Masters of Data, BI & AI

Rocky Khan

0.0 (0)
Business

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

3d ago

Nur ein Prompt entfernt: Wie Deichmann seine Daten wirklich aktiviert | Kevin Haferkamp & Rocky Khan - #25

👟 110 Jahre Deichmann. 4.700 Filialen. 30 Länder. Und eine Datenplattform, die das alles zusammenhalten muss. Kevin Haferkamp ist Head of Data Platform and Engineering bei Deichmann — und hat in den letzten Jahren eine Architektur in Produktion gebracht, die aus isolierten Systemen eine echte unternehmensweite Datenplattform gemacht hat. Deichmann ist mittlerweile offizielle Databricks Customer Story. Wer das kennt, weiß: Das ist kein Proof of Concept. Das ist echte Produktion. In der aktuellen Episode von Masters of Data & AI spricht er über den Weg dorthin — und was als nächstes kommt. Ein paar Dinge, die hängengeblieben sind: **Zum Abschied von Snowflake:** Nicht weil Snowflake schlecht ist — sondern weil Deichmann irgendwann gemerkt hat, dass sie immer weniger davon nutzen und immer mehr von Databricks. Zwei große Plattformen mit konkurrierenden Workloads macht keinen Sinn. Der letzte Use Case, der noch auf Snowflake lief, war ausgerechnet der Lake Base Use Case. Jetzt läuft alles auf Databricks. Und man ist happy. **Zu Lake Base und dem PostgreSQL-Trick:** SAP Emarsys braucht relationale Daten. Databricks ist kein relationales System. Die Lösung: eine PostgreSQL-Instanz, die Daten aus dem Lakehouse in Sekunden synchronisiert — statt wochenlanger Eigenentwicklung. Deichmann war Early Adopter, hat das Feature mitgeformt, und läuft heute damit europaweit. **Zum Semantic Layer als eigentlichem KI-Hebel:** Wenn der Semantic Layer nicht stimmt, bringt KI nichts. Kevin ist überzeugt: Datenmodellierung ist nicht tot — sie ist heute wichtiger als je zuvor. Wer jetzt ein sauberes semantisches Fundament baut, kann seinen Stakeholdern Ad-hoc-Analytics, KI-gestützte Auswertungen und Self-Service per Prompt ermöglichen. Das ist nur ein Prompt entfernt — aber nur wenn die Basis stimmt. **Zu KI Use Cases bei Deichmann:** Markdown Optimization läuft seit sechs Jahren und bespielt gerade die Top-Märkte mit Version 2.0. KI-Fotostudio für Produktgenerierung ohne aufwändige Shootings — bereits getestet. Logistik-Forecasting mit ML. Und ein Fußmessgerät im Store, das über die Jahre Daten gesammelt hat, die jetzt wirklich genutzt werden können. Fast fail als gelebte Kultur — nicht als Buzzword. **Zur größten Lesson Learned:** Technik ist beherrschbar. Menschen nicht immer. Die teuersten Fehler bei Deichmann waren keine Cluster-Crashe — sondern Kommunikation, die aneinander vorbeigegangen ist. Gute Absicht schützt nicht vor schlechter Wirkung. ____LinkedIn Profile____ LinkedIn Profile von Konrad Sippel: https://www.linkedin.com/in/kevin-haferkamp-09907ba0/ LinkedIn Profile von Rocky Khan: https://www.linkedin.com/in/khanrocky/ ____Business Buch____ *Dungeon Thinking* von Dirk Lerner — keine klassische Managementliteratur, sondern eine fiktive Unternehmensgeschichte, die durch verschiedene Data-Challenges führt. Kevin liest es immer wieder, weil er sich darin wiedererkennt — und jedes Kapitel neue Reflexionspunkte liefert.

56 min
Jun 2

Frösche fangen im Datensee: Warum KI-Projekte scheitern | Konrad Sippel & Rocky Khan - #24

🐸 Wir haben ein tolles Labor eingerichtet. Wissenschaftler eingestellt. Beste Instrumente besorgt. Und dann haben wir festgestellt: Wir haben gar keine Frösche. Die sind noch draußen im Teich. Konrad Sippel hat den Content Lab bei der Deutsche Börse Group aufgebaut — eine der ersten Data Science Einheiten im Börsenbetrieb. 1 bis 1,5 Petabyte Daten täglich. Und trotzdem: Die größte Erkenntnis war nicht der fancy Use Case, sondern das Fundament darunter. Heute ist er CIOO bei valantic FSA und CEO bei Signalyst — einem Startup, das institutionelle Investmentsignale auf Basis bayesianischer Statistik für den breiten Markt öffnet. In der aktuellen Episode von Masters of Data & AI spricht er über drei Karrierestationen, zwei Unternehmen gleichzeitig — und eine Lektion, die sich durch alles zieht. Ein paar Dinge, die hängengeblieben sind: Zur Datenfundament-Falle: Data Scientists, die 80 % ihrer Zeit mit Data Wrangling verbringen statt mit Data Science — das ist kein Einzelfall, das ist der Normalzustand. Konrads Rat heute: Erst ein Jahr lang nur Data Engineers und Infrastruktur. Dann erst die Wissenschaftler ins Labor holen. Frösche müssen zuerst gefangen werden. Zu KI im Kapitalmarkt — damals vs. heute: 2016 war Machine Learning im Finanzbereich noch gefährlich, datenschutzrechtlich verdächtig und organisatorisch unerwünscht. Heute fällt der Aktienkurs, wenn der CEO keine KI-Strategie hat. Dieselbe Technologie, komplett andere Welt. Zu GAIA-X und kollaborativen Datenprojekten: Geldwäsche erkennt man nicht innerhalb einer Bank — sondern über alle Banken hinweg. Das Problem: Die Daten dürfen nicht geteilt werden. Konrad hat daran gearbeitet, genau dieses "Das geht nicht" als falsch zu beweisen. Gemeinsam gehostete Infrastrukturen mit hohen Sicherheitskonzepten — damals Pionierarbeit, heute Realität. Zum Startup-Fehler bei Signalyst: Produkt fertig. Erster Monetarisierungskanal nicht validiert. Zertifikate emittieren wollten sie — ging nicht. Neun Monate verloren. Die Lektion: Das Ende muss vom ersten Tag mitgedacht werden. Nicht "Modell läuft in der Cloud", sondern "Kunde kann hier sein Depot eröffnen." Zu valantic FSA und der nächsten Phase: Gute Produkte, gute Kunden — aber zu viel Individualentwicklung, zu wenig Standardisierung. Konrads Mission: Operative Prozesse straffen, KI in die Applikationen integrieren, vom Integrationsgeschäft Richtung skalierbarem Produktgeschäft. Weniger ist mehr. Wie seht ihr das — ist eine solide Dateninfrastruktur wirklich die Voraussetzung für erfolgreiche KI, oder überschätzen wir das Fundament und unterschätzen den Mut zum Experiment? 🎙️ Die ganze Episode jetzt auf Masters of Data, AI & BI — Link in den Kommentaren. ____LinkedIn Profile____ LinkedIn Profile von Konrad Sippel: https://www.linkedin.com/in/konrad-sippel/ LinkedIn Profile von Rocky Khan: https://www.linkedin.com/in/khanrocky/ ____Business Buch____ Influence von Robert Cialdini — wie unser Gehirn Entscheidungen trifft und wie Einfluss wirklich funktioniert. Konrad hat es während seines MBAs gelesen und es hat seine Sicht auf Business-Entscheidungen und Geschäftsmodelle grundlegend geprägt.

53 min
May 26

Lernen lernen: Die eine Eigenschaft, die alle erfolgreichen Data Scientists teilen | Prof. Dr. René Brunner & Rocky Khan - #23

📚 50.000 Menschen haben durch ihn Data Science gelernt. Nicht in teuren Seminaren — sondern online, zugänglich, direkt. Prof. Dr. René Brunner ist Professor an der Macromedia University München, CEO von Datamics und Gastgeber von Deutschlands meistgehörtem Data Science Podcast. Er lebt in zwei Welten gleichzeitig — Hörsaal und Beratungsprojekt, Theorie und Produktion. In der aktuellen Episode von Masters of Data & AI spricht er über die Zukunft von Data Science, was Unternehmen beim KI-Einstieg falsch machen — und warum eine einzige Eigenschaft über Karrieren entscheidet. Ein paar Dinge, die hängengeblieben sind: Zum Big Data Déjà-vu: Als Big Data aufkam, haben Unternehmen Millionen in Systeme investiert und zehn Data Scientists eingestellt — ohne zu wissen, was die eigentlich machen sollen. KI heute ist fast identisch. Jeder weiß, er muss es machen. Der direkte Businesswert? Noch unklar. Das Erwachen kommt. Zur Zukunft von Data Science: Der klassische Data Scientist — Modelle trainieren, Lifecycle managen, Use Cases finden — wird seltener. Die Richtung geht klar zu LLM-basierten Systemen, RAG-Architekturen und End-to-End Agentenpipelines. Wer sich nicht anpasst, sitzt bald rum und hat nichts zu tun. Wer umsteigt, hat mehr Möglichkeiten als je zuvor. Zum Wettbewerb aus Osteuropa: Nearshore-Anbieter drücken auf Preise und Kapazitäten — weltweit, nicht nur aus Osteuropa. René's Antwort: Qualität, Erfahrung, persönlicher Kontakt. Und kollaborieren statt konkurrieren. Operative Tätigkeiten können ausgelagert werden. Strategie und Erfahrung nicht. Zur einen Eigenschaft: Nicht SQL. Nicht Python. Nicht Machine Learning. Die eine Eigenschaft, die René bei jedem sucht — ob Student, Junior oder Senior — ist Selbstmotivation zum Weiterlernen. Wer wartet, bis ihm jemand alles beibringt, ist im falschen Job. Der Markt verändert sich wöchentlich. Wer lernen lernt, bleibt immer relevant. Zur Wirkung von Datamics: Ein Schüler macht einen Python-Kurs. Bekommt ein Praktikum am Uniklinikum München. Wird jetzt an der UC Berkeley promovieren. Ein Richter aus der Türkei zieht nach Deutschland, macht Kurse, startet eine neue Karriere. Das ist der eigentliche ROI. Was denkt ihr — ist Selbstmotivation zum Lernen erlernbar, oder hat man sie einfach? 🎙️ Die ganze Episode jetzt auf Masters of Data, AI & BI — Link in den Kommentaren. ____LinkedIn Profile____ LinkedIn Profile von Prof. Dr. René Brunner: https://www.linkedin.com/in/renebrunner/ LinkedIn Profile von Rocky Khan: https://www.linkedin.com/in/khanrocky/ ____Business Buch____ Business Adventures von John Brooks — zwölf klassische Business-Geschichten, von Bill Gates empfohlen. René schätzt es, weil es die Grundlagen von Business auf zeitlose Weise herunterbricht und zeigt, was man falsch machen kann — und was richtig.

45 min
May 19

Time & Material ist tot. Was kommt danach? | Klaus Aschauer & Rocky Khan - #22

🛠️ Vom Werkzeugmacher zum CEO eines globalen KI-Beratungsunternehmens — ohne Plan, ohne Roadmap. Nur eine erhobene Hand zur richtigen Zeit. Klaus Aschauer hat Cosmo Consult von zwei Standorten und 70 Mitarbeitern zu über 50 Standorten, 1.500 Mitarbeitern und knapp 200 Millionen Umsatz weltweit aufgebaut. In der aktuellen Episode von Masters of Data & AI spricht er offen über 30 Jahre Unternehmertum, das Ende eines Geschäftsmodells — und was danach kommt. Ein paar Dinge, die hängengeblieben sind: Zum Thema Burnout und Leidenschaft: Klaus war in 25 Jahren an zwei Händen abzählbar morgens aufgestanden und hatte keinen Bock. Seine Erklärung: Wenn du für das brennst, was du tust, kannst du gar nicht ausbrennen. Kein Psychologe der Welt wird ihm das ausreden. Zum Recruiting und der Kosmonaut-Kultur: Früher haben sie nur Menschen eingestellt, mit denen sie abends gerne ein Bier trinken würden. Diese Philosophie hat sich unbewusst durch die gesamte Organisation gezogen — und ist heute einer der Hauptgründe für den niedrigen Toxizitätsfaktor im Unternehmen. Skills kann man beibringen. Attitude nicht. Zur Branchenfokussierung: Jeder Auftrag ist ein guter Auftrag — das stimmt nicht. Cosmo hat früh erkannt, dass Branchenexpertise den Sales Cycle verkürzt, die Implementierung beschleunigt und dem Kunden schneller echten Mehrwert bringt. Wer alles kann, kann nichts richtig. Zum Ende von Time & Material: Klare Ansage: Das klassische Stundensatzmodell stirbt aus. Cosmo bewegt sich Richtung Subscription und Outcome-basierter Beratung. Nicht "ich habe heute sechs Tickets bearbeitet" — sondern "du hast gar keine Tickets mehr, dafür zahlst du eine monatliche Pauschale." Das ist die Zukunft. Zu KI im Mittelstand: Der Neid ist riesig, der Schlüssel fehlt noch. Fast jeder Mittelständler weiß, dass er sich mit KI beschäftigen muss. Aber wie man anfängt — das ist die eigentliche Frage. Genau da sieht Cosmo die größte Chance. Wie seht ihr das — ist Outcome-basierte Beratung die Zukunft, oder bleibt Time & Material in bestimmten Nischen noch lange relevant? 🎙️ Die ganze Episode jetzt auf Masters of Data, AI & BI — Link in den Kommentaren. ____LinkedIn Profile____ LinkedIn Profile von Klaus Aschauer: https://www.linkedin.com/in/klaus-aschauer/ LinkedIn Profile von Rocky Khan: https://www.linkedin.com/in/khanrocky/ ____Business Buch____ Hit Refresh von Satya Nadella — wie Microsoft sich neu erfunden hat. Für Klaus eine echte Inspiration für Cosmos eigene Transformationswellen. Rocky empfiehlt ergänzend Amp It Up von Frank Slootman — die Story hinter Snowflakes Wachstum.

56 min
May 13

35 Jahre IT. Und eine preisgekrönte Highland-Kuh | Rolf Scheuch & Rocky Khan - #21

🐄 1990 gegründet. Kein Cloud, kein KI, kein LinkedIn. Und trotzdem — oder genau deswegen — ist Opitz Consulting heute eine der beständigsten IT-Beratungen Deutschlands. Knapp 2/3 aller DAX-Konzerne als Kunden. Über 35 Jahre. Und ein Demeter-zertifizierter Bauernhof mit Scottish Highland Rindern auf dem Firmengelände. In der aktuellen Episode von Masters of Data & AI spricht Rocky mit Rolf Scheuch — Mitgründer und Chief Strategy Officer von Opitz Consulting — über drei Jahrzehnte Wandel, Fehler und echten Unternehmergeist. Ein paar Dinge, die hängengeblieben sind: Zum Durchbruch 2003: Weg vom klassischen Codetippen, hin zu Frameworks und Templates — und damit zur automatisierten Code-Generierung in großem Maßstab. Das war der Moment, wo Opitz dem Markt einen Schritt voraus war. Mut zur Zukunft, ein halbes Jahr lang tief nachgedacht. Das war der echte Wendepunkt. Zur größten Lessons Learned: Niederlassungen, die zu eigenständig wurden und auseinanderdrifteten — Synergien weg, Reibung drin. Und eine Schweizer Niederlassung, die sie wieder schließen mussten, weil der lokale Markt unterschätzt wurde. Unverblümt formuliert: „Das war Scheiße." Zu KI und echtem Business Impact: Ein Automobilkunde wollte die Qualitätssicherung von Türen automatisieren. Tausende Audiodateien, neuronales Netz drauf — und plötzlich kann ein Lehrling mit den Ohren eines Meisters hören. Shopfloor-Kosten runter, Meisterstunden frei für anderes. Das ist KI mit echtem Hebel. Zu Messen und Leads: Klare Ansage: Gartner-Konferenzen bringen keine Leads. Hannover Messe auch nicht mehr. Was funktioniert? Masterclasses. Wissen teilen. Relevanz zeigen. Der Rest kommt über Mundpropaganda und Partnernetzwerke — Oracle, AWS, Pyramid. Zur Zukunft: Prozessuale KI wird die IT-Landschaft grundlegend verändern. Nicht als Chatbot-Spielzeug, sondern als System, das echte Transaktionen abschließt. Wer seine Kernprozesse darüber ansprechen kann, gewinnt. Alle anderen bleiben in der Dialogwüste stecken. Und ja — die schönste Highland-Kuh Deutschlands 2018 hieß Robin. Und war Teil des Opitz-Portfolios. ____LinkedIn Profile____ LinkedIn Profile von Rolf Scheuch: https://www.linkedin.com/in/rolf-scheuch-6925a85b/ LinkedIn Profile von Rocky Khan: https://www.linkedin.com/in/khanrocky/ ____Inspiration statt Businessbuch____ Kein Buch — Rolf informiert sich heute gezielt über das Internet und TED Talks. Fokus auf konkrete Fragen, akademische Quellen inklusive. Das Bücherregal mit 40 Titeln aus den 90ern steht noch — aber wird nicht mehr geöffnet.

50 min
May 5

Hype oder Hebel? Disruptive Technologien richtig bewerten | Benjamin Bohne & Rocky Khan - #20

🎯 Nicht jeder Hype wird zur Plattform. Aber manche Technologien verändern alles — wenn man früh genug hinschaut. Benjamin Bohne war bei Cloudera, Hortonworks, Confluent und MongoDB. Hat mehrere IPOs miterlebt. Und hat dabei ein System entwickelt, mit dem er früh erkennt, welche Technologien wirklich gewinnen — und welche nur laut sind. In der aktuellen Episode von Masters of Data & AI spricht er über Technologie-Instinkt, Unternehmenskultur und was einen echten Sales Champion ausmacht. Ein paar Dinge, die hängengeblieben sind: Zum Thema Technologie-Bewertung: Bauchgefühl alleine reicht nicht. Benjamin schaut auf vier Dimensionen: Marktadaption, Business Impact, Partnerlandschaft und Architektur. Und er warnt: Sustainability Software steht in jedem Geschäftsbericht — aber kaum ein Unternehmen macht damit wirklich Geld. Hype und Priorität sind zwei verschiedene Dinge. Zu Hidden Champions gerade jetzt: Datentransformation bleibt massiv unterschätzt. Ohne sauberes Datenfundament keine funktionierende KI. Unternehmen wie dbt Labs wachsen genau deshalb. Und europäische KI-Unternehmen wie Mistral gewinnen gerade geopolitisch bedingt massiv an Relevanz — ein Shift, den viele noch unterschätzen. Zur Unternehmenskultur: Ein tolles Produkt rettet keine schlechte Kultur. Benjamin hat das selbst erlebt — ist für eine gehypte Technologie in ein Unternehmen gegangen, hat seine Due Diligence nicht gemacht, und war nach einem halben Jahr wieder weg. Kultur ist kein Soft Skill. Es ist ein Entscheidungskriterium. Zum idealen Sales Player: Empathie ist nicht verhandelbar. Wer nicht auf Menschen eingehen kann, wird keinen Champion aufbauen. Dazu kommen Business-Verständnis, Coachability, Accountability — und ein belastbares Netzwerk. Erfahrung hilft, ist aber nicht alles. Was zählt: Kann jemand einen Deal Review in echtem Detail durchgehen? Das Netzwerk bleibt der entscheidende Informationsvorsprung. Was KI liefert, sieht jeder. Was dein Netzwerk weiß — das nicht. Wie seht ihr das — ist Technologie-Instinkt erlernbar, oder hat man ihn einfach? 🎙️ Die ganze Episode jetzt auf Masters of Data, AI & BI — Link in den Kommentaren. ____LinkedIn Profile____ LinkedIn Profile von Benjamin Bohne: https://www.linkedin.com/in/benjamin-bohne-65132016/ LinkedIn Profile von Rocky Khan: https://www.linkedin.com/in/khanrocky/ ____Business Buch____ Kein klassisches Businessbuch — Benjamin verlässt sich auf Fachliteratur, Open Source Communities und vor allem sein Netzwerk. Der beste Informationsvorsprung kommt nicht aus Büchern, sondern aus Gesprächen mit den richtigen Menschen.

54 min
Apr 28

Deine Daten in der Cloud — wirklich sicher? | Christof Fetzer & Rocky Khan - #19

🔐 Würdest du wirklich all deine Daten der KI geben — und darauf vertrauen, dass niemand mitlest? Genau diese Frage hat sich Christof Fetzer gestellt. Und daraus wurde ein Unternehmen. In der aktuellen Episode von Masters of Data & AI spreche ich mit einem der wenigen Menschen, die gleichzeitig Serial Entrepreneur und aktiver Wissenschaftler sind — über 130 publizierte Papers, drei gegründete Firmen, und eine Technologie, die Daten selbst während der Verarbeitung in der Cloud vollständig verschlüsselt. Ein paar Dinge, die hängengeblieben sind: Zum Thema Confidential Computing: Die verbreitete Fehlannahme ist, dass ein Klick auf „Confidential VM" beim Cloud Provider ausreicht. Tut es nicht. Der Provider kann sich trotzdem Zugriff verschaffen. Echter Schutz bedeutet, dass selbst ein erfolgreicher Angriff nur verschlüsselte Daten liefert — wertlos ohne den Schlüssel. Zum Use Case Automobilzulieferer: Konkurrenten müssen für ein gemeinsames Produkt zusammenarbeiten — aber keiner will sein IP offenlegen. Mit Confidential Computing können alle Modelle gemeinsam berechnet werden, ohne dass ein Zulieferer die Daten des anderen sieht. Resultat: schnellere Time-to-Market, ohne Anwälte, ohne Datenlecks. Zu KI und Security: KI generiert Code — aber Code mit Bugs. Als Verteidiger musst du alle Schwachstellen finden. Als Angreifer reicht eine. Verschlüsselung auf Hardwareebene schließt diese Lücke, weil selbst ein Backdoor im Code nur verschlüsselte Daten ausliefert. Zu Wachstum ohne Sales: Keine aktive Vertriebsmannschaft, kein Outbound. Stattdessen: wissenschaftliche Publikationen, eine Community Edition mit mehreren tausend Nutzern, und Entwickler, die das Tool intern weiterempfehlen. Erst testen, dann kaufen — und dann zahlen die Produktivkunden die Weiterentwicklung. Gartner prognostiziert: In den nächsten vier bis fünf Jahren wird Confidential Computing zum Standard. Wer jetzt noch wartet, holt das nicht mehr auf. ____LinkedIn Profile____ LinkedIn Profile von Christof Fetzer: https://www.linkedin.com/in/christof-fetzer/ LinkedIn Profile von Rocky Khan: https://www.linkedin.com/in/khanrocky/ ____Business Buch____ The Innovator's Dilemma von Clayton M. Christensen

43 min
Apr 21

20 Jahre Erfahrung. Eine neue Mission. Und eine klare Wette auf Databricks | Sascha Schmitz & Rocky Khan - #18

🎯 Nach über zwei Dekaden im Beratungsgeschäft hätte Sascha Schmitz einfach weitermachen können. Stattdessen hat er sich für einen Neustart entschieden — als Chief Strategy Officer bei sumIT in der Schweiz. Ein kleineres Unternehmen, ein neuer Markt, und eine klare technologische Wette: Databricks. In der aktuellen Episode spricht er über den Wechsel, seine Strategie — und was echtes Vertrauen im Beratungsgeschäft wirklich bedeutet. Ein paar Dinge, die hängengeblieben sind: Zum Warum des Wechsels: Nicht Geld, nicht Titel — sondern Unternehmertum. Sascha wollte selbst gestalten, mit allen Risiken und allen Vorteilen. Summit bot ihm die größte unternehmerische Freiheit. Das war der ausschlaggebende Punkt. Zur Technologiewette auf Databricks: Nicht weil es die einzig richtige Plattform ist — sondern weil man nur mit voller Überzeugung wirklich gutes Business Development machen kann. Und weil Plattformeinführungen in 90 % der Fälle Unternehmenstransformationen sind, keine reinen IT-Projekte. Zum Trusted Advisor-Prinzip: Kunden kommen nach zehn Jahren wieder — wenn man ihnen wirklich geholfen hat. Nicht weil man der Günstigste war, sondern weil man das Problem gelöst hat. Vertrauen entsteht nicht durch Rechthaberei, sondern durch ehrliche Beratung auf Augenhöhe — und dann den Weg des Kunden konsequent mitzugehen. Zur Führungsphilosophie: Intelligente Mitarbeiter einstellen und ihnen dann die Intelligenz verbieten — das ergibt keinen Sinn. Sascha setzt auf Stärken, nicht auf das Ausbügeln von Schwächen. Wer jemanden holt, der besser ist als man selbst, wächst. Wer ihn kleinhalten will, verliert beide. Der Schweizer Markt für Databricks ist gerade offen. SumIT hat eine einzigartige Oracle-Expertise als Basis. Und Sascha hat 20 Jahre Financial Services im Gepäck. Die Kombination ist kein Zufall. ____LinkedIn Profile____ LinkedIn Profile von Sascha Schmitz: https://www.linkedin.com/in/sascha-schmitz-0747725b/ LinkedIn Profile von Rocky Khan: https://www.linkedin.com/in/khanrocky/ ____Inspiration statt Businessbuch____ Kein Businessbuch — Sascha sagt, was ihn wirklich geprägt hat, war die Praxis. Kundensituationen über 20 Jahre. Fehler machen dürfen. Und daraus lernen.

46 min

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

Creator

Rocky Khan
Years Active

2025 - 2026
Episodes

25
Rating

Explicit
Copyright

© 2026 Masters of Data, BI & AI
Show Website

Masters of Data, BI & AI