KI: Gipfelsturm statt Absturz - Herbert Pataky und Rocky Khan - #12

Die meisten Unternehmen, die heute "KI-first" schreien, haben keine Ahnung, wie der Abstieg funktioniert. Sie wollen auf den Gipfel, aber sie haben keine Sicherung für den Weg zurück.

In der aktuellen Folge von Masters of Data war Herbert Pataky (Dataciders) zu Gast. Herbert ist seit 2001 in der Datenwelt unterwegs – und er betrachtet Data & AI nicht durch eine sterile Excel-Tabelle, sondern durch die Brille eines Alpinisten.

Was wir besprochen haben:

Das Governance-Paradox: Viele Firmen bauen KI-Systeme wie ein Gebäude – "einmal hinstellen, fertig". Herbert sagt: Das ist der falsche Ansatz. KI ist wie Bergsteigen. Den Gipfel erreichen ist der einfache Teil. Der "Abstieg" – also die kontinuierliche Wartung, Governance und Anpassung – ist das, was den Erfolg ausmacht. Wer das vergisst, stürzt ab.

Mut zur Transformation: Herbert erzählt, wie er mit massiver Höhenangst auf den Großglockner gestiegen ist. Ein mächtiges Bild für alle, die in der IT-Transformation stecken: Führung bedeutet nicht, keine Angst zu haben. Führung bedeutet, den ersten Schritt trotz zitternder Knie zu machen.

Data-Dreaming vs. Realität: Wir haben darüber gesprochen, warum viele Projekte scheitern – nicht an der GPU-Leistung, sondern an der fehlenden Bereitschaft, die internen Prozesse wirklich zu ändern.

Für alle, die in der Datenwelt arbeiten und wissen wollen, warum man für KI mehr als nur technische PS braucht: Hört euch diese Folge an.

____LinkedIn Profile____

LinkedIn Profil von Herbert Pataky: https://www.linkedin.com/in/herbert-pataky-6052b0124/

LinkedIn Profil von Rocky Khan: https://www.linkedin.com/in/khanrocky/

____Business Buch_____

The One Thing von Gary W. Keller

Transcript

SPEAKER_00 0:09

Heute ist es wieder soweit. Eine weitere Folge von Masters of Data BI und AI, dem Podcast für Unternehmer, Sales Leader und unternehmerischen Erfolg im Data BI KI Umfeld. Ich bin der Rocky, ich bin Sales Advisor und arbeite eng mit Unternehmern und Sales Leadern von Data BI und KI Beratung sowie Softwareunternehmen zusammen für die Themen planbares Wachstum, profitable Projektakquise und skalierbaren Vertrieb zusammen. Heute mit am Start Herbert Pataki. Herbert ist wirklich seit über einem Viertel Jahrhundert im Data und BI Business, also länger als KI überhaupt ein Vorstandswort geworden ist. Er ist Gründer von Data Ciders und er ist auch Dozent in Österreich. Wir werden heute sehr viel von ihm erfahren. Schönen guten Morgen, Herbert. Ja, herzlich willkommen. Danke für die Einladung, Rucky. Sehr gerne, Herbert. Herbert, ich habe dich jetzt kurz eingeleitet. Magst du dich mal kurz nichts trotzdem nochmal selbst vorstellen und sagen, wie kam es zu deiner Passion, ein Vierteljahrhundert, im Data and BI Geschäft?

SPEAKER_02 1:21

Ja, sehr guter Punkt. Also alles hat begonnen with der Wahl meines Studiums. Ich had mehrere Möglichkeiten anders, Software Engineering for Business and Finance to study at the University of Applied Science here in Oberösterreich. You man heard a Österreicher, come aus Salzburg, woon my Oberösterreich, in der Nähe von Linz, and have done my academic Laufbahn on the FH Hagenberg began, classical Software Engineering. And then in effect the maßgebliche wink, Berufsbegleit to study, neither job Information Engineering and Management. And that was so the Leidenschaft for Business Intelligence, Analytics. Heutzutage würde man KI sagen. Und das Spannende ist, es dreht sich ja sehr viel um Zahlen, Daten, Fakten, aber im Endeffekt geht es ja darum, das auch in Impact zu transferieren. Und das habe ich relativ schnell da auch im Studium durch die Kombination mit meiner beruflichen Tätigkeit kennenlernen durfen. Und habe dann sehr schnell meine Selbstständigkeit, Freelancer, heutzutage würde man wahrscheinlich Solopreneur dazu sagen, gestartet. Und so ist im Endeffekt auch die Gründung von PASO, von Data Ciders PASO. Ich habe jetzt nicht die ganze Data Ciders gegründet, sondern einen kleinen Teil davon, nämlich den österreichischen Teil, und habe dann mit 01.01.2026 in die Gruppe auch nach Deutschland gewechselt, wo ich jetzt alle KI-Agenten von Data Ciders als Initiative Lead und als Partner betreue und leite. Ihr könnt da jetzt noch Stunden in meiner Vorstellung erzählen, aber ich glaube, das Wichtigste ist, neben meiner Passion für Data und AI mache ich auch gern Sport, bin gern unter Menschen, bin auch ein Corporate Ambassador, darum auch sehr aktiv auf LinkedIn und auch auf den Events und schaue, dass ich praktisch da die Wirkung nicht nur nach innen, sondern auch nach außen vorantreibe. Und freue mich auch auf das Gespräch heute mit dir, Rocky, weil das sind im Endeffekt genau die Chancen, die so spannend machen, dass man über das reden kann und darf, was auch natürlich beruflich einen Impact hat, aber auch eine Leidenschaft ist. Je lieber man etwas macht, desto besser macht man es.

SPEAKER_00 4:00

Vielen Dank, Herbert, für die Vorstellung. Und du hast ein sehr wichtiges Wort heute gesagt. Impact, darauf will ich auch noch später im Laufe des Podcasts immer wieder eingehen. Wo sehen wir denn Impact? Weil niemand macht Datenprojekte, weil er morgens aufsteht und sagt, ich habe jetzt nichts zu tun, jetzt machen wir mal so ein Data Governance für ein ETL-Projekt oder irgendein KI-Projekt, weil das so fancy ist, das macht keiner.

SPEAKER_02 4:22

Bin ich mir gar nicht sicher. Es gibt sicher ein paar Techis, die lieben das. Aber es ist halt dann vielleicht nicht der Impact im Fokus.

SPEAKER_00 4:30

Ja, das kann es auch sein. Es gibt ja auch diese Innovationsgeschichten-Hubs, wo man dann gerne mal neue Dinge mal ausprobiert. Aber wenn man das mal ausklammert, also kein Vorstand für ja siebenstellig einfach mal so aus Jux und Dollerei mal investieren, wenn er keinen Impact erwartet. Aber dazu, oder vielleicht können wir auch dazu mal auch direkt mal beginnen, mal anders. Wenn man sich mal so die Websites von sämtlichen Unternehmen anschaut, sei es jetzt Startups, sei es ja mittlerweile ein Muss, wenn man sich jetzt auf irgendeinen klassischen Corporate-Websites sich anschaut, jetzt ohne welchen Namen nennen zu wollen, ist das jetzt Lippenbekenntnis oder ist das oder auch in allen möglichen Marketingfolien, jeder sagt ja, jeder im Führungsteam sagt ja, wir sind datengetrieben. Wir haben KI im Haus, ja. Und du schaust ja schon seit 25 Jahren gemeinsam mit deinem Team immer unter die Motorhaube. Herbert, wie groß ist denn die Lücke zwischen dem, was Sie glauben zu haben, und dem, was du tatsächlich dann in den Projekten vorfindest?

SPEAKER_02 5:32

Guter Punkt. Es gibt ja verschiedene Reifegradmodelle. Professor Gluchowski hat das das erste Mal 2001 geprägt. Ich bin da ein großer Fan auch von seiner akademischen Arbeit und habe das auch immer wieder versucht in die Praxis zu überführen. Ich betone bewusst versucht, weil genau dieser Gap zwischen Theorie und Praxis, der macht es auch so herausfordernd, aber auch so spannend für uns als Berater. Weil Selbstbild und Fremdbild ist nicht nur in der Psychologie, sondern auch in der Unternehmenswelt oder in der Unternehmenspsychologie ein starkes Thema. Ich denke, viele Unternehmen schätzen sich da vor allem auch die Entscheider schätzen sich da positiver ein, als die Realität wirklich ist. Weil jetzt nur eine Initiative zu starten oder Co-Pilot auszurollen oder ein Data Warehouse zu installieren, ich sage immer gern despektierlich, 10 Kilo Software kaufen und alles ist gut, wie an der Fleisch- oder Wursthecke. Das funktioniert halt nicht, ist aber leider in wenigen Fällen noch immer Usus. Und da versuchen wir natürlich auch gegenzusteuern, auch ein bisschen Realität reinzubringen. Es fängt alles bei den Daten an. Und da wird es dann meistens schwierig. Also das sieht man schon, da will man dann zaubern. Mit KI kann man heutzutage viel zaubern, also auch gerade im Bereich der Datenkuratierung. Aber es fängt beim Mindset an. Also ich bin da ein großer Fan, auch das Mindset im Management da zu enablen. Weil nur dann, wenn man dieses Commitment, dieses Check-in, ich sage da auch gerne immer, die Patronanz, die Führung durch die Geschäftsleitung, wenn man das hat, dann kann man auch wirklich Großartiges umsetzen. Dann geht es gar nicht um Budgets oder egal ob monetär oder Zeit, sondern dann geht es um eine Mission. Und diese Mission, Self-Driving Company, ist am Anfang, ich würde bewusst sagen am Anfang, und hat durch KI jetzt ein neues Level bekommen. Es geht schneller, es geht vielleicht sogar radikaler und konsequenter, aber man darf die Menschen da nicht vergessen. Und genau dieser Menschenaspekt, ich bin studierter Informatiker und spreche immer gern über Organisationsentwicklung, über Menschen und Inklusion da auch im Berufsleben. Aber ich glaube, es zeigt den Zahn der Zeit, wo wir einfach gerade stehen, was gerade auch wirklich erforderlich ist.

SPEAKER_00 8:16

Stimmt.

SPEAKER_02 8:18

Wichtig auch hier, dass wir sprechen drüber.

SPEAKER_00 8:21

Jedes Datenprojekt oder Softwareprojekt ist ja auch im Grunde ein Change-Projekt. Man macht ja Dinge dann komplett anders. Und der Klassiker ist ja, was ich auch sehr häufig höre, ist und auch hier auf dem LinkedIn-Post immer sehe. Alle wollen jetzt super fancy KI machen, aber wenn man dann reinkommt, stellt man fest, okay, du hast einen Datenholokost, also die Daten sind nicht mal integriert, du hast Schnittstellen nicht vorhanden, Datenqualitation, Doubletten, alles möglich. What would you then say, Herbert, in dear, when you in these Projekts malware blickst, hast du mal so ein Muster erkannt? When Führungsteams sagen, hey, we are doch super KI Daten getrieben, we can do all this rich, Herr Pataki. Welches Muster siehst du dann in my 8 von 10 Fällen?

SPEAKER_02 9:16

Im Endeffekt geht es um die Geschwindigkeit. Wie schnell kann ich Entscheidungen herbeiführen? Und wir als Data Siders haben ja als Vision, niemals wieder schlechte Entscheidungen treffen zu müssen. Und je schneller man Entscheidungen treffen kann, fundierter auf Basis von Zahlendaten, Fakten und nicht auf Bauchgefühl, desto self-driving fähig ist eine Company. Und das fängt an bei Bestellprozessen, geht über Zugänge überhin zu Projektorganisationen und Kick-Off-Meetings. Und da bekommt man schon Gefühl, also es sind die banalen, einfachen Dinge, die eigentlich die sekundäre Wertschöpfung. Und da erkennt man aber, wie digital und auch wie self-driving-Entscheidungen herbeigeführt werden. Natürlich immer mit Human in the Loop. Also das war ja früher bei Digitalisierungsprojekten auch schon immer das Gleiche. Heutzutage spricht bei KI jeder über dieses Human in the Loop. Aber ehrlicherweise, es hat ja immer schon Freigabeprozesse gegeben oder automatisierte Prozesse anhand von Wertgrenzen. Heutzutage nennt man es Guard Wales, also es ist schon sehr viel alter Wein in neuen Schläuchen, fancy verpackt. Nur was sich halt schon geändert hat, ist die Geschwindigkeit. Egal wohin man blickt, ob es jetzt die Hyperscaler sind oder die kleinen KI-Startups. Es geht wahnsinnig schnell. Und die Frage ist, wie kann man als Organisation diese Geschwindigkeit für sich nutzen? Oder wird man überrollt von der Geschwindigkeit, also wo die Geschwindigkeit dann gegen einen arbeitet. Ich glaube, da liegt auch die Herausforderung, die positiven Aspekte mitzunehmen und die positiven Aspekte da auch zu nutzen. Und um auf deine Frage zu antworten, wie erkennt man es? Ich glaube, man erkennt es wirklich in den ersten fünf Minuten im Gespräch mit dem Projektleiter, mit dem KI-Projektleiter, mit dem Data und AI-Projektleiter, wie weit die Organisationsreif ist.

SPEAKER_00 11:30

Wenn du mal rückblickst jetzt in den letzten 25 Jahren, was würdest du sagen, jetzt abgesehen von der Geschwindigkeit oder auch vielleicht von der Technologie, was hat sich denn radikal verändert im Markt?

SPEAKER_02 11:44

Was hat sich radikal verändert? Klar gab es die technologischen Themen mit In-Memory, Cloud-Technologie, also die muss man schon berücksichtigen, auch die Transformer-Modelle, die da jetzt so gehypt werden, oder generell die neuen KI-Technologien. Was sich meiner Meinung nach geändert hat, ist vielleicht auch die Art und Weise, wie wir Menschen auf Technologie reagieren. Es war immer schon Teil unserer beruflichen Tätigkeit. Wenn man an EDV zurückdenkt, ich bin ja noch ein Kind der Generation EDV, elektronische Datenverarbeitung. Ich glaube, es gibt sehr viele Muster, die sich wiederholen. Die Frage ist, wie wir als Menschen damit interagieren, wie offen wir sind, wie flexibel. Ich präge da auch immer gern das Wort Geländegängigkeit, weil mit der Maschine am Feld in der Umgebung, weil im Endeffekt wir wollen ja unseren Geschäftspartnern da Hilfe leisten bei ihrer unternehmerischen Tätigkeit. Und da rumpelt es halt gern mal, da ist halt gern mal ein bisschen holprig und Technologie helfen. Und ich merke, dass das ist, es wurde holpriger. Also es war schon mal angenehmer, wahrscheinlich auch bedingt durch die Umgebung, geopolitische Spannungen, technologischer Fortschritt, Generationenwechsel. Wir leben gerade in diesem Boomer in Rente gehen, Dilemma. Generation Z, Generation Alpha. All das zusammen, Geschwindigkeit, all das zusammen hat schon schwieriger gemacht. Also das muss man sagen, die Zeiten, in denen wir leben, bieten Herausforderungen, macht es aber auch wieder spannend. Also ich bin ja einer, der will Abwechslung, der will neue Themen. Wir dürfen die Menschen nicht vergessen, die halt ein anderes Stresslevel, andere Resilienzbedürfnisse haben. Und das hat sich sicher geändert. Der Bezug, Mensch, Maschine, Technologie, Umfeld, da merke ich Änderungen, auch bei meinen Studierenden. Das ist vielleicht Thema für die nächste Frage dann.

SPEAKER_00 14:04

Ja, danke. Jetzt hast du eine schöne Brücke gebaut. Das ist eine sehr schöne Brücke gebaut, Herbert. Da hat sich auch im Vorabgespräch gesagt, ich würde auch gerne diese Brücke da auch verbinden. Wenn du mal mit deinen Studierenden jetzt in Vorlesungen mal unterhältst, wie ist denn so das Gefühl oder die Stimmung? Was nimmst du denn da wahr? Siehst du eher sehr viel Skepsis oder Angst oder Zweifel, KI wird alles revolutionieren anders wird total anders. Was nimmst du wahr?

SPEAKER_02 14:35

Also grundsätzlich, der Studiengang oder auch die Vorlesung, die ich halte, ist aus heutiger Sicht sehr traditionell gehalten. Business Intelligence, Analytics, Data Warehousing. Heutzutage würde man KI dazu sagen, wenn natürlich nicht das Hochschulgesetz andere Zyklen hat. Man spricht da von fünf bis sieben Jahren, wo so ein Curriculum stabil sein muss. Das ist natürlich total schwierig. Schauen wir mal fünf Jahre zurück, da hat wahrscheinlich noch niemand über Transformer-Technologie oder LLMs gesprochen. Wenn ich jetzt einfach mal zurückdenke, ich mache das jetzt doch schon Zeit, die ersten 10, 10, 15 Jahre war das Ganze sehr stabil. Da gab es vielleicht mal in Memory-Technologie, wenn man so an die S4HANA oder auch an die Microsoft-Themen denkt. Heutzutage haben wir in Wochen- oder im Monatsrhythmus neue Modelle, ob es jetzt Open AI, Cloud oder DeepSeek oder andere ist. Und da auch Spur zu halten und die Geschwindigkeit, die Pace aufzunehmen, ist auch für uns als Lehrende, als Dozenten eine Herausforderung. Viele gibt es, die sind von dem selber überrannt und überwältigt. Und andere, die tigern sich da wirklich rein und versuchen, ihren Studierenden da auch Themen zu liefern. Ich merke aber selber, auch die Studierenden sind ein wenig ja überlastet, ist vielleicht das falsche Wort, aber sie gehen so einen Schritt auf Distanz auch und wollen bewusst auch in der Hochschullehre back to the roots. Was ist denn die wirklich das Fundament der Lehre? Vielleicht auch mit Blick auf Work-Life Balance. Also auch das kann natürlich ein Thema sein. Meine Studierenden studieren berufsbegleitend und berufsbegleitend bedeutet 40-Stunden-Job, vielleicht manchmal auch ein bisschen mehr, und dann noch am Wochenende, Freitag, Samstag, die neuesten Themen. Da ist schon ein gewisser Grad auch an Resilienz notwendig und das challenged alle. Also es ist wirklich eine Herausforderung und ich merke das jetzt auch im Langzeitvergleich. Die Studierenden haben ein gesundes Verständnis auch zu Lehre, zu Job und auch zu dem, was im Leben zählt. Also diese viel zitierte Work-Life-Balance oder Work-Work-Balance, wie man es immer nennt, da hat sich was geändert. Merkt man ganz klar.

SPEAKER_00 17:26

Ja, du hast ja auch hier ein paar wichtige Themen genannt. Resilienz, wenn ich das Wort Resilienz höre, muss ich immer sofort an Stress denken. Ja, muss ich immer sofort denken. Also man wird ja Resilient, wenn man eben sowas überlebt hat. Und manche sehen das ja auch als Druck, wenn jeden Monat immer was Neues rauskommt. Manche, die haben da Spaß, die haben da eine Passion und sagen, ja, cool, jetzt lerne ich wieder was. Mich würde mal interessieren, du sagst, 40% sind ja mit einem halben Fuß im Unternehmen drin. Welches Muster siehst du da? Sind die dann eher bei klassischen Data-Beratungen? Sind die beim Hyperscaler? Sind die vielleicht bei Corporates? Also welches Muster siehst du denn da?

SPEAKER_02 18:06

Also ich habe dieses Jahr 32 Studierende, das ist 100% mehr als letztes Jahr. Normalerweise immer so 16, 17, 18. Man merkt dieser KI-Boost, wahrscheinlich auch die Sichtbarkeit durch Data Ciders, die Sichtbarkeit durch mich selber, die bringen Zustrom auch an Studierenden. Also das ist schon ganz wichtig, wie das funktioniert und auch ganz interessant zu sehen, wie das funktioniert. An den Studierenden selber, wirklich all das, was du genannt hast: Corporates, Hyperscaler, Beratungsunternehmen, aber immer mit Fokus auf Data and AI, das merkt man schon, so Head of Data and AI, Head of Daten Platform, Data Platform Engineers. Es sind eher die management-nahen Funktionen, das heißt ja Information Engineering und Management, da merkt man schon. Und man merkt auch, diese Positionen zieht es sehr stark auch Richtung C-Level. Also die C-Level-Karriereleiter wird sicher auch durch solche Fortbildungen, solche akademische Fortbildungen beflügelt. Ich merke das auch aus der Historien. Viele von meinen Studierenden, die begleiten heutzutage IT-Leiterpositionen, Abteilungsleiterpositionen, haben selber Unternehmungen gegründet mit Fokus auf Data AI. Und ich glaube, das ist auch bei vielen der Hintergrund. Die wollen nicht stehen bleiben, die wollen weiterkommen, die wollen die Karriereleiter emporklimmen und brauchen dazu auch ein solides Fundament aus der Praxis und auch aus der akademischen Hochschullehre.

SPEAKER_00 19:59

Meine Frage ging eher in die Richtung, Herbert, was wäre so die Aufteilung? Also siehst du da ein Muster, dass die Studierenden eher verstärkt im Corporate sind oder doch ein Drittel oder ist es aufgeteilt? Also mich würde mal diese Aufteilung meint.

SPEAKER_02 20:16

Guter Punkt, die hat sich verschoben. Also wenn ich da jetzt mal ein Jahrzehnt zurückblicke, hatten viele noch auch das Entrepreneur-Denken, wo es auch Richtung Selbstständigkeit geht. Ähnlich wie bei mir. Ich habe ja diesen Studiengang mehr oder weniger selber auch geprägt, mit meiner Selbstständigkeit dann und mit dem Fokus auch Beratung zu machen. Es ist jetzt mehr ein Trend Richtung Corporate und auch Richtung Governmental. Also man sieht schon, die nachrückenden Generationen scheuen mehr das Risiko, sind risikoaverser, risk contingency, englisches Fachwort, und wollen mehr die Sicherheit auch haben, ob es jetzt in Corporates ist oder auch in governmental Bereichen, ist vielleicht auch ein Zahn der Zeit. Die Pandemie hat doch sehr viel Unsicherheit in dieser Generation Z und Generation Alpha geprägt und wahrscheinlich kommt da auch ein bisschen der Wunsch, in Corporates oder auch in Governmental Sicherheit zu finden. Ich weiß aber noch nicht, was da was die Auswirkungen sind, weil KI auf der einen Seite hat ja sehr viel Einflussnahme auch auf die zukünftigen Jobs. Das heißt Routinetätigkeiten, wiederkehrende Tätigkeiten, auch komplexe Tätigkeiten in der Softwareentwicklung, die werden wahrscheinlich durch KI unterstützt werden und teilweise wahrscheinlich sogar sehr stark beeinflusst werden. Und da ist auch ein Spannungsfeld. Und ich merke halt, Jugendliche, auch frische Absolventen von den Unis, egal ob jetzt MINT-Bereiche oder Betriebswirtschaft, die tun sich schon schwer, Jobs zu finden. Einer aus meinem Umfeld musste 250 Bewerbungen abwaken, um so seine Traumstelle zu finden oder seine Stelle, die ihm am besten zusagt. Und das ist schon Zahn der Zeit, guter Notenschnitt, super auftreten. Aber die Jobs fehlen wahrscheinlich dann auch. Und das ist halt so ein Thema, das auf uns als Gesellschaft zukommt. Wie wir mit dieser Transformation umgehen müssen, mit der Ausbildung umgehen müssen und mit den Jobs der Zukunft, keine Frage.

SPEAKER_00 22:52

Wow, also 250 Bewerbungen, das ist ja schon heftig. Ich weiß noch damals, wo ich die Welt studiert hatte an Loni Mannheim, 2008, da gab es ja noch die Finanzkrise. Ich habe damals noch zum Glück studiert, ich war noch nicht fertig geworden. Aber ich weiß auch, da haben dann ein paar Kommilitonen zu mir gemeint, die sie meinen so, ja Rocky, für eine Stelle, und das war nicht mal so eine Traumstelle, da gab es 50 oder 80 Bewerbungen auf eine Stelle. Das war schon ziemlich viel. Und jetzt, was du sagst, 250 Bewerbungen raushauen, das ist ja schon, boah, da muss man schon sehr viel Resilienz haben. Sehr viel ausreichend.

SPEAKER_02 23:29

Leidensfähigkeit, Geduld ist ein neues Zeitalter, auf das diese Generation Z und Alpha gerade zusteuert. Und bin gespannt, was wir generell als Gesellschaft daraus machen müssen.

SPEAKER_00 23:47

Du nutzt ja jetzt mal ein anderes Thema, Herbert. Du nutzt ja gerne die Metapher oder das Wort Data Alpinist. Und beim echten Bergsteigen, das gut, das weißt du wahrscheinlich besser, passieren ja die meisten tödlichen Unfälle eher beim Abstieg und nicht beim Aufstieg. Also genau dann, wenn die Leute denken, oh, jetzt habe ich es geschafft, jetzt kann nichts mehr passieren, jetzt ist alles vorbei. Was wäre so das Äquivalent, Herbert, auf der KI-Reihe eines Unternehmens? Wann glaubt dein Vorstand, der sei am Gipfel, obwohl die eigentliche Gefahr gerade erst beginnt?

SPEAKER_02 24:22

Richtig gute Frage, richtig gute Analogie. Top Vorbereitet, kann man 1-1 übertragen? Bin ich echt bei dir. Es hört nämlich nie auf. Also gerade bei KI ist es ein tolles Thema, wenn ich die KI jetzt installiert habe, eingeführt habe. Modellpflege, Modellupdates, neue Versionen von den Transformer-Modellen, neue Datenausreißer. Also genau diese Themen, diese Wartung, Service, Betreuung. Das ist wieder Abstieg. Der Abstieg hat ein Anfang und Ende, generell KI oder auch Data und AI-Lösungen, die müssen kontinuierlich gepflegt werden. Ich sehe das ähnlich wie bei Software, vielleicht auch eine Analogie aus der Akademie. Früher galt so der Lifecycle vom Softwaresystem zwischen 18 und 25 Jahre. Bei 18 Jahren sollte man sich Gedanken machen, eine Ablöse oder eine Modernisierung einzuleiten. Und in der Regel hat das sieben Jahre gedauert, bis die Software dann wirklich weg war oder modernisiert war. Bei Data und EI-Lösung entspricht man zwischen 5 und 8 Jahren. Das heißt, wenn ich jetzt ein Data Lake oder eine Analytics-Lösung oder ein KI-Modell source, dann kann ich damit rechnen, dass nach acht Jahren das Thema obsolet ist. Warum? Weil sich die Technologie so schnell weiterentwickelt und andererseits, weil halt auch die fachlichen Anforderungen, die Use Cases, sich so schnell drehen und so schnell weiterentwickelt werden. Und wir kommen aber aus der alten Welt. Wir kommen aus der Welt IT, Digitalisierung, 18 bis 25 Jahre. Und auch das hat sich so disruptiv geändert. Und jetzt um auf die Analogie von Bergsteigen zurückzukommen. Es geht schneller und wenn es schneller geht, passieren natürlich auch viel mehr Fehler. Und Fehler im beruflichen Alltag sind zwar nicht jetzt tödlich wie beim Bergsteigen, aber sind halt dann kostspielig und kostspielig in zweierlei Hinsicht. Einerseits werden Ressourcen unnötig geblockt oder verbrannt, und andererseits wird wahrscheinlich auch Damage on the Image eines Unternehmens passieren, wenn man nicht schnell liefert, wenn man nicht die erforderlichen Produkte liefert, wenn die Qualität nicht passt. Also es sind immer so diese zwei Aspekte, die man berücksichtigen muss. Und der Abstieg ist ja eigentlich der schöne Teil des Bergsteigens, weil man dann auch nochmal reflektieren kann. Man sieht die besonderen Schlüsselstellen beim Aufstieg. Man kann auch die Landschaft besser wahrnehmen. Beim Aufstieg sieht man den Berg. Ist auch schön, wenn man den Berg und den Feld sieht. Aber beim Abstieg hat man das volle Feld an Impressionen der Landschaft. Und das sollte man genießen, aber nur dann, wenn man dementsprechend seine Hausaufgaben beim Aufstieg gemacht hat. Und diese Hausaufgaben ziehen sich durch. Ob es die Modellpflege ist, die Wartung, das Retraining, das Skilling. Man muss sie dann auch dementsprechend ausrollen und die Leute immer wieder trainieren. Und das ist schon eine Herausforderung. Also die hört nicht auf. Das kann ich auch nur allen Führungskräften mitgeben. Das Ende eines Projektes ist der Anfang von Service, von Wartung, von Pflege. Und das ist wie bei einer Maschine. Viele unserer Geschäftspartner kommen aus dem Manufacturing-Bereich. Und da ist es das Alltäglichste, dass ich eine Maschine warte, Instand halte, Service-Intervalle-Pflege, Wartungsverträge abschließe. Bei Software ist das oder auch bei KI oder bei Data AI ist das noch nicht so im Fokus drinnen. Und auch da möchte ich oder auch wir als Data-Sailers immer ein bisschen Realität in die Praxis bringen, gehört dazu wie die Pflege bei einer Maschine.

SPEAKER_00 28:48

Danke dir für deine Perspektive, Herbert. Mal eine andere Frage. Wir hatten ja eben auch viel über KI ja am Anfang gesprochen. Und mittlerweile hat ja jeder Zugang zu den klassischen Frontier-Modellen, sei es jetzt von OpenAI, Enthropic, Google und es geht ja alles ja auch schon mittlerweile Richtung Commodity. Und dann gibt es ja auch jetzt mittlerweile, also viele denken ja, es gibt so ein sehr gefährliches Narrativ, man denkt, man kann mit Gen EI oder mit KI jetzt alles machen, alles ablösen. Und wer braucht denn da noch dieses langweilige Thema Kontrolle, wer hat Zugriff auf Data, also kurz dieses langweilige Thema Data Governance. Wie überzeugst du ein Traditionsunternehmen, das jetzt seine unordentlichen, langweiligen internen Daten, also wie überzeugst du ein Traditionsunternehmen, dass du ihm klar machst, diese unordentlichen, langweiligen internen Daten sind eigentlich euer echter Burgtgraben?

SPEAKER_02 29:48

Hatte ich sehr, sehr, sehr tollen Impulsvortrag von Omer Khan bei der Swisscom, der das Thema Daten aufgreift, wie kein anderer, macht Data on AI bei Swisscom. Und was ich da als extrem toll mitgenommen habe, man muss ja die Menschen mitnehmen. Wenn ich von Governance, von Data Governance spreche, ist man immer gleich so, oh, ich muss was tun, Regulatorik, Vorlagen, Vorgaben, Recht. Es wurde schon besser durch den Begriff Data Exzellenz, wo man dann die Exzellenz in den Fokus gerückt hat, weil man sich durch Exzellenz ja natürlich sich auch in USB erarbeiten kann. Mein persönliches Lieblingswort bei Daten ist jetzt der Kontext. Weil jeder spricht von KI, jeder kennt auf einmal, was man braucht, um KI-Modelle zu entwickeln. Jeder ist auch KI-Experte heutzutage. Und jeder weiß, dass man für KI-Kontext benötigt. Und genau dieser Kontext sind die richtigen Daten, die richtigen Unternehmensdaten, egal ob es jetzt Bewegungsdaten sind oder auch Master Data. Und der Kontext verbindet alles. Und wenn ich diese Entscheidungsunterstützung und diese Self-Driving Company haben möchte, dann brauche ich den richtigen Kontext. Und das sind Daten. Kurierte Daten, aufbereitete Daten. Und interessanterweise, es liegt wirklich am Wording. Bei Kontext sage ich, ja, ja, brauchen wir. Wenn ich sage, ihr braucht Data Governance, dann merkt man so ein kleines Rückzugsmoment, ja, brauchen wir auch. Aber bei Kontext oder bei KI-Modellen, die auf Kontext basieren, nickt jeder und go ahead. Und werden dann auch dementsprechend wirklich alle Hebel in Bewegung gesetzt, um diesen richtigen Kontext auch zu schaffen. Und du merkst es selber, es ist nur ein Wording, es ist wahrscheinlich viel Psychologie, um einfach da die richtigen Hebel in Bewegung zu setzen.

SPEAKER_00 31:58

Man sagt ja nicht, umsonst der Ton macht die Musik oder man muss das richtige Wort zur richtigen Zeit dann wählen.

SPEAKER_02 32:03

Ja, wahrscheinlich. Guter Punkt.

SPEAKER_00 32:07

Lass uns mal nochmal über dieses Thema mal sprechen, Herbert. Am Anfang, du hast ja auch das Wort Impact gesagt, ja. Und jetzt finden wir mal ein Beispiel, du kommst rein in ein Unternehmen, das Unternehmen C-Level hat jetzt siebenstellig in ein Data-Infrastrukturprojekt investiert, aber der VP Sales vertraut seinem Reporting, was er Montagmorg bekommt, einfach nicht. Was ist schiefgelaufen und was kostet dieser Fehler eigentlich dem Unternehmen?

SPEAKER_02 32:38

Also ich vergleiche es immer recht gern mit dem Eisberg. Es gibt ja so diesen sichtbaren Impact, der sich meistens in Euros, Zahlen, Daten, Fakten auch quantifizieren lässt. Nur wie beim Eisberg, die wahre Größe, also 10% sind ja sichtbar und 90% sind unter der Wasseroberfläche, sind dann die Themen, die Rumoren, die Probleme auch in der Organisation, in der Beziehung zu Geschäftspartnern bringen. Und da kann man dann meistens gar nicht mehr gegensteuern. Wie bei der Titanic. Ich sehe zwar die kleine Spitze des Eisbergs, aber das wahre Problem liegt halt unter der Wasseroberfläche. And that kostet Zeit. Ich glaube, das ist so das große Problem. Es kostet Zeit. Ob es Root Cause, Analysis, die ganzen Strategieberatersprech. Aber die Zeit sollte man sich nutzen. Klingt total komisch, wir leben in so einer schnelllebigen Zeit, aber da wäre die Zeit halt wirklich gut investiert. Da gibt es auch wirklich tolle Herangehensweisen. Und die Zeit, die sollte man sich nehmen. Das ist auch meine große Empfehlung an Entscheidern. Wenn man merkt, dass etwas aufgrund von Zahlen, Daten, Fakten nicht funktioniert, nicht klappt, dass es Abweichungen gibt, dann in genau diese Quellen investieren, die Recherche investieren und auch die Experten zu Rate ziehen. Man versucht ja gern selber dann herum zu basteln, herumzufrickeln, herumzudoktern. Das kostet wahrscheinlich dann noch viel mehr Zeit und noch viel mehr Ressourcen, ob es jetzt Geld oder Personal ist. Umsonst gibt es halt nicht die Experten. Und da geht es halt darum, wirklich auch mal über den Schatten zu springen, sich zu öffnen, offen zu sein auch für Neues, offen zu sein auch für KI-Themen. Da kann man dann die Zeit wahrscheinlich um ein Vielfaches reinholen. Nur man muss da mal Mut auch haben, Neues auszuprobieren. Das merke ich schon, das ist bei KI meistens auch ein großes Problem. Gerade der Mut und das Risiko.

SPEAKER_00 35:07

Du hast ja auch wieder ein wichtiges Wort gesagt: Offen sein, beratungsoffen sein, dieses offene Mindset haben. Und nur ein Expert oder ein Impuls von außen kann ja in der Regel auf die blinden Flecken hinweisen, auf Dinge hinweisen, die ich nicht weiß, was ich nicht weiß. Stichwort unbewusst Inkompetenz. Weil wenn ich selbst Diagnose mache, suche ich ja eher nach Fehlern, wo ich weiß, okay, das und das kann ja schief sein. Aber ein Außenstehender, der schon seit 25 Jahren tausende Projekte gemacht hat, der kann ja schon viel schneller erkennen, ey Mensch, Leute, ihr habt dann folgende Dinge gar nicht gedacht und derjenige merkt, oh, stimmt, ich wusste ja gar nicht, dass das überhaupt möglich ist. Das ist dieses Thema von dem blinden Fleck.

SPEAKER_02 35:48

Vollkommen richtig, vollkommen richtig. Und da geht es um das Thema Impact, wie du, du hast ja gesagt, wie können denn wir als Experten oder als Berater Impact generieren? Und ich glaube, da ist ganz viel halt das Zuhören. Viele hören sich gern selber reden. Das ist ein großes Problem auch in unserer Wage-Bait under Aufmerksamkeitsökonomie. LinkedIn ist da ein super Beispiel. Wie kann man die stillen, leisen Zuhörer, die dann punktgenau, wirklich wie ein Chirurg, diese Maßnahmen setzen und einen riesigen Impact erzeugen? Wie kann man die identifizieren? Und ich glaube, das ist die Kunst. Es gibt ja heutzutage mehr KI-Experten als Sterne am Himmel, also the fastest thing on earth, becoming AI-Expert. Aber es gibt da wirklich Koryphän, die ich selber auch vorher nicht kannte. Und da muss man zuhören. Ich glaube, das ist eigentlich der neue Future Skill: Zuhören, einschätzen, beurteilen und da halt dann auch den Impact daraus ziehen, ist total schwierig. Es ist so viel Lärm rundherum. Aber wenn man diese Perlen findet, kann man richtigen Impact auch generieren. In-house und extra.

SPEAKER_00 37:12

Lass uns mal wieder bei dem Thema Impact mal fortführen. Du hast ja auch gesagt, also wenn man, man muss offen sein, man muss auf die Root Course gehen, raus und einen Experten zu Rate ziehen. Wenn du das mal in Euro beziffern würdest, diesen Schaden, den eben ein Unternehmen fahren kann, wenn es Millionen investiert in ein Data-Projekt, Infrastrukturprojekt, alles soll sich verändern und es funktioniert einfach nicht. Wie viel Umsatz geht der Firma verloren oder wie viele Kosten nehmen zu Produktivitätsausfall? Hast du da vielleicht mal ein paar Kennzahlen basierend auf Projekten, die du mit uns teilen kannst?

SPEAKER_02 37:45

Ja, ich glaube, eher Studien wären da sehr hilfreich. In der Tat habe ich da jetzt aktuell keine Studie, die die Umsatzausfall oder Umwegrentabilität ist so mein Lieblingswort. In dem Fall vers Umweg Schaden kosten, schwer zu quantifizieren. Ich möchte das Thema vielleicht in eine andere Richtung lenken, wenn es für dich okay ist, Rocky. Wo ich aktuell Studien gerade betreue, ist ja das Thema Effizienzparadoxum. Ich glaube, wir hatten da im Vorfeld ja auch schon mal drüber gesprochen. KI wird ja genutzt, um schneller und effizienter zu sein, um vielleicht auch diese Themen an Schaden zu vermeiden. Was ich da bemerke, und da arbeite ich auch an den ersten Studien, ist ja das Thema, die Menschen werden schneller, die werden also nachweislich schneller, und da sprechen wir nicht von 5 oder 10 Prozent, sondern von über 30%. Und die Frage ist, was passiert mit der Zeit? Da gibt es jetzt drei mögliche Szenarien, die wir auch in unserer Studie herausgefunden haben. Es gibt die Menschen, die füllen diese 30% freie Zeit mit noch mehr Themen. Hört sich auf den ersten Blick für Unternehmer total smart und smooth und toll an. Ja, okay, dann habe ich also 30% mehr Umsatz. Nice. Hat aber auch einen negativen Aspekt, weil durch die Geschwindigkeit fehlt Zeit zum Reflektieren, fehlt Zeit auch, um vielleicht ein bisschen zu atmen. Also es ist ein ganz spannender Aspekt, weil du in einer Dauerschleife des Arbeiten bist. KI hilft dir, du schaffst mehr, aber du brennst langsam aus. Also auch das ist so ein Aspekt, der berücksichtigt werden muss beim Effizienzparadoxon. Aber der negative Aspekt ist, diese 30% an Effizienzgewinn verpuffen, weil die Zeit vertrödelt wird. Das ist aus unternehmerischer Zeit natürlich noch viel schlechter, weil ich habe den Invest in eine KI-Lösung. Wenn es jetzt nur eine Lizenz ist, ist der Investor sehr, sehr, sehr minimal. Aber ich habe halt Zeit, die verpufft, die dann in nicht-wertschöpfende Tätigkeit mündet. Und zwischen diesen zwei Extremen bewegen wir uns jetzt in der Transformation bei KI. Und natürlich gäbe es den Mittelweg, wie so oft im Leben der Mittelweg wäre, der richtige. Und ich merke aber, Unternehmungen pendeln zwischen beiden. Also es gibt noch nicht so, dass sich das eingependelt hat in der Mitte. Und da müsste man und sollte man auch wirklich von der Organisationsentwicklung, auch von People and Culture Seite ansetzen, um diesen Mittelweg, diesen klassischen Menschenverstand. Seien wir uns ehrlich, wir wollen weder ausbrennen noch in Boreout gehen oder Zeit vertrödeln. Und da müsste man ansetzen, und jetzt schließe ich die Brücke zum Impact, dann habe ich auch wirklich Impact in den Unternehmungen, nämlich dass die Menschen nachhaltig arbeiten können und ich Effizienzen durch Digitalisierung und KI nutzen kann. Es ist alles so neu. Diese Studien, ich trage das jetzt so seit zwölf Monaten, beobachte ich diese Phänomene. Ich glaube, das wird noch dauern.

SPEAKER_00 41:30

Du hattest mir ja auch im Vorabgespräch gesagt, Herbert, dass du dieses Jahr, dieses kommende Jahr auf ca. 40 Veranstaltungen sein wirst. Genau. Was waren so für dich jetzt so die Top 3, wo du sagst, da muss man, wenn man im Data AI-Umfeld unterwegs ist, das sind so meine Top 3, also die kann ich mir nicht mehr wegdenken.

SPEAKER_02 41:52

Die Top 3. Auch da ist wahrscheinlich gerade ein Move, der passiert. Also 40 Veranstaltungen. Ich zähle da auch wirklich tolle Online-Events dazu. Die Top 3. Ich bin ein großer Fan von diesen Veranstaltungen geboren, die nicht nur werblich sind, weil vieles hat sich in den letzten Jahren in Werblichkeit entwickelt. Klar wollen, wir alle wollen Geld verdienen, keine Frage. Aber es sind die Veranstaltungen, die ein natürliches Verhältnis zu Content Creation, zu Community und natürlich zu Produkten und Dienstleistungen bieten. Aber es sollte ausgewogen sein. 30% Community, 30% Content, 30% natürlich Werbung, Marketing. Und bewusst die 10% das Menschliche, wo wirklich auf Networking, auf zwischenmenschliche Beziehungen. Und wenn das ausgeglichen ist, ich glaube, das ist ein gutes Event. Ich möchte jetzt nicht für mein eigenes Event der Werbung machen, aber ich schaue bewusst auf diese Themen.

SPEAKER_00 43:14

Okay. Und wenn wir mal einen Blick auf Technologie mal werfen, ihr habt jetzt in den letzten 25 Jahren ja verschiedene Technologien kommen, sehen, erweitern sehen. Was würdest du denn sagen? Ist jetzt gerade aktuell sehr hot, welche Technologie jetzt, ja klar, jetzt wirst du wahrscheinlich nicht irgendein KI oder Frontier-Modell, denn das wissen wir alle, aber was gibt es da vielleicht irgendwelche Hidden? Ich müsste meine Frage präziser stellen. Gibt es vielleicht irgendwelche Hidden-Technologie, wo du sagst, Rocky, die kennt zwar nicht jeder, aber das haben wir jetzt zum Beispiel wahrgenommen, das kommt jetzt immer ein bisschen näher.

SPEAKER_02 43:49

Da möchte ich vielleicht wirklich auch mal kurz ein bisschen Werbung machen für BlockPoint. Wir sind ja einer der größten BlockBoin-Partner auch in Deutschland. Und die Jungs und Mädels von BlockPoin. Die haben da wirklich was geschaffen, was so im Sweet Spot zwischen den großen Hyperscalern and den ganzen Modellen passiert, weil so ein digitaler Wissenszwilling ist, den man sehr neutral einsetzen kann, gerade im Beratungsumfeld. Grad dort wo viel Information Working passiert. Das hat mich selber auch sehr positiv, wirklich sehr positiv überrascht, weil es gibt ja viele Startups. Könnte ich dir jetzt zehn aufzählen, wo wir auch gute Erfahrungen gemacht haben. Aber die beste war sicher abseits der großen Hyperscaler, ob jetzt Copilot, wo wir auch ja als Fabric Feature Partner viel machen mit Microsoft Fabric und Co-Pilot. Aber BlockBrain, das war so wirklich ein positives Feeling. Ich war am Anfang auch überrascht von SAP Joule, muss ich ganz ehrlich sagen. So diese Aufbruchsstimmung, die die SAP da reingebracht hat, die appt gerade ein bisschen ab. Das ist ganz normal bei SAP-Technologie, wenn es dann auf den Boden der Realität aufprallt. Aber auch da, man merkt, es bewegt sich was. Also auch die großen Tanker, es ist Bewegung drinnen. Ich brauche sie nur Manus AI. Kennt heutzutage jeder. Das wurde nach zwölf Monaten, man muss sich das immer vorstellen, wurde das vom Meta gekauft, zwölf Monate. Und ich glaube, ich nagel mich nicht auf die Zahl genau fest, aber die hatten 300 Millionen US-Dollar ARR in zwölf Monaten generiert. Es ist wirklich alles wahnsinnig schnell. Oder NADN ist auch ein Thema, auch ein deutsches Unternehmen. Finde ich auch tolle Alternative, die es gibt. Wirklich enttäuscht, wo man sagt, boah, das war gar nichts, kann ich gar nicht sagen, gibt es nichts. Also es gibt viele positive Beispiele. Ich bin da auch immer ganz wertneutral und wenn was nicht klappt, dann lasse ich es bleiben, lassen wir es bleiben.

SPEAKER_00 46:19

Auch, da danke der Herbert, was ich auch häufig höre, sind so die klassischen Projekte, die immer gut laufen, sind die Migrationen. Das habe ich sehr oft gehört. Bist du einen klaren Gewinner, wenn man jetzt dieses klassische Kopfschränch zwischen Snowflake und Delabric sieht? Oder paritätisch verteilt, wie siehst du die Aufteilung?

SPEAKER_02 46:43

Also wir machen in beiden Welten viele Projekte. Interessanterweise, jeder ruft ja gerade nach Microsoft Fabric, also der Rookie Star und Shooting Star, und es ist so ein bisschen Verhalten. Die Projekte starten, die Projekte werden gemacht, aber ein sehr großer Anteil passiert in Snowflake. Viele unserer Geschäftspartner haben da diese Datenvirtualisierung mit Snowflake gestartet. Viele haben mit Data Bricks gemacht. Viele große Accounts setzen voll auf Data Bricks. Die sind ja in CUSE oder F, you name it, Fundingrunden, wo es um Milliarden US-Dollar geht. Ich bin mir nur nicht sicher, ob die Valuation Story so viel weiter geht. Man merkt es ja schon an den ersten Feature-Brüchen auch bei Databricks. Ich bin da vorsichtig geworden. Die anfängliche, also anfänglich, wir reden da von drei, vier Jahren, diese anfängliche Euphorie, die appt gerade ein bisschen ab, weil man natürlich sehr schnell gewachsen ist. Und das Thema schnelles Wachstum ist in Unternehmen wie in der Natur nicht immer gut. Geschwüre entstehen aus schnellem Wachstum. Die Frage ist, wie handelt man das? Snowflake und Data Bricks, die sind über die kritische Masse hinaus keine Frage. Ich bin mir nur nicht sicher, wie sie mit den neuen Features umgehen. Also da wird was kommen, es wird the next big thing nach LLMs und Transformer kommen. Da bin ich mir nicht sicher, wie schnell sich dann die großen, die doch jetzt großen, vielleicht wie Microsoft, AWS, dann durchsetzen. Auch GCB, also ich bin überrascht, auch die haben aufgeholt. Es ist so ein Kopf-and-Kopf-Rennen, das sich da wieder etabliert. Wir persönlich bei Data Ciders setzen auf eine Microsoft First Strategie, wo ja auch Databricks und Snowflake dazugehört, weil die werden ja auch alle gehostet, aber nicht auf eine Microsoft Only. Auch wenn sich gerade viel tut. Ich bin heute selber wieder auch in München, im Umfeld der Microsoft AI Tour, auch mit Geschäftspartnern unterwegs. Man merkt schon, es ist ein riesen Zustrom, weil halt das Microsoft-Ökosystem in sehr vielen Organisationen vorhanden ist. Und man versucht dann immer paritätisch auch eine Multi-Cloud-Strategie zu fahren, aber das wird oft als feigenblatt. Also ich sehe dann immer, ja, da macht ein bisschen AWS, ein bisschen GCP. Ah, das ist sehr feigenblattartig. Darum, entweder man macht es richtig und gescheit, aber nicht so feigenblattartig, dass ich dann da irgendwo einen Docker-Container oder Kubernetes, wenn irgendwas ist als Notfalllösung habe, das funktioniert nicht. Das ist wirklich Augen aus Wischerei. Ganz oder gar nicht.

SPEAKER_00 50:05

Wenn wir mal auf ein anderes Thema gehen, stell dir mal vor, es gibt doch einen Studenten, der will nicht Richtung Governance oder Richtung Corporate gehen und sagt so, hey, ich will mich auch selbstständig machen, so wie du mal auch, Herbert, vor einigen Jahren. Welche Tipps würdest du diesem jungen Studenten mitgeben, wenn er jetzt eine neue Firma im Bereich Data gründen würde, basierend auf deinen Lessons learned?

SPEAKER_02 50:30

Ist ja gerade in aller Munde, auch in Österreich, EU und weltweit Open Claw, ist ein Österreicher aus Oberösterreich natürlich dann in Wien die Firma gemacht. Es geht so schnell, wenn man eine blendende Idee hat, da on the top zu kommen, direkt zu OpenAI zu wechseln. Das ist wahrscheinlich so die Ausnahme, aber es ist möglich. Wenn man an eine Idee glaubt und wenn man diese extra Meilen geht, auf das muss man sich einlassen. Also es ist ein hartes Pflaster, es ist wahrscheinlich viel schwieriger als früher auch. Man muss die extra Meile gehen. Man muss eine technische Basis haben, also dieses Computer Science Knowledge braucht man weiterhin. Also so diese Aussagen, Softwareentwicklung braucht man nicht mehr, das wird alles wipe-gecoded. Es ist schon sehr, sehr, sehr stark vereinfacht. Man braucht dieses Grundlagenwissen. Wahrscheinlich braucht man viel mehr diese Social Skills, ob es jetzt Kommunikation ist, kreatives Denken, kritisches Denken, kollaboratives Zusammenarbeit mit anderen. Also diese Social Skills, ich fasse es immer gerne unter den vier Ks von myen collega on the Uni, der Martina Geisch, who that geprägt had. These social skills were a spur wichtiger as the hardcore-technik. And when many as solopreneur or as a unternehmer starten möchte, die Mischung macht's aus. Fundierte technische Grundlage plus die Social Skills. Man braucht wahrscheinlich schon auch eine Portion Glück zur richtigen Zeit, am richtigen Ort. War bei mir auch nicht anders. Ich habe auch gestartet über damals noch Xing-Anfrage bekommen, irgendwo 200 Kilometer fern up from my heimatort. Ich kannte die Firma nicht. Ich habe mich einfach darauf eingelassen, habe das angenommen und aus dem ist das hier alles entstanden. Und das ist sicher für die jungen Menschen ein wichtiges Thema. Da auch mal etwas zu verproben, offen zu sein. Und einfach mal ins kalte Wasser springen? Ich glaube, das ist eine schöne Analogie. Mal einfach ins kalte Wasser springen.

SPEAKER_00 53:07

Einfach mal machen, just wird schon. Wir gehen jetzt langsam dem Ende hin entgegen, Herbert. Ich frage immer diese Frage am Ende. Welches Businessbuch hat dich denn am meisten inspiriert oder geprägt?

SPEAKER_02 53:28

Welches Businessbuch? Gute Frage. Also ich bin ja ein großer Fan von Business Intelligence, diesem klassischen, also traditionellen Reporting auf Basis von Zahlen, Daten, Fakten. Und da gab es einfach ein Standardwerk von Professor Bluchowski, Business Intelligent Explained. Das ist heutzutage wahrscheinlich noch immer genauso wichtig, weil dort einfach die Verzahnung von Wertschöpfung, von unternehmerischem Handel und halt der Informationstechnologie, warum macht man das, im Fokus ist. Ich leere es auch meinen Studierenden immer noch auf Basis von diesem Standardwerk. Und das wird immer so bleiben. Welche Technologie dann genutzt wird, um diese Verzahnung Business, BWL und IT zu machen, das ist dann einerlei. Ob es jetzt KIs oder In-Memory-Technologie oder eine Power-PI-Lösung. Wichtig ist, den Business Need zu kennen, den Impact zu antizipieren und halt dieses neue geschäftsrelevante Wissen zu zeigen, diese Insights. Und da ist Professor Glukowski auf der einen Seite und auch der Professor Kemper. Das sind so die zwei Standardwerke, die empfehle ich immer auch meinen Studierenden.

SPEAKER_00 54:53

Danke, das werde ich nachher dann nochmal reinguckieren in der Folge. Und eine Sache, was du ja sagtest, mit Insights bringen, ja, und das ist ja auch, das geht ja auch stark in dem Businessbuch vom Challenger Sales. Da geht es ja genau in die Richtung. Kannst du Domänen buchen, kannst du Dinge mitbringen, die dein Kunde nicht kennt, der nicht weiß, sodass du ihm helfen kannst for sein Business und sodass du ein Impact dann hervorzeugen kannst. Darum geht es ja mal am Ende.

SPEAKER_02 55:21

It's vielleicht eine Ergänzung, die du auch noch mitgeben kannst. The one thing habe ich auch auf Empfehlung von einer guten Freundin gelesen. Is auch sehr, sehr mindblowing, weil es den Fokus schärft. Dieses eine Ding, the one thing. Meiner Meinung nach ist es aber auch eine gewisse Gefahr, weil man im Tunnel dann drinnen ist. Also ich bin einer der gern immer sehr, sehr offen, sehr viele Themen auch gleichzeitig macht. Schmunzeln jetzt viele von meinen Mitarbeitern und auch von meinen Kollegen in der Führung. Aber durch diese Einflüsse, durch diese Impressionen kann man auch gut abschätzen, wohin die Reise geht. Man macht sicher den einen oder anderen Umweg. Man kommt ein bisschen ab vom Pfad, von diesem One Thing. Aber wenn man offen ist, kann man auch neue Themen besser einordnen. Das ist vielleicht auch ein gutes Schlusswort von mir. Diese Offenheit, diese Open-Mindness. Wir sprechen alle von Zahlen, Daten, Fakten und KI-generierte Entscheidungsunterstützung. Aber wirklich mal links und rechts offen zu sein. Wie bei mir, ich bin ja auch zum Bergsteigen gekommen, obwohl ich Höhenangst hatte. Und da einfach mal sich einlassen. Ich glaube, das ist so der wichtigste Future Skill in der Zukunft.

SPEAKER_00 56:44

Wow, das fand ich jetzt stark. Du hast Höhenangst gehabt und trotzdem machst du Bergsteigen, ja?

SPEAKER_02 56:51

Genau, also dann merkt man, welchen Zwängen auch unser, wahrscheinlich ist rein mental mental eingeschränkt gewesen. Aber ich hatte einen Begleiter, auch da vielleicht wieder so der Übergang zur Beratung, ich hatte wirklich einen Berater, einen guten Freund von mir, der gesagt, hey Herbert, wir gehen jetzt auf den Großglockner. Ich denke mal, fuck, der höchste Berg in Österreich. Ich traue mich nicht mal auf ein Aussichtstour mit meinen Kindern rauf, der 40 Meter hoch ist. Und da merkt man eigentlich, was möglich ist. Es war wirklich der erste Berg über der Großglockner bei mir.

SPEAKER_00 57:32

Dann Herbert, dann erstmal vielen Dank, dass du heute da warst, dass du dich zugeschaltet hast für den Podcast. Liebes Publikum, vielleicht gab es eine Frage, die euch interessiert. Ihr habt eine Frage, dann sagt sie mir. Ihr könnt mich auf LinkedIn anschreiben und ich werde sie demnächst dem Zuhörer stellen. Ich werde jetzt, wie geht es weiter? Ich habe morgen werde ich eine Folge aufnehmen mit Mois Kahn von Harpa Lloyd, direkt von einem meiner Ex-Kunden von Databricks. Und da werden wir auch einiges erfahren, wie der liebe Moise sich für Technologie entscheidet. Herbert, es war auf jeden Fall eine Freude und danke dir.

SPEAKER_02 58:11

Vielen Dank und schönen Gruß.