Masters of Data, BI & AI

Rocky Khan

Podcast für Unternehmer und unternehmerischen Erfolg im Data, BI & KI Umfeld

  1. 1d ago

    Data Wins Arguments. Stories Win Roadmaps. | Gulrez Khan & Rocky Khan - #36

    Send us Fan Mail 📖 Gulrez Khan spent nearly two decades inside two of the most data-intensive companies on the planet — Microsoft and PayPal. Built experimentation infrastructure running on tens of millions of users. Drove a 35% increase in Gen AI adoption across PayPal's developer community. And then he sat down and wrote a children's book. Not because the work got easier. Because he realized something most data professionals never fully accept: the hardest part of this job was never the math. In the current episode of Masters of Data, BI & AI, he talks about why he wrote Drawing Data with Kids, what almost two decades at Microsoft and PayPal taught him about the gap between insight and action — and the five-part framework he now teaches for turning data into something people actually remember. A few things that stuck with me: On why the book had to exist: Gulrez grew up loving to write, but "get a job first" won out over creative ambition. Years later, homeschooling his three kids with his wife, he realized there was no book that taught data literacy the way he wished someone had taught him. So he wrote it — real memories with his own kids, turned into realistic fiction. The Snoring Graph chapter, based on his own sleep apnea, is now the one kids remember longest. On the moment that made it real: An article he wrote for the Data Visualization Society, "Drawing Data With Kids," unexpectedly took off. That was the signal — not just him, but other people wanted this too. The Kickstarter and the book followed from there. On the story behind his professional thesis: His father, in India, would text him in Hindi typed in English letters — autocorrect would mangle the words, and every time, his father would apologize below the message: "I'm 76 years old, please forgive me, I don't know how to use these devices." After his father passed away this past December, Gulrez ran an analysis on thousands of PayPal customer feedback entries and found the same pattern from elderly users again and again — people quietly explaining their age as an apology for not keeping up. That discovery became one of his most-shared internal stories, reaching even the CTO. On the five-part storytelling framework: Start with a personal story. Build common ground. Use contrast. Lead with empathy, not sympathy. Close with a call to action, built together with the people who actually own the outcome. Not a "rule of three" — Gulrez insists you need all five to actually move a room. On what AI can't replace: Gulrez's answer isn't storytelling in the abstract — it's the specific, personal, unrepeatable experience behind a story. AI can generate a technically competent narrative. It can't generate his father's WhatsApp messages, or the particular blend of a Bengali childhood and a life spent in American tech. That specificity is the actual differentiator, not "creativity" as a general skill. On what should never change, even as AI evolves: The basics of learning how to learn matter more than any specific tool. Ask better questions about the data you're consuming. Learn to present with intent, not the default rainbow-colored chart your tool spits out. Use contrast deliberately — perception versus reality, side by side. What do you think — is data storytelling a skill every data professional needs to build, or should organizations be doing more of the translation work themselves? 🎙️ The full episode is live now on Masters of Data, BI & AI — link in the comments. LinkedIn Profile LinkedIn Profile of Gulrez Khan: https://www.linkedin.com/in/gulrezkhan-data/ LinkedIn Profile of Rocky Khan: https://www.linkedin.com/in/khanrocky/ Business Books Effective Data Storytelling by Brent Dykes — Gulrez has been reading it and recommends it directly for anyone serious about the craft. How I Built This, hosted by Guy Raz — not a book, a podcast, but one Gulrez credits for showing him how founders actually talk about the struggle behind their journeys. The First 90 Days by Michael Watkins — his pick for anyone stepping into a new role or company, useful well beyond data careers.

    Data Wins Arguments. Stories Win Roadmaps. | Gulrez Khan & Rocky Khan - #36

  2. Aug 17

    Kein AWS, kein GCP, keine Kompromisse | Marco Breier & Rocky Khan - #35

    Send us Fan Mail ⚓ Bechtle und Cancom sind zu Tankern geworden, sagt Marco Breier. Groß, bekannt — und für immer mehr Kunden einfach zu langsam. Marco hat 2015 KOM4TEC gegründet und von Anfang an bewusst gegen die Bauchladen-Strategie entschieden, die den Markt prägt. Kein AWS, kein GCP, kein Dynamics, keine Telefonie. Nur Microsoft — M365, Power Platform, Azure, Copilot — und das richtig tief statt breit und flach. In der aktuellen Episode von Masters of Data, BI & AI erzählt er, wie aus fast 20 Jahren IT-Verantwortung in der Fashion-Industrie eine fokussierte Agentur wurde, die heute genau das Gegenteil der Tanker sein will. Ein paar Dinge, die hängengeblieben sind: Zur Microsoft-Fokussierung: Kein reiner Technologie-Entscheid am Anfang. Marco und sein Mitgründer wurden Anfang der 2000er von einem charismatischen, Microsoft-lastigen Dienstleister inspiriert — nicht primär von der Software, sondern von der Person dahinter. Daraus wurde über die Jahre eine bewusste strategische Linie: Abhängigkeit ist grundsätzlich nicht klug, aber am Frontend zählt Fokus mehr als Flexibilität, weil man Menschen nicht alle sechs Monate auf eine neue Welt umschulen kann. Zur Marktverteilung, aus eigener Erfahrung: Rund 70 % Microsoft-Fokus insgesamt, laut seiner eigenen Einschätzung eher Richtung 85 % im Mittelstand — weil kleinere interne IT-Teams schlicht keine Kapazität haben, mehrere Cloud-Ökosysteme gleichzeitig zu bespielen. Bei größeren Kunden sieht er das anders: Da gibt es die Power, sich bewusst breiter aufzustellen. Zum Costliest-Mistake-Learning: Ein Charakter, der schon beim Onboarding nicht ins Team passte, wurde trotzdem gehalten — weil Skill über Bauchgefühl gestellt wurde und weil sie an Menschen lange festhalten, bevor sie sich trennen. Am Ende hat das Zeit und Geld gekostet. Sein Learning: Lieber früh klar sein, als lange hoffen. Zu Storytelling im Vertrieb: Starke Pitches von Anfang an — weil sie selbst jahrelang Kunde waren, bevor sie Dienstleister wurden, und deshalb intuitiv die Sprache des Kunden sprachen. Was gefehlt hat: die eigentliche Abschlussqualität. Tolle Gespräche, aber niemand hat unterschrieben, bis sie lernten, aktiv nachzufassen und den Kunden zur Entscheidung zu führen, die er ohnehin treffen wollte. Zur Perfektion in Präsentationen: Sein Learnings aus dem Public Speaking: Eine starke Botschaft entsteht, wenn nichts mehr weggenommen werden kann — nicht, wenn nichts mehr hinzugefügt werden könnte. Zu viele Folien, zu viele Fachbegriffe, zu viel Ökosystem-Show verwässern die eigentliche Aussage, statt sie zu stärken. Wie seht ihr das — ist radikale Plattform-Fokussierung im Beratungsgeschäft eine kluge Nischenstrategie, oder ein Risiko in einem Markt, der zunehmend Multi-Cloud denkt? LinkedIn Profile LinkedIn Profile von Marco Breier: https://www.linkedin.com/in/marcobreier/ LinkedIn Profile von Rocky Khan: https://www.linkedin.com/in/khanrocky/ Business Buch Extreme Ownership von Jocko Willink und Leif Babin — ein Ex-Navy-SEAL, der radikale Eigenverantwortung predigt, sowohl unternehmerisch als auch persönlich. Marco schätzt es für die Klarheit in Entscheidungen, selbst wenn die Gesamtlage noch unklar ist.

    Kein AWS, kein GCP, keine Kompromisse | Marco Breier & Rocky Khan - #35

  3. Aug 10

    Der Friseur, der abends KI programmiert | Timo Wille & Rocky Khan - #34

    Send us Fan Mail 💇 Ein befreundeter Friseursalon-Besitzer ruft Timo Wille an und sagt: Ich muss dir mal was zeigen. Per Screensharing präsentiert er eine App, die er komplett allein gebaut hat — Kunden machen ein Foto, wählen eine Frisur aus, sehen sofort, wie es aussehen würde. DSGVO-konform, mit Lösch- und E-Mail-Funktion. Kein CIO, kein IT-Team. Nur ein Geschäftsführer, der abends nach Feierabend programmiert. Timo Wille hat Obungi mit seinem Bruder und einem Kindheitsfreund gegründet — der Name stammt aus einem Luganda-Wörterbuch und bedeutet eigentlich "Quantität", auch wenn sie Kunden marketingtechnisch gerne erzählen, es hieße "Qualität". Heute knapp 100 Mitarbeitende, komplett Microsoft-fokussiert, Managed Partner, Partner of the Year 2024. In der aktuellen Episode von Masters of Data, BI & AI spricht er über den Ursprung dieses ungewöhnlichen Firmennamens, warum sie sich bewusst gegen Multi-Cloud entschieden haben — und wie KI plötzlich Leute zu App-Buildern macht, die vorher nie eine Zeile Code geschrieben haben. Ein paar Dinge, die hängengeblieben sind: Zur Namensgeschichte: Kein durchdachtes Brainstorming, keine teure Agentur. Timos Bruder brauchte für eine Universitätsarbeit in Holland einen Firmennamen, ein Wörterbuch lag auf dem Tisch, das Wort klang gut. Vor zwei Jahren fand kaum ein Kunde durch Googlen heraus, was Obungi wirklich bedeutet. Heute reicht eine kurze KI-Suche. Zur Microsoft-Fokussierung: Kein Trend-Hopping, sondern Kalkül. Bei ihrer Größe ist es unmöglich, gleichzeitig Snowflake-, Databricks- und Fabric-Experten vorzuhalten. Also volle Konzentration auf eine Plattform, dafür wirklich tief. Zehn Jahre ganz ohne direkten Microsoft-Kontakt, bis früher Cloud-Einsatz bei Kunden sie auf Microsofts Radar brachte. Zum Friseur-Beispiel als Symptombild: Was vor 20 Jahren undenkbar gewesen wäre — ein Geschäftsführer ohne tiefes Coding-Wissen, der abends eine vollwertige, datenschutzkonforme App baut. Timo sieht darin den eigentlichen Wendepunkt: Tools wie Lovable liefern schnelle, funktionierende Prototypen. Aber sobald es um Enterprise-Readiness, Security und Governance geht, kommt am Ende doch der Anruf bei den Experten. Zur veränderten Kundenerwartung: Früher wollten Kunden einfach nur, dass die Zahlen im Report stimmen. Heute kommt die KI-Anforderung praktisch immer schon von Anfang an mit in den Neukundenworkshop. Nicht mehr die Ausnahme, sondern die Grundannahme. Zur bewussten Nicht-Vertikalisierung: Während viele Marktbegleiter sich auf einzelne Branchen spezialisieren, geht Obungi den anderen Weg: Daten gibt es überall, also arbeiten sie branchenübergreifend in der ganzen DACH-Region. Das Fachwissen kommt ohnehin meist vom Kunden selbst — die beste Lösung entsteht im Projektteam gemeinsam mit ihm. Wie seht ihr das — ist branchenübergreifende Flexibilität heute ein echter Vorteil, oder verlieren generalistische Beratungen langfristig gegen die Spezialisten? LinkedIn Profile LinkedIn Profile von Timo Wille: https://www.linkedin.com/in/timo-wille/ LinkedIn Profile von Rocky Khan: https://www.linkedin.com/in/khanrocky/ Business Buch Kein einzelnes Buch diesmal — Timo sagt ehrlich, es sind meistens die Bücher, die er zuletzt gelesen hat. Mit dem Wachstum von Obungi liest er heute vermehrt zu Themen wie Self-Management und Marketing, obwohl ihn technische Themen nach wie vor am meisten faszinieren.

    Der Friseur, der abends KI programmiert | Timo Wille & Rocky Khan - #34

  4. Aug 3

    Warum eure KI absichtlich Fehler machen sollte | Prof. Dr. Florian Offergelt & Rocky Khan - #33

    Send us Fan Mail Ein Kunde von Prof. Dr. Florian Offergelt lässt seine E-Mail-KI absichtlich 25 bis 30 Minuten warten, bevor sie antwortet. Und in jede zweite oder dritte Mail wird bewusst ein Rechtschreibfehler eingebaut. Nicht aus Versehen. Aus Kalkül. Zu perfekt, zu schnell, zu steril — und Menschen merken sofort, dass da eine Maschine antwortet. Ein Tippfehler macht die KI menschlicher, und genau das schafft Vertrauen. Florian ist Wirtschaftspsychologe, Unternehmer und Forscher zu Knowledge Hiding — dem bewussten Zurückhalten von Wissen in Organisationen. Er hat quantics plus zu dritt gegründet, mit zwei weiteren Wirtschaftspsychologen aus der Wissenschaft, und bringt seit über zehn Jahren das zusammen, woran viele Professoren scheitern: Theorie tatsächlich auf die Straße zu bringen. In der aktuellen Episode von Masters of Data, BI & AI spricht er über den teuersten blinden Fleck vieler Unternehmen — und warum digitale Wissenszwillinge mehr können, als die meisten erwarten. Ein paar Dinge, die hängengeblieben sind: Zum eigentlichen Preis von Knowledge Hiding:  Eine Studie aus 2014 beziffert den wirtschaftlichen Schaden für die Fortune 500 auf 40 Milliarden Dollar pro Jahr — und Florian vermutet, die Zahl ist heute höher. Organisationen mit 1.000+ Mitarbeitenden verlieren jährlich Millionenbeträge durch schlechtes Wissensmanagement. Bei kleineren Unternehmen wird es proportional oft sogar schlimmer, weil das Wissen einzelner Personen dort noch schwerer zu ersetzen ist. Zum digitalen Werksleiter:  Bei einem Kunden aus der Fleischverarbeitung mit mehreren Werken baut Florians Team gerade einen digitalen Zwilling für den Werksleiter. Der Auslöser: 70 bis 80 % der Maschinenausfälle sind schlicht Fehlbedienung, keine echten technischen Defekte. Der digitale Zwilling hilft den Leuten an der Linie, Maschinen selbst wieder zum Laufen zu bringen — das spart mehrere Stunden pro Woche und beschleunigt jeden neuen Werksaufbau, weil Fehler nicht mehrfach gemacht werden müssen. Zur eigentlichen Positionierung gegen McKinsey & Co.:  Nicht Talent, sondern Tagessätze. quantics plus arbeitet bewusst mit dem Mittelstand und Hidden Champions, wo McKinsey nach drei Tagen das Budget aufgebraucht hat. Und sie sagen bewusst Nein zu Projekten, die nicht in ihre Kernexpertise fallen oder ihnen schlicht keinen Spaß machen. Sein Lieblingssatz dazu, den er bei einem Kunden an der Wand gesehen hat: Wer immer Ja sagt, macht Umsatz. Wer auch mal Nein sagt, macht Gewinn. Zur Frage, ob KI Wissensmanagement überflüssig macht:  Florians Gegenfrage: Wenn die KI wirklich alles über eure internen Prozesse wüsste, hättet ihr vermutlich ein Datenleck. KI ist stark im expliziten, niedergeschriebenen Wissen. Spannend wird es erst beim impliziten Wissen — Entscheidungsheuristiken, Kontextwissen, Erfahrung. Und Wissensmanagement bleibt am Ende vor allem ein Führungsthema, keine reine Tool-Frage. Zur Zukunft der Arbeit:  Verantwortung wird noch lange menschlich bleiben — nicht weil KI es nicht könnte, sondern weil jemand die Konsequenzen tragen muss, positiv wie negativ. Florians Rat an junge Berufseinsteiger: Verantwortung suchen, nicht meiden. Wer sich davor drückt, macht sich in einer KI-Welt am ehesten überflüssig. Wie seht ihr das — braucht gute KI wirklich ein bisschen kalkulierte Unvollkommenheit, um menschlich zu wirken, oder ist das am Ende doch nur ein netter Trick? LinkedIn Profile:  LinkedIn Profile von Florian Offergelt: https://www.linkedin.com/in/florianoffergelt/ LinkedIn Profile von Rocky Khan: https://www.linkedin.com/in/khanrocky/ Business Bücher Thinking, Fast and Slow von Daniel Kahneman — Florians Erklärung dazu: Es hilft extrem zu verstehen, wie Menschen wirklich ticken, inklusive Verlustaversion und der Prospect Theory, die Kahneman gemeinsam mit Amos Tversky entwickelt hat. Never Eat Alone von Keith Ferrazzi — die Kernidee: Egal was du machst, umgib dich mit Menschen und baue dein Netzwerk aktiv auf.

    Warum eure KI absichtlich Fehler machen sollte | Prof. Dr. Florian Offergelt & Rocky Khan - #33

  5. Jul 27

    Warum die meisten an Data Thinking scheitern | Thomas Handorf & Rocky Khan - #32

    Send us Fan Mail 🐇 Biophysiker. Promoviert an der Humboldt Uni Berlin. Und dann Data Architect bei Peek & Cloppenburg, bevor er eine Datenagentur mit dem denkbar kuriosesten Namen gründet: Friendly White Rabbit. Thomas Handorf hat mit "9FWR" über 70 Kunden und 170 Projekte betreut. Seine These, die auch Rocky sofort gepackt hat: Die meisten Unternehmen scheitern nicht an Technologie — sondern daran, dass sie nie gelernt haben, Daten wirklich zu denken. In der aktuellen Episode von Masters of Data, BI & AI erzählt er, wie aus einem Alice-im-Wunderland-Testprojekt ein Agenturname wurde, warum er sein Team bewusst klein gehalten hat — und warum er seine eigene, funktionierende Firma trotzdem aufgegeben hat. Ein paar Dinge, die hängengeblieben sind: Zum eigentlichen Data Thinking: Nicht jedes Problem ist ein Technologieproblem. Bevor bei 9FWR überhaupt implementiert wird, läuft der Kunde durch eine Data Thinking Canvas — inspiriert von Lean Startup und Business Model Canvas. Erst verstehen, was das Geschäftsmodell wirklich braucht. Dann bauen. Zum Recruiting und B******t Bingo: Thomas screent Lebensläufe gezielt gegen leere Buzzwords — sein eigener Begriff dafür: B******t Bingo. Wer im Interview konkrete Knackpunkte und echte Beispiele nennen kann, statt nur Schlagworte zu droppen, überzeugt. Am Ende entscheidet ein praktischer Test: einen kompletten, vereinfachten Data Stack pragmatisch aufsetzen. Nicht ob man alles schon kennt, sondern wie schnell man das Prinzip dahinter erfasst. Zum Wachstum ohne Wachstumszwang: 9FWR ist bewusst nie stark skaliert. Word of Mouth funktioniert am besten, weil zufriedene Kunden ohne Preisdiskussion weiterempfehlen. Freelancer-Plattformen halfen, LinkedIn Content Marketing weniger. Das ständige Hoch und Runter zwischen kurzen Trackingprojekten und großen Kundenprojekten wie mobile.de machte einen klassischen skalierbaren Funnel schwierig — und am Ende war das auch okay so. Zur Entscheidung, die eigene Firma aufzugeben: 9FWR lief nicht schlecht — im Gegenteil, 2025 war wirtschaftlich wieder ein gutes Jahr. Trotzdem ist Thomas mit seinem Team in die Gateway Group gewechselt, die Reisemarken wie kurz-mal-weg.de und kurzurlaub.de betreibt und zu HomeToGo gehört. Der Grund: ein echtes Greenfield-Projekt, kaum Legacy, viel Kapital, ein Team, das komplett neue Systeme bauen will. Nicht jede Chance kommt zweimal. Zu KI, die tatsächlich einen Unterschied macht: Vor ein bis zwei Jahren hieß KI: SQL-Snippets generieren lassen. Heute bauen Thomas und sein Team bei Gateway einen internen Agenten mit vollem Zugriff auf ein sauber modelliertes Data Warehouse — inklusive Tests, Dokumentation und Kontext aus Confluence. Das Ergebnis: präzise Antworten zum aktuellen Stand, statt Rohdaten-Rätselraten. Der Unterschied zu vor zwei Jahren ist laut Thomas nicht graduell, sondern fundamental. Wie seht ihr das — ist die eigentliche Hürde bei KI und Daten wirklich das Mindset, oder unterschätzen wir doch, wie viel technisches Fundament dafür nötig ist? LinkedIn Profile LinkedIn Profile von Thomas Handorf: https://www.linkedin.com/in/thomashandorf/ LinkedIn Profile von Rocky Khan: https://www.linkedin.com/in/khanrocky/ Inspiration statt Businessbuch Kein klassisches Buch — Thomas liest lieber Artikel, Reports und Posts. Sein größter methodischer Einfluss bleibt Lean Startup und Business Model Canvas, die direkt in die Data Thinking Canvas von 9FWR eingeflossen sind.

    Warum die meisten an Data Thinking scheitern | Thomas Handorf & Rocky Khan - #32

  6. Jul 20

    Ohne Daten ist alles nichts | Laurenz Kirchner & Rocky Khan - #31

    Send us Fan Mail 67% der Entscheider im DACH-Raum glauben, der aktuelle KI-Investitionsboom endet vor 2030. Nicht weil KI nicht funktioniert — sondern weil viele Unternehmen es nicht schaffen, echten Value zu erzielen. Laurenz Kirchner hat diese Zahl selbst mitverfasst. Er ist Co-Autor der Studie des Handelsblatt Research Institute zu KI in europäischen Unternehmen, war Architekt, bevor er zu McKinsey ging, hat eine Firma mit aufgebaut, die heute Teil von valantic ist, und führt dort seit Jahren die Data & AI Practice. In der aktuellen Episode von Masters of Data, BI & AI spricht er über die Studie, echte Führung im KI-Zeitalter — und warum Souveränität nicht dasselbe ist wie Autarkie. Ein paar Dinge, die hängengeblieben sind: Zur eigentlichen Bedeutung der 67%:  Nicht "der Boom endet." Sondern: Zwei Drittel der Befragten sagen ehrlich, dass sie es selbst nicht schaffen, echten Value zu generieren — deshalb erwarten sie, dass Investitionen irgendwann eingedämmt werden. Eine wichtige Unterscheidung, die in der Schlagzeile oft verloren geht. Zum wichtigsten Erfolgsfaktor laut Studie:  Data Foundation schlägt alles andere. Laurenz' eigener Satz dazu: Daten sind nicht alles, aber ohne Daten ist alles nichts. Direkt danach folgt Zusammenarbeit über IT und Business Units hinweg — und Enablement der Mitarbeiter, und zwar auf zwei Ebenen: Breitensport (alle wissen, was erlaubt ist) und Spitzensport (Leute lernen, sich selbst kleine Agenten zu bauen). Zur neuen Führungsrolle:  82% der Entscheider erwarten, dass Führungskräfte künftig weniger Entscheider sind und mehr Prüfinstanzen über KI-Systeme. Praktisch heißt das: Ein Kollege von Laurenz führt heute zehn Mitarbeiter — und hat drei feste Termine pro Woche für seine Agenten. Genauso wie Mitarbeitergespräche, nur eben mit KI. Zu Souveränität vs. Autarkie:  Die Debatte verwechselt beides ständig, sagt Laurenz. Autarkie heißt Abschottung. Souveränität heißt, bewusst zu entscheiden, welche Abhängigkeiten man eingeht — und einen Plan B zu haben, falls man ihn braucht. Europa hat nicht viele Alternativen zu US-Frontier-Modellen, aber durchaus welche, etwa Mistral, gerade für Kunden mit hohen Anforderungen an Datensouveränität. Zum größten Fehler von KI-Nachzüglern:  Nicht anfangen. Zu viel Grübeln, zu viel Warten auf das nächste, bessere Modell. Laurenz' Analogie: Er hat vier Marathons gelaufen. Man schafft das nicht im ersten Training — aber ohne zu starten, schafft man es nie. Bei valantic arbeiten sie fast dogmatisch in sechswöchigen "Impact Investments": erst Potenzial identifizieren, dann schnell iterieren, immer mit einem klaren Ziel für das Ende der sechs Wochen. Wie seht ihr das — ist die größte Hürde bei KI-Adoption wirklich die Technologie, oder ehrlich gesagt einfach die eigene Entscheidungsfreude? Hier geht es zur Studie: https://www.valantic.com/de/presse/studie-von-valantic-und-hri-zu-ki-und-digitaler-souveraenitaet/ LinkedIn Profile LinkedIn Profil von Laurenz Kirchner: https://www.linkedin.com/in/laurenz-kirchner/ LinkedIn Profil von Rocky Khan: https://www.linkedin.com/in/khanrocky/ Business Bücher The Innovator's Dilemma von Clayton Christensen — Laurenz' Kernbotschaft daraus: keine Angst vor Kannibalisierung. Wer sich selbst nicht kannibalisiert, wird von jemand anderem kannibalisiert. Third Millennium Thinking von Saul Perlmutter, John Campbell und Robert MacCoun — ein Plädoyer dafür, wissenschaftlich seriös mit Daten und Fakten umzugehen, und zu verstehen, wie sie Entscheidungen beeinflussen (oder eben nicht).

    Ohne Daten ist alles nichts | Laurenz Kirchner & Rocky Khan - #31

  7. Jul 13

    Warum jede Datenplattform beim Editieren scheitert | Sebastian Uhlig & Rocky Khan - #30

    Send us Fan Mail 🔧 Was ist der Unterschied zwischen einem SAP-Berater und einem SAP-Unternehmer? Der eine löst das Problem des Kunden. Der andere erkennt, dass das Problem vielleicht ein Produkt ist. Sebastian Uhlig hat beides getan — 20 Jahre im Ökosystem, PwC, IBM, Inhouse-Experte bei Rio Tinto, dann Gründer. Heute führt er Nextlytics als Co-CEO und baut mit Nextables ein lizenzierbares Softwareprodukt, das einen Fehler in praktisch jeder modernen Datenplattform behebt. In der aktuellen Episode von Masters of Data, BI & AI spricht er über 25 Jahre SAP BW, warum Datasphere und Business Data Cloud interoperabler klingen als sie sich anfühlen — und wo genau jede Plattform beim Thema Dateneditieren scheitert. Ein paar Dinge, die hängengeblieben sind: Zur eigentlichen Lücke: SAP Business Data Cloud, Databricks, Snowflake, Fabric — alle brillant im Lesen, Modellieren und Auswerten von Daten. Aber sobald man eine Spalte ergänzen, eine Korrektur vornehmen oder eine Hierarchie pflegen will, gibt es im typischen Datenplattform-Stack keine Lösung. Man exportiert nach Excel, ändert dort, und irgendwann läuft nachts ein Ladeprozess auf einen Fehler. Zum Nextables-Ansatz: Die Ownership über Daten direkt an den Fachbereich geben — mit einem Excel-ähnlichen, geführten Interface, das Stammdatenhilfe und Validierung mitbringt. Der originale Record lebt dann auf der Plattform selbst, nirgends sonst. Für die IT heißt das: kein nächtlicher Fehler mehr, weil Daten bereits geprüft sind, bevor sie geschrieben werden. Zum idealen Kundenprofil: Nur zwei Kriterien zählen wirklich — ein großer Konzern, wo Data Governance und Audit Logs echten Wert bedeuten, und mindestens eine Datenplattform im Einsatz. Wenn "Fixed Source" zu teuer oder zu langsam ist, ist Nextables die "Second Best Practice" — pragmatisch, aber ehrlich benannt als das, was es ist. Zur Partnerwahl bei Databricks, Remio und Starburst: Kein Zufall, sondern eine Mischung aus interner Methodologie und Marktbeobachtung. Remio hat eine Lücke geschlossen, die Databricks nicht abdecken konnte — ein On-Prem-Lakehouse. Governance-Anforderungen aus Europa spielen dabei zunehmend eine Rolle, die vor drei Jahren noch kaum präsent war. Zum Wandel im Recruiting: KI verändert, wen Nextlytics einstellt. Weniger Leute, die "am System schrauben" — mehr Architekten und Senioren, die technologisch fit genug sind, um selbst zu beurteilen, welcher Weg der richtige ist. Wie seht ihr das — ist eine spezialisierte Dateneditier-Lösung wie Nextables eine clevere Nische, oder ein Zeichen dafür, dass die großen Datenplattformen an dieser Stelle einfach noch nachliefern müssen? LinkedIn Profile LinkedIn Profile von Sebastian Uhlig: https://www.linkedin.com/in/sebastian-uhlig-data-enthusiast/ LinkedIn Profile von Rocky Khan: https://www.linkedin.com/in/khanrocky/ Empfehlung statt Businessbuch How I AI, gehostet von Claire Vo — ein englischsprachiger Podcast, den Sebastian empfiehlt, weil er auf der Höhe der Zeit bleibt, ohne unkritisch zu sein, und sowohl für Entwickler als auch Marketer relevante Perspektiven bietet.

    Warum jede Datenplattform beim Editieren scheitert | Sebastian Uhlig & Rocky Khan - #30

  8. Jul 6

    Dashboards sind tot. Es lebe die Business App. | Sebastian Nädtke & Rocky Khan - #29

    Send us Fan Mail 🏭 Die meisten Unternehmen bauen Dashboards, schauen drauf, und machen weiter wie vorher. Sebastian Nädtke nennt das freundlich "Stalking Analytics." Sein Team hat stattdessen etwas gebaut, das direkt aus einer Fabrikhalle in Berlin-Adlershof kommt — und läuft heute bei Konzernkunden, die eigentlich schon Tableau, Power BI und den Rest im Einsatz haben. In der aktuellen Episode von Masters of Data & AI erzählt er, wie aus einem Controlling-Nebenprojekt ein Qlik Elite Partner mit 20 Leuten wurde — komplett aus Versehen. Ein paar Dinge, die hängengeblieben sind: **Zur zufälligen Firmengründung:** Sebastian wollte nie Sales machen, nie Beratung. Er hat Qlik intern bei einem Automobilzulieferer ausgerollt, Kunden und Lieferanten haben die Dashboards in der Fabrik gesehen und gefragt "wo habt ihr das gekauft?" Aus der Nachfrage wurde ein Geschäftsmodell, bevor irgendwer das geplant hatte. **Zum eigentlichen Warum hinter Qlik:** Kein Feature-Bingo — die kleinsten Teams sind bei Qlik gleichzeitig die produktivsten, sagt Sebastian. Die Reload-Geschwindigkeit macht Echtzeit-Use-Cases wie Maschinenüberwachung erst praktikabel. **Zur These "Dashboards werden weniger wichtig":** Nicht weil Daten weniger werden — Ad-hoc-Reporting per Prompt ist für wiederkehrende Probleme einfach ineffizient. Sebastians Wette: eine Schicht mit Unternehmenskontext und Kennzahlen, auf die Dashboards und Agenten gleichermaßen zugreifen. **Zum teuersten Learning:** Standard-Dashboards auf Standard-ERP-Systemen sollten sich "wie geschnitten Brot" verkaufen. Taten sie nicht — jedes ERP ist hart customized, egal was drauf steht. Genau daraus entstand Jahre später die Idee zur echten Business-Applikationsplattform. **Zur Positionierung heute:** Der Kunde soll gar nicht mehr fragen müssen, ob das Qlik oder Power BI ist. Er will nur wissen: Löst das mein Problem? Sebastian nennt das den Unterschied zwischen Vitamin-Tablette und Aspirin — und Aspirin ist, worauf Leitat mittlerweile zielt. Wie seht ihr das — verschwinden klassische Dashboards zugunsten von Business-Apps und Agenten-Layern, oder bleibt das Dashboard einfach die Oberfläche, die sich nie ganz auflöst? ____LinkedIn Profile____ LinkedIn Profile von Sebastian Nädtke: https://www.linkedin.com/in/sebastian-n%C3%A4dtke-4a306a191 LinkedIn Profile von Rocky Khan: https://www.linkedin.com/in/khanrocky/ ____Business Buch____ *Das Ziel* von Eliyahu Goldratt — ein Roman über einen Manager, der seinen Standort vor der Schließung retten muss. Realitätsnah statt trocken.

    Dashboards sind tot. Es lebe die Business App. | Sebastian Nädtke & Rocky Khan - #29
See All (36)

About

Podcast für Unternehmer und unternehmerischen Erfolg im Data, BI & KI Umfeld

Information

  • Creator
    Rocky Khan
  • Years Active
    2025 - 2026
  • Episodes
    36
  • Rating
    Explicit
  • Copyright
    © 2026 Masters of Data, BI & AI
  • Show Website
    Masters of Data, BI & AI

You Might Also Like