# Taxfix AI-Native Transformation Strategy

**Podcast:** Kollegin KI
**Published:** 2026-10-27

## Transcript

Einer meiner ersten Bots, liebe Leute, war ein Steuerbot.
Ich hatte mich gerade selbstständig gemacht, hatte keine Ahnung, was ich jetzt eigentlich wirklich tun sollte und habe gedacht, na gut, mit KI ist das ja alles irgendwie relativ easy.
Und ich habe mir tatsächlich alle...
Steuergesetze, die es in Deutschland so gibt und die mich irgendwie betreffen könnten, meinen Chatbot geladen und von da an angefangen, so einen KI-Steuerberater zu haben.
Das ist natürlich alles mehr schlecht als recht irgendwie gewesen und hat nicht so hundertprozentig funktioniert.
Am Ende kommt man wohl um einen menschlichen Steuerberater nicht drum herum.
Aber die KI hat sich natürlich seit meinem kleinen Experiment da ganz schön entwickelt und heute...
gibt es eine ganze Menge Angebote, unter anderem vom Unternehmen Taxfix, die tatsächlich als AI-Company durchstarten wollen und mehr oder weniger, zumindest sagt das der CEO, Nummer 1 KI-Finance-Plattform werden wollen.
Was es damit auf sich hat und wie gut KI eigentlich schon im ganzen Steuerrecht und so weiter zurechtkommt, das möchte ich heute besprechen mit meiner Gästin KI-Philipp.
Bitte stell sie uns doch einmal vor.
Max, stell dir vor, die KI übernimmt plötzlich die Hälfte deiner Arbeit.
Klingt doch eigentlich ganz gut, oder?
Taxfix will zur führenden KI-Finanzplattform Europas werden und die ganzen stressigen Steuersachen automatisieren.
Aber damit das gelingt, müssen natürlich auch die Menschen im Unternehmen mitgenommen werden.
Und genau dafür ist deine heutige Gästin zuständig.
Eva Glanzer, Chief People Officer bei Taxfix.
Ich bin gespannt, was sie zu ihren neuen digitalen Kollegen sagt und vor allem, ob ich mich bei ihr auch bewerben kann.
Hallo Eva.
Hallo Max.
Schön, dass du da bist.
Sehr schön, dass du Zeit für uns gefunden hast.
Wir haben Stellen frei.
Bitte unsere Karriere-Page checken und Lebenslauf schicken.
Auch für Agents.
Ja, das haben wir tatsächlich intern auch so aufgebaut, ja.
Nicht, dass meine Kollegin KI das jetzt hier mitbekommt und sich dann bewirbt.
Da fragen wir so nachher mal.
Oder KI-Philipp womöglich.
Nein, Spaß beiseite.
Eva, schön, dass du da bist.
Du verantwortest im Grunde alles, was um People Management, HR zu tun hat, bei Taxfix.
Und wir mussten unbedingt mal mit dir sprechen, weil ihr ja relativ früh auf den KI-Zug aufgesprungen seid.
Ich bin da über so ein schönes Handelsblatt-Interview mit deinem CEO gestolpert, der tatsächlich sagte, dass Angestellte jetzt zur KI-Nutzung verpflichtet werden, weil er erkennt, dass es durchaus ganz, ganz andere Möglichkeiten gibt.
Und da musste ich natürlich mit dir drüber sprechen, weil diese Top-Down-KI-Verordnung ja eigentlich was ist, was man nicht unbedingt möchte.
Wie steht es bei euch jetzt ein Jahr später im Unternehmen um die KI-Adoption?
Ja, wir haben tatsächlich auch schon vor mehr als einem Jahr damit angefangen.
Zwei Jahre, würde ich sagen, als das ganze KI-Thema immer größer wurde, haben wir relativ schnell gesagt, wir müssen hier Fahrwerbe kennen.
Und wir müssen ganz klar sagen, dass wir eher netiv werden wollen als Unternehmen und dass wir nur so auch wirklich die Produkte bauen können, die zukünftig natürlich für unsere Kunden den besten Mehrwert liefern.
Und das war auch nicht ohne Widerstand, das muss ich auch dazu sagen.
Also so wie du sagst, es ist nicht so einfach.
Am Anfang sind wir da auch sehr...
direkt mit rausgegangen.
Wir haben ein OKR-System, also Objectives and Key Results und da haben wir als erstes Unternehmensziel uns gesetzt, wir wollen eher native werden, also wie gesagt schon vor zweieinhalb Jahren und die Reaktion war gemischt, würde ich mal sagen, im Unternehmen.
Also es gab dann einige, die waren natürlich Feuer und Flamme und fanden das super, weil wir natürlich auch in Tooling investiert haben und Trainings und so weiter.
Und andere, es gab auch ein paar Stimmen, die auch verständlicherweise zu dem Zeitpunkt meinten, wir machen KI for the sake of AI, also nur zum Nutzen von KI und nicht dem Kunden.
Und eigentlich müssen wir immer, was natürlich auch stimmt, vom Kunden und vom Business her kommen.
Wir haben uns aber gesagt, aus Management-Sicht, wir wollen jetzt wirklich das Pendel mal richtig stark in die Richtung schwingen, damit wir ganz klar sagen können, da wollen wir hin.
Und wir wollen, dass die ganze Belegschaft da mitkommt.
Und dann natürlich, das reicht nicht, also da muss dann noch sehr viel anderes dann kommen, um eine Transformation gut durchführen zu können.
Aber das war für uns der erste Schritt.
Also wirklich diese klare Entscheidung für die KI zu treffen und das auch relativ früh.
Damit wir auch schon wussten, dass diese Transformation ziemlich viel Zeit in Anspruch nehmen wird.
So bevor wir vielleicht mal auf die Transformation gucken, kannst du einmal erklären, was ihr eigentlich an Produkten habt und wer eure Zielgruppe ist?
Ja, also es ist ein Steuerprodukt, vorrangig in Deutschland.
Wir sind aber auch vertreten in England und Spanien.
Wir sehen uns als Europas führende, agentenbasierte Steuerexpertenplattform und bieten Steuer- und Buchhaltungsleistungen für Privatpersonen und kleine Unternehmen.
Das heißt, ich könnte meine Steuererklärung statt mit meinem selbst zusammengeweibed codeten Bot auch mit euch machen?
Das solltest du, weil dann wird das gleich auch bei Esther hochgeladen und natürlich mit dem Finanzamt kommuniziert und wir unterstützen an allen Belegen.
Das kannst du machen als Self-Service-DIY.
Das heißt, du...
füllst die ganzen Fragen selbst aus, natürlich KI unterstützt oder du bekommst wirklich einen Steuerexperten zur Seite gestellt, der oder die natürlich auch sehr stark von KI unterstützt wird.
Ich finde es wunderbar spannend, weil es natürlich irgendwie ein Thema ist, gerade so Steuern zu machen, das folgt klaren Regeln.
Es gibt Gesetze, an die wird sich gehalten.
Es gibt irgendwie gewisse Ausnahmen von diesen Gesetzen.
Bislang war es so, dass man da irgendwie jemanden bezahlt hat für einen Steuerberater, eine Steuerberaterin, die das gelernt haben, die natürlich auch mit den Jahren an Berufserfahrungen vielleicht mal hier und da die kleinen Tricks kannten.
Man spricht ja immer von den guten Steuerberatern, die dann vielleicht nochmal so ein paar Euro rausholen können.
Jetzt wird das Ganze mehr oder weniger automatisiert mit KI.
Genau und immer besser, weil genau diese Optimierung der Refunds, der Rückzahlungen, das ist auch etwas, was wir uns ganz groß auf die Fahne geschrieben haben.
Ist das das Ende der Steuerberater?
Das glaube ich nicht.
Also wir arbeiten ja auch selbst direkt mit Steuerberatern zusammen und so wie das immer ist mit der KI.
Es gibt den Human in the Loop und irgendjemand muss am Ende Urteile fällen und die Verantwortung übernehmen und ist am Ende immer noch der Mensch.
Aber hoffentlich mit sehr, sehr viel Unterstützung.
Also natürlich die Zeit, die investiert wird auf Steuerberaterseite für die Erledigung der Steuern, sollte so gut wie möglich reduziert werden.
Okay, na gut.
Nachdem wir die Frage, die brennende Frage beantworten, lasst uns mal bei euch auf die interne Struktur.
Ich meine, du bist verantwortlich, wie gesagt, für die gesamte Entwicklung der Belegschaft.
Du hast gesagt, am Anfang gab es da durchaus ein paar Reibereien, gerade irgendwie Mittel zum Zweck.
Man führt KI ein, einfach um KI einzuführen.
Vielleicht auch coole Marketing-Effekte.
Man erlebt es ja überall, klar.
Aber hat das dann am Ende einen Mehrwert?
Die erste Frage, wie holt man die Menschen da ab?
Wenn man so eine Transformation startet und man erlebt es eigentlich in allen Unternehmen, es gibt so einen gewissen Prozentsatz an, ich sag mal, Totalverweigerern, die gar keine Lust haben, die sagen, ich sehe hier keinen Mehrwert, das kostet alles so viel, wir machen uns abhängig vielleicht auch von anderen Tools.
Wie geht man damit um und wie motiviert man die Leute?
Ja, ich glaube, am Anfang muss man die Warum-Frage stellen und beantworten, damit man auch wirklich den Purpose generiert in der Organisation.
Und für uns war eine ganz wichtige Antwort, dass wir wollten, dass jeder, jede Mitarbeiter, Mitarbeiterin, jedes Team sehr direkten Impact haben konnte auf die Mehrwertgenerierung für den Kunden, also wirklich auf das Business und das auch sehr schnell machen kann.
Also agil, mit wenig Abhängigkeiten in der Organisation, sehr autonomes Arbeiten in kleinen Teams.
Also die Ways of Working waren für uns ganz wichtig.
Du arbeitest in kleinen Teams, das ist sehr purpose-driven, du hast klare Ziele, du hast sehr viel Autonomie und im Zweifel werden dir die Arbeiten, die jetzt vielleicht nicht so viel Spaß machen, auch von der KI abgenommen.
Das ist, glaube ich, genau so ein Punkt.
KI muss ja nicht nur die Sachen übernehmen, die einem Spaß machen im Daily Doing, sondern kann ja vor allem die Sachen, die eher lästig sind, erledigen.
Das hört man ja auch immer wieder.
Ich habe gehört in einem Podcast von diesem Jahr, in dem ihr darüber gesprochen habt, dass Mitarbeitende ihre eigene Stellenbeschreibung neu geschrieben haben.
Kannst du mal die Methodik erklären, bitte?
Das fand ich ganz spannend.
Ja, ich kann vielleicht nochmal ein bisschen ausholen.
Ich glaube, es ist jetzt wichtig, nicht mehr die Frage zu stellen, weil die geistert so ein bisschen, schwillt so ein bisschen herum, gibt es meinen Job noch in einem Jahr, in zwei Jahren, in fünf Jahren?
Ich glaube, es ist wichtiger, die Frage zu stellen, was kann ich richtig gut und wie sieht meine Tätigkeit aus, wenn KI den Rest macht?
Und man muss sich dafür eine Vision entwickeln, dafür, wie dieser Job der Zukunft aussieht.
Weil sonst ist es einfach nur eine Anxiety, irgendwie Angst, die im Raum herumschwebt.
Und es gibt ja ganz viele Narrativen da draußen, die sagen, ja, welche Jobs gibt es dann überhaupt noch in der Zukunft?
Und der erste Schritt aus meiner Sicht ist, diese Vision zu entwickeln.
Und da gibt es so verschiedene Dinge, die man machen kann, weil das klingt ja auch erstmal ganz groß und so ein bisschen überwältigend.
Okay, also was ist, wo fange ich da jetzt an?
Und wenn man das runterbricht auf ein paar Schritte, wäre zum Beispiel ein erster wichtiger Schritt aus meiner Sicht, dass man den Job herunterbricht, seine Tätigkeit herunterbricht.
Was sind die Dinge, die die KI für mich machen kann, jetzt schon?
Was sind die Dinge, die ich mit der KI zusammen mache?
Was sind die Dinge, die nur ich als Mensch in diesem Job machen kann?
Und das kann man innerhalb von fünf Minuten machen, ganz schnell mal runtergeschrieben oder man nimmt sich wirklich Zeit und zeichnet ganzen Workflows auf, je nachdem wie tief man da einsteigen will.
Dann der zweite Schritt aus meiner Sicht wäre, zu sagen, was sind denn eigentlich meine Superpowers, also nicht meine Jobtitel.
Also ich schaue auf meinen Lebenslauf und da steht dann nicht, ich war Jobtitel XYZ, sondern ich kann das und das und das.
Und sich das nochmal wirklich ganz konkret vor Augen zu halten.
Und dann der dritte Schritt, den finde ich extrem wichtig und der macht mir persönlich auch am meisten Spaß, ist einfach mal was zu bauen mit der KI.
Und zwar etwas, das nicht mit dem Tätigkeitsfeld, das man ausübt, direkt zu tun hat, sondern irgendwas totally outside my lane.
Also irgendwas, vielleicht interessiert mich da so ein bisschen im Themenbereich, aber ich habe damit eigentlich nichts zu tun gehabt.
Ich muss das jetzt neu kennenlernen, weil was man dann wirklich sieht, ist, wie schnell man Kompetenzen aufbauen kann mit Hilfe der KI.
Ich kann ja von heute auf morgen irgendwie ein professioneller Maschinenbauer werden, aber ich kann mir schon extrem schnell Kompetenzen aufbauen.
Und das gibt dann wirklich auch dieses Gefühl von Empowerment.
Und dann ein anderer Schritt, und das ist das, was du meintest, ist mal eine Hypothese zu erstellen, dafür, wie der Job, mein Job in der Zukunft aussieht.
Das ist eine Hypothese.
Ich setze mich hin, also Eva verlässt das Unternehmen, mein Chef muss jetzt die Stelle nachbesetzen, wie würde die jetzt aussehen?
Natürlich mit dem Wissen, dass KI einiges verändert hat an dem Bild.
Dann schreibt man diese Hypothese und bricht es dann auch vielleicht in kleine Teile runter und testet die dann.
Das ist dann auch ganz wichtig.
Also zum Beispiel, ich bin eine Buchhalterin und ich kenne mich total gut aus mit allen buchhalterischen Regeln und mache den Job mit Links.
Und in dieser Hypothese steht aber, dass diese Regeln von der KI gekannt werden, ausgeführt werden, diese Prozesse.
Und ich nur noch natürlich das Urteilsvermögen beisteuere und darauf schaue, ob das auch wirklich stimmt, was die KI da produziert.
Das ist ja nicht immer der Fall.
Und dann mache ich das einfach mal.
Dann teste ich die Hypothese und mache mal für zwei Wochen lang, lasse mal die KI so einen AB-Test.
Ich mache den Job noch, aber die KI macht den Job daneben.
Und ich schaue mal.
Ist meine Urteilsfähigkeit ausreichend gegeben für diese Art der Tätigkeit?
Und dann gehe ich vielleicht noch weiter und sage, okay, ich mache das jetzt mit einem Themenbereich, mit einer Disziplin, da kenne ich mich vielleicht weniger aus.
Da kann ich vielleicht nicht alle regeln.
Kann ich dann immer noch Urteile fällen darüber, ob der Output der KI funktioniert?
Der nächste Schritt wäre wahrscheinlich einfach nur Rinse and Repeat, also das Ganze immer wieder zu machen, also gerade diesen Job runterzubrechen, weil wir wissen alle, wie schnell sich die Dinge ändern heutzutage in der Technologie und meine Antworten sehen wahrscheinlich nächste Woche anders aus als diese Woche oder zumindest nächsten Monat auf jeden Fall und das halt immer wieder, diesen Prozess zu durchlaufen, finden wir wichtig.
Spannend.
Dieses Empowerment, was du angesprochen hast, das fühle ich total.
Das hat mich damals auch relativ schnell schockverliebt werden lassen in die Technologie.
Als ich irgendwie das erste Mal einen Ernährungsplan aufgestellt habe und gemerkt habe, wow, ich nehme gerade wirklich ab.
Oder irgendwie so Fitnessplan oder ich habe meine Kaffeemaschine repariert, Auto repariert, so kleinere Sachen.
Aber alles halt irgendwie mit künstlicher Intelligenz, die mich Schritt für Schritt durchgeführt hat und gemerkt habe, wow, ich kann mit einmal Sachen.
die ich vorher nicht konnte und wo ich mich vorher wahrscheinlich ziemlich aufwendig hätte reinlesen müssen und irgendwie Quellen zusammensuchen müssen, das kann jetzt eben KI machen, kann das genau so zugeschnitten, dass ich es kapiere, mir wiedergeben.
Ich glaube, das ist tatsächlich die absolute Superpower und das funktioniert natürlich auch mit KI selbst.
Ich sage ja immer, Künstliche Intelligenz oder generative KI ist die einzige Technologie, die im Stande ist, sich selbst zu erklären.
Also man kann morgen auch KI fragen, wie KI funktioniert, irgendein Chatbot und kann sich damit selbst beibringen.
Ganz, ganz tolle Sache.
Also wie gesagt, nach wie vor großer Fan von dieser Technologie, sonst würde ich das, glaube ich, auch nicht machen.
Aber gut, kommen wir mal zurück.
Du hattest angesprochen, dass Leute natürlich dann auch so ein bisschen, ich sag mal, sich selbst challengen oder gucken, was kann denn KI eigentlich schon, was ich kann.
Und ich kann mir vorstellen, dass da bei den einen oder anderen festgestellt wurde, Oh, das geht doch irgendwie ziemlich nah an der Qualität, wie ich es liefere.
Und es geht zeitgleich bedeutend schneller.
Wozu führt das?
Was passiert mit Leuten, die da möglicherweise sehen, oh Moment, das ist meine berufliche Existenz, die hier angegriffen wird.
Wie fängt man die ein?
Wie geht man damit um?
Ja, es gibt tatsächlich verschiedene Reaktionen, die beobachten wir auch.
Also sehr viele reagieren, so wie wir das gerade beschrieben haben.
Wir empfinden das als Empowerment, als Befreiung, dieses funktionale Denken.
ist ja auch eine Limitierung in vielerlei Hinsicht.
Und darüber hinaus gehen zu können und zum Beispiel eine Tätigkeit von Anfang bis Ende, von Idee bis Umsetzung verantworten zu können, ohne an den Grenzen der Stellenbeschreibung stehen bleiben zu müssen, das ist natürlich auch eine schöne Sache.
Und sehr viele Menschen sehen das als eine Opportunität und springen da voll rein mit dem ganzen Körper.
Und andere reagieren natürlich schon auch mit Angst, verständlicherweise, weil sie sehr viel Zeit, Mühe, Musse investiert haben darin, diese ...
Fähigkeiten aufzubauen, über Schule, Studium, Joberfahrung.
Dann zum Schluss zu kommen, okay, das kann jetzt von der KI ersetzt werden, das kann natürlich auch wehtun.
Also ich glaube, das Wichtigste ist, das erstmal zu verstehen und damit Empathie zu reagieren und dann nicht einfach drüber hinwegzufahren und dann aber wirklich die Narrative und den Blickwinkel sehr stark auf die Opportunitäten zu lenken.
Ganz spannend.
Also mein Co-Founder sagt das immer, dass er im Grunde gar nicht sieht, dass sein Job jetzt obsolet geworden ist, aber dass sich seine Aufgaben krass verändert haben.
Der ist Entwickler, der hat jahrelang studiert, Programmiersprachen gelernt und so weiter.
Und er sagte, Seit Claude Code, also im Grunde irgendwie so seit ein, zwei Jahren, besteht sein Job, wie bei vielen seiner Kollegen und Kolleginnen auch, gar nicht mehr darin, Code zu schreiben, sondern eher Code zu reviewen.
Etwas, was er vorher gehasst hat und vorhin gesagt hat, das ist eigentlich nie das gewesen, worauf man Bock hatte, wenn man das Ganze studiert hat, um eben eigene Sachen zu bauen.
Aber jetzt übernimmt das die KI.
Das heißt, es kann sich durchaus, also Jobprofile verändern sich, das wissen wir und das ist ja auch nicht durch generative KI erst der Fall.
Aber dennoch kann ich es mir durchaus schwierig vorstellen, dass da Leute auch sagen, nee, das ist ja meine berufliche Identität, auf die ich lange und hart auch hingearbeitet habe.
Und mit einmal ist das jetzt obsolet.
Gab es da Leute, die auch gesagt haben, ja, dann habe ich hier im Unternehmen keinen Platz mehr?
Das gab es.
Es waren nicht viele, aber das gab es durchaus.
Also in allen Bereichen.
Wir haben das im technischen Bereich auch gesehen, weil gerade da natürlich diese Identifizierung besonders stark ist.
Aber sehr viele konnten wir auch mitnehmen auf dem Weg.
Wir haben da auch sehr viel investiert in diese Transformation, weil wir gesehen haben, viele wollten sich das Wissen aneignen und die Fähigkeiten, hatten aber nicht einfach die Zeit dafür.
Also wenn ich irgendwie in diesem täglichen Hamsterrad drin bin und ich habe meine täglichen To-dos und dann heißt es noch, ach ja, nebenbei musst du noch irgendwie Vibe-Coding lernen.
anderes KI-Wissen, die ja ganz schnell aneignen, dann ist das unfair.
Und was wir gemacht haben, ist, wir haben gesagt, okay, wir verstehen das, wir geben euch 20 Prozent eurer Zeit, die ihr nur darin investieren könnt.
Also das haben wir nicht überall gleich gemacht.
Jedes Team hat das ein bisschen anders gehandhabt.
Bei uns im People-Team haben wir das Garage Days genannt, also ein Tag die Woche.
Am Anfang war das schon noch so ein bisschen Also ich würde nicht sagen unkoordiniert, aber es war sehr stark auf Innovation und Ausprobieren und Experimentieren ausgerichtet.
Also manche haben für sich selbst Produktivitätstools entwickelt, andere haben in kleinen Gruppen irgendwelche Versuch Produkte zu bauen.
Und das haben wir so ein halbes Jahr gemacht.
Und dann haben wir gesagt, okay, wir behalten dieses Format bei.
Was übrigens auch nicht eine leichte Entscheidung ist, weil irgendwie 20 Prozent der Arbeitszeit einfach sozusagen darin zu investieren, ist schon ein großes Investment.
Das ist eine Vier-Tage-Woche de facto, die man dann mit einmal hat.
Und das macht man auch nur, wenn man wirklich diesen starken Glauben dran hat.
Den hatten wir schon sehr früh, dass sich das rentiert sozusagen.
Und dann haben wir angefangen, das ein bisschen mehr auch noch zu lenken und zu sagen, okay, das muss irgendein ROI haben.
Also alles, was ihr baut, ihr sollt weiter bauen.
muss irgendwie am Ende des Tages im Unternehmen beim Kunden landen, beim Business landen.
Und haben wir auf verschiedene Arten dann auch so ROI-Calculators angeführt, um halt diese Berechnung zu ermöglichen, ob das, was ich da baue, wirklich Sinn macht.
Und wir haben auch Trainingsformate eingeführt.
Das waren meistens von Mitarbeiter für Mitarbeiter gebaute Trainingsformate.
Das haben wir immer noch einmal die Woche.
Friday Bytes nennen wir das.
Wir haben sehr stark in die Technologie auch entwickelt.
Vielleicht kommen wir zu dem Thema auch noch, weil nachdem wir die Warum-Frage gestellt haben, haben wir auch die Wie-Frage gestellt natürlich.
Und da kommt man sehr schnell dann auch zum Thema Org-Design und Struktur der Organisation.
Und da haben wir sehr viele Möglichkeiten gesehen, agilere Teams zu entwickeln, kleinere Teams, die autonomer schneller arbeiten können.
Dafür muss man aber einen Unterbau.
sozusagen erstmal bauen.
Und der ist eben in großen Teilen auch ein Technologieunterbau.
Und darin haben wir jetzt auch Zeit investiert.
Aber da können wir vielleicht noch drüber sprechen, wenn euch das interessiert.
Unbedingt.
Das wäre auch meine nächste Frage, denn immerhin arbeitet ihr mit hochsensiblen Daten.
Es sind Steuerdaten, es sind Finanzdaten von Kundinnen und Kunden.
Und so wie man natürlich auch ein Vertrauensverhältnis zu einem entsprechenden Steuerbüro braucht, braucht man das natürlich auch zu euch, die...
alles, sage ich mal, soweit es geht, mit KI unterstützen.
Aber erst mal zurück zu dieser ganzen 20-Prozent-Nummer.
Das ist tatsächlich das erste Mal, dass ich das höre.
Ich erlebe das häufig bei Unternehmen, auch so in meinen eigenen Beratungsmandaten, dass man so KI-Literacy-Kurse gibt und dann lernen die Angestellten so ein bisschen eigene Agents zu bauen, welche Dateiformate am besten funktionieren, welche Datenformate, was für Use Cases tatsächlich sinnvoll sind und welche vielleicht eher nicht.
Also das sind ja auch Dinge, die man einfach lernen muss.
Und das Ganze muss natürlich natürlich on the job passieren.
Und früher oder später kommt immer dieser Punkt, an dem die Leute dann feststellen, das ist ja irgendwie alles ganz cool mit der KI, aber es gibt so viele Neuerungen und Updates und ich muss eigentlich so viel auf dem Laufenden bleiben, dass ich das gar nicht schaffe neben meiner 40-Stunden-Woche.
Ich muss ja trotzdem noch irgendwie arbeiten.
Ich habe ja noch irgendwie Sachen auf dem Schreibtisch.
Und ich habe immer da die Empfehlung, dass man sich wirklich einen gewissen Zeitraum blockt.
Ich fange dann immer locker an mit so Freitagnachmittag eine bis anderthalb Stunden, dass man da einfach die Leute mal zusammenbringt und die über KI sprechen lässt und mal erzählen lässt, was habt ihr so diese Woche gehört, was habt ihr vielleicht auch selbst ausprobiert, um einfach aus Silos aufzubrechen, weil KI-Transformation natürlich ein gesamtes unternehmerisches Feld ist.
Dass man jetzt tatsächlich sagt, okay, wir gehen von heute auf morgen auf die de facto vier Tage Woche runter, wobei wir vier Tage dann eigentlich nur noch Kundenarbeit machen und einen Tag komplett mit KI verbringen, das finde ich doch merkenswert.
Ja, wobei man sagen muss, also wie gesagt, das war ein Investment, war ganz bewusst gewählt, aber wir haben natürlich auch sehr schnell den Mehrwert gesehen.
Also was da gebaut wird, hat natürlich auch schnell einen Mehrwert und das haben auch die Mitarbeiter schnell gesehen, dass sie erstens schnell lernen.
Also wie gesagt, Learning by Doing, also klar Trainings und so haben auch ihren Platz, aber wahrscheinlich einen sehr kleinen.
Und das viel Wichtiger ist, sich im Team, also nicht alleine, sondern im Team hinzusetzen und zu sagen, lass uns da mal hier einen Huddle machen und ein Tool bauen.
Und natürlich kann man dann auch schon darauf vertrauen, dass die Mitarbeiter etwas machen, was sinnvoll ist für ihre Arbeit.
Und das haben die dann auch ziemlich schnell gemerkt oder wir alle, dass wir unsere Arbeit dann dadurch sehr schnell auch erleichtern konnten.
Und diese Zeit, die wir investiert haben, auch sehr schnell wieder zurückgewonnen haben.
Sehr cool.
Da würde ich natürlich jetzt gerne mal auf das Wie zurückkommen.
Denn du hast es schon angesprochen, klar, im Team auch Tools bauen oder eigene Agents bauen.
Wie verständigt man sich da?
Ich glaube, ihr seid ja ohnehin international überall irgendwie vorhanden oder habt viele Nationen auch irgendwie in den Teams.
Ihr macht das natürlich dann vermutlich remote.
Die Leute gehen zusammen, überlegen sich, was bauen wir jetzt und dann wird das gebaut?
Oder gibt es da irgendwie vielleicht so eine Blaupause, die du teilen kannst?
Also ich würde vielleicht mal...
mit der Unternehmensstruktur anfangen, weil das war für uns ein ganz, ganz wichtiger Hebel.
Und wir haben uns das vor allem in der R&D, also in der Softwareentwicklungsabteilung angeschaut, wie wir die so umstrukturieren können, dass die Teams eben in kleineren Teams, also wirklich drei Personen, maximal vier, mit einer ganz bestimmten Zielausrichtung, also ganz bestimmten KPIs, autonom arbeiten können.
Und selbstbestimmt und wirklich mit sehr direktem Kunden-Impact.
Was brauchen wir dafür?
Das war mal so die erste Frage, weil das ist sozusagen das Ziel.
Und dann wird festgestellt, wir brauchen da einen gewissen Unterbau.
Also wir haben das jetzt auch mittlerweile, wir haben dem Modell auch Namen gegeben.
Die gehen sehr stark in Richtung Garten.
Ich habe es auch in Organigramm gesehen, das stimmt, das sind ganz viele witzige Begriffe.
Das wäre das gemeinsame Gartenarbeit, was ich sehr witzig fand.
Ich finde, das sind auch gute Analogien in der Garten.
Es wird ja oft Sport oder Militär verwendet, aber ich finde im Garten, also so die Pflanzen zu züchten, ist schön und hat auch sehr viel Wirkung.
Also wir nennen diese kleinen Teams Buds.
Knospen zu Deutsch, die in Orchards, also Obstgärten sozusagen, aufgehängt sind.
Diese Obstgärten sind eigentlich Business Beds.
Also wir wollen, und das ist eigentlich so der wichtigste Punkt, wir wollten weg vom Orch-Chart hin zum Work-Chart.
Also ein Orch-Chart ist, wer berichtet an wen.
Und Workcharts sagt, wer arbeitet woran, um am meisten Impact für den Kunden zu haben.
Und die idealerweise, aus meiner Sicht, ist eine Organisation nach dem Businessmodell strukturiert und nicht nach Funktionen.
Das ist sozusagen meine Vision, dass man immer weiter weg geht von den Funktionen und immer weiter hin zu einem Modell, das die Business-Sicht widerspiegelt.
Und diese Orchards, das sind im Prinzip Business-Bets, also sowas wie zum Beispiel unser DIY-Produkt oder unser, wie nennen wir das, Assisted.
Also, dass man die Steuererklärung mit einem Steuerberater, digitalen Steuerberater, echten Steuerberater über unsere Plattform macht.
Das sind sozusagen die Teams.
Da gibt es verschiedene kleinere Teams da drin, die sind cross-funktional.
Das ist vielleicht auch nochmal ein wichtiger Punkt.
Also wir sprechen von Builders, wir sprechen nicht mehr von Engineers, Designers, Produktmanager.
Also das ist in Teilen auch nochmal so ein bisschen idealistisch und futuristisch.
Also wir sind da noch nicht ganz, das ist alles noch Work in Progress, aber das ist sozusagen die Vision und die Idee, dass wir sagen, jeder kann bauen.
Und jeder hat superpowers, vielleicht ist jemand ganz gut im Design und jemand anderes ist ganz gut im Engineering und Coding, aber eigentlich sollte jeder bauen können.
Um das aber, diese Unabhängigkeit der Teams und diese Freiheit ermöglichen zu können, braucht man eine Ebene drunter, die nennen wir Trunks, also die Stämme, die die geteilten Systeme und Prozesse zur Verfügung stellen.
Sowas wie zum Beispiel Payments.
Man will ja nicht, dass jedes kleine Team das neu erfindet.
Das ist so, wie wenn du ein Haus baust.
Da würdest du auch nicht für jedes Zimmer ein eigenes Heizungssystem bauen und irgendwo Erdwärme und eben anderen Gas und Öl und so weiter, sondern du würdest halt ein Heizungssystem bauen.
Das ist immer so ein schwieriger Balanceakt, weil du willst da nicht zu sehr zentralisieren, du willst immer noch genug Flexibilität für die Teams lassen, aber wir haben eben sehr viel Zeit darauf verwendet, sich zu überlegen, was sind denn diese Trunks.
Payment ist so ein Beispiel, von dem alle kleinen Teams, Buds profitieren.
Und das wird natürlich mit der KI gebaut.
Dann gibt es eine Ebene drunter.
Also wir visualisieren das als Ebenen.
Das ist vielleicht nicht ideal, aber es ist am einfachsten.
Und darunter sind die sogenannten Roots, die Wurzeln, die für die Craft Standards zuständig sind.
Also wenn du jetzt die Funktionen abbaust und dieses domainspezifische Know-how so ein bisschen auflöst oder verweist und demokratisierst.
dann brauchst du immer noch irgendwo eine Instanz, der oder die dafür sorgt, dass wir immer noch die besten Design-Standards haben und die besten Produktmanagement-Standards und Engineering-Standards.
Und das auch weiterentwickeln, also dann nicht stehen bleiben.
Und das sind halt sozusagen die Wurz, das sind noch weniger Leute, die aber sehr stark das sozusagen in unsere KI-Infrastruktur hineinbauen, diese Standards.
Und dann haben wir sozusagen das letzte Ebene, wir nennen das Ground oder die Erde, den Grund.
Das ist wirklich die KI-Infrastruktur, also die Agent Orchestration, Agent Governance, AI Gateways, Knowledge, also die ganzen Kontext-Lehr-Geschichten.
Das ist alles sozusagen wirklich in diese Grundtechnologie eingebaut.
Und das sind wir ganz stolz, das haben wir jetzt gelauncht als MVP.
Und wie gesagt, alles noch ganz stark Work in Progress.
Und so wie du gesagt hast, es gibt ganz, ganz wichtige Governance Compliance Themen bei uns als Fintech-Unternehmen.
Und da machen wir überhaupt keine Kompromisse.
Und das muss natürlich auch...
Bevor wir darauf kommen, muss ich einmal feststellen, es ist herrlich Start-up.
Ich liebe es total.
Also Bilder zu malen, Strukturen neu zu denken und die dann entsprechend zu benennen, finde ich absolut großartig.
Aber es ist viel mehr als Buzzwords, muss man sagen, weil es absolut Sinn macht.
Und ich liebe dieses Bild vom Garten, weil du am Ende natürlich etwas pflanzt, pflegst und irgendwann auch erntest.
Und das ist einfach ein Prozess.
Und ich muss sagen, das ist, glaube ich, das schönste Bild für KI-Transformation, muss ich an der Stelle sagen, was ich je gehört habe.
Wie so ein Garten.
Es klingt auch eher nach einer entspannten Arbeit.
Jeder, der mal im Garten arbeitet, weiß, das kann man gut entspannen.
Es macht auch, ich glaube, wissenschaftlich belegt glücklicher, wenn man im Garten arbeitet.
Ganz großartig, muss ich an der Stelle sagen.
Jetzt muss ich aber tatsächlich ja mal auf den Boden kommen, im wahrsten Sinne des Wortes.
Mal fragen, was für Tools nutzt ihr denn?
Ja, also das ist eine sehr gute Frage und auch ständig in Diskussion.
Also wir haben Cloud für alle zur Verfügung gestellt.
Wir sind auch in der Google-Welt ganz stark verankert.
Wir nutzen auch vor allem für die Effizienzsteigerung so LangDoc.
sagt das sicherlich auch was.
Und NITN.
Wir versuchen immer wieder natürlich zu konsolidieren und sehr viel ist auch selbst gebaut.
Also das, wovon ich gerade gesprochen habe, diese KI-Infrastruktur, das ist natürlich alles wirklich aus dem eigenen Haus, weil das ja highly customized ist.
Aber ja, das ist so unser Tooling.
Also sehr cool.
Also Claude als General Purpose AI Tool von Anthropic kennt, glaube ich, jeder.
Google lieb ich tatsächlich auch.
Wir sind auch in der Google-Infrastruktur, weil die Anbindung an alle möglichen Tools einfach so einfach ist.
Das ist so fantastisch.
Also da muss ich wirklich sagen, Hut ab, gut geregelt.
Langdoc ist das, sage ich mal, das deutsche General Purpose AI Tool.
Schlechthin kenne ich persönlich sehr gut.
Das ist natürlich irgendwie eine ganz spannende Sache.
Was passiert denn jetzt, wenn jemand sagt, Ihr habt einen New Joiner, der sagt, boah, irgendwie arbeite ich mein Leben lang schon mit ChatGPT und ich habe jetzt irgendwie keinen Bock auf Claude umzusteigen.
Wie geht man denn damit um?
Du sprachst ja von der Flexibilität und wenn wir vielleicht im Bild auch bleiben, wächst ja vielleicht auch nicht jede Pflanze auf dem gleichen Boden gleich schnell.
Ja, guter Punkt.
Ich bin so drin jetzt.
Ja, können doch gerne weiter machen.
Ja, also ich glaube, es versteht aber auch jeder, dass diese Tools teuer sind.
Also natürlich hätten wir gerne alle Tools, aber das ist einfach nicht kosteneffizient.
Und das ist so schon teuer genug.
Es ist ein riesen Investment.
Und da muss man eigentlich gar nicht so viel erklären.
Also wir hatten den Switch, wir hatten vorher auch OpenAI und sind dann zu Anthropic gewechselt.
Und wer weiß, was die Zukunft bringt.
Also muss man immer offen bleiben.
Und das war auch, fanden nicht alle toll natürlich.
Das war gerade zu einem Zeitpunkt, wo Cloud sehr gehypt war.
Insofern war es ein bisschen einfacher.
Und jetzt überlegen wir auch natürlich, also unser Engineering-Team benutzt auch Cloud als Harness ganz stark.
Ob wir da jetzt nicht auch davon weggehen und eher auf ein offenes Modell hinarbeiten, das uns unabhängiger macht.
Das ist höchstwahrscheinlich der nächste Schritt.
Aber zu deiner Frage zurückzukommen, ja, gab es ein bisschen schon, aber ehrlich gesagt in Maßen.
Also die meisten arbeiten auch gern mit Cloud und wir versuchen natürlich auch dann irgendwie die Leute zu unterstützen, Tool, Trainings und so weiter.
Und da hatten wir eigentlich nicht besonders viele Probleme mit der Veränderung.
Aber es ist cool, ihr habt eigentlich alles abgedeckt.
N8N hatte ich noch vergessen, das Automatisierungstool übrigens auch sehr spannend, weil man das relativ problemlos on-prem, also auf eigenen Geräten laufen lassen kann und damit sich eigentlich alles andere spart.
Sehr spannend, auch, dass ihr natürlich dann so flexibel seid in der Tool-Landschaft, wenn du jetzt sagst, okay, man überlegt dann vielleicht nochmal zu wechseln.
Das ist wirklich so Tipp Nummer eins an alle da draußen, die jetzt zuhören.
Wenn ihr so anfangt mit der Transformation, lasst euch nicht drauf ein, irgendwie so zehn Jahresverträge mit irgendwelchen Anbietern zu machen, sondern baut flexibel.
Von vornherein flexibel bauen, sodass ihr im Zweifel von heute auf morgen switchen könnt und ein anderes Tool nutzen könnt für eure Use Cases.
Denn das hat einfach nochmal den anderen Vorteil, dass ihr euch politisch unabhängiger macht, wenn man so denkt an die Situation.
Zurückdenkt an die ganze Causa des Mythos-Modells von Anthropic, das damals auch mit einmal von heute auf morgen nicht mehr verfügbar war, weil Trump gesagt hat, das ist zu gefährlich und dann musste Anthropic das tatsächlich auch rausnehmen.
Man ist einfach gut beraten, glaube ich, sich nicht auf einen Anbieter einzuschießen.
Dafür ist die Entwicklung auch einfach viel zu schnell.
Das würde mich vielleicht zur letzten Frage bringen.
Wie haltet ihr den Stand bei dieser Entwicklung, die ja gerade in den letzten Monaten, ich meine, ich mache das ja hauptberuflich jeden Tag, 24-7 quasi.
Und ich muss sagen, teilweise, wow.
Also, wenn ich nicht irgendwie ein Redaktionsteam hinter dem Podcast hätte und irgendwie ein Co-Founder und ein entsprechendes Netzwerk, würde ich, glaube ich, auch nicht mehr mitkommen.
Oder eben eigene KI-Tools, die mich aufklären.
Wie könnt ihr das darstellen?
Wie regelt man das im Unternehmen, dass man da den Anschluss nicht verliert?
Also ich glaube, das erste ist mal eine kulturelle Frage und Role Modeling.
Also wir zum Beispiel im C-Level Team, wir nehmen das Thema auch sehr ernst, egal in welcher Funktion wir sind.
Also ich mache klassischerweise HR, kann man sagen, was habe ich mit der KI am Hut, aber ich beschäftige mich täglich mit dem Thema, belese mich, höre schöne Podcasts wie dein und versuche auch selbst zu bauen.
Also versuche auch wirklich mein technisches Wissen da auszuprobieren.
bauen und einzusetzen.
Und das machen wir im Management alle und halten uns da gegenseitig auch so ein bisschen am Laufenden.
Und es erzeugt natürlich auch so ein bisschen Vibes, wenn wir da immer auch mitreden können.
Und das kriegen die Teams auch mit.
Und natürlich nutzen wir auch die KI, um uns am Laufenden zu halten.
Also mit Summaries und Updates über Slack täglich zum Beispiel.
Sehr cool.
Das ist doch mal spannend.
Und vielleicht noch eine Frage, wie kommt das eigentlich bei den Kunden an?
Das habe ich jetzt ganz vergessen, weil natürlich gibt es ja durchaus auch Leute, die sagen, nee, Moment, wenn ihr mit künstlicher Intelligenz arbeitet, möchte ich das nicht.
Vor allem vielleicht, weil man eben mit entsprechenden Daten dann natürlich auch hantiert.
Ich hatte es angesprochen, sensible Informationen.
Wie kommuniziert ihr das und was gibt es da eigentlich so für Feedback?
Ja, das ist eine extrem gute Frage und natürlich ist das eine, die wir uns auch gestellt haben und auch in der Zukunft stellen werden.
Also wir sehen natürlich generell, das Nutzerverhalten verändert sich mit der KI.
Also es gibt immer mehr Menschen, die LLMs täglich verwenden und diese Art der Kommunikation.
sich immer wohler damit fühlen.
Es ist natürlich das Steuerthema nochmal ein bisschen anderes, wo man natürlich will.
Und übrigens, wir haben auch das deterministische System immer noch und das behalten wir auch bei.
Also die KI, die wir nutzen, die wird oben drauf gelegt sozusagen.
Und wir haben auch Verschiedenes ausprobiert.
Also wir haben auch versucht, das von Grund auf neu zu bauen.
Aber wir haben dann für uns, glaube ich, eine ganz gute Lösung gefunden.
Aber zurück zum Kundenverhalten.
Wir testen das in Teilen auch noch.
Also das ist auch noch geteilt.
Wir gehen schon davon aus, dass dass...
die Entwicklung sehr stark in die Richtung geht, dass dieses offene Fragen stellen, dann einfach ein Dokument hochzuladen, dann wird das ausgelesen, dann muss ich die Fragen gar nicht mehr beantworten, weil die KI hat das schon verstanden, das steht ja alles im Dokument und so weiter, dass das immer mehr die Norm wird.
Wir sehen aber immer natürlich auch noch Kunden, die lieber diesen klassischen Questionflow haben wollen, also Frage, Antwort, Frage, Antwort in diesem vorstrukturierten Modell, das sie einfach schon seit Jahren so kennen.
Und das Schöne an der KI ist natürlich auch, dass man sehr stark personalisieren kann.
Also man kann natürlich auch dem Kunden das geben, was er oder sie will.
Ja, dann bin ich natürlich sehr gespannt, wann wir die Steuererklärung auf Knopfdruck bekommen würden.
Und natürlich müssen wir dann trotzdem noch drei, vier Monate warten, bis das Finanzamt soweit ist, das alles gecheckt zu haben.
Aber vielleicht tut sich da ja auch was.
Eva, vielen lieben Dank, dass du heute da warst.
Danke, die Max.
War ein tolles Gespräch, tolle Fragen und ich freue mich auf nächstes Mal.
Wir beobachten das Ganze weiter.
Bis dahin.
Ciao.
Tschüss.
Ja, liebe Leute, das war Eva Glanzer von Taxfix und ich muss sagen, die Folge hat einmal mehr gezeigt, dass KI eben nicht dieses...
One-Shot, wir schaffen mal ein Tool an und werfen das einfach ins Unternehmen und alle werden irgendwie am Ende schlau draus ist, sondern dass es viel mehr bedeutet.
Also Unternehmenskultur, Lernkultur, sich Zeit blocken, um auch KI zu üben, auszuprobieren, rumzuspielen, auch zu scheitern und da wöchentlich einen Tag komplett für zu blocken, ist durchaus eine Methodik, die man anwenden kann.
Eine andere, die ich sehr spannend finde, die ich auf jeden Fall aus der Folge mitnehme, ist diese Berufsbezeichnungen oder die Stellenausschreibungen, auf die man sich damals beworben hat, nochmal neu zu definieren für sich selbst.
Weil KI natürlich alles verändert, wie wir arbeiten.
Ja, also hat durchaus mal mehr, mal weniger, aber hat durchaus Einflüsse auf unsere Abläufe über das, was wir eigentlich noch tun.
Und diese Methodik, sich selbst auch damit auseinanderzusetzen, was einen eigentlich auch noch in seiner Arbeit ausmacht mit KI, finde ich eine schöne Methodik.
Ich glaube, das werde ich übernehmen.
Liebe Kolleginnen, Fragen, liebe Kolleginnen KI.
Wie verändert sich denn mein Job eigentlich durch KI?
Max, ich glaube, dein Job wird durch KI vor allem eines.
Menschlicher.
Denn je mehr ich dir bei Recherche, Vorbereitung und Produktion abnehme, desto wichtiger wird das, was dich ausmacht.
Deine Persönlichkeit, deine Haltung und deine Themenplanung.
KI macht Inhalte immer leichter produzierbar.
Aber echte Begegnungen werden dadurch umso wertvoller.
Ja, das macht durchaus Sinn und in dem Fall könnte man ja wirklich sagen, dass der Einsatz von KI Jobs menschlicher macht.
Paradox eigentlich, oder?
Aber je mehr Routineaufgaben hier auch für diesen Podcast hier abgenommen werden und das ist mittlerweile die ganze Menge, desto eher kann ich mich auf Menschen fokussieren, ins Gespräch kommen, gucken, was sind die nächsten Themen, die hier auch euch interessieren.
Von daher...
Ja, spannend.
Wenn es euch gefallen hat und wenn ihr das Gefühl habt, dass die Themen hier stimmen, lasst uns gerne einen Kommentar da.
Wenn ihr Fragen habt, liked und abonniert diesen Podcast.
Vor allem bewertet uns, das hilft uns am meisten.
Ansonsten bedanke ich mich fürs Zuhören diese Woche, bedanke mich auch natürlich bei unserem Sponsor Eleven Labs und wünsche euch eine fantastische Woche und bis dahin.
Ciao.
Dieser Podcast wird produziert von Podstars bei OMR.