So kommt KI wirklich im Unternehmen an - mit Tommy Falkowski von Fraunhofer IEM

00:00:02: Wir sprechen in diesem Podcast ja ganz häufig über KI Pilotprojekte, also so erste Chatbots oder Tests die Unternehmen ein bisschen entwickeln um zu gucken was kann KI eigentlich und wie können wir KI hier im Unternehmen einsetzen.

00:00:14: Und die große Frage die ich mir mal stelle ist Wie wird eigentlich aus einem Pilotprojekt irgendwann ein vollwertiges KI System das tatsächlich auch in der Unternehmenskultur verankert wird?

00:00:25: Das von allen Angestellten genutzt wird und dass wirklich den Mehrwert auch langfristig bringt?

00:00:29: Und um dieser Frage auf den Grund zu gehen, habe ich mir heute einen echten Experten dafür eingeladen.

00:00:33: Und zwar Tommy Falkowski arbeitet beim Fraunhofer-Institut erleitet da den GEN AI Incubator und ich hoffe dass er uns heute so ein bisschen Einblick geben kann wie Unternehmen denn aus der Pilotierung rauskommen und KI tatsächlich auch in die Arbeitsprozesse langfristig integrieren können.

00:00:49: Ihr hört Kollegin KI.

00:00:50: Ich bin Max Mundhenke, hallo Tommy!

00:00:52: Hallo Max und vielen Dank dass ich heute da sein darf.

00:00:54: Ja

00:00:54: vielen dank das du dir die Zeit genommen hast.

00:00:57: wie läuft es an?

00:00:57: was für Pilotprojekten arbeitest du gerade?

00:00:59: Ja

00:00:59: an vielen verschiedenen Pilot Projekten.

00:01:01: tatsächlich.

00:01:01: also das was Du angesprochen hast ist aktuell gelebte Realität.

00:01:05: Die meisten Unternehmen haben für sich erkannt okay KI Da steckt viel Potenzial drin.

00:01:10: wir wollen das auch nutzen Und laufen jetzt schon seit vielen Monaten manche sind jetzt schon tatsächlich ein zwei Jahre sogar mit dabei los und schauen was funktioniert, was noch nicht funktioniert.

00:01:23: Und die große Herausforderung hast du ja schon angekündigt ist nämlich dann die Fragestellungen wie kann man das Ganze verstetigen?

00:01:28: Und so umsetzen dass es dann auch langfristig wirklich funktioniert und hoffentlich Früchte trägt!

00:01:34: Ist ganz spannend, dass das Frauenhofer-Institut beziehungsweise Frauenhofe IEM an dem Du ja tätig bist so ein bisschen diese Vermittlerrolle aus Wissenschaft und Praxis dann auch in Art.

00:01:44: Also man könnte jetzt sagen, man geht damit zu TUM oder zu einer anderen Universität und versucht das Unternehmen da möglicherweise immer zur Gründen wie so ein Pilotprojekt dann auch umgesetzt wird.

00:01:52: aber viele Unternehmen kommen dann tatsächlich zu euch?

00:01:54: Das ist eigentlich euer Business Case richtig?

00:01:57: Ganz genau!

00:01:58: Also das ist eine große Sparte bei uns in der Frauenhofergesellschaft und dann auch entsprechend an den Frauenhofferinstituten.

00:02:04: Das IEM ist ja hier in Paderborn Zuhause Und unser Steckenpferd ist letztendlich die Produktentstehung, Produktentwicklung der Zukunft.

00:02:13: Da spielt Kain natürlich eine riesige Rolle und nimmt einen immer größeren Teil an.

00:02:18: Unsere Aufgabe ist wirklich die angewandte Forschung.

00:02:20: also wir nehmen wirklich die neuesten Erkenntnisse aus der Grundlagenforschung und bringen diese in die Praxis und deshalb sind wir da grundsätzlich jetzt nicht die schlechteste Anlaufstelle für solche Aufgaben.

00:02:30: In meiner alten Wahl Heimat Ost-Westphalen.

00:02:33: liebe Grüße schön!

00:02:35: Wie sieht das denn dann aus?

00:02:36: Also wie geht es konkret von Städten.

00:02:38: Wir haben jetzt irgendwie ein Unternehmen.

00:02:39: oder ich sage mal, ich möchte irgendwie einen KI US Case ausprobieren oder ich habe schon ein paar in meinem Unternehmen ausprobiert, sag ich immer so und einer davon der ist relativ vielversprechend.

00:02:47: Der spart mir tatsächlich irgendwie viel Zeit und ich würde ihn jetzt ganz gerne irgendwie in meine Systeme überführen bzw vielleicht auch nochmal weiter optimieren.

00:02:55: Ich schreibe euch eine Mail, schreiber ich dir eine Mail und sage ja komm lass uns mal gemeinsam drüber gucken.

00:02:59: wie funktioniert so ein Projekt

00:03:01: Genau, also wir haben natürlich verschiedene Kontaktmöglichkeiten von der Mail vom YouTube-Kommentar bis hin zu dem Anruf oder auch die Events, die wir tatsächlich regelmäßig durchführen.

00:03:10: Das ist immer mehr eine Anlaufstelle.

00:03:13: Wir machen tatsächlich monatliche Events zum Thema KI und darüber entstehen dann viele Kontakte und wir kommen dann relativ schnell ins Gespräch.

00:03:22: Es ist halt schon sehr unterschiedlich wo die Unternehmen stehen.

00:03:24: Also das was du angesprochen hast Bei vielen Unternehmen sind noch viele Fragezeichen da, das heißt die haben nicht jetzt den einen Use Case, den sie umsetzen wollen.

00:03:32: Häufig geht es darum erstmal zu ergründen wo könnte man diese Technologie denn jetzt konkret einsetzen?

00:03:39: Das was die meisten natürlich schon machen und kennen sind die allgemeinen Chatbots und bei vielen Unternehmen ist mittlerweile dann doch endlich auch ein Tool mindestens verfügbar ob es der Microsoft Co-Pilot oder Chatchi PT Enterprise oder etwas anderes.

00:03:52: Viele haben mittlerweile, Gott sei Dank gesagt okay wir brauchen eine Lösung damit die Leute lernen können auch damit umzugehen das festzustellen.

00:03:59: Aber wenn es gerade um diese konkreten Newscase gibt sie dann häufig auch natürlich sehr große Effizienzpotenziale haben.

00:04:06: da sind noch viele Fragezeichen im Raum und dass ist unsere Aufgabe dann wirklich das einmal offen zu legen und transparent zu machen wo wir auch von unserer Seite die größten Potentiale sehen Wo wir auch technisch tatsächlich die Umsetzbarkeit sehen um dann wirklich relativ schnell auch in die Implementierung zu gehen.

00:04:25: Das heißt, technische Umsetzbarkeit ist dann wahrscheinlich wie leistungsstark sind, large language models oder ist die Technologie, die dahinter geklemmt ist?

00:04:31: Regulatorisch spielt wahrscheinlich dann auch hin und wieder eine Rolle richtig?

00:04:34: Ja genau also.

00:04:35: das hängt natürlich insofern zusammen.

00:04:37: Also eine Frage, die viele Unternehmen stellen ist gibt es da die Möglichkeit dass wir das auch irgendwie selber betreiben können?

00:04:43: Und erstmal kann man natürlich sagen ja technisch gibt es hier die Möglichkeiten aber letztendlich muss man da auch ehrlich sein.

00:04:49: Also ich bin selbst ein großer Verpflichter von Open Source und lokalen Modellen, aber man muss den Leuten klar aufzeigen was das für Kosten wären wenn man jetzt die Hardware anschaffen würde und wo dann auch technisch heutzutage noch die Grenzen sind.

00:05:01: denn im Vergleich zu den großen Cloud-Anbietern ist die Leistungsfähigkeit dieser Modelle nicht immer gleichauf.

00:05:08: Aber für viele konkrete Use Cases bekommt man das dahin.

00:05:11: Wenn man ein bisschen Arbeit reinsteckt ist es tatsächlich alles möglich.

00:05:16: Aber am Ende ist vieles tatsächlich eine Kostenfrage und einfacher, schneller kommt man natürlich ins Doing wenn man halt sich mal eben an so ein Cloudmodel anschließen kann.

00:05:23: Wisst ihr da so deine Erfahrungen?

00:05:25: Brechen da viele dann die Pilotierung schon ab und sagen ne sorry aber mit denen das können wir nicht investieren und wir können unsere Daten auf gar keinen Fall US-amerikanischen Hyper Scalern anvertrauen?

00:05:34: oder wie findet man dann Kompromiss?

00:05:37: Nee, das habe ich tatsächlich jetzt so auch noch nicht erlebt.

00:05:39: Wir haben ja auch die Möglichkeit zu sagen wir gehen auf Modelle in europäischen Datenzentren oder sogar in deutschen Datencentern gehostet sind.

00:05:47: da findet man eigentlich immer eine Lösung.

00:05:49: gerade jetzt viele Unternehmen gerade im Deutschland natürlich in der Microsoft Welt tatsächlich Zuhause.

00:05:53: Das heißt sie nutzen ohnehin Cloud Infrastruktur von beispielsweise Azure und da gibt es ja technisch relativ einfach die Möglichkeit Da auch Modelle dann im eigenen Talent sozusagen zu hosten.

00:06:04: Und dass nutzen die Unternehmen dann natürlich.

00:06:06: Kann man das nicht einfach alles in Co-Pilot umsetzen, Tommy?

00:06:09: Ja, wenn es so einfach wäre.

00:06:10: Also wie gesagt ich bin großer Fan von Open Source.

00:06:13: erst mal aber ich nutze natürlich auch viele proprietary Sachen und habe auch den Co-pilot in der Vollversion hier zum Testen.

00:06:22: also nicht alle bei Fraunhofer haben das bereits leider wobei man dazu sagen muss ich persönlich ganz ehrlich ich stoße da regelmäßig an die Grenzen.

00:06:31: Ich weiß was technisch möglich ist und dass was Microsoft umsetzt häufig deutlich schlechter als es die Konkurrenz tut.

00:06:37: Also selbst in einem Produkten wie PowerPoint oder Excel, wenn man sich da mal anschaut was Anthropic mit Claude beispielsweise hinbekommt das ist schon erschreckend dass Microsoft da tatsächlich aktuell nicht die beste Lösung liefern kann

00:06:50: Spannend.

00:06:50: Jetzt haben wir das mal schwarz auf weiß von den Experten, also mein ganzes Gebäsch gegen Microsoft ist tatsächlich gar nicht so unbegründet?

00:06:57: Nein!

00:06:57: Also ich glaube grundsätzlich kann man sagen erst einmal guten Zugang zu haben und Angestellte auch langsam irgendwie ranzuführen und dafür ist das Co-Pilot dann vermutlich auch irgendwie echt sinnvoll.

00:07:06: aber wenn es um leistungsstarke Use Cases geht die möglicherweise auch technisch gesehen noch ein paar andere Anbindungen brauchen bisschen Flexibilität vielleicht auch in der Modellwahl gibt es durchaus andere Mittel und Wege.

00:07:18: Was ist denn so dein Lieblings-Tool, mit dem du eigentlich als Experte arbeitest?

00:07:22: Ja ich habe tatsächlich ein Lieblingstool aktuell.

00:07:24: das nennt sich Pi Das ist von Mario Zechner aus Österreich entwickelt und das ist ein Coding Agent, der halt super flexibel ist.

00:07:32: Man kann ihn beliebig erweitern und ich nutze das tatsächlich als einen wesentlichen Baustein für viele Use-Cases die ich aufbaue.

00:07:39: Ist natürlich jetzt mal eher für so Nerds wie mich dann gedacht.

00:07:43: Grundsätzlich nutze ich sehr, sehr viele verschiedene Tools.

00:07:46: Natürlich auch die Standard Tools wie ChatGPT um einfach zu schauen was geht da alles?

00:07:51: Codecs von OpenAI beispielsweise testig auch ausgeht.

00:07:55: Aber mich zieht es tatsächlich persönlich immerhin zu diesen offenen Lösungen, wo ich wirklich die volle Kontrolle drüber habe.

00:08:00: Wo ich auch entscheiden kann welche Modelle ich daran anschließen kann.

00:08:05: und letztendlich ich sage den Unternehmen das meistens am Ende das wichtigste was man machen kann ist ein Tool tatsächlich zu haben dass man dann auch nutzen kann dass man guten Gewissens auf freigeben kann.

00:08:16: Das ist meistens der Co-Pilot einfach weil die Unternehmen sowieso schon verfangen sind in der Microsoft Welt.

00:08:23: Und man muss sich auch überlegen, allein diese ganze Abrechnungsthematik ist bei vielen Unternehmen nicht so einfach.

00:08:28: Da kann man nicht mal eben sagen ich kaufe mir jetzt mal ein neues Tool ein.

00:08:32: Muss ich, sage ich mal, mir auch an die eigene Nase fassen?

00:08:34: Ist bei Frauenhofer auch nicht anders und deshalb nimmt man natürlich erstmal das was möglichst auch einfach ohne großen Kampf dann einzuführen ist.

00:08:44: Das ist dann tatsächlich aktuell.

00:08:46: meistens der Co-Pilot.

00:08:47: Genau, da kann man relativ gut unterscheiden in die sogenannten General Purpose AI-Modelle.

00:08:51: Also die offenen Chatbots, ChatGPT auch klart durchaus oder im Co-Pilot.

00:08:56: und wenn es dann in konkrete Use Cases geht.

00:08:59: Die kann man ja durchaus mit den general purpose Modellen auch entwickeln.

00:09:01: Man kann ja irgendwie sagen hey ich möchte gerne ein paar KI-Use Cases für mein Unternehmen entwickeln.

00:09:06: Wenn man das so einen Chat GPT eingibt wird Chat GPt schon antworten und sagen hey gibt mir doch mal bisschen Kontextwissen zu dem Unternehmen.

00:09:12: was sind denn eure Prozesse eigentlich?

00:09:14: Sondern entscheide ich mich vielleicht dafür ein ich zum Fraunhofer-Institut und möchte das Ganze verstehtigen.

00:09:19: Kannst du mal vielleicht so ein Case uns erzählen, den du aktuell oder in der Vergangenheit hattest?

00:09:24: Natürlich irgendwie ohne großartig Kunden zu nennen aber was so ein typischer Fall ist mit dem Unternehmen an euch herantreten?

00:09:30: Genau.

00:09:31: also ich würde sagen so der allgemeine typische Fall ist natürlich dieses ganze Thema Wissensmanagement wobei dass jeweils dann natürlich eine spezifische Note einnimmt.

00:09:39: welche grundlegenden Daten sollen wir uns denn anschauen?

00:09:43: und das ist natürlich ganz unterschiedlich in den Unternehmen.

00:09:45: Und da stellt man dann auch relativ schnell fest, Dokumente gibt es ohne Ende in den Unternehmen.

00:09:51: Da stehen auch wertvolle Informationen drin aber die sind halt selten wirklich gut zugängig.

00:09:57: und ja, da ist unsere Aufgabe dann aufzuzeigen wie man das Ganze tatsächlich einfacher aufwendbar, einfacher durchsuchbar machen kann und dann noch weiterzugehen und sagen wir, wie etablieren wir denn jetzt Prozesse?

00:10:08: um die Informationen, die anfallen in Datenstrukturen zu überführen.

00:10:13: Die wirklich nachhaltig dann auch für Menschen und KI gut nutzbar sind.

00:10:16: Das ist sozusagen ein echter Kernuscase wo ich sage nämlich das ganze Thema Einführung robuster Datenstruktur und zu lernen auch in diesen Daten dann zu denken.

00:10:26: Ich finde es spannend dass du sagst für Menschen UND FÜR KDI zugänglich!

00:10:30: Wo ist denn da der Unterschied?

00:10:31: Naja wir Menschen, wir sind natürlich sehr visuell geprägt.

00:10:33: Also ein Mensch kannst du eine Word Datei schicken der macht die auf und sieht da eine Formatierung genau wie bei PowerPoint oder bei Excel Und damit können wir dann ganz gut umgehen.

00:10:43: das ist aber für die KI nicht notwendigerweise das beste Datenformat sondern gerade wenn wir jetzt im Bereich large language Models bleiben Das beste Format.

00:10:51: erstmal Maschinen lesbarer Text, also die einfache Textdatei oder was sich natürlich jetzt sozusagen als das de facto Format etabliert Markdown.

00:11:00: Also auch Plaintext mit ein bisschen Formatierung dabei.

00:11:04: Das sind natürlich Dinge, die deutlich besser für KI-Systeme funktionieren.

00:11:07: und gerade wenn wir uns spezifische Use Cases angucken dann geht es natürlich um strukturierte Daten und das müssten nicht immer Datenbanken sein sondern semi strukturierter Daten wie JSON beispielsweise eignen sich für viele Cases sehr, sehr gut und die lassen sich dann sowohl von Menschen als auch von Maschinen relativ gut interpretieren.

00:11:26: Und für den Menschen am Ende die Visualisierung das ist nur noch der Layer, der am Ende drüber gelegt werden muss.

00:11:32: aus meiner Sicht also dass es nicht das Speicherformat und das ist das was in der Realität natürlich gar nicht der Fall ist.

00:11:37: Also wir leben im Excel, wir leben in Powerpoint, wir Leben in Word bei den meisten Unternehmen und das is einfach kein gutes Format um dann darauf beispielsweise Analysen zu fahren.

00:11:50: Ich habe vor Ewigkeiten mal mit Tarifverträgen und KI gearbeitet und versucht Gehalts-Tabellen im Grunde auch Maschinen lesbar zu machen.

00:11:57: Und das ist tatsächlich relativ schwierig, denn gerade wenn man so eine Tabelle hat es für uns Menschen als klar leeres Feld erkennbar.

00:12:06: Eine Maschine kann aber durchaus Unterscheidungen machen.

00:12:08: Ist da eine Null drin, ist da irgendwie ein Strich drin?

00:12:10: Ist da ne ausgeschriebenen Null drinnen oder irgendwas anderes?

00:12:12: Das heißt das finde ich immer dieses klassische Beispiel für was es eigentlich Maschinen lesbar und was es Menschen lesbar bei wir Dinge reininterpretieren können.

00:12:21: Das können Maschine aber nicht.

00:12:23: die müssen das ganz klar definiert sehen und wissen wo's eigentlich hier das Freifeld und wo steht was drin.

00:12:28: Ja gut sie machen das natürlich schon.

00:12:29: also diese hinein interpretieren.

00:12:31: das führt dann natürlich häufig zu Situationen Die KI irgendeinen Wert dann reinschreibt, der aber aus menschlicher Sicht dann der falsche Wert ist.

00:12:41: Das geht so ein bisschen in Richtung Halluzinationen.

00:12:44: Die KI ist natürlich erstmal darauf trainiert die Aufgabe zu lösen im Output zu generieren und ob der Output richtig ist das müssen wir halt sicherstellen und verifizieren entweder über entsprechende Mechanismen oder halt indem wir auch bei gewisse Newscases dann den Mensch immer noch gut einbinden.

00:13:02: Und das ist tatsächlich noch ein weiterer Punkt, wo ich sage dass es extrem wichtig aktuell bei der Umsetzung von Newscases nämlich diese Validierung und Verifizierung von Daten die anfallen

00:13:11: Absolut.

00:13:12: Und gerade auch wichtig im Bereich des Wissensmanagements, also man spricht doch von Corporate Rags.

00:13:18: Ich entschuldige mich jetzt schon mal für die ganzen Fachbegriffe.

00:13:19: Ihr habt den Chatbot.

00:13:21: in den Show Notes wird alles da verlinkt?

00:13:22: Auch das Tool, dass du grad genannt hast Tommy Pie verlinken wir euch natürlich damit ihr selbst ein bisschen mit rumspielen könnt oder damit ihr einen Chatbot natürlich fragen könnt.

00:13:29: Moment was für Datenformate wurden hier grade nochmal genannt?

00:13:32: Kannst du mir erklären wo die Unterschiede liegen?

00:13:34: Genau aber diese Corporate Rag, also das Wissen zu Management ist eine ganz spannende Sache weil so vor ein paar Jahren noch Unternehmen angefangen haben, einfach alle Dokumente irgendwie in den Ordner zu packen oder irgendwie SharePoint anzubinden und zu sagen ja jetzt haben wir im Grunde unser fertiges System.

00:13:51: Aber so einfach ist es am Ende nicht Tommy, oder?

00:13:54: Es kommt darauf an würde ich tatsächlich sagen also natürlich wenn man jetzt auf Unternehmensebene schaut das führt das sofort zum Wildwuchs und das ist die Situation die wir häufig vorfinden.

00:14:04: Wenn man das im kleineren Stil sich anschaut, ist das tatsächlich etwas was jetzt immer mehr Menschen machen?

00:14:10: Was ich auch mache.

00:14:11: Nämlich dann halt nicht in proprietary Datenformaten sondern im Klartext kann man mit einer guten Ordnerstruktur und den Inhalten die da drinstecken schon relativ weit kommen weil diese Systeme natürlich mittlerweile in der Lage sind diese Dateien auch eigenständig zu durchsuchen Informationen zu finden Schlüsse daraus zu ziehen Und das funktioniert also im persönlichen Maßstab tatsächlich schon ganz gut.

00:14:34: Wenn man das Ganze aber hochskalieren will, unternehmensweit hat man natürlich sehr viele neue Fragestellungen drin.

00:14:39: Allein das Thema rechte Management darf man nicht von der Hand weisen und dafür braucht man dann natürlich wirklich auch Systeme die das ganze bewerkstelligen können.

00:14:48: Und das ist also jetzt aktuell würde ich sagen so eine Mammut Aufgabe zu sagen aus diesen ganzen Altlasten die wir haben das zu überführen in vernünftige Datenstrukturen mit entsprechender Validierung und Verifikation.

00:14:59: Und dann, in Zukunft, das Befüllen dieser Datenstruktur über die entsprechenden

00:15:03: Kanäle.".

00:15:06: Unternehmer diesen Wissen-Startenbanken anstellen, hast du da ein paar konkrete Beispiele?

00:15:10: Ja natürlich.

00:15:11: Also zum Beispiel projektspezifische Aufgabenstellung, dass du beispielsweise neue Projekte hochziehen möchtest auf Basis von Vorlagen aus alten Projekten oder das ganze Thema Qualitätsmanagement ist auch ein riesiges Thema Auch sowas wie Lessons learned beispielsweise was haben wir denn aus ehemaligen Projektern alles schon gelernt?

00:15:33: und grundsätzlich natürlich auch dieses deutlich schneller auffinden von spezifischen Informationen.

00:15:38: Also das ist, sag ich mal so ein Kernusecase und das ist natürlich auch das was Microsoft & Co über SharePoint Anbindung natürlich den Leuten näher bringen möchten.

00:15:49: aber ja da gibt es zumindest kenne ich noch keine Lösung der Stange die auf Anhieb funktioniert.

00:15:55: denn dieses Thema Dateninventur-Datenüberführung dass ist aktuell tatsächlich so die große Hürde.

00:16:01: Als jemand, der jahrelangen Powerpoint-Sklave in der Agenturbranche war, kenne ich den Use Case mit Pitches beispielsweise.

00:16:10: Wenn man alle Pitch Stacks tatsächlich hat und die gegebenenfalls so mit Metadaten anreichert ob gewonnen oder verloren und daraus dann eine große Wissensdatenbank macht, kann man durchaus eine ganze Menge Zeit sparen wenn man neue Pitch Stecks baut und man kann sie vor allem kritisch überprüfen und schauen, fehlt hier vielleicht irgendwas?

00:16:27: Gibt es irgendwie ein Erfolgsgarant oder irgendetwas was bei vor?

00:16:30: herigen Pitches erfolgreich lief, was ich hier möglicherweise vergessen habe.

00:16:34: Das sind einfach diese Datenanalysen die dann am Ende natürlich noch Menschen machen müssen.

00:16:38: also muss man schon auf die richtigen Fragen stellen und am ende auch menschlich drüber gucken.

00:16:42: aber für sowas ist zum Beispiel dieser Agenturbubble so ein Wissensmanagement, so ein Corporatewag, so einen Paradebeispiel eigentlich Wie weit ist das schon verbreitet?

00:16:51: Wir hören ja aber Zahlen.

00:16:52: Die meisten Unternehmen nutzen KI noch nicht richtig, wir haben hier eine ganze Menge Unternehmen natürlich auch zu Gast gehabt die Pilotprojekten starten und auch irgendwie so diesen Weg hin in die Verstätigung gerade finden.

00:17:03: Wo würdest du denn auf deiner Erfahrung her einschätzen wo die deutsche Industrie da gerade steht?

00:17:08: Also ich würde sagen, die steht tatsächlich noch am Anfang.

00:17:11: Viele Unternehmen sind losgelaufen haben auch Systeme eingeführt aber das Ganze wird glaube ich noch eine lange Reise sein bis wir da sind dass das in der Breite wirklich verfügbar ist und dann vor allem auch produktiv so genutzt wird, dass es uns einen echten Benefit bringt.

00:17:26: Das ist also aktuell.

00:17:27: ein bisschen die Crux.

00:17:28: vieles wird ausprobiert viele Pilotprojekte werden gestartet auch bei uns natürlich intern und wir mit den Unternehmen zusammen.

00:17:34: Aber die Verstetigung wo man gerade erst anfängt, drüber nachzudenken wie das Ganze funktionieren kann.

00:17:42: Und ich sehe dann natürlich schon einen eklatanten Unterschied auch zu Unternehmen im Ausland, wobei man das immer unterscheiden muss.

00:17:49: sind das jetzt große Konzerne?

00:17:50: ja die machen sehr viel die reden auch darüber.

00:17:54: bei kleineren Unternehmen habe Ich auch schon von Experten gehört dass es da auch nicht so krasse unterschiede gibt dass wir in Deutschland da sogar in Teilen gar nicht so schlecht dastehen.

00:18:05: Aber eine Sache, die mir halt schon Bauchschmerzen bereitet ist wir sind halt schon sehr, sehr langsam und gar nicht zu sehr weil wir irgendwie die Technologie nicht umsetzen können sondern weil wir natürlich auch sehr viele Zweifel haben und sehr viele Dinge noch zu klären sind, die dann einfach als Hindernisse aktuell im Raum stehen.

00:18:22: Ist

00:18:22: das die Regulierung?

00:18:23: Also brauchen Deregulierung im KI-Bereich und dann sind alle Probleme gelöst oder was?

00:18:30: Nein, also die Regulierung ist jetzt nicht das einzige Problem.

00:18:33: Also wenn sie weg wäre würde es nicht bedeuten dass wir jetzt plötzlich sofort funktionierende Systeme hätten.

00:18:38: Das glaube ich nicht!

00:18:39: Ich glaube wir haben ganz viele auch Hindernisse die teilweise auch in unseren eigenen Köpfen stecken, auch in unserem technischen System stecken natürlich.

00:18:47: Aber Regulierung ist schon echt ein Bremsklotz.

00:18:50: Vor allem wenn es dazu genutzt wird zu sagen, aber das müssen wir ja jetzt erstmal klären oder Ja, aber nach dem EU-AI-Akt müssen wir jetzt erst mal hier alle Mitarbeiter schulen bevor wir das und jenes einführen können.

00:19:00: Und das sehe ich schon als großen Bremsklotz.

00:19:03: Echt?

00:19:03: Und vor allem auch als...

00:19:06: Ich muss die da widersprechen weil sie erst mal zur Ende sorry!

00:19:09: Vor allem auch als diese Mentalitätsfrage.

00:19:12: Das halte ich tatsächlich für echt nicht so schön im Vergleich zu Unternehmen im Ausland, da ist der Spirit halt ein ganz anderer.

00:19:20: Da ist eher die Macher-Attitüde vermisse ich hier häufig.

00:19:25: Du sprichst wahrscheinlich auf den Artikel IV AI Act an, ist es Vier oder Fünf glaube ich diese KI-Kompetenzpflicht und die besagt das Angestellte geschult werden müssen mit so einer grundlegenden KI-Competenzschulung bevor sie KI Tools im Unternehmen bedienen?

00:19:38: Und das soll so mittlerweile ein bisschen abgeschwächter Form glaube ich auch mit dem AI Act im August dann umgesetzt werden.

00:19:45: wir machen eine Sonderfolge zum AI Act wenn's soweit.

00:19:48: Aber ich muss sagen, ich finde das eine ziemlich gute Sache die tatsächlich Innovation vorantreibt statt auszubremsen.

00:19:54: Also vielleicht wenn ich die Gegenrede halten darf... The use cases in Unternehmen entstehen in der Regel da, wo Mehrwert geschaffen wird.

00:20:01: Also wirklich auf den Ebenen, wo am Ende gearbeitet wird.

00:20:04: Das ist eine Verwaltung, das sind die Leute, die die Maschinen kennen und die Prozesse kennen, die Texte schreiben, Visuals machen usw.

00:20:11: Und die müssen eben schauen, wo können sie ihre Arbeit eigentlich effizienter gestalten?

00:20:16: Ich finde es deshalb ganz cool diesen Artikel vier zu haben weil Sie erst mal ein Verständnis für KI bekommen und zwar per Gesetz zusammensetzen und dann fallen ihnen automatisch wahrscheinlich Dinge auf, die sagen Moment das könnte ich doch mit KI machen.

00:20:31: Das muss ich mal irgendwie dem Teamleiter erzählen.

00:20:33: oder ich setze mich mal mit einer anderen Abteilung zusammen und wir basteln immer gemeinsam.

00:20:36: also aus meiner Erfahrung in der Beratung muss ich sagen dass die besten Use cases eigentlich wirklich nicht top down vom Management entschieden werden wo es dann heißt das müssen wir jetzt irgendwie einführen sondern viel eher auf der Ebene wo Menschen Ich sag's jetzt so, Salopp tatsächlich arbeiten.

00:20:51: Das würde ich auch hundert Prozent unterschreiben.

00:20:53: also das ist auch meine Erfahrung absolut wir machen ja auch Workshops bei uns zum Beispiel am Institut und dass es auch jedes mal genau meine Erfahrungen wenn die Leute plötzlich erstmal sehen was für Möglichkeiten da drin stecken dann kommen natürlich die ganzen wertvollen Ideen.

00:21:08: das Problem sehe ich eher darin dass viele Unternehmen quasi diese ablehnende Haltung haben und sagen oh ja wir können nicht bevor wir nicht dies und jenes dann passiert aber nichts.

00:21:18: Und das ist tatsächlich das Schädliche, also der Artikel hat ja gut gemeint und ich halte es natürlich auch für extrem wichtig dass alle betroffenen Leute in den Unternehmen wirklich herangeführt werden oder die Möglichkeit haben selber explorativ an das Thema ranzugehen.

00:21:36: Ich merke auch, wenn die Leute erstmal anfangen dieses System zu nutzen.

00:21:40: Dann klappt das eigentlich relativ schnell.

00:21:43: also es ist jetzt keine Technologie wo man echt irgendwie Wochenlange Lehrgänge besuchen muss ganz im Gegenteil.

00:21:49: Selbst ich kann nicht alle Antworten in dem Bereich geben.

00:21:53: Und Leute, die das behaupten, die auf Link da auch schreiben hier wenn ihr das und das nicht macht bis du morgen abgehängt haben auch keine Ahnung.

00:21:58: also müssen wir ganz ehrlich sein dass ist alles extrem im Umbruch und die Geschwindigkeit ist höher als jemals zuvor und keiner kennt die Antworten.

00:22:07: und gerade wenn wir jetzt in den Expertenbereiche reingehen diejenigen, die bewerten können ob die Ergebnisse brauchbar sind oder nicht.

00:22:14: Das sind halt die Experten selber, die Technologien nutzen.

00:22:17: von daher wie gesagt ich unterschreib das hundertprozentig.

00:22:19: Die Menschen sollten auf jeden Fall daran geführt werden.

00:22:23: es passiert aber halt viel viel zu selten noch.

00:22:25: Man stelle sich vor wie wir heute in der digitalen Kommunikation stehen würden wenn Angestellte damals alle Lehrgänge im Social Media bekommen hätten.

00:22:35: anderes Thema Es ist durchaus auch eine Regulatur, die wird häufig als Ausrede verwendet.

00:22:43: Wenn man nicht ins Risiko gehen will oder investieren will, dann müssen wir uns erst mal darum kümmern und verschiebt sich das alles ein bisschen.

00:22:55: Auf der anderen Seite sagt es so eine Bereitschaft, die dafür da sein muss.

00:22:58: Das ist ja wahrscheinlich eine gesellschaftliche Ebene?

00:23:01: Natürlich!

00:23:04: Man muss verstehen ... Die Art und Weise, wie auch über die Technologie kommuniziert wird.

00:23:08: Gerade jetzt aktuell in den USA also hier so ein Dario Amode CEO von Anthropic der Profitzeit das halt was weiß ich in achtzehn Monaten dass wir da keine Bürojobs mehr bräuchten weil die KI alles automatisieren könnte.

00:23:24: Natürlich schürt das erstmal auch große Ängste und Vorbehalte, viele Leute die die Technologie ich sage mal vor zwei Jahren ausprobiert haben und festgestellt haben okay das funktioniert nicht da kommt Quatsch raus oder da kommen fehl Informationen raus und seitdem die Technologien nicht mehr angefasst haben.

00:23:40: sie haben natürlich auch ein entsprechendes Bild davon dass heute vielleicht gar nicht mehr korrekt ist.

00:23:48: Jetzt nur zwei von vielen Faktoren, die dazu führen, dass natürlich die Bereitschaft, die Technologie wirklich jetzt auch in der Breite zu nutzen nicht unbedingt gegeben ist.

00:23:57: Was für Innovationen kommen denn eigentlich aus eurem Hause?

00:24:00: Das Frauenhofer-Institut ist ja im Grunde weltbekannte für gewonnen, weil ihr beispielsweise MP III erfunden habt.

00:24:05: Dass wir halt nicht mehr mit CDs und Discmans weltweit rumlaufen und plötzlich MPIII plärten – das ist im Grunden ein Forschungsergebnis oder ein Praxisergebnis aus dem Fraunhofer Institut?

00:24:15: Gibt es irgendwelche Sachen, die ihr gerade plant in Sachen KI?

00:24:18: Dass wir vielleicht demnächst dann auch irgendwie... keine Ahnung.

00:24:20: Wenn ich das auf MP-Drei beziehen darf, riesengroße Modelle stark komprimiert auf unseren Smartphones haben.

00:24:26: Das wäre zum Beispiel so ein typischer Case.

00:24:28: Ja, das wäre

00:24:29: tatsächlich

00:24:29: auch was, was ich persönlich sehr gerne hätte.

00:24:32: Man muss dazu erstmal natürlich sagen Frauenhofer ist nicht gleich Frauenhoffer.

00:24:35: jedes Institut hat seinen eigenen Schwerpunkt wie hier in Paderborn.

00:24:39: Wir kümmern uns tatsächlich um das Thema Produktentwicklung, Produktentstehung, Engineering und da arbeiten wir natürlich jetzt an vielen verschiedenen Lösungen tatsächlich.

00:24:50: Sowohl Schnittstellen zu Engineering Tools.

00:24:53: also man muss sich vorstellen im Bereich Produktent Stehung und Produktentwickelung hat man sehr viele Schritte bevor das Produkt entsteht wenn das Produkt entwickelt wird.

00:25:02: Man konstruiert das ganze mechanische Konstruktion elektrische Konstruzion Man simuliert extrem viel natürlich auch, bevor man feststellen kann wie dieses Produkt gebaut werden soll.

00:25:14: und da entwickeln wir tatsächlich mehrere Lösungen um diese Prozesse zu verbessern.

00:25:19: Um auch KI immer stärker in diese Bereiche reinzubringen.

00:25:23: Wir starten jetzt mit einem geförderten Projekt.

00:25:27: das ist quasi ein Sprint.

00:25:29: In sechs Monaten werden sehr viele Bausteine entwickeln Und da arbeiten wir tatsächlich auch an einem transparenten KI-Stack, der dann auch wirklich zugänglich ist für alle Unternehmen wo wir einfach aufzeigen wollen.

00:25:41: Wir haben jetzt einen Use Case den wir konkret umsetzen wollen vielleicht im Bereich Engineering.

00:25:45: was brauchen wir denn dafür um das umzusetzen?

00:25:48: und da wollen wir tatsächlich einerseits Transparenz reinbringen aber auch konkrete Bausteine liefern die das Ganze dann ermöglichen.

00:25:55: Was würdest du denn unternehmen grundsätzlich?

00:25:57: Raten vielleicht irgendwie zum Abschluss.

00:25:59: Hast du noch einen Tipp als jemand, der wahrscheinlich schon mehr EU-Cases vergessen hat, als wir alle in unserem Leben sehen werden?

00:26:06: Auf jeden Fall ausprobieren und den besten Experten im eigenen Unternehmen diese Tools zur Verfügung zu stellen damit diejenigen wirklich einschätzen können.

00:26:15: Wo bringt uns das denn weiter?

00:26:16: Vielleicht hat man irgendwelche harten Nüsse zu knacken, die man bisher nicht lösen konnte.

00:26:22: Ich mein worst case, man findet heraus KI ist noch nicht so weit und kann es nicht lösen.

00:26:25: Best Case, man stellt fest krass das bringt uns deutlich weiter nach vorne Und das ist glaube ich echt die wichtigste Erkenntnis.

00:26:32: also ich bin jetzt auch keiner der dass der die Technologie übermäßig hypen möchte ne?

00:26:35: Ich will nicht sagen Das wird jetzt von heute auf morgen alles verändern das ist auch nicht so.

00:26:39: Aber in den Händen gerade in Händchen von Experten Kann das wirklich eine eine Produktivität entfalten wenn sie nämlich feststellen was man damit Alles vielleicht auch schon automatisieren kann was Heute einfach sehr lange Zeit braucht, um das durchzuführen.

00:26:53: Wo man vielleicht auch wirklich Ingenieursstunden aufwenden muss, um bestimmte Dokumente zu analysieren beispielsweise und Informationen zu überführen.

00:27:03: Da gibt es echt unzählige Möglichkeiten die Technologie einzusetzen und dass das schlechteste was wir machen können ist abzuwarten und zu sagen ne fassen wir nicht an denn selbst wenn jetzt sage ich mal in zwei Jahren die Modelle nochmal viel besser sind und viele Kinderkrankheiten lösen Die Unternehmen, die jetzt schon damit arbeiten haben einfach auf dem Weg dahin extrem viel gelernt und ich glaube diese Learnings werden wir so einfach nicht ersetzen können.

00:27:26: Also learnings generieren Experten einladen beauftragen oder selbst ausbilden würde ich mal sagen und dann entsprechend loslegen.

00:27:35: Jetzt habe ich gelesen ihr habt auch öffentliche Auftraggeber.

00:27:38: darf ich zum Schluss vielleicht noch eine Idee pitchen?

00:27:41: Ja, klar.

00:27:42: Und zwar für die Finanzverwaltung!

00:27:43: Ich hatte jetzt neulich wieder so ein Statistik gesehen das Hundert Milliarden im Jahr den Fiskusflöten gehen Weil Steuervermeidung, Steuerbetrug, Steuerinterzierung und so weiter nicht erkannt werden.

00:27:54: Das liegt vor allem offenbar auch Personal.

00:27:56: also es gibt nicht genug, sagen wir mal Finanzbeamte die da hinterher sind.

00:28:00: Hängt auch ein bisschen glaube ich mit der Suchweise zusammen wie sie suchen.

00:28:03: ja aber könnte man dann nicht das Ganze einfach automatisieren?

00:28:07: Könnte man sich irgendwie einen System bauen?

00:28:10: dass weiß ich nicht umsetzen.

00:28:11: möglicherweise abgleicht mit irgendwie Steueralast oder einfach mal schaut Moment Hotel in der und der Lage hat irgendwie über wenig Steuern bezahlt, obwohl alle drum herum ein sehr hohes Steueraufgang hat.

00:28:22: Da gucken wir einfach mal an einer Prüfung oder wir empfehlen das mal für eine Betriebsprüfung für Finanzbamte.

00:28:27: Könnte man sowas nicht morgen bauen?

00:28:29: Technisch

00:28:29: könnte man da sehr viel bauen, glaube ich.

00:28:31: Ich würde aber gerade bei dem Use Case eher sagen warum müssen wir jetzt mit der KI-Kölle draufhauen?

00:28:36: Warum können wir nicht einfach unsere Gesetzgebung drastisch vereinfachen so dass wir diese Komplexität gar nicht im System haben?

00:28:42: also das ist etwas da denke ich selber auch häufig darüber nach und habe genau über diesen use case auch selbst schon gehirrend nämlich dieses Auto die automatische Steuererklärung.

00:28:53: aus meiner Sicht technisch müsste die möglich sein wenn man alles digital nachverfolgen kann.

00:28:59: Die ganze Kontenbewegung müsste automatisiert, nachvollziehbar sein und halte ich auch zumindest opt-in als einen gangbaren Weg zu sagen diejenigen die sich diesen ganzen Stress sparen wollen bitte macht es einfach über die automatische Steuerklärung würde ich auch selber in Anspruch nehmen.

00:29:15: Ich halte das grundsätzlich sowieso für sehr kritisch dass wir in einer Gesellschaft leben wo wir sehr viele komplexe Systeme und Gesetze geschaffen haben, die dazu führen dass wir ganze Berufsgruppen aufgebaut haben um diese Komplexität herum.

00:29:29: Die wir dann beauftragen müssen um quasi Licht ins Dunkel zu bringen.

00:29:33: Und da bin ich grundsätzlich kein Freund für und würde immer dafür plädieren lasst uns Prozess simplifizieren.

00:29:40: das gilt auch für Unternehmen selber.

00:29:41: also innerhalb von Unternehmen muss es nicht immer die KI-Käule sein sondern häufig ist es tatsächlich einfacher zu sagen warum machen wir es nicht weniger komplex?

00:29:51: Und dann kann die KI sich erst recht entfalten.

00:29:54: und deshalb glaube ich, der gesunde Menschenverstand ist immer noch wichtig.

00:29:59: Nur weil wir jetzt die Technologie haben heißt es nicht dass wir jetzt alle komplexen Probleme damit lösen sollten sondern vielleicht sollten wir erstmal die Komplexität aus dem System rausnehmen

00:30:08: finde ich ein sehr schönes Schlusswort.

00:30:10: Also hiermit auch kundgetan, dass Elster AI eine Idee ist die vom Fraunhofer-Institut ebenfalls schon nachgedacht wurde.

00:30:19: Ja ich habe tatsächlich selber auch schon mal einen Prototüten implementiert.

00:30:22: also das alles machbar.

00:30:23: Was gerade mit Elster geht.

00:30:26: Okay wenn ihr diese Folge hört dann attackt gerne die bayerische Finanzverwaltung und unser Liebenfinanzminister dass wir da vielleicht mal vorankommen.

00:30:36: Das wäre doch mal schön, ein bisschen mehr Einnahmen müssten wir nicht überall sparen oder weniger... bevor wir zu politisch werden, Tommy, vielen Dank für deine Zeit!

00:30:45: Alles Gute nach Partyborn!

00:30:48: Partyborn

00:30:49: ja?

00:30:49: Vielen Dank für die Einladung!

00:30:51: Sehr gerne.

00:30:54: Tommy hat natürlich recht, man muss nicht überall die KI-Käule draufschmeißen.

00:31:00: Manchmal reichen auch schon einfache Automatisierungen.

00:31:02: da habe ich was mitgebracht das Land Berlin macht es nämlich seit kurzem und dass sie automatisiert gucken was für neue Wohnungsannons auf den einschlägigen Portalen eigentlich hochgeladen werden und die abgleichen mit dem Mietenspiegel.

00:31:16: also es gibt ja die Mietpreisbremse in berlin und überall wo der Verdacht besteht, dass Mietbucher vorherrscht.

00:31:22: Also über zwanzig Prozent der vergleichsbaren Ortsmiete gehen automatisch schreiben an die jeweiligen Vermieter raus.

00:31:30: Spannende Sache?

00:31:31: Viel weniger Verwaltungsaufwand sind einfache Daten, die automatisiert eingelesen werden können.

00:31:36: da braucht man nicht mal KI für.

00:31:38: und diese Prozesse zu vereinfachen ist das eine.

00:31:41: aber auf der anderen Seite Technologie zu nutzen Um das Ganze natürlich dann auch zu beschleunigen, steht eben auf einem anderen Blatt Papier.

00:31:49: Wir können ja mal die Kollegin fragen wie wir das im Podcast gemacht haben mit General Purpose AI kann man sich neue Ideen holen.

00:31:55: oder einfach mal die liebe Kollegin KI.

00:31:57: Liebe Kolleginnen, sag mal was gäbe es denn noch für tolle KI Use Cases für die deutsche Verwaltung?

00:32:04: Na da hast du ja schon ein schönes Beispiel

00:32:06: gebracht!

00:32:07: Also wenn wir die KI-Käule jetzt mal gezielt schwingen.

00:32:10: Die Verwaltung könnte KI gestützt Anträge effizienter prüfen, Bürgeranfragen sementisch klastern oder Genehmigungsprozesse so schlau priorisieren das dringendere Anliegen zuerst durchrutschen.

00:32:22: und wie wäre es mit einer KI die Gesetzestexte analysiert und veranschaulicht damit die Leute und ehrlich auch die Beamten weniger Kopfschmerzen

00:32:29: haben?

00:32:29: Ich sag mal so da ist noch ordentlich Luft nach oben!

00:32:33: Ja, ihr habt die KI gehört.

00:32:36: Ziemlich generelle Vorschläge, aber wir können das damit nehmen.

00:32:38: Tommy, wenn du das noch hörst... Liebe Grüße an des Fraunhofer Institut!

00:32:42: Vielen Dank für diese Folge und vielen Dank an euch fürs Zuhören.

00:32:45: Ich hoffe es hat euch gefallen.

00:32:46: Wenn ja lasst gerne ein Like da, wenn ihr Fragen habt kommentiert oder nutzt eben die Kollegin KI, die auch für euch kostenlos zugänglich in den Shownotes verlinkt ist.

00:32:54: Wir sprechen uns am Freitag zur Kollegin KI Snackbox.

00:32:58: Vielen Dank fürs zuhören bis dahin.

00:32:59: Ciao

00:33:08: by

00:33:08: OMR.