Masters of Data, BI & AI

Rocky Khan

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

  1. 6d ago

    Open Source Doesn't Mean Nobody's Accountable | Michael Berns & Rocky Khan - #39

    Send us Fan Mail 🌍 The most powerful computers in the world run on open source. The internet runs on open source. And yet most companies still think "open source" means "cheap license fee" instead of strategic infrastructure. Michael Berns spent seven years as Director AI at PwC Germany, recognised as a Leader in AI Services by Gartner and Forrester. Then he left, to become Head of AI at the Eclipse Foundation — the Brussels-based, vendor-neutral home for over 440 open source projects, including the IDE most developers have used at some point without ever thinking about who's behind it. In the current episode of Masters of Data, BI & AI, he debunks the biggest myths about open source AI, tells the real story behind his move, and explains what European digital sovereignty actually looks like once you get past the slogan. A few things that stuck with me: On the three biggest myths about open source AI:  It doesn't mean free — many projects come with SLAs, quality gates, and years of paid development behind them. It doesn't mean less safe — an open codebase is inspectable by anyone, which is a stronger security posture than a black box, not a weaker one. And it doesn't mean nobody's accountable — when a project sits inside a real foundation, committers are named individuals, and Eclipse just introduced voluntary identity verification for contributors. On why he actually left PwC:  No corporate spin here — becoming a father, Brexit, and what he candidly calls "a late midlife crisis" pushed him to rethink what he wanted his work to mean. He'd spent years volunteering on the side for causes like the UN World Food Programme. Eclipse Foundation offered him the chance to make that his actual job, not a side project. On PanEval, the story Rocky specifically wanted to hear:  Michael brought Chinese BAAI technology into the European open source ecosystem to build PanEval — an EU AI Act-aligned, open source AI evaluation platform. Not a press release. A running project, and a concrete example of what building optionality actually looks like instead of just talking about sovereignty. On the real data problem, even now:  Despite everything AI can do today, 60-70% of real implementation work is still spent finding, cleaning, and governing data. Department heads will tell you their data is perfect — until someone actually checks. His advice for consultants and vendors alike: do the full assessment first, manage expectations early, and get buy-in from the people who actually hold the data, not just the C-suite. On where regulation could help or hurt open source AI:  The current OSI definition of open source AI is strict enough to disqualify roughly 99% of models on the market. Michael expects the field to move toward a graded system instead — matching transparency requirements to the sensitivity of the use case, healthcare needing far more disclosure than a low-stakes internal tool. What's your take — does true open source AI require full training data transparency, or is a graded system the more realistic path forward? LinkedIn Profile LinkedIn Profile of Michael Berns: https://www.linkedin.com/in/aithoughtleader/ LinkedIn Profile of Rocky Khan: https://www.linkedin.com/in/khanrocky/ Business Book The Five Dysfunctions of a Team by Patrick Lencioni — Michael still returns to it years later. His reasoning: the more senior you get, the more your real problems are people problems, not technical ones.

    Open Source Doesn't Mean Nobody's Accountable | Michael Berns & Rocky Khan - #39
  2. Sep 7

    Dieses Mal ist wirklich alles anders | Dr. Jürgen Wirtgen & Rocky Khan - #38

    Send us Fan Mail Fast 30 Jahre Data und AI, von innen erlebt. Promotion in Informatik. Professor. Elf Jahre Microsoft. Fünf Jahre AWS. Oracle, zweimal. Und heute: Drohnen aus dem Himmel holen. Dr. Jürgen Wirtgen ist Regional Director DACH bei Dedrone by Axon — dem Unternehmen, das gerade den Counter-Drone-Markt neu definiert, mit über 300 % Umsatzwachstum. Und er hat unterwegs einmal bewusst seinen Beamtenstatus aufgegeben, weil Sicherheit nie das war, was ihn wirklich angetrieben hat. "Dieses Mal ist wirklich alles anders" — diesen Satz hört man seit fast 20 Jahren in der Branche, bei jeder neuen Welle. Stimmt der Satz diesmal wirklich? Ein paar Dinge, die hängengeblieben sind: Zum eigentlichen Turning Point: Nicht Data an sich war neu. Um 2015/2016 kamen drei Dinge zusammen: Cloud Computing wurde erwachsen, Speicherkosten fielen radikal, und die großen Player nutzten plötzlich Rechenleistung und Datenmengen gemeinsam. Maschinelle Übersetzung wurde besser als menschliche. Bilderkennung wurde treffsicherer als Menschen. Das war der Bruch, nicht alter Wein in neuen Schläuchen. Zu High-Impact Use Cases, die wirklich zählen: Nicht Rocket Science, sondern Fehlererkennung früh in der Produktionslinie — in der Automobilindustrie spart das massiv Ausschusskosten. Turbinenbetreiber, die keine Turbinen mehr verkaufen, sondern effizienteren Betrieb durch Datenanalyse. Und Jugendschutz in der Werbung: KI erkennt automatisch, wenn Zigarettenwerbung neben einem Kindergarten ausgespielt werden würde. Zu Microsoft vs. AWS, aus echter Innenperspektive: Microsoft: strukturiert, prozessgetrieben, mit klaren Vorteilen, aber manchmal einengend. AWS: hemdsärmeliger, mehr Freiraum, wer einen fehlenden Prozess sieht, darf ihn selbst bauen. Beide kundenorientiert, aber komplett unterschiedliche Wege dorthin. Zum Recruiting-Ansatz, der wirklich funktioniert: Über hundert Interviews bei Amazon geführt. Sein Trick: situationsbezogene Fragen, dann tiefer und tiefer bohren. Authentizität lässt sich nicht faken — wer ein Projekt wirklich erlebt hat, kennt die Details, auch wenn er die exakten KPIs vergessen hat. Wer nur Buzzwords liefert, verheddert sich irgendwann in Widersprüchen. Zur Authentizitäts-Falle im KI-Zeitalter: Eine der besten Anekdoten der Episode: Eine LinkedIn-Nachricht mit dem versehentlich mitkopierten Prompt-Rest "soll ich das noch freundlicher formulieren?" wurde zum Running Gag in der Community. Sein Punkt dahinter, ganz ernst gemeint: Perfekt geschliffene, künstlich klingende Kommunikation zerstört Vertrauen schneller als ein authentischer Tippfehler. Zum größten ungelösten Pain im DACH-Markt: Datensouveränität. Verteilte Daten zusammenführen, souveräne KI-Systeme aufbauen, denen man wirklich vertrauen kann. Sein Zehn-Jahres-Blick: souveräne Plattformen werden den gesamten Markt verändern, teilweise sogar in Kombination mit Quantencomputing für Modelltraining. Wie seht ihr das — ist "dieses Mal ist wirklich alles anders" diesmal tatsächlich wahr, oder hören wir diesen Satz einfach alle paar Jahre erneut? LinkedIn Profile LinkedIn Profile von Dr. Jürgen Wirtgen: https://www.linkedin.com/in/jwirtgen/ LinkedIn Profile von Rocky Khan: https://www.linkedin.com/in/khanrocky/ Business Buch Mindful Soldier von Ash Alexander-Cooper und Dr. Jessica K. Miller — kein klassisches Businessbuch, sondern eines über Resilienz: wie man aus Unsicherheit und Rückschlägen lernt und daraus echte Widerstandsfähigkeit aufbaut. Jürgen überträgt die Prinzipien direkt auf Business und Privatleben gleichermaßen.

    Dieses Mal ist wirklich alles anders | Dr. Jürgen Wirtgen & Rocky Khan - #38
  3. Aug 31

    Mein Ziel ist, mich überflüssig zu machen | Jan Christian Halfbrodt & Rocky Khan - #37

    Send us Fan Mail 🎸 Ein dunkler Gang, Konzertlicht, mehrere hundert Menschen. Der Vorhang geht hoch — nicht für eine Show, sondern für einen Vortrag über künstliche Intelligenz. Das ist Jan Christian Halfbrodts Alltag. Tagsüber treibt er als AI Enablement Manager die KI-Transformation von CEWE voran, Europas Marktführer für Fotoprodukte. Nachts spielt er Keyboard bei Mob Rules, einer Metalband, die durch zwölf Länder getourt ist und 2018 Platz 37 der deutschen Charts erreicht hat. In der aktuellen Episode von Masters of Data, BI & AI erzählt er, wie aus einem zufällig gebauten Alexa Skill ein Gründungsmitglied des CEWE-KI-Inkubators wurde — und formuliert dabei einen Satz, den man selten von jemandem hört, der seinen Job eigentlich behalten will. Ein paar Dinge, die hängengeblieben sind: Zum eigentlichen Karriereweg: Kein Plan, sondern eine Kette von Zufällen. Startup, das nicht schnell genug an den Markt kam. IT-Beratung bei BTC, weil ein Berufsberater ihm zufällig über den Weg lief. Wechsel zu CW als Webentwickler. Und dann, 2018, ein Alexa Skill für einen Hackathon-Nebenprojekt, gebaut aus Langeweile — der ihn über Nacht zum einzigen internen Experten für Sprachsteuerung machte, genau als der KI-Inkubator gegründet wurde. Zu den größten Fehlern bei KI-Einführung: KI als Selbstzweck einzuführen, weil alle es tun. Unsaubere oder unvollständige Datensätze. Sich blind auf die Ergebnisse verlassen, ohne den Menschen im Loop zu behalten. Und die Mitarbeitenden nicht mitzunehmen — Jan Christian erlebt das oft als reinen Stress: ein Tool wird hingestellt, plötzlich soll man produktiver sein und ist gleichzeitig dafür verantwortlich. Zur eigentlichen KI-Kompetenz der Zukunft: Nicht die Technologie selbst, sondern die Transferleistung — verstehen, dass man mit KI und Agenten "denken" kann, wie mit einem neuen Werkzeug im Werkzeugkasten. Die meisten Menschen haben ein Problem, aber sehen den Weg dorthin nicht. Genau da setzt Enablement an. Zur eigentlichen Zielsetzung seiner Rolle: Sein oberste Leitlinie, wörtlich: seinen eigenen Job abzuschaffen. Wenn jeder in der Lage ist, KI selbstständig sinnvoll einzusetzen, hat er seine Aufgabe erfüllt — und wird sich dann logischerweise dem nächsten Kapitel zuwenden. Zur Unterscheidung privat vs. Unternehmen: Privat: jeden Trend mitnehmen, ausprobieren, Fehler machen, das kostet nur einen selbst etwas. Im Unternehmenskontext: bewusst langsamer, weil Kundendaten und Lizenzkosten eine ganz andere Verantwortung mit sich bringen. Kein Widerspruch zur Offenheit — nur ein anderer Risikoraum. Wie seht ihr das — ist "sich selbst überflüssig machen" die richtige Zielsetzung für gute Führung, oder am Ende doch zu idealistisch für die meisten Organisationen? LinkedIn Profile LinkedIn Profile von Jan Christian Halfbrodt: https://www.linkedin.com/in/jan-christian-halfbrodt/ LinkedIn Profile von Rocky Khan: https://www.linkedin.com/in/khanrocky/ Business Buch Storyseller von Ralph Stieber — ein Marketingbuch darüber, wie Marken wie Nike, Patagonia und Harley-Davidson zu echten "Friends" werden statt nur Anbietern. Jan Christian mag besonders den Gedanken: lieber eine klare Identität mit echten Fans, statt jedem gefallen zu wollen.

    Mein Ziel ist, mich überflüssig zu machen | Jan Christian Halfbrodt & Rocky Khan - #37
  4. Aug 24

    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
  5. 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
  6. 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
  7. 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
  8. 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

About

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

You Might Also Like