Zielführung Starten – Der Management-Podcast von CTcon
Transkript zu Folge 40:
KI und Entscheidungsprozesse – Datenpionier Peter Gentsch über Autonomie, Verantwortung und Führung
[00:00:00] Podcast: Zielführung starten - der Management-Podcast von CTcon.
[00:00:21] Christian Bungenstock: Herzlich willkommen zu einer neuen Folge von Zielführung starten, dem Management Podcast von CTcon. Erneut setzen wir unsere Reise durch die Welt der Unternehmenssteuerung fort. Mein Name ist Christian Bungenstock, ich bin Partner bei CTcon in Düsseldorf und begleite unsere Tour. Heute richten wir unseren Blick auf die künstliche Intelligenz in der Unternehmenssteuerung. Expertensysteme und Mustererkennung kennen wir in der Wirtschaft seit Dekaden. KI und Machine Learning waren Themen für Fachleute. Mit GenAI gelang der KI der Wandel vom Aufwind zum Sturm, der sich rasant bewegt. Führungskräfte stellen sich wichtige Fragen. Wo sind messbare Vorteile für die Wertschöpfung und für deren Steuerung? Welcher Fähigkeiten bedarf es? Wie verändert die KI Entscheidungen, Prozesse und ganze Geschäftsmodelle? Schrittmacher auf der spannenden Tour ist Professor Dr. Peter Gentsch. Peter ist ein Multitalent, es eint uns das Motiv unserer Alma Mater WHU, wo Wissenschaft zur Praxis wird. Als Serial Entrepreneur, Investor, Autor und Speaker ist Peter Co-Founder und CEO der AICONIQ, die sich auf KI-basierte Geschäftsmodelle und deren Anwendung spezialisiert hat. Im Gespräch ist Peter mit meinem Kollegen Dr. Thomas Lührmann, Partner bei CTcon in Düsseldorf. Thomas berät Unternehmen zu Fragen der Strategie, Transformation und Unternehmenssteuerung. Schwerpunkt seines Schaffens ist die Datenbasierung und damit auch die KI. Gemeinsam sprechen beide darüber, wie KI die Entscheidungsprozesse verändert, welche Chancen darin für Unternehmen liegen und wie Führungskräfte den Einsatz von KI gestalten können.
[00:02:02] Podcast: Zielführung starten.
[00:02:04] Dr. Thomas Lührmann: Hallo Peter, freue mich sehr auf unser heutiges Gespräch. Wir haben uns ja echt ein Mega-Thema vorgenommen, um das gerade keiner so richtig herumkommt und das alle gerade massiv beschäftigt, sowohl im Alltag als auch in den Unternehmen und auf allen Führungsetagen und das uns sicherlich perspektivisch auch noch ganz lange beschäftigen wird. Und insoweit freue ich mich sehr, dass wir uns darüber unterhalten. Das Thema ist künstliche Intelligenz und ihre Rolle in Entscheidungsprozessen. Analytics, Predictive, Pattern Recognition, Robotics, kennen wir jetzt alle schon ein bisschen länger und das beschäftigt die Unternehmen auch schon eine ganze Weile. Aber ich glaube, jetzt gerade mit der generativen KI hat das alles noch mal eine weitere Wendung bekommen und wird noch mal fundamentaler eingreifen in Entscheidungsprozesse im Unternehmen und das wollen wir heute gemeinsam besprechen. Na, da freue ich mich sehr drauf und ich glaube, da gibt's kaum einen Berufeneren, mit dem wir das besprechen können als dich. Du bist Professor für internationale BWL mit Schwerpunkt Digital Transformation und Artificial Intelligence. Du bist Seriengründer, Unternehmer, Keynote Speaker und an der Schnittstelle von KI-Forschung und Praxis unterwegs. Daher ganz toll, dass wir heute miteinander über diese hochrelevanten Themen sprechen können. Was hat dich denn so fasziniert ursprünglich an dem ganzen Thema KI, dass du dich seit den 90er Jahren damit beschäftigst?
[00:03:18] Prof. Dr. Peter Gentsch: Ja, ich führe seit über 20 Jahren ein Doppelleben zwischen Theorie und Praxis. Primär sehr wissenschaftlich geprägt und das ist gar nicht so spektakulär im Sinne von, ich wollte die Superintelligenz entwickeln oder erforschen, sondern mich hat einfach interessiert, können Maschinen besser Entscheidung treffen als Menschen? Das war eigentlich so die zentrale Frage, die mich fasziniert hat. Das war die Zeit der Expertensysteme. Wie sagt man so schön, overhyped and underdelivered. Wir hatten riesige Erwartungen und das war, muss man ehrlich sagen, ziemlich ein Reinfall. Mit Expertensystemen hat man ja versucht, erstmal auch die Welt regelbasiert abzudecken, das hat natürlich nicht funktioniert. Dann hat man versucht domänen-spezifisch zu machen, aber auch da ist man gescheitert. Aber mich hat das nicht losgelassen und heute würde man über Big Data reden, wir hatten auch damals natürlich schon große Datenmengen. Und mich hat es fasziniert, ob man in den Daten auch Schätze findet, ja. Das war so die Zeit des Data Mining, maschinelles Lernen. Der Begriff KI, den sollte man in der Regel umgehen, weil es dann auch immer der war ja sehr verbrannt. Gab ja häufig das Tal der Tränen, der AI-Winter. Aber man hat dann schon mit neuronalen Netzen extrem spannende Sachen entdecken können in Daten, ja, also Muster, die so nicht sichtbar waren. Ich sag mal, was heute eine Celonis macht mit Process Mining, das war dann auch mein Promotionsthema, wie kann ich mit neuronalen Netzen in großen Datenmengen vielleicht spannende Muster für Produkt- und Prozessinnovationen finden. Das war damals schon relativ früh. Damals war, ich sag mal, noch kein Conversation Interface alla GPT. Das war noch brutale IBM-Rechenpower, mit der man sich da rumschlagen musste. Aber das hat mich fasziniert, auch wenn natürlich der Weg sehr, sehr hart war, wenn wir heute, wir kommen ja gleich noch dazu, eine andere KI haben, die tolle Ergebnisse generiert hat, allein erstmal 80% Datenaufbereitung und dann das Labeling und so weiter, bis es dann überhaupt losging. Und ich bin eigentlich immer diesem Thema treu geblieben und habe das dann stärker in die Praxis überführt, weil ich gesagt habe, dieses Thema ist viel zu spannend, als da nur irgendwelche wilden Papers zu schreiben, die keiner liest, sondern habe gedacht, es gibt einfach ein Gap zwischen dem, was sage ich mal, in der Wissenschaft passiert im Bereich KI und in der Praxis eben nicht ankommt. Und das war so ein bisschen meine Mission bis heute, so diesen Transmissionsriemen zu spielen, wie kriege ich eigentlich die PS aus der Wissenschaft in die Praxis rein. Und das hat mich jetzt die letzten Jahre begleitet, habe viele Startups gegründet in dem Bereich, manche ja ganz erfolgreich, manche weniger, wie das immer so ist. Aber bin eigentlich meinem Thema treu geblieben, kann ich mit Daten und KI bessere Entscheidung treffen. Und das Interessante, das ist ja heute noch die gleiche Fragestellung, insofern hat sich gar nicht geändert. Sag mal, die Algorithmen und die Datenmengen haben sich und die Rechenpower, ne? Das ist natürlich ganz entscheidend. Und dann kam natürlich, und das fand ich super spannend, also die erste große Welle, die glaube ich, dann noch mal einen unheimlichen Schub gebracht hat, war das Thema maschinelles Lernen, Deep Learning, so. Ich meine, da war glaube ich, das war für mich der Game Changer, wo wir auch ganz andere Applikationen bauen konnten, auch in der Praxis, für die Praxis. Und dann 2017, wichtiger Meilenstein, da kamen zwei Altbekannte zusammen, nämlich maschinelles Lernen und NLP. Also NLP, die Technologie, mit der Computer Sprache verarbeiten können. Eigentlich zwei Altbekannte treffen sich und heiraten und es kommt ein wahnsinnig spannende Technologie raus, die wir dann eben dann nennen, diese generative KI, ne, Transformer Architekturen. Das Spannende ist, das Paper "Attention is all you need", also kann man mal lesen, liest sich nicht ganz so einfach, und was ich dran spannend finde, auch symptomatisch für den KI-Markt in Deutschland. Jakob Uszkoreit hat dieses Paper maßgeblich geschrieben, ein deutscher Wissenschaftler, der natürlich schon längst wieder in den USA ist. Also GPT, wenn man so will, kommt aus deutscher Feder, finde ich immer ganz spannend, so MP3 lässt grüßen. Wenn es darum geht, das zu kapitalisieren, sind wir nicht ganz so gut. Aber diese unfassbare Macht, die glaube ich, keiner so erwartet hat, wenn ich NLP mit Deep Learning kombiniere, das war natürlich der absolute Game Changer und ich muss sagen, da musste ich 25 Jahre drauf warten, dass es dann auch sehr, sehr viel Spaß macht und der große Vorteil, den ich sehe, du kannst heute wahnsinnig schnell pilotieren, Prototypen bauen, rum experimentieren. Früher waren solche POCs unfassbar aufwendig, ja? Und heute haben wir wirklich eine Technologie, die mir ermöglicht, wahnsinnig schnell erste Ergebnisse zu zeigen. Und das ist das Spannende, also wir kommen eher von einer analytischen KI, ne, wo es sehr stark geht, Prognose von Datenpunkten, dann zur generativen KI, wie der Name schon sagt, wir generieren Sachen, also KI wird zum Produktions- und Innovationsfaktor. Und die spannendste Phase, in der befinden wir uns jetzt gerade, ist, dass wir eine agentische KI haben, also, dass wir nicht nur Sachen generieren, sondern eben jetzt auch exekutieren. Ich sage immer ganz gern von Chat GPT zu Act GPT. Und eine Entwicklung, die in der Öffentlichkeit gar nicht so sichtbar ist, man sagt ja immer, na ja, diese Sprachmodelle, die sagen nur das nächste Wort vorher, die sind ja relativ dumm. Wir haben seit einem Jahr sogenannte Reasoning Modelle, Thinking Modelle, die eben deutlich weitergehen. Man sagt, diese Modelle haben einen IQ von 180, das ist natürlich total unwissenschaftlich, weil ein IQ natürlich immer an einer Person festgemacht ist. Aber wenn ich jetzt zunehmend Denkmodelle habe und die ich dann agentisch im Verbund orchestriere, dann kommt eine wahnsinnige Power rein, gerade, das ist ja unser Thema, wenn ich bessere Entscheidung treffen will. Also gar nicht singuläre Tasks ausführen, ich meine, es glaube ich, ist klar, ich kann irgendwie LinkedIn-Post schreiben lassen über eine KI. Ja. Aber dass ich komplette, komplexe Entscheidungen oder sowas wie eine Due Diligence beispielsweise, wo ich ganz viele unterschiedliche Tasks habe, dass ich die mit verschiedenen Agenten im Verbund erledigen kann, das finde ich unfassbar spannend. Also ich glaube, wenn man so die Zeitreise anguckt, von einer eher analytischen KI zu der generativen und jetzt zu einer denkenden agentischen KI. Und das ist die unfassbare Macht, die in der Technologie steht. Und ich werde in der Wissenschaft dann auch manchmal noch ein bisschen beschmunzelt im Sinne von viel zu viel Euphorie. Da gibt's ja auch noch ganz viele Fallstricke. Natürlich, ja? Also, bitte nicht vergessen, das ist nur eine relativ junge Technologie, aber ich finde sie unfassbar spannend und ich glaube, wir werden ja noch mehr drüber sprechen, was die heute schon dann ermöglicht, aber es ist für mich wirklich ein wirklich ein Game Changer.
[00:09:03] Dr. Thomas Lührmann: Ja, super spannend. Also, ich glaube, da hast du jetzt gerade schon extrem viele Facetten angesprochen, die wir gleich noch mal gemeinsam vertiefen und die Kernfrage, die du auch gestellt hast, können Maschinen besser entscheiden oder können Maschinen uns zumindest helfen als Menschen besser zu entscheiden? Die werden wir gleich noch mal intensiver beleuchten mit Blick auf Unternehmenssteuerung. Aber der Blick auf die Frage, was ist denn jetzt in der aktuellen KI-Welle so viel anders als in all den KI-Wellen, die es vorher gab und die du ja auch gerade schon beschrieben hast. Ist es das Thema Conversational Intelligence, also der natürlichsprachliche Zugang zu der KI und die natürlichsprachliche Interaktion? Ist es das Thema Agenten? Was ist das, was jetzt gerade diese Disruption auslöst und was jetzt tatsächlich das neue ist an dem, was wir in den letzten zwei, drei Jahren erlebt haben?
[00:09:48] Prof. Dr. Peter Gentsch: Also, mit Sicherheit ist das Conversation neu, ist aber für mich nicht der eigentliche Game Changer. Also, das spannende Sprachmodelle gibt's schon eine ganze Weile und die sind interessanterweise gar nicht so gesprächig. Und als dann eben Chat GPT dieses Conversation Interface gebracht hat, das nennt man ja auch den iPhone Moment, war es dann einfach so einfach nutzbar. Ich glaube, das war wichtig für den Durchbruch, ja, für die Volks-KI war das wichtig. Aber an sich ist das für mich ein Convenience Thema. Das Spannende, und was ist für mich das, womit ich mich auch beschäftige und ich glaube den größten Impact auch für die KI hat, ist das Thema Autonomie. Und mit dem Begriff gehen wir relativ leichtfertig um. Ein Agent ist kein Assistent. Also, die meisten kennen sicherlich Co-Pilot, das ist nicht schlecht, der assistiert mir. Ein Agent geht weiter. Ein Agent hat ein Ziel, er handelt autonom und er lernt. Und diese Autonomie, das ist das eigentlich Spannende, weil wir hatten ja immer schon RPA, Prozessautomatisierung, ja? Da habe ich aber letztendlich deterministische Prozesse gehabt oder ich habe den Entscheidungsspielraum vorher antizipiert und auch regelbasiert dargestellt. Was heißt Autonomie? Das System entscheidet selber. Vorweg, KI hat kein Bewusstsein. Der eine Metra-Entwickler hat mal gesagt, die KI hatten Bewusstsein entwickelt, das ist völlig Blödsinn, weil KI cruncht große Datenmengen. Das war in den 90er Jahren so, das ist heute auch schon so. Aber dieses Autonomie Thema ist wahnsinnig spannend und ich erlebe gerade in der Praxis so eine gewisse Ambivalenz. Auf der einen Seite sind wir Menschen natürlich auch von Haus aus ein bisschen faul und delegieren gerne an Agenten, die dann autonom was machen. Und auf der anderen Seite merkt man diesen Kontrollverlust. Und was ja jetzt sehr stark durch die Presse ging, war das Thema Bot, Mold Book. Das ist natürlich aus rechtlicher und Datenschutzsicht etwas kritisch. Aber da ging es darum, dass ich ein Open Source System habe, das mir ermöglicht, sehr einfach Agenten zu bauen, die dann für mich Sachen machen, die ich über ein WhatsApp Interface leicht steuern kann. Ja. Und da gibt's ja im Internet die tollsten Beispiele. Ich würde jetzt das nicht eins zu eins in die Unternehmenswelt übertragen wollen, aber es zeigt die unheimliche Macht von Agenten, aber auch diesen Kontrollverlust, wenn du merkst, da machen Agenten was für dich, und du musst den ein Stück weit auch Verantwortung delegieren. Und das ist, glaube ich, neu. Wir haben früher immer Systeme gehabt, wir haben die, das sind wir sehr gut in Deutschland drin, wir haben die standardisiert, wir haben die automatisiert, so, aber wir waren ja immer noch im Driver Seat. Und jetzt ändert sich das ein Stück weit, dass ich Systeme schaffe, die eine Autonomie haben, und da wird es natürlich wichtig, ich muss dem natürlich einen Rahmen vorgeben, ich muss denen natürlich Leitplanken geben, dass sie in meinem Sinne handeln. Und das finde ich das unfassbar Spannende, dass wir, und das sehen wir in der Forschung sehr schön, dass die Länge von Prozessen, die erfolgreich durch eine KI abgearbeitet werden, immer größer wird, ne? Also von einzelner Task bis hin komplexe Entscheidungsprozesse, wo verschiedene Agenten miteinander agieren und die treffen Entscheidungen. Jetzt kann man natürlich wieder philosophisch, moralisch und ist das wirklich haben die einen eigenen Willen? Wollen die die Menschheit zerstören? Das natürlich nicht, aber sie handeln in ihrem Kontext Entscheidungsspielraum. Und was natürlich dann auch wieder medial aufgegriffen wird, diesen Spielraum kann ich natürlich auch negativ auslegen. Also, es gibt ein relativ aktuelles Beispiel. Anthropic testet ja immer sehr stark die Modelle, ja, auch die agentischen Modelle. Und dann hat man entschieden, der CEO hat eine Mail an den Entwickler geschickt, dass man das Modell abschalten will, wenn man ein neues Modell haben will. So, das Modell liest diese Mail und antwortet, bitte schaltet mich nicht ab, ne? Weil ist ja nicht gut. Darauf hat man aber nicht reagiert und dann hat die KI in den Mailverkehr entdeckt, dass der Entwickler eine Affäre hatte und erpresst ihn mit einer Mail, die er dann an seine Frau schicken wollte. Jetzt kann man natürlich sagen, wie kann sowas passieren? Natürlich denkt so ein System nicht, aber genau genommen hat das System völlig richtig agiert. Ein Agent hat ein Ziel, steigere die Effizienz von Anthropic, ja? Versuche etwas, wenn es nicht klappt, lerne, handle autonom. So, genau das hat dieses System gemacht, und ich glaube, das zeigt natürlich auch so diese Risiken und wie kann das passieren, dass ein System praktisch so diesen Überlebenswillen erzeugt? Nochmal, es sind alles am Ende des Tages große Datenmengen, die gecruncht werden, aber es zeigt natürlich, die Autonomie ist für uns Menschen ungewohnt abzugeben. Das war jetzt ein Negativbeispiel. Positiv gesprochen, hat man neulich einen C-Compiler mit dem Anthropic Modell gemacht, dann sagst du dem, bau mir das mal, dann gehe ich ins Bett, schlafen, morgen steige ich aus und fertig ist das System vor mir. Also, ich glaube, die Autonomie bringt, was Produktivität angeht, noch mal ganz, ganz neue Möglichkeiten. Das ist für mich eigentlich das Wahnsinnig Spannende, auch wenn jetzt natürlich viele zu Recht sagen, na ja, Agenten gibt's ja schon eine ganze Weile. Das ist richtig, und die haben in der Regel auch nie funktioniert, genau wie die Expertensysteme nicht. Und das ist ja die Chance, dass wir heute eine neue Qualität von KI haben, um endlich dieses Thema der Agenten auch erfolgreicher umzusetzen, und ich arbeite ja viel, sowohl noch in der Forschung als auch in der Praxis mit Agenten. Natürlich funktioniert da vieles noch nicht, die laufen teilweise ins Leere oder sind total ineffizient und haben ganz viele Iterationen. Jetzt kann man sagen, das macht doch nichts. Na ja, man darf auch nicht vergessen, viele sagen mir, es kostet doch nichts, GPT ist doch kostenlos. Na ja, wenn du das professionell machst, hast du eine Schnittstelle, eine API und das kostet sehr wohl was, und wenn du dann zigtausend Token verbrennst, dann kriegst du morgens auch die Rechnung dazu. Also, natürlich gibt's noch viel, viel Optimierungsbedarf, aber was heute schon möglich ist, im Multi-Agenten-Systeme, das ist das bahnbrechend.
[00:14:54] Dr. Thomas Lührmann: Ja, also das Thema, das jetzt so sich durch deine Antwort so ein bisschen durchgezogen hat, Autonomie, Kontrolle, also die Frage, wie viel Co-Pilot oder wie viel Pilotanteile hat denn die KI im Verhältnis zu dem Entscheider im Unternehmen, das sollten wir gleich noch mal gemeinsam vertiefen. Vielleicht einmal Flipside. Jetzt haben wir über all das gesprochen, was disruptiv ist und was gerade Entscheidungsprozesse, Unternehmenssteuerung auch deutlich verändern wird. Was sind denn so die wesentlichen Missverständnisse über die KI, die du aktuell wahrnimmst, wenn du mit Vorständen, mit Managern sprichst, die wir erstmal ausräumen sollten?
[00:15:25] Prof. Dr. Peter Gentsch: Ja, also, Nummer eins ist ganz klar, es wird viel zu technisch gesehen, ne? Es ist immer, okay, KI ist eine Technologie, die man einführen muss, so nach dem Motto, digitale Transformation, ja, hatten wir auch mal irgendwie das Internet, Mobile, 3D-Druckern, jetzt führen wir halt KI ein. Dass KI das neue Betriebssystem ist und das Business grundlegend verändert, das wird unterschätzt. Also, ich glaube, dieses Verständnis zu haben, es ist eine Führungsaufgabe, das Thema KI. Das ist häufig nicht so angekommen. Des Weiteren haben wir sehr stark so eine POC-Kultur. Also, es wird ja schon, dass aber nicht sagen, das ist ja nicht so, dass Unternehmen gar nichts machen, sowohl der Mittelstand, die Konzerne, es wird ja wahnsinnig viel verprobt, ausprobiert, POCs. Nur ganz ehrlich, eigentlich ein falscher Ansatz. Ich brauche kein POC, dass KI da ist oder funktioniert. Ich mache auch kein POC fürs Internet. Ich brauche eine KI-Infrastruktur und dann auf diese Infrastruktur muss ich verproben, sandboxing und so weiter. Aber dass es eine fundamentale Infrastruktur ist, die ich brauche und häufig fehlt auch nach dem POC die Anschlussoption. Also, wenn ich überlege, wie viel POCs ein Unternehmen gibt, die nicht weitergehen, ja? Und ich sage immer von dem Labor in die Factory, das ist der eigentliche Schritt. Du kannst ja heute so schnell, das hat ja jeder bestimmt mit GPT, mit Claude, wie sie alle heißen jetzt, Agenten umsetzen. Diese ersten 80% gehen relativ einfach. Die letzten 20%, der Long Tail, ist anstrengend. Und da muss ich produktive Systeme haben, skalierbare, qualitätsgesicherte, rechtlich sichere Systeme. Und das wird, glaube ich, massiv unterschätzt und darum haben wir leider keine gute Balance aus Anzahl von POCs, ja, und wirklich produktiven Systemen. Also, das Gap zwischen dem auch, was, sage ich mal, so rosarot auf LinkedIn erzählt wird und dann wirklich in Produktion sich in den Unternehmen beschäftigt, wird immer größer. Und das das macht mir auch so ein bisschen Sorge. Und das ist auch wieder ein Führungsthema, dass man das, glaube ich, ein Stück weit unterschätzt. Ja, ich glaube, das sind so aus meiner Sicht die beiden Hauptpunkte.
[00:17:15] Dr. Thomas Lührmann: Okay, ja, super. Also, ich glaube, quasi das Thema nicht nur aus einer technisch-methodischen Brille zu betrachten, sondern, wie du es beschrieben hast, im Sinne eines neuen Betriebssystems, eines neuen Steuerungsmodells auch auf der Change-Verhaltens- und Führungsebene sich anzugucken, was heißt denn das eigentlich? Das ist extrem wichtig und auch da sollten wir gleich noch mal zu kommen. Jetzt lass uns mal das Thema KI als Motor, als Basis für bessere Entscheidungen noch mal gemeinsam tiefer legen und dann Blick drauf werfen, was heißt es eigentlich KI, was ist die Bedeutung für die Unternehmenssteuerung. Und da ist ja die die klare Erwartungshaltung, dass mit der KI Steuerungsentscheidungen, Steuerungsprozesse zum einen viel einfacher, schlanker, effizienter werden und zum anderen aber eben auch effektiver, besser, informationsreicher, datengetriebener, weniger Bauchgefühl, mehr Fakten und ähnliches mehr. Lass uns da mal gemeinsam eintauchen. Wo siehst du aktuell und natürlich dann auch in Zukunft die wesentlichen Verbesserungen durch die KI für konkrete Managemententscheidungen?
[00:18:21] Prof. Dr. Peter Gentsch: Also, ich meine, datengetriebene Entscheidungen, das sprechen wir schon lange drüber. Und da ist es eher so eine Augmentierung, dass natürlich KI auch sehr gut Entscheidung vorbereiten kann, Research machen kann, Daten aufbereiten kann. Also, es gibt, glaube ich, einmal diese Facette, dass aber noch sehr stark datengetrieben ein Stück weit augmentiert durch eine KI. Ich glaube, da sind wir schon relativ weit. Decision Support Systeme etc. Spannend, wenn wir jetzt wieder zur Autonomie kommen, ist, also, wenn nicht nur Entscheidung vorbereitet werden, ne, sondern auch ausgeführt werden, getroffen werden. Und, ich sag mal, meine praktische Erfahrung ist, dass wir zwar immer schon von Data Driven reden, aber ganz ehrlich, so richtig ist das auch nicht gelebte Praxis. Wie viel Dashboards habe ich schon gezeigt und am Ende des Tages guckt sie keiner an oder so. Und Agenten sind natürlich Data Driven by Nature, ne? Also, jeder Algorithmus, jeder Agent wird immer nur datenbasiert arbeiten. Und vielleicht ist das die große Chance, dass wir jetzt, was uns Menschen schwerfällt, auch vielleicht zu viele Daten immer ins Kalkül zu ziehen, die richtigen Entscheidung zu treffen. Vielleicht können das eben Agenten, indem sie autonom entscheiden, also nicht nur Entscheidungsprozesse vorbereiten, sondern selber durchführen. Und das erleben wir natürlich schon eher auf operativen Entscheidungsebenen, da kann ich das heute schon machen, dann sagt man natürlich häufig, na ja, aber bei strategischen Entscheidungen, das ist doch schwierig. Und da gibt's eine ganz spannende Harvard-Studie, ist relativ aktuell, da hat man reale Boards nachgebaut, also digitale Zwillinge mit KI gebaut, ja? Also, eine relativ umfassende Studie, kann man sich im Internet gerne mal ansehen, ist recht beeindruckend gemacht, und hat dann Also Boards im Sinne von Vorstands-Gremien, ja? Ganz genau. Also, man hat Vorstands-Gremien nachgebaut und hat dann evaluiert, wer trifft denn bessere Entscheidungen? Das reale Board oder das AI-basierte? Und das ist schon sehr, sehr beeindruckend, dass ich in den meisten Bereichen hat das AI-Board gewonnen. Es gibt eine Ausnahme bei kurzfristigen Deeskalationen. Klar, das ist natürlich ein sehr starkes Human Thema, ne? Da musst du natürlich People, Business verstehen, das kann die KI jetzt nicht ganz so gut. Aber du siehst einfach, dass sie uns auch in solchen Entscheidungen überlegen ist. Fairerweise muss man sagen, bei strategischen Entscheidungen müsste man natürlich auch langfristig schauen, ne? Also, die Studie ist jetzt noch nicht langfristig genug, ob das dann wirklich der Fall ist. Aber natürlich, was sind Entscheidungen? Entscheidungen ist, letztendlich mache ich nichts anderes, ob operativ oder strategisch, dass ich Daten verarbeite, aus Daten Maßnahmen ableite. Und wenn du dir einfach überlegst, wie komplex unsere Welt geworden ist. Nimm jetzt mal Thema, du hast irgendwie eine geopolitische Krise, okay, Ölpreis irgendwie, das ist so naheliegend. Also die ganzen Second Order Effekte, das ist sowas von komplex, das kann eine KI viel besser machen. Eine KI kann zig Szenarien simulieren, ja? Digitaler Zwilling einer Firma, die ich simulieren kann, ich kann aber auch Märkte simulieren, ich kann meinen Partner, mein Stakeholder, mit dem ich arbeite, simulieren und kann natürlich ganz viele Kombinationen durchspielen und natürlich so letztendlich zu besseren Entscheidungen kommen. Das ist einfach so, auch wenn wir das nicht wahrhaben wollen, wir immer sagen, na ja, das ist doch auch Bauchgefühl, Erfahrung, Soft Skills. Na ja, wir sind heute auch in der Lage, über das ganz Spannende, über AI-basierte Interviews auch sogenanntes implizites Wissen, Tacit Knowledge zu extrahieren. Weil da haben wir das schon gemacht mit Vorständen, mit Führungskräften, die ein Interviews führen über eine AI, und dann wird auch dieses Erfahrungswissen und das Wertesystem einer Person in so einem Sprachmodell repräsentiert. Das war ein ganz spannendes Projekt eines mittelständischen Unternehmens, da ist der Geschäftsführer in Rente gegangen und hat gesagt, ich will aber immer dabei sein, also, klont mich bitte mit meinem Entscheidungskalkül, also nicht, der muss so aussehen wie ich, so sprechen wie ich, dieser komische Agent, der muss so ticken wie ich, der muss so entscheiden wie ich. Ich meine, das sind alles Möglichkeiten, heute Entscheidungsprozesse dann, glaube ich, auch durch eine KI nicht nur zu unterstützen, sondern auch durchführen zu lassen. Und ich glaube, das ist einfach für uns Menschen ungewohnt, ist ein Narrativ, was wir vielleicht nicht hören wollen, aber ich finde, die Harvard-Studie zeigt das ganz gut und ich glaube, dass wir auch einfach immer mehr nicht nur Entscheidungsvorbereitung haben werden, sondern Entscheidungsdurchführung durch eine KI.
[00:22:12] Dr. Thomas Lührmann: Zwei Facetten. Die erste ist, in der Tat, du hast es gerade schon erläutert und auch spätestens in deinem letzten Satz sehr deutlich gesagt, also Entscheidungsvorbereitung. Das heißt, wir bewegen uns hier immer mehr in die Richtung von Entscheidungsprozessen, die eben autonom ablaufen und wo die KI eben nicht mehr nur der Co-Pilot ist, sondern der Pilot. Wofür brauchst du den Menschen dann noch? Also, lass uns da vielleicht einmal tiefer einsteigen. The Human in the Loop ist so immer das Schlagwort, das da herumgeistert. Wofür brauchst du denn den Human in the Loop, wenn die KI sowohl auf operativer als auch auf taktischer und strategischer Ebene am Ende des Tages an vielen Stellen die bessere Entscheidung treffen kann?
[00:22:47] Prof. Dr. Peter Gentsch: Vielleicht ein praktisches Beispiel aus meinem Leben, ich war jetzt gerade in Austin und habe einen Uber bestellt und dann kam ein Waymo, autonomes Vehikel, das man ja aus dem Fernsehen kennt, aber ist das erste Mal, dass ich einsteige. Es war für mich Premiere, ich saß da wie ein kleiner Junge und habe meine Videos hinten gedreht. Das war Wahnsinn, ne? So, und dann fahren wir da los, das Ding fährt super sicher und dann kommen wir an der Baustelle und vor mir ist ein Baustellenfahrzeug und der Bauarbeiter steigt einfach aus, fragt mich nicht, warum, und lässt das Ding da stehen. So, ich habe gefühlt 5 Minuten haben wir hinter diesem Auto gestanden, an uns die Autos vorbeigezogen, bis ich dann im Display gesehen hatte, dann hat sich die Zentrale eingeschaltet, hat sich das angeguckt und hat praktisch dann supervised gesagt, pass mal auf, wir können links vorbeifahren. Ich fand das ein schönes Beispiel, ich habe mich so sicher gefühlt in diesem autonomen Auto und der hat ja alles selber entschieden, auch den besten Weg hat er sich ausgesucht, wie wir fahren, ja, es war relativ voll in Austin, super gemacht, aber er kannte halt die Situation nicht, dass da einfach ein Bauarbeiter aussteigt und seine Karre stehen lässt. So, und dann habe ich den Jugend an Loop, der sagt, okay, weil sonst können wir uns den Podcast nicht machen, weil ich immer noch in der Karre sitzen würde. Glücklicherweise hat er sich eingeschaltet. Was ich damit sagen will, es gibt natürlich Situationen, wo wir Menschen improvisieren können, wo wir aus Erfahrung lernen können, und wenn ein System nicht hat, dann kommt es eben an die Grenzen, ja? Also, ich glaube, was du auch immer brauchen wirst, du brauchst Leute, die diese Systeme natürlich bauen, verstehen und steuern. Also, ich sag mal, es geht, man hat gesprochen, treffe ich vielleicht nicht mehr die Entscheidung selber, ich treffe die Entscheidung, wie ein System aussieht und aufzubauen ist, das Entscheidung trifft. Und dann wird es natürlich extrem wichtig ein Verständnis zu haben für diese Agenten, für die Guard Rails, ja, dass sie eben in meinem Sinne agieren. Das ist alles andere als trivial. Also, ich werde eigentlich so vom Problem Solver so ein bisschen zum System Steward, der solche Systeme designt. McKinsey hat neulich gesagt, ne, so nach dem Motto das Unternehmen von morgen, da hast du nur noch drei Manager und 100, 200 Agenten. Also, ich glaube, dass das Management Bild sich schon verändern wird im Sinne, hat eins, es wird weniger geben. Organisationen werden schlanker gehen, was Entscheidungstiefe angeht, bin ich fest von überzeugt, die ganzen Aufbereitungsebenen, Mittelmanagement, ist, glaube ich, ein massives Problem. Und dass du nur einige wenige hast, die natürlich das System verstehen und das ist auch mein Learning aus der Praxis. Wir machen viel Vibe Coding, ja, agentisches Coding. Du brauchst immer noch exzellente Leute. Es ist nicht so wish coding, ich wünsch mir was, dann macht es das System. Das heißt, du brauchst immer noch, und das ist ja so ein bisschen die Krux, du brauchst eigentlich keine Juniors mehr, du brauchst nur Seniors. Die Frage ist, wo kommen die Seniors dann morgens her, wenn es keine Juniors mehr gibt? Also, du brauchst immer noch Leute, glaube ich, die das Systemverständnis haben, die das bewerten können, die auch deeskalieren können im Zweifel, ja? Aber das ist natürlich ein ganz anderes Managementverständnis, als das, was wir heute haben. Auch das ganze Thema, was ja völlig ungeklärt ist, Verantwortung, ja? Also, ich meine, wenn Manager Entscheidung trifft, was man natürlich auch viele strategische Entscheidungen werden ja gerne durch die Beratungshäuser dann durchgeführt, so nach dem Motto, hat mir McKinsey gesagt, aber es ist ja schon ein Thema, wer trifft die Entscheidung, wer verantwortet die? Ja, ist ja auch ein bisschen Problem in Organisation, dass Leute häufig nicht Entscheidung treffen wollen, weil sie die Verantwortung nicht dafür haben wollen. Also, Management heißt ja ganz viel auch Verantwortung übernehmen. Wenn aber KI Verantwortung übernehmen soll, geht das überhaupt? Ja, wenn die autonom. Ich glaube, das ist noch ein völlig ungelöstes Problem.
[00:25:53] Dr. Thomas Lührmann: Absolut, und ich meine, am Ende des Tages, auch wenn der Manager oder das Management die Entscheidung, die Verantwortung übernehmen soll, wie funktioniert das, wenn eigentlich dahinter ein komplexes Rechenmodell steht, das ich im Zweifel auch nicht durchschauen kann? Wie passt dann sozusagen Entscheidung und Verantwortung übereinander? Auch eine spannende Frage. Jetzt habe ich gesagt, zwei Facetten. Die eine Facette, Human in the Loop, welche Rolle hat eigentlich da der Mensch und der Entscheider und der Manager, haben wir gerade besprochen. Die zweite Facette, das Gap zwischen Rhetorik und Realität. Also, du hast die Harvard-Studie zitiert, die KI kann da vielfach besser entscheiden. Gleichzeitig hatten wir vorhin ja auch schon kurz drüber gesprochen, die LinkedIn Realität ist nicht die tatsächlich gelebte Realität an vielen Stellen. Ich nehme das auch so wahr, dass zwar in der Rhetorik vielfach von Big Data gesprochen wird und von all den Potenzialen, die es da gibt, aber die Realität in der Unternehmenssteuerung häufig eher noch auf Small Financial Data und eben doch noch nicht auf Big Operational Data basiert. Wo befinden wir uns in diesem Hype Cycle? Und wie groß ist im Moment das Gap zwischen dieser Vision, die KI trifft die Entscheidung und dem, was tatsächlich aktuell in den Unternehmen passiert und was du da wahrnimmst?
[00:27:05] Prof. Dr. Peter Gentsch: Ein Riesen-Gap im Sinne von, wir sind weit hinter dem, was möglich ist. Muss man wahrscheinlich ein bisschen unterscheiden zwischen den Ländern, gerade in Deutschland. Also, da wird jeder sagen, geht ja gar nicht. Also, wir fangen an mit dem ganzen Thema natürlich sehr beliebt in Deutschland, das Thema Datenschutz, EU AI Act, ich darf gar nicht autonom Entscheidungen treffen ohne zu sagen, warum hat er das gemacht, ja? Also, ich habe ja ganz, ganz viele Stolpersteine oder Restriktionen, die es mir gar nicht ermöglichen, das zu machen. Ich sage immer ganz gern, auch wenn ich mit Vorständen spreche, na ja, macht doch so ein Sandboxing, probier's doch aus. Das heißt ja nicht immer, dass es gleich ersetzt. Aber nicht die Neugierde da ist, darum einfach mal ein bisschen zu spielen, wie fühlt sich das an, ja, wenn so ein Agent eine Entscheidung trifft. Ich kann den einfach mal nebenher laufen lassen, dass man ein Gefühl kriegt. Aber ich glaube, wir tun uns unfassbar schwer. Dann kommen natürlich immer wieder, wir haben die Skills nicht, ne? Wir können uns, ne, wenn du mal guckst, was für Gehälter in den USA gezahlt werden für KI-Profis, das ist auch lösbar, gibt's so viel junge Talente und Unternehmen, die Bock auf das Thema haben, die sich damit beschäftigen. Manche ein bisschen Ausrede oder der Klassiker auch, ja, die Datenqualität stimmt noch nicht, wir machen erstmal unsere Datenhausaufgaben, ja, das höre ich seit das Data Warehouse gibt, Data Lakes gibt, das kannst du ewig machen, dann wirst du nie fertig, weil du wirst nie eine ausreichende Datenqualität haben. Du musst dann halt einfach auch mal loslegen. Also, es sind unheimlich viel Ängste, Vorbehalte, die uns daran hindern, dass es umgesetzt wird, und ich habe nochmal ganz viel Respekt vor sowas produktiv im Unternehmen umzusetzen. Das ist kein leichter Weg und das ist auch ein bisschen das Missverständnis, GPT ist doch so einfach, ich prompte was, aber was ich schon dann ankreide Firmen, nicht die Neugierde zu haben, ich sag mal ein bisschen Sandboxing, ausprobieren, Gefühl für kriegen, wo sind die Stärken, wo sind die Schwächen? Insofern deine Frage zu beantworten, ich sehe leider ein Riesen-Gap zwischen dem, was möglich ist und was wir machen und natürlich auch hier wieder regionale Unterschiede. Ich meine, mit dem Waymo, ja, wir reden in Deutschland, warum das nicht geht, autonomes Auto und da fahren die seit zwei Jahren wie selbstverständlich mit denen. Das ist ja auch wieder so ein bisschen symbolisch für das Ganze. Aber es ist schon sehr, sehr großes Gap, würde ich sagen.
[00:28:59] Dr. Thomas Lührmann: Dann haben wir jetzt auf der einen Seite gesprochen, was das Potenzial ist und was da alles entstehen kann. Stichwort autonomes Treffen von Entscheidungen, damit deutlicher Entlastung des Managements, bessere Entscheidungen treffen, aber wir haben auch gesagt, bis dahin ist noch ein weiter Weg, also Realität und Potenzial passen noch nicht übereinander. Was muss man denn jetzt tun als Unternehmer, als Manager, als Führungskraft in einem großen Konzern, um dieses Gap zu schließen? Also, um sozusagen diese Potenziale noch stärker zu nutzen. Habe gerade verstanden, und ich glaube, da sind wir einer Meinung, das Thema Datenkeller aufräumen, das ist es jetzt nicht, was ich vordringlich machen muss, ist zumindest mal nicht die Voraussetzung dafür, dass ich starten kann, weil, wie du auch beschrieben hast, wenn ich anfange den Datenkeller aufzuräumen, dann werde ich damit nie fertig, also lass uns starten, auch wenn da noch Unordnung herrscht, aber was sind denn die Themen, die wir jetzt angehen muss, um die Potenziale der KI, die du beschrieben hast, noch mal stärker zu nutzen?
[00:29:52] Prof. Dr. Peter Gentsch: Naja, erstmal sag ich den Vorständen oder Führungskräften, fangt mal bei euch selber an, ja? Also, ich glaube schon, dass man ein Gefühl für haben muss, man muss jetzt nicht Prompt- und Agenten-Experte werden, aber ich glaube, man muss schon ein Verständnis haben dafür, sonst kann ich das nicht managen das Ganze. Also, ich glaube, das ist ein Punkt, der wichtig ist, um auch zu signalisieren, dass eine Führungsaufgabe, ich verstehe das ein Stück weit. Des Zweitens musst du natürlich deine Organisation enablen, das Thema Literacy. Also, du musst oder meine ich jetzt nicht, mach mal hier ein E-Learning Kurs bei Google, du musst wirklich systematisch deine Organisation enablen, du musst sie vielleicht auch ändern. Ich fand ganz spannend, ein moderner CEO hat jetzt IT und HR zusammengelegt, ja? Weil er gesagt hat, hey, das ist kein IT-Thema, ja? Und wenn Agenten zunehmend wie Mitarbeiter agieren, dann könnt ihr das nicht mehr isoliert sehen. Also, das ist auch ein Change Thema, ja? Aber ein massives Change Thema, und das muss man verstehen als Führungskraft und dann entsprechende Maßnahmen eben treffen. Was ich eben schon mal gesagt hatte, so eine Experimentier- und Neugierde-Kultur aufzubauen, ne? Mitarbeiter zu ermutigen mit den Sachen auch zu experimentieren. Also, ich glaube, das ist kein reiner Top-down Ansatz, ne? Das ist ja, ich erlebe das ja in Unternehmen, das teilweise Bottom-up viel mächtiger ist, die Leute arbeiten mit den Tools, die Geschäftsführung weiß davon gar nichts, weil die einfach sagen, das ist so mächtig, ja? Ich hatte neulich, da habe ich einen Workshop gemacht, ich frage immer ganz gerne, mit welchen Sprachmodellen arbeitet ihr? Hat sich keiner gemeldet und in der Mittagspause erzählte mir, ja, das ist nicht so gern gesehen, dann heißt, ihr macht's euch hier so leicht, ja? Also, ich glaube, ein Management muss Sachen vorgeben, ja, nach dem Motto, LLMs sind nicht böse, wir haben aber hier klare Guard Rails, wir haben eine klare Policy, ja? Weil es ja auch eine Verängstigung ist, oh, der hat unsere Unternehmensgeheimnisse in GPT geladen. Natürlich, da kann man auch viel Blödsinn machen. Also, ich glaube, man muss vom Management klare Vorgaben machen, wie mit einer KI umgeht, sensibilisieren, aber auch motivieren und auch die die Power Bottom-up zulassen. Also, du, ich meine, ich bin so lange in dem Thema, das war ja, du musst hier zum Jagen tragen, die Mitarbeiter sind weggelaufen, wenn du mit Daten KI ankamst. Heute haben die ja Bock drauf. Weil, und das glaube ich auch das Neue in dieser Revolution an der KI, weil die privat der Consumer erlebt es auch, ja? Die sagen mir immer täglich, ich kann gar nicht mehr, wenn GPT nicht funktioniert, bin ich bin ich aufgeschmissen. Das erwarten die natürlich dann auch im Unternehmen. Also, ich glaube, so eine Kultur, wo eine Unternehmensführung was vorlebt, aber auch die Bottom-up-Kraft zulässt, das, glaube ich, wäre schon ein Riesen-Schritt in die Richtung, und eben nicht nur zu sagen, ich habe da irgendeine Masterarbeit oder wir haben da so irgendein Pilot, dieser POC-Wahnsinn oder Piloten-Wahnsinn, der ist da auch nicht ganz so hilfreich.
[00:32:16] Dr. Thomas Lührmann: Ja, spannend. Sensibilisieren, motivieren, die Power aus dem Bottom-up-Prozess zulassen, das sind, glaube ich, extrem spannende Elemente, die da beitragen, dass dieser Weg weiter beschritten wird. Jetzt lass mal konkreter auf so den typischen Instrumentenkasten der Steuerung gucken. Also, auf das Thema Unternehmenssteuerung und auf das Thema, was nutzt man denn da so typischerweise in der Steuerung? Da nutzt man Kennzahlen, KPIs, da nutzt man Reports, da nutzt man Planung und Forecasting, um einen Blick nach vorn zu kriegen. Auf diese Instrumente gucken, wie ist denn da dein Blick und deine Wahrnehmung, was wird sich denn da verändern?
[00:32:51] Prof. Dr. Peter Gentsch: Ich glaube, das ganze Reporting wird nicht mehr so periodisch sein, sondern viel dynamischer sein. Auch Conversational, Talk to your data, das war ja auch ein Riesen-Punkt, das ist wieder so ein Convenience Aspekt. Und was vielleicht ganz wichtig ist, AI erfindet jetzt nicht komplett fancy neue Management Methoden, ja? Wir haben etablierte Methode, wir haben in dem Forecasting, haben wir tolle Methoden, Supply Chain, haben wir Methoden. Das ist ja nicht so, dass die obsolet werden. Ich sag nur, die können wir jetzt on Steroids praktisch at scale einsetzen, viel mehr Simulation mit viel mehr Daten, mit einer viel höheren Genauigkeit. Aber ist ja nicht so, dass wir jetzt irgendeine völlig neue fancy Methode uns überlegen, sondern wir können das einfach viel, viel effizienter machen. Wenn du mal so ein Beispiel nimmst, ich sag mal, Supply Chain Steuerung, ist ja recht aktuelles Thema mit Lieferketten und so weiter. Dann hast du heute natürlich ein Reporting, Lieferengpass, das hilft dir schon, da kommen Alerts, das ist auch datengetrieben, dann kannst du eingreifen. Da bist du aber als Mensch immer noch sehr stark im Driver Seat und musst die Daten schnell sehen, analysieren, ne, da hast du deine KPIs. Wenn ich jetzt eher in so eine autonome Supply Chain komme, dann brauche ich auch Kennzahlen, nur die Kennzahlen werden weitgehend von Agenten genutzt. Also, stell dir vor, du hast ein Monitoring Agent, der erkennt das, ja, der stößt den anderen Agent an, so ein Verhandlungs-Agent, der dann 50 alternative Lieferanten anschreibt, Zertifikate prüft, Preise aushandelt. Sehr gut übrigens sind die Agenten für Verhandlung, funktioniert exzellent. Dann hast du ein Logistik-Agent, der macht die Frachtkapazitäten, und am Ende kommt ein Report raus, sag, pass auf, Lieferkette stabilisiert, Kostenimpact plus 2%, strategisch risikoneutral. Das heißt, da habe ich natürlich auch Kennzahlen, nur diese Kennzahlen hat praktisch mein Agenten-Konsortium genutzt und hat autonom entschieden. Was ich damit sagen will, ich glaube nicht, dass wir neue KPIs brauchen. Ich glaube nur, dass KPIs viel dynamischer werden, viel näher an der Ausführung sind. Also, ich habe immer die Erfahrung gemacht, du hast Kennzahlen und der Weg zur Execution war ein riesengroßer. Und ich habe Kennzahlen und Ausführung, Ableitung jetzt viel enger verkoppelt, Stichwort so einer autonomen Supply Chain. Insofern ein bisschen der Irrglaube, oh, die jetzt aber ganz neue Methoden und da hat Google neuen Algorithmus. Ich glaube, wir müssen die Management-Bücher nicht komplett neu schreiben. Wir haben ja etablierte Methoden, nur wir können sie viel, viel effizienter at scale anwenden und eben auch autonomer. Ich glaube, das ist das eigentlich. Aber dass wir jetzt so völlig neue Steuerungsinstrumente von der Theorie her brauchen, würde ich gar nicht sagen.
[00:35:07] Dr. Thomas Lührmann: Nee, da bin ich ganz bei dir. Also, ich glaube, die Frage, wir schauen auf eine Ist-Welt, das machen wir über Daten und natürlich in der aggregierten Form über Kennzahlen und wir brauchen einen Blick nach vorn, müssen erstmal irgendwo über eine Planung Ziele uns setzen und wir müssen dann im Forecasting regelmäßig schauen, wie gut wir auf dem Weg zu diesem Ziel sind. Dieser Instrumentenkasten bleibt, das deckt sich auch mit dem, wie du es gerade geschildert hast. Wir werden da eine deutlich stärker integriertes Performance Management sehen. Permanenten Forecast und eben nicht nur zu drei Stichtagen oder vier Stichtagen im Jahr einen Forecast. Wir werden ein Reporting haben, das deutlich weniger sich an fixen Reporting-Kalendern orientiert und vielmehr ad hoc dann anspringt, wenn ich irgendein Thema habe, das gerade relevant ist, aus dem Unternehmen oder aus dem Markt heraus. Und ich werde damit natürlich auch die Art und Weise, wie ich in einem Management Team über Performance spreche, viel weniger entlang von einem Monatszyklus haben, ähm als vielmehr entlang von tatsächlichen Entscheidungsrhythmen aus dem operativen Geschäft heraus. So zumindest mein Bild und meine Wahrnehmung und dabei hilft die KI eben massiv aus den vielen genannten Gründen unter anderem, weil sie uns eben einen viel barrierefreieren Zugang zu den Daten erlaubt. Geteiltes Bild?
[00:36:17] Prof. Dr. Peter Gentsch: Absolut.
[00:36:18] Dr. Thomas Lührmann: Prima. Du sprachst über Agentic AI und hast es gerade auch schon ein bisschen vertieft. Vielleicht da noch mal der Blick, Agenten, Conversational AI, also mal die gerade Frage ist, wenn ich mir jetzt so die typischen Bots anschaue, du sprichst davon auch in anderen Podcasts, dann ist relativ schnell einleuchtend und ersichtlich, dass sowas wie Conversational AI an der Schnittstelle von Unternehmen zu Kunden gut funktioniert. Also im Vertrieb, im Marketing, im Support. Das schöne Beispiel, Google organisiert für mich einen Friseurtermin. Wie ist es denn, wenn wir jetzt mal auf Entscheidungsprozesse in Unternehmen gucken? Was wird da an der Ecke Conversational AI oder auch Agenten da noch perspektivisch passieren? Also, spricht der Controller zukünftig noch mit dem Accountant oder spricht der Controller Bot mit dem Accounting Bot? Und spricht der Manager zukünftig noch mit einem Controller oder spricht der Manager mit dem Controlling Bot? Wie ist da deine Perspektive?
[00:37:12] Prof. Dr. Peter Gentsch: Ja, wenn McKinsey Beispiel drei Manager und der Rest sind Agenten, dann führen die das untereinander aus. Sam Altman gibt ja die Wette aus, wer baut das erste Unicorn mit einem Mitarbeiter, ne? Das ist ja auch so nach dem Motto, der Controller ist ein Agent, genau wie der Jurist und so weiter. Das ist ja noch nicht ein Stück weit von entfernt. Technologisch können wir schon einiges. Es gibt ja Protokolle, wie Agenten miteinander sprechen. So, das gibt es schon. Aber das muss ich natürlich auch organisatorisch wollen, das muss ich natürlich auch einführen. Ein Beispiel auch, wo das schon gängige Praxis ist, ist nicht nur im Unternehmen, sondern auch mit Stakeholdern, ist, wenn Händler mit Lieferanten in Verhandlung gehen, ne? Also, Walmart hat das ja früh gemacht, Walmart mit Agenten für Verhandlung einsetzt. Dass der Lieferant war noch der Mensch. Und das Spannende war, die Untersuchungen haben gezeigt, dass beide Seiten zufriedener waren, ne? Die haben das mit dem Long Tail, die großen Händler machen wir das noch face-to-face, mit dem Long Tail Händlern hat man das über Agenten gemacht. Die waren happy, weil dann endlich mal effizient, viel rationaler, viel entemotionalisierter, super. Demnächst wird aber auf der Lieferantenseite auch ein Agent sein. Das heißt, wir sind gar nicht weit von, was du ansprichst, Agent-to-Agent Kommunikation. Wir erleben das im Marketing, dass Kunden häufig jetzt schon Agenten einsetzen. Das Unternehmen aber auch, also sind posthumane Marketing, das klingt ein bisschen weird, aber da sind wir gar nicht so weit entfernt. Und deine Frage, ich glaube, das du im Unternehmen natürlich hast, in einer Organisationseinheit werden Agenten arbeiten, aber auch über Organisationseinheiten in hinweg, wenn das passieren. Ich weiß, das ist immer so ein bisschen spooky. Wir reden immer über das Prompting. Das Spannende ist, was wir jetzt ja eigentlich haben, sind sogenannte Skills. Das hat jetzt eben mit Mold Book ein bisschen Hype erfahren. Du kannst dir jetzt vorstellen, du hast eine Plattform, wo nur noch Agenten sind, die Agenten haben gewisse Skills, und du kannst einfach Skills aufrufen. Also, wir reden nicht von, ich rufe irgendwie Daten auf oder Prompts auf, ich rufe Skills. Und der CEO von Y Combinator, der Gary Ten, hat jetzt auf der South by Southwest, hat er vorgestellt, er hat einen Skill von sich abgebildet. Der ist öffentlich, GitHub Repository. Das heißt, jeder von euch kann jetzt den Skill von Gary Ten. Das heißt, ich kann jetzt als Startup sagen, ich hole mir den, der ist ja nicht so schlecht in vielen Management-Entscheidungen. Den hole ich mir jetzt praktisch als Skill in meine Organisation. Ah, ich brauche aber noch eher einen konservativen Juristen. Ah, da habe ich den Skill von einem. Okay, jetzt lass die beiden miteinander mal reden. Deine Frage zu beantworten, diese Agenten, die Skills repräsentieren, das ist mehr als nur Datenpunkte, ne? Ein Skill repräsentiert auch ein Entscheidungskalkül, ein Rational. Wie tickt er? Das heißt, ich kann mir den Gary Ten in meine Organisation holen. Viele werden das nicht machen, praktisch ihren digitalen Klon als Entscheidungsträger zur Verfügung stellen. Er hat es jetzt gemacht, wahrscheinlich auch aus dem PR-Interesse heraus, wie auch immer. Aber wenn du das mal weiter denkst, du hast diese Skills, weil Agenten klingt immer auch so ein bisschen nüchtern, aber ein Skill ist praktisch die Repräsentation eines Entscheidungsträgers, eines CEOs, Gary Ten. So dann haben wir noch einen El Musk und wie auch immer, dann hast du natürlich Entscheidungsträger unterschiedlicher Couleur, die du in so einem Organisationssystem zusammenfügen kannst. Also, auch hier wieder technisch viel möglich, ja? Ich weiß nicht, wer jetzt wirklich den Skill von Gary Ten in einem Unternehmen nutzt, wahrscheinlich in Deutschland geht das gegen Null. Das ist ja ein wahnsinniger, ich sage auch immer, wenn wir sagen, Agenten, wir die neue Mitarbeiter. Wir wissen noch gar nicht, wie wir die onboarden, wie wir die Organisation einbauen, ja? Also, ich glaube, dass es ein weiter Weg ist. Wenn du mal ein bisschen weiter denkst, ist das nicht unwahrscheinlich, dass wir zunehmend Agent-to-Agent Kommunikation haben und eher noch so ein Supervisor haben, der das Ganze orchestriert. Also, da sind wir, glaube ich, nicht so weit entfernt. Ich hatte neulich die Diskussion, das ist ja fürchterlich. Unternehmen sind noch soziale Gebilde, mit Loyalität, Angst, Vertrauen. Das stimmt schon, nur die Frage ist, ob das der richtige Weg ist und in zunehmend hybriden Organisationen habe ich eher soziotechnische Systeme, und nochmal bei dem Verhandlungsthema, das ist ja auch, ich habe das schon mal erlebt, was hochsozial ist, auch emotional ist, wenn Händler mit Lieferer, hey, das können Agenten viel, viel besser. Also, die Frage ist, ist das denn so gut, dass ich ein soziales System mit den ganzen Ängsten, Problemen habe? Das das sprengt jetzt unseren Rahmen hier, aber ich glaube, wir sind schon auf dem besten Wege natürlich zunehmend agentische Unternehmen aufzubauen. Warum? Weil es unfassbar effizient ist, es skaliert, es ist kostengünstig. Also, jeder, der rational ökonomisch handelt, kommt an dem Weg ja gar nicht vorbei.
[00:49:15] Dr. Thomas Lührmann: Jetzt sprachst du über die Nutzung von Skills. Ich komme noch mal mit Blick auf so die Themen Reporting, KPIs, Planung, Forecasting auf die Nutzung von Daten zurück. Und der Hintergrund der Frage, die ich gleich stelle, hat was mit Verlässlichkeit und Vertrauen in die KI zu tun. Das ist sozusagen eigentlich der Subtext. Wenn ich jetzt auf Reportings gucke beispielsweise oder auf Kennzahlenberechnung, dann erlebe ich gerade noch in den Unternehmen so eine Diskussion, dass man sagt, da wo es super verlässlich sein muss, in dem was ich da abbilde, das Vorstandsreporting, der Quartalsbericht für den Kapitalmarkt, dann setze ich vielfach noch auf einen kuratierten Datenraum, auf einen kleineren Datenraum, in dem sich vorberechnete Kennzahlen befinden, auf die ich dann erst die KI loslasse. Also, die KI berechnet mir das nicht, weil ich vielleicht irgendwie eine GuV gut abbilden kann, aber den unternehmensspezifischen Adjusted EBITDA, der extrem komplex berechnet ist, den traue ich der KI nicht zu, dass sie den sozusagen verlässlich, konsistent, immer wieder sauber abbildet, sodass ich mich erstmal in der Nutzung der KI beschränke auf einen kleineren Ausschnitt meines Datenraums und die KI darauf loslasse und damit eben noch nicht auf all das, was potenziell möglich wäre. Und wie gesagt, dahinter steht eigentlich die Frage der Verlässlichkeit und des Vertrauens in das, was die KI da macht.
[00:51:34] Prof. Dr. Peter Gentsch: Richtiger Punkt, aber ich meine, nimm mal so ein Reporting, du hast ja deterministische Prozesse. Wenn ich ein EBIT ausweisen will, dann brauche ich auch nicht unbedingt ein Sprachmodell, eine KI, das ist für mich ein deterministischer Prozess und der muss möglichst klar und strukturiert ablaufen. Wenn ich jetzt aber frage, warum ist der EBIT schlechter als im letzten Jahr oder besser? Erklär mir das doch bitte mal. Dann kommt natürlich wieder die Stärke von Sprachmodellen, dass sie Entscheidungsrationale haben, dass sie klar, viele sagen, die finden ja nur Korrelation, aber durch diesen semantischen Raum werden aus Korrelation noch Erklärungsmuster und Kausalitäten. Das ist doch eigentlich die eigentliche Stärke. Man darf nur nicht vergessen, Sprachmodelle sind nicht deterministisch, sind probabilistisch. Emergenz ist das Thema, hat immer das Thema, dass du ein Stück Wundertüte hast, ja? Und das kann ich mir nicht leisten, wenn ich ein EBIT ausweisen muss. Völlig richtig, aber das würde ich nie den KI als Vorwurf machen, weil es auch gar nicht die Stärke der KI ist oder inzwischen wird die Analytik auch ein bisschen besser. Da würde ich sagen, nee, das ist ein klar deterministischer Prozess, also böse gefragt, das ist eine SQL-Abfrage, wo man die Daten sauber zusammenzutragen. Aber das Spannende ist doch dann zu sagen, simulier mal Szenarien, um den EBIT zu erhöhen, erklär mir das doch ganz, ne? Also, dann auch Talk to your data, das conversational zu machen. Aber natürlich werden wir auch Sachen haben, wo wir die KI fragen und dann kommt es ja über Verlässlichkeit, aber wenn ich jetzt zum Beispiel sage, warum ist der EBIT denn jetzt schlechter als im Vorjahr? Und jetzt kommt eine Erklärung. Dann kann ich bei dieser Erklärung aber einen Evidenz-Score angeben. Ich kann sagen, mit einer hohen Wahrscheinlichkeit ist die plausibel. Das ist doch beim Experten nicht anders. Manchmal sind wir auch so übermoralisch und sagen, ja, aber das ist ja gar nicht, wer sagt denn 100% richtig ist? Ja, welche Experte ist denn 100% richtig? Frag mal fünf Leute, kriegst du fünf Antworten. Ich würde eher sagen, die KI hat die Stärke durch es gab dieses LLM Council, das ist ein ganz spannendes Thema, wo du sagst, kannst du jetzt mal fünf Meinungen nehmen, warum ist der EBIT schlechter oder besser geworden und dann konsolidiert die KI praktisch diese fünf Meinung, ja, zu einer aggregierten Meinung. Das ist doch stärker als jeder einzelne Experte. Aber natürlich ist die Erklärung, der EBIT schlechter geworden ist, mit einer Unsicherheit behaftet. Da muss ich halt mit dem Evidenz-Score mit dem Signifikanz-Score arbeiten. Aber was wichtig ist, dem Mitarbeiter, dem User, dem der Führungskraft klar zu machen, einmal hast du hart belastbare Daten, das ist eine Crown Truth, safe, und hier haben wir Sachen, da kommt ein Interpretationsspielraum von der KI rein und das kennzeichne ich aber auch so. Insofern, glaube ich, wir müssen die klassische Welt, die BI-Welt, die wir aufgebaut haben, die müssen wir ja nicht über Bord werfen, sondern wir können sie ja anreichern durch Conversational. Also, nutzt doch beide Systeme mit ihren Stärken und wirf nicht vor, wie der eine kann das andere nicht, der andere kann das nicht. Also, ich glaube, das Zusammenspiel ist das. Und es gibt ja immer die tollsten Beispiele, wo man dann Sprachmodelle ins Lächerliche führt, dass sie ja nicht mal richtig rechnen können. Ja, weiß ich auch gar nicht, ob das die Kernkompetenz von Sprachmodellen sein muss, ja? Lass uns eher so ein Skill-Mix finden, aber ich glaube, dass die KI extrem helfen kann, dieses Reporting auch viel lebendiger zu machen, dass Leute damit ist Talk to your data. Der Data Scientist, den muss ich fragen, erklär mir doch mal, wie waren das die, dann weiß er es aber auch nicht genau, weil das ist so eine Stärke, vielleicht etwas trockene Zahlen auch im Business Kontext sich interpretieren zu lassen, erklären zu lassen, das finde ich ein Riesen-Thema.
[00:55:32] Dr. Thomas Lührmann: Bin ich fest von überzeugt, dass gerade das ein extrem wichtiger Hebel ist für tatsächlich eine andere Art der Steuerung, weil es die Barriere abbaut, wie ich mit meinen Daten interagiere. Früher musste ich halt den Controller fragen und im Zweifel musste der noch den BI-Experten fragen und dann habe ich irgendwie auf Umwegen meine Daten bekommen. Und wenn ich jetzt ganz unmittelbar natürlich sprachlich mit meinen Daten interagieren kann, dann werde ich auch ganz anders steuern und mit Daten arbeiten, als ich das in der Vergangenheit getan habe.
[00:56:01] Prof. Dr. Peter Gentsch: Genau. Und conversational heißt ja mehr als ich kann mit dem sprechen, sondern ist ja wirklich dialogisch. Der fragt, hat dir das geholfen? Ich könnte dir doch folgende Analyse machen, wäre das für dich hilfreich? Das ist doch das Spannende, da denkt jemand mit. Ist es wirklich eine Konversation, ja, auch wenn es eine Maschine ist, die mich dann deutlich weiterbringen kann. Insofern sehe ich das total positiv.
[00:56:19] Dr. Thomas Lührmann: Jetzt lass uns noch mal einen kleinen Sprung machen. Wir haben jetzt über KI in Entscheidungsprozessen, KI Unternehmenssteuerung gesprochen und könnten das, glaube ich, auch noch ganz lange fortsetzen. Ich würde aber gerne noch mal einen Einschub machen in ein bisschen anderes Themenfeld rein, weil ich weiß, dass du dich auch sehr intensiv damit beschäftigst, das ist das Thema KI-basierte Geschäftsmodelle. Was tut sich denn da sozusagen? Also, kleiner Perspektivwechsel. Jetzt eher mal die Frage, wo verändert die KI eigentlich, wie wir Geschäfte machen? Wie unsere Wertschöpfungskette aussieht? Und welchen Märkten wir unterwegs sind? Und wie wir mit diesen Märkten interagieren?
[00:56:52] Prof. Dr. Peter Gentsch: Also, das finde ich halt das mit das Spannendste Thema. Ich mache immer gerne diesen Dreiklang, dass du das Thema Automation, Augmentation, Innovation und uns Deutschen wirft man immer vor, wir sind die Spaltmaßoptimierer, ne, wir machen alles Effizienz, sind Automatisierung. Natürlich, ich würde mal sagen, momentan sind KI-Projekte bestimmt 80% Automatisierung, ne, und dann haben wir diese Augmentierung, ne, das, was wir besprochen haben, ich kann ja Entscheidungen. Und das Thema Innovation in dem Sinne kann ich vielleicht Prozesse anders gestalten, kann ich Produkte anders gestalten, kann ich völlig neue Märkte gehen und dann kann ich völlig neue Geschäftsmodelle bauen. Das finde ich halt das Spannende. Ich meine, wir haben ja schon oft über digitale Geschäftsmodelle gesprochen, das ist ja nicht so neu. Der Unterschied ist ein bisschen bei klassischen Geschäftsmodellen, da habe ich eben Prozesse digitalisiert und skaliert. Ja? Ich meine, Netflix ist ein tolles Beispiel, dass sie irgendwie diesen Videohandel da irgendwie ein bisschen smarter gemacht haben, dem digitalisiert. Netflix nutzt wahnsinnig viel KI, aber als Unterstützung, das Geschäftsmodell ist nicht KI. Was jetzt aber die Möglichkeit ist, dass KI zum Geschäftsmodell wird. Ich komme wieder, ich weil mich so fasziniert hat mit diesen Skills, ja, wie der Gary Ten sein Skill gibt. Man stell dir vor, du hast jetzt einfach ein Beratungshaus mit ganz vielen Skills. Jetzt ist KI das Produkt, ja? Das heißt, Wissen, Intelligence wird skalierbar. Nicht Prozesse skalieren, digitalisieren, sondern das eigentliche Knowledge, die Intelligence wird jetzt skalierbar. Das finde ich super spannend. Ich kann aus eigener Erfahrung sagen, wir haben ein Startup gegründet namens AICONIQ, und wir bauen Agenten, die ERP-Funktionalität ausführen. Diese Startup wird's gar nicht geben ohne KI, ja, und das Leistungsversprechen ist, äh du brauchst keine ERP-Systeme mehr, weil ERP-Systeme sind für Menschen gebaut, und wir bauen Systeme für Agenten, weil die machen das ein bisschen smarter. Ich muss wieder zu meinem Waymo Beispiel kommen, wenn du dann in dem Auto sitzt und dann wird das Lenkrad von der KI bedient. Das ist eigentlich so sinnlos, weil eine KI würde gar kein Lenkrad brauchen. Sprich, das neue Auto wäre viel geschickter, weil es gleich, äh genauso es gibt ja jetzt ja diese Browser, die für dich einkaufen gehen, diese Agenten, die klicken sich durch Amazon durch, durch deine Benutzeroberfläche. Das ist eigentlich völliger Wahnsinn, weil Agent-to-Agent wäre viel effizienter. Und genau das machen wir, dass wir sagen, äh du brauchst eigentlich nicht mehr so eine fürchterliche SAP Microsoft Maske, der Agent kann viel effizienter für dich so. Nur ein Beispiel, ist keine Promo-Aktion hier, nur ich will sagen, diese Geschäftsmodelle gibt es nur, weil sie auf KI aufsetzen, ob es klassische KI ist oder agentische KI ist. Das heißt, die KI wird zum Geschäftsmodell. Und das ist ja, glaube ich, der große Unterschied zu digitalen Geschäftsmodellen, die gehen hier noch einen Schritt weiter und das muss ja nicht immer so disruptiv sein, aber warum nicht mal überlegen als Unternehmen, Moment mal, kann ich nicht meine Produkte vielleicht ein Stück smarter machen? Kann ich die KI enablen, kann ich also ein bisschen dieses Thema stärker in Richtung Innovation gehen, ja? Der erste Krypto-Coin ist durch eine KI generiert worden. Coca-Cola hat ein neues Produkt Y3000, ein bisschen PR-Gag, ja, aber ein neues Produkt generiert. Da hat die KI mal gesponnen und hat gesagt, wie könnte eine Coca-Cola im Jahre 3000 schmecken? Ich will nur sagen, diesen Blue Ocean Ansatz, kann KI vielleicht was völlig Neues machen. Und was ich momentan nämlich in Unternehmen erlebe, ist eher, wir haben eine klassische Welt und jetzt versuchen wir die KI-mäßig umzubauen oder ergänzt zu transformieren, aber weitgehend so eins zu eins. Der Dirks, der ehemalige CEO von Telefonica, der hat immer so schön gesagt, wenn du einen Scheißprozess digitalisiert hast du einen Scheiß digitalen Prozess. Und das ist genauso wie Bau doch nicht, nutz doch die Chance, dass Agenten, Sachen, die brauchen kein Lenkrad. Die machen Sachen vielleicht ganz anders. Und ich glaube auch im Controlling und im Reporting ist doch viel der Tatsache geschuldet, dass wir menschliche Restriktionen haben, dass wir periodisch reporten, weil es so gelerntes Verhalten ist. Ein Agent hat ein anderes Verhalten. Und das will ich nur sagen, der Blue Ocean Ansatz mal zu spinnen, kann ich Sachen nicht mal ganz anders angehen. Und ich sag auch mal in dem B2C Bereich, darfst du auch nicht vergessen, dass Konsumenten sich auch verändern, ja? Also, Konsumenten nutzen ja auch zunehmend Agenten, ja, Einkaufsagenten, GPT, Perplexity. Naja, wir haben aber gelernt, dass ich doch irgendwie mal den Kunden adressieren muss. Ach nee, der Kunde wird repräsentiert durch einen Agenten. Oh, da muss ich auch vielleicht meine Vorgehensweise ändern. Wir haben lange SEO gemacht, ne, wie komme ich auf Google auf die erste Seite. Heute muss ich GEO machen, wie bin ich die erste Antwort bei GPT? Also, ich will nur sagen, dass man einfach auch ein bisschen mehr nicht nur graduelle alte Welt agentisch umsetzt, so immer die Chance nutzt, hey, vielleicht kann ich da auch mal ganz anders machen. Das ist natürlich immer schwer, wenn du ein tradiertes Business hast, sag, ich brauche jetzt mal ein völlig neues Geschäftsmodell, aber einfach mal sich diesen Innovationsraum zu schaffen, ein bisschen disruptiv zu spielen, das heißt ja nicht mal, dass du das alles gleich umsetzen muss. Und auch hier gibt's tolle AI, die wieder hilft auf AI-Ideen zu kommen, ne? Also, wir haben so einen AI-Generator mal gebaut, da kannst du irgendwie rumspinnen und dann kommt der mit Ideen, was du alles machen könntest. Also, die AI kann dir auch wieder helfen AI umzusetzen. Und das finde ich wahnsinnig spannend und ich glaube, das sollte jedes Unternehmen mal probieren. Wie gesagt, es muss nicht gleich das ganz neue Geschäftsmodell sein, bin ich ein großer Fan von, aber auch bestehendes Business vielleicht noch mal einfach ein Stück zu überdenken durch KI, durch Agenten.
[00:51:38] Dr. Thomas Lührmann: Ja, du sprachst du Ocean, über experimentieren, vorhin sprachen wir über den, so habe ich es zumindest noch mitgenommen, den Dreiklang aus sensibilisieren, motivieren, Bottom-up Energie zulassen, wenn wir jetzt da noch mal den Strich drunter ziehen und noch mal auf die Rolle von Führungskräften in dieser neuen Welt gucken. Was verändert sich denn da? Also, wie muss ich zukünftig anders führen und was brauche ich dafür an Skill-Set, an Qualifikation, um da gut unterwegs zu sein, wie schaust du drauf?
[00:52:05] Prof. Dr. Peter Gentsch: Naja, habe ich ja eben schon gesagt, ich glaube, schon dieses, fangt bei euch selber mal an, dieses Thema ein Stück verstehen, sonst ist es auch nicht glaubwürdig. Und ich glaube, du brauchst ein Gefühl dafür, ich merke das immer, ich habe ja viele Executive Workshops gemacht, wie weit das Thema von denen teilweise entfernt ist, überhaupt kein Gefühl für das Thema. Also, ich glaube, das ist super. Zweiten Punkt, ich ja schon mal gesagt habe, ist dieses Literacy Thema aufbauen und ich meine, du gehst die unterschiedlichen Ansätze. Also, manche so ein Ambassador Programm, dass jede Abteilung, Bereich ein KI-Verantwortlicher, der das ganze Thema trägt. Sowas die Prompt-Woche, die Prompt Sprechstunde, ja? Jeder kann mal fragen oder ein Wettbewerb, so ein bisschen Gamification, wer hat mal die coolsten Prompt gemacht. Also auch ein bisschen Spaß einzubringen. Das, glaube ich, das sollten Führungskräfte werden halt eher jetzt so ein bisschen zum Coach, zum Orchestrator. Man sagt ja, böse Zungen sagen schon Lazy Management, weil das Management selber jetzt die KI nutzt. Warum denn nicht? Ja, ist ja völlig legitim, da hast du mehr Freiraum wieder, um Mitarbeitergespräche zu führen. Und ich glaube, dass das Organisationsdesign immer wichtiger wird. Das Führungskräfte sich Gedanken machen, wie sieht die Organisation von morgen aus, ja? Also, McKinsey, der Chef hat gesagt, wir haben 65.000 Mitarbeiter, 20.000 davon sind Agenten, ja? Das das zeigt sich schon die starke Narrativ. Also, wie baue ich denn Organisation, wo Mensch Maschine miteinander arbeiten? Es gab jetzt eine schöne Studie von Procter & Gamble in den USA, die haben rausgefunden, wenn du Agententeams hast du menschliche Teams hast, sind die tausendmal besser als rein menschliche Teams, zwar nicht nur schneller und effizienter, sondern motivierter, haben weniger Angst. Also, das ist, glaube ich, die Kunst, wie ich solche neue Organisationsform aufbaue. Und die gute Nachricht, wo ich, ich merke, ich habe eine Affinität für Studien, es gab jetzt wieder auch eine lustige Studie. Da haben Harvard Professoren ein rein agentisches Unternehmen aufgebaut. Also, no Human in the Loop, nur Agenten. Und das endet im völligen Chaos. Kann man mal nachlesen, ist ganz lustig. Und mein Lieblingsbeispiel ist es, ein Agent kriegt eine Aufgabe zugeteilt und er nennt sich einfach um, damit er die nicht mehr machen muss. Habe ich gesagt, die sind ja durchaus menschlich, diese Agenten. Aber ganz ernsthaft, ich glaube, dieses neue Organisationsdesign, da vorbereitet zu sein, ein Stück weit auch ist es vorzuleben und natürlich immer mehr, ich glaube, schon mal wird zum Orchestrator, zum Gestalter dieser neuen Organisationswelten. Und warum nicht? Ich dieses Vorleben. Warum denn nicht einen der CEO von Uber hat sich auch klonen lassen, weil er gesagt hat, meine Mitarbeiter können jederzeit mit mir sprechen. Das ist natürlich auch viel PR-Stand, klar, aber das ist doch eine tolle Idee, ja, ich mache mich all meinen Mitarbeitern. Das ist für mich Vorleben von KI in einem Unternehmen als Führungskraft, ja? Das ist nicht abstrakt, ja, ich habe das selber ausprobiert, ich mache das. Ich glaube, das sind einfach die Sachen, die die unheimlich wichtig sind.
[00:54:29] Dr. Thomas Lührmann: Super. Ich glaube, das bringt's auch sozusagen am Ende auf den Punkt, ne? Also, vorleben, ausprobieren und machen. Länger warten können wir nicht, alle miteinander, glaube ich, in dem Thema. Peter, das war super, hat großen Spaß gemacht. Und ich fand das auch vor allem Dingen deshalb sehr erfrischend, weil wir uns entgegen unserer sonstigen Tradition, zumindest mal hier in diesem Land, kaum über die Risiken der KI ausgetauscht haben. Die gibt's da auch alle, Datensicherheit, Vertraulichkeit, Datenspeicherorte, you name it. Alles auch wichtige Themen, die uns, glaube ich, auch gemeinsam am Herzen liegen und die wir ernst nehmen, aber am Ende des Tages, wollten wir heute nicht darüber sprechen, was wir an der Datenecke tun müssen und wann die KI die Weltherrschaft übernimmt, sondern welche Chancen und Potenziale sich da für die Unternehmenssteuerung verbergen. Und da hast du ganz viel Fantasie geweckt. Es hat großen Spaß gemacht. Vielen Dank dafür.
[00:55:18] Prof. Dr. Peter Gentsch: Hat richtig Spaß gemacht. Danke dir, Thomas.
[00:55:20] Christian Bungenstock: Wir hoffen, dass Ihnen Etappe 40 von Zielführung starten gefallen hat und Sie interessante Impulse für den Einsatz von künstlicher Intelligenz in ihren Management Alltag mitnehmen. Die nächste Folge erscheint in einem Monat. Damit Sie diese nicht verpassen, folgen Sie uns gerne in ihrer Podcast App. Wenn Ihnen unser Podcast gefällt, freuen wir uns über eine Bewertung in ihrem Podcast Verzeichnis. Ihr Feedback unterstützt uns, das Format weiter zu verbessern. Bei Fragen, Kritik oder Themenvorschlägen, schreiben Sie uns gerne an podcast@ctcon.de. Vielen Dank für Interesse und bis zum nächsten Mal.
[00:55:59] Podcast: Das war "Zielführung starten", der Management-Podcast von CTcon.