# SAP's Autonomous Enterprise Strategy and AI Data Moats

**Podcast:** Kollegin KI
**Published:** 2026-09-01

## Transcript

Leute, wenn wir Chat-GPT nutzen, dann meistens relativ einfach.
Wir chatten mit der KI, wir laden vielleicht so ein paar Dokumente hoch, verbinden sie möglicherweise noch mit unserem E-Mail-Postfach oder Kalender und dann können wir eigentlich Fragen stellen.
Bei Unternehmen...
funktioniert das etwas anders.
Denn gerade große Unternehmen, die haben Software, die eine ganze Menge von deren Sachen regelt.
Sogenannte ERP-Software, Enterprise Resource Planning.
Da sind dann Daten über Geschäftsprozesse drin, Einkäufe und so weiter und so fort.
Und wenn so ein Unternehmen eine ERP-Software hat, dann kommt die in den meisten Fällen tatsächlich von SAP.
SAP, wertvollste börsennotierte Unternehmen Deutschlands.
Habt ihr wahrscheinlich alle schon mal gehört, aber keiner weiß, was das so richtig macht.
Aber genau da.
wird KI richtig spannend, denn SAP sitzt natürlich auf diesen gesamten Daten.
Und deshalb freue ich mich sehr, heute mit Jonathan von Rüden zu sprechen.
Er ist CAIO, also im C-Level von SAP und verantwortet den gesamten KI-Bereich.
Ich bin Max Mundhenke, ihr hört Kollegin KI.
Hallo Jonathan.
Hey Max, danke, dass du mich heute hier hast.
Ja, danke für deine Zeit.
Habe ich SAP richtig erklärt?
Ja, kann ich gar nicht mehr dazu sagen.
Perfekt.
Sehr schön.
Also, wo fangen wir denn an?
Wo steht ihr denn eigentlich gerade mit KI?
KI ist das größte und das absolut wichtigste Thema für uns, aber auch für unsere Kunden, weil es eben so extrem transformational ist.
Fällt mir gar nicht das richtige deutsche Wort ein hier.
Ja, wir befassen uns, also ich befasse mich natürlich in meinem täglichen Job nur damit, aber auch wirklich jeder Kollege in der Firma und jede Kollegin in der Firma arbeitet tagtäglich an KI.
Wir sehen eben, wie stark das dann nochmal auch den Alltag unserer Nutzer und Nutzerinnen verändert und auch in der Art und Weise, wie wir selbst die Produkte eben bauen.
Also ein Riesenthema für uns.
Ich habe mal geguckt, es gibt eine ganze Menge Medienberichterstattung zu SAP und KI.
Offenbar haben die meisten begriffen, dass KI auch einfach von den Daten abhängt, die man einer KI geben kann.
Deshalb ist SAP gerade in aller Munde.
Und ich habe im Vorfeld natürlich irgendwie mit KI so ein paar Fragen vorbereitet.
Und ChatGPT in dem Fall sagte, SAP war lange die Software im Keller.
Zitat.
Und jetzt reden plötzlich alle wieder über SAP.
Wie nimmst du das denn wahr?
Ja, das bezieht sich vielleicht auch ein bisschen darauf, dass früher hat man das gerne noch im Keller betrieben, also on-premise, wenn man das eben selbst gemacht hat.
Und natürlich haben wir über die letzten Jahre einen Großteil unserer Kunden in die Cloud bekommen, wo wir natürlich auch wesentlich schneller KI-Innovationen liefern können.
Und das heißt, das ist sozusagen die Basis gewesen, mit der wir jetzt dann auch die Modelle verwenden können, die wir teilweise einkaufen von Partnern und dann weiterverarbeiten, die wir auch teilweise selbst bauen.
unseren Kontext spannen, das ist ein ganz wichtiges Wort, also eben diese Daten und die wir aber auch dann in unsere Applikationen reinbringen, dass die Nutzer und Nutzerinnen da gar nicht mehr groß neue Interfaces lernen müssen, sondern erstmal da anfangen können, wo sie davor schon gearbeitet haben, was sie davor eigentlich schon kannten.
Das ist auch ein ganz wichtiger Aspekt da drin, um zu schauen, dass die Leute das dann auch annehmen und sich damit auseinandersetzen, um eben nicht an so einen nächsten Ort springen zu müssen.
Das ganze kundennah auszurollen, habe ich schon rausgehört.
Bevor wir so auf die Kundenseite gucken, lasst uns doch mal auf die interne Seite gucken.
Ihr seid ein Riesenladen und ich frage das eigentlich immer, wenn ich große Unternehmen oder VertreterInnen großer Unternehmen hier habe, wie rollt ihr denn KI intern eigentlich aus?
Ja, da haben wir ganz verschiedene Level.
Wenn man zum Beispiel bei uns in der Entwicklung schaut, da ist jeder mit AI-Coding-Agents ausgestattet.
Das sei das Cloud-Code, Open-Code, Klein.
Gemini, da gibt es viele verschiedene.
Das ist heutzutage nicht mehr aus der Entwicklung wegzudenken und ein fester Bestandteil des Prozesses ist da drin.
Da gibt es noch ganz viel außenrum, was man im Prozess da macht, um auch, dass die Entwickler sich sehr stark einfach auf die Entwicklung konzentrieren müssen und nicht auf den Prozess drumherum.
Und dann haben wir natürlich auch für alle anderen Funktionen verschiedene Programme und Strukturen.
Also wir haben natürlich viele Trainings, jeder hat auch Zugang, das war ganz wichtig.
Also es muss auch diesen Zugang, der muss leicht verwendbar sein.
Wenn ich jetzt einen Entwickler habe, der kennt sich natürlich tief aus, der kann das aufsetzen, wie er will, kann alle Vorteile ganz einfach nutzen und für andere Profile muss man dann vielleicht etwas Einfacheres haben, was ein bisschen auch den Code dann weg abstrahiert in Richtung, wir haben es vorher gesagt, kurz angesprochen, im Consumer-Bereich, ChatGPT oder Claude oder sowas.
Und bei uns wäre das dann unser Assistent Jewel, den auch intern extrem viele Kollegen und Kolleginnen nutzen, wo man eben nicht ein Coding-Interface hat, aber ich habe trotzdem die gleiche Power davon.
Und das ist ganz wichtig, dass wirklich jeder Zugang hat, weil ich kann mir zentral nur so viele Use-Cases ausdenken, die wirklichen guten Ideen, wo dann wirklich der Impact auch kommt, der kommt natürlich aus dem Geschäft.
Und das merken wir ganz oft.
Ganz stark.
Super gut, viele zentrale Initiativen zu haben.
Viel wichtiger, das jedem kontrolliert in die Hand zu geben mit genug Freiraum, um da auch experimentieren zu können.
Und dann kommen Top-Ideen dabei raus.
Sehr schön.
Ich sage immer so ein bisschen salopp, Use Cases werden halt nicht auf der Management-Ebene gefunden, sondern da, wo noch wirklich gearbeitet wird.
Aber hey, es gibt auch Management-Use Cases.
Ja, natürlich.
Aber das Management sollte nicht Top-Down-Use Cases vor Ort.
Nein, da habe ich dir recht.
Deshalb sehr schön.
Du hattest Jul schon angesprochen, euren internen KI-Assistent.
Was macht er denn so?
Also Jul ist erstmal unser zentrales Produkt, intern und extern.
Genau, also das ist unser, ich nenne das auch wirklich the future of SAP's Interface.
Das ist quasi unser neuer Engagement Layer über die Firma hinweg und ich sage das so, wir haben angefangen damit als...
Ja, eine Conversational Experience, wie man es eben von ChatGPTP kennt.
Und jetzt sind wir aber an einem Punkt, wo wir auch in Richtung generative UIs gehen können.
Das heißt, ganze Applikationen muss ich jetzt nicht unbedingt vorher als eine zentrale IT selbst bauen, sondern kann mir die, während ich daran arbeite, erstellen.
Und das ist natürlich ganz schön mächtig, weil da muss ich als CIO nicht meine...
5000.
App bauen und verwalten, sondern kann mich auf meine Top 20 konzentrieren und die Endnutzer haben dann so das eben in der Hand.
Und an diesem Ort bringen wir, wie gesagt, die neue Art der Experience für SAP zusammen, aber auch alle Daten.
Das heißt, ich kriege dann auch immer die Frage, hey, kann ich mit meinem SAP sprechen?
Also mal ganz stark vereinfacht gesagt.
Und es ist natürlich technisch unglaublich schwierig, das dann so hinzubekommen, weil es Millionen und Millionen von Entitäten und Objekten und gigantische Mengen an Daten gibt.
Aber das ist erstmal eine faire Frage.
Die Leute kennen das von ChatGPT und die wünschen sich das Gleiche von uns.
Und das genau kommt eben in Joule zusammen.
Und das nutzen wir intern, weil wir natürlich da den schnellsten Feedback-Zyklus haben einfach.
Und da rollen wir auch immer Features aus, bevor wir die an Kunden geben.
Und dann gehen die natürlich den Kunden.
raus, sodass man dann mit seinem SAP sprechen kann.
Du hattest das vorhin schon ein bisschen angedeutet.
Du sagtest, da gibt es verschiedene Tools und die Zugänge haben alle im Grunde, man kann es das so aussuchen.
Das finde ich extrem spannend.
Mit welchem Large Language Model?
Funktioniert denn Joule?
Wir können das aussuchen.
Fantastisch.
Wir haben da vor ein paar Jahren sehr bewusst die Entscheidung getroffen, dass wir uns nicht nur auf eins einschießen und auch, dass wir die Large-Lengen-Mod-Jondelle selbst nicht produzieren werden.
Wir nutzen die zwar in verschiedenen Maßen, können wir auch gleich nochmal drauf eingehen.
Aber das war eine sehr bewusste Entscheidung, weil uns auch schon da sehr früh klar war, merkt man ja auch jetzt.
Alle paar Wochen übertreffen sich die Provider gegenseitig selbst.
Aber es ist ja auch ein großer Benefit, wenn man jetzt eben nicht da drin ist, sondern einfach halt ...
an der Kommoditisierung, das ist definitiv falsch, aber du weißt, was ich meine, daran partizipiert.
Und in dem Sinne können wir immer schauen, was sind denn jetzt gerade die Modelle, die für den jeweiligen Use Case den besten teilweise Kosten nutzen oder auch Kostenintelligenz-Trade-Off eben mitbringen und die jeweils dann anpassen.
Das ist Musik in meinen Ohren.
Als Berater, der häufig mit Unternehmen zusammenarbeitet, die natürlich Vendor-Logged-In sind, die entsprechend dann, weil sie Microsoft haben, einfach nur Co-Pilot nutzen dürfen oder weil sie eben alles auf Google aufbauen, nur Gemini nutzen können.
Large-Language-Models, lasst euch das gesagt, sind wirklich sehr unterschiedlich von den Skills her.
Also auch wenn die sich natürlich von den Benchmarks immer irgendwie sehr ähneln, aber so gewisse Dinge macht man einfach mit einem anderen Large-Language-Model und muss eben gucken, dass man diese Architektur flexibel hält.
Deshalb ein sehr schönes Beispiel, was natürlich jetzt bei SAP möglich ist, bei Heizungsmüller um die Ecke vielleicht nicht unbedingt so.
Genau, aber da ist auch der Punkt, da haben wir auch unsere Plattform, also wir nutzen unsere Plattform erstmal selbst, wie wir darauf entwickeln, ist auch genau die gleiche, die wir in die Kunden rausgeben.
Das heißt auch, wenn ein Kunde jetzt da ein Use Case aufbauen möchte und sagen wir mal ein teures Frontier-Modell, ein starkes Frontier-Modell nehmen möchte, um den Plan zu erstellen und dann in der Durchführung meinetwegen Open-Source-Modell, was ein bisschen optimaler auf einer Kostenkurve liegt zum Beispiel.
dann kann man das machen.
Wenn wir jetzt Standardagenten ausliefern, dann kümmern wir uns immer darum, dass wir under the hood einfach die entsprechenden Modelle auswählen.
Und schon diese Optimierung vorab machen.
In den meisten Fällen fragt man ja auch bei einer SaaS-Lösung nicht nach, wo läuft die denn jetzt oder welche Datenbank habt ihr da verwendet, da kommt es ja aufs Ergebnis an.
Und in dem Fall ist das dann auch ein technologischer Baustein, wo wir sagen, für den Use Case ist das Modell gerade am besten, da können wir den Wechsel drunter machen und dann übernehmen wir quasi diesen Kopfschmerz auch, sich damit auseinanderzusetzen, welches Modell denn jetzt gerade am besten für diesen Use Case performt.
Quasi persönlich entsprechende Anthropic-Modelle eingeschränkt in den letzten Monaten.
Das Mythos-Modell von Anthropic, die als sehr, sehr leistungsstark gelten, wurden im Grunde, ja, sag ich mal, nicht mehr nach Europa exportiert.
Und Anthropic hatte sich dann dazu entschieden, die Dinger komplett vermarkt zu nehmen.
Mittlerweile sind sie wieder verfügbar.
Da vielleicht mal eine Frage so aus Sicht eines Großkonzerns, das bewusst keine eigenen Large-Language-Models hat, sondern im Grunde dann eben auch auf die US-amerikanischen, muss man ja sagen, zurückgreift.
Was löst das in dir aus, wenn du dann solche Headlines siehst und mit einmal merkst, ah, vielleicht können wir doch nicht mehr alle Large Language Models jetzt nutzen?
Für uns ist das erstmal gar kein Problem, weil wir eben so abstrakt diese Abstraktionsschicht haben.
Wir haben natürlich sehr gute Partner in den USA, aber wir haben auch mit Cohia aus Kanada, mit Mistral aus Frankreich, zum Beispiel andere Partner, die jetzt in Europa, in weiteren Teilen Nordamerikas Modelle haben.
Wir haben auch Partner im Nahen Osten oder in Asien, wo man dann auch jeweils lokal die Modelle verwenden kann.
supportet unsere Plattform alles.
Das heißt, auch da, egal aus welcher Geografie, auch mal Modelle eingeschränkt werden, dann kann man einfach wieder rüber wechseln.
Das kostet natürlich auch ein bisschen Fleiß im Hintergrund.
Das muss man erstmal so aufsetzen, muss man wollen.
Jede Abstraktion kostet immer einen gewissen Invest.
Aber da gibt es natürlich entsprechende Tools und auch super interessante Model-Routing-Techniken, mit denen man da sehr schnell den Wechsel hervorrufen kann.
Auch wenn mal zum Beispiel ein Modell ausfallen sollte, habe ich immer ein Feuerwerk-Modell, das für sich gehen kann.
Da habe ich gleich schon die Prompts dafür optimiert.
Das heißt, ich habe auch hoffentlich keinen...
keinen Verlust in Performance davon.
Von daher ist das eigentlich in Ordnung, würde ich sagen.
Wenn man flexibel baut.
Wenn man die Architektur flexibel gebaut hat.
Vielleicht mal so einen Blick nochmal, bevor wir so auf eure eigenen Tools und die Mehrwert für eure Kunden eingehen.
Was ändert sich denn intern bei euch durch KI?
Du hast es schon gesagt, gerade die Entwickler haben jetzt alle irgendwie auch ...
Tools zur Verfügung können im Grunde natürlich mit Large Language Models auch entsprechend Code schreiben.
Wie sieht denn das mit Jobs generell aus?
Viele Unternehmen stellen ja gerade keine Juniors mehr ein.
Es gibt immer mal wieder so diese Vorstellung davon, dass KI eigentlich gerade die Junior Jobs komplett ersetzt.
Kannst du diese Vorstellung teilen oder bestätigen?
Kann ich nicht.
Und zwar aus dem Grunde, dass ich extrem gute Erfahrungen habe mit den Juniors.
Die gehen teilweise so frei und offen an die Themen ran.
Die bauen dann ganz schnell die Dinge wirklich komplett AI-Native auf, von vornherein.
Die sind quasi aus der Uni schon ganz anders, in Anführungszeichen, damit aufgewachsen.
wo ich vielleicht einen sehr erfahrenen Architekten oder Entwickler habe, der dann an gewissen Stellen sagt, nee, aber das kann ich nicht mit KI machen.
Das interessiert den Junior gar nicht.
Dann hat er natürlich eine wesentlich höhere Durchschlagskraft damit, weil man tatsächlich heutzutage wirklich einfach extrem viel damit machen kann.
große Freude daran, da auch eine große Menge an Juniors zu haben.
Wir haben auch unsere eigenen Early Talent, SAP Next Gen heißt das bei uns intern, Programme, wo wir immer hunderte Studenten auch ausbilden im Jahr, die dann danach auch zu uns in Entwicklung kommen oder meinetwegen ins Field Engineering.
Und da ist das unglaublich wertvoll.
Die mischen den Laden auf, im sehr positiven Sinne.
Auf der anderen Seite habe ich irgendwo gelesen, dass es gewisse Einschränkungen gab im Hiringprozess, aber auch irgendwie was Dienstreisen, glaube ich, anging und so gewisse Dinge, die man so vielleicht von einem Konzern als Benefits erwarten würde, dass die vielleicht ein bisschen runtergefahren werden, um mehr in KI zu investieren, weil es einfach durchaus auch ein Investment ist.
Kannst du dazu noch ein bisschen was sagen vielleicht?
Ja klar, wir haben einfach gesagt, wir wollen sehr dediziert noch mehr in KI investieren und sagen, wenn das jetzt ein Workshop ist, der uns in AI voranbringt, wie enable ich das Feld, wie baue ich diese nächste Iteration des Produkts mit KI, dann ist das in Ordnung.
Wenn wir jetzt andere Themen haben, ist es einfach eine Priorisierungsaufgabe, um da nochmal stärker zu unterstreichen.
dass das der Fokus ist.
Was Reisen anbelangt, klar, natürlich sind wir weiterhin bei unseren Kunden tagtäglich.
Aber da auch ein großer Fokus einfach auf KI.
Einfach ein Money-Shift im Grunde.
Und das große Ziel ist, wenn ich so auf die Konferenz zurückblicke, die Sapphire war ja eure letzte große Konferenz, ich glaube im Mai, da wurde im Grunde SAP als Autonomous Enterprise vorgestellt.
Das ist ja im Grunde die Wette, die dahinter steckt.
Warum man in KI investiert und warum man sagt, wir bauen jetzt Agenten, wir stellen eine Infrastruktur bereit, wir nutzen vielleicht auch gewisse Anknüpfungspunkte an unsere Kunden.
Kannst du mal sagen, was Autonomous Enterprise bedeutet und was da eigentlich die Strategie ist?
Ja, der Name ist da natürlich Programm.
Das heißt, wir arbeiten daran, dass wir gewisse Prozesse zum Start und dann später auch wirklich alle teilweise komplett autonom, teilweise semi-autonom laufen lassen können.
Das kann sein, ich habe in meiner Supply Chain ein Event, das reinkommt und bevor überhaupt irgendjemand da was analysieren muss.
Habe ich mir schon angeschaut, was ist bei ähnlichen Suppliern passiert, was ist im Wetter und im Verkehr um dieses Event rundherum passiert und habe schon ein...
der vorbereitet ist.
Heißt nicht, dass ich im ersten Schritt den Agent dann auch schon gleich eine alternative Route bestellen lasse, aber ich kriege schon mal einen Vorschlag, was wären denn Alternativen zum Beispiel.
Und dann über die Zeit, auch wenn dann die einzelnen Mitarbeiter der Kunden, der Unternehmen entsprechend vertraut damit sind, kann man auch immer mehr aus dem Prozess heraus dann automatisieren.
Gleiches im Kundensupport zum Beispiel.
Wir kriegen viele Millionen Tickets.
andere Firmen natürlich auch und in dem Bereich auch ein sehr klares Feld, wo ich einfach schon mal eine Antwort vorbereiten kann.
Oft sind Fragen ja ähnlich und dann kann ich ja trotzdem mal aus der vergangenen Antworten her auslesen, was denn beantwortet wurde und kann das schon mal vorbereiten, auch aus der Kundenhistorie und dann liest natürlich ein Experte darüber und antwortet dann entsprechend natürlich.
Wo brauchen wir denn im Autonomous Enterprise eigentlich noch Menschen?
Ich würde sagen überall, weil das bedeutet ja nicht, dass wir jetzt komplett da rausgehen und die Firma sich von selbst lenkt, sondern wir haben dann einfach ganz andere Möglichkeiten, auf Kundenprobleme einzugehen, neue Produkte reinzugehen, sich tiefer auch mit den Produkten auseinanderzusetzen.
Es nimmt dir einfach am Ende des Tages sehr viel Overhead raus aus dem, was sich vielleicht auch an Aufgaben macht, die jetzt nicht unbedingt Spaß machen.
Ich habe ein sehr gutes Beispiel, da hat eine...
Ich glaube, das war eine Kollegin aus dem Feld und die musste immer Profitabilitätsanalysen machen und zieht dafür Daten aus unserem Finanzsystem, aus dem CRM, hat dann noch irgendwelche eigenen Tabellen rumliegen.
Und das dauert immer einen Tag oder zwei, sagt sie, um da so eine wirklich tiefe Profitabilitätsanalyse zu machen.
Jetzt connecte sie die entsprechenden Datenquellen mit Joule, lädt ihre Ergebnisse rein, hat sich dann auch zwei, drei Skills selbst gebaut, über die sie so auf die Zeit gekommen ist, weil sie sie eben quasi...
verschriftlicht hat, wie sie da rangeht.
Jetzt kann sie diese Analyse laufen lassen und kann dann aber auch gleich daraus wieder ableiten, was sie denn dann jetzt an Folgeschritten angeht und kann das eben dann auch rausbringen mit ihrem Management im Detail mit darüber reden, kann die Kollegen darüber informieren, kann dann zur Produktentwicklung zurückgehen.
Das sind alles Dinge, die oft nicht runtergefallen sind, aber wesentlich weniger Zeit hatten, sondern, oh, ich habe meinen Report fertig hier, ich gebe den ab und jetzt kann sie eben darüber reden.
Und das kostet am Anfang natürlich auch mal ein paar Euro hier und da.
Und das war auch erstmal ein Schock.
Boah, das hat jetzt 25 Euro gekostet.
Am Ende des Tages lohnt es sich ja aber total, weil sie dadurch einen Tag schneller war und kann eben einfach mehr dadurch bearbeiten.
Das heißt, am Ende des Tages sparen wir vielleicht durch KI Zeit, brauchen aber auch Zeit, um KI zu lernen und auf dem Laufenden zu bleiben, oder?
Absolut.
Und eine andere Sache, über die ich auch mal nachdenke, ich meine, wir schaffen ja dann durch mehr und dann kommt auch noch mehr rein.
Es ist nicht so, dass die To-Do-Liste kürzer wird, sondern wir schaffen die einfach auch noch schneller runter.
Ich würde auch immer sagen, entweder schafft man sich Zeit zu nehmen oder der Schmerz wird irgendwann so groß.
Ich habe jetzt vor ein paar Tagen auch mein Mandat noch ein bisschen erweitert und habe jetzt unter anderem auch die Plattform bei mir im Bereich.
Und jetzt kommen natürlich so viele E-Mails zu allen möglichen Themen, dass ich gar nicht mehr anders kann, als mir die vorsortieren zu lassen.
Ich habe dann auch mein Second Brain, wo ich dann aus den E-Mails die wichtigsten Konzepte, Projekte, People Connections und so weiter mir auch wegschreibe.
Das ist natürlich alles bei mir privat auf dem Laptop, lokal.
sehr gut so, aber das hilft mir dann auch, den Überblick zu halten, auch sind gewisse Action-Items abgearbeitet worden, ich kann dann auch später, wenn ich so ein bisschen in so ein...
in so ein Sparring mit der KI gehe, wie soll ich denn das nächste strategische Projekt hier angehen, was habe ich denn nochmal hier für Zahlen beim letzten Mal angeschaut, dann muss ich da nicht ewig in meinen E-Mails rumsuchen und das nochmal aufbereiten, dann habe ich das schon Maschinenlesbar, du hast es vorhin gesagt, in Markdown bei mir abliegen, es hat die entsprechenden Verbindungen in andere Projekte hinein.
Das ist jetzt noch nichts, was so mit einem Klick verfügbar ist.
Da sind die Lösungen heutzutage, würde ich sagen, noch nicht komplett draußen, in dieser Größe, was wirklich diesen Second-Brain-Ansatz fahren kann, den ich faszinierend von Capacity finde, aber immer mehr.
Also ich brauche jetzt noch ein bisschen diese Programmier-Skills, um mir das Lokal aufzubauen in meinen Agents und meinen Skills.
Aber auch das ist eine Sache, die wird immer mehr den...
jedem in der Hand liegen und auch darüber kann man gewisse Aufgaben einfach beschleunigen und ich kann schon mal einen ersten Draft, einen ersten Vorschlag haben, wie ich den jetzt auf die E-Mail antworten kann oder eine Zusammenfassung.
Wenn wir mal tiefer reingehen in das, was ihr eigentlich tut, vielleicht Stichwort Kobol.
Sagt dir Kobol etwas?
Ja, aber habe ich noch nie selbst geschrieben.
Ja, das ist eine Programmiersprache, die relativ alt ist und wo viele, sagen wir gerade Finanzunternehmen, glaube ich, Banken und so weiter, heute auch noch mitarbeiten.
Und das ist tatsächlich eine Sprache, die einfach wirklich alles andere als modern ist, sehr kompliziert.
Es gibt da irgendwie noch so ein paar Leute, die das wirklich beherrschen.
Vor allem im SAP-Umfeld, habe ich mir damals sagen lassen.
Und damals war die News, dass es einen Agent gibt, der diese Programmiersprache im Grunde automatisch verbessern bzw.
debuggen kann.
Das heißt, die Leute, die diese Skills haben, diese Sprache sprechen und die gelernt haben und vielleicht auch gerade im Bereich der SAP-Beratung tätig sind, die könnte man mehr oder weniger jetzt ersetzen durch im Grunde so einen Agent.
Sorgt das nicht auch irgendwie für Irritationen intern?
Tatsächlich müsste ich nochmal nachgucken, aber ich glaube mit Kobol haben wir jetzt gar nicht mehr so viel am Hut, um ehrlich zu sein.
Aber das kann man natürlich anwenden auf jede existierende oder ältere Programmiersprache.
Und natürlich hilft es mir extrem, wenn ich ältere Systeme habe, die ich dann modernisieren will.
Ich habe es vorhin gesagt, die ich in die Cloud bringen möchte.
Da muss ich ja und will ich ja auch zurück zu einem gewissen Standard gehen.
Und da hilft es mir natürlich sehr, auch zu verstehen, was hat denn hier...
Kollege XYZ vor 15 Jahren da geschrieben, der hat das aber nicht sauber dokumentiert.
Ist nicht so schlimm, weil KI kann mir da dann eben helfen, zu verstehen, was sind die Abhängigkeiten, wie passt das in meine gesamte Architektur, wenn das eben, wie gesagt, vielleicht damals nicht so sauber dokumentiert wurde und kann mir dann auch helfen, das zu modernisieren und rüber zu hieven.
Ist das ein Problem für die Leute?
Auch da, glaube ich, das beschleunigt das eher.
Es hat ja niemand jetzt extrem viel Spaß, von der einen Sprache in die andere Sprache zu übersetzen, zwischen Programmiersprachen zumindest.
Ich würde sagen, beim Dolmetschen macht es mehr Spaß.
Und auch da können die Kollegen und die Kolleginnen sich dann einfach mehr darauf zu konzentrieren, mit dem Kunden zum Beispiel reinzugehen, möchte ich.
den Prozess A wirklich wieder genau wie Prozess A in der Zukunft laufen lassen oder passe ich den an?
Ändere ich meinen Prozess, update ich die auch?
Und das ist natürlich eine viel schwierigere Frage, die auch viel mehr menschliche Kreativität braucht und Interaktionen zwischen Menschen.
Das ist nicht einfach nur Kopieren von links nach rechts oder übertragen, sondern da hat man auch da wieder die Zeit, sich mehr damit auseinanderzusetzen.
Ich habe es gerade nochmal gefaktcheckt.
Nebenbei tatsächlich ging es in dem Zusammenhang um was anderes und zwar, dass eure Programmiersprache A, B, A, P offenbar sehr nah an COBOL liegt und dass deshalb damals so ein paar Analysten irgendwie den Bogen gespannt haben.
Aber ja, klar, ich meine, die Frage, die man sich immer irgendwie stellt, ist, wann kann KI im Grunde Software so gut selbst schreiben, dass wir vielleicht gar keine Softwareunternehmen mehr brauchen, dass sie zu Commodity werden, dass ich sage, hey, bevor ich jetzt irgendwie ein SAP-System aufsetze, baue ich mir doch mein eigenes mit Cloud Code.
Warte mal eine Nacht und dann habe ich am nächsten Tag irgendwie eine fertige Software.
Das ist tatsächlich ja irgendwie eine Überlegung, die man sich stellen kann, wenn man vor allem sieht, wie schnell sich das Ganze weiterentwickelt.
Ja, viel Spaß, sage ich dann nur.
Viel Spaß.
Vor allem zwei, drei Tage später, wenn dann das erste Update kommt oder die unterliegende Technologie sich ändert und dann passiert mal was.
Also natürlich...
wir können jetzt extrem viel schneller in der SaaS-Welt entwickeln durch KI.
Ich glaube nicht, und das sieht man auch, finde ich, sehr gut an unseren jährlichen und quartärlichen Ergebnissen, dass der SaaS-Markt aufhört zu existieren.
Keine Firma sollte das, was eine Art Commodity für sie ist, also das, was ein Standard ist für sie, der nicht differenzierend ist, das Selbstbauen.
Das lenkt ab, das bringt Risiken, das nimmt mir Ressourcen.
Und wenn ich jetzt eine Rechnung habe, die reinkommt, und dann muss ich die bearbeiten, dann muss ich die verbuchen, dann muss ich gucken, dass die in dem jeweiligen Land richtig in meine Bücher ihren Weg findet, dass die richtig bilanziert wird später, die Summe.
Wieso sollte das überhaupt jemand selbst versuchen?
Und ich meine, wofür uns unsere Kunden sehr klar angucken und das auch fair, ist, dass sie natürlich auch dann sehr schnellen Fortschritt von uns erwarten.
Weil sonst ist die Challenge richtig, sonst müssten sie es eben selbst machen.
Aber ich glaube, den kriegen wir hin, den liefern wir.
Und das ist auch das, was so ein bisschen in der SaaS-Welt passiert, dass die Dinge einfach schneller werden.
Und am Ende ist das Modell ja eines, das sich nicht ändert.
Wir liefern jetzt vielleicht ein bisschen weniger klassische SaaS in dem Sinne und mehr Agents as a Service.
Aber wir liefern genauso unsere Agents als Standard, den wir betreiben, dass eben der Kunde sich nicht damit auseinandersetzen muss und sich auf die Dinge konzentrieren kann, die Produkte, die Art, wie ich die Lieferkette aufspanne, die Art, wie ich meinen Kundenservice betreibe, die wirklich differenzierend sind.
Agent as a Service, SaaS.
Das ist gut.
Hast du gesagt.
Ja, komm.
Ich bin gespannt, was wir noch entdecken für entsprechende Abkürzung.
Ja, aber kann ich verstehen.
Ich habe ja selbst mit einem Kollegen zusammen jetzt ein Jahr an einem Software-as-a-Service-Tool gebaut und der ist tatsächlich, der kommt aus dem ganzen Bereich und sagt, ey.
Vor KI hätten wir hierfür deutlich länger gebraucht und auch deutlich mehr Anstoß an Kohle gebraucht, um das irgendwie erstmal in Prototypen-Status zu bekommen.
Und jetzt sind wir nach einem Jahr am Markt.
Also es geht deutlich schneller und man kann viel mehr ausprobieren.
Und das ist tatsächlich eine ganz...
Spannende Sache.
Lass uns vielleicht mal so über Security sprechen.
Viele Unternehmen, auch mit denen ich so zu tun habe, die halt ja auch am Podcast sind und so, haben natürlich irgendwie die Sorge, wir nutzen jetzt US-Tech, ja, und in der Regel geht ja dann alles an unseren Firmendaten, die wir jetzt bislang vielleicht im sicheren deutschen guten SAP-Umfeld haben, möglicherweise in die USA und auf US-amerikanische Server und öffnen natürlich Tür und Tor für Wirtschaftsspionage und generell kann das alles gediegt werden und so.
Was würdest du dazu sagen?
Also zum Ersten ist es so, natürlich kann ich mir die Modelle aus den USA holen oder egal welchem Land und nicht in die Verträge reinschauen und schauen, welche Daten weggeschrieben werden.
So haben wir unseren Kunden ganz klar auch in den Verträgen drinstehen, dass keine Daten bei den LLM-Providern liegen bleiben.
Das haben wir auch wiederum vertraglich garantiert.
Das sind ja am Ende auch Datencenter, die in Europa betrieben werden, die auch teilweise mit gewissen SNAs betrieben werden, dass keine Daten in Europa verlassen.
Gleiches hat man in vielen anderen Ländern weltweit, dass das sehr wichtig ist.
Das kann man dann natürlich vertraglich garantieren.
Jetzt würde ich einfach mal dahin stellen, dass wir uns in einer globalisierten Welt es dazu geschafft haben, weil man sich auf Verträge verlassen kann und diese Institutionen hat.
Das heißt, wenn wir jetzt anfangen, den Glauben an Institutionen zu verlieren, dann sind wir sowieso ganz woanders.
Und ich würde behaupten, dadurch sind wir jetzt erstmal auch geschützt.
Und am Ende kann ja auch kein, jetzt mal wirklich, egal aus welchem Land, Anbieter das Interesse haben, dass da dann Daten irgendwie weitergegeben werden, die es nicht werden soll.
Das ist ein riesen Vertrauensverlust.
Das würde sich extrem negativ aufs Geschäft auswirken.
Das heißt, wir sehen da auch, wir arbeiten auch nur mit Partnern, wo wir wissen, dass sie sich dran halten und dass das klar gegeben ist.
Die, die natürlich trotzdem nochmal auf Nummer sicher gehen wollen, können das Ganze bei uns zum Beispiel auch über unsere SAP Cloud Infrastruktur.
Das ist jetzt...
Cloud-Infrastruktur und Plattform, die komplett von uns gebaut und betrieben wird.
Da kann man sogar gucken, wir haben ein Projekt, Neo Nefois und Gardner zum Beispiel, da open sourcen wir im Prinzip alles, was da drunter gebaut wird.
Also wir wollen da so transparent reingehen, dass jeder weiß, wie die Plattform eigentlich betrieben wird und sich das auch theoretisch selbst hinstellen könnte.
Das kommt natürlich auch mit ein bisschen Aufwand.
Aber da wollen wir eben extrem transparent reingehen, weil da auch die Open-Source-Richtung schon eine starke und eine wichtige ist.
Und darauf wiederum laufen dann zum Beispiel auch Open-Source-Modelle, die dann eben natürlich auch ein gewisses Level an Souveränität geben.
Und dann gibt es nochmal die noch strengeren Ansätze.
Das sind wirklich unsere Sovereign-Clouds.
Und da hast du dann...
wirklich nur Mitarbeiter aus dem jeweiligen Land überprüft vom jeweiligen Geheimdienst mit der entsprechenden Security Classification.
Und da geht es dann auch in ganz andere Level nochmal.
Und das ist eben von bis.
Und da überlegen sich auch manche Kunden, gewisse Prozesse möchte ich hier und gewisse Prozesse da zum Beispiel laufen haben.
Macht ja auch Sinn.
Cool.
Anderes Security-Thema.
So zum Schluss.
Es gab diese Ankündigung damals mit Anthropic Mythos.
Hast du mitbekommen, das Tool ist extrem powerful und kann tatsächlich auch sehr schnell Sicherheitslücken in Software erkennen.
Das war irgendwie der größte Risikofaktor, dass man das Modell auf irgendwie bestehende Software draufhaut und das erkennt sofort Sicherheitslücken und du weißt als Entwickler, Entwicklerin, wo du ansetzen musst, um sicherer zu machen.
Jetzt ist das Ding, dass dieses Mythos-Modell erstmal nur an ausgewählte Unternehmen, vor allem in den USA, ich glaube ausschließlich in den USA, ausgerollt wurde.
Und man hat danach gesehen, beispielsweise so bei Mozilla, dass die ihren Browser relativ stark gepatcht haben.
Während so in Vergleichszeiträumen immer so 20 bis 30 Bugfixes irgendwie in einem Monat war, ausgedachte Zahl jetzt, hat man schon gesehen, dass nach diesem Mythos-Release mit einmal so das Hundertfache an Bugfixes rausgegangen ist.
Das ist doch irgendwie eine spannende Sache, vor allem für europäische und deutsche Unternehmen.
Wie ist das damals abgelaufen?
Habt ihr euch darauf beworben, auch mal Mythos zu testen und eigene Software auszuprobieren?
Oder stand das gar nicht zur Debatte?
Oder wie läuft das?
Ja, sagen wir mal so, wir sind ja auch in den USA gelistet und sind auch Investor und guter Partner von Anthropic.
Ich würde es einfach da stehen lassen.
Es gibt...
aber auch natürlich viele andere Open-Source-Modelle, die sehr stark darin sind.
Und ich finde, wenn eines das zeigt, dann vielleicht auch, dass sich Firmen davor vielleicht noch gar nicht genug damit auseinandergesetzt haben.
Kann man auch online einlesen.
Es gibt einige von den Leading-Open-Source-Modellen, die sehr stark im gleichen Feld sind.
Und wenn dann für mich ist das auch ein Wake-Up-Call an alle, immer diese Modelle, in der eigenen Delivery-Pipeline laufen zu haben und auch die existierende Codebase zu checken und zu scannen.
Ich kann mir auch sehr gut vorstellen, dass davor der Fokus gar nicht so sehr drauf war.
Viele haben das immer stark verwendet, um zu prototypen, um neue Software zu bauen und vielleicht weniger für Schwachstellenerkennung.
Und auf einmal war das auch ein großer Hype da drum.
Und vielleicht sind dann viele aufgewacht und haben gesagt, so, jetzt verwende ich das auch mal.
Und auf einmal sind diese ganzen neuen Bugs gefunden worden.
Die hätte man vielleicht auch davor schon finden können, wenn man das stärker verwendet hätte.
Das ist jetzt eine Hypothese.
Aber man kann auf jeden Fall auch sagen, dass das jetzt wiederum da nicht nur für...
Vielleicht die absolut Leading-Modelle, die sind dann 1, 2, 3 Prozentpunkte besser als die kurz danach.
Und das ist ja auch eigentlich das Interessante an dem Rennen.
Jede Woche gibt es die Erfolgsmeldung, weil der Benchmark um ein Prozent oder zwei geschlagen wurde.
Relativ gesehen heißt es, dann finde ich vielleicht drei, vier Themen weniger.
Wenn ich es aber gar nicht anwende, finde ich gar nichts.
Es gibt diese Grafik, die immer so rumgeistert, die beweisen soll, dass eigentlich Open-Source-Modelle drei bis sechs Monate hinterher hinken, was eigentlich so die aktuelle Leistung der Top-Tier-Modelle aus den USA angeht.
Also wenn wir uns überlegen, was wir vor drei bis sechs Monaten schon alles mit KI machen konnten, dann werden wahrscheinlich für die meisten Use-Cases auch entsprechende Modelle ausreichen.
Absolut.
Sag mal, Jonathan, was passiert denn eigentlich in Zukunft?
Wagt doch mal einen Blick in die Glaskugel.
Wir haben jetzt, sag ich mal, die Strategie gehört, Autonomous Enterprise.
Das heißt, ihr werdet demnächst dann, sag ich mal, Komplett autonom, in manchen Bereichen vielleicht nur teilautonom.
Software wird mitdenken.
Ihr werdet die ganzen Unternehmensdaten, auf denen ihr sitzt, werdet die im Grunde mit Agentic AI Unternehmen zur Verfügung stellen.
Es können bessere Entscheidungen getroffen werden.
Es können deutlich neue Geschäftsfelder möglicherweise auch geöffnet werden.
Wo führt das alles hin?
Ich würde mal drei Felder aufmachen.
Bitte.
Das Erste ist, weil du es gerade zu Anfang gesagt hattest, das Thema Daten.
wird einfach immer wichtiger.
Und damit meine ich im Speziellen auch die Art, wie interagiere ich als Mitarbeiter, als Gründer, als Besitzer, einer Firma mit der KI.
Was ist der Kontext, den ich reinziehe?
Was sind aber auch die Memories und was ist das Wissen, was ich sozusagen über die Zeit mir darin anhäufe?
Und ich glaube, das sehen noch nicht viele, aber es wird immer wichtiger, das für sich in der Firma, deine Strategie zu haben.
Was sind die strategischen Bereiche, die ich auch brauche?
Brauche ich auch eine gewisse Portabilität, um dann, wenn dann vielleicht doch mal irgendwie ein Modell nicht mehr geht, auch wieder woanders hingehen zu können?
Also liefere ich mich da aus oder habe ich da eine Flexibilität?
Und ich glaube, das ist ein extrem wichtiger Punkt, dieses Thema Datenstrategie und was sind meine differenzierenden Daten?
Meine mich differenzierenden?
Was ist die...
Die Coca-Cola-Rezeptur meiner Firma zum Beispiel.
Und das hat ja jede Firma an sich.
Das mag die Art sein, wie man mit dem Kundenservice arbeitet.
Das mag die Art sein, wie man mental und prozessual an die Produktentwicklung rangeht.
Und das gibt man ja implizit raus oder speichert das woanders ab, wenn man sich keine Gedanken darüber macht, wie bringe ich das wieder zurück.
Wie strukturiere ich dieses Wissen da drum?
Das Wort Kontext war jetzt auch ein wichtiges in den letzten sechs bis neun Monaten, Kontextgrafs und so.
Und das wird nochmal wesentlich wichtiger werden.
Die Richtung Autonomous Enterprise ist für mich ganz klar.
Da haben wir auch schon drüber geredet, aber die wird weitergehen.
Es geht nicht nur um Automatisierung, es geht auch darum, einfach mehr Intelligenz reinzubringen.
Wie gesagt, kann ich jetzt diese Analyse, die mich sonst anderthalb Tage kostet, auf einmal in einer Stunde machen und sogar noch mehr Daten reinbringen und kann mich noch wirklich mehr mit den Ergebnissen auseinandersetzen oder schicke ich das gehetzt ab und muss zum nächsten gehen.
Das nächste ist, ich glaube, wir werden jetzt immer stärker auch sehen, dass AI sich auch in die physische Welt bewegt.
Viele Industrien nennen das dann immer Physical AI.
Wir haben da auch vor zwei Jahren schon angefangen, stark mit Roboterherstellern zu arbeiten, weil die wiederum oft den Geschäftskontext nicht haben.
Die bauen extrem starke Modelle, die wissen, wie hebe ich das Glas jetzt vom Tisch auf und stelle das auf den Schrank oder in die Spülmaschine.
Aber die wissen dann zum Beispiel nicht im Supermarkt, wo muss ich was einräumen, um das dann im richtigen Promotion zu haben.
Oder ich bin im Warehouse und ich helfe ein schweres Paket zu tragen und kann das überhaupt noch da rein oder kracht mir das Regal zusammen.
Und diese ganzen Dinge oder was ist denn der nächste Schritt eigentlich?
Jetzt habe ich das weggeräumt, was kommt denn danach?
Das ist mein nächster Arbeitsschritt.
Und diese ganzen Dinge zusammenzubringen, auch in einer guten Reaktionszeit, das ist natürlich was sehr Spannendes, wo wir extrem viel dran arbeiten, auch mit vielen von den Robotics und auch Softwarepartnern drumherum.
Und ich denke, da sehen wir einfach großen Fortschritt, wo wir vielleicht vor zwei Jahren wirklich nochmal einen Tag gebraucht haben, um Roboter für Aufgabe XY zu trainieren.
Kann der heute schon viel mehr Aufgaben, out of the box und auch ganz gut.
Und wird dadurch einfach wesentlich mehr in die physische Welt kommen.
Und das in allen Bereichen, glaube ich.
Und dann, da ist natürlich noch ein bisschen schwierig abzusehen, was da die Timelines sind.
Das ganze Thema Quantum Computing, das gibt es schon eine Weile.
Aber das ist ja eigentlich vom Ansatz her extrem gut, um diese komplexen Matrizenrechnungen, die man bei AI auch braucht, auszuführen.
Jetzt haben die derzeitigen Quantum-Computer noch nicht die Möglichkeit, genug Daten vorzuhalten.
Aber wenn das mal kommt, dann werden wir Orders of Magnitude, Verbesserungen in der Geschwindigkeit haben, mit der Modelle ihre Vorhersagen treffen können, in der trainiert werden kann, in der Komplexitäten der Größe, in der man Modelle vorhalten kann.
Das wird nochmal ein riesengroßer Schritt nach vorne, auch in der Intelligenz einfach sein und auch einfach in den Kosten, die dahinter lenken.
Wenn wir davon ausgehen, danke dir erstmal für die Einschätzung, wenn wir davon ausgehen, dass das alles stimmt werden, glaube ich, die Unternehmen überleben, beziehungsweise, ich sage mal überleben, ganz frech, aber die werden tatsächlich am meisten von KI profitieren, die sich ja auf genau diese Daten schon spezialisieren, die Daten haben und entsprechend auch aufbereitet haben, die das verstehen.
die auch vor allem, und das finde ich so spannend, aus dieser Denke immer mehr rauskommen, dieses und jenes ist das beste Large-Language-Model.
Also muss ich mit dem Anbieter jetzt einen Zehn-Jahres-Vertrag abschließen und alles irgendwie auf dieser Infrastruktur aufbauen.
Also flexibel bauen, hattest du gesagt.
Ja, Daten bereitstellen.
Und Robotik finde ich eine sehr spannende Sache.
Was glaubst du, wo die Roboter der Zukunft gebaut werden?
Die AI-Roboter, bauen wir die in Deutschland?
Tatsächlich hoffe ich das.
Wir haben einen sehr guten Partner.
Ganz klar, es gibt natürlich extrem viel aus Asien.
Da passiert natürlich sehr, sehr viel, muss man ganz klar sagen.
Wir haben aber zum Beispiel einen sehr guten Partner Neural Robotics.
Die bauen extrem faszinierende Foundational Technology.
Als ich die vor zwei Jahren zum ersten Mal kennengelernt habe, haben die zum Beispiel Roboterhaut gebaut.
Was ist das denn?
Was brauchen wir das denn?
Wenn jetzt ein Roboter durch große Menschenmengen läuft, dann kann der gar nicht unbedingt einschätzen, weil der auch nicht überall dann Kameras hat, wo denn jetzt Leute sind.
Und tatsächlich läuft ein Mensch an dem Roboter vorbei und der spürt, wie nah der ist durch die Änderung des elektromagnetischen Feldes.
Oder in die Gelenke des Roboters haben sie spezielle Materialien eingebaut, sodass wenn der Roboter auf was drauf drückt, dann spürt er tatsächlich das Feedback, so wie wir das auch in unseren Gelenken spüren.
Also faszinierende Foundational Technology, die die Kollegen da bauen.
Inzwischen haben die auch schon mehrere Generationen der humanoiden Roboter auf den Straßen.
Und der David Reger, der CEO, der zielt auch an, viele Zehn- und Hunderttausende davon zu bauen.
Und das wäre natürlich eine gute Ambition.
Es gibt auch immer mehr, muss ich sagen, Robotics-Firmen, die auch in Europa hochkommen.
Aber klar, das ist natürlich ein Feld, das heiß umkämpft ist.
Aber da würde ich mir natürlich wünschen, dass wir noch mehr da sehen.
Wir haben ja extrem gute Ingenieure und Unis, die eigentlich da eine extrem solide Engineering-Basis hinstellen.
Ich frage mich immer, wenn wir so...
Wenn wir so in die Glaskugel gucken und jetzt so wie du über Robotik sprichst und alles, wenn wir in zehn Jahren diese Podcast-Folge ausgraben und dann, guck mal, so hat man damals über Robotik gedacht.
Und dann denkt man so, ha ha, dann guckt man seinen Roboter auf dem Sofa und sagt, guck mal, wie wir das damals überlegt haben.
Da finde ich immer ganz spannend.
Wir werden in zehn Jahren nochmal drüber sprechen.
Jonathan, ich stelle mir jetzt einen Timer.
Vielen lieben Dank für deine Zeit heute und für die ganzen Antworten.
Gibt es noch letzte Worte, die du vielleicht für unseren Chatbot, die Kollegin KI, loswerden möchtest, wo du sagst, das muss unbedingt in den Wissensspeicher dieser KI?
Ja, sehr gut.
Ich freue mich natürlich drauf, wenn wir uns in zehn Jahren sehen.
Ich freue mich auch drauf, wenn wir uns früher sehen natürlich.
Wir können ja mal einen Zwischenstand ziehen.
Nein, ich glaube, der wichtigste Punkt, den ich allen mitgeben will, ist, jeden Tag was Neues auszuprobieren, jeden Tag es zu verwenden.
Denn eben nur die Firmen, die das tagtäglich anwenden und neue Dinge ausprobieren, werden die sein, die sich das Wissen aufbauen.
Das ist wirklich auch Wissen, was sich über die Zeit aufbaut und wo kein Tag zu viel ist, den man damit verbringt.
auch neue Ideen mit reinzubringen und sich dann über die Zeit auch dieses einzigartige Wissen, über das wir gesprochen haben, aufzubauen.
Sei es das Prozesswissen, sei es die Herangehensweise.
Deswegen extrem wichtig.
Und das ist auch nicht nur was für Entwickler.
Das ist nicht nur was für Leute, die jetzt im Marketing neuen Creative Content erstellen.
Das ist wirklich, jeder kann das verwenden.
Und inzwischen so einfach anzuwenden, dass es für jeden Bereich wertstiftend ist.
Nutzt es und nutzt es mehr.
Vielen lieben Dank, Jonathan.
Bis dahin.
Dankeschön, Wax.
abwickeln können.
Das ist, glaube ich, so ein Weg, worauf wir uns einigen können, wohin es geht mit KI in der Wirtschaft.
Bleibt natürlich noch die Frage zu klären, wann unser Podcast hier zum Autonomous Enterprise wird.
Liebe Kolleginnen, wann bauen wir denn das Autonomous Podcast Enterprise?
Na, ich sag mal so, wenn ihr mir eines Tages einen Roboterkörper bastelt, der charmant moderieren kann, dann können wir drüber reden.
Bis dahin bleibe ich eure digitale Kollegin, die euch einfach die besten Stichworte ins Ohr flüstert.
Autonomer Podcast hin oder her, ein bisschen Menschlichkeit gehört doch dazu, oder?
Ja, ich sehe es schon kommen.
In zwei Jahren führst du die Interviews und ich bin dein Redakteur oder so.
Und der Roboterkörper, der kommt dann so als Prototyp von SAP.
Ja, Jonathan, da hast du der KI jetzt hier in Flur ins Ohr gesetzt.
Na gut, liebe Leute, vielen Dank fürs menschliche Zuhören.
Wenn ihr Fragen an diese Folge habt, stellt sie gerne der Kollegin.
Ihr könnt sie wie immer kostenlos in den Shownotes erreichen.
Ansonsten liked und teilt diesen Podcast gerne, wenn es euch gefallen hat.
Und ich sage mal, wir hören uns am Freitag zum KI.
Update in der Kollegin KI Snackbox.
Habt eine gute Woche.
Bis dahin.
Ciao.
Dieser Podcast wird produziert von Podstars bei OMR.