Jean-Luc: Hallo und herzlich willkommen zur 110. Folge von Das Gelbe vom AI, eurem Lieblingspodcast rund um KI-Themen. Und wie ihr wisst, haben wir im wöchentlichen Wechsel eine News-Folge und eine Interview-Folge. Und die aufmerksamen Zuhörer, die uns natürlich auch abonniert haben und 5 Sterne gegeben haben bisher, wissen, dass wir diese Woche eine Interview-Folge haben mit einem spannenden Gast mit dabei. Aber auch wie immer mit dabei mein Co-Host Michael. Michael, schön, dass du wieder dabei bist.

Michael: Ja, haben wir schon mal Glück. Ja, ich schon sehr gespannt auf unseren heutigen Gast, den ich gerne jetzt ankündigen möchte. Das ist nämlich, Spannungsbogen etwas rauszunehmen, Vivek Modi von Seal Network SE. Er ist dort VP Strategy und hat sehr, viele unterschiedliche Rollen schon in seinem Background als Gründer KI-Strategie und Transformationsbegleiter. Und mit ihm werden wir heute gern so über gängige KI-Thesen diskutieren. Da bin ich schon sehr gespannt drauf. Aber Erstmal ein Hallo und herzlich willkommen an Vivek. Ich stelle dich doch gerne unseren Hörern und Hörerinnen nochmal etwas ausführlicher selber vor.

Vivek Modi: Hallo, vielen Dank für die Einladung. Also ich freue mich wirklich heute hierher zu sein. Und bevor wir starten oder ich mich vorstelle, ich versuche heute meine Bestes auf Deutsch. Falls etwas grammatisch nicht ganz perfekt ist, bitte einfach lächeln. Und jetzt gerne zu mir. Also wie du gesagt hast, Michael, ich war in verschiedenen Rolen und auch eigentlich in verschiedenen Ländern und Industrien unterwegs. Ich habe länger in Unternehmensberatungen gearbeitet, wo ich Software- und Techunternehmen beratet habe, Business Model Entwicklung, Product Market Fit, Go-To-Market und auch ganz viele BI-Firmen, Private Equity Firmen beratet habe, Investitionen in Tech-Unternehmen mit Fokus auf europäischer Markt. Und momentan bin ich VP Strategie bei Zeal und daneben berate ich auch viele Tech und KMO Unternehmen an KIT-Informationen und strategische Themen. Ich bin auch Ex-Gründer, daher sage ich immer at heart Entrepreneur. Und diese Passion zu behalten, berate ich auch oder mentor ich auch junge Startups. in Impact Sektor. ist mit meVisionaire. Das ist ein der größte Impact Fellowship von Mercedes-Benz. genau mein Ziel ist, dass Führungskräfte und Unternehmen dabei zu unterstützen. Kein nicht nur zu verstehen, sondern ihre Organisation damit neu zu denken und das technologischen Wandel messbar, aus technologischem Wandel messbar Geschäftwert zu schaffen.

Jean-Luc: das klingt sehr, spannend. Vielen Dank, dass du heute dabei bist und auch für deine Introduction. Ich würde sagen, wir gestalten uns diesmal ein bisschen anders. Michals Idee war es nämlich mal zu schauen, ob wir ein paar etwas schnelleren Thesen reingehen, statt einfach nur Fragen zu stellen. Und ich würde gerne mal starten mit der These, dass die KI überschätzt ist. Wenn man sich nämlich den Gardner Halbcycle anschaut mit den verschiedenen Phasen, die ja so neue Technologien durchlaufen, dann könnte man eher sagen, die generative KI, den hat den Zenith schon überschritten und befindet sich eher jetzt auf dem Weg ins Teil der Enttäuschung, während die KI-Agenten gerade eher dabei sind, den Gipfel der überzogenen Erwartungen, also den Peak of Inflated Expectations, hinaufzuwandern. Wie siehst du das? Haben wir AI überschätzt bisher?

Vivek Modi: Ich denke, Gartner Hype Cycle hat auch ganz viel Hype gemacht. Fast jeder Keynote hat mit Gartner Hype Cycle angefangen. Und ich denke, es gibt ein bisschen Wahrheit in Gartner. Das ist auch eine sehr etablierte und tiefer analysierte Aussage. Aber das hängt davon ab, welche genaue KI-Technologie wir sprechen. Im Gartner Hype Cycle gibt es auch verschiedene Technologien im KI. Und ich habe tatsächlich das Gegenteil als Opinion. Und ich denke, haben EHKI untersetzt. wir ein paar letzte Monate schauen, es sind Milliarden Investitionen in die Infrastruktur reingeflogen. Also so groß wie fast ganz Volk zuenschaft von vielen Ländern. Die reasoning Modelle werden immer wieder besser. Mithos müssen wir gar nicht darüber sprechen. OpenAI hat jetzt auch Modelle gelongt, die eigentlich mehr mächtig sind, als wir den haben wollen momentan. Chemie 3 in letzten zwei Wochen hat auch viel in den News unterwegs. Und wenn wir allgemein das anschauen, Es gibt ein sehr guter Report, heißt AI 2027, also KI 2027. Das ist unter anderem auch durch OpenAI-Researchers geschrieben. Und die haben versucht, überlegen, wo wird KI sein bis also nächstes Jahr. Und... Die haben ein paar Prognose gemacht, dass HEI-KI eine Threat for Cyber Security sein und so weiter. Und wir haben gesehen, dass ganz viele Prognose, die die schon vor 27 gemacht haben, sind jetzt bei 1,26 Wahrheit. Und da ich würde sagen, dass wir haben nicht KI-Ubersetz übergesetzt, sondern wir haben die Geschwindigkeit untersetzt.

Michael: Ja, sehr spannend. Das führt mich gleich zu meiner zweiten These, nämlich der, dass wir in zwei Realitäten leben. Wir einerseits die Hype Cycle Realität, die ihr gerade beschrieben habt, Technologie, die sich exponentiell entwickelt. Und andererseits die Realität, die wir jeden Tag wahrnehmen in unseren Büros, in unserem Arbeitsalltag, der bei Sean Lückummi natürlich eher KI-getrieben ist, aber in vielen Organisationen, vielen Unternehmen. eben noch relativ analog mit ein bisschen digital würde ich mal sagen. Wie siehst du es? weg leben wir hier in zwei Realitäten?

Vivek Modi: Definitiv, Michael. das ist genau so. Ich habe auf LinkedIn diese Split Reality Beitrag geschrieben. Das trifft genau dazu, was du jetzt erwähnt. Einerseits wir sehen diese ganze Entwicklung in jeder Model viel besser als der letzte. Es gibt dieses Benchmark, wo seit Chet GPT markt ist, also seit der letzten dreieinhalb Jahren, keine Modelle hat. Jeder ist zwei Monate. sich kapazitätmäßig verdoppelt. Also das ist pro Jahr so vor X Entwicklung, also 400 Prozent besser jedes Jahr. Es gibt gar keine Technologie, so schnell entwickelt hat und die Geschwindigkeit. Also das ist wirklich exponentiell. Und an anderer Seite, die Unternehmen sind super lineal in ihrer Adoption und ihrer Nutzung von KI. Also das ist wie du ein F1 Auto hast in der Garage und du nutzt dieses Auto nur langsam, um von der Bäcker daneben Brot zu holen. Und das ist auch, also wenn man ein bisschen in den Report schaut, diese MIT-Studie war überall in LinkedIn, dass 95 % der KI-Projekte fehlen. oder nicht mehr als Pilot von Pilot weitergehen. Oder wenn du Analyse von McKenzie schaut, auch ihn selber seitlich, das war sogar noch drastischer. Die haben gesagt, nur ein Prozent von KI-Projekten erfolgreich werden. Und das zeigt uns genau diese Differenz zwischen einerseits das Progress von Frontend-Model und Technologie und andererseits die Lücke in Adoption. Und da denke ich, das schaltet nicht an Technologie, sondern gibt es ganz viele verschiedene Faktoren, was dazu führen. Aber was denkt ihr dazu erstmal?

Jean-Luc: Ich finde es ein super spannendes Thema, dass es scheitert quasi nicht an Technologie. Das ist ja das, was man häufig sonst hört, dass die Modelle nicht gut genug sind, die richtigen Ergebnisse zu liefern. Aber es gibt ja auch genug Gegenbeispiele, bei denen dann sehr gute Ergebnisse geliefert werden, sei es mit Sprachmodellen oder

Vivek Modi: Mhm.

Jean-Luc: mit Bild- Videogenerierung. Das heißt, das Bottleneck kann eigentlich gar nicht in Technologie sein. Klar, wir aus unserer Erfahrung wissen natürlich, wo da irgendwie die Schwachstellen liegen und wie man sie im Zweifel auch umgehen kann oder welches Modell man wofür nutzen sollte. Aber wie wir vielleicht nochmal in deine Richtung zurück, wenn du sagst, das Problem ist nicht die Technologie, warum scheitern die KI-Projekte denn trotzdem?

Vivek Modi: Also ich würde sagen, was ich mit Gesprächen mit anderen Firmen sehe oder was ich bei der Arbeit gesehen habe, ist, dass es oft missversandt wird. Also wir sind immer noch in der Softwarewelt von Gedanken her und wir denken, das ist einfach ein neuer Softwareupdate. Aber das ist ganz andere Technologie. Also es gibt erstens mal das Verstand vor was genau diese Technologie ist und dazu gehört auch die Applikations. Also wo das besser ist, in welcher Use geht es und in welcher Use geht es, es vielleicht besser ist nicht geil zu nutzen. Also einmal dieses Verstandes. Zweitens Adoption und mit Adoption, ist ganz Process Restructurierung, Change Management und so weiter. Und das dritte ist Geschwindigkeit, also Speed von Weil das ist immer noch in Entwicklung. Also wir sind noch nicht in stabiler Phase, was wir von der Technologie erwarten können. Und das Mix von diesen drei Themen führt zu ganz vielen verschiedenen anderen Problemen, dadurch die Transformation nicht zu ihren Zielen erreichen, die sie genau erreichen sollen.

Jean-Luc: Ich würde sagen, lasst uns gerne da ein bisschen tiefer einsteigen in die einzelnen Themen. Du hast jetzt ja schon verschiedene Säulen genannt. Ich würde es gut finden, wenn wir da vielleicht die noch mal im Detail weiter beleuchten. Was steckt eigentlich dahinter? Als erstes hattest du diese Foundation genannt. Kannst uns da vielleicht noch bisschen tiefer abholen. Was muss man eigentlich als Grundlage im Unternehmen erstmal legen?

Vivek Modi: Sehr gerne. Also das ist wir reden jetzt über so eine Blueprint von wie Kaidan Summation funktioniert. Und

Jean-Luc: Mhm.

Vivek Modi: ich habe diese Seile Foundation genannt, weil das ist Arbeit. Das ist komplett unsexy Arbeit. Das ist die Arbeit, die niemand machen möchte und worüber niemand sprechen möchte. In einfacher Worte, das ist, baut deine Wasserleitung erst mal an, bevor du eine Poolparty anfängst. Das sind die Themen wie Data Governance. ist die Themen wie Datenschicherheit, Data Qualität, Karaverantwortlichkeit und so weiter und so fort. diese Themen sind gar nicht neu. In Digital Welt, in Digital Transformation oder in Data Transformation haben diese Themen uns auch beschäftigt. Und damals hatten wir auch nicht so viel Lust, uns diese Themen zu kümmern. Und jetzt haben wir eine viel mächtige Technologie, die durch diese Foundations, durch diese einzelnen Blocks wirklich viel mehr schaffen kann. Aber bevor wir dahin gehen, bevor wir die Mehrwert rausholen, wir müssen wirklich unser System, unser Prozess, unser Data genau so vorbereiten, dass das ready ist für diese ganze große Transformation. Wir können auch gerne über ein, zwei cases zu brechen. Ich finde das

Jean-Luc: Super gerne!

Vivek Modi: Morgan Stanley UseCase super cool, weil Morgan Stanley ist erstmal kein Data Tech Unternehmen, das ist eine Finanzfirma, plus in hoch reguliertem und hochsensitiv Data. Die haben ganz früher, also momentan sind wir auch so entwickelt, die Modelle sind so entwickelt, aber ganz früher als ChetGPT und so weiter raus kam, die waren eine der ersten Firma, die wirklich Zero Data Retention Policy implementiert haben. Die haben mit ChetGPT zusammengearbeitet und geschafft, dass die Weltmanagement-Data von Kunden nirgendwo gespeistet werden. Also nicht bei ChetGPT und auch nicht bei Morgan Stanley selber. Und dadurch haben die so hohe Sicherheit gegeben zu Kunden. Und dadurch haben die auch sehr hohe Adoptionsrate geschafft. Also die Financial Advisers, die Adoptionsrate, die Morgan Stanley reported hat, ist aktuell 98 Prozent. Und das ist Wahnsinn. Und das ist nur möglich, weil die dieses Trust gebaut haben durch gut Foundations, gut Gewohnenspraxis.

Jean-Luc: Du hast es gerade schon angesprochen. Der nächste Schritt ist dann die Adoption, nachdem die Infrastruktur bzw. die Foundation gelegt ist. Worum geht es dann bei der Adoption?

Vivek Modi: Ich denke, bevor wir über Adoption sprechen, was fällt mir ein, Privat, denke, ihr macht das Richtige in diesem foundational Topic, dass ein Tool, wo ganz Gewöhnens- und Komplastthemen auf einen Blick, dass man einen Überblick schafft und das genau tracken kann. Also ich denke, das ist sehr, sehr notwendige Lösung momentan. Und ja, eine Shout out zu private, bevor wir zu nächstes Thema gehen. gerne jetzt zu adoption. Von meiner Perspektive her, das ist eine der wichtigsten Thema, die Transformation ihr Ziel, also weswegen die Transformation ihr Ziel nicht erreicht. erreichen. Ich habe oft gesehen, auch mit den Firmen, berate, dass das Ansatz oder das Method, Transformation hinzuführen, ist einfach Lizenzen kaufen von das geilste LLM, was momentan trendy ist und einfach die Kollegen das geben und erwarten, dass irgendwie was Magisches passiert und die werden ganze Prozesse transformieren. Und das ist super, super falsches Weg, ein Transformationsprojekt hinzuführen. Das ist eine Wandel, und eine Kulturwandel, eine Mindsetwandel, eine Prozesswandel. Und das braucht Zeit und gezielte Aufmerksamkeit. Ich finde, Canva hat das super gut gemacht. Die haben vor ganz einer Woche die ganze Firma alle Arbeit erst mal zur Seite gelegt und 5000 Mitarbeiter haben nur ganze Woche lang sich darum gekümmert, dass die KI besser verstehen und besser in ihr Prozess implementieren. Das ist eine massive, so sagen wir, Produktivitätssession und so weiter, massive Cut einerseits, dass die ganze Firma vor einer Woche nicht arbeitet. Aber das ist die Investition in Zukunft. Und die Zeit müssen wir nehmen. Müssen wir die Arbeit, die Kollegen geben, damit das wirklich angekommen ist. Wir haben auch bei der Arbeit ganz viel Energie an den Thema investiert. Wir haben fast jeder Format genutzt. Also wir haben ein dedicated KIT-Transformationsoffice. Wir haben AI Champions, wir Hackathons organisiert, wir haben Learn-to-learn-sessions organisiert. Wir haben ganz viel interne Kommunikation, interne Priorität gesetzt und die Zeit genommen, ein Arbeitnehmer nicht von der, also dass die Arbeitnehmer das nicht so top of ihr tägliche Arbeit machen müssen, sondern wirklich dedicated Zeit gegeben, wo man diese Weiterbildung einatmigen kann. Und ich denke, das ist super, super wichtig. Zweites Thema bei Change Management ist auch, Führung, was zur Führungsschule geht. Also ich denke, die Führungskräfte müssen selber jetzt auch Hands-on sein. Die müssen selber verstehen, wie ich meine Prozesse verbessern kann. Wie genau ich selber das eine der mächtigsten Technologien nutze. Nur dann geht es weiter. Also das ist auch egal, wo du stehst, musst du erst mal mit selber anfangen. Und ja, ich denke, die zwei Themen sind super, super wichtig am Adoption.

Michael: Ich glaube, ist auf jeden Fall entscheidend, das an die Organisation anzupassen. Es gibt einfach Unternehmen, die, sagen wir mal, innovationsfreundlicher sind und andere, die es weniger sind. Ich glaube, das ist durchaus je nach Unternehmen eine Herausforderung. Die Frage ist ja immer, wenn du so eine neue Innovation einführst, nimmst du da die Leute mit oder gibst du es ein Stück weit vor?

Vivek Modi: ja, Michael, was du sagst, ist es ist und ich habe ein bisschen biased Eindruck dazu, muss ich sagen. Ich arbeite grundsätzlich mit DEC und E-Commerce Unternehmen. Und da ist die Begeisterung oder das Enthusiasmus vor neuen Technologien sehr hoch. Und mindestens bei meinen Kunden oder bei der Arbeit sehe ich, ich habe mehr Begeisterung und Neugierde als Sorge. Und ich denke als Transformations, Transformationstreiber, als Führungskraft müssen wir diese Begeisterung positiv nutzen. und das amplifizieren und das wird dann auch die Sorgen automatisch reduzieren. Mittlerweile fragt ob wir Google nutzen sollen oder nicht. Es gibt immer wieder Probleme oder kritische Gedanken zu Datenschutz und so weiter. Aber es gibt keinen Menschen, der Google nicht nutzt. Und ich würde sagen, wird auch... sehr schnell wir würden in der Lage sein, wo es gibt kein Mensch, die kein nicht nutzt. Das Produkt selber ist so mächtig und so einflussam, dass die Begeisterung ist schon da und mindestens in Tech-Welt. Jetzt, wenn wir über unsere deutsche Mittelstand sprechen und so weiter, da ist die Situation sicherlich anders und da müssen wir komplett anders rangehen. Aber wenn jemand in Tech-Welt ist, würde ich sagen, Geh mit Vollgas rein und magst dich nicht so viel Sorgen über, wie die Mitarbeiter über Jobperspektiven nachdenken würden, weil das ist ja die Begeisterung noch höher.

Jean-Luc: Du sagst, geht mit Vollgas rein. Das wird dann ja auch ein gutes Überleitung schon zu der dritten Säule, zum Bereich Application sein.

Vivek Modi: Mhm.

Jean-Luc: Wie fange ich denn jetzt konkret als Unternehmen an?

Vivek Modi: Also ich würde sagen, es gibt so drei Clusters oder drei Packets, wie KI in Unternehmen eingesetzt werden kann. Und das erste Packet ist super fundamental, grundsätzlich. Das ist mäßig Produktivität oder persönliche Produktivität. Und das ist wirklich ganz mäßig use case ist, was jeder in Unternehmen trifft. deine Recherche, deine E-Mails, die Präsentation zu stellen. Meetings, Dokumentation, was alles mit einem Chatbot oder ein Plugin innerhalb von dein Office Workflow gemacht werden kann. Also das ist komplett grundsätzlich und basic. Dann gibt es Functional Use Cases und da werden wir jetzt spezifischer und jetzt das ist auch das nächste Hebel von Produktivität, wo wir von weg von Individual Produktivität bis Gruppen Produktivität sprechen. Das sind die Funktion-specific Use Cases, also Use Cases in Marketing, in Engineering, Customer Support und so weiter. Also das Erstellung von Content durch KI oder Erstellung von Code durch KI oder die Customer Support Gespräche durch KI und so weiter und so fort. Und wenn man da richtig reingeht und genau überlegt, wo Also erstmal die Prioritization, Value Effort Analyse muss man damit anfangen und dann pro Funktion zwei bis drei maximal Use Cases identifizieren und da gezielt reingehen

Michael: Danke.

Vivek Modi: die Produktivität zu erhöhen. Bei der Arbeit haben wir gesehen, dass in Engineering, mittlerweile übrigens bei uns niemand schreibt Code manuell. Das ganze Code ist 100 erstmal mit KI, erstes ab zweites draft geschrieben, die Evaluation, Evalz sind durch KI und dann gesetzt irgendwo Human in Loop, das Qualität sich zu stellen und so weiter. Wir sehen momentan in letzten sechs Monaten die Produktivität bei einem Entwickler ist 11 bis 15 % erhöht. Das ist nicht wie Manchmal man in Reports oder in Marketingmaterial sieht das 1000x Engineer Produktivität und so weiter, weil die Arbeit ändert sich. Das ist nicht das die Neues. Also neue Sachen kommen rein. Das Cognitive Overload an Gehirn ist zu hoch, Sachen zu verifizieren und so weiter. Das das Human in Loop schafft gar nicht ganz viel Output zu liefern. Und da ist momentan So 11 bis 15 Prozent in Engineering, unsere Produktivitätssteigerung. Wenn wir über Marketing sprechen, auch sehr spannendes Feld. Wir haben unser Marketing Studio gekündigt. Also wir hatten eine Agentur, der so physisch zu einem Ort gegangen ist, Sachen gefilmt hat. Und dann haben wir Werbung dadurch gemacht. Jetzt machen wir alles in-house mit drei Kollegen und alles komplett durch KI generiert. Also wir machen Bilder, echte Bilder von unseren Assets und dann die ganze Story, diese Videos, alle Marketing Assets sind 100 % durch KI generiert. Wir haben jetzt auch einen Auftrag zu einem Studio gegeben und die Marketing Agentur selber arbeitet auch nicht mehr mit traditionellen Methoden. Wenn du heutzutage ein Marketing Agent bist und du alles für sich magst, dann bist du gar nicht wettbewerbsfähig. Und das ist eine sehr spannende Entwicklung im Marketing Bereich, Customer Support. Alle Kunden Service Prozesse haben wir automatisiert mit mit Kai. Und da ist eigentlich klarer, wenn ich nicht falsch verstehe, war eine sehr gute K-Studie wie die die Kunden-Service-Prozessor optimiert haben. Und das dritte Stufe hier ist die strategische Transformation. Wir haben jetzt erstmal Individual-Produktivität oder Basic Workflow gesprochen. Wir haben zweite Ebene Funktional-Produktivität gesprochen und jetzt sprechen wir über Strategische Transformation. Das sind die Themen, die deine Geschäftsmodel ändern kann. Und das sind die Themen, wirklich diese Wettbewerbevorteil bringen können. Oder kann auch der Fall sein, dass dein Wettbewerb das macht und du bist nicht mehr im Markt länger. Und das ist eine Frage, die jeder sich stellen muss. Wenn du heute Firma von Null heraufbaut, würdest du das Geschäftsmodell genau behalten oder würdest du das enden? Egal wie viele Jahre du im Markt bist, diese Frage musst du dich stellen. Und da finde ich, wenn wir im Beispiel schauen, im deutschen Markt Statista und Immobilien.de super, super gut. Statista ist kein neuer Produkt, auch Immobilien.de nicht. Statista ist eine Datenbank-Plattform, basically. Also ich habe als Berater Statista ganz viel genug. Gute Notz zum Marktrechercher. Und wir haben Statista bezahlt für verifizierte Data. Von diesem Geschäftsmodel ist Statista jetzt komplett anders hingestellt. Haben die Modelle komplett anders ge- ge- ge- ge- ge- ge- ge- ge- ge- Die verdienen ihr Geld durch GPD und durch Claude statt durch die Berater, selber Data gesucht hat. Jetzt, wenn du ein Query macht, geht das Query durch Statista und statt in Web unverifizierte Quellen zu suchen, kriegst du verifizierte Data von Statista innerhalb von deiner Chat Interface. Das ist komplett anders Geschäft Model und das hat Statista innerhalb von sechs Monaten hingestellt. Also Solche Fragen müssen wir uns stellen. Immobilien.de auch eine spannende Geschichte. Das ist noch nicht, das ist immer in Transformation. Also die Finale Produkte ist noch nicht live. Aber Immobilien.de ist eine Immobilien Plattform wie Emo Scout und ganz viele verschiedene auch von diesem ein simpler Marktplatz wollen die jetzt so eine komplett KI Agent Infrastruktur entwickeln. Das heißt, ich als Kunde gehe rein und schreibe in einfacher Sprache, was ich suche. hinter, das ist nicht nur einfach eine Chat, ich mit, also wie Chat GPT, ich einfach chatten kann, sondern im Hintergrund scannt das Agent tausende von Listings und schaut, hey, das ist die Warnfarbe, die mir gefällt. Das ist die Florin, die, das ist eine Art von Kusche, die mir gefällt. Sorry, Michael. Der Boden, genau. Danke. Und analysiert die ganzen Bilder. Und das ist dann diese Image-Model, was im Hintergrund arbeitet. Und dann gibt es das mir genau passende Immobilien oder Wohnungen, die ich mir kaufen möchte. Also das ist auch ganz anderes Geschäftsmodel. Nur ein Marktplatz wie Amazon, wo man selber suchen kann und so weiter. Also es gibt viele, viele... erfolgreiche Transformation Geschichte, die diese strategische Transformation und allerwichtigste Teil von Transformation super gut hingeregt haben. Aber es geht wirklich am Foss Prinzipien zu denken und alles von Null anfangen, wie ich meine Geschäftsmodell hinsetzen möchte.

Jean-Luc: Das ich den wichtigsten Aspekt, wenn nicht den wichtigsten bei dem Einsatz von KI. Du sagst ja selber, es geht nicht darum, die Effizienz zu steigern, sondern komplett nochmal neu zu durchdenken, wie das Geschäftsmodell dadurch eigentlich sich verändern kann, wenn man KI vollumfänglich einsetzt. die meisten Diskussionen gehen ja nur darum, wie man das, was man jetzt aktuell tut, noch effizienter hinbekommt. Und am Ende des Tages würde ich mir eher die Frage stellen, das haben wir ja schon häufiger in der Vergangenheit auch gesehen, bei anderen Themen E-Commerce beispielsweise, Stationärgeschäfte, E-Commerce. Es ist im Grunde genommen nur der Presentation Layer, der sich ändert, aber der alles entscheidet. Der im Grunde genommen entscheidet, wie deine jetzige Zielgruppe, vielleicht auch eine potenzielle neue Zielgruppe, mit dir, mit deinen Lösungen, deinem Angebot im Grunde genommen interagiert oder wie es überhaupt zugänglich gemacht wird, so wie du sagst. Bei Statista, keiner geht mehr selber auf die Webseite von Statista wahrscheinlich. dort dann sich einen Excel-Sheet runterzuladen und dasselbe auszuwerten, wenn ich damit einfacher interagieren kann, was ja heutzutage bedeutet, Chat-Interface oder im Best-Case auch Sprache einfach damit interagieren in dem Chatbot seiner Wahl. Aber eine Säule haben wir noch ausgelassen. Du hast sie vorher mit Speed betitelt bzw. Pace. Da geht es sicherlich die Geschwindigkeit der Adoption oder was ist mit der Säule gemeint.

Vivek Modi: Genau, Ich denke, das ist eine eigene Säule, weil das ist eigentlich das entscheidende Faktor zwischen Unternehmen, die das Transformation richtig hinkriegen und die das nicht schaffen. Wie gesagt, am Anfang, ich denke, Michael hat auch erwähnt, dass KI wächst exponential und die Unternehmen sind immer noch linear. Und wir sind in diesem Modus, wir von diesem Wasserfallmodell Top-Down-Strategie, ich habe einen Jahresplanung und mein OKRs und so weiter und ich will genau das hinkriegen, was ich am Januar entscheidet habe, vor ganzes Jahr. Und hier andererseits, jeder drei Wochen kommen neue Technologien im Markt. Also du kannst gar nicht mit dieser, dieser traditionale Planung-Methode reingehen. Du kannst nicht, du kannst nicht erlauben, dass du nichts Neues im Prozess Und das ist genau die Sache an Seiler 4. Wenn man eine Wende sucht zum Beispiel, dann geht das durch fünf Approval Prozesse, fünf Genehmigung Prozesse, wobei Genau, die Vendors, die Fähigkeiten bei Vendors in jeder zweiten Woche enden. Deswegen die richtige Frage eigentlich ist nicht, welche KI-Model sollen wir auswählen und da in diesem Frage drei Monate verwenden, sondern die Frage, die wir eigentlich stellen sollen, ist, wie kann unsere Organisation reagieren, wenn nächstes Monat ein neues, ein besonderes Model erscheint? Und das ist was mit BES gemeint. dass wir unsere Prozesse und so weiter so anpassen, dass das schnell reagieren kann.

Jean-Luc: Kurzunterbrechung für den Sponsor unserer heutigen Folge, Pageant AI. Wir reden hier jede Woche darüber, was KI alles kann. Pageant zeigt, wie das im Marketing konkret aussieht. Die Plattform analysiert eure Website, entwickelt eigenständig Testideen, baut die Varianten mit Texten, Bildern und Layouts, führt die AB-Tests durch und wertet sie auch aus. Ihr gebt nur noch per E-Mail eure Freigabe. Und das Ergebnis? Im Schnitt 15 % mehr Conversions innerhalb von 30 Tagen. Kunden wie Pixum haben so ihre Order-Conversions 16 % gesteigert. Die Integration? Ein einziger Script-Hack. Wenn ihr also Website-Traffic habt, aber euer Testing-Programm nicht hinterherkommt, schaut euch pagent.ai an. Das ist Conversion-Optimierung auf Autopilot. Den Link dazu findet ihr wie immer in unseren Show-Notes.

Michael: Ja, also vielen Dank für deine Säulen. Ich fasse nochmal ganz kurz zusammen. Foundation, Adoption, Application und Paste. Vielen Dank für das Modell, du mit uns geteilt hast. Kommen wir zu einer weiteren These, die gerade US-Unternehmen, glaube ich, sehr umtreibt. Nämlich, wie kann ich jetzt die Adoption eigentlich messen? Wie kann ich sehen, ob meine Mitarbeiter KI-mäßig gut unterwegs sind? Und da gibt es eine Kennzahl, die gerade viele ranziehen, nämlich ... Die Token Burn Rate sozusagen, also wie viel Geld geben meine einzelnen Mitarbeiter denn für KI aus? Also in der Annahme, je intensiver ich KI nutze, desto produktiver werde ich auch und je intensiver ich KI nutze, desto teurer werden dann auch meine Tokens. Wie stehst du zu der These? Kann man damit die Adoption messen?

Vivek Modi: Ja, sehr tricky Frage, Michael, eigentlich. Vielleicht habt ihr auch diesen Term Token Maxing gehört, wo viele Entwickler, besonders bei US-Firmen oder auch US-Tech Firmen daran gemessen werden oder ihr Bonus durchgegeben, von wie vielen Token, die verbrannt haben. Und ich denke, Entropic hat das für öffentlich, dass die Star-Entwickler haben innerhalb von Wochen sechsstellige Betrag in Token verbrannt. Das ist crazy, wenn man das in Perspektive hält. Aber ich denke, hängt davon ab, erstes Mal wo du bist, ob du ein Tech-Unternehmen bist. oder eine Produktionsunternehmen oder einfach das Zwischensohne E-Commerce Unternehmen, was oft der Fall in Deutschland ist. Und auch wenn du im Tech bist, bist du wirklich in Frontend-Modelentwicklung oder du hast eine Plattform wie jetzt Uber Eats und so weiter. Ich finde persönlich, wenn du nicht im Deep Tech Bereich bist, diese Token-Maxing gar keine gute Strategie. Hängt auch davon, wie viel deine Funding ist und so weiter, wie viel deine R &D Budget ist. Also, für R &D-heavy Firmen, wie gesagt, in Deep Tech, vielleicht kann das eine gute Strategie sein. Aber allgemein, das ist keine optimale Lösung, weil oft, wenn du nicht in R &D-Bereich bist, du nutzt... Sachen, schon getestet sind. Du magst nicht so viele neue Experimente, sondern du nutzt oft die Sachen, die andere Formen schon getestet haben. Und das ist auch kein schlauerer Weg. Lern von Fehler von anderen. genau, auch... optimierter Weg in Richtung, ja, wenn wir über Finanzen sprechen. Tokenmanagement, ein sehr spannendes Thema. Viele Firmen haben nicht unbedingt Token-Maxing gemacht, aber auch heftige Budgets vor Tokens hingelegt. Es gibt eine Studie von Ramp. Ramp ist eine Spending Management Platform aus USA. Und die haben gesehen, wie viel Token Budget pro Mitarbeiter pro Monat Firmen in USA ausgeben. Und meistens Firmen geben das Mindestens, also Lizenz von einem LLM Tool ungefähr aus. Top 10 % von Firmen geben mehr als 600 Dollar pro Monat und Top 1 % von Firmen geben mehr als 7400 Dollar pro Monat pro Mitarbeiter. Und das ist pro Mitarbeiter, nicht pro Entwickler. Also in Deutschland würdest du 7500 gar nicht als Gehalt kriegen manchmal bei Pharma. Und das ist jetzt ein Token Budget. Aber wieder, das ist vor Top 1 % vor Pharma. Ich denke, vor meistens Pharma das betrifft nicht. Aber gleichzeitig denke ich auch, dass wenn du in diesem Average Bereich bist, dass du nur 20 % 20 % sorry, dass du nur ungefähr 20 Dollar oder 20 Euro pro Monat ausgibt. Also dass mindestens einfach ein LGBT-License oder ein Cloud-License ausgibt. Das reicht auch nicht vor Transformation. Also bei Firmen, die nicht mehr raten oder bei der Arbeit haben wir 200 mindestens eingesetzt pro Mitarbeiter, nicht pro Entwickler. Und wir haben einen Tug, einen Roll... basierte Token System eingesetzt. Also wir haben Rollen in Generalist, Semitech und Tech drei Bereiche geteilt und Generalist heißt einfach jeder User. Also das fängt von 200 pro Monat an, weil wir wollen nicht, dass die nur Chat nutzen, sondern auch in jeder Workflow, also in ganzer Microsoft Office und ganzer Basic Tools etwas, ganze Firma nutzt. Kai integriert ist und da auch Tokens genutzt werden. Und dann gibt es ein Semitech-Kollege, was in Produkt arbeitet, zum Beispiel, was ein bisschen, wer ein bisschen kodieren kann oder Cowork sehr effizient nutzen kann. Die haben ein bisschen mehr Budget und dann die Entwickler haben dreistellige Budget for Tokens. Ich denke, wenn man so rollmäßig hingeht, dann kann man auch Kosten besser managen. und das auch in der Option besser treiben. Ein Benchmark dazu, Uber hat 1500, denke ich, pro Entwickler hingesetzt. Und ich denke, das ist ein guter Benchmark für Entwickler, um Tokenbudget zu erlokieren. Übrigens, wenn du jetzt keinen Token gibst, du wirst auch keine guten Kollegen kriegen. Also das sollst du vielleicht auch in deiner Jobbeschreibung schreiben, dass bei uns das geht. Du kriegst ein Kali-Tool und heftiges Budget für Tokens.

Michael: Ja, guter Punkt, das Token-Bitde gleich in die Stellenprofile reinzuschreiben. Dann kannst du dir das raussuchen, wo du am meisten gefilmt findest.

Jean-Luc: Wir müssen mal gucken, ob es schon Firmen gibt, mit unbegänztem Tokenbudget in ihren Stellenausschreibungen werben. Aber apropos Stellenausschreibung, jetzt haben wir sehr

Vivek Modi: Viel Spaß!

Jean-Luc: positiv über KI gesprochen. ich glaube, jede Technologie wird an irgendeinem Punkt immer dahin kommen, dass die breite Masse dort draußen Angst hat, dass ihre masslose Bedürfnispyramide am unteren Sockel angegraben wird oder vereinfacht gesagt, dass der Job in Gefahr ist. Keine Diskussion Thesen wird sicherlich auch drum herum kommen, die Fragestellung nimmt KI unsere Jobs weg. Wie, wie würdest du darauf antworten?

Vivek Modi: Sehr spannende Frage. Ich bin Berater und ich war sehr stolz darauf, dass ich Analysen machen kann, die niemand anderen machen kann oder ich diese Analysen in so schicker und strukturierter Folien präsentieren kann, die meistens von Kollegen nicht schaffen können. Und das ist jetzt nicht mehr meine USB. Die Kai macht das besser als ich. Also das ist die Wahrheit von meinem Job. Und trotzdem, ich bin super optimistisch, es Jobs geht. Aber langfristig. Also natürlich werden sich Jobs verändern. Da habe ich keinen Zweifel. Aber ob Kai Jobs wegnehmen wird oder neue Jobs kreieren, Generate, was ist Generate auf Deutsch, schaffen würde, neue

Jean-Luc: Schaffen, ja.

Vivek Modi: Jobs in Gesellschaft, in der Wirtschaft schaffen würde. Da bin ich eher an der Seite, dass net also in Summe werden mehr Jobs geschafft werden durch neue Technologie statt die Jobs, weggenommen werden. Und Es gibt diese Firma exponential view. Die haben eine Analyse gemacht von automation und von 2000 bis 2015. Und die haben festgestellt, dass die Firmen, Automatisierung weitergetrieben haben, haben 37 % mehr Leute eingestellt. als die Firmen, die das nicht gemacht haben. Und das ist eine sehr spannende Analyse. Und dahinter steht sogenannte Theorie, heißt Jevons Paradox, kommt ursprünglich aus der Kohle-Revolution in Großbritannien. Dass die neue Technologie, wenn Kohle so effizient war, als die alte Technologie und dadurch die Kosten super niedrig geworden ist. Menschen haben gedacht, dass jetzt wir brauchen weniger Kosten in Energie, weil Technologie super effizienter ist. Aber was ist am Ende passiert ist, weil es so effizient effizienter war, haben Leute das viel mehr genutzt, weil pro unit pro unit Kosten sind viel niedriger. Also es ist komplett demokratisiert und dadurch also pro unit ist besser Outcome. Gesamtkosten sind höher gegangen, weil die Konsumption superhoher gegangen ist. Und dieselbe Theorie ist auch bei Kollegen und bei Mitarbeitern genauso so applicable einsetzbar. Wenn du eine Firma hast und deine Aufgaben in drei Stunden den Tag erledigt, dann sagst du nicht, jetzt gehen wir chillen am Beach oder trinken eine Pina Colada. Sondern du sagst, hey, wir können viel mehr schaffen. Wir können unsere Wettbewerb aus dem Markt bringen. Lass uns voll Gas geben und lass uns mehr schaffen und komplett den Markt dominieren. Und ich bin von dieser Idee begeistert und ich denke, langfristig die Firmen, die KI besser implementieren, werden am Ende... Die Jobprofiles wird sich verändern. Wir werden nicht selber Job machen, was wir jetzt machen. Aber es gibt kein Gefähr. dass eine große Jobkrise hinstellt durch diese Technologie. Es gibt auch, wenn wir über Studien sprechen, eine Studie von Ramp AI, was wir auch oben gesprochen haben. Und die haben gesehen, dass in den letzten, jetzt, KI da ist, in den letzten ein paar Jahren, die Unternehmen, besser KI adoptiert haben, haben 12 % mehr Mitarbeiter eingestellt. als die, nicht adoptiert haben. Also die erste Analyse oder erste Ergebnisse in die Richtung sind schon da. Es gibt auch eine Studie von Gartner, die haben verschiedene Szenarien analysiert, vier Szenarien, und auch so selber Ergebnisse gekommen, dass Net Impact auf Jobs von KI ist positiv. Und ich... bleibe bei der Aussage.

Michael: Ja, das sind auch sehr positive Ansichten zum Schluss. Lass uns mit einer letzten Frage das ganze Thema abschließen. Und zwar, mich würde noch interessieren, wenn du CEOs und Unternehmer nur einen Rat geben könntest. Welcher wäre das?

Vivek Modi: Ich denke, haben kurz darüber auch während der die vier Seilen gesprochen, aber das ist die Geschwindigkeit. Das ist momentan das Speed ist dein USB oder dein Mod. Und da meine Frage wäre, dass wenn heute ein neuer Wettbewerber gegründet wird, mit AI von Tag eins an. Wurde er mein Unternehmen genauso abbauen? Und wenn der Antwort nein ist, dann da beginnt genau die Transformation.

Michael: Ja, das war ein sehr schöner Schluss. Vielen Dank, Vivek. Wir sind perfekt in der Zeit. Du warst so freundlich und hast uns einige spannende Quellen noch mitgebracht. Die werden wir gerne in die Show Notes reinpacken.

Vivek Modi: Definitiv.

Michael: Unter anderem auch deinen LinkedIn-Profil, wo du immer Neuigkeiten publizierst, wie wir gesehen haben. So sind wir ja auch auf dich gekommen. Also, das lohnt sich auf jeden Fall, wenn ihr Vivek folgt. Und ansonsten glaube ich, wir uns sehr bald mal wiederhören. Bei dem ganzen Speed und auch bei den vielen Praxisbeispielen, ihr uns mitgebracht habt, wäre es auf jeden Fall eine Bereicherung. Also vielen, vielen Dank. Hat wirklich uns allen großen Spaß gemacht und ich glaube auch unseren Hörern und Hörerinnen einiges mitgegeben heute. Da bleibt auf jeden Fall viel zum Nachdenken. Oder wie sie sich zuschauen können.

Jean-Luc: Ich sehe es genauso. Vor allem habe ich mir jetzt als Tagesaufgabe noch mal mitgenommen, schauen, ob die Token-Libits oder die Token-Budgets in den Stellenausschreibungen schon zu finden sind. Das finde ich super spannend. Und das werde ich auf jeden Fall im Hinterkopf behalten und da mal bisschen drauf achten. Weil ich glaube, dass das tatsächlich ein guter Einstieg ist für Leute, zu wissen, ob die Unternehmen das Thema KI schon verstanden haben. Und bin gespannt, wie schnell das in die Stellenausschreibung kommt und wie schnell es auch wieder rausgeht. Ansonsten, Michael, wie du schon sagst, Die Quellen verlinken wir euch in den Show Notes. ihr euch fragt, wo finden wir die eigentlich, dann natürlich bei dem Podcast Dienstleister eurer Wahl, wo ihr uns auch gerade hört. Aber vor allem auch in unserem LinkedIn-Newsletter, denn ihr findet auch die Zusammenfassung in Textform zu allen unseren Podcastfolgen, sowohl zu den Newsfolgen als auch zu unseren Interviewfolgen immer in unserem LinkedIn-Newsletter. heißt, abonniert den gerne, da findet ihr dann alles und habt es sehr bequem und komfortabel, auch die entsprechenden Links anzuklicken. Und auch das LinkedIn-Profil von WeWiG, was wir euch da dann verlinken werden. Vivek, vielen Dank, dass du heute mit dabei warst für deine ganzen Insights. von meiner Seite macht es gut. nächste Woche.

Vivek Modi: Danke euch.

Michael: Bis dann, ciao!

Vivek Modi: Ciao.