Mit KI zu mehr Erfolg trotz weniger Kapital

Joel Kaczmarek: Hallo Leute, mein Name ist Joel Kaczmarek. Ich bin der Geschäftsführer von Digital Kompakt und heute mal eine besondere Folge, denn wir machen heute mal ein bisschen Gedankenkino und zwar ein bisschen Hypothesen. Denn der liebe Daniel Szabo, der heute da ist, der ist ja Geschäftsführer bei KÖRBER Digital. Wir hatten ihn auch schon mal als regulären Gast im Podcast. Vielleicht habt ihr die Folge gehört. Wenn nicht, kann ich es auch nochmal gerne verlinken in den Shownotes. Und Daniel und ich, wir unterhalten uns immer gerne über Geschäftsmodelle und ihn umtreibt vor allem das Thema KI sehr intensiv. Und in unserem Austausch haben wir dann so überlegt, naja, irgendwie ist ja gerade so eine Änderung im Begriff, dass eigentlich gar nicht mehr so dieses Thema Unicorn-Staaten gründen irgendwie aktuell ist, sondern eigentlich mehr sowas wie so eine Art Phönix. Also Unternehmen, die sehr schnell in die Profitabilität... Aktualität kommen, wo wir uns ein paar Gedanken gemacht haben, die wir heute mit euch mal teilen wollen. Denn ich glaube, da sind ein paar spannende Hypothesen dabei, die für jeden Gründer und jede Gründerin da draußen hilfreich sind, in der aktuellen Phase sich mal Gedanken zu machen über Kapital, Geschäftsmodell und Co. So, und that being said, erstmal moin moin. Hallo Daniel, schön, dass du mal wieder dabei bist.

Daniel Szabo: Moin Joel, danke, dass du mich hier hast heute.

Joel Kaczmarek: Ich habe schon gelernt hier, Phoenix Founders, ja, also Phoenix wie der Phoenix aus der Asche, das ist so deine Wortkreation, die du für das geschaffen hast, was wir heute besprechen. Wie kamst du darauf?

Daniel Szabo: Du, ich kam eigentlich drauf, ich habe mich ja in der Vergangenheit und auch generell beschäftigt mich sehr viel mit der Thematik Künstliche Intelligenz und habe sehr viel Zeit darauf verbracht zu verstehen, versuchen zu verstehen, was bedeutet generative KI, generative Künstliche Intelligenz für Geschäfte, welche Geschäftsmodelle werden daraus entstehen? und um mich da ein bisschen anzunähern, habe ich mir überlegt, was verändert sich denn dadurch? und dann kam ich irgendwie auf die Tatsache, Wir werden durch künstliche Neganz in Zukunft, so glaube ich zumindest, eine Hyperproduktivität sehen bei Office-Jobs, White-Collar-Jobs. Und dadurch wird man eben in der Lage sein, mit deutlich weniger Geld, deutlich weniger Ressourcen, mehr Impact haben zu können. Und wenn wir jetzt überlegen, die Startup-Industrie lebt ja sehr stark davon, interessante Geschäftsmodelle zu entwickeln und Investoren, Venture Capitalists zu überzeugen, große Summen Geld in kurzer Zeit zu investieren, um damit große Firmen hoch zu skalieren. Wenn man jetzt mal überlegt, wo geht das ganze Geld hin, dass so typische Unicorns einsammeln, ganz, ganz viel davon geht in Marketing, Sales, R&D und Vertrieb. Und interessanterweise sind das eben auch die Bereiche, wo man vermutet, dass der größte Impact sein wird durch generative künstliche Intelligenz und die Lösungen, die daraus entstehen. Und dort gibt es verschiedene Einschätzungen, 10 bis 50 Prozent Effizienzsteigerung. Und wenn man das jetzt alles mal hochrechnet, kann man relativ leicht den Case machen, dass ein gleichwertiges Unternehmen, das sich zuerst mit künstlicher Intelligenz versuchen zu positionieren, nicht als Produkt, sondern in den internen Prozessen, mit 20, 30, 40 Prozent weniger Kosten das Gleiche erreichen kann. Und das finde ich dann schon ziemlich imposant. Und ich glaube, das wird die Zukunft sein. oder in dieser nächsten Welle, der Investmentwelle, wo Kapitaleffizienz King ist und nicht Bewertung.

Joel Kaczmarek: Ja, vor allem der andere Faktor, für den Geld ausgegeben wird, ist ja HR, also People. Und wenn man die spart durch Technologie, wenn da quasi mehr Effizienz drin ist, dann ist da ja richtig Musik drin. Und wir können ja nochmal ganz kurz drüber sprechen, weil bis dato war es ja so, wenn wir über Kapitalverfügbarkeit gesprochen haben, die war ja in der Vergangenheit hoch. Und dann waren ja eigentlich zwei Maßgaben immer relevant, nämlich das eine Growth, also mit welcher Geschwindigkeit wird gewachsen. Und das zweite vielleicht ein Stück weit auch Bewertung. Also immer dieser Habitus, wer jetzt hier die Unicorn-Bewertung einem liefern kann mit hoher Wahrscheinlichkeit und schnelles Wachstum erzielt, der ist irgendwie attraktiv. Und über Profitabilität, da machen wir uns vielleicht ein bisschen später Gedanken. Das hat sich ja brutal gedreht. Was sind so deine Marktbeobachtungen dazu?

Daniel Szabo: Meine Marktbeobachtungen dazu sind, Bewertungen sind noch immer relevant, weil eben sehr viel Geld investiert wurde zu Bewertungen und die Investoren gerne ihr Geld zurück hätten und deswegen wieder große Bewertungen brauchen. Aber das wird ein großes Problem werden für viele Firmen. Man sieht es auch so ein bisschen, dass viele attraktive Firmen leise und unauffällig vom Markt verschwinden, weil es eben keine Möglichkeit gibt mehr, so richtig mit den Bewertungen vernünftige Exits hinzulegen. Auf der anderen Seite sieht man natürlich, dass egal wohin man schaut, auch zum öffentlichen Markt, also Stockliste, Softwarefirmen, der Fokus ein bisschen wegshiftet von Wachstum. Wachstum zu egal welchem Preis und hingeht zur Thematik Kapitaleffizienz. Burn Multiple und Profitabilität. Und ich glaube, das wird sich eben auch weiterspiegeln in der Zukunft. Weshalb ich immer auch glaube, dass zukünftige Jungunternehmen mit deutlich weniger Kapital zurechtkommen müssen, als es in der Vergangenheit war. Die gute News ist, das war auch schon mal vor 10, 15 Jahren so, dass man mit deutlich weniger Geld Firmen aufgebaut hatte, insbesondere in der Frühphase. Und die noch bessere Nachricht ist, man kann das jetzt, wenn man das richtig aufsetzt, deutlich effizienter machen. weil ich eben mit den gleichen Menschen mehr Output erzeugen kann, wenn ich künstliche Intelligenz in meine Prozesse nativ einwebe.

Joel Kaczmarek: Ich erinnere mich noch daran, als ich irgendwie früh in der Startup-Branche unterwegs war, also so zwischen 2009 und 2012, wenn da jemand 5 Millionen Euro bekommen hat, dann haben sie über den drei Monate lang geredet. Achso, das war noch irgendwie the thing. Von daher in der Tat.

Daniel Szabo: Jetzt ist es so eine durchschnittliche Angel-Runde geworden. Genau.

Joel Kaczmarek: So wurdest du eine ganze Zeit lang gar nicht mit dem Arsch angeguckt, wenn du bei irgendeinem Medium wie unserem damals aufgetaucht bist. Damals mit Gründerszene, total. Klar, verstanden. Also wenn Kapitalverfügbarkeit runtergeht, dann ist ja auch auf einmal Profitabilität ganz anders im Blickwinkel. Jetzt lass uns doch mal überlegen, was sind denn die Ableitungen daraus? Also wenn ich jetzt gerade Gründer, Gründerin schon bin, also ich glaube, es ist ja jetzt nicht die Logik, dass jetzt jeder Generative-KI-Startups irgendwie gründen sollte, sondern man findet aber Werkzeuge vor. Was wäre denn jetzt so, wenn du in der Rolle bist, deine Handlungsanweisung?

Daniel Szabo: Ja, also ich glaube, das ist ganz wichtig zu sagen, es sollte jetzt nicht jeder auf seinem Produkt kürzlich eine Gänze draufschreiben. Ich glaube, das ist nicht zielführend. Das ist auch nicht, was damit gemeint ist. Sondern es ist eigentlich damit gemeint, sich seine Prozesse sehr genau anzuschauen und zu überlegen, welchen Prozessschritt, welchen Businessprozess kann ich mit existierenden Tools oder mit Workarounds, wenn es da noch keine richtigen Tools gibt, effizienter gestalten. Und die Frage ist eigentlich immer, suche Themen, wo Mitarbeiter viel Zeit drauf verbringen, manuell irgendwelche Tätigkeiten ausüben und schaue, ob es Lösungen gibt, die diese Prozessschritte optimieren, automatisieren und so weiter. Ein gutes Beispiel ist, wenn man nimmt ChatGPT. Ich nutze es auch gerne, um professionelle Business-E-Mails zu schreiben. Hat bei mir bestimmt so ein... Pro E-Mail 10, 15, 20 Minuten Zeiteinsparung. Wenn ich jetzt natürlich skaliere jetzt zu Outreach, zu Customers Code und ich es nur noch drei Minuten brauche mit existierenden Tools, die quasi frei verfügbar sind, anstatt 20 Minuten, ist der Effekt natürlich riesig. Insbesondere, wenn ich dann meine Teams enable und dazu animiere, auch diese Tools zu nutzen in ihrem Daily Doing. Und da kann man dann, glaube ich, schon mit mehr Output erzeugen und dadurch die Erfolgswahrscheinlichkeiten steigern. Startup hat normalerweise einfach immer zu wenig Ressourcen und insbesondere jetzt, wo jeder gut damit bedient wäre, die Runway versuchen zu verlängern.

Joel Kaczmarek: Hast du gute Methoden und Wege, sag ich mal, wie man diese Implementierung gut hinkriegt? Weil ich weiß, ich habe mit Boris Lockshin von Spryker dazu vor einem ... fast einem Jahr mittlerweile schon wieder einen Podcast mal gemacht, der sagte, naja, er hat sich jetzt eine Stunde pro Woche reserviert, sich nur mit zur KI vorzubilden, also eine Stunde Recherchezeit als CEO von einer paar hundert Personen Firma und seine Teams animiert, das alles auszuprobieren. und ich habe da gemerkt, die sind ja super Avantgarde unterwegs, also Spryker ist ja eine Firma, da ist ja eine sehr digitale DNA drin, da wird schnell ausprobiert, viel probiert, viel Neues implementiert. Und selbst die haben irgendwie damit zu tun gehabt, dass man erstmal diese Cases im Kopf versteht, dass das Team dann auch wirklich ins Doing kommt. Hast du da für dich oder in deinem Umfeld auch schon so Best Practices entdeckt, wie man da irgendwie besser wird?

Daniel Szabo: Das ist in der Tat, glaube ich, herausfordernd. Ich kann mal sagen, was ich schon versucht habe und was vielleicht auch nicht so gut geklappt hat, ist manchmal auch ganz gut. Also eine Sache, was ich selber mache, ich versuche wirklich, ich teste wirklich viele Tools und versuche in meinen Prozessen selber zu sehen, was kann ich optimieren und spiele damit so ein bisschen. Auch wahrscheinlich so die eine Stunde, aber nicht ganz so strukturiert immer von acht bis neun, sondern immer wenn ich ein bisschen Zeit habe, versuche ich da Tools auszuprobieren und relativ schnell eine Antwort für mich zu finden. Funktionieren, funktionieren nicht. Zweite Sache, die ich viel mache, ich rede mit bekannten Kollegen und Leuten, die ich treffe. Was kennst du denn? Was hast du denn gesehen? Um da so ein bisschen Impulse zu bekommen. Das dritte Thema, was ich schon gemacht hatte, bei unseren Teams, was aber interessante Entwicklungen gibt, wirklich unser Marketing-Team oder auch unsere Developer-Teams zu animieren, die existierenden Lösungen zu nutzen und danach zu fragen, ja, was hat es denn gebracht? Was hilft es denn? Und ganz interessant, in der breiten Masse, würde ich mal sagen, sieht man eher so ein bisschen, ja, habe ich ausprobiert, ist aber nicht gut, möchte ich nicht weiter benutzen. Was total interessant ist, war diese Change-Kurve und vielleicht auch gewissen Respekt davon, dass ein Tool meine Arbeit quasi skalierbar machen kann. Selbst in so einem Bereich, wo wir unterwegs sind, das relativ innovativ, relativ innovationsgetrieben und technologiegetrieben ist, merken wir das auch bei uns, das Stichwort GitHub Copilot und solche Themen, der Appetit, es zu nutzen und sich darauf einzulassen. in der breiten Masse eher überschaubar ist.

Joel Kaczmarek: Ja, ist sowieso so ein komischer Effekt. Also ich habe das bei mir in meinem Business-Club auch gemerkt. Alle Menschen da draußen, wenn man sich so dieses Social-Bubble anguckt, wirkt das immer so, als wenn jeder gerade nur über KI redet und alle probieren es aus. Und wenn ich es jetzt nicht ausprobiere, dann bin ich in einem Heimjahr hinten dran. Und ich sehe bei mir im Club immer, wo ich wirklich viele Menschen habe, dass ganz viele da gar nicht im Doing sind. Also ganz viele Unternehmen setzen das noch gar nicht ein und haben auch manchmal gar nicht präsent und gewahr, was alles so geht. Und es ist ja nicht mal immer nur KI, es ist ja ganz oft auch eher Automatisierung oder Algorithmik, wovon wir reden, was dann manchmal als KI verpackt wird.

Daniel Szabo: Ich glaube, der größte Value kommt eigentlich, dass Unternehmen versuchen, Abteilungen, Teams zu schaffen, die sich eigentlich diese ganzen Business-Prozesse anzuschauen und zu gucken, wie kann ich die automatisieren, intelligenter machen und effizienter zu machen. Ich glaube nicht, dass es irgendwie den Chief AI Officer geben wird in der Hinsicht. das ist irgendwie so ein Technologie-Stack wieder, sondern die große Herausforderung ist, wie kann ich in jedem Business-Prozess schauen, Automatisierung von Prozessen zu erreichen, um effizienter zu werden. Und im Startup ist es, glaube ich, der Vorteil, gerade wenn du ein bisschen früher unterwegs bist, einfach von Anfang an auf diese Tools zu setzen, die es dort draußen gibt und im Mindset zu haben, das muss doch besser gehen. Also ich glaube, das ist eine ganz wichtige Sache, auch als CEO von einem Startup zu sagen, Jetzt habe ich irgendwie fünf Leute, die Cold-Reach-Outreach-E-Mails schreiben. Aber mal sozusagen, das muss doch besser gehen. Und dann eben nicht locker lassen, bohren, vielleicht mal selber zu schauen. Weil die fertigen Produkte, die ich einfach Plug-and-Play nehmen kann, die gibt es, glaube ich, wenige. Du musst da, glaube ich, so ein bisschen deine Workflows bauen. Aber ich glaube, da liegt extrem viel Potenzial für gerade.

Joel Kaczmarek: Du hast ja eben gesagt, es sei auch ganz interessant, mal zu hören, was du ausprobiert hast, was nicht so funktioniert hat. Was war das denn bei dir, wenn es um die Einführung von KI-Toolings und Denkweisen und Prozessen geht?

Daniel Szabo: Ja, ich glaube, es ist halt immer schwierig zu sagen, also gerne hätte ich ja immer so einen Agenten, wie so einen virtuellen Assistenten, der eigenständig so Multischritt-Themen ausüben kann. Beispielsweise Artikel gelesen, Zusammenfassung gemacht, Grafik gemacht, Social-Media-Post zum Beispiel. Also das hat er einfach automatisch gemacht. Könnte man sich jetzt natürlich bauen, haben wir auch einen gemeinsamen Bekannten bei dir aus dem Business Club, der dafür glaube ich der richtige Ansprechpartner wäre, aber das wird dann schon sehr aufwendig und da ist dann eher so die Sache, was ich gesagt habe, vielleicht ist es auch einfach einfacher Standard-Tooling zu nehmen, ChatGPT etc., Canva und noch ein bisschen manuelle Arbeit reinzustecken, weil der Aufwand ist dann doch relativ hoch, um sagen wir die letzten 10-20% Zeitaufwand rauszuholen. Das ist so eine Sache, wo ich gesehen habe, diese Vollautomatisierung mit einem Tool oder so Custom-Apps hat zumindest bei mir nicht so gut geklappt. Das zweite, was eben nicht so gut geklappt hat, war Teams einfach zu sagen, schau dir doch mal das Tool an und verwende es so in deinem Daily Doing. Da habe ich echt so Hoffnung drauf gesetzt, dass man wirklich Effizienzen sieht. Das hat bei uns jetzt bis jetzt auch nicht so gut geklappt. Hat vielleicht verschiedene Gründe, aber das ist, glaube ich, vieles da eben auch Change-Management, weil man immer auch den Case finden kann, ja, aber das ist nicht ganz so gut. Ja, vielleicht ist es auch nicht. ganz so gut, aber es ist 90% mit 10% der Zeit und das ist, finde ich, in vielen Cases schon ein guter Return. Aber hängt von der Persönlichkeit, glaube ich, auch immer der Person ab, wie man sowas dann einschätzt.

Joel Kaczmarek: Und was glaubst du, woran lag es, dass es nichts gebracht hat, deinen Teams zu sagen, probier das doch mal aus? Also was hat gefehlt als Element? War das so, was du gerade beschrieben hast, dieses Whataboutism? Also es gibt ja noch irgendwie, but what about this tool? Das kann ja das besser. Und what about that tool? Das kann das besser. Oder woran scheiterte das?

Daniel Szabo: Ich glaube, es war so ein bisschen die Sache Herausforderung. Einerseits verändert das natürlich die Arbeit und reduziert vielleicht auch wahrgenommenen Wert, den man selber generiert mit seiner Arbeit. Ich glaube, das ist so ein bisschen, was vielleicht so eine innerliche Distanz erstmal davon schafft. Und das zweite Thema war, glaube ich, die Tools. Wir sind ja noch am Anfang der Technologiefase und die Tools, die existieren, die sind schon echt impressive, wenn man da mit offenen Augen sich die Sachen anschaut und können schon sehr, sehr viel, aber die sind natürlich far from being perfect. Also da gibt es noch viel, was nicht funktioniert und ich glaube, das ist ein bisschen auch so dieses Erwartungsmanagement. ja, es geht ja auch gar nicht darum, um Menschen zu ersetzen oder überflüssig zu machen, sondern es geht eigentlich darum, die Menschen zu augmentieren und sie wie so einen Assistenten-Copiloten wirklich an die Seite zu stellen, um eben produktiver, effizienter zu sein. Und ich glaube, da ist, glaube ich, noch bei vielen die Sache, ich habe es ausprobiert, aber es ist nicht 110 Prozent. Okay, 90 Prozent und noch Feintunen vom Output sind wir trotzdem besser unterwegs. Das ist ganz interessant. Wir sehen das. im Marketing, im Software-Development-Bereich, dass da immer viel, so richtig hilft mir das nicht, weil ich immer noch ein bisschen skeptisch bin, aber immer wenn ich es ausprobiere, finde ich es schon ziemlich impressive und sehe da schon viele Effizienzsteigerungseffekte in den Workflows, wo ich es viel einsetze.

Joel Kaczmarek: Also ich habe zum Beispiel auch vor kurzem einen Podcast gemacht, da ging es um KI im HR. Und es ist ja brutal, was du da machen kannst. Das heißt ja jetzt nicht, dass ein Roboter deine Vorstellungsgespräche führt, ja, aber wenn du halt Inbound-Bewerbungen irgendwie screenen willst in großer Anzahl und dann quasi auf dem Wege schon mal vorselektieren, wer passt und wer passt nicht und dann vielleicht automatisiert den Leuten Absagen zu schicken, die nicht passen. Oder wenn bestehende Leute da sind, auch mal zu gucken, wo können wir die noch irgendwie verbessern, effizient. Also es gibt so viele Anwendungsfelder, wenn man anfängt, darüber nachzudenken. Und ich hatte so zwei der echt erfahrenen HR-Leute dabei und ich hatte den Eindruck, auch die mit KI hatten ja noch echt Respekt vor. Und ich frage mich, woran das manchmal liegt, dass obwohl diese krassen Effekte sichtbar sind, mit meinetwegen noch Fehlertoleranz oder Notwendigkeit zur Fehlertoleranz, warum aber trotzdem die Leute so zögerlich sind. Hast du für dich ein Werkzeug gefunden, wie man so ein Team dazu kriegt, dass die da offener sind und wirklich mehr ins Ausprobieren kommen?

Daniel Szabo: Also wir haben da verschiedene Ansätze. Wir haben ja ein Portfolio von Firmen bei KÖRBER Digital und ich weiß, in einer unserer Portfolio-Firmen hat der CEO mal relativ klar ein Statement gemacht, KI wird euch nicht ersetzen, ihr werdet aber ersetzt werden von den Personen, die KI nutzen in ihrer Arbeit. Das hat dann schon mal einen Effekt gehabt, das war vor allem auf dem Thema UX Research, Wireframing und der Thematik, da hatten die Kollegen mal die Diskussion und das hat wirklich in gewisser Weise den Blickwinkel geöffnet, sich auf die Tools einzulassen, weil die nicht mal die Tools ausprobieren wollten. Das war, glaube ich, wirklich so die Sache, oh, Gefahr, Gefahr mein Job. Ich glaube, die zweite Sache liegt halt ein bisschen daran, man muss, glaube ich, auch den Standard definieren, gegen was messe ich das denn? Weil künstliche Intelligenz wird immer gegen den Menschen gemessen und dann kann künstliche Intelligenz in ganz vielen Dimensionen immer verlieren, weil Menschen sehr spezifische Kompetenzen und Skills haben. Und KI am Endeffekt noch immer relativ stupide ist, verglichen zu der Komplexität, die ein Mensch bearbeiten kann. Und deswegen muss man, glaube ich, auch mal diese Definition versuchen zu verstehen. Was hilft es mir denn und gegen was messe ich es denn? Und ich glaube, die größte Herausforderung ist generell eben wirklich diese Angst, ich gebe die Bedeutung meiner Arbeit ab, weil die eine Maschine das machen kann. selbst Teams und Menschen, die sagen, das ist gar nicht der Grund. Ich glaube, das ist aber wirklich was tief in der Psyche, glaube ich, diesen Respekt vor diesen Tools ausmacht, weil es natürlich schon so, bleiben wir mal da am Beispiel, Absagen für Kandidaten geschrieben hat, ist es natürlich schon auch ein bisschen erschreckend, wenn man sagen kann, ich habe das mein Leben lang gemacht und jetzt passiert das einfach automatisch und kein Sturz, dass es automatisch passiert, weil es gut genug ist. Vielleicht nicht ganz so gut, ist auch okay, aber eben gut genug. Ich glaube, das ist so ein bisschen die Herausforderung. Ich glaube, es ist einfach eine Change-Curve, wo man die Leute mitnehmen muss und am besten versuchen, Cases zu finden, wo es eben nicht darum geht, Teams zu reduzieren, sondern eben erfolgreicher zu sein. Also ich kann, also im Sales ist es zum Beispiel relativ einfach. Du kannst halt mehr Kunden kontaktieren und eine höhere Quota holen. Ganz interessant auch, was so jemand wie Gero Decker darüber denkt bei dir in einem Podcast. Oder wie du sagst, Recruiting. Ich kann halt einfach viel mehr Kandidaten screenen und finde dadurch einen besseren Match, weil wenn ich viele tausend Bewerbungen reinkomme, glaube ich, es ist nicht realistisch, dass alle tausend Bewerbungen in der Tiefe angeschaut werden, sondern fokussiere ich mich auf die zehn, die wirklich gut passen, habe aber vielleicht andere zehn verpasst.

Joel Kaczmarek: Ja, oder auch voll spannend, wenn du eigentlich mal deine Belegschaft nimmst, fütterst die mal in so eine KI ein und dann guckt die KI mal auf die Faktoren der BewerberInnen drauf, wer eigentlich zum Team passen würde. Weil ich glaube, als Mensch hat man da ganz anderen Bias als so eine Maschine. Hast du so für dich einen Ablaufplan entwickelt, welche Bereiche du als erstes durch KI augmentierst und welche dann folgen?

Daniel Szabo: Bei uns im Unternehmen, wir schauen sehr stark momentan, wir machen sehr strukturierte Tests für das Thema Coding, also Softwareentwicklung. GitHub Copilot schauen, wirklich versuchen zu messen, welchen Effekt es hat. Das ist gar nicht so leicht, dass du dir das vorstellen kannst. Das ist auch so eine Herausforderung. Aber da schauen wir sehr stark an, weil die Hypothese ist wirklich, von all den Studien, die vorhanden sind, natürlich nicht large scale sind, dass man da massive Effizienzsteigerungen sehen müsste. Momentan kann ich die noch nicht so genau bemessen, was eigentlich interessant ist, weil ich hätte erwartet, dass man da schneller Effekte sieht. Da versuche ich jetzt gerade zu verstehen, woran liegt das denn? Zweites Thema ist das ganze Thema Kommunikation, Marketing, also solche Themen, wie wir überlegen gerade relativ, wie wir das machen, dass man Texte automatisch in die richtige Tonality übersetzt und quasi jeden Text automatisch in die Firmensprache umgeschrieben wird. Wir schauen uns an, wie wir automatisch Visuals und Grafiken erzeugen können, die halt quasi mit Prompt arbeiten, aber dann immer in Brands sind, solche Themen, die es auch noch nicht, ehrlicherweise noch gar nicht so als Produkte zu kaufen gibt. Also ich glaube, das wären Produkte, die würden wir wahrscheinlich sofort kaufen, wenn die gut funktionieren. Wir benutzen es schon, also Kommunikation, Marketing viel. HR schauen wir jetzt ehrlicherweise noch nicht so viel an. Ist auch ein bisschen schwierig mit der EU-Regulatorik. Oft ist es nicht erlaubt, einen KI-Engine zu benutzen, um eine Bewerberauswahl zu treffen. Schwieriges Thema, da sind wir noch vorsichtig. Und die Sache dann halt Outreach. Also wie kann ich Targeted Menschen ansprechen? Wie kann ich versuchen, den richtigen Zeitpunkt zu identifizieren, um jemanden anzusprechen, basierend auf externen Faktoren? Das sind so die Themen, wo wir jetzt... Als erstes uns beschäftigen, also nochmal zusammenfassen, Prio 1 Softwareentwicklung und Engineering, zweites Thema Kommunikation und Marketing, drittes Thema Sales und Vertrieb. HR ist bei uns nicht auf der Agenda momentan wegen regulatorisch relativer Herausforderungen.

Joel Kaczmarek: Vorhin Heinemann sagte, glaube ich, auch mal, dass er glaubt, dass für generative KI sich nur sehr, sehr wenige Unternehmen durchsetzen werden. Was wären so deine Hypothesen, in welchen Bereichen man damit so die höchste Erfolgswahrscheinlichkeit haben wird?

Daniel Szabo: Gute Frage, da habe ich echt schon viel, viel drüber nachgedacht, weil ich auch weiß, dass ich den Florian sehr schätze und der Florian diese Meinung vertritt, wo ich am Anfang gesagt habe, not so sure. Also ich glaube, wo es auf jeden Fall kommen wird, ist Produktisierung von Professional Services. Also nehmen wir jetzt mal in deinem Metier Podcast, Zusammenfassung schreiben, hat früher vielleicht jemand gemacht, Podcast zusammenschneiden, das geht schon heute und auch zukünftig relativ gut mit KI-Produkten. Und da wird sich, glaube ich, herausstellen, derjenige, der besseres Trainingmaterial hat potenziell oder proprietäres Trainingsmaterial, kann da ein besseres Produkt anbieten. Also ich glaube ganz konkret, dass es sowas geben wird, wie dass die verschiedenen großen Anwaltskanzleien Markup von Verträgen anbieten können, basierend auf ihrem proprietären Datenschatz und das dann nicht mehr pro Stunde verkaufen, sondern pro Run durch die Maschine zum Beispiel. Also das sind so die Themen. Und da gibt es verschiedene Themen, glaube ich, dieses Thema. Das kann man durch jedes Project, glaube ich, durchgehen. Das wird es in einer gewissen Weise geben. Wären das Unicorns? Wahrscheinlich nicht. Wären das sehr attraktive Geschäftsmodelle und Geld zu verdienen? Wahrscheinlich schon. Zweite Thematik, die kommen wird, sind halt Agents. Also Agents, das sind weniger dann so, nennen wir es mal LLMs, die einfach Fragen beantworten, sondern virtuelle Charaktere, virtuelle Mitarbeiter, die spezifische Aufgaben durchführen können. Nehmen wir mal ein Beispiel, das sein könnte. KÖRBER Digital baut ja Lösungen für Industrieanwendungen, Fabriklösungen, Produktion, Maschinenbau in dem Themenkomplex. Und die Thematik, dass wenn ich eine Anlage herstelle und die ausliefere an eine Fabrik und die Maschine nicht mehr funktioniert, funktioniert das ja heute so, die rufen an im Callcenter und versuchen da eine Antwort zu bekommen. Dann kriegen die eine Rechnung dafür gestellt. Ich glaube, in der Zukunft kann man das in vielen Fällen einfach als Agent haben, der antrainiert ist. und 80, 90 Prozent der Fälle einfach vollautomatisch beantworten kann. Ja, das ist das Problem, das musst du machen. Hier ist die Anleitung und da gibt es eben keinen Stundentarif, sondern eine One-Off-Lösung. Und da gibt es verschiedene Lösungen. Das kann man sich in ganz vielen Industrien durchdenken. Ich habe mir da schon echt viele Gedanken zu diesem Thema gemacht. Agents, die quasi wie virtuelle Facharbeiter auf gewissen Themenkomplexen sind und auch mehr machen können als ein Sprachmodell bedienen, sondern auch Daten aus verschiedenen Quellen dann anzapfen etc. pp.

Joel Kaczmarek: Ja, cool Daniel. Dann so viel vielleicht heute mal als kleiner Impuls. Also ich glaube, viele sehen so, was da kommt, aber ihnen fehlt manchmal noch so der Zugang. Und ich glaube, da mal ein paar Beispiele zu haben, ist super hilfreich. Und vielleicht brauchen wir das ja nochmal. Von daher für den Moment erstmal vielen, vielen Dank.

Daniel Szabo: Super, danke dir Joel.

Intro & Outro Speaker: Danke fürs Zuhören beim Digital Kompakt Podcast. Du merkst, hier ziehst du massig Wissen für dich und dein Unternehmen heraus. Wenn du mit uns noch erfolgreicher werden möchtest, abonniere uns auf den gängigen Podcast-Plattformen. Und hey, je größer wir werden, desto mehr Menschen können wir helfen. Also erzähl doch auch deinen Kolleginnen und Kollegen von uns. Bis zum nächsten Mal.