AI Readiness ins Unternehmen bringen | #Künstliche Intelligenz 🤖

00:00:00: Hallo und herzlich willkommen zu einem neuen AI & Pluck Podcast von Digital Kompakt.

00:00:12: Mein Name ist Erik Pfannmuller, Gründer und CEO von SolveMate.

00:00:15: Solvemade automatisiert Kundensupport.

00:00:16: mit unserer KI-basierten Plattform bauen sich unsere BtoB-Kunden Chatbots mit den ihrer Endkonsumenten ihre Kundeneinfragen in Sekundestelle rund um die Uhr lösen können.

00:00:25: Wie immer bei AI ein Plakt, erklären wir Alltagsthemen rund um das Thema KI einfach und für jedermann verständlich.

00:00:30: Heute bei uns geht es in das Thema K.I.

00:00:31: Kultur- und K. I. Transformationen.

00:00:33: Dazu habe ich Julia Butter, AI-Evangelist bei Scout-IV bei mir.

00:00:37: Sie inspiriert und trainiert Mitarbeiter zum Thema KI.

00:00:40: Aber Julia, herzlich willkommen!

00:00:41: Vielleicht stellst du dich erst mal selbst vor.

00:00:43: Hallo, freut mich sehr, dass ich heute da bin.

00:00:45: Ich bin bei der Scout-Tierundzwanzig und wie du gerade schon gesagt hast als AI-Evangelist was ja ein ziemlich fancy Jobtitle ist und tatsächlich nicht sehr oft vorkommt in Deutschland.

00:00:54: deshalb verständlich die Frage Was mache ich da eigentlich genau?

00:00:57: Das ist kurz zusammengefasst mit ich inspiriere und trainiere unsere Mitarbeiter Und das ist glaube ich in einer Nussschale zusammen gefasst.

00:01:05: Genau das Richtige was man sagen kann.

00:01:06: aber das ist natürlich sehr breit gefächert was sich da im Alter tue und was ich genau aufbereite.

00:01:11: mein background ist eigentlich in der Innovationsberatung, wo ich auch verschiedene Change-Prozesse von großen Unternehmen damals schon begleitet habe.

00:01:18: Wir haben das damals Innovation Driven Change genannt und wenn da passt das natürlich fast wie die Faust aufs Auge was sich jetzt als AI-Evendionist mache.

00:01:26: Meine Station danach war im digitalen Produktmanagement erst mal als Produktmanager unter einem Team Lead und da hab' ich natürlich so dieses ganze Thema Digitalisierung von der Pieke auf auch gelernt aus einer Perspektive, wo wir immer geguckt haben, wie können wir den Consumer oder Customer First Ein Riesen-Hypewort, was wir überall gerade hören ist aber auch Design Thinking.

00:01:46: Das war auch ein großer Teil meines Jobs sowohl im Produktmanagement als auch in der Innovationsberatung.

00:01:51: und all das bündel ich jetzt eigentlich eine Aufgabe um so meinen Alltag als AI-Reinventilist möglichst effektiv, aber trotzdem auch möglich anders zu gestalten.

00:02:00: weil wenn man sich diesen Jobcheatler alleine schon mal an guckt, Evangelist... Du hast

00:02:04: jetzt auch ganz viele Anglesismen über Design thinking.

00:02:07: Da kommen wir noch darauf, auch das Thema Digitalisierung Innovation Driven Change Fass mal zusammen, warum es wichtig ist bei einer Firma von Scout und einem großen Unternehmen NIA Evangelist zu haben.

00:02:17: bestell ich mir vor jemand, der sozusagen Dinge vorlebt.

00:02:19: Der Dinge auch nach vorne treibt.

00:02:20: Es gibt diese Tech-Evangelists wie die ganzen frühen Early-Adopter sind... Wie würdest du beschreiben was du machst den ganzen Tag?

00:02:26: Also es gilt genau darum wie können wir dieses Thema nicht nur als ein neues Hypeboard in der Firma leben und das ist vielleicht als Background ganz wichtig.

00:02:34: wo stehen wir eigentlich als Firma?

00:02:35: Wir haben tatsächlich schon viele Projekte mit unserem Data Science Team umgesetzt.

00:02:39: also wir sind nicht ganz am Anfang wo wir sagen gestarten mit dem allerersten AI Projekt in der firma überhaupt.

00:02:44: Ab welcher Firmgröße braucht man einen Fulltime?

00:02:47: Ich glaube, man kann es nicht nur von der Größe abhängig machen.

00:02:50: Sondern es kommt auch darauf an wo steht man eigentlich gerade in der Entwicklung?

00:02:54: wie ich vorher schon ganz kurz gesagt habe, wir haben eben der Faktor schon verschiedene Projekte gemacht.

00:02:58: Wir haben ein Team von Data Scientisten die schon jeden Tag an Themen arbeiten.

00:03:02: das heißt wir starten gerade nicht bei dem allerersten Schritt sondern wir sind an den Punkt wo wir sagen wir müssen jetzt das ganze Unternehmen mitnehmen und auch unsere Entwickler- und Produktleute befähigen AI oder Machine Learning als ein Tool in ihrer Toolbox zu sehen.

00:03:15: letztendlich ist das auch einen Grund warum wir gesagt haben wir wollen gar nicht AI First agieren.

00:03:20: also wir wollen jetzt nicht auf jedes Produkt dass wir entwickeln unbedingt AI-Label drauf drücken, sondern wir wollen ganz bewusst AI Ready sein.

00:03:26: Das heißt im Prinzip befähigt sein und bereit sein wo immer es wirklich Sinn ergibt und ein Produkt besser macht mit Machine Learning zu arbeiten.

00:03:35: Ich komme gleich auf das Thema Mitarbeiterbefähigung Und wie man das eigentlich erklärt?

00:03:38: Auf nochmal kurz die Definition.

00:03:39: Wie würdest du AI First vs AI Ready definieren als Firma oder als Produkt?

00:03:44: Was heißt das für dich?

00:03:45: Für mich persönlich heißt AI first wirklich sozusagen ähnlich Mobile First User First.

00:03:50: Das ist das Erste an was wir denken wenn wir ein Produkt entwickeln.

00:03:53: Und das ist das, was wir auf jeden Fall immer als Maxime umsetzen wollen.

00:03:57: Tatsächlich, weil ich gerade auch Mobile First und Consumer First erwähnt habe – das sind tatsächlich zwei Maximum mit denen wir schon seit Jahren arbeiten!

00:04:03: Ich wollte grad sagen man is ja immer Consumer First, immer ist der Kunden im Zentrum und dann ist man auch Mobile first on top, weil hey die Leute sind mittlerweile mobil unterwegs und jetzt ist man noch AI-first.

00:04:12: Was ist denn jetzt eigentlich FIRST?

00:04:14: Genau das ist dieser kleinen, entscheidende Unterschied.

00:04:16: Da gibt es einen AI-First drauf zu klatschen und sagen, dass muss immer dabei sein!

00:04:20: Er gibt in unserem Augen nicht viel Sinn weil es manchmal auch Sinn ergibt zu sagen da brauchen wir keine AI.

00:04:25: Das Produkt ist auch ohne total gut aber... Und das ist der Punkt mit AI Ready warum wir gesagt haben, das ist für uns wichtig.

00:04:31: Also AI Ready was heißt das denn eigentlich bereit für AI?

00:04:34: Aha also wie schaffen wir's, dass jeder einzelne Mitarbeiter trotzdem diese Befähigung hat zu sagen wo macht das Sinn?

00:04:40: Wo sollten wir das tun?

00:04:41: Das heißt ein Fundament an Wissen aufzubauen, was kann das denn eigentlich?

00:04:45: Was können auch wir bei der Scout und dann auch dieses informierte Entscheidungszweil möglichen so.

00:04:50: Und hier machen wir es nicht.

00:04:52: Mitarbeiterbefähigung!

00:04:53: das ist so, als ob die Mitarbeiter vorher unfähig sind.

00:04:55: Ich habe ja selbst bevor ich sozusagen so auf mit gegründet haben mich ein knappes Jahr mit Machine Learning auseinandergesetzt und zwar full-time, ich saß in einem kleinen Büro, hab tausend Seiten Mathebücher gelesen unter natürlichen YouTube Videos und ich wollte konzeptionell verstehen was Machine Learning kann und welche Algorithmen, welche Daten zu einem Modell crunchen.

00:05:10: für unsere interessierten Hörer.

00:05:11: hier der Querverweis zur Folge.

00:05:12: eins wo wir genau das erklärt haben dass Machine Learning eigentlich nichts anderes ist außer Trainingdaten zu nehmen die in einem Algorithmus zu einem Model zu verarbeiten nutzt, um Vorhersagen zu machen.

00:05:24: Und welche Art von Vorhorsagen?

00:05:25: Das muss ja sozusagen der Mitarbeiter entscheiden und welche Daten er zur Verfügung hat und ob die Daten, die man zur Verfügung habt überhaupt so eine sinnvolle Vorhnersage führen können.

00:05:33: Ich sage mal ich habe das sehr intensiv gemacht und hab da hunderte wenn ich sogar tausende Stunden investiert auf das Thema wie macht ihr das?

00:05:39: Das heißt gibt es da eine Art Trainingsplan?

00:05:41: Wie würdest du mit Arbeiterbefähigung sehen?

00:05:43: oder was muss man können, um AI ready to sein?

00:05:45: Ich

00:05:45: kann vielleicht ein ganz klein bisschen ausholen und unsere Reise zu dem Punkt wo wir jetzt sind beschreiben.

00:05:50: Wir haben letztes Jahr Im Herbst haben wir gesagt, wir wollen ein bisschen Momentum schaffen.

00:05:55: So'n Big Bang wie man sich das vorstellen kann, dass wirklich jeder in der Firma mal darüber redet und hat einen großen Maßstab AI Use Case Discovery Workshops auch ein fancy Titel.

00:06:04: Oh,

00:06:04: AI Use case discovery workshop!

00:06:07: Genau.

00:06:07: Ich glaube das brauchen wir nicht übersetzen, da kommt Röntgen

00:06:10: drauf.

00:06:11: Und hatten da eben unseren Mitarbeitern innerhalb eines Tags Brain Drop also mal wirklich möglichst viel Information gegeben.

00:06:17: was ist das dann eigentlich?

00:06:19: Was geht denn momentan überhaupt wenn die Welt gucken und dann aber auch ein sehr, sehr offenes Brainstorming gemacht.

00:06:24: Aller was denkst du denn?

00:06:25: Was jetzt irgendwie wir bei der Scout machen könnten das wirklich Synergien?

00:06:28: würde damit tatsächlich einen Tag mal so ein bisschen AI first gedacht und sind weniger davon ausgegangen dass sie gesagt haben das sind die fünf Business Probleme die wir lösen wollen wie könnte uns der Maschinenlernen dabei helfen?

00:06:37: Aber das war so ein erstes großes Moment wo wir gesagt haben jeder soll man wirklich out of the box denken und ohne dass es jetzt schon Ziel erreichen muss sondern um einfach mal diese Denkmaschine anzuwerfen und eine erste Brille aufzusetzen.

00:06:50: Tag, das habe ich notiert.

00:06:51: Habt ihr noch nicht erklärt was AI ist?

00:06:53: Dann habt ihr gebrainstrompt, stimmt's?

00:06:55: Das Intro war wirklich mal zu erklären, was ist denn das eigentlich?

00:06:57: und was geht dann eigentlich schon auch anhand von externen Beispielen?

00:07:01: und man sagt okay guck mal dass macht die Firma um da mal so ein bisschen diesen Blickwinkel zu öffnen Und anschließend war es aber wirklich sehr, sehr frei im Brainstorming.

00:07:10: Kann man sich auch überlegen?

00:07:11: Ich glaube mein Learning daraus ist wenn ich das nochmal machen würde, würde ich vielleicht tatsächlich ein paar Business-Fragen zugrunde legen weil da einfach noch mehr Guidance gibt und natürlich auch im Prozess danach viel einfacher ist zu verknüpfen mit okay das können wir jetzt sofort machen.

00:07:25: Wir hatten so jede Menge Ideen.

00:07:26: also mir tatsächlich mit Duplikaten waren wir knapp an tausend Ideen dran die aber teilweise in Richtung gegen wo wir gesagt haben Das ist sehr weit von unserem Kernengeschäft entfernt was wir direkt umsetzen würden.

00:07:38: Trotzdem arbeiten wir an vielen der Ideen in so einer Discovery-Phase gerade, ich glaube nur wenn man sich auch immer ehrlich in die Augen guckt und das ist natürlich auch wichtig zu machen, zu sagen okay wo hätten das noch besser machen können?

00:07:48: Empfehlung an jeden der das ausprobieren möchte wäre wahrscheinlich wirklich klar ein paar Business Probleme zu definieren und zu sagen wie können wir da wirklich direkt angreifen?

00:07:56: Vor dieser Reise erzählen, wir kommen gleich weiter hin.

00:07:58: Du hast gerade das Thema Discovery gesagt, nämlich Business-Probleme.

00:08:01: Ganz kleines hat ich jetzt in der Produktentwicklung, macht das mein Geschäftsproblem?

00:08:04: dann discovered man was eigentlich mögliche Lösungen sein könnten?

00:08:07: Das machen die Product Manager oder die Business Leute überlegen wie kann ich das Problem lösen?

00:08:12: und dann geht man als die Implementierung als... Techfirma, ihr habt ja digitale Produkte.

00:08:16: Ist das dieser klare Problem Discovery?

00:08:18: Also eigentlich erstmal Lösungsmöglichkeiten überlegen und dann die Umsetzung.

00:08:21: Und ich glaube der Discovery Punkt ist ganz wichtig zu verstehen.

00:08:24: Ich muss evaluieren ob ich möglicherweise mit AI das Problem besser lösen kann als mit traditionellen Methoden.

00:08:30: Ist es richtig?

00:08:31: Ganz genau so!

00:08:32: Sehr schön.

00:08:33: Erzähl mal weiter eure Reise.

00:08:34: Wir

00:08:34: hatten dann eben erfahren, okay da ist viel in der Denkmaschine losgelaufen.

00:08:38: Viele Leute haben gesagt ach cool jetzt habe ich so ein erstes Wissensstückchen gekriegt gibt uns mal mehr davon.

00:08:43: das war die erste große Message die wir als Learning hatten und daneben kam auch nachdem wir eine Firma sind die nicht gerade bei null startet sondern schon viel gemacht hat.

00:08:51: wie können wir voneinander möglichst viel lernen?

00:08:54: Also wie kann jetzt jemand, der in dem Bereich in München sitzt und sich vor allem da über private Verkäufer kümmert?

00:08:59: Wie kann denn derjenige eigentlich den Connect hinkriegen zu einem Segment hier bei EmoScout wo es darum geht.

00:09:05: Wie können wir dann unsere Bauträger unterstützen also so auch den Connect herzustellen voneinander zu lernen weil das wäre blöd das Rad immer neu zu erfinden.

00:09:13: Vor dem Hintergrund haben wir zwei Dinge gemacht.

00:09:14: Wir waren erstens mal kurz vor der Weihnachtszeit wussten Es gibt keinen Adventskalender in der Form im Unternehmen und haben gesagt Lass uns das doch nutzen um so eine Inspirationsadvent zu bauen und jeden Tag unseren Mitarbeitern entweder so ein kleines Wissenshäppchen zu geben.

00:09:28: So was ist denn die Learning oder...

00:09:30: Aber Mitarbeiter sollten unseren Podcast hören!

00:09:33: Sorry, nein.

00:09:35: Wir erklären ja genau solche Sachen.

00:09:37: Was ist die Birne?

00:09:38: Die letzte Folge des Themas wie Funktionieren neural networks?

00:09:40: und wir haben vorher über KI in Autos gesprochen.

00:09:43: ganz spannendes Thema Ja aber Adventskalender ist interessant.

00:09:46: Wie sahen diese Wissenshäppchen aus?

00:09:48: letztendlich war das auch nicht Raketenwissenschaft sondern was wir gemacht haben es versucht mit möglichst geringem Effort einfache Lösungen zu kreieren.

00:09:56: jeder Mitarbeiter aber trotzdem mir die gesamte Adventszeit lesen kann.

00:09:59: wir haben kleine Posts geschrieben die dann über verschiedene Chancen im Unternehmen verteilt und haben immer aber natürlich auch noch einen Link in unserem kleinen Postgab, wo man noch mehr dazu erfahren kann.

00:10:09: Aber so dass man eigentlich innerhalb von zwei drei Minuten einen kleinen Mini-Überblick kriegen konnte?

00:10:14: Du hast gerade gesagt keine Raketenwissenschaft!

00:10:15: Das ist auch eine Sache die ich verstanden habe.

00:10:17: wenn man sich unsere AIR Black Series von Folge eins bis jetzt gerade Folge sieben an hört dann... Die Dinge wiederholen sich.

00:10:22: das ist eigentlich Machine Learning.

00:10:23: immer wieder das gleiche und wenn man dieses Konzept einmal versteht, ist man auch eher ready.

00:10:27: es ist nicht einfach zu verstehen aber es ist möglich.

00:10:30: ihr habt also immer kleine Blockposts gesch.. Ich stelle mir das vor wie so ein internen Messenger, den ihr habt und sagt heute der Adventskalender.

00:10:36: Das ist im Übrigen eine Support-Vector-Maschine und die ist bei einer Algorithmus, sondern es funktioniert so.

00:10:41: Im übrigen hier ist ein super guter Blogartikel oder ein YouTube Video, dass ihr dir anschauen kannst.

00:10:44: Genau richtig!

00:10:45: Dann haben eure Kollegen vierundzwanzig Adventskalendern natürlich geöffnet.

00:10:48: was war zu Weihnachten drin?

00:10:49: letztendlich muss man sich ja auch immer angucken, wie realistisch ist das dass jemand an Weihnachten sagt.

00:10:53: Das erste was ich jetzt heute tue ist eine Adventskalender Türchen zu öffnen.

00:10:57: wir konzentrieren uns tatsächlich auf die Arbeitstage und lassen da die Leute ein Türchen öffnern um möglichst viel zu erreichen mit möglichst wenig Aufwand weil parallel natürlich ganz viele andere Dinge auch liefen.

00:11:07: Was wäre aber tatsächlich an dem Tag vor Weihnachten hatten?

00:11:10: Wir haben so'n bisschen aufgebaut, so'en bisschen Wissen was haben wir aber auch an Projekten selber gemacht Und wir hatten an dem tag vor Weihnacht noch mal dieses Thema Ethik und letztendlich Leute eben selber entscheiden lassen, so okay wie würdest du jetzt in dem Fall entscheiden vor dem Hintergrund dass das eben auch eine wahnsinnig wichtige Entscheidung ist die man treffen muss.

00:11:27: Was ist die Moral Machine?

00:11:28: Ich dachte es ist ganz bekannt.

00:11:29: also es ist eine Seite auf der man im Prinzip entscheiden kann wenn ein Auto... Selbst

00:11:33: wenn ich das kennen würde hypothetisch gesehen müssen wir das ja für unsere Hörer erklären.

00:11:37: Ich hab das auch selbst gemacht.

00:11:38: Das ist ein sehr interessantes Thema, aber erklär doch mal was ist die Moral Machine?

00:11:41: Im

00:11:41: Prinzip geht es darum dass man entscheiden soll als ein Autofahrer in einer Vorstellung da gehen jetzt so und zu viele Leute gerade über die Straße in verschiedenen Altersstufen verschiedene Jobs.

00:11:50: wie entscheide ich wo ich das Auto hinlenke wenn ich es nicht schaffen werde ohne einen großen Unfall mit einem Todesfall das zu ermöglichen.

00:11:58: Ich glaube das war von der Stanford-Universität und haben Millionen Leute teilgenommen und was sie machen wollten ist die haben verschiedene Variablen getestet nämlich eine Person sitzt im Auto und fünf Leute gehen über die Straße, dann sitzen fünf im Auto einer geht über die Strasse.

00:12:11: Und dann gehen die anderen bei Rot über die Straße.

00:12:13: das ist ja mit Fehler gemacht.

00:12:14: wer muss jetzt sterben?

00:12:15: Dann fand ich das ganz verrückt dass diese verschiedene Dimensionen hinzugefügt haben nämlich es saßen junge und alte Es war eine Familie mit Kindern Frau mit einem Hund ein alter Mann und dann gab's noch dicke und dünne Und dann gab es noch religiöse und nicht-religiöse.

00:12:29: Was sie sozusagen tun wollten damit, die haben aus diesen vielen Daten gelabeten Punkten, weil man muss da sich entscheiden.

00:12:33: Das war eine ganz schwierige ... Ich hab das selbst gemacht.

00:12:36: Du denkst dir, warum soll ich jetzt entscheiden?

00:12:37: Aber du musstest entscheiden wer sterben muss!

00:12:39: Die haben diese Million Datenmukte in so ein deep neural network gefüttert um rauszufinden wie sind eigentlich die Präferenzen der Menschen?

00:12:45: Ich weiß selbst nicht ob die Ergebnisse überhaupt gepappelt worden sind oder was die Ergebnis sind aber die Fragestellung ist ne ganz interessante Weil Menschen entscheiden ja nicht, die entscheiden ja intuitiv.

00:12:53: unser Affengehirn entscheidet ihr einen Millisekunden was wir tun.

00:12:56: Wir haben da keine Kontrolle darüber, ob wir jetzt denken oder

00:12:58: bremsen.".

00:12:59: Aber Computer treffen ja aktive Entscheidungen.

00:13:01: Fünfzig Mal pro Sekunde wer sie erinnert an die Folge KI in Autos.

00:13:04: Fünftig mal pro Sekunden entscheidet der Algorithmus, ob er Gas gibt oder bremst.

00:13:08: das heißt der muss eine aktive Entscheidung treffen und das ist ne ganz interessante Frage.

00:13:11: Die habt ihr Moral Machine gemacht okay?

00:13:13: Genau es ist natürlich ein krasses Beispiel und letztendlich war das natürlich ein extremes Beispiel was wir den Leuten im Bezug auf ethische Fragen an die Hand gegeben haben und unser Alltag sieht nicht so aus dass wir über Menschenleben entscheiden.

00:13:24: Gott sei Dank!

00:13:25: Aber im Kleinen und Ganzen geht es auch um Diskriminierung von Algorithmen.

00:13:28: Weil die Algorithme müssen ja Entscheidungen treffen, wir kommen gleich noch zu was sie eigentlich machen.

00:13:32: Und die Frage ist Was gibt man Algorithmus mit?

00:13:35: Wie kann man denn kontrollieren dass er richtige Entscheidung trifft?

00:13:37: Denn natürlich will kein Algorithmos irgendeine Art von Gruppen wegen irgendwelchen Merkmalen diskriminieren.

00:13:42: Das ist aber manchmal gar nicht einfach dem Algorithm mitzuteilen und vor allem später zu prüfen ob das so ist Richtig!

00:13:47: Und das war uns wichtig da diese Sensibilisierung ganz bewusst in diesen wenigen Tücheln die wir hatten mit einzubauen weil das ein elementares Thema dass das extrem wichtig

00:13:55: ist.

00:13:56: Habt ihr einen Mitarbeiter Quiz gemacht?

00:13:57: Ob die Leute verstanden haben, was es ist und sagen, ein Neural Network isst ABCD.

00:14:01: Haben wir tatsächlich nicht gemacht, das ist ein Teil, den wir ganz bewusst aber in unseren AI-Trainingsten mit einbauen wollen.

00:14:06: Aber du hast gelächelt bei der Frage, du hättest es gern gemacht!

00:14:09: Natürlich

00:14:09: ist das das Beste um wirklich messen zu können, hatte das ein Effekt?

00:14:13: also wie viel hat das wirklich gebracht?

00:14:15: Was wir gemacht haben ist ja eher auf der qualitativem Ebene gefragt, was hat das dir denn jetzt gebracht, wie würdest du es bewerten?

00:14:20: Ist das etwas, was du im Alltag anwenden kannst?

00:14:22: Also wir haben schon versucht Datenpunkte zu sammeln.

00:14:25: war das jetzt... Es ist sinnvoll investierte Zeit von uns in der Weihnachtszeit, aber wir hatten kein Quiz tatsächlich gemacht.

00:14:30: Okay!

00:14:31: Wir sind erst bei Weihnachten... Was ist danach passiert bis jetzt?

00:14:33: In den letzten acht Monaten?

00:14:34: Ich

00:14:34: hatte vorher auch ganz kurz erzählt dass wir als zweiten großen Punkt erfahren hatten das die Leute wirklich voneinander lernen wollen über die Standorte hinaus und über ihren alltäglichen Geschäftsbereich hinaus.

00:14:45: Und hatten daraufhin uns sehr bewusst auch entschieden zu sagen, wir haben da schon ganz viel Wissen.

00:14:49: Lass uns versuchen das zu teilen!

00:14:50: Wir haben eine AI-Community oder wie wir es genannt haben ein AI Ambassador Program ins Leben gerufen also einen AI Botschafterprogramm vor dem Hintergrund dass wir gesagt haben ein ganz elementares Element wird sein, dass wir alle die gleiche Sprache sprechen und uns wirklich verstehen.

00:15:04: Deshalb haben wir aus den ganz verschiedenen Geschäftsbereichen gesagt wollen Data Scientisten, wir wollen Produktmanage Wir wollen hier X-Designer und wir wollen aber auf jeden Fall auch Entwickler, damit wir die gleiche Diskussion führen.

00:15:16: Und die gleichen Erfahrungen machen und dann wirklich mit einer sehr hohen Schnelligkeit, aber auch mit einem hohen Durchschlagskraft möglichst schnell je ihr Projekte im Folgenden umsetzen

00:15:23: können.".

00:15:24: Das war zunächst mal ein wahnsinnig großer Erfolg, wo wir sehr überrascht waren.

00:15:28: Also ich hatte vermutet dass wir so ungefähr fünf bis zehn Prozent unserer Bildersorg also unsere Entwickler, UX-Designer und Produktmanager überhaupt dafür interessieren können weil wir im Prinzip kommen... Das heißt ihr

00:15:38: habt das nur gemacht innerhalb des Produktteils der Firma nicht innerhalb des Business Halls und Vertrieb?

00:15:43: Doch!

00:15:44: Wir haben das geöffnet.

00:15:45: aber wir haben gesagt das allerwichtigste am ersten Schritt wenn wir Produkte bauen wollen die wirklich nur einen Unterschied machen ist wahrscheinlich diese Bildersorganisation.

00:15:53: trotzdem Will ich

00:15:54: das organisieren?

00:15:54: Enttet ihr das?

00:15:55: Genau,

00:15:56: richtig.

00:15:56: Das sind die, die bauen.

00:15:57: Also das Bauen was danach auf dem Markt sichtbar ist an neuen Produkten.

00:16:01: und es war sehr überraschend weil wir aber auch aus ganz vielen anderen Bereichen Interessenten gekriegt haben unter anderem auch aus unserem Ligliereich was natürlich ein sehr spannender Punkt das weiß ich nicht verpflichten.

00:16:10: es waren rein optionales Programm und anstelle dieser fünf bis zehn prozent diese unsere Zielzahl bar wie viel wieder interessieren wollten hatten wird tatsächlich über fünfzehn Prozent Interessente.

00:16:21: das war sehr sehr erfreulich.

00:16:23: aber wir haben auch gemerkt Und das ist vielleicht so ein bisschen, wo wir schon zu Herausforderungen kommen.

00:16:27: Dass wir in sehr dynamisches und schnelles Unternehmen sind.

00:16:30: Und diese Multiplikationsaufgabe, die wir uns auch gewünscht haben, dass die Leute dort hinkommen.

00:16:35: Auch ganz bewusst danach im jeweiligen Geschäftsbereich sagen hey!

00:16:38: Das haben wir gelernt.

00:16:38: Lass mal drüber nachdenken wie könnten wir das eigentlich auf uns mündsen?

00:16:41: Dass das eine sehr hohe Herausforderung für die Leute ist, das noch in der Zeit ermöglicht zu bekommen.

00:16:46: Da kommt natürlich auch diese große Herausforderung mit dazu, dass viele Leute aus verschiedenen Wissensständen sind.

00:16:52: Der eine weiß überhaupt nicht wovon gesprochen wird und der andere hat irgendwie schon ein paar Judacity-Kurse oder so gemacht.

00:16:57: Und da spricht man natürlich dann auch wieder auf ganz vielen verschiedenen Wissensebenen die Leute an, und da haben wir als Feedback gehört von den Leuten, die eben unsere Botschaft da waren.

00:17:05: Wir wissen gar nicht genau wie wir diese ganze Gruppe an Leuten adressieren sollen, weil das eine was wir erzählen, das schaut der andere wie Bahnhof und der Andere sagt, das kenne ich doch schon längst alles.

00:17:14: Problem

00:17:14: verstanden?

00:17:15: Was ist die Lösung dafür?

00:17:16: Wir haben im Prinzip verschiedene Anläufe gemacht.

00:17:18: Wir haben einmal gesagt, vielleicht würde so ein Buddiesystem Sinn ergeben?

00:17:21: Dass wir sagen, nimm jeweils einen Mitarbeiter in die Hand und fühle dich für den quasi verantwortlich.

00:17:26: Ähnliches Problem was diesen Zeitinvest angeht!

00:17:28: Und man muss ja auch ehrlich sein.

00:17:29: also wir haben zwar glaube ich hier eine Rolle geschaffen und wir haben sehr hohen Fokus auf das Thema als Scout-Fürundzwanzig und damit auch ein sehr hohes Commitment und denn noch läuft natürlich das Alltagsbusiness Weitag.

00:17:40: Also ich kann jetzt nicht sagen oh ich habe hier irgendwie gerade einen Inzident aber mir ist es jetzt wichtiger dieses Wissen aus... aus meinem AI Ambassador-Programm weiterzugeben.

00:17:47: Vor dem Hintergrund haben wir tatsächlich diesen Monat die Entscheidung getroffen, dass sie gesagt haben, wir öffnen diese Sessions wirklich für jedermann, der interessiert ist und versuchen aber ganz bewusst auch die Leute zu adressieren, wo wir glauben, die Relevanz ist am allergrößten.

00:17:59: Zu jeder Session ein anderes Thema.

00:18:01: Diesen Monat war das das Bauen einer AI-Plattform was unser nächster großer Schritt sein soll.

00:18:05: Und da wussten wir okay, das ist sowohl für Produktleute als auch für Entwickler sehr relevant.

00:18:10: Für einen UX Designer ist das weniger interessant den brauche ich dann nicht mit hinzurollen.

00:18:14: Es ist eine Art Frontal Workshop, wo jemand nen Vortrag hält und die Mitarbeiter sich physisch oder sozusagen via Streaming einwählen können wenn sie in einem anderen Standort sind.

00:18:22: Darf ich mir das richtig vorn?

00:18:24: Sowohl als auch.

00:18:24: Wir hatten genau das, dass wir manchmal voll Eurental-Vorträge hatten.

00:18:28: Wir haben aber auch oft kleine Elemente wo es wirklich darum geht.

00:18:30: okay... ...wir brauchen jetzt auch ein bisschen euer Voting.

00:18:33: also wir müssen wissen was sind die wichtigsten Themen.

00:18:35: oder geht mal selber in die Aktivität.

00:18:37: und wenn wir davon reden human centered AI Produkte zu entwickeln wie kann das aussehen?

00:18:41: Da war

00:18:42: schon wieder so ein Englitz von Human Centered AI Product.

00:18:45: Also im Prinzip kommen wir wieder zurück zu unserer Maxime.

00:18:48: Den Konsumenten zuerst hinsteigen, also wie schaffen wir es denn wirklich ausgehend von einem Nutzerproblem oder einem Nutzerschritt AI Produkte zu entwickeln?

00:18:55: Und wir hatten dann ein ganz spannendes kleines Werkzeug-Entdeckt und haben gesagt haben dieses Framework wollen wir natürlich auch... ausprobieren und da ging es wirklich auch mehr in die Aktivität.

00:19:03: Aber ich würde sagen, das ist sowohl als auch.

00:19:05: Es ist manchmal ein Frontalvortrag wo eher so eine Einschätzung abgeholt wird von der Audience damit wir klar entscheiden können, wo soll denn der nächste Schritt hingehen?

00:19:12: Als auch manchmal wirklich interaktiver.

00:19:14: Verstanden!

00:19:15: Willst du noch was zu eurer Reise bis heute sagen?

00:19:17: habt ihr noch weitere sozusagen Themen, die interessant sind zu dem, die er on top gemacht hat?

00:19:21: Ich

00:19:21: glaube, was noch ganz wichtig zu sagen ist... Und wenn man sich da so bisschen umguckt im Internet wie er empfohlen wird dass man diese Reise aufnimmt dann Der erste Schritt.

00:19:30: meistens macht erst mal ein Pilotprojekt.

00:19:33: Das konnten wir bei uns ja abhaken, das hatten wir schon gemacht.

00:19:35: Dann ist der zweite Schritt.

00:19:36: ganz oft bildet jetzt einen Team also ein Data Science-Team.

00:19:39: Hatten wir auch schon gemacht.

00:19:40: und der dritte Schritt den man oft liest und wogegen wir uns im ersten Schritt bewusst aber entschieden hat ist so und jetzt bauen AI-Kurikülungen auf.

00:19:47: Wir hatten eben aus dem Feedback, was wir aber bekommen haben und den Wünschen die Leute hatten.

00:19:51: Du wirst gesagt das ist für uns jetzt noch nicht der nächste Schritt sondern wir müssen erst mal aus den vielen Dingen, die wir schon gemacht haben weil ja nicht ein Pilotprojekt da war, sondern schon sehr viele Projekte da dieses Wissen verteilen.

00:20:01: Dementsprechend ist es trotzdem der nächste logische Schritt jetzt zu sagen wir bauen einen AI-Kurikulum auf, dass wir vor allem für zwei Zielgruppen zunächst in der Tiefe entwickeln um aber trotzdem im nächsten Schritt natürlich die gesamte Mitarbeiterschaft mitzunehmen.

00:20:13: Und diese Zwei Zielgruppe sind Produktmanager und UX Designer und auf der anderen Seite Entwickler.

00:20:19: Jetzt habe ich bewusst gesagt, und UX-Designers ist vielleicht für manche ein bisschen überraschend aber ich glaube das ist ein sehr unterschätzter Bereich bisher.

00:20:26: also wenn man viel liest in verschiedenen Blogs dann wird meistens über tolle technische Lösungen gesprochen oder über tolles Produkte.

00:20:34: Aber das entscheidende es ja ein gutes Produkt lebt ja davon dass es auch richtig integriertes gut integrierte und für einen Nutzer kaum merklich ist.

00:20:41: im Sinne von was ist das denn jetzt?

00:20:44: Ein Produkt das aus Daten und Algorithmen besteht muss ja auch Daten sammeln, muss also die richtigen Knöpfe an der richtigen Stelle haben.

00:20:50: Muss verschiedene Sachen messen und vielleicht baut man NuX-Satman ein nur damit meine Trainingsdaten von kriegt weil jemand da draufklicken muss, weil es halt wichtig ist diesen Intent rauszufinden.

00:20:58: Wir stellen gerade unser Produkt den Chatflow unseres ChatWidges um damit die Endkonsumenten ihre Support Probleme lösen.

00:21:05: Die sollen noch einmal klicken und zwar auf dem Knopp der in den Emoji hat Daumen hoch, Daumen runter um ein aktuelles Gefühl mitzukriegen Weil mein ansonsten mit einem... Also Emojis kann jeder sagen ich bin happy unhappy.

00:21:15: Wenn du genau das messen willst, musst du den Knopf anders darstellen als wenn du den Text hast.

00:21:19: Hat mir geholfen und hat nicht geholft.

00:21:20: Das Thema sozusagen UX-Design ist ganz wichtig, wenn man sagt man hat ein algorithmisches Produkt und muss ja auch die Daten dauerhaft haben und sein Produkt automatisch mit einem Machine Learning Flow weiterentwickeln.

00:21:31: Und deswegen ich bin vollkommen bei der UX Design ist total wichtig nicht um Produktmanagement.

00:21:35: Ich mache mal eine kritische Frage.

00:21:37: Ich sage jetzt das Thema Transformation.

00:21:38: Du hattest gesagt jeder hat einen Daily Geschäft.

00:21:40: Die Sachen laufen weiter Ganz viel zu tun, keine Hatzeit.

00:21:44: Was würdest du für eine Empfehlung geben?

00:21:45: Wieviel Prozent der Mitarbeiter seid?

00:21:47: sollten Sie für erstens Change Prozesse und zweitens konkret für den Change-Prozess AI Readiness?

00:21:53: Wow, das ist natürlich pauschal extrem schwierig zu sagen.

00:21:57: Aber deswegen bist du ja Experte und kannst zumindest eine Einschätzung geben?

00:22:00: Du meinst in Bezug auf die einzelnen Mitarbeiter oder vielmehr... Ich

00:22:03: habe jetzt ne vierzig Stunden Woche!

00:22:04: Die kann ich ja nur einmal ausgeben meine vierzig-Stundenzeitbudgete.

00:22:07: Was würdest du sagen?

00:22:08: wieviel Zeit pro Woche oder Stunden pro Monat sollte sich jemand generell mit Changeprozessen auseinandersetzen?

00:22:13: Und dann komme ich gleich noch zu.

00:22:14: vielleicht gibt es auch andere Change Prozesse im Unternehmen.

00:22:16: Wieviel soll dich mich mit AI aktuell auseinander setzen wenn ich jetzt, wenn unser Zuhörer grad entweder selbst der Air Avenger List ist der sich überlegt, wie viel Wichtigkeit soll ich dem Thema geben.

00:22:26: Weil das normale Geschäft läuft ja auch weiter.

00:22:28: Ich will es mal an einem Beispiel festmachen oder wie wir vorgehen, oder wie versuchen wirklich jeden unserer Mitarbeiter zu erreichen und was wir zahlen, seit ich schon gesehen habe, dass wir ungefähr so ein Drittel unseres Unternehmens wirklich schon inspiriert haben und die Hälfte unserer Bildersorganisation schon auf diesen Trainingsweg geschickt haben.

00:22:43: Wir haben dann die Leute inspiriert.

00:22:44: Da kamen so ein bisschen die Themen, die ich vorher schon besprochen hab.

00:22:46: Und was wir aber zusätzlich noch machen ist, dass wer einmal im Monat eine AI-Inspiration in das gesamte Unternehmen schicken Das sind A-Projekte, die wir selber schon gemacht haben.

00:22:54: Also da wirklich zu erzählen Das haben wir schon gemacht und wie funktioniert das eigentlich?

00:22:58: Was waren dann die Hürden?

00:22:59: Also es ist natürlich nicht Learning on the job, aber es ist Learning an einem Beispiel meines Jobs.

00:23:04: Und auf der anderen Seite versuchen wir auch zu inspirieren mit konkreten Beispielen, die wir bei anderen Spielern im Markt sehen, die uns ähnlich sind, die entweder ein Business haben oder die tatsächlich über den Ozean hinaus was sehr Ähnliches zu uns machen.

00:23:18: Wie lang dauert das, dass zu lesen?

00:23:19: Das kommt wahrscheinlich drauf an.

00:23:21: Wie tief ich da wirklich als jeder einzelne Mitarbeiter mich reindenken will wie viele Links ich noch folge und das noch zusätzlich lese.

00:23:28: Der erste Schritt ist glaube ich um jeden mal mitzunehmen.

00:23:30: es ist einfach und knackig zu machen Und nicht jetzt so sagen du brauchst diese Woche fünf Stunden die wenigsten dort werden sein.

00:23:36: Man muss auch diese Barriere überbrechen das überhaupt zu wollen und die Motivation herzustellen.

00:23:40: deswegen habt ihr ja nicht umsonst in den Big Bang Tag gemacht um die Awareness zu haben

00:23:43: Genau.

00:23:44: Und so wollen wir eben konstant auch ... Entschuldigen, jetzt kommt wieder ein Anglizismus aber so einen Bass aufrecht erhalten, dass immer wieder ein kleines Moment umkommt wo ich sage, ach Spannend ist ja cool was wir da schon gemacht haben und ach Spannt so machen wie das!

00:23:55: Und dann aber auch diesen nächsten Linken.

00:23:56: was wir auch inkludieren sind logischerweise Meetups die stattfinden an unseren Standorten Um denen gehen die sagen Ich möchte jetzt sofort irgendwie zu dem Thema mehr erfahren die Möglichkeit zu geben dort hinzugehen.

00:24:07: Der nächste Schritt ist natürlich dieses Thema wirklich Trainings & Learning.

00:24:11: Wir sind davon abgekommen.

00:24:12: unser erster Das erste Gedanke war, wir machen da auch zwei Tage Training und ziehen da wirklich so einen ganzen Kurikolum durch.

00:24:18: Unser momentaner Ansatz ist viel mehr zu sagen.

00:24:20: Wir schneiden das in Häppchen die wirklich neben meinem Job Sinn ergeben.

00:24:23: also der erste Schritt für ein Produktmanager wird das Thema Problem Framing sein.

00:24:27: Also wie komme ich von meinen Business-Problemen?

00:24:29: Wie kann ich das denn überhaupt übersetzen im Maschinenlernenproblem?

00:24:32: Und das ist so das erste Trainingshäppchen dass wir unseren Produktleuten nahe bringen wollen.

00:24:36: Wir sind gerade dabei also die ersten Piloten auszurollen und das soll aber dann nicht den ganzen Tag sondern lieber als Impuls für zwei, drei Stunden da sein.

00:24:45: Genau wie auch unsere Community-Meetings ein, zwei Stunden normalerweise sind.

00:24:49: Also lieber öfter und kleiner als so einmal Big Bang!

00:24:53: Ich glaube für das Momentum, dass wir letztes hier kreieren wollten war diese Big Bang herangehensweise genau die Richtige.

00:24:58: Am Anfang hatte ich das Gefühl muss ich jetzt mal ganz ehrlich bekennen Evangelist wenn man wieder mal ganz weit zurückgehen in die Geschichte ist ja so bisschen der Evangelist der vor der Kirche saß und gesagt hat du solltest was tun,

00:25:06: dass es besser ist.

00:25:07: Da hätte ich auch missioniert meine, vielleicht bist du ja auch eine Art Missionar nur für nen neues Thema.

00:25:11: Genau, und letztendlich ist das natürlich der Punkt.

00:25:13: Es kommt einem fast schon so vor als würde man die Leute nerven weil man immer wieder sendet.

00:25:17: aber das ist glaube ich das Wichtige dass es konstant im Kopf bleibt und damit das Interesse weiterentwickelt wird.

00:25:23: Jetzt sage ich viele Firmen jetzt vielleicht nicht so cool sind wie E-Musk oder wie Scout-Firnzwanzig sagen Buu Change Prozesse ich bin gerade bei Papier abzuschaffen.

00:25:31: Ich habe sozusagen das Problem der Digitalisierung.

00:25:34: Manche Prozisse laufen analog ab das heißt ich bin noch nicht mal online vernetzt.

00:25:38: Wie siehst du die Konkurrenz von AI-Readyness zu anderen Digitalisierungsprojekten?

00:25:42: Ist das hierarchisch on top,

00:25:44: d.h.,

00:25:44: muss man die sequenziell nacheinander abarbeiten?

00:25:46: oder ist es ein paralleles Thema?

00:25:48: Ich stelle mir vor jetzt... Wir sind in der öffentlichen Verwaltung und da gibt's ganz viel Papier, dass darum fliegt und ich versuche gerade beizubringen, dass man nicht ausdrucken muss, dass eine digitale Unterschrift auch funktioniert und rechtssicher ist.

00:25:58: Man gleichzeitig über das Thema AI-Readiness spricht, siehst Du das sequenzielle, siehst Du das parallel?

00:26:04: Die Themen liegen ja jetzt nicht meilenweit auseinander, die sind ja sehr nahe.

00:26:07: Für mich

00:26:07: ist es meilen weit!

00:26:08: Wenn ich mir jemand über digitale Unterschrift spreche dann ist das weit davon entfernt zu verstehen welche Daten vielleicht automatische Vorhersage mehr Produkt machen können.

00:26:15: also zumindest für mich.

00:26:16: aber du kannst auch sagen dass das gleiche warum?

00:26:18: Wir

00:26:18: sprechen in beiden Fällen über digitare Themen.

00:26:20: richtig und wenn Du sagst dieser Schritt Digitalisierung den wir auch ganz oft bei vielen Unternehmen gerade mitkriegen ist so schwer zu gehen Dann würde ich wirklich versuchen die Themen miteinander zu koppeln und kombinieren weil wenn ich jetzt sage da das jetzt der Changeprozess nachmachen Eine gewisse Change-Müdigkeit stellt sich bei jedem Mitarbeiter ein.

00:26:37: Ist ja auch das Problem in unserer immer schnelllebigeren Gesellschaft, dass man immer mehr Change mitmachen muss?

00:26:42: Was auf die Frage von vorhin abzieht, auf die ich hinaus wollte ... Die Gesellschaft dreht sich schneller!

00:26:47: Wie kann ich als Mitarbeiter überhaupt noch bei allen Themen, die hier kommen, von Mobile First Data First, Sahngetriebenes, Customer Centricity, Design Thinking, AI Readiness, wie kann ich dabei mithalten?

00:26:59: Vielleicht beantworte ich die Frage ein bisschen anders.

00:27:01: Ich glaube, das ist bei der Scout sehr hilfreich.

00:27:04: Wir haben vier klare Kernwerte.

00:27:06: Einer davon ist Data-Driveners und dazu gehören natürlich auch Themen wie AI.

00:27:10: Der zweite Kernwert ist One Team.

00:27:12: also wir können als Team gut miteinander interagieren.

00:27:15: Wie können wir wirklich gemeinsam an dem gleichen Strang ziehen?

00:27:17: Dann noch so Impact Driveners.

00:27:19: Also wie können wir Wirkung erzeugen?

00:27:21: Und der Letzte is Winning!

00:27:22: Also eine Winning-Attitüde, dass uns irgendwie der Beste werden.

00:27:26: Das glaube ich unterstützt, dass wir einen klaren Fokus haben... Und dazu kommen natürlich diese Maxime, wie wir mobile-first und consumer-first entwickeln.

00:27:33: Ich weiß, das war keine präzise Antwort noch auf meine Frage!

00:27:36: Aber letztendlich ist es sehr wichtig, dass man als Unternehmen auch klar macht, die Kernwerte sind, die wir vorantreiben wollen.

00:27:43: Das bedeutet für unsere Mitarbeiter folgen das, was wir von ihnen sowieso erwarten oder in bestimmten Bereichen erwarten.

00:27:49: Da ab to date zu bleiben setzt bei dem einzelnen Mitarbeiter eine Neugierde voraus, dass er sagt, ich will mich selber schlau machen?

00:27:58: Wenn euer erster Kernwert Data Driveness ist, dann seid ihr schon auf einem sehr hohen Niveau.

00:28:02: Können wir jetzt vorstellen als andere Firmen die Werte festlegen halt nicht Data-Driveness als Kernwert Nummer eins haben sondern irgendein anderer Art von Werts.

00:28:08: das heißt ihr seid schon auf nem sehr hohe Level.

00:28:10: Wir haben gerade gesagt Change Prozesse und die Welt verändert sich ständig und kontinuierlich.

00:28:14: Arbeitet ihr denn mit langfristigen Plänen?

00:28:16: Wie kriegt ihr dieses continue hier lernen hin?

00:28:18: Also was wir tatsächlich nicht mehr haben bei der Scout, sind so jahres Planungsprozesse.

00:28:23: Wir gehen da iterativ in sogenannten Cycles und das Wort ein- und für sich ist ja schon dass wir sagen es ist etwas was immer wieder kommt und wo wir auch uns konstant weiter entwickeln müssen.

00:28:31: So gehen wir im Prinzip damit um, dass wir wirklich eine Iteration nach den nächsten gehen und die wichtigsten Themen auch immer hoch priorisiert halten können.

00:28:37: Und letztendlich wenn wir uns die Welt angucken scheint es nicht weg zu denken und jeder der sagt es wäre so schön wenn's wieder so wär wie vor fünfzig Jahren Das wird nicht passieren!

00:28:45: Wir sind in einem so schnellen Markt.

00:28:47: Wie wird sich noch so viel tun?

00:28:49: Und vor allem in unserer Branche kann ich nicht als Mitarbeiter sagen, ich bleib jetzt hier stehen und ich will mich nicht mehr weiterentwickeln.

00:28:54: Dann soll dich nicht bei einem Tech-Unternehmen arbeiten!

00:28:56: Aber wir sind ja weiter aus der Tech-Bankstelle.

00:28:57: deswegen wollte ich das nur mal nebenbei erwähnen.

00:29:00: Make or buy,

00:29:00: d.h.,

00:29:01: das Thema Change Prozesse & AI Readiness.

00:29:04: Kann ich ja sozusagen machen indem ich selbst mache du bist ja intern angestellt ihr habt ein Team, habt es intern gemacht.

00:29:08: oder sollte ich mir einen externen Berater dafür suchen?

00:29:11: welche Hinweise würdest Du dazu geben?

00:29:12: was Deine Meinung?

00:29:13: Es kommt drauf an, glaube ich.

00:29:15: Trotzdem meine Erfahrung damals in der Innovationsberatung hat gezeigt ganz schnell... Du warst

00:29:19: ja auf beiden Seiten der Medaille?

00:29:20: Ja genau!

00:29:21: Was wir da versucht haben ist dass wir wirklich aber die Unternehmensvertreterjenigen sein zu lassen, die dem Prozess vorangetreten haben.

00:29:27: Aber was wir immer wieder festgestellt haben das gibt ein so genannte Not Invented Here Syndrome also so Das wurde hier nicht erfunden syndrome Also Ablehnungen gegenüber Ideen die von außen kommen oder die nicht wirklich von mir

00:29:37: kam.

00:29:37: Erst mal sieht du es wieder von das NOT INVENTED HERE SYNDROME.

00:29:40: Das ist anders als das not in my backyard Problem Not invented here, das heißt von extern vorgegeben und nicht von intern gewachsen.

00:29:46: Okay?

00:29:47: Richtig.

00:29:47: Und das kann natürlich oft dazu führen, dass Mitarbeiter eine gewisse Reaktanz entwickeln und sagen, kommt schon wieder was von außen?

00:29:54: Es ist auch, dass es sich nach etwas anderem anführt.

00:29:58: Wenn ich selber Teil dieses Prozesses war, dann kann ich auch selber ein bisschen stolz auf mich sein und sagen ha!

00:30:03: Cool habe ich mit beigetragen und jetzt stehen wir hier.

00:30:06: Ich glaube, das ist ein großer Vorteil wenn man was intern entwickelt, dass die Leute ganz anders mitten nehmen.

00:30:11: Wenn man eine externe Beratung beauftragt zu sagen mach mal unseren Change.

00:30:14: Dann ist der erste Punkt schafft mir aus so schnell zu vernetzen, dass die entscheidenden Stakeholder mit dabei sind.

00:30:21: Mit

00:30:21: einer externen Beratung könnte man zum Beispiel schneller Dinge live haben, schneller auf Erfahrungen zurückgreifen.

00:30:26: aber ich höre so die Tendenz von dir raus das man sagt selbst wenn man startet ihr habt ja auch den Big Bang gemacht und Pilotprojekt Data Science Team jede größere Firma sollte das sozusagen professionell händeln und es sollte Teil der gesamte Entwicklung sein.

00:30:38: Ich glaube es ergibt viel Sinn Aber es ist kein Muss.

00:30:42: Und ich weiß, dass das so eine typische Geistes- und Sozialwissenschaftler Antwort, aber es kommt wirklich drauf an.

00:30:47: Man muss sich auch sehr genau überlegen... Es kommt

00:30:49: ja im Leben auch immer darauf an!

00:30:50: Ja, das ist richtig.

00:30:52: Aber muss ich überlegen was sind meine konkreten Ziele und was ist mein Punkt von dem aus?

00:30:56: Ich starte.

00:30:56: letztendlich muss ich mir dann angucken habe ich intern die Ressourcen auch?

00:31:00: hab ich die richtigen Leute wie das vorantreiben können?

00:31:02: oder stelle ich fest wir brauchen auch externe Unterstützung?

00:31:05: und dann zu sagen.

00:31:06: aber ich habe damals gehört wir sollten es auf jeden Fall intern machen und zu warten ist glaube ich auch keine Option.

00:31:11: also ich glaube man muss schon auch ja den moment irgendwie dann ergreifen wenn man weiß jetzt muss sich etwas tun.

00:31:17: sehr gut Julia ich fasse zusammen AI Readiness und KI Kultur gesprochen.

00:31:21: Und AI First, was ist AI Ready?

00:31:23: Wir haben gesagt dass man natürlich auch Mitarbeiter befähigen muss.

00:31:26: Das heißt man muss ihnen Dinge beibringen.

00:31:27: wir müssen auch provozieren um interessante Denkprozesse wie zum Beispiel mit der Moll Machine oder über ethische Fragestellungen nachzudenken.

00:31:34: Wir haben auch herausgefunden das es ein Change-Prozess ist ja ongoing ist.

00:31:37: den kann man nicht einfach machen.

00:31:38: du hattest sozusagen so eure Timeline so ein bisschen besprochen gesagt ihr habt mit einem Pilotprojekt gestartet einen Data Science Team anstellen da kam der Big Bang Tag.

00:31:45: dann habt ihr dir ein Adventskalender gemacht was ich sehr interessant finde.

00:31:48: das kann man ja übersetzen in andere Themen wie KI Oster-Eier suchen, je nachdem welche Jahreszeit gerade ist.

00:31:53: Ihr habt ein AI Ambassador Programm ins Leben gerufen spreading the world inside die Organisation.

00:31:58: Ihr planten AI Curriculum und habt auch Meetups zu dem Thema.

00:32:01: also ganz spannend und pragmatische Ansätze, die wir hier gesehen haben.

00:32:04: wenn du jetzt sozusagen das Abschlusswort hast Wie macht man das Eigenunternehmen AI ready?

00:32:09: Was ist der erste Schritt den man tun muss?

00:32:10: Ich glaube, das haben wir gut gemacht.

00:32:12: Einen Momentum zu schaffen und die Aufmerksamkeit von wirklich jedem Mitarbeiter überhaupt mal zu kriegen.

00:32:15: So oh wow okay!

00:32:17: Das sind also die Themen, die gerade andere Unternehmen herumtreiben?

00:32:20: Das ist auch der Grund warum wir es tun sollten.

00:32:22: Einmal Momentum zum Schaffen und den Leuten auch dieses reason why.

00:32:25: Also zu erklären warum ist das jetzt nicht eine Sau, die wir durchs Dorf treiben sondern darum ist das wirklich entscheidend.

00:32:31: Sehr schön.

00:32:32: Danke Julia Butter heute der Gast bei Iron Pluckt und vielen Dank für das Gespräch.

00:32:36: Danke auch.