# KPMG AI Strategy: Scaling Transformation, Risk Management, and Business Model Resilience

**Podcast:** Kollegin KI
**Published:** 2026-03-31

## Transcript

Einer meiner ersten Bots, die ich mir gebaut habe, war ein Steuerberatungsbot.
Ich hatte nämlich irgendwie Fragen, als ich in die Selbstständigkeit gegangen bin, natürlich wie wahrscheinlich jeder andere auch, ja, wie kann ich was eigentlich absetzen, wie muss ich das verbuchen in meiner Software und so weiter.
Und dann habe ich mir einen Custom GPT gebaut und den habe ich mit allen Steuergesetzen Deutschlands gefüttert.
Also ich habe quasi alles reingeknallt, was ich irgendwie finden konnte, was irgendwie relevant für mich erschien.
Und das war erstaunlich cool.
Also es hat erstaunlich geholfen, teilweise herauszufinden, wie man Belege einsortiert, was irgendwie auch Vorsteuer ist und so.
So Basic-Sachen konnte er relativ gut erklären.
Hat aber hin und wieder halluziniert.
Das lag einfach daran, dass das Kontextfenster von diesen Custom GPTs damals mit den Modellen noch relativ klein war.
Dementsprechend auch gar nicht alle Daten da ausgelesen werden konnten.
Mittlerweile habe ich das jetzt zu dieser Folge nochmal ausprobiert und es funktioniert deutlich besser.
Und ich freue mich heute mit Benedikt Höck zu sprechen.
Benedikt ist KI-Chef bei KPMG, also bei einer der großen vier Wirtschaftsprüfungen.
Und wir sprechen heute ein bisschen über State of KI im Steuergeschäft, aber vielleicht auch irgendwie in so einer großen Unternehmensberatung wie bei KPMG.
Ich bin Max Muntänke, das ist Kollegin KI.
Gehen wir rein.
Hallo Benedikt.
Hi Max, freue mich dabei zu sein.
Hast du auch ein Steuerbot?
Ich hab auch ein Steuerbot.
Fairerweise beantwortet er mir nur ganz einfache Fragen.
Und wenn wir in so einem Unternehmenskontext sind, dann hast du viel, viel mehr als nur Steuergesetze.
Es geht auch um Steueroptimierung oder ähnliche Themen.
Aber ganz grundsätzlich habe ich eine Menge an Bots, die mich unterstützen in meinem Alltag.
Und ich finde, gerade wenn du sagst, zum Alltag man eine schnelle Frage beantworten oder ähnliches, funktioniert das super.
So, jetzt gibt es ja immer die Frage: Was macht eigentlich so eine Wirtschaftsprüfungsgesellschaft?
Und wir können hier einfach mal unsere Kollegin fragen.
Vielleicht kann die uns erklären, liebe Kollegin, was macht denn eigentlich KPMG?
Na klar, ich erkläre es dir gerne.
KPMG ist so eine Wirtschaftsprüfungsgesellschaft, die prüft Unternehmen auf Herz und Nieren.
Na gut, eher auf Zahlen, Buchhaltungen und ob alles korrekt abläuft.
Sie checken, ob deine Bilanz sauber ist, beraten zu Steuerthemen und Risiken und sorgen dafür, dass alles schön transparent bleibt.
Also im Prinzip sind sie die Zahlendetektive für Unternehmen.
Klingt doch fast nach einer Krimiserie, oder?
Ja, klingt das nach einer Krimiserie, Benedikt.
Auf jeden Fall.
Also, ich arbeitest du deinem Kriminal.
Wir beraten natürlich auch und helfen Unternehmen erfolgreich Geschäftsmodelle, Wertschöpfungsketten oder ähnliches zu gestalten.
Aber auf jeden Fall eine sehr, sehr treffende Beschreibung für den Teil, wenn es um die Prüfung geht.
Ja, Ceta, KI kann Dinge erklären.
Glaubst du denn, dass es in zehn Jahren überhaupt noch Wirtschaftsprüfer gibt?
Oder wird KI das alles automatisieren?
Wahrscheinlich sind das ja alles klare Regeln, oder nicht?
Ja.
Ich glaube ja.
Ich glaube aber, die Rolle ändert sich ein bisschen.
Es gibt Elemente in der Rolle, die bleiben.
Also, was macht zum Beispiel ein Wirtschaftsprüfer, der sorgt auch für Verlässlichkeit, der sorgt dafür, dass sich Unternehmen an Gesetze halten und prüft das.
Die Art und Weise, wie die Prüfung aber durchgeführt wird, die ändert sich natürlich durch KI.
Ich kann viel, viel mehr Schritte automatisieren.
Ich kann Sachverhalte auch ganzheitlicher analysieren.
Also da, wo früher zum Beispiel Stichproben gezogen worden sind, kann ich jetzt eine Vollprüfung auch durchführen durch KI.
Und dadurch ändert sich das natürlich.
Ich glaube, die Frage ist immer so ein bisschen: was ist der Mehrwert?
Und wenn der Mehrwert beispielsweise eine Verlässlichkeit ist, erzeuge ich sie auf eine andere Art und Weise.
Die Verlässlichkeit bleibt aber natürlich am Ende des Tages.
Und so sehen wir im Moment ja im Prinzip entlang aller Berufe auch eine Transformation.
Und die Frage ist halt immer, was ist so der Kern des Kerns, wenn man so möchte, der bleibt.
Spannend.
Was ist denn der Kern eigentlich deines Jobs?
Stell dich doch mal kurz vor, was machst du denn bei KPMG eigentlich?
Ja, genau, Max.
Also, ich mache KI schon seit mittlerweile 15 Jahren.
Fairerweise war KI vor 15 Jahren eine fundamental andere Diskussion als heute.
Was ich hier bei KPMG mache, ist, ich kümmere mich um die KI-Transformation insgesamt.
Das heißt, ich kümmere mich zum Beispiel darum, sind wir mit den richtigen Themen am Markt sichtbar?
Haben wir die richtigen Angebote, die auch für unsere Kunden relevant sind?
Und das gibt natürlich einerseits die klassischen Themen, also dort, wo wir in eine Prüfung oder in eine Steuerberatung KI einbetten.
Aber natürlich helfen wir unseren Kunden auch bei der KI-Transformation an sich.
Und wir sagen immer, wir sind unser Kunde null und lassen unsere Kunden daran profitieren, was wir eben auch gelernt haben.
Und gleichzeitig, und das ist vielleicht der größte Teil meiner Arbeit, kümmere ich mich darum, auch intern die Transformation voranzubringen.
Also unsere 160.000 Kolleginnen in der EMA-Region dabei zu unterstützen, dass sie KI erfolgreich auch in ihren eigenen Alltag integrieren können.
Und dazu braucht es Technologie, Training, Befähigung, aber auch die Möglichkeit zu experimentieren und mit einem ganz anderen Mindset an Aufgaben heranzubringen.
Und das ist ein super spannendes Umfeld.
Ich bin sehr, sehr dankbar für diese Rolle, weil natürlich sehr viel passiert jeden Tag.
Und das ist so das Spektrum von dem, was ich hier tut.
Die offensichtliche Frage vielleicht zuerst: wie schult man 160.000 Leute?
Ja.
Wie machst du das?
Du suchst natürlich einerseits gemeinsame Fundamente.
Also wenn es zum Beispiel darum geht, KI zu verstehen oder zu verstehen, was kann das grundsätzlich machen kann, Tools zu erlernen oder Best Practices zu teilen.
Das sind sicherlich Dinge, die du in normalen Formaten auch für eine große Menge an Kolleginnen und Kollegen machen kann.
Was uns aber wichtig ist, ist, dass ja der Arbeitsalltag sehr individuell ist.
Also jeder hat ja irgendwie so sein Thema, die Art und Weise, wie gearbeitet wird.
Und deswegen haben wir ganz viele Formate von individuellen Hackathons über KI-Agenten, die dich personalisiert schulen.
Bis hin aber auch zu wirklich Kolleginnen und Kollegen, die als Multiplikatoren quasi Brückenbauer für dich sind, um in der Breite möglichst alle zu erreichen.
Weil was uns ein Anliegen ist, ist allen die Möglichkeit auch zu geben, Teil dieser Reise zu sein.
Weil wir alle lernen im Moment, tagtäglich.
Und wir wollen natürlich allen die Möglichkeit geben, das auch bestmöglich zu tun.
Und wir haben sehr, sehr viele verschiedene Jobprofile und alle sollen eben Teil davon sein.
Spannend.
Du hattest jetzt auch Experimentierfreudigkeit angesprochen.
Ganz klar, das sehe ich auch immer wieder im Alltag.
KI lernt man auch, indem man ausprobiert, indem man scheitert, indem man irgendwie verschiedene Modelle testet.
Jetzt ist das ja in der Wirtschaftsprüfung so eine Sache mit dem Experimentieren.
Natürlich hat man auf der einen Seite diese krasse Verlässlichkeit.
Ja, also es muss 100 Prozent stimmen.
Es gibt diesen Absolutheitsanspruch im Grunde an das Ergebnis.
Und KI ist ja nun nicht so zuverlässig.
Es gibt so ein paar Negativbeispiele.
Ich weiß nicht, ob du mit dem Fall in Australien bekannt bist.
Ich glaube, die Kollegen von Deloitte hatten da eine entsprechende Studie mit KI erstellt oder zumindest KI als Hilfe genommen.
Und das führte dazu, dass dann teilweise auch Quellen verlinkt wurden, die so gar nicht existiert haben und dann kam irgendwie raus, ups, ihr habt hier offenbar ein paar Halluzinationen drin gelassen, die die KI reingebastelt hat.
Und das führte dann auch zu Klagen bzw.
Zurückzahlung der Gelder, die an die Kollegen bezahlt wurden für diese Studien.
Wie geht ihr sicher, dass euch das nicht passiert?
Denn das ist ja eigentlich der Super-GAU, oder nicht?
Total.
Ich meine, der Fall hat natürlich deswegen auch Wellen geschlagen, weil das einer der ersten Fälle ist, wo mit KI was schiefgegangen ist.
Das hat natürlich eine ganz andere Aufmerksamkeit, als wenn jetzt rein in menschliche Arbeit was schief geht.
Ich finde erstmal wichtig, die richtige Erwartungshaltung ans KI zu haben.
Es gibt Leute, die setzen KI mit einem Excel gleich, wo ich eine Formel reingebe und da kommt immer das gleiche Ergebnis raus.
Das ist ein sehr schlechtes Bildnis, wenn man so möchte.
Ein besseres Bildnis wäre sowas wie die neue Kollegin oder der Kollege, die ins Unternehmen kommt, die viel Motivation und Fähigkeiten mitbringen.
Aber Max, du würdest ja auch jetzt nicht sagen, neue Kollege im ersten Tag macht jetzt hier die ganze Podcast-Produktion alleine.
Durcharbeitet drauf.
Auch da würdest du ja Qualitätssicherungsmaßnahmen oder ähnliches ergreifen.
Ich glaube, das ist eben genau das Richtige.
Dass du halt sagst, in welchem Umfang kann ich KI nutzen und wie kann ich einen Rahmen auch schaffen, dass ich eine Qualitätssicherung hinbekomme.
Und was wir eben machen, ist einerseits sehr bewusst überlegen, wo nutzen wir KI.
Geht es jetzt gerade darum, experimentell mal das Produkt der Zukunft zu entwerfen, wo es gar nicht um 100% Genauigkeit geht, sondern erstmal darum zu verstehen, was kann KI überhaupt leisten.
Oder sind wir in einem Szenario, wo wir eine KI dann in ein produktives Projekt einbetten, wo wir am Ende eine hundertprozentige Verlässlichkeit auch brauchen.
Und das ist natürlich ein anderer Umgang damit.
Ich glaube, was wichtig ist, und das trifft jetzt nicht nur auf uns zu, sondern auf alle Unternehmen, wenn KI integriert wird in Prozesse, in Arbeitsergebnisse, dann kann KI viel leisten.
Ich muss mir aber immer überlegen, was sind auch die Limitationen.
Du hast Halluzinationen angesprochen.
Wann treten die in der Regel auf, wenn KI keine echten Antworten findet, also weder im Modell noch in sonstigen Datenquellen die richtige Antwort hat.
Wenn ich aber weiß, dass das passieren wird, weil gar keine richtigen Informationen da sind, dann kann ich mir ja vorab schon überlegen, wo kann KI vielleicht Vorarbeit leisten und wo muss ich als Mensch dann aber auch die Ergebnisse überprüfen.
So, und so kann ich halt ein Bestes aus beiden Welten schaffen.
Und genau darum geht es ja am Ende.
Mensch und KI Hand in Hand.
Perfekt.
In einem Experimentierszenario, da will ich ja das Maximum pushen.
Also auch wir testen alles Mögliche, was rauskommt.
Wir lassen aber nicht alles Mögliche auf unsere echten Systeme, Daten oder Projekte los.
Ich glaube, das ist ganz klar.
Ja, sehr gut, erstmal intern testen, bevor man es dann ausrollt und so.
Was du angesprochen hast, ist die Probibalistik, die sogenannte, also dass KI keine reproduzierbaren Ergebnisse liefert.
Und ich mache das gerne in meinen Workshops auch, dass ich dann am Anfang sage, gerade wenn es so Anfänger-Workshops sind, dass ich sage, schreib mal alle einfach Hallo.
Und dann habe ich mal ein bisschen blöd angeguckt, warum sollten wir eine KI Hallo sagen?
Aber was sich herausstellt, ist das, wenn du fünf Leute im Raum hast, dass du unter Umständen fünf verschiedene Antworten auf Hallo bekommen, obwohl alle das gleiche geschrieben haben.
And damit mache ich es immer deutlich, hey, das, was ihr hier eingebt, that is nicht reproduzierbar, also das Ergebnis.
And that is eben diese Wahrscheinlichkeitsrechnung, an der KI die Antworten berechnet and die sind nicht zuverlässig.
Also deshalb kann man KI eben nicht, wie du richtig sagst, als Excel-Tabelle missverstehen und versuchen, Prompts auch so weiter zu geben, dass man sagen, hey, ich hatte das und das raus.
Vielleicht nutze ich den Prompt einfach auch, um genau das gleiche Ergebnis herauszubekommen, weil das ist statistisch sehr, sehr unwahrscheinlich, dass das möglich ist.
Wie schulet ihr denn?
Also ganz konkreto, gibt es bei euch so dieses typische mehrstufige Trainingsprogramm, wo man sagt, okay, das sind hier, in Stufe 1 sind erstmal die rechtlichen Grundlagen, die muss jeder lernen.
Das ist so etwas, was ich viel beobachte gerade.
In Stufe 2 sind dann die, die vielleicht so eigene Chatbots, Custom GPTs, wie auch immer bauen, also je nachdem, was für ein System ihr dann auch intern verwendet.
Und Stufe 3 sind dann so die Enabler, die dann im Grunde auch neue Use Cases ausprobieren.
Das ist das, was ich wieder erlebe.
Ist das bei euch ähnlich oder kannst du mal was zu diesem Schulungskonzept sagen?
Ja.
Also, Elemente davon haben wir natürlich auch.
Wir haben im Prinzip eine gemeinsame Basis, wo es nicht nur um rechtliche Grundlagen geht, aber unter anderem auch.
Also, du hast ja zum Beispiel aus dem EU AI-Act heraus so eine AI-Literacy-Anforderung, die relevant ist.
Uns geht es aber direkt im ersten Training darum, Chancen zu verstehen und Limitationen zu kennen.
Also zum Beispiel, wann halluziniert eine KI, oder wenn ich jetzt sag, ich möchte regelmäßig eine IBAN von einer Bank validieren, dann ist auch ein LLM jetzt nicht zwangsläufig der beste Weg, das zu tun.
Da gibt es auch andere Wege.
Das heißt, das ist uns wichtig, um erstmal so ein Fundament zu schaffen, dass es alle verstehen.
Und danach geht es uns aber ganz massiv darum, sichere Anwendungen zu schulen.
Also über wirklich viele Praxisbeispiele zu zeigen.
Wie kann ich mich auf einen Termin vorbereiten mit KI?
Wie kann ich das nutzen, wenn ich ein Angebot auch erstelle?
Wie kann ich meinem Kunden helfen, besser Potenziale in den Prozessen zu finden?
Wie kann ich meinen Kunden helfen, besser Risiken zu identifizieren und zu mitigieren und so weiter.
Und das sind dann eben die ganz praxisnahen Themen, die wir schulen.
Und was ich dabei nochmal ganz wichtig finde, ist auch den Einsatz von KI in der Breite zu verstehen.
Also oft wird KI gleichgesetzt mit Automatisierung.
Ja, KI kann Dinge effizienter machen, aber das alleine ist es gar nicht.
Ich hatte vorhin gesagt, früher haben wir zum Beispiel Stichproben gezogen.
Das müssen wir in einer KI-Zeit vielleicht gar nicht mehr machen.
Oder wenn du beispielsweise sagst, du bist jetzt hier in einem Projekt unterwegs, da willst du für einen Kunden Risiken optimieren, kannst du KI vielleicht gleichzeitig auch nutzen, um Optimierungspotenziale mitzufinden und schaffst darüber einen Mehrwert, der nicht möglich war, einfach aufgrund von Kapazität in der Vergangenheit.
Und genau diesen Horizont zu weiten und zu verstehen, was ist es denn eigentlich insgesamt?
Was kann es leisten?
Was kann es nicht leisten und was ist meine Rolle auch als Mensch an der Stelle?
Das sind uns Dinge, die total wichtig sind.
Und damit gehen wir dann los.
Und im Prinzip stell dir das so vor, das funktioniert wie so eine Baumstruktur.
Alle starten mit gemeinsamen Fundamenten und je weiter du gehst, desto mehr fächert sich das auf in das, was für dich relevant ist, also fachlich relevant ist, tooltechnisch relevant ist, aber wirklich relevant, um es in deinen eigenen Arbeitsalltag zu integrieren.
Und das Ganze viel mit Gamification versehen, teilweise versehen, einfach auch mit Badges oder ähnlichem, die du dir verdienen kannst, damit du die Möglichkeit hast, da wirklich weiterzulernen.
Weil ich finde, das ist wichtig, ein Thema, was ja manchen Menschen auch Sorgen bereitet.
Das hat große Chancen und kann auch Spaß machen.
Oh ja, ein schönes Bild mit dem Baum, weil am Ende dann die Früchte geerntet werden.
Aber eben erst am Ende und es dadurch auch ein bisschen Geduld braucht.
Das klingt jetzt nach ziemlich viel Umfang.
Jetzt muss ich mal fragen, für die für die Chefs und Chefinnen, die hier zuhören, aber vielleicht auch für die Angestellten, wie bringt man das in so ein Berateralltag unter?
Ich meine, ich weiß ja aus Erfahrung, was für einen Workload man dann teilweise hat.
Stellt ihr da Leute dann einmal die Woche für den Tag frei, dass die irgendwie KI lernen, machen die das neben der Arbeit noch neben der Belastung oder wie gestaltet ihr das?
Ja.
Also erstmal, wenn man jetzt aus so einer Sicht Controller in Anführungsstrichen da drauf schaut, hat KI-Training ein sehr, sehr schnellen ROI.
Warum?
Weil die Dinge, die du quasi lernst.
Also ein Return on Invest, ne?
Also für alle.
Genau, kannst du quasi ja sofort anwenden.
Und manchmal, das kennst du bestimmt auch aus deinem Alltag, wenn du jetzt sagst, ich habe hier ein Kniff gelernt.
Das hat mich zehn Minuten gedauert und ich wende das jetzt an und dann habe ich die zehn Minuten schon wieder gespart und vielleicht sogar noch ein Value obendrauf gesetzt.
Also das lohnt sich total auch in AI-Learning reinzugehen.
Wie machen wir das?
Wir glauben nicht, dass das davon lebt, dass du jetzt sagst, du sperst die Leute eine Woche ein, dann lernen die eine Woche und danach sind die KI-Experten.
Es ist natürlich gut, wenn du mal ein bisschen Zeit nimmst und ein bisschen einen Schritt zurückgehst von deinem Projekt, aber wir glauben eher, dass das auch von kontinuierlichem Lernen wirklich lebt.
Das heißt, was wir zum Beispiel machen, ist sehr regelmäßig bei uns in Deutschland, ist das mindestens alle zwei Wochen, neue Learning Nuggets raus zu geben, zu neuen Entwicklungen, neuen Best Practices, die die Leute nutzen können.
Und wir haben ganz, ganz viele Dinge, die im Vorbeigehen helfen.
Also, ich gebe dir jetzt mal ein simples Beispiel.
Wir lassen KI-Kampagnen auf unseren Kaffeemaschinen und Fahrstühlen laufen.
Das heißt, wenn du bei uns in einen Fahrstuhl steigst, magst du dann siehst du sofort, you can progress with AI.
Und dann weißt du sofort, aha, ich klicke mal hier auf das AI-Enablement Portal und hole mir mal die neuesten Learnings.
Also wir glauben eher, dass es die kontinuierliche anders so sehr die rein.
Und was wir halt versuchen ist, dass Leute, die in dem Thema arbeiten, auch ihre Lerneffekte teilen.
Das kennst du bestimmt auch selber.
Es ist immer viel, viel leichter von jemandem zu lernen, der den gleichen Alltag hat wie du, als jemand that da überhaupt gar nicht drin is, and then versucht über drei Ecken irgendwie eine Brücke zu bauen.
Was wir schon auch sehen is, natürlich muss ich das selber ausprobieren.
Also es hilft jetzt nichts, wenn ich dir was theoretisch erkläre und du das selber nie testen, sondern du musst natürlich mitmachen.
Ich glaube, der wichtige Teil ist, wenn du dir dann selber dein Agententeam bauen kannst, das kann bei uns jeder, also jeder, der möchte, kann sich ein Team an eigenen Agenten bauen.
Dann habe ich halt eine unmittelbare Hilfestellung auch für das, was ich tue.
Und über diesen Effekt versuchen wir halt das Lernen dann auch zu intensivieren.
Das ist eine schöne Sache mit dem individualisierten Bauen.
Denn am Ende, das ist so die Erfahrung, die ich auch gemacht habe, kommt der Mehrwert durch KI vor allem darin, dass man jedem Angestellten die Möglichkeit gibt, KI so einzusetzen, wie es eben am besten in den eigenen Arbeitsalltag und Rhythmus passt.
Also die Zeiten von großen Prompt-Bibliotheken oder drei, vier vorgegebenen Use Cases, die man auf den Tisch gelegt hat und gesagt hat, jetzt sei mal 20 Prozent effizienter.
Die sind vorbei.
Gott sei Dank, muss man sagen.
Also, ich glaube, wir bewegen uns gerade in diesem ganzen Transformationsprozess schon eher zu so einer Vertrauenskultur in Unternehmen, dass man sagt, hey, du hast jetzt die Möglichkeit, hier Agents zu bauen, die sind für dich im Grunde verfügbar.
Du kannst sie möglicherweise auch im Team teilen, was ich immer eine ganz tolle Sache finde.
Viele Tools bieten das ja an, das bricht dann sie los auf und man kann durchaus auch miteinander von anderen lernen, ja.
Dass man da eher in diese Richtung geht.
Wie siehst du denn diese KI-Transformation auch jetzt im Unternehmen?
Du sagst, du bist seit 15 Jahren irgendwie schon im Thema, wo befinden wir uns da gerade und wo geht es da jetzt noch hin?
Ja, also erstmal das, was du beschrieben hast, das sehe ich auch absolut.
Prompt-Bibliotheken können noch hilfreich sein, aber es ist sehr schwer operativ nutzbar, weil dann scrollst du dich dadurch endlose Listen oder auch schön aufbereitete Tools, wo du Prompts findest.
Was wir bei uns beispielsweise haben, ist so eine Art Agentic Marketplace.
Also da bekommst du dann Agenten für verschiedene Themen und kannst dir einfach deinen Agenten klicken, die dich zum Beispiel beim Podcasten unterstützt.
Und der ist qualitätsgesichert dann durch diejenigen, die den gepublished haben.
Und dann kannst du direkt losarbeiten hinten raus.
Das ist eine ganz andere Art der Nutzung, als wenn du dann mühsam erstmal einen Prompt suchst, der vielleicht einen kleinen Teil löst und dann musst du damit weitermachen.
Wir machen es auch viel, dass wir sagen, wir können im Team Agenten teilen.
Also ein schönes Szenario ist, a scenario is stell dir vor, du hast eine neue Aufgabe, das Team setzt sich erstmal zusammen und überlegt, was sind die Dinge, die wir Menschen gut können, was sind die Dinge, what are the things that KI gut kann, legen sich ein Set an Agenten an und auf einmal habe ich ein hybrides Team, was Hand in Hand arbeited.
Also, das sind so Szenarien, wo ich sagen würde, auch von dem, was ich bei Kunden kennew, da gibt es einige Unternehmen, that are.
In the bread, they are in the foreign, but it's just not untypic, solution to find.
We as mentioned the world to it.
That's why, when you just forstell, you are in a project and an accounting process durch KINRINKE.
Then we as mentioned erst mal to überlegen, wie sieht my process heute and what can I KI embedded, um Produktivity or Qualitätsverbesser.
And that is a total valide answer, um erst mal zu lernen.
And then use cases that we lose Rechnung automatisiert aus, beispielsweise.
And that is a guter Startpunkt.
We still relatively fest, so rich transformatives.
Where we share for short modelliert, wie mentionen durch diesen Prozess laufen.
When I just transformativ denken möchte, dann denke ich eigentlich eher andersrum and überlege mir what is this, was ist das Ergebnis, was ich erzielen möchte, und wie kombinier ich jetzt die Fähigkeiten, die mit Menschen, KI und auch sonstige Technologies bestmöglich neu, um Ergebons to schaffen.
And then it's richtig interessant, but then stelle ich fest, dass ich auch die Prozess- und Governance-Welten, which we have the letzten Jahre aufgebaut haben, teilwise do not deutlich verändere.
Und ich gar nicht mehr in Schritt-fürschritt-Prozessen denke, sondern eher in Capabilities, die Mensch und KI gemeinsam bereitstellen und wo ich das Beste aus beiden Welten holen möchte.
Und das ist jetzt natürlich so einfach gesagt, Max.
In der Praxis ist das natürlich ein bisschen komplizierter.
Aber das zusammenbringen, das ist eigentlich wichtig.
Und jetzt kommen wir nochmal zu dem Punkt, experimentieren.
Wenn ich mir gedanklich nicht den Raum lasse, auch mal neu zu denken, dann lande ich immer in dieser Welt, wo ich nur aus dem heute heraus denke.
Und dann lande ich nicht in der echten Transformation.
Das heißt, ich brauche wirklich auch den Freiraum in Anführungsstrichen, mal neu denken zu können und das best möglich zu kombinieren.
Kann ich, glaube ich, alles so unterschreiben.
Ich meine, es ist no brainer.
Man kann sich nichts vorstellen, was man irgendwie nicht kennt oder was man irgendwie noch nie irgendwo gesehen hat.
Deshalb ist die ganze KI-Entwicklung, finde ich, auch gerade extrem spannend.
Auf der anderen Seite sorgt das natürlich auch für Furcht.
Und zwar nicht nur in der Belegschaft.
Also wir kennen das ja, dass es immer wieder auch mal Statistiken gibt, die sagen, hey, gerade für Berufseinsteigende ist es gerade echt extrem schwierig, weil viele Unternehmen sagen, so einfache Rechercheaufgaben oder Automatisierungen, die kriegen wir eigentlich ganz gut mit KI hin.
Und ich mache mir die Überlegung, was passiert denn eigentlich, wenn die Junior-Ebenen alle wegfallen, wenn dann in Zukunft tatsächlich auch niemand mehr das Handwerkszeug gelernt hat und auch niemand die KI im Grunde überprüfen kann, beziehungsweise vielleicht sogar verbessern kann.
Wie siehst du das?
Ich weiß es nicht, wie es um die offenen Stellen bei KPMG aussieht, aber stellt ihr nach wie vor Juniors ein?
Ja.
Also, wir stellen nach wie vor Juniors ein und ich gehe auch ganz stark davon aus, dass wir das in Zukunft machen.
Und jetzt einfach mal eine persönliche Sicht darauf.
Ich halte nicht so viel von dieser pauschalen Aussage zu sagen, man braucht keine Juniors mehr.
Ich glaube nämlich auch, dass das gar nicht so sehr viel mit Berufserfahrung zu tun hat, sondern es eher darum geht, bin ich Methodisch dazu in der Lage, aus der Arbeitswelt von morgen etwas Gutes zu machen.
Ich gebe dir mal ein Beispiel.
Nehmen wir so Themen wie Softwareentwicklung.
Wenn du da 30 Jahre zurückgehst, wie wurde Softwareentwicklung gemacht?
Maschinennahme mit Nullen und Einsen.
Dann kam über die Zeit kamen immer mehr Abstraktion hinzu und heute programmierst du auf Deutsch, wenn du möchtest mit deinem KI-Tool.
Und trotzdem musst du ja sagen, wir haben heute deutlich leistungsfähigere Software, die ist auch irgendwie qualitätsgesichert.
Zwar nicht auf dieser Ebene Nullen und Einsen, aber trotzdem teste ich die Software.
Das heißt, ich habe ja einen anderen Weg gefunden, Qualität zu sichern als vor 30 Jahren, wo ich das vielleicht händisch durchgegangen bin.
Und wenn du jetzt einfach mal diese Analogie nimmst, der Softwareentwicklung, dann glaube ich, dass das Problem in dieser ganzen Junior-Diskussion immer ist, dass wenn wir davon ausgehen, dass wir die Juniors genauso anlernen müssen wie heute, dann wird das natürlich irgendwann schwierig, wenn KI mal mehr diese Tätigkeiten unterstützt.
Weil dann wäre das ja so eine Art synthetisches Lernen, wo ich dann trotzdem nochmal die Juniors die ganz einfachen Dinge machen lasse, dass sie es erlernen können.
Ich glaube aber auch, wenn wir jetzt zurückgehen zu unserem Transformationsgedanken.
Es wird andere Wege geben, it would other ways give Qualitätssicherung durchzuführen.
Es wird andere Method given to arbeits to what we have.
And deswing it is eighteen without we all learn continually.
And in a way, and that betrifft nurse KI, sort of when you the socio-demographical factors anguckst, geopolitical, and so we can nun mal in a world where we're going to be able to do that.
I think so that we as men are bereading to learn and guess what we can in unserem Alltag bringing, we enter this, is it wichtig, Teil dieser Reise to sein, and then we can't see, where we are all with the gleich started.
Now, we all have generative KILER, or just orchestrier in my team.
And then we have a good thing.
And design that we can juniors and a men of new aspects bring.
Stell dir for you who in complete studio with KI gearbected, der bringingt ein ganz natürliches Selbstverständnis mit.
Ich kann dir eine persönliche Anekdote geben.
Ich habe einen sechsjährige soon.
Der stellt mir mal Fragen, ich hatte dann eine Antworthy.
Und dann habe ich ihm mal gezeigt, hey, wir können auch einfach die KI fragen.
Und seitdem hat der verstanden, oh, es gibt da auch eine KI, aber für den ist das jetzt garden so, da ist die Maschine und da antwortet zum Beispiel sein Vater.
Sondern es ist viel natürlicher.
Und ich glaube, das kennst du wahrscheinlich auch, Max, wenn du heute mit Schülern oder Studierenden sprichst, die sagen dir dann so Sachen wie: Ja, ich habe mich da jetzt drei Stunden mit der KI drüber unterhalten und wir sind der Meinung, dass das die richtige Antwort ist.
Für die ist es ganz natürlich.
Und deswegen finde ich auch viel, was jetzt so mal in Artikeln diskutiert wird, wir brauchen keine Juniors mehr oder nicht.
Wenn ich jetzt Junior wäre, ich würde mich nicht davon beunruhigen lassen, sondern ich würde kontinuierlich weiterlernen.
Und über dieses methodische Verständnis habe ich einen Asset und ein USP, der für Unternehmen total interessant ist.
Für mich war das so ein bisschen der persönliche Google-Moment damals, als ich irgendwie acht oder neun war, dass ich dann auch erfahren habe: Oh, Moment, da gibt es das Internet und da kann man Dinge googeln.
Dann gab es die Wikipedia, bis heute ein riesengroßer Fan von der Wikipedia und lese täglich tatsächlich Artikel.
Also ja, es gibt eben diese Vorteile, die das Internet im Grunde auch schon hatte, die jetzt aber natürlich noch deutlich menschlicher wirken.
Und was du sagst, klar, die Arbeit von Juniors wird sich auch verändern, frage ich mich immer, wer soll denen das beibringen, wenn ich so an vorherige Arbeitgeber denke, waren die Chefs da in der Regel nicht diejenigen, die großartig technologische Innovationen getrieben haben mit einzelnen Ausnahmen, klar.
Aber eigentlich finde ich das eine spannende gesellschaftliche Beobachtung, dass man sagt, wir leben eigentlich in der ersten Generation, in der Ältere von jüngeren lernen.
Eigentlich war es in der Menschheitsgeschichte immer so, dass Ältere ihre Erfahrung weitergegeben haben und jüngeren etwas beigebracht haben.
Heute ist es so, dass wir die Drucker und Rechner unserer Eltern irgendwie reparieren und denen erklären, wie das Internet funktioniert.
Und da finde ich, es ist so ein bisschen schwierig, den Juniors das beizubringen, aber ganz klar, du sagst, die Arbeit verändert sich.
Und da nehme ich auch gerne das Beispiel irgendwie aus dem Buchdruck.
Wenn du überlegst, dass so damals Bücher halt gesetzt wurden, also wirklich mit Mitteilplatten, die im Grunde bestrichen wurden, gepresst wurden, einzelne Seiten damit aufwendig gemacht wurden.
Das ist das Ganze später dann automatisiert oder digitalisiert wurde.
Auch hat niemand behauptet, wir müssen jetzt irgendwie neue Lehrlinge hier noch an den alten Buchdruckmaschinen ausbilden.
Nein, das hat sich natürlich auch geändert.
Und so ändern sich Arbeitsanforderungen und ich denke, das funktioniert auch mit KI.
Ja, was ich ganz schön finde an dem Punkt, den du gerade gesagt hast: also, es ist eigentlich egal, wie alt oder jung du bist, wo du herkommst, was du davor gelernt hast.
Wir haben alle die gleiche Chance, weil du KI gibt dir auf einmal Fähigkeiten, die du selbst als Mensch nicht hast.
Also ich muss zum Beispiel auch sagen: wir machen ja sehr viele Studien und Statistiken.
Und so was du gesagt hast, dass jetzt die Jungen den Alten in Anführungsstrichen die Welt erklären, auch das kannst du so pauschal tatsächlich nicht unterschreiben.
Es gibt beide Szenarien, wenn du so möchtest.
Was ich immer gerne als Anekdote sagt, ist, KI verleiht dir Superkräfte.
Du kannst als einzelne Person auf einmal alles machen, was du möchtest, in Anführungsstrichen.
Wenn du ein guter Orchestrator bist von dem.
Das heißt, diese Fähigkeit, wie orchestriere ich Arbeit, wie verstehe ich, was als Mensch mein Asset ist in einer hybriden Organisation, wenn man so möchte.
Ich glaube, das ist eine ganz neue Fähigkeit, die auch so keiner hatte in der Vergangenheit.
Und deswegen ist es ein gemeinsames Lernen, was eben uns allen die gleiche Chance hinten ausbietet.
Also, das finde ich immer ganz wichtig.
Ich sage auch immer, es ist eine Demokratisierung von Technologie.
Also im Grunde ist es schon verrückt, dass wir hier eine Technologie zur Verfügung gestellt bekommen, die eigentlich erstmal allen relativ gut zur Verfügung gestellt wird.
Du brauchst Internet, du brauchst halt für so ein Premium-Account irgendwie 20, 30 Dollar im Monat.
Das sind so Hürden natürlich, aber insgesamt muss man sagen, dass es halt eine extrem mächtige Technologie ist und auch in der Geschichte eigentlich solche Technologien eher anderen Bevölkerungsgruppen vorbehalten wurden und nicht, sag ich mal, ein Sechsjähriger so und jetzt mal eben irgendwie mit ChatGPT oder was auch immer sprechen kann.
Das wird natürlich dann auf der Gegenseite auch wieder zu Komplikationen und Problemen, aber auf der anderen Seite ist es erstmal positiv betrachtet, eine schöne Demokratisierung von einer sehr, sehr mächtigen Technologie.
Ja, wo wir natürlich dann verantwortlich mit umgehen müssen.
Und ich hatte das Thema Angst schon angesprochen.
Ich würde jetzt zum Ende hin gerne auch nochmal so ein bisschen auf die gesellschaftliche oder wirtschaftliche Lage gucken.
Es gab im letzten Monat ein Blogpost, der von Anthropic, meine ich, veröffentlicht wurde, oder im Rahmen von Anthropic.
Und da ging es darum, dass KI jetzt imstande wäre, die COBOL Computersprache wiederzugeben, beziehungsweise zu fixen.
Und COBOL steht für Common Business Orientated Language.
Das ist eine uralte, sehr komplizierte offenbar Computersprache, die, also eine Programmiersprache, die damals eingeführt wurde und die bis heute eigentlich in vielen Kassensystemen läuft, in allem, was irgendwie so mit Rechnungswesen zu tun hat.
Und die ist, sage ich mal, mehr oder weniger das Geschäftsmodell von IBM.
IBM beschäftigt eine ganze Menge Berater und Beraterinnen, die sich eigentlich wirklich damit befassen, diese Programmiersprache zu updaten.
Und das ist sehr aufwendig und sehr, sehr teuer.
Und jetzt, wo KI imstande ist, diese Programmiersprache vermeintlich selbst zu fixen, hat dieser eine Blogpost dazu ausgereicht, Milliardenwerte an der Börse zu vernichten.
IBM ist zwischenzeitlich irgendwie um 13 Prozent im Börsenwert gesunken.
Was macht man da als Wirtschaftsprüfer bzw.
vielleicht aus Unternehmensberaterperspektive, wenn es so volatil ist, dass diese Angst, die nicht nur irgendwie im beruflichen Bereich besteht, sondern auch komplett im Finanzmarkt, ja.
Man spricht von AI Scare Trade, ja, man hat irgendwie Angst davor, dass irgendwie ein KI-Gerücht in die Welt gesetzt wurde und damit ganze Businessmodelle zerstört werden.
Was rät man da sein Kunden noch?
Ja, also erstmal, Cobol läuft auf wirklich sehr, sehr vielen Elementen, die Teil auch unseres täglichen Alltags sind.
Ein anderes Beispiel sind Kernbankensysteme.
There are super viele Kernbankensysteme, die noch in COBOL entwickelt sind.
Und jetzt hast du gleichzeitig die Herausforderung, es gibt keine COBOL-Entwickler mehr, die nachwachsen.
Das ist ja sehr maschinennahe Programmierung im Vergleich zu dem, wie wir heute Software entwickeln.
Und deswegen ist das tatsächlich ein Thema.
So, und so wie du beschrieben hast, für IBM sicherlich auch ein gutes Geschäftsmodell.
But wo verändern sich the things substantially.
Also, wo trifft is then really.
Stell dir mal vor, du bist eine Bank and we all in the art where we are with gewissen banken aufgewachsen, die weit.
Die teilweise auch einen echt USP darin haben, dass they say I have a Filiale for Orthodox or I have a Markey that über Generation bekannt is.
Just stell dirt was for.
And when you solve Szenarien durch spielen, then fängst du an, sich damit to beschäftigen.
What is KI mit meinem Geschäftsmodell?
And then stellst du vielleicht fest, that many things echte USPs are, and other things, the USPs are in a world ohne KILLINE in the Zukunft.
And I think this is very, very wichtig.
And gerade when you say you are a forestand of a Unternehmen to überlegen, good what bedeutet this Geschäftsmodell technisch, what bedeutet for the Wertschöpfung, and what music in the eben darunter tunes, um die richtigen Technologien zu sicher zu nutzen anders, meine Organisation auch zu befähigen, genau in diese Arbeitswelt von morgen erfolgreich zu arbeiten.
And what you see, is that viele Unternehmen mit einzelne Elementen davon beschäftigen, and the Geschäftsmodelldiskussion nicht einfach, but it's not with Hypothesen zu tun and what are the growth entwicklings.
But that's not.
And that möchte ich nicht.
And this one can tip, structured and gesamtheitlicher with the KI beschäftigen.
Also, what won't we hit in this world with Geschäftsmodellen und Wertschöpfungen anders erst abzuleiten, what getan was.
That can be self.
Manche laufen immer sofort los anders, which is good, but damit entstehen erste Prototypen und erste Lerneffekte.
Das mache ich, ja.
Aber wenn ich auch weiß, wo ich am Ende damit landing möchte, it is umso besser.
And deswegen finde ich this strategische Sicht in Einklang zu bringen mit dem Operativen, das ist so die growth kunst am Ende.
Und das, was eben auch getan werden sollte.
Und ich sehe viele Unternehmen, died verstanden haben und jetzt eben genau damit anfangen, and they überlegen, wo ergeben sich new chances dadurch.
Also, nimm mal ein Beispiel, Max: the meiste Content, der da draußen ist, ist optimiert auf Menschen, weil wir Menschen konsumieren den Content.
Wenn du dir jetzt aber sagst, in Zukunft sind die Käufer nicht nur die Menschen, sondern vielleicht die Agenten, die im Auftrag des Menschen handeln, dann hast du auf einmal ganz viel Lücke für Positionierung in dieser Welt, weil du sagen kannst, wie positioniere ich denn Produkte, Content, was auch immer, bestmöglich bei KI-Agenten, sodass mein Teil gekauft wird.
Und das sind Entwicklungen, die sehen wir gerade, hast du bestimmt auch schon so Dinge wie von SEO und SEA zu Geo und so weiter gehört.
Aber das passiert eben auf allen Ebenen.
Und ich glaube, während das ein Risiko sein kann, weil Dinge verändert werden, ist es eine große Chance, weil du dich auch positionieren kannst in dieser Entwicklung.
Ja, absolut.
Dachte ich auch sofort an SEO, also Suchmaschinenoptimierung, ja, dass man natürlich dann Websites nicht nur schön macht, sondern auch dafür sorgt, dass im Code entsprechende Keywords enthalten sind, dass das Ganze bei Google gefunden wird, wo Leute dann im Grunde eher draufklicken und dann eben auch einen Produkt erwerben oder ähnliches.
Ja, und was du sagst, ist tatsächlich eine verrückte Sache mit veränderten Geschäftsmodellen.
Matt Schumer hatte da ebenfalls einen Blogpost drüber.
Und Schumer hat Massenarbeitslosigkeit vorher gesagt, vor allem in dem Begriff, dass viele Leute einfach, die jetzt im White Colour-Bereich, also WissensarbeiterInnen könnte man sagen auf Deutsch, dass die tätig sind, dass die im Grunde durch KI ersetzt werden.
Und dass dadurch dann auch die Nachfrage sinkt, beziehungsweise halt generell der Konsum und wir eigentlich in düstere Zeiten absteigen.
Wie wäre denn so deine Prediction?
Kriegen wir da den Schwung hin, schaffen wir es auch weiterhin, Geschäftsmodelle tragbar in Zeiten von KI zu machen, sodass das System mit der Mensch erwirtschafteten Mehrwert bleibt.
Oder müssen wir uns da vielleicht an anderen Dingen orientieren, so Stichwort, bedingungsloses Grundeinkommen oder all diese Überlegungen, die es da im theoretischen Bereich immer gibt.
Und wo siehst du da eigentlich die können wir erstmal das eine beantworten, und dann kannst du vielleicht noch mal ein bisschen was erzählen, wo du eigentlich die Branchen siehst, die gerade extrem gefährdet sind, und wo du sagst, ihr müsst euch jetzt mal wirklich ranhalten und tatsächlich mal gucken.
Ich glaube, fairerweise, gerade wenn man das historisch betrachtet, dann gab es ja große Veränderungen.
Also beispielsweise hin zu Knowledge Work erstmal, ne, von industrieller Fertigung zu Knowledge Work.
Und eigentlich in jeder Transition-Phase gab es genau diese Sorge, dass dann jetzt auf einmal Massenarbeitslosigkeit da sind und so weiter.
Fairerweise muss man sagen, dass die eigentliche Transition-Phase auch nicht immer einfach war.
Es ist dann einfach zurückzublicken und zu sagen, ja, das ging dann total schnell.
Aber in dem Moment ging es dann vielleicht auch gar nicht so schnell.
Ich glaube schon, dass wir, und das ist so ein bisschen dieser Punkt Transformation, jetzt in der Orientierungsphase sind, wo Veränderung passiert und wo das auch schwer sein kann, diese Veränderung voranzutreiben.
Ich glaube, das Positive hinten raus ist, aber es gibt eine Menge an neuen Geschäftsmodellen, die daraus entstehen.
Wir haben ein paar Mini-Punkte gerade angerissen.
Und diese Veränderung umzusetzen, auch das braucht ja ganz, ganz viel Arbeitsaufwand, um das überhaupt zu erreichen hinten raus.
Und dann landen wir in einer Welt, wo es vielleicht ganz neue Geschäftsmodelle gibt.
Also nimm so Dinge wie Social Media heute.
Für viele Menschen ein fundamentaler Bestandteil des Lebens geworden, vor 20 Jahren quasi nicht existent.
Und so genauso wird es neue Elemente geben, wenn wir über Agenten, Ökosysteme sprechen oder ähnliches, die morgen komplett neu sind, die wir aufbauen müssen, die nicht da sind.
Und deswegen glaube ich ja, es wird eine große Veränderung geben.
Ich glaube, Teil dieser Veränderung zu sein erfordert von uns persönlich, dass wir eben lernbereit sind und die Veränderungen auch mitgehen.
Ich bin aber sehr positiv darin, dass wir durch neue Geschäftsmodelle, neue Rollen wie Orchestrierung eben von verschiedenen technologischen Lösungen, auch alle einen Platz finden werden.
Und deswegen bin ich ein Mensch, der immer eher auf dieser positiven Seite ist.
Ich glaube, solange wir die Offenheit haben, die Chancen auch zu sehen und auch einfach die Lust daran haben, sie zu ergreifen, wird das eine positive Welt hinten raus.
Wohlwissend, dass eine Transformationsreise nie leicht ist.
Und ich finde, man darf das auch nicht leicht reden oder auch Sorgen oder so einfach wegwischen.
Aber ich glaube, und das ist so ein bisschen der Punkt, wo du gesagt hast, was können Unternehmen tun?
Unternehmen können auch ihren Mitarbeitenden die Chance geben, zu lernen, KI zu nutzen, in den Alltag zu bringen, darüber Ideen zu entwickeln, wie das Geschäftsmodell weiterentwickelt werden kann.
Und jetzt kommen wir zurück auf dein Experimentieren vom Anfang.
Wenn man auch die Möglichkeit gibt zu experimentieren, dann finde ich vielleicht direkt die nächsten drei, vier, fünf Produkte, die es so noch nicht gab, die ich aber ans Geschäftsmodell mit randehmen muss.
Und das ist für mich der Teil, der wichtig ist.
Ansonsten gibt es eine Menge an Szenarien für die Zukunft.
Es gibt auch sehr, sehr viele interessante Studien dahin.
Ich glaube, was wichtig ist, ist eine Offenheit zu behalten und zu lernen und damit Teil der Veränderungsreise zu sein.
Und dann gibt es eben auch den Platz morgen.
Das ist ein sehr, sehr schönes Schlusswort, lieber Benedikt.
Vielen lieben Dank, dass du da warst.
Hast du noch irgendwas für den Bot, was du mitteilen möchtest.
Du weißt ja, ich brauche aus jeder Folge in einem eigenen Chatbot, dass Leute dann nochmal nachlesen können.
Auch wenn ihr jetzt nochmal gucken wollt, was SEO und Sea oder Geo sind, ja, dann könnt ihr das natürlich auch im Bot fragen, der wird euch das perfekt beantworten.
Benedikt, hast du irgendwie noch was, was du loswerden möchtest.
Vielleicht einfach ein persönlicher Appell.
Also ich kann nur ermutigen, bei allem, was so an Risiken da draußen ist, zu lernen und zu testen und auch Unternehmen, dass die Möglichkeit den Mitarbeitenden gegeben wird, genau das zu machen.
Was gleichzeitig wichtig ist, ist eben diese Umsicht.
Also dass ich weiß, in welchem Tool kann ich was eingeben, was passiert auch mit meinen Informationen, die da drin sind, sodass ich auf eine sichere Art und Weise lerne.
Und dann macht KI aber total viel Spaß.
Und das ist eben ein Element, wo ich finde, das darf nicht verloren gehen.
Also, als ich zum Beispiel das erste Mal meinen KI-Song generiert habe, war ich begeistert raus.
Und es war es einfach ein großer Aha-Effekt, den ich immer wieder habe.
Oder wenn du das erste Mal dein Agententeam hast, was Hand in Hand mit dir arbeitet, das kann auch Spaß machen.
Deswegen kann ich nur mitgeben, auch mit Freude zu testen, aber halt immer auch in Anführungsstrichen sicher, um zu wissen, was sind jetzt die Dinge, die da mit meinen Daten oder ähnlichem.
Richtig in der sicheren Umgebung.
Vielen lieben Dank, Benedikt.
Danke dir, Max.
Ja, Benedikt Höck von KPMG, liebe Leute.
Ihr könnt, wenn ihr Fragen an die Folge habt, natürlich auch den Chatbot in den Shownotes bemühen.
Die Kollegin KI, die sagen umwoben, ne, die jetzt übrigens auch nochmal nochmal was erklären kann.
Und zwar gibt es ein neues Format.
Ich darf ab sofort zweimal die Woche zu euch sprechen.
Und vielleicht kann die Kollegin uns einmal erklären, was es mit diesem neuen Format auf sich hat.
Bitte.
Na klar, das neue Format ist die Kollegin KI Snackbox.
Jeden Freitag gibt es in knackigen fünf bis zehn Minuten ein Update zu den KI-News in der Arbeitswelt.
Und das mit Fokus auf Europa.
Denn europäische KI verdient mehr Rampenlicht.
Während in vielen Medien oft nur über US-Technologie gesprochen wird, holen wir die europäischen Entwicklungen in Spotlight.
Also, jeden Freitag überall, wo es Podcasts gibt.
Und natürlich mit der gewissen Kollegin KI-Note.
Ich hätte es nicht besser erklären können.
Also ihr habt es gehört, hab sofort zweimal die Woche.
Jeden Freitag auch von mir einmal fünf bis zehn Minuten.
Also kleine Snacks zum Wochenende deshalb Snackbox.
Haha, damit ihr entsprechende Talking Points habt, wenn es um KI in der Arbeitswelt geht.
Und vor allem natürlich den Fokus auf Europa, weil ich mir einfach denke, ich habe da Bock drauf.
Leute, wir reden echt immer nur über US-Tools.
Lasst uns mal bitte darüber sprechen, was hier eigentlich auf dem Kontinent los ist.
Denn da passiert eine ganze Menge, ohne spoilern zu wollen, schaltet gerne am Freitag ein.
Wir sprechen uns jetzt dann zweimal die Woche.
Ich freue mich ganz toll.
Bis dahin.
Ciao.
Dieser Podcast wird produziert von Podstars.
Bei OMR.