#87 - Automatisieren, ohne die Beziehung zu verlieren: Jousef Murad (APEX) über KI im Finanzvertrieb

00:01:54: Alle reden über KI und fast niemand setzt sie richtig ~ Und

00:01:58: in einer regulierten Branche wie der unseren ist die Frage nicht nur wie,

00:02:03: sondern auch wie weit darf ich überhaupt gehen?

00:02:06: Und damit herzlich willkommen zum heutigen Weck-up-Call.

00:02:09: Mein heutiger Gast baut genau das für Unternehmen.

00:02:13: Systeme, Arbeit abnehmen, Prozesse automatisieren und ganz viel Zeit zurückgeben.

00:02:19: Er ist Maschinenbauingenieur, Gründer von Apex Consulting und er

00:02:24: und sein Hammer Team, dazu aber später mehr,

00:02:27: haben nach eigenen Angaben über 200 KI-Projekte umgesetzt.

00:02:31: Ich arbeite selber auch sehr gerne mit ihm zusammen und ein großer Teil meines

00:02:36: Setups läuft genau über diese Automatisierungen.

00:02:40: Und damit herzlich willkommen

00:02:42: Josef Morath. Guten Morgen.

00:02:44: Vielen, vielen

00:02:45: Dank für die Einladung, Alex.

00:02:46: Freut mich.

00:02:48: Ich freue mich auch, dass wir heute über dieses wichtige Thema sprechen.

00:02:53: Bevor wir aber über KI reden,

00:02:55: möchten wir natürlich auch noch mal wissen,

00:02:59: wie dein Werdegang war, wie du da hingekommen bist,

00:03:02: was du heute machst. Also gib uns da doch mal ein paar Einblicke

00:03:06: in deine Heldenreise.

00:03:08: Ich versuch's kurz zu halten, weil die Heldene Reise ist relativ lang.

00:03:13: Also ich komm ursprünglich aus Deutschland.

00:03:15: Wie viele wahrscheinlich wissen,

00:03:16: ich sitze momentan in Eindhoven,

00:03:17: in den Niederlanden. Einfach familiär bedingt.

00:03:21: Genau, bin eigentlich in Karlsruhe geboren,

00:03:23: dort aufgewachsen, zumindest in der Nähe.

00:03:24: Hab am KIT, im Karlsruhe Institut für Technologie Maschinenbau studiert.

00:03:28: Ganz klassisch, sag ich mal, klassisch Maschinenbau.

00:03:30: Mhm.

00:03:30: Bachelor Master gemacht, Bachelor auf den Bereich Strukturmechanik fokussiert.

00:03:35: Also wie verhalten sich Bauteile unter bestimmten Lasten?

00:03:38: Brücken, andere Strukturen und so weiter und so fort.

00:03:40: hab dann eigentlich im Master...

00:03:40: Okay, verrückt. Ich hab damit nichts zu tun.

00:03:41: Hab dann eigentlich im Master...

00:03:43: Nichts völlig, also es ist eigentlich,

00:03:45: man denkt gar nicht drüber nach im Alltag,

00:03:46: aber zum Beispiel, wir können verschiedene Objekte in einer Standlast,

00:03:48: in einer Last standhalten, wie zum Beispiel einer Brücke,

00:03:52: Da gibt es ja in der Physik dieses berühmte Beispiel von der Tacoma Narrows Bridge.

00:03:56: Sagt vielen wahrscheinlich was.

00:03:57: Diese eine Brücke, die komplett crazy war und sich bewegt hat und

00:04:01: am Endeffekt dann kaputt gegangen ist.

00:04:03: Da gibt es verschiedene

00:04:03: Okay.

00:04:03: Phänomene in der Physik oder im Maschinenbau,

00:04:05: die man dann analysieren kann,

00:04:07: warum ist das passiert und so weiter und so fort.

00:04:08: Und damit beschäftigt sich eigentlich die Strukturmechanik,

00:04:11: aber auch die Strömungsmechanik.

00:04:13: Und das habe ich an dem Master vertieft,

00:04:14: also Bachelor Strukturmechanik und dann am Master Strömungsmechanik.

00:04:18: Als du das studiert hast, also wann war das ungefähr?

00:04:22: Hol uns mal zeitlich ab.

00:04:23: angefangen 2.13 roundabout

00:04:26: Mhm.

00:04:27: genau ist jetzt auch schon ein bisschen her 2.13 soweit ich weiß

00:04:30: Und was war dein Plan, als du das studiert hast,

00:04:33: was du damit mal machen willst?

00:04:36: Ingenieur und der

00:04:38: Okay.

00:04:38: Plan war damals bei, also war zumindest die Vision damals bei Porsche

00:04:42: zu arbeiten als Aerodynamik Ingenieur oder bei AMG.

00:04:45: Genau das

00:04:45: Okay, cool. Also du bist

00:04:47: auch, du bist also auch offenbar Autofan.

00:04:50: Das können wir ja später noch vertiefen.

00:04:51: Genau, genau,

00:04:53: Und wie gesagt, Strukturmechanik und dann das Pandor eigentlich,

00:04:55: ist dazu die Strömungsmechanik im Master und habe dann dort wirklich,

00:04:58: sage ich mal, hardcore mathematische Sachen vertieft,

00:05:00: also Thema Turbulenzmodellierung.

00:05:02: Wie ist Turbulenz zu verstehen?

00:05:04: Was bedeutet Wirbelablösung? Wie kann man diese Wirbel definieren mathematisch?

00:05:07: Und was bedeutet eigentlich Aerodynamik?

00:05:10: Zum Beispiel an

00:05:10: Mhm.

00:05:11: ein Formel-1-Fahrzeug gemessen oder generell an Objekten wie einem Flugzeug,

00:05:15: sage ich mal. Genau, und dann...

00:05:17: Okay,

00:05:17: ist ja, dagegen ist ja, sorry,

00:05:20: wenn ich ganz kurz mal einhacke.

00:05:20: Alles gut.

00:05:22: Ich meine, viele unserer Hörer sind ja auch sehr mathematisch unterwegs,

00:05:25: Portfolio-Manager, etc. Aber ich glaube,

00:05:28: gegen das, was du da gerade erzählst,

00:05:30: ist Portfoliotheorie relativ einfach.

00:05:34: Es kommt

00:05:34: darauf an, jeder hat seine Genius-Zone,

00:05:36: Mhm.

00:05:37: sag ich mal. Aber für mich war das wirklich damals 9 plus Ultra,

00:05:39: hat extrem viel Spaß gemacht,

00:05:41: extrem spannende und richtig geile,

00:05:43: interessante Fächer. Und hat mich als Master am Ende dazu entschieden,

00:05:46: im Bereich Machine Learning zu machen.

00:05:48: Machine Learning, Deep Learning,

00:05:49: also ein Teilbereich der künstlichen Intelligenz.

00:05:51: Mhm.

00:05:51: Man spricht

00:05:52: ja immer heute von der KI und meint damit die Large-Language-Modelle

00:05:56: wie Chatchipity und z.B. Claude.

00:05:58: Mhm.

00:05:59: Aber im Endeffekt ist AI ein richtig großer Bereich,

00:06:01: wo Machine Learning mit reinfällt,

00:06:02: Deep Learning.

00:06:03: Das sogenannte Reinforcement Learning,

00:06:05: Natural Language Processing, was es damals schon gab mit Hey Google.

00:06:08: Zum Beispiel, jetzt muss ich nur aufpassen,

00:06:10: dass wenn die Podcastserre

00:06:10: Mhm.

00:06:11: irgendwie ein Google Device haben,

00:06:12: dass es nicht losgeht. Relativ unwahrscheinlich.

00:06:16: Aber anyway. Genau, hab dann eigentlich da Machine Learning vertieft zum ersten Mal,

00:06:20: bevor es eigentlich Hype war. Das heißt,

00:06:22: die Aufgabe war folgende. Ich hab jetzt ein Objekt,

00:06:24: zum Beispiel hier einen Fahrzeugschlüssel oder ein

00:06:26: Mhm.

00:06:27: relativ bekanntes Maschinenbauobjekt.

00:06:28: Die Kamera soll mal das Objekt fahren und so lange trainiert werden.

00:06:33: bis es versteht, das Objekt ist zum Beispiel eine Kurbelwelle,

00:06:35: eine Schraube, eine Mutter und so weiter und so fort.

00:06:38: Das habe ich damals ganz normal in Python gecodet,

00:06:40: also bevor es eigentlich noch Generative AI gab,

00:06:42: also oder Claude, was eigentlich schon eine Code runtergeschrieben hat,

00:06:45: habe ich damals noch klassisch Zeile für Zeile,

00:06:47: Code für Code Zeile eigentlich runtergeschrieben in Python damals noch.

00:06:51: Genau, so bin ich eigentlich in das Thema AI reingerutscht.

00:06:56: Und wie bist du dann dazu gekommen,

00:06:59: deine eigene Firma zu bauen? es gibt da ja auch dieses eine coole Bild,

00:07:04: was du letztens auf LinkedIn geteilt hast.

00:07:06: Das blenden wir dann an der Stelle auch im Video ein,

00:07:10: wo du quasi auf dem Boden sitzt mit dem Laptop,

00:07:13: auf dem Schoß und zwischen Umzugskartons und so.

00:07:17: wie war so dein Werdegang dann nach dem Studium?

00:07:19: Weil ich meine, ich habe jetzt

00:07:22: nicht an der Elite-Uni, wie du studiert sozusagen.

00:07:25: Und das Kit ist ja auch eben für seinen exzellenten Ruf bekannt.

00:07:29: Also du konntest dir doch wahrscheinlich die Jobs danach aussuchen.

00:07:34: Pretty much. Also das war so, dass ich

00:07:35: Mhm.

00:07:36: eigentlich schon während des Studiums sehr viel

00:07:37: in Anführungszeichen gehasselt habe.

00:07:38: Also ich habe sehr, viele Jobs inne gehabt am Lehrstuhl.

00:07:42: Habe zum Beispiel

00:07:42: Hm?

00:07:43: Studenten beigebracht, wie sie bestimmte mathematische Probleme lösen

00:07:46: mit Programmiersoftware. Genau und hab da,

00:07:49: also wenn man auf mein LinkedIn geht und einfach auf Experiences geht,

00:07:51: sieht man eigentlich alle Stellen,

00:07:52: ich inne hatte seit 2013 eigentlich.

00:07:55: Mhm.

00:07:55: Und es

00:07:55: waren insgesamt bestimmt 15 oder 20 akademische,

00:07:59: ja sag ich mal so, Stellen, die ich besetzt hatte.

00:08:00: Mhm.

00:08:01: und habe parallel dazu schon in der Industrie gearbeitet.

00:08:03: Heißt, ich habe für einen Simulation-Startup damals gearbeitet in München.

00:08:06: Mhm.

00:08:06: Und insgesamt

00:08:07: dann für fast 5,5 Jahre, fast 6 Jahre.

00:08:09: Und habe dann während meiner Studienzeit auch geswitcht.

00:08:12: Heißt, ich bin von dem Startup in München geswitcht zu einem Startup in London.

00:08:16: Was ich mit dem Thema KI beschäftigt hat,

00:08:18: und zwar KI für die Automotive-Branche.

00:08:20: Mhm.

00:08:20: Was

00:08:21: sehr spannend war. Das heißt,

00:08:22: ich bin dort erstmal in Berührung gekommen mit AI für,

00:08:26: sag ich mal, das Real Life. Also wie benutzen das Ingenieure tatsächlich

00:08:29: in der Automotive-Branche?

00:08:31: Dann kommen eigentlich schon die Probleme.

00:08:33: zwar, benutzen Ingenieure eigentlich KI?

00:08:36: Was ist KI? Was kann KI nicht?

00:08:37: Da gibt es ja dieses berühmte Ganschalt,

00:08:39: was ich auch mal in einem Video aufgezeichnet hatte.

00:08:41: Und zwar, dass man sich erstmal klarmacht,

00:08:43: KI kann sehr, viel. KI kann aber auch sehr,

00:08:46: viel nicht. Und ich glaube, wenn man in Leitplanken denkt und weiß eigentlich,

00:08:49: was KI nicht kann, ist es viel,

00:08:50: viel wichtiger. Weil alles andere kann ich dann umsetzen.

00:08:52: Das weiß ich ja zumindest. Und dann muss ich nur noch die Frage beantworten,

00:08:55: wie.

00:08:56: Aber was ich nicht lösen kann oder beantworten kann,

00:08:58: das ist, glaube ich, die viel wichtigere Frage,

00:08:59: weil ich glaube, Leute haben immer diese,

00:09:01: vor allem, sie halt viele Nachrichten schauen oder auf LinkedIn sich einloggen,

00:09:04: dieses Thema Shiny Object, ist alles machbar,

00:09:07: alles wird uns zerstören und so weiter und so fort.

00:09:09: Also praktisch diese Utopie. Und dass man da mal wirklich so einen klaren Strich

00:09:12: zieht und sagt, hey, stopp, das geht auf jeden Fall nicht.

00:09:15: Und das geht, dass da Leute eine gewisse Awareness entwickeln.

00:09:17: Die habe ich zum Glück entwickelt in diesem Startup

00:09:19: Hm?

00:09:20: in London. genau, wie kam ich dann ins Business?

00:09:24: Und zwar durch

00:09:25: ... oft in Clash mit Managern ...

00:09:27: ... oder Leute, die mich praktisch geführt haben oder führen wollten ...

00:09:29: und ich habe andere Ideen

00:09:29: Aha, erzähl!

00:09:30: hatten. Genau, ich hatte eigentlich immer andere Ideen ...

00:09:32: und sie haben mir immer erzählt,

00:09:34: wie Marketing gehen muss und Product und so weiter und so fort.

00:09:36: Dann dachte ich mir, ich weiß es besser ...

00:09:38: ... und habe

00:09:38: Hehehehehe

00:09:39: mich dann praktisch selbst gechallengt ...

00:09:40: und habe dann ... ... ... Anfang 23,

00:09:43: Ende 22 dann mit Apex gestartet.

00:09:49: Das waren die Bilder,

00:09:53: wo du auf dem Boden sitzt mit dem Laptop.

00:09:55: Das war die Zeit.

00:09:57: Genau, eigentlich kurz nachdem ich nach Holland bin,

00:09:59: ich gedacht, okay, no risk, no fun.

00:10:02: Und hab mich dann praktisch dazu entschieden,

00:10:04: während des Jobs schon parallel mein Business hochzuziehen.

00:10:07: deshalb auch, das kam das Bild zustande,

00:10:08: während Umzugskartons

00:10:09: Mhm.

00:10:09: hin und her geschoben wurden, saß ich auf dem Boden,

00:10:12: das war damals ein Fliesenkarton,

00:10:13: da war ein Fliesen drin. Hab dann gedacht,

00:10:15: wir haben noch keinen Stuhl, ich setz mich da hin und versuch,

00:10:17: Akquise zu machen. Damals über LinkedIn.

00:10:19: Hab wirklich ungelogen, ich glaub,

00:10:21: über 500 Leute angeschrieben auf LinkedIn.

00:10:24: Du hast ja auch wahnsinnig

00:10:24: Hey, hier ist mein Kanal.

00:10:25: viele Follower. Du hast ja auf LinkedIn so über 150.000.

00:10:29: Also, ist richtig krass, Also,

00:10:32: da, du bist ja da schon fast ein sogenannter Influencer,

00:10:36: auch wenn ich das Wort überhaupt nicht mag.

00:10:38: Aber ja, ja, spannend. Okay, wie würden dich denn Menschen beschreiben,

00:10:43: die dich nur privat kennen?

00:10:48: Ambitioniert, vielleicht mal ein paar Worte zusammenzufassen.

00:10:51: Ambitioniert. Nervig.

00:10:54: Immer am Druck machen. Speed of implementation.

00:10:58: mag also, also wenn etwas langsam läuft,

00:11:01: gar nicht. Du weißt es wahrscheinlich.

00:11:02: Mhm.

00:11:03: Ich spärm direkt, wenn irgendwas in der Gruppe passiert,

00:11:05: in der WhatsApp-Gruppe von uns,

00:11:05: da können wir später nochmal drüber reden,

00:11:07: direkt

00:11:07: Ja.

00:11:07: pressure. In BioBemian Select direkt pressure.

00:11:10: Ansonsten,

00:11:10: Ja, ja, ich merke das ja auch,

00:11:11: ja.

00:11:13: wie würdest du mich beschreiben?

00:11:15: Ich drehe mal die Frage

00:11:16: Ich kenne dich ja privat kaum bis jetzt,

00:11:18: Ja.

00:11:19: ich kenne es halt vor allen Dingen geschäftlich und da muss ich natürlich sagen,

00:11:24: absolut schnell, also die Delivery unfassbar,

00:11:30: ihr seid schneller im Entwickeln als ich Feedbacken kann sozusagen,

00:11:33: also es ist absolut crazy.

00:11:37: Von daher, das finde ich super.

00:11:39: Aber wir sprechen gleich nochmal über die ganzen Themen,

00:11:42: was wir genau zusammen machen,

00:11:44: wie das aussieht. Also wir wollen auch heute ja ein bisschen Inspiration geben für

00:11:49: das ganze Thema, gerade auch in unserer Branche.

00:11:52: Also du arbeitest ja auch für andere regulierte Unternehmen.

00:11:57: Also das heißt, du kennst dich ja auch ein bisschen da aus,

00:12:00: weißt worauf man achten muss.

00:12:01: Auch so Themen wie

00:12:03: Es ist ja immer so ein Stichwort Cloud Act und Co.

00:12:06: Es läuft ja auch immer wieder mal rüber.

00:12:10: Vielleicht noch zum Thema Autos,

00:12:14: weil wir gerade einfach mal drüber reden müssen.

00:12:16: Was hältst von dem fliegenden Tesla?

00:12:20: Sehr gutes Marketing. Ich finde es cool,

00:12:24: die Frage zu beantworten. Aber ich denke,

00:12:27: war auch sehr viel Marketing. Ebenfalls Porsche auch parallel dazu natürlich sein

00:12:30: Modell gelounge hat.

00:12:31: Mhm.

00:12:34: Man kann davon ausgehen, dass es in Production auf jeden Fall gehen wird,

00:12:36: so wie ich Elon kenne. Man kann irgendwelche Vorbestellungen tätigen,

00:12:39: aber ob das dann geteild wird bis 2030,

00:12:42: let's see. Ist ja immer so eine Sache.

00:12:43: Und ob es dann überhaupt

00:12:45: ja auch auf der öffentlichen Straße erlaubt wird,

00:12:47: ist ja auch noch mal so eine Sache.

00:12:48: Korrekt, korrekt.

00:12:49: Aber marketingmäßig auf jeden Fall gut gemacht.

00:12:54: Das hat er tatsächlich drauf.

00:12:58: Genau. Jetzt wollen wir noch mal schauen,

00:13:02: also zum Thema

00:13:03: Du hattest ja jetzt schon gesagt,

00:13:04: du hast dich mit so ein paar deiner Chefs dann angelegt.

00:13:07: Du hast gesagt, du kannst es besser.

00:13:09: Das ist natürlich auch mutig.

00:13:11: Ja, ganz klar. Ich kenne das aber auch.

00:13:13: Irgendwann kam bei mir ja auch der Punkt,

00:13:14: wo ich gesagt habe, na ja, ich habe auch Ideen.

00:13:17: Ich glaube auch, dass ich bestimmte Dinge besser kann als der ein oder andere Chef,

00:13:21: den ich hatte oder zumindest auch außerhalb der Company,

00:13:25: des Company-Corsets. Also du kennst ja auch Konzerne.

00:13:28: Du weißt ja auch, wie Konzerne arbeiten.

00:13:30: Du hast ja auch teilweise Konzernkunden.

00:13:33: Was natürlich absolut in dem Fall für dich spricht,

00:13:37: weil ich weiß selber, wie hart Konzerne arbeiten mit ihren Lieferanten,

00:13:41: was man für Anforderungen erfüllen muss und so weiter und so fort.

00:13:46: Aber ich kenne natürlich das Thema,

00:13:47: wenn man sagt, man möchte auch mal außerhalb von einem Konzernkorsett Dinge

00:13:51: schnell umsetzen.

00:13:54: Was hast du aber damals gesehen,

00:13:56: was andere nicht gesehen haben?

00:13:57: Weil ich sage mal so, es gibt ja jetzt an jeder Ecke

00:14:01: Eine KI-Agentur und jede, ich meine,

00:14:04: auch nahezu jede Werbeagentur verkauft mittlerweile,

00:14:07: hey, wir machen auch KI und so.

00:14:10: Aber was hast du damals gesehen,

00:14:11: was andere noch nicht gesehen haben?

00:14:13: Und was ist deswegen auch dein Vorsprung?

00:14:16: glaube auch damals, das hat angefangen eben schon vor der Masterarbeit,

00:14:18: Alex, das ist glaube ich auch eine sehr,

00:14:19: sehr nice Frage, zu sehen, dass die Technologie disruptiv ist,

00:14:24: transformativ und zu wissen, dass es irgendwann so krass sein wird aufgrund

00:14:28: der Entwicklung im Bereich GPUs und so weiter und so fort,

00:14:30: dass es eigentlich unabdingbar ist und es muss so kommen,

00:14:33: dass KI auf jeden Fall ein absoluter Gamechanger wird.

00:14:35: Dass die Blase...

00:14:35: Was ist ein

00:14:36: GPU? Sorry, da muss ich jetzt einfach mal fragen.

00:14:39: Ich weiß es nicht.

00:14:41: Es gibt ja CPU und GPUs. Und GPUs sind praktisch...

00:14:44: Man benutzt eigentlich Grafikkarten dafür.

00:14:45: Das ist eine Art Architektur, man dafür benutzt,

00:14:47: mathematische Operationen schnell kalkulieren zu können.

00:14:50: gibt halt... Das eine hat Vorteile,

00:14:51: das andere hat Nachteile. Und man benutzt eigentlich GPUs dafür,

00:14:54: ~ solche Probleme zu lösen im Bereich AI allgemein.

00:14:58: Mhm.

00:14:58: Hat damals angefangen beim Thema Deep Learning,

00:15:00: also Tieferstlernen. Das bei mir angefangen mit Bilderkennung.

00:15:04: Ganz klassisch Katzen, Hunde. Du trainierst ein neuronales Netzwerk

00:15:06: auf Katzen und Hunde. Bilder musst du dann eben erkennen.

00:15:08: Ist das jetzt ein Hund?

00:15:09: Oder ist es eine Katze zum Beispiel?

00:15:11: Oder was für ein Typ von Hund ist es zum Beispiel?

00:15:13: Und dann gibt es das

00:15:13: Mhm.

00:15:14: sogenannte Tiefe-Lernen. Deshalb hat man halt so neuronale Netze,

00:15:17: die praktisch versuchen, das Gehirn praktisch zu mimiken.

00:15:21: Das heißt, man versucht,

00:15:21: Mhm.

00:15:22: das Gehirn nachzubauen mit Neuronen.

00:15:25: Und das hat man damals gemacht,

00:15:26: in den eigentlich 2000er Jahren.

00:15:28: Da gibt es auch verschiedene akademische Paper dazu.

00:15:30: Fängt eigentlich an mit dem sogenannten Perceptron.

00:15:32: 1950, wenn ich nicht komplett falsch liege.

00:15:35: Und im Perceptron, da war schon die erste Idee so,

00:15:36: wie kann ich einen Neuron eines menschlichen Gehirns nachbauen

00:15:39: mit einem sogenannten Perceptron?

00:15:40: Und genau,

00:15:41: Mhm.

00:15:41: und dann hat die Entwicklung einfach ist weitergelaufen.

00:15:43: Und dann hat man sich irgendwann dazu entschieden,

00:15:45: diese ganzen Matrix-Operationen mathematisch betrachtet,

00:15:47: dass sie eigentlich auf einer GPU besser laufen als auf einer CPU.

00:15:51: genau, die ganzen Entwicklungen im Bereich Murches Gesetz,

00:15:55: dass praktisch die Anzahl der Transistoren sich eigentlich alle

00:15:58: 18 Monate verdoppelt. Das ist ja fast

00:15:59: Mhm.

00:16:00: eigentlich nicht mehr aufzuhalten.

00:16:00: Klar gibt es physikalische Limits,

00:16:02: Mhm.

00:16:02: dass man irgendwann auf einem bestimmten

00:16:04: auf einer bestimmten Fläche nicht mehr Transistoren bauen kann.

00:16:07: Da gibt es ein physikalisches Limit,

00:16:08: aber soweit sieht die

00:16:10: Mhm.

00:16:10: Entwicklung aus, dass es immer performanter wird,

00:16:12: die ganzen GPOs und ganzen Chips.

00:16:14: Long story

00:16:14: Okay.

00:16:14: short, das weiß man eigentlich,

00:16:15: wenn man sich bisschen mit Physik und IT auskennt.

00:16:18: Und da habe ich damals schon gedacht,

00:16:19: ja, ist jetzt schon sechs, sieben Jahre her seit der Masterarbeit.

00:16:24: Okay, das muss auf jeden Fall eine krasse Technologie werden.

00:16:26: Wird auch noch viel, krasser, meiner Meinung nach.

00:16:28: Also in den nächsten ein, zwei Jahren.

00:16:29: Wenn wir wahrscheinlich AI-Modelle sehen,

00:16:31: von Anthropic und von OpenAI, die noch viel krasser sind,

00:16:34: noch viel krassere Dinge können,

00:16:35: jetzt fängt es ja auch

00:16:35: Mhm.

00:16:36: schon an mit dem Reverse-Ingenieren von Software.

00:16:38: Also ich sage zum Beispiel einer KI,

00:16:39: reverse-Ingeniere mir bitte Riverside oder die Software oder Adobe.

00:16:42: Oder Adobe haben wir gerade alle erlebt.

00:16:45: Genau. Und es muss ja nicht mal eins

00:16:47: zu eins repliziert werden, sondern einfach nur die basic features,

00:16:50: dass die repliziert werden. Und auf

00:16:51: Mhm.

00:16:52: jeden Fall, deine Frage zu beantworten,

00:16:54: was ich gesehen habe, ich habe einfach gewusst,

00:16:55: dass AI extrem stark wird und dass ich mich da einnisten muss

00:16:58: in dieses Business-Modell.

00:17:00: und hab dann Ende 22 Anfang 23 gedacht,

00:17:03: okay, let's go. Wir fangen so langsam an mit dem Implementieren

00:17:06: von regelbasierten Automations,

00:17:08: Stichwort Zapierprozesse, N8N und so weiter und so fort.

00:17:12: Hab da praktisch Fuß gefasst und hab mir nach und nach die Case Studies aufgebaut,

00:17:16: sehr, sehr krasse Cases implementiert,

00:17:18: Voice AI, Chatbots, Knowledge Basis implementiert.

00:17:21: Es geht nicht nur darum, AI zu implementieren,

00:17:23: es geht auch darum zu verstehen,

00:17:24: es gibt drei Phasen. Das sogenannte Prä-Processing,

00:17:27: das Processing und das Post-Processing,

00:17:28: das heißt ...

00:17:29: Mhm.

00:17:29: Wie säubere ich meine Daten? Gibt es überhaupt Daten?

00:17:32: Habe ich ein Data Lake? Und welches Modell muss ich benutzen,

00:17:35: diese Daten zu verarbeiten? Und die Verarbeitung der Daten findet dann einen zweiten

00:17:39: Schritt statt. Also welches Modell benutze ich?

00:17:40: Welche Architektur baue ich, diese Daten zu verarbeiten?

00:17:43: Und Schritt Nummer drei, wie zeige ich mir das an?

00:17:46: Also wie lässt es mir anzeigen im Sinne von dem Post-Processing,

00:17:48: also KPI's, wichtig sind? Was ist der Output?

00:17:51: Weil wie jeder weiß, garbage in equals garbage out.

00:17:53: Das heißt, wenn ich

00:17:54: Mhm.

00:17:54: schlechte Daten reinschmeiße,

00:17:55: kommen auch schlechte Daten raus.

00:17:56: Das heißt...

00:17:57: Da eine saubere Architektur zu bauen und wirklich das sauber aufzusetzen gemäß

00:18:00: DSGVO und andere weitere Regularien ist glaube ich so die krux an der Sache

00:18:05: und das kann nicht jeder. Und da weiß ich eigentlich,

00:18:07: dass wir da federführend sind in dem Bereich.

00:18:10: Ja, genau. Und was war dein erstes Automatisierungsprojekt?

00:18:16: Kannst wahrscheinlich noch sagen.

00:18:18: Und was hast du daraus gelernt?

00:18:21: Soweit ich weiß, war das Automation-Projekt damals bei einem ersten Kunden

00:18:24: das Thema. Ein Lied bucht sich in einen Termin bei Calendly und ist dann darauf

00:18:29: Mhm.

00:18:29: basierend an anderen Automation-Triggers,

00:18:31: wie zum Beispiel im Slack wird jemand benachrichtigt,

00:18:33: also das Team wird benachrichtigt und der Lied beispielsweise vorqualifiziert.

00:18:36: z.B.

00:18:37: Mhm.

00:18:38: Alex bucht jetzt einen Call mit der Webseite und ich muss halt vorqualifizieren,

00:18:41: hey gemäß der Webseite von Alex passt dieser Lied zu meinem Goldstandard,

00:18:44: sag ich mal. Sehr, einfache Automation,

00:18:45: Mhm. Ja.

00:18:47: aber war damals schon so wow.

00:18:49: Das wissen heute immer noch viele nicht,

00:18:50: dass es eigentlich geht oder machbar ist.

00:18:52: Ich erzähl später noch ein paar mindblowing Sachen,

00:18:55: die ihr ja auch schon für mich umgesetzt habt.

00:18:58: Das ist natürlich auch super.

00:19:01: Und manchmal, du hast es selber gesagt,

00:19:03: es die Sachen, die ihr gar nicht auf dem Schirm habt,

00:19:05: dass die in Pain sind.

00:19:08: Aber da kommen wir dann gleich noch zu.

00:19:11: Was war einer der größten Irrtümer,

00:19:13: die du anfänglich über KI auch hattest?

00:19:16: Wenn du welche hattest.

00:19:19: Oder was würdest du

00:19:19: Ich glaube...

00:19:20: sagen, ist einer der größten Irrtümer,

00:19:22: was die meisten Menschen da draußen haben über KI?

00:19:25: ~ die erste Frage zu beantworten,

00:19:27: ich eine sehr geile Frage, Alex.

00:19:29: Ich glaube, ich hatte nicht so viele Irrtümer,

00:19:31: weil dadurch, dass ich im Start-up war,

00:19:33: Mhm.

00:19:34: hat sich die Frage dadurch schon erübrigt.

00:19:36: Ich musste

00:19:36: Mhm.

00:19:37: damals eigentlich Posts schreiben oder Blogartikel oder Trainingsmaterial aufnehmen

00:19:42: für Kunden, ~ diese Misconceptions aus dem Weg zu räumen.

00:19:47: Mhm.

00:19:47: Und die klassischen

00:19:50: Misconceptions, die klassischen Irrtümer sind zum einen,

00:19:53: dass ich nicht so viel Daten brauche.

00:19:55: Das ist heute im Zeitalter vom Generativer KI im Bereich Large Language Modelle

00:19:58: vielleicht der Fall, weil es ja schon bereits auf vielen Daten trainiert ist.

00:20:01: Trotzdem brauche ich Unternehmenskontext.

00:20:03: Also ich glaube, ein großer

00:20:04: Mhm.

00:20:04: Irrtum ist, ich brauche keine Daten,

00:20:06: das DKI weiß schon, was mein Unternehmen bedeutet,

00:20:09: was für Wissen wir haben und weiter und so fort.

00:20:11: ist ein großer Irrtum, ein großer Irrglaube,

00:20:12: Mhm.

00:20:13: weil man muss erstmal Daten sammeln,

00:20:15: weil ohne Daten kein Kontext. Ich kann halt

00:20:17: Mhm.

00:20:17: irgendwas prompten in einem Large Language Modell,

00:20:19: aber ohne Kontext, diesen Bezug zu meiner Company kann man es schon fast vergessen.

00:20:23: Deswegen so viel dazu. Ich mache da glaube ich mal demnächst eine eigene Serie

00:20:28: draus. Diese ganzen Dudes da draußen,

00:20:32: die gerade mal, ich sag mal, Abitur gemacht haben

00:20:34: und dann irgendwelche Unternehmens-Analyse-Promps oder Business-Modell-Promps oder

00:20:41: Claude wie McKinsey verkaufen.

00:20:45: Ich lese dann immer, wer kommentiert darunter?

00:20:48: Und ich muss wirklich sagen, das sind alles

00:20:50: Idioten. Also wer unter sowas kommentiert,

00:20:53: der outet sich. Das wäre eigentlich für euch eine gute Sache,

00:20:57: die alle mal anzuschreiben, weil es ja tendenziell Kunden für euch wären,

00:21:02: weil es ja ganz klar zeigt, jeder der da kommentiert hat keinen Plan,

00:21:06: eigene Strategie und outet sich dann für alle anderen und das sind dann immer

00:21:10: die Kunden, die zu mir sagen

00:21:11: Ich kriege auf LinkedIn immer nur Leute angezeigt,

00:21:14: die mir was verkaufen wollen. Dann gucke ich mir an,

00:21:17: wo die Leute kommentiert haben.

00:21:19: Dann sage ich, klar, du hast eine Einladung an 1 Mrd.

00:21:22: Menschen gegeben, dass du keinen Plan hast.

00:21:25: Also, ja, egal, ist ein anderes Thema.

00:21:27: Aber ja, mach du mal weiter.

00:21:30: Aber ich glaube, ist ein gutes Thema,

00:21:32: Alex, weil diese

00:21:34: KI-Bubble, dass man einfach solche Skills verkauft oder Prompts oder whatever,

00:21:39: Ja, Prompt kopieren?

00:21:39: das kommt ja meistens von Leuten.

00:21:40: so ein Quatsch.

00:21:42: Das kommt ja aber meistens von Leuten,

00:21:43: keinen Plan haben von dem Thema.

00:21:44: Also ich kommentiere das und das.

00:21:46: Ich mache es ja auch ab und zu.

00:21:47: ich gebe ja dann Lead Magneten raus,

00:21:49: die wirklich so Hand und Fuß haben,

00:21:51: wo drin steht, hey, das musst du beachten,

00:21:52: dann das oder das

00:21:53: Ja.

00:21:53: musst du tun, AI First zu denken und zu werden.

00:21:56: Mhm.

00:21:56: Aber wenn ich mir diese ganzen KI Influencer anschaue,

00:21:58: ist halt eine Make-Money-Opportunity.

00:21:59: Ich verstehe es in gewisser Weise.

00:22:01: Aber das große Problem, das sehe ich auch in meinen Sales Calls dann,

00:22:03: wenn Leute bei mir landen, ist,

00:22:05: ich wurde drei, viermal verbrannt,

00:22:07: auch von einer Agentur.

00:22:08: Yusef, warum soll ich jetzt dir vertrauen?

00:22:10: Da muss ich erst mal 2-3 Stunden Einbahnbehandlung machen,

00:22:12: denen zu zeigen, wir haben Logos,

00:22:15: haben Fallstudien, haben schon mehrere Millionen Euro eigentlich eingespart

00:22:19: an Return on Invest, damit die Leute auch wirklich

00:22:21: mal wieder vertrauen zurückgewinnen.

00:22:22: Und das ist halt ein extremer Pain,

00:22:22: Ja, Ja.

00:22:24: auch von mir dann.

00:22:27: Ja und dann halt die Marketing Agenturen,

00:22:29: die eigentlich Branding und Design machen,

00:22:31: die jetzt auf einmal sagen, ja wir machen auch KI und ich denke mir so,

00:22:34: nein macht ihr nicht, macht ihr gar nicht,

00:22:36: auf keinen Fall. Aber gut, ist auch so ein Thema.

00:22:41: Genau. Was war denn dann die Gründungsvision von APEX oder

00:22:46: was ist so generell, ohne dass du natürlich irgendwelche Geheimnisse verrätst,

00:22:50: ist klar, aber was ist so deine Long-Term Vision?

00:22:54: Die Long-Term-Vision ist definitiv,

00:22:56: dass wir 1000 Unternehmen minimum transformieren.

00:22:59: Das können Coaches, Berater, Dienstleister,

00:23:00: Experten sein, Agenturenhaber,

00:23:02: klassischer Mittelstand, also KMU,

00:23:04: aber auch Enterprise-Kunden, weil ich der festen Überzeugung

00:23:06: Mhm.

00:23:07: bin, also ich sehe ja die Konkurrenz in Anführungszeichen,

00:23:10: auch Leute, die eigentlich schon,

00:23:11: ich sag mal, renommierte Unternehmen konsultieren,

00:23:13: wie Porsche beispielsweise, dann schaue ich mir die Website an,

00:23:16: die Blogposts, veröffentlicht werden oder die Podcasts und denke mir so,

00:23:19: no way, also das kann es nicht sein,

00:23:21: das kann nicht der Standard of Excellence sein.

00:23:24: Mhm.

00:23:24: Und

00:23:24: dann denke ich mir, das kann ich definitiv besser.

00:23:26: Und die Vision ist definitiv, ...

00:23:28: Minimum 1000 Unternehmen zu transformieren ...

00:23:30: und praktisch die Go-To-Brand zu werden.

00:23:32: Deshalb auch der Name Apex, ...

00:23:33: ... Apex Predator, praktisch der Pinnacle,

00:23:36: die Spitze im Bereich künstliche Intelligenz,

00:23:38: ... Unternehmen

00:23:38: Mhm.

00:23:39: da voranzubringen ... und wirklich auch zu transformieren und zu digitalisieren.

00:23:42: Und AI First zu denken natürlich.

00:23:44: Ja, genau. Und du bist ja auch nicht mehr nur alleine.

00:23:49: Du hast ja auch jetzt ein Team aufgebaut.

00:23:52: Und ich, wie gesagt, habe ja auch hin und wieder immer wieder mit deinem Team

00:23:56: zu tun. Also alle absolut top,

00:23:59: ja. Sehr angenehm mitzuarbeiten.

00:24:02: Aber wie baust du dein Team auf?

00:24:05: Also wen habt ihr da so? Was sind das so für Profile?

00:24:07: Was sind das für Menschen? Erzähl doch mal,

00:24:11: wo du darauf dann achtest. Und ihr baut ja auch

00:24:13: glaube ich gerade immer weiter aus.

00:24:14: Das heißt, das wäre jetzt auch eine Werbemöglichkeit für dich.

00:24:18: Also wenn ihr jetzt Leute sucht,

00:24:19: kannst du es natürlich hier auch nochmal sagen,

00:24:22: wen genau.

00:24:23: Definitiv. Es wurden immer sehr,

00:24:24: gute Leute, sehr ambitionierte Leute.

00:24:26: Also was ich zum Beispiel gar nicht mag,

00:24:27: ist jetzt, darüber können wir diskutieren in den Kommentaren.

00:24:30: So, wenn jemand zu mir kommt und sagt Work-Life-Balance,

00:24:32: dann ist bei mir schon raus. Nine to five.

00:24:33: Nein to five. Nein to five, genau.

00:24:35: Genau. Er ist bei

00:24:36: mir schon raus. Und wie das Team aufgebaut?

00:24:38: Also ich bin Leitender Ingenieur.

00:24:39: Ich überblick alle Use-Cases und wenn irgendwas hakt oder hängt.

00:24:42: Und sind zu 80 Prozent erst mal Ingenieure.

00:24:45: Also Software-Ingenieure, top ausgebildete Leute.

00:24:49: Und haben da noch Marketing. Zwei Leute.

00:24:51: HR haben wir eine.

00:24:52: die sich ums HR kümmert, also praktisch ...

00:24:54: Hiring, Hiring Pipeline, schauen,

00:24:56: dass auch ... jeder versorgt ist innerhalb der Organisation ...

00:24:58: ... und haben drei Security Specialists,

00:25:00: weil ... im Zeitalter der künstlichen Intelligenz ...

00:25:02: ist natürlich Security ein sehr,

00:25:03: großer Aspekt. Da kann ich auch so ein paar Storys erzählen,

00:25:05: wo irgendwie KI-Agenturen Sachen gevibe-coded haben ...

00:25:08: und dann der API-Key vom eigenen Easy-Build-Account ...

00:25:11: ... in einem Interface liegt und man einfach sehen konnte,

00:25:14: ... ... wie Ausgaben, Einnahmen und dann denke ich mir so,

00:25:17: ... wenn du das für einen Kunden baust

00:25:19: und ihr habt zwischen Bankenwesen,

00:25:20: baust du da im Pharma-Bereich,

00:25:22: dann bist du schon raus. Das ist ein absoluter Killer für dein Unternehmen,

00:25:24: Ja, ja, du musst ja,

00:25:25: wenn sowas passiert.

00:25:27: wenn so was öffentlich wird, dann musst du das dann musst du das melden

00:25:31: bei der Aufsicht und so weiter.

00:25:32: Also das kann richtig, richtig teuer werden und auch richtig unangenehm,

00:25:36: weil Reputation ist gerade in dem Bereich immer noch das aller wertvollste.

00:25:40: Ja,

00:25:40: 100 %

00:25:42: okay. Genau. Was also klar,

00:25:46: jetzt hast du schon viel gesagt.

00:25:47: Was würdest du aber sagen? Nehmen wir mal jetzt nicht diese,

00:25:50: diese

00:25:51: ich sag mal unprofessionellen KI Agenturen,

00:25:53: sondern auch andere, die einen guten Job machen.

00:25:56: Was würdest du sagen, unterscheidet euch denn von diesen,

00:25:59: die auch KI Automations und Lösungen anbieten?

00:26:03: Was macht ihr noch mal besser als die anderen vernünftigen?

00:26:07: Über den ganzen Quatsch, es da gibt,

00:26:08: wir gar nicht dich mit vergleichen.

00:26:09: Definitiv.

00:26:10: Ich glaube, wir haben viel mehr Datenpunkte.

00:26:12: Also wir haben schon über 200 Projekte umgesetzt.

00:26:13: Es kann dann ein oder anderen geben,

00:26:14: der schon viel mehr umgesetzt hat.

00:26:16: wir decken halt eine ganze Bandbreite ab,

00:26:18: weil die meisten KI Agenturen da draußen oder IT-Spezialisten,

00:26:21: das spielen ja eine Nische oft.

00:26:23: Und wir sind eigentlich

00:26:23: Mhm.

00:26:24: gar nicht spitz positioniert, sondern wir machen alles von der Einbahnbude

00:26:26: bis hoch zum Enterprise-Unternehmen.

00:26:27: Das heißt, wir wissen genau direkt,

00:26:29: wo ist der Pain? Wo können wir ansetzen?

00:26:30: Wo gibt es zum Beispiel High-Leverage

00:26:31: Mhm.

00:26:32: oder High-Activity, was sag ich mal,

00:26:33: High-Value-Use-Cases, die man eigentlich dort im Unternehmen implementieren kann.

00:26:37: Was dann auch die Frage erübrigt bei Kunden oder die,

00:26:40: bei uns Kunde werden wollen, hire ich jetzt einen ITler oder einen

00:26:43: Wirtschaftsinformatiker.

00:26:43: Mhm.

00:26:44: Kann man machen? Ich finde den Hybridansatz auch sehr,

00:26:47: spannend, dass man sagt, die ITler arbeiten so die Tickets ab und APEX kümmern sich

00:26:51: die harten Brocken. Das gibt es auch oft,

00:26:54: weil ich leider sehe, dass

00:26:54: Mhm.

00:26:55: zum Beispiel auch KI-Agenturen auch schon die,

00:26:56: eigentlich gut sind oder Wirtschaftsinformatiker eigentlich gar nicht

00:26:59: den Speed of Implementation reinbringen,

00:27:01: was wieder so unser Pluspunkt ist.

00:27:03: Das heißt, wir haben extrem Feuer unterm Hintern.

00:27:03: Mhm.

00:27:05: Wir haben immer Druck auf dem System.

00:27:07: und schauen dementsprechend, dass die Use Cases schnell umgesetzt werden,

00:27:10: aber natürlich auch mit Qualität,

00:27:12: weil schnell bringt mir nichts,

00:27:13: wenn das System buggy ist, dauernd bricht,

00:27:16: Security nicht irgendwie Standards erfüllt.

00:27:19: Deswegen das ist auf jeden Fall unser USP.

00:27:22: Ja, und du hattest ja auch gesagt,

00:27:24: ihr arbeitet mit allen möglichen Firmen,

00:27:26: also vom Start-up bis zum Konzern.

00:27:29: Kannst du da ein paar Referenz-Cases nennen?

00:27:32: Namen, also ich meine, findet alle Logos auf der Webseite bei uns.

00:27:35: Das Standard

00:27:35: Mhm.

00:27:35: ist zum Beispiel Baulig Consulting,

00:27:37: ist eine sehr große Consultingfirma,

00:27:38: eine große Gruppe auch. Dann haben wir Siemens,

00:27:40: wir sind auch Siemens Technologie Partner,

00:27:42: mit denen wir zusammenarbeiten.

00:27:43: Ja, Respekt, das muss man erst mal schaffen.

00:27:46: Das können nicht viele von sich behaupten.

00:27:48: Dann haben wir noch weitere

00:27:48: Mhm.

00:27:48: Logos. gesagt, gerne auf der Webseite vorbeischauen.

00:27:50: Klassische Agenturen, Coaches,

00:27:51: Berater, Ernährungscoach.

00:27:54: Anwaltskanzleien habe ich auch gesehen.

00:27:56: Und da ist ja auch das Thema Daten und Vertraulichkeit ist ja auch ultra wichtig.

00:28:02: Vielen Dank

00:28:03: Oder auch man. Ich meine, das klingt jetzt vielleicht ein bisschen komisch dann,

00:28:08: aber gerade so Gesundheitscoaches oder auch Therapeuten und so was,

00:28:14: die hantieren ja auch mit sehr sensiblen Daten.

00:28:16: Also ich meine, die haben Daten vorliegen von Kunden über

00:28:21: Krankheiten, Gesundheit, Blutbilder etc.

00:28:24: Und ich meine, das sind ja Daten,

00:28:25: die ja noch einen höheren Datenschutz genießen als

00:28:27: die meisten anderen Datensätze,

00:28:30: die es so gibt. Im Finanzbereich,

00:28:33: ich weiß, du darfst über die Projekte nicht sprechen,

00:28:36: aber ich weiß, dass du auch für ein paar Firmen dort arbeitest.

00:28:40: Deswegen, das möchte ich an der Stelle nur noch mal sagen,

00:28:44: weil wir ja hier in der regulierten Branche sind und

00:28:47: Vielleicht der eine oder andere Vermögensverwalter,

00:28:48: der das jetzt hört, oder auch Family Officer jetzt vielleicht sagt,

00:28:52: hey, das klingt eigentlich spannend,

00:28:54: aber hat er denn überhaupt Ahnung auch im Finanzbereich?

00:28:57: Also ja, kann ich auch bestätigen,

00:28:58: dass du auch in dem Bereich für Firmen arbeitest,

00:29:02: die aber einfach wie so oft auch einfach nicht als Referenz genannt werden wollen,

00:29:07: was völlig normal ist. Das weiß jeder,

00:29:09: der sich in der Branche ein bisschen auskennt.

00:29:12: Was waren da so die Herausforderungen?

00:29:14: Also Datenschutz haben wir als Thema.

00:29:18: Wie geht ihr in so eine Finanzfirma in der Regel rein?

00:29:21: Was macht ihr da? Was waren da so die Use Cases?

00:29:24: Vielleicht kannst du so bisschen umreißen,

00:29:26: was ihr gemacht habt.

00:29:28: Sollen wir mal schauen? Ist eine gute Frage,

00:29:30: bin ich null drauf vorbereitet.

00:29:31: wir können sagen, im Prinzip

00:29:32: Hahahaha

00:29:33: ist meine Antwort immer, mich da bisschen rauszuschlängeln,

00:29:36: sage ich immer, im Prinzip können wir alles umsetzen.

00:29:38: Also was wir normalerweise machen,

00:29:39: ist bei jedem Kunden ist so eine Art Anamnese.

00:29:41: Wir sind praktisch der KI-Doktor,

00:29:43: Mhm.

00:29:43: der zu jedem Kunden geht und im Gespräch erst mal erkundet,

00:29:46: wo drückt der Schuh, wo ist der Schmerz.

00:29:48: Weil es bringt mir nichts, wenn ich in den Call reingehe und sage,

00:29:49: ich bin der Coolste, ich der Geilste,

00:29:51: ich habe über 200 Projekte umgesetzt,

00:29:53: such dir eins aus. Das macht einfach keinen Sinn.

00:29:54: Wir sind ja kein Restaurant oder so,

00:29:56: ein

00:29:56: Mhm.

00:29:57: Bedien- dich-Laden.

00:29:58: sondern es geht immer darum, was ist dein Schmerz?

00:30:00: Und wir entwickeln praktisch die Medizin in Form von Algorithmen,

00:30:03: Systemen und Prozessen, die deinen Schmerz konkret lösen.

00:30:06: Im Bereich Finanzen kann das alles beliebige sein.

00:30:09: Buchhaltungsthemen, KPI-Dashboards,

00:30:12: Vertriebsthemen zum Beispiel, das Vertriebs-Upskilling in der Finanzbranche,

00:30:16: dass ich zum Beispiel mein Vertriebsteam upskille mit Hilfe von Voice

00:30:18: AI und praktisch Interfaces baue,

00:30:20: dann eben diese Vertriebler abzuskillen,

00:30:23: damit die Conversion Rate später höher ist in meinem Unternehmen beispielsweise.

00:30:25: Das heißt, nehmen wir

00:30:27: mal an,

00:30:30: Vertriebler im Team hat einfach schlechtere Conversion-Zahlen.

00:30:33: Dann könnte der quasi mit einer KI,

00:30:36: die ihr zusammen mit dem Unternehmen und den Vorgaben entwickelt habt,

00:30:40: der könnte dann in so ein Bootcamp gehen und mit der KI einfach seine Gespräche

00:30:45: feedbacken lassen oder mit der KI direkt trainieren und sich verbessern.

00:30:49: Korrekt. Korrekt. Ja,

00:30:50: Okay.

00:30:51: genau. Dann werden auch dort KPIs gemessen.

00:30:53: Das Ganze ist auch gamified. Das heißt,

00:30:54: man kann sich vergleichen mit allen anderen,

00:30:56: die dort kompiten mit dieser Voice AI.

00:30:59: Sieht dann so eine Art Dashboard und bekommt auch real-time Feedback nach dem Call.

00:31:03: Was hätte man besser machen

00:31:03: Mhm.

00:31:04: können? Wurden die Richtlinien beachtet?

00:31:06: Gibt es zum Beispiel Sales-Leitfäden,

00:31:08: die ignoriert wurden? Und dann bekommt man da direkt Feedback.

00:31:10: Das ist auch wieder das Thema Kontext,

00:31:11: Alex. Wieder einen Schritt zurückzugehen.

00:31:12: Mhm.

00:31:14: Ohne Kontext, ohne die Richtlinien der Firma.

00:31:17: wie Sales zu laufen hat, könnte man so eine Voice AI gar nicht bauen.

00:31:20: Das heißt, da schließt sich wieder der Kreis.

00:31:23: Das heißt, ihr seid dann halt auch super nah dran,

00:31:25: ~ all diese Themen aufzunehmen,

00:31:28: zu verstehen. Das kann ich ja auch bestätigen.

00:31:30: ihr habt mir ja auch die Ingeborg AI gebaut.

00:31:35: Wir gehen da später auch noch mal ein bisschen tiefer rein.

00:31:38: Aber das ist ja genau der Punkt für meine Kunden zum Beispiel,

00:31:41: die sich unterwegs weiterbilden wollen auf Marketing und Vertriebsthemen.

00:31:45: Dann können die das eben genau so machen.

00:31:48: Ja, genau, das ist sehr spannend.

00:31:50: Genau, gehen jetzt nochmal, also wir sind gerade schon mittendrin,

00:31:54: aber wir gehen natürlich da jetzt noch weiter rein zum Thema Use Cases.

00:31:58: Was sind denn so die häufigsten Dinge,

00:32:00: die Firmen bei euch automatisieren lassen,

00:32:03: falls du das sagen kannst?

00:32:05: Ich kann mal ein bisschen aus dem Nähkästchen plaudern.

00:32:07: Also wo es eigentlich schon anfängt,

00:32:08: Alex, ist beim Thema Daten. Könnt ihr uns helfen,

00:32:11: Daten zu generieren, synthetisch zum Beispiel,

00:32:13: weil wir keine Daten haben, denken viele zumindest,

00:32:15: oder wir müssen halt die Daten akribisch suchen.

00:32:18: Das ist immer das Problem.

00:32:18: Mhm.

00:32:19: Also wir müssen immer Daten haben oder zumindest wissen,

00:32:20: wie ein Unternehmen arbeitet, weil ohne Daten können wir halt keine KI bauen.

00:32:24: Garbage in, Garbage out, gleiches Prinzip.

00:32:25: Bei mir haben wir das ja genauso gemacht.

00:32:27: haben ja, also

00:32:28: ich bin ja jetzt im zweiten Jahr meiner Firma und ich hatte viel auch lose sortiert

00:32:32: oder auch nicht. Und wir haben dann ja angefangen überhaupt erst

00:32:36: mal eine richtige Datenbank auch zu bauen,

00:32:40: weil das wäre so ein Thema, dafür hätte ich halt auch

00:32:42: ein Wirtschaftsingenieur einstellen müssen,

00:32:45: was ich mir dann halt jetzt erst mal sparen konnte,

00:32:47: weil ich das mit euch mache. Also wirklich erst mal.

00:32:50: eine Kundendatenbank, Rechnungsdaten,

00:32:53: all diese Sachen, die ich halt brauche,

00:32:55: Kunden auch zu betreuen und vor allen Dingen so aufzusetzen,

00:32:59: dass es eben nicht lose auf irgendeinem Drive liegt,

00:33:02: sondern wirklich sicher in der Datenbank.

00:33:04: Also es war für mich, by the way,

00:33:05: auch so ein super Thema. Von daher ja,

00:33:08: okay, Datenbanken, ja.

00:33:10: Also mit Daten fängt eigentlich alles an.

00:33:13: dann ansonsten haben wir alles im Thema Knowledge Base.

00:33:15: So was wie ein Konziere-Stall,

00:33:16: einen Agenten aufzusetzen, der auch gerne custom-coded sein kann.

00:33:18: heißt, einen Agenten, der deinen Mitarbeitern oder euch dabei hilft,

00:33:22: Wissen im Sekundentakt praktisch zu extrahieren oder extrahieren

00:33:25: zu lassen über eine KI und Fragen direkt beantwortet zu bekommen,

00:33:29: ohne jetzt zu einem Kollegen gehen zu müssen und die beispielsweise

00:33:32: von der Arbeit zu unterbrechen.

00:33:32: Das ist so ein Use-Case, jetzt

00:33:33: Mhm.

00:33:34: im Kommen ist, der immer mehr trendy wird,

00:33:36: weil man eben die Unternehmen darauf drehen möchte,

00:33:38: dass sie halt mehr mit KI arbeiten.

00:33:40: Es gibt nämlich die drei Stufen

00:33:40: Mhm.

00:33:41: einmal AI Assisted, AI Integrated und AI First.

00:33:44: Und es fängt eigentlich immer bei Unternehmen bei AI Assisted an.

00:33:47: Es ist eigentlich immer Chat. Also wie benutze ich

00:33:49: Mhm.

00:33:49: ChatGPT, Cloud, Gemini und wie benutze ich zum Beispiel einen Concierge oder lass

00:33:54: mir einen Concierge bauen, der eben diese,

00:33:55: sage ich mal, Standardfragen oder Fragen,

00:33:57: die eigentlich nur ein Manager beantworten könnte,

00:33:59: in einer KI ablegen kann, die mir die KI dann beantwortet,

00:34:02: ohne mein Manager irgendwie auf die Nerven gehen zu müssen oder Mitarbeitern,

00:34:05: Mhm.

00:34:05: damit die natürlich produktiver sind.

00:34:07: Das heißt, die Produktivität pro Kopf

00:34:09: Das eigentlich so die KPI, man dann misst.

00:34:10: Ja.

00:34:11: Abseits davon,

00:34:12: von Knowledge Base, natürlich Automatism im Bereich Buchhaltung,

00:34:15: Marketing, Vertrieb, Customer Success.

00:34:17: Also wie kann ich ein Ticketsystem bauen,

00:34:19: Beispiel Kundenanfragen systematisch beantworten zu können.

00:34:21: Entweder macht das der Agent autonom oder über ein Ticketsystem.

00:34:24: Das sind so die klassischen Fälle,

00:34:26: man implementiert.

00:34:27: Und an der

00:34:27: Stelle sagst du halt was super wichtiges.

00:34:30: Ich habe ja am Anfang habe ich zum Beispiel auch meinen Mitarbeitern eine

00:34:35: Claude-Lizenz gegeben. Ja, das mache ich auch tatsächlich nicht mehr in Zukunft.

00:34:42: Warum? Weil ich habe natürlich auch gesagt,

00:34:43: hey, nutzt gerne auch Claude, Sachen zu fragen oder rauszufinden.

00:34:48: Und dann passiert halt wirklich irgendwann.

00:34:51: dass interne Briefings auch erstellt werden.

00:34:54: Und ganz ehrlich, ich finde es ja völlig richtig.

00:34:56: Ich möchte ja nicht, dass meine Mitarbeiterin eine Stunde braucht,

00:34:58: so ein internes Briefing zu erstellen,

00:35:01: wenn sie das schneller machen kann.

00:35:02: Aber das Problem war, weil sie das halt mit externen Claude gemacht

00:35:07: hat und nicht mit einem internen aufgesetzten System,

00:35:11: sind halt verschiedene Firmen-Guidelines nicht eingehalten worden.

00:35:14: Also das heißt jetzt ging überhaupt gar nicht mal Kundendaten,

00:35:17: sondern es ging darum, wie wir intern kommunizieren.

00:35:21: Ja, und dann habe ich gesagt, ja,

00:35:24: bitte sag halt Claude das und das und das,

00:35:26: weil das Thema ist ja, selbst wenn du dieselben Promts am Anfang benutzt,

00:35:31: es verändert sich ja über die Zeit so sehr,

00:35:33: dass du komplett voneinander dich entfernt und was anderes,

00:35:38: was ich auch gesehen habe. Deswegen gebe ich eben auch keine Promts mehr

00:35:41: so raus und helfe Kunden auch nicht mehr Claude aufzusetzen,

00:35:45: weil Folgendes ist passiert. Wir haben zwei Geschäftsführer gehabt.

00:35:50: Und wir haben das beide im gleichen Zoom-Call gemacht.

00:35:52: Also, die haben beide dieselben Sachen reingegeben in einen völlig jungfräulichen

00:35:58: Projekt bei Claude. Also, es war wirklich komplett from scratch.

00:36:03: Wir haben denselben Prompt eingegeben,

00:36:04: dieselben Daten. Und wir haben denselben Output gebeten,

00:36:09: aber der Output war trotzdem unterschiedlich.

00:36:11: So.

00:36:12: normal.

00:36:13: Und das ist natürlich auch auf Dauer eine Riesenfehlerquelle,

00:36:16: weil, das habe ich jetzt auch ein paar Mal gesehen,

00:36:19: Das passiert, wenn du einfach hirnlos nur Clot benutzt und keine internen Systeme,

00:36:25: wenn du es nicht bei dir intern hast,

00:36:27: kannst du gar nicht beeinflussen,

00:36:29: wie sich das Ding weiter verändert.

00:36:31: Und ich habe auch bei einem Beispiel gesehen,

00:36:33: über die Zeit hat sich was immer nur so vielleicht ein Prozent verändert,

00:36:38: aber nach sechs, sieben Monaten war das Ergebnis ein komplett anderes als am Anfang.

00:36:44: Und dann habe ich gesagt, so, okay,

00:36:46: damit muss ich jetzt auch wieder von vorne anfangen.

00:36:49: ist total verrückt und ich glaube,

00:36:51: ja, das sollte jeder wissen, der so ganz normal aktuell Chat,

00:36:54: GPT und Claude und sonst was nutzt.

00:36:57: Und das ist aber ja auch der Grund,

00:36:58: warum große Firmen eben, dann zum Beispiel Microsoft auch haben,

00:37:03: große Konzerne, die dann eben mit Co-Pilot die Mitarbeiter arbeiten lassen.

00:37:07: Ja, es ist nicht immer toll am Anfang,

00:37:09: weil vieles nicht da ist, aber es ist die einzige Möglichkeit,

00:37:13: am Ende sicherzustellen, dass da nichts von außen reinkommt,

00:37:17: was nicht rein soll.

00:37:18: Das glaube ich auch ein guter Punkt.

00:37:20: kann man auch sehr gut klippen fürs Marketing spät jetzt aus einem Podcast.

00:37:23: Das Thema ad hoc KI versus Infrastruktur KI.

00:37:26: Ad hoc KI, ich benutze jetzt kurz ein Chatfenster und laufe da Risiko,

00:37:31: einfach alles reinzuballern, was geht.

00:37:33: PDFs, Voice-Nachrichten und so weiter und so fort.

00:37:36: Ohne Kontext, ohne Wenn und Aber.

00:37:39: Das heißt, irgendwann habe ich so ein System,

00:37:41: wo ich eigentlich die Daten gar nicht mehr raus bekomme,

00:37:44: Mhm.

00:37:44: weil ich alles

00:37:44: reingepromptet habe. Ich komme bei Clot nicht mehr raus.

00:37:47: Weil ich kann ja nicht reinprompten,

00:37:48: bitte Liebes Claude, gib mir alle Dateien zurück,

00:37:50: die ich jemals reingepromptet hab oder alle Prompt.

00:37:52: Das wird dir nicht passieren. Da hat mir auch einmal der Fall,

00:37:54: das war bei der Anwaltskanzlei,

00:37:56: die sagt, wir sind jetzt seit drei Jahren bei ChatGBT,

00:37:59: gib mir mal bitte einen Prompt,

00:38:00: alles umzuziehen auf Claude. Es gibt sogar einen Prompt.

00:38:03: Da gibt es sogar einen offiziellen Blog von Anthropic,

00:38:04: der hilft mit so einer kleinen Mini-Prompt alles rauszuziehen,

00:38:07: aber der funktioniert nicht top.

00:38:08: Und da denke ich mir halt,

00:38:09: Mhm.

00:38:09: lass doch lieber Infrastruktur bauen,

00:38:11: dauert zwar länger und ich muss halt nicht alles an den Chatfenster reinschmeißen,

00:38:15: aber du hast zumindest Info-

00:38:15: Aber du bist der

00:38:16: Owner.

00:38:17: Du bist der Owner des Systems.

00:38:19: Du entscheidest, was mit den Daten passiert.

00:38:20: Bei Anthropic ist es so, ich bekomme das nie wieder raus und habe 2.000 Chatwindows.

00:38:26: Auch nicht so praktisch.

00:38:27: oder an so Tagen wie, und ich mein,

00:38:29: wir haben das alle immer wieder erlebt,

00:38:31: glaub ich, in letzten Monaten,

00:38:33: wenn es halt mal wieder nicht funktioniert und du sitzt da und denkst,

00:38:37: shit, Claude ist offline, das funktioniert nicht,

00:38:40: ich kann meine Tasks jetzt nicht erledigen.

00:38:42: Und das war nämlich auch so ein Grund,

00:38:44: warum ich ja dann gesagt hab, dass ich jetzt mit euch anfange zu arbeiten,

00:38:46: weil ich will einfach von dem nicht abhängig sein auf Dauer,

00:38:50: Weil, ähm, ihr baut die Sachen ja auch so.

00:38:53: dass es eben unabhängig vom Modell ist.

00:38:55: Das heißt, wenn jetzt das eine Mal nicht funktioniert,

00:38:57: dann geht man halt auf ein anderes.

00:38:59: Oder wir hatten ja diesen Fall mit Fable dieses Jahr,

00:39:01: wo die US-Regierung einfach gesagt hat,

00:39:04: das wird jetzt für Leute, die nicht in den USA sind,

00:39:07: einfach geblockt. Und das ist natürlich ein Risiko,

00:39:10: dem man nicht entgehen kann, wenn man die Infrastruktur nicht selber owned.

00:39:18: Genau, das ist ja so das Thema dann.

00:39:20: Ich weiß es natürlich für mich,

00:39:21: was ihr bei mir schon alles gespart habt und ich weiß,

00:39:23: wir sind auch noch lange nicht da,

00:39:25: wo ich sein möchte, aber wir kommen dahin.

00:39:28: Ich habe auf jeden Fall sagen wir es mal so,

00:39:30: ich habe eigentlich geplant, nächstes Jahr acht Mitarbeiter einzustellen.

00:39:34: Ich weiß aber schon jetzt, ich werde maximal fünf brauchen dank eurem Setup.

00:39:39: Das heißt, ihr werdet mir auf jeden Fall nächstes Jahr einfach drei Mitarbeiter

00:39:44: sparen. Weiß ich schon jetzt.

00:39:47: Was sind denn so die anderen großen Hebel von,

00:39:50: ich sag jetzt mal, Kunden, wo ihr am meisten Zeit oder Geld spart?

00:39:55: Kannst das mal so bisschen konkret machen?

00:39:57: Nicht den Kunden Namen unbedingt,

00:39:59: aber was waren die Cases? Was hat das am Ende beim Kunden gespart?

00:40:03: Wozu hat das geführt? Weil ich glaube,

00:40:05: das interessiert jetzt jeden Vermögensverwalter,

00:40:07: weil wir haben bei den Zuhörern und Zuhörerinnen Firmen,

00:40:10: die sind teilweise ein- oder zwei-

00:40:12: oder drei-Mann-Betriebe.

00:40:14: Wir haben aber auch größere Firmen,

00:40:15: dabei sind von 10, 20, 30 Mitarbeitern.

00:40:18: Also gib uns da mal so einen Einblick.

00:40:23: Ich muss jetzt wahrscheinlich ein paar,

00:40:25: geben wir mal ein paar durch. Also es gibt

00:40:26: Mhm.

00:40:27: zwei verschiedene Philosophien,

00:40:28: fangen wir vielleicht mal so an.

00:40:29: Es gibt eigentlich drei. Fangen wir einfach mal so an.

00:40:31: zwar eine Philosophie ist, zum Beispiel ich kann mit KI meine Company

00:40:35: AI First aufstellen, ~ wenn ich skaliere,

00:40:38: eventuell ohne Manpower skalieren zu müssen.

00:40:40: Heißt mein Team bleibt entweder gleich groß und ich skaliere einfach mit KI mit,

00:40:40: Mhm. Mhm. Mhm.

00:40:44: mit KI Mitarbeitern und kann

00:40:45: dann dementsprechend in den Return on Invest fahren.

00:40:48: Der andere Ansatz wäre zum Beispiel,

00:40:49: ich skaliere mit Mitarbeiter, also die Anzahl der Mitarbeiter wächst mit.

00:40:52: Allerdings nicht so, wie du eben gesagt hast,

00:40:55: nicht 8 Mitarbeiter, sondern einfach nur 5,

00:40:57: also 5 max. Das heißt, ich high immer noch,

00:40:59: aber halt bis zu einem gewissen Grad.

00:41:00: Der andere Ansatz wäre zum Beispiel,

00:41:02: das ist auch bei Unterentrepreneurs Unternehmen der Fall,

00:41:04: die sagen, ich möchte AI first denken,

00:41:05: ich möchte KI implementieren,

00:41:07: macht es aber so, dass meine Anzahl der Mitarbeiter runtergeht,

00:41:09: ich möchte Leute feuern und gleichzeitig KI Mitarbeiter installieren.

00:41:13: Das wäre der dritte Ansatz.

00:41:15: Mhm.

00:41:15: Und

00:41:15: für jeden dieser drei oder für jeden dieser Ansätze gibt es praktisch Case,

00:41:18: die wir gerade haben, zum Beispiel im Bereich Enterprise.

00:41:20: Sie wollen zum Beispiel Leute aus dem Vertrieb feuern und dementsprechend Voice

00:41:22: AI einsetzen oder eben so Knowledge Bases aufsetzen,

00:41:25: ~ eben nicht mehr abhängig zu sein von Vertriebsmitarbeitern,

00:41:28: Support-Mitarbeitern im Customer Success Bereich und so weiter und so fort.

00:41:32: Und da haben wir Minimum schon eine halbe Million eingespart innerhalb

00:41:34: von sechs Monaten. Minimum. Also 500.000 Euro Minimum.

00:41:37: Also das

00:41:38: wird wahrscheinlich bei Vermögensverwaltern seltener der Fall sein,

00:41:41: weil die haben in der Regel wenig Vertriebler und es sind meistens auch

00:41:46: die High Value Gespräche. Du brauchst halt den Menschen auch,

00:41:50: der mit einem Menschen spricht.

00:41:52: Also gerade wenn wir jetzt das Thema Millionendepots und so reden.

00:41:55: Also im Vertrieb glaube ich wird es weniger das Thema sein.

00:41:58: Aber was ein Thema ist, immer wieder ist,

00:42:01: wie finde ich die richtigen Leads?

00:42:02: habe ich genug Leads oder dann die Prozesse auch im Hintergrund?

00:42:06: Also auch mal vielleicht, das kommt ja jetzt gerade immer mehr

00:42:09: KI in der Portfolioanalyse. Wie kann ich interne Prozesse verbessern?

00:42:14: Oder auch, wir sind beim Thema Content.

00:42:16: Für die meisten Vermögensverwalter ist Content produzieren ein absoluter Albtraum.

00:42:22: Lass uns da gerne auch nochmal in ein Themen reingehen.

00:42:25: Oder Weiterbildung von neuen Mitarbeitern.

00:42:27: Also ich habe auch oft den Fall,

00:42:28: dass jemand sagt, du, ich stelle jetzt jemanden ein.

00:42:31: Aber eigentlich habe ich gar keine Zeit,

00:42:33: die Person einzuarbeiten. Und wenn ich die Person einarbeite,

00:42:35: bleibt der Vertrieb widerliegen.

00:42:37: Das sind so die Klassiker, die ich bei vielen Vermögensverwaltern oft habe.

00:42:41: Genau das, was du erwähnt hast,

00:42:42: Alex, genau das war schon automatisiert.

00:42:44: Stichwort Einarbeitung. Wenn ich jetzt zum Beispiel mein Handy habe

00:42:47: und reinspreche in WhatsApp oder Telegram oder whatever,

00:42:50: egal was, benutzt auch Teams, möglich,

00:42:52: wenn ihr jetzt das ganze, sag ich mal,

00:42:53: Mhm.

00:42:53: GDPR-Compliment

00:42:54: machen wollt, kann man da reinsprechen und praktisch Trainingsmaterial über einen

00:42:58: KI-Avatar sich generieren lassen,

00:43:00: welches dann zum Beispiel auf der Learning Suite landet.

00:43:03: Beispielsweise. ist auch eine...

00:43:03: Okay, also das heißt

00:43:04: der Geschäftsführer ist gerade vielleicht im Auto unterwegs,

00:43:07: hat irgendwie eine 3-4 stündige Autofahrt und muss sich jetzt überlegen,

00:43:12: was sind so die Sachen, er einem neuen Mitarbeiter mitgeben will.

00:43:15: Das heißt, er könnte das einsprechen und die KI macht dann

00:43:18: im Hintergrund Lernmaterial daraus für diesen Mitarbeiter.

00:43:22: im KI-Avattel, der praktisch eins zu eins ein digitales Replika von dir ist,

00:43:25: zum Beispiel von dir, Alex, und wird dann in der Learning Suite angezeigt,

00:43:28: als ob derjenige in einem Studio sitzen würde.

00:43:30: In so einem Filmstudio, oder

00:43:31: Mhm.

00:43:31: wie ich grad... Also, das ist schon eine reale Studie hinter mir.

00:43:34: Aber es würde dann schon... Ja,

00:43:35: Bist du wirklich echt, Josef? Spreche ich gerade wirklich mit dir?

00:43:37: ich bin echt... Würde eine KI sagen jetzt.

00:43:40: Ähm... Genau.

00:43:41: Ja genau.

00:43:44: Ansonsten alles was du erwähnt hast,

00:43:45: ist Mitarbeiter, Upskilling, Marketing natürlich.

00:43:48: komplett, also zumindest teilautomatisieren oder komplett durchautomatisieren

00:43:51: ist alles möglich für alle Plattformen.

00:43:53: Haben wir auch schon gebaut. genau ansonsten Portfolioanalyse natürlich.

00:43:57: Ist auch etwas, was man bauen kann.

00:43:59: Das ist relativ straight forward.

00:44:01: Wie gesagt, wenn die Architektur dann steht,

00:44:03: kann man da im Prinzip alles drüber laufen lassen.

00:44:05: Portfolioanalyse und so weiter und so fort.

00:44:07: Das ist alles machbar. Wie gesagt,

00:44:09: ich gehe wieder auf den Punkt zurück.

00:44:11: Jedes Unternehmen ist individuell.

00:44:12: Das ist auch

00:44:13: Mhm.

00:44:13: unser USP, weil du vorhin gefragt hattest.

00:44:16: Wir machen nicht das klassische Fließbandmodell,

00:44:18: von dem viele reden. Automotive Principle.

00:44:20: Ich habe zwar ein Audi, das ist ein normaler Audi.

00:44:23: Das andere ist ein RS-Modell. Das läuft im gleichen Band,

00:44:26: auch wenn es im realen Leben nicht so wäre.

00:44:28: Mhm.

00:44:28: Dann kann

00:44:29: der Kunde dort individuell seine eigene KI konfigurieren.

00:44:31: Kommt zu uns und sagt, ich hätte gern das und das das.

00:44:33: Dann sagen wir, okay, passt. Wir würfeln das zusammen.

00:44:35: bauen dann deine eigene Architektur,

00:44:37: die für dich zugeschnitten ist.

00:44:38: Also praktisch tailor-made. Dann kannst du damit arbeiten.

00:44:42: Kunden onboarden effizienter und so weiter und so fort.

00:44:45: Ja, und Support-Automatisierung,

00:44:48: das ist ja auch so was. Weil oft ist ja gerade,

00:44:51: ich merke das ja bei mir auch,

00:44:53: ich habe dann auch hin und wieder Fragen von Kunden und ich habe das ja ausgewertet,

00:44:58: mein sogenanntes Projekt Matterhorn,

00:45:01: was ja auch Teil unserer Datenbank dann ist,

00:45:04: was wir aufgesetzt haben. Ich habe ja irgendwann mal gedacht,

00:45:07: weil jeder Kunde sagt zu mir, ja,

00:45:09: bei uns ist das anders, wir sind speziell,

00:45:12: das kann man gar nicht für uns so implementieren.

00:45:15: Und dann habe ich ja mal alle Fragen,

00:45:17: die mir Kunden gestellt haben,

00:45:18: zwei Jahre anonymisiert ausgewertet und habe festgestellt,

00:45:23: 95 Prozent der Fragen ist überhaupt nicht unternehmensspezifisch.

00:45:27: Und jetzt arbeite ich genau an dem,

00:45:29: dass diese 95 Prozent der Fragen alle komplett in meinem Assistenten

00:45:34: so beantwortet werden und zwar ganz wichtig,

00:45:37: ohne externen Input aus dem Internet,

00:45:40: sondern nur auf Basis meines Wissens,

00:45:42: beantwortet wird, weil wir hatten nämlich auch einen Fall.

00:45:45: mit meiner Social Media Mitarbeiterin vor ein paar Monaten,

00:45:49: was tatsächlich sehr, sehr cringe war.

00:45:54: Ich habe sie nämlich gebeten,

00:45:55: mal unseren YouTube-Kanal zu verbessern und eine Analyse zu fahren.

00:45:59: sie hat dann eigenständig... Ich habe natürlich gesagt,

00:46:02: meine Mitarbeiter sind sehr eigenständig.

00:46:04: Und ich habe dann irgendwann aber mal den YouTube-Kanal nochmal feedbacken lassen

00:46:08: durch einen anderen Profi.

00:46:10: und die haben mir Sachen gesagt,

00:46:11: wo ich meinte, komisch, aber das machen wir eigentlich schon so.

00:46:15: Habe ich meine Social Media Managerin nochmal angerufen,

00:46:17: meine ich so, hey, pass mal auf.

00:46:19: Die und die Feedbacks habe ich gerade bekommen.

00:46:22: Wieso machen wir das nicht mehr so?

00:46:23: Und dann hat sie gesagt, jetzt ist richtig geil,

00:46:26: ja. Und deswegen kriegt bei mir keiner mehr externe Claude Lizenz.

00:46:30: Sie so, ja, ich habe mit Claude den Kanal analysieren lassen.

00:46:34: Und außerdem hat Claude gesagt.

00:46:37: dass YouTube gegen Bots vorgeht.

00:46:39: Und dann habe ich so, ja, verstehe ich,

00:46:41: ist ja auch richtig, aber wir sind ja kein Bot.

00:46:45: Und sie hat halt, das ist das Problem,

00:46:47: weil Claude hat ihr natürlich die richtige Info gegeben,

00:46:50: sie hat es aber falsch interpretiert,

00:46:53: weil sie halt das nicht richtig verstanden hat.

00:46:55: Und sie hat gedacht, wenn sie jeden Tag zur selben Zeit postet,

00:47:00: dass YouTube das als Bot sieht,

00:47:02: was ja gar nicht der Fall ist.

00:47:04: Und deswegen hat sie auf einmal eigenständig Sachen gemacht,

00:47:06: ich gesagt hab, aber wir sind ja kein Bot und wir werden auch nach wie

00:47:10: vor nicht als Bot erkannt, nur weil wir zur gleichen Zeit.

00:47:13: Ach so, ich dachte, das wäre so.

00:47:15: So, und dadurch hat sie halt echt wochenlang auf dem Kanal Sachen gemacht,

00:47:20: wo ich danach dachte, ups, müssen wir zurückdrehen.

00:47:23: Und das ist der Grund, warum ich einfach keinem mehr die Clot-Lizenz gebe

00:47:27: und auch zu meinen Mitarbeitern sage ...

00:47:30: Schaut in unserer Lernplattform,

00:47:32: weil nur wie es dort ist, so wird es umgesetzt.

00:47:38: immer wieder tolle Beispiele.

00:47:41: Oder wenn mein Vater mir irgendwas schreibt und sagt,

00:47:43: ja, aber Checi Pitti hat gesagt,

00:47:45: dass ich Recht habe. so, ja, der ist darauf trainiert,

00:47:47: dir das zu sagen. Wenn du dich umbringen willst,

00:47:49: dann würde dir wahrscheinlich auch Recht geben.

00:47:52: Das ist ja auch so eine Gefahr von KI,

00:47:54: aber darüber wollen wir heute nicht reden.

00:47:57: Ja, also sehr spannend. Kannst du mal so in,

00:48:00: also wir können Mitarbeiter sparen,

00:48:02: wir können Prozesse beschleunigen.

00:48:04: Du hast ja auch so ein paar Kunden,

00:48:06: extrem viel Zeit eingespart haben.

00:48:08: Kannst du da mal so ein paar Zahlen nennen und mal nur die Firmengröße?

00:48:12: Also was sind das für Kunden?

00:48:14: Wie viel Zeit haben die gespart?

00:48:15: Nur damit sich das jeder hier mal so ansatzweise vorstellen kann.

00:48:18: Ja, weil ich glaube, das ist für manche manchmal ein bisschen schwergreifbar.

00:48:21: Also Zeit, Zeit, müssen wir mal schauen bei Fallstudien.

00:48:25: Das haben wir in ein paar Fällen konkretisiert.

00:48:27: Für viele ist es glaube ich noch ein krasserer Gamechanger,

00:48:28: Hm? Können wir einblenden?

00:48:32: dass sie z.B. Vollzeit Äquivalente eingespart haben.

00:48:34: Also Minimum einen Mal, was ich auf jeden Fall schon rechne.

00:48:37: Also das Thema KI amortisiert sich relativ schnell,

00:48:40: inklusive unserer Kosten natürlich dann.

00:48:42: Das heißt, sie haben entweder einen Vollzeitmitarbeiter eingespart,

00:48:44: bis hoch zu sechs, sieben Stück.

00:48:46: Also wenn wir bei Enterprise sind.

00:48:48: Mit so zwei, drei Projekten, die wir KI gemacht haben,

00:48:50: kann man schon so 6, 7 Vollzeit-Äquivalente einsparen,

00:48:53: was schon ein absoluter Game-Changer ist.

00:48:55: Und Zeit, ich meine...

00:48:55: Krass, ist ja

00:48:57: fast eine Million an Lohnkosten.

00:48:59: Das crazy. genau beim Thema Support,

00:49:03: also das sind Zeit zu messen, kommt halt immer auf den individuellen Fall an.

00:49:05: Wir haben jetzt zum Beispiel eine WhatsApp KI gebaut oder Ticketsysteme,

00:49:09: die praktisch erst erlauben, direkt Kundenfragen zu beantworten.

00:49:12: Das heißt, dort geht auch die Antwortzeit runter von irgendwie zwei,

00:49:15: drei Stunden runter auf eine Minute beispielsweise.

00:49:17: Und genau, ich glaube die Time to Conversion,

00:49:20: also wenn ich mit Voice AI jemanden vorqualifiziere im Bereich Recruiting

00:49:23: zum Beispiel oder bei Enterprise Kunden,

00:49:25: die diesen Vertrieb mache.

00:49:27: wo natürlich noch ein Human in the Loop mit involviert ist,

00:49:30: dass ich dort auch eine höhere Conversion Rate bekomme,

00:49:32: Mhm.

00:49:32: eben

00:49:32: weil meine KI die ganzen Produkte kennt,

00:49:34: eben von über 130.000 Produkten,

00:49:36: ich in meinem Portfolio habe. Es ist schon absoluter Game-Changer.

00:49:39: Also

00:49:39: Mh.

00:49:40: Zeit ist schon eine weitere Konsequenz der Ersparnis durch Vollzeit-Äquivalente.

00:49:44: Aber im Prinzip, das mal in Zahlen zu fassen,

00:49:46: also zwischen der Ersparnis von zwischen 50.000 Euro bis hoch auf eine halbe Million

00:49:53: Minimum. Was schon sehr, krass ist.

00:49:55: Ja krass. Du, die Reise und wo geht sie hin,

00:49:59: KI Zeitgeist etc. Was ist heute möglich,

00:50:03: was vor zwei Jahren noch absolut undenkbar war?

00:50:07: Ich Voice Air ist so ein klassisches Beispiel.

00:50:10: Also, dass Voice Air schon sehr,

00:50:10: Stimmt, das war richtig schlecht vor zwei Jahren.

00:50:11: gut wird.

00:50:12: Ja, das war richtig schlecht. Und es wird auch immer besser.

00:50:14: Ich würde heute noch behaupten,

00:50:15: es ist nicht perfekt. Aber es ist

00:50:16: Mhm.

00:50:17: schon perfekt. Wir merken halt die ganze Intonation und wie eine KI spricht.

00:50:20: Das merkt man schon. Aber ich glaube,

00:50:22: Ja.

00:50:22: gibt im

00:50:22: Ganzen mal ein, zwei Jahre. Das wird schon richtig krass,

00:50:24: meiner Meinung nach. Es gibt ja auch mittlerweile Start-ups in San Francisco,

00:50:27: die das schon sehr, gut machen.

00:50:29: Mit Seufzen und Atemgeräuschen und so weiter.

00:50:31: Das ist schon richtig krass.

00:50:31: 11 Labs

00:50:32: kann das mittlerweile auch. Die haben jetzt ja das Version 4 oder so

00:50:36: kam jetzt raus und ich hab da auch schon ein paar Sachen getestet.

00:50:39: Also ich habe ja letztes Jahr mal meine Stimme geklont.

00:50:43: Ja, hab dafür auch richtig viel Text eingesprochen und der Output

00:50:49: von letztem Jahr zu diesem Jahr,

00:50:51: es ist wirklich krass. Und an der Stelle,

00:50:53: wie gesagt, immer wenn ich das benutze,

00:50:55: ich sag das auch, also ich machs immer transparent.

00:50:58: Das heißt, würde nie auch jetzt den heutigen Podcast oder so,

00:51:03: würde ich nie dann auch mit KI irgendwie nochmal nachbearbeiten oder so,

00:51:07: würde ich immer sagen. Oder wenn ich mal was mit meiner gekloten Stimme mache.

00:51:10: Es war einfach Interesse. Und es ist so krass,

00:51:13: wie das von letztem Jahr zu diesem Jahr sich schon verbessert hat.

00:51:18: Also absolut unfassbar. Und das ist ja auch so ein Punkt.

00:51:22: Nehmen wir mal an, ich habe jetzt einfach eine Firma.

00:51:27: Ich habe eine Lernplattform und ich möchte zum Beispiel expandieren

00:51:32: in ein anderes Land. Ja, dann kann ich natürlich die Mitarbeiter kann

00:51:37: ich schulen auf einer anderen Sprache basierend auf dem,

00:51:41: was alles schon da ist. Natürlich hat mich dann in dem Land noch Mitarbeiter,

00:51:44: wenn es jetzt Vertrieb geht, die die Sprache auch sprechen.

00:51:47: Das völlig logisch. Aber du kannst halt ultra viele Dinge

00:51:51: auch schon anders machen. Also ich meine,

00:51:53: kann auch mit meiner gekloten Stimme jetzt perfekt jede Sprache sprechen,

00:51:57: ich möchte, theoretisch. Das ist schon abgefahren.

00:52:02: Genau. Was glauben denn die Leute,

00:52:04: was KI kann, aber de facto kann sie es noch nicht?

00:52:07: Also was sind so da die Missconceptions aktuell?

00:52:11: Ich glaube generell der Irrglaube,

00:52:12: Alex, dass der KI alles kann. Also man denkt halt an einen Use Case,

00:52:15: der vielleicht schon von der Grundidee dummes Fack ist.

00:52:18: Wo man denkt, hey, wie kommst du eigentlich auf die Idee,

00:52:20: sowas zu automatisieren, was eigentlich gar keinen Sinn macht.

00:52:22: Oder einen CRM zu Vibe-Coden.

00:52:24: CRM oder

00:52:25: halt Calendly. Und dann wundert man sich,

00:52:27: warum keine Termine mehr reinflattern.

00:52:28: Das ist so der Klassiker. Wo ich mir denke,

00:52:30: also wenn du schon keine 10 Euro für ein Saas-Tool ausgeben kannst,

00:52:34: dann hängt es irgendwo anders meiner Meinung nach.

00:52:35: Mhm.

00:52:37: Genau, so Sachen und ähm...

00:52:40: Voice AI stark überschätzt, glaube ich,

00:52:42: ist so ein Ding. Weil wie gesagt,

00:52:43: glaube, es dauert noch ein, zwei Jahre bis es richtig,

00:52:45: richtig krass wird, wobei unsere Voice AI schon sehr nice ist.

00:52:49: Viele denken auch, dass man Customer Support nicht automatisieren könnte.

00:52:52: Das können wir auf jeden Fall.

00:52:53: Also im Prinzip das, was

00:52:53: Ich merke es ja jetzt auch

00:52:54: schon. ich kann das Ding ist ja,

00:52:57: ich kann ja jetzt auch, wenn Kunden mir eine WhatsApp schicken,

00:53:00: dann kann ich die natürlich komplett selber beantworten.

00:53:03: Was ich aber aktuell mache und dadurch werden die Antworten viel besser.

00:53:08: Ich nehme tatsächlich also erst mal der KI Agent erstellten Ticket.

00:53:12: Das heißt keine Antwort bleibt oder keine Nachricht geht unter.

00:53:16: Das ist schon mal Punkt eins. Das heißt der Support wird zuverlässiger.

00:53:19: weil nichts mehr untergeht. Vor allen Dingen auch E-Mails,

00:53:22: ist alles einfach gut sortiert.

00:53:26: Und dann kann ich halt wirklich,

00:53:27: basierend auf meinen bisherigen Antworten bei Kunden,

00:53:30: weil die Kunden stellen ja immer dieselben Fragen,

00:53:33: habe ich gelernt, ja, und kann dann eine KI-Antwort generieren,

00:53:37: basierend auf meiner Wissensdatenbank,

00:53:39: dann lese ich mir das nur noch durch,

00:53:40: ob das wirklich stimmt und schicke es ab.

00:53:43: So. Und dadurch, wie du auch gesagt hast,

00:53:46: die Antwortzeit wird schneller für den Kunden.

00:53:48: Aber auch für mich die Beantwortungszeit wird schneller.

00:53:53: Ja.

00:53:53: Wichtig dabei

00:53:53: immer keine sensiblen Daten. Ich sage auch meinen Kunden,

00:53:57: bitte schickt hier keine sensiblen Daten hin und her und so weiter.

00:54:01: Würden wir selber auch nicht machen.

00:54:05: Bei dem Thema, wo ist die Grenze?

00:54:08: Was sollte man trotz Technik nicht der KI überlassen?

00:54:11: Auch das Thema Ethik. Ich glaube,

00:54:13: das werden richtig spannende Fragen die nächsten Jahre und Jahrzehnte,

00:54:17: die wir uns stellen müssen. Wie siehst du das?

00:54:21: Worauf muss man da auch achten?

00:54:23: Und was siehst du

00:54:23: Was ist das ...

00:54:24: manchmal bei Kunden, wo die vielleicht ein bisschen unbedarft auch sind?

00:54:27: Ich glaube, bei uns ist nicht relevant,

00:54:28: aber glaube, generell dieser Bias der KI,

00:54:30: er ja auf Daten trainiert ist und eventuell andere,

00:54:32: sage ich mal... kurz ruft jemand an...

00:54:36: Unwünschtig...

00:54:36: Mhm.

00:54:38: kurz Flugmodus hier rein...

00:54:40: Alles gut.

00:54:40: Ich auch nochmal die Frage zu beantworten.

00:54:42: Ja, also ich glaube, ist für uns jetzt nicht relevant,

00:54:44: aber im Bereich Recht. Und zwar,

00:54:46: Mhm.

00:54:46: man

00:54:46: weiß halt, dass die KI auf Daten trainiert ist und im Allgemeinen ist es so,

00:54:49: dass einfach bestimmte Rassen oder,

00:54:51: sage ich mal, Gruppen bevorzugt werden gegenüber anderen Gruppen.

00:54:54: Ob das jetzt Hautfarbe

00:54:55: Mhm.

00:54:55: ist,

00:54:58: länderspezifisch ist, weil es ja auch andere Kulturen

00:55:00: Mhm.

00:55:01: gibt und dementsprechend auch die KI eventuell einen gewissen Bias

00:55:04: hat bezüglich bestimmter Kulturen.

00:55:06: Es ist glaube ich im Bereich Juristikation sehr sehr kritisch,

00:55:08: also dass man da schaut, dass die KI eben keine falschen Entscheidungen trifft

00:55:11: und zum Beispiel jemanden

00:55:11: Mhm.

00:55:12: verurteilt, der eigentlich gar nicht verurteilt werden dürfte.

00:55:15: Mhm.

00:55:15: Also da sehe ich es extrem kritisch,

00:55:17: dass da die KI so weit ist, eben diesen Bias zu entfernen,

00:55:19: was wahrscheinlich auch sehr sehr schwer sein wird.

00:55:21: Das sehe ich als kritisch. Generell im Bereich,

00:55:24: wo wir tätig sind,

00:55:26: Entscheidungen, einen Human in the Loop erfordern,

00:55:28: wie zum Beispiel kritische Anfragen,

00:55:30: wenn es Finanzen geht, dass da noch ein Mensch sitzt,

00:55:33: der das Ganze noch mal kontrolliert,

00:55:35: weil Agenten haben nun mal eine Fehlerrate,

00:55:37: eine Fehlerquote von 1 bis 5 Prozent,

00:55:39: ist die Frage, ist es jetzt akzeptabel für deinen Use-Case oder nicht?

00:55:42: Wenn die Antwort nicht klar Ja ist,

00:55:44: dann auf jeden Fall Human in the Loop involvieren,

00:55:46: schauen, wo dieser Mensch sitzt,

00:55:47: der das Ganze noch mal gegencheckt und dann eventuell als so eine

00:55:50: Art Gatekeeper agiert, der dann entweder

00:55:52: Mhm.

00:55:52: die Antwort durchlässt, im Ticketsystem beispielsweise oder eben blockiert.

00:55:55: oder die Antwort nochmal umschreibt.

00:55:57: Das sind so

00:55:57: Mhm.

00:55:58: die klassischen Fälle. Ansonsten alle anderen Use Cases kann man sehr

00:56:01: gut mit KI komplett durch automatisieren.

00:56:06: Fällt dir irgendwas ein, Alex,

00:56:06: Ja, Ja,

00:56:07: wo du sagst, wer zum Beispiel kritisch im Bereich Finanzen

00:56:10: das Thema Ethik auf jeden Fall,

00:56:12: das heißt, immer wenn man auch,

00:56:14: also ich finde Offenlegung und Transparenz einfach wichtig.

00:56:17: Das bedeutet immer, wenn man KI benutzt,

00:56:21: dass man es auch disclosed, und zwar auch sagt,

00:56:24: wie und wo. Oder eben wenn man KI generierte Bilder benutzt oder auch

00:56:30: mal Videomaterial erstellt. Weil die Menschen haben so viel Misstrauen.

00:56:36: Und es ist ja

00:56:36: Mh.

00:56:36: auch zu Recht, ich mein, wir wissen mittlerweile ja gar nicht mehr,

00:56:40: was alles echt ist. Also wir sehen Sachen,

00:56:42: wenn es zu gut ist, wenn es zu hochglanzmäßig ist,

00:56:45: glauben wir es schon nicht mehr.

00:56:46: Also ich hatte ja wirklich den Fall,

00:56:48: dass ich professionelle Werbevideos auch gedreht habe im Studio

00:56:53: und alles mit Videograph etc. Und dann hat mich jemand daraufhin angeschrieben,

00:56:58: meinte, hey, sag mal, mit welcher Kaidu das gemacht ist,

00:57:00: das ist ja ultra gut geworden.

00:57:01: Und ich denke so.

00:57:03: Wir sind genau an dem Punkt, wo sogar Profis,

00:57:06: weil das war jetzt nicht meine Mutter,

00:57:09: so, wenn sogar Profis nicht mehr sagen können,

00:57:12: was echt ist und was nicht echt ist,

00:57:15: dann sind wir jetzt schon genau an diesem Punkt,

00:57:18: wo wir einfach Menschen haben,

00:57:21: die immer mehr misstrauen. Und gerade bei uns im Bereich Finanzen,

00:57:25: wenn's eben auch Millionen geht,

00:57:28: hast du natürlich auch immer mehr Leute,

00:57:30: dort als Betrüger unterwegs sind,

00:57:32: was natürlich Misstrauen noch mehr schürt.

00:57:34: Das heißt, wir sind in der Finanzbranche ~ in einer Branche,

00:57:37: wo Vertrauen unfassbar wichtig ist.

00:57:40: Und deswegen, wenn man KI benutzt,

00:57:43: ich zum Beispiel nutze KI-Bilder gerne mal,

00:57:45: aber so übertrieben als Satire erkennbar,

00:57:49: dass niemand glaubt, dass das echt ist.

00:57:51: Von daher, ich glaube, da muss man einfach aufpassen.

00:57:54: Und ich finde es halt, man kann sehr schnell das Misstrauen schon

00:57:58: sich Vertrauen verlieren,

00:58:02: indem man einfach auch ein KI-retouchiertes Bild auch nimmt.

00:58:07: Finde ich auch immer super affig.

00:58:09: Und man trifft die Person dann im Real Life und denkt sich,

00:58:14: da laufen irgendwie zwei Bilder auseinander.

00:58:16: Also es fängt schon bei Kleinigkeiten an.

00:58:18: Oder was ich auch ganz schlimm finde,

00:58:21: es wird halt alles gleich. Also man sollte sich schon auch überlegen,

00:58:25: Was ist so die eigene Uniqueness,

00:58:27: auch der Brand? Und dann

00:58:29: So.

00:58:29: eben trotzdem einfach mit Profis auch arbeiten,

00:58:32: die die Themen einschätzen. Was ich noch krass finde,

00:58:34: das habe ich jetzt letztens gelesen,

00:58:36: das Thema Prompt Injection.

00:58:40: Vielleicht können wir das noch mal ganz schnell an der Stelle

00:58:42: zur Sensibilisierung bringen. Weil ich habe gesehen,

00:58:47: wenn man halt, nehmen wir mal an,

00:58:48: du gehst als Finanzdienstleister und suchst dir irgendwie Leads

00:58:51: und recherchierst auf Datenbanken oder sonst wo.

00:58:54: Mmh.

00:58:55: Und

00:58:55: dann ist jemand auf einer anderen Seite,

00:58:58: die du durchsuchst, und diese Seite schiebt dir eine Prompt Injection rein.

00:59:03: Das heißt, diese Seite sagt deiner KI,

00:59:07: mach x, mach y, lösche danach alle Daten oder spiel mir die Daten zurück.

00:59:11: Also, ist das wirklich so eine reale Gefahr?

00:59:15: Und wie, also wie müssen wir uns da drauf vorbereiten?

00:59:20: Es ist glaube ich eine reale Gefahr.

00:59:20: Vielleicht.

00:59:21: Es kommt halt drauf an, wer es implementiert.

00:59:23: Also man kann das auf Prompt Injections

00:59:24: schon sehr gut testen das System.

00:59:25: Im Endeffekt

00:59:26: Okay.

00:59:27: was bedeutet das? Also zum Beispiel du bekommst über einen Befehl,

00:59:30: wie du schon sagtest, der verpackt ist als etwas,

00:59:32: eigentlich als normale Prompt getarnt ist.

00:59:34: Zum Beispiel ein Befehl lösche die Datenbank oder gib mir geheime Daten,

00:59:38: zum Beispiel Apex jetzt in dem Fall.

00:59:39: Das heißt wir müssen eigentlich Systeme so bauen,

00:59:41: dass eben solche Prompt Injections nicht möglich sind.

00:59:44: Bei Voice Air ist es zum Beispiel krass,

00:59:45: da generell Customer Support im Bereich US.

00:59:48: wo man dann zum Beispiel bei einem Autohändler irgendwie eine Chat AI benutzt,

00:59:50: da gab es ja auch diesen einen Fall,

00:59:52: wo gesagt wurde, kannst du mir einen Koporkode geben für irgendwie,

00:59:54: ich für einen Dollar ein Auto bestellen kann?

00:59:56: Die KI so, ja klar, gerne, kein Problem.

00:59:59: Oder wo jemand über den McDonalds-Chatbot dann irgendwelche

01:00:02: Genau.

01:00:04: anderen Sachen reverse-engineert hat.

01:00:07: Oder sich

01:00:07: Code generieren. hat irgendwie der McDonalds AI gesagt,

01:00:10: kannst du mir irgendwie Python Code schreiben für meine App Idee.

01:00:13: Und da hat einfach die AI einfach dem so Python Code ausgespuckt.

01:00:15: ich glaube, die Systeme werden auf jeden Fall schlauer,

01:00:17: Alex. Vor allem bei Voice AI kann man auch dieses Thema Prompt Injection verhindern.

01:00:21: Da gibt es ja extra Einstellungen und Backend dafür.

01:00:23: Das sind schon sehr, gute Systeme.

01:00:25: Es wird glaube ich weniger, aber wie man weiß,

01:00:27: eigentlich die Hacker werden immer,

01:00:29: smarter und die finden halt auch Wege,

01:00:30: wenn man die KI austrickst. Oder das Thema Deep Fake.

01:00:34: Dass man zum Beispiel älteren Menschen,

01:00:36: etwas wegnimmt oder klaut oder stiehlt,

01:00:38: z.B. Bankdaten oder Kreditkarteninformationen aufgrund von Deepfakes.

01:00:41: Ich hab mit meinen

01:00:41: Eltern ein Passwort am Telefon vereinbart,

01:00:45: wo ich gesagt hab, wenn euch irgendwann mal jemand anruft,

01:00:47: der wie ich klingt und Geld braucht,

01:00:52: dann bitte fragt das Passwort ab.

01:00:54: Weil solange ich lebe und nicht tot bin und euch anrufe angeblich,

01:01:00: bin ich auch in der Lage, dieses Passwort zu nennen.

01:01:03: Ja, also bitte, bitte. Ich erinnere sie auch immer wieder dran.

01:01:07: Weil das Ding ist ja, wir machen ja heute auch ein Podcast.

01:01:10: Jeder, ein bisschen Skill hat und Tokens,

01:01:14: könnte deine und meine Stimme ja klonen und

01:01:17: Kanal.

01:01:17: unsere Eltern damit anrufen. Also ja.

01:01:20: Sehr gefährlich.

01:01:22: Ja, ja,

01:01:22: spannend, spannend. Genau.

01:01:26: Ja, dann gehen wir mal weiter.

01:01:27: Also wir sind natürlich massiv über der Zeit.

01:01:30: Das macht aber gar nichts. Die nehmen wir uns jetzt heute einfach mal.

01:01:35: Warum wir ja auch zusammenarbeiten.

01:01:37: Ich hatte ja

01:01:38: Ich hatte ja damals schon überlegt,

01:01:41: ich habe überlegt, wann nutze ich KI,

01:01:44: wie viel und so weiter. ich habe das Thema ja nach hinten priorisiert und dann

01:01:50: hatte sich eben damals meine Social Media Managerin entschlossen,

01:01:53: andere Wege zu gehen, weil sie ja eben das Thema Work-Life Balance,

01:01:57: ich wollte eigentlich, dass sie mehr Zeit arbeitet,

01:02:00: sie wollte aber nicht und sie hat ja auch im Van gelebt in dem Fall und dann

01:02:05: kam es ja dann doch relativ schnell und ich habe gesagt,

01:02:07: okay, vielleicht ist genau jetzt der richtige Zeitpunkt,

01:02:11: das Thema mit euch anzugehen.

01:02:13: So sind wir dann auch ja zusammengekommen und vor allen Dingen auch über eine

01:02:16: Empfehlung an der Stelle nochmal liebe Grüße an den lieben Henrik Telebsky,

01:02:22: der uns ja zusammengebracht hat.

01:02:25: Bester Steuerberater und Treuhänder an der Stelle,

01:02:29: kleiner Werbeblock. Ist mein Podcast,

01:02:31: ich darf das. Genau.

01:02:34: Und so sind wir ja zusammengekommen.

01:02:38: Was würdest du sagen ist anders,

01:02:39: wenn man für regulierte Finanzdienstleister automatisiert statt für x-beliebige

01:02:45: andere Firmen?

01:02:46: Ich glaube das Thema DSGVO, Compliance Security,

01:02:49: ist so top of the top. Also wenn man das nicht beachtet,

01:02:52: braucht man erst gar nicht anfangen,

01:02:54: sich über KI zu unterhalten. Das ist auf jeden

01:02:55: Mhm. Ja.

01:02:57: Fall ... Wir sehen auch bei den ganzen Bankenprojekten,

01:03:00: Pharmaprojekten, die wir gerade angehen,

01:03:01: Bereich AI, dass auch extrem viel Compliance da vorherrscht.

01:03:05: Das heißt, die kommen mit AGBs die Ecke,

01:03:06: wo du denkst, wenn was schiefgeht,

01:03:09: bin ich der Arsch, der Buhmann,

01:03:10: der Party-Pupper. Da muss man einfach einen

01:03:12: Mhm.

01:03:13: Kompromiss finden.

01:03:14: Es kann ja auch sein, dass z.B.

01:03:15: Claude ein Modell nicht funktioniert an einem Tag oder irgendwie

01:03:18: 11 Labs nicht funktioniert. Das hat ja nichts mit uns zu tun.

01:03:21: Und dass dann diese Awareness,

01:03:23: sag ich mal, gebaut wird beim Gegenüber.

01:03:26: Nach dem Motto, wir sind nicht für alles schuld,

01:03:27: oder können nicht für alles schuld sein.

01:03:28: glaube, diese Awareness-Stufe muss man einfach generieren.

01:03:32: Weil ansonsten, wir können nicht für alles verantwortlich sein.

01:03:34: Aber glaube, Standarddinger wie Security,

01:03:37: DSGVO oder DSG, heißt das in der Schweiz,

01:03:40: Mhm.

01:03:41: Dass man da einfach compliant ist,

01:03:43: das Allerwichtigste. Das können halt die wenigsten.

01:03:46: Ja, was ich immer wieder merke ist auch,

01:03:49: dass man sehr weit an der Basis anfangen muss.

01:03:54: dass ich teilweise auch erstmal Kunden den SharePoint und wie der funktioniert,

01:03:59: erklären muss, weil immer noch Daten auf dem Laptop gespeichert werden.

01:04:06: Ich habe auch schon mal Feedbacks von Kunden bekommen,

01:04:08: die haben sich dann die Dokumente ausgedruckt,

01:04:10: handschriftlich Feedback gegeben,

01:04:12: eingescannt und zurückgeschickt.

01:04:13: Also auch das.

01:04:14: Das heißt, wir haben natürlich hier in dem Bereich auch irgendwo noch ganz viel

01:04:19: Aufholbedarf sowieso bei vielen Themen.

01:04:21: Also das merke ich auch immer wieder,

01:04:23: dass man, dass man gerade in der Branche einfach auch viel an

01:04:27: den Basics noch anschauen darf.

01:04:29: Das heißt, die gute Nachricht ist auch die Use Cases,

01:04:32: die nehmen halt nicht ab. Im Gegenteil,

01:04:35: das werden immer mehr, weil wir halt bei vielen Dingen noch so ganz

01:04:38: an der Basis sind. Was würdest du denn jetzt einem Vermögensverwalter raten,

01:04:43: der

01:04:44: der das jetzt heute hört und sich zum ersten Mal mit dem Thema

01:04:46: so richtig beschäftigt, welcher erste Schritt,

01:04:50: abgesehen davon mit Ihren Calls zu buchen,

01:04:52: aber welcher erste Schritt, würdest du sagen,

01:04:55: sollte jemand machen, der jetzt sich mehr in das Thema KI reinentwickeln will?

01:05:00: glaube generell, man so eine Art,

01:05:03: ist eigentlich so ein Fünfstufenprozess,

01:05:05: Alex, an dem man eigentlich runterbrechen kann von,

01:05:08: wenn man jetzt kein Erstgespräch buchen will mir,

01:05:10: erstmal sich klar darüber zu werden,

01:05:12: die Arbeit mal auflisten. Also,

01:05:13: welche Arbeit muss ich eigentlich erledigen?

01:05:15: Entweder bin ich selber als Geschäftsführer oder eventuell meine Mitarbeiter.

01:05:18: Die liste ich erstmal auf. Also,

01:05:20: alles, komplett alles im Bereich von Filmen,

01:05:21: Marketing, Vertrieb, Customer Support und so weiter und so fort.

01:05:25: Dann schaue ich, was ist konkret ein Engpass?

01:05:27: Also, wo sehe ich zum Beispiel,

01:05:28: dass meine Mitarbeiter oder ich selbst jetzt ein Engpass bin?

01:05:30: oder einen bottleneckenden ganzen prozess

01:05:32: Also wenn zum Beispiel sich ein potenzieller Kunde einträgt und der zwei Tage nicht

01:05:38: beantwortet oder zurückgerufen wird,

01:05:39: wäre das ein Engpass.

01:05:41: Beispiel. Und

01:05:43: dann definiere ich erstmal den Prozess.

01:05:44: Wie sieht der Status Quo gerade aus?

01:05:46: Also ich mache so eine Art Prozess-Float-Chart.

01:05:48: Eventuell, wenn ich die Zeit habe,

01:05:49: kann dafür auch Claude benutzen.

01:05:50: Gemeinsam mit einem MCP-Connector in Miro oder Whimsical.

01:05:53: Das sind ja so

01:05:54: Mhm.

01:05:54: Tools, man eigentlich benutzen kann,

01:05:55: Prozess-Float-Charts sich aufzuzeichnen.

01:05:58: Das heißt Punkt Nummer 3 wäre Prozess denken,

01:06:01: neu denken, indem ich erstmal sage,

01:06:03: das ist der Status Quo und wie könnte ich es besser machen mit KI?

01:06:05: Stichwort AI First. Dann könnte ich eventuell erstmal einen Prototypen bauen.

01:06:10: Kann ich auch inhouse machen, brauche ich keinen Experten dafür,

01:06:12: wenn es denn überhaupt Sinn macht.

01:06:13: Oder vielleicht habe ich Opportunitätskosten.

01:06:14: Mhm.

01:06:15: Das heißt, ich hole mir einen Experten,

01:06:16: der das Ganze für mich baut. Stellt,

01:06:18: dass ich da selber irgendwie nachts Claude frage die ganze Zeit und Zeit,

01:06:22: Ressourcen und eventuell auch Brainpower verschwende.

01:06:24: Und Punkt Nummer 5 wäre dann einfach die Wirkung dieses Use Cases

01:06:27: zu messen und dann den Use Case auszubauen.

01:06:30: Mhm.

01:06:31: Das heißt, ich kann ein Prototyp zwar bauen,

01:06:33: mit zum Beispiel N8N, Zapier oder Make.

01:06:34: Das ist alles, bleibt jedem selbst überlassen.

01:06:37: Oder ich kann mir auch selber was Vibe Coden und Prototypen,

01:06:39: weiß aber oder muss wissen, dass es nicht secure ist.

01:06:42: Es ist keine Infrastruktur, so wie ich sie implementieren würde.

01:06:45: Aber mit den Prototypen kann ich halt zu einem Dienstleister gehen und sage,

01:06:48: ich habe hier schon ein Prototyp gebaut,

01:06:49: baue mir genau das für mich, aber secure und eben als Infrastruktur.

01:06:54: genau. Also ich glaube, der allererste Punkt,

01:06:57: Alex, ist glaube ich Prozess verstehen.

01:06:59: Und ich glaube, einer der wichtigsten Skills im heutigen Zeitalter

01:07:01: ist es wirklich Prozesse zu verstehen und in Ökosystemen zu denken.

01:07:05: Weil die meisten KI-Dienstleister denken halt in

01:07:06: Ja.

01:07:07: Insellösungen. Ich hab hier Prozess A,

01:07:09: Prozess B und Prozess C. Wie kann ich die unabhängig voneinander implementieren?

01:07:12: Ich glaube, es macht gar keinen Sinn.

01:07:14: Und ich leg jetzt ein bisschen den Finger einfach mal in die Wunde.

01:07:18: Ich könnte mir sogar vorstellen,

01:07:20: viele Vermögensverwalter haben sich darüber noch nie Gedanken gemacht

01:07:24: und machen einfach so, ziehen ihren Stiefel durch sozusagen und haben

01:07:28: gar nicht mal niedergeschriebene Prozesse.

01:07:31: Für zum Beispiel, was passiert denn nach einem Kundengespräch,

01:07:36: wenn der Kunde die Verträge unterschrieben hat,

01:07:38: dann gibt es meistens einen Prozess,

01:07:39: weil die Bank, wo der Kunde ge-onboardet wird,

01:07:41: den vorgibt.

01:07:43: Aber zum Beispiel beim Thema LID-Aquise,

01:07:46: wer kümmert sich die Info-Ed-Inbox?

01:07:50: Wie wird Kunden zurückgeschrieben oder neu Kunden zurückgeschrieben?

01:07:54: In welchem Zeitrahmen? Wie... Also ich glaube,

01:07:58: da gibt es einfach ganz oft überhaupt gar keine Prozesse.

01:08:03: Und das ist natürlich schon auch ein Riesenproblem.

01:08:07: Ich glaube, da gibt es immer so einen Trade-off

01:08:08: zwischen, ich muss mir eingestehen,

01:08:10: dass ich eigentlich Sportlinek bin oder Mitarbeiter Sportlinek sind,

01:08:13: aber ich keine Zeit dafür habe,

01:08:14: ~ die Prozesse mal anzugehen. Das ist auch bei Steuerberatern vor allem oder halt

01:08:17: Treuhändlern und Anwaltskanzlern oft das Problem.

01:08:20: Sie sind so arg im Tagesgeschäft gefangen,

01:08:22: dass sie sich gar keine Gedanken so was machen können,

01:08:24: weil einfach die in einem goldenen Hamsterrad sitzen die ganze Zeit.

01:08:28: Ja, und das ist auch so ein Klassiker,

01:08:30: warum Kunden teilweise sagen, ja Frau Weck,

01:08:33: wir wissen, wir müssen was mit ihnen machen,

01:08:36: aber wir haben gar keine Zeit,

01:08:37: das umzusetzen. So, und die sind so im Hamsterrad und

01:08:42: die wollen eigentlich höherwertige Kunden akquirieren,

01:08:45: haben aber keine Zeit, sich die Strategie mit mir dafür zu kümmern,

01:08:48: weil die so viele, ich sag mal,

01:08:52: andere kompliziertere Kunden haben und die wollen da aber raus,

01:08:55: aber sie können nicht. das ist,

01:08:57: ich meine, es wird ja nicht besser.

01:08:58: Man muss irgendwann mal anfangen damit.

01:09:01: Genau, was ich auch cool finde,

01:09:03: dadurch, dass ihr ja so viele Kunden betreut,

01:09:04: so viele unterschiedliche, bringt ihr ja auch mich manchmal auf eine Idee für einen

01:09:09: Use Case, den ich vorher gar nicht hatte,

01:09:11: weil ich nicht wusste, dass das eine Möglichkeit ist.

01:09:13: Also ich weiß nicht, wie oft ich dir,

01:09:15: wenn du irgendwas postest, was ihr gemacht habt für andere Kunden.

01:09:19: Wie oft ich dir schon geschrieben habe,

01:09:20: bitte auf mein Backlog, bitte auf mein Backlog,

01:09:22: Mmh.

01:09:22: das brauche ich auch, das brauche ich auch,

01:09:24: bitte das brauche ich auch irgendwann.

01:09:26: Das finde ich halt auch so super.

01:09:28: Und das ist halt genau der Punkt,

01:09:30: warum ich auch die Zusammenarbeit so extrem schätze.

01:09:33: Weil ihr eben nicht alles macht und KI nebenher,

01:09:37: sondern ihr macht nur das. Und deswegen habe ich automatisch immer

01:09:42: wie so einen Inspirationskatalog,

01:09:44: wo ich sehe,

01:09:45: Ach, spannend. Das habt ihr schon umgesetzt.

01:09:48: Das ist ja cool. Dann könnte das ja für mich auch was Interessantes sein.

01:09:51: Also es ist wie so ein Schaufenster,

01:09:53: wo ich immer wieder denke, okay,

01:09:55: auf die Idee bin ich noch gar nicht gekommen,

01:09:57: aber es ist eine coole Sache. Das brauche ich,

01:09:59: ja. Also das ist halt auch echt super.

01:10:04: Genau. Super. Du, wir sind mit dem ersten Teil jetzt so gut wie...

01:10:10: Nee, sind wir eigentlich fertig.

01:10:12: Und jetzt das richte ich nochmal an die Zuhörerinnen und Zuhörer,

01:10:16: denn jetzt wird es hier eigentlich richtig spannend und sehr konkret,

01:10:20: denn wir gehen nochmal jetzt in die Use Cases,

01:10:22: denn was wir bisher so besprochen haben,

01:10:25: die grobe Landkarte und dient ein bisschen zur Inspiration.

01:10:28: Aber im zweiten Teil gehen wir jetzt nochmal in die Use Cases rein,

01:10:32: also ganz konkret Schritt für Schritt,

01:10:34: welche Prozesse kann man wirklich automatisieren,

01:10:37: wo verlaufen rote Linien.

01:10:40: Wie fängt man an sich oder wie verbrennt man sich nicht

01:10:43: an regulatorischen Vorgaben den Finger oder die Finger?

01:10:48: Und diesen zweiten Teil, und das muss ich jetzt einfach an der Stelle so machen,

01:10:52: den veröffentlichen wir nicht als Podcast,

01:10:55: denn der zweite Teil ist exklusiv für meine bestehenden Kunden

01:11:00: und veröffentlichen wir nur für die bestehenden Kunden

01:11:03: in unserer eigenen Lernplattform.

01:11:06: Und wenn Sie jetzt aber wissen wollen,

01:11:08: wie Sie Ihre eigene Zeit zurückgewinnen,

01:11:10: trotzdem compliant bleiben, dann können wir das gerne

01:11:13: in einem kostenlosen Erstgespräch auch schauen,

01:11:17: ob das für Sie passt. Den Link gibt es immer in den Show Notes und im Video.

01:11:21: Und Youssef, dir erstmal ein großes Dankeschön für den öffentlichen Teil.

01:11:26: Und dann gehen wir gleich nochmal ins Eingemachte.

01:11:29: Vielen Dank.