#108 AI-Talk: KI als Teammate

00:00:00: Hallo und herzlich willkommen zu einer neuen Folge des Podcasts Modern Work To Go.

00:00:03: Hier ist um euer Florian, heute mal wieder alleine das zweite Mal, dass ich das mittlerweile mache.

00:00:08: Willkommen zum AI Talk!

00:00:09: Wir sprechen über AI und ich verspreche euch wir werden die nächsten Wochen noch viel mehr über AI sprechen.

00:00:15: Das Thema prägt uns gerade hierbei selber sehr sehr extrem aber es präge auch unsere Kunden und wahrscheinlich wird es auch dich Gerade sehr prägen, privat wie wahrscheinlich auch in deiner eigenen Firma.

00:00:26: Deswegen wollen wir hier viel mehr über AI sprechen weil wir gemerkt haben dass wir alle noch etwas damit struggling und zwar wie können wir es gewinnbringend einsetzen?

00:00:35: Was kann AI leisten und was wird das in Zukunft leisten?

00:00:38: Wie teuer wird das Ganze?

00:00:40: Was wird es tun und welches Tool setzen wir ein?

00:00:42: Wobei, welches tool setzten wir ein.

00:00:45: Das ist die Frage, die man in den letzten Jahren immer wieder gestellt bekommen hat.

00:00:48: Nutzen wir ChatGPT, Co-Pilot, Gemini, setzen wir auf Claude.

00:00:53: Es gibt ganz viele mittlerweile, die da draußen aktiv sind.

00:00:56: eigene haben eigene Modelle oder ein paar haben eigene modelle.

00:00:59: Viele bedienen sich anderen Modellen, auf jeden Fall ist AI mittlerweile in jedem Tool drin oder gefasst.

00:01:05: Und die Frage war immer so was ist jetzt das beste Tool?

00:01:07: Was sollte ich als nächstes benutzen?

00:01:09: Was wird mir wirklich weiter helfen?

00:01:11: und diese Frage ist zum einen natürlich berechtigt gewesen hier letzten Jahre zu schauen.

00:01:15: wir hatten das beste model.

00:01:17: wer liefert mit die beste intelligenz?

00:01:19: wer hat die besten antwortzeiten?

00:01:21: wer macht es vielleicht auch zu einem anständigen preis für mich möglich AI zu benutzen?

00:01:25: Aber sind wir mal ehrlich, das war nicht die Frage, die wir uns hätten stellen sollen.

00:01:29: Sondern eigentlich war die Frage wer uns den besten Kontext liefert?

00:01:33: Es gab einen kleinen Zwischen-Zitat auf der Atlassian Keynote vor zwei Wochen bei Ennerheim.

00:01:39: Da wurde – ich lese es einmal vor – da gab's das Zitat A.I knows everything about the world and nothing about your team.

00:01:47: Und das ist es eigentlich!

00:01:49: AI weiß unfassbar viel über allgemeine Dinge aber eigentlich überhaupt gar nichts über dich persönlich und schon gar nicht über dein Team.

00:01:56: Wie ihr zusammenarbeitet, welcher Kontext existiert, welche Tools ihr benutzt, wo Daten entstehen wie ihr arbeitet, welche Layer-Elemente existieren, wo auch Verbindungen existieren – wie eine Rechnungsstellung passiert, wie Daten passieren, wie Einkäufe passieren, wer aus Service funktioniert, wie die Produkte funktionieren.

00:02:12: Das sind alles Dinge, die in eurer eigenen Firma nur bekannt sind teilweise sogar nur den Köpfen einzelner Menschen festhängen Und das ist genau das Thema.

00:02:20: Dieser Kontext hat die letzten Jahre immer gefehlt und den müssen wir viel, viel stärker mit einbringen.

00:02:27: Jetzt ist nicht mehr die Frage wer hat die beste AI sondern wer kann dem besten Kontext liefern?

00:02:33: Und vielleicht sogar noch etwas detaillierter Wer kann den Kontext am Besten verarbeiten?

00:02:37: Das heißt es geht viel um Konnektoren viel darum, Dinge anzubinden und vor allem viele Dinge miteinander zu verbinden.

00:02:44: Und das ist der entscheidende Paar zwanzig sechsundzwanzig.

00:02:47: wenn man dann noch ein cooles Tool hat mit dem man Agents Skills Hooks usw.

00:02:52: bauen kann Dann ist man einig auf den richtigen Weg.

00:02:55: und genau darum soll es die nächsten Wochen hier in dem Podcast auch vermehrt gehen.

00:02:58: Wir werden genau über solche Dinge sprechen.

00:03:01: Wie können wir gemeinsam mit euch diese Elemente heben?

00:03:05: Was müssen wir machen was sind coole Anwendungsfälle Gemeinschaftlich erreichen und wo können wir unser Wissen ein bisschen teilen, damit wir alle in diesem AI-Game einmal einen richtigen Schritt nach vorne kommen.

00:03:15: Klar es ist toll eine neue AI auszuprobieren oder neues Modell und irgendwie da bessere Renderings zu haben.

00:03:21: aber in Zeiten wo vor allem Token wie Strom eingekauft werden kann Ist das nicht mehr die Frage wie viele Tokens man noch einkaufen kann?

00:03:29: Oder wie viel schneller man noch Antworten bekommt.

00:03:31: Sondern jetzt geht es darum wirklich mal PS auf die Straße zu bringen um mit der AI auch wirklich mal Dinge zu tun die euch im Alltag wirklich helfen.

00:03:39: Es gibt so ein Zitat, was auch noch oder ein weiteres Zitat das mir so ein bisschen hängen geblieben ist und dass es so halb plus halb ist nicht eins.

00:03:47: Was meinte Atlassian damit?

00:03:49: Ja wir werden's alle kennen.

00:03:50: viele von uns gehen hin nutzen die AI und holen sich überall mal so halbe kleine Punkte heraus am Alltag.

00:03:57: Die eine Automatisierung hier, der kleine Improvement da.

00:04:00: Die Zusammenfassung nach dem Meeting die im Ende Viertelstunde oder eine halbe Stunde spart.

00:04:04: Jeder macht irgendwie so halbe kleine Punkte gut in seinem Arbeitsalltag und spart ein bisschen Zeit.

00:04:10: aber jeder halt für sich persönlich.

00:04:13: niemand innerhalb des Teams oder im Team.

00:04:15: Kontext findet schon mal gar nichts statt sondern euer persönlicher Workflow wird ein bisschen optimiert.

00:04:20: das ist toll.

00:04:20: das hilft auch natürlich keine Frage.

00:04:23: es ist schön dass man Meetings zusammen fassen lassen kann.

00:04:26: Ist das der Game Changer an eurem Team?

00:04:28: Nein, natürlich nicht.

00:04:29: Sondern es geht viel mehr darum was kann denn die AI für euer Team in diesem Kontext tun?

00:04:34: also wie arbeitet ihr zusammen?

00:04:36: passiert da wirklich?

00:04:37: Welche Rollen gibt es, welche Konnektoren, welche Schnittstellen in andere Systeme zu anderen Teams?

00:04:42: und wo kann die AI als Agent vor allem euch da wirklich elementar helfen.

00:04:47: Wo können die AI was automatisieren?

00:04:49: Wo kann die EI euch Arbeit abnehmen und vor allem richtig viel Kontext miteinander reinbringen und das wird entscheiden werden die nächsten Monate wie ihr das schafft diesen Kontext innerhalb des Teams auch herzustellen.

00:05:00: Das heißt ihr müsst wieder deutlich mehr miteinander reden.

00:05:02: Ihr müsst euch zusammensetzen und dass was euch ausmacht eure ... Human Intelligenz, also das was ihr mitbringt.

00:05:08: Die reinzubringen und das in die EI zu kippen... ...und dann auch was Sinnvolles zu bauen!

00:05:14: Das wird ganz wichtig werden.

00:05:17: Also es geht nicht darum ChatGTBT, Gemini, OpenAI... ...was auch immer die Frage zu stellen muss ich das oder das oder dass Modell einsetzen,... ...sondern es geht darum zu finden wie ist der Kontext dahinter?

00:05:29: Ich möchte dazu ein Beispiel nennen Es gab Vorträge von Atlassian Williams, es gab vorträge vom Mercedes-Benz auch in innerheimen auf der Atlassien Team.

00:05:40: Und Mercedes hatte ein Beispiel gebracht dass sie halt ihre komplette integrierte System also mittlerweile eher eine Software Company sind und alle Informationen in den Adolescent-Systemen pflegen.

00:05:51: Und dort mit dem Teamworkraft zusammen diesen Kontext herstellen, was denn zum Beispiel bei der Autoproduktion passiert?

00:05:56: Was bei den Testfahrten passiert?

00:05:58: Aber auch was bei den ganzen User-Tests passiert?

00:06:00: Und natürlich auch bei den Ganzen Softwarepaketen die sie mittlerweile ja auch in den Autos mit ausliefern – was da so passiert?

00:06:06: Da fallen zum einen eine Menge, Menge Daten an!

00:06:09: Da sind sehr viele Teams involviert weltweit.

00:06:12: Da fallen vor allem auch viele Daten von Kunden an usw.. Und dieser ganze Kontext, alles was irgendwo irgendwie passiert.

00:06:19: Dann zum Beispiel auf ein bestimmtes Softwaremodul runterzubrechen oder auf einen bestimmten Back- oder vielleicht auch an Improvement was man machen möchte.

00:06:26: Das ist eine Arbeit, da sitzen normalerweise Teams stunden Tage Wochen dran um überhaupt diese Zusammenhänge zu verstehen.

00:06:33: Wo hat der kundemalen Feedback gegeben?

00:06:34: Wo hat das Tool mal ein bisschen langsamer reagiert?

00:06:38: Wo gab es vielleicht Tickets die aufgemacht wurden im Support?

00:06:41: Wo wollen sich in Autohäusern vielleicht beschwert weil irgendwie dreimal die Autos zurückgebracht wurden in die Werkstatt?

00:06:47: Theoretisch gesehen können wir diese Daten alle sauber an einem System erfassen menschlich kaum möglich eigentlich alles in den Kontext zu bringen und vor allem in Verbindung miteinander zu setzen.

00:06:55: Dank AI mittlerweile eine Sache von wenigen Minuten, wenn nicht sogar Sekunden.

00:07:00: die AI kann diese ganzen Daten analysieren und versteht wo was Feedback ist, was Softwarefehler sind, was entwickelt wurde, was gerade schon im Release ist und stellt diese Verbindung mit einander her und gibt einen in wenigen Minuten eigentlich einen vollständigen Report aus Und man kriegt eine Liste.

00:07:16: Wo sind Improvements?

00:07:17: Wo sind Fehler, wo machen wir Dinge immer wieder?

00:07:20: Wo schlägt vielleicht was in der Werkstatt auf?

00:07:22: Wichtig das ganze ging nicht weil ein einzelner Mensch irgendwo seinen persönlichen Workflow improved hat also dass die Werkstatte hingegangen ist und gesagt ja ich tue das Kunden Feedback besser behandeln oder ich dokumentiere besser oder jemandes hingegang und hat die Bugs irgendwie besser sortiert oder sonst irgendetwas.

00:07:38: Sondern das Ganze wurde nur möglich, indem sie halt hingegangen sind und haben alles in eine Waagschale geworfen.

00:07:44: Und bringen diesen Kontext mit rein.

00:07:46: Das heißt nicht dass alle Daten in einem System leben müssen.

00:07:48: Steht mich bitte an dieser Stelle nicht falsch!

00:07:50: Es geht darum, dass diese Daten die man hat so strukturiert aufbereitet sind und so in den Kontext gebracht werden, dass die EI diese Daten A auch lesen kann und B auch intrepretieren kann.

00:08:00: Die AI ist letztlich ja auch ein teilweise sehr dummes Werkzeug, was einfach nur Informationen liest.

00:08:06: Und ihr müsst natürlich diesen Kontext mitliefern damit die AI auch versteht dass das Feedback von dem Kunden eventuell vielleicht auch mit dem Auto, mit dem Modul etc.

00:08:14: zusammenhängt.

00:08:15: und wenn ihr das schafft dann habt ihr einen ziemlich gewinnbringenden AI im Einsatz.

00:08:19: Das bringt mich zum nächsten Punkt wie kommen wir denn eigentlich dazu das so gewinnenbringend einzusetzen?

00:08:23: Ich habe es jetzt schon ein paar mal gesagt Agents ist das Thema.

00:08:27: Es geht darum Dinge zu bauen vor allem eine AI zu bauen, lokal vielleicht auf dem Rechner mit Glottcode.

00:08:33: Die Dinge für mich ausführen kann also eine Analyse von irgendeinem von Workshop Formaten durchzuführen das Aufzubereiten vielleicht direkt in den Service wiederzugeben Den kompletten Support Kanal zu screenen dem Team vielleicht schon Improvements Montag morgens auf den Tisch zu legen was so typischerweise reinkommt Was man an der Webseite verbessern sollte etc.

00:08:54: können sehr, sehr mächtig sein.

00:08:55: Können sehr tief ins System reingehen und können mir vor allem die Arbeitsprozesse, die man im Team hat erheblich verbessern.

00:09:02: Und das wird etwas sein was vor allem nicht nur Technikteams betrifft sondern in Zukunft Personal Buchhaltung Finanzen alle anderen Teams Marketing natürlich genauso wie die IT Software Entwicklungen Consulting Produktentwicklung usw.

00:09:16: Die wird es alle treffen und wir müssen alle mitmachen und die müssen sich alle mit dem Thema AI auseinandersetzen.

00:09:22: Und da, wenn du jetzt Führungskraft bist geht es vor allem darum dass du dein Team fit machst und die Weichen stellst damit das Team das am Ende des Tages auch tun kann.

00:09:31: Ich habe gerade einen Kunden wo wir Agents in Teams einführen eine Session die Woche und hatte den Leuten vorgestellt, wie man Skills zum Beispiel pflegen kann für sich persönlich.

00:09:42: Und dann berichtete einer hey ich habe mir direkt ein Skill geschrieben.

00:09:46: Ich hab zb einfach bestimmte Datensätze ausgelesen, die ich sonst so gar nicht erfassen konnte.

00:09:51: Die musste derjenige immer manuell machen.

00:09:53: und diese Datensetze musste er aufbereiten eigentlich und musste sie händisch an jemand anderem weitergeben also seinem Team weiter geben dass die dann wieder Daten damit machen können.

00:10:01: und Sie mussten ständig miteinander reden damit man weiß wer hat wann welche Daten besorgt welche Daten weitergegeben.

00:10:07: Und wie sieht denn der ganze Workflow-Prozess eigentlich aus?

00:10:09: Niemand hatte irgendwie so übersichtlich ein Status, sondern den er hat zu seiner Aufgabe gemacht und er hatte sich einfach einen kleinen Skill geschrieben, man könnte schon fast eher von dem Agent sprechen, den er da gebaut hat, der hingegangen ist diese Daten analysiert hat, gemeinschaftlich in den Dashboard gepackt hat das Team dann gemeinschaftliche aufs Dashboard drauf geguckt hat und jeder der einen workflow Schritt auszuführen hatte nur noch in das Dashboard reingeguckt hat und jeder seinen weiteren Schritt, den er zu tun hatte ebenfalls dort ausführen konnte.

00:10:34: Und das alles mit einer grabischen Oberfläche im CI des Kunden auch noch dargestellt, wo man sehen konnte okay wer hat denn die Daten weiter verarbeitet?

00:10:41: war das ganze erfolgreich was es hinten raus passiert?

00:10:43: und so wurde ein Arbeitsschritt der ansonsten ja Stunden gebraucht hat plötzlich in fünf Minuten und dass auch noch sehr transparent für das ganze Team umgesetzt.

00:10:52: und darum geht es genau solche Anwendungsfelde zu finden in einem team wie man arbeiten kann Das wird die Herausforderung und Aufgabe von Führungskräften sein, Teams zu enablen.

00:11:02: Genau die richtigen Werkzeuge mit dem richtigen Kontext zu haben.

00:11:04: Und wenn ihr euch bisher noch nicht mehr eurer Datenhaltungen und Datenaufbereitung beschäftigt habt dann ist jetzt höchste Eisenbahn da müsst ihr euch jetzt hinsetzen Data Warehouses, Data Lakes aufbauen und müsst auf jeden Fall Daten strukturieren.

00:11:18: es kann nicht mehr sein dass Daten irgendwo in irgendwelchen Systemen liegen die keine Konnektoren, keine API Schnittstellen haben und schon gar nicht irgendwo auf einem Blatt Papier stehen.

00:11:26: Ihr müsst Daten sauber strukturieren, ihr müsst ein Data Warehouse aufbauen, ihr musst diese Daten so strukturiert den Teams auch zur Verfügung stellen.

00:11:35: das ist ja auch noch die nächste Hausaufgabe dass die teams nachher damit auch wieder arbeiten können weil es bringt nichts wenn nachher nur das Finanzteam darauf zugreifen kann und irgendwelche Auswertungen mit irgendeiner Excel Liste oder so macht und sich da irgendwelchen ganz tollen riesigen Excel Tabellen zusammen baut sondern es geht darum, dass die Teams nach einer Lage sind diese Daten in den Kontext ihres Arbeitsalltages zu setzen und damit natürlich dann auch rumzuspielen und damit weiterzuarbeiten.

00:11:58: Und ja ich kann das gar nicht oft genug betonen.

00:12:00: Das ist die Herausforderung.

00:12:02: Das wird die Arbeit, die demnächst passiert.

00:12:05: Manchmal fühlt sich das ein bisschen wie Magie an.

00:12:07: Es hat einen Kollegen neulich zu mir gesagt, dass man plötzlich in der Lage dazu Ja, eigene Tools die man braucht plötzlich ganz schnell zu bauen.

00:12:15: Ich komme selber ohne AI im Alltag gar nicht mehr aus.

00:12:18: vielleicht ein Beispiel von hier von Seibat.

00:12:20: wir haben mittlerweile angefangen Bots zu bauen im First Level Support und da hat ein Kollege gerade letzte Woche berichtet wie weit wir jetzt gekommen sind dieses Jahr und sie haben es geschafft über dreißig Prozent der Anfragen von den Kollegen und Kolleginnen hier vollständig zu einer Prozent zu automatisieren.

00:12:36: das heißt jede dritte Anfrage wird mittlerweile vollständigt durch einen Agent automatisiert bearbeitet.

00:12:42: Da geht es auch viel um Lizenzfragen, First Level Support Sachen und dieser Agent der lebt an verschiedenen Stellen zum einen in unserem Chat wo ich dem Fragen stellen kann der vielleicht da schon Dinge aufhängt aber auch viel strukturierter dadurch diese Anfragen diese typischen Sachen die ich mal so eben im Chat reingeworfen habe auch erfasst.

00:13:00: das heißt unsere first level support anfragen sind im gleichen Zeitraum sogar noch um zwanzig Prozent gestiegen weil wir viel mehr Daten sammeln, vor allem viel strukturierter Sammeln.

00:13:08: Im gleichen Atemzug aber auch schon dreißig Prozent dieser Daten sauber verarbeitet bekommen durch eine Automatisierung und das Entlastet des Team natürlich unglaublich.

00:13:17: die können sich dann vielmehr um Strukturen kümmern.

00:13:20: Die kümmeren sich natürlich auch um diese Agents zu bauen, zu orchestrieren, zu verwalten und zu prüfen und haben sich natürlich noch ganz viele weitere Tools gebaut, um zu gucken wie viel Geld sparen wir.

00:13:30: Wie viele Lizenzkosten sparen auch durch dieses viel bessere Verwaltungssystem?

00:13:34: Und die prüfen dann vor allem welche anderen Datenquellen müssen wir anbinden und wohin darf der Agent dann lesen und wohinhin darf Der Agent am Ende des Tages schreiben.

00:13:41: Beispiel!

00:13:42: Es war auch abends außerhalb der Arbeitszeit.

00:13:44: ich habe eine Lizenz für ein System gebraucht hab einen Ticket aufgemacht dazu Und dann hat mir der Agent sofort innerhalb von fünf Sekunden geantwortet.

00:13:52: Hat mir noch eine Rückfrage gestellt, die habe ich ihm beantwortet und zehn Sekunden später hatte ich eine Einladung für diese Software mit dem Lizenzvergabe... ...mit dem Hinweis was kostet das pro Monat?

00:14:02: Für was kann ich das benutzen?

00:14:04: Der Agent hat das Ganze sauber im Ticket dokumentiert, dass ich die erhalten habe, hat mir Inventarisierung gemacht an meinem Profil.

00:14:10: Es gab ja auch eine Doku, die bei uns im Konflenz lag.

00:14:12: Dass ich sozusagen diese Software benutzen darf und das meppte auf meiner Rolle, auf meinem Profil.

00:14:16: Das heißt der Agent hat selbstständig entschieden oder durfte entscheiden dass sich dieser Lizenz bekommen.

00:14:21: Hat mir aber auch den Hinweis gegeben was ich jetzt pro Monat verursachen werde und hat mir gleichzeitig gesagt... ...dass er mich ein bisschen überwacht und sagt wenn ich die App oder die Lizenz nicht benutzen werde dann wird er mich in drei Monaten mal daran erinnern wie viel Geld ich gerade verschwendet habe für die Firma und wird mich darauf hinweisen, ob ich sie nicht dann einstellen möchte die Lizenz oder halt auch zurückgeben möchte.

00:14:40: Und so tut der Agent vollständig automatisiert für mich arbeiten, Vierundzwanzig Sieben oder für uns alle arbeiten, vierundswanzig sieben und so können wir vor allem unseren First Level Support deutlich effizienter gestalten.

00:14:51: gerade für die Kollegen und Kolleginnen, die nicht in Europa sitzen und immer so ein bisschen das Problem haben dass die IT hier in Deutschland sitzt, denn immer nur zu den deutschen Zeiten antworten kann Ja, dann vor allem abends zu Ihrer Zeit immer ein bisschen Probleme haben das hier niemand mehr antwortet.

00:15:06: Für die ist es eine tolle Erleichterung weil die natürlich jetzt viele diese Anfragen die sich stellen automatisiert beantwortet bekommen.

00:15:13: wichtig auch in der Stelle.

00:15:14: Das können wir nur machen weil wir klare Daten haben klare Strukturen und Konflenzen haben Klare Daten und Service Management haben.

00:15:21: Und dass einfach durch Agents sauber miteinander verbinden können da läuft ja auch nicht nur einen Agent sondern da laufen verschiedene Agents die verschiedene Dinge tun in verschiedenen System Kann ich gerne auch mal zeigen, aber das ist natürlich alles nicht total trivial und in fünf Minuten aufgebaut.

00:15:35: Allerdings hat es jetzt auch nicht Jahre gedauert sondern das hat das Team jetzt hier seit Anfang des Jahres gebaut Und wir sind dabei diese Quote von ein paar dreizig Prozent Natürlich noch nach oben zu schrauben damit das noch ein bisschen besser wird.

00:15:47: und ja Diese Beispiele die werden wir hier in den Podcasts nächsten wochen vorstellen Die werden wir suchen.

00:15:53: über diese beispiele werden wir sprechen was das alles bedeutet Wie wir diesen Kontext aufbauen können, wie wir diese Daten selber verarbeiten können und wie wir AI endlich mal gewinnbringt in den ganzen Teams in den Organisationen einsetzen können.

00:16:06: Ich kann dir auf jeden Fall schon einmal drei konkrete Hausaufgaben mitgeben.

00:16:09: also überleg dir doch mal, wie ist denn dein Context Layer im Team und in der Organisation?

00:16:14: Mach mal eine Bestandsaufnahme!

00:16:15: Also was weiß denn die AI-Theoretischstand heute schon über deinen

00:16:18: Team?!

00:16:19: Welche Tools werden eingesetzt?

00:16:20: Wie stehen diese Tools miteinander in Verbindung.

00:16:22: Wo leben Daten, wo gibt es Schnittstellen, wo fließen auch Daten hin?

00:16:26: und wie sieht dieser ganze Prozess aus?

00:16:27: Kannst du das Stand heute schon so vollständig beantworten?

00:16:30: vielleicht für ein paar Dinge, vielleicht nicht für alles.

00:16:32: Es macht auf jeden Fall Sinn diesen Kontext sich mal ein bisschen bewusst zu machen und zu überlegen hey wo fließt wann was wohin?

00:16:40: wer darf auch wann wo was lesen oder schreiben.

00:16:43: Das ist natürlich sehr nützlich, wenn man das einfach parat hat und das vor allem am Ende des Tages der EI dann später einmal mitgeben kann.

00:16:49: Dann wäre es gut, wenn du dir mal ein einzigen Workflow den du so im Alltag hast, der immer wieder stattfindet, der dich vielleicht viel Zeit kostet, die zum einen sehr kompliziert ist oder auch ein totaler Zeitfresser ist oder du vielleicht gar keine Lust darauf hast.

00:17:01: Pickt dir diesen einen mal raus und überleg dir einmal wie du denen vielleicht automatisieren könntest.

00:17:06: Schreib ihn mal auf was alles statt findet welche Datensätze welcher Kontext welche Personen und welche Systeme gebraucht werden.

00:17:13: Und dann verspreche ich dir, dann hast du eigentlich schon achtzig Prozent der Miete gemacht.

00:17:16: Die letzten zwanzig Prozent das wird irgendein AI-Tool noch für dich zusammenbauen und dann kannst du diesen Workflow einmal komplett hoffnungsvoll automatisieren insofern Berechtigung und Schnittstellen am Ende des Tages natürlich auch vorhanden sind und der Prozess nicht zu kompliziert ist dass es vielleicht gar nicht geht.

00:17:33: Und dritter Punkt ja früher hat man immer über die Schatten IT gesprochen wenn Systeme irgendwo gelaufen sind im Zeitalter von Cloud Kreditkarte hinterlegen, irgendwo einfach ein System mieten für zehn Dollar im Monat und dann loslegen.

00:17:48: Das ist mit dem Thema AI natürlich noch viel, viel schlimmer geworden.

00:17:54: So viele Leute haben privaten AI-Account irgendwo machen Dinge weil sie in der Firma vielleicht limitiert werden und es existieren natürlich und selbst wenn es sozusagen sauber fast ist.

00:18:05: Schatten IT Zum Thema AI bedeutet auch, dass jeder für sich persönlich Workflows definiert, Automatisierung baut.

00:18:13: Teilweise alles lokal auf seinem persönlichen Profil basiert und das ist natürlich sehr gefährlich weil sobald die Person geht ist das Wissen A wieder weg.

00:18:22: und ich hatte es eingangs erwähnt richtig AI gewinnbringend einsetzen kann man nur innerhalb des Teams.

00:18:27: also ihr müsst diese Informationen teilen.

00:18:29: ihr müsst transparent darüber sprechen.

00:18:32: macht Arbeitsgruppen macht Meetings dazu teilt dieses wissen motiviert eure leute dieses wissen zu teilen.

00:18:39: das ist so elementar wichtig.

00:18:41: und dann überlegt nicht wieder agent für mich persönlich aussehen kann sondern überlegt wie der agent im team aussehen.

00:18:48: Und dass sind drei kleine hausaufgaben ich euch gerne mitgeben würde wollen.

00:18:52: verspreche euch wir werden die nächsten wochen darüber sprechen und ihr werdet über diese haus auf gaben, das ein oder andere mal hier in diesem podcast noch steuern und dann werden wir alles auflösen.

00:19:02: falls ihr fragen habt falls ihr sagt hey florian Erzähl doch mal ein bisschen was dazu.

00:19:06: Oder AI in diesem Kontext, oder AI mit Agents in dieser Konstellation?

00:19:11: Dann schreibt mir sehr gerne an modernworkatcybert.group alles dazu unten in den Show-Nauts.

00:19:17: Ich werde auf jeden Fall diese Fragen aufnehmen und wir werden das im Team aufbereiten Und wir werden hier passende Interviewgäste finden oder einfach selbst in dem Team darüber reden.

00:19:24: ich habe noch zwei Kollegen die mich regelmäßig demnächst begleiten werden.

00:19:28: Wir werden diese Themen wirklich versprochen auf bereiten und step-by-step auseinandernehmen, so dass wir gemeinschaftlich wachsen können.

00:19:35: Und endlich AI als Agent im Team begrüßen können damit wir den neuen Player dem wir haben wollen im Team, den Teammate, den wir schon immer vermisst haben auch bekommen können.

00:19:45: Damit will ich es auch schon belassen.

00:19:46: für diese Woche sollte eine kurze Folge werden.

00:19:49: Ich hoffe ihr habt ein zwei drei Impulse mitgenommen.

00:19:50: Ich hoffe ich habe euch eher motiviert und nicht demotiviert.

00:19:53: wenn ihr sagt ich bin da vielleicht noch gar nicht.

00:19:55: Vielleicht habt ihr auch gerade erst mit irgendeinem Chattool in der Organisation angefangen.

00:19:59: Gar nicht schlimm Die Zeit ist noch nicht abgefahren, die Zeit ist jetzt da.

00:20:03: Es ist total spannend was man alles mit den ganzen Tools bauen kann vor allem mit solchen tollen Systemen wir machen ja ganz viel.

00:20:10: mit Glotcodes haben wir schon ein paar mal erwähnt wie schnell man zu Ergebnissen kommt und wie schnell einfach einen Prototyp baut eine eigene Applikation.

00:20:17: diese Geschwindigkeit diese Motivation wollen wir versuchen zu euch zu bringen und hoffnungsvoll euch auch in diesen Triva C zu packen damit ihr in der Lage seid auch coole Dinge zu bauen Und wir uns ein bisschen wie Bill Gates in den siebziger Jahren fühlen und einfach Dinge cool bauen können.

00:20:32: Und diesen Drive einfach mitnehmen.

00:20:34: Dafür wünsche ich euch eine schöne Woche, arbeitet ein bisschen dran!

00:20:38: Wenn ihr Fragen habt fragt und kommt auf mich zu.

00:20:41: Ihr hört nächste Woche die nächste Folge.

00:20:43: Wie gesagt es wird mehr EYE-Content werden und darauf werden wir uns dieses Jahr fokussieren.

00:20:47: Bis da ein schöner Zeit.

00:20:48: machts gut euer Florian.