AI Readiness ins Unternehmen bringen

Erik Pfannmöller: Hallo und herzlich willkommen zu einem neuen AI Unplugged Podcast von Digital Kompakt. Mein Name ist Erik Pfannmüller, Gründer und CEO von SolveMate. SolveMate automatisiert Kundensupport. Mit unserer KI-basierten Plattform bauen sich unsere B2B-Kunden Chatbots, mit denen ihre Endkonsumenten ihre Kundenanfragen in Sekundenschnelle rund um die Uhr lösen können. Wie immer bei AI Unplugged erklären wir Alltagsthemen rund um das Thema KI einfach und für jedermann verständlich. Heute bei uns geht es um das Thema KI-Kultur und KI-Transformation. Dazu habe ich Julia Butter, AI Evangelist bei Scout24 bei mir. Sie inspiriert und trainiert Mitarbeiter zum Thema KI. Aber Julia, herzlich willkommen. Vielleicht stellst du dich erst mal selbst vor.

Julia Butter: Hallo, freut mich sehr, dass ich heute da bin. Ich bin bei der Scout24 und wie du gerade schon gesagt hast, als AI-Eventualist, was ja ein ziemlich fancy Jobtitle ist und tatsächlich nicht sehr oft vorkommt in Deutschland. Deshalb verständlich die Frage, was mache ich da eigentlich genau? Du hast es kurz zusammengefasst mit, ich inspiriere und trainiere unsere Mitarbeiter. Und das ist, glaube ich, in einer Nussschale zusammengefasst, genau das Richtige, was man sagen kann. Aber das ist natürlich sehr breit gefächert, was ich da im Alltag tue und was ich genau aufbereite. Mein Background ist eigentlich in der Innovationsberatung, wo ich auch verschiedene Change-Prozesse von großen Unternehmen damals schon begleitet habe. Wir haben das damals Innovation-Driven Change genannt und von daher passt das natürlich fast wie die Faust aufs Auge, was ich jetzt als AI-Adventurist mache. Meine Station danach war im digitalen Produktmanagement, erstmal als Produktmanager und dann Teamlead. Und da habe ich natürlich so dieses ganze Thema Digitalisierung von der Pike auf auch gelernt, aus einer Perspektive, wo wir immer geguckt haben, wie können wir denn Consumer- oder Customer-First-Produkte entwickeln. Ein riesen Hypewort, was wir überall gerade hören, ist dabei auch Design Thinking. Das war auch ein großer Teil meines Jobs, sowohl im Produktmanagement als auch in der Innovationsberatung. Und all das bündel ich jetzt eigentlich in der Aufgabe, um so meinen Alltag als AI-Eventualist möglichst effektiv, aber trotzdem auch möglichst anders zu gestalten. Weil wenn man sich jetzt diesen Jobtitel alleine schon mal anguckt, Evangelist, Du hast jetzt auch schon ganz viele Anglizismen benannt.

Erik Pfannmöller: Design Thinking, da kommen wir noch drauf, auch das Thema Digitalisierung, Innovation Driven Change. Fass mal zusammen, warum es wichtig ist, bei einer Firma von Scout, von einem großen Unternehmen, NIA Evangelist zu haben. Evangelist stelle ich mir vor jemand, der sozusagen Dinge vorlebt, der Dinge auch nach vorne treibt. Es gibt ja diese Tech Evangelists, die die ganzen frühen Early Adopter sind. Wie würdest du beschreiben, was du machst den ganzen Tag?

Julia Butter: Also es geht genau darum, wie können wir dieses Thema nicht nur als ein neues Hypeboard in der Firma leben. Und das ist vielleicht als Background ganz wichtig, wo stehen wir eigentlich als Firma? Wir haben tatsächlich schon viele Projekte mit unserem Data Science Team umgesetzt. Also wir sind nicht ganz am Anfang, wo wir sagen, wir starten mit dem allerersten AI-Projekt in der Firma überhaupt.

Erik Pfannmöller: Ab welcher Firmengröße braucht man einen Full-Time AI-Evangelist?

Julia Butter: Ich glaube, man kann es nicht nur von der Größe abhängig machen, sondern es kommt auch darauf an, wo steht man eigentlich gerade in der Entwicklung. Wie ich vorher schon ganz kurz gesagt habe, wir haben eben de facto schon verschiedene Projekte gemacht. Wir haben ein Team von Data-Scientisten, die schon jeden Tag an Themen arbeiten. Das heißt, wir starten gerade nicht bei dem allerersten Schritt, sondern wir sind an dem Punkt, wo wir sagen, wir müssen jetzt das ganze Unternehmen mitnehmen und auch unsere Entwickler und Produktleute befähigen, AI oder Machine Learning als ein Tool in ihrer Toolbox zu sehen. Letztendlich ist das auch ein Grund, warum wir gesagt haben, wir wollen gar nicht AI-first agieren. Also wir wollen jetzt nicht auf jedes Produkt, das wir entwickeln, unbedingt dieses AI-Label draufdrücken, sondern wir wollen ganz bewusst AI-ready sein. Das heißt im Prinzip befähigt sein und bereit sein, wo immer es wirklich Sinn ergibt und ein Produkt besser macht, mit Machine Learning zu arbeiten.

Erik Pfannmöller: Ich komme gleich auf das Thema Mitarbeiterbefähigung und wie man das eigentlich erklärt auf. Nochmal kurz die Definition. Wie würdest du AI First versus AI Ready definieren als Firma oder als Produkt? Was heißt das für dich?

Julia Butter: Für mich persönlich heißt AI First wirklich zu sagen, ähnlich Mobile First, User First. Das ist das Erste, an was wir denken, wenn wir ein Produkt entwickeln. Und das ist das, was wir auf jeden Fall immer als Maxime umsetzen wollen. Tatsächlich, weil ich gerade auch Mobile First und Consumer First erwähnt habe, das sind tatsächlich zwei Maximen, mit denen wir schon seit Jahren arbeiten müssen.

Erik Pfannmöller: Ich wollte gerade sagen, man ist ja immer Consumer First, immer ist der Kunde im Zentrum und dann ist man auch Mobile First on Top, weil hey, die Leute sind mittlerweile mobil unterwegs und jetzt ist man noch AI First. Was ist denn jetzt eigentlich First?

Julia Butter: Genau das ist, glaube ich, dieser kleine entscheidende Unterschied, dass wir gesagt haben, da jetzt auch ein AI-First drauf zu klatschen und zu sagen, das muss immer dabei sein, ergibt in unseren Augen nicht viel Sinn. Weil es manchmal auch Sinn ergibt zu sagen, da brauchen wir keine AI. Das Produkt ist auch ohne total gut. Aber, und das ist dieser Punkt mit AI-Ready, warum wir gesagt haben, das ist für uns wichtig. Also AI-Ready, was heißt das denn eigentlich? Bereit für AI. Aha. Also wie schaffen wir es, dass jeder einzelne Mitarbeiter trotzdem diese Befähigung hat zu sagen, wo macht das Sinn? Wo sollten wir das tun? Das heißt, ein Fundament an Wissen aufzubauen. Was kann das denn eigentlich? Was können auch wir bei der Scout? Und dann auch dieses informierte Entscheiden zu ermöglichen, so und hier machen wir es und hier machen wir es nicht.

Erik Pfannmöller: Mitarbeiterbefähigung. Das ist so, als ob die Mitarbeiter vorher unfähig sind. Ich habe ja selbst, bevor ich Surfmed gegründet habe, mich ein knappes Jahr mit Machine Learning auseinandergesetzt. Und zwar fulltime. Ich saß in einem kleinen Büro und habe tausend Seiten Mathebücher gelesen und hunderte Stunden YouTube-Videos. Und ich wollte konzeptionell verstehen, was Machine Learning kann und welche Algorithmen, welche Daten zu einem Modell crunchen. Für unsere interessierten Hörer hier der Querverweis zu Folge 1, wo wir genau das erklärt haben, dass Machine Learning eigentlich nichts anderes ist, außer Trainingdaten zu nehmen, die in einem Algorithmus zu einem Modell zu verarbeiten. Und das Modell wird dann mit Echtzeitdaten benutzt, um Vorhersagen zu machen. Und welche Art von Vorhersagen, das muss ja sozusagen der Mitarbeiter entscheiden. Und welche Daten er zur Verfügung hat und ob die Daten, die man zur Verfügung hat, überhaupt zu einer sinnvollen Vorhersage führen können. Ich sage mal, ich habe das sehr, sehr intensiv gemacht und habe da hunderte, wenn nicht sogar tausende Stunden investiert auf das Thema. Wie macht ihr das? Das heißt, gibt es da eine Art Trainingsplan? Wie würdest du Mitarbeiterbefähigung sehen und was muss man können, um AI ready zu sein?

Julia Butter: Ich kann vielleicht ein ganz klein bisschen ausholen und unsere Reise zu dem Punkt, wo wir jetzt sind, beschreiben. Letztes Jahr im Herbst haben wir tatsächlich gesagt, wir wollen so ein bisschen Momentum schaffen, so ein Big Bang, wie man sich das vorstellen kann, dass wirklich jeder in der Firma mal darüber redet und haben einen großen Maßstab AI-Use-Case-Discovery-Workshops, auch ein fancy Titel.

Erik Pfannmöller: Oh, AI-Use-Case-Discovery-Workshop.

Julia Butter: Genau.

Erik Pfannmöller: Ich glaube, das brauchen wir nicht übersetzen, da kommt man schon drauf. Ja.

Julia Butter: Genau. Und hatten da eben wirklich unseren Mitarbeitern innerhalb eines Tages einen Braindrop, also mal wirklich möglichst viel Information gegeben. Was ist das dann eigentlich? Was geht denn momentan überhaupt, wenn wir in die Welt gucken? Und dann aber auch ein sehr, sehr offenes Brainstorming gemacht. Alter, was denkst du denn, was jetzt irgendwie wir bei der Scout machen könnten, was wirklich Sinn ergeben würde? Da haben wir tatsächlich einen Tag mal so ein bisschen AI-first gedacht und sind weniger davon ausgegangen, dass wir gesagt haben, das sind die fünf Business-Probleme, die wir lösen wollen. Wie könnte uns der Machine Learning dabei helfen? Aber das war so ein erstes großes Momentum, wo wir gesagt haben, jeder soll mal wirklich out of the box denken. Und ohne, dass das jetzt schon ein Ziel erreichen muss, sondern um einfach mal diese Denkmaschine anzuwerfen und so eine erste Brille mal aufzusetzen.

Erik Pfannmöller: An dem Big-Bang-Tag, das habe ich notiert, habt ihr ja noch nicht erklärt, was AI ist, sondern ihr habt gebrainstormt, stimmt's?

Julia Butter: Das Intro war wirklich mal zu erklären, was ist denn das eigentlich und was geht denn eigentlich schon? Auch anhand von externen Beispielen, wo wir gesagt haben, okay, guck mal, das macht die Firma, das macht die Firma, um da mal so ein bisschen diesen Blickwinkel zu öffnen. Und anschließend war es aber wirklich sehr, sehr, sehr frei im Brainstorming. Kann man sich auch überlegen. Ich glaube, mein Learning daraus ist, wenn ich das nochmal machen würde, würde ich vielleicht tatsächlich ein paar Business-Fragen zugrunde legen, weil das einfach noch mehr Guidance gibt und natürlich auch im Prozess danach noch viel einfacher ist, zu verknüpfen mit, okay, das können wir jetzt sofort machen. Wir hatten so auch jede Menge Ideen, also mit Duplikaten waren wir knapp an tausend Ideen dran, die aber teilweise natürlich auch in Richtung gingen, wo wir gesagt haben, das ist sehr weit von unserem Kerngeschäft entfernt, das ist jetzt nichts, was wir direkt umsetzen würden. Trotzdem arbeiten wir an vielen der Ideen in so einer Discovery-Phase gerade. Ich glaube nur, wenn man sich auch immer ehrlich in die Augen guckt, und das ist natürlich auch wichtig zu machen, zu sagen, okay, wo hätten wir es noch besser machen können. Und Empfehlung an jeden, der das ausprobieren möchte, wäre wahrscheinlich wirklich klar, ein paar Business-Probleme zu definieren und zu sagen, wie können wir da wirklich direkt angreifen.

Erik Pfannmöller: Wolltest du von deiner Reise erzählen? Wir kommen da gleich weiter hin. Du hast gerade das Thema Discovery gesagt, nämlich Business-Probleme. Ganz klar, das halte ich jetzt mit meiner Produktentwicklung. Ich mache das, mein Geschäftsproblem, dann discovert man, was eigentlich mögliche Lösungen sein könnten. Das machen die Produktmanager oder die Business-Leute, die überlegen, wie kann ich das Problem lösen? Und dann geht man erst die Implementierung an. Tech-Firma, ihr habt ja digitale Produkte, ist das dieser klare Problem, Discovery, also eigentlich erst mal Lösungsmöglichkeiten überlegen und dann die Umsetzung. Und ich glaube, der Discovery-Punkt ist ganz wichtig zu verstehen. Ich muss evaluieren, ob ich möglicherweise mit AI das Problem besser lösen kann als mit traditionellen Methoden. Ist das richtig?

Julia Butter: Ganz genau so.

Erik Pfannmöller: Sehr schön. Erzähl mal weiter eure Reise.

Julia Butter: Wir hatten dann eben erfahren, okay, da ist viel in der Denkmaschine losgelaufen. Viele Leute haben gesagt, ach cool, jetzt habe ich so ein erstes Wissensstückchen gekriegt, gibt uns mal mehr davon. Das war so die erste große Message, die wir als Learning hatten. Und daneben kam auch, nachdem wir eben eine Firma sind, die nicht gerade bei Null startet, sondern die schon viel gemacht hat, wie können wir denn voneinander auch möglichst viel lernen? Also wie kann man das? Kann jetzt jemand, der in einem Bereich in München sitzt und sich vor allem da über private Verkäufer kümmert, wie kann denn derjenige eigentlich den Connect hinkriegen zu einem Segment hier bei ImmoScout, wo es darum geht, wie können wir denn unsere Bauträger unterstützen? Also so auch den Connect herzustellen und voneinander zu lernen, weil das wäre blöd, das Rad immer neu zu erfinden. Vor dem Hintergrund haben wir zwei Dinge gemacht. Wir waren erstens mal kurz vor der Weihnachtszeit, wussten, es gibt keinen Adventskalender in der Form im Unternehmen und haben gesagt, dann lass uns das doch nutzen, um so einen Inspirations-Adventskalender zu bauen. Und jeden Tag unseren Mitarbeitern entweder so ein kleines Wissenshäppchen zu geben, so was ist denn Deep Learning?

Erik Pfannmöller: oder was macht denn irgendwas? Wir erklären ja genau solche Sachen. Was ist Deep Learning? War die letzte Folge das Thema, wie funktionieren Neural Networks? Und wir haben vorher über KI in Autos gesprochen. Ganz spannendes Thema, ja. Aber Adventskalender ist interessant. Wie sahen diese Wissenshäppchen aus?

Julia Butter: Letztendlich war das auch nicht Raketenwissenschaft, sondern was wir gemacht haben, ist versucht, mit möglichst geringem Effort einfache Lösungen zu kreieren, die jeder Mitarbeiter aber trotzdem über die gesamte Adventszeit lesen kann. Wir haben kleine Posts geschrieben, die dann über verschiedene Channels im Unternehmen verteilt und haben immer aber natürlich auch noch einen Link in unserem kleinen Post gehabt, wo man noch mehr dazu erfahren kann. Aber so, dass man eigentlich innerhalb von zwei, drei Minuten so einen kleinen Mini-Überblick kriegen könnte.

Erik Pfannmöller: Du hast gerade gesagt, keine Raketenwissenschaft. Das ist auch eine Sache, die ich verstanden habe. Und wenn man sich unsere AIR-Plugged-Serie von Folge 1 bis jetzt gerade Folge 7 anhört, dann die Dinge wiederholen sich. Das ist eigentlich Machine Learning immer wieder das Gleiche. Und wenn man dieses Konzept einmal versteht, ist man auch AI. Ja, ready. Es ist nicht einfach zu verstehen, aber es ist möglich. Ihr habt also immer kleine Blogposts geschrieben. Ich stelle mir das vor wie so eine Art internen Messenger, den ihr habt, sagt, hey, heute der Adventskalender. Das ist im Übrigen eine Support-Vector-Maschine und die ist Teil deines Algorithmus und das funktioniert so. Im Übrigen hier ist ein super guter Blogartikel oder ein YouTube-Video, das du dir anschauen kannst. Genau, richtig. Dann haben eure Kollegen 24 Adventskalender natürlich geöffnet. Was war zu Weihnachten drin?

Julia Butter: Letztendlich muss man sich ja auch immer angucken, wie realistisch ist das, dass jemand an Weihnachten sagt, das Erste, was ich jetzt heute tue, ist ein Adventskalender-Türchen zu öffnen. Wir konzentrieren uns tatsächlich auf die Arbeitstage und lassen da die Leute ein Türchen öffnen, um möglichst viel zu erreichen mit möglichst wenig Aufwand, weil parallel natürlich ganz viele andere Dinge auch liefen. Was wäre aber tatsächlich an dem Tag vor Weihnachten? Wir haben so ein bisschen aufgebaut, so ein bisschen Wissen, was haben wir aber auch an Projekten selber gemacht. Und wir hatten an dem Tag vor Weihnachten nochmal dieses Thema Ethik und haben The Moral Machine gepostet und letztendlich Leute eben selber entscheiden lassen, so okay, wie würdest du jetzt in dem Fall entscheiden vor dem Hintergrund, dass das eben auch eine wahnsinnig wichtige Entscheidung ist, die man treffen

Erik Pfannmöller: muss. Was ist The Moral Machine?

Julia Butter: Ich dachte, das ist ganz bekannt. Also es ist eine Seite, auf der man im Prinzip entscheiden kann, wenn ein Auto

Erik Pfannmöller: Selbst wenn ich das kennen würde, hypothetisch gesehen, müssen Sie es ja für unsere Hörer erklären. Ich habe das auch selbst gemacht. Das ist ein sehr interessantes Thema. Aber erklär doch mal, was ist die Moral Machine?

Julia Butter: Im Prinzip geht es darum, dass man entscheiden soll, als ein Autofahrer in einer Vorstellung. Da gehen jetzt so und so viele Leute gerade über die Straße, in verschiedenen Altersstufen, verschiedenen Jobs. Wie entscheide ich, wo ich das Auto hinlenke, wenn ich es nicht schaffen werde, ohne einen großen Unfall mit einem Todesfall das zu verhindern?

Erik Pfannmöller: Ich glaube, das war von der Stanford-Universität und da haben Millionen Leute teilgenommen. Was die machen wollten ist, die haben verschiedene Variablen getestet, nämlich eine Person sitzt im Auto und fünf Leute gehen über die Straße, dann sitzen fünf im Auto, einer geht über die Straße und dann gehen die anderen bei Rot über die Straße. Das ist ja mit Fehler gemacht. Wer muss jetzt sterben? Und dann fand ich das ganz verrückt, dass die so verschiedene Dimensionen hinzugefügt haben, nämlich es saßen Junge und Alte. Es war eine Familie mit Kindern, Frau mit einem Hund und ein alter Mann. Und dann gab es noch Dicke und Dünne. Und dann gab es noch Religiöse und Nicht-Religiöse. Und was sie sozusagen tun wollten damit, die haben aus diesen vielen Daten gelabelten Punkten, weil man musste sich entscheiden. Das war eine ganz schwierige, ich habe das selbst gemacht, du denkst dir, warum soll ich jetzt entscheiden? Aber du musstest entscheiden, wer sterben muss. Und die haben sozusagen diese Millionen Datenbuchte in so ein Deep Neural Network gefüttert, um rauszufinden, wie sind da eigentlich die Präferenzen der Menschen? Ich weiß selbst nicht, ob die Ergebnisse überhaupt gepublished worden sind oder was die Ergebnisse sind, aber die Fragestellung ist eine ganz interessante, weil Menschen entscheiden ja nicht, die entscheiden ja intuitiv. Unser Affengehirn entscheidet ja in Millisekunden, was wir tun. Wir haben da keine Kontrolle drüber, ob wir jetzt lenken oder bremsen. Aber Computer treffen ja aktiv. 50 Mal pro Sekunde. Wer sich erinnert an die Folge KI in Autos, 50 Mal pro Sekunde entscheidet der Algorithmus, ob er Gas gibt oder bremst. Das heißt, der muss eine aktive Entscheidung treffen. Und das ist eine ganz interessante Frage. Ihr habt die Moral Machine gemacht, okay.

Julia Butter: Genau, das ist natürlich ein krasses Beispiel. Und letztendlich war das natürlich ein extremes Beispiel, was wir den Leuten in Bezug auf ethische Fragen an die Hand gegeben haben. Und unser Alltag sieht nicht so aus, dass wir über Menschenleben entscheiden, Gott sei Dank.

Erik Pfannmöller: Aber im Kleinen und Ganzen geht es auch um Diskriminierung von Algorithmen, weil die Algorithmen müssen ja Entscheidungen treffen. Wir kommen gleich noch zu, was sie eigentlich machen. Und die Frage ist, was gibt ein Algorithmus mit und wie kann man denn auch kontrollieren, dass er richtige Entscheidungen trifft? Denn natürlich will kein Algorithmus irgendeine Art von Gruppe wegen irgendwelchen Merkmalen diskriminieren. Das ist aber manchmal gar nicht einfach, dem Algorithmus mitzuteilen und vor allem auch später zu prüfen, ob es so ist.

Julia Butter: Und das war uns wichtig, dabei diese Sensibilisierung auch ganz bewusst in diesen wenigen Türchen, die wir hatten, mit einzubauen, weil das ein elementares Thema ist, das extrem wichtig ist.

Erik Pfannmöller: Habt ihr ein Mitarbeiter-Quiz gemacht, ob die Leute verstanden haben, was es ist und sagen, ein Neural Network ist A, B, C, D?

Julia Butter: Haben wir tatsächlich nicht gemacht. Ist ein Teil, den wir ganz bewusst aber in unseren AI-Trainings mit einbauen wollen.

Erik Pfannmöller: Aber du hast gelächelt bei der Frage. Du hättest es gern gemacht.

Julia Butter: Natürlich ist das das Beste, um wirklich messen zu können, hatte das einen Effekt. Also wie viel hat das wirklich gebracht? Was wir gemacht haben, ist ja eher auf der qualitativen Ebene gefragt, was hat es dir denn jetzt gebracht? Wie würdest du es bewerten? Ist das was, was du im Alltag anwenden kannst? Also wir haben schon versucht, Datenpunkte zu sammeln. War das jetzt sinnvoll? investierte Zeit von uns in der Weihnachtszeit. Aber wir hatten kein Quiz tatsächlich gemacht.

Erik Pfannmöller: Okay, wir sind erst bei Weihnachten. Was ist danach passiert, bis jetzt in den letzten acht Monaten?

Julia Butter: Ich hatte vorher auch ganz kurz erzählt, dass wir als zweiten großen Punkt erfahren hatten, dass die Leute wirklich voneinander lernen wollen. über die Standorte hinaus und über ihren alltäglichen Geschäftsbereich hinaus und hatten daraufhin uns sehr bewusst auch entschieden zu sagen, wir haben da schon ganz viel Wissen, lass uns versuchen, das zu teilen und haben eine AI-Community oder wie wir es genannt haben, ein AI-Ambassador-Programm ins Leben gerufen. Also ein AI-Botschafter-Programm vor dem Hintergrund, dass wir gesagt haben, ein ganz elementares Element wird sein, dass wir alle die gleiche Sprache sprechen und uns wirklich verstehen. Deshalb haben wir aus den ganz verschiedenen Geschäftsbereichen gesagt, wir wollen Data-Scientisten, wir wollen Produktmanager, wir wollen UX-Designer und wir wollen aber auf jeden Fall auch Entwickler, damit wir die gleiche Diskussion führen und die gleichen Erfahrungen machen und dann wirklich mit einer sehr hohen Schnelligkeit, aber auch mit einer hohen Durchschlagskraft möglichst schnell hier ihre Projekte im Folgenden umsetzen können. Das war zunächst mal ein wahnsinnig großer Erfolg, wo wir sehr überrascht waren. Also ich hatte vermutet, dass wir so ungefähr 5 bis 10 Prozent unserer Buildersorg, also unserer Entwickler, UX-Designer und Produktmanager, so überhaupt dafür interessieren können.

Erik Pfannmöller: Das heißt, ihr habt das nur gemacht innerhalb des Produktteils der Firma, nicht innerhalb des Business-Teils im Vertrieb?

Julia Butter: Doch, wir haben das geöffnet, aber wir haben gesagt, das Allerwichtigste im ersten Schritt, wenn wir Produkte bauen wollen, die wirklich nur einen Unterschied machen, ist wahrscheinlich diese Bildersorganisation.

Erik Pfannmöller: Bildersorganisation, nennt ihr das?

Julia Butter: Genau, richtig. Weil wir sagen, das sind die, die bauen. Also die das bauen, was danach auf dem Markt sichtbar ist an neuen Produkten. Und das war sehr überraschend, weil wir aber auch aus ganz vielen anderen Bereichen Interessenten gekriegt haben. Unter anderem auch aus unserem Legal-Bereich, was natürlich ein sehr spannender Punkt ist, weil es ist nicht verpflichtend. Es war ein rein optionales Programm. Und anstelle dieser 5 bis 10 Prozent, die so unsere Zielzahl war, wie viel wir da interessieren wollten, hatten wir tatsächlich über 15 Prozent Interessenten. Das war sehr, sehr erfreulich, aber wir haben auch gemerkt, und das ist vielleicht so ein bisschen, wo wir schon zu Herausforderungen kommen, dass wir ein sehr dynamisches und sehr schnelles Unternehmen sind und diese Multiplikationsaufgabe, die wir uns auch gewünscht haben, dass die Leute, die dort hinkommen, auch ganz bewusst danach in ihrem jeweiligen Geschäftsbereich sagen, hey, Das haben wir gelernt, lass mal drüber nachdenken, wie könnten wir das eigentlich auf uns münzen? Dass das eine sehr hohe Herausforderung für die Leute ist, das noch in der Zeit ermöglicht zu bekommen. Und da kommt natürlich auch diese große Herausforderung mit dazu, dass viele Leute aus verschiedenen Wissensständen sind. Der eine, der weiß überhaupt nicht, wovon eigentlich gesprochen wird. Und der andere hat irgendwie schon ein paar Udacity-Kurse oder so gemacht. Und da spricht man natürlich dann auch wieder auf ganz vielen verschiedenen Wissensebenen die Leute an. Und da haben wir als Feedback gehört von den Leuten, die eben unsere Botschafter waren. Wir wissen gar nicht genau, wie wir diese ganze Gruppe an Leuten adressieren sollen, weil das eine, was wir erzählen, da schaut der andere wie Bahnhof und der andere sagt, das kenne ich doch schon längst alles.

Erik Pfannmöller: Problem verstanden. Was ist die Lösung dafür?

Julia Butter: Wir haben im Prinzip verschiedene Anläufe gemacht. Wir haben einmal gesagt, okay, vielleicht würde so ein Buddy-System Sinn ergeben, dass wir sagen, nimm jeweils einen Mitarbeiter an die Hand und fühl dich für den quasi verantwortlich. Ähnliches Problem, was diesen Zeitinvest angeht. Und man muss ja auch ehrlich sagen, wir haben zwar, glaube ich, hier eine Rolle geschaffen und wir haben einen sehr hohen Fokus auf das Thema als Scout24 und damit auch ein sehr hohes Commitment. Und dennoch läuft natürlich das Alltagsbusiness weiter. Also ich kann jetzt nicht sagen, oh, ich habe hier irgendwie gerade einen Inzident, aber mir ist es jetzt wichtiger, dieses Wissen aus meinem AI-Ambassador-Programm weiterzugeben. Und vor dem Hintergrund haben wir tatsächlich diesen Monat die Entscheidung getroffen, dass wir gesagt haben, wir öffnen diese Sessions wirklich für jedermann, der interessiert ist und versuchen aber ganz bewusst auch die Leute zu adressieren, wo wir glauben, die Relevanz ist am allergrößten. Zu jeder Session ein anderes Thema. Diesen Monat war das das Bauen einer AI-Plattform, was unser nächster großer Schritt sein soll. Und da wussten wir, okay, das ist sowohl für Produktleute als auch für Entwickler sehr, sehr relevant. Für einen UX-Designer ist das weniger interessant. Den brauche ich da nicht mit hinzuholen.

Erik Pfannmöller: Es ist eine Art Frontal-Workshop, wo jemand einen Vortrag hält und die Mitarbeiter sich physisch oder sozusagen via Streaming einwählen können, wenn sie an einem anderen Standort sind. Stelle ich mir das richtig vor?

Julia Butter: Sowohl als auch. Wir hatten genau das, dass wir manchmal Frontal-Vorträge hatten. Wir haben aber auch oft kleine Elemente, wo es wirklich darum geht, okay, wir brauchen jetzt auch ein bisschen euer Voting. Also wir müssen wissen, was sind denn die wichtigsten Themen? Oder geht mal selber in die Aktivität. und wenn wir davon reden, Human-Centered-AI-Products zu entwickeln, wie kann das aussehen, wenn wir das machen?

Erik Pfannmöller: Da war schon wieder so ein Anglizit von human-centered AI-Product.

Julia Butter: Also im Prinzip kommen wir wieder zurück zu unserer Maxime, den Konsumenten zuerst hinstellen. Also wie schaffen wir es denn wirklich ausgehend von einem Nutzerproblem oder einem Nutzerschritt, AI-Produkte zu entwickeln? Und wir hatten dann ein ganz spannendes kleines Werkzeug entdeckt, wo wir gesagt haben, dieses Framework wollen wir natürlich auch ausprobieren. Und da ging es wirklich auch mehr in die Aktivität ab. Aber ich würde sagen, es ist sowohl als auch. Es ist manchmal ein Frontalvortrag, wo eher so eine Einschätzung abgeholt wird auch von der Audience, damit wir klar entscheiden können, wo soll denn der nächste Schritt hingehen, als auch manchmal wirklich interaktiver.

Erik Pfannmöller: Verstanden. Willst du noch was zu eurer Reise bis heute sagen? Habt ihr noch weitere Themen, die interessant sind, die ihr on top gemacht habt?

Julia Butter: Ich glaube, was noch ganz wichtig zu sagen ist, und es gibt, wenn man sich da so ein bisschen umguckt im Internet, wie denn empfohlen wird, dass man diese Reise aufnimmt, dann ist der erste Schritt meistens, mach erst mal ein Pilotprojekt. Das konnten wir bei uns ja abhaken, das hatten wir schon gemacht. Dann ist der zweite Schritt ganz oft, bilde jetzt ein Team, also ein Data Science Team. Hatten wir auch schon gemacht. Und der dritte Schritt, den man oft liest und wogegen wir uns im ersten Schritt bewusst aber entschieden hatten, ist so, und jetzt bauen AI-Curriculum auf. Wir hatten eben aus dem Feedback, was wir aber bekommen hatten und den Wünschen, die die Leute hatten, wurde gesagt, das ist für uns jetzt noch nicht der nächste Schritt, sondern wir müssen erst mal aus den vielen Dingen, die wir schon gemacht haben, weil ja nicht ein Pilotprojekt da war, sondern schon sehr viele Projekte, da dieses Wissen verteilen. Dementsprechend ist aber trotzdem der nächste logische Schritt jetzt, zu sagen, wir bauen ein AI-Curriculum auf, was wir vor allem für zwei Zielgruppen zunächst in der Tiefe entwickeln, um aber trotzdem im nächsten Schritt natürlich die gesamte Mitarbeiterschaft mitzubringen. Diese zwei Zielgruppen sind Produktmanager und UX-Designer und auf der anderen Seite Entwickler. Jetzt habe ich bewusst gesagt und UX-Designer, das ist vielleicht für manche ein bisschen überraschend, aber ich glaube, das ist ein sehr unterschätzter Bereich bisher. Also wenn man viel liest in verschiedenen Blogs, dann wird meistens über tolle technische Lösungen gesprochen. gesprochen oder über tolle Produkte, aber das Entscheidende ist ja, ein gutes Produkt lebt ja davon, dass es auch richtig integriert ist, gut integriert ist und für einen Nutzer kaum merklich ist im Sinne von, uch, was ist das denn jetzt?

Erik Pfannmöller: Ein Produkt, das aus Daten und Algorithmen besteht, muss ja auch Daten sammeln, muss also die richtigen Knöpfe an der richtigen Stelle haben, muss verschiedene Sachen messen und vielleicht baut man einen UX-Admin ein, nur damit man einen Trainingsdatenpunkt kriegt, weil jemand da draufklicken muss, weil es halt wichtig ist, diesen Intent rauszufinden. Wir stellen gerade an unser Produkt den Chat-Flow unseres Chat-Witches um, damit die Endkonsumenten, die ihre Support-Probleme lösen, die sollen noch einmal klicken und zwar auf den Knopf, der einen Emoji hat, Daumen hoch, Daumen runter, um ein aktuelles Gefühl mitzukriegen. Emoji kann jeder sagen, ich bin happy, unhappy und wenn du genau das messen willst, dann musst du den Knopf anders darstellen, als wenn du den Text hast, hat mir geholfen, hat mir nicht geholfen. und Das Thema UX Design ist ganz wichtig, wenn man sagt, man hat ein algorithmisches Produkt und man muss ja auch die Daten dauerhaft haben und sein Produkt automatisch mit einem Machine Learning Flow auch weiterentwickeln. Und deswegen, ich bin vollkommen bei dir, UX Design ist total wichtig im Produktmanagement. Ich mache mal eine kritische Frage. Ich sage jetzt das Thema Transformation. Du hattest gesagt, jeder hat ein Daily Geschäft, die Sachen laufen weiter, man hat ganz viel zu tun, keiner hat Zeit. Was würdest du für eine Empfehlung geben? Wie viel Prozent der Mitarbeiterseite sollten sie für erstens Change-Prozesse und zweitens konkret für den Change-Prozess AI-Readiness?

Julia Butter: Wow, das ist natürlich pauschal extrem schwierig zu sagen.

Erik Pfannmöller: Aber deswegen bist du ja Experte und kannst zumindest eine Einschätzung geben.

Julia Butter: Du meinst in Bezug auf die einzelnen Mitarbeiter oder vielmehr?

Erik Pfannmöller: Ich habe jetzt eine 40-Stunden-Woche. Die kann ich ja nur einmal ausgeben, meine 40-Stunden-Zeit-Budget. Was würdest du sagen, wie viel Zeit pro Woche oder Stunden pro Monat sollte sich jemand generell mit Change-Prozessen auseinandersetzen? Und dann komme ich gleich noch zu, vielleicht gibt es auch noch andere. andere Change-Prozesse im Unternehmen. Wie viel sollte ich mich mit AI aktuell auseinandersetzen, wenn ich jetzt, wenn unser Zuhörer gerade entweder selbst der AI-Evangelist ist oder Geschäftsführer von einer Firma und der sich überlegt, wie viel Wichtigkeit soll ich dem Thema geben? Weil das normale Geschäft läuft ja auch weiter.

Julia Butter: Ich will es mal so an einem Beispiel festmachen oder wie wir vorgehen oder wie wir versuchen, wirklich jeden unserer Mitarbeiter zu erreichen. Und was wir zahlenseitig schon gesehen haben, ist halt, dass wir ungefähr so ein Drittel unseres Unternehmens wirklich schon inspiriert haben und die Hälfte unserer Bildungsorganisationen schon auf diesen Trainingsweg geschickt haben. Wie haben wir denn die Leute inspiriert? Da kamen so ein bisschen die Themen, die ich vorher schon besprochen habe. Und was wir aber zusätzlich noch machen, ist, dass wir einmal im Monat so eine AI-Inspiration in das gesamte Unternehmen schicken. Das sind A-Projekte, die wir selber schon gemacht haben. Also da wirklich zu erzählen, das haben wir schon gemacht. Und wie funktioniert das eigentlich? Was waren dann eigentlich die Hürden? Also es ist natürlich nicht Learning on the Job, aber es ist Learning an einem Beispiel meines Jobs. Und auf der anderen Seite versuchen wir auch zu inspirieren mit Kreativität. konkreten Beispielen, die wir bei anderen Spielern im Markt sehen, die uns ähnlich sind, die entweder auch ein Business haben, das ähnlich funktioniert oder die tatsächlich über den Ozean hinaus was sehr Ähnliches zu uns machen. Wie lange dauert das, das zu lesen? Das kommt wahrscheinlich darauf an, wie tief ich da wirklich als jeder einzelne Mitarbeiter mich reindenken will, wie viele Links ich noch folge und das noch zusätzlich lese. Der erste Schritt ist, glaube ich, um jeden mal mitzunehmen, ist es einfach und knackig zu machen. Und nicht jetzt zu sagen, du brauchst jetzt diese Woche fünf Stunden. Die wenigsten Leute werden sagen

Erik Pfannmöller: Man muss ja auch diese Barriere überbrechen, das überhaupt zu wollen und die Motivation herzustellen. Deswegen habt ihr ja nicht umsonst den Big-Bang-Tag gemacht, um die Awareness zu haben.

Julia Butter: Genau. Und so wollen wir eben konstant auch, Entschuldigung, jetzt kommt wieder ein Anglizismus, aber so ein Bass aufrechterhalten, dass immer wieder ein kleines Momentum kommt, wo ich sage, ach spannend, das ist ja cool, was wir da schon gemacht haben. und ach spannend, so machen die das. Und dann aber auch so diesen nächsten Link, was wir auch inkludieren, sind logischerweise Meetups, die stattfinden an unseren Standorten, um denjenigen zu sagen, ich möchte jetzt sofort irgendwie zu dem Thema mehr erfahren, die Möglichkeit zu geben, dort hinzugehen. Der nächste Schritt ist natürlich dieses Thema Trainings und Learning. Und wir sind davon abgekommen, unser erster Gedanke war, wir machen da auch zwei Tage Training und ziehen da wirklich so ein ganzes Curriculum durch. Unser momentaner Ansatz ist vielmehr zu sagen, wir schneiden das in Häppchen, die wirklich neben meinem Job Sinn ergeben. Also der erste Schritt für einen Produktmanager wird das Thema Problem Framing sein. Also wie komme ich von meinem Business Problem, wie kann ich das denn überhaupt übersetzen in ein Machine Learning Problem? Und das ist so das erste Trainingshäppchen, das wir unseren Produktleuten nahe bringen wollen. Wir sind gerade dabei, so die ersten Piloten da auszurollen und das soll aber dann auch nicht den ganzen Tag belegen, sondern lieber als Impuls für zwei, drei Stunden da sein, genau wie auch unsere Community-Meetings ein, zwei Stunden normalerweise sind. Also lieber öfter und kleiner als so einmal Big Bang. Also ich glaube, für das Momentum, das wir letztes Jahr kreieren wollten, war diese Big Bang-Herangehensweise genau die richtige. Am Anfang hatte ich das Gefühl, muss ich jetzt auch mal ganz ehrlich bekennen, Evangelist, wenn wir da mal ganz weit zurückgehen in die Geschichte, ist ja so ein bisschen der Evangelist, der vor der Kirche saß und gesagt hat, du sollst das tun, das ist besser.

Erik Pfannmöller: Der hat ja auch missioniert.

Julia Butter: Richtig.

Erik Pfannmöller: Du bist ja auch eine Art Missionar, nur für ein neues Thema.

Julia Butter: Genau, und letztendlich ist das natürlich der Punkt. Es kommt einem fast schon so vor, als würde man die Leute nerven, weil man immer wieder sendet. Aber das ist, glaube ich, das Wichtige, dass es konstant im Kopf bleibt und damit das Interesse weiterentwickelt wird.

Erik Pfannmöller: Jetzt sage ich, viele Firmen, die jetzt vielleicht nicht so cool sind wie E-Musk oder wie Scout24, sagen, boah, Change-Prozesse, ich bin gerade bei Papier abzuschaffen. Ich habe sozusagen das Problem der Digitalisierung. Manche Prozesse laufen analog ab, das heißt, ich bin noch nicht mal online vernetzt. Wie siehst du die Konkurrenz von AI-Readiness zu anderen Digitalisierungsprojekten? Ist das hierarchisch on top? Das heißt, muss man die sequenziell nacheinander abarbeiten? Oder ist es ein paralleles Thema? Ich stelle mir vor, wir sind in der öffentlichen Verwaltung und da gibt es ganz viel Papier, das da rumfliegt. Und ich versuche gerade beizubringen, dass man nicht ausdrucken muss, dass eine digitale Unterschrift auch funktioniert und rechtssicher ist, wenn man gleichzeitig über das Thema AI-Readiness spricht. Siehst du das sequenziell? Siehst du das parallel? Und welche Themen gibt es da?

Julia Butter: Die Themen liegen ja jetzt nicht meilenweit auseinander, die sind ja sehr nah.

Erik Pfannmöller: Für mich ist es meilenweit. Wenn ich mit jemandem über digitale Unterschrift spreche, dann ist das weit davon entfernt zu verstehen, welche Daten vielleicht automatische Vorhersagen im Produkt machen können. Also zumindest für mich, aber du kannst auch sagen, es ist das Gleiche. Warum?

Julia Butter: Wir sprechen ja in beiden Fällen über digitale Themen, richtig? Und wenn du sagst, dieser Schritt Digitalisierung, den wir ja auch ganz oft bei vielen Unternehmen gerade mitkriegen, ist so schwer zu gehen, dann würde ich wirklich versuchen, die Themen miteinander zu koppeln und kombinieren. Weil wenn ich jetzt sage, da ist jetzt der Change-Prozess, danach machen wir den nächsten. Eine gewisse Change-Müdigkeit stellt sich ja bei jedem Mitarbeiter irgendwann mal ein.

Erik Pfannmöller: Ist ja auch das Problem in unserer immer schnelllebigeren Gesellschaft, dass man ja immer mehr Change mitmachen muss. Was ein bisschen auf die Frage von vorhin abzieht, auf die ich eigentlich hinaus wollte, nämlich die Gesellschaft dreht sich immer schneller. Wie kann ich als Mitarbeiter überhaupt noch bei allen Themen, die hier kommen, nämlich von Mobile-First, Data-First, zahlengetriebenes, Customer-Centricity, Design-Thinking, AI-Readiness, wie kann ich da überhaupt mithalten?

Julia Butter: Vielleicht beantworte ich die Frage ein bisschen anders und ich glaube, das ist bei der Scout sehr hilfreich. Wir haben vier klare Kernwerte. Einer davon ist Data Drivenness und dazu gehören natürlich auch Themen wie AI. Der zweite Kernwert ist One Team, also wie können wir als Team gut miteinander interagieren, wie können wir wirklich gemeinsam an dem gleichen Strang ziehen. Und dann noch so Impact Drivenness, also wie können wir wirklich Wirkung erzeugen. Und der letzte ist Winning, also wirklich so eine Winning Attitüde, also lass uns irgendwie der Beste werden. Und das, glaube ich, unterstützt, dass wir einen klaren Fokus haben. Dazu kommen natürlich diese Maximen, wie können wir Mobile First und Consumer First entwickeln. Und ich weiß, das war jetzt keine präzise Antwort noch auf meine Frage. Aber letztendlich ist es, glaube ich, sehr wichtig, dass man als Unternehmen auch klar macht, das sind irgendwie die Kernwerte, die wir vorantreiben wollen. Das bedeutet für unsere Mitarbeiter folgendes, was wir von ihnen sowieso erwarten und was wir in bestimmten Bereichen erwarten. Und da up-to-date zu bleiben, setzt natürlich immer bei dem einzelnen Mitarbeiter auch eine Neugierde voraus, dass man sagt, hey, ich will jetzt aber mich selber irgendwie dazu schlau machen.

Erik Pfannmöller: Wenn euer erster Kernwert Data-Drivenness ist, dann seid ihr ja schon auf einem sehr hohen Niveau. Kann man jetzt vorstellen, dass andere Firmen die Wertefestlegung halt nicht Data-Drivenness als Kernwert Nummer 1 haben, sondern irgendeine andere Art von Wert. Das heißt, ihr seid schon auf einem sehr hohen Level. Wir haben gerade gesagt Change-Prozesse und die Welt verändert sich ständig und kontinuierlich. Arbeitet ihr denn mit langfristigen Plänen? Wie kriegt ihr dieses kontinuierliche Lernen hin?

Julia Butter: Also was wir tatsächlich nicht mehr haben bei der Scout sind so Jahresplanungsprozesse, sondern wir gehen da iterativ in sogenannten Cycles und das Wort an und für sich ist ja schon, dass wir sagen, es ist was, was immer wieder kommt und wo wir auch uns konstant weiterentwickeln müssen. So gehen wir im Prinzip damit um, dass wir wirklich eine Iteration nach der nächsten gehen und die wichtigsten Themen auch immer hoch priorisiert halten können. Und letztendlich, wenn wir uns die Welt angucken, Change ist nicht wegzudenken. Und jeder, der sagt, es wäre so schön, wenn es wieder so wäre wie vor 50 Jahren, das wird nicht passieren. Wir sind in einem so schnellen Markt und es wird sich noch so viel tun. Und vor allem in unserer Branche kann ich nicht als Mitarbeiter sagen, ich bleibe jetzt hier stehen und ich will mich nicht mehr weiterentwickeln.

Erik Pfannmöller: dann sollte ich nicht bei einem Tech-Unternehmen arbeiten. Aber wir sind ja beide aus der Tech-Branche, deswegen wollte ich das nur mal nebenbei erwähnen. Make or buy. Das heißt, das Thema Change-Prozesse und AI-Readiness kann ich ja sozusagen machen, indem ich es selbst mache. Du bist ja intern angestellt. Ihr habt ein Team, ihr habt es intern gemacht. Oder soll ich mir lieber einen externen Berater dafür suchen? Welche Hinweise würdest du dazu geben? Was ist deine Meinung?

Julia Butter: Es kommt drauf an, glaube ich. Trotzdem, meine Erfahrung damals in der Innovationsberatung hat gezeigt, ganz schnell

Erik Pfannmöller: Du warst ja auf beiden Seiten der Medaille.

Julia Butter: Ja, genau. Was wir da versucht haben, ist, dass wir wirklich aber die Unternehmensvertreter, diejenigen sein zu lassen, die den Prozess vorangetrieben haben. Aber was wir immer wieder festgestellt haben, es gibt ein sogenanntes Not-Invented-Here-Syndrom. Also so, das wurde hier nicht erfunden-Syndrom. Also Ablehnung gegenüber Ideen, die von außen kommen oder die nicht wirklich von mir kommen.

Erik Pfannmöller: Das Not-Invented-Here-Syndrom. Das ist anders als das Not-in-my-Backyard-Problem. Not invented here, das heißt von extern vorgegeben und nicht von intern gewachsen. Okay?

Julia Butter: Richtig. Und das kann natürlich oft dazu führen, dass Mitarbeiter eine gewisse Reaktanz entwickeln und sagen, kommt schon wieder was von außen. Und es ist natürlich auch, dass es sich nach was anderem anfühlt. Also wenn ich selber Teil dieses Prozesses war, dann kann ich auch selber ein bisschen stolz auf mich sein und sagen, ha, vollkommen. Cool, habe ich mit beigetragen und jetzt stehen wir hier. Und ich glaube, das ist natürlich ein großer Vorteil, wenn man was intern entwickelt, dass man die Leute ganz anders mitnimmt. Wenn man jetzt eine externe Beratung beauftragt, zu sagen, mach mal hier unseren Change, dann ist hier schon mal der erste Punkt, schafft man es, die Leute so schnell so zu vernetzen, dass die entscheidenden Stakeholder mit dabei sind.

Erik Pfannmöller: Mit einer externen Beratung könnte man ja zum Beispiel schneller Dinge live haben, schneller auf Erfahrungen zurückgreifen. Aber ich höre so die Tendenz von dir raus, dass man sagt, selbst wenn man startet, ihr habt ja auch den Big Bang gemacht und Pilotprojekt, Data Science Team, jede größere Firma sollte das sozusagen professionell handeln und es sollte Teil der gesamten Entwicklung sein.

Julia Butter: Ich glaube, es ergibt viel Sinn, aber es ist kein Muss. Und ich weiß, das ist so eine typische Geistes- und Sozialwissenschaftler-Antwort, aber es kommt wirklich darauf an und man muss sich auch sehr genau überlegen.

Erik Pfannmöller: Es kommt ja im Leben auch immer darauf an. Ja, das ist richtig.

Julia Butter: Aber man muss sich überlegen, was sind denn meine konkreten Ziele? Und was ist mein Punkt, von dem aus ich starte? Letztendlich muss ich mir dann angucken, habe ich intern die Ressourcen auch? Habe ich die richtigen Leute, die das vorantreiben können? Oder stelle ich fest, wir brauchen auch externe Unterstützung? Und dann zu sagen, ich habe da mal gehört, wir sollten das auf jeden Fall intern machen. Und zu warten ist, glaube ich, auch keine Option. Also ich glaube, man muss schon auch den Moment irgendwie dann ergreifen, wenn man weiß, jetzt muss ich was tun.

Erik Pfannmöller: Sehr gut, Julia. Ich fasse zusammen. Wir haben über das Thema AI-Readiness und KI-Kultur gesprochen und AI first versus AI ready. Wir haben gesagt, dass man natürlich auch Mitarbeiter befähigen muss. Das heißt, man muss ihnen Dinge beibringen. Wir müssen auch provozieren, um interessante Denkprozesse, wie zum Beispiel mit der Moral Machine oder über ethische Fragestellungen nachzudenken. Wir haben auch herausgefunden, dass es ein Change-Prozess ist, der auftritt. ongoing ist, den kann man nicht einfach machen. Du hattest sozusagen so eure Timeline so ein bisschen besprochen und gesagt, ihr habt mit einem Pilotprojekt gestartet, ein Data Science Team anstellen, dann kam der Big Bang Tag, dann habt ihr den Adventskalender gemacht, was ich sehr interessant finde, das kann man ja auch übersetzen in andere Themen wie KI-Ostereier suchen, je nachdem, welche Jahreszeit gerade ist. Ihr habt ein AI-Ambassador-Programm ins Leben gerufen, Spreading the Word Inside the Organization. Ihr plant ein AI-Curriculum, habt auch Meetups zu dem Thema. Also ganz spannende und pragmatische Ansätze, die wir hier gesehen haben. Wenn du jetzt sozusagen das Abschlusswort hast, wie macht man das Eigenunternehmen AI-ready? Was ist der erste Schritt, den man tun muss?

Julia Butter: Ich glaube, das haben wir gut gemacht. Ein Momentum zu schaffen und die Aufmerksamkeit von wirklich jedem Mitarbeiter überhaupt mal zu kriegen. So, oh wow, okay. Das sind also die Themen, die gerade andere Unternehmen herumtreiben. Das ist auch der Grund, warum wir es tun sollten. Einmal ein Momentum zu schaffen und den Leuten auch dieses Reason why, also zu erklären, warum ist das jetzt nicht eine Sau, die wir durchs Dorf treiben, sondern warum ist das wirklich entscheidend.

Erik Pfannmöller: Sehr schön. Danke, Julia Butter. Heute der Gast bei ARN Plagt und vielen Dank für das Gespräch.

Julia Butter: Danke auch. Hey! Hey! Hey!