# Fynn CTO: Automation-First Strategy for AI Scale

**Podcast:** Tech and Tales
**Published:** 2026-08-29

## Transcript

Tech & Tales Herzlich Willkommen zur 95.
Folge von Tech & Tales.
Mein Gast heute ist Andreas Stritz.
Andreas ist CTO von Fynn und das interessiert mich momentan besonders, denn ich habe noch zwei Tage mit meinem Firmenwagen und dann höre ich auf bei meinem aktuellen Arbeitgeber und muss meinen Marken zurückgeben und brauche ein neues.
Deswegen habe ich angefangen, Fynn Autos zu recherchieren.
Und das Interessante an Finn ist tatsächlich die KI-Transformation, die ihr quasi geleistet habt, beziehungsweise auch diese Automation-First-Strategie, die ihr schon seit Jahren gefahren habt.
Aber Andreas, stell dich doch einmal kurz vor.
Ja, sehr gerne.
Ja, vielen Dank.
Freue mich, hier da zu sein.
Genau, bin 42.
Glücklich verheiratet, kleine Tochter und bin theoretischer Physiker und Informatiker, ausgebildet, sage ich jetzt mal, und habe das große Glück, seit 2019 FIN mitgegründet zu haben, uns für die ganze Tech-Effort verantwortlich zu sein.
Tech bei FIN ist Softwareentwicklung, klassisch, Product Management, Data und Business und AI, Business Automation mit AI Manager.
Und da kommen wir zu dem Punkt, du hast ja gesagt, wir sind, ich sage mal so, Automation Native und dazu muss man wissen, wieso sind wir so.
Dazu muss man das Business-Modell verstehen.
Wie du gesagt hast, Fynn ist ein Auto-Arber anbietet.
Wenn du ein Auto brauchst, gehst du auf 5.com, suchst dir das Auto aus, wir liefern das Auto an die Haustür und kümmern uns um den Rest.
Und der Rest ist halt operativ-produkt komplex.
Also wirklich, wirklich komplex.
Das ist ein physikalisches Produkt, man will das in aller Schönheit zum Kunden liefern und dadurch entsteht halt das Mindset, wir müssen alles automatisieren, sonst musst du dir eine Horde an Mitarbeiter heiern und auch bezahlen und koordinieren und orchestrieren, um dann überhaupt effizient zu sein.
Und das wollten wir von Anfang an vermeiden und sagen, okay, wir automatisieren von Tag 1 2019, als wir die Firma gegründet haben.
Das ist der Hintergrund.
Genauso ist es entstanden.
Und ganz ehrlich, die ganz ehrliche Antwort, ich hasse Ineffizienzen.
Das ist in meiner DNA nicht drin.
Deswegen habe ich seit Tag 1 so ein Mantra eingeführt bei Tech, ist Engineers of Efficiency und Engineering for the sake of Engineering.
Ich werde wahnsinnig, wenn meine Engineers mir erzählen, ja, wir wollen das machen, weil es cool ist.
Nein, wir machen, was bringt es dem Business?
Und dann von da aus nehmen wir es dann und gucken uns genau an.
Ja, das ist ein guter Ansatz.
Ich meine, viele Engineers, es gibt ja immer das Grundproblem, dass die, they fall in love with the solution oder beziehungsweise nicht mit dem Problem.
Ich glaube, das ist so ein Grundproblem, was Engineers häufig haben.
Die basteln halt gerne, ohne dass es tatsächlich manchmal ein Problem gibt und ohne dass man was fixen muss.
Aber keine Ahnung.
Ich glaube, es ist einfach ein Teil auch fast der Kultur.
Ihr seid relativ erfolgreich, finde ich.
Also es ist relativ, ihr seid sehr erfolgreich.
Ihr habt seit 20, ich glaube, ihr seid seit 2025 seit dem Unicorn.
Da habt ihr 140 Mio in Series D geraced.
Habt seitdem eine Milliardenbewertung.
Ihr hattet einen ganz krassen Umsatzsprung von 2022 auf 2024 von 3,2 Mio auf 444 Millionen Euro.
Das heißt, das ist natürlich ein völlig insanees Tempo.
Wie viel Automatisierung war dabei?
Also wie habt ihr das geschafft?
Ihr habt sicherlich skaliert und nach den klassischen Skalierungsgesetzen Leute eingestellt und so weiter.
Aber war davon auch ein großer Teil Automatisierung?
Der allergrößte Teil.
Ich glaube, Leute einstellen und die richtigen Leute einzustellen, das ist die Challenge von jedem Grow-Up und von allen erfolgreichen Firmen.
Die machen das alles exzellent.
Ich sage immer, Talentmanagement ist keine Kunst, das musst du drauf haben.
Ich glaube, der wirkliche...
Secret Source hier bei Fynn war, jeden Mitarbeiter, jeden Einzelnen, ob ein Tech ist oder nicht Tech, dieses Automation Mindset vorzuleben und zu ermöglichen.
Also ich sagte, mein Job war und ist heute noch, take the fear away.
Den Leuten die Angst zu nehmen, etwas kaputt zu machen.
Ja, aber wir können das nicht machen und dann 17 Gründe und 16 davon sind erfunden.
Nein, wir machen das jetzt und dann gucken wir mal.
was die Ergebnisse sind.
Ich glaube, das war und ist immer noch der Success von Fynn.
Und das Gute ist, wenn du es einmal auf grüne Fläche aufgebaut hast, dann hast du das in der DNA der Firma drin und dann kriegst du es nicht mehr raus.
Und das ist das Schöne.
Ja, okay, das heißt, es war sozusagen das Fundament.
Und ich meine, diesen Mut zu haben, das ist sicherlich, glaube ich, die Kernkompetenz, die auch Startups haben und Scale-Ups und so weiter.
im Vergleich zu den bestehenden Corporates, weil letztlich ist das das, was man braucht, um weiterzukommen.
Ich glaube auch in Deutschland, Kunden als Land bräuchten wir viel mehr Mut und auch wie du sagst, klar, von Greenfield anzufangen ist sicherlich einfacher, als ein bestehendes Unternehmen in diese Richtung zu transformieren.
Ich habe gelesen, dass ihr so eine Art BAM-Team hattet.
Immer noch habe, ja.
Okay, okay.
Für Business Automation und AI Managers.
Und das war sozusagen das Kernteam für diese Automatisierung.
Erzähl mal bitte, was ihr da genau gemacht habt mit BAM.
Also die wirkliche, die volle Story ist, am Anfang waren sehr viele junge, wilde Leute und die wollten automatisieren.
Und das haben wir denen erlaubt.
Mit ganz einfachen, deterministischen Szenarien.
Also wir verwenden heute noch sehr, sehr intensiv Make.
Also kein AI, gar nichts.
AI wasn't a thing.
Dann habe ich gesagt, macht mal erst mal, wenn ihr ein Problem habt, dann automatisiert man.
Let's go.
Und irgendwann kam der Nita, wurde die Firma größer.
Ich sage, es waren so 80, 100 Leute insgesamt.
Da haben wir gesagt, oh, jetzt automatisieren alle, aber wir haben nicht wirklich diese Kompetenz, um den Leuten bei der Automatisierung zu helfen, falls mal was kaputt geht oder nicht.
Dann haben wir gesagt, okay, lass uns da eine dedizierte Rolle für bauen.
Das war damals der BAM, B-A-M, Business Automation Manager.
Das andere A ist dann später dazugekommen, als der eine dazu war.
Das heißt, jedes Department, und das ist wirklich kein Witz, People Department, also HR, Finance, Growth, Fleet, jedes Department hat Minimum ein Business Automation und AI Manager.
Vollzeit da drin sitzt mit dem Department.
Das heißt, wenn irgendetwas ist, kannst du immer aufstehen, ich habe diese Automatisierung gebaut oder diese komischen Agenten oder diesen schönen Agenten.
Irgendwie funktioniert das nicht, ich kann es mir helfen.
Und das ist, glaube ich, wirklich die Kunst.
Voll bei Neurolle geschaffen, die es vorher nicht auf dem Markt gab.
Da gab es so RPA-Gedönste, aber das ist, nein.
Und das war, glaube ich, der Secret Source, das ist heute noch.
Wir haben heute elf Leute, die Vollzeit Business Automation AI Manager sind und die berichten direkt an mich an C-Level.
Also nicht irgendwo halb gar irgendwelche komischen Mittelmanagement, sondern sofort direkt C-Level, damit man den vollen Durchstich hat.
Das ist super smart, muss ich sagen, weil typischerweise beginnen die Unternehmen den Fehler, dass sie CTOs einstellen oder Chief AI Officer oder CIOs, die nur für AI verantwortlich sind.
Und das kaskadiert sich dann irgendwann runter in die einzelnen Abteilungen.
Aber wie du sagst, das hat meistens keinen Durchschlag, weil es fehlen auch die Leute.
Und es fehlt vor allen Dingen dieser Ansatz für Automation.
Die meisten füllen irgendwelche sinnlosen AI-Tools ein.
die dann innerhalb, also laut Gartner nach 40, werden 40 Prozent aller AI-Pilots in 2027 wieder abgestellt werden, weil es eben zu viel Fokus auf AI, weniger Fokus auf Automatisierung gibt.
Und das ist, finde ich, sehr, sehr schlau, dass ihr so viele, also dass ihr so eine Art dezentrale Lösung habt und weniger das auf, also geteilte Verantwortung und weniger auf einer Schulter sozusagen liegt.
Absolut, da ist natürlich, also...
No offense, aber ich glaube, in dem Moment, wo du als Firma sagst, du brauchst Chief Digital Officer, hast du irgendwie die Aufgabe nur nicht verstanden.
Vor allem, insbesondere, wenn dein Produkt sehr digital ist.
Also nein, das muss jedes Department haben und komplett umsetzen.
Das ist jetzt die nicht populäre Aussage von meiner Seite.
Wenn ihr anderer Meinung seid, geht bitte auf mich und nicht auf dich zu.
Und zweitens ist bei AI, no joke, ich glaube, viele haben...
80% sind deterministische Workflows.
Ganz einfach.
Wenn das passiert, wenn ein B2B-Kunde ist, Mehrwertsteuer rausrechnen.
Wenn ein B2C macht das.
Und was wir heute sehen, ist, Leute verwenden AI, 15 Seiten System-Prompt, was nicht gemacht werden muss, nur damit es deterministisch das Ergebnis gibt.
Dann denken die Leute, nein.
Verwenden AI da, wo wirklich AI notwendig ist, ein guter Indikator ist.
Brauchst du einen Menschen, um diese Aufgabe zu machen?
Wenn ja, Also wenn nur ein Mensch das machen kann, dann High Potential for AI with the capabilities, die wir heute brauchen.
The rest geht demnistisch.
Total richtig.
Sehe ich auch so.
High Potential for AI.
Genauso sehe ich das auch, weil das Problem ist, dass selbst wenn du AI nutzt, musst du ja in der Lage sein, das Ganze anzuwenden.
Die eine Hälfte ist nur die Generierung von Antworten und das Raussuchen von Informationen.
Aber was machst du mit dem Ganzen?
Das heißt, am Ende sehe ich das genauso.
Die ganzen Hypotensions, die ich sehe, sind immer noch besser als AI.
Beziehungsweise, die werden halt richtig gut, wenn sie dann AI verwenden.
Aber die Anwendung ist am Ende das Wichtigste.
Den nächsten Schritt brauchst du aber auch, und da können wir später gehen, Resilience.
Also die können wir super orchestrieren und bauen, aber das heißt nur gar nicht, also eine Fabrik bauen ist was anderes als eine Fabrik betreiben.
Das sind immer verschiedene Leute.
Es gibt einen Grund, weshalb die Person, die die Fabrik baut, nicht der Verwalter der Fabrik ist.
Und das ist bei Tech und bei AI exakt genauso.
Genau, und die Systeme müssen auch, nicht nur die Leute, auch die Systeme müssen robust sein.
Das ist diese Resilienz, die du bei den Menschen hast.
Die brauchst du analog genauso in den Systemen und vor allen Dingen auch in den Schnittstellen.
Du sagst zwar, ihr habt viel über Make automatisiert, das habe ich früher auch, mache ich auch zum Teil immer noch.
Aber mein Problem ist, dass sobald du diese Orchestrierungstools hast, hast du halt so viele Schnittstellen, die potenziell brechen können.
Das heißt, irgendwann brauchst du echt immer dieses Botsitting, das heißt AI-Babysitter, die die ganze Zeit nur aufpassen, dass die automatisierten Workflows funktionieren, dass die Halluzinationsraten irgendwie relativ niedrig sind, die dauernd die Modelle austauschen und so weiter.
Ich finde, je weniger Schnittstellen man quasi hat, je weniger Säulbruchstellen hat man auch und je weniger Probleme gibt es am Ende.
Weil dieses reine Automatisieren mit AI bietet viel Fläche für Probleme, fand ich immer.
Ja, ja, absolut, absolut.
Das heißt, ihr habt die Automatisierungsspezialisten.
Und an welchem Punkt habt ihr dann AI eingeführt?
Also wann kam das zweite A in Dispam?
Das war ganz spannend.
Im November?
Oktober 2025, das war so der Moment, wo die ganzen Coding-LLMs komplett durchgeknallt sind.
Ich glaube, das war der Singularität.
Als Physiker liebe ich das Wort Singularität.
Das war der Moment, wo sich komplett alles geändert hat.
Und meine Bums sind sogar vor den Software-Ingenieurs komplett auf dem Hype-Train von Coding-LLMs.
Also Codecode.
Codec gab es damals noch nicht.
Komplett aufgesprungen.
Was wir gesehen haben, die haben die komplette deterministische Automatisierung links liegen gelassen.
Und komplett auf, wir coden jetzt alle selber rübergesprungen.
Von einem Tag auf den nächsten.
Komplett.
Also das ist so, die Missgabel wurde nach links geschmissen und dann wurde irgendwie die Heugabel genommen.
Da wurde nicht gefragt, ob das Sinn macht oder nicht.
Komplett rambazamba.
Vielleicht kommen wir nur einen Schritt zurück.
Ich bin schon sehr, sehr lange im Tech-Business.
Im Tech-Business haben wir ein Problem.
Also wir haben viele, aber ein essenzielles ist, wir lieben Hypes und wir lieben neue Produkte.
Wir führen die sehr gerne ein mit der Hoffnung, danach wird alles besser.
Und Scheiß wird besser.
Aber wir lieben neue.
Das heißt, es wird jedes halbe Jahr oder jedes Jahr ein neues Schwein durchs Dorf getrieben bei uns in Tech.
Docker, neue Programmiersprache, Go, Hier, Rast, Da.
Alles schon gesehen.
Du weißt das Problem, was du hast als Ziel, aber du weißt nie, welcher Hype ist real.
Wie löse ich das Problem?
Ich sage, ich weiß es nicht.
Ich lasse meine Leute immer so ein bisschen in den Hype reinschnuppern.
Und wenn sie länger als zwei, drei Wochen dabei sind, denke ich mir, oh, oh, jetzt bin ich vielleicht ein bisschen da.
Und mit den ganzen Coding-LLMs, das ist sehr lange da geblieben.
Okay, da ist irgendwas richtig.
Und dann zwei, drei Monate beobachtet, die sind dann in dieses LLM-Coding, wir bauen unsere Software selber reingestiegen.
Und dann merke ich mir, okay.
Now it's getting real.
Und da habe ich ein komplett Re-Org von unserem Tech-Department gemacht.
Weil die Art, wie Software Engineering passiert und wie Produkte entwickelt werden vom Produktmanager, hat sich von heute auf morgen komplett geändert.
Das heißt, meine Bums haben mir eigentlich geholfen, die Tech-Organisation sehr früh zu erkennen.
Lustigerweise einen Monat später, anderthalb Monate später, kamen die ganzen, meine Freunde von Facebook und wie die alle heißen.
So, und jetzt haben wir hier den Produktingenieur.
Also natürlich haben die das gemacht, um Leute rauszuschmeißen.
Wir machen jetzt, unsere Softwareingenieurs machen jetzt alles.
Das ist eigentlich so eine eierlegende Wolk.
Und wir haben das schon vor denen angefangen.
Long story short, der Working Mode hat sich dadurch komplett verändert.
Und das ist ganz, ganz spannend.
Aber die wirkliche initiale Zündung war, die Bums haben ein neues Tool gesehen, fanden es cool.
Wir sind draufgesprungen auf den Hype Train.
Und irgendwann mal...
Und rausgeblieben und dann musstet ihr reorgan.
Und wie habt ihr das gereorgt?
Also wie hast du es umstrukturiert?
Also ich verstehe, dass es bei Firmen, die man selber nicht gegründet hat, was anderes ist.
Das ist der Luxus, den man als Co-Founder hat.
Wir machen das jetzt, Leute.
Let's go.
Und dann setzt man sich hin.
So mache ich es.
Ich definiere ein paar Narrative.
Was will ich erreichen?
Wieso ist das jetzt der richtige Moment?
Das und das will ich erreichen.
Was sind die Konsequenzen?
Also mein Denkmodell ist das folgende.
Wenn Software Engineering zum Commodity wird, also Quellcode ist eine Commodity geworden, kostet nichts mehr, bekommst du mit LLMs.
Was heißt das für den Software Engineer?
Und viel wichtiger.
Und das ist da, das ist ein Markt.
Was heißt das für den Produktmanager?
Hey.
Das Kernproblem von einem Produktmanager ist immer wieder, welches Produkt löst wirklich ein Businessproblem und wo ist der Kunde bereit, dafür Geld zu bezahlen.
Ich will, dass meine Produktmanager 90 Prozent der Zeit damit verbringen, das Problem zu verstehen.
Und Produktmanager sind irgendwann mal zu Projektmanagern geworden, machen nur noch so Scrum-Maintaining.
Ich nenne das Adult Babysitting.
Nein, wir brauchen keinen Scrum-Prozess, um fünf erwachsene Leute auf ein Ziel auszurichten.
Also bei 200 Leuten werden wir einen Airbus-Boss oder so, ein anderes geben oder vielleicht tausend.
Habe ich nie verstanden, fand ich immer wahnsinnig.
Und dann, also mein Ziel war am Ende Scrum zu killen und diese Narrative aufzusetzen, niederzuschreiben.
Dann habe ich mich mit zwei von meinen VPs zusammengesetzt, mit einem VP-Product, einem VP-Engineering.
Lustigerweise hatten die exakt den gleichen Impuls.
Von sich aus.
Und dann habe ich gemerkt, okay, so falsch kann das nicht sein.
Und dann haben wir den Sinn gesetzt, runtergeschrieben, was heißt das, welche neue Kompetenzen erwarten wir von jeder Rolle, vom Engineering Manager, vom Software Engineer, vom Produkt Manager.
Haben das niedergeschrieben in den Career Development Framework, also das ist unser Framework, um Leute weiterzuentwickeln, hat jeder die Beratungsbude, glaube ich, heutzutage.
Wenn du IC1 bist, IC2, dann erwarten wir das und das von dir und so weiter und so fort.
Haben das reingeschrieben, haben gesagt, da kommunizieren wir es den Leuten, wir sagen denen ganz klar, wir haben eigentlich gar keinen Plan.
Aber wenn das alles so sich entwickelt, wie es sich entwickeln soll, dann wird im halben Jahr, spätestens in einem Jahr, die Art, wie wir Software entwickeln, radikal ändern.
Seid ihr mit uns dabei?
Ja, let's go.
Wir wissen es nicht, aber wir werden es anpassen, wenn wir ein bisschen schlauer geworden sind.
Und jetzt, das war das Beste, was wir hätten machen können.
Ganz ehrlich, wir haben ein paar Leute in eine IDD-Diskrise gestürzt, bin ich ganz ehrlich, weil die waren noch nicht so weit.
Die wollen Software entwickeln, wie Software vor einem halben Jahr, vor einem Jahr entwickelt wurde.
Das Gleiche für Produktmanager.
Die meisten haben es geschafft und sind exzellent damit geworden, mit AI-Tools zu arbeiten.
Ja, also ich meine solche Transformationen.
Ich habe in meinem Unternehmen, wir haben glaube ich viermal gepivotet und so und wir mussten jedes Mal komplett die Organisation reorganisieren und vor allen Dingen auch die Engineers und dann neue Rollen definieren.
Und wir haben irgendwann diesen ganzen Corporate Bullshit abgeschafft, diesen ganzen Scrum und nach welchen...
Also wenn ich nochmal so einen Kanban-Chart sehe, explodiere ich, glaube ich.
Also du hast recht.
Ich meine, weißt du, wenn du ein Atomkraftwerk baust und das Ganze, dann hast du irgendwie zehn Jahre Sprints oder so, dann brauchst du sicherlich dieses Projektmanagement.
Aber ich würde das vermeiden, so gut es geht, weil das alleine schafft so viel Arbeit.
Das heißt, man kommt irgendwann an den Punkt, wo man nur der reine Struktur wegen irgendwelche Dinge macht und nur der reinen Prozesse.
Am Ende sind das nicht die Ergebnisse und die schnellen Ergebnisse, die man braucht.
Also vor allem nicht, wenn man in eurer Industrie ist oder meiner alten auch.
Das heißt, dass man Software baut und das möglichst schnell und iterativ ist halt absolut nicht zielführend, wenn man sich in diesen, ich finde es so ein Spinnennetz der Prozesse verstrickt.
Man verheddert sich da total und dann noch irgendwer und noch ein neues Team und dann guckt man Richtung Amazon und sagt, das Team ist zu groß, weil die Pizza ist irgendwie zu klein, keine Ahnung.
Und irgendwann, ich finde irgendwann, das ist zu meint.
Und dann sagen sie, ich mag keine Pizza, ich mag lieber Sushi und dann bist du siebenmal falsch abgebogen, genau.
Ja, ist furchtbar.
Nee, das geht nicht.
Okay, fühle ich.
Aber dann, das heißt, ihr habt dann euer Team quasi restrukturiert, ihr habt eure Engineers restrukturiert.
Was habt ihr dann an konkreter AI eingeführt?
Also schon klar, ich meine jetzt nicht Automatisierung, sondern an...
Tools oder Prozessen?
An welcher Stelle habt ihr echt Gen-AI reingebracht?
Also das ist ganz natürlich entstanden.
Also OpenAI kam ziemlich schnell rein.
Da haben wir gesagt, es gibt keine Budget-Limitierung.
Erstmal die Leute machen lassen.
Erstmal arbeiten lassen.
Möglich?
Ja.
Egal wie viele Tokings.
No get it.
Egal.
Also genau.
Ich erkläre dir gleich, wieso.
Genau.
Keine Restriktion.
Let's go.
Wir haben Spend-Desk als unser Spend-Management.
Da kannst du einen Kredit...
Kreditkarte erstellen und dann kannst du ein Budget drin schreiben, 200 Euro, 300 Euro und fertig.
Und dann let's go.
Irgendwann mal kam Claude, dann kam irgendwie Relevance AI, Lindy.
Also wir haben mehr Tools im Einsatz gehabt als Kreditkarten, habe ich das Gefühl gehabt.
Und dann die Tools, die nicht geblieben sind, die haben wir ziemlich schnell deprovisioned.
Also ganz klar runtergeschaut und gesagt, okay, da geben wir weniger als ein Fuffi pro Monat aus.
Weg damit.
Und dann irgendwann mal auch Gemini, Agentic Space und wie die alle heißen.
Long Story Short übrig geblieben sind jetzt Cloud mit den jeweiligen Modellen.
OpenAI mit Codex kommt sehr, sehr stark.
Und was wir sehr, sehr stark sehen, auch jetzt die chinesischen Modelle in den jeweiligen Deployments Pipeline, CINCD, also da, wo die Software gebaut wird, sage ich jetzt mal, und verpackt.
Und da machen wir unheimlich viel mit AI.
Also du musst dir vorstellen, 98 Prozent, 98, glaube ich, 2, muss ich mal nachgucken, Pull-Requests, also der Quellcode, der bei uns live gehen soll, wird von der AI reviewt.
Das heißt, das guckt sich kein Mensch mehr an.
Und wie macht man das mit diesen Resilienzen?
Also ich habe meine smartesten, wow, ich klicke wie ein Schwabe.
Meine smartesten Leute.
Du bist von Berlin, da sind doch die ganzen Schwaben.
Nein, ich bin an der Grenze 50 Kilometer vom Schwabenländle entfernt.
Ich glaube, das strahlt drüber.
Genau, meine smartesten Leute dran gesetzt und gesagt, ihr seid für die Resilienz verantwortlich.
Ich habe dir eben gesagt, diese Rollen wurden, neue Rollen wurden eingeführt.
Ich habe einen Plattform-Ingenieur eingeführt.
Ich habe Leute, deren Aufgabe ist es, die Leute, die orchestrieren und die Agenten verwenden, um Qualquer zu schreiben, noch effizienter zu machen.
Und die stellen die Resilienz sicher und verwenden unheimlich viel AI, um Stabilität, Sicherheit und Predictability sicherzustellen.
Das heißt, die haben eine Metrik.
Letzten 5% der PRs müssten production-ishy produzieren.
Und das ist die Mittel, die sie optimieren.
Und so ist es dann menschlich.
Also was verwenden wir an AI?
Fast alles haben wir probiert.
Wirklich sticky geblieben.
Es ist kodig, sehr, sehr stark und behind the scenes.
Und das ist eigentlich die große Gefahr.
kommt immer wieder API-Spending über die Google GCP, also über die Google Cloud.
Dann kommt immer wieder auch über Five dran oder Ähnliches.
Das verhält sich wie so ein kleiner Virus, der immer wieder irgendwo Spendings aufpoppen, in solchen Spendings, SARS-Spendings, die ich eigentlich nicht erwartet hätte.
Was verständlich ist, das sind so die, DeepSeek haben wir auch im Einsatz, Chemie, GLM, aber das sind jetzt nicht die großen Cost-Buckets.
Ja, übrigens, dem stimme ich zu.
Wie Phönix aus der Asche tauchen dann immer irgendwelche Tools auf, die man lange dachte, dass die irgendwie tot wären, die man aber noch irgendwo drin hat.
Ich habe irgendwann eingeführt in einem Unternehmen, dass die Kreditkarten immer ablaufen.
Also ich hatte immer nur zwölf Monatskreditkarten.
Und zum ersten, ersten gab es dann immer Drama, weil alle Tools irgendwie.
Und ich habe dann einfach original die ins Leere laufen lassen, weil man sonst keine Kontrolle mehr darüber hat, welche Tools man hat.
Es gibt dann wieder Tools, um die Tools zu orchestrieren.
Dann gibt es irgendwie so einfach Excel-Sheets oder Google-Sheets, wo jemand einen roughen Überblick hat, was man alles so irgendwie hat.
Aber wenn die Leute, wenn Mitarbeiter gehen, dann hat keiner mehr Ahnung, was für Tools die eingekauft haben.
Also egal.
Also Spendmanagement, ganz wichtig, ich glaube, das ist der Trick bei den ganzen AI-Kosten, bla bla bla.
Also diese Diskussion mag ich schon mal gar nicht.
Das CTO-Office, also am Ende ist eine Person, die Henni ist die Chief of Staff, die kontrolliert das Spendmanagement über Spendist und die Leute können Tools verwenden, wie sie wollen, aber wenn ein Tool mehr als 500 Euro pro Monat an Kosten genietet, dann poppt das auf und dann zentralisieren wir.
Dann gibt es Fragen von unserer Seite.
Was ist das?
Brauchen wir das?
Das heißt, du kannst gerne deine kleine Sandburg bauen, aber in dem Moment, wo das Ding größer wird als der Sandkasten, we are talking about.
Okay, cool.
Also das heißt, euer Haupt-Use-Case ist definitiv Engineering.
Engineering oder Agenten.
Agenten, das habt ihr und dazu nutzt ihr alle möglichen Modelle.
Ihr habt vor allem Codex und Cloud natürlich und dann irgendwann die chinesischen Modelle.
Aber ihr habt ja sicherlich auch Customer Care und den ganzen anderen Block, der typischerweise durch AI automatisiert wird.
Also es sind ja, wenn man guckt, sind es mal die drei großen Blöcke.
Customer Service sozusagen ist AI heavy, dann Engineering ist AI heavy und Marketing ist AI heavy.
Also das sind momentan in allen, durchweg allen Industrien, die ich sehe, sind das die drei Bereiche, die zurzeit am stärksten disruptiert werden.
Das heißt, habt ihr auf der Customer Care Seite, habt ihr da auch irgendwie Agenten eingesetzt oder Voice-Bots und den ganzen Kram?
Also die binäre Antwort ist ja, aber die Top-Agenten, die bei uns sofort komplett durchgeknallt sind und maximalen Erfolg generiert haben, waren im Data-Bereich.
Da heißt du dieser Agent Edgar.
Jede Firma hat ja nie Data-Analysen zu machen.
So klassische Business Intelligent Manager oder vielleicht Datenanalysten.
Da haben wir den ersten Bot, das ist ein Amanda Slack-Bot, der direkt aus unserem Data-Wayhouse, unser DBT-Modell verwendet und wirklich, ich sage, Wissen, Company-Wissen hat.
Das ist der, der am meisten durchgewendet wurde.
Der heißt Edgar.
Also Datencrunching ist bei uns der Top-Use-Case bei far.
Lustigerweise wurde der mit OpenClaw gebaut.
OpenClaw haben wir dafür verwendet.
Da haben wir gesagt, okay, das lief auf dem Mac von Mitarbeiter, der hat das gebaut.
Der VP Data hat gesagt, ich brauche das jetzt.
Meine Data-Analysten, die sitzen da rum, machen irgendwie hier Ad-Hoc-Requests.
Ich will nicht.
Ich will, dass sie vernünftige Analyse machen.
Hat sie hingesetzt, das mit OpenClaw zusammengeschrubbelt und fertig.
Und da laufen 400, 500 Anfragen pro Tag.
Bei einer Firma von 400 Mitarbeitern ist das recht viel.
Die Customer Care Use Case haben wir auch gelöst.
Da haben wir ein Tool verwendet, der Name ist DKGON.
Also am Ende ist dieser Customer Care Use Case, ich habe den bewusst nicht angefasst und gesagt, it's a commodity.
Da wird es eine Lösung geben auf dem Markt, die wird ein bisschen Geld kosten, dann kann man sie dir angucken.
Enttäuschend, würde ich sagen.
Wirklich?
Ja, not happy with.
Das bauen wir jetzt fast im Hintergrund alleine.
Ich gucke gerade auf unser Repository, AI-Repository für den KI-AI-Act.
EU-EI-Eck muss man das ja haben.
Sehr, sehr spannend ist Mr.
Meeseeks.
Das ist aus Rick und Morty.
Das ist ein Cartoon.
Das ist sehr, sehr spannend.
Er löst unsere On-Call-Requests.
Das heißt, um Mitarbeiter zu entlasten.
Also in unserer operativen Heavy-Business kommen sehr viele Anfragen.
Okay, wo ist das Auto?
Ist das Auto repariert?
Ist das Auto gewaschen?
Können wir den Kunden?
Also nicht der First-Level-Support, der Second-Level-Support.
Der kostet Kohle.
Und da haben wir einen Bot, Mr.
Meesix, der ist sehr, sehr erfolgreich.
Sonst haben wir für Hiring einen Agenten, der funktioniert sehr, sehr gut.
Cora, die macht Active Sourcing und sucht nach Mitarbeitern.
Da gibt es einen JD, welche Leute, Target-Unis und so weiter.
Und dann läuft die los.
LinkedIn, wir machen es.
Aber die blockieren uns bestimmt irgendwo mal.
Und dann finden wir eine andere Lösung.
Und warum?
Sonst gucke ich mal.
Hasso haben wir noch.
Unser SAP, Financial Accounting Agent.
Ja, da haben wir noch ein bisschen.
Der heißt Hasso?
Der SAP-Agent.
Ja, genau.
Ein bisschen Spaß muss man mehr haben.
Dann Fliti, Sally.
Sally ist unser Customer Care Agent, der bekommt jetzt gerade Voice Capability.
Wieso haben wir Voice zuerst nicht gemacht?
Ganz banale Antwort.
Die Voice-Agenten hatten echt Probleme mit der deutschen Sprache.
Englisch war kein Thema, aber Deutsch war ein Riesenproblem.
Und jetzt ist es okay.
Ja, wir haben auch, ich weiß, ich habe Voice aufgenommen und ich habe Mitarbeiter zwölf Stunden lang.
phonetisch vielfältigen Text sprechen lassen.
Wir haben unsere eigenen Stimmen gemacht, wir haben unsere eigenen Text-to-Speech-to-Text gemacht, weil das Problem war Eleven Labs, das war der Anbieter, ist ja auch immer noch der dominierende Anbieter.
Aber die waren einfach nicht gut genug.
Und das gleiche auch Google Voices, das war das nächste.
die da einigermaßen for free waren oder kostengünstig und die waren einfach nicht gut genug auf Deutsch.
Und jetzt sind sie langsam, wie du sagst, ich meine auch Palor, die haben ja super, Malte Kusub, die haben ja super viel gemacht für diese ganze Voice Tag.
Die haben ja wirklich vor drei Jahren nochmal von Scratch alles angefangen aufzunehmen und neu zu bauen.
Das Problem ist auch, bis diese Technologie Mainstream wird, dass sie für Unternehmen wie EIA accessible ist und implementierbar und so weiter, dauert das eben ein paar Jahre.
Das heißt, das ist eine Latenz von zwei, drei Jahren, würde ich sagen.
Was du jetzt siehst, ist halt vor zwei Jahren quasi gebaut worden.
Ja, es wird, glaube ich, noch ein bisschen dauern, bis es richtig, richtig gut sein wird.
Aber die Technologie theoretisch ist da.
Das ist echt bitter.
Das Problem ist nur, die großen Corporates achten ja auf uns und gucken auf unsere Scale-Bars und Startups und sagen, oh, die machen das.
Und das ist eigentlich, das ist ja eine Falle, in die sie immer wieder tappen.
Oh, die machen das, die verwenden dieses Tool.
Ja, haben wir für zwei Wochen dann entschieden, it's not good enough.
Aber die Unternehmen, bis sie die Entscheidung getroffen haben, sind wir schon beim siebten Tool angekommen.
Und das ist eigentlich eine Falle und das ist echt undankbar für die anderen, weil die halt, also klar, weil die halt einen großen Tanker haben, die können nicht einfach so wenden und wir sitzen.
unserer Schaluppe und wenden wie die Blüten nach links und rechts.
Ja, aber das ist wirklich bei den großen Korpuses dramatisch, weil bevor so ein Tool, ich meine, du weißt ja auch aus B2B-SaaS Sales Perspektive, es dauert irgendwie sechs, acht, zwölf Monate, bis du so ein Tool verkaufst in ein großes Unternehmen rein.
Das heißt aber auch auf Unternehmensseite dauert sechs Monate, bis der ganze Kram implementiert ist.
Das heißt, es muss durch Compliance gehen, Einkauf, bla bla bla bla bla.
Aber nach sechs Monaten ist das Tool meistens schon wieder outdated.
Und auch die CFOs wissen gar nicht, wie sie diese ganze Software verbuchen sollen.
Das heißt, ich meine, es ist ja noch nicht mal, weißt du, an welcher Stelle.
Du kannst es eigentlich schon fast wieder abschreiben, weil die eben in so kurzer Zeit ihre Wertigkeit oder auch ihre Daseinsberechtigung verlieren.
Und klar, ich meine, ihr könnt es einkaufen und abstoßen, einkaufen, abstoßen.
Ich habe das ja gesehen in der Unternehmensberatung, da Tools einzukaufen, das ist der Stoff, aus dem Albträume gemacht sind.
Es dauert einfach so astronomisch lang, das hält keiner aus.
Deswegen ist es good for you sozusagen, dass ihr so schnell iterieren könnt und das rein und raus bringen könnt, weil diese Tools sind natürlich super schnell überholt.
Ich meine, es sind am Ende auch alles Startups, die am Strugglen sind, aber man schaut ja dann auf sein eigenes Unternehmen.
will dann natürlich das, was Deleger Artis ist, möglichst schnell einkaufen.
Vielleicht ist das der eine Trick, den man mitgeben kann.
Vielleicht muss man Procurement, SaaS-Procurement an den CTO machen.
Also wir haben SaaS-Procurement bei mir im CTO-Office.
Dann habe ich meine Top-Worte durch ein Schrander-Negotiation-Training gejagt, damit die Negotiation machen.
Das war so teuer.
Und dann haben wir zwei, drei Leute, Top-Leute und die müssten das dann in der Firma den anderen beibringen.
Und meine Tech-Boys und Girls sind brutal gute Negotiator.
Und jedes Mal, wenn da so ein SaaS-CD kommt von der Firma und will 5.000 Euro, die wir machen, wird er im Grunde und Boden negotiator.
Das ist ein bisschen schade für uns, aber vielleicht ist das der Trick, damit man nicht jedes Mal über das Finance-Departement laufen muss.
Das stimmt, das ist ein guter Trick.
Aber ich habe auch immer mein Herz mit den ganzen SaaS B2B Sales Leuten.
Ich war selber für den ganzen Sales und Umsatz verantwortlich und ich weiß, was das für ein harter Job ist.
Gerade diese SDRs, BDRs, also die da irgendwie die Tür aufmachen müssen und 400.000 E-Mails schreiben müssen, damit die eine Conversion Rate von irgendwie 1% haben.
Das ist wirkliche Knochenarbeit.
Ich habe Mitleid, aber es heißt trotzdem nicht, dass ich deren E-Mails momentan beantworten kann.
Sorry, guys.
Aber es ist hart.
Also das heißt, jenseits von der Automatisierung habt ihr diese ganzen Tools und ich meine, ihr habt ja wie viele Fahrzeuge?
25.000 oder so?
80.000 haben wir schon durchgemacht.
80.000 habt ihr inzwischen?
Ja, die gehen ja jedes Jahr raus und dann kommen neue wieder zurück.
Das heißt, wir haben insgesamt schon 80.000 Autos durch die Firma.
Und nächstes Jahr...
wird es schon im Bereich 100.000 plus gehen.
Wahnsinn.
Aktiv, die wir gerade in Deutschland auf der Straße haben, 50.000 plus.
Wow.
Viel Holz, viel Stahl.
Ja, das ist ja so asset-heavy.
Aber leest ihr die eigentlich?
Ihr leest die, okay.
Beides.
Also wir leasen.
Also es gibt Autoanbieter, die sagen, wir haben eine eigene Leasingbank.
Wir können die selber leasen.
Und wir haben auch ein Finanzkonstrukt, das nennt sich ABS.
Ein Klassiker, das macht ja.
Nvidia hat es ja und die ganzen anderen haben es ja für sich entdeckt.
Aber das machen wir seit Tag 1.
Das heißt, wenn ein Autohersteller sagt, ihr habt keine eigene Bank, dann können wir das mit unserem eigenen ABS finanzieren.
Beides geht.
Ah, okay, sehr gut.
Aber das heißt, So, und das heißt, ihr habt diese ganzen Fahrzeuge, ihr steuert die alle über eure eigene Software.
Das heißt, deswegen seid ihr auch so engineering heavy und deswegen habt ihr auch diese ganzen AI-Effizienzen im Engineering.
Macht natürlich total Sinn, um das Ganze weiter zu treiben.
Und wie sieht die Zukunft aus?
Wie plant ihr zu wachsen?
Über Märkte?
Also ist der Markt saturiert in Deutschland?
Was sind so die Zukunftspläne?
Also aktuell gehört uns zwei Prozent der Neuwagenregistrierung in Deutschland.
Wow.
Das ist viel, aber das ist bei Weitem noch nicht das Sealing, was erreicht wird.
Also wir sehen einen unheimlich hohen Demand.
Also wir könnten problemlos nur in Deutschland wachsen.
Und das ist auch das Ziel, weiterhin in Deutschland zu wachsen.
Weil jeder Markt erhält neue Komplexität.
Wir waren kurz in den USA.
Ein paar 10 Millionen Euro später waren wir wieder zurück.
Und man kann wunderbar darüber lachen, aber neuer Markt ist brutal.
Bei Asset Heavy ist es echt brutal.
Das musst du echt gut im Griff haben.
Wir haben das gut im Griff gehabt, aber du musst auch den Atem haben.
Also wir machen weiter in Deutschland.
Da ist unheimlich viel Opportunity.
Die Leute wollen das Produkt.
Der Markt ist exzellent.
Das heißt, die OMS spüren auch einen gewissen Druck und müssen auch die Autos loswerden.
Nicht nur die Chinesen, die nach Europa oder nach Deutschland wollen, sondern auch die Deutschen, die ihre Autos loswerden wollen.
Also wirklich, wirklich super.
Aus organisatorischer Sicht mehr Volumen.
Wir werden mehr Autos machen.
aber mit weniger Leuten.
Also du hast mich gefragt, wo geht die Reise hin?
Jetzt zwei Schritte zurück aus der P&L-Sicht.
Also jetzt werden wir, jetzt wird es ganz, ganz wild.
Was ich erreichen will auf der CTO-Ebene ist, und das ist die wirkliche Power von AI, ist Personalkosten in Nicht-Personalkosten umzuwandeln.
Also Long Story Short ist...
statt Menschen zu hiren, mit AI viel zu erledigen, nicht nur Coding, sondern auch andere interne Prozesse, weil nicht Personalkosten machen eine Firma elastischer auf der Ausgabenseite.
Ich kann immer sagen, diese Woche wird kein einziger Euro oder nur 10 Euro für AI ausgegeben.
Plops.
Das heißt, ich kann auf externe Shocks, die ich nicht unter Kontrolle habe, und die werden ja immer mehr.
Die werden ja immer mehr und immer unpredictable besser reagieren.
Und das ist das, was ich auf der organisatorischen Ebene erreichen will.
Auf der operativen Ebene, da werden wir weiterhin die Tools bauen, die werden uns effizienter machen.
In dem Moment, wo wir Menschen im Einsatz haben, werden wir die Menschen besser machen.
Beziehungsweise, ich mag nicht Menschen besser machen, weil ich würde gerne die neuen Tasks von den Leuten wegnehmen.
damit die Leute sich wirklich auf die Aufgaben konzentrieren können, die nur Menschen erledigen können.
Und das ist unser Zielbild.
Und wir wissen ganz genau, was die Ratios sind.
Ich sage jetzt mal, ein Customer Care Agent, First Level, kann 200, 300, 400 Subscription managen.
Und dann achten wir darauf, dass die Leute effizienter werden und dann haben wir einen ganz guten Share.
Wir nennen das Investmentrollen.
Das sind Leute, die...
wir einfach Geld bezahlen und das andere ist, ich meine, Scaling rollen und da achten wir sehr, sehr genau drauf.
Und das ist, da geht die Zukunft von.
Und die AI ist für mich nur ein yet another tool, um ehrlich, ganz ehrlich zu sein.
Ja, für mich, also, ja, ich sehe das ähnlich.
Ich sehe auch, also, ich teile auch diesen, diesen, diese, ich teile weder die Ängste noch teile ich den Hype, die aktuelle.
Financial Landscape sehe ich eher, ist ein bisschen kritisch, es ist alles viel zu over leveraged, in my opinion, wenn man sich die großen Tech-Unternehmen anguckt, dass die auf einmal, ich meine, die machen das nicht mehr auf deren eigenen Balance Sheet inzwischen, sondern ist ja auch egal.
Also die haben da sehr viel Financial Engineering, was eigentlich kein gutes Zeichen ist.
Typischerweise ist das immer so ein bisschen Prelude von der Bubble, wenn die anfangen, diese zirkulären Transaktionen zu machen, die wir momentan zwischen Nvidia und Open R und allen anderen auch sehen.
Aber egal.
Die sind schon echt gut.
Das ist wahnsinnig gut.
Aber auf der anderen Seite, das ist auch too big to fail.
Also ich meine, wenn die gesamte US-Economy oder das gesamte Wachstum in den letzten Jahren basierte ja auf Tech am Ende.
Wenn man das mal backstript, dann sehen wir ganz typisch 1% Wachstum wie in Deutschland.
Also quasi Stagnation.
Nur die Frage ist eben, ob das nicht too big to fail ist.
Und ich glaube, es ist halt too big to fail.
Aber ich sehe es wie du, am Ende ist AI auch nur Software.
Also gerade Gen-AI sind nicht...
deterministische Systeme, das heißt auch die Halluzinationsraten, wir wissen es am Ende nicht, wie das ausgehen soll.
Das ist alles, also da hatte ich gar nicht drauf.
Also ich komme immer wieder persönlich zurück.
Wir sind als Menschen sehr arrogant geworden, finde ich.
Also dass wir denken, wir können etwas sehr, sehr deutlich besser als eine Maschine.
Also zwei Schritte zurückgehen.
Wer sagt, dass diese Maschine, wie auch immer die funktioniert, nicht bessere Ergebnisse abliefert als wir Menschen.
Jetzt schon.
Ich bin felsenfest davon überzeugt.
In vielen Bereichen ist das schon so.
Und wir als Menschen sind einfach nur arrogant.
Und diese eigene Arroganz, jedes Mal, wenn wir arrogant geworden sind, gab es eine Watsche.
Und zurecht.
Egal in welchen Bereichen.
Sei es darum, dass wir unsere Umwelt gesagt haben, das gehen wir schon hin, blablabla.
Sei es darum, dass wir irgendwelche einfach respektlos geworden sind und selber gegenüber uns unter dem Surrounding.
Und das Gleiche wird bei AI passieren.
Und sagen, das wird nicht da bleiben, das ist over leverage.
Oder das ist nicht gut, dann gibt es Halustration.
Alles richtig.
Die Aussage ist nicht falsch.
Die Antwort aus meiner Sicht ist, es wird bleiben.
Und das wird nachhaltig bleiben.
Und das war bei der industriellen Revolution so.
Natürlich haben wir heute immer noch Landwirte.
Wir haben auch Zeitungspapier, wurde nicht von digitalen Abos ersetzt.
Wir haben immer noch Zeitungen.
Aber es ist ein Unterschied zwischen 100 Prozent Zeitungen, die Leute lesen, oder 9 Prozent.
Und das ist der Unterschied.
Klar, aber es ist am Ende trotzdem Software.
Ja, aber sehr gut leider.
Ja, sehr gut.
Ich glaube auch, aber es ist halt am Ende to be discussed, wie das alles ausgehen wird.
Aber wie gesagt, ich teile diesen Hype nicht und ich finde es aber super interessant und ich finde es auch super interessant, wo ihr euch hin entwickelt.
Und noch einmal ein Klammern, bevor wir zum Ende kommen.
Was ich zum Beispiel spannend fand, war das Care by Volvo von G.
Lee, dass die aus dem Markt, aus diesem Abomarkt wieder rausgegangen sind.
Weil ich hatte nämlich lange Zeit einen Volvo von denen und fand, das war ein sehr sorglos Paket.
Bis auf die Rückgabe übrigens.
Ich finde, das ist beim Leasing, wenn man kein Corporate Auto hat, also keinen Firmenwagen, sondern privat leased, ist das halt das, wo sich die Hersteller die Kohle zurückholen.
Also, wenn man so ein paar Kinder hat im Auto, dann weiß man, wie das nach zwei bis drei Jahren aussieht.
Das ist quasi ein Biotop.
So lange dauert es bei dir?
Bei mir in zwei Wochen war das Ding voll mit irgendwelchen Maisdingern.
Ja, selbst.
Natürlich.
Aber was meinst du, wenn du diese Maisdinger mal auf irgendwie drei Jahre oder so...
Die Autos sind im Bios beyond recognition.
Und das Zurückgeben kostet dann 8000 Euro.
Und das ist eben das Geschäftsmodell, was die eigentlich fahren.
Das sind immer die Rückgaben.
Damit verdienen die ihr Geld.
Aber auch das war bei Volvo halt total entspannt.
Deswegen hat es mich gewundert, dass die aus dem Markt rausgegangen sind und ihr eben drin bleibt.
Also ich glaube, am Ende...
Das ist unser Ziel.
Und du hast es auf den Punkt getroffen.
Die Kernchallenge für unser Business ist immer Return.
Wir nennen das Final Invoice.
Am Ende bekommst du eine Rechnung und du hast die Schäden ja verursacht, aber trotzdem emotional will man die nicht bezahlen.
Das heißt, unserer Kunst ist es, und da sind wir schon, wir haben einen NPS von über 30 bei Final Invoice.
Das ist sehr, sehr gut.
Im Markt ist er normalerweise negativ.
Also die Zahl zwischen minus 100 bis plus 100 erreichen, plus 100 impossible.
Und unser Ziel ist es, und das erreichen wir sehr, sehr gut, ist mit den Schäden, kein Geld zu verdienen.
Die Antwort ist, im Markt ist es ganz anders.
Schäden ist ein Revenue-Kanal.
Hochmarzig.
Sehr hochmarig.
Am Ende bezahlst du 8.000 Euro, von diesen 8.000 Euro nehme ich 2.000 und hole mir neun Kunden.
Fertig.
Und dann habe ich 6.000 verdient.
Easy Money.
Ja, easy money.
Ja, und das ist so ein bisschen das Dirty Business, was leider ist, halt auch so intransparent.
Und ich begrüße das sehr.
Also ich werde jetzt mal gleich nochmal Finn aufmachen und suche ein Auto für sechs Monate, falls irgendwer was weiß.
Ich kenne da jemanden.
Ist so, uh.
Okay, ich rufe dich gleich an.
Nein, Quatsch.
Okay, am Ende meiner Folge frage ich meine Gäste immer nach einer Buchempfehlung.
Was kannst du denn empfehlen, was unsere Hörer lesen könnten, so analog mal?
Jetzt hast du mich erwischt.
Das letzte Buch, was ich gelesen habe, war Dan Brown, Sag Relic.
Okay, das ist bestimmt lange her.
Dann warte mal, Medienempfehlung nehme ich auch.
Also pass auf, dann nehmen wir ein Buch und das ist echt no joke.
Ich lese gerade sehr viele Bücher für meine ein Jahre alte kleine Tochter.
Und da gibt es, nimmt diese, ich glaube, Carlson.
Baby-Pixi-Bücher und die sind echt lustig.
Also die haben so einen feinen Humor und den Eltern zugefallen und den Baby sowieso.
Und ich fand, ich könnte mich beömmeln.
Also so schöne Reime und die helfen einem aus dem Tag raus.
Also meine Empfehlung ist, nimm solche Baby-Bücher für ein Jahr am Ende eines schlechten Tages einfach durchlesen.
Es ist Gold.
Okay, sag nochmal, wie die heißen, bitte.
Ich guck mal gleich, Karl.
Am Ende gibt es da irgendwie tausend Genau, Baby Bixi, das sind solche unkaputtbaren Bücher, so fünf Seiten und dann liest du, das reimt sich schön, es ist einfach nur so Gold wert.
Das ist wie ein Ice Age zu gucken.
Sehr viel Humor für Kinder, aber die Eltern, die beömmeln sich auch gerne.
Das ist ja super nice.
Das finde ich sehr schwer, dass man alle Zielgruppen quasi erwischt.
Genau, das ist meine Buchempfehlung.
Okay, vielen, vielen Dank.
Also sehr cute.
Wir gucken uns das alle an, wir Eltern.
Dann danke für deine Zeit.
Ich werde mir jetzt ein Finnauto suchen und ich hoffe, ihr wachst und gedeiht die nächsten Jahre genauso wie die letzten.
Vielen, vielen Dank.
Danke.
Bye, bye.
Ciao.
Bye.