Kein KI-Bullsh*t – echte Expertise! Mit Simon Sack | NEUROLOGIQ (#18)

00:00:00: Herzlich willkommen Simon.

00:00:02: Ja, vielen Dank, dass du mich hier willkommen heißt bei euch im Büro.

00:00:06: Super, super gerne.

00:00:07: Wir haben ein spannendes Thema vor uns.

00:00:08: Es wird viel um IT, künstliche Intelligenz und natürlich auch den Werdegang gehen.

00:00:12: Entsprechend würde ich einfach mal rein starten.

00:00:15: Informatik und Lichtdesign als Stichwörter deines Lebenslaufs.

00:00:19: Hol uns einfach mal ab.

00:00:21: Ja, ich glaube, das war so ein duales Leben, was ich geführt habe.

00:00:26: Zeit tatsächlich meinem achtzehnten Geburtstag.

00:00:29: Ich habe damals in der Schule ... Partys veranstaltet und habe irgendwann festgestellt, wir bezahlen sehr viel an Veranstaltungstechnikfirmen.

00:00:38: Ich habe hier noch ein bisschen Geld von der Kommunion rumliegen.

00:00:41: Also kann ich einfach selbst Lautsprecher und Lampen kaufen und habe damals dann angefangen, Equipment an meine Stufe zu vermieten und das auch zu betreuen.

00:00:50: Und irgendwann habe ich gemerkt, ganz cool, da kann ich mir auch zwei, fünfzehn habe ich dann mit dem Studium gestartet, das auch ein bisschen mit Quer finanzieren und habe das dann weitergemacht und das dann irgendwann ein bisschen eskaliert.

00:01:01: aufgebaut, weil ich gemerkt habe, auch programmieren, quasi die Shows zu programmieren, mit Pult macht mir total Spaß.

00:01:08: Hatte dann ganz schnell Kontakte zu Avalides, ist ein kritischer Lichtpult Hersteller, dann habe ich auch viel mit denen gemacht und jetzt habe ich quasi nachts.

00:01:17: gemacht, tagsüber habe ich dann studiert und irgendwann kam dann sogar noch ZF dazu, dann habe ich nämlich dann noch als Freelance in der Produktions-Nan IT gearbeitet und ja, so war eigentlich meine Zeit nur mit Arbeit, aber mir hat das total Spaß gemacht.

00:01:30: Also so ein sehr sehr früh ins Unternehmertum reingeschnuppert, was war für dich da der Reiz, so früh damit zu starten?

00:01:37: Mein Bruder, der hat gesagt, hey, also mein Bruder hat eine Ausbildung gemacht, Gärtner.

00:01:42: Also richtig, der packt gerne an und der sagt, du bist hier so ein fauler Sack.

00:01:46: Ja, du sitzt hier nur so rum, machst ein bisschen Schule, fang mal an zu arbeiten.

00:01:50: Dann hab ich gesagt, ja, ich hab aber keinen Bock irgendwie Pfandflaschen zu sortieren oder so.

00:01:54: Ich guck mal, was ich machen kann.

00:01:55: Das war dann so die Motivation.

00:01:57: Und dann bin ich einfach aufs Gewerbeamt gelaufen, weil ich mal so gegoogelt hab, was muss ich machen, nur um Rechnung schreiben zu können, weil ich Schwarzarbeit wollte ich nicht, fand ich's uncool.

00:02:06: Und da musste ich aber noch mal wiederkommen, weil ich gar nicht wusste, dass man zehn Euro, acht und dreißig für ein Gewerbeschein bezahlen muss.

00:02:13: Dann hab ich mir den zwei Tage später abgeholt.

00:02:16: Wie lange ging das dann ungefähr?

00:02:18: Die Phase mit den ... Ja, ich hab zwei, vierzehn angefangen, ungefähr bis Corona, sechs Jahre.

00:02:24: Nun hab ich das gemacht.

00:02:25: Und war halt tatsächlich durch Corona, man kann sich das vorstellen, einfach jemanden Stecker gezogen.

00:02:31: Und aber so die ... Ich würde sagen, da gab es so eine Übergangsphase, so ab sechzehn, siebzehn, wo das weniger wurde, weil ich es dann festgestellt habe, dass mir das IT-Datenumfeld sehr viel Spaß macht.

00:02:42: Und dann habe ich so ein Fade gehabt und bin eigentlich zu besten Zeit dann aus dem Business, also Veranstaltungstechnik, rausgegangen.

00:02:49: Ich habe dann auch noch Touren mitgemacht, war bei Rock am Ringe und sonst was.

00:02:54: Und dann war irgendwann ... Gut,

00:02:56: dann kam der Fable für die ganze Datenthematik, Informatik und so auch dadurch tatsächlich.

00:03:00: Genau, also ich, das war total witzig, eigentlich zu während dem Abitur, ich hatte auch mal die Leistung und dann ich wollte irgendwas machen, ja, irgendwas technisches.

00:03:08: Mein Vater ist, kommt, ist das Elektriker, Anlagen- und Elektronikermeister, war bei RWE etc.

00:03:15: Da bin ich als Kind schon mit in die Umspannanlagen, wollte irgendwas auch in die Richtung machen.

00:03:20: Die sagte, lass mal sein, mach irgendwas anderes.

00:03:22: Ja, und dann bin ich bei Informatik hingeblieben.

00:03:25: Lustig, wir leben manchmal so spiel.

00:03:27: Zufälle, die sich aneinander rein, wenn man aber Dinge einfach ausprobiert.

00:03:31: Korrekt.

00:03:31: So mein großes Learning auch.

00:03:34: Du hast es gerade gesagt, es ging so bis zu zwanzig, zwanzig und dann klar Corona, brauchen wir nicht drüber reden, hat natürlich der ganzen Veranstaltungsindustrie ein bisschen den Gar ausgemacht.

00:03:43: Das hast du aber nur Logic, worüber wir jetzt auch im Wesentlichen reden und was ja wahrscheinlich den Großteil deiner Zeit heute einnimmt.

00:03:49: ... zwanzig achtzehn schon gegründet, wenn ich das richtigen hopf

00:03:52: habe.

00:03:52: Genau, man muss sich das so vorstellen, als dieser Feld, sag ich mal anfingen, wo ich das Veranstaltungs-Business so aus ja laufen lassen habe, war dann der Punkt ... war eigentlich so ausschlaggebend auch der Punkt, dass ich schon zu der Zeit, also man sieht, das sind so sehr, sehr viele parallele Strenge, wo ich quasi dies bedient hab.

00:04:13: Und da war eigentlich so der Punkt, dass ich ab zwei, sechzehn, siebzehn als Freelancer in der produktionsnahen IT bei ZDF gestartet hat.

00:04:21: Da haben wir uns über Kontakte reingekommen und das war dann so, das festgestellt hat.

00:04:26: Man muss sich das so vorstellen im Veranstaltungstechnik-Business, auch weil man am Schluss der Typ ist, der am Pult stand.

00:04:32: hat ungefähr bis Corona so dreihundert, maximal vierhundert Euro am Tag bekommen.

00:04:38: Da war egal, ob der Tag acht Stunden lang war, ob der vierundzwanzig Stunden lang war oder fünfundzwanzig Stunden.

00:04:44: War egal, vierhundert Euro fix.

00:04:47: So, da musste man einige Tage arbeiten, um dann auch irgendwann so ein bisschen davon leben zu können.

00:04:53: Und ich hab halt durch diesen Kontakt zu ZF festgestellt, ey, man kann auch relativ einfach.

00:05:00: in acht Stunden, zwölf hundert oder vierzehn hundert Euro verdienen.

00:05:05: Und dann dachte ich, ey, das ist ja viel, ihr könnt viel weniger Zeit investen.

00:05:09: Und kann aber auch irgendwie spannende Sachen noch bewegen, weil irgendwann war das so, ja, wenn man dann irgendwie so die hundertste, zweiendachste Show programmiert hat, war irgendwann auch, also da hat nie der Reiz irgendwann auch so ein bisschen gefehlt.

00:05:23: Genau, und dann bin ich bei ZDF gestartet.

00:05:26: Ich hab halt das Potenzial einfach gesehen.

00:05:28: Das war total cool.

00:05:29: Ich hatte einen super Ansprechpartner da auch und er hat mich gefördert.

00:05:32: Ich durfte so viel ausprobieren, hab Anlagen vernetzt, hab Energiemanagement aufgebaut, hab ganz viel, auch mit Kamerasensore gemacht, hab schon die ersten Zeitreihenanalysen da gefahren.

00:05:44: Aber irgendwann hab ich gemerkt, da geht noch mehr.

00:05:47: Aber halt Konzern, ne?

00:05:49: Und sagt so, ne, mach mal langsam, zahlt jetzt grad nicht auf die Ziele ein, aber ... Man könnte mehr erreichen, aber macht man nicht.

00:05:57: Und dann hab ich gesagt, ja, dann mach ich halt selbst.

00:05:59: Mhm.

00:06:00: Und dann war eigentlich so der Sprung, dass ich dann gesagt hab, okay, das reicht hier nicht nur als Freelancer irgendwie so auf Projektbasis, irgendwie so drin zu hängen.

00:06:09: Und ja, dann hab ich Neurologik gekündigt.

00:06:11: Verstanden.

00:06:12: Dein Studium meintest du gegen zwanzig fünfzehn los, oder?

00:06:16: Genau, bis zwanzig neunzehn.

00:06:17: Okay, das heißt, du hast das Unternehmen gegründet, bevor du mit dem Studium fertig bist?

00:06:21: Korrekt, ja.

00:06:23: Okay, das ist auch ordentlich.

00:06:27: Also, zwanzig-achzehn Gründungen quasi ein Jahr vor Studienende, du hast nie Formatik studiert, hast dann bei ZF wahrscheinlich so reingeschnuppert in diese ganze Welt der Daten, in der Produktion und so weiter, bist dann darauf gekommen, dass du vielleicht ein bisschen schneller voranschreiten möchtest, als das die eine oder andere Organisationsstruktur möchte und hast dich dann entschieden eben Neurologic.

00:06:47: zu gründen.

00:06:48: Genau, schlussendlich habe ich mir auch überlegt, ich raub ja hier irgendwie an Maschinen rum.

00:06:53: So, im Worst Case lege ich hier mal eine komplette Linie lahm.

00:06:57: Ich habe zwar eine Vermögensschadenshaftpflicht, aber irgendwann wird es vielleicht auch uncool.

00:07:01: Ich pack das auf meine Haftungshülle und ich wollte das auch weiterdenken, weil also für mich war das auch nicht nur so cool irgendwie auf set ständiger Basis, so Projektmitarbeit zu sein, weil sich das auch so ein bisschen angefühlt hat.

00:07:14: Irgendwie merkt noch einer, was zu sagen.

00:07:16: Und ich möchte noch freier sein.

00:07:18: Und das war dann auch so die Motivation dahinter.

00:07:21: Ja, man hört schon viel Freiheitsliebe raus, glaube ich, in den ersten Jahren deiner, sagen wir, produktiven Zeit.

00:07:28: Ich denke, das vereint ja jeden Unternehmer auch so ein bisschen, also dieser Hang nach Freiheit.

00:07:31: Ich glaube, wenn man es wegen einem Geld macht, dann wird sowieso nichts am Ende.

00:07:35: Das Geld folgt idealerweise, aber Ende geht es irgendwann um Freiheit.

00:07:38: Korrekt.

00:07:39: Spannend.

00:07:41: Jetzt sind sieben Jahre vergangen.

00:07:44: ungefähr seit der Gründung von Nurologic.

00:07:46: Ich glaube, wir können jetzt wahrscheinlich vier Stunden drüber reden, was in der ganzen Zeit passiert ist.

00:07:52: Ich werfe mal so ein paar Begriffe in den Raum.

00:07:54: Also Repositionierung war sowas, was mir hängen geblieben ist aus unseren bisherigen Gesprächen.

00:07:59: Iso-Zertifizierung, also viel Professionalisierung auch.

00:08:03: Du machst es mittlerweile auch nicht mehr allein.

00:08:06: Vielleicht gibt es ja irgendwie so einen fünf Minuten, zehn Minuten Schnelldurchlauf durch die wesentlichen Meilensteine bei Neurologic.

00:08:13: Ja, wir können es, ich glaub, so ein bisschen fast forward machen.

00:08:16: Schlussendlich war das so, eigentlich so ab zwei, achtzehn bis zwanzig, zweiundzwanzig war es sehr viel Pain.

00:08:23: Es lag einfach daran, niemand hat so richtig verstanden, was wir machen und was wir machen wollen.

00:08:28: Weil für viele war das ein Buzzword, dann kamen wir sogar noch irgendwie so ein bisschen von der Uni.

00:08:32: Am Anfang war ich komplett alleine, dann ist das Buzzword

00:08:34: KI meinst du.

00:08:35: Genau,

00:08:35: ja, korrekt, Buzzword KI.

00:08:38: Dann kann man zwei, drei Leute dazu, ein kleines Team, direkt in die Nerdschub lade, sagt, ja, macht mal, wir machen schon Industrie, vier Punkt Null.

00:08:48: So, das brauchen wir nicht.

00:08:50: Ja, okay.

00:08:52: So, dann kam aber dieser JetGPT-Moment tatsächlich.

00:08:55: Bis da haben wir uns wirklich durchgekämpft.

00:08:57: Und es war manchmal wirklich nicht lustig.

00:09:00: Vor allem dann noch die ganzen Krisen.

00:09:02: Also, das hatte ich letztens auch noch mit einem Kumpel.

00:09:04: Zeit der Gründung.

00:09:05: kam immer eine Krise nach der anderen.

00:09:07: Also es war nie so, dass man sagt, das ist jetzt dieser Wirtschaftsboom oder so, sondern eigentlich nur Salz gefressen seitdem.

00:09:14: Und es hat auch schon abgehärtet und resilient gemacht.

00:09:18: Und genau bis zwanzig, zwanzig haben wir sehr viel Proof of Concepts gemacht, gerade auch bei Unternehmen, die dann cool waren.

00:09:25: Gerade auch so, wir hatten so eigentlich in Österreich den ersten richtig großen Kunden, der auch mal gesagt hat, hier habt ihr eine halbe Million Macht.

00:09:33: Macht einfach, dass um.

00:09:33: das sind die Ziele.

00:09:34: Ich vertraue euch.

00:09:37: Und da konnten wir halt echt viel ausprobieren.

00:09:39: Und das war cool.

00:09:40: Das war wirklich cool.

00:09:41: Wir konnten Erfahrung sammeln.

00:09:42: Und wir haben halt sehr viel ausprobiert, ne?

00:09:45: Am Anfang waren wir gar nicht nur das Sack-Repositionierung.

00:09:48: Wir haben erst mal versucht, alles zu machen, so, ne?

00:09:51: Weil warum ist ja auch alles spannend?

00:09:53: Aber dann auch festgestellt, so die DNA auch von den Kolleginnen und Kollegen, wir sind jetzt mittlerweile, ist halt ... Industrie, das sind Mathematiker, Physiker, Elektrotechniker, Wirtschaftsinformatiker und alle, jeder so eine Connection auch und sage ich mal auch so, sich die Hände schmutzig zu machen und da ist irgendwie so.

00:10:17: zu Marketing Cases, Sales Cases sind dann auch eher langweiliger, wir haben andere Stärken.

00:10:23: Und das war dann auch so der Punkt, wo wir gesagt haben, ja, es ist schön, dass wir viel ausprobiert haben, viel Erfahrung gesammelt, aber wir müssen mehr in die Industrie.

00:10:31: Weil da sind vor allem die Daten, die Microsoft, den AWS, Google und so noch nicht haben.

00:10:39: Da können wir heben.

00:10:41: Und das merken wir dann auch.

00:10:42: Da haben wir dann ab zwei, neunzehn, zwanzig dann auch immer tiefer reingegangen.

00:10:47: Und schlussendlich dann auch so ab zweiundzwanzig, dreinzwanzig.

00:10:51: auch durch eine sehr gute Fügung haben wir einen richtig dicken Use Case auch aufgebaut bei Tyssen Group.

00:10:58: Und das war dann eigentlich so der Punkt, wo wir gesagt haben, OK, unser Fokus ist nur noch industrial AI und wir sorgen dafür, dass unsere Modelle in unter hundert Millisekunden auch Daten austauschen können.

00:11:08: und echt zeitfähig.

00:11:10: Ja und dann waren so darauffolgende Schritte wie Iso-Zertifizierung auch nur noch so.

00:11:14: die Kirche auf der Sahne sage ich mal und jetzt geht's eigentlich nur noch darum weiter Wachstum skalieren zu gucken wie wir auch die Services die wir haben immer weiter ausbauen können.

00:11:26: und um das dann auch noch mal so abzurunden vorhaten wir Projekte die gingen monat Bisschen was rum Doktor.

00:11:33: und jetzt sind wir wirklich so an der Run drei bis fünf Jahre.

00:11:37: Tatsächlich auch jetzt aus Gründen auch teilweise fünf bis zehn Jahre, wo wir richtig auch an Produkten und Prozessen mitentwickeln können.

00:11:44: Wow,

00:11:45: das ist natürlich fürs Wachstum dann auch schön, weil du natürlich Planbarkeit hast und deinen auch entsprechend wachsen kannst.

00:11:50: Korrekt.

00:11:51: So ein drei bis fünf Jahresprojekt würde ich mir auch mal wünschen.

00:11:55: wird das alles etwas entspannen, aber es kommen natürlich auch ganz andere Themen dadurch und Wachstum will natürlich auch finanziert werden.

00:12:01: Das heißt aber auch, ihr wart von Anfang an bootstrapped, korrekt und seid es auch immer noch genau.

00:12:08: Es ist schon spannend.

00:12:09: Wenn man dann auch so eine Zeit durchlebt, die dann nicht so einfach ist, dann muss man natürlich auch ein bisschen haushalten.

00:12:13: Nicht nur haushalten, auch als Gründer nimmt man Schmerzen auf.

00:12:17: Ich sag nur so Themen wie Wandeldarlin, die man dann reingeht.

00:12:21: Irgendwie muss die Show sehr auch finanziert werden.

00:12:25: Auch das Thema Darlin mit Rangrück tritt, musste man dann erst mal bauen.

00:12:28: Aber wir haben wieder eine richtig gute Bilanz.

00:12:30: Positiv.

00:12:31: Aber auch ganz offen gespannt, das war echt ein harter Kampf.

00:12:36: Aber ich hab auch gesagt, ich hab eh nix zu verlieren.

00:12:38: So im Worst Case, wenn das jetzt insolvent gehen wird, oder selbst wenn ich auch ne Privatinsolvent hätte, ich hätte nix verloren.

00:12:46: Also ich hatte keine Familie in dem Sinne, die ich versorgen musste und sonst was.

00:12:52: Deswegen war, glaub ich, auch so der Startpunkt in der Zeit, wo ich das ohne oder mit einer sehr hohen Risikoversion auch super entspannt für mich so rückblickend.

00:13:03: Das war so der ... Krass ist der Moment.

00:13:06: Also was war so der tiefste Moment, den du hattest?

00:13:11: Tatsächlich mal eine Phase, wo wir gedacht haben, jetzt ist der Moment, jetzt müssen wir Personal aufbauen.

00:13:17: Wir haben Personal aufgebaut, aber dann festgestellt, irgendwie läuft das Business Model noch nicht so ganz rund.

00:13:22: Und dann tatsächlich zu entscheiden, okay, wie gehen wir denn jetzt vor?

00:13:26: Ja, wir müssen irgendwie Leute freisetzen.

00:13:29: Welche Leute setzen wir frei?

00:13:30: Wie setzen wir die so frei, dass keine schlechte Stimmung im Team entsteht?

00:13:35: Und das war eigentlich fix so ein Tiefpunkt, wo ich tatsächlich meine erste Restrukturierung hatte.

00:13:40: Und das war alles vor wirklich, zwanzig, zweien, zwanzig.

00:13:44: Das war so ein zwanzig.

00:13:47: Und dann haben wir uns wieder hochgekämpft.

00:13:49: Und dann war auch wirklich, wo man gemerkt hat, hey, positiver Cashflow ist cool.

00:13:54: Entspannt ein bisschen,

00:13:55: ja.

00:13:55: Genau.

00:13:55: Und dann kann man auch wachsen.

00:13:57: Ja, ja.

00:13:58: Und hast du jetzt schon das Gefühl, dass du sagst, dass jetzt läuft es wirklich stabil?

00:14:02: Du fühlst dich sicher als Gründer, ich meine als Gründer bist du immer, wo tiefer drin ist, wahrscheinlich neben einem angestellten Job, aber fühlst du dich jetzt, sag ich mal, kannst du jetzt nachts rückschlafen, sagen wir es mal so?

00:14:14: Definitiv, also muss ich wirklich sagen, also gerade auch in der Anfangszeit war das deutlich wilder und ... Ich sag's ganz offen und teilweise Situation gab, wo ich gedacht, okay, wie schaff ich es innerhalb von vierundzwanzig Stunden hunderttausend Euro zu besorgen?

00:14:33: So Challenges habe ich gespielt.

00:14:35: Aber da sind wir durch mit, weil das ist halt wirklich toll.

00:14:39: Wir haben tolle Kundenbeziehungen aufgebaut.

00:14:42: Wir sind auch, ich würde uns auch nicht mal startup oder so bezeichnen, eher ein junges Unternehmen.

00:14:46: Wir haben die ganzen Erfahrungen.

00:14:49: Gesammelt die ganzen Kinderkrankheiten hinter uns gelassen und uns geht es jetzt wirklich belastbare Kundenbeziehungen aufzubauen belastbare Projekte, Anwendungsfälle und da sind wir jetzt auf dem Weg und ja.

00:15:02: Haben quasi das Fundament gesetzt.

00:15:04: Ich finde es immer wahnsinnig beeindruckend, so Stories nachzuvollziehen.

00:15:09: Die Hochseilsunternehmer sind halt höher, die Tiefs sind halt tiefer und.

00:15:14: Irgendwo hat jede Erfolgs-Story so ein paar Tiefs, die man durchleben muss und man hört jetzt bei dir einfach auch wunderbar raus.

00:15:20: Man muss sich halt durchbeißen, durchbeißen, durchbeißen und wenn man dran glaubt, dann schafft man es am Ende auch irgendwie.

00:15:27: Safe, also da auch nochmal gesagt, da gab es bestimmt drei bis X Momente, wo ich dann mal gesagt habe, soll ich das jetzt noch weiter verfolgen.

00:15:36: Aber dann war auch immer so der Punkt, ja, aber habe ich Bock, irgendwie jetzt dann da wirklich so ein Punkt zu setzen und dann im Worst Case als Entwickler in einem angestellten Verhältnis.

00:15:48: Das wäre es einfach nicht für mich.

00:15:50: Du hast jetzt gerade vorhin das Stichwort Anwendungsfälle erwähnt.

00:15:56: Ich will jetzt da auch nicht zu fachlich werden in dem Interview.

00:16:00: Aber was macht ihr jetzt konkret bei diesen Industriekunden?

00:16:03: Also drei, vier Beispiele.

00:16:06: Wie ihr dann KI einsetzt, was ihr da macht und wie das den Kunden hilft.

00:16:10: Genau, ich glaube am besten ist das immer so auf einer ganz oberen Flughöhe zu starten.

00:16:16: Schlussendlich sind wir ein IT-Service-Unternehmen, maximaler Fokus auf KI Beratung, Entwicklung, Integration, end-to-end, so bedeutet.

00:16:27: Wir haben gewisse, sage ich mal, Module, die wir wieder verwenden können, auch gerade im Thema, wir haben eine Echtzeit-Architektur, das fordert die Industrie, also da hilft es jetzt nicht, wenn ich irgendwo eine Anfrage sende, bekommt drei Sekunden später eine Antwort, dann ist die Taktzeit schon ein paar Mal rum, sondern muss es wirklich in Echtzeit unter hundert Millisekunden sein.

00:16:47: So bedeutet, was wir machen.

00:16:49: Am Anfang ist es oft so, wir bekommen irgendeine Anfrage rein.

00:16:52: So die Kunden wollen erstmal beraten werden.

00:16:54: was können wir denn überhaupt machen?

00:16:56: was ist das Zielbild da machen wir eine Aufnahme schauen was gibt es für Daten was kann man mit den Daten machen ist schon gewisse Architektur gegeben sonst unterstützen wir da auch noch.

00:17:06: und dann geht es halt wirklich da ins ins Modell in die Modellentwicklung.

00:17:11: ja und dieses ganze Modeling ist es total entscheidend.

00:17:14: weil gerade in den Industrie cases.

00:17:17: Kann ich nicht einfach nur sagen, okay, hier habe ich ein großes Sprachmodell, ich baue mir hier ein Rack auf und das steuert dann irgendwie die Maschine, sondern das sind teilweise x. hundert verkettete Modelle, die wiederum über ein, sage ich mal, Mastermodell oder Fitnessfunktion wieder zusammen aggregiert werden, die dann Entscheidungen treffen.

00:17:36: Und irgendwann hat man Komplexität, gerade überschritten, dann braucht man neuronale Netze.

00:17:41: Und diese Modelle entwickeln wir dann.

00:17:43: Und dann geht es halt wirklich darum, das auch so zu integrieren, damit es anwendbar ist.

00:17:48: Unsere Lösungen sieht man oft gar nicht.

00:17:50: Die läuft irgendwo im Hintergrund.

00:17:52: Und dann bekommt ein Werker zum Beispiel gesagt, Druck ist zu hoch.

00:17:56: Stell mal nach.

00:17:57: Und ab einem gewissen Punkt macht die Maschine das komplett autonom.

00:18:00: Und das haben wir zum Beispiel bei Zwischenkrupp gemacht mit der EMG zusammen.

00:18:04: Die EMG gehört, ist ein Weltmarktführer.

00:18:06: Achtzig Prozent Marktanteil in der Bantelaufreglung.

00:18:11: Im Stahlbereich, also jedes Wallswerk, jede Feuerverzinkungsanlage.

00:18:16: Die Coils abwickelt das, diese Technologie von denen drin.

00:18:19: Und die Girls To SMS Group kennt vielleicht der ein oder andere.

00:18:23: So was wir da gemacht haben, war der Anwendungshall.

00:18:25: Da ging es um Verzinkung.

00:18:27: Ja, jeder Werker, jede Schicht war die Qualität unterschiedlich von dem Verzinkungsgrad.

00:18:34: Unterverzinken ist schlecht, generiere ich teuren Schrott, überverzinken ist auch schlecht, verschwende ich zu viele Ressourcen.

00:18:41: gut für den Kunden, schlecht fürs produzierte Unternehmen.

00:18:45: So, dann sieht meine Marge.

00:18:46: Also ich möchte eigentlich die optimale Schicht dicke.

00:18:49: Und das ist der Punkt, den wir ermöglichen über unsere Modelle.

00:18:53: Bedeutet das System, was wir da entwickelt haben, steuert in Echtzeit die komplette Feuerverzinkungsanlagen.

00:18:59: Das sind so vierhundert Meter lang richtig schöne Umgebungen, wie man sich das vorstellt, wo eigentlich keiner arbeiten möchte.

00:19:07: Und ja, wir haben halt ziehen die ganzen Sensor-Daten raus, bewerten die.

00:19:11: Das war ein Projekt, allein die Vorlaufzeit bis zu dem Punkt zu kommen waren schon drei Jahre.

00:19:17: Und dadurch helfen wir nicht nur Tüssen Kruppressourcen einzusparen.

00:19:21: Das sind bis zu siebenstellige Beträge möglich, oder das mal umgerechnet ungefähr six-tausend fünfhundert Fußballfelder zinksparen.

00:19:30: Wir da einen, wenn man das auf die Fläche mal ausbreiten.

00:19:34: So, das zahlt auf ESG-Richtlinien ein, natürlich auch auf allgemein die Ressourcen.

00:19:40: Aber wir helfen auch einem Hardware-Anbieter.

00:19:43: Anlagenanbieter wie einer EMG, die Transformation von einem klassischen Maschinenbauer hin zum Softwareanbieter.

00:19:53: Weil wir auch über die Reise festgestellt haben, verschiedene Messverfahren.

00:19:57: Es gibt Kaltmessung, Heismessung bei so einer Feierverzinkung.

00:20:01: Die Heismessung braucht man gar nicht, die kann man durch andere dreißig Parameter aus der Maschine auch darbilden.

00:20:07: Und so eine Heismessung, damit man auch mal ein Gefühl hat, So ein System kostet ab fünfhunderttausend Euro bis eine Million, muss ungefähr alle drei bis fünf Jahre ausgetauscht werden.

00:20:16: Und da ist auch noch radioaktives Material drin.

00:20:19: Also auch von der Instandhaltung, gerade nicht so human-friendly.

00:20:23: Und das sind alles Society-Effekte, die einfach entstehen.

00:20:25: Und das ist eigentlich so unser Flagship-Use-Case.

00:20:28: Aber wir sind halt auch, sag ich mal ... Also sind wir so in der zweiten dritten Reihe Neurologic Inside bei einem Maschinenbauer.

00:20:35: Aber das fängt auch an Verschnittoptimierung von Kartoffeln in der Produktion von Pommes zum Beispiel, wo es darum geht, optimal die Kartoffel so zu schälen, damit ich maximal Ertrag daraus bekomme.

00:20:47: Und wenn es Betriebe gibt, die neunzig Tonnen Kartoffeln pro Stunde verarbeiten, ist da jedes Gramm, was mehr rausgeholt wird, bedeutet auch wiederbares Geld.

00:20:56: Das heißt, in einfachen Worten sind die... Parameter die reinlaufen einfach.

00:21:01: komplex also

00:21:03: und strukturiert und

00:21:04: strukturiert komplex.

00:21:05: kartoffeln haben immer eine andere form.

00:21:07: beim verzinken hat das basismaterial immer ein anderes gewicht vielleicht nicht so perfekte oberfläche oder was.

00:21:14: und dann schafft eure kis sozusagen darauf basierend die perfekte ausbringungsform.

00:21:22: aufzubauen, verziehen einfachen Worten.

00:21:24: Genau, und wir haben eine Basis und die Basis muss immer auf die Kunden optimiert werden.

00:21:29: Und wie bedingt sich dann Hardware und Software?

00:21:32: Also ich könnte mir hervorstellen, dass ihr dann auch sagt, hey, wir brauchen jetzt zehn Werte mehr, um das optimal aussteuern zu können, dann müsst ihr in Zweifel mit dem Maschinenbauer widersprechen und sagen, kannst du mir da nur schnell fünf Sensoren reinschrauben, die wir vielleicht noch nicht haben.

00:21:45: Genau, das ist das ein ganz entscheidender Punkt, ist total wichtig.

00:21:50: Diese Schnittstellen zu der Maschine, die müssen optimal sein.

00:21:54: auf der einen Seite, aber auch das ist ein guter Punkt.

00:21:57: Wir haben oft so Edge Cloud Komponenten bedeutet, gerade auch in so einer Maschine muss direkt an der Maschine gerechnet werden.

00:22:07: Training kann in der Cloud stattfinden.

00:22:09: So, aber gerade die Anwendung muss auf der Maschine laufen.

00:22:12: Deswegen hilft es da auch nicht irgendwo ein Rechenzentrum irgendwo zu haben, sondern das ist auch total wichtig.

00:22:18: Und das ist auch so ein Ohau, was wir uns vor allem in der harten Lehrzeit aufbauen mussten.

00:22:24: Jetzt hören hier ja auch sehr viele Private Equity Investoren zu.

00:22:28: Der eine oder andere wird mit Sicherheit auch produzierende Unternehmen im Mittelstand in irgendeiner Form haben.

00:22:34: Sind es jetzt Themen, die grundsätzlich für jedes Unternehmen, was einen halbwegs modernen Maschinenpark hat, in Frage kommen?

00:22:41: Oder gibt es irgendwo Einschränkungen, was eure Fähigkeiten angeht?

00:22:45: Definitiv sogar, sage ich mal, wenn man einen relativ alten Maschinenpark hat.

00:22:50: Man ist in der Lage... Das ist auch so ein Buzzword mag ich eigentlich nicht, aber ein Retrofit auch zu machen.

00:22:56: Teilweise die Probleme, die entstehen, die sind teilweise so spezifisch auch an älteren Maschinen.

00:23:02: Da kann ein Schwingungs-Sensor schon extrem viel den Zustand der Maschine widerspiegeln.

00:23:08: Und solche Daten können wir dann auch verarbeiten.

00:23:11: Aber genau, wenn es jetzt irgendwelche Unternehmen gibt, wir können den helfen, die Basis zu schaffen und dann auch die Anwendungshelle zu definieren, auszubauen, wo man dann auch bares Geld mitspart.

00:23:21: besten Fall sogar verdient.

00:23:23: Jetzt hast du vorhin erwähnt, dass ihr am Anfang so ein bisschen als Nerdtruppe wahrgenommen würdet, die so ein bisschen rumspinnen und eigentlich gar nicht wissen, was sie richtig tun.

00:23:33: Das hat sich jetzt nachweislich ja geändert.

00:23:35: Sonst wäre dir kein etabliertes Unternehmen mit mittlerweile fünfundzwanzig Leuten.

00:23:40: Jetzt kann ich mir trotzdem vorstellen, dass du deine alltäglichen Gespräche in der Industrie oder auch, sag ich mal, in angrenzenden Gruppen, da ist der zahlreiche zusätzliche Titel neben neben dem Geschäftsführer bei Nurologic.

00:23:51: Das ist ja doch jetzt noch nicht jeder so verdaut, glaube ich, was ihr macht.

00:23:55: Wie nehmt ihr denn so die ganze KI-Transformation im Mittelstand generell wahr?

00:24:01: Ja, also was ich glaube so der größte Punkt, den ich gerade sehe, ist halt dieses ganze Gen AI-Thema.

00:24:07: Das wird wie die South durchs Dorf getrieben.

00:24:11: Jeder möchte eigentlich nur, sieht immer nur Potenzial in Gen AI-Lösungen.

00:24:15: Warum?

00:24:16: Jeder nutzt JetGPT.

00:24:18: Vielleicht auch noch Dali, meint irgendwelche Bilder, Gemini, whatever und spielt damit rum.

00:24:25: Hat wahrscheinlich auch schon irgendwelche illegalerweise irgendwelche Firmendaten da rein gepusht und bastelt damit rum und denkt, wow, was für eine Effizienzsteigerung.

00:24:34: So und dann.

00:24:35: transferieren halt viel und sagen hey das kann ich da auch vielleicht bei mein maschinen machen.

00:24:39: und dann müssen wir halt immer sagen nein so einfach geht es nicht und das ist auch der falsche ansatz für die maschine.

00:24:45: so und da ist halt immer noch und das ist erschrecken sehr viel aufklärungsarbeit

00:24:51: Aber nicht dahingehend, dass KI grundsätzlich was bringen kann, sondern dahingehend, wie die Leute das richtig machen sollten, oder?

00:24:58: Genau.

00:24:58: Korrekt.

00:24:59: Also, dass KI eine Lösung sein kann, das wird gar nicht mehr diskutiert, ist auch teilweise erschreckend, weil da... Die wildesten Sachen kommen, wo Leute versuchen, KI reinzubringen, wo es gar keinen Sinn macht.

00:25:11: Deswegen auch so Return of Invest-Rechnung sollte man eigentlich immer am Anfang machen.

00:25:16: Sonst baut man sich da auch, sag ich mal, grab und das sieht man tatsächlich, so ninety-fünf Prozent der Prototypen, Proof of Concepts, die fehlen auch, ja.

00:25:26: Kohle verbrannt, obwohl ich das auch eigentlich mal ganz gut finde, dass sich Leute auch mal was trauen zu machen.

00:25:31: Ja, auch wenn dabei die fünf Prozent, die dann der Knaller sind, den Rest wieder raus holen, ist okay.

00:25:37: Aber wo ich halt, glaube ich, auch so ein bisschen verwahren möchte, also am Anfang sich vielleicht wirklich fünf Minuten mehr Zeit nehmen.

00:25:44: ein sauberes Konzept aufzubauen und dann kann man da auch sehr gut hebeln.

00:25:50: Ich meine, wir sehen es ja bei uns auch, am Ende will jeder irgendwas mit KI machen, wie du auch sagst.

00:25:54: Und wir machen ja auch viel, was ist ich, Reporting, Controlling-Themen und solche Sachen.

00:25:58: Dann will jeder immer KI, KI, KI, bis man dann mal drauf hinweist, dass erst mal überhaupt ein Data Warehouse da sein muss, was die Basis schafft, um KI anwenden zu können.

00:26:07: Ja, und muss man schon ein bisschen tiefer drüber nachdenken, bevor man so ein... Konzept.

00:26:12: Korrekt.

00:26:13: Und KI ist auch einfach so ein großer Begriff geworden.

00:26:16: Und wenn man dann, sag mal, eine statistische Regression oder so mal macht, ist Maschinelles Lern, ja, per Definition, gehört auch zum Teilbereich KI, ja, dann ist das aber für die das doch keine KI.

00:26:29: Also auch diese Unterscheidung zwischen generativen Anwendungsfällen und nicht generativen Anwendungsfällen ist glaube ich so ein bisschen schwierig.

00:26:37: Alles.

00:26:38: Und ja, wer weiß, vielleicht gibt's ja dann auch in fünf Jahren mal noch eine andere Definition von künstlicher Intelligenz.

00:26:44: Aber ich glaub, das ist auch so, ja, da wird sehr viel miteinander vermischt einfach.

00:26:49: Was ich nur so faszinierend finde, ist, dass da Menschen und gerade auch die deutsche Kultur ja nicht unbedingt dafür bekannt ist, so den Change eigentlich so gern anzunehmen.

00:26:58: Aber bei dem Thema ist es ja fast ein Überchange irgendwie.

00:27:02: Klar gibt's so die Stimmen, die immer sagen, das wird alles ganz schlimm.

00:27:04: Und dann gibt's irgendwann, was ist ich, Roboter, die dann sich gegenseitig kaputt machen oder die die Menschen bedrohen könnten.

00:27:10: Das gibt es natürlich auch, aber irgendwie wird das Thema ja über überpusht eigentlich von der Gesellschaft.

00:27:16: oder wie ist da dein Eindruck?

00:27:17: Korrekt.

00:27:18: Also das kann man schon sagen.

00:27:19: Also viele wollen das machen.

00:27:20: Manche haben auch Angst, so.

00:27:22: Aber was ich halt so erschreckend finde, letzte Woche noch ein Beispiel gehabt.

00:27:28: Auch im, ich sag mal, im näheren Umfeld.

00:27:32: Wir haben eine Lösung entwickelt.

00:27:34: Die ist fertig.

00:27:36: Die kann ungefähr neunzig Prozent der Zeit einsparen.

00:27:40: In welchem Bereich?

00:27:41: Kann man das grob sagen?

00:27:42: Ja,

00:27:43: Produktion.

00:27:44: Produktionsnahes Umfeld.

00:27:45: Bei einem Produktionsschritt dann?

00:27:47: Genau, das ist schon komplex, aber es ist sehr.

00:27:49: Jetzt musst du ein bisschen gucken, wie ich das... Das kriege ich hier nach.

00:27:53: Genau, eine auf den Deckel.

00:27:56: Jetzt ist die Lösung fertig, abgenommen.

00:27:59: Jetzt muss die aber noch mal einmal durch den Betriebsrecht, war ein Konzern, ja, achtzehntausend Mitarbeiter, Rollout, ganz, ganz eng.

00:28:06: abgelehnt.

00:28:06: Warum?

00:28:07: Weil man sich kurz authentifizieren muss mit Microsoft, damit eine sinnvolle Zuordnung stattfinden kann.

00:28:15: Ja, und es geht wirklich schon die Microsoft ID, kein Time Stamp, gar nix.

00:28:20: Damit die Anwendung freigeschaltet wird, wird nicht gemacht, weil potenziell Performance Messung möglich wäre.

00:28:26: Bedeutet gerade so Volumina, irgendwie liegt da ein gefahrenes Kapital, könnte sehr schnell sich amortisieren, hätte mega Impact, wird nicht gemacht, Betriebsseitsacken heilen.

00:28:40: So, und ich glaube, da merkt man das auch so ein bisschen.

00:28:44: Wir haben, sind sehr positiv, wir wollen sehr viel erreichen auf der einen Seite.

00:28:49: Auch die Gesellschaft ist dafür offen, ja, also die kritischen Stimmen, ja, gibt's, ist auch okay, gerade auch so ethisch, finde ich total wichtig, weil am Schluss muss das immer noch den Menschen dienen, so nicht der Mensch, der Maschine.

00:29:02: Aber dann denk ich mal, so Regulierung ist manchmal echt ein Thema.

00:29:06: So, wir haben jetzt mit der DSGVO weniger zu tun, tatsächlich.

00:29:09: Weil eine Maschine hat jetzt nicht unbedingt die Identität, die man schützen muss.

00:29:14: Wir haben dann eher mit Geschäftsgeheimnisse etc.

00:29:17: damit zu tun.

00:29:18: Aber das ist wieder so ein Punkt, wo ich sage, wow.

00:29:20: So bringt mich dann tatsächlich auf.

00:29:23: Wenn ich auch so im Call gehe, wo ich mir denke, wollen die mich eigentlich total verarschen.

00:29:27: Und wie ist das dann für euch?

00:29:28: Also wird euer Projekt dann trotzdem ... vergütet oder wird dann auch der breit dann jetzt nicht mehr.

00:29:33: Nein, ganz im Gegenteil.

00:29:35: Die sagen, ja.

00:29:36: Also müssen wir jetzt intern klären.

00:29:38: Also super Job.

00:29:39: Und das ist aber das Unbefriedigend.

00:29:41: Ja, weil die Motivation ist halt nicht da, irgendwie jetzt irgendeinen Kunden zu melken oder so.

00:29:47: Wir wollen coole Anwendungsfälle bauen und da denke ich mir dann immer so.

00:29:50: darf nicht wahr sein.

00:29:52: Wegen vor allem wegen sowas, also wo ja gar kein Risiko eigentlich war.

00:29:55: Und ich glaube,

00:29:56: das ist wieder so ein Beispiel.

00:29:57: Paar, excellence, wir stehen uns so oft einfach selbst im Wege.

00:30:02: Also da muss man auch irgendwelche Wege finden, das einfach mal durch zu peitschen.

00:30:07: Gutes Stichwort, dass ich selber im Weg stehe, das wird wahrscheinlich auch ein Satz sein, den du immer mal wieder im Bundesverband KI andringen wirst, könnte ich mir vorstellen.

00:30:17: Ich weiß nicht, wie viel du da erzählen darfst, aber was sind da gerade so die Themen?

00:30:20: Also erst mal, welche Funktion hast du und was sind also die Themen, die euch umtreiben?

00:30:25: Genau, also im Verband selbst, mit Glied ungefähr Zeit zwei, achtzehn, ja auch relativ zeitnah nach der Kundung von dem Verband, auch dann durch Zufall gesehen, ey, cooler gibt's was, da muss man mitmachen.

00:30:38: Mittlerweile ... Also zwischenzeit ungefähr bis dieses Jahr Juli war ich sehr aktiv in der Regionalgruppe NRW.

00:30:45: Hab da auch viel mit angeschoben.

00:30:47: Und mittlerweile bin ich der Leiter der Arbeitsgruppe Defense, weil wir halt folgendes merken auch, sag ich mal, aus Kunden kreisen.

00:30:56: Der Punkt, dass gerade die Defense unternehmen, egal ob es ein Mittelständler ist.

00:31:02: Die Einschlägigen, die man so kennt oder auch den Defense Prime von den Großen, die überall in den Medien sind, haben eigentlich folgendes Thema.

00:31:10: Wir haben einmal suchen die Hände ringt nach Lösungsanbietern.

00:31:15: Und da ist auch KI eine sehr gute Lösung, weil wir oft haben, gerade die Mittelständler sind Manufakturen, die haben irgendwie Teile, zweitausend gebaut, egal Schusswaffen, was auch immer, oder persönliche Schutzausrüstung weniger, aber da wurde mehr produziert.

00:31:30: Aber egal, ob es eine Panzerfaust, Handgranaten, langen Kurzwaffen sind, und auf einmal müssen die in Industrie betrieb werden.

00:31:37: So los größte zweihunderttausend.

00:31:39: Ja, wie macht man das denn, wenn man vorher da alles mit der Hand zusammengeschraubt hat?

00:31:43: Das ist ein Riesenthema, das kann man natürlich Daten stützt, extrem schon sehr gut modellieren, kann daraus auch, das auch dein Fachgewicht natürlich auch sehr gut schon Implikationen ableiten.

00:31:55: Und dann haben wir aber auf der anderen Seite natürlich auch die ganzen KI-Unternehmen, die natürlich jetzt auch sagen, ey, wir wollen auch ein Stück vom Kuchen abhaben.

00:32:02: Da wird es gerade so viel Kohle rein gepumpt.

00:32:04: Wir waren vielleicht in anderen Sektoren Automotive oder sonst was.

00:32:08: Wir müssen auch irgendwie den Change hinbekommen.

00:32:10: Ja, wie kommt man denn da rein?

00:32:12: Das realistische Bild ist da, das ist viel schwieriger als man denkt.

00:32:17: Das ist nicht so klopf-klopf.

00:32:19: Liebe Reinmetall, lass mich rein.

00:32:21: Das funktioniert anders so.

00:32:23: Und ich glaube, das ist einfach so ein Punkt.

00:32:26: Das merken auch gerade die ganzen Automobilzulieferer, die denken, ach, da kommt man mal rein, man listet sich jetzt mal online bei Reinmetall und dann kann man ganz schnell Teile liefern, ist auch viel komplexer.

00:32:38: neben Anforderungen regulatorisch, aber auch, sag ich mal, wenn ich vorher Millionen Teile an VW geliefert habe und auf einmal nur noch achtzig Teile für ein Panzer liefern muss.

00:32:51: Das ist schon ein bisschen wild, damit kommen die nicht klauen.

00:32:54: Das ist einfach so ein Punkt, das so das aktuelle Lagebild, wo wir jetzt in der Funktion dann auch durch mich Brücken bauen.

00:33:03: Erst mal aufklären tatsächlich.

00:33:06: Da geht's nicht um schnell das große Geld zu gewinnen, sondern erst mal wirklich zu informieren.

00:33:11: Und dann ist der zweite wichtige Punkt.

00:33:15: Wie positioniert sich denn der KI-Bundesverband?

00:33:19: Ethisch gegenüber Rüstung.

00:33:21: Vor, um den alten Begriff.

00:33:26: Was darf denn KI ein Waffensystem?

00:33:29: Weil das auch da denkt man nicht dran.

00:33:31: Das wird so schnell ... eine Dual-Use-Technologie.

00:33:34: Das ist immer wie mit einem Hammer.

00:33:36: Ich kann mit einem Hammer nagell in die Wand hauen.

00:33:39: Ich kann dir aber auch ein Schädel einschlagen.

00:33:41: So, am Schluss wieder der Mensch, die Variable.

00:33:44: Und damit wir, der European AI Act, der hat seine vier Risikoklassen, dann brauchen wir jetzt nicht, glaube ich, zu tief einzusteigen, weil das auch sonst eher das Gespräch sprengt und da sehr viel unterschiedliche Sichtweisen gibt.

00:34:00: Aber wenn es gerade auch in das Thema geht, gehen wir mal Richtung hybride Kriegsführung, wo ich über Deepfakes oder ähnliche Meinungsmache steuern kann.

00:34:13: Dann bin ich in Hochisikosystemen, die sind erstmal verboten.

00:34:17: Und da bin ich noch nicht in Waffen.

00:34:20: Das hat eine autonome Zielerfassung und schießt direkt los.

00:34:25: Das ist überhaupt so der Rahmen, den wir jetzt erst mal bilden wollen.

00:34:28: Was dürfen wir?

00:34:29: Wie positionieren wir uns und wie helfen wir der Industrie, bestehenden Industrie und auch den Jungen-KI-Unternehmen?

00:34:37: Wie bringen wir die zusammen?

00:34:38: Und wie sorgen wir denn dann auch dafür?

00:34:40: Es gibt immer dieses Stichwort, es soll Deutschland-Kriegstüchtig sein.

00:34:47: Wie helfen wir dabei?

00:34:49: Und wie können wir auch dafür sorgen, dass das irgendwie zustande kommt?

00:34:54: Und wie sorgen wir auch dafür, dass dann die Technologie sinnvoll eingesetzt wird?

00:34:58: Ist ein total heikeles Thema, auch persönlich.

00:35:02: Also man muss da schon sehr klaren Verstandes sein, wie man sich äußert.

00:35:05: Man muss sehr viele Sichtweisen zulassen.

00:35:08: Da gibt es keinen richtig, da gibt es keinen falsch.

00:35:10: Und ja, da bin ich auch so reingewachsen.

00:35:14: Durch Erfahrung im Defensebereich, aber auch durch die Erfahrung im KI-Bundesverband auch auf politischer Ebene.

00:35:21: Und das ist, das so sehe ich mich auch als Brückenbauer zwischen den beiden Feldern.

00:35:25: Und du glaubst, dass das auch tatsächlich stattfindet.

00:35:27: Also ihr habt dann auch eine Stimme in die Politik, das kommt auch anderen sprechen und ihr könnt auch wirklich was bewegen.

00:35:33: Definitiv, also das ist auch erschreckend positiv.

00:35:36: Danke.

00:35:37: Auch jetzt zum Beispiel in NRW gesprochen, da hat man sehr kurzen Trad auch ins Wirtschaftsministerium.

00:35:44: Wir haben unsere Kontakte in einem Bundestag und ja.

00:35:48: Also da werden wir was bewegen können und auch sehr viele Vorschläge, weil das ist auch das Spannende.

00:35:53: Es gibt ja nicht nur den, sag ich mal, deutschen KI-Bundesverband, es gibt europaweit verschiedene Verbände und die sind gebündelt im European AI Forum, wo wir dann auch auf europäischer Ebene lobbyieren können, genau für die Themen.

00:36:06: Ja, ist ja gut, dass da dann jemand sitzt, der wirklich Ahnung davon hat.

00:36:09: Ja, ist ja auch nicht neben Verband so, also ultra spannend auf jeden Fall und schön zu sehen, dass da viel passiert.

00:36:18: Was mich jetzt oft umtreibt, also ich bin ja ProChange, ansonsten wäre ich nicht Unternehmer und würde wahrscheinlich auch irgendwie untergehen.

00:36:24: Man muss sich ja immer weiterentwickeln und so weiter.

00:36:27: Was ich, wo ich oft so einen Knoten im Kopf habe, ist jetzt gerade so in unserem Umfeld auch Beratungen, Anwälte und etc.

00:36:33: Pp.

00:36:35: Wo es jetzt schon heißt, dass die Führungsspannen runterfahren, weil halt Research-Stätigkeiten von KI gemacht werden.

00:36:40: Zum Beispiel jetzt sage ich aber irgendwo muss ich ja auch Erfahrungen sammeln, um überhaupt mal Partner werden zu können.

00:36:46: Das kannst du jetzt auf jede Industrie übertragen.

00:36:50: Was glaubst du denn, wo das Ganze mal hinführt?

00:36:53: Also vielleicht auch in deinem Thema ist dann, brauche ich dann gar niemanden mehr in der Werkshalle oder, oder wo, das wird sich ja wahrscheinlich jeder Zuhörer fragen, wo das Ganze hinführt.

00:37:04: Effizienz, Effizienz, Effizienz verstanden.

00:37:06: Wahrscheinlich gibt es da noch neue Jobs, die dadurch entstehen.

00:37:10: Was wird so die, die Bilanz am Ende sein, wenn das Ganze sich mal so ein paar Jahre weiterentwickelt?

00:37:15: Der Punkt ist ja der, wenn wir in die Vergangenheit gucken, sind immer bei jeder, sage ich mal, industriellen Revolution immer Arbeitsplätze verloren gegangen, dann gab es wieder Neue.

00:37:27: Also ich glaube, das brauchen wir auch gar nicht wegzudiskutieren.

00:37:30: Das gibt es ja auch, Stichwort AI Operator, ja, wie der Maschinenbediener vorher sitzt dann.

00:37:36: Also Wunschvorstellung, ich glaube, es wird immer noch nicht so weit kommen, weil am Schluss die Maschinen müssen irgendwie den Stand gehalten werden, die Roboter werden zwar besser.

00:37:44: Es gibt vielleicht irgendwann humanoider Roboter, die auch Maschinen, sag ich mal, warten können, aber der Mensch wird immer noch eine zentrale Rolle spielen, aber wird er eine überwachende Funktion auch haben.

00:37:55: Und der Punkt ist auch immer noch eine bewertende Funktion.

00:38:00: Ja, wenn ich da... sag ich mal, gewisse Parameter, wo ich mir denke, das kann doch gar nicht sein, auch wenn das die Maschine sagt, jetzt das muss sein, sodass man da noch eingreifen kann.

00:38:10: Also Stichwort Human in the Loop.

00:38:12: auch so ein Bass wird, aber das wird ganz entscheidend, glaube ich, an der Stelle sein.

00:38:16: Der zweite Punkt, den man da machen kann, ist aber auch gerade die Berufe, wo nicht skaliertbar digital Daten gesammelt werden.

00:38:27: Stichwort Gärtner.

00:38:29: Also mein Bruder, der hat eine rosige Zukunft, auch das ganze Handwerk.

00:38:33: Bis ich da irgendwann den humanoiden Roboter habe, der meinen Baum beschneidet, der mir Bäume pflanzt und so weiter, gibt es tolle Animationen, aber das wird dauern.

00:38:47: Das wird, glaube ich, auch noch mal einen ganz anderen Stellenwert haben.

00:38:49: Also ich glaube, irgendwann wird man den Handwerker mit Goldbarem bezahlen, roten Teppich ausrollen, dass der ist ja heulsch und schwer regieren.

00:38:56: Ist das eine Berichtung, ja.

00:38:57: Genau, das sieht noch extremer.

00:39:00: Überall da und gerade da, wo digital skalierbar Daten gesammelt werden, sagen wir in dem ganzen Bereich Juristerei, Steuerberat, das ist wunderbar.

00:39:10: Ja, da kann ich ja super Ableitung machen.

00:39:12: Da helfen auch kurze Sprachmodelle dann, um Bewertungen zu machen.

00:39:16: Und da wird's dann irgendwann auch die Frage kommt, was darf denn die KI?

00:39:21: Und auch die Bewertungen, da sind wir dann auf so einem juristischen Thema.

00:39:26: Total spannend, dann austauscht mal mit einem Juristen.

00:39:27: Da geht's dann auch um quasi die Bewertungen der juristischen Person.

00:39:32: Kann KI ein Modell, eine juristische Person werden, auch Richtung Haftbarkeit?

00:39:36: Weil aktuell ist das ja eigentlich immer noch der Urheber.

00:39:39: So.

00:39:40: Sonst zum Beispiel wir, wenn wir Modell bauen und sorgt dafür, dass die Anlage kaputt geht, weil falsche Parameter eingestellt werden, haften wir.

00:39:48: Aber was ist denn irgendwann, wenn das System immer selbstständig weiter lernt?

00:39:54: Irgendwann hat der Entwickler gar kein Einfluss mehr.

00:39:58: und durch gewisse Lernmechanik.

00:39:59: Und dann ist so die Frage, was passiert dann?

00:40:01: Und ich glaube, das ist halt auch so der Punkt, wenn wir in so eine Richtung kommen und sind wir auch schon in der einen oder anderen Stelle, dann geht es halt weiter.

00:40:09: Und das ist dann auch nochmal so der Punkt.

00:40:12: Ich glaube, dann haben wir auch so eine betreundete Funktion, auch gerade im medizinischen Bereich.

00:40:18: Ich mich da trotzdem irgendwie, wenn du mir jetzt gleich die traurige Botschaft sagst, dass ich eine ganz schlimme Krankheit hab, dann finde ich das empathischer, wenn mir das ein Mensch sagt.

00:40:27: Und ich dachte, dass das mir einfach entweder eine Matscheibe sagt, mit einem Avatar und sagt ja, sorry, Sie haben Krebs.

00:40:32: Noch vier Tage zum Leben, ganz besser.

00:40:35: Und sie sagt, das ist ein Mensch.

00:40:36: Und ich glaub, das ist einfach so der Punkt.

00:40:39: Und das hat man wahrscheinlich auch schon ganz aufgehört.

00:40:41: Aber ich glaub, das Mensch sein wird da noch mal viel elementarer.

00:40:46: Und da auch noch mal so ein bisschen back to the basics.

00:40:49: Also wirklich, was bedeutet das überhaupt, Mensch zu sein?

00:40:53: So, das kann sich ja jeder selbst mal fragen.

00:40:56: Und was bedeutet das, wenn der Mensch gefangen ist in irgendeinem, sage ich mal, unmenschlichen Beruf?

00:41:03: Ja, das ist auch immer Definitionssache, aber ich habe schon viel gesehen und auch schon Menschen, die an Steinen mit Ammoniak gerochen haben und dazu bewerten, was dafür ein Edelmetall drin ist und sonst, um das dann in Kisten geschmissen haben.

00:41:18: Ich glaube, das ist einfach so der Punkt.

00:41:19: Da werden wir halt einfach nochmal... diese diese Transformation auch haben.

00:41:25: und dann ist auch das große thema was machen wir mit dem?

00:41:28: ich mag das wort nicht aber es gibt immer so ein gewisse restmenge und manche sagen bodensatz dazu aber das möchte ich mir einfach nicht erlauben weil ich gerne jedem auf augenhöhe begegnet.

00:41:39: was machen wir gerade mit den menschen die ahn nicht mit dieser geschwindigkeit klarkommen die auch gar nicht die möglichkeit haben gewisse berufe zu erleeren aus gewissen blockaden?

00:41:49: so und Da ist dann auch so die Frage, welche Rahmenbedingungen schafft da die Politik?

00:41:54: Gibt's irgendwann die Robotasche Steuer?

00:41:56: Gibt's das Bedingungsdosegrundeinkommen?

00:41:58: Weil das muss man auch ehrlicherweise sagen, so irgendwas muss da ja passieren dann.

00:42:04: Würdest du sagen, die Welt wird besser durch KI?

00:42:07: Auch das liegt im, äh, sie wird viel transparenter, sie wird ein Verstärker sein.

00:42:13: Also das muss man sich ja auch vorstellen.

00:42:15: Wir haben Datenmengen, die Daten werden analysiert durch Modelle, mathematische Modelle.

00:42:21: Da werden gewisse Faktoren verstärkt werden.

00:42:24: Gute, aber auch negative.

00:42:26: Und dann die Frage, wie gehen wir mit den negativen Themen um?

00:42:30: Und vielleicht, ich weiß, das sind ganz einfache Fragen.

00:42:34: Glaubst du, dass durch die KI-Transformation am Ende mehr Jobs entstehen, als es heute gibt?

00:42:42: Das ist eine gute Frage.

00:42:43: Ich glaube, zum Teil ja, und man wird sich wahrscheinlich fragen, what the fuck, was ist, kann man das überhaupt berufen?

00:42:53: Also wenn ich also wenn jetzt ehrlicherweise auch so in kreativen Jobs.

00:42:57: Ja, denke ich mir halt, wenn dann irgendwann jemand wirklich noch so prompt engineer ist und sagt ja, ich brauche jetzt irgendwie x stock Fotos.

00:43:07: Dann auch wirklich sich zu hinterfragen ist das überhaupt die Bedienung wert.

00:43:11: Warum muss ich dafür noch Geld bezahlen so.

00:43:14: Ich glaube ja, das wird aber so sein und der Mensch braucht eine Aufgabe.

00:43:18: Also wird es da definitiv irgendwas geben.

00:43:21: Super spannend.

00:43:24: Mir ist noch ein Satz hängen geblieben.

00:43:26: KI muss nicht glänzen, sie muss laufen.

00:43:28: Was heißt das für euch im Alltag?

00:43:32: Also für uns, wir haben absolut keinen Bock auf irgendwelche wilden Marketing-Cases.

00:43:36: Wir hatten schon die wildesten Aktionen.

00:43:38: Da hat jemand ein Magnesium-Motorblock bei uns auf den Tisch geknallt und sagt, mach da KI ein.

00:43:43: Wir brauchen was für die Messe, sondern er ist langweilig.

00:43:46: Uns geht es darum wirklich Impact.

00:43:48: Impact zu sorgen, ja.

00:43:49: Wir haben die Möglichkeit, wenn wir es jetzt smart anstellen, in Nischen noch immer Marktführer zu bleiben, auch Weltmarktführer in Deutschland.

00:43:58: Wir haben ein großes Thema, eine Deindustrialisierung und künstliche Intelligenz kann ein Punkt sein, das zu hebeln, damit wir hier auch noch, ja, noch eine lebenswerte Umgebung haben.

00:44:09: Und deswegen ist uns total entscheidend, sehen auch der Satz auch in Bezug auf unseren Tüsten Cropius Case.

00:44:15: Das ist ein perfektes Beispiel in Wiedringen Umgebung, in Echtzeit live so ein System zum Laufen zu bringen, das zu sehen, dass das auch hilft und auch Geld einspart.

00:44:26: Und das ist einfach so die Motivation, die wir da haben.

00:44:30: Fast vorwärten paar Jahre, wo soll Neurologic hinlaufen?

00:44:34: wenn es so funktionieren sollte, wie du es dir vorsteißt.

00:44:37: Also schlussendlich, ich glaube, die Basis ist ganz gut gelegt.

00:44:39: Wir werden uns weiter spitzfokussieren auf Industrial AI und da auch wirklich der Spezialanbieter bleiben und auch weiter ausbauen.

00:44:49: Ich sehe da wirklich so am liebsten Company, hundert Leute, dreißig Millionen Umsatz wäre so schön, irgendwas mit einer EBITDA Range, dreißig bis vierzig Prozent.

00:44:59: Das wäre so was, was ich da gerne sehen möchte.

00:45:03: Ja, jetzt werden wir schauen, mit der ganzen Vorarbeit, wie wir das erreichen.

00:45:07: Das ist dann quasi schon die Aufgabe für die nächsten zwei Jahre.

00:45:11: Ich bin da zuversichtlich, glaube ich.

00:45:13: Vielleicht eine Frage noch.

00:45:16: Wir haben gerade drüber gesprochen, jetzt ändert sich viel und es treibt viele Leute um, ich glaube, alt wie jung.

00:45:21: Jetzt hören ja auch relativ viele zu, die vielleicht gerade studieren oder sich überlegen zu studieren oder in welche Richtung es mal gehen soll.

00:45:30: Wie kann ich mich jetzt als ... ... Mensch, der sich vielleicht aus Berufsleben ... ... und ich weiß das eine breite Frage, der eine will Jura machen, ... ... der andere will vielleicht irgendwie keine Ahnung ... ... in die Industrie irgendwo gehen, aber ... ... gibt's irgendwelche Sachen, ... ... wie ich mich da bestmöglich irgendwo ... ... vorbereite oder am Zahn der Zeit bleibe, ... ... also irgendwie soll ich mir ChatGPT holen ... ... und das möglichst stark nutzen, ... ... oder gibt's irgendwelche Weiterbildungen, ... ... die ich mir angucken soll, ... ... oder vielleicht soll ich jetzt nur noch Informatik studieren, ... ... oder was würdest du da irgendwie ... ... was würdest du da raten?

00:46:00: Also jeder der Software entwickler werden möchte, würde ich sagen, lass es sein.

00:46:04: Aber einfach der Punkt, ganz im Ernst, gerade so ein Hype Wipe Coding, kann man jetzt halten, was man von möchte, aber ich kann mir einfachste Dinge schon zusammen basteln.

00:46:14: Das sind auch Bastellösungen, also es wäre jetzt nie was belastbar irgendwo hinstellen wollen würde.

00:46:19: Was ein entscheidender... Skills sein wird, neben den ganzen Soft Skills, die man definitiv noch braucht, ist Verständnis für Daten zu haben.

00:46:27: Also am besten, ich stelle mir das immer so vor, ich habe wie eine Prille, die ziehe ich an, mit der Vorricht gesprochen und verstehe, wie dieser Raum die ganzen Systeme Datenbasiert funktionieren, wenn ich das durchdrungen habe, egal in welchen Job.

00:46:42: werde ich deutlich, sag ich mal, unaustauschbarer, wie wenn ich mich jetzt der absolute Fachnerd auf einmal bin, mich in irgendein Themengebiet reingenirdet habe.

00:46:55: Und das ist so ein Zusatzskill.

00:46:57: Und der hebelt dann wieder.

00:46:58: Weil ich dann verstehe, weil irgendwann, auch wenn ich jetzt Jura studiert habe, wird es irgendwann vielleicht ein Sprachmodell geben, was dann sagt, okay, das ist mein Ergebnis, bewertet das vielleicht noch.

00:47:10: Ich muss aber trotzdem verstehen, wie das System zu diesem Ergebnis kommen ist.

00:47:14: Weil dann kann ich immer noch vielleicht auch noch sagen, ja, vielleicht rein von der Ableitung, korrekt.

00:47:20: Aber man kann auch die und die Faktoren reinziehen und damit könnte man das Ergebnis beeinflussen.

00:47:25: Ich glaube, das ist total wirklich elementar wichtig.

00:47:30: Also Stichwort Prozessverständnis vielleicht?

00:47:33: Oder geht es wirklich um die Datenströme?

00:47:37: Wie arbeiten die Modelle?

00:47:38: Um dann am Ende der zu sein, der es bewertet und beobachtet oder was voran erwähnt ist.

00:47:43: Und dadurch ist ja auch das.

00:47:45: Dieses Erfahrungswissen, was ich mir in einem Studium aneigne, was ich vielleicht noch gar nicht in der Praxis tief angewendet habe, aber dieses Wissen, damit kann ich dann sehr, sehr gut hebeln.

00:47:56: Und ich glaube, das muss einem einfach klar sein, dass das ein Skill sein wird, wo ich halt dann auch wirklich auf mir eine Perspektive aufbaue.

00:48:04: Weil das ist wirklich so der Fall.

00:48:07: Das sieht man auch schon gerade so an den Studiengängen im Informatikbereich.

00:48:11: Es kommen die ganzen AI.

00:48:13: Studiengänge und so weiter, da geht es genau darum.

00:48:15: Also da wird, da macht man vielleicht noch so ein bisschen, das habe ich auch gemacht, objektorientierte Programmierung, ja, da geht es eigentlich noch knallhart Daten, weil das reine Programmieren, das wird die Maschine machen, das ist ein Automat.

00:48:26: Ja, wie, wie ich heute eine Produktion straße, wo ich am jetzt bei den Beispiels bleibe, am Schuss nur noch einen Stahlkoll reinschmeiße, am Schuss kommt das fertige Auto raus und da sind nur noch Menschen, die vielleicht mal was von links nach rechts hängen.

00:48:40: Genau so werden wir das auch erleben.

00:48:43: Qualitätskontrolle wird dann wahrscheinlich.

00:48:45: Ja, korrekt.

00:48:47: Spannend.

00:48:47: Timon, das war jetzt wahnsinnig spannend.

00:48:49: Gibt es noch irgendwas, was du uns oder den Zuhörern mitgeben möchtest?

00:48:54: Ja, ein Punkt ist, glaube ich, mir total wichtig.

00:48:56: In dieser ganzen Diskussion rund um das Thema KI ist wirklich so keep cool.

00:49:04: Sich mal mit dem Thema beschäftigen, wenn man es noch nicht gemacht hat, wenn man es gemacht hat, vielleicht auch nochmal eine Grunde beschäftigen und einfach verstehen.

00:49:10: Es ist nicht alles JetGPT.

00:49:12: Es gibt noch deutlich spannende Sachen und auch wirklich dran bleiben und einfach machen.

00:49:18: Cool.

00:49:19: Vielen lieben Dank, dass du bei uns warst.

00:49:21: War super spannend.

00:49:22: Sehr gerne.

00:49:23: Danke für die Einladung.

00:49:24: Ich glaube, ich kann für ein Simon an der Stelle sprechen, wenn ihr irgendwie... Alles über KI erfahren möchte, was euch auf der Seele brennt, folgt ihm auf LinkedIn.

00:49:32: Schaut euch den Content an, der ist super spannend.

00:49:35: Simon ist, glaube ich, auch sehr, sehr offen für Gespräche in die Richtung.

00:49:39: Und ja, das war eine weitere Folge zum Thema KI in unserem Podcast Finance Data People.

00:49:44: Und wenn ihr auch weiterhin so spannende Gäste sehen möchtet, dann schaltet auch gerne das nächste Mal wieder ein.

00:49:49: Vielen Dank fürs Zuhören und fürs Zuschauen.