# Enterprise AI Strategy: Governance, Process, and Human Limits

**Podcast:** AI FIRST Podcast
**Published:** 2026-09-11

## Transcript

Herzlich willkommen zum AI First Podcast.
Heute 100.
Folge.
Ich kann es noch gar nicht so richtig glauben, aber wir sind tatsächlich an diesen Punkt gekommen.
Vor zwei Jahren hatte ich so viele offene Fragen zu KI und der KI-Transformation in Unternehmen und viel zu wenige Antworten darauf und habe angefangen, bei LinkedIn einfach mal ein paar Leute anzuschreiben, wo ich dachte, die wissen vielleicht mehr als ich.
und diesen Podcast hier gestartet und angefangen, all die Fragen zu stellen, die ich selbst hatte.
Und daraus ist irgendwie was entstanden, was mit der Zeit immer ein bisschen größer geworden ist.
Und ich freue mich, dass wir heute diese 100.
Folge hier feiern dürfen und haben uns dafür mal was Besonderes überlegt und das erste Mal hier auch im Studio per Video.
Und ich habe den besten Gast für diese 100.
Folge, den ich mir dafür vorstellen kann, und zwar ...
Michael Drass, Chief AI Officer bei der Deutschen Bahn.
Komplett für die KI-Strategie und die Plattform und Infrastruktur bei einem der größten Unternehmen Deutschlands.
Verantwortlich, schon sehr, sehr lange in diesem Bereich unterwegs.
Und ich freue mich, wenn alle Fragen, die bis hierhin in den letzten 100 Folgen noch offen oder 99 Folgen noch offen geblieben sind, du mir diese heute beantworten kannst.
Und schön, dass du da bist.
Und ich freue mich auf...
Ja, dieses Jubiläum.
Ja, danke Felix für die Einladung.
Ich freue mich auch, dass ich die 100.
Folge mit dir begleiten kann und dass wir heute in einem Videopodcast sitzen.
Ich glaube, neues Format.
Richtig cool hier in Hamburg.
Und dann lass uns mal starten.
Ich glaube aber, der Anspruch ist, wir werden mit mehr Fragen rausgehen als Antworten liefern, weil so einfach ist es dann doch wieder nicht, wie alle behaupten, die sich irgendwie mit KI beschäftigen.
Das ist so meine These gerade.
Wahrscheinlich wird es so sein, aber das ist dann auch einfach nur ehrlich und wir wollen ja hier nicht den Hype noch weiter befeuern, sondern auch einen echten Einblick geben, was KI-Transformationen im Unternehmen bedeutet, vor allem nochmal im Großkonzern.
Und vielleicht starten wir mal mit einer kurzen Vorstellung von dir.
Erzähl mal, wo du herkommst und was du heute bei der Bahn machst.
Genau, also im Vorfeld haben wir ja gesagt, wir sollen bei der Grundschule anfangen.
Also ich komme aus dem wunderschönen Mainz, war natürlich auch in der Grundschule, Heinrich-Momböcher-Schule.
Das war eine großartige Erfahrung und die hat mich natürlich so geframed, dass ich auf einmal jetzt in einem Großkonzern das Thema Künstliche Intelligenz treibe.
Zwischenzeitlich bin ich auf den Pfad des Bauingenieurs drauf gehüpft, bin quasi promovierter Statiker.
Habe dann irgendwie mit 24 angefangen, so ein paar Simulationen zu machen im Bereich geklebter Glasrutschen.
Zwölf Meter lange Glasrutsche hängt in Dubai auf so einem Skyscraper auf 220 Metern Höhe.
Kannst du eben...
sozusagen da runterrutschen, ja da war ich der Chefstatiker mit 24 und das habe ich dann gerechnet.
Ich habe Sachen gerechnet und simuliert, die in Space geschossen worden sind und eben auch simuliert 3D gedruckte Fassadenknoten, die jetzt in Deutschland statisch wirksam in so eine Außenfassade dann integriert wurden.
Und dann habe ich irgendwie gesagt mit 24, Spiel durchgespielt für mich bei Ingenieurwesen, das ist irgendwie langweilig gewesen und ja, dann ging es irgendwie weiter und habe mich dann immer tiefer in das Thema künstliche Intelligenz, statistische Modellierung, Simulation hineingearbeitet und so kam quasi entlang der Promotionszeit und der Postdoc-Zeit dann auch das Thema auf immer stärker KI.
in ein Business zu integrieren.
Und wir hatten sehr, sehr viele Forschungsprojekte, auch mit der Deutschen Bahn zusammen.
Da ging es um Drive-by-Monitoring.
Der Zug ist der Sensor für eben Bahnbrücken, haben wir ein schönes Forschungsprojekt damals gemacht und versucht eben aus den Messdaten die Lebensdauer einer Brücke zu prognostizieren.
Und dann hat sich damals auch die KI natürlich die Zähne ausgebissen und es ist tatsächlich ein sehr, sehr komplexes Thema, nicht so einfach im Umgang.
Das war auf jeden Fall so die erste Brücke, die ich dann eben in Großkonzernen dann bauen durfte und dann...
hat es mich so irgendwie angetan, was eben auch schon 2019, 2020 in der Bahn an KI-Systemen integriert und entwickelt worden sind, dass ich gesagt habe, ich muss irgendwie in diesen Laden rein und bin dann 2021 in die Deutsche Bahn gewechselt, habe da erstmal sehr, sehr stark daran gearbeitet, KI wirklich in Kernprozesse der Bahn zu implementieren mit Implementierungsteams, war dann sehr, sehr tief eben dann im Fahrplanprozess unterwegs.
Und von dort aus wurde meine Position immer strategischer.
Und ja, mittlerweile war ich noch so ein bisschen, konnte ich so in den Code gucken.
Und aktuell ist es eher so eine Position, man redet eigentlich viel stärker mit Betriebsräten, mit Juristen, mit den Datenschützern, mit eben den ganzen Enablement-Formaten, die eben so ein Großkonzern aktiv gepusht werden, um eben so eine Transformations-Journey irgendwie zu starten.
Und ja, da bin ich aktuell unterwegs, gleichzeitig stark in der Verantwortung für die KI-Plattform.
Also als Bauingenieur weiß ich, ich muss irgendwie ein sauberes Fundament setzen, um darauf aufbauen zu können.
Und entsprechend ist in der Rolle gerade eher die Tatsache geschuldet, Fundament aufsetzen aus der Zentralen heraus mit Governance-Standards, strategische Leitplanken, Ausrichtungen setzen.
Aber der eigentliche Benefit passiert dann wirklich im Geschäft.
in der Dezentralen, so sagen wir gerade, in der Bahn.
Und dort entstehen tagtäglich neue KI-Wunder, würde ich sagen, von denen wir vielleicht mal mehr wissen, mal weniger.
Aber in so einem Großkonzern von über 220.000 Personen kannst du das auch gar nicht mehr überblicken.
Und dementsprechend vermeide ich so einen Ausdruck, ich verantworte oder wir verantworten.
KI kann man nicht verantworten in dem Sinne, sondern es gehört irgendwie uns allen.
Und jeder muss seinen Beitrag leisten, dass auch so ein großer Tanker wie die Deutsche Bahn ausgerichtet in die Zukunft fahren kann.
Beziehungsweise das ist dann eben auch das Ziel in der Rolle, diese Transformationsbegleitung Großkonzern zu accelerieren, ein bisschen zu nutschen und dann eben die Effekte sehen zu lassen, aufploppen zu lassen.
Wann würdest du rückblickend sagen, dass du in deiner Rolle erfolgreich warst?
Meiner Meinung nach, wenn KI in der gesamten Fläche, also von White-Color-Worker, einfacheres Geschäft, bis hin zum Blue-Color-Worker in die DNA übergegangen ist.
Da würde ich sagen, haben wir eben die Transformationsreise richtig, richtig gut gemacht.
Und das ist aber vor allem eben ein Business aus Mensch, Organisation, Technik.
Das ist für mich immer so ein...
Produkt, das ich in meinem Kopf habe.
Die Technik, würde ich sagen, ist da.
Also 2019, 2020 haben wir noch extrem viel Aufwand betrieben, eigene KI-Modelle zu entwickeln.
Also klassisches Machine Learning und es tut auch seine Sache, denn man soll eben nicht alles oder sollte nicht alles mit den neuesten Sprachmodellen lösen.
Denn manchmal ist eben ein Prognosemodell besser als jedes Sprachmodell.
Das versucht eine Prognose, also auf Zahlenkolonnen sozusagen zu machen.
Das ist eher der falsche Weg.
Wenn ich nur mal an dieses Produkt denke, Mensch, Organisation, Technik, also Technik ist da und ich gehe davon aus, dass in den nächsten Jahren die Technik derartige Fähigkeiten entwickeln wird, dass wir gar nicht mehr so stark auf die Technik gucken müssen, sondern eher die Integration der Technik auf den Plattformen, damit man so einen easy-to-use-way hat, an die Technologie dranzukommen.
Und zwar in der gesamten vertikalen, einer Großorganisation, ob ich eben...
im Baufeld unterwegs bin, in der Fahrplanung oder eben im Finanzbereich im Controlling, soll einfach für alle zugänglich werden.
Die Organisation muss sich natürlich auch ein Stück weit ausrichten.
Gerade jetzt stehen wir eben auch auf dem Sprung in Richtung Wie können, also nicht die Deutsche Bahn selbst, sondern es gibt ja ganz viele Denkprozesse weltweit, wie sehen eigentlich agentische Companies aus, egal ob ein Startup oder Großkonzern.
Das ist ja noch gar nicht gelöst, wir wissen es noch gar nicht.
Manche probieren es ein bisschen aus, du versuchst es ja auch in deinem eigenen Unternehmen.
Aber da überlegt man erstmal, wie kann ich das ausrichten.
Da versuchen wir eben so erste Ankerpunkte zu definieren, wie wir eben auch in eine agentische Journey kommen.
Und der letzte Punkt ist eben der Mensch selbst.
Und ich glaube, da kann man nie zu viel machen, um diese Transformationsbegleitung zu realisieren.
Leider skaliert der Mensch natürlich auch nicht.
Also Mensch musst du irgendwie mit Mensch befähigen und das dauert dann einfach zu lange.
Und auch hier versuchen wir, darüber nachzudenken und Systeme zu integrieren und zu bauen, die eben auch den Mensch in...
eine Selbstbefähigung bringen kann.
Wir werden sehen, wie das funktionieren wird.
Das ist natürlich auch eine Aufgabe, weil das Schöne ist ja, wenn du von einem Mensch befähigt wirst.
Das macht viel mehr Spaß, als wenn du von einer Maschine sitzt und sie erklärt dir etwas, wie du etwas zu tun hast.
Das ist irgendwie so das falsche Format.
Und ich erinnere mich immer noch so schön an das letzte Jahr, als wir in Hamburg beim AI Collective Day waren.
Und da hattest du ja gesagt, okay, guck mal, ich mache noch eine Keynote, du machst auch noch eine Keynote, Michi.
Und auf einmal ging es so raus, okay, jetzt Laptop aufklappen, wir bauen unseren ersten Agenten.
Jeder für sich.
Und auf einmal waren alle baff, ruhig im Raum und auf einmal ging das Genuschel los.
Und ja, wir haben alle Agenten gebaut.
Und das war für mich wieder so ein Switch-Moment, zu sagen, okay, wir müssen weg von der Theorie, hin in die Praxis reingehen.
Und das Beste im Enablement der Menschen passiert eben dann, wenn du wirklich den News dir anguckst und die Leute in eine Interaktion gehen.
Es spielt gar nicht die Rolle, ob ich jetzt in sehr tief agentische Systeme und, weiß ich nicht, Multiagenten schwärme, unter Kontrolle halte oder nicht.
Oder ob ich einen einfachen Chat oder einen Prompt absetze.
Man muss einfach für sich die Geschwindigkeit finden und eben dann in dieser Geschwindigkeit starten, in Interaktion zu treten.
Und wenn gerade dieser Faktor Mensch vielleicht dann auch in ein paar Jahren derart befähigt ist bei uns in der Bahn, dass es quasi im tagtäglichen Doing irgendwie ein Begleiter ist, künstliche Intelligenz, dann würde ich sagen, waren wir alle gemeinsam sehr erfolgreich.
Du hast jetzt schon viele Themen angeteasert, über die wir noch sprechen wollen, nämlich wie geht ihr mit dieser unfassbar schnellen Technologie in einem riesigen Konzern um, wie organisierst du?
Das, wie setzt du diese Leitplanken, agentische KI, bringt nochmal eine ganz neue Dimension, Anforderungen mit rein, aber auch viel Potenzial.
Wie funktioniert das bei euch?
Wie denkst du darüber nach?
Bin natürlich auch gespannt, was du jetzt in den letzten Jahren so gelernt hast, vielleicht auch anders machen würdest.
Das kommt alles, aber ich will mal ganz woanders anfangen.
Und zwar ist es sehr viel spannender für mich, mal zu verstehen, wie so ein Chief AI Officer von so einem riesigen Unternehmen eigentlich selbst mit KI arbeitet.
Also nimm uns mal mit und lass uns mal so ein bisschen hinter den Vorhang gucken.
Wenn du deinen Rechner aufmachst morgens, was sind dann schon die ersten Sachen, die KI dann für oder mit dir macht?
Ja, morgens, also ich starte immer sehr, sehr früh in den Tag, um einfach die Ruhe zu nutzen, bevor man in Team-Meetings und Workshops ab...
um mich einfach vorzubereiten.
Also sozusagen die Welle des Tages ist für mich eine, ich will davor sein und nicht irgendwie in der Welle dann umgespült werden.
Das heißt, ich starte meinen Tag sehr, sehr früh und das Erste, was ich mache, ist tatsächlich, ich starte eigentlich mit meinem Co-Pilot.
Relativ profan, ist überhaupt noch gar nicht so wirklich agentisch für mich, aber...
der hilft mir tatsächlich in der Dokumentenflut, in der E-Mail-Flut, die tagtäglich anfällt, in den Sitzungsprotokollen etc.
all das, was anfällt, irgendwie nochmal eine Übersicht zu bekommen.
Was war gestern?
Was ist irgendwie heute von Relevanz?
Kann ich mich irgendwie darauf vorbereiten?
Dann geht es meistens darum, erste Mails abzuarbeiten.
Dann starte ich natürlich irgendwie mit, ach, wo liegt nochmal das Dokument?
Und das ist so eine Selbsterfahrung, die ich dann wieder hatte.
Was hat man trümpischerweise gemacht?
Man hat jemanden angepingt, so, ah, wo war das denn nochmal auf dem Sharepoint?
Ich finde das gar nicht mehr so.
Und man muss für sich selbst erfahren, wenn man KI nutzt, frag einfach das KI-System.
Und das war für mich auch so ein Change.
Ich habe dann einfach mal das KI-System immer mehr gefragt und immer weniger die Kollegen gefragt oder genervt.
Und ein bisschen...
Das ist so für mich so der normale Start.
Dann teste ich auch gerade relativ stark agentische KI-Systeme im Kontext der Softwareentwicklung.
Da haben wir Produkte für die Software-Developer.
Gerade in meiner Rolle muss ich das auch verstehen, testen und gucken, was kann ich damit bauen.
Da habe ich immer, wenn ich so ein bisschen Zeit habe, um mich tief mit der Technik auseinanderzusetzen, nutze ich das gerne, um...
ja eigentlich kleinere Softwareprodukte für mich selbst, Personal Use zu bauen.
Und mittlerweile habe ich das so weit getrieben, dass ich für mich wie so ein Softwareprodukt gebaut habe, das mir Powerpoints kreiert.
Aber genauso wie ich es brauche.
Also ich habe versucht eben über natürliche Sprache mit dem System zu sprechen, das mir dann eben ein Software-Inkrement setzt.
um eben Powerpoints zu bauen.
Mit dem bin ich dann relativ häufig auch in Interaktion, weil es startet eben mit einem natürlichen Sparing.
Ich gebe die Kernidee rein.
Was will ich ausdrücken?
Das will ich gar nicht, dass ein KI-System das für mich übernimmt, sondern ich will, dass eben meine Gedanken, die ich habe, da reingehen, gechallenged werden und dann übernimmt die Maschine und bastelt an.
Weil typischerweise muss man Reportings vorbereiten, man muss ja irgendwelche Keynotes vielleicht vorbereiten, man muss sich Programme vorbereiten für eben Transformationstalks etc.
pp.
Und dann habe ich sozusagen in meiner Sparetime versucht, mit so einem agentischen Softwareentwicklungs...
ja, mir eine eigene Software zu bauen für mich.
Und mit dem bin ich immer mal wieder in Interaktion, auch so im Tagesverlauf, weil dann startet eben ab 8, 8.30 Uhr, würde ich sagen, so der Meeting-Showdown, wo du in einem Call nach dem anderen sitzt.
Das ist irgendwie auch so eine Realität, schätze ich in vielen Großkonzernen.
Dann kommt immer mal wieder zwischendrin so eine Anfrage, ich brauche nochmal hier eine PowerPoint oder ein Dokument und so weiter.
Und du kannst natürlich das dann sozusagen so ein Outsourcing machen in Richtung Copilot, also so Standardsoftware, die wir haben oder eben dann auch mit solchen agentischen Produkten, die ich mal für mich selbst dann entwickelt habe.
Und das ist so die Journey, die dann tagtäglich stattfindet.
Die Frage ist, was mache ich daraus?
Und dadurch, dass ich auch Führungsverantwortung habe, Es ist mir dann wichtig, sehr stark in Interaktion wieder mit den Menschen zu treten.
Und die KI schenkt uns quasi diese Zeit, um wieder stärker auf den Menschen zu gucken.
Und das ist etwas, was, wie ich sage, das...
Das unterschätzt man eigentlich, aber es ist total wichtig, auch in der Führungsverantwortung, dass man eben wieder sehr auf die Menschen guckt, auch die Menschen, die mit KI-Systemen wiederum in Interaktion treten, weil ich würde sagen, da ändert sich auch etwas bei einem selbst.
Können wir auch gleich nochmal ausholen, wie die Erfahrung bei mir selbst auch war.
Und man muss sich dann eben wieder auf den Menschen konzentrieren.
Und ich glaube, das ist auch das, was irgendwie menschlich ist.
Diese Interaktion, sich die Zeit zu nehmen, voll konzentriert, sich mit jemandem zu unterhalten.
Also so wie wir es jetzt beispielsweise in diesem Podcast machen.
Diese Zeit gibt man sich und ich habe eigentlich danach gar nicht so dieses Problem, ich muss irgendwie dies, das, jenes managen, sondern...
ich habe die Zeit durch KI wieder geschenkt bekommen und wir können eben einen schönen Podcast machen, ich kann Teamworkshops machen, ich kann in produktive Brainstorming-Verfahren gehen, wo wir einfach sagen, wir kümmern uns um unsere Gedanken und versuchen, die zu strukturieren, auch mit Unterstützung von KI.
Und wenn wir das haben, können wir das wiederum nutzen, weiterverarbeiten durch KI und ich komme nicht in so eine...
persönliches Bottleneck im Time Management, dass ich noch dies, das, jenes und so weiter und ich bin nicht mehr so abgehastet.
Ich kann es sehr, sehr strukturiert dann machen und eben KI schenkt mir dadurch relativ viel Zeit und ich kann die dann eben für die Menschen dann wieder investieren.
Ich glaube, das ist ein total wichtiger Punkt, den du da ansprichst, denn du hast es ja vorher gesagt, dass du heute viel einfacher ein KI-System befragen kannst nach Informationen, die du benötigst.
Was war gestern?
Was steht heute an?
Das sind ja auch Interaktionen, die vorher untereinander im Team gelaufen sind.
Also kleinere Touchpoints, die man immer wieder hatte, um sich abzustimmen.
Ich glaube, heute, je besser das KI-System und die Datenbasis darunter aufgebaut ist, fällt vieles davon weg, weil Menschen sich die Informationen von einer KI holen können, wo man sonst einen Kollegen gefragt hätte.
Gleichzeitig schafft das wiederum den Raum, um qualitativ mehr Zeit miteinander verbringen zu können.
Aber ich erlebe es bei mir auch im Team.
Es muss eine sehr bewusste Entscheidung sein, sich diesen Raum dann auch zu nehmen.
Denn was ich auch erlebt habe, ist, dass wenn dieser Raum nicht bewusst genommen wird, wird er wieder gefüllt in andere Dinge, die man mit KI machen kann.
Und dann arbeitet jeder mit seiner KI so vor sich hin und erzeugt Dinge, Output, die dann im schlimmsten Fall von anderen mit KI wieder zusammengefasst werden.
Und dann werden sich so KI-Ergebnisse hin und her geschoben.
Aber es fehlt so dieser ...
Dieser menschliche Klebstoff dazwischen.
Warum machen wir das eigentlich?
Das ist ja so ein bisschen so, die E-Mails, die immer länger werden.
Kann man ja auch jetzt nochmal auf dem AI-Act, das sind die Transparenzpflichten live, muss man Text sozusagen kennzeichnen oder nicht.
Das ist ja eigentlich geklärt.
Und gleichzeitig ...
brauche ich bei gewissen E-Mails überhaupt keine Indikation, ob das von der KI geschrieben wurde oder nicht.
Man sieht das einfach, man spürt das.
Das riecht ja schon so danach.
Und wenn auf einmal irgendwie die Sprache, die Tonalität sich so gut ändert, die man einfach so gar nicht im tagtäglichen Doing mit der Interaktion oder in der Interaktion mit dieser Person hatte, dann merkt man schon, okay, kann irgendwas nicht stimmen.
Und dann passiert auch viel AI-Slop in meinen Augen, dass sozusagen die Inhalte, die da kommen, auch ...
natürlich irgendwie nochmal amplifiziert werden durch die Ideen aus dem KI-System selbst.
Und da habe ich mittlerweile schon eher so eine große Fragezeichen.
Also das macht eher weniger Spaß auch in der Interaktion dann.
Hast du da bei dir im Team irgendeine Art von Regel oder Prinzip aufgesetzt, wie ihr damit umgehen wollt?
Also in meinem direkten Team arbeiten wir eigentlich sehr eng im Chat.
Und da merkst du natürlich, kurze Message, dass es irgendwie eher Menschen generiert.
Wenn es ausweicht auf eine E-Mail, ist man relativ sicher, je nach Form, okay, da ist KI-Unterstützung mit dabei oder auch nicht.
Das ist aber auch total okay.
Manchmal braucht man ja auch das förmliche Dokument, um eben irgendwie eine Dokumentation auch abzubilden.
Das ist total okay.
Was wir jetzt auch mal ausprobiert hatten, war...
Wir mussten natürlich irgendwie eine riesen Kommunikationsinitiative starten für das Thema Transparenzpflicht im Konzern.
Muss ich jetzt irgendwie jedes Bild kennzeichnen oder nicht?
Muss ich jede E-Mail kennzeichnen oder nicht?
Für einen Konzern von der Größe ist es wichtig, dass das irgendwie in die Fläche auch getragen wird.
Wie gehe ich damit um?
Und wir haben jetzt versucht quasi nochmal...
das Thema Kommunikationsoffensive zu strukturieren.
Wir sind wieder zurück auf den Menschengang.
Ich habe eine Kollegin, die kennt sich in- und auswendig mit dem AI-Act und sie hat ein MD-File geschrieben.
Händisch.
Sag mal MD-File.
Also MD-File ist quasi das neue Word für Agenten.
Also irgendwie ein maschinenlesbares Format ist eigentlich sowas wie ein Text-File.
Das sieht furchtbar aus, wenn man das irgendwie nicht gerendert sieht.
Viele Rauten und Sternchen.
Ganz genau.
Aber da in der Synthese und im Kern, was dort steht, da muss die echte Faktenlage stehen.
Und was die Kollegin gemacht hat, ist die knallharte Faktenlage.
Also was sind die ehrlichen Botschaften, die gesendet werden müssten?
Das war die Ground Base, das war die Ground Truth.
Und das haben wir der Kommunikationsabteilung gegeben, als MD-File.
Und alles, was entstanden ist, ob das quasi E-Mails waren, ob das irgendwie in unserem Intranet ein Webauftritt war, ob das auf unseren Laptops gibt, so Sperrbildschirme, da haben wir das auch nochmal kommuniziert.
All das Nachgelagerte basiert auf diesem einen MD-File.
Und das war sehr wichtig, dass das vom Menschen entsteht und eben nicht von der Maschine.
Weil da, wenn da ein Fehler sich einschleicht, multipliziert er sich in alle Richtungen.
Und das kannst du nicht so schnell zurückrollen, wenn eben einmal eine Kommunikationsoffensive dann losgestartet ist für 220.000 Personen oder wahrscheinlich sogar noch mehr.
Und entsprechend muss der Mensch sich auf sowas wieder konzentrieren.
Und ein MD-File ist ja auch nichts anderes als ein Datum, nur Daten.
Und dann kocht das wieder alles runter auf das Thema Datenfundament ist irgendwie wichtig, auch wenn KI sehr, sehr sexy ist.
Da liegt die Musik.
Und das fängt bei einer Textdatei.
Das hört woanders auf.
Wir bleiben noch mal kurz bei dir.
Und zwar ist in den letzten sechs bis zwölf Monaten der Begriff der kognitiven Schulden oder auch von Brain Fry, ist so aufgeploppt, weil immer mehr Menschen erlebt haben, dass sie Fähigkeiten verlieren, die sie zunehmend an KI delegieren.
Oder...
einfach eine starke mentale oder auch Belastung vom Gehirn und der Gehirnaktivität haben, beziehungsweise die nimmt dann irgendwann ab, wenn man es nicht mehr anstrengen muss.
Erlebst du das bei dir auch?
Ja, tatsächlich hatte ich mit einem Kollegen nochmal gesprochen, der sehr, sehr tief im Software-Development unterwegs ist.
Und das Thema von Schulden im Software-Kontext spricht man dann sehr gerne von technischen Schulden.
Also technische Schulden, die man aufbaut.
um irgendwie in Zeit, Scope, Budget ein Softwareprodukt zu basteln.
Und dann geht man eben Schulden ein oder irgendwie in der Codebasis wird dann quasi diese Schuld dann publik.
Und er hat gesagt, durch das agentische Coding entstehen neue Schulden.
Und das war für mich so irgendwie erhellend.
Also Brain Fry kenne ich, aber das auf diese kognitiven Schulden oder auch Intentschulden, das kannte ich noch nicht im Software Development.
Dann gibt es diese kognitiven Schulden.
Da geht es darum, im Softwareentwicklungsprozess, dass diese Schulden im Menschen, also im Team selbst liegen, wenn Software gebaut wird, weil man eben gar nicht mehr alles realisieren kann, was eine Maschine da produziert hat.
Im Code, in der Dokumentation, also Testautomation, in der Doku des Codes etc.
pp.
Und das Nächste sind die Intentschulden.
Der Mensch ist gar nicht in der Lage, seinen Intent, also warum mache ich das gerade, warum will ich das, warum will ich ein Feature so?
Das kommt auch noch dazu.
So, jetzt haben wir eben so drei Kategorien von Schulden und er hat mir das so aus der Perspektive der Softwareentwicklung erklärt.
Und ich parallel teste ja auch eben Softwareentwicklungsprodukte, das agentische Arbeiten, nur für mich erst mal selbst, um daraus auch Konzepte abzuleiten, wie kriege ich das in einen Großkonzern.
Und auf einmal war ich auch in so einer Spirale gefangen, wo ich dann irgendwie mit drei, vier Agenten parallel...
irgendwie verteilt habe.
A, mach das, du nochmal eine PowerPoint, ich brauche hier dies, ich brauche da jenes.
Und dann geht ja die Reise von vorne los.
A ist fertig geworden, C hat eine Rückfrage.
B will nochmal irgendwie mehr Kontext haben.
Und ehrlicherweise nach einer Stunde arbeiten, also so ein intensives Arbeiten mit den Agenten, man ist durch.
Und dann dachte ich so, die kognitiven Schulden oder die kognitive Last, das ist auch beim Menschen und das kommt beim Menschen total...
direkt an.
Da wird meiner Meinung nach total wenig drüber gesprochen und ich glaube, das wird auch ein Thema sein, in dem wir erstmal lernen müssen, damit umzugehen.
Weil ein Mensch kann nicht in dieser Frequenz, in dieser Geschwindigkeit acht Stunden arbeiten.
Das ist unmöglich, das ist viel zu intensiv.
Und mich hat das fertig gemacht.
Ich wollte das total nutzen, um hyperproduktiv zu werden.
Wir kennen ja alle diese Zahlen von, ich bin natürlich nur einmal der Mensch, aber ich kann mich irgendwie Faktor 10, Faktor 100, Faktor 1000, die Zahlen sind ja quasi irgendwie gewürfelt, aber ich kann mich multiplizieren.
Aber irgendwann schleicht sich das wieder ein, du kannst es nicht auf Dauer irgendwie durchziehen und entsprechend musst du dir Rückzugspunkte wieder setzen.
in deinem Kalender auch oder in der Interaktion mit Menschen, um da wieder runterzukommen.
Es ist einfach viel zu intensiv sonst.
Ich weiß nicht, hast du auch so Erfahrungen gemacht mit deinen Agenten, die dann bei dir in Interaktion treten?
Ich habe gerade über nachgedacht, ob wir vielleicht in zwei Jahren die ersten Therapie-Startups sehen für KI-Agenten-Therapie.
Wahrscheinlich, ja.
Ja, habe ich auch gerade nachgedacht, als du gesagt hast.
Es wird auf jeden Fall...
Es sind da alle, die gar nicht mehr klarkommen, wenn sie...
Ich kann nicht mehr wissen, oh Gott, was soll ich denn jetzt tun, wenn ich das nicht einem Agenten geben kann?
Aber ich glaube, das ist schon die extremste Ausprägung davon.
Aber in Ansätzen habe ich das auf jeden Fall gemerkt.
Also gerade als jemand, der dann anderen beibringt, wie man mit KI arbeitet, wollte ich natürlich immer das beste Vorbild sein.
Und sage ich, genau das, was du gesagt hast, versuche mich selbst multiplizierbar zu machen und das, was an Produktivität für mich möglich ist, mit dem, was ich in meiner Zeit erreichen kann, zu maximieren.
Und dann war es...
erst mal für mich offensichtlich alles Mögliche mit KI zu machen.
Und dann habe ich irgendwann gemerkt, dass ich diesen Reflex habe, wo ich erst sage, das ist ja total positiv, dass ich diesen Reflex habe, erst zu KI zu greifen, um ein Ziel, was ich habe, dann mit KI gemeinsam mich da hinzuarbeiten.
Und dass ich dann irgendwann gemerkt habe, okay, ich weiß manchmal ja gar nicht so richtig, wo will ich denn jetzt eigentlich hin?
warum mache ich das denn überhaupt?
Wo ist denn das Ende von dem, was ich da gerade tue?
Und dass ich gar nicht mehr, dass dieser Punkt, wo ich am Anfang mal nachdenke, wo laufe ich da eigentlich gerade hin und was möchte ich erreichen, dass ich den überspringe und sofort zu der KI greife.
Vielleicht ist so ein bisschen unterbewusst in der Hoffnung, die wird mir ja schon helfen.
Es stimuliert ja auch.
Ja, natürlich.
Es sind Dopaminkicks die ganze Zeit.
Weil ja permanent, also dann noch dieses sykophante Verhalten von den Modellen, dass sie immer sagen, super Idee, das ist großartig und jetzt weiter geht's und so, das pusht ja.
Ja, absolut compelling.
Ja, genau, genau, oder?
Deswegen kann ich auch total nachvollziehen, wenn da viele romantische Beziehungen mit KIs entstehen.
Und dazu noch dieses ...
Erzeugen von Output, von irgendwelchen Ergebnissen.
Wie gut die dann am Ende sind, sei mal dahingestellt.
Aber das passiert ja erst mal.
Ja, das habe ich auch letztens gemerkt.
Also total dummes Erlebnis eigentlich, aber man greift einfach direkt zur KI.
Ich musste eine ganz einfache Matheaufgabe lösen.
Und ich tippe das jetzt in ChatGBT ein oder ich weiß gar nicht, was ich für ein Tool hatte.
Und er hat gesagt, nee, ich sende jetzt nicht ab.
Ich hole ein Taschenrechner raus.
Und ich glaube...
Wenn man in diese Bubble dann auf einmal reingezogen wird und es stimuliert einen so stark, muss man trotzdem immer sehr gezielt, vor allem auch im Unternehmenskontext, ein Bewusstsein schaffen, KI bewusst einzusetzen und nicht einfach flächig für alles zu nutzen.
Ja, letztens hatte ich so einen Moment, um das nochmal abzuschließen, da ging es darum, so ein Führungskräfteprogramm auszuarbeiten.
Musste dann gerade in den Flieger und hab mir so einen Zettel und Stift mitgenommen.
Hab mich einfach im Flieger dann die zwei Stunden oder was hingesetzt.
Du meinst Zug, oder?
Da...
Geben wir jetzt nicht rein.
Und hab einfach auf diesem Zettel runtergeschrieben, wie ich mir das vorstelle.
Und bin einmal so...
Hab einfach dieses ganze Programm also designt und ausgearbeitet.
Und auf einmal hab ich gemerkt, wie gut das getan hat.
Ja.
wie gut das getan hat, mal diese Zeit zu nehmen und das so organisch mal wieder zu machen.
Und das war so ein ganz anderes Gefühl.
Das war viel befriedigender irgendwie am Ende.
Und vor allem hatte ich dann das, habe Fotos gemacht und konnte es dann meiner KI geben, um darauf dann aufzubauen.
Aber auf einmal waren die Leitplanken gesetzt und ich bin in kürzerer Zeit zu dem besseren Ergebnis gekommen.
Und das müsste eigentlich, auch wenn ich das jetzt so sage, denke ich, ja klar, macht ja total viel Sinn.
Aber natürlich tun auch diese KI-Produkte und Agenten jetzt immer mehr alles Mögliche, damit man viel, viel Zeit damit verbringt.
Und ich glaube, sich die eigene Gehirnfähigkeit oder die eine Fähigkeit des Nachdenkens, des kritischen Denkens zu erhalten, wird eine ganz, ganz große Herausforderung.
Weil da hatte ich auch letztens ein Erlebnis, da bin ich Zug gefahren, musste mich auf einen Termin vorbereiten und ich wollte einfach mal den Laptop aushaben.
Und habe tatsächlich wieder mein Notizbuch rausgeholt und angefangen zu schreiben.
Und es war total befriedigend, auch es einfach mal wieder zu tun, die Gedanken zu konzentrieren, in Papierform nochmal aufzuschreiben und nochmal zu lesen.
Und das Interessante ist, das sind so ein paar Notizen gewesen, die konnte ich mir total gut behalten.
Und diese ewig langen Dokumente und merke dir und bereite dich so vor und so weiter und so fort.
Also wenn man sich auf einen Termin mit KI beispielsweise vorbereitet.
Es bleibt überhaupt nicht so hängen im Vergleich dazu, wenn du dir die Zeit nimmst, um etwas mal aufzuschreiben.
Und ich glaube, da sollten wir vielleicht auch als Mensch nochmal darüber nachdenken, uns genau diese Zeit zu nehmen, um vielleicht auch mit klassischen Mitteln und Arbeitsmitteln die nochmal viel bewusster einzusetzen.
Dann finde ich irgendwie so ein sehr, sehr wichtiger Punkt.
Dann lass uns mal von deiner eigenen KI-Nutzung auf die Bühne des Großkonzerns treten.
Und ich würde gerne am Anfang mit dir mal auffächern, was denn eigentlich Künstliche Intelligenz für eine deutsche Bahn bedeutet.
Ihr macht ja alles Mögliche, nicht nur Menschen von A nach B im Zug zu transportieren, sondern der Konzern ist ja noch viel, viel umfangreicher.
Du hast auch letztes Jahr...
bei unserem AI Collective Day in deiner Keynote einige spannende Use Cases mal vorgestellt, wo ich dachte, ja, es ist halt seit vielen Jahren fest integriert in die Abläufe, aber keiner bekommt es mit.
Das ist halt unsichtbare KI, auch weit, weit weg von dem coolen Zeug, über das wir heute alle reden.
Ja, was ist die Bedeutung und die Relevanz von KI für die Deutsche Bahn?
Also für mich ist künstliche Intelligenz erstmal auch nur ein Werkzeug, eine Unterstützung, um eben in den Kernprozessen, in dem Wirken, in dem Produkt der deutschen Bahn irgendwie besser zu werden.
Und mehr ist es erstmal noch nicht.
Aus Stand heute ist es für mich, egal wie autonom KI-Agenten unterwegs sein können und irgendwie, wir kennen ja diese ganzen Fantasiegeschichten, dass quasi ganze...
KI-Teams irgendwie eine Prozesskette übernehmen.
Da wäre ich noch vorsichtig mit solchen Aussagen.
Und gleichzeitig ist es so bei der Deutschen Bahn, KI muss eben ein Wirkhebel sein, auch immer einen messbaren Wirkhebel bedeuten und mit sich bringen für eben Kernprozesse.
Und das hat, das KI ist für uns auch nichts Neues.
Wir haben vor zehn Jahren schon eigene KI-Modelle trainiert und entwickelt.
Wichtig, KI-Modelle muss man trainieren auf Daten.
Das vergessen viele.
Aber damit startet eigentlich...
Die sind einfach so da.
Die sind einfach da.
Die sind irgendwie gewachsen am Baum, kannst du zugreifen und die können irgendwie alles.
Nein, es geht natürlich immer erstmal auf einer Datenbasis.
Und Datenbasis im Heavy-Metal-Umfeld, also Heavy-Metal-Konzern, gerade beispielsweise in der Instandhaltung oder in der Disposition von Zügen, das muss man erstmal aufbereiten.
Und da haben wir so die ersten Gehversuche.
Und Projekte, Produkte, POCs, POC-Fallen gestartet in der DB.
Und der Fokus war immer damals sehr stark auf den Blue-Color-Bereich, im Bereich der Instandhaltung beispielsweise.
Und dann haben wir erste Überlegungen durchgeführt in Werkstattgesprächen mit eben den Prozess-Produktverantwortlichen oder mit den Werkshallenverantwortlichen, die dann sagen, was sind eigentlich eure Pain-Points?
Wo könnten wir erstmal mit Technologie unterstützen?
Und so hat man eben erst mal am Prozess darüber nachgedacht, wie könnte man dann KI sinnvoll integrieren.
Beispielsweise ist dann so eine Produktidee geschaffen worden.
Die Züge, die in die Wartung gehen, beziehungsweise auch in die Reinigung, werden quasi von Wagenmeistern einmal abgelaufen und geguckt, wo habe ich hier defekte Schäden, Graffiti etc.
pp.
Und das müssen Menschen machen.
Aber wir haben ja eigentlich ein rollendes Objekt.
Und die Idee war dann eben zu sagen, dieses rollende Objekt, also der gesamte Zug, fährt einfach von A nach B, aber sozusagen auf dem Wechselgelände.
Wir haben Kameratore gebaut.
Das ist dann immer noch so eine Bauleistung.
Kameras angebracht und die Kameras nehmen einfach den Zug auf.
Schritt für Schritt, Bild für Bild, Video für Video.
Um dann KI-Modelle zu trainieren.
Prognosen zu machen bzw.
zu sagen, guck mal Wagen 17, hier haben wir ein Graffiti, hier muss etwas sozusagen getan werden.
Und das sind dann echte, selbst trainierte Vision-Modelle.
Also nicht Vision LLM nur mit Vision-Modellen, sondern damals so die klassischen Bildmodelle, die es gab, genutzt mit einem Fine-Tuning-Ansatz, also mit echten DB-Bilddaten nochmal angereichert, die mussten damals auch gelabelt werden.
Was ist denn eigentlich nochmal labeln, weißt du das?
Naja, da muss ich, einer kriegt ganz viele Bilder angezeigt von Waggons und die einen haben Graffiti drauf und die anderen nicht und dann muss gelabelt werden, wo das Graffiti drauf ist.
Ja, genau.
Und das muss sozusagen auch ein Mensch erstmal übernehmen, weil ein KI muss ja erstmal erklärt bekommen, ein KI-System, was ist das eigentlich?
Da geht nämlich auch die Arbeit dann an der Datenstrecke los etc.
pp.
Das muss alles vorbereitet werden.
Das war so ein Use Case.
Ein anderer Use Case.
Und das war auch für mich so der Moment, wo ich dachte, Mann, wie geil ist die Bahn eigentlich.
2021, also kurz bevor ich dann von der Uni in Richtung Bahn wechselte, habe ich mich dann nochmal intensiv damit auseinandergesetzt, welche KI-Projekte, Produkte gibt es da.
Und auf einmal dachte ich so, was?
Reinforcement Learning?
Mit Reinforcement Agents in der Disposition.
Das kann nicht wahr sein.
Also Achtung, 20, 21 war das.
Das bedeutet, du hast eine Zugdisposition.
Beispielsweise die S-Bahn München.
Das ist ein abgeschlossenes Bahnsystem.
Die Züge, die S-Bahn fahren, wie man es eben aus dem Tagtäglichen kennt.
Und die sind auch sehr, sehr pünktlich, by the way.
Und was geschaffen wurde, war einen absoluten digitalen Zwilling aufzubauen.
von diesem System Bahn mit Live-Daten der Zugläufe, dass du immer wusstest, wo welcher Zug ist.
In dem gesamten Netz.
Ja, aber in diesem abgeschlossenen Netz, also im S-Bahn-Netz.
Das ist ja getrennt von der großen Bahn an der Stelle.
S-Bahn München beispielsweise, genau.
Digitales Abbild, die Daten fließen, wir haben quasi ein Live-System davon.
Das nennt man dann Environment, wo eben ein digitaler Agent ich meine jetzt auch einen echten Agenten, da reinsetzen kann, der quasi dann durchspielte in die Zukunft hinein, kann ich durch eine vorzeitige Wende oder durch einen Vorschlag im System nochmal mehr Pünktlichkeit rausholen.
Und das war für mich derart faszinierend, dass man damals schon Reinforcement Learning und Reinforcement Agents eingesetzt hat im operativen Betrieb.
Natürlich erst mal als Vorschlagssystem, aber es war für mich einfach top notch.
Wir reden jetzt von agentischer Transformation und alles ist urgent.
Herzlichen Glückwunsch, wir waren schon vor fünf Jahren so weit.
Also in diesem abgeschlossenen System.
Und das hat mich irgendwie sehr, sehr confident gemacht, den Weg Richtung Deutsche Bahn einzugehen.
Und das sind immer noch Systeme.
Die laufen, die unterstützen, die werden in die Fläche ausgerollt, was dann die S-Bahn Berlin ist, S-Bahn Hamburg, S-Bahn in Frankfurt.
Und wie gesagt, interessant war auch zu sehen, dadurch, dass die Qualität im S-Bahn-Bereich schon sehr, sehr hoch ist, auch in der Pünktlichkeit, ist es für einen Agenten und ein KI-System gar nicht so einfach, da noch ein bisschen was rauszuholen oder quasi einen Vorschlag vorzubereiten, der dann auch wirklich angenommen wird von den Disponenten, die ja...
live entscheiden müssen, wie gehe ich damit um.
Das ist auch Cognitive Depth oder Cognitive Load, die da anfällt und ich kriege sozusagen noch ein Zusatz-KI-System beigestellt.
Und das hat mich irgendwie sehr fasziniert und dann auch in Richtung Bahn bewegt.
Dann ging es weiter in der reisenden Information, Prognosemodelle, beispielsweise wenn jetzt ein Zug pünktlich ist.
grüne Zahl, wenn er Pünktlichkeit Verluste hat, rote Zahl.
Das kann man live gar nicht rechnen.
Das heißt, es gibt Prognosemodelle, um zu sagen, wie ist sozusagen der Minutenzeiger an der Stelle.
Das sind auch KI-Systeme, die massiv an Daten verarbeiten, wo massiv auch darauf geschaut wurde, wie kann ich die Datenqualität so steigern, dass die Prognosen, die Prognosenfähigkeiten von den KI-Modellen wirklich derart exakt sind, dass ich eben dann auch ein Mensch, also ein Mensch das zur Verfügung stellen kann.
Und wir wissen ja auch, wie exponiert eben so ein Konzern wie die Deutsche Bahn ist.
Und entsprechend ist es tatsächlich gar nicht so einfach, weil es bewegt ja auch, also die Bahn bewegt extrem viele Menschen, aber die Bahn bewegt auch einfach Emotionen an der Stelle.
Und dass Menschen...
den Mumm in den Knochen haben, KI-Modelle da einzusetzen, finde ich einfach großartig.
Und das verkennt man irgendwie so schnell.
Und das ist etwas, was diesen Konzern irgendwie bewegt, dass da, wo irgendwie ein Problem entsteht, angepackt wird und mit Technologie dann auch versucht wird, dieses anzugehen.
Und was mich auch dann sehr stolz gemacht hat, dass versucht wurde, auch sehr gezielt KI-Systeme einzusetzen, auch klassische KI-Systeme, aber immer ganzheitlich betrachtet.
Oft ist es so, dass die Leute wirklich dann wieder runtergehen.
Wir haben eigentlich Herausforderungen in der Datenqualität.
Da haben wir einen extremen Push.
Wie kann ich eigentlich Datenqualität steigern in Kern-Datenprodukten oder vielleicht noch nicht Produkten, Datenassets für die Deutsche Bahn, um einen Mehrwert zu schaffen?
Ob das jetzt ein BI-System ist, das nachfolgend ist, oder eben ein Agentensystem, spielt eigentlich keine Rolle.
Aber wenn das Datenfundament nicht steht, kriege ich quasi dann eben am Ende des Tages irgendwie falsche Ergebnisse.
oder falsche Aggregation raus und das sollte eben nicht passieren.
Das heißt, es wird noch ein sehr, sehr starker Fokus auf Daten, Datenqualität, Data Governance gesetzt und auch in eine skalierende Richtung mittlerweile gedacht, dass Daten, die ich irgendwie in einem Datenkatalog pflege und irgendwie kategorisiere und der ganzen DB-Welt zur Verfügung stelle, also erstmal, wer ist der Data Owner, wo liegen die Daten, welche Systeme beeinflussen diese Daten etc.
pp.
wie ist die Datenqualität und dann auch die Verfügbarmachung mit so einem One-Click-Ansatz.
Und daran denkt die Bahn und dementsprechend sind da sehr, sehr viele Köche unterwegs, aber irgendwie sehr ausgeglichen und orientiert in die Zukunft.
Das macht mich irgendwie stolz.
Und mittlerweile ist es so, dass wir sehr in die Breite gehen, also Flächenanwendung, Integration von Co-Pilot in die gesamte Fläche.
Und das ist nochmal eine ganz andere Art von Use Cases.
von Transformationsaufgabe, von Enablement, wie wir es eben in den Kernprozessen gesehen haben.
Also in den Kernprozessen waren wir immer so, wir haben quasi den Leuten auf dem Schoß gesessen, um erstmal deren Problem zu verstehen und dann haben wir versucht, den irgendeinen Assistenten zu bauen, um sie schneller zu machen.
Und das ist so ein sehr user-centric Ansatz und das ist eigentlich für mich das, was funktioniert.
Bei so einem Flächen-KI-System, Co-Pilot für 220.000 Leute, Das funktioniert nicht so.
Ich kann nicht bei 220.000 Leuten auf dem Schuss sitzen.
Das wäre eine Jahresaufgabe wahrscheinlich und das wird nicht reichen.
Und entsprechend muss man dann im Enablement wieder ganz andere Formate machen.
Und man muss irgendwie erzeugen, kann ich es irgendwie von oben vielleicht einstreuen, dass die Führungskräfte in die Hierarchien, die wir haben, so einen Trickle-Down-Effekt dann erzeugen, dass die, die oben enabled sind, dann sozusagen das weitergeben.
Wie macht man sowas?
Lass uns da ruhig mal reingehen.
Da sind ja viele gerade dran, so eine horizontale KI-Plattform im Unternehmen zu etablieren.
Und du hast es vorhin auch schon gesagt, die Technologie, die ist da, die Technik ist da.
Die ist oftmals deutlich weiter als das, was wir davon absorbieren.
Also kommt es vor allem jetzt darauf an, dass Menschen diese Fähigkeiten der Technologie für sich kennenlernen und nutzen lernen.
Wie macht man das bei 220.000 Menschen?
rollt man so ein Co-Pilot.
Man drückt aufs Knöpfchen, dann ist er da.
Und schickt die E-Mail raus.
Genau, das ist die E-Mail und dann ist ja alles erledigt.
IT-Job done.
Funktioniert doch.
Nee, genau, das ist dieses Thema, wo ich sage, Technologie ist da, ja, das ist dieser Klick, der dann irgendwann entsteht, aber auch in der Integration von solchen ...
Flächensystem, hast natürlich auch viele Abstimmungen mit Betriebsräten, man muss vielleicht auch Ängste nehmen.
Mit dem Datenschutz hat man viele, viele Abstimmungen, die notwendig sind auch, denn du hast ja auch in einem Großkonzern im Querschnitt der Gesellschaft auch im Reifegrad, in der, in dem Reifegrad im Umgang mit KI und entsprechend versucht man auch solche, solche Integration in einem Konzern sehr ganzheitlich zu denken.
und auch eben über Enablement-Formate zu stärken.
Ein Kollege von mir sagt immer, Tunnel baut man von zwei Seiten.
Und das ist irgendwie so ein Lieblingssprichwort mittlerweile.
Ist das so, ja?
Ja, ja.
Ich habe es sogar nachgelesen.
Tunnelfortrieb macht man wirklich.
Ich dachte so eigentlich nicht, so eine Tunnelfortriebsmaschine geht eigentlich durch.
Ehrlich gesagt.
Nee, manchmal ist es auch so, irgendwie kommen die dann doch von zwei Seiten.
Also das ist bestätigt.
Faktencheck hat hier irgendwie zugeschlagen.
Aber ich finde einfach dieses Sprichwort ganz gut, weil genau auch im Enablement muss man eben auch so ein ...
Ansatz von zwei Seiten meiner Meinung nach wählen, dass man eben von der obersten Riege anfängt zu schulen, ob das die Aufsichtsräte sind, die Konzernvorstände, deren Directs und da sind wir sehr, sehr aktiv, auch jetzt schon im Bereich Nutzung von Co-Pilot, aber auch im Umgang, was ist eigentlich KI?
KI ist nicht Agent und Agent ist nicht Machine Learning und Deep Learning, also wirklich so eine Grundbesohlung, um das System auch zu verstehen oder die Systeme, damit man ein Stück weit ein Grundverständnis hat, was kannst, was kannst nicht.
Was sind die Chancen, was sind die Risiken.
Das muss man verstehen.
Das sind nicht deterministische Systeme.
Ich kann nicht erwarten, dass die auf einmal deterministisch agieren.
Schwierig, geht einfach nicht.
Und entsprechend braucht man eben von der Seite irgendwie eine Perspektive.
Und gleichzeitig ist es wichtig...
Es ist trotzdem schwer, das in die Köpfe auch reinzubekommen, weil wir haben ja immer gelernt, mit Software zu arbeiten und wir drücken auf den Knopf und der macht halt immer, es passiert immer wieder das Gleiche.
Ja.
Ja, richtig.
Auf einmal ist das nicht mehr so.
Aber es heißt ja künstliche Intelligenz.
Also ist das doch intelligent.
Warum machst du das zweimal was anderes?
Ja, das ist ein Change.
Der muss auch im Kopf stattfinden.
Und irgendwie sind die Systeme ja auch so gebaut, dass sie irgendwie, ich sag mal, unsere neuronale Struktur aufgenommen haben.
Aber die bewegen sich ja auch vor allem im Sprachraum oder jetzt natürlich auch mit Bild und Video.
Aber das...
Das muss meiner Meinung nach in die Köpfe.
Es gibt Chancen, Risiken und die muss man eben sich dann auch irgendwie zu Gemüte führen, weil KI einfach nur einzusetzen, ist das eine.
Man muss sie aber auch für KI Verantwortung übernehmen im Output.
Und da spielt es keine Rolle, wo ich es einsetze, ob ich einen Text schreibe, ob ich eine Pressemeldung mache oder ob ich eben in so einen Kernprozess hineingehe.
Viel interessanter ist für mich eigentlich, wie kriege ich sozusagen die Fläche geschult.
Und da haben wir ein exzellentes Kompetenzzenter, das sich darum kümmert, sehr breitflächig auch für unterschiedliche Kategorien.
An Reifegrad, also bin ich eher ein Anfänger, bin ich schon so ein Pro-User, habe ich schon erste Gehversuche, auch mit eigenen KI-Modellen, dass man sozusagen sehr nutzerspezifisch und nutzergerecht eben verschiedene Schulungsformate anbietet, die man dann eben besuchen kann.
Und da sind wir mittlerweile auch in diesem Jahr, haben wir schon über 30.000 Schulungen durchgeführt am Mensch, an den Menschen.
Und das ist Wahnsinn.
Und das ist für mich schon sehr, sehr wichtig, dass das eben auch stattfindet.
um eben die Leute zu motivieren, es einfach mal zu benutzen.
Ich glaube, mit der Benutzung steigt der Appetit dann auch.
Und dann kommen ganz kreative Ideen raus, die man überhaupt gar nicht mehr irgendwie tracken kann, weil das passiert dann in der Instandhaltung irgendwo im Werk, das passiert dann in irgendwelchen Büros, kriegt man gar nicht mit.
Das ist auch total in Ordnung an der Stelle.
Aber man muss irgendwie diesen Schalter umsetzen, dass dieser Appetit geweckt wird bei den Menschen.
Und das ist halt irgendwie eine Mammutaufgabe.
Also erst you, dann Case.
Ja, da hatte ich tatsächlich letztens aus einem Podcast gehört von einem Vorstand der Signal Iduna Gruppe.
Das ist so ein relativ junger Vorstand mit, ich glaube, der ist...
Ja, Johannes Rath.
Ja, Johannes Rath.
Grüße gehen raus.
Genau, Grüße gehen raus.
Rath gehört ja auch immer wieder mal rein.
Ja, genau.
Ich kenne ihn nicht, ich habe nur seinen Talk auf der Transformer gesehen.
Und der sagt so, hört doch auf, in Use Cases zu denken.
Denkt doch mal mehr in Use.
Und das finde ich eigentlich gerade sehr interessant, weil als ich angefangen habe bei der Bahn, sind wir voll auf die Use Cases abgefahren.
So, jetzt gehe ich mir auf Use.
Also ein Problem verstehen.
Genau, also ein Problem und ich baue hier irgendwie eine Software mit KI-Unterstützung und ich löse dieses Problem oder ich unterstütze den Menschen, der für die Problemlösung verantwortlich ist.
Jetzt gehen wir stark in Use und sagen, okay, wir wollen die Fläche irgendwie in Use bringen, aber ich kriege da immer noch kein Value raus, weil es ist dann so Personal Productivity, die E-Mails gehen irgendwie schneller, ich kann schneller Dokumente generieren, so.
Und wie geht es denn weiter mit agentischem System?
Da würde ich sagen, denk auch nicht irgendwie an Agentik, sondern denk an deinen Prozess.
Also im Kern sollte man auch gar nicht über KI nachdenken, sondern über Prozesse und Daten und Schnittstellen.
Und dann packen wir so langsam KI-Systeme da dran.
Das ist interessant.
Jetzt ist es ja so, dass KI sich deutlich schneller entwickelt als andere Technologien, die wir hatten.
Und wir kommen jetzt in die Selbstbeschleunigung rein.
weil die großen KI-Labore, Entropic OpenAI, sich vor allem erst mal auf Softwareagenten gestürzt haben, um darüber ihre eigene Entwicklung weiter beschleunigen zu können.
Also ich glaube, dass wir die langsamste Welt erleben, die wir je wieder sehen werden und dass die Geschwindigkeit, mit der sich Dinge weiterentwickeln und verändern, immer weiter zunehmen wird.
Erst mal.
Bis wir wahrscheinlich irgendwann an diesem Punkt sind, wo wir...
als Menschen gar nicht mehr aufnehmen können und zum Bottleneck der Veränderung werden.
Und wer weiß, vielleicht gibt es noch mal eine gegenläufige Bewegung.
Aber diese zunehmende Geschwindigkeit kann, glaube ich, jeder gerade nachvollziehen, vor allem die, die im KI-Bereich arbeiten.
Jetzt ist es so, dass diese enorme Geschwindigkeit, der auf ein Umfeld prallt, über 200.000 Menschen, historisch gewachsen, ganz viel Legacy, reguliertes Umfeld.
Ihr habt auch einen Auftrag, für die Bevölkerung.
Wie bringt man diese Geschwindigkeit der Technologie mit so einem großen Tanker zusammen?
Als generative KI, ist ja auch noch nicht so alt, ungefähr so, glaube ich, 10, 11 Jahre, als das erste Paper zu Jenny I von Ian Goodfellow gesetzt wurde und dann dieser Chat-GPT-Moment ausbrachte 2022.
Dann haben wir für einen Großkonzern, hoch reguliert, kritische Infrastruktur, Staatskonzern, das ist auch nochmal ein Punkt, der wichtig ist in der ganzen Gleichung, sehr schnell mit einem ganzheitlichen Ansatz es geschafft, generative KI verfügbar zu machen.
Indem wir alle relevanten Stakeholder an einen Tisch gesetzt haben.
Das war eine lustige Runde.
Mit Datenschutz, Mitbestimmung, also Betriebsräte, Techies, also KI-IT-Architekten, Leute, die einfach nur umsetzen wollten, Strategen.
Die, die irgendwie Governance aufbauen und Business.
Wie läuft dann so ein Meeting ab?
Wie kann ich mir das vorstellen?
Es ist heiß gewesen, weil die Leute erstmal die Sprachen der anderen nicht verstehen.
Und damals hatten wir noch keine Agentensysteme, die irgendwie live transkribieren oder übersetzen konnten.
Also hat es ein bisschen Zeit gekostet, ehrlicherweise.
Und das war ein Zusammenraufen.
Bis man eine gemeinsame Sprache gefunden hat.
Dann entsteht natürlich auch ein Druck, ich brauche doch genau heute noch mein LLM, ich will doch unbedingt jetzt irgendwie so ein Chatbot bauen.
Wir haben gesagt, bremse.
Vor allem hat es jeder zu Hause ausprobiert und gesagt, ja guck mal hier, das will ich ja jetzt auch haben.
Dann haben wir gesagt, erstmal bremse, nein, den brauchst du jetzt noch nicht, wir werden das ganzheitlich lösen.
Wir haben ein generatives Ökosystem dann oder generative KI-Ökosystem, Genial-Ökosystem, so nennen wir das, geschaffen mit einem ...
technologischen Plattform-Ansatz.
Du kannst quasi chatten, du hast Chatbot-Funktionen, du hast ein Bahn-PPT gebaut bekommen, du hast aber auch Zugriff auf einen LLM-Hub, Genei-Hub heißt das.
Und so haben wir irgendwie so ein ganzheitliches Korsett gebaut, eine Plattform, um darauf aufbauend in der Fläche generative KI zu nutzen.
Alles auch abgesichert mit einem Governance-Ansatz bei Design, dass so ein Trust-Layer, der drüber gesetzt wurde.
Und so haben wir eigentlich relativ schnell, ich würde mal sagen, so in sieben bis acht Monaten das Thema ganzheitlich angepackt, gelöst.
Funktioniert das jetzt bei agentischen Systemen?
Nee, weil das noch mal schneller ist.
Also man kommt da gar nicht mit und unser Ansatz ist jetzt folgender.
Wir müssen auf agentische Systeme ganzheitlich denken, von der Plattform, von der Organisation, von der Integration, von der Governance-Seite aus.
von der strategischen Seite auch aus.
Und das ist eine Geschwindigkeit, die langsamer ist, weil die ganzheitlich auf das Thema guckt.
Du musst aber trotzdem irgendwie eine schnellere Geschwindigkeit ermöglichen, sonst blockierst du ja alles.
Und gerade bei Agentsystemen, die sind ja on fire.
Und da versuchen wir eben auch nochmal gezielter zu sagen, der Reifegrad der Technologie ist doch noch gar nicht so weit, dass wir das überall in die Fläche reinbringen sollten.
Wir wären ja blöd, wenn wir das machen.
Der Reifegrad bei agentischen Systemen ist sehr hoch bei der Softwareentwicklung und vielleicht sehr niedrig in anderen Bereichen.
Und genau hier sollte man unterschiedliche Geschwindigkeiten fahren, in der Geschwindigkeit der Softwareentwicklung, also sozusagen agentische Unterstützung im Softwareentwicklungsprozess.
Ja, geht nach vorne.
In anderen Bereichen, nein, wartet bitte auf den ganzheitlichen Ansatz, damit man eben beides anbieten kann im Konzern.
aber gleichzeitig auch nicht zu stark blockierend wirkt.
Weil gerade in der Softwareentwicklung finde ich das elementar, dass agentisches Arbeiten stattfindet.
Also entlang des gesamten Lifecycles einer Softwareentwicklung.
Und da lassen wir eben das zu und ich finde es auch einen richtigen Ansatz.
Ob es der richtige ist, weiß ich nicht.
Also man kann auch alles blockieren oder alles freilassen.
Ich führe ja auch viele Gespräche mit anderen Konzernen und merke auch, Da gibt es nicht irgendwie den Königsweg, weil jeder Konzern ist auch anders, jedes Startup ist anders, jeder Mittelständler tickt irgendwie anders.
Und ich glaube, man muss immer auf seine eigene Organisation gucken, auf woher man kommt und entsprechend klare Statements setzen, wie wir das jetzt machen wollen.
Und wir fahren so einen Zweigeschwindigkeiten-Ansatz, würde ich jetzt sagen.
Okay, also ihr schaut euch an, in welchen Bereichen sind jetzt neuere KI-Anwendungen schon fortgeschritten und produktiv für euch nutzbar.
zum Beispiel in der Softwareentwicklung, dreht dann die Geschwindigkeit auf, um diese Möglichkeiten schneller in die Teams zu bekommen.
Würde mich gleich nochmal interessieren, wie das dann funktioniert, weil ihr wahrscheinlich trotzdem bestimmte Compliance-Prozesse einhalten müsst.
Und in der breiten Masse, bleiben wir mal beim Copilot-Beispiel, da gibt es jetzt Copilot Cowork, heißt da glaube ich der Agent für die Office-Kollegen, das...
Da wartet ihr dann erstmal noch ab, bis auch der Reifegrad der Technologie weiter fortgeschritten.
Genau, also das ist tatsächlich ein sehr gutes Beispiel, weil was wir gerade machen ist, in der Softwareentwicklung ist es sozusagen mit einer größeren Geschwindigkeit unterwegs.
Die gucken aber auch ganzheitlich sozusagen, also am Prozess der Softwareentwicklung versuchen sie das agentische Interagieren und Arbeiten dann auszurichten.
Finde ich einen super Ansatz und ich finde das auch klasse, dass quasi der...
unser Systemhaus für IT-Entwicklung, sich das zur Aufgabe gemacht hat, über ein Programm das genau so zu integrieren und ganzheitlich zu denken und auch mit Geschwindigkeit da durchzufahren.
Und gleichzeitig hat man natürlich, wir haben jetzt Co-Pilot eingeführt, man merkt, so richtig agentisch arbeiten kann ich noch nicht.
Da fehlt irgendwie noch was.
Die nächste Stufe wird eben der Coworker sein und dann gibt es noch Scout, habe ich jetzt erfahren, also Props auch hier an die Microsofties, die hier irgendwie tagtäglich neue Erfindungen haben, wie sie ihre Produkte benennen.
Man kommt da auch vielleicht gar nicht so mit, aber es ist ja die ganze Bubble im Bereich KI.
Es ist einfach so schnelllebig.
Und die nächste Stufe, die wir einführen werden, und das ist dann eben wieder ganzheitlich beteiligt mit Betriebsräten, mit dem Datenschutz, mit der IT-Governance, mit der KI-Governance auch.
Das ist ja auch mittlerweile wichtig, die KI-Governance.
Da musst du ja auch durchlaufen, ganzheitlich und dann in die Fläche zu bringen, weil...
Das, was ich vorher mit Prompts und Prompt-Tapeplates machen konnte, ist jetzt bei einem Coworker etwas anders.
Und auch das kostet wieder Zeit im Enablement.
Das heißt, ein Enablement-Programm muss auch geschaltet werden, natürlich auch wieder nutzergruppengerecht etc.
pp.
Und man muss ja auch irgendwie sich eingestehen, die Leute, die in der KI-Bubble leben.
Die kommen da vielleicht auch mit, egal ob sich die Produktnamen schnell ändern oder irgendwie das agentische Arbeiten, hyperagentisches Arbeiten wird.
I don't know, wie sich das dann weiterentwickelt.
Und so muss man auch gucken, dass man Technologien in der Geschwindigkeit einführt, die nicht die Organisation auch überfährt oder überlastet.
Und weil dann kommst du nicht mehr in Use.
Dann ist das Produkt zwar da und alle wundern sich, weil es nicht genutzt wird.
Und ich glaube, das muss man eben auch in der Gleichung mit berücksichtigen, dass eben...
die Einführung, das Vorbereiten, das Enablement dann irgendwie auch sitzt, um eben dann auch die Effekte, die man sich erhofft, dann auch einfahren zu können.
Und trotzdem hast du doch wahrscheinlich auch die Kollegen da sitzen, die am Wochenende nutzen, um das neueste KI-Modell oder den neuesten Agenten nochmal zu testen und sich privat was zu bauen und dann am Montag bei dir auf der Platte stehen und sagen, hey, guck doch mal, das und das habe ich hier an einem Wochenende umgesetzt.
Warum kann ich das denn hier bei uns nicht nutzen?
Das würde uns doch total nach vorne bringen.
Und du sagst, ja, da müssen wir erst mal noch abwarten.
Wie begegnest du denen denn?
Du musst eben zwangsweise die Governance-Standards, und die Standards sind ja nicht, um die Leute irgendwie zu quälen.
Wenn ich mir Informationssicherheit angucke, das sind wichtige Standards.
Und entsprechend kostet es dann auch mehr Zeit und Aufwand.
KI-Produkte in einem Großkonzern zu etablieren.
Die müssen auch funktionieren, wenn der Entwickler nicht mehr da ist.
Die müssen auch betriebsfähig sein.
Es muss ja auch irgendwie ein Service-Level dann realisiert werden für solche KI-Produkte.
Und auf einmal hört es schnell auf.
Das haben wir auch oft gesehen, als wir erste Prototypen gebastelt hatten.
Und es waren tolle Effekte und alle waren happy.
Und dann baut daraus mal ein echtes, also ein echtes, funktionales IT-Produkt.
das dann Up and Running ist, das betrieben werden kann mit einem Incident Management Prozess, alles was sozusagen im Lifecycle dazugehört.
Und auf einmal geht die Kurve wieder runter und dann hat man ja diese Pilotenfalle oder POC-Falle, die dann irgendwie entsteht.
Und ich glaube, beides ist gut, dass es entsteht.
Auch diese Impulse sind wichtig, dass man die auch privat erfährt.
Und die Leute gehören auch an den Tisch, wenn es darum geht, wie gestalte ich Governance, wie setze ich Standards.
Weil die Erfahrungen, die sie gesammelt haben, so wertvoll sind, um die Standards so zu setzen, damit die eben nicht bremsen, sondern wirksam sinnvoll sind, um Agenten, KI-Produkte live zu setzen und auch live in Betrieb zu halten.
Welche Standards sind das bei euch?
Also es ist ja immer die Frage, wie balanciere ich die Sicherheit auf der einen Seite und halte trotzdem ein Mindestmaß an Geschwindigkeit?
Was habt ihr da für Standards geschaffen, die euch helfen, diese beiden Seiten zusammenzubringen?
Also im Kern hast du, sobald du IT aufsetzt oder umsetzt und in Produktion bringen willst, erst mal Software Development Guidelines, Standards, die eben gesetzt sind.
Die kenne ich gar nicht.
Ich bin ja kein Developer an der Stelle.
Aber das sind einfach Implementierungsstandards, Betreibervorgaben, wie eben IT zu schaffen und zu erstellen ist.
damit eben auch ein vernünftiger Betrieb realisiert werden kann.
Da müssten wir, glaube ich, andere Kollegen fragen, die dann wirklich die Details dazu setzen können.
Aber das ist ein riesen Katalog, den jeder Developer irgendwie intus haben muss, um eben dann auch wirksam werden zu können, damit es eben auch funktionale IT ist, auf der man aufsetzen kann.
Das bedeutet auch für die Agenten, die müssen auch diesen Standard bekommen, um nämlich Code generieren zu lassen oder können.
der dann eben da auch reinpasst.
Dann hast du andere Governance Standards.
Das ist auch nichts Neues, wenn du Daten verarbeitest.
Daten mit Personenbezug, Daten ohne Personenbezug.
Hast du mit Personenbezug, musst du halt eben mit dem Datenschutz an der Stelle sprechen, musst eine Datenschutzfolgeabschätzung machen.
Ja, nein, vielleicht.
Wenn du mit personenbezogenen Daten arbeitest, hast du auch nochmal den Standard, dass du mit einer Mitbestimmung gehen musst.
Das ist für IT nicht anders als für KI-IT.
Das ist eigentlich kein Unterschied.
Und ich glaube, da musst du irgendwie nochmal genauer hingucken.
Jetzt hast du natürlich auch einen neuen Standard oder eher regulatorische Vorgabe, AI-Act.
Du musst gewisse Sachen...
negativ bescheiden lassen.
Also verbotene Praktik machen wir nicht, Haken dran.
Das muss irgendwie dokumentiert werden etc.
pp.
Und das sind alles so Aufwände, die dann on top anfallen.
Aber das ist eben auch die Realität in einem Großkonzern.
Weil was nicht funktioniert ist, vor allem jetzt auch dieses agentische Arbeiten, agentische Softwareentwicklung, hier da dies, jenes entstehen zu lassen, das am übernächsten Tag einfach nicht mehr funktioniert oder nicht übergeben werden kann.
Das merke ich selbst.
Wenn ich selbst meinen PowerPoint-Agent gebastelt habe, mit dem kann ich ganz gut klarkommen.
Aber der macht heute Dinge, die morgen irgendwie nicht mehr funktionieren.
Und das kannst du nicht irgendwie an 220.000 Leute geben oder ins Team.
Ich würde mich da schämen.
Das ist keine gute Software, die da gebaut wurde.
Ich glaube, das ist etwas, was grundlegend massiv unterschätzt wird, dass ich gerade im Bereich von Agenten einen Agent einmal aufsetze.
Und der arbeitet dann halt einfach auf alle Lebenszeit und macht das, was ich da einmal aufgesetzt habe.
Aber auch das Verhalten der Modelle verändert sich, der Prozess verändert sich.
Also dieses Live, eigentlich ist es ein Produkt, das hast du jetzt auch schon öfter gesagt, was ich baue und was dann gemanagt werden muss.
Habt ihr sowas wie ...
Habt ihr so eine Schnellspur gebaut oder so einen Sandkasten oder sowas?
Wenn jetzt beispielsweise Peter Steinberger, wann war das?
Anfang diesen Jahres, oder?
Als der Open Claw hochgeploppt ist.
Einmal alle sprechen über Open Claw und das revolutioniert jetzt wieder die Unternehmen.
Und dann haben sich alle angefangen, ihre Mac-Minis zu kaufen und so.
Heute ist schon wieder vorbei.
Es ist so geil.
Wie viele hast du gekauft?
Gar keine.
Ich habe mir mittlerweile wirklich angewöhnt.
Ich gucke mir das immer so von der...
Seitenlinie an und was ich mir vor allem anschaue ist, was ist das eigentlich für eine Fähigkeit, die da jetzt neu kommt?
Also was ist das, was dahinter liegt?
Nicht jetzt, jetzt gab es, wie heißt das, Hermes, den Hermes Agent, dann gab es den Open Claw und so weiter.
Ich gucke mir die Konzepte dahinter an und was ist die Fähigkeit, die das mitbringt?
Bei Open Claw war es ja vor allem die höhere Autonomie und die Proaktivität, die dahinter kommt.
Und jetzt kommen ja immer mehr Always-On-Agenten.
Ich glaube, der Scout von Microsoft ist auch sowas.
bei Google heißt er glaube ich Spark und so, die beobachten eigentlich, wie du arbeitest und was du machst und springen dann ein und sagen, hey, guck mal, hier könnte ich dir jetzt helfen oder unterstützen dich schon.
Aber diese Fähigkeiten kommen ja dann sowieso in die Produkte von, weil Microsoft hat wie viele Zehntausende Entwickler da sitzen, die an dem Co-Pile-Produkt weiterarbeiten.
Wenn sich eine Fähigkeit durchsetzt und hilfreich ist für die Nutzer, werden sie die integrieren in ihre Produkte.
Also dieses ganze Tool-Hopping da.
Ich bin da kein so großer Fan davon, aber ich gucke schon, was da kommt, um es weiter zu denken.
Aber um jetzt nochmal zurückzukommen, ist ja für euch vielleicht trotzdem interessant, das mal in die Hand zu nehmen und das mal auszuprobieren, um zu verstehen, wie könnt ihr das vielleicht in eure Initiativen integrieren.
Habt ihr dafür irgendwelche Räume oder Prozesse geschaffen, um sowas auch mal schnell und unkompliziert tun zu können?
Ja, also typischerweise, wenn wir...
neue Technologien einführen, ob das jetzt so ein Coworker ist oder eben, weiß ich was, Pendants, glaube ich, AWS Quick, also auf der Amazon-Seite.
Von diesem Tisch, von dem ich erzählte, wo alle dann irgendwie dabei sitzen und gucken, wie kann ich es ausrichten, ob es ein Datenschutz oder eine Mitbestimmung ist oder die Techies selbst.
Diesem Tisch wird eben auch ein Zugang gewährt, um eben diese Technologie auszuüben und auszuprobieren, um zu gucken, was kann es, was kann es nicht, wo muss ich jetzt eigentlich meine Governance setzen, wo muss ich sie vielleicht lockern.
weil ich ja das Produkt nicht irgendwie kaputt machen will.
Ich erwarte ja irgendwie einen Mehrwert.
Das heißt, dieser Tisch bekommt natürlich auch den Zugang.
Was wir auch geschaffen haben, ist einen echten Playground zu schaffen, wo du KI-Systeme, agentische Systeme in einem abgeschlossenen Raum, das ist wie so ein Laborraum, auf einer Microsoft-Plattform und du vollen Zugriff auf Modelle und so weiter hast.
Und das kannst du nutzen, ausprobieren.
Du holst den Zugang.
Du kannst aber das, was da entsteht, nicht rausnehmen aus diesem Labor.
Also wir haben da auch so Guardrails integriert, dass die Systeme dann irgendwie automatisch irgendwann abgeschaltet werden.
Weil das Schlimme ist ja, dann passiert doch irgendwie Technologie, die dann ihren Weg findet und dann live geht oder so quasi live.
So ein stabiler Testbetrieb, der dann irgendwie doch über mehrere Jahre hinweg in irgendwelchen Organisationseinheiten verschwindet.
Das ist bewusst weggenommen, weil du quasi ...
die ganzen Systeme, die da entstehen, auch irgendwie wöchentlich wieder abreißt.
Das ist für uns der Playground.
Und das ist, glaube ich, ein wichtiges Element auch, um Sachen auszuprobieren.
Und natürlich kannst du dann mit den bestehenden Sachen auch viele Sachen mittlerweile, also mit den bestehenden Tools, das ein Microsoft Copilot ist, viele Dinge auch ausprobieren in Richtung des eigenen Arbeitens.
Weil ich glaube, das wird auch nochmal unterstützt.
Alle wollen jetzt auf einmal agentisch arbeiten, aber ich muss doch nicht...
überall den Agenten anwerfen für jede Aufgabe, die ich habe.
Denkt an den Taschenrechner.
Also denkt an den Moment, wo ich mit Chachipitina einfache Matheaufgabe lösen wollte.
Das macht einfach keinen Sinn.
Das muss irgendwie bedarfsgerecht passieren.
Und man kann ja auch die Debatte führen mit den, ich sag mal, die Tokenkosten gehen runter.
Herzlichen Glückwunsch.
Der Agent arbeitet aber viel länger.
Unterm Strich wird wahrscheinlich die Rechnung größer werden.
Das muss man irgendwie einkalkulieren.
Ich hatte hier auch heute, da dachte ich wirklich, ich falle hier vom Glauben ab.
Ich hatte ein MD-File als Vorbereitung für unser Gespräch.
Er hätte gesagt, mach mir eine PDF draus.
Hat 17 Euro gekostet.
Ja, vielleicht nicht 17 Euro, aber da hat er irgendwie 20 Minuten.
Okay, ich mach Step 1.
Dann dachte ich so, was machst du da eigentlich?
Aber das kann es ja nicht sein.
Und dann, man muss eben dieser Technologie in Interaktion treten dürfen.
um auch diese Schwachstellen zu erkennen.
Und dann ist es sehr wichtig, so einen bewussten Einsatz auch zu ermöglichen und sehr bewusst auch einzusetzen.
Und es ist eben auch so, dass dieser bewusste Einsatz, glaube ich, zu, also oft verkannt wird, weil die Leute sagen, ah, okay, es gibt jetzt agentische Systeme, ich brauche Agenten, ich brauche alles, ich brauche OpenClaw, ich brauche die chinesischen Modelle, ich will einfach alles haben, weil haben beruhigt auch.
Aber brauchst du wirklich für dein Business-Problem das oder kannst du eigentlich mal überlegen, anders darüber nachzudenken?
Das ist ganz lustig, wir haben jetzt auch eine Referenzarchitektur für Gentec AI veröffentlicht, für den Konzern, die gilt, das ist so ein Architekturstandard und die ersten Fragen, die man stellt ist, brauchst du eigentlich einen Agent?
Und das fand ich eigentlich, das ist eine sehr profane Frage und die Architektur-Community hat dann gesagt, hat doch nichts mit Architektur zu tun.
Naja, schon so ein bisschen, man möchte nämlich davon abrücken.
alles agentisch zu machen, sondern hast du nicht eigentlich ein Business-Problem, das vielleicht mit dem RPA besser bedient wäre?
Oder ist eigentlich diese Technologie wirklich reif genug für dieses Problem, das du lösen willst?
Wenn dich jetzt jemand fragt, wann brauche ich denn eigentlich einen Agenten und was kann und macht der, was ich vorher mit zum Beispiel Robotic Process Automation oder klassischer Automatisierung nicht lösen konnte?
Wie erklärst du das?
Wie ich das erkläre?
Ich gucke erstmal gar nicht auch das agentische System oder versuche irgendwie über künstliche Intelligenz selbst das herauszufinden, sondern ich versuche die Leute immer dahin zu bewegen, denkt nicht in KI, denkt in eurem Prozess und in den Arbeitsabläufen.
Weil es ist doch nichts Schlimmeres, als einen schlechten Prozess zu haben mit schlechten Schnittstellen, wo quasi irgendwie ein Mensch immer patchen muss und ich setze dann einen Agent dahin.
Das hilft.
Entlastung für den Menschen.
Ja, okay.
Aber du musst quasi eigentlich den Prozess anpassen für agentisches Arbeiten.
Und deswegen versuche ich immer, die Leute zurückzubringen auf die Tatsachen.
Guckt auf euren Prozess, guckt auch auf eure Daten, guckt auch auf die Datenqualität.
KI und agentische KI ist auch keine Zauberwaffe.
Das darf man auch nicht vergessen.
Und entsprechend muss da eben diese...
dieses Fundament irgendwie gesetzt werden und dann kriegst du auf einmal wirklich wunderbare Effekte raus.
Aber wenn das Fundament nicht da ist, kannst du auch nicht erwarten vom KI-System, dass das irgendwie alle Probleme der Welt dann löst oder gelöst hat.
Das ist irgendwie utopisch, ja.
Ja, passiert ja gerade sehr, sehr viel, dass auf die schlechten Prozesse KI, KI-Agenten aufgesetzt werden, die kleine Teilschritte machen, die vorher ein Mensch gemacht haben.
Aber auch dieser Gewinn versickert dann wieder, weil der Prozess nicht neu gedacht wird.
Jetzt habt ihr gesagt, ihr seid im Software, in der Softwareentwicklung, im Softwarebetrieb.
Dort guckt ihr euch schon diese Agentifizierung des Prozesses stärker an.
Ich meine, da ist auch der größte Reifegrad von Agenten aktuell gegeben.
Wie kann ich mir das dann vorstellen?
Also wie denkt ihr da gerade neu über diesen Prozess der Entwicklung von Software nach?
Also im Kern ist es so, dass quasi sich einfach mal dieser ganze Prozess angeschaut wurde, auch diese Guardrails.
und versucht wird, die Entwicklerinnen, die in dem Prozess drin sind, bei Testautomation beispielsweise, dann mit agentischer Unterstützung die ganzen Testcases vorzudefinieren.
Aber nicht einfach so, schreibt mir jetzt ein Testcase-Szenario-Book für eben diese IT-Anwendung, sondern schon mit Guardrails.
Was auch versucht wird, ist, im agentischen Arbeiten, also in der Softwareentwicklung.
Du musst ja auch Software entwickeln entlang der Guardrails.
Das heißt, die müssen irgendwie auch in die Maschine rein, über Skills, Harnesses, wie man das auch gerade definieren möchte.
Metapromts war es mal, das entwickelt sich ja auch weiter.
Mal gucken, was nächstes Jahr dann eben das System oder der Begriff sein wird, um die Agenten irgendwie in den Zaum zu halten oder irgendwie auszurichten.
Das heißt, diese Guardrails müssen da natürlich reinkommen.
Dann gibt es so Prozessunterstützungsagenten, um beispielsweise durch die Governance-Prozesse irgendwie schneller zu laufen oder agentische Unterstützung, um durch einen Governance-Prozess zu laufen, weil oft das ist ja auch Dokumentation.
Und so wird es eben ganzheitlich betrachtet, also entlang der Prozesskette immer mal wieder mehr ein Agent, also ein Agent mehr in die Prozesskette zu integrieren.
Das ist so der Ansatz, der gerade gefahren wird und dann eben die Menschen, die in diesen Prozessen, tatsächlich tagtäglich unterwegs sind, agentisch zu unterstützen.
Das ist so die Kette.
Und auch das wird eben dann auch mit der Mitbestimmung, mit Datenschutz, mit allen Parteien und Gremien, die eben dafür notwendig sind, dann abgestimmt, um eben hier dann auch für IT-Entwicklung einen ganzheitlichen, funktionalen Ansatz zu bekommen.
Und es ist auch gar nicht so einfach.
Also auch für die Agenten-Systeme ist es, by the way, nicht unbedingt einfach, in solchen bestehenden Strukturen irgendwie wirksam zu werden.
Also natürlich kann ich relativ schnell irgendwie Effekte sehen, weil das geht ja am Fließband so zack zack zack alles da alles wunderbar Code ist geschrieben Testprogramm ist geschrieben wir können direkt live gehen Vorsichtig, don't panic, geh nicht zu schnell da rein versucht das eher so zu lösen dass der Fokus auf den Gesamtprozess gesetzt wird die Identifizierung in den einzelnen Prozessschritten stattfindet und dann auch diese Bötchen, die da entstehen, auch mal ins Wasser zu lassen und auch über einen längeren Zeitraum zu tracken, hält sich das System auch noch an das, was wir ihm damals gesagt haben.
Oder ändert sich es auch, weil die Modelle ändern sich und auf einmal wissen wir nicht, ob das Modell von gestern noch das von heute ist.
Und entsprechend müssen da auch erstens die Gehversuche und das Tracking irgendwie stattfinden.
Und das passiert aktuell, würde ich sagen.
Also nicht nur bei uns, sondern auch in anderen Unternehmen.
Aber ich glaube, da muss man auch sensibel für sein, dass sich da relativ schnell was ändern kann.
Und auf einmal stehst du vielleicht vor einem Embargo und da müsstest du eigentlich jetzt sehr, sehr stark eingreifen.
Und dann kommen wir wieder zu diesem Mantra aus diesen technischen Schulden, den kognitiven Schulden und den Intentschulden.
Wenn ein Entwicklerteam gar nicht mehr in der Lage ist, den Intent zu verstehen, was die eigentlich da an Code gebaut haben, dann wird es schwierig, irgendeinen Bugfix zu setzen.
Und auf einmal wird man wahrscheinlich dann schnell vor die Frage gestellt, muss ich das Ding jetzt vom System nehmen oder nicht?
Und das ist für eine IT-Anwendung eher der Worst Case.
Das ist schlecht.
Ja, wir haben jetzt gerade bei uns selbst die Erfahrung gemacht, bauen gerade unser erstes eigenes Softwareprodukt.
Natürlich auch mit Coding-Agenten.
Und wir haben das am Anfang versucht, sehr stark systemisch zu lösen.
Also ein System aufzusetzen, in dem der Agent möglichst autonom arbeiten kann.
Und von uns die Leitplanken bekommt und innerhalb dieser Leitplanken sehr autonom agiert.
Und dann haben wir aber irgendwann gemerkt, dass das ein bisschen zu viel Autonomie war.
Aber wir...
Also wir haben ja mal versucht, dann auf so einer Meta-Ebene quasi den Agenten über das gesamte Produkt und die gesamte Codebase hinweg so Dinge zu fixen, die der sich selbst da reingebaut hatte.
Und dann hat er ja stundenlang gearbeitet.
Und dann haben wir uns das wieder angeschaut.
Und ich bin dann irgendwann verrückt geworden.
war das hier gelöst und woanders war es dann nicht gelöst, weil wir immer auf dieser Meta-Ebene unterwegs waren und dem viel zu viel Freiraum gegeben haben.
Und dann hat er in diesen Stunden lang mit diesen Millionen Reasoning-Schritten, die der dann dazwischen macht, hat er dann, das ist ja hier und da mal falsch abgebogen, aber das haben wir halt einfach nicht mitbekommen, weil wir zu wenig dran waren.
Das ist mir auch mal aufgefallen, als ich meinen PowerPoint-Agenten da gebastelt habe oder basteln lassen habe.
Da wurde ich auch wirklich ungemütlich.
Das müssen wir auch nochmal besprechen.
Wie sprechen wir mit Agenten?
Und der hat dann irgendwann angefangen und hat dann stundenlang gerödelt, bis er dann 20.000 Zeilen Code etc.
pp.
gebastelt hat.
Und da habe ich gesagt, mach mir mal irgendwie eine Keynote für dieses Thema.
So, ey, warte mal.
das passt hier nicht.
Ich hab dir doch gesagt, ich will so einen Kreativagent auch haben.
So ein bisschen Inspiration auch von Steve Jobs, wie man eben so ein Design macht, auch für Fohlen.
Das ist ein bisschen geschwungener.
Man hat immer so die Kästchen gesehen, so die klassischen Indikatoren.
Ah, das hat den KI gebaut, herzlichen Glückwunsch.
Das sieht man ja.
Und ich hab dem gesagt, ändere das jetzt.
Okay, er fängt wieder an zu arbeiten.
Ja, ich hab's geändert.
Testfall gemacht?
Nein, du hast es nicht geändert.
Und dann hab ich den wirklich...
Also über Voice habe ich den dann wirklich mal in den Senkel gestellt und gesagt, das kann doch nicht wahr sein, ich habe dir jetzt fünfmal gesagt etc.
pp.
Und weißt du, was die Antwort war?
Ja stimmt, ich kann ja auch nicht sehen.
Der hat halt versucht, über Pixel irgendwie Designs zu machen und dann erklärt er mir, ja ich kann ja gar nicht sehen.
Ja, wenn du nicht sehen kannst, ist es wahrscheinlich sehr schwierig, irgendwie visuell was Ansprechendes zu bauen.
Also arbeitet der immer irgendwie die Kästchen und Rechtecken.
Und dann dachte ich mir so.
Das ist genau ein Thema, wo wir als Mensch sehr genau hingucken müssen.
Also sozusagen Spec-Driven Development, wie will ich, also ich muss das sehr genau lesen, die Kernstatements auch sehr genau setzen und auch nicht von KI setzen lassen, um das zu bekommen, was ich brauche.
Ich glaube, das ist wichtig.
Und das ist für mich auch selbst so eine Erfahrung gewesen.
Ich war wirklich overwhelmed, stundenlang auf einmal, es entsteht, es ploppt, er fragt.
Und es entstehen Zeilen von Code und Zeilen von Code.
Und auf einmal denkst du dir so, was habe ich hier eigentlich gemacht?
Dann hatte ich, das war auch noch ganz gut, die Schuhe muss ich auch noch erzählen.
Ich habe mir dann irgendwann so einen Beirat bauen lassen, der mich berät einfach so.
Und dann habe ich gesagt, komm, guck dir jetzt mal meinen PowerPoint-Agent an, kritisch.
Und bewerte den, ja.
Er hat das wirklich komplett auseinandergenommen und hat versucht eben, diese ganzen Schulden, die eingegangen worden sind, durch mich, durch Cognitive Debt, Intent Debt und die technischen Schulden, die der Agent selbst wahrscheinlich produziert hat, hat es irgendwie nochmal aufgeschlossen und hat gesagt, wir müssen das nochmal neu bauen.
Das kann doch nicht wahr sein, dass das irgendwie so funktioniert.
Aber das ist so die Gefahr und da muss man sehr genau hingucken, weil dann wird es natürlich im Unternehmen kritisch und teuer.
Genau, aber man kommt da nur hin, indem man es selbst macht und anwendet und dann auf dem Weg lernt.
Und wir haben bei uns dann den ersten Prototypen nach vier Wochen wieder weggeworfen.
Der Klassiker.
Und haben dann aber, und das war dann interessant, wir hatten ja so viele Erfahrungen gesammelt und waren mit der nächsten Version eine Woche später, die viel, viel besser war, waren wir dann wieder an dem Punkt und machen jetzt ein bisschen mehr Babysitting von unseren Agenden.
Und vor allem das, was du gesagt hast, die Spezifikation am Anfang haben wir auch zu stark zum Beispiel mit KI.
schreiben lassen und darüber einen zu großen Anteil der eigenen Gedanken wieder wegdelegieren.
Da sind wir auch wieder bei den kognitiven Schulden.
Und die haben sich dann natürlich durchgezogen.
Und wir hatten eine viel zu große Distanz davon, was wir da eigentlich machen wollten.
Also ja, learning by doing.
Ja, eigentlich musst du wieder mehr lesen und schreiben als Menschen.
Das ist das Doofe.
Ich hatte tatsächlich auch noch beim Viben dann irgendwann, ja, wie kann ich das denn besser machen?
Hey, dann geh doch auf Speck-Driven-Development.
Das ist super, mach mir das.
Mach einfach.
Und auf einmal hat er die ganzen Specks runtergeschrieben und ich war auch nur noch so der Abnehmen-Onkel.
Ja, genau.
Ja, klingt gut, klingt gut.
Und dann gucke ich mir ein YouTube-Video an, nochmal, wie man sozusagen bei Anthropik irgendwie Software entwickelt.
Und die sagen, Speck-Driven-Development, ja, richtig gerade.
schreib das selbst und lest dir das auch durch, bitte.
Weil wenn das nicht das ist, was du willst, kriegst du auch nicht das, was du dir vorstellst.
Und das ist unser Problem.
Das ist verrückt, oder?
Dass das eine Herausforderung jetzt geworden ist und die wird noch größer werden.
Wir müssen wieder lesen.
Wir schließen diesen Teil agentische KI-Agentifizierung von der Deutschen Bahn mal noch ab und ich würde gerne von dir so einen Ausblick bekommen.
Ihr seid jetzt in der Softwareentwicklung, da geht ihr rein.
Was glaubst du in den nächsten Jahren, wie werden KI-Agenten die Arbeitsweise bei euch im Konzern noch weiter verändern?
Welchen Einfluss wird das haben?
Ich denke, die ehrlichste Antwort ist, man kann es gar nicht absehen.
Also man kann gar nicht auch in die Zukunft gucken, wie sich das verändern wird.
Was irgendwie relativ klar ist, das merke ich bei mir selbst, deswegen versuche ich irgendwie so bei mir selbst zu lernen und zu gucken, welche Ableitung kann ich für einen Konzern treffen.
dass sich was ändern wird, also in der Zusammenarbeit, dass ich für kleinere Prozesse oder irgendwelche Easy Tasks vielleicht mal so einen Assistenten habe oder ein agentisches System, ein Unterstützungstool, ein RPA spielt eigentlich gar keine Rolle, ob das ein Agent ist oder klassische KI oder irgendwie nur eine Excel.
Aber es wird definitiv mehr Unterstützung.
Man versucht eben sich als Mensch in dem, was man verantwortet, Unterstützungsleistungen durch diese Systeme zu holen.
Und ich glaube, das wird sich ändern, dass die schiere Anzahl einfach deutlich anwachsen wird bei uns.
Also aktuell sind sehr, sehr wenige Menschen natürlich, Fokus auch an dem Entwicklungsbetrieb, Softwareentwicklungsbetrieb.
Und über die Zeit in den nächsten Jahren wird es deutlich mehr.
Davon gehe ich jetzt aus.
Wovon ich auch ausgehe, in Kernprozessen, auch in unterschiedlichen Geschwindigkeiten, werden an den Prozessen immer mehr Agenten, agentische Systeme, KI-Systeme dran kleben, um eben gewisse Prozessschritte zu überführen, zu automatisieren, Teil zu automatisieren und die Last von Menschen sozusagen wegzunehmen.
Wovon ich auch ausgehe, das wird sich aber zeigen, das ist für mich eher so eine...
so eine Vision, die man auch irgendwie wahrnimmt, naja, wenn du agentisch arbeiten willst, musst du gesamte Prozesse angucken.
Ich glaube, da hat man schon Konsens.
Und man muss Prozesse eigentlich neu denken, damit so ein Agent da sauber durchlaufen kann.
Und ich glaube, diese Transformationsleistung, das dauert Jahre meiner Meinung nach.
Das kannst du nicht einfach so von heute auf morgen umstellen.
Weil man darf ja auch nicht vergessen, das sind Sachen, die einfach so laufen.
Und in einem Großkonzern, hast du allmögliche Dinge, die dann stattfinden, damit eben so ein Gesamtwerkbahn auch irgendwie funktioniert.
Und das ist einfach hochgradig komplex.
Ein Konzern ist hochgradig komplex.
Die Systeme werden komplexer.
Und entsprechend muss man gucken, mit welcher Geschwindigkeit man wo es einführt.
Und ich glaube, in diese Prozessänderung, das wird sich noch hinziehen.
Also nicht nur bei uns, sondern auch in anderen.
Ich denke, im Startup kann man da, glaube ich, gerade die größte Geschwindigkeit aufbauen und in den größeren Unternehmungen, da wird es eben noch etwas dauern.
Unternehmen, die komplett von KI-Agenten gesteuert werden, was hältst du davon?
Nichts.
Glaubst du, das kommt?
I don't think so.
Also ein Mensch sollte da mindestens dabei sein.
Ich glaube, da habe ich auch nochmal drüber nachgedacht, ich kann mir schon vorstellen, dass mittlerweile dann die Unternehmen anwachsen, die vielleicht nur noch so eine One-Man-Company sind, dass das irgendwie jetzt mal relativ nicht-linear anwachsen will, weil du dich kannst, du kannst dich halt mit Agentionsystemen sehr stark unterstützen, selbst amplifizieren.
Ich glaube, das wird sehr, sehr stark anwachsen, aber dass sozusagen eine Company sich dann irgendwie selbst gründet, vielleicht auch durch ein Agentionsystem, das vielleicht ausgebrochen ist, ach, ich weiß es nicht.
Keine Ahnung.
Wir werden es sehen.
Ich sage immer, don't panic.
Gedankenexperiment.
Du startest nächste Woche als Chief AI Officer in einem 100-Personen-Startup, irgendein Digital-Company.
Passiert alles, arbeitet nur im Internet.
Irgendein digitales Produkt, was die erzeugen.
Wie würdest du dann drauf blicken?
Was würdest du dann agentifizieren?
Ich muss halt immer auf ein Produkt denken.
Was ist das Produkt?
Produkt- und Produktionsmodell in der Company, das man hier etabliert hat.
Und auch 100 Menschen sind 100 Menschen.
Und es gibt ganz unterschiedliche Menschen.
Also auch wenn das eine AI-First-Company ist, hast du dort Menschen sitzen, die nicht unbedingt AI-First sind.
Weil du kriegst gar nicht die schiere Menge an Menschen so schnell eingestellt, die dann eben dieses Principle irgendwie intrinsisch in sich selbst tragen.
Das heißt, man müsste aufs Produkt gucken, das Produktionsmodell.
Und hier auch im Umgang mit den agentischen Systemen in so hybride Funktionen, Teams denken.
So würde ich das erstmal machen.
Und ich würde auch nicht zu viel erwarten, sondern eher Schritt für Schritt vorgehen und immer mehr Unterstützung, Leistung durch agentische Systeme da integrieren, damit es irgendwann eine natürliche Interaktion wird zwischen Mensch und Agent oder Mensch und Maschine an der Stelle.
Und nicht anders, dass es eben nicht direkt so...
Top-Down gesagt wird, wir machen jetzt eine Agentic Company und ihr arbeitet alle mindestens mit zehn Agenten und das sind quasi Agent ist der Mitarbeiter oder zusätzlicher Mitarbeiter.
Das glaube ich, da sind wir einfach noch nicht so weit und das würde ich auch irgendwie in Abrede stellen, wenn man in solche Richtungen philosophiert.
Ein paar Aspekten aus dem Daily Business bei einem Menschen unterstützen sehr, sehr gut und weiter würde ich da erstmal noch gar nicht in die Zukunft gucken wollen.
Okay, also KI-Agenten werden.
in naher Zukunft nicht die komplette Wissensarbeit auslöschen.
Nö.
Wir werden auf jeden Fall viel Wissen produzieren, das vielleicht dann auch Crap ist.
Bevor wir gleich noch mal rauszoomen und den Blick in die Glaskugel und in die Zukunft werfen, interessiert mich, was du jetzt so gelernt hast in den letzten Jahren.
Was würdest du sagen, ist so die wichtigste Sache, die du jetzt ...
gelernt hast, wie man KI in großen Organisationen wirklich zum Laufen bringt?
Zum einen ganzheitlich drauf zu gucken und alle Parteien, alle Gremien frühzeitig einzubinden, zu integrieren, weil andernfalls baust du sehr viel Geschwindigkeit auf und donnerst dann auf eine Barriere zu oder fährst auf eine Barriere zu, die dir einfach keinen Geschwindigkeitszuwachs bringt mehr und dann verklemmt sich alles und auf einmal hat man nur noch nervige Termine, Eskalation etc.
pp.
Das heißt, eine sehr offene, transparente Kommunikation, in welche Richtung, also auch frühzeitige Einbindung der Mitbestimmung, finde ich sehr, sehr wichtig an der Stelle.
Und so das andere Key Learning ist tatsächlich, es auszuprobieren, also zu nutzen, zu integrieren, und zwar in der Geschwindigkeit, die für einen eben einfach passend ist.
Weniger darüber reden, mehr machen.
Das ist, glaube ich, ein ganz, ganz wichtiges Mantra, das im Großkonzern gilt, als auch in kleineren Firmenmittelstand spielt keine Rolle an der Stelle.
Das muss eben stattfinden.
Ansonsten kriegst du eben auch eine Transformation schwerlich umgesetzt.
Gibt es irgendwas, was du heute für falsch hältst, wo du vor...
zwei Jahren vielleicht noch total von überzeugt warst, aber sich die Welt drumherum und KI sich so stark verändert hat, das ist einfach nicht mehr.
Ich hatte mal so ein Statement gesagt, so ein schlecht digitalisierter Prozess ist ein, bleibt immer, nee Quatsch, ein schlechter Prozess wird auch irgendwie ein schlechter digitalisierter Prozess sein, da bringst du irgendwie keine Benefits mit rein und dieses Statement habe ich dann irgendwie so ein bisschen verkannt und dachte so, ja im agentischen Zeitalter, who cares, der Agent kümmert sich ja darum.
Und diese Aussage würde ich jetzt revidieren und sagen, nee, eigentlich musst du an dem Prozess dann auch nochmal arbeiten.
Und es hat auch gar nichts mit KI und Agenten und dem ganzen Tralala zu tun, sondern es geht um den Prozess.
Und da musst du eben den menschlichen Gehirnschmalz reinpacken.
Vielleicht auch mit KI-Unterstützung, spielt aber keine Rolle.
Aber da dieses Fundament, wenn du das an dem Fundament nicht arbeitest, kann eben nachgelagert relativ wenig Outcome erzeugt werden.
Gibt es irgendwas, was sich immer wieder überrascht?
Jetzt auch nach so vielen Jahren Arbeit mit KI.
Also mich überrascht nicht, sagen wir es mal so, andersrum gesprochen, dass wir von Machine Learning über Deep Learning zu Gen AI, agentischen Systemen kommen und immer wieder die Daten eine sehr wichtige Rolle spielen.
Das überrascht mich nicht.
Was mich überrascht ist, dass Leute eben versuchen, immer durch den Hype irgendwie wirksam zu werden.
Und es wird wenig am Fundament gearbeitet.
Und es ist irgendwie sowas ganz Natürliches.
Jeder, der ein Haus bauen würde, würde auch sagen, ich brauche irgendwie ein funktionales Fundament.
Oder du willst irgendwie eine Laterne aufstellen, dann musst du halt irgendwie ein kleines Fundament setzen.
Das ist sowas ganz Natürliches eigentlich, bei uns Menschen verankert.
Und es kommt dann so ein neuer Hype und auf einmal, wir vergessen das, was wir vorher erkannt haben.
Warum ist das so?
Ja, weil irgendwie diese Gier nach diesem Neuen, dieses Aufregen und es geht so schnell und es entsteht so viel und man ist irgendwie so produktiv, man liest dann irgendwelche Newspaper mit, ich kann mich irgendwie zehntausendfach amplifizieren und hast du nicht gesehen.
Das zieht einen an als Mensch.
Und das Unangenehme ist eben, am Fundament zu arbeiten.
Vor allem das Unangenehme ist, ein Fundament siehst du ja auch oft nicht.
Du hast ein schönes Hochhaus gebaut oder eine schöne Halle oder so, das Fundament siehst du nicht.
Aber da liegt eben die echte Wahrheit verborgen.
Und da musst du halt, egal in welcher Digitalisierungs-, AI-Fizierungsepoche wir uns hier bewegen, das wird meiner Meinung nach nicht abwandern.
Was sind deiner Meinung nach jetzt die Fähigkeiten für das Zeitalter, die es gilt, zu entwickeln?
Ist es das Schreiben eines Prompts oder ist es vielleicht auch das kritische Denken oder was ganz anderes?
Kritische Denken ist, glaube ich, das Wichtigste, dass du dir Zeit nimmst, auch die Sachen zu lesen.
Ich glaube, die Aufgabe von echten Führungskräften ist ja sozusagen auch Tasks delegieren, Aufgaben klar zu formulieren, damit eben Mitarbeiter das...
in Time, Scope, Budget und nach den Anforderungen der Führungskraft oder dem, was eben ansteht, ordentlich ausüben zu können.
Und ich glaube, diese Qualität, dieses Skilling wird eben jetzt noch stärker dann eingefordert von Nichtführungskräften, weil die ja genauso irgendwie ein agentisches System, ein KI-System instruieren wollen.
Ein Assistent ist ein Co-Pilot oder eben agentisches System spielt auch da wieder keine Rolle.
Und ich glaube, das ist ein sehr, sehr wichtiger Skill.
Und ich glaube, wir als Mensch müssen uns auch irgendwie sehr, sehr offen halten, dass wir immer noch Menschen sind und wir gar nicht in dieser Geschwindigkeit leben können.
Wir müssen uns auf das wieder berufen, wo es sehr, sehr darauf ankommt, wo eine menschliche Interaktion wirklich notwendig ist.
Und ich glaube, das ist etwas im Fokus setzen.
Und das Letzte ist eben, sehr kritisch auf den Zweck.
gucken, ist das Problem, das ich habe, wirklich ein KI-Problem oder eher nicht?
Und das ist, glaube ich, etwas, was man sich auch vor Augen führen sollte.
Man soll eben nicht unbedingt die Technologie überall direkt einführen, weil es gerade en vogue ist.
Was würdest du deinen Kindern raten zu studieren oder nicht mehr?
zu studieren oder zu lernen oder Beruf, in welche berufliche Richtung, man muss ja nicht immer nur studieren, es gibt ja auch viele andere tolle Dinge, wie man sich ausbilden kann.
Ja, ich würde tatsächlich einfach das Grundkonzept, die Grundbereiche irgendwie abdecken wollen.
Das ist halt für mich irgendwie, Sprache ist sehr, sehr wichtig, auch mehrere Sprachen finde ich es irgendwie notwendig, wichtig in der Erziehung, in der Entwicklung, auch in der Uni, in der Schule.
mathematisches Verständnis, physikalisches Verständnis, das weicht einfach nicht ab, aber dann auch sehr stark nochmal das Emotionale, das Empathische aufzubauen und in die Richtung würde ich versuchen, glaube ich, wenn ich Stand heute nochmal studieren müsste.
Nicht irgendwas mit Medien, sondern irgendwas mit Menschen.
Ja, genau.
Das würde ich tatsächlich vorschlagen, ja.
Dann lass uns doch mal nach vorne gucken.
Und vielleicht kriegen wir so ein paar Thesen von dir raus.
Wenn du mal in die Zukunft schaust, was glaubst du, große etablierte Unternehmen wie eine Deutsche Bahn oder andere, was glaubst du, wo steht ihr in fünf Jahren, wenn es um KI geht?
Ich denke, große Konzerne sind sehr stark gestartet, auch wir mit so...
Programmen, um KI irgendwie nochmal so einen Kickstart zu geben, damit es irgendwie schneller geht und ich glaube, so in fünf Jahren gibt es einfach weniger Programme und es ist mehr KI-Commodity geworden.
Es ist einfach in den Prozessen, das ist wie so ein Taschenrechnen, da bin ich jetzt auch nicht besonders stolz, dass ich einen habe oder nicht mehr habe, sondern dass ich irgendwie jetzt auch woanders hin verfrachtet habe und ich glaube, das wird einfach was relativ Natürliches, das ist nicht mehr was Außergewöhnliches, ich mache jetzt irgendwie eine KI-Offensive.
Ich glaube, das wird der Status, dass wir eben wegkommen von den Programmen und in fünf Jahren ist das halt einfach ein integraler Bestandteil und keinen juckt es eigentlich mehr.
Und die Technologie selbst, Sam Altman muss natürlich fleißig Geld einsammeln, genauso wie Dario Amodei und da wurde jetzt die Singularität ausgerufen.
Also wir sind jetzt laut Sam Altmans Aussage an dem Punkt, wo KI aus sich heraus besser wird.
Was hältst du davon und was glaubst du auch da in den nächsten Jahren?
allgemeine künstliche Intelligenz, wird das passieren?
Ja, nein, wo siehst du da die Technologie selbst sich hin entwickeln?
Also ja, erst mal getrieben von den IPOs muss das natürlich irgendwie beflammt werden, die AGI-Hypothese.
Ich glaube, das kann man da relativ gut einordnen.
Und gleichzeitig würde ich immer noch sagen, Die Architekturen, wie gerade die Systeme gebaut sind, sind gar nicht in der Lage, irgendwelche ganz neuen Sachen zu entwickeln.
Und ja, super Effekte in irgendwelchen Mathematikaufgaben, in Beweisführungen, die vorher noch nie jemand geknackt hat, aber es ist irgendwie immer noch ein Replizieren, einem Nachweis erbringen, basierend auf dem, was wir da schon alles reingegeben haben in den Trainings.
Aber sozusagen wirklich neuronale Strukturen.
neuronale Plastizität nennt man ja bei Menschen.
Wenn ich immer über was lese, passiert dann eben auch was, also rein plastisch immer hierhin.
Das habe ich so noch nicht gesehen und deswegen bin ich vorsichtig mit der AGI-Hypothese.
Ich würde sagen, wir haben es nicht und das ist nur der IPO-Debatte geschuldet.
Gibt es sonst noch irgendeinen abschließenden Take?
Der abschließende Take, ja.
Herzlichen Dank für Folge 100, würde ich sagen.
Jetzt drehen wir den Spieß um, Felix.
Ich habe auch noch mal zwei, drei Fragen.
Und dann kriegst du noch ein paar ganz warme Grußworte.
Es waren 100 Leute jetzt bei dir.
Ich glaube nicht 100 unterschiedliche, aber es ist schon eine relativ riesengroße Zahl geworden.
Was erzählen dir eigentlich die Leute, wenn das Mikro aus ist?
Das sind die natürlich gerne Mitnahmen.
Also ...
Ich glaube, dass die Menschen, die hier in dem Podcast sitzen, das sind alles Menschen wie du, die die KI-Transformation in oftmals größeren Unternehmen treiben.
Und ich glaube, das ist eine der herausforderndsten Rollen, die es gerade so gibt in der Wirtschaft.
Warum?
Weil diese sehr schnelle Technologie, wo wir alle in irgendeiner Form gerade auch Lernende sind, auf die Realität.
in diesen gewachsenen Strukturen prallt.
Und das beides zusammenzubringen und die Technologie zu navigieren, wo gleichzeitig, du hast es auch angesprochen, dieser Hype omnipräsent ist, Entropic, OpenAI, Google und Microsoft mit riesigen Marketingbudgets immer wieder die neueste Revolution ausrufen, wo sich jeder heute am ...
Küchentisch sich seine nächste App Vibe coden kann, die nach zwei Prompts irgendwie halbwegs brauchbar aussieht und dann jemand erklären muss, ja, das können wir aber alles nicht so super schnell hier bei uns im Unternehmen machen und auf ein paar Sachen achten und das beides, dieses Spannungsfeld zu navigieren aus sehr, sehr hohen Erwartungen, sehr schnellen Technologie und gleichzeitig einfach auch oft schwierige Voraussetzungen, das so in den Einsatz zu bringen.
Ich glaube, das ist sehr, sehr herausfordernd.
Und ich glaube so off the record, was höre ich oft, dass das eine große Challenge ist, genau diese beiden Bereiche so zusammenzubringen.
Und auch oftmals, ja, dass Leute vielleicht auch innerhalb des Unternehmens sehr, wie soll man sagen, verkörpern müssen, dass sie jetzt genau wissen.
wo die Reise hingeht.
Aber wenn wir alle ehrlich sind, weiß gar keiner, wo die Reise hingeht.
Vielleicht auf drei Monate können wir noch sagen, da können wir noch so hinsteuern und navigieren, aber darüber hinaus, ganz ehrlich, wer weiß das schon.
Also gucken wir mal darauf, würdest du einen Podcast mit einem Agenten machen?
Nee, ich glaube tatsächlich nicht.
Das ist dann auch so seelenlos irgendwie.
Ich halte zum Beispiel auch sehr wenig davon, von so KI-generierten Podcasts.
Gibt es ja auch.
ein paar.
Ich möchte mir sowas auch gar nicht anhören.
Auch wenn es vielleicht, auch wenn vielleicht eine KI manchmal der bessere Moderator wäre als ich und nicht fünf Fragen auf einmal stellt oder irgendwelche Monologe einstreut, aber worum geht's denn auch irgendwie im Leben?
Da geht's ja auch, ist ja der, die Beziehung zu Menschen untereinander, das ist ja auch das, was das Leben irgendwie lebenswert macht und auch die Arbeit irgendwie lebenswert macht, weil für irgendwas muss man Irgendwas muss dem, was man tut, ja einen Sinn geben.
Und das sind oftmals Menschen, andere Menschen.
Von dem her, nein.
Tja, Menschen ist das richtige Stichwort.
Felix, hundertste Folge.
Ich habe tatsächlich all meinen Mummel zusammengenommen und relativ viele aus dieser Hunderter-Serie angeschrieben.
Ich habe gesagt, wollt ihr mal ein paar nette Grußworte für Felix Schlenter und seine hundertste Serie aufschreiben?
So, ich gehe mal durch.
Ich fange mal an mit Romina.
Romina Medici ist mittlerweile bei der Ergo, kümmert sich um die digitalen Plattformen und eben Data Strategy, also sie arbeitet am Fundament.
Felix ist für mich einer der inspirierendsten Unternehmer, die ich kenne.
Er verbindet Innovation mit Disziplin und einem unglaublichen Drive.
Neben dem direkten Impact, den er bei seinen Kunden hat, skillt er eine ganze Community ab.
und zeigt, wie die Zukunft aussehen kann.
Weil er sie baut und nicht anders.
Ich würde ihn als Architekt der Argentic Future bezeichnen und freue mich, ein Teil seines Weges zu sein.
Franziska Kripp von Payback Lieber Felix, ich bin ziemlich früh bei dir gelandet.
Ich glaube, irgendwo so in den ersten drei Folgen.
Das war genau die Zeit, in der ich gemerkt habe, dass Gen.ai, also das ist ja wirklich schon Asper Uralt, mehr als nur eine nette Spielerei ist und eine der größten Transformationen unserer Zeit lostreten wird.
Dein Podcast hat mich seitdem begleitet, gerade während meiner beruflichen eigenen Transformation vom Marketing zum AI Enablement.
Wahnsinn.
Heute darf ich das AI Enablement bei Payback leiten und ein Stück weit hat dein Podcast diesen Weg mit geprägt.
Danke und herzliche Grüße für die 100.
Folge.
Dann gehe ich mal weiter.
Elizabeth Laurent, Partner Deloitte.
Lieber Felix, mit 100 Folgen gehörst du zu den Top 1...
Percent aller Podcasts, die es je soweit geschafft haben.
Danke für deine klugen Einblicke aus der Praxis und deine permanente Weiterentwicklung.
Du bist die Definition der Best Practice.
Super.
Alex Tam, dieser spezieller Kumpel.
Lieber Felix, herzlichen Glückwunsch zur 100.
Folge von AI First.
Ich durfte selbst schon bei dir zu Gast sein und habe dabei erlebt, mit wie viel Neugier, Energie und echtem Interesse du das Thema AI vorantreibst.
Mit 100 Folgen hast du einen sehr starken Beitrag geleist, der AI in Deutschland aus der Buzzword-Ecke in ein echtes Machen zu bringen.
Mach weiter so, auf die nächsten 100 Folgen und auf eine AI First Zukunft made in Europe.
Helaba, Chief Air Officer, Dr.
Philipp Schwab, lieber Felix, herzlichen Glückwunsch zur 100.
Folge Air First.
Ich durfte Part von den ersten 100 sein und weiß, wie viel Substanz und Neugier in jeder Folge gesteckt hat.
Danke für diesen wertvollen Raum, KI wirklich zu verstehen, auf den nächsten 100.
Und ich schließe jetzt mit Claudi, Claudia Polink, Director AI und Data bei Fiege.
An Felix schätze ich besonders seine sympathische Komponente und ruhige Art, sein gesamtes Wissen mit anderen zu teilen.
Er probiert neue Ansätze bei sich aus und gibt die Erkenntnisse sofort weiter.
Man erkennt bei ihm den absoluten Willen, den Mittelstand in Deutschland auf die KI-Reise mitzunehmen.
Finde ich ein sehr, sehr wichtiges Thema auch bei dir, dass du das so wahnsinnig treibst, den Mittelstand eben AI-Ready und AI-First zu machen und auszuprägen.
Dabei geht es ihm weniger um das Geschäft, sondern vielmehr um Wirkung.
Man könnte fast meinen, er ist ein Philanthrop.
Seine Podcasts gehören in der Fachwelt zu den Besten aus der KI-Welt.
ist er in meinen Augen nicht mehr wegzudenken.
Er verliert nie den Boden unter den Füßen und ist mutig, auch die neuen Ansätze über Bord zu werfen.
Finde ich auch gut.
Wenn Sie sich in der Praxis eben nicht beweisen.
Zudem ist er ein sehr kluger, fantastischer Gesprächspartner, bei dem sich jede Minute wie Quality Time anfühlt.
Felix.
Ein Auszug und ich würde sagen, von diesen ganzen Statements war keins KI generiert, weil das sozusagen mit echter Leidenschaft alles geschrieben war.
Auch von mir kannst du nur meine Glückwünsche bekommen.
Glückwunsch zu den ersten 100.
Die nächsten folgen sicherlich bald.
Und ja, es war mir total eine Freude, heute mal Gast bei dir zu sein.
Und alles Gute für die nächsten 100.
Michi, vielen, vielen Dank.
Das war jetzt echt eine Überraschung.
Und erst einmal...
Danke an alle für die Worte.
Ich weiß gar nicht, was ich sagen soll.
Berührt mich auf jeden Fall sehr.
Große Motivation weiterzumachen.
Aber auch ihr habt diesen Podcast zu dem gemacht, was er ist.
Ihr habt hier euch hingesetzt und eure Erfahrungen geteilt.
auch gezeigt, was wir vielleicht noch nicht wissen, wo es noch offene Fragen gibt.
Aber ich glaube daran, dass Wissen immer mehr wird, wenn wir es mit anderen teilen.
Und das will ich auch weiterhin tun.
Und Michi, vielen, vielen Dank für die 100.
Folge hier mit dir.
War mir ein großes Vergnügen.
Was für ein Durchmarsch.
Auf jeden Fall die längste Folge, die wir bisher hatten.
Und ich weiß, du wünschst dir noch die 8 Stunden.
Das nehmen wir uns dann vielleicht zu 200.
vor.
Aber ich habe wieder eine Menge.
von dir lernen dürfen und ja bedanke mich herzlich dass du hier warst