte Arbeit oder so.
Aber gerade, es wäre ja mal interessant gewesen, gerade weil deine direkten Vorgänger schon einen sehr viel größeren Tech-Bezug hatten und natürlich der Vorvorgänger.
einen viel weniger großen Tech-Bezug, ob vielleicht aus deiner Wahrnehmung du mehr technische Entscheidungen aus der Zeit, aus heutiger Sicht vielleicht reversibel findest oder questionable findest oder als die anderen.
Für mich, für die Analyse der Gesamtarchitektur oder auch unserer Dinge, die wir angehen müssen.
mit dem Team arbeiten, wann das entstanden ist und wie das dazu kam.
Ist es tatsächlich so, dass die Charaktere und die unterschiedlichen verschiedenen Präferenzen meiner Vorgänger einen direkten Implikationen, Impact hatten auf was ist die Technische?
problematische Begebenheit hier.
Und da muss man schon sagen, bei einem Chief Product Officer ist natürlich die Mission zumeist, so kenne ich das nicht nur jetzt von meinen Vorgängern und den technischen Schulden, sondern auch über meine Karriere Chief Product Officer beim Nexable als direkten Counterpart gehabt zu mir als Director Engineering.
Und da ist immer die Präferenz bei einem Chief Product Officer natürlich mehr Features.
Mehr Features, bessere Time-to-Market, hier noch irgendwo was Cooles für den UX oder so, der Kunde muss was erleben, hier noch ein Gimmick oder so, nächstes Produkt.
Also es geht vielmehr darum, Outputs zu erzeugen und Time-to-Market zu haben, als ob jetzt technische Schulden gemacht werden oder das Ganze mit irgendwie auch immer das gemacht wurde.
Es interessiert typischerweise gar nicht, wie das technisch mit welchen Frameworks oder irgendwie überhaupt programmiert wurde.
Das ist richtig.
Und ob es morgen noch wartbar ist.
Das ist richtig.
Man kann natürlich auch argumentieren und sagen, naja, eine stabile Time-to-Market lässt sich ja sowieso nur erreichen, wenn du natürlich auch nicht ständig nur technische Schulden aufnimmst, weil dann wird das irgendwann zurückschlagen.
Irgendwann kollabiert.
Aber am Anfang, wenn es nur nach Product Officer oder Product Owner geht, dann geht es typisch, und der kein technisches Background hat, geht es immer nur mit maximalem Volldampf nach vorne.
Und auf der anderen Seite hast du natürlich, wenn dann die Entscheidung von jemandem kommt, der rein früher der beste Programmierer ist oder auch immer noch der beste Programmierer ist, ja, dann ist halt neues Framework unter Umständen.
Und dann wird das Ganze halt sehr stark auf dieser technischen Ebene klein, klein durchdiskutiert.
Und faktisch ist aber das große Gesamtbild, was die Gesamtunternehmung vielleicht braucht.
Organisatorische Strukturen, die vielleicht geschaffen werden müssen, Policies, die vielleicht irgendwie da sein müssen oder Prozesse, andere Prozesse, die vielleicht gelebt werden müssen, die sind dann oftmals nicht da.
Und dann ist es plötzlich auch, weil es der beste Programmierer ist, vielleicht auch Kopfmonopol, was dann stark steigt.
Warum?
Alle Entscheidungen gehen dann plötzlich nur noch über den CTO.
dann auch der Admin für alle Systeme und das ist seine persönliche E-Mail-Adresse, weil das hat er mal am Wochenende selber nochmal runterprogrammiert.
Warum?
Wenn er es selber programmiert, weiß er auch, er ist am schnellsten fertig, weil er selber ist der Programmierer von allen.
Also warum soll es denn jemand anderes geben?
Das Kritischste muss er selber programmieren.
Er gibt dann auch nichts ab und vermittelt das Wissen auch nicht, weil er hat keine Zeit.
Er muss ja das nächste Beste möglichst schnell runterprogrammieren, weil er ist der beste Programmierer.
Und das Wissen kann er auch nicht multiplizieren, weil er hat keine Ahnung, wie er sich multipliziert.
Weil er ist Programmierer und nicht Manager.
Also da sind halt andere Probleme, die dann dadurch vielleicht getriggert werden, wenn du aus der reinen Programmierer technischen Brille auf Organisationsstrukturen und Strategien kommst.
Sehr richtig.
Und was natürlich Programmierer heutzutage auch sehr oft tun, ist, sich mit künstlicher Intelligenz auseinanderzusetzen.
Zumindest mal auf User-Seite.
Der eine oder andere setzt es auch aktiv zu der Entwicklung ein.
Du hast selbst tiefes Know-how in Data Science und AI.
Wie blickst du denn aktuell auf den, oder wie blickst du überhaupt auf den aktuellen AI-Hype?
Ja, es ist immer wieder super zu beobachten, dass der Hype-Cycle von Gartner immer wieder ganz routiniert, solide durchlaufen wird mit egal welchen Buzzwords und egal welchen Hype-Thema.
Die Strukturen rund um die LLMs und Stable Diffusion sind, würde ich sagen, im Moment auf den Peak angekommen.
Ich gehe also davon aus, dass wir direkt einen echten Mehrwert in den nächsten zwei bis drei Jahren beobachten können im Markt von aktuellen Transformer Models, die reinkommen.
Und ich finde das super spannend.
Also ich beobachte das und wir setzen das natürlich teilweise jetzt schon ein.
Und ich habe zu Hause schon letztes und vorletztes Jahr damit rumgespielt, also seitdem eigentlich dafür so ein bisschen mehr Zugang auch besteht.
einen einfachen Zugang darauf besteht, mit Open-Source-Modellen und ähnliches.
Aus der Paper-Ebene ist ja schon relativ alt.
Also ich weiß nicht, acht Jahre, neun Jahre alt oder so das Paper von damals noch, Transformer Models.
2017 war das, oder?
Oder 2018?
Ja, irgendwie in der Größenordnung.
Und was ich ein bisschen irritierend finde, ist dann Altman selber.
Das hatten wir im ersten Interview nicht so, aber es ist immer mehr und mehr zu beobachten.
Jetzt gerade in den letzten Monaten, die vergangen sind seit unserem damaligen Interview, dass die One Winner Takes It All, der AI Race.
Wo ich mir denke, was denn für ein Rennen?
Wo ist denn die Ziellinie?
Das ist kein Race.
Das ist eine allgemeine Entwicklung und das ist nicht One-Winner-Takes-It-All.
Es gibt jetzt schon genug Open-Source-Modelle, die frei verfügbar sind, die gut genug sind, um die meisten LLM-Cases, Use-Cases sehr gut zu enablen, wo ich jetzt nicht das neue, beste, allgemeingängigste Modell brauche.
Ich habe ja meistens sowieso einen relativ...
guten Use Case, wo ich sage, da möchte ich das nutzen und dass ein LLM alles abdeckt, ist auch energieeffizienzseitig nicht wirklich sinnvoll und dass die Dinge immer größer werden und immer mehr Rechenkapazität brauchen, macht ja nur Sinn, wenn dadurch durch die Komplexität irgendwie dadurch irgendwas gewonnen werden würde, aber wenn ich jetzt ein LLM habe, was genau diesen Use Case supergut abdeckt.
Dann ist eigentlich das Ziel, dass dieses LLM so effizient und so wenig Energieverbrauch hat für mein Wernix-Einsätze, dass ich es auf der kleinsten möglichen Maschine laufen lassen kann und nicht auf einem riesen Cluster von den neuesten Vera-NVIDIA-Chips, die gerade jetzt auf der CES vorgestellt wurden.
entweder damit Werbung macht, dass bis zu 10 mal weniger Watt verbraucht wird, wo man schon sieht, wie energiefressend die sind, gegenüber einem Great Booster Tree oder sowas, wo ich dann auch als Machine Learning Case einsetzen kann, was dann komplett in den Hintertreffen gerät oder vergessen wird.
AI oder Machine Learning ist nicht nur Large Language Models und die sind auch nicht das beste oder der beste Einsatzzweck für jeglichen AI-Use-Case, den ich in der Unternehmung habe.
Zum Beispiel, werde ich vor Gericht gewinnen oder nicht?
Kann ich ja mal das LLM fragen und mal gucken, was das LLM dann sagt.
Deswegen macht es ja Sinn, auch nochmal spezialisiertere Modelle zu bauen für spezialisiertere und kleinere und viel spitzere und viel spitzer zugeschnittenere Use-Cases.
Das ist ja auch wie bei Mitarbeitern.
Du hast Generalisten, du hast Spezialisten und das wird es wahrscheinlich auch bei bei LLMs würde es dann geben.
Trotz allem hast du natürlich recht, dass der ganze Markt besteht ja nicht nur aus LLMs, auch wenn man natürlich aktuell den Anschein hat dazu.
Du hast jetzt eben oder im Eingang deiner Einschätzung der aktuellen Situation gesagt, dass wir am Peak angekommen sind.
Darüber kann man natürlich streiten, also ob das der Peak ist und nicht.
Welche Indikatoren siehst du denn, dass es sich um einen Peak handelt?
Und wir könnten ja auch noch am unteren Teil einer Kurve gehen.
Das geht vielleicht noch viel steiler nach oben und wird noch viel heftiger, bevor wir irgendwann den Peak sehen und irgendwann eine Bubble poppt.
Ja, ob die Bubble poppt, ist ja eine andere Diskussion.
Der Gartner-Hype-Cycle ist ja eigentlich eher so, wie oft wird das danach gesucht, wie weit sind jetzt Pitches, wie laufen die Consultants damit rum und da spricht einiges dafür, dass wir jetzt so am Peak ankommen sind, zumindest auf einem Plateau, das kann jetzt noch zur Seite laufen und das mache ich daran fest, höchste Investment-Volumina ever, 1,4 Trillion Dollars, also 1,4 Billionen Dollar.
europäischen Zahlenkonventionen geredet, was jetzt das Commitment war von Open AI für Cloud Center, die so in der Zeitstrecke gebaut werden sollten und Energieversorgung bekommen müssten, was unprotestent wäre.
Also es ist eigentlich bautechnisch nicht mal umsetzbar, was da jetzt schon contracted wurde, wo ich mir denke, okay, das ist ja dann nur noch eine Publicity Story, weil die Cloud-Anbieter, mit denen der Vertrag gemacht wurde, wissen, das kriegen sie nicht gebaut und mit Energie versorgt, weil Dafür bräuchten wir nuclear power plants, die müssen erstmal genehmigt werden und bis die gebaut sind, wird dann alleine schon dafür die Zeit draufgehen, haben dann nicht mal das Center angefangen, geschweige denn, dass es Open AI zur Verfügung stellen könnten.
Und das ist halt etwas, was so in dem Umfang halt noch nie passiert ist und ich kann halt für mich nicht wirklich glauben, dass das jetzt noch übertroffen werden soll.
Also wie will man diese Storys, die schon...
im Fantastillionen-Bereich und im Fantasie-Bereich stattfinden, die physikalisch nicht mehr umsetzbar sind.
Wie will man die jetzt noch toppen, damit der Hype noch weiter nach oben gehen kann?
Da sieht man halt auch schon, dass die Wachstums...
Zahlen, also das Wachstum von Jahr zu Jahr, zum Beispiel bei Nvidia, die damit ja sehr erfolgreich im Moment sind, von Jahr zu Jahr nicht mehr die gleichen Steigerungszahlen haben, sondern jetzt anfangen langsam auch runter zu gehen, abzuschwächen.
Das ist ja auch normal, wenn man im Trillion-Bereich schon unterwegs ist.
Ja, und das ist halt auch...
lang nicht mehr so übertreffend zum Beispiel gegenüber irgendwelchen Analystenschätzungen.
Also sprich, die Erwartungshaltung der höchsten Optimisten, wie sich es entwickeln würde, wird jetzt etwa gerade noch so getroffen mit allem, was jetzt irgendwie rausgeholt wird aus der Büchse und die Wahrscheinlichkeit, dass das halt jetzt weiterhin mehr wird.
wüsste ich halt nicht, aus welcher ökonomischen Gesichtspunkte das eigentlich jetzt noch kommen sollte.
Also alles ist darauf hingetailert inzwischen und gestresst, die maximalen Erfolgsgeschichten irgendwie erzählen zu können.
Noch weiter das rauszupfen, wenn das noch eine höhere Erfolgsgeschichte erzählt werden kann, halte ich also für unwahrscheinlich, hochgradig unwahrscheinlich.
Die Wahrscheinlichkeit nimmt schon dessen natürlich um den Umkehrschluss zu, dass eben jetzt irgendwann mal die erste Erfolgsgeschichte halt nicht mehr fortgesetzt werden kann.
Warum?
Weil halt die Realität dann hittet.
Und ich meine, das heißt nicht, dass AI nicht adaptiert wird.
Das heißt nicht, dass LLM-Modelle nicht massiven Business-Nerdet schaffen.
Das heißt nur, dass die Geschwindigkeit, in der das passiert und den Umfang, in der das passiert, eben nicht dem Hype gerecht werden kann.
Weil dann wäre die gesamte Ökonomie einfach nur noch AI und nur noch LLM und es gibt eigentlich niemanden mehr irgendwo.
noch irgendwo arbeitet, während das gesamte ökonomische, was an Mehrwert, an Produktivitätssteigerung passiert ist, an die Allgemeinheit weitergegeben wird.
Das wäre das erste Mal, dass das passiert, seit den 70ern oder den 60ern, wo das sich entkoppelt hat.
Halte ich auch für massiv unwahrscheinlich.
Das eine ist natürlich so die ökonomische Einschätzung, wie heiß der Markt gerade ist und dass da sehr viel Geld reinfließt.
vielleicht sogar zu viel Geld, ist natürlich eine Tatsache.
Ob es dann der Peak ist an Geld, der da reinfließt, also was wären denn andere Faktoren, auf die man schauen kann, um zu gucken, ob da nicht sogar noch mehr Geld reinfließen kann als bisher.
Siehst du denn technologisch das Thema auf einem Plateau angekommen oder gibt es auch hier nochmal eine relativ hohe Wahrscheinlichkeit oder eine hohe Erwartungshaltung, dass man in den nächsten Jahren auch nochmal andere vielleicht...
ähnlich exponentielles Wachstum in den Bereichen sehen wird.
Ich halte die Verknüpfung und damit natürlich alles, was jetzt rund um Argentic passiert, für super spannend und interessant, weil dadurch viele der programmatischen Invest, die du sonst mit klassischem Coding oder sowas hättest noch machen müssen, in Plattformstrukturen machen kannst.
Das ist auch, glaube ich, der einzige Weg, wie OpenAI sich selbst als Brand und Spieler landen.
mittelfristig nachhaltig etablieren könnte, wenn im Endeffekt eine Bindung entsteht und du eine Abschreibung hättest, wenn du wegwechseln würdest, insbesondere als Company.
Für Privatpersonen, glaube ich, ist das nie relevant und die werden immer wechseln können auf irgendeinen anderen LLM-Anbieter.
Von daher sieht man jetzt auch bei Jiminy 3, wie plötzlich dann Google durch die Decke geht, nur weil die mal ein bisschen besseres Modell jetzt mal haben für sechs Monate oder so, bis der nächste Spieler wieder das etwas bessere Modell liefert.
Und dann im Stock Market wieder durch die Decke geht und dann alle nicht mehr an Google oder OpenAI denken.
Kann man das denn einschätzen, ob jetzt hier tatsächlich eine Zeitenwende stattgefunden hat und Google jetzt permanent OpenAI überholt hat?
Oder ist das tatsächlich immer nur ein, mal ist der vorne, mal ist der vorne?
Da sieht man, wie das komplett in der Presse im Moment distorted ist.
Wir reden hier einmal über Google.
den größten Search-Anbieter der Welt, Milliardenkonzernen, die in ihrem Quartal mehr Marge und Profit haben als OpenAI-Umsatz im Jahr und die auch ein LLM haben und auf der anderen Seite OpenAI, die nur von Investorengeld leben.
die lange Zeit Early Adopter Market, erster Mover und so, Branding-Erfolge hatten, aber wo ist jetzt OpenAI bitte schon mit einem GCP integriert und verknüpft und vernetzt?
Wenn ich GCP habe, Warum soll ich jetzt OpenAI anbinden?
Jiminy ist zwei Klicks entfernt und Jiminy ist für mich verfügbar in meinem GCP-Environment und alle meine Services können ich dann direkt auf den Endpunkt funnelen, während auf der anderen Seite neue Rahmenverträge gemacht werden müssen, neue Enterprise-Agreements und so weiter, um das Ganze rüber zu OpenAI und JGBT zu schieben und den Playground zu nutzen.
Selber ist es bei Microsoft.
Super clever gemacht von Microsoft, eben sich Early-Nutzerrechte an ChatGPT zu sichern und darüber wird natürlich ChatGPT auch überleben und OpenAI wird wahrscheinlich dann irgendwann mal ein Department in Microsoft werden.
sich einfach normal entwickelt und da jetzt nicht noch der heilige Kral gefunden wird.
Aber das ist natürlich etwas, was nicht die Investoren haben wollen.
Das ist auch nicht, was Salve Altman erzählt oder erzählen möchte.
Und das ist ja das, was er besonders gut kann.
Verkaufen und erzählen.
Fantasien aufmachen.
Selbe wie Elon Musk.
Wo ja Krok ist, auch noch ein Anbieter, was auch nicht schlecht ist.
Und dann Meta mit Lama, wo jetzt erst, ich glaube, der Head vom gesamten NLM-Team entlassen wurde, nachdem rausgekommen ist, dass die die Benchmarks gefakt haben, wo dann schon wieder...
Man sieht, wie wichtig diese Publicity und diese Benchmarks dann und ist das das bessere Modell als das Modell, was aber nie hinterfragt wird, brauche ich denn das bessere Modell für meinen Use Case?
Es wurde ja auch spekuliert, ich kann tatsächlich nicht einschätzen, also ich habe nicht recherchiert, wie sehr das tatsächlich der Wahl entspricht.
Es wurde ja auch spekuliert, dass bei gerade Grog und XAI sehr stark auf das Benchmarking hin optimiert haben, ihre LLMs.
Also, dass das nicht ein Seilenspeck, aber vielleicht machen sie anderen genauso, nur weil es jetzt wieder ein Mask-X-AI ist, dann ist es besonders wieder in den Medien.
Deswegen, ich kann das nicht einschätzen, aber wie siehst du das?
Meinst du, OpenAI wird nicht alles dafür tun, den bestmöglichen Benchmark-Outcome in allen möglichen bekannten Benchmarks zu erzielen?
Sicher, absoluter sicher.
Das ist ja die einzige Möglichkeit, wie ich als...
unwissender von außen entscheiden kann, wer hat denn hier jetzt das beste Produkt.
Das Produkt ist ja für die Allgemeinheit nicht verständlich oder zugänglich.
Alle kosten irgendwie 20 Dollar Subscription Fee pro Monat.
Also entweder nehme ich das, weil es mich nicht weiter interessiert, weil ich mich dann mit denen nicht auskenne und nicht beschäftigen möchte, was jetzt das bekannteste ist und mit dem die Masse läuft.
Oder ich beschäftige mich damit und möchte mich dann irgendwie als Experte oder so, dann lese ich mir diese Benchmarks durch.
So, ich kann ja auch Wenn ich nicht einen echt prüfbaren, validierbaren Use Case habe, in meiner Unternehmung typischerweise, und dann fahre ich einen Benchmark selber für diesen Use Case mit mehreren Modellen, solange ich das nicht mache, kann ich überhaupt nicht einschätzen, welches Modell das Beste ist.
Und dann gehe ich am liebsten natürlich mit dem, bei dem der Benchmark mir sagt, das ist das Beste, damit wenn mein Use Case verkackt wird.
Was echt viele anscheinend ja waren, zumindest wenn man einigen Beratern glauben, Analysen von Beratern glauben soll, sind ja letztes Jahr was 93% oder so aller LLM-Use-Cases wieder eingeschampft worden, weil sie nicht funktioniert haben in Enterprises weltweit.
Dann ist halt genau der Punkt, wenn das Projekt nicht funktioniert, dann ist es wenigstens nicht gescheitert, weil ich das schlechtere LLM genommen habe, sondern ich habe das Beste vom Markt genommen.
Da muss ich mir als Projektleiter oder als Lenkungsausschuss dann auch nicht sagen lassen, dass ich irgendwie versaut habe.
Wie sehr lassen sich denn überhaupt für 99 Prozent der Use Cases hier überhaupt ein besser oder schlechter ausmachen?
Also ich würde jetzt mal die These aufstellen, dass die großen...
die großen Frameworks, die großen LLMs, so mehr oder weniger auf Augenhöhe sind.
Natürlich ist der eine mal da ein bisschen stärker, der andere hat hier ein besseres Benchmark.
Aber im Endeffekt ist das ja sehr, du sagst es ja auch, es ist halt so ein Kopf-an-Kopf-Rennen da vorne die ganze Zeit.
Und mal ist der besser, mal ist der besser und hat der wieder ein neues Modell rausgebracht und das andere kommt in zwei Wochen auch und dann sieht es wieder anders aus.
Wie sehr ist man denn dazu verleitet hier in so ein...
Framework-FOMO rein zu sich rein zu navigieren, wo man ständig halt die verschiedenen Modelle ausprobiert.
Also ich erlebe es bereits im Bekanntenkreis, ich erlebe es auch unter Engineers, dass da diskutiert wird und philosophiert wird, über welches Modell, wo ich mir denke, ich glaube, am Ende des Tages werden sie allermeisten die Unterschiede gar nicht groß ausmachen in den allermeisten Use Cases, was jetzt wirklich besser ist oder nicht.
Oft hat es ja was mit Prompting zu tun.
Genau darauf wollte ich gehen.
Aus meiner Sicht ist der Prompt und das Prompting schon viel wichtiger, als welches Modell ich nehme.
Von den führenden jetzt.
Natürlich, wenn ich jetzt irgendein ganz kleines 8 Billion Deep Seek dann vergleiche mit einem 123 Billion State of the Art 5.2 oder sowas, das ist natürlich nicht das Gleiche.
Dann werde ich eine Performance wahrnehmen in der Komplexität der Antwort, wie einfach ich den Prompt gestalten kann, damit ich die Antwort bekomme und so weiter.
Aber ich glaube, dass man bei Prompting, selbst mit ganz kleinen und alten LLMs für die meisten LLM-Use Cases, das abdecken kann.
Es ist auch die Frage, wie gesagt, für was man das LLM einsetzt.
LLMs sind besonders stark im Prediction von Tokens der Sprache.
Also es ist idealerweise zum Beispiel für Übersetzen geeignet, es ist idealerweise für E-Mails oder Chat oder sonstige Kommunikationsinteraktionen, wo ganz normaler Kontext ausgetauscht werden muss, also ganz normale menschliche Sprache gesprochen wird geeignet.
LLMs sind halt nicht so gut geeignet für andere Use Cases und dann kann es natürlich sein, dass das neueste, beste Modell vielleicht auch diesen Use Case dann gerade noch so hinbekommt, aber eigentlich hätte man es ganz anders angehen können.
überhaupt ohne LLM und man hätte gar nicht das Ganze mit einem LLM totschlagen müssen.
Klassifikation ist so ein gutes Beispiel.
Wenn ich keine Ahnung vier Dokumentenklassen habe und keine Ahnung genug Statistik im Hintergrund habe, natürlich kann ich ein LLM fragen und beibringen, das ist übrigens das und das ist übrigens das bei mir in der Bezeichnung und kann das versuchen mit einem LLM dann forecasten zu lassen, indem ich meine Vektordatenbank angeschlossen habe.
Aber ich muss das gar nicht.
Ich kann einfach nur einen Klassifikator nehmen und der macht das einfach out of the box nach, keine Ahnung, 15 Minuten Trainingszeit und dann ist er fertig und funktioniert mit 99,999%iger Sicherheit und läuft auf einem Taschenrechner.
Also das ist genau der Punkt.
Im Moment ist halt auch vielfach eben diese FOMO da.
Ich habe ja schon gemeint, es wird vom AI-Race geredet.
AI-Race.
Wohin?
Wohin racen wir denn jetzt?
Und wie wenn es nur ein Winner-Takes-it-all geben würde, was ja schon nachweislich nicht der Fall ist.
Aber dieser Gedankengang ist natürlich auch sehr stark in diesen Klassenkampf zwischen USA und China auch eingemünzt.
Und dann halt da, wer kriegt jetzt wie welche Ressourcen und wer schafft AI schneller und besser zu machen.
Ja, aber wenn ich jetzt ein Jahr langsamer bin, hat jetzt meine Volkswirtschaft dadurch in irgendeiner Form wirklich einen mega Nachteil gehabt?
Nee.
Also USA wird jetzt nicht gewinnen, nur weil sie das bessere AI-Modell haben, gegenüber China in was?
Also überhaupt gewinnen für was denn?
Also was wird gewonnen, wenn ich das AI-Race gewinne?
Total unklar.
Also einfach die gesamte Rhetorik dazu ist schon auf FOMO angelegt, um die Investoren.
Und halt auch generell das gesamte Politikum drumherum, also Government Policies, halt möglichst auf seine Seite zu kriegen.
Und in den USA klappt das wunderbar.
Man sieht jetzt, alle Environmental Standards werden ad absurdum geführt und weggeschoben.
Bund entscheidet für Cloudbau ab sofort und nicht mehr die einzelnen United States.
die sonst harte Auflagen gehabt hätten, zum Beispiel, wie viel Frischwasser darf rangezogen werden, welche Energienutzung ist für das Rechenzentrum möglich und entsprechende Genehmigungsverfahren, die durchlaufen werden müssen, die jetzt alle ausgehebelt wurden mit dem Markenellen Act dazu und auf Bundesebene jetzt gleichgeschaltet werden.
Und da kann man sich natürlich fragen, war das Lobbyarbeit?
Du hast interessanterweise eben gerade das Thema Governance und Security angesprochen.
Wie sicherst du denn Systeme ab?
Bei denen ein Agentik-AI-Agenten, das ist doppelt gemobbelt, aber du weißt, was ich meine, bei irgendein Agent dazwischenhängt, der im Endeffekt auch eine Entscheidungsbefugnis hat und mit dem du aufgrund von Sprache interagierst.
Ich behaupte nämlich, dass Sprache ein so mächtiges Werkzeug ist und Sprache ist auch nicht unbedingt Binary und Schwarz und Weiß.
Und du kannst auch in Sprache, du kannst...
Dinge framen, du kannst Narrative verschieben, du kannst plausibel andere Meinungen erklären, die vielleicht auch einen grundsätzlichen Guardrails eines LLMs gegenläufig sind, wenn es diese Kette, diese kausale Kette akzeptiert.
Wie kannst du solche Systeme absichern, die in der Lage sind, auf solche komplexen Eingaben zu reagieren?
Das ist ein super spannendes Wissenschaftsthema, was du gerade angesprochen hast.
Finde ich privat super spannend und ist etwas, was meines Wissens nach nicht gelöst ist.
Also faktisch kannst du es nicht.
Also nach aktuellem Erkenntnis.
Rein mathematisch, nein, ist nicht.
Warum?
Du hast halt so viele Input-Parameter-Strukturen, dass die Komplexität halt nicht mehr manuell prüfbar bleibt.
Also du kannst sie nicht mehr prüfen.
Ich kann sie nicht mehr prüfen.
Ein Team kann prüfen und kann dann halt, keine Ahnung, vielleicht die wichtigsten...
gefühlten 10%, aber man wüsste nicht mal, ob es 10% sind.
Also man hat nicht mal einen Trackmarker, sondern stattdessen ist, es geht was schief.
Oh, verdammt, dann wird dafür ein entsprechendes Guardrail eingepackt, dass es beim nächsten Mal nicht mehr schief geht.
Suizid zum Beispiel Empfehlung.
wie man sich am besten umbringt, wo jetzt Scheidenersatzklagen in den USA, die ersten beigelegt werden, natürlich außergerichtlich.
Und dann hast du dafür eine Guardrail, um das Thema zumindest ansatzweise in den Griff zu bekommen.
Und dann poppt das nächste Thema wieder hoch.
Du kannst ja nicht an alle Themen, die prinzipiell ein menschlicher Verstand sich ausdenken könnte, schon mal im Vorfeld dran denken und dafür die entsprechenden Guardrails einhauen.
Also rein intrimmlich.
Heute hätten wir nur aufgrund, also wir können Erfahrungswerte sammeln, wir können uns anhand von Fails entlanghangeln und können versuchen, diese Einzelfälle möglichst großflächig abzudecken mit spezifischen Guardrails, die dann für diese einzelnen Use Cases geschrieben werden.
Entscheidungsstrukturen, also wenn es binäre Entscheidungsstrukturen sind.
die jetzt mit dem LLM verbunden sind, kann ich natürlich noch Plausibilitätschecks, Constraints hart draufsetzen.
Insbesondere, wenn ich schon Erfahrungswerte aus einer manuellen Bearbeitung habe.
Wenn ich also weiß, im Schnitt habe ich irgendwie 60-20 hier in der Aufteilung oder so, dann kann ich die auch weiterhin danach überwachen.
Und wenn es nach dem LLM plötzlich anfängt, sich in Richtung 70-30 zu verschieben oder sowas und dann, an der Vorhabe war es irgendwie 80-20-20 oder so, dann 80-20, dann ist das vielleicht signifikant genug.
und dann muss man nachprüfen.
Aber idealerweise hast du immer ein Human in the Loop bei Gen.ai, einfach weil du dadurch die Sicherheit auf der eigentlichen Bearbeitungsebene nochmal gegenchecken kannst.
Dadurch ist natürlich aber die Automatisierung nie komplett dunkel zum Beispiel.
Anderer Fall ist natürlich, dass du sagst, du setzt es da ein, wo du Use-Gases hast, bei denen dir die Qualität vielleicht nicht so wichtig ist.
Also wo du sagst, okay, wenn er halt irgendwie jetzt dein Mitarbeiter, also der Mitarbeiter könnte da auch einen Fehler machen.
Sales, gutes Beispiel.
Sales-Ziel ist, das Mandat einzusammeln.
Also denjenigen, seine Bedenken, warum er dann vielleicht den Vertrag nicht mit einmachen sollte, auszuräumen, alles zu erklären, sodass er eine objektivere Entscheidung treffen kann, ob er jetzt das Mandat erteilen möchte oder nicht.
Warum nicht da ein LLM haben, was dann halt diesen Sales-Prozess begleitet und denjenigen alle Fragen beantwortet, die er so beantwortet haben möchte, gegenüber einem Sales-Mitarbeiter.
So, ob der erfolgreich ist und das gut schafft.
Sei dahingestellt, kannst du nicht garantieren, bei keinem Mitarbeiter, egal wie gut er geschult ist.
Das hängt ja auch immer vom Menschen gegenüber ab, ob der das dann auch mag, wie der das erklärt oder so oder versteht, wie der das erklärt und das richtig verstanden wird, dass er es nicht verstanden hat oder so.
Und das Gleiche ist halt auch dann bei einem LLM sehr ähnlich mit Unsicherheiten bedeckt.
Wo es halt schwierig wird, ist es dann halt in der anwaltlichen Rechtsberatung.
Es gab ja jetzt schon Rechtsanwälte, die ihre Zulassung verloren haben, weil sie einfach Chat-GPT einfach nur reinkopiert haben, ohne nochmal gegenzulesen.
Und dann halt kam das raus, war halt kompletter Nonsens, was sie da reinkopiert haben.
Und das ist natürlich etwas, wo die Anwaltskammer nicht so cool findet.
Und das sollte man halt dann auch vermeiden, als Rechtsanwalt einfach in seinem Namen einfach eine Lambda die Fragen beantworten oder die gesamte, die eigentliche.
Tätigkeit vollführen zu lassen, ohne das dann mindestens mal gegenzulesen.
Als CTO musst du ja auch Erwartungen managen.
Und jetzt gerade wahrscheinlich auch bei euch im Umfeld, du hast Erwartungen von Gründern, von einem CEO oder von den Investoren, die natürlich unbedingt irgendwas mit AI machen wollen.
Also es ist ganz wichtig, wir müssen irgendwas mit AI.
In den nächsten sechs Monaten muss das irgendwie eine halbe Milliarde Umsatz machen.
Nein, ich übertreibe, aber die Erwartungshaltungen sind hoch und natürlich ist es eine...
irgendwo auch nachvollziehbar, dass man sagt, hey, da passiert gerade viel.
Haben wir denn da die notwendige Attention drauf, die notwendigen Ressourcen?
Aber trotz allem ist die meisten Erwartungen wahrscheinlich sehr, sehr unrealistisch.
Wie gehst du damit um?
Wie navigierst du diese Konstellation?
Ja, das war die Spaßfrage vom letzten Mal.
Ich kann mich daran erinnern auch.
Hier kommen noch keine Spaßfragen drin.
Was fällt dir ein?
Also ich finde die sehr spaßig, weil es nämlich genau...
das eigentlich, die eigentliche Challenge für den CTO darstellt, auf den wir am Anfang eingestiegen sind.
Was sind so die Aufgaben von dem CTO und wie weit schaffe ich denn beides?
Und weil ich halt weiß, was ein LLM kann oder nicht kann oder halt auch was generell die Integration von AI jetzt gerade bei uns an welchen Use Case am meisten bringen würde und wie wir es angehen sollten auf der technischen Ebene.
Finde ich es immer super, dann spannend, was dann halt auf der anderen Seite, gerade Publicity-seitig und Sales-seitig auf Gründer, auf Investoren, auf Managing Directors einströmt.
Welche Versprechungen gemacht werden, was alles jetzt plötzlich viel besser geht und wenn dann halt genau sowas kommt, dann habe ich die Challenge, dann diese Erwartungshaltung halt entweder zu erfüllen.
Das kann ja sein, dass das etwas ist, was halt auch geht.
Und wo wir dann sagen, gut, das packen wir auf die Roadmap und gucken mal hier, wenn wir das und das Vorarbeiten gemacht haben, dann haben wir das.
Und so kam auch unsere AI-Integration, die wir jetzt haben, entweder sogar als Initiative von mir oder halt eben auch aus der Diskussion oder Anreize von außen zustande.
Da haben wir im Moment eine super spannende Kooperation laufen zum Beispiel für Outbound Calls.
Aber für die, würde ich sagen, 80 Prozent des Volumens, was da reinkommt, ist halt oftmals das Ganze entweder alter Wein in neuen Schläuchen, ganz oft.
Es wird einfach jetzt gesagt, das ist AI und in Wirklichkeit ist es aber vorher nicht AI gewesen, auch jetzt nicht AI und hat auch überhaupt nichts mit AI zu tun.
Es wird AI aber aufs Label gepackt, weil verkauft sich halt jetzt gerade super, wie gestitten droht.
Oder aber es ist an...
eigentlich schon ein vorhandenes Produkt, zum Beispiel JetGPT als Chatbot, was jetzt mit einem Rebrand und genau für dich, genau für deinen Bereich, genau für deinen Sektor, genau für deine Tätigkeit, aber das speziellere Modell ist oder das ganz toll angepasste oder was auch immer.
Und wo man dann schon den Mehrwert hinterfragen kann, okay, habt...
Habt ihr ein eigenes Transformer-Model trainiert?
Mit welchen Ressourcen?
Und dann guckt man sich die Firma halt im Hintergrund mal an und dann sieht man deren Umsatz.
Und dann denkt, nee, auf keinen Fall.
Also rein, wenn die nicht irgendwie letztes, also wenn die nicht jetzt gerade von Stanford oder irgendwie von Google irgendwelche Entwickler abgegrast haben in den letzten fünf Jahren, so haben die das auf keinen Fall hingestellt.
Also haben sie eins der Open-Source-Modelle oder eins der kommerziellen Cloud-verfügbaren LLMs einfach nur?
bei sich ans Laufen gebracht, gerelabelt, gebrandet, noch ein netter Web-GUI davor geeiert, gibt es auch Open-Source, haben sie es ein bisschen angemalt und dann verkaufen sie es halt als ihr eigenes neues, jetzt getailertes Produkt für genau diese Kundengruppe, die unter Umständen halt keine Ahnung hat, was im Hintergrund im Technischen passiert und darüber halt dann im B2B-Sale eingefangen wird.
Ja, wobei ich schon auch Unternehmen kenne, die größere Datenmengen aufkaufen, um im Endeffekt, kann ja sein, dass sie auf Basis von bestehenden LLMs im Endeffekt spezialisierte Use Cases dann nochmal nachtrainieren.
Aber das ist mehr als, das ist ja tatsächlich mehr als nur, ja, wir nehmen das LLM und Brennen ein bisschen um.
Ja, die haben es nicht von Grund auf selbst entwickelt, aber die verbrennen trotzdem sehr viel Geld und Zeit und Ressourcen.
die sie irgendwo herbekommen müssen, um auf ihre speziellen Use Cases hin zu trainieren.
Genau, aber da sind tatsächlich auch unsere, also wir haben ein eigenes Data Science Team und das ist natürlich auch etwas, was wir selber gerne machen.
Also wo wir dann in Deutschland gar kein externes reinkaufen.
Es sei denn dadurch ist genau irgendetwas abgedeckt, was wir jetzt mit unserer Datenstruktur oder mit unseren Ressourcen und Skill Levels nicht abdecken können.
Aber genau das ist auch das, was ich dann halt analysiere.
Also da ist genau, wenn so ein Das passiert ständig, also nicht jeden Tag, aber sehr oft.
Im Quartal mindestens ein paar Mal, dass genau das ist.
Hey, was ist mit dem?
Und das ist ja auch super, weil es ist ein Scoping, was ich sonst gar nicht abdecken kann.
Gründer plus unsere Managing Directors und andere C-Level Executives.
die kriegen halt auch was mit und reflektieren das an mich, wohl wissend, dass ich das viel besser einordnen kann und dadurch entsteht der Austausch, die Diskussion.
Okay, Andreas, guck dir das mal an und dann gucke ich mir das auch an und ich versuche dann halt auch immer eben neutral zu sein, weil dadurch haben wir gute, coole Wins machen können in der Vergangenheit, eben nicht stigmatisiert rumzulaufen und sagen, ah, kann ich alles schon oder so oder halt auch nicht umgekehrt zu sagen, boah, noch was Tolles sollten wir auch ausprobieren oder auch machen, sondern das Ganze muss eben objektiviert, wieder wie der entsprechende Consultant eigentlich, der jetzt sich das einfach mit seinem Skill-Level anschaut und berät, evaluiert sein.
Das kostet natürlich immer ein bisschen Zeit.
Das ist unter Umständen ungeplant, aber das muss man halt auch einpriorisiert bekommen.
Siehst du in Deutschland, also gerade in Deutschland, ganz spezifische, typische AI-Fallstricke, die vielleicht in anderen Ländern weniger sind?
EU AI Act.
Okay, das ist nicht speziell deutschland-euweit, aber ja, ich verstehe, was du meinst.
Also wir haben innerhalb der EU es irgendwie geschafft, uns bei allen möglichen technischen Innovationen immer Gesetze zu geben, die ganz offensichtlich von Leuten gemacht wurden, die keine Ahnung haben von Technik.
Das ist natürlich schwierig, wenn eine Kommission eine Gesetzgebung für eine technische...
neue Gegebenheit schaffen soll, Leute sitzen und Entscheidungen getroffen werden, die von Leuten sind, die keine Ahnung haben, was das überhaupt ist.
Das ist super nachteilig.
Der EU-AI ist jetzt ja immer mehr kommend.
Ich meine, September oder sowas muss es dann wirklich überall gelabelt sein, was AI ist und so.
Es fängt jetzt tatsächlich an, wenn man sich die Definition durchliest.
Es ist nicht nur AI, was gelabelt werden muss.
Faktisch ist alle Algorithmen plötzlich AI.
Also immer, wenn eine entsprechende autonome Entscheidung aufgrund von Daten getroffen wird.
Ja, das ist jeder Programmcode.
Also alles.
Ja, ich möchte Unterscheidung machen, was deterministisch ist und was nicht.
Also AI ist ja nicht...
Das macht aber der Paragraf nicht.
So intensiv bin ich in den Paragraf noch nicht eingestiegen.
Aber natürlich gibt es so einen Klassiker, wie zum Beispiel die Apple AI, die halt dafür sorgt, dass du quasi Simultanübersetzungen auf den AirPods 3 Pro jetzt machen kannst.
Das ist natürlich der Teil, den du natürlich in Europa jetzt nicht ausprobieren kannst.
Und du sagst natürlich, das haben Leute gemacht, diese Gesetze, die keine Ahnung von Technik haben.
Ja.
Und sie hatten halt einen ganz anderen Fokus, weil sie davon ausgehen, dass das Recht auf die Hoheit über die Daten beim Einzelnen liegen sollte und nicht der Allgemeinheit zur Verfügung steht oder im Endeffekt genutzt werden kann, um Technologien nachhaltig voranzutreiben.
Ja, das ist aber etwas, wo man sich entweder für das eine oder für das andere entscheiden muss.
Man kann nicht technische Innovationen in dem Fall haben, ohne dann halt irgendwie eigentlich den Schutz des Einzelnen hinten anstellen zu müssen.
Das passiert hier leider irgendwie, dass wir auf der einen Seite alle unsere Daten verlieren, schon passiert.
Also kann mir doch niemand erzählen, dass die deutsche Sprache nur an Open-Source-Material gelernt wurde in ChatGPT.
Alle copyrightgeschützten Werke, die im Moment irgendwo nach der deutschen Sprache verfügbar sind, sind alle schon eintrainiert, nachweislich.
Also die massive Copyright-Verletzung noch und nöcher.
Alles, was ich irgendwo mal in Foren gepostet habe, inklusive, was ich jetzt gerade in Facebook poste, Terms und Conditions sagen, es wird Eigentum von Meta.
Also ich gebe sowieso die ganze Zeit schon.
allen US-Konzernen und auch allen chinesischen Konzernen, also allen, die da irgendwie größere Player sind, gebe ich ständig meine Daten.
Dafür kriege ich als Europäer aber nicht mal die technische Innovationskraft zurück.
Das hat dann wenigstens noch die USA und eben China für sich sichern können.
So, so lehsten wir geben alles weg und schmeißen uns gleichzeitig Knüppel zwischen die Beine und es ist ja nicht so, dass sich irgendjemand außenrum darum schert.
Die NSA kann auf alle Informationen in der Cloud zugreifen.
Das ist weiterhin ein ungelöstes Problem.
Es gibt weiterhin keine Versicherung, dass das für EU-Bürger nicht passiert.
Nur die US-Bürger sind weiterhin ausgeschützt.
Das sind lose Versprechungen.
Und selbst wenn es ein Regelwerk mit unterschriebenen Vertrag geben wird, schützt uns, dass das nicht doch passiert.
Absoluter Bullshit aus meiner Sicht.
Genauso wie die Cookie-Banner haben wir uns jetzt mit dem AI-Act für EU massiv Nachteile reingehauen, ohne irgendwie echte Vorteile dafür rauszuholen zu können.
Und das merkt man jetzt schon, fängt gerade an.
Und das wird natürlich nur noch mehr.
Ich finde Intention natürlich hochgradig sinnvoll.
Aus meiner Sicht sollte AI wesentlich höheren sozialen Feedback-Loop für Prosperity liefern.
Also, dass es der Allgemeinheit zugutekommt.
Aber das tut es aktuell nicht und die Vergangenheit hat gezeigt, dass das in der Vergangenheit auch nicht passiert ist.
Ist das in erster Linie ein europäisches Problem oder ist das auch ein deutsches, vor allen Dingen ein deutsches Problem?
heeren Anspruch hat, auch an bestimmte Prinzipien, vielleicht an Moral, vielleicht an Data Privacy, die ja in ihrer Kernaussage absolut nicht falsch ist, sondern sehr sinnvoll.
Aber du belohnst damit im Endeffekt all die anderen, die sich nicht darum scheren, weil du wirst genau dieses Rennen, was sie dann führen, aus dem ziehst du dich ja in dem Moment aktiv raus, weil du sagst, bei dem Rennen mache ich dich mit, aber du nimmst damit auch einen massiven finanziellen, wirtschaftlichen, technologischen Nachteile in Kauf für Generationen?
Ja, nee, derjenige, der die Initiative auf der gesetzgeberischen Ebene macht, der nimmt den nicht in Kauf.
In Kauf nehmen würde ja bedeuten, dass er darüber eine conscious Abschätzung und Entscheidung getroffen hat.
Hat er nicht.
Also glaube ich nicht, dass da eine entsprechende Projektion ist, was das an volkswirtschaftlichen Schaden für die EU in den nächsten 10 Jahren bedeuten würde.
A wäre super schwierig, aber ich bin mir auch sicher, das haben wir gar nicht gemacht.
Von daher, ich glaube, die Frage, die du gestellt hast, ist super schwierig zu beantworten, weil sie viel tiefer geht als nur AI.
Sie geht gerade bei uns in Deutschland immer noch sehr stark auf die eigentliche Digitalisierung.
Das ist der eigentliche Generationenbruch zwischen Generation Angela Merkel, die sagt, Internet ist Neuland.
Nachdem 20 Jahre das Internet da ist und alle Enterprises, alle Companies schon nur noch Internet haben und die gesamte Wirtschaft schon auf dem Internet läuft.
Und dann erzählt sie was davon, dass das Internet ja für alle noch Neuland ist.
Also wir haben eine gewisse Digitalisierungsfeindlichkeit oder technologiefeindlich, Innovationsfeindlichkeit inzwischen in Deutschland entwickelt.
glaube ich, unik für Deutschland.
Sowas gibt es erst recht nicht in Holland, es gibt es aber auch nicht in Österreich eigentlich oder der Schweiz oder auch Spanien oder so.
Vielleicht noch dem einen oder anderen südlichen Land, aber auch viele meiner Programmierer kommen aus dem osteuropäischen Raum.
Da ist das auch nicht so stark verbreitet wie bei uns in Deutschland.
Dänen zum Beispiel, wir haben eine dänische Niederlassung, da ist das gar nicht.
Dänemark gibt es viel weiter, was gesamte Digitalisierungselemente angeht.
Das ist etwas, was, glaube ich, sehr unik für Deutschland ist.
Diese nicht nur AI, sondern generelle Technikproblematik.
Das sieht man auch in deutscher Software.
Wie lange SAP ein HANA jetzt schon rumdoktert.
Und das generell nur mit SAP eigentlich nur ein großer, kein großer Cloud-Anbieter.
Schwarzgruppe versucht es jetzt gerade.
Aber wir haben zum Beispiel ja gar keinen.
Wir haben in Deutschland kein LLM, jetzt generatives AI, was irgendwo vorne mitspielen würde.
Frankreich hat Mistral, nicht jetzt eines der Führerinnen, aber hat wenigstens einen.
Hat da nicht Aleph-Alpha irgendwas oder wollten die nicht?
Wollten, sie wollten, genau, sie wollten.
Und das ist ja oftmals, das ist Absichtserklärung.
Und dann gibt es ein Investment, was im internationalen Kontext auf der globalen Ebene ein Witz ist.
Und mit diesem Investment soll dann aber trotzdem was erreicht werden.
Und in manchen speziellen Bereichen passiert das auch.
Und dann überregulieren wir es so weit runter, dass es dann aus, also dass die Leute, die das machen, dann typischerweise Deutschland verlassen.
Das ist ja recht zügig, weil sie damit ja international erfolgreich sein wollen und erkennen, dass das aber nicht mehr möglich ist in Deutschland.
Und also startet vielleicht noch in Deutschland, aber es verlässt dann typischerweise, die Innovation verlässt dann Deutschland recht zügig.
Dann lass uns mal das Thema AI.
abschließen, aber ich will noch abschließend vielleicht eine Frage dazu.
Was würdest du deinen CTOs raten, die AI sinnvoll und nachhaltig integrieren wollen?
Was ist deine Haltung dazu?
Kommt auf die Größe des Teams und den Investmentcharakter an.
Wenn sie es leisten können, holt euch ein kleines oder baut euch ein kleines eigenes Data Science Team auf von Leuten, die Ahnung haben von AI.
Zwei, drei sollten zum Start auf jeden Fall ausreichen.
Bindet eure klassische Entwicklung mit ein.
Da, wo die Daten liegen und da, wo die Prozesse stattfinden, da muss AI ja irgendwann mal produktiv rein.
Das heißt, denkt die Use Cases immer aus der klassischeren Ecke und nicht aus der AI-Ecke.
AI ist dann quasi das Werkzeug, mit dem ihr euren eigentlichen Use Case, den Prozess oder was auch immer hinbekommt.
Selbst wenn es ein komplett nur aus AI heraus enabler Use Case ist.
Also keine Ahnung, es gibt keine Webseite mehr.
Wir verkaufen unser Produkt nur über Chat oder nur über Telefonanrufe und das ist ein LLM oder so.
Auch sowas komplett Innovatives kann man Immer aber trotzdem sollte man das klassisch aus der eigentlichen prozessualen und technischen...
Ich habe aber interessanterweise den Eindruck, dass die, gerade weil das ein Thema ist, was sehr stark auch aus der Geschäftsführungsebene, aus dem Investorenebene und der Vorstandsebene halt gepusht wird und sagt, wir müssen unbedingt was machen.
dass der Reflex aus dem Engineering bei dieser Technologie größer ist als bei so vielen anderen, dass sie dann sagen, ja Moment mal, wir müssen doch erstmal verstehen, was wir eigentlich wollen und dann entscheiden wir, ob das, also dass diese Frage nach dem Tool und was wollen wir eigentlich für ein Problem lösen und dann erst die Frage nach dem Tooling, die wird hier auffallend oft vom Engineering gestellt im Vergleich zu anderen Technologien.
Oder ist das nur der Eindruck, den ich hier persönlich habe?
Klassischer Beißreflex.
Ja, ich glaube, desto höher der Druck wird von außen.
Aber lass uns mal was mit AI machen.
Ja, okay, aber welcher Use Case?
Egal, lass mal machen.
Ja, wir müssen ja was mit Umsatz.
Wir brauchen Features damit und Umsatz.
Das war das letzte Mal mit Blockchain, wo ich den Beißreflex so stark von der Technikseite dagegen wahrgenommen hatte.
Aber bei Blockchain verstehe ich es hier, verstehe ich es nicht.
Also anders als...
viele andere Hypes und Säue, die durchs Dorf getrieben wurden, ist das hier doch legitim.
Also kann man nicht abstreiten, dass ein LLM oder auch Stable Diffusion oder so, also generell die Gen-AI-Ecke massiven Use-Case enabled, die vorher nicht möglich war.
Und das muss man, aus meiner Sicht, darf man das nicht...
reflexartig verneinen.
Die Frage ist, wie kriegt man das als zeiteffizient und kosteneffizient und dann auch mittelfristig, langfristig stabil und vielleicht auch sogar ohne Außenabhängigkeit hin.
Und das ist etwas, wo ich dann halt sage, wenn ich kein eigenes Data Science Team haben kann, sondern jetzt nur extern irgendwie jetzt doch mal irgendwas ChatGPT einbinden oder hast du nicht gesehen, irgendwie Software as a Service oder so, dann würde ich sehr stark auf Mitteltools gehen und empfehlen, sowas wie N8N, jetzt Berliner Startup, was nichts mit AI zu tun hat, was jetzt aber als AI Startup gehypt durch die Decke geht.
Es ist eine Automatisierung, die da stattfindet natürlich.
Es ist im Endeffekt wie Camunda oder so.
Oder Sapia.
Oder Sapia, genau.
Exakt, es ist eigentlich die Sapia, also eigentlich ein Workflow-Integrations-Tool, was super krass viele gute Konnektoren hat.
Ich liebe N8N, weil es auch ein deutsches Unternehmen ist, was halt auch wirklich auf globaler Ebene mitspielen kann und auch sauber sich da steert.
Dann mit solchen Toolchains kann ich Use Cases mit ganz schmalem Budget und über die Cloud, also hier sei es jetzt Gemini oder sei es halt irgendwie JetGPT oder mit einem Microsoft Azure Account, wenn ich den eh schon habe, kann ich mal hochbooten in LLM, da kann ich die ersten Use Cases relativ gut mit Time to Market und mit vergleichsweise geringen Risikokosten umsetzen.
Und darüber kriege ich natürlich dann auch die ersten Erfolge, die erste Erfahrung und dann kann ich lernen auf dem Thema, wie ich mit allen technischen Themen lernen muss.
Wie kann ich sowas überhaupt machen und was läuft gut, was läuft schlecht.
Okay, sehr gut.
Andreas, wir sind auch leider schon am Ende der heutigen Aufnahme.
Die Zeit ist uns ein bisschen davon gerannt, aber ich habe noch eine kurze Runde Rapid-Fire-Fragen dabei, wenn du Lust hast.
Ja, schieß los.
Sehr gut.
Versuche es kurz und knackig.
Linux oder macOS?
Linux.
Tatsächlich?
Okay.
Ja, eure Spielekompatibilität.
Scheiß Material.
Ein Buch, das dich zuletzt inspiriert hat.
Das ist schwierig.
Ich habe ziemlich viel gelesen in der letzten Zeit.
Das kenne ich aber auch.
Also ich möchte das vorweg schicken.
Ich lese auch viel.
Und wenn man sagt, was kannst du denn jetzt empfehlen?
Und dann steht man da und der andere denkt dann, du hast doch kein einziges Buch gelesen, weil du keine Antwort auf die Frage kennst.
Aber ich muss dann teilweise auch echt in meiner Liste schauen, was ich denn alles gelesen habe und was ich denn jetzt in diesem Moment gerade empfehlen würde.
Also ich kann das nachempfinden.
Und mit meinem Gerede habe ich dir jetzt hoffentlich die notwendige Zeit verschafft, dass du eine Antwort hast.
Ja, habe ich.
Death and Inside Story von Sadhguru.
Okay, das sagt man nicht.
Worum geht es?
Ja, es geht darum, philosophisch auf sein Leben zurückzuschauen.
Der Tod ist ja für viele so ein Thema, wo sie eigentlich...
sich gedanklich von wegseparieren und sich nicht mit beschäftigen wollen.
Aber wenn man darüber nachdenkt, dass sein Leben endlich ist und irgendwann vorbei, kommen halt ganz einfache Antworten auf viele der Fragen, die einen sonst vielleicht im Dunkel tappen lassen.
Okay.
Unser Guru kann ich generell empfehlen als Autor und auch als Mensch.
Okay, sehr gut.
Es war mir tatsächlich kein Begriff, deswegen danke für die Empfehlung.
Ein Tool, ohne dass du nicht arbeiten willst?
Mein Outbook.
Okay.
Ich hätte gesagt, sagst jetzt sowas wie N8N oder keine Ahnung.
Was wäre dein größter beruflicher Fehler und was hast du daraus gelernt?
Bei Ergo hatte ich mich lange drei Zeit darauf konzentriert, die klassische Linienkarriere zu machen.
Das war mein größter beruflicher Fehler.
Ich habe daraus gelernt, dass Kompetenzen sich auch aufbauen und man jetzt auch darüber wahrgenommen wird, auch ohne, dass der Titel davor steht.
Das ist richtig.
Und wenn du morgen nicht mehr CTO wärst, was würdest du dann tun?
Was wärst du dann?
Weiterhin Unternehmer.
Ich habe so viele Ideen immer in meinem Kopf und Dinge, die ich optimieren möchte.
Und wenn ich jetzt nicht mehr CTO bin, dann zum Beispiel, was mich immer wieder umtreibt, ist persönliche Gesundheit.
Dann würde ich vielleicht was in die Richtung machen.
Unternehmung aufmachen, hier auch vielleicht lokal.
ein bisschen was räumlicher in der Ecke, wo ich auch mit den Menschen, die um mich herum sind, auch direkt interagieren kann.
Sehr cool.
Spannende Antworten.
Andreas, wir sind jetzt tatsächlich am Ende und ich glaube, wir hätten auch noch eine Zeit lang noch dranhängen können, aber leider rennt uns noch ein bisschen die Zeit davon.
Ist sowieso eine lange Folge geworden, freut mich sehr.
Die meisten waren bisher in letzter Zeit unter einer Stunde.
Wir haben jetzt hier die anderthalb Stunden geknackt, das ist sehr gut.
Freue mich drauf und Genau, hoffe, du beehrst uns dann auch bald mal wieder und dann kriegen wir es gleich hin im ersten Anlauf und müssen das nicht zweimal aufnehmen.
Ja, ich hoffe, jetzt hat es geklappt.
Ja, auf jeden Fall, davon gehe ich aus.
Andreas, vielen lieben Dank.
Wir sehen uns.
Vielen, vielen Dank für die Chance und dir eine gute Zeit, euch allen gute Zeit.
Bis dann, Schauk.
Danke, ciao, ciao.