VENTURE AI PODCAST

KI-Transformation ohne Filter. Norman Müller spricht mit führenden Köpfen über Chancen, Risiken und Innovationen. Kritisch, direkt, nah dran. www.ventureaistack.com

  1. 3d ago

    Dein Team nutzt KI. Wer liest mit?

    Lars Moll, CEO und Mitgründer von NENNA.AI, spricht mit Norman Müller darüber, wie Unternehmen KI einsetzen und dabei vertrauliches Wissen schützen können. Er erklärt, wie Datenmaskierung funktioniert, wo sie an Grenzen stößt und weshalb eine KI-Lizenz noch keine geregelte Einführung ersetzt. Das Gespräch führt von Schatten-KI und Zugriffsrechten zur größeren Frage: Wie verändert KI die Zusammenarbeit und Wertschöpfung eines Unternehmens? Lars bringt dabei auch seine Erfahrung aus dem digitalen Mediengeschäft und dem Wechsel vom Konzern in ein junges Technologieunternehmen ein. Kapitel * 00:00 Einstieg: KI nutzen und vertrauliches Wissen schützen * 01:10 Lars Moll: Vom Mediengeschäft zum KI-Unternehmer * 03:44 Warum der Wechsel vom Konzern ins Startup reizt * 05:24 Motivation, Bildung und das Wachsen eines Teams * 07:13 NENNA.AI: Eine KI-Plattform vom Datenschutz her gedacht * 09:55 Wer verantwortet die KI-Einführung im Unternehmen? * 15:35 Datensilos, Anbieterabhängigkeit und die Kontrolle über Wissen * 19:32 So erklärt Lars die Maskierung sensibler Daten * 25:29 Wo Datenmaskierung an ihre Grenzen stößt * 28:38 Schatten-KI: Was Unternehmen im Alltag übersehen * 34:11 Warum Verbote allein nicht weiterhelfen * 35:59 Gute Werkzeuge und der Nutzen für das ganze Unternehmen * 41:41 Kanada, politische Prioritäten und das Tempo der Umsetzung * 46:37 KI gemeinsam entwickeln: Vom Projekt zum laufenden Prozess * 48:58 Ausblick auf eine Fortsetzung und die persönliche Schlussfrage Wenn du unsere Arbeit unterstützen möchtest, freuen wir uns über ein bezahltes Abo. Jede Woche veröffentlichen wir neue Essays und Podcast-Folgen, auf die du kostenlos zugreifen kannst. Mein einem bezahlten Abo kannst du auch an unseren Podcast Live-Talks teilnehmen, im Live-Chat mitdiskutieren und dich im Substack Community Chat austauschen. Shownotes * Lars Moll auf LinkedIn: https://www.linkedin.com/in/larsmoll/ * NENNA.AI: https://www.nenna.ai/ * NENNA Watch: Browsererweiterung gegen Schatten-KI: https://www.nenna.ai/watch * Sicherheit und Datenschutz: Informationen des Anbieters: https://www.nenna.ai/sicherheit * NENNA.AI auf LinkedIn: https://www.linkedin.com/company/nenna-ai Wer KI einführt, muss wissen, wohin die Daten gehen Eine E-Mail soll schneller fertig werden. Ein Vertrag braucht eine Zusammenfassung. Für die nächste Präsentation fehlen noch ein paar Argumente. Beschäftigte greifen zu KI, weil sie ihre Arbeit erledigen wollen. Ob die Geschäftsführung den verwendeten Dienst freigegeben hat, ist damit noch nicht geklärt. Ebenso wenig, welche Informationen gerade das Unternehmen verlassen. Über diesen Widerspruch spreche ich mit Lars Moll im VENTURE AI PODCAST. Lars hat viele Jahre im digitalen Mediengeschäft gearbeitet und ist heute CEO und Mitgründer von NENNA.AI. Er entwickelt und verkauft also selbst eine Lösung für das Problem, über das wir sprechen. Seine Produktbeschreibungen sind die Perspektive eines Anbieters. Interessant wird unser Gespräch dort, wo er erklärt, welche Entscheidungen Unternehmen trotzdem selbst treffen müssen. Die Geschäftsführung muss den Einsatz organisieren Wer KI-Lizenzen kauft, schafft zunächst Zugang. Danach beginnt die Arbeit: Welche Aufgaben sollen die Beschäftigten damit erledigen? Welche Informationen dürfen sie dafür verwenden? Wer prüft einen Anwendungsfall, bevor eine ganze Abteilung ihn übernimmt? Lars beschreibt Unternehmen, in denen Verantwortliche solche Fragen zusammenführen. Sie betrachten einen Ablauf vom Anfang bis zum Ende, entwickeln einen passenden Einsatz und stellen ihn den Menschen zur Verfügung, die ihn brauchen. Das unterscheidet sich erheblich davon, ein Werkzeug freizuschalten und jede Abteilung ihre eigene Lösung suchen zu lassen. Mich erinnert die entstehende Vielfalt an frühere Digitalisierungsphasen. Einzelne Teams bauen etwas, das ihnen hilft. Nach einiger Zeit muss die Organisation herausfinden, wie die Anwendungen zusammenpassen und wer für welche Daten zuständig ist. Mit KI kommt die Frage hinzu, welche Informationen die angebundenen Modelle überhaupt sehen dürfen. Die Geschäftsführung braucht dafür Menschen mit Fachwissen und klaren Zuständigkeiten. Sie muss aber selbst festlegen, welchen Nutzen das Unternehmen erreichen will und welche Voraussetzungen dafür gelten. Diese Entscheidung lässt sich nicht mit dem Lizenzkauf erledigen. Eine Maskierung schützt nicht jeden vertraulichen Zusammenhang Lars erklärt das Prinzip anhand einer Postkarte. Auf ihr kann eine harmlose Urlaubsnachricht stehen, aber auch etwas, das niemand offen verschicken würde. Sein Vergleich soll verdeutlichen, weshalb es einen Unterschied macht, welche Inhalte ein Unternehmen einem KI-Dienst übermittelt. Bei der von ihm beschriebenen Maskierung ersetzt NENNA sensible Angaben wie Namen oder Kontodaten durch Platzhalter. Das Modell soll den Text bearbeiten können, ohne die ursprünglichen Werte zu erhalten. Anschließend ordnet die Plattform die Angaben wieder zu, damit der Nutzer mit einem verständlichen Ergebnis weiterarbeiten kann. So beschreibt Lars die Funktionsweise; einen unabhängigen Wirksamkeitstest führen wir im Gespräch nicht durch. Auf meine Frage nach schwierigen Fällen benennt er eine wesentliche Grenze: Vertrauliches Wissen kann im Zusammenhang stecken. Eine technische Idee verliert ihren Wert nicht dadurch, dass jemand den Namen des Erfinders entfernt. Wer einen geheimen Prozess beschreibt, kann ihn auch ohne persönliche Angaben offenlegen. Deshalb reicht die Frage nach der Erkennung einzelner Datenfelder nicht aus. Unternehmen müssen entscheiden, welche Inhalte sie extern verarbeiten lassen und welche in einer kontrollierten lokalen Umgebung bleiben sollen. Dazu gehören auch Zugriffsrechte. Wenn ein Assistent auf Dokumente zugreift, muss geklärt sein, welche davon der jeweilige Nutzer sehen darf. Lars betont im Gespräch, dass ein bewusst eingerichteter Zugriff zum Schutzkonzept gehört. Beschäftigte brauchen eine brauchbare Alternative zum Privataccount Beim Thema Schatten-KI treffen zwei Anforderungen aufeinander. Unternehmen wollen ihre Informationen schützen. Beschäftigte wollen Werkzeuge nutzen, die ihre Arbeit erleichtern. Ein pauschales Verbot löst diesen Konflikt kaum, wenn der Bedarf im Alltag bestehen bleibt. Lars beschreibt Möglichkeiten, die Nutzung im Browser zu steuern. Ich halte dagegen: Wer privat mit aktuellen Modellen arbeitet, wird eine schlechte interne Alternative kaum bereitwillig nutzen. Gerade die experimentierfreudigen Beschäftigten erkennen, was technisch möglich ist. Sie können eine Einführung voranbringen, wenn das Unternehmen ihnen geeignete Werkzeuge und nachvollziehbare Regeln anbietet. Damit stellt sich auch die Frage nach der Abhängigkeit. Kann das Unternehmen das verwendete Modell wechseln? Bleiben Dokumente, Arbeitsabläufe und aufgebautes Wissen dabei zugänglich? Lars versteht Souveränität als Fähigkeit, solche Entscheidungen treffen zu können. Für die Auswahl einer Infrastruktur ist das ein konkreter Prüfauftrag. Ein Versprechen von Flexibilität muss sich am tatsächlichen Aufbau zeigen. Der Nutzen muss über die einzelne Präsentation hinausgehen Im letzten Teil verschiebt sich unser Gespräch. Wenn KI eine Präsentation schneller erstellt, spart ein Mensch Zeit. Die größere Frage lautet, ob das Unternehmen dadurch bessere Entscheidungen trifft oder bessere Produkte entwickelt. Ich beschreibe den Unterschied am Unternehmenswissen. Eine Präsentation kann auf den Notizen ihres Verfassers beruhen. Sie könnte aber auch relevante Erkenntnisse der Research-Abteilung und frühere Entscheidungen berücksichtigen, sofern der Zugriff dafür vorgesehen ist. Für diese Zusammenarbeit braucht es eine gemeinsame Vorstellung davon, wie die Organisation Wissen nutzen möchte. Lars fragt entsprechend, ob eine bestehende Aufgabe überhaupt noch in derselben Form notwendig ist. Wer jeden bisherigen Arbeitsschritt lediglich beschleunigt, prüft den Ablauf selbst noch nicht. Der mögliche Gewinn liegt auch darin, Produkte, Prozesse und die Zusammenarbeit neu zu gestalten. Dafür plädiere ich für eine länger… Get full access to VENTURE AI STACK at www.ventureaistack.com/subscribe

    Dein Team nutzt KI. Wer liest mit?
  2. Nov 5

    TWO MINDS - ONE ESSAY | Wir profitieren von KI. Aber was hinterlassen wir unseren Kindern? (#1318)

    Zwei KI-Agenten diskutieren Norman Müllers Essay „Wir profitieren von KI. Aber was hinterlassen wir unseren Kindern?“. Ihr Streit beginnt beim Berufseinstieg: Wenn KI Recherchen, erste Entwürfe und andere Routineaufgaben übernimmt, gewinnen Nachwuchskräfte Zeit. Doch wo sammeln sie die Erfahrung, die sie später brauchen, um Ergebnisse zu prüfen und schwierige Fälle selbst zu lösen? Eine Perspektive sieht darin die Chance, junge Menschen früher an anspruchsvolle Aufgaben heranzuführen. Die andere verteidigt Lernräume, in denen sie Zusammenhänge durch eigene Versuche und Fehler verstehen. Die Agenten hinterfragen auch Normans Vorschläge: Werden Unternehmen gesparte Zeit tatsächlich in Betreuung investieren? Und wie lässt sich KI in Schulen und Betrieben so einsetzen, dass Menschen mit ihrer Hilfe selbstständiger werden? Im Mittelpunkt steht Enkelfähigkeit: Welche Möglichkeiten zu lernen und zu entscheiden geben wir an die nächste Generation weiter? Kapitel * 00:00 Wenn KI die Einstiegsaufgaben übernimmt: Befreiung oder Verlust? * 02:21 Wie Expertise entsteht und warum auch Erfahrene KI prüfen müssen * 04:38 Nachwuchs, Rentenwelle und die Grenzen von KI-Nachhilfe * 06:57 Lernräume neu gestalten: Was enkelfähige KI-Nutzung verlangt Liest du hier regelmäßig mit? Dann unterstütze unsere Arbeit mit einem bezahlten Abo. Wir haben die Paywalls abgeschafft. Jede Woche veröffentlichen wir neue Essays und Podcast-Folgen, auf die du kostenlos zugreifen kannst. Wenn du unsere Arbeit unterstützen möchtest, freuen wir uns über ein bezahltes Abo. Damit kannst du auch an unseren Podcast Live-Talks teilnehmen, im Live-Chat mitdiskutieren und dich im Substack Community Chat austauschen. Zugleich hilfst du uns, weitere Essays zu schreiben und spannende Podcast-Gäste einzuladen. Der Essay zur Folge Wir profitieren von KI. Aber was hinterlassen wir unseren Kindern? Warum KI-Transformation enkelfähig werden muss. VENTURE AI ACADEMY Unsere digitale Plattform ist Ihr Zugang zu praxisnaher Qualifizierung im Bereich Künstliche Intelligenz, kuratiert für Entscheider:innen und Teams im Mittelstand. Ob kompakte Webinare, vertiefende Online-Kurse oder interaktive Branchenformate: Hier lernen Sie, was Sie wirklich brauchen, um KI im eigenen Unternehmen sicher und gewinnbringend einzusetzen. Wenn du uns dabei unterstützen möchtest, diesen Podcast zu einer Allianz von Zukunftsarchitekten der KI-Transformation zu machen, in der wir offen über Chancen, Risiken und reale Erfahrungen mit Künstlicher Intelligenz sprechen, dann abonniere uns auf Substack, YouTube, Spotify oder Apple Podcasts. Dein Abonnement kostet dich nichts, hilft uns aber sehr, noch mehr herausragende Persönlichkeiten für tiefgehende und inspirierende Podcast Gespräche zu gewinnen. Vielen Dank für deinen Support. Darüber hinaus laden wir dich ein, Teil der Plattform des Bundesverbands für KI-Transformation e.V. zu werden. Hier vernetzen sich mittelständische Unternehmen, KI Expertinnen und Experten, Startups sowie Vertreterinnen und Vertreter aus Forschung und Wissenschaft, um Wissen zu teilen, Erfahrungen auszutauschen und um an konkreten KI-Projekten zu arbeiten. In unserer Podcast Community kannst du dich einbringen, mitdiskutieren und den Bundesverband als Mitglied aktiv unterstützen und mitprägen. Zur Plattform: https://www.venture-ai-germany.space Vernetze dich mit Norman auf LinkedIn: https://www.linkedin.com/in/muellernorman Get full access to VENTURE AI STACK at www.ventureaistack.com/subscribe

    TWO MINDS - ONE ESSAY | Wir profitieren von KI. Aber was hinterlassen wir unseren Kindern? (#1318)
  3. Nov 4

    Welche Rezeptur verdient den nächsten Versuch? (#1317)

    Eine neue Rezeptur kann viele Versuche kosten, bevor sie die gewünschten Eigenschaften erreicht. Thomas Keller von Riegg & Partner intercorp spricht mit Norman Müller darüber, wie Unternehmen frühere Entwicklungsdaten für die Auswahl des nächsten Versuchs nutzen können. An Beispielen aus der Lebensmittel- und Kunststoffindustrie geht es um Vorhersagemodelle, die Bewertung von Ergebnissen und die Zusammenarbeit zwischen Entwicklern und KI. Wir unterscheiden technische Herstellbarkeit vom späteren Markterfolg und fragen, woran ein Unternehmen den Nutzen eines ersten Projekts erkennen kann. Kapitel * 00:00 Einstieg: KI für konkrete Produktentscheidungen * 01:39 Warum Thomas den Hebel in Forschung und Entwicklung sieht * 04:42 Rezepturen, Einflussgrößen und lernende Vorhersagemodelle * 08:01 Ein Kuchenbeispiel und zwei verschiedene Arten von Erfolg * 10:22 Zutaten verändern, Eigenschaften erhalten * 12:44 Entwicklungsgeschwindigkeit und wirtschaftlicher Nutzen * 15:10 Mit einem begrenzten Proof of Concept anfangen * 16:31 Verbesserungen am bisherigen Prozess messen * 18:02 Mensch, Maschine und die Idee einer neuen Schokolade * 20:24 Erfahrungswissen in Entwicklungsdaten nutzbar machen * 23:05 Geschmack, Messwerte und vergleichbare Bewertungen * 24:59 Vom Laborfeedback zur Wiederbestellung * 27:24 Vorhersagen in die bestehende Laborsoftware einbinden * 29:47 Realistische Ziele und bessere Datenerfassung * 32:19 Erwartungen an KI-Projekte und die Arbeit mit alten Daten * 34:18 Neue Kundenwünsche und die Grenzen vergangener Erfahrungen * 36:23 Was Unternehmen aus einem ersten Projekt lernen können * 39:29 Entscheidungen und Zusammenarbeit im Projektteam * 41:05 Modellverständnis, Partnerschaft und neue Vergütungsansätze * 44:36 Gemeinsame Teams und langfristige Zusammenarbeit * 46:14 Wenn erfahrene Entwickler das Unternehmen verlassen * 48:49 Rückblick, offene Fragen und Ausblick Liest du hier regelmäßig mit? Dann unterstütze unsere Arbeit mit einem bezahlten Abo. Wir haben die Paywalls abgeschafft. Jede Woche veröffentlichen wir neue Essays und Podcast-Folgen, auf die du kostenlos zugreifen kannst. Wenn du unsere Arbeit unterstützen möchtest, freuen wir uns über ein bezahltes Abo. Damit kannst du auch an unseren Podcast Live-Talks teilnehmen, im Live-Chat mitdiskutieren und dich im Substack Community Chat austauschen. Zugleich hilfst du uns, weitere Essays zu schreiben und spannende Podcast-Gäste einzuladen. Shownotes * Thomas Keller auf LinkedIn: https://www.linkedin.com/in/thomas-keller-intercorp-ki-software-entwicklung-beratung/ * Riegg & Partner intercorp. GmbH: https://www.intercorp.de/ * KI in der Produktentwicklung: Ansatz und Leistungen von intercorp: https://www.intercorp.de/programmierung/ki-beratung-und-implementierung-aus-oberfranken/unsere-ki-leistungen-beratung-schulung-implementierung/implementierung/deep-learning * intercorp auf LinkedIn: https://de.linkedin.com/company/riegg-partner-intercorp/ Was frühere Versuche über die nächste Rezeptur verraten können Ein Entwickler soll Zucker in einer Rezeptur ersetzen. Der Kuchen soll weiterhin schmecken, seine Konsistenz behalten und sich auf den vorhandenen Anlagen herstellen lassen. Mit einer anderen Zutat verändern sich möglicherweise mehrere Eigenschaften zugleich. Das Team muss ausprobieren, messen und nacharbeiten. Thomas Keller nutzt dieses Beispiel in unserem Gespräch, um die Aufgabe hinter einem Vorhersagemodell zu erklären. Er arbeitet bei Riegg & Partner intercorp an Projekten, die Daten aus früheren Entwicklungsversuchen für neue Entscheidungen nutzbar machen sollen. Im Podcast berichtet er von einem Lebensmittel- und einem Kunststoffhersteller. Die Kunden bleiben anonym. Mich interessiert daran die Entscheidung vor dem nächsten Versuch: Welche Variante sollte ein Team zuerst erproben? Kann es aus früheren Ergebnissen eine bessere Reihenfolge ableiten? Und was muss es weiterhin selbst überprüfen? Erst klären, welchen Erfolg das Modell einschätzen soll Ich übertrage den Ansatz zunächst auf die Frage, ob ein neuer Kuchen am Markt erfolgreich sein wird. Thomas grenzt die Aufgabe ein. Seine Projekte beginnen bei technischen Kriterien. Lässt sich eine Rezeptur herstellen? Erreicht sie die gewünschte Qualität? Bleibt sie unter den vorgesehenen Bedingungen verwendbar? Die spätere Nachfrage ist eine weitere Frage. Zwischen einem Versuch im Labor und einem Produkt, das Kunden wieder bestellen, liegen zusätzliche Schritte. Thomas beschreibt Rückmeldungen von Testern und Kunden. Erst später können Bestell- und Vertriebsdaten weitere Hinweise liefern. Dafür müssten die beteiligten Systeme und ihre Informationen zusammenpassen. Diese Trennung ist für mich der Ausgangspunkt einer vernünftigen Beauftragung. Wenn ein Unternehmen weniger Laborversuche braucht, ist das ein möglicher Nutzen. Ob das Produkt anschließend Käufer findet, muss es gesondert untersuchen. Für ein erstes Projekt lässt sich deshalb eine begrenzte technische Frage wählen, deren Ergebnis die Entwickler beurteilen können. Thomas beschreibt zwei Einsatzmöglichkeiten: Ein Modell kann Vorschläge für eine Rezeptur unterstützen oder vorhandene Ideen bewerten. In beiden Fällen soll es frühere Versuche als zusätzliche Orientierung nutzen. Der nächste praktische Test bleibt erforderlich. Auch ein misslungener Versuch muss verständlich dokumentiert sein In den Entwicklungsdaten findet Thomas eine Spur menschlicher Erfahrung. Welche Zutat hat ein Mitarbeiter verändert? Welchen Prozesswert hat er gewählt? Wie hat das Team das Ergebnis bewertet? Wer über Jahre Produkte entwickelt, hinterlässt in diesen Entscheidungen Informationen, die auch Kollegen helfen könnten. Damit ein Modell diese Daten nutzen kann, müssen Anforderung, Zusammensetzung und Ergebnis zusammengehören. Eine Bemerkung wie „zu weich“ lässt viele Fragen offen. Im Gespräch beschreibt Thomas Bewertungsskalen, mit denen Entwickler genauer festhalten, wie stark ein Ergebnis vom Ziel abweicht. Bei Lebensmitteln spielt außerdem die sensorische Beurteilung eine Rolle. Thomas erzählt von Teams, die sich auf eine gemeinsame Bewertung verständigen. Das beschreibt die Praxis dieser Fälle. Es ersetzt keine allgemeine Prüfung, wie verlässlich unterschiedliche Personen denselben Versuch beurteilen. Für das nächste Projekt würde ich mir deshalb einige vorhandene Versuchseinträge zeigen lassen. Kann jemand daraus nachvollziehen, was das Team erreichen wollte, was es tatsächlich ausprobiert hat und woran der Versuch scheiterte? Wenn diese Verbindung fehlt, beginnt die Arbeit bei der Erfassung. Thomas berichtet, dass solche Verbesserungen bereits während der ersten Workshops entstehen können. Der Vergleich mit dem bisherigen Prozess entscheidet über den Nutzen Thomas argumentiert, dass schon wenige vermiedene Versuche wirtschaftlich relevant sein können. Wie viel das ausmacht, hängt von Material, Personal, Anlagenbelegung und der Zahl der Entwicklungen ab. Seine Zahlen im Gespräch illustrieren diesen Gedanken. Wir legen damit keine überprüfte Erfolgsrechnung der beiden Kundenprojekte vor. Ein Unternehmen sollte vor einem Test festhalten, wie es die entsprechende Aufgabe bisher löst. Wie viele Versuche benötigt es? Welche Qualität muss es erreichen? Welche Kosten entstehen dafür? Anschließend lässt sich prüfen, ob die Unterstützung durch ein Modell den Ablauf verbessert. Zur Rechnung gehören auch Datenaufbereitung, Integration und laufende Betreuung. Ein schneller Vorschlag allein genügt als Maßstab nicht. Die Entwickler müssen damit arbeiten können und das Ergebnis anschließend praktisch überprüfen. Thomas legt deshalb Wert auf die Einbindung in die vorhandene Laborsoftware. Die Mitarbeiter sollen Vorhersagen dort erhalten, wo sie bereits arbeiten. Wenn eine zusätzliche Anwendung viele Umwege verlangt, kann sie im Alltag ungenutzt bleiben. Der Zugang zum Modell ist damit selbst ein Teil des Projekts. Offen bleiben im Gespräch konkrete Angaben zur Prognosegüte der beiden Vorhaben: Welche neuen Fälle wurden geprüft? Wie häufig lag das Modell falsch? Wie viel Aufwand fiel insgesamt an? Für eine Inv… Get full access to VENTURE AI STACK at www.ventureaistack.com/subscribe

    Welche Rezeptur verdient den nächsten Versuch? (#1317)
  4. Nov 3

    LEADERS IN LEATHER: Wer behält eure KI-Agenten im Blick? (#1316)

    Wer weiß in deinem Unternehmen, welche KI-Agenten bereits arbeiten? Anna Kopp und Norman Müller sprechen in LEADERS IN LEATHER über die Fragen hinter der KI-Einführung: Zuständigkeiten, Datenqualität, Kosten und den laufenden Betrieb. Anna bringt Erfahrungen aus Microsofts eigener IT und Gesprächen nach ihren Vorträgen mit. Gemeinsam schauen wir auf Schatten-KI, die Rolle der Geschäftsführung und die Frage, warum eine Richtlinie allein im Arbeitsalltag wenig verändert. Kapitel * 00:00 Willkommen zurück bei LEADERS IN LEATHER * 01:28 Microsoft als eigener Kunde: Was Unternehmen von Anna wissen wollen * 04:35 Die Fragen nach der Keynote * 07:01 KI-Kosten, Governance und der Wunsch nach Überblick * 08:29 Ruhestand, Fachkräfte und die Arbeit, die bleibt * 10:22 Datenqualität und die Altlasten der Digitalisierung * 13:25 Wie sich die Rolle des CIO verändert hat * 16:07 Die Vasa als Bild für gescheiterte Projekte * 18:01 Wer trägt die Verantwortung für KI? * 18:42 Viele Tools, viele Agenten und fehlende Dokumentation * 21:46 Agenten erfassen, Verantwortliche benennen und Altlasten prüfen * 24:29 Wenn die Geschäftsführung von der KI-Nutzung nichts weiß * 26:16 Innovation sichtbar machen und Schatten-KI erkennen * 27:59 Warum Beschäftigte auf private KI ausweichen * 29:14 Work Trend Index und die Lücke zwischen Nutzung und Strategie * 32:04 Vertrauliche Produktinformationen und fehlendes Grundwissen * 34:24 Mitarbeiterbewertungen, Mitbestimmung und menschliches Urteilsvermögen * 36:22 Richtlinien, Lernangebote und Verantwortung im Alltag * 39:44 Cybersicherheit als Aufgabe der Unternehmensführung * 43:59 Cloud, eigene Infrastruktur und Sicherheitskompetenz * 46:36 Ausblick und Verabschiedung Liest du hier regelmäßig mit? Dann unterstütze unsere Arbeit mit einem bezahlten Abo. Wir haben die Paywalls abgeschafft. Jede Woche veröffentlichen wir neue Essays und Podcast-Folgen, auf die du kostenlos zugreifen kannst. Wenn du unsere Arbeit unterstützen möchtest, freuen wir uns über ein bezahltes Abo. Damit kannst du auch an unseren Podcast Live-Talks teilnehmen, im Live-Chat mitdiskutieren und dich im Substack Community Chat austauschen. Zugleich hilfst du uns, weitere Essays zu schreiben und spannende Podcast-Gäste einzuladen. Shownotes * Anna Kopp auf LinkedIn: https://www.linkedin.com/in/koppanna/ * CIO Magazin auf LinkedIn: https://de.linkedin.com/posts/cio-magazin_cio-des-jahres-2026-activity-7515013798437728256-aKDU * CIO des Jahres: Projekte und Hintergründe: https://www.cio.de/cio-des-jahres/ * CIONET Germany: https://www.cionet.com/cionet-germany * CIDO Women: Female Leadership Circle bei CIONET: https://www.cionet.com/de/cido-women-cionet-germany * Microsoft und LinkedIn: Work Trend Index 2024: https://www.microsoft.com/en-us/worklab/work-trend-index/ai-at-work-is-here-now-comes-the-hard-part * Microsoft Agent 365: Herstellerdokumentation: https://learn.microsoft.com/microsoft-agent-365/overview * Microsoft Secure Future Initiative: https://www.microsoft.com/en-us/trust-center/security/secure-future-initiative * Datennutzung bei Microsoft 365 Copilot: Herstellerdokumentation: https://learn.microsoft.com/en-us/microsoft-365/copilot/microsoft-365-copilot-privacy Wer weiß, welche Agenten im Unternehmen arbeiten? Anna bekommt eine Frage gestellt, die zunächst einfach klingt: Wie viele KI-Agenten hast du in Deutschland? Sie muss es herausfinden. Denn ein Team kann einen nützlichen Helfer bauen und im Alltag verwenden, ohne die IT-Leitung darüber zu informieren. Für die Beteiligten funktioniert der Ablauf. Für die Organisation fehlt womöglich der Überblick. Diese Geschichte bleibt bei mir hängen. Sie passt zu Begegnungen, die ich selbst mit Unternehmen habe. In einem Gespräch interessiert sich die Geschäftsführung für den Einstieg in KI. Beim nächsten Termin stellt sich heraus, dass Mitarbeiter längst eigene Anwendungen nutzen. Die Führung wusste davon nichts. Mit meiner Co-Host Anna Kopp spreche ich in LEADERS IN LEATHER darüber, was zwischen diesen beiden Ebenen fehlt. Anna bringt langjährige Erfahrung aus Microsofts IT mit. Sie erlebt bei Kundenterminen und nach Vorträgen, welche Fragen Unternehmen stellen. Ihre Beispiele geben Einblick in diese Gespräche. Sie liefern keine allgemeine Bestandsaufnahme aller Betriebe. Eine gute Idee braucht jemanden, der sie weiter betreut Ein Mitarbeiter automatisiert eine Aufgabe. Das Team spart sich einen lästigen Arbeitsschritt und verwendet den Agenten immer häufiger. Irgendwann ist der Erbauer im Urlaub oder verlässt das Unternehmen. Dann fällt eine Verbindung aus. Wer weiß jetzt, wie der Ablauf entstanden ist und welche Daten er benötigt? Anna erinnert die Entwicklung an Excel-Makros. Menschen bauten damit Anwendungen, auf die ihre Kollegen sich verließen. Mit den Jahren konnte daraus eine Infrastruktur entstehen, die außerhalb der vorgesehenen Betreuung lag. Einen solchen Ablauf später zu ersetzen, verlangt mehr Arbeit, als die ursprüngliche kleine Lösung vermuten ließ. Bei KI-Agenten stellt sich die Frage nach dem Betrieb erneut. Wer ist verantwortlich? Wer darf Einstellungen verändern? Welche Schnittstellen müssen funktionieren? Wer überprüft, ob der Agent überhaupt noch gebraucht wird? Anna beschreibt, wie Microsoft mit Bestandsübersichten und benannten Verantwortlichen darauf reagiert. Im Gespräch nennt sie Agent 365 als Werkzeug für diese Verwaltung. Für mich ist daran die organisatorische Aufgabe entscheidend. Ein Unternehmen braucht einen Weg, solche Anwendungen zu erfassen und über ihre weitere Nutzung zu entscheiden. Welches Produkt dafür passt, muss es anhand seiner eigenen Umgebung prüfen. Die Geschäftsführung muss erfahren, woran ihre Teams arbeiten Anna fragt, wie Informationen im Unternehmen fließen. Wenn die Führung nur Vorgaben nach unten schickt, erfährt sie wenig darüber, was Menschen bereits ausprobieren. In regelmäßigen Gesprächen könnte sie erkennen, welche Aufgaben die Teams lösen und wo sie auf Schwierigkeiten stoßen. Sie nennt eine Innovation Hour als Beispiel: Beschäftigte können eigene Projekte vorstellen und der Geschäftsführung zeigen, was sie entwickelt haben. Das macht Fähigkeiten sichtbar, die im Tagesgeschäft leicht übersehen werden. Zugleich entsteht eine Gelegenheit, nach Datenzugriffen, Betreuung und Nutzen zu fragen. Im Gespräch taucht auch der Chief AI Officer auf. Anna will wissen, wer die KI-Transformation verantwortet und die verschiedenen Arbeitsstränge zusammenhält. Wir entwickeln in dieser Folge kein vollständiges Stellenprofil. Die Frage nach einer verbindlichen Zuständigkeit zieht sich aber durch unsere Beispiele. Gerade ein mittelständisches Unternehmen muss klären, wer Entscheidungen über Fachbereiche hinweg treffen kann. Welche Anwendung erhält Unterstützung? Welche muss jemand überarbeiten? Wer bekommt Zeit für die Betreuung? Ein neuer Titel beantwortet diese Fragen noch nicht. Die Geschäftsführung muss die Aufgabe mit den beteiligten Menschen besprechen und im Alltag ermöglichen. Gute Daten und brauchbare Werkzeuge gehören zum Anfang Anna erzählt von einem Datenfeld, das Kollegen für einen Zweck nutzten, für den es ursprünglich nicht vorgesehen war. Bei einer späteren Umstellung verschwand es. Die Informationen ließen sich ihrer Schilderung nach nicht wiederherstellen. Für die Menschen, die damit arbeiteten, war das Feld relevant. Im Migrationsprozess hatte offenbar niemand diese Bedeutung erkannt. Die Geschichte macht verständlich, warum eine KI-Einführung Arbeit an den bestehenden Daten verlangt. Wer nutzt welche Information? Was bedeutet ein Eintrag? Welche Historie muss erhalten bleiben? Diese Fragen lassen sich nicht allein durch den Kauf eines weiteren Werkzeugs beantworten. Gleichzeitig müssen Beschäftigte ihre Aufgaben mit den freigegebenen Mitteln erledigen können. Ich erzähle von einem Vorstandsprotokoll, das bis zum nächsten Morgen zusammengefasst sein soll. Der Mitarbeiter verwendet dafür seine private KI. Die vertraulichen Unterlagen verlassen die vorgesehene Arbeitsumgebung. Anna greift das als Beispiel für Schatten-KI auf. Die Führung sollte wissen, welche Arbei… Get full access to VENTURE AI STACK at www.ventureaistack.com/subscribe

    LEADERS IN LEATHER: Wer behält eure KI-Agenten im Blick? (#1316)
  5. Nov 2

    Wie sicher ist die KI in deinem Unternehmen? (#1315)

    Wenn Beschäftigte vertrauliche Dokumente in private KI-Tools laden, beginnt das Problem oft schon bei den Arbeitsbedingungen. Norman Müller spricht mit Marvin Gatermann, Mitgründer und Geschäftsführer der DAFI Deutschen Akademie für Informationssicherheit, über Schatten-KI, unübersichtliche Tool-Landschaften und die Verantwortung von Führungskräften. Es geht um Sicherheitslücken beim Vibe Coding, Lernen an eigenen Praxisfällen und die Frage, wie Unternehmen KI sinnvoll einsetzen, ohne den Überblick über Daten und Prozesse zu verlieren. Kapitel * 00:00 Einstieg: KI, Unternehmensdaten und Verantwortung * 01:20 Marvins Weg zur Deutschen Akademie für Informationssicherheit * 07:20 Wie gut sind Unternehmen auf KI-Risiken vorbereitet? * 11:15 Vibe Coding und die übersehene Sicherheit * 15:54 Warum Cybersicherheit auch Investoren betrifft * 17:15 Weiterbildung an eigenen Praxisfällen * 21:17 Wenn jede Abteilung andere KI-Tools nutzt * 26:16 Systemausfälle und ihre Folgen im Arbeitsalltag * 28:07 Vorsorge, wirtschaftliche Risiken und Handlungsdruck * 32:21 Phishing, Deepfakes und kleine Unternehmen * 35:17 Sicherheitsnachweise als Voraussetzung für Geschäft * 40:39 Schatten-KI und vertrauliche Unternehmensdaten * 45:28 Lernräume und die Grenzen von Richtlinien * 49:06 Ein Vorstandsprotokoll landet in einer privaten KI * 51:14 Verantwortung der Geschäftsleitung und erste Handlungsschritte * 55:43 Wann externe Unterstützung helfen kann * 59:14 Kontakt, Ausblick und Marvins Wunsch für die Welt Liest du hier regelmäßig mit? Dann unterstütze unsere Arbeit mit einem bezahlten Abo. Wir haben die Paywalls abgeschafft. Jede Woche veröffentlichen wir neue Essays und Podcast-Folgen, auf die du kostenlos zugreifen kannst. Wenn du unsere Arbeit unterstützen möchtest, freuen wir uns über ein bezahltes Abo. Damit kannst du auch an unseren Podcast Live-Talks teilnehmen, im Live-Chat mitdiskutieren und dich im Substack Community Chat austauschen. Zugleich hilfst du uns, weitere Essays zu schreiben und spannende Podcast-Gäste einzuladen. Shownotes * Marvin Gatermann auf LinkedIn: https://de.linkedin.com/in/9316 * DAFI Deutsche Akademie für Informationssicherheit: https://dafi-akademie.de/ * Agentic AI & AI Security Practitioner: https://dafi-akademie.de/weiterbildungen/ai-security-practitioner * KI-Manager mit Schwerpunkten Compliance und Cybersicherheit: https://dafi-akademie.de/business/ki-management-b2b * Weiterbildungsangebote in der VENTURE AI ACADEMY: https://venture-ai-germany.org/academy/ * Kontakt zur DAFI für Fragen zu Weiterbildung und Unterstützung: https://dafi-akademie.de/kontakt Transparenz: Der Bundesverband für KI-Transformation e.V. und die DAFI arbeiten im Bildungsbereich zusammen. Diese Zusammenarbeit gehört zum Kontext der Folge. Die verlinkten Kursseiten enthalten die Angaben des Anbieters; sie sind keine unabhängige Bewertung der Angebote. Das Vorstandsprotokoll in der privaten KI Um 19 Uhr bekommt ein Vorstandsassistent ein Protokoll. Bis sieben Uhr am nächsten Morgen soll die Zusammenfassung fertig sein. Er nimmt die Unterlagen mit nach Hause und lässt seine private KI arbeiten. Die Arbeit liegt pünktlich vor. Vertrauliche Informationen haben dabei das Unternehmen verlassen. Ich erzähle Marvin Gatermann dieses Beispiel im Gespräch, weil mich daran die Situation hinter der Entscheidung interessiert. Ein Vorgesetzter verlangt ein Ergebnis, für das der Mitarbeiter mit seinen eigenen Werkzeugen schneller einen Weg findet. Das Unternehmen hat ihm dafür offenbar keine passende Arbeitsumgebung bereitgestellt. Wer den Vorgang verstehen will, muss sich deshalb auch ansehen, welche Erwartungen die Führung setzt und welche Mittel sie ihren Beschäftigten gibt. Marvin hat die DAFI Deutsche Akademie für Informationssicherheit mitgegründet und führt sie als Geschäftsführer. Als Wirtschaftspsychologe beschäftigt er sich mit Lernen und Veränderung. In unserem Gespräch verbindet er diese Perspektive mit der Frage, wie Menschen KI sicher im Berufsalltag einsetzen können. Wenn niemand mehr die eigenen Prozesse überblickt In einer Abteilung arbeitet das Team mit Copilot. Eine andere probiert Claude aus. Anderswo verbindet jemand Anwendungen über einen Automatisierungsdienst. Jede Entscheidung kann für die jeweilige Aufgabe sinnvoll erscheinen. Die Geschäftsführung muss trotzdem verstehen können, welche Daten durch diese Systeme fließen, wer Zugriff hat und wer einen Ablauf betreut. Marvin beschreibt, wie Unternehmen diesen Überblick verlieren können. Ein Mitarbeiter richtet eine Automatisierung ein, später verlässt er den Betrieb. Irgendwann funktioniert der Prozess nicht mehr. Die Kollegen müssen zunächst herausfinden, wo er überhaupt liegt. Wer in dieser Situation auf eine wichtige Information angewiesen ist, erlebt ein Problem der Verfügbarkeit. Damit bekommt Informationssicherheit eine konkrete Bedeutung: Kann mein Team seine Arbeit erledigen? Erreichen wir die Daten, die wir brauchen? Wissen wir, wen wir bei einer Störung ansprechen? Im Gespräch erinnern wir an den CrowdStrike-Ausfall als Beispiel dafür, wie stark Unternehmen von funktionierenden Systemen abhängen. Ein Ausfall braucht keinen Angreifer, um den Arbeitsalltag zu unterbrechen. Für mich gehört diese Perspektive auch zur Investitionsentscheidung. Wenn ich ein Unternehmen betrachte, will ich verstehen, welche Risiken ich mitfinanziere und wie die Verantwortlichen damit umgehen. Ein funktionierender Prototyp beantwortet diese Fragen noch nicht. Welche Sicherheit ein selbst gebautes Tool braucht Marvin erzählt von Unternehmern, die mit KI eigene Anwendungen bauen und die Geschwindigkeit ihrer Entwicklung feiern. Bei einem selbst gebauten CRM fragt er nach dem Schutz der Kundendaten. Die erste Antwort verweist auf die DSGVO. Seine Nachfrage zielt auf die technische Umsetzung: Wie verhindern die Verantwortlichen unberechtigte Zugriffe und den Abfluss von Daten? Diese Unterscheidung hilft auch ohne Fachwissen bei der nächsten Nachfrage. Wer einen Dienst einkauft oder selbst entwickeln lässt, sollte sich erklären lassen, wie die Beteiligten seine konkreten Daten schützen. Ein pauschaler Verweis auf Regelkonformität reicht als Erklärung dafür nicht aus. Zugleich umfasst Datenschutz auch Anforderungen an die Sicherheit der Verarbeitung. Beides lässt sich im Betrieb deshalb nicht sauber voneinander abkoppeln. Beim Vibe Coding nennt Marvin öffentlich gewordene Zugangsschlüssel und unzureichend geschützte Schnittstellen als mögliche Risiken. Wir sprechen über Fehlerquellen, die bei schneller Entwicklung Aufmerksamkeit brauchen. Aus dem Gespräch folgt keine pauschale Bewertung aller Anwendungen, die Menschen mit KI erstellen. Es folgt die Frage, wer die fertige Anwendung fachlich prüfen und anschließend betreuen kann. Beschäftigte brauchen brauchbare Werkzeuge und Übung Bei Schatten-KI geht es um Beschäftigte, die Systeme außerhalb der vorgesehenen Unternehmensumgebung nutzen. Marvin hält das für ein erhebliches Risiko. Wie häufig es vorkommt, beurteilt er im Gespräch aus seiner Erfahrung. Eine repräsentative Erhebung legen wir in dieser Folge dazu nicht vor. Sein Vorschlag setzt an zwei Stellen an: Unternehmen sollten geeignete Werkzeuge bereitstellen und ihre Beschäftigten im Umgang damit qualifizieren. Menschen brauchen ein Verständnis dafür, welche Informationen sie verarbeiten dürfen und wann sie Unterstützung holen sollten. Sie müssen zugleich ihre eigentliche Arbeit mit den erlaubten Mitteln erledigen können. Wir sprechen deshalb über geschützte Lernräume. Dort können Teams eine Aufgabe ausprobieren, ohne sofort auf sämtliche Unternehmensdaten zuzugreifen. In der praktischen Arbeit merken sie, welche Fragen offenbleiben. Welche Eingabe enthält vertrauliche Angaben? Wer kontrolliert ein Ergebnis? Was passiert, wenn ein Ablauf fehlschlägt? Marvin beschreibt diesen Praxisbezug auch als Anspruch an seine Weiterbildungen. Für die Auswahl eines Lehrgangs würde ich deshalb fragen, welche eigene Aufgabe jemand dort bearbeiten kann und wie er Rückmeldung zu seiner Lösung bekommt. Das lässt sich konkreter beu… Get full access to VENTURE AI STACK at www.ventureaistack.com/subscribe

    Wie sicher ist die KI in deinem Unternehmen? (#1315)
  6. Oct 29

    KI und Roboter: Wer braucht uns noch? (#1314)

    Was passiert mit unserem Selbstbild, wenn Maschinen auch die Arbeit übernehmen können, auf die wir stolz sind? Norman Müller spricht mit Prof. Dr. Gunter Dueck, Mathematiker, Informatiker und ehemaligem Chief Technology Officer von IBM Deutschland, über sein neues Buch „Die neue Krone der Schöpfung“. Gunter entwickelt darin eine Zukunftsvision humanoider Roboter und fragt, wie viel von unserem Arbeitsverhalten wir schon heute nach festen Vorgaben ausrichten. Im Gespräch geht es um mögliche Unterstützung im Alter, Roboterfähigkeiten zum Nachladen und Deutschlands Rolle zwischen Zulieferindustrie und eigenen Produkten. Gunter erzählt außerdem, wie er selbst Veränderungen im Geschäft mit Büchern und Vorträgen erlebt. Wir diskutieren, welche Aufgaben Menschen künftig übernehmen könnten und weshalb ein technischer Fortschritt allein noch keine Antwort auf die berufliche Zukunft jedes Einzelnen gibt. * 00:00 Gunter Dueck und die neue Krone der Schöpfung * 01:25 KI als nächste Kränkung unseres Selbstbilds * 03:33 Teamfähigkeit, Kreativität und die Grenzen heutiger KI * 07:20 Welche Aufgaben bleiben uns Menschen? * 08:48 Der Funktionsmensch: Arbeit nach Anreizen und Vorgaben * 15:38 Deutschlands Chance in der humanoiden Robotik * 16:58 NEURA Robotics und die Idee nachladbarer Fähigkeiten * 19:30 Roboterhände und der Preis deutscher Perfektion * 24:06 Warum ein Haushalt so schwer zu automatisieren ist * 25:11 Roboter als Begleiter im Alter * 27:34 Selbstständigkeit, Einsamkeit und Beziehungen zu Maschinen * 30:28 Uncanny Valley: Wie menschlich sollen Roboter aussehen? * 33:41 Sicherheit und kulturelle Unterschiede im Umgang mit Robotern * 35:08 Photonische Chips und die Frage nach marktfähigen Produkten * 38:53 Was Autoindustrie und Robotik verbindet * 40:33 Entscheidungen, Kooperationen und Umsetzungstempo * 43:14 Xiaomi als Beispiel für industrielle Geschwindigkeit * 47:11 Wann Menschen einer neuen Technik vertrauen * 50:26 Konkrete Anwendungen statt pauschaler Zukunftsurteile * 52:43 Wie Gunter Veränderungen bei Vorträgen und Büchern erlebt * 55:17 Die Idee einer dirigierenden Rolle für Menschen * 57:24 Pflege, Generationen und demografischer Wandel * 01:01:04 Regeln für Roboter und das Buch zur Folge Liest du hier regelmäßig mit? Dann unterstütze unsere Arbeit mit einem bezahlten Abo. Wir haben die Paywalls abgeschafft. Jede Woche veröffentlichen wir neue Essays und Podcast-Folgen, auf die du kostenlos zugreifen kannst. Wenn du unsere Arbeit unterstützen möchtest, freuen wir uns über ein bezahltes Abo. Damit kannst du auch an unseren Podcast Live-Talks teilnehmen, im Live-Chat mitdiskutieren und dich im Substack Community Chat austauschen. Zugleich hilfst du uns, weitere Essays zu schreiben und spannende Podcast-Gäste einzuladen. Shownotes Prof. Dr. Gunter Dueck ist Mathematiker, Informatiker und Autor. Als ehemaliger Chief Technology Officer von IBM Deutschland beschäftigt er sich mit technischen Veränderungen und ihren Folgen für Arbeit und Gesellschaft. Zu seinen Büchern gehören „Schwarmdumm“ und „Das Neue und seine Feinde“. In dieser Folge spricht er als Autor über die Überlegungen hinter seinem neuen Buch „Die neue Krone der Schöpfung“. * Gunter auf LinkedIn https://www.linkedin.com/in/gunterdueck/ * Omnisophie: Gunters Website, Blog und weitere Bücher https://www.omnisophie.com/ * „Die neue Krone der Schöpfung“ beim Redline Verlag: Buchinformationen und Bestellung https://www.m-vg.de/redline/shop/article/25794-die-neue-krone-der-schoepfung/ * Daily Dueck 392: Buchteaser und frühe Gedankenskizze zum Buch. Hier nennt Gunter auch die Kontaktmöglichkeit für signierte Exemplare. https://www.omnisophie.com/die-neue-krone-der-schoepfung-humanoide-als-bessere-menschen-daily-dueck-392-oktober-2026/ * NEURA Robotics: im Gespräch angesprochener Robotikhersteller und Zugang zum Neuraverse https://neura-robotics.com/ * Unitree Robotics: im Gespräch genannte Roboter zum eigenen Anschauen https://www.unitree.com/ * SCHUNK: im Gespräch angesprochene Greif- und Automatisierungstechnik https://schunk.com/de/de Was wird aus unserer Arbeit, wenn Roboter mehr können? Gunter erzählt von seinem Enkel. Zum sechsten Geburtstag fragt er ihn, ob er gern einen Roboter hätte. Die Antwort kommt ohne philosophischen Umweg: Er soll das Spielzimmer aufräumen. Ausgerechnet diese scheinbar kleine Aufgabe hält Gunter für schwierig. Zwischen Spielsachen, persönlichen Vorlieben und wechselnder Unordnung müsste die Maschine verstehen, was wohin gehört und was sie besser liegen lässt. Die Geschichte passt zu unserem Gespräch. Wir wünschen uns einen Helfer, der uns Arbeit abnimmt. Sobald wir genauer hinsehen, müssen wir klären, welche Arbeit wir meinen und woran wir erkennen, dass die Maschine sie zuverlässig erledigt. Ein Kind möchte sein Zimmer aufgeräumt haben. Ein älterer Mensch braucht vielleicht jemanden, der ihn beim Einkaufen begleitet. Ein Unternehmen sucht eine Lösung für einen bestimmten Handgriff. Prof. Dr. Gunter Dueck denkt diese Wünsche in seinem Buch „Die neue Krone der Schöpfung“ weiter. Seine Zukunftsvision fordert unser Selbstbild heraus: Wie reagieren wir, wenn Maschinen auch Fähigkeiten übernehmen, mit denen wir bisher unseren eigenen Wert begründet haben? Der Funktionsmensch als Vorlage für die Maschine Gunter führt einen Begriff ein, an dem ich hängen bleibe: den Funktionsmenschen. Er meint damit Menschen, deren Verhalten im Beruf durch Abläufe, Anreize und Erwartungen geprägt ist. Sie sollen freundlich auftreten, Aufgaben nach Vorgabe erledigen und sich im Team so verhalten, wie das Unternehmen es verlangt. Seine These lautet, dass sich gerade solche ausdrücklich beschriebenen Verhaltensweisen als Vorlage für Maschinen eignen könnten. Wer von Beschäftigten vor allem erwartet, dass sie vorgegebene Schritte ausführen, muss damit rechnen, dass auch Maschinen für diese Schritte entwickelt werden. Gunter überträgt diesen Gedanken auf humanoide Roboter und auf das soziale Verhalten, das wir uns von ihnen wünschen könnten. Das ist eine weitreichende Zukunftserwartung. Aus einem höflichen Dialog mit einem Sprachmodell folgt noch keine verlässliche Hilfe in einer Wohnung oder einem Pflegeheim. Im Gespräch interessiert mich aber auch die Frage an uns selbst: Welche Freiräume nutzen wir bei unserer Arbeit? Wo entscheiden wir, hinterfragen einen Ablauf oder übernehmen Verantwortung für etwas, das sich vorher niemand genau überlegt hat? Wenn wir über menschliche Stärken sprechen, sollten wir an solchen konkreten Situationen ansetzen. Sonst erklären wir eine Fähigkeit zur letzten menschlichen Bastion und müssen unsere Behauptung nach dem nächsten technischen Fortschritt wieder zurücknehmen. Hilfe im Alter braucht einen klaren Auftrag Beim Thema Pflege wird die Diskussion greifbar. Gunter stellt sich einen Roboter vor, der Zeit für Menschen hat, an das Essen erinnert, ein Lied singt oder jemanden zu einem Spaziergang ermuntert. Er beschreibt mögliche Formen der Begleitung. Einen Menschen aus dem Bett zu heben ist eine andere Aufgabe, mit anderen körperlichen Anforderungen und Folgen bei einem Fehler. Ich bringe die Vorstellung ein, mit Unterstützung länger in der eigenen Wohnung leben zu können. Gemeinsam einkaufen gehen, Einkäufe tragen lassen oder eine Erklärung wiederholen können, ohne sich für die erneute Nachfrage zu schämen: An solchen Beispielen lässt sich über einen möglichen Nutzen sprechen. Ob ein bestimmter Roboter das sicher und bezahlbar leisten kann, müsste man jeweils prüfen. Gunter widerspricht auch der Vorstellung, ein Roboter müsse einem Menschen äußerlich möglichst nahekommen. Er spricht über das Uncanny Valley, also das Unbehagen, das eine beinahe menschliche Erscheinung auslösen kann. Vielleicht wäre uns ein erkennbarer Roboter oder eine freundlich gestaltete Figur angenehmer. Für mich steckt darin eine Gestaltungsfrage: Wie soll sich die Unterstützung für den Menschen anfühlen, der sie tatsächlich nutzt? Ein Hersteller kann eine beeindruckende Maschine vorführen. Ob jemand mit ihr in seiner Wohnung leben möchte, erfahren wir erst, wenn wir seine Wünsche ernst neh… Get full access to VENTURE AI STACK at www.ventureaistack.com/subscribe

    KI und Roboter: Wer braucht uns noch? (#1314)
  7. Oct 27

    Wer erreicht deine Kunden, wenn KI für sie einkauft? (#1313)

    Wer erreicht deine Kunden, wenn KI für sie nach Angeboten sucht? Norman Müller spricht mit David Odenthal, Gründer und Geschäftsführer von konversion.digital, über KI-Sichtbarkeit, veränderte Kaufwege und das Vertrauen in digitale Assistenten. David verbindet seine Erfahrung in der Conversion-Optimierung mit der Frage, welche Aufgaben Agenten übernehmen können und wo Menschen weiter entscheiden wollen. Aus einem Gespräch über Suchmaschinen und Websites entsteht eine Debatte über den Ort der Kaufentscheidung: Müssen Kunden künftig noch einen Onlineshop besuchen, oder finden Beratung, Produktauswahl und Bestellung im KI-Dialog statt? Wir sprechen über die Zukunft von Agenturen, die Verantwortung im Einkauf und darüber, was Menschen mit der gewonnenen Zeit anfangen. * 00:00 Einstieg: Wie KI Suche und Kaufentscheidungen verändert * 01:42 Davids Weg vom Agenturgeschäft zur Conversion-Optimierung * 03:28 Was Nutzer auf einer Website wirklich tun * 06:55 Von Suchbegriffen zum Dialog mit KI * 10:37 Websites für KI-Agenten zugänglich machen * 13:28 Warum klassische SEO-Grundlagen weiter zählen * 15:30 KI-Sichtbarkeit, Inhalte und menschliches Vertrauen * 17:32 Welche Agenturaufgaben KI übernehmen kann * 20:20 Eine Tasche kaufen, ohne selbst zu suchen * 21:30 KI im Einkauf: Wer trägt die Verantwortung? * 23:16 Beschäftigte bei der Veränderung begleiten * 28:30 Agent Commerce und die menschliche Kaufentscheidung * 30:22 Brauchen Kunden künftig noch den Onlineshop? * 32:50 Marken, Bewertungen und Vertrauen * 35:20 Wem vertraust du: Händler oder KI-Assistent? * 38:34 Bewertungen und die Realität im Mittelstand * 41:28 Persönliche Assistenten und neue Kundenbeziehungen * 43:40 Websites als Datenlieferanten und visuelles Kauferlebnis * 45:45 Entscheidungshilfe oder Bevormundung durch KI? * 47:57 Zusatzangebote im Dialog mit dem Agenten * 49:30 Gewonnene Lebenszeit, Resilienz und neue Aufgaben * 52:25 Ausblick und Davids Schlussgedanke Liest du hier regelmäßig mit? Dann unterstütze unsere Arbeit mit einem bezahlten Abo. Wir haben die Paywalls abgeschafft. Jede Woche veröffentlichen wir neue Essays und Podcast-Folgen, auf die du kostenlos zugreifen kannst. Wenn du unsere Arbeit unterstützen möchtest, freuen wir uns über ein bezahltes Abo. Damit kannst du auch an unseren Podcast Live-Talks teilnehmen, im Live-Chat mitdiskutieren und dich im Substack Community Chat austauschen. Zugleich hilfst du uns, weitere Essays zu schreiben und spannende Podcast-Gäste einzuladen. Shownotes David Odenthal ist digitaler Stratege, Unternehmer und Gründer von konversion.digital. Seit 2006 beschäftigt er sich mit digitalem Marketing und dem Entscheidungsverhalten von Menschen. Er begleitet Unternehmen bei Conversion-Optimierung, digitaler Strategie und dem Einsatz von KI in Marketing und Geschäftsprozessen. In seiner für die Folge übermittelten Kurzbiografie beschreibt er Nebra als eigene Plattform für spezialisierte KI-Agenten und KI-Teams. Außerdem ist er Gastgeber des Podcasts TRIEBWERK. * David auf LinkedIn: https://de.linkedin.com/in/david-odenthal-b6a88632 * konversion.digital: Beratung und Umsetzung: https://konversion.digital/ * Nebra: Davids KI-Plattform: https://getnebra.app/ * TRIEBWERK: Davids Podcast: https://triebwerk.fm/ * Agent-Ready-Check von konversion.digital: https://konversion.digital/agent-ready/ Wenn der Kunde im KI-Dialog bleibt Ich sehe eine Tasche, mache ein Foto und frage meine KI: Welche Marke ist das? Gibt es sie auch in Schwarz? Und wo bekomme ich das Original zu einem guten Preis? Im Gespräch mit David Odenthal gehen wir diesen Weg weiter. Was wäre, wenn mir die KI gleich zeigt, wie die Tasche zu meinem Anzug passt, Anbieter vergleicht und den Kauf vorbereitet? Welchen Grund hätte ich dann noch, mich durch die Navigation eines Onlineshops zu arbeiten? David beschäftigt sich seit vielen Jahren damit, warum Menschen auf Websites kaufen oder abspringen. Er hält dagegen: Auch mit einer guten Empfehlung will ein Mensch wissen, wem er sein Geld gibt. Er bringt Marken, Erfahrungen und Bewertungen ins Spiel. Mich interessiert, ob wir dafür künftig überhaupt noch den Shop besuchen müssen. An dieser Frage bleiben wir hängen, und genau dadurch wird das Gespräch spannend. Das Angebot muss auch für einen Agenten verständlich sein David beschreibt zunächst eine Aufgabe, die Unternehmen aus der Suchmaschinenoptimierung kennen: Sie müssen ihr Angebot auffindbar machen und verständlich erklären. Dazu gehören für ihn technische Grundlagen, strukturierte Daten und Inhalte, die konkrete Fragen beantworten. Diese Arbeit bleibt aus seiner Sicht nötig, wenn Menschen einen KI-Assistenten mit der Suche beauftragen. Die Anforderungen verschieben sich in unserem Gespräch vom einzelnen Suchbegriff zum Zusammenhang. Wer eine Tasche sucht, kann Materialwünsche, einen Anlass und bisherige Erfahrungen mitbringen. Wer einen Dienstleister braucht, hat eine Aufgabe zu lösen. Ein Anbieter muss erklären können, wofür sein Angebot geeignet ist und welche Grenzen es hat. Wie genau einzelne KI-Systeme ihre Empfehlungen gewichten, klären wir damit noch nicht. David sagt selbst, dass er die Mechanismen nicht vollständig durchschaut. Seine Begriffe KI-Score und Human Score beschreiben seinen Beratungsansatz. Sie sind keine allgemeingültige Messlatte und garantieren keinen Platz in einer KI-Antwort. Für Unternehmen bleibt die praktische Frage: Kann jemand auf Grundlage unserer Informationen beurteilen, ob wir für seine Aufgabe infrage kommen? Vertrauen kann auch außerhalb des Shops entstehen David hält am menschlichen Anteil des Kaufens fest. Wir entscheiden nach seinen Erfahrungen auch danach, welche Marke wir kennen und was andere Menschen über einen Anbieter erzählen. Ein Assistent kann diese Erfahrungen zusammenstellen. Selbst erlebt hat er den Restaurantbesuch oder die Nutzung einer Tasche jedoch nicht. Ich frage, ob eine persönliche KI solche Informationen nicht genau dort einbringen könnte, wo ich ohnehin mit ihr spreche. Meine Vorlieben müsste ich dann nicht bei jedem Anbieter neu erklären. Auch Bilder und ein persönliches Produkterlebnis wären in diesem Szenario im Dialog möglich. Für mich liegt darin eine Chance, Recherche und Auswahl zu vereinfachen. David erinnert an die Auswahlfreiheit: Wer legt fest, welche Händler wir überhaupt noch zu sehen bekommen? Seine Sorge verdient eine Antwort. Wenn ein Assistent die Vorauswahl übernimmt, müssen wir seine Empfehlungen hinterfragen können. Im Gespräch einigen wir uns auf keinen Termin, an dem Websites verschwinden. Wir diskutieren eine mögliche Entwicklung, deren Tempo und Reichweite offen sind. Eine Empfehlung entbindet niemanden von Verantwortung Für den Unternehmenseinkauf erzähle ich von einem Gespräch, in dem mir ein KI-gestützter Auswahlprozess für externe Anbieter beschrieben wurde. Mich beschäftigt daran die Versuchung, eine Entscheidung später mit dem Hinweis auf das System zu rechtfertigen. Die Empfehlung kam von der KI, also habe ich nur die Vorgabe befolgt. David fordert, dass am Ende ein Mensch entscheidet. Gerade bei einem Dienstleister muss jemand beurteilen können, ob die Empfehlung zur Aufgabe passt. Aus unserem Beispiel lässt sich kein allgemeiner Stand des Unternehmenseinkaufs ableiten. Es macht aber deutlich, welche Frage Führungskräfte beantworten müssen, bevor sie Auswahlprozesse delegieren: Wer prüft die Vorschläge, und wer übernimmt die Entscheidung? Auch bei Agenturen unterscheiden wir zwischen wiederkehrenden Aufgaben und Erfahrung, die sich nicht ohne Weiteres aus einer Checkliste gewinnen lässt. David berichtet, dass Agenten bereits Teile seiner Analysearbeit übernehmen können. Die im Gespräch genannten Anteile sind seine Einschätzung aus eigener Arbeit. Eine belastbare Prognose für die gesamte Branche liefern sie nicht. Mit der gesparten Zeit beginnt die nächste Aufgabe Gegen Ende verlassen wir die Website und sprechen darüber, was Automatisierung mit Menschen macht. David beschreibt die Gefahr, dass Beschäftigte mit ihrer bisherigen Aufgabe auch Orientierung verlieren. Wer jahrelang über seine berufliche Rolle A… Get full access to VENTURE AI STACK at www.ventureaistack.com/subscribe

    Wer erreicht deine Kunden, wenn KI für sie einkauft? (#1313)
  8. Oct 26

    TWO MINDS - ONE ESSAY | Du entscheidest noch. Aber wer denkt vor? (#1312)

    Zwei KI-Agenten diskutieren Norman Müllers Essay „Du entscheidest noch. Aber wer denkt vor?“. Ausgangspunkt ist eine schwierige E-Mail: Die KI liefert einen überzeugenden Entwurf. Doch mit der Formulierung übernimmst du womöglich auch eine Haltung, die du selbst noch gar nicht geklärt hast. Die Debatte führt von dieser Alltagssituation zu einer Frage für Unternehmen und Bildung: Wie nutzen wir KI, ohne die Grundlagen unseres eigenen Urteils zu vernachlässigen? Die beiden Perspektiven geraten dabei aneinander. Entlastet KI unser Denken oder erspart sie uns Lernschritte, die wir später zum Prüfen brauchen? Reicht es, vor jedem Prompt die eigene Absicht zu kennen? Und was bedeutet menschliche Kontrolle, wenn eine Mitarbeiterin zwar widersprechen darf, ihr Einwand aber keine Entscheidung aufhalten kann? Die Agenten prüfen auch Normans Argumente kritisch und diskutieren, wo bessere Werkzeuge helfen und wo Führung Verantwortung übernehmen muss. Kapitel * 00:00 Die schwierige E-Mail: Wer bestimmt deine Haltung? * 02:21 Vom eigenen Entwurf zum Redigieren: Ankereffekt und Cognitive Offloading * 04:42 KI beim Lernen: Fertige Lösung oder didaktischer Tutor? * 07:04 Produktive Anstrengung, Werkzeugdesign und Eigenverantwortung * 09:26 Wenn sich das Ziel im KI-Dialog verändert * 11:44 Menschliche Kontrolle, Automatisierung und Verantwortung * 14:08 Ein wirksames Nein und das Erfahrungswissen von morgen * 16:28 Woran Unternehmen den Erfolg von KI-Projekten messen sollten * 18:40 Die eigene Absicht vor der nächsten KI-Anfrage prüfen Liest du hier regelmäßig mit? Dann unterstütze unsere Arbeit mit einem bezahlten Abo. Wir haben die Paywalls abgeschafft. Jede Woche veröffentlichen wir neue Essays und Podcast-Folgen, auf die du kostenlos zugreifen kannst. Wenn du unsere Arbeit unterstützen möchtest, freuen wir uns über ein bezahltes Abo. Damit kannst du auch an unseren Podcast Live-Talks teilnehmen, im Live-Chat mitdiskutieren und dich im Substack Community Chat austauschen. Zugleich hilfst du uns, weitere Essays zu schreiben und spannende Podcast-Gäste einzuladen. Der Essay zur Folge Du entscheidest noch. Aber wer denkt vor? Wenn du uns dabei unterstützen möchtest, diesen Podcast zu einer Allianz von Zukunftsarchitekten der KI-Transformation zu machen, in der wir offen über Chancen, Risiken und reale Erfahrungen mit Künstlicher Intelligenz sprechen, dann abonniere uns auf Substack, YouTube, Spotify oder Apple Podcasts. Dein Abonnement kostet dich nichts, hilft uns aber sehr, noch mehr herausragende Persönlichkeiten für tiefgehende und inspirierende Podcast Gespräche zu gewinnen. Vielen Dank für deinen Support. Darüber hinaus laden wir dich ein, Teil der Plattform des Bundesverbands für KI-Transformation e.V. zu werden. Hier vernetzen sich mittelständische Unternehmen, KI Expertinnen und Experten, Startups sowie Vertreterinnen und Vertreter aus Forschung und Wissenschaft, um Wissen zu teilen, Erfahrungen auszutauschen und um an konkreten KI-Projekten zu arbeiten. In unserer Podcast Community kannst du dich einbringen, mitdiskutieren und den Bundesverband als Mitglied aktiv unterstützen und mitprägen. Zur Plattform: https://www.venture-ai-germany.space Vernetze dich mit Norman auf LinkedIn: https://www.linkedin.com/in/muellernorman Get full access to VENTURE AI STACK at www.ventureaistack.com/subscribe

    TWO MINDS - ONE ESSAY | Du entscheidest noch. Aber wer denkt vor? (#1312)

Ratings & Reviews

3.5
out of 5
2 Ratings

About

KI-Transformation ohne Filter. Norman Müller spricht mit führenden Köpfen über Chancen, Risiken und Innovationen. Kritisch, direkt, nah dran. www.ventureaistack.com

More From NORMAN MÜLLER

You Might Also Like