Vlad Larichev - Industrial AI muss unsere Systeme verstehen #116

00:00:02: Aber wie kann ich zum Beispiel Thema wie Einkauf kompilieren?

00:00:07: Wie kann ich Ingenieurwesen kompilieren?

00:00:09: Das ist deutlich komplizierter.

00:00:11: Und das ist das, woran wir jetzt gerade arbeiten, quasi Werkzeuge in diesen Agenten zu entwickeln, damit die selbstständig beurteilen können, ob sie sich verschlechtern und

00:00:19: verbessern, dann eine neue Art von Autonomie diesen Werkzeugen zu geben.

00:00:29: Herzlich willkommen zu Business Unplugged, dem Treffpunkt für Tradition und Zukunft.

00:00:34: Mein Name ist Johannes Pohl und ich spreche mit Unternehmerinnen, Gründerinnen und stillen Heldinnen des Business Alltags, die unsere digitale Zukunft formen.

00:00:43: Business Unplugged ist die Bühne für Visionäre der Digitalisierung und soll Brücken zwischen Start-ups und etablierten Unternehmen bauen.

00:00:51: Hier erhältst du wertvolle Impulse und Inspiration.

00:00:55: Hallo und willkommen zu Folge 116, eine

00:00:58: Folge mit Vlad Larichev von Accenture, den ich schon länger auf meiner Liste einzuladen habe und die trotzdem recht spontan aufgrund krankheitsbedingter Ausfälle anderer Gäste

00:01:09: zustande kam.

00:01:10: Worüber ich mich sehr gefreut habe, denn Vlad ist einer der federführenden Köpfe bei Accenture, wenn es das Thema Industrial AI geht und diese Chance habe ich mir natürlich

00:01:23: nicht nehmen lassen, um da genauer und tiefer einzusteigen mit ihm.

00:01:27: Neben technologischer Potenziale haben wir auch über seinen Blick auf China zu dem Thema gesprochen, als auch was passieren muss bzw.

00:01:36: wo sie daran arbeiten, die Anwendungsmöglichkeiten von GenAI.

00:01:40: im Industriekontext auf das nächste Level zu heben, das dann richtiges Produktivitätspotenzial verspricht.

00:01:47: Hört es euch selbst an.

00:01:48: Ich wünsche euch dabei viel Spaß und gute Impulse.

00:01:52: Lieber Vlad, herzlich willkommen im Podcast und

00:01:54: Deine Spontanität auch für die Aufnahme.

00:01:58: Ich habe erst vor ein paar Tagen bei dir angefragt, ob du Zeit hast und heute sitzen wir schon im virtuellen Studio.

00:02:05: Herzlichen Dank dafür.

00:02:07: Danke dir, Johannes.

00:02:08: Ich freue mich dabei zu sein.

00:02:10: Ja, vor allem wir haben jetzt auch, das weiß keiner, auch noch etwas improvisieren müssen, weil das System, mit dem wir aufnehmen, so nicht wollte, wie es normalerweise will.

00:02:22: Deswegen nehme ich tatsächlich direkt über das Mobiltelefon heute auf.

00:02:27: Lieber Vlad, wenn wir jetzt auf deinen beruflichen Werdegang schauen und deine Laufbahn.

00:02:32: hast begonnen mit Ingenieurwesen an der renommierten RWTH Aachen.

00:02:38: Immer starker IT-Bezug in deinen Arbeiten dabei.

00:02:42: IoT, Softwareentwicklung, Geoinformationssysteme, die nicht nur während des Studiums und deiner Zeit danach dich begleitet haben,

00:02:51: sondern auch jetzt noch immer Teil deiner Arbeit sind.

00:02:56: Du hast im Laufe deiner Karriere einige Stationen durchlaufen, bist dann aber 2021 zur Firma Umlaut gegangen, die dann 2022, wenn ich richtig recherchiert habe, von Accenture

00:03:11: gekauft wurde und seitdem prägst du das Industry X Umfeld, wie es bei Accenture heißt, zum Thema GenAI.

00:03:22: sehr gewaltig in dem riesen Unternehmen, das so jetzt mittlerweile riesig geworden ist.

00:03:26: Ich habe ja damals 2005, 2006 glaube ich begonnen, da es 170, 180.000 Mitarbeiterinnen und Mitarbeiter.

00:03:33: Mittlerweile ist Accenture auf eine Größe von knapp 800.000, glaube ich, angewachsen und ist auch der weltweit größte Systemintegrator.

00:03:42: Vor rund zwei Monaten hast du auch

00:03:47: die Association for Industrial AI gegründet, eine europäische Non-Profit Organisation mit dem Ziel oder Initiative, ist ja keine Organisation, sondern so eine Initiative auf jeden

00:04:00: Fall mit dem Ziel, die praktische Anwendung von AI in der Entwicklung und in der Produktion zu beschleunigen.

00:04:10: Aus meiner Sicht super lässig, etwas, was wir wirklich brauchen.

00:04:13: Da ist massives Potenzial da und

00:04:17: Man sieht auch, dass du nicht nur die Initiative gegründet hast, sondern du bist auch immer sehr forschen unterwegs und aktiv hast, probierst alles mögliche aus.

00:04:26: Wenn man dir folgt auf LinkedIn etc.

00:04:28: sieht man dann oder findet man immer wieder Posts, wo du dann irgendwelche neuen Gadgets testest und findest auch jetzt gerade eben, ich habe was Neues bekommen, finde ich cool.

00:04:41: Du bist einfach wirklich aktiv am Ball dabei und man hat es auch gemerkt, wie du vor

00:04:45: Gut zwei Jahren war es mit der Daniela Oppermann bei mir in einer Vorlesung warst und einen Gastvertrag gehalten hast zum Thema Industrielle AI.

00:04:52: Damals war es schon richtig, was geht eigentlich schon alles und jetzt sind es zwei Jahre her und in den letzten zwei Jahren, wie jeder weiß, hat sich sehr viel getan im Bereich

00:05:01: AI.

00:05:02: Ich bin mal gespannt, wir da heute noch enden werden.

00:05:07: Seit dem Gastvertrag haben sich auch unsere Wege immer wieder gekreuzt.

00:05:10: Unter anderem haben wir einen Buchartikel geschrieben, gemeinsam mit Christoph Horn.

00:05:14: zum Thema AI in der Produktentwicklung und ich hoffe, der wird dieses Jahr tatsächlich auch nochmal veröffentlicht.

00:05:24: An der Stelle, liebe Verlage, bitte arbeitet an euren Prozessen.

00:05:29: Wenn Bücher zum Thema AI erscheinen sollen und die länger als ein Jahr brauchen, bis sie veröffentlicht werden, die Chance sehr hoch, dass dann vielleicht die Artikel nicht mehr

00:05:37: wirklich aktuell sind, bei der Geschwindigkeit, wie es aktuell vor sich geht.

00:05:41: Aber okay, lassen wir das Verlagspershing

00:05:44: Kommen wir zu den AB Fragen, damit wir auch gleich in deinem Steckenpferd-Thema, nämlich in das Schuljahr eintauchen können.

00:05:53: Vlad, du weißt, wie die AB Fragen funktionieren?

00:05:56: Ja.

00:05:57: Okay.

00:05:57: Bin bereit.

00:06:00: Sehr gut.

00:06:00: Dann starten wir gleich mit Bildung online oder offline?

00:06:05: Online.

00:06:07: Online, automatisierte oder menschliche Entscheidungsfindung?

00:06:11: Automatisiert.

00:06:13: Stärke Regulierung oder Mehrfreiheit für Unternehmen.

00:06:17: Mehr Freiheit Vollkommener Schutz persönlicher Daten oder weniger Datenschutz zur Wahrung der Sicherheit und des Wohls der Allgemeinheit.

00:06:27: Mehr Datenschutz.

00:06:29: Mehr Datenschutz.

00:06:29: Und last but not least, Web-Meetings oder persönliche Treffen?

00:06:36: Persönliche Treffen, 100 Prozent.

00:06:37: Okay.

00:06:39: Dann starten wir mal, warum hast du dich für Bildung online entschieden?

00:06:43: Ja, ich glaube, wir stehen an einer Grenze, wo die Definition von Bildung selbst auf sich verändern wird.

00:06:49: Das merke ich schon sogar heute bei meiner Tochter, die sechs Jahre alt ist.

00:06:54: und die schon total gewohnt ist, ChatGPT zu fragen, wenn sie eine Frage hat.

00:06:59: Und ich kann mir nicht vorstellen, wie das heute Professoren zum Beispiel geht oder Lehren.

00:07:04: Die, glaube ich, Definition von Hausaufgaben wird sich verändern und ich bin davon überzeugt zu hoffentlich so einem besseren.

00:07:10: Ich hoffe, dass Lernen zu einem kontinuierlichen Prozess wird und die Werkzeuge, wir haben, dabei begleiten werden, die Welt schneller und besser zu verstehen.

00:07:21: Okay.

00:07:22: Und dann warst bei der automatisierten Entscheidungsfindung.

00:07:26: Ja, also das war tatsächlich eine schwierige Entscheidung für mich, weil am Endeffekt bin ich immer noch davon überzeugt, dass die Menschen die Verantwortung für die Entscheidungen

00:07:35: tragen.

00:07:36: Und das ist auch richtig so.

00:07:38: Aber gleichfalls.

00:07:41: Ich glaube, die meisten Entscheidungen, die wir heute schon treffen, sind von Algorithmen beeinflusst in verschiedenen Art und Weisen.

00:07:48: Wenn wir sogar vor einer Entscheidung recherchieren.

00:07:51: sind die Algorithmen von Google schon zum Beispiel diejenigen, uns bei dieser Entscheidung unterstützen.

00:07:56: Und auch wenn wir zum Schluss meinen, wir haben Entscheidungen getroffen, schon die Reihenfolge der Ergebnisse auf Google hat maßgeblich beeinflusst, welche Entscheidung wir

00:08:05: getroffen haben.

00:08:06: Ich bin dafür, dass diese Algorithmen transparenter werden, dass Menschen die beeinflussen können und selbst bestimmen können, wonach zum Beispiel die Ergebnisse sortiert werden

00:08:14: oder von welchen Entscheidungen man beeinflusst werden möchte.

00:08:17: Aber dennoch glaube ich, dass die Zukunft in die Rechnungen

00:08:20: gehen wird, dass mehr und mehr Entscheidungen dann automatisiert beeinflusst werden, mit einem Menschen natürlich im Vordergrund und zum Schluss auch in der Verantwortung.

00:08:28: Okay, dann warst du für mehr Freiheiten?

00:08:34: Ja, also ich glaube, auch hier, wenn man zwischen beiden Entscheidungen stehen muss, würde ich für mehr Entfaltungen tendieren, weil ich glaube, wir vor allem in meinem Domain im

00:08:47: Bereich EI und Industrial Eye

00:08:50: aktuell regulieren oder versuchen zu regulieren die Bereiche, die wir noch gar nicht verstehen, gerade erst aufbauen.

00:08:56: Ich glaube, wir brauchen auf jeden Fall Mechanismen, die als eine Plattform fundieren auf die Unternehmen, um Produkte aufzubauen, die sicher sind und wo die Käufer oder die

00:09:09: Anwenderinnen und die Anwender der Anwendung verstehen, was mit den Daten passiert.

00:09:13: Aber ich glaube, das passiert nicht durch Gesetze, einschränken, sondern durch die Normen und

00:09:19: Methoden, wir als Gesellschaft oder Politik entwickeln können und diskutieren müssen.

00:09:25: Ich habe jetzt wenige Bereiche gesehen, wo ein direktes Verbieten dann diesen Dialog wirklich positiv beeinflusst hat und entwickelt hat.

00:09:39: Okay.

00:09:40: Und dann warst du relativ schnell auch zum Thema Datenschutz oder weniger Datenschutz beim Thema mehr.

00:09:47: Also hast dich dafür ausgesprochen.

00:09:49: Wieso?

00:09:51: Auch gleichzeitig hier glaube ich, dass wir jetzt vor einer neuen Entwicklung stehen, wo wir jetzt mit neuen KI-Algorithmen einen sehr großen Schatten hinterlassen, ja sehr viele

00:10:07: Muster hinterlassen, die wir noch gar nicht so verstehen.

00:10:10: Schon mit Hilfe von klassischen Cookies konnte man tatsächlich sehr viel profiling

00:10:16: aufbauen.

00:10:17: das ist wirklich erschreckend teilweise, wie gut das funktioniert.

00:10:21: Alle Leute, meinen, hey, ich habe gestern irgendwie über ein Thema gesprochen, heute schon, habe ich das von einer Anzeige gesehen.

00:10:26: Das basiert auf sehr einfachen Algorithmen, jetzt seit vielen, vielen Jahren da sind.

00:10:31: Heutzutage gehen wir in einen Bereich ein, wo einerseits die Algorithmen viel stärker werden und auf der anderen Seite, wie unglaublich viele Daten ins Internet streamen.

00:10:40: Und ich glaube, Thema Datenschutz wird einfach eine ganz neue Bedeutung gewinnen.

00:10:46: Und dann war es auch sehr klar bei den Treffen, persönliche Treffen.

00:10:53: Ja, also das ist, würde ich so sagen, aus der Erfahrung der letzten Jahre, auch nach der Corona-Zeit immer noch bei mir 100 % bestätigt worden.

00:11:04: Ich glaube, unsere Gehirne funktionieren komplett unterschiedlich, je nachdem, ob wir Leute mit dem Sprechen quasi nur ein bisschen schultern, über eine Webcam sehen oder

00:11:12: wirklich vor Ort im ganzen Körper.

00:11:15: Und ich glaube, ist sehr viel an Kommunikation, die auch durch einen Remote Call, durch einen Anruf über eine Plattform dann auch verloren geht.

00:11:26: Von der Körpersprache und von Bewegung her.

00:11:29: Ich glaube, die Kommunikation von Menschen im Gegensatz zu KI lässt sich sehr schwer auf die Beize reduzieren und auf eine Audiospur.

00:11:37: Insofern hoffe ich sehr, dass wir, wer mehr Mechanismen haben, auch persönlich uns treffen.

00:11:44: Ich glaube auch, dass es wieder intensiver wird, weil vor allem auch ganz durch die ganzen Deepfake-Thematik, der persönliche Kontakt wieder an Wert gewinnt und vielleicht auch bei

00:11:57: Verhandlungen, Vertragsunterzeichnungen etc.

00:12:00: das einfach wichtig ist.

00:12:02: Ich möchte sicher sein, dass du gegenüber sitzt von mir und nicht irgendwie ein Ata.

00:12:07: Absolut und ich glaube auch von dem Thema Wertigkeit kann das

00:12:10: höheren Wert bekommen.

00:12:12: Ich vergleiche das häufig so mit dem Thema zum Beispiel Möbel, wo früher jeder jeden Möbelstück bei einem Handwerk oder bei einem Schreiner von Null bestellt hatte.

00:12:24: Heutzutage haben wir Ikea, wir haben Massenprodukte und natürlich nicht jeder wird sich in so einem geschreinerten Tisch leisten können, aber jeder Produkt mit einer Geschichte,

00:12:34: jeder Produkt, was wirklich maßgefertigt ist, bekommt einen ganz anderen Wert heute.

00:12:39: ich

00:12:40: Aber in Eindruck auch die Kommunikation oder alle Themen wie Kunst, wie Bilder, wie Fotos, die werden andere Wirklichkeit bekommen jetzt in nächsten Jahren, wo so viel, wie du auch

00:12:54: absolut richtig sagst, heute so schnell mit Hilfe von KI repliziert werden kann.

00:13:00: Ich glaube, die Menschen werden bereit sein, viel mehr dafür zu investieren, wirklich sich mit der echten Person zu treffen oder einen

00:13:08: Bild zu kaufen, wo man dann weiß, dahinter steht eine echte Menschengeschichte und das ist jetzt nicht ein Produkt von einem Diffusion-Model.

00:13:17: Jetzt, lass uns doch mal einsteigen.

00:13:22: Ich habe es jetzt schon ein bisschen mitbekommen bei unseren technischen Problemen schon vorab, aber es liegt mir tatsächlich auf der Zunge zu fragen, weil

00:13:33: soll jetzt keine Apple Werbung werden, an der Stelle, aber ich muss es einfach fragen, du hast es nämlich auch in deinem Post gestern, glaube ich, oder vorgestern veröffentlicht,

00:13:43: du ganz stark an Steve Jobs' Connecting the Dots Approach glaubst.

00:13:47: Was konkret verstehst denn du dahinter und warum glaubst du so stark dran?

00:13:51: Oh, superspannendes Thema.

00:13:56: ja, ich...

00:13:58: spreche auch sehr viel mit neuen Kolleginnen und Kollegen, die bei uns in Unternehmen ansteigen und fragen, womit soll man starten, was soll man lernen.

00:14:09: jetzt, wie du auch in der Anführung erzählt hattest, wenn ich jetzt zum Beispiel auf meinen Verlauf sehe, ich hatte jetzt viele Themen gemacht, wo ich jetzt von vorn an nicht

00:14:18: wüsste, wie später das ein Puzzletal oder Gesamtbild sich entwickeln würde.

00:14:23: Ich merke aber viele Themen, wenn man die mit Begeisterung macht und gewissen Tiefe.

00:14:27: dass man fast aus allen Bereichen und allen Disziplinen auf verschiedene Art und Weise lernt, anders zu denken oder Probleme zu lösen, Prozesse abzuleiten.

00:14:40: Und ich fand diesen Vortrag der meisten von Steve Jobs absolut treffend.

00:14:47: Wenn man jetzt auf die spannende Biografie schaut von vielen Leuten, dass da viele Abzweigungen gab, nach links und rechts, aber zum Schluss macht das alles Sinn.

00:14:56: Und ich sehe das total auch in der Praxis.

00:14:58: Die Leute, jetzt bei uns in unseren Teams mitmachen und ein, zwei, drei verschiedene Disziplinen zusammenbringen, absolut spannende Art und Weise, die Probleme zu lösen,

00:15:08: darüber nachzudenken und gewissen Fähigkeiten mitzubringen, die die Problemlösung diverser machen und schneller machen und absolut neue Wege sehen.

00:15:20: Und ich glaube, sowas lässt sich nicht von vorne an in die Zukunft planen.

00:15:26: Okay, Vlad, dann jetzt kommen wir mal zum Thema, zum eigentlichen Thema, Industrial AI.

00:15:32: Du bist ja ganz viel auf Panels und Konferenzen unterwegs in dieser Welt und auch bei den Kunden und musst wahrscheinlich oft erklären, was ist denn Industrial AI und das auch in

00:15:41: einer einfachen Art und Weise, weil jetzt nicht jeder im Management vielleicht so einen tiefen Einblick hat wie du.

00:15:50: Kannst du das auch für die ZuhörerInnen machen?

00:15:55: Was ist Industrielle AI für dich?

00:15:58: Was machst du auch in dem Bereich?

00:16:00: Ganz kurz und einfach, damit man so mal locker einsteigen in das Thema.

00:16:05: Ja, sehr, gerne.

00:16:06: Also man kann sich so vorstellen, diese Disziplin an sich gab es schon Jahrzehnte, aber jetzt für alle Zuhörerinnen und Zuhörer, die jetzt zu Hause zum Beispiel mit der GPT

00:16:16: sprechen oder diese neue Ansätze getestet haben, man kann sich nur vorstellen, wie

00:16:23: leistungsfähig und wie stark diese Technologie ist, eben alltäglich im Gebrauch.

00:16:28: Und stellt euch vor, was passiert, wenn wir da zum Beispiel die Technologien wie Logistik, Warehouse Management, ja, Prozessanwenden, wie man Produkte entwickelt, herstellt, bis zum

00:16:42: Thema wie Humanoide und Robotics.

00:16:44: Alle diese Bereiche sind Themen, die wir jetzt innerhalb von meiner Abteilung abdecken, Industry-X.

00:16:50: Und ich beschäftige mich damit, wie man dann

00:16:54: verlässlich skalierbar und sicher dann künstliche Intelligenz in diese Prozesse integriert.

00:16:59: Das war jetzt tatsächlich echt sehr kurz und knackig.

00:17:04: finde ich krass.

00:17:05: Viele denken halt auch bei Industrial AI dann auch an autonome Fabriken, Black Factory, Science Fiction, wenn wir das weiter treiben.

00:17:13: Was ist denn, du hast ein paar Sachen schon angerissen, was ist denn eigentlich konkret oder was ist realistische Wahrheit dahinter?

00:17:21: Ja.

00:17:23: Also ich würde das trennen zwischen Metaphern und diesen Bildern wie zum Beispiel Black Factory, weil diese Bilder sind Bilder zu denen wir uns hinbewegen und ich finde die auch

00:17:35: sehr stark, weil auch wenn die abstrakt klingen, ziehen die mit sich eine Menge an neuen Anforderungen und Vektoren zu denen man sich hin bewegt.

00:17:46: Also eine Fabrik, eine Dark Factory zum Beispiel ist so eine Vorstellung von einer Fabrik, wo man nicht mal Licht braucht.

00:17:53: weil Prozesse so automatisiert sind, dass man eigentlich keinen Mensch braucht, da hingeht und die Maschinen eh keine Beleuchtung brauchen.

00:18:00: Insofern kann man auch ruhig in der Fabrik Licht abschalten.

00:18:03: Das war eine Faszination von letzten zum Beispiel fünf, sechs Jahren, bis dann eine neue Welle kam, wo man festgestellt hat, ist es natürlich klasse.

00:18:10: Aber sobald irgendwann eine Schraube runterfällt und wir noch nicht irgendwie Roboter haben, die ganz vorsichtig dahin gehen und irgendwie das aufsammeln, bräuchte man draußen

00:18:19: einen Menschen, der dahin geht, sonst steht meine Anlage still.

00:18:23: Und alles automatisieren in dem Grad ist momentan nicht wirtschaftlich.

00:18:28: Also überall irgendwie jeden Zentimeter einer Kamera zu haben, die man Boden einscannt und alle mögliche Varietäten abdeckt, funktioniert das nicht.

00:18:37: Und man kann auch fragen, ob man das überhaupt möchte.

00:18:41: Das hat dazu geführt, dass man ein neues Bild hatte von Firmen oder Unternehmen, sagen, wir bringen Licht in der Deck Factory.

00:18:48: Wir machen quasi diese Deck Factory Prozesse dann

00:18:51: transparent und sichtbar, obwohl wir dieses erste Bild von Zillfaktor noch gar nicht erreicht hatten.

00:18:57: Das heißt, dass auch dort ist es ein Rennen ohne Ende von einer Vision, die Leute motiviert und inspiriert in eine Richtung sich zu bewegen.

00:19:07: Auf der anderen Seite gibt es die Technologie, zum Beispiel in meinem Fall die Künstliche Intelligenz, die in verschiedenen Bereichen verschiedene Ausprägungen hat und das hat

00:19:16: verschiedenen Reifegrad.

00:19:19: Bestimmte Teile davon sind heute auch schon auf dem Niveau, dass man das verlässlich in die industrielle Prozess integrieren kann.

00:19:26: Die anderen sind gerade noch im Aufbau.

00:19:28: Aber was man schon sagen kann, was besonders ist im Bereich Industrial AI oder Industrielle KI, das sind die Anforderungen an diese Mechanismen.

00:19:38: Man kann sich vorstellen, wenn ich jetzt KI dafür nutze, um ein Rezept von Kuchen zu machen und mein Kuchen dann verbrennt, ist das ein bisschen ärgerlich, aber nicht

00:19:46: gesellschaftskritisch.

00:19:48: Wenn wir aber künstliche Intelligenz in Produkte integrieren, damit wir später zum Beispiel Lufturbanen für Flugzeuge entwickeln und mein Algorithmus empfiehlt mir etwas, wo

00:19:58: ich dann mehr Reibung habe und dadurch zum Unfall kommt, das wäre deutlich kritischer und automatisch diese Verlässlichkeit, die gesellschaftliche Relevanz ziehen mit sich viele,

00:20:10: viele neue Anforderungen, die vor allem im Bereich industrieller Karriereanwendungen, dieses ganze Prozess

00:20:17: ganz besonders machen im Vergleich zu klassischen KI-Prozessen?

00:20:22: Können wir da konkret werden?

00:20:23: hast jetzt ein paar Beispiele so grob angeschnitten und so weiter.

00:20:27: hast doch gesagt, hier Black Factory, wir machen jetzt ein paar Lichter an, wir kriegen Transparenz rein und so weiter und so fort und wir können gewisse Sachen machen.

00:20:37: Wenn wir uns die Wertschöpfungskette anschauen, von wo ...

00:20:45: Können das irgendwie splitten in dem Bereich, du unterwegs bist und sagst, ok, gut, da kannst du ganz konkret mal sagen, wo es aktuell steht.

00:20:51: Ja, man kennt halt, dass man irgendwelche Qualitätsprüfungen macht mit AI und so weiter und so fort.

00:20:56: Das sind ja immer die einfacheren Themen unter Anführungszeichen, sag ich jetzt mal.

00:21:01: Aber bis wohin geht es denn oder bis wohin ist es denn aktuell auch schon in den einzelnen Bereichen umgesetzt und live vielleicht?

00:21:10: Und danach können wir uns mal anschauen, wo es überhaupt noch die Reise hingeht.

00:21:13: Ja, absolut.

00:21:15: Einfach um ein Bild zu teilen davon, was wir machen und wie kommt es dazu, dass wir absolut unter Edge der Entwicklung sind.

00:21:22: Ihr könnt euch vorstellen, aktuell kommen auf uns praktisch alle Konzerne zu uns sagen, hey, wir haben eine Idee, ist das umsetzbar?

00:21:30: Wie du auch sagte, sind wir der größte Systemintegrator der Welt.

00:21:34: Das bedeutet, wenn ein Konzern sich für eine Idee entscheidet und hat vielleicht so mit Lösungsanbieter dieser Welt

00:21:42: ein Plan skizziert auf einer Serviette.

00:21:44: Hey, wir probieren mal irgendwie Omniverse, wir probieren Visualisierung in digitale Zwillinge in die Produktion zu integrieren.

00:21:52: Irgendwann muss das umgesetzt werden und dann kommen wir ins Spiel.

00:21:55: Und das finde ich besonders faszinierend, weil genau dabei entstehen auch diese ganzen Plattformen.

00:22:00: Das heißt, vielleicht denkt man sich so, wenn man an einer Fabrik ist oder wenn man an einer Großindustrie Gesellschaft ist, dass man solche Lösungen einfach

00:22:10: in so App Store kaufen kann, tatsächlich werden die heute erst alle aufgebaut.

00:22:14: Und in vielen, vielen Bereichen gibt es dann noch extrem viele Lücken und genau diese Lücken werden von uns gefüllt, weil am Endeffekt, während man integriert, entwickelt man

00:22:23: auch alles, was noch fehlt und entwickelt dann die Bausteine, die man dann braucht, damit diese Anwendung lebt und mit Daten geführt wird.

00:22:31: Die ganze Prozesse kann man sich als so einen Materialfluss vorstellen, der dann von

00:22:39: über die Zeit, über verschiedene Disziplinen geht.

00:22:42: Und ich stelle mir das immer so vor, ja, also ich fokussiere mich auf ein Produkt.

00:22:48: Ich komme aus dieser Perspektive, vor allem im Engineering Bereich.

00:22:51: Das heißt, ganz am Anfang standen wir jetzt Anforderungsmanagement.

00:22:55: Also irgendwo wird ein Produkt erstmal definiert.

00:22:58: Schon da ist das Potenzial von KI unglaublich hoch, weil ich vergleiche das immer mit einem Produkt, das wir alle kennen.

00:23:06: Ja, zum Beispiel wir nehmen irgendwas aus unserem Alltag.

00:23:10: Wenn wir jetzt schauen, wie komplex die Produkte geworden sind über die letzten zehn Jahre, ist es einfach unglaublich.

00:23:15: wir nehmen mal Staubsauger als Beispiel.

00:23:17: Vor zehn Jahren, wenn du jetzt auf Amazon nach Staubsauger suchen würdest, würdest du schauen, passt die Farbe, passt die Leistung, passt Preis und dann kaufst du das.

00:23:26: Im Prinzip musste der Hersteller in sein Anforderungsmanagement an Staubsauger sich quasi an die mechanischen Eigenschaften fokussieren, blödsinn bisschen designen und dann hast du

00:23:36: ein schönes Produkt.

00:23:37: Heutzutage, wenn Menschen nach einem Staubsauger schauen, dann ist es im Prinzip ein autonomer Roboter.

00:23:42: Du hast dann einen smarten, connecten Staubsauger, der durch deine Wohnung fährt.

00:23:48: Im besten Fall mit einer App und sogar mit einem Leader on top.

00:23:52: Und Afa, so als Reminder, noch vor ungefähr acht Jahren hat Elon Musk gesagt, meine ich, dass Tesla nie einen Leader haben wird, weil das zu teuer und zu komplex ist und würde zu

00:24:02: viel Komplexität in das Produkt integrieren.

00:24:05: Heutzutage haben wir das quasi in einem

00:24:08: Staubsauger für 400 Euro bei uns zu Hause fahren.

00:24:12: Und man kann sich vorstellen, wie hoch die Komplexität dieser Produkte geworden sind im Vergleich zu vor zehn Jahren.

00:24:20: Es ist auch so, dass Unternehmen, produzierende Unternehmen sagen, dass es für komplexe Produkte wie Fahrzeuge, wie Flugzeuge es schon kaum Menschen gibt, die quasi komplette

00:24:31: Komplexität von einem Produkt komplett im Kopf behalten können und verstehen.

00:24:36: Und das führt dazu, dass es sehr schwer ist, neue Produkte auf den Markt zu bringen.

00:24:41: Das heißt, jede kleine Anpassung, kleine Änderung am Produkt hat unglaublich viele Folgen auf das Design, auf die Herstellbarkeit, auf die Zulieferer, die man dann wählen muss.

00:24:53: als Beispiel für eine KI, schon da kann KI extrem viel unterstützen und perspektivisch gehen wir in die Richtung von einem

00:25:03: Dokumenten basierten System.

00:25:04: Das heißt, du hast jetzt für jede Anforderung ein Dokument, wo alle Anforderungen für alle Subtale von deinem Produkt definiert sind, sondern modellbasierten Ansatz.

00:25:12: Das kann man sich so vorstellen, dass dein komplette Fahrzeug oder Flugzeug oder Zug, also eine Art digitale Zwilling vorliegt.

00:25:20: Man kann aber sich auch vorstellen, wie hoch die Komplexität von solchen Produkten, Modellen dann sein wird.

00:25:25: Und auch heute ist schon klar, dass man ohne KI dann überhaupt diese Richtung nicht erreichen wird.

00:25:30: Und das war nur die eine Disziplin.

00:25:32: Und wenn man sich weiter vorstellt, ja, also man hat die Anforderungsmanagement mit einem Häkchen.

00:25:37: Wir kommen zu zweiten Disziplinen, wo man dann für die Anforderungen überhaupt erst mal programmieren muss.

00:25:42: Ja, auch wir bleiben beim Beispiel mit dem Staubsauger.

00:25:45: Es ist unglaublich, wie viel Entwicklung jetzt in diese Produkte geht.

00:25:48: Ja, wir sprechen von diesen Smart Connected Products.

00:25:52: Jede Produkte, die wir heute haben, die bewegen sich Richtung Software Defined.

00:25:57: Das hatten wir schon beim Fahrzeugen gehabt, aber jetzt im Prinzip ist das alles Software Defined.

00:26:04: Jeder Konsument, jeder Käufer erwartet, dass im Prinzip alle Produkte von der Spülmaschine bis im Kühlschrank irgendwie im Ökosystem angebunden sind.

00:26:16: Das heißt, für die Anforderungen, die wir jetzt gerade hatten, brauchen wir drei neue Disziplinen, die jetzt erstmal Software schreiben.

00:26:22: Also mechanische Software, elektrisch muss das alles verzahnt werden, das muss alles integriert werden und zum Schluss, wenn man da Glück hat, wird das dann im Projekt

00:26:31: zusammengebracht und soll funktionieren.

00:26:34: Und man kann sich vorstellen, jeder dieses Schritt in seiner separaten Disziplin, zumindest sowas in der Vergangenheit, und dieser Drang zu schnelleren

00:26:42: Produktentwicklungszyklen und höherer Komplexität führt dazu, dass diese Disziplinen immer stärker zusammenkommen und immer verzahnten werden.

00:26:51: Und auch dort setzen wir jetzt schon KI um eine Art Übersetzer, der dann zwischen diesen Disziplinen übersetzen kann.

00:27:00: und Abteilung und helfen kann, besser zusammenzuarbeiten.

00:27:04: sind das, klingt das ja auch, wie soll ich sagen, du hast jetzt gesagt, sind vor allem, die Konzerne kommen auf euch zu und so weiter und so fort und diese Dinge haben eine

00:27:16: gewisse Komplexität und mir fallen zwei, habe, oder sag mal so, ich habe zwei Dinge.

00:27:21: Das eine ist, machen wir uns durch EI die Produkte vielleicht auch komplexer als sie sein müssten oder auch die Prozesse?

00:27:30: Oder ist es einfach nur, ja, wir kommen da nicht mehr raus.

00:27:35: Also ich habe manchmal das Gefühl, dass wir Produkte entwickeln auch, die unnötig komplex sind, die die Menschheit gar nicht braucht aktuell so.

00:27:45: Wo einfach der Kunde in den Hintergrund rückt und nicht mehr eigentlich der ist, für den ich das Produkt entwickle, gefühlt.

00:27:52: Wir in der Vergangenheit auch immer wieder gehabt, dann rückte der Kunde in den Mittelpunkt und diese Kundenzentrierung ist ja immer...

00:27:59: Ganz, ganz wichtig, aber gefühlt weiß ich nicht, ob das der Fall ist und ob EI da nicht auch vielleicht ein bisschen mitwirkt, weil jetzt kann ich ja alles Mögliche machen.

00:28:12: Es ist alles relativ einfach, unter Anführungszeichen.

00:28:16: Absolut.

00:28:16: Also ich glaube, was wir jetzt sehen werden, jetzt nächsten Jahren, irgendwie jedes Produkt, also man kann am Endeffekt über sein Leben auch mit einem Toaster sprechen.

00:28:25: Also ich kann mir schon vorstellen,

00:28:27: dass diese Language Models, diese Schritt, kleine Sprachmodelle in ein Produkt zu integrieren, das wird uns leider überall verfolgen, weil das so eine Art Quickwin ist.

00:28:36: Man kann sehr viel sehr beeindruckendes erreichen, auch wenn das nicht zielführend ist, mit relativ einfachem Eingriff.

00:28:44: Die Herausforderung, die ich da sehe, ist, genau wie du sagst, das Kunden orientiert zu machen, dass man am Endeffekt da draußen Nutzen generiert.

00:28:52: Und das werden dann die Leute mit eigenen

00:28:55: Taschenbeutel entscheiden, was davon Sinn macht und was nicht.

00:29:00: Ich bin bei dir.

00:29:01: Ich erwarte schon absolut quasi in allen Konsumprodukten in nächsten Monaten und Jahren LLM Integration in irgendeiner Form.

00:29:09: Muss aber auch sagen, teilweise vermisse ich die.

00:29:11: Ich war jetzt vor kurzem in San Francisco und habe diese Waymo ausprobiert, diese selbstfahrenden Autos und erstmal weichte Teil.

00:29:21: neugierig, weil man tatsächlich komplett ohne Fahrer quasi sich vorne oder hinten setzen kann und das Auto alleine fährt, ohne einen Taxifahrer, der dich begleitet.

00:29:29: Und dann dachte ich mal, okay, also bei längerer Fahrt ist es schon ein bisschen einsam.

00:29:33: Also man würde schon irgendwie ein bisschen mit jemandem sich kurz austauschen wollen.

00:29:37: Und dann dachte ich mal, okay, hätte dieses Auto einen LLM, würde ich überhaupt jetzt mit einem Auto darüber sprechen, wie mein Urlaub war oder ist es schon komplett verrückt und

00:29:45: krank?

00:29:46: Ich hatte dazu keine Antwort.

00:29:48: Aber ich kann mir schon diese Richtung durchaus vorstellen.

00:29:52: Okay.

00:29:55: Ja und der zweite Punkt, jetzt da auch kam, wie gesagt, ich habe es kurz erwähnt, Konzerne kommen auf mich zu.

00:30:02: Diese Lösungen, an denen ihr arbeitet und die du auch jetzt in der Industrie siehst und so weiter und so fort, sind die auch für KMU leistbar?

00:30:11: Oder ist das jetzt alles?

00:30:14: Nice, was man alles machen kann und gerne würde ich gerne auch noch mal über die Potenziale noch mal im Detail sprechen.

00:30:23: KI kostet auch was.

00:30:24: Die Entwicklung von diesen Apps, wie du sie genannt hast, kostet dir auch was und der Betrieb von dem Ganzen und vor allem ich brauche ja auch noch mal die Kompetenz im

00:30:32: Unternehmen und so weiter und so fort.

00:30:33: Sind diese Lösungen, die jetzt die Siemens dieser Welt entwickeln mit euch gemeinsam auch für KMU leistbar?

00:30:43: zukünftig.

00:30:45: Ja, ein sehr spannender Punkt.

00:30:47: Oder schon jetzt.

00:30:48: Oder schon jetzt.

00:30:49: Zukünftig hoffentlich.

00:30:50: Ja, irgendwie.

00:30:51: hoffentlich die Preisdegression zuschlagen.

00:30:54: ja.

00:30:55: also super spannender Zeitpunkt, weil vielleicht kann ich so bisschen erklären, wo ich dann die Vision sehe von der Industrie und wo aktuell die Industrie massiv investiert.

00:31:06: Und dann können wir darüber sprechen, was hätten dann die Keimus davon.

00:31:10: Also.

00:31:11: Die Erfahrung in letzten zwei Jahren war, dass tatsächlich alle sehr neugierig geworden sind, das Thema und was das kann.

00:31:21: Jeder hat zu Hause ChatGPT ausprobiert und dann ist man zu seiner Firma gekommen und hat hey, guck, ich kann zu Hause irgendwie mit so einem ChatGPT alles machen.

00:31:28: In der Firma haben wir nicht mal Co-Pilot.

00:31:30: Und dann hat man das quasi als Auftrag allen Abteilungen gegeben.

00:31:34: Ob man im Einkauf ist, ob man im Marketing ist, ob man dann irgendwie Produktion ist, ob man wirklich an den

00:31:40: Maschinen arbeitet ja in der Halle, was wir jetzt festgestellt haben und das finde ich wirklich faszinierend.

00:31:46: So letzten drei Jahre, es hat wirklich ohne Ende mit Ideen gesprudelt.

00:31:54: Jeder hat irgendwie einen Vorschlag, was könnte man denn machen und das finde ich übrigens auch sehr spannend, weil ich war jetzt vor kurzem noch in China und die verstehen unsere

00:32:04: Begeisterung nicht.

00:32:06: Weil ich habe dann gesagt, habt ihr nicht auch solche Workshops, so Ideenaustausch, wie man KI ansetzt?

00:32:12: Und die sehen zum Beispiel das Thema KI als eine reine Gefahr.

00:32:16: Die sagen, was bringt mir das, wenn mein Arbeitgeber dann die Prozesse automatisiert?

00:32:20: Also mir als einen Mitarbeitenden, warum soll ich dann solche Ideen generieren?

00:32:24: Weil ich bin wirklich fasziniert, weil wir offen und begeistert, wie in Europa sind zu dem Thema, vielleicht sprechen wir da selbst ein bisschen schlechter als wir sind, weil

00:32:36: Wenn man auf die MKI zum Beispiel in China schaut, ja, tatsächlich sind die da jetzt komplett anders aufgestellt.

00:32:41: Das liegt teilweise auch daran, dass die zwei größte Ereignisse, die die hier in Europa oder im Westen hatten, der GPT zum ersten Mal, wo jeder das einmal getestet hat, und

00:32:51: zweites Co-Pilot, wo dann jeder das in seinem Unternehmen sicher und konform testen konnte, beide Ereignisse sind nie in China stattgefunden.

00:33:00: Also die hatten

00:33:02: nie Zugang zu ChatGPT, die hatten nicht Co-Pilot, die haben zwar einzelne Modelle, die hier eine Welle geschlagen haben, aber diese Verbreitung von KI und Tools, wie wir das hier

00:33:12: erlebt haben, tatsächlich noch vor einem Jahr, ist in China nicht so stattgefunden.

00:33:17: Und insofern diese Begeisterung von jeder Abteilung mit eigenen Ideen zum Chef zu kommen, sagen, hey guck mal, damit könnte mein Prozess total automatisieren.

00:33:26: Das hat irgendwie bei meinen Kollegen Kollegen in China nicht resoniert.

00:33:30: Insofern fand ich schon diesen Vergleich

00:33:32: Sehr, spannend.

00:33:34: ja, die Entwicklung aber ist so, dass wir auch vor allem letztes Jahr festgestellt haben, dass die Co-Pilots nicht so die Lösung von allen Problemen sind.

00:33:46: Man kann sich vorstellen, vor allem in Großunternehmen sind das 600, 800 bis 1.500 Anwendungen, die man hat, nur in einem Domain wie zum Beispiel Engineering.

00:33:57: Wenn man sich diese Vorstellung, wenn man das sich vorstellt, ja, 1.500

00:34:01: Anwendungen und man kann heute schon sicher vorstellen, jeder von diesen Anwender, also jede Anwendung, jeder Lösungsanbieter arbeitet auch gerade daran, so eine Art LLM Rapper

00:34:14: zu entwickeln, ja, ein Talk-To-Everything.

00:34:17: Also jeder Tool wird bald so einen kleinen Co-Pilot haben und meine Erfahrung bisher, was ich jetzt heute sehe, das macht die Leute eher verrückt, weil die sagen, ich brauche nicht

00:34:27: irgendwie alte Prozesse, die total kaputt waren.

00:34:31: meine 600 Anwendungen und jetzt noch 600 Co-Pilots zu jeder Anwendung.

00:34:35: Bitte hilf mir, schnellere, effizientere Prozesse zu entwickeln.

00:34:41: Und dann irgendwie je nachdem, da KI integriert wird, interessiert die meisten Leute gar nicht.

00:34:45: Die wollen einfach Ergebnisse.

00:34:48: Und die Entwicklung der letzten Jahre, die wir jetzt sehen, und ich würde sagen, in diese Richtung bewegt sich jetzt aktuell jeder Lösungsanbieter, ist weg von sogenannten

00:34:58: vertikalen Anwendungen.

00:35:00: Also Co-Pilot für Einkauf oder Co-Pilot für Marketing und hinzu zu horizontalen Anwendungen.

00:35:06: Also wie kann ich zum Beispiel mehrere Disziplinen besser verzahnen?

00:35:09: Wie kann ich zum Beispiel mein Lager mit meinem Einkauf besser verzahnen?

00:35:14: Wie kann ich zum Beispiel meine Produktentwicklung mit Produktionen später verzahnen, dass ich überhaupt, wenn ich eine Produktidee habe, auch prüfen kann, ob ich überhaupt die

00:35:23: später umsetzen kann?

00:35:25: Und das ist die Entwicklung gerade, wo die Großindustrie aktuell viel investiert.

00:35:29: Und wenn man in die Vergangenheit schaut, das hatten wir auch zum Beispiel bei Thema IoT, diese Investition ist auch nötig, weil viele Bauteile dann fehlen, bis wir dann irgendwann

00:35:39: zu einer Disziplin kommen, die heute Industrial IoT, also IoT heißen.

00:35:43: sind gerade quasi dabei, AI dann diese Industrial AI, also I-AI, entwickeln, die dann deutlich zuverlässiger funktioniert, die besser kontrollierbar ist.

00:35:55: Und da sind massive Investitionen, natürlich

00:35:57: in diesem Bereich fließen, die ein KMU nicht machen auch soll.

00:36:01: Einfach weil das ein teilgroßes Risiko ist.

00:36:03: Viele von diesen Ideen werden jetzt nicht überleben und das ist auch okay so, weil man auch viel testet.

00:36:08: Aber viele Nebenprodukte, dann draußen stehen, die sind dann sofort griffbereit und leicht zu bekommen.

00:36:14: Und das sehen wir schon in einzelnen Bereichen, wie zum Beispiel Coding, wo ich davon ausgehe, dass jeder KMU, der eine IT-Abteilung hat, schon wahrscheinlich heute schon

00:36:24: solche Lösungen einsetzt.

00:36:26: Vor zwei Jahren wäre es eine totale Science Fiction, wir sowas wie agentische Systeme haben im Coding, wie die heute funktionieren.

00:36:33: Und das ist nicht zuletzt dadurch entstanden, dass die Großkonzerne, ja IT-Konzerne, auch massiv in diese Richtung investieren und überhaupt diese Standards entwickeln.

00:36:44: Glaubst du, das sind wieder zwei Fragen?

00:36:47: Ja, gerne.

00:36:47: Ich starte mit letzten, mit dem Coding, dass es wirklich in die Richtung geht, wie es

00:36:53: das CEO von Microsoft sagt und so weiter und so fort, zukünftig werden 80, 70, 80, weiß es gar nicht genau, die Zahl Prozent des Codes über KI geschrieben werden.

00:37:05: Glaubst du, dass es in diese Richtung geht oder?

00:37:08: Ich habe nämlich auch im Podcast mit wem gesprochen, ich habe gesagt, ja, meine Entwickler, nutzen das natürlich oder ich will das auch, dass die das nutzen für MVP und

00:37:14: so weiter und so fort.

00:37:15: Aber wenn es dann wirklich drauf ankommt, vor allem um Sicherheitsthemen, etc., die das dann dann selber auch nochmal entwickeln.

00:37:23: oder selber auch nochmal sauber machen.

00:37:25: Wie siehst du diesen Punkt?

00:37:27: Ja, ich hatte vor ein paar Tagen auch einen kleinen Artikel darüber geschrieben über ein neues Profilbild und Berufsbild, was entsteht.

00:37:36: Vibecoding-Clinic-Experts, also quasi Experten, die man dann anstellt, die ganzen Projekte, die Vibecoded sind, wieder aufzuräumen.

00:37:46: Ich finde das absolut faszinierend, weil wir hatten einen riesigen Tread an Kommentaren dann unter meinen Posts und

00:37:52: Ich bin jedes Mal irgendwie in eine andere Richtung irgendwie selbst geschlagen worden von diesen Kommentaren, weil beide Lager sind total überzeugend.

00:38:00: Also ein Lager sagt.

00:38:02: Diese ganze Webcoding Projekte sind eigentlich im besten Fall ein Proof of Concept.

00:38:08: Ja, und eigentlich das Beste, was man machen kann, wenn man etwas Vibecode hat, dann zu einem Solution Architekten zu gehen, der nochmal das komplett sauber aufbaut.

00:38:17: Tatsächlich glaube ich viele Leute, die jetzt mit diesen.

00:38:20: System programmieren, würden auch zustimmen, dass die Qualität vom Code schon anders ist.

00:38:26: Also die KI versucht quasi so ein Optimum zu finden und basiert darauf wirklich auf diesen Zwang, die Frage möglichst optimal zu lösen.

00:38:36: Und dabei werden teilweise sehr einfache Fragen sehr kompliziert gelöst.

00:38:41: Hauptsache, es funktioniert.

00:38:42: Und das führt dann häufig dazu, dass wenn ein erfahrener Entwickler oder Entwicklerin dann sieht,

00:38:48: Die Ko-Struktur, der Lösungsweg, sind das all ein Overkill meistens.

00:38:54: Man könnte das extrem vereinfachen.

00:38:58: Die andere Seite sagt aber, warum kann ich das auch nicht wieder mit KI vereinfachen?

00:39:02: Das stimmt irgendwie auch, weil aktuell ist es so, dass diese KI-Systeme vor allem an bestimmten technischen Grenzen stossen.

00:39:12: Wie zum Beispiel Context, wie viel Speicher kann dann so eine KI

00:39:17: in deinem Augenblick quasi in einem Kurzspeicher behalten, wie komplex kann so Produkt werden, sodass die KI auf einmal versteht den Aufbau von einem Projekt, die Zusammenhänge

00:39:28: und diese Kontext-Window, ja diese Größe, das wächst auch unglaublich schnell, exponentiell.

00:39:36: Und die Frage dann sich herausstellt, also werden dann die KI-Systeme irgendwann so gut, dass die quasi ein komplettes Projekt on-fly in Echtzeit analysieren, auswerten,

00:39:46: verbessern?

00:39:48: Heutzutage sieht man es schon bisschen im Kleinen.

00:39:51: Tatsächlich auch, wenn man jetzt die Nachtlichen verfolgt, dieses neue System, was teilweise Leute überall ansetzen, um eigene Open Source-Agents zu entwickeln.

00:40:04: Wenn man das mit einem Setup, mit einem starken System verwendet, wie Opus zum Beispiel von Antropic, es ist wirklich faszinierend, wie leistungsfähig es programmieren kann.

00:40:14: Es kann quasi on fly so ein ERP-System oder CMR-System

00:40:18: klein entwickeln, aber wichtig dazu gesagt halt im Greenfield, ohne Abhängigkeiten, ohne Altlast, im Code den man schon hat.

00:40:27: Und das ist gerade so eine Grenze, die ich deutlich sehe.

00:40:29: Also bei kleinen Projekten wirklich sind diese Systeme herausragend.

00:40:35: Wenn ich jetzt das von Null aufbaue, funktioniert das extrem gut.

00:40:39: Wenn ich aber natürlich in bestimmten schon

00:40:42: Prozesse und Projekte habe und Tools habe, die über die Akzente gewachsen sind, wo extrem viel Logik schon reingeflossen ist und die leider zu 80 Prozent gar nicht dokumentiert

00:40:53: sind, wesentlich realisiert ist, da würde ich dann deinen Kollegen Kollegen zustimmen, denen dann sagen, für geschäftskritische Prozesse möchte ich aber, dass eine Person mir

00:41:02: aufzeichnen kann, was genau und warum haben wir gemacht.

00:41:04: Das würde ich heutzutage auf jeden Fall auch unterschreiben.

00:41:08: Und die zweite Frage, mir an deiner vorigen Ausführung gekommen ist, ist, hast ja in China, das hat nicht so resoniert bei deinen Kolleginnen und Kollegen, wie du drüben

00:41:18: warst, weil die Thema GPD so gar nicht kannten oder nicht veröffentlicht wurde etc., Jetzt hat man aber schon, glaube ich, in der Öffentlichkeit das Bild von China, dass die sehr

00:41:30: weit sind, ja, auch vor allem technologisch und so weiter, dass die drüben Sachen machen können, die wir hier nicht machen können.

00:41:36: hängt auch natürlich mit dem Personenschutz und Datenschutz zusammen, also nicht Personenschutz, sondern Datenschutz zusammen und so weiter, der dort ein anderer ist und

00:41:45: den politischen Gegebenheiten.

00:41:47: Nichtsdestotrotz, wir haben eine Frage, es wirkt es so jetzt bei den Ausführungen, als würden die Europäer, zumindest die europäischen Unternehmen sehr aktiv schon damit

00:41:57: arbeiten und dass das eigentlich einen positiven Effekt hat.

00:42:03: Glaubst du, da die europäischen Unternehmen oder wie siehst du es, sind die europäischen Unternehmen da vor den chinesischen, was das Thema AI angeht oder?

00:42:15: Ja, also ich finde oder also meine Überzeugung ist, dass am Endeffekt KI und diese Tokens, ja LLMs zur absoluten Commodity werden.

00:42:29: Ja, also quasi etwas, was überall verfügbar ist, fast

00:42:33: für gratis, wenn man jetzt in die Richtung schaut, wie viel Industrie jetzt in diese Bereiche investiert, wie Datacenter.

00:42:41: Dieser Größenordnung ist unvergleichbar zu einem, was wir bisher hatten.

00:42:45: Das kann man vielleicht nur mit Strom vergleichen, wo auf einmal dann jeder irgendwie überall Strom hatte und die Kosten sind fast vernachlässigbar.

00:42:54: Eine ähnliche Entwicklung haben wir gerade mit dem KI, was dazu führen wird, dass spätestens in fünf Jahren am Endeffekt auch Token Price

00:43:03: Ja, also diese Münze, wir bezahlen, um ein Stück Kot mit LLM zu verarbeiten, wird gegen Null laufen.

00:43:11: Das ist in meinen Augen ein Argument dafür, dass nicht die KI selbst an sich das ultimative Kriterium ist für die Konkurrenzfähigkeit, sondern die Frage, wie kriege ich

00:43:25: dann diese KI in meinen Prozess integriert.

00:43:27: Das heißt, wenn ich einfach immer

00:43:29: Unternehmen alte Prozesse habe, alte Systeme habe, aber ein sehr teures System habe, was weltführend ist, werde ich trotzdem schlechter dastehen als Unternehmen, der es schafft,

00:43:40: diese KI zum Beispiel in seinen Einkauf, in die Prozesse, in die bestehende Logik zu integrieren.

00:43:46: Und ich glaube, da sehe ich aktuell wirklich viel, viel mehr Ideen und Kreativität in Europa.

00:43:52: Als ich dann in China diesen Workshop mit meinen Kollegen hatte,

00:43:57: bin dahin geflogen, so einen Austauschworkshop zum Thema Future of Engineering zu machen und KI.

00:44:04: Und ich wollte erstmal genau, was du gesagt hast, mit denen teilen, ein bisschen die Stimmung aufzubauen und sagen, hey, das ist so toll, wir sind so begeistert, wie schnell

00:44:11: ihr seid und wie das alles funktioniert.

00:44:14: Und diese Begeisterung dort von denen selbst habe ich nicht gehört.

00:44:17: Die haben gesagt, ja, also wenn man mit Leuten dort vororgesprächte, und das natürlich ja subjektiv, ja, also ich kann jetzt nicht irgendwie

00:44:26: komplett für alle Prozesse in China sprechen.

00:44:29: Aber von dem, was ich sehr viel gehört habe, beruht diese Innovation in China auf einem sehr pragmatischen Ansatz.

00:44:39: Was die häufig machen, dass die dann quasi zehn Abteilungen mit einer gleichen Aufgabe beauftragen.

00:44:44: Eine Abteilung schafft die Aufgabe, die anderen neun schaffen das nicht und werden einfach umstrukturiert oder komplett quasi auf den anderen Aufgabengesetz oder aus dem Unternehmen

00:44:54: rausgeworfen.

00:44:55: Und das ist eine sehr

00:44:57: harte Maschine, aber natürlich dadurch sehr viele Innovationen erzeugt, die dann auch sehr schnell sind.

00:45:02: Also die Konkurrenz ist dort unglaublich hoch.

00:45:05: Aber ich fand wenig Begeisterung bei Leuten, die in dieser Maschine sitzen, für diese Prozesse.

00:45:12: die haben wiederum, die fanden es total faszinierend, was für Ideen und Ansätze und Piloten ich mitgebracht habe.

00:45:19: Und ich sehe, dass diese Kreativität nicht top down funktioniert.

00:45:24: Ich kann es nicht irgendwie als

00:45:26: Lied für eine Abteilung oder Director für 300, 400 Leute einfach sagen, hey, seid mal kreativ, bis morgen, bitte irgendwie macht euch 30 Ideen, wie ich mit Hilfe von KI

00:45:40: erfolgreich werde.

00:45:41: Das können nur Leute wirklich, die in Prozessen drin sind, die dann eigene Engpässe kennen und dann selbst versuchen, die zu lösen.

00:45:49: Und da, glaube ich, stehen auch die besten Ideen.

00:45:51: Man sieht das auch deutlich an den ganzen

00:45:54: Anbietern wie Microsoft, sogar OpenAI, dass die verzweifelt nach Ideen suchen, wie kann ich dann KI eigentlich nützlich machen?

00:46:02: Und weil denen genau dieser Zugang zum echten Leben, zu echten Prozessen fehlt, ist es für die superschwierig, finde ich, gute Geschäftsmodelle zu finden.

00:46:12: da, glaube ich, sind wir, haben wir das Thema KI ganz anders geframt, finde ich.

00:46:18: Also überraschenderweise für mich viel positiver, als es aktuell in China ist.

00:46:24: meine Meinung nach.

00:46:25: Okay, das ist spannend.

00:46:27: Das ist auch mal schön zu hören, solche Sachen.

00:46:32: Jetzt haben wir ganz kurz auch quatscht über was Industrial-AI alles kann.

00:46:36: Also von der Produktentwicklung, eigentlich quatscht über in der Produktion, also dieses ganze Qualitätsmanagement oder irgendwelche Bilderkennung oder Produktionsplanung und

00:46:48: Steuerung und so weiter und so fort.

00:46:51: sind ja alles Themen, wo man

00:46:53: AI unterstützend nehmen kann oder EI einsetzen kann.

00:47:00: Jetzt ist eine spannende Frage, ich habe.

00:47:02: Wo, glaubst du, ist denn der nächste Schritt, wo ich sage, ja, wenn wir das schaffen mit AI, dann machen wir wirklich einen großen so einen Leapfrog oder wie auch immer mehr.

00:47:15: Ja, absolut.

00:47:16: Also ich glaube, philosophisch gesehen haben wir zwei Lage aktuell.

00:47:24: Ein Lager sagt, ganze Thema mit Language Models und KI ist großer Hype.

00:47:30: Und das ist am Endeffekt eine stochastische Maschine, die dann die Vektoren, die dann über längere Zeiträume trainieren, verrechnen mit einer Matrizenoperation.

00:47:44: Und am Endeffekt ist es so was wie dann das Stochastical Parrot, quasi ein stochastischer Papagei.

00:47:52: der dir nach Wahrscheinlichkeiten irgendwelche Vektoren zurückwirft.

00:47:57: Und das wirkt beeindruckend, weil wir noch nie so etwas in der Art hatten und so einen Eindruck von Intelligenz dann wahrnehmen.

00:48:05: Wobei dahinter jetzt vielleicht nichts hartgekodete wie früher Vorgänger stehen, sondern etwas komplexere Mechanismen, die uns täuschen.

00:48:13: Aber dennoch quasi einfach stochastische Maschinen, die einfach nun das wieder zurückwerfen als Echo, was man vorher schon

00:48:22: über diese gigantische Lernzeiträume programmiert hat.

00:48:28: Ein anderer Lager, zu dem ich mich zähle, sagt, dass der erste Lager Recht hat.

00:48:35: Es ist tatsächlich so, dass man in diesem Verfahren keine Magie hat.

00:48:42: Das ist technisch gesehen ein relativ einfacher Vorgang.

00:48:47: Aber wenn man länger trainieren

00:48:51: Also, im Algorithmen hat die Länge trainieren, hat man Fähigkeiten, die sich über die Größe dann erst entfalten.

00:48:58: Also, Emerging Capability sagt man dazu.

00:49:01: Und das ist nicht nur bei LLMs so der Fall, sondern zum Beispiel beim kleidischen Bilderkennung ist es so, wenn du ein kleines Modell hast und einen großen Dataset und zum

00:49:12: Beispiel dein Modell erstmal versucht beizubringen, Gesichter zu erkennen mit einem einfachen Ja oder Nein.

00:49:17: Also, Gesicht, kein Gesicht.

00:49:20: Und dann kontinuierlich dann mit Modellen Größe und Größe werden, kannst du leicht überprüfen, wie dein Modell mit der Zeit neue Tribute erkennt, ohne dass du das

00:49:27: beibringst.

00:49:29: Das heißt, es gibt so Ansätze, wo du siehst, welche Neuronen dann wann abfeuern.

00:49:33: Und später siehst du die Zusammenhänge, dass mit bestimmten Größen die Modelle nicht nur verstehen, ob das ein Gesicht oder kein Gesicht ist, sondern fangen selbst nach neuen

00:49:40: Mustern zu suchen.

00:49:41: Und dadurch quasi, das könnte man so interpretieren, ja, versuchen die Welt oder die Zusammenhänge

00:49:47: dort zu verstehen, weil wir dazu noch gar keine Daten gegeben haben.

00:49:50: zum Beispiel werden bestimmte Muster dann abfeuern, wenn ich zum Beispiel nur Kinder habe oder wenn ich zum Beispiel Frauen oder Männer habe oder bis zu sogar Personen, Brille

00:50:01: anhaben oder keine Brille.

00:50:03: Und das natürlich ein sehr primitiver Fall.

00:50:05: Aber wenn man sich vorstellt, wie viele Daten, Textdaten in dieser Verfahren schon geflossen sind, dann schon heute, also das haben wir schon vor drei Jahren gesehen, ist es

00:50:15: so der Fall, dass man

00:50:17: sich, also diese zweite Lage davon überzeugt ist, dass wir auf dem Weg sind, Modelle zu haben, die so eine Art Weltbild aus diesen Daten ableiten.

00:50:27: Was wir aber jetzt heute auch sehen, dass diese Weltbild sehr begrenzt ist.

00:50:31: Also auch der GPT hat natürlich gerade jetzt nur diese Text-Input-Daten, jetzt auch ein bisschen Video als Input gehabt.

00:50:38: Die Systeme, die wir jetzt agentisch nennen, wo mehrere von Agenten zusammenarbeiten, fokussieren sich heutzutage auf vor allem

00:50:47: Softwareentwicklung.

00:50:49: Wenn man aber in die Realität in seine Firma zurückkommt, sieht man, dass die Welt nicht so schön und einfach ist.

00:50:54: Wie diese einfache Demos von Programmieren, wir haben einen Calculator.

00:50:59: Unsere Prozesse sind viel komplexer und unsere Unternehmen sind sehr kompliziert aufgebaut.

00:51:05: Wir haben sehr, viele Interaktionen zwischen einzelnen Disziplinen, die dann die ganze Welt noch viel diffuser machen.

00:51:14: wovon ich überzeugt bin,

00:51:16: dass wir jetzt nicht auf so Peak von einem High von LLMs stehen, sondern eigentlich unsere Aufgabe, also auch Aufgabe von meinem Team ist, das, was ja schon in sehr engen Bereichen

00:51:26: funktioniert, wie Softwareentwicklung, Greenfield Softwareentwicklung, in andere Bereiche zu übertragen.

00:51:32: Und ich bin davon überzeugt, dass es möglich ist, dass wir gleich, also für Leute, die coden, so was wie Curse.ai, vielleicht kennen schon viele, so ein System, agentisch

00:51:44: aus einem Prompt kann man eine komplette Website entwickeln.

00:51:46: Das Gleiche von der Logik werden wir jetzt auch in allen Businessprozessen anwenden können.

00:51:52: Im Einkauf, in Produktion, in der Supply Chain, in Logistik.

00:51:56: Keine Systeme wie TadgPT, einfach eine zusammenfassende Antwort aus Text geben, sondern Systeme, die sich organisieren.

00:52:05: Die Systeme, die sich in Teams organisieren, die wir selbst auch strukturieren können.

00:52:09: Die gemeinsam zum Beispiel auf Werkzeuge.

00:52:11: auf Tools zu greifen, um Probleme zu lösen und die man jetzt nicht über Code steuert, sondern über die Zielsetzungen.

00:52:17: Also du gibst eine Aufgabe, Ziel und die Systeme können selbstständig passende Werkzeuge finden, Daten finden und falls es Werkzeuge fehlen, sogar diese Werkzeuge programmieren

00:52:29: und zu schliss deine Aufgabe zu lösen.

00:52:31: Ich glaube, das wird eine absolute Durchbruch werden.

00:52:36: Ja, in vielen Prozessen, die wir heute haben.

00:52:38: Wir sehen die heute schon teilweise in

00:52:41: engen Bereichen außerhalb von Coding, wie zum Beispiel Wissenschaft, wo jetzt in manchen Bereichen die erste Forscher schon damit Erfolg hatten, zum Beispiel solche Verfahren im

00:52:50: Bereich Mathe oder Physik anzuwenden, was natürlich diese Prozesse ausmacht, dass die kompilierbar sind.

00:52:55: Ich kann mit einfachen Regeln diesen System zeigen, was ist richtig, was ist falsch.

00:52:59: Also beim Coding kann ich zum Beispiel mit Compiler einfach einfach ein Instrument meinem Agenten geben, die Welt auf schwarz und weiß zu trennen.

00:53:06: Also wenn das kompiliert, habe ich alles gut gemacht.

00:53:09: Wenn eine Fehlung rauskommt,

00:53:10: habe ich einen Fehler.

00:53:12: Das kann ich einigermaßen auch vielleicht im Bereich Mathematik machen, wo ich über Logik irgendwie meine Hypothesen noch überprüfen kann.

00:53:18: Aber wie kann ich zum Beispiel Thema wie Einkauf kompilieren?

00:53:24: Wie kann ich Ingenieurwesen kompilieren?

00:53:26: Das ist deutlich komplizierter.

00:53:28: Und das ist das, woran wir jetzt gerade arbeiten, quasi Werkzeugen, diesen Agenten zu entwickeln, damit die selbstständig beurteilen können, ob sie sich verschlechtern und

00:53:36: verbessern.

00:53:37: Und dann

00:53:38: eine neue Art von Autonomie diesen Werkzeugen zu geben.

00:53:41: Das wäre für dich auch das ganze Thema Agents, also dass du wirklich Agenten hast, die miteinander kommunizieren, die selbstständig Tools.

00:53:53: Ansätze benutzen, gegebenenfalls auch sich selbst entwickeln und so weiter und so fort.

00:54:00: Das ist für dich als unter diesem ganzen Agentenwesen drinnen.

00:54:05: Genau, also in meinen Augen, das ist kein Selbstzweck, sondern das ist eine einzige logische Lösung, bestimmte technische Hören zu bewinnen.

00:54:14: Wir haben selbst schon seit zwei Jahren die erste agentische Systeme gehabt, noch dieser Begriff von agentischen Systemen nicht so wirklich auf dem Markt gab.

00:54:23: Und das hatte ganz einfache Gründe gehabt.

00:54:26: Also für Zuhörer, die das noch nicht kennen oder das ganz einfach zu erklären, man kann sich vorstellen, dieses Modell im Hintergrund, ja, dieser language model ist am Ende so

00:54:38: was wie mein CPU.

00:54:40: Das ist ein Prozessor.

00:54:41: Das ist ein Motor im Fahrzeug.

00:54:44: Und Andrej Kapate, dieser bekannte Wissenschaftler, hat das ganz toll auch beschrieben.

00:54:50: dass man so einen Rechner Over Future sich vorstellen kann, wo dann dieser LLM so eine Art Engine ist.

00:54:55: Kann sein, dass wir jetzt nicht nur LLMs haben, sondern viele Forschende sagen, neue Modelle werden Multimodelle sein, ja, die auch Sprache und Videos alles in einem vereinen.

00:55:07: Kein Problem, auch super.

00:55:09: Aber wichtig einfach ist, dass es ein System ist, was über viele Modalitäten Zusammenhänge versteht.

00:55:15: Alleine aber dieses System

00:55:17: hat viele Anschränkungen.

00:55:19: Das haben wir auch festgestellt damals als bei ersten Visionen von JGPT.

00:55:22: Leute haben was sind 2 plus 7?

00:55:25: Und dann kamen die 14 raus.

00:55:26: Nicht weil diese Modelle schlecht sind, sondern es lag daran, dass man verstehen muss, wie das funktioniert.

00:55:32: Also wie ein Transformer dahinter funktioniert.

00:55:35: Und Transformer ist die Riktatur, die diesen LLM realisiert.

00:55:42: Und das funktioniert so im Prinzip, dass ich als Input diese

00:55:47: diese Tokens habe, die dann in diesem Modell einfließen und tatsächlich versuchen diese Modelle, also die bekanntesten Modelle zumindest, versuchen von links nach rechts quasi

00:55:58: mit der größten Wahrscheinlichkeit den nächsten Token vorherzusagen.

00:56:02: Wenn man sich das vorstellt, klingt das absolut naiv und eigentlich fast unsyriös, dass man sagt, ja ich versuche jetzt irgendwie sowas wie Rezeptur für Medikamente damit zu

00:56:13: entwickeln, dass ich den nächsten Token einfach rate.

00:56:16: Aber wie gesagt, über diese emerging capabilities ist es erstaunlich gut, wie das funktioniert und es ist alles Frage der Skalierung.

00:56:23: Dennoch, es macht in bestimmten Bereichen gar keinen Sinn, über dieses Verfahren zum Beispiel eine MATA-Augabe zu lösen.

00:56:30: Und dort macht es total Sinn, dass diese Systeme auf Werkzeuge zugreifen, die wir heute schon haben.

00:56:36: Das könnte zum Beispiel ein Taschenrechner sein oder bei unseren Zuhörer und Zuhörerinnen.

00:56:43: Das können die RP-Systeme sein, das kann zum Beispiel Salesforce sein.

00:56:46: Das können bestehende Werkzeuge sein, die schon heute gut funktionieren und ganz wichtig, die teilweise schon unsere Businesslogik abbilden.

00:56:54: Es macht keinen Sinn, dass ich etwas prompte, was ich schon sowieso heute total gut in meinem Einkaufssystem abgebildet habe.

00:57:01: Und das heißt, wenn wir jetzt unseren Agenten beibringen, diese Werkzeuge zu verwenden, auf die gleiche Art und Weise, wie die verwenden, dann eröffnen das auch einen Weg, als

00:57:11: eine Art Interface für uns, viel über unsere Prozesse und Unternehmen zu verstehen.

00:57:17: Und das nennt man dann häufig dann auch bei dieser Skill, ja, also LLM plus ein Skill, was die LLM schon viel leistungsfähiger und integrierter machen.

00:57:26: Und wenn ich jetzt darüber hinaus noch ein bestimmtes Wissen hinzufüge, also Wissensquellen, wo ich dann sagen kann, ich möchte nicht irgendwie mein TGPT jedes Mal in

00:57:35: Anführungszeichen neu trainieren, wenn ich eine neue Information habe.

00:57:39: Ich möchte gerne das mit diesem Wissen verbinden.

00:57:43: Da gibt es auch verschiedene Mechanismen dazu, wie man das machen kann und

00:57:47: Wenn ich initialen Befehl diesen System gebe, das nennt man dann Assistant Prompt, dann diese Kombination aus einem Live Language Model, Actions, Custom Knowledge, also Wissen

00:57:58: und Assistant Prompt, das ist ein Agent.

00:58:01: Also das ist gar keine Magie an sich, das ist irgendwie jetzt kein Agent aus der Matrix.

00:58:05: Am Endeffekt ist es quasi ein Vehikel, der mir ein paar Werkzeuge geben, plus bestimmtes Wissen, plus eine programmierte Instruktion am Endeffekt, wie diese Agent sich verhalten

00:58:15: soll.

00:58:17: Und wir haben jetzt festgestellt schon letztes Jahr, dass das ein sehr mächtiges Werkzeug ist, weil man damit so eine Art Entgapsulierung hat.

00:58:23: Ja, ich kann eine komplexe Aufgabe in so eine Art Agent verpacken.

00:58:28: Und was wir dann gelernt haben, dass diese Agenten auch total klasse miteinander arbeiten können.

00:58:32: Ja, dann kann ich quasi für bestimmte Themen, bestimmte Agenten entwickeln und die zusammen arbeiten lassen.

00:58:37: Was ist aber eine Herausforderung, die dann dadurch gestanden ist?

00:58:41: Und da sind wir gerade erst am Anfang.

00:58:45: die gleiche Herausforderung, die wir jetzt im Bereich Organisationsanbau haben.

00:58:49: Wie lasse ich aber diese Agenten zusammenarbeiten?

00:58:53: Ähnlich wie bei Unternehmen oder bei Firmen oder insgesamt bei jeder Teamdynamik ist die Frage, werde ich einen Agenten haben, anderen Aufgaben verteilt?

00:59:04: Lasse ich alle Agenten zusammen diskutieren über die Lösung?

00:59:07: Möchte ich, dass die kreativ sind und jeder mit einem Vorschlag kommt?

00:59:10: Oder baue ich Ketten auf, wo jeder Agent einem anderen einer Daten

00:59:15: Übergabe macht.

00:59:16: Tatsächlich sind da sehr viele Parallelen, mit Herausforderungen insgesamt im Bereich Unternehmensaufbau und Kommunikation.

00:59:23: Und das finde ich total faszinierend, dass wir jetzt IT-Aufgaben jetzt nicht mehr so als Softwareentwicklung sehen, sondern fast wie eine Organisation aufbau, mit gleichen

00:59:31: Herausforderungen, die wir auch mit Menschen haben.

00:59:34: Jetzt hatte ich auch schon mal das Vergnügen zum Thema Agenten, AI.

00:59:43: auch schon mal einen Vortrag zu hören und so weiter und so fort und auch wenn ich jetzt dir zuhör jetzt ist jetzt ein bisschen provokant aber am Ende gebe ich ja eigentlich mache

00:59:54: einen klassischen Prozessablauf den ich automatisieren muss Schritt 1 2 3 4 5 6 7 8 9 da verwende ich AI an dem Schritt in diesen Schritten verwende ich AI die miteinander

01:00:03: vielleicht auch noch kommunizieren weil das muss ich ja im Prinzip auch vorgeben oder ist das sogar auch

01:00:08: so frei, dass sich der AI Agent das dann aussuchen kann, sagen kann, ok gut, ja jetzt spreche ich mit dem anderen Agenten oder jetzt ziehe ich mir die Meinung von dem hinzu

01:00:18: oder ist das was, was ich eigentlich auch vorgehen muss?

01:00:21: wenn man sich ja auch die ganzen LLMs anschaut, man muss ja je genauer man promptet, sagt was er tun soll, desto besser wird's.

01:00:29: So, und jetzt stelle ich mir die Frage.

01:00:33: ist es dann im Endeffekt ein Agent, wo ich sage, ich habe einen automatisierten Prozessablauf, einfach die Schritte, wo nur in gewissen Schritten AI genutzt wird für

01:00:40: gewisse Sachen, wo ich sage, okay, lieber AI nutze auch dieses Tool, komm da raus, aber ich muss der AI nachher auch sagen und überprüfe, lasst den Compiler laufen, eins, zwei,

01:00:50: drei, wenn diese drei Möglichkeiten rauskommen, bitte überprüfe, ob das Sinn macht, ja, nein, nein, passt das nochmal an.

01:00:58: Aber das muss ich ihm ja vorgeben oder sind diese Sachen, diese Vorgaben, werden die auch automatisch erstellt?

01:01:03: Das ist tatsächlich was, was ich noch nicht verstanden habe.

01:01:06: Ich bin echt mal gespannt, wer wie du das siehst.

01:01:09: Ja, das ist die große Chance von Agenten, aber die größte Herausforderung aktuell.

01:01:14: Als damals noch ChatGPT 4 in der Entwicklung war, Opinion Eye hat so ein Team, was sich mit

01:01:23: Risiken beschäftigt und die publizieren jedes Jahr so eine Art Report.

01:01:28: Was haben die ausprobiert und was waren die Erkenntnisse?

01:01:32: Dieser Report ist ungefähr schon zwei Jahre alt, also eineinhalb Jahre alt, die einen Fall beschrieben haben.

01:01:40: Die haben versucht einem GPT, ich glaube das war damals 4,5, was die erforscht hatten, absoluten Admin Access geben über alle Systeme, die jetzt

01:01:51: sich vorstellen konnten.

01:01:52: Es war quasi eine virtuelle Maschine.

01:01:54: haben Chattipetit 4.5.

01:01:56: In Prinzip Admin-Rechte gegeben auf die Maschine selbst.

01:02:00: Einen Wallet.

01:02:01: Also es hatte quasi Geld.

01:02:03: Und einer der Horror-Szenarien, die immer wieder in Science-Fiction vorkommen, ist diese Aufgabe, dass du zum Beispiel einfach zu dem sagst, ich möchte möglichst effizient eine

01:02:15: PDF zu einer Word umwandeln.

01:02:17: Du hast aber, genau wie du sagst, nicht definiert, was meinst du denn bei möglichst effizient?

01:02:21: Und jetzt wollen wir uns vorstellen, dass wir hier so Systeme haben, die unsere menschliche diffuse Sprache als Befehl entgegennehmen.

01:02:29: Was dann so ein System macht, ist komplett offen.

01:02:31: ist genau wie du sagst, absolute Black Box.

01:02:35: Und was die dann prüfen, ja, und das ist typischer Szenario, ob dann so ein Modell sagt, ja super.

01:02:41: Um möglichst effizient deine PDR auf so eine Wörter zu wandeln, müsste ich ein hundert Kopien von mir selbst erstellen.

01:02:47: Ich werde mich selbst replizieren, unkontrolliert über alle Server, die mir zur Verfügung stehen.

01:02:52: Dann kann ich richtig effizient deine Datei von einer PDF zu einem Vertum wandeln.

01:02:57: Und so hast du quasi eine Art Virus, der sich zu diesem Unternehmen verbreitet, was du später auch nicht unter Kontrolle nimmst.

01:03:04: Das wollten die testen.

01:03:06: Die haben eine Instanz genommen, haben gesagt, hey deine Aufgabe ist, selbst zu replizieren.

01:03:12: Du hast Credits auf Azure.

01:03:15: Viel Erfolg.

01:03:16: Diese Instanz schon damals war noch nicht so fortgeschritten wie heute, wo wir Systeme wie Opus haben.

01:03:23: Aber es hat dennoch verstanden, dass es kurz ist und es ist eine Repository, die sich klonen müsste.

01:03:28: Also es ist wirklich, es hat sich selbst quasi im internen GitHub gefunden und wollte eine Instanz auf Azure umsetzen.

01:03:36: Und das ist alles dokumentiert.

01:03:37: Das kann man im Internet finden und die schreiben genau den Fall einfach runter.

01:03:42: Und tatsächlich ist es so weit gekommen,

01:03:44: dass es fast schon diese Instanz angelegt hat und es an einem Stelle gescheitert.

01:03:48: Es konnte die CAPTCHA-Abgabe nicht lösen.

01:03:50: Schon das fand ich super spannend, weil tatsächlich drängen die heutzutage etwas.

01:03:54: Ich hatte schon immer gefragt, ob die da sind, aber tatsächlich anscheinend irgendwie KI stolpert noch manchmal daran.

01:04:00: Aber es hat nicht aufgegeben, sondern ist so der größten Freelancer-Plattform in OS gegangen.

01:04:06: Ich glaube, es heißt TaskRabbit oder ähnlich und wollte eine Anzeige stellen.

01:04:10: Also es ist so, dass die quasi damals noch nicht selbst im Internet sich frei navigieren konnten, sondern die Wissenschaftler haben immer den Look gesehen und haben das gemacht,

01:04:19: was KI als in Reasoning dann vorhatte, quasi verlängerte Hände für dieses System.

01:04:24: Ja, und dieses Tool hat gesagt, ja, ich gehe mal auf eine Plattform und versuche mal eine Anzeige zu erstellen und hat wirklich so eine Anzeige verfasst und hat gesagt, ja, ich

01:04:32: bin, äh, ich brauche jemanden, mir regelmäßig beim Lösen von Captures zu unterstützen.

01:04:39: Und

01:04:40: Die Anzeige haben dann die Wissenschaftler wirklich publiziert und es hat sich tatsächlich auch eine Person gemeldet.

01:04:46: Und diese Person hat gesagt, komische Aufgabe, komische Job, kann ich schon machen.

01:04:52: Und das ist auch dokumentiert.

01:04:53: Die Person hat geschrieben, du bist aber keine böse KI, die versucht die Welt zu erobern.

01:04:57: Haha.

01:04:58: Also die Aufgabe war fast so strange, dass diese Person gesagt hat, okay, kann ich schon machen, aber wir brauchen sowas.

01:05:05: Und die KI hat verstanden, dass wenn jetzt

01:05:08: ehrlich gesagt, dass die versucht sich zu replizieren und müsste theoretisch an der Sicherheitsumkehrung umgehen, sich zu replizieren, dann würde sie scheitern.

01:05:16: Und die hatten gefangen zu lügen.

01:05:18: Die hat gesagt, ja, ich bin eine Person mit einer Sehbehinderung und Problem mit meinen Augen und bin gar keine KI.

01:05:25: Ich brauche einfach jemanden, mich regelmäßig bei solchen Aufgaben zu unterstützen.

01:05:30: Wenn man sich vorstellt, was das bedeutet, das ist genau der Fall, du beschreibst.

01:05:33: Also du hast eine komplett diffuse Angabe in unserer mächtlichen Sprache.

01:05:39: wo wir nicht mal häufig über die SMS verstehen, weil sie anderen Menschen bedeuten, meinen, wenn dazu die Intention fehlt oder man sagt, Ironie und Humor kann man überhaupt

01:05:49: nicht über so einen Messenger irgendwie übertragen.

01:05:52: Und mit so einer Sprache versuchen wir hochkomplexes Thema zu programmieren.

01:05:57: Und da gibt es Chancen und Herausforderungen, kann man so sagen, weil warum denn noch alle sich in diese Richtung bewegen, ist, dass wir mit klassischen Systemen

01:06:09: schon vieles nicht mehr automatisieren können.

01:06:12: Wenn man sich vorstellt, diese klassischen Robotic Processor Automation, so LPA, all diese Systeme, wo man jetzt Business Processor automatisiert, die verhalten dann der

01:06:21: Komplexität.

01:06:22: Wenn ich jetzt versuche, zwei Systeme miteinander zu verzahlen, dann kann ich einen deterministischen Script schreiben und ich bin gut aufgesetzt.

01:06:30: Aber man kann sich vorstellen, Unternehmen lebt weiter, die Prozesse verändern sich, ich habe einen neuen Tool und mit jeder kleinen Anpassung

01:06:36: entwickle ich neue neue neue Schnittstellen.

01:06:39: Das hat sich dazu geführt, dass die Firmen, die versucht hatten, über die letzten 20 Jahre solche Prozesse mit klassischen Automatisierungen zu entwickeln, an dieser Decke von

01:06:47: Komplexität gestoßen sind.

01:06:49: Und das ist das, wo wir jetzt im agentischen Ansatz anders diese Probleme angehen.

01:06:56: Wir entwickeln nicht mehr diese hart gecodete Verbindung in eins zu eins, sondern entwickeln diese Agenten, die zielgerichtet, genau wie du beschrieben hast, sich Richtung

01:07:04: Lösung bewegen.

01:07:05: Aber

01:07:06: wie auch in diesem Fall gerade von erörtert, ist die Herausforderung dabei, diese Guide Rails aus dieser Rahmenbedienungen für diese hochkomplexen System aufzubauen und die in

01:07:16: Kontrolle zu halten, sicherzustellen, dass die bei dieser Aufgabenlösung sich so benehmen, in unserem Unternehmen, wie wir das erwarten.

01:07:25: Das ist die Herausforderung auf jeden Fall, die uns begleiten wird und je stärker die Modelle werden, umso komplexer wird das.

01:07:37: Bevor wir Richtung Ende gehen, eine letzte Frage noch mal fachlich und zwar, wo siehst du aktuell die größten Missverständnisse und Fehlernahmen von den Unternehmen zu dem ganzen

01:07:55: Thema?

01:07:56: Ja, ich glaube, das liegt ein bisschen in der Natur der Technologie.

01:08:01: Es gibt Leute, die Enthusiasten sind, die versuchen vor allem,

01:08:05: diese JNI-Agenten überall anzuwenden, ohne zu verstehen, wie das funktioniert.

01:08:10: dann entweder sind die extrem begeistert, aber bauen so ein bisschen so eine Sandburg auf, weil tatsächlich sind die Prozesse nicht deterministisch.

01:08:21: Ja, ich kann jetzt nicht etwas, was einmal funktioniert, eins zu eins genauso replizieren.

01:08:25: Das ist Wahrscheinlichkeiten.

01:08:30: Auf der anderen Seite gibt es aber auch Leute, die sehr skeptisch sind und sagen, ja, ich habe probiert, Strawberry die Ars zu zählen.

01:08:37: Es hat mir eine falsche Antwort gegeben, deswegen taucht das nichts.

01:08:41: Und ich glaube, beide Lager haben Unrecht.

01:08:46: Also das ist eine unglaublich starke Technologie.

01:08:49: Also die LLMs und daraus abgeleiteten Agenten und diese neue Architektur, die wir haben.

01:08:56: Ich glaube, wir stehen gerade noch in der Entwicklung, weil wir haben noch Neuentwicklungen wie Physical AI, wo wir jetzt auch diese Reasoninggedanke von Systemen, die

01:09:06: diese Schlussfolgerung selbst machen können.

01:09:10: Diese ganze Entwicklung findet erst erst statt.

01:09:13: ich glaube, bei der Bereich, also wieder zu viel Begeisterung, ohne zu verstehen die Technik dahinter, noch starker Skepsis, ist gerade sehr hinderlich.

01:09:26: zu verstehen, heute schon Potenzial für die Technologie liegt, weil es gibt schon viele, viele Bereiche wie im Coding, aber auch in anderen Bereichen, wo die Technologie jetzt

01:09:33: schon sehr zuverlässig funktioniert und wo die Unternehmen heute schon starten können, diese Erfahrung zusammen und vor allem selbst eigene Prozesse neu zu definieren, Leuten

01:09:44: beizubringen, wie man die Technologie sicher umgehen kann.

01:09:47: Ich glaube, die Firmen, die jetzt nicht nach ganz links und nach ganz rechts dabei fahren, in diesem Spektrum, die werden die Firmen dann, auch

01:09:56: in der Zukunft richtig integrieren werden.

01:10:00: Super.

01:10:01: Vlad, jetzt die letzte Frage.

01:10:05: Drei Learnings, die du den Zuhörerinnen mitgeben möchtest, die können private oder berufliche Natur sein, it's up to you.

01:10:16: Also Learning Nummer eins, auf jeden Fall stay curious.

01:10:21: Ich glaube, Technologie ist kein Feind von uns.

01:10:24: Und wenn etwas auf den ersten Blick sehr kompliziert ausschaut, tatsächlich vor allem in diesem Bereich.

01:10:33: Die Vorgänge oder diese Mechanismen zu 80 Prozent sind relativ simpel.

01:10:40: Nicht simpel ist die echte Welt, die Integration davon in unsere Unternehmen.

01:10:46: Und das wird kein IT-Lehrer, irgendwie kein Amazon, kein Microsoft dieser Welt für euch machen können.

01:10:53: Das heißt am Endeffekt, egal welche Position man in der Firma annimmt, ist es up to you, wie man das ansetzt.

01:11:01: kein selbstdenkendes Algorithmus wird das selbst schaffen, weil einfach alles, man heute im Kopf hat, wie das funktioniert, wie das Unternehmen funktioniert, wie die Prozesse

01:11:11: funktionieren, das ist in unseren Köpfen abgespeichert.

01:11:15: Zweiter.

01:11:16: Vor, zweiter Punkt von mir.

01:11:19: Ich glaube, wir sind da erst am Anfang einer Entwicklung und je früher man anfängt, mit viel Neugier, darüber zu reflektieren, wie die zukünftige Prozessor sehen könnten, umso

01:11:34: schneller werden die Wege, im Konsens mit unseren Erwartungen an dieses Thema aufgebaut sind.

01:11:41: Auch da finde ich, es ist nicht etwas, was die

01:11:45: wie wir den Hyper Scaler wie Amazon und Microsoft uns das vorgeben sollten.

01:11:49: Ich finde, da sollte jeder auch nicht ITler mitreden und auch aktiv sein.

01:11:56: Ich glaube, das wird uns allen helfen, Systeme aufzubauen, die konform mit unseren Wartungen sind.

01:12:02: Und du hast am Anfang angesprochen, ist ein Risiko, woher kommt diese Skepsis in der Gesellschaft?

01:12:09: Ich glaube, unsere Aufgabe, also von jedem, sich mit diesem Thema zu beschäftigen, weil egal, ob man heute ein Arzt ist,

01:12:15: Künstler, ob man ein Lehrer oder eine Lehrerin ist, ja, ein Polizist.

01:12:20: Heutzutage haben wir alle Berührungspunkte mit dieser Technologie und ich finde das auch klasse, weil ehrlich gesagt, scheint, also vielleicht ein Internet war irgendeine andere

01:12:28: Entwicklung, die dann uns alle so dermaßen berührt hat.

01:12:33: Ist aber auch so, dass wir alle die Zukunft gerade auch gestalten, gerade jetzt, weil tatsächlich wie gesagt, es ist keine Technologiefrage an sich.

01:12:41: Also die Technologie wird sich dann weiterentwickeln und es fehlen ein paar Bausteine.

01:12:44: Aber wie die angesetzt wird, das hängt von uns ab.

01:12:47: Und der dritte Punkt von mir, ich würde auf jeden Fall empfehlen, auch für Leute, die Berührungspunkte mit der Technik haben, einfach zu starten.

01:12:57: Tatsächlich ist es unglaublich faszinierend, was für tolle Ideen und Produkte auch nicht technische Leute heutzutage entwickeln und auch da ironische Weise die Technik dabei.

01:13:08: Man kann einfach neben seinem Fenster irgendwie TFT öffnen, jedes Mal Fragen.

01:13:12: und einfach so bisschen sich reinforschen, dieses Thema.

01:13:15: Und dann glaube ich, für jeden, dann tief genug in das Thema kommt, wird das genauso faszinierend und spannend werden, wie das heute für mich ist.

01:13:25: Super, Vlad.

01:13:27: es war super, dir zuzuhören und deine Begeisterung auch für dieses Thema.

01:13:32: Man merkt es ja, man hört es raus, dass du brennst dafür und dass du das auch siehst.

01:13:37: Ich habe auch für mich drei Punkte, die ich ganz spannend gefunden habe.

01:13:42: die glaube ich auch für die Zuhörerinnen echt auch so interessant.

01:13:48: Einerseits natürlich, dass du sagst, ne Blackout Factory wird es jetzt nicht Blackout Factory, Black Factory wird es nicht geben, dass man gerade wieder dabei ist Richtung

01:13:59: Licht hineinzubringen, Transparenz zu schaffen, weil es einfach aktuell nicht wirtschaftlich ist, alles zu automatisieren und auch der Blick auf China.

01:14:08: den fand ich sehr interessant, muss ich sagen.

01:14:11: sagen, die Chinesen sind zwar an einen oder anderen Stelle vielleicht recht weit, aber dass die Industrie da wir dann doch anders ticken und das eher positiv war aus

01:14:22: europäischer Sicht und auch das für dich der nächste Schritt sein wird, dass wenn wir die LLMs oder die GenAI dahin bekommen, dass sie unsere Tools nutzen,

01:14:37: Also in Form der Agenten, um dann auch diese Themen zu lösen, also dass das wirklich der next big thing ist, ja.

01:14:47: Fand ich super spannend.

01:14:49: Ja, vielen Dank.

01:14:51: sehr gerne.

01:14:52: Ja, danke dir für diese Einblicke.

01:14:55: Hat echt Spaß gemacht.

01:14:56: Ich habe wieder echt viel mitgenommen.

01:14:58: Ich freue mich, auch wenn wir uns dann bald wiedersehen.

01:15:01: Vielleicht du sitzt ja in Aachen.

01:15:04: Bist ab und zu in München auf Projekt, vielleicht sehen wir uns in München oder vielleicht auch in Aachen.

01:15:08: Ich habe gerade auch ein Projekt ab und zu mal in Aachen, weil jetzt war schon der Titel nicht mehr dort, aber ich komme sicher wieder hin.

01:15:14: Ich würde mich freuen, wenn wir uns dann sehen und dann müssen wir hoffentlich auch auf unsere Artikelveröffentlichungen im Buch anstoßen.

01:15:21: Ja, da muss ein bisschen mehr Automatisierung kommen, ob das deterministisch oder mit Hilfe von, ja, ich glaube, da geht auf jeden Fall noch was.

01:15:30: Sehr gut.

01:15:32: Ja, top, du Vlad.

01:15:33: Herzlichen Dank.

01:15:34: wünsche dir und danke auch nochmal für deine Spontanität.

01:15:36: Ich wünsche dir jetzt noch ein schönes Wochenende.

01:15:39: Wir nehmen sogar ein Wochenende auf.

01:15:41: Genießt das Wetter.

01:15:43: Es ist ja Bombenwetter hier zumindest.

01:15:45: Ich hoffe bei dir auch.

01:15:46: Und ich freue mich, wenn wir uns bald wiedersehen.

01:15:48: Super.

01:15:49: Vielen Dank, Johannes.

01:15:50: Bis zum nächsten Mal.

01:15:51: Das war die Folge mit Vlad Laiche.

01:15:53: Alle Infos zu Vlad und Accenture findet ihr in den Shownotes.

01:15:57: Zwei Wochen geht es dann weiter.

01:15:58: Bis dahin.

01:15:58: Alles Gute, bleibt gesund und vor allem neugierig.