KI: Der deutsche Mittelstand hinkt 10 Jahre hinterher | Michael Witzenleiter von Rinascai

Brauche ich denn da wirklich in Agenten, ne? Ich würde in meiner Buchhaltung vermutlich auch keinen Philosophen einstellen, der erst mal kritisch hinterfragt, was so eine Rechnung ist, ne? Also im Endeffekt geht's dann darum, Tasks sinnvoll durchzuführen. Aber wenn man sich jetzt anschaut, 20 22 kann ChatGPT raus. Es gibt immer noch sehr, sehr viele Unternehmen, die die keine KI Chat Bots ihren Mitarbeitern bereitstellen, ne.

Und wir sind jetzt auch schon im Jahr 20 26. Also wenn ich wirklich jetzt nur das komplette Netz nehmen würde, dann hätte ich am Ende einen Chatbot beispielsweise, der moralisch sehr verwerflich ist, sagen wir's, ne? Deshalb muss ich zwangsläufig immer subjektiv auswählen, welche Daten kommen rein und welche nicht. Die Klauseln im Privatbereich sind, aus als wenn ich's dann deaktivier, anderer als im Businessbereich. Also der Businessbereich hat immer 'n höheres Schutzniveau als der private Anwender.

Und das ist, finde ich persönlich, sehr, sehr kritisch. Die Gefahr für klassisches AB-Testing ist tatsächlich, ja, dass in Zukunft Agenten einfach die Käufe durchführen und AB-Testing dann vielleicht gar nicht mehr so auf das User Interface bezogen ist, sondern eher vielleicht auf Produktdaten et cetera. Meine Frage an der Stelle, wird hier der Conversion Optimierer zu 'nem großen Teil grade ausgelöscht? Das ist eine gute Frage, die wir auch mit mit dem einen anderen Conversionoptimierer diskutiert haben. Ich will sagen Michael Witzenleiter, schön, dass Du heute in der Wellys Vent Ventures Show bist.

Ja, freut mich sehr, wenn schön, hier zu sein. Michael, Du bist Geschäftsführer von Rinnersgay. Du bist Unternehmer, Du hast mehrfach gegründet. Uns verbinden ganz viele Themengebiete, 2 ganz besonders. Das eine Themengebiet ist KI.

Da seh ich uns beide als Nabler, aber ich finde, wir kommen beide aus sehr unterschiedlichen Richtungen und machen das auf unterschiedliche Art und Weise. Und dann ist da noch son anderes Lieblingsthema von mir, nämlich Conversion Optimierung. Da verbindest Du dieses Thema stark mit KI. Und auf beides wollen wir natürlich heute auch eingehen. Außerdem bist Du der Kurs von Das Gelbe vom AI.

Und da durfte ich ja kürzlich bei dir und auch bei Jean Luc zu Gast sein. Und wir haben mal über die KI Content Produktion gesprochen. Kann ich nur empfehlen und allen ja auch diese Empfehlungen aussprechen, da mal reinzuhören. Jetzt geh ich zuerst mit dir auf Reiner Sky ein, weil das Unternehmen gibt's eigentlich erst seit September, zumindest sagt das so LinkedIn und ich hab auch deinen Post dazu gesehen, also ganz frisch. Und ich würd von dir einmal gerne hören, was ist überhaupt Reiner Sky?

Du hast ja schon angesprochen, ich komm sehr stark ausm Softwarebereich, hab da die letzten Jahre verschiedene Unternehmen ausm Bereich KI, Schwerpunkt generative AI aufgebaut. Und hab mich die letzten 2 Jahre sehr stark mit dem Thema, wie kann ich KI in Unternehmen bringen, beschäftigt. Ein großer Punkt dabei ist natürlich Sicherheitsaspekt, also das Thema Datenschutz, aber mittlerweile eben auch der EU AI Act. Da haben wir 2 Softwarelösungen entwickelt. Das eine ist, ein Chatbot und auch eine, ja, wenn Du's willst, Gateway Layer, eine API, die man einsetzen kann, Daten zu zeugenisieren, bevor sie an KI Systeme gesendet werden, einfach personenbezogene Daten rauszunehmen.

Aber eben auch, eben zu entscheiden, welche Datenwaffe überhaupt raus senden. Für bestimmte Daten brauch ich vielleicht Systeme, die lokal gehostet sind? Für bestimmte Daten brauch ich vielleicht die die großen Frontiermodelle aus den USA oder eben auch aus China, die Weltwissen in 'ner viel größeren Form mit sich bringen. Und so entscheidet das Tool, basierend auf dem Prompt, basierend auf der Eingabe, wie's eben mit diesen Daten umgeht, ja, ne. Das ist Private.

Das 2. Softwareprodukt, das wir haben, nennt sich AI Officer. Ist 'n ganz neues Softwareprodukt, das hilft für den EU AI Act, alles, was das Thema Governance angeht, abzudecken, ja. Man kann dort Use Cases tracken, kann dort die verschiedenen Risikokasen hinterlegen, Model cards zu den Anbietern, also alles, was gefordert wird laut. Und dadurch, dass wir's eben sehr schlank mit KI auch lösen, ist unser Ansatz dabei immer den KI verantwortlichen Unternehmen, den wenigen Ressourcen, die es gibt, die sich mit KI beschäftigen in der Regel, möglichst große Freiheiten und Freiraum zu geben.

Und unser Tool hilft dabei, es so effizient und schlank wie möglich zu lösen. Aus diesem Bereich komm ich. Aber als wir in diesem Bereich tiefer eingetaucht sind, haben wir einfach gemerkt, viele Unternehmen brauchen beides, ne. Tools und auch Beratung drumherum. Die wollen wissen, was sind die passenden Use Cases, die sie umsetzen?

Wie geh ich damit Wie setz ich die Wie kann ich vielleicht aus Synergien im Unternehmen noch erzeugen? Und so kam's, dass wir dann die oppka Partners aus der Schweiz kennengelernt haben und unser beides unser beider Portfolio mal übereinander gehoben haben. Sie machen sonst sehr stark Strategie und BI Beratung. Wir kommen, wie gesagt, sehr stark aus diesem KI mehr oder weniger Sicherheits Governance Bereich, haben gemerkt, das passt eigentlich super zusammen, ja. Also Unternehmen brauchen sowohl Beratung wie auch das passende Toolset.

Und das war der Aufhänger, warum wir gesagt haben, Mensch, lasst uns auch zusammen ein Unternehmen starten mit Rina Sky, wo beide ihre Kompetenzen mit einbringen. Und das ist das neue Thema, was wir grad haben. Also wie gesagt, ums kurz zusammenzufassen, Rina Sky schaut sich bei Unternehmen an, wie weit sind sie schon im im Thema KI? Wohin wollen sie, was sind die Ziele? Nimmt dann die verschiedenen Use Cases auf, die Risikoklassifizierung et cetera, kümmert sich auch die Umsetzung der Use Cases Und das alles vor dem Hintergrund nicht nur sicher zu arbeiten, sondern eben auch ROI orientiert.

Das heißt, die Frage, was bringt KI wirklich, ja? Wie viel Profit kann ich damit generieren? Was sind die Vorteile, die steht bei uns komplett im Vordergrund, ja, weil wir einfach sehen, dass sehr, sehr viele Piloten scheitern. Und wir wollen's einfach strukturierter und besser machen, ne. Da gehen wir gleich noch drauf ein.

Einmal ganz kurz, wird geschrieben für alle, die nämlich grade zuhören. PRYVET. Genau. Dann gibt's noch die Obcore Partners AG. Mhm.

Links zu beiden mach ich dann einfach in die Shownotes. Was passiert mit Private und Obcore Partners? Existieren die denn dann trotzdem weiter oder gehen die auf in, oder sind sie jetzt aufgegangen in Rina Sky? Also momentan ist es so, dass Rina Sky ein 1 separates Unternehmen ist, das als Tool übernommen hat, ja. Das heißt, gehört zu Rina Sky aktuell.

Obcore ist noch ein separates Unternehmen, ja. Wie sich das in der Zukunft verhält, werden wir sehen, aber wir haben das klassische Strategiegeschäft noch draußen in 'ner anderen Firma. Und das gemeinsame Unternehmen ist dann, wie gesagt, Rina Sky. Gebündelt. Gebündelt sozusagen, was ihr nennt, das AI Office Team.

Mhm. Zusammen mit sozusagen dann der Rina Sky Suite, gestern praktisch der das Technische dahinter, was es anbietet. Das Beratungsprodukt ist das, Du hast ja schon angesprochen hast, das AI Office Team, ja. Also sprich, eine Mannschaft, die die KI Verantwortlichen, die AI Officer im Unternehmen unterstützt, genau die Rollen und Teile mit einbringen, die vielleicht im Unternehmen aktuell noch nicht vorhanden sind und dabei hilft zukünftig, so ein Team autark selbst zu betreiben, ja. Und der 2.

Teil ist dann eben die Suite bei uns, da verbergen sich verschiedene Tools dahinter, auch Partnerschaften mit Tools. Und zentrale Elemente dabei ist das AI Officer Modul, wie gesagt, diese Governance Software und auch Private, ja. Du hast jetzt gesagt, ihr habt da, ihr bietet ein Beratungsteam, meistens sind die Ressourcen, die sich speziell mit KI beschäftigen, klein. Ich glaub, im Unternehmen beschäftigen sich immer sehr viele mit KI. Aber wenn wir sagen, ist dafür jemand abgestellt, sich mit KI zu beschäftigen, Ja.

Dann zeigt scheinbar deine Erfahrung, diese Ressourcen sind klein, wahrscheinlich zu klein. Deswegen braucht man Hilfe. Und ihr geht als Beratungsteam rein. Wenn ich das aber mir so anschaue, hab ich das Gefühl, ihr seid weit mehr als ein Beratungsteam. Ich glaube, da würden wir euch jetzt hier zu klein verkaufen.

Ja. Weil was die Leute wirklich brauchen, ist nicht nur jemand, mit dem man ein Gespräch führen kann, sondern ihr habt jemand, der tatsächlich bei der Umsetzung hilft. Genau. Und ich hab bei euch so einiges an Titeln gefunden, die dann zur Unterstützung reingehen. Ihr habt AI Engineers, Datenarchitekten, Domänen und Prozentexperten.

Und dann natürlich son AI Officer, der ist dann der Ansprechpartner. Eigentlich das, was man sich wünscht, dass man 'n AI Officer hat im Unternehmen, der da vielleicht den Hut aufhat. Genau, ja. Was schickt er dann rein. Kannst Du die einzelnen Rollen vielleicht ganz kurz mal erklären?

Ja, genau. Also es ist so, dass wir an sich als Partner sehr unterschiedliche Expertenbereiche haben, ja. Wir haben bei uns Leute ausm Finance Bereich, aus der Logistik, eben auch aus der Strategie mit dabei und auch aus der Linie, ne, also die wirklich auch viel Erfahrung aus Unternehmen selber haben. Das ist sehr wichtig, wenn Du solche Change Prozesse im Unternehmen anstößt, wie Du's eben mit KI hast, ne. Das heißt, Du musst wissen, wie reagieren Mitarbeiter darauf?

Wie kommunizier ich das Ganze? Welche Strukturen passen jetzt zu der Kultur und auch zu der aktuellen Organisation des Unternehmens? Und dieses Know how bringen wir eben ein, dafür zu sorgen, dass KI wirklich im Unternehmen sinnvoll eingesetzt wird. Das Bild in vielen Unternehmen ist aktuell eben, dass es häufig entweder keinen zentralen Ansprechpartner gibt, ja. Und das heißt, viele Teams experimentieren, ne.

Wir wir sehen das so quasi als Vorstufe, wo eben viel ausprobiert wird, viel Tooling da da ist, der ein oder andere Pilot gestartet wird. Und da ist unser Ansinnen, eben Struktur reinzubringen und auch gewisse Standards. Weil die Überschneidungen bei Piloten sind eben sehr, sehr groß. Das ist auch 1 der Gründe, warum sie scheitern, ne. Weil weil sie zu losgelöst sind, weil sie eben unterschätzt werden, wie wie aufwendig auch der Betrieb ist et cetera.

Und das wollen wir alles sehr strukturiert sowohl in Form von Strukturen, aber eben auch in Form von dem passenden Know how und den Sparringspartner für uns umsetzen. Du hast grad gesagt, Piloten, die die Überschneidung von Piloten ist oft sehr groß. Mhm. Was was heißt das? Also eine klassische Überschneidung ist beispielsweise, dass Piloten sind dann letztendlich 1.

Projekte, die ich unternehmen starte. Also ich möchte beispielsweise meinen Buchhaltungsprozess Rechnungseingang mit KI Agenten irgendwie effizienter und schlanker gestalten. Wenn man sich diese Fälle anschaut, aber parallel beispielsweise für die Unternehmenskommunikation ein 1 Tool baut, das hilft, PR Texte besser umzusetzen et cetera, Dann merkt man sehr schnell, dass sich da sehr viel Synergiepotenziale verbergen, weil eben eine KI nur dann gut funktioniert, wenn sie möglichst viel Kontext bekommt, ne. Weil sonst ist es letztendlich Allgemeinwissen ausm Modell raus. Das heißt, je mehr Kontext ich hab, die passenden Daten, genau zu wissen, was brauch ich jetzt, desto besser ist Ergebnis in der Regel.

Und bei jedem Piloten ist es so, dass eben, wenn da komplett losgelöst wird, viele dieser Prozesse, also sprich zu entscheiden, welche Daten möcht ich dafür verwenden? Was sind Infos, die die der spezielle Use Case benötigt, ne? Was ist der Kontext dafür? Häufig wird das autark gemacht, obwohl man eigentlich es standardisieren sollte. Es wär a schneller und b würde man dafür sorgen, dass alle eben auf der gleichen Basis arbeiten, ne.

Also ganz blödes Beispiel, nehmen wir an, Du würdest PowerPoint Präsentationen über KI erzeugen. Jeder Bereich macht das irgendwie komplett autark, weil der eine hat ChatGPT, der andere klot, ja. Dann sehen die nicht nur sehr unterschiedlich aus, sondern die haben unter unter Umständen auch ganz andere Inhalte, ne. Weil der eine vielleicht noch ältere Daten hat, der spricht vielleicht von 400 Kunden. Der aktuellere Datensatz sind aber 500 Kunden, die das Unternehmen jetzt hat.

Das heißt, der eine geht mit 500 Kunden aus, der andere mit 400. Und die Interessenten und Kunden fragen sich, was stimmt denn jetzt, ne? Also ganz simples Beispiel, aber kommt sehr häufig vor, ne. Passiert beim Menschen, die mit mit Vorlagen arbeiten oder Daten, die veraltet sind, aber passiert dann eben auch bei KI. Und das Schöne ist, bei KI kann man so was besser vermeiden als bei Menschen, ja.

Also wir merken ganz häufig, dass natürlich die Kommunikation im Unternehmen immer ein 'n Engpass ist, ne. Häufig die Kommunikation nicht ganz so läuft, wie man sie's vorstellt. Und KI kann helfen, solche Dinge eben mit 1 Sprache durchzuführen, ne, zu standardisieren. Und das sollte eben bedacht werden. Und da hilft's eben nicht, wenn Piloten untereinander irgendwie stattfinden und keiner weiß es davon, ne.

Ja. Und die sind komplett losgelöst. Also das sind so Dinge, die wir uns dann auch anschauen. Das heißt, wenn wir uns die Use Cases im Unternehmen anschauen, priorisieren und dann in die Umsetzung bringen, ist eine ganz große Frage, die wir uns auch immer stellen. Wie müssen wir die Systeme bauen, dass sie eben universeller werden, ne.

Brauche ich vielleicht eine zentrale Unternehmens Wissensdatenbank, ein zentrales LLM, mit dem ich arbeiten kann, dann eben eine Vielzahl von verschiedenen Automatisierung, argentischen Lösungen et cetera umzusetzen. Eine Bitte. Schau kurz nach, ob Du abonniert hast. Ich hab die Ambitionen für dich, die herausragendsten Menschen zu Unternehmertum, Nachhaltigkeit, digitaler Souveränität, Diversität und Persönlichkeitsentwicklung zu interviewen. Damit mir das gelingt, muss die Show wachsen.

Mir zu helfen, kostet dich so gut wie nichts. Tu mir nur diesen einen Gefallen und folge der Show auf Spotify, Youtube oder Apple Podcast und wir beide gewinnen. Danke und jetzt geht's weiter mit der Show. Es hindert mich sehr an meine Konzernarbeit, denn das mit den Folien, grad als jemand, der viele Folien baut und auch viel im Medien- und PR Team war, war das durchaus 'n großes Problem. Mhm.

Also irgendwann weiß keiner mehr, was die neueste Version ist. Ganz oft nimmt man die Präsentation von einem Kollegen, Ja. Schon passt da, überarbeitet sie vielleicht noch mal. Wir haben dann für uns Digital Asset Management eingeführt. Mhm.

Das hat schon mal geholfen zu wissen, was sone Ursprungskompates sind. Die waren aber auf Templates, die visuelle Templates waren und upgedatet wurden, Ja. Aber wenig inhaltlich. Das musste man sich dann wieder in irgend 'nem Wiki zusammensuchen. Und deswegen kann ich das total verstehen, was wir auch hatten, was aber sehr hilfreich war, aber son Tool, das praktisch dann eine Art Brandmanager war, wo man Sachen reinfüttern konnte und das einem dann zurück gesagt hat, das ist gar nicht mehr das Orange, das wir jetzt noch benutzen.

Ja. Solche Dinge sind super-, superwichtig, wo letzten Endes eigentlich 'n Mensch sitzen müsste, 'n Brand Manager, aber der macht den Job ehrlich gesagt auch nicht so gerne. Also dann da zu sitzen und Folien zu kontrollieren, dass auf jeder Seite das richtige Logo benutzt wird, das Wording stimmt. Das ist, da kann man als Brandmanager wirklich bessere Sachen machen. Ja.

Ist auch 'n sehr guter Anwendungsfall für KI, ja. Ja. Ihr habt 1000 und mehr identifizierte KI Use Cases. Das heißt, mich überrascht es son bisschen, dass Du sagst, ihr müsst den Kunden dann zeigen, was vielleicht so Use Cases sein können. Versteh ich auf der einen Seite.

Auf der anderen Seite hab ich immer das Gefühl, Unternehmen kommen schon mit Use Cases oder müssten zu euch kommen und sagen, das und das wollen wir alles machen. Ihr müsst sie müsst dann einordnen, was vielleicht geht oder ihnen zeigen, was vielleicht noch sinnvollere Use Cases sein können. Ja. Wie ist das so im Zusammenspiel? Womit kommen die Kunden?

Und was zeigt ihr ihnen so aus den den 1000 Use Cases? Und vielleicht hast Du auch 'n paar spannende, die Du hier mal nennen möchtest. Ja, sehr gerne. Also wie gesagt, es ist schon so, dass die allermeisten Unternehmen unabhängig von ihrer Branche häufig sehr ähnliche Anwendungsfälle haben, ne. Also sprich, Rechnung zahlt jeder, ne.

Also 'n Rechnungseingangsprozess zu vielen 'n wichtiges Thema. Viele erzeugen Powerpoint Präsentationen, viele brauchen Chatbots allgemein für Mitarbeiter. Es gibt ganz, ganz viele so sehr allgemeine Use Cases. Dann gibt's aber auch sehr bereichspezifische, ne. Ich möchte für mein Offline Handelsgeschäft Assistenten in den Läden beispielsweise haben auf iPads, ne.

Das sind zum Beispiel Use Cases, die im Handel häufiger vorkommen, ja. Die wiederum, wie gesagt, brauchen vielleicht dieselbe Informationsbasis, dieselbe Infrastruktur wie eben die Unternehmenskommunikation, wie eben Präsentationen oder auch PR Meldungen erzeugt, ne. Und so kann man dann die die Use Case übereinanderhalten. Das ist schon so, dass Unternehmen, manche Unternehmen haben sehr, sehr viele Use Case schon. Die haben vielleicht auch 'n paar gescheiterte Piloten oder Piloten, die grade in der Umsetzung sind.

Und wiederum andere sind noch sehr frisch bei dem Thema und haben noch keine konkreten Vorstellungen, was kann ich denn lösen? Und häufig ist es bei uns so, dass selbst die Unternehmen, die schon Use Cases haben, sehr gern von uns in Anspruch nehmen, dass wir noch mal in die Fachbereiche reingehen und noch mal autark schauen, was sind denn wirklich die Herausforderungen? Also wir arbeiten normalerweise so, dass wir erst mal identifizieren, was sind denn so die größten Hebel und Herausforderungen in dem Fachbereich, ja. Und kann man die über KI überhaupt lösen, ja. Oder wär's vielleicht sinnvoller, es einfach als regelbasierte Automatisierung oder so zu lösen, ja.

Oder liegt's daran, dass die Leute einfach nicht miteinander reden? Kommt auch noch mal vor, ja. Da ist das manchmal auch sogar sinnvoller als eine KI. Das heißt, man schaut uns an, was sind tatsächlich Anwendungsfälle und dann werden die priorisiert. Und häufig gleichen wir die dann noch mal gegen die Use Cases, die vorher schon irgendwie identifiziert wurden, ab.

Und ganz häufig kommt aber auch raus, dass das, was wir dort über den, diese Herausforderungsansatz identifiziert haben, sinnvoller ist vielleicht als das, was bisher schon als Use Case angedacht hat. In den Gesprächen, die ich in letzter Zeit habe, ist, glaub ich, die grade diese Diskussion manchmal ist es auch besser, etwas regelbasiert zu lösen, sehr groß. Also ich glaub, die Unternehmen versuchen jetzt alles zu automatisieren, aber Automatisierung heißt nicht automatisch, man braucht KI. Ja. Da hab ich glaub, das ist son großer Trugschluss, dass man vielleicht auch gar keinen Interpretationsspielraum bei der KI lassen möchte, Ja.

Sondern manchmal muss es nur 'n Ja oder Nein geben. Ja. Das ist dann vielleicht auch der bessere Weg. Absolut, ja. Ach so, ein ganz großes Hypthema momentan sind natürlich auch Agenten, ne.

Da hast im im Jahr auch so, ne. Also wo Du dich dann schon fragen musst, wie viel Freiheiten braucht denn überhaupt son Agenten? Brauch ich denn da wirklich in Agenten, ne? Oder ist das nicht sowieso sehr standardisiert? Also beispielsweise, wenn ich jetzt Rechnungen abgleichen muss, ne, dann ist ja schon ganz klar gegeben, was muss ich da abgleichen?

Rechnungsnummer, vielleicht 'n Betrag und so weiter. Da brauche ich jetzt keinen Agenten, der mit einem der weltbesten NLMs das Ganze noch mal kritisch hinterdenkt, ne. Also im im Endeffekt, ja, ich würde in meiner Buchhaltung vermutlich auch keinen Philosophen einstellen, der der erst mal kritisch hinterfragt, was sone Rechnung ist, ne. Also im Endeffekt geht's dann darum, einen Task sinnvoll durchzuführen, ne. Und ähnlich wie's bei uns Menschen auch manchmal ist, ist so, es gibt einfach Aufgaben, wo's besser ist, wenn Du nicht nachdenkst, ne.

Wo Du einfach deinen Job machst, ja, weil's halt in dem Moment gefordert ist, ne. Und in sonem Fall ist eine Automatisierung auch der der bessere Weg, ja. Ihr schaut bei den Unternehmen auch auf den KI Reifegrad. Mhm. Also ihr schaut drauf, in welchem Stadium befindet sich das Unternehmen.

Ihr macht sone Art Schnellcheck. Das heißt, ihr prüft, so schnell es geht, wie in welchem Reifegrad sich 'n Unternehmen befindet. Ja. Was kann man in Minuten mit in einem Gespräch, was kann man in mehreren Wochen feststellen? In den ersten Minuten ist es erst mal spannend und wichtig, mit der Geschäftsführung zu sprechen.

Am Ende, wenn Du KI im Unternehmen implementierst, es hört sich immer so lehrbuchmäßig nach 'ner Plattitüde an, aber wenn die Geschäftsführung da nicht voll dafür brennt und dahinter ist, wird das in der Regel eher scheitern, ja. Weil der das Grundinteresse muss schon von von der Geschäftsführung da rankommen, ja. Und Du merkst in den Gesprächen sehr, sehr schnell, ja, ob das eben der Fall ist oder nicht, ja. Weil wenn's die Geschäftsführung nur einführen möchte, weil's jetzt grade 'n heißes Thema ist, ja, ja, und sie ja vorhin gehört haben, aber nicht so wirklich dahinterstehen, ja, dann ist es sehr, sehr schwierig. Weil häufig ist es in den Unternehmen so, wenn Du eine kritische Geschäftsführung im Thema KI hast, ist das häufig 'n Indikator dafür, dass sie allgemein zu vielen digitalen Themen sehr kritisch stehen.

Das heißt, Du hast häufig auch eine 1 Datenbasis vielleicht da oder eine Infrastruktur, die nicht ganz up to date ist, ja. Und dann musst Du, sinnvolle KI Projekte durchzuführen, gleich mehrere Stufen auf einmal nehmen, ne. Das Thema Digitalisierung und eben auch das Thema KI Implementierung dann, ne. Und wie ich schon sagte, KI braucht Kontext, KI braucht auch Daten. Und wenn im Unternehmen vieles nicht da ist, ne, weil eben sehr viel per Zuruf mündlich gemacht wird oder weil weil beispielsweise noch kein Data Lake da ist oder sonstige zentrale Datenorte, ja, dann ist es sehr, sehr schwierig, mit der KI auch zu arbeiten, ja.

Wenn Du sagst, zentrale Datenorte, erlebst Du's immer noch viel im, Du arbeitest viel mit dem deutschen Mittelstand? Wir arbeiten im Schwerpunkt Dach, Mittelstand und gehobene Konzerne, ja. Okay. Gehobener Mittelstand und Konzerne, ja. Erliebst Du immer noch viel einen einen Excel Tabellen Set-up oder ja?

Im Mittelstand schon eher, ja. Ja. Ja. Definitiv, ja. Ist nicht per se schlecht, ja.

Also im Endeffekt ist ja schon 'n Vorteil auch von KI, dass mit verschiedenen Datenquellen arbeiten kann. Und solang eine Datenquelle da ist, können wir schon mal 'n Haken an der Checkliste machen. Da bin ich jetzt davon, ob's 'n Excel Sheet ist oder eine umfassende BI Lösung im Einsatz ist, ne. Also von dem her, ja. Aber klar, die Reifegrad sind schon unterschiedlich, ja.

Wir haben eine 1 große Studie für uns intern einfach mal gemacht, als wir jetzt gestartet sind. Und haben uns angeschaut, wo wo steht denn der Markt grade und wie wird er sich bis 20 40 entwickeln? Und das Interessante an dieser Recherche, die wir gemacht haben, war zu sehen, dass so der Unterschied zwischen Europa und den USA tatsächlich in diesen Bereichen so die 4 Jahre beträgt, ja. Also das, was in den USA grade nachgefragt, implementiert wird, kommt bei uns in den größeren Unternehmen eigentlich so 4 Jahren Verzug mehr oder weniger erst an. Und der Mittelstand hängt gegenüber den großen Unternehmen noch mal in der Regel 6 Jahre hinterher.

So war die Projektion, die wir Noch mal 6 Jahre. Genau, die wir dort durchgeführt haben. 10 Jahre Verzug. Ja, Worst Case, ja. Könnte man sagen.

Natürlich sind's verschiedene Annahmen. Und ich glaube auch, dass der Mittelstand schneller adaptieren wird als die, also in der Vergangenheit bei bestimmten Projekten, ne. Aber lass es mal vielleicht best case 4 Jahre sein, die ihr Mittelstand hinterherhängt, dann sprechen wir trotzdem vom Zeitfenster von 8 Jahren. Und das kommt hin, ne. Also es hört sich sehr, sehr lang an.

Aber wenn man sich jetzt anschaut, 20 22 kam Chat GPT raus, Gibt immer noch sehr, sehr viele Unternehmen, die die keine KI Chat Bots ihren Mitarbeitern bereitstellen, ne. Und wir sind jetzt auch schon im Jahr 20 26. Also von dem her, dieses Zeitfenster hört sich nach viel an, ist aber in der Praxis gar nicht so unüblich. Ich kenn diesen Verzug definitiv aus der Marketingbranche. Mhm.

Da war's auch immer so, dass wir gesagt haben, USA sind uns immer so 3 Jahre voraus dem deutschen Markt und dann aber auch Schweiz und Österreich noch mal 'n paar Jahre in der Dachregion hinter Deutschland. Kommt drauf an. Also mittlerweile würd ich's gar nicht mehr so stark sehen. Also grade auch die Schweiz Im Bereich KI. Ja, ja.

Im Marketing würd ich, war's oft im kleiner Verzug schon spürbar. Mhm. Im KI in KI seh ich, wenn ich über die Grenze gucke, in die Schweiz vor allen Dingen. Ich kenn den österreichischen Markt gar nicht so gut. Mhm.

Aber wenn ich in die Schweiz gucke, dann bin ich teilweise schon beeindruckt Ja. Was da schon läuft. Absolut, ja. Deswegen kann ich das 'n bisschen nachvollziehen grade, die Einschätzung. Ja.

Ja. Also so würd ich die Einschätzung auch teilen. Also es gibt in Österreich auch eine sehr lebhafte digitale und auch KI Szene, aber ich würde schon sagen, dass die Schweiz da 'n Ticken noch voraus ist, also aus meiner persönlichen Hinsicht, ja. Ich frag mich und also ich hab mich das gefragt, ob das, weil ich mich mit digitaler Souveränität auch viel ob das auch eine Frage der Souveränität ist, die in den Schweizsein einfach sehr verankert ist Ja. Auf allen Ebenen eigentlich auch viel für Souveränität, auch digitale Souveränität zu sorgen und es wahrscheinlich schon höher auf der Agenda stand.

Ja, absolut. Also die die Schweiz hat vorher auch schon viel im Bereich Digitalisierung gemacht. Und dadurch sind sie, glaub ich, schneller bei solchen Themen als als viele andere Länder, ja. Wenn Du, noch mal auf diesen Schnellcheck zurückzukommen oder auf deinen Reifegrad Chat Reifegradcheck zurückzukommen. Du hast gesagt, es ist zum einen die Datenlage, zum anderen die Führungsetage, ist die on Board oder muss man praktisch die beim Change Management auch noch mal erst mitnehmen?

Ja. Hast 'n dritten Punkt, den Du mit einbeziehen würdest? Woran erkennt man sofort ein Unternehmen und den Reifegrad oder vielleicht noch mehr, wenn Du was hast? Also natürlich an den Mitarbeitern auch, ne. Also Du siehst auch, wie affin die Mitarbeiter schon mit dem Thema umgehen.

Also werden schon verschiedene KI Lösungen eingesetzt? Ist natürlich auch 'n Punkt, den wir im Reifegrad checken. Wie werden sie eingesetzt? Wie verbreitet sind sie auch? Also beispielsweise wurde 'n Chatbot implementiert, wie viel Prozent der Mitarbeiter nutzen den auch?

Wie intensiv nutzen sie ihn? Da kannst Du schon relativ viel davon ableiten, ja. Auch ganz wichtig ist natürlich bei den KI Themen natürlich auch zu Recht, dass es in vielen Unternehmen eine sehr, sehr große Angst und Skepsis dabei gibt, ja. Auch beim beim Thema Jobverlust. Und da merkt man auch in den Unternehmen relativ schnell eben, ob ob das Thema eher mit Optimismus angegangen wird oder eher mit Angst, ja.

Die Unternehmen, wo's eben diese KI Angstkultur gibt, das ist immer sehr, sehr schwierig, ja. Weil weil da auch offen natürlich die Implementierung 'n Stück weit sabotiert werden kann, ja. Es hört sich jetzt immer sehr hart an, sabotieren. Sabutieren bedeutet aber im im Endeffekt vielleicht einfach nur, sein Wissen nicht einzubringen, ja. Es nicht einzusetzen, bestimmte Dinge, die gemacht werden, nicht ganz so genau zu beschreiben oder zu erwähnen, wie man's bräuchte, das zu lösen.

Und erwähnen, wie man's bräuchte, das zu lösen. Und so kann man dann auch Implementierungen sabotieren, ne, ja. Bewusst oder unbewusst eben auch. Genau, ja. Also man hat ja manchmal Widerstände in sich.

Genau. Man hat mal einfach Angst und ist verschlossener dadurch, ja. Möchtest vielleicht gar nicht mit Absicht, wie Du sagst, aber das führt dann dazu, dass der Output nicht ganz so ist, wie er sein könnte, ja. Mein Gedanke zur Verbreitung von Chat Tools in Unternehmen. 2 2 hab ich sogar dazu.

Das eine ist, Du sagst ja, 4 Jahre nach der dem Release von ChatGPT 3 Punkt 5 müsste es gewesen sein, gibt's in vielen Unternehmen immer noch nicht ChatGPT. Mhm. Ich glaube, das hat so 2 Seiten. Das eine ist, ich glaube, dass ganz viele Leute trotzdem Chat Tools nutzen beruflich, schon seit Jahren, ohne dass die Geschäftsführung das weiß oder abgesegnet hat. Ja, ja, absolut, ja.

Weil sie's vielleicht nicht da empowered wurden, ehrlich gesagt, sich was anzuschaffen oder weil Leute von selbst gesagt haben, ey, gut, ich lass jetzt da meine Texte mal durchlaufen oder schreiben. Ich mach die Websitetexte damit. Ich glaube, dass ganz viele erst mal sofort dazugegriffen haben, sich son Tool anzuschaffen, ist ja auch kostenlos dann auch gewesen. Ich glaub, dadurch taucht ganz oft auch in Statistiken gar nicht auf, wie viel KI in Unternehmen schon genutzt wird. Es wirkt dann immer so, als wär die Verbreitung Ja.

Geringer. Und das andere ist, in diesem Fall muss ich sagen, auch wenn das Unternehmen KI nicht oder oder irgend der Markt hinterherhinkte, also Mittelstand jetzt, wenn Du sagst, oh, da kann's sogar 10 Jahre dauern, Mhm. Ist es in diesem Fall auch anders, weil's zum Beispiel nicht so was ist wie jetzt mit 'ner Marketing Automation zu arbeiten, mit 'nem CRM Tool, sondern wie ich grad sagte, die Leute machen das dann auch einfach. Mhm. Das heißt, vielleicht geht's in diesem Fall schneller und das ist Wissen schneller da, weil jeder für sich individuell diese Technologie alleine erschließen kann, ohne abhängig davon zu sein, dass der Konzern, das Unternehmen, der Mittelständler sagt, ich schaff uns jetzt die Software an.

Im Idealfall ja. In der Praxis erleb ich allerdings häufig schon auch, dass klar, die Arbeitsbelastung für für viele sehr, sehr hoch ist und auch wenig Zeit dafür da ist, sich mit neuen Themen und neuen Technologien zu beschäftigen. Also das ist eher so das Feedback, was wir häufig aus der Praxis auch bekommen. Natürlich hast Du die sogenannte Schatten KI, also sprich die die KI Tools, die einfach privat bezahlt werden. Oder aus der Kaffeekasse wird das auch teilweise einmal gemacht, offizielle Wege 'n Stück weit abzukürzen, sagen wir mal.

Das ist schon der Fall, aber genau darin stecken ja auch bestimmte Gefahren, ne. Also wenn man, wir werden sicherlich über das Thema Sicherheit von Daten auch sprechen. So was ist natürlich sehr, sehr schwierig, weil einerseits, ne, möchte man das Unternehmen manchmal natürlich sone Eigendynamik nicht stoppen, ja. Weil man ja möchte, dass sich die Mitarbeiter mit neuen Technologien beschäftigen. Weil man ja möchte, dass sie adaptieren, leistungsfähiger werden und, und, und.

Aber andererseits sind eben dadurch auch sehr, sehr große Ineffizienzen da und eben auch bestimmte Datensicherheitsprobleme. Und grade eben auch bei kostenlosen Accounts ist das sehr, sehr relevant, ja. Deshalb macht's trotz allem Sinn, 'n Stück weit klare Strukturen zu schaffen, weil's eben Vorteile mit sich bringt, ne. Das bedeutet nicht einfach nur, Dinge zu kontrollieren, ja, aus 'ner Stück weit Machtperspektive raus, sondern wirklich auch dafür zu sorgen, dass das, was rauskommt, besser ist. Dadurch, dass es eben standardisiert ist.

Dadurch, dass eben Berechtigungen klar sind, dass eben auch interne Daten schneller und effizienter genutzt werden können, ohne dass ich jetzt heimlich irgendwas rauskopieren, eintragen muss in irgendwelche Systeme, ja. Dann lass uns doch gleich auf diesen Sicherheitsaspekt kommen, den ich auch gerne damit verbinden möchte, einmal durchzugehen, was eigentlich die verschiedenen Möglichkeiten sind, KI zu nutzen. Nämlich in Form von Modellen, wo sie gehostet werden und wie ich sie nutzen kann. Und wir haben ja Open Source, wir haben Open Wait und wir haben Close Source Modelle. Ja.

Ich hoffe, ich liste jetzt alles auf. Vielleicht hast Du da noch Hybriden oder andere Dinge, die dann Die Grenzen sind mal, man man, verschwimmen momentan, aber ja. Die Grenzen verschwimmen. Ja, ja. Das sind da was, finde ich, so 3 Dinge, die man mal reden sollte.

Aber ich glaube, es gibt da noch ganz viel Unklarheit, was die 3 Begriffe bedeuten Ja. Und wie man sie nutzen kann. Und vielleicht bringst Du kurz Klarheit rein und wir sprechen noch mal kurz da drüber, wo auch die Risiken bei der Nutzung bestehen. Genau. Also Du hast ja schon angesprochen, es gibt die 3 Möglichkeiten.

Also der der Standard, den sehr viele kennen, sind die sogenannten Closed Source Modelle. Das heißt, ich hab einen Anbieter, der mir das Modell mietweise sozusagen zur Verfügung stellt. Das heißt, ich kann über eine Lizenz oder über die API auf diese Modelle zugreifen, die dann eben von 'nem häufig dann amerikanischen Anbieter oder chinesischen oder es gibt ja auch europäische, wie Mister und so weiter, zur Verfügung gestellt werden. Und dort tätige ich meine Anfragen. Ich hab aber keinen Einblick jetzt in die Software selber.

Ich hab nur, ja, Sichtkontakt mitm User Interface sozusagen, aber weiß nicht, was im Hintergrund passiert, ja. Ich weiß unter Umständen nicht, wie die Trainingsdaten ausschauen, mit denen die Modelle erzeugt werden. Und ich weiß auch nicht, wie die sogenannten Gewichte dann dann ablaufen. Also Gewichte sind letztendlich die die Knotenpunkte, wenn man so möchte, der neuronalen Netze, ne. Und je mehr es gibt, desto cleverer ist das Modell sozusagen, ja.

Und das sind dann, wie gesagt, als als nächste Stufe, wenn wir schon von Gewicht besprechen, die sogenannten Modelle. Das heißt, da ist es so, dass diese Gewichte öffentlich sind, ja. Also die die Knotenpunkte, das Antrainierte sozusagen. Die Trainingsdaten selber, die sind verschlossen und nicht einsehbar. Das heißt, ich kann dann auf diesen Modellen auch selbst Feintuning betreiben unter Umständen, also dem noch mal selber was beibringen, ja.

Diese Gewichtung noch 'n Stück weiter dann auch mit verändern. Aber ich hab keinen Einblick in den kompletten Source Code, ne, in die Trainingsdaten et cetera. Vielleicht einmal kurz zur Zuordnung, damit das für die zuhörenden, Zuschauen dann einfacher ist. Wir hatten jetzt als Erstes die Clos Source. Du hast ganz kurz Ministral genannt, damit alle so mit bisschen mitkommen.

Dazu gehören auch Gemini, dazu gehören Chetippic. Ja, Modelle. Dropics Claw. Ja, oben. Genau, aus dem Chinesischen.

Das sind so die die Klassiker, die man unter Umständen auch im App Store auftauchen sieht, die dann mal die Charts stürmen. Dann haben wir da vielleicht auch noch mal, vielleicht 'n paar Beispiele dafür. Was gehört da so dazu? Also das sind so die die Klassiker eigentlich, Quellen aus oder auch die Meta Modelle, die Lama Modelle, ne, die man da einsetzen kann. Viele ordnen die son bisschen Open Source zu, ja.

Also weil sie eben noch diese alte Welt kennen, sag ich mal, vor den KI Themen, wo alles, was öffentlich war, Open Source war, alles, was nicht öffentlich war, dann, wie gesagt, Closed Source. Ja, öffentlich im Sinne von, ich kann's mir runterladen, ich kann's selber hosten und ich kann's sogar kommerziell oder teilweise kommerziell für mich nutzen. Genau. Und das ist so die alte Welt sozusagen, wo's nur diese beiden Varianten gibt. Und wie gesagt, mit den KI Modellen jetzt gibt's das Mittelding, ja, wo ich quasi nicht alles einblicken kann, aber eben trotz allem, ich kann's selber hosten, ich kann's vielleicht selber auch feintunen, also Dinge antrainieren, ne.

Aber letztendlich gibt's immer noch eine 1 Blackbox, ne, ja, die dahinter ist. Und die 3. Variante, das sind jetzt die Open Source Modelle, wie beispielsweise aus der Schweiz Apertus, ja, die eben beides erlauben, ja. Das heißt, ich hab Transparenz, was die Trainingsdaten angeht und ich hab eben auch diese mit drin, ja. Und ich kann's bei mir selber hosten, ja.

Oder ich kann's auch letztendlich mieten, weil jemand, der's dann hostet. Aber ich hab eben eine gewisse Transparenz mit drin, die die eben sich davon unterscheidet von den und eben auch von den Source Modellen dann, ne. Bei den Open Source Modellen find ich ganz spannend, dass es ja schon auch mal vorgekommen ist, wenn's sehr gute Benchmarks gab, dass die Modelle auch offenbaren im Code, wie sie trainiert wurden. Mhm. Und dass sie teilweise dann auch versuchen, exakt auf die Benchmarks zu trainieren.

Ja. Da ist dann natürlich trotzdem diese Transparenz netterweise da, dass man das sehen kann. Ja. Wird dann auch teilweise den Anbietern vorgeworfen, auf die Benchmarks zu trainieren. Aber das ist ja 'n gutes Beispiel dafür zu wissen, was finde finde ich im Code?

Wie wurde trainiert? Welche Daten fließen ein? Und grade, wenn wir über China sprechen und vielleicht auch Meinungsfreiheit, dann ist es schon wichtig zu wissen, wie wurde es trainiert und welche Aussagen bekomm ich bei Fragen zurück? Absolut, ja. Also am Ende ist es so, Daten sind immer limitiert, ne.

Das heißt, es gibt bei den grad bei den großen Modellen einfach eine uns unzählig große Anzahl an Daten, mit denen die die Modelle trainiert werden. Und ich muss zwangsläufig immer auch subjektiv eine Auswahl treffen, ja. Ähnlich wie's Google auch macht, ja, wenn Du so willst. Das heißt, wenn wenn Google eine komplett neutrale Suchmaschine wär, ja, werden deine gesamten Suchergebnisse in der Regel mit Pornografie et cetera geflutet, ne, weil das eben, was die Menge der Seiten angeht, einfach 'n Riesenthema im Netz ist, ne. Aber dadurch, dass Du ja eine sinnvolle Suchmaschine haben willst, werden jetzt Google automatisch Filter an, die dafür sorgen, dass kritische Inhalte eben nicht die kompletten Suchergebnisse fluten.

Und so ähnlich ist es beim Antrainieren von KI Modellen auch, ne. Also wenn ich wirklich jetzt nur das komplette Netz nehmen würde, dann hätte ich am Ende einen Chatbot beispielsweise, der moralisch sehr verwerflich ist, sagen wir mal so, ne. Und der bringt mir dann weder im Unternehmen noch privat irgendwas. Deshalb muss ich zwangsläufig immer subjektiv auswählen, welche Daten kommen rein und welche nicht. Und durch diese Auswahl der Daten ist natürlich immer 'n gewisser Bias da, ne.

Das ist abhängig vom vom Wertesystem, ne. Die Amerikaner haben eben 'n anderes Wertesystem als die Chinesen. Und dadurch bedingt auch, was eben an an an Quellen wo reinläuft, ne. Das ist eben unter anderem auch 'n Nachteil eben in Europa, dass es dass es wenige europäische Modelle gibt, ja, die eben auch noch mal andere Werte dann hätten, ne, wenn wenn sie eben größer und stärker wären, ne. Hatte ja den Eindruck, wenn ich jetzt zum Beispiel ein, weil das ist ja der 2.

Aspekt, zum einen, was bekommt man an Daten? Zum anderen aber auch, was erfahren die Toolanbieter über mich? Mhm. Und ich hab da natürlich schon son bisschen den naiven Eindruck, wenn ich jetzt 'n Tool benutze und ich hab jetzt 'n Openwait oder Open Source und ich hab 'n Anbieter, der bietet's mir an, mit dieser KI zu sprechen. Aber es ja, kommuniziert jetzt nicht zurück zum Beispiel zum chinesischen Anbieter oder ist eigentlich auch egal, wohin.

Aber ich hab die Annahme, ah ja, das ist ja hier gehostet und sagt mir auch, wird nicht zu Trainingszwecken verwendet. Mhm. Gibt es trotzdem Gefahren für mich, weil ich diese Kommunikation mit dem Chatbot habe? Oder bin ich dann sicher? Es ist immer eine, 'n Stück weit eine Gefahr natürlich da, wenn Du Dinge nach außen sendest, ne.

Also es ist in der Regel immer am sichersten, wenn die Modelle bei dir selbst gehostet sind, ne. Also zumindest, was deine Anfragen jetzt angeht. Dann musst Du natürlich das gesamte System selber schützen, dass keiner von außen dich hegt. Aber am Ende, für die reine Kommunikation ist das in der Regel immer der sicherste Weg. Jetzt ist allerdings so, dass dass der Betrieb von solchen Modellen selber natürlich auch Kosten verursacht, ja.

Auch die Pflege, Wartung et cetera. Und Du hast dich natürlich abhängig gemacht dann von einem Modell, ja. Das heißt, Du baust viel drumherum. Du siehst, dass die Modelle sehr schnell immer leistungsstärker und besser werden. Und dementsprechend möchtest Du vielleicht immer up to date bleiben.

Oder Du hast einfach sehr komplexe Anwendungen, die eben diese großen, ganz ganz mächtigen Modelle benötigen. Dann musst Du wiederum mit externen Modellen arbeiten, ne. Und jetzt, auf deine Frage zurückzukommen, woran erkenn ich denn jetzt, ob meine Daten dann sicher sind? Nur nicht, wenn ich mit sonem externen Anbieter arbeite, muss man 2 Dinge unterscheiden. Das eine Thema ist, nutz ich das privat oder nutz ich das geschäftlich?

Weil es macht 'n sehr, sehr großen Unterschied bei den Anbietern, weil die die Endkundenverträge sind anders gestrickt beispielsweise als die Enterpriseverträge. Als Unternehmen kann ich mit den allermeisten Anbietern tatsächlich das Training ausschließen. Ich hab je nach Anbieter dann auch die Möglichkeit, eine 1 Zweckgebundenheit im Vertrag zu haben, was ich dann für den Datenschutzthemen brauch. Und ich hab dann eben auch 'n 'n Data Processing Agreement, also 'n Auftragsverarbeitungsvereinbarung, die eben die deutsche DSGVO auch fordert, ne. Und unter den Rahmenbedingungen ist es eigentlich relativ sicher handelbar, was diesen Datenfluss angeht, aber ganz sicher hat man's eben nie.

Deshalb ist auch unser Prinzip eben erst gar nicht dafür zu sorgen, dass beispielsweise personenbezogene Daten oder vertrauliche Daten hingesendet werden, weil's trotzdem eben gewisse Fallstricke gibt. Auf die geh ich gleich mal kurz einladen auf diese Sonderfälle, aber nur mal son grobes erstes Blick zu geben ersten Blick zu geben, so ist es im Businessbereich. Das heißt, ich brauch auf jeden Fall 'n bezahlten Plan im Businessbereich. Ich muss mir genau die Verträge anschauen. Ich brauch 'n AVV, 'n BPA.

Und dann hab ich son Vertragsgrundset-up erst mal. Und dann hängt's wirklich davon ab, wie die Lösung selber genutzt und implementiert wird. Das ist dann der nächste Fallstricke. Aber ich hab da schon mal 1 1 1 gesunde Basis, sag ich mal. Im Privatkundenbereich ist es noch mal anders gelagert, da nutzen sehr, sehr viele die Free Pläne.

Das ist sehr schwierig, weil ich da häufig das andere Nieren nicht ausschließen kann. Das heißt, diese Daten werden dann auch zum anderen Nieren genutzt. Das ist auch bewusst so, weil am Ende ist das auch das Kapital der der einzelnen LLMs. Das heißt, einen sehr guten Chatbot zu haben, brauch ich zwangsläufig Input und Output der Nutzer, diese Modelle immer besser zu verfeinern und zu optimieren. Das heißt, ich bin als Anbieter 'n Stück weit drauf angewiesen, dass ich diese Daten auch zum Trainieren nehmen darf, ja.

Und das wird dann häufig mit den Freeplänen gemacht. Wenn ich jetzt als Nutzer 'n bezahlten Plan nehm, kann ich unter Umständen das Antrainieren dann deaktivieren, ja. Hab aber den Nachteil, ich hab jetzt keinen AVV mit dem Anbieter, ne. Ich hab häufig auch keine Zweckgebundenheit in meinen Verträgen. Also die Klauseln im Privatbereich sind, selbst wenn ich's, dann deaktivier, andere als im Businessbereich.

Das heißt, der Businessbereich hat immer 'n höheres Schutzniveau als der private Anwender. Und das ist, find ich persönlich, sehr, sehr kritisch. Klar, es ist ein Interesse der Unternehmen, ihre Daten auch zu schützen. Aber wenn man sich anschaut, was so die üblichen Chatthemen sind, ne, dann ist es objektiv betrachtet, nicht von 'ner Business Perspektive, schon verfängliche oder verwerflicher, was privat diskutiert wird als jetzt bei bei Unternehmensdaten, ja. Weil im Privaten häufig eben über Gesundheitsthemen diskutiert wird.

Und sonst mittlerweile Chatbots, sei es wirklich sehr, sehr tiefe Einblicke in den Menschen bekommen. Beziehungsthemen. Genau, ja. Gesundheitsthemen. Ja.

Also es gibt fast kein Thema, das nicht diskutiert wird. Und wenn ich dann so ein Schutzniveau dort hab, ist es privat sehr, sehr kritisch, weil eben diese Modelle für alles Mögliche eingesetzt werden, ne. Also die LLMs stecken als Art Treibstoff, als hinter allem, was man später dann an Anwendungen sieht, ja. Und man kann eben nicht ausschließen, dass bestimmte Entscheidungen, Recherchen und so weiter, die später getätigt werden, dann auch tatsächlich diese Daten so nutzen, dass sie nicht unbedingt zu meinem Vorteil sind, ne. Klar versucht der AI Act beispielsweise Bewerbersysteme sehr stark zu reglementieren, also die dann entscheiden, wer wird eingestellt, wer nicht.

Es geht nur mit 'nem Menschen dazwischen, ne. Aber am Ende, wenn son LLM dafür für die Bewerberauswahl eingesetzt wird, kann ich bei 'nem KI System nie einhundert Prozent sagen, wie's zu 'ner Entscheidung kommt, ja. Und wenn dann eben im in den Trainingsdaten selber Informationen drin sind zu meinem psychischen Zustand, Vorerkrankungen und so weiter, kann das durchaus der Fall sein, dass eben das unbewusst in sone Entscheidung mit reinfließt. Und das ist eben sehr, sehr gefährlich. Also wie gesagt, ich seh's grad, wenn man's auch mit Social Media vergleicht, da ist vielen bewusst, dass sie's grad mit 'ner Öffentlichkeit teilen.

Stört viele trotzdem nicht, aber was vertrauliche Dinge angehen und Dinge, die vielleicht später mal negativ für sie sind, ja. Aber bei 'nem KI Chatbot ist vielen gar nicht bewusst, ne, was eigentlich mit diesen Daten passiert. Und das ist 'n schwieriges Thema, wo glaub ich auch, zumindest im im Endkundenbereich grade, sehr viel Transparenz fehlt. Und dieses Thema hör ich sehr, sehr selten in Diskussion. Obwohl dort eigentlich, wie gesagt, die Daten viel, viel unsicherer noch sind bei sonem Unternehmensbereich aktuell, ja.

Letzten Endes sind ja unsere privaten Daten noch viel relevanter und wir sollten sie eigentlich noch viel besser schützen. Im Unternehmen sind natürlich die inzwischen sagst Du ja da, dass man weiß, okay, wir müssen vorsichtig sein mit dem, was hier eingegeben wird. Ich glaube, die Medien waren auch inzwischen schon voll mit Cases, wo proprietärer Code reingegeben wurde, Vertragsdaten werden einmal durchgeschaut und zu Trainingszwecken nutzen. Da sind ganz viele personalisierte Ja. Daten auch mit drin.

Das heißt, die können zugeordnet werden und die könnten natürlich in Suchergebnisse oder in in in Antworten dann auch wieder auftauchen. Absolut, ja. Und dann ist es eben nur eine Anfrage entfernt vom Wettbewerber, ne. Also Ja. Und das ist grade bei Unternehmensgeheimnissen, IP 'n sehr, sehr schwieriges Thema.

Also wie gesagt, es sind bei Unternehmensdaten immer 2 Dinge, die man schützen sollte. A, das Thema personenbezogenen Daten, weil wenn ich die einmal dort eingeb, hab ich eine hab ich in der Regel keine Möglichkeit, sie später auch wieder zu löschen, ja. Aus den, also wenn sie bei den Trainingsdaten drin sind. Wenn die einen trainiert sind, gibt's, es gibt 1. Experimente dazu, wie man die vielleicht rausbekommen könnte, aber da gibt's nicht Spruch, einen, das macht keiner.

Und das 2. Ist dann das Thema Unternehmensgeheimnisse, ja, die eben sehr, sehr kritisch sind, welche Teile. Und wie gesagt, so oder so ist es halt einfach eine Blackbox. Also die Verträge sind das eine, aber die Daten werden halt hingesendet. In der Regel sind sie abrufbar aus den USA, egal ob's in Europa gerüstet ist oder nicht.

Und gesagt, wenn man sieht, was dort alles eingegeben wird, muss man sich eben schon bewusst machen, das könnte auch in falscher Hände geraten werden. Es ist ja schon jahrelang eine große Herausforderung gewesen, ein Ergebnis aus der Google Suche entfernen zu lassen. Ja. Also dieses Recht auf Löschung auch in der Google Suche. Dort ist es aber natürlich nachvollziehbarer, dass man dann vielleicht ein bestimmtes Ergebnis rechtlich anfechten kann und herausstreichen kann mit trainierten KI Daten, da muss man sich einfach bewusst sein, wenn das einmal draußen ist, dann ist das einfach Genau.

Sehr schwierig, dass es jemals im Leben wieder rückgängig gemacht werden kann. Ja. Also wie gesagt, da gibt's 1. Versuche auch, das schon zu machen, ja. Wo man auch ausm anderen Hintergrund kommen versucht, der KI quasi es vergessen beizubringen, ja.

Weil ähnlich wie bei Menschen es bei der KI manchmal auch so ist, je mehr sie weiß, desto schlechter wird noch mal was, ja. Deshalb möchte man auch dafür sorgen, dass bestimmte Dinge vielleicht vergessen werden, alte Daten und so weiter, ne, in in System. Und im Zuge dessen wird auch schon versucht, quasi so was dann rauszubekommen. Aber es ist sehr, sehr schwierig, ja. Wie wenn auch bei Menschen eigentlich schwer dafür sorgen kann, dass Du Dinge vergisst, ne.

Weil im Gegenteil, wie mir ich dir jetzt sag, das darfst Du dir nicht merken und es ist streng vertraulicher. Denk nicht an den großer Elefant. Genau. Danke. Dass Du eher verankertstigst bei dir mit Sicherheit.

Und das ist eben auch 'n sehr schwieriges Thema dann, ne. Ja. Wie ist es, wenn ich jetzt 'n KI Chat habe, ich habe zugesichert bekommen, es wird nicht für Trainingszwecke genutzt. Mhm. Gibt's noch weitere Gefahren, die ich trotzdem beachten sollte, obwohl ganz klar gesagt hab, hey, benutzt dein Open Source Modell hier im Hintergrund.

Du kannst deine Fragen stellen. Wir geben keine Daten weiter. Ja. Gibt es trotzdem falschstricke AGBs, in die man mal genauer reinschauen sollte, was dann trotzdem damit passiert? Also wie gesagt, sollte einfach geprüft werden, ob eben eine gewisse Zweckbindung der Daten da ist, ne.

Und wie genau formuliert ist, wie allgemein damit umgegangen wird. Rein, wenn dort nur steht, es wird nicht zum Antrainieren verwendet, ist kein ausreichendes Schutzniveau für Unternehmen, ne, weil was eben viele andere Glaub nicht für Privatanwender. Für Privatanwender auch nicht. Wobei da ist, wie gesagt, das häufig schon das Maximum, was Du als Privatanwender vertraglich bekommen kannst, Aber grade bei Unternehmen, wie gesagt, gibt's schon in den Verträgen mehr Schutzniveau. Und das sollte auf jeden Fall gecheckt werden, ja.

Was wird denn gemacht, wenn ich jetzt wenn jetzt, also wovor sollt ich denn Angst haben, wenn der KI Chat sagt? Maximaler Datenschutz? Wir werden hier deine Daten nicht fürs Training bleiben. Weil jeder schaut, glaub ich, nach diesem Passus wird's für Trainingszwecke verwendet. Und wenn das nicht drin ist, dann sagt man sich, ja gut, dann ist der ja eigentlich sicher.

Ja. Also was kann denn noch passieren? Also wenn Du KI Systeme hast, das Antrainieren meistens immer der teuerste Prozess, Informationen zu verwenden. Deshalb wird heutzutage viel gar nicht mehr so stark reintrainiert, sondern auch wenn Du's jetzt selber nutzt, ja, kommen häufig mehrere Komponenten mit rein, ne. Also es wird die Webrecherche beispielsweise zugeschaltet, damit Du aktuelle Daten rein bekommst.

Es wird in deinem Prompt sowohl sichtbar und versteckt auch Informationen zu dir übergeben, damit Du eben relevante Antworten bekommst. Das ist halt das das große Thema. Du bist als Nutzer ja auch drauf angewiesen, dass die KI möglichst viel über dich weiß, ne. Damit die Antworten, die sie liefert, auch zu dir passen werden. Das heißt, an sich lernt eine KI, einen Chatbot sehr viel über dich durch die Chats, die sie mit die es mit dir hat.

Und dann ist halt immer die Frage, eben diesen Effekt zu erreichen, sende die KI quasi im Hintergrund dann Informationen mit, sende die deinen gesamten Chatverlauf. Eine Zusammenfassung davon wird das alles Anfrage für Anfrage gesendet. Dann hast Du eben sehr viel Tokenverbrauch. Das heißt, dass Du dann unter Umständen, wenn Du jetzt über API abrechnest, eben mehr Geld bezahlst, Oder aber, das ist eben eine andere Möglichkeit, nutzt Du Memory Funktionen, sowohl im Chatbot selbst oder eben auch auf den Servern des des Anbieters. Dadurch wird weniger mitgesendet, aber eben aggregiert, zu dir gespeichert.

Und das machen eben viele Anbieter dann, ne, dass sie sone Art Persönlichkeitsprofil zu dir ablegen. Das ist erlaubt, das beizumischen, ja, bei deinen Suchanfragen, bessere Ergebnisse zu haben. Und dieses Persönlichkeitsprofil, das kannst Du deaktivieren, ja. Du kannst auch über, wie gesagt, verschiedene Einstellungen in den Chat Bots selber eben genau so was verhindern, indem Du sagst, verwende nur eine zentrale Datei, die bei mir im Browser oder im Chatbot drin ist. Das sind alle Informationen.

Du kannst das alles, wenn Du möchtest, sehr gut selbst steuern, was Du mitsendest. Aber Default ist eben was anderes, ja. Default ist meistens, dass es auf den Servern gespeichert wird. Und das ist jetzt halt Fluch und Segen gleichzeitig, weil diese Daten, die zu dir dann zentral gespeichert werden, sorge einerseits dafür, dass die Ergebnisse besser werden, aber sind andererseits natürlich genau das, was jemand, der zu dir Informationen haben möchte, bekommen will, ne. Also man man kriegt's ja mit in den USA, gibt's eben rechtlich so, dass die Anbieter auskunftsverpflichtet sind, ja, wenn öffentliche Behörden anfragen und so weiter.

Im Unternehmensfall wird, normalerweise ist Unternehmen in dem Moment dann benachrichtigt, bei Privatpersonen zu viel, ich weiß eher nicht. Und natürlich ist die Auswertung auch für Ermittler dann am leichtesten, wenn sie einfach nur deinen Persönlichkeitsfall sozusagen nehmen, weil da eben Kondens all dessen drin ist, was die KI zu dir weiß, ne, aus den Chats und dem, was Du bisher so eingegeben hast, ne. Also wir brauchen nicht meinen Novawitz in Social Media aufpassen, was wir sagen, gleichzeitig aber jegliche KI Chats mit allen möglichen Gesprächen füttern und damit ja letzten Endes Gesundheitsdaten, Beziehungsdaten, politische Gesinnung, also sehr vielen Dingen, die uns vulnerabel machen, die fließen dann unter anderem in Systeme rein, Ja. Auf die auch Regierungen sich Zugriff holen können. So ist es, ja.

Also wie gesagt, das Antrainieren ist in dem Fall nicht gegeben, weil es halt, wie gesagt, beigemischt wird sozusagen in die Anfragen. Es ist nicht im Modell drin, Aber es ist halt 'n Stück weit eine Gefahr, ne, dieses. Ich möcht noch einmal zu dir auf unsere gemeinsame Leidenschaft kommen, das conversion optimieren. Und ich hab so den Eindruck, wenn man einmal so in dieser conversion Optimierer Szene war, dann entwickelt man ein Mindset, das wird man nie mehr los. Mhm.

Man fängt ganz oft mit dem Ende an und überlegt sich, oder mit den vielen Touchpoints und dem Ende und überlegt sich, was möcht ich am Ende eigentlich haben? Und Du hast ja auch weiterhin diesen Ansatz, dass Du mit Unternehmen daran arbeitest, zu verstehen, wo wollt ihr eigentlich hin, was ist eigentlich euer KPI? Was ist eigentlich euer Ziel? Erzähl doch mal 'n bisschen aus deiner Arbeit, in der Du ja Conversion Optimierung, die CIO Arbeit jetzt mit deiner KI Arbeit mischst und wie Du da mit Unternehmen umgehst. Ja.

Also was beides verbindet, ist auf jeden Fall, dass wir sowohl in der KI Arbeit wie auch im Thema Conversion Optimierung sehr datenorientierten, datengetrieben arbeiten. Das heißt, wie Du schon sagst, wir haben klare Ziele, KPIs, ja und brechen wieder Im besten Fall. Ja. Also wir haben immer 'n Ziel, ja. Also es die die die Grundlage der Zusammenarbeit, sag ich mal, ne, das steuern wir selber.

Und wir brechen dieses Ziel, diese KPI dann eben in unter KPIs runter. Das heißt, wenn ich ein bestimmtes Ziel erreichen will, manchmal Umsatzsteigerung, wie auch immer, ne, dann schaue ich mir an, was sind die Treiber dafür und was kann ich jetzt runtergebrochen dafür tun, Also Umsatzmenge mal Preis beispielsweise, da können Sie sich anschauen, da müssen wir vielleicht Preisoptimierung nehmen. Oder muss ich die Mengen steigern, ne? Und ähnlich gehen wir dann eben für viele Bereiche vor, dass wir uns anschauen, was sind die Treiber, die dazu führen, dass bestimmte Kennzahlen nach oben gehen können. Und dann versuchen wir, diese einzelnen Stellschrauben, die am meisten bringen, zu identifizieren und Use Cases dafür auch zu entwickeln.

So wie's beim AB-Testing oder 'ner Optimierung Optimierung auch ist, ne. Wenn ich halt meine Rate optimieren möchte, dann muss ich mir anschauen, an welchen Stellen verlier ich meine Nutzer, ja. Und mir dann überlegen, was kann ich jetzt anders machen, die Nutzer bis zum Kaufprozess dann später durchzuführen, ne. Ich hab das Gefühl, dass nämlich ganz oft, also diese 2 Fälle bestehen, über die wir vorhin gesprochen hatten, dass ja KI manchmal gar nicht son ja, entweder keinen Anklang findet oder irgendwie so zum Selbstzweck irgendwie jetzt reingebracht werden muss. Dass son Hype entsteht, dass man irgendwie das Gefühl hat, man muss jetzt KI benutzen.

Und wie wir schon gesagt haben, dann ist es vielleicht auch vielleicht manchmal die Frage, ist da fast was regelbasiert besser oder nicht? Aber dass es dass die Ausrichtung an KPIs so wichtig ist. Also welches Problem will ich lösen oder welche Ziel hab ich? Und auf dem Weg dorthin, welche Probleme hab ich da zu lösen. Und hast Du da auch vielleicht noch mal konkretere Beispiele, wo ihr Unternehmen zeigen konntet, das ist euer Ziel, aber auf dem Weg dorthin haben wir hier für euch eine bessere Art und Weise, wie KI das lösen kann?

Also 1 vielleicht eurer vielen 1000 KI Use Cases? Ja. Also ein Thema, was sehr nah an dem Thema AB-Testing dran ist. Also am Ende im Endeffekt hast Du bei KI immer mit Algorithmen auch zu tun. Und Algorithmen sind eben Themen, die Du wunderbar testen kannst.

Das heißt, wenn Du jetzt beispielsweise im Unternehmensbereich was 'n Thema ist, was viele lenkt sozusagen und alle Themen, ne. Das heißt, Du möchtest jetzt schon wissen für deine für deinen Einkauf in diesem Jahr, wie viel von welchem Bereich, von welchem Produkt werd ich nächstes Jahr wahrscheinlich absetzen können, ne. Dann sind da verschiedene Einflussfaktoren darauf. Also sprich beispielsweise, wie ist das Wetter, wie ist die Konsumstimmung, Inflation und und und, die da mit einspielen. Ob Du jetzt im nächsten Jahr, sag ich mal, mehr mehr Pools verkaufst oder beispielsweise, ob eben deine deine Sommersaison im im Kleidungsbereich erfolgreich wird oder nicht, ne.

Und diese, die Du machst, das sind, kannst Du über KI wunderbar umsetzen. Sind a btestst, ne. Also in der Regel machst Du's so wie 'nem a btestst auch. Du nimmst Vergangenheitswerte, schaust dir dann an, kann ich daraus quasi einen Algorithmus ableiten, der mir hilft, in der Zukunft auch Vorhersagen zu treffen. Testest dann das mit 'nem Trainingsdatensatz, den Du eben aus diesen Vergangenheitswerten vielleicht gebildet hast und schaust, wie akkurat ist der, den ich jetzt dort Das ist 'n 'n Test, den Du durchführst mit verschiedenen Algorithmen.

Das heißt, da hast Du schon mal 'n AB Test unter Umständen, ja. Und dann im laufenden Betrieb kannst Du auch wieder AB Testing machen, diese Algorithmen permanent zu verfeinern, ne. Das Ist 'n Thema, was für viele Unternehmen relevant ist, ne, so eigene Modelle zu entwickeln. Viele denken ja eben bei KI mittlerweile sehr stark an diese Sprachmodelle, aber im Unternehmensbereich hast Du sehr häufig eben sone ganz klassischen Modelle dann auch, die eben nicht 'n 'n lush language Model beispielsweise erfordern, sondern wirklich 'n 'n eigenes Modell, was Du aufsetzen musst, ne? 'N ganz wichtiger Aspekt ist, über den, finde ich, noch nicht so viel gesprochen wird, ist AB-Testing in der Arbeit mit Large and Anguage Modellen oder generell mit KI Modellen.

Auf jeden Fall, ja. Ja, ist kein, finde ich, kein besonders großes Thema, dass wenn man eine Anwendung baut, dass die dann auch a b getestet werden muss. Sondern die Frage ist immer erst mal, bekomm ich eine funktionierende Anwendung hin? Mhm. Und gar nicht, kann ich die auch mal a b oder c testen?

Ja. Also als Nutzer siehst Du's in der Tat häufiger, als es im Unternehmensbereich diskutiert wird, Du siehst in Chatbots ja auch, dass manchmal 2 Antworten vorgegeben werden und Du musst die bessere auswählen. Das ist eigentlich 'n Abitur ist, der in dem Moment stattfindet, ja. Und daraufhin wird ja auch wieder rückfindet, weil Genau, ja. KI auch in der Summe der Menschen dann erkennt, was ist hier für eine bestimmte Frage oder zumindest für die Person mindestens Ja.

Die bessere Antwort. Genau, ja. Lass uns kurz noch mal auf Agent a I eingehen. Da bist Du als Interim Chief Review Officer tätig. Was ist da deine Aufgabe im Unternehmen?

Was genau ist Page Punkt a I? Mhm. Genau. Also Page selber ist eben, wie Du's schon angesprochen hast, in der Conversion Optimierung, ein Tool, das KI Agenten einsetzt, ja, Webseiten und Shops zu optimieren. Und der Grund, warum wir da unterstützen, war, dass jetzt, bevor's Lena Sky gab, ich eben, weil ich aus diesem Bereich Optimierung komm und das Produkt sehr cool fand oder sehr cool finde auch, dort als Chief Fan New Officer intelligensmäßig jetzt unterstützt habe.

Aktuell wandelt sich das so in eine Partnerschaft, ja, wo wir über Lina Sky 'n 'n 'n Page auch als Partner mitnehmen. Und das passt eben sehr gut dazu, weil wir als Sky sehr stark auch im E-Commerce-Bereich unterwegs sind. Und ein Use Case, ein Anwendungsfall, der dort natürlich sehr relevant ist, ist auch Optimierung, Weil wir hatten's über die Unternehmensziele grade, mehr Umsatz et cetera, da kommst Du sehr schnell. Wenn Du 'n E-Commerce-Unternehmen bist, irgendwann an dem Punkt, ich muss die Conversion rate meines Shops natürlich verbessern. Und da ist Page eine sehr clevere Lösung, wie Du eben KI basiert Hypothesengenerierung, Variantengenerierung betreibst und da eine sehr, sehr hohe Umschlagzahl an Tests erreichst, ne.

Das ist Sinn und Zweck des Ganzen. Das heißt, Du im klassischen, ich sag mal, manuellen AB-Testing, kennst die Themen ja auch, hab ich immer das Problem, dass Testunter Umständen sehr lang laufen, dass ich eine sehr lange Erstellungszeit auch hab. Und dass eben viele Unternehmen deshalb nicht so viel testen, wie sie eigentlich könnten, ne. Wie sie könnten auf Basis von eigentlich dem Traffic, den sie haben. Genau, ja.

Und patreon attackiert dieses Problem, indem über 'n KI Agenten die Hypothesengenerierung automatisiert wird und auch die Variantenerstellungen und dadurch eben viel, viel mehr Tests durchgeführt werden können, ja. Was ist an diesen Varianten unterschiedlich? Was kann Pageant alles an Hypothesen aufstellen und an Seiten verändern? Also im Prinzip alles, ja. Klar gibt's immer bestimmte Schwerpunkte, es gibt so Dauerbrenner einfach, ne, die viele Shops noch nicht so stark machen, die aber 'n sehr, sehr großen Hebel haben.

Das sind einerseits eben textliche Dinge, Überschriften, Teaser, Produktbeschreibung sind aber auch beispielsweise das Thema Grafiken, ja, Produktabbildungen, aber auch Teaser et cetera, die man darüber machen kann. Aber bis hin zu eben auch eine Darstellung von bestimmten Produktvorteilen, Call to Action Elementen und und und. Also es gibt eine sehr, sehr große Bandbreite, die man da angehen kann. Und wie gesagt, dadurch, dass eben dort sehr clevere KI Systeme mit eigenen Daten dann auch genutzt werden, kriegt man sehr relevante Tests auch für diese Seite zustande. Und durch die Möglichkeit, auch eigene Designvorlagen und so weiter mit einfließen zu lassen, CD, sorgt man eben auch dafür, dass das Ganze perfekt in den Shop reinpasst.

Und auch am Ende schaut schon immer 'n Mensch auch drüber, 'n Test noch freizugeben, aber man trifft mittlerweile eben den diesen Punkt sehr, sehr gut, ne, sodass der Mensch eigentlich nur noch sagt, okay, freigegeben. Das heißt, durch Page und hat man eine hohe Schlagzeile von Tests, auch weil's einfach kein Bottleneck von, ich entwickle Hypothesen Ja. Et cetera gibt. Meine Frage an der Stelle, wird hier der Conversionoptimierer zu 'nem großen Teil grade ausgelöscht? Das ist eine gute Frage, die wir auch mit mit dem einen auch mit den Conversionoptimierer diskutiert haben.

Ich würde sagen, nein, ja. Also ähnlich wie wie sich der Einsatz von KI auch im Unternehmen verhält, seh ich darin eher die Power, den Hebel, wirklich mehr noch zu schaffen, ja. Also der Optimierung wird eigentlich in die Lage versetzt, wenn man da richtig mitarbeitet und auch entsprechend steuert, eigentlich eine viel, viel höhere Schlagzahl noch zu entwickeln. Und das ist eigentlich das Besondere daran. Ich glaub, wichtig sollte auf jeden Fall sein, und das zeichnet ja 'n guten Conversion Optimierer aus, dass er keine Standarddinge macht, sondern 'n sehr gutes Gefühl dafür entwickelt, wie tickt meine Zielgruppe?

Was sind meine Kundenprobleme, ja, meine Userprobleme? Und darauf dann die passende Antwort in den Hypothesen versucht zu finden. Und ich glaub, dass dieser Transformationsprozess sehr, sehr gut über KI auch unterstützt werden kann, ja. Das Tool dann praktisch aber auch sehr viele Menschen, die jetzt keine klassischen Conversions Optimierer sind, Conversions Optimierungen auf 'nem sehr hohen Niveau zu machen? Ja, also es ist, es vereinfacht 'n Stück weit Dinge, die vielleicht der Conversions Optimierer selbst sich auch nicht so intensiv damit beschäftigt.

Also ich nehm als Beispiel immer die die Google Ads ja, die auch über Algorithmen optimiert werden, ja. Klar kann ich auch dort manuell ARB Tests machen, kann ich vielleicht auch für große Dinge dort machen, ja. Aber ganz viel wird dann auf Segmentebene entschieden, ne. Und dass bestimmte Segmente dann eben nur eine bestimmte Kombination sehen. Und ich glaub, so ist auch die Zukunft 'n Stück weit in vielen Shops, dass eben das Thema Segmentierung von Nutzern, die passende Variante auf die einzelnen Zielgruppen auszuspielen, immer stärker relevant wird, ne.

Wir haben vor vielen Jahren über Personalisierung schon diskutiert, die in vielen Shops nicht ganz so durchgeführt wurde, wie's wie wir uns vielleicht hätte machen sollen. Jetzt über KI erwarte ich, dass son bisschen 'n Revival der Personalisierung dort auch stattfinden wird. Und das führt eben dazu, dass ich dann meinen Job eben auf ganz vielen unterschiedlichen Stellschrauben optimiert aussteuern kann. Und hier kommen wir dann wahrscheinlich zu 'nem Punkt, wo wir sagen, diese Art von Personalisierung ist eben jetzt besser, weil sie eben nicht regelbasiert ist, sondern weil sie KI gesteuert ist und individueller dadurch. Genau.

Also wenn ich jetzt rein auf Performance abziehe, halt ich das fürn sehr positiven Ansatz, weil dort durch diese Autooptimierung, ähnlich wie jetzt bei den Google Anzeigen auch, die bessere Variante schneller ausgesteuert wird. Und das willst Du in den Phasen wie in der Black Friday Saison oder auch in der Weihnachtszeit natürlich haben, weil Du schon weißt, die Erkenntnisse, die ich da bekomm, die kann ich vielleicht jetzt nicht in der Zukunft 1 zu 1 ableiten und als als Standard meines Shops verwenden. Während bei klassischen Diabetes, wo Du als Mensch vielleicht auch stärker in die Hypothesen reingehst, wirst Du ja häufig allgemeine Erkenntnisse über deine Zielgruppe bekommen und auch allgemeine Erkenntnisse bekommen, wie sollte mein Shop in der Zukunft ausschauen, ne? Also die Standardvariante. Und das sollte aus meiner Sicht immer noch klassisch gemacht werden dann, ne.

Mitten 'nem Menschen, der eine Hypothese vielleicht mit KI Unterstützung, aber eben als Kontrollinstanz oder als Steuerungsinstanz auch aufstellt, ja. Siehst Du uns auf dem Weg dorthin, dass wir fast nicht mehr AB testen, sondern dass dann jeder individuell seine Page bekommt? Also sehen wir eigentlich nicht mehr nur einzelne Varianten, sondern nur noch hochpersonalisierte Pages? Ich glaub, der Weg dorthin ist noch sehr weit, ja, weil wir eben noch sehr stark aus diesen Standards kommen. Perspektivisch kann das 'n Szenario sein.

Wobei, wenn Du so weit in die Zukunft blickst, ja, ist natürlich wiederum die Frage, schauen Shops in der Zukunft überhaupt noch aus wie Shops? Oder sind's Chat Bots oder sonstige Userinterfaces, über die ich dann zukünftig Agenten, die meine Einkäufe durchführen, ne. Also im Endeffekt ist es sehr schwierig zu sagen, wohin sich da der Markt entwickeln wird, ne. Die Gefahr für klassisches AB-Testing ist tatsächlich ja, dass in Zukunft Agenten einfach die Käufe durchführen und AB-Testing dann vielleicht gar nicht mehr so auf das User Interface bezogen ist, sondern eher vielleicht auf Produktearten et cetera, ne. Für den User selber glaub ich schon, dass dieses bewusste Kauferlebnis in der Zukunft noch relevanter wird, ne.

Weil das rein Transaktionale kann ich vielleicht tatsächlich über 'n Agenten machen, ne. Weil ich sag, okay, wenn ich jetzt, ich brauch jetzt wieder 'n Produkt, was ich schon kenn, ich möcht mich gar nicht für den Shop durchklicken, hier, ChatGPT, kauf mir mal bitte 5 Stück von dem Kaffee oder so, ne. Dann hab ich eine Transaktion, wo ich keinen Mehrwert hab, ne. Während wenn ich jetzt 'n Outfit brauch für Hochzeit oder wie auch immer, dann ist das Shoppingerlebnis ja auch 'n Stück weit gefragt, ja. Du kaufst dir Experience ja eigentlich mit.

Genau, ja. Shoppen zu gehen und zu gucken, zu stöbern, sich inspirieren zu lassen. Und dann brauch ich keinen Agenten. Und da kann's natürlich sein, dass eine Personalisierung zukünftig bessere Ergebnisse liefert, ne. Wie's aktuell schon in vielen Shops ist, ne.

Die Produkteempfehlungen sind immer besser aktuell, weil sie auch KI getrieben sind. Und dadurch wird nicht nur die Kunden Experience besser und der Warenkorbwert höher, sondern es sorgt eben auch dafür, dass ich am Ende des Tages dort 'n 'n besseres Einkaufserlebnis schaff, ne. Dass ich in der Zukunft auch brauchen werde, ne. Ich geborene dir eine Zeitmaschine, Michael. Mhm.

Und Du kannst dir zurückgehen zum dreißigsten November 20 22, wenn Du möchtest, auch Mhm. Ein paar Tage vorher. Mhm. Da kommt nämlich auch ein paar Tage vorher. Da kommt nämlich ChatGPT 3 Punkt 5 kostenfrei raus für die Öffentlichkeit.

Und ich frage mich, würdest Du dir selbst irgendwas erzählen, wenn Du in die Zeit zurückreisen könntest? Und zu diesem Moment, was würdest Du dir sagen? Gibt's irgendwas, was Du gerne damals gewusst hättest? Also bei mir war die, dieses Datum eher 'n Datum, das problematisch war, ehrlich gesagt. Wir haben ja vorher schon mit OpenAI zusammengearbeitet.

Wir hatten da ja schon fertiges Produkt auch, wo wir wo wir Textkanäle gemacht haben. Also Das war in deiner Zeit jetzt bei Bei Commer Maker da warst Du. Und bei Commer Maker, okay. Und von dem her war waren die Fragen, die ich mir damals gestellt hab, eher 'n Stück weit, was bedeutet das jetzt für unser Business, ne. Weil natürlich, wir hatten dort eigens trainierte Modelle auch drauf und und und wir hatten 'n User Interface.

Also wir waren kein Konkurrenzprodukt zum Chatbot. Aber ist natürlich immer für dein Geschäftsmodell erst mal die Frage, was bedeutet das jetzt, ne? Wenn wenn ich theoretisch einen Produkttext auch über 'n Entscheidfenster machen kann, ne. Der ist vielleicht nicht ganz so gut wie unsere brillierten Modelle und ich kann's nicht in der großen Menge machen, ne. Aber das war damals so das, was ich mich gefragt hab.

Ich glaub, wenn Du jetzt fragst, was was hätt ich vielleicht anders gemacht oder was hättest Du dir gesagt zu dem Zeitpunkt? Ja. Ich glaub, es es war, wie gesagt, sehr spannend, dass wir zu der Zeit schon 'n fertiges KI Produkt hatten, ja. Da waren wir viel natürlich voraus, die dann erst mit ChatGPT angefangen haben, neue Geschäftsmodelle zu entwickeln. Im Nachhinein würd ich sagen, hatten wir dadurch natürlich 'n Wissensvorsprung, ja.

Aber wie's so ist, wenn Du halt 'n 'n fertiges Produkt hast, dann denkst Du immer zuerst in deiner jetzigen Produktwelt, ne. Und ich glaub, es hätte 'n paar ganz spannende zusätzliche Geschäftsmodelle gegeben oder neue Geschäftsmodelle auch gegeben, die wir hätten angehen können, wenn wir nicht so stark schon geprinpt waren aufm bestimmten Bereich, ja. Wir haben's dann später jetzt durch den Fokus auf das Thema Sicherheit und so weiter noch mal neu anders gedacht. Aber wir waren eigentlich in dem in dem Chat Team Moment immer sehr stark schon auf E-Commerce-Anwendungen dann fokussiert. Und ich glaub, dass viele interessante Anwendungsfälle zusätzlich noch gegeben hätte, die man hätte angehen können.

Aber das letztendlich 'n Luxusproblem, ne. Also ich glaub, ich bin, ich würde nichts verändern. Das ist alles gut gelaufen, auch mit den Unternehmen seit diesem Moment, ja. Aber wär, glaub ich, auch spannend gewesen, mal komplett andere Bereiche neu neu zu denken. Ich glaube, der Tipp an dieser Stelle ist dann vielleicht für andere Menschen, wenn sone große technologische Disruption kommt, Mhm.

Alles mal auf den Prüfstand zu stellen und zu gucken, auch wenn man jetzt hier die die Falle hat der bereits versunkenen Kosten, doch mal zu überlegen, mach ich vielleicht was ganz anderes jetzt auf Basis dieser Technologie? Ja. Und halte mich nicht strikt in diesem Produkt. Aber Ja. Für euch ist es ja scheinbar gut ausgegangen.

Absolut. Und dann in in im Rückblick kann man immer schlau sein. Ja, ja. Ich geh jetzt mit dir noch einmal kurz in die Zukunft und frag mich, was kommt bei dir als Nächstes? Ich hab das Gefühl, mit Rinnas Guy hast Du grade erst irgendwie eine neue Ära losgestoßen in deinem Leben, beruflich zumindest.

Mhm. Aber was steht bei dir vielleicht noch auf der Bucketlist, was Du jetzt gerne machen möchtest? Das kann privat sein, beruflich. Hast Du irgendwas, was da ansteht in den nächsten Monaten? Also ich muss sagen, ich genieß momentan diese Zeit enorm, ja.

Einfach weil wir durch den neuen Ansatz mit der Beratung einfach so viele unterschiedliche Branchen grade kennenlernen im KI Bereich. Und dort zu erleben, wo Unternehmen stehen, was die Herausforderungen sind, wie wir sie auch über KI lösen, find ich eine superspannende Zeit. Also ich muss sagen, 'n wichtiger Antrieb für mich ist immer auch zu lernen, ne. Also auch sich weiterzuentwickeln, neue Dinge auch zu machen und und voranzukommen. Und ich find's momentan einfach 'n super Job, ja, dort so viele unterschiedliche Anwendungszwecke von KI zu sehen, zu durchdenken, einzusetzen.

Also ich muss sagen, daraus wird sich sicherlich zukünftig die ein oder andere Idee noch entwickeln, wie wir vielleicht noch noch weitere interessante Softwareprodukte auch gestalten können, die diese Prozesse noch besser machen und und und. Also ich glaub, da wird einiges Spannendes auf uns zukommen, ja. Ich bin ganz sicher, dass Du auch ein Mensch voller Ideensystem nicht langweilig wird, wenn ich mir anschaue, was Du alles aufgebaut hast. Danke für diese ganz große Reise durch viele Themen von KI Modellen bis über digitale Souveränität, Datensicherheit, Anwendungsfälle, Optimierung. Michael, danke, dass Du heute da warst und danke für deine Arbeit im ja, DACH Raum im Bereich KI und Enablement.

Danke, dass Du hier warst. Ja, vielen Dank für die Einladung. Hat mir sehr großen Spaß gemacht, Dan. Möchtest Du hinter die Kulissen von Value and Ventures blicken? In meinem Newsletter teile ich meine Experimente, meine Facts, meine Rückschläge jede Woche für dich zusammengefasst.

Gehe jetzt auf WWW walues and Ventures Punkt d e, abonniere den Newsletter und bleib souverän.