Hallo und herzlich willkommen, liebe OMKB-Community, zu einem OMKB-Podcast. Mein Name ist Mario Rose. Ich bin Partner der ThinkEleven und OMKB und freue mich, dass wir heute wieder einen wirklich spannenden Gast bei uns hier im Studio haben. Und zwar möchte ich ganz herzlich begrüßen Jan Schönmekas. Jan, schön, dass du bei uns bist heute. Moin. Schön, dass ich da sein darf. Hallo, Jan. Ganz brandfrisch in unserem neuen Büro vor neuer Kulisse. Fühlt sich gut an, hoffe ich. Ja, ist geil mit dem Hafen. Ich habe dadurch jetzt schon entdeckt, Osnabrück hat einen Hafen für alle, die es noch nicht wissen. Der Ausblick lohnt sich. Ja, wir versuchen uns trotzdem auf euch zu fokussieren und auf unser Gespräch. Und Jan, ich möchte dich einmal ganz kurz vorstellen, ehe wir ein bisschen in die Tiefe einsteigen der heutigen Themenreise, die wir uns vorgenommen haben. Liebe OMKW-Community, Jan ist Gründer und Geschäftsführer von Hase und Igel. Hase und Igel kommt aus Oldenburg und ist halt mittlerweile, 2018, also einigen Jahren, am Markt aktiv und vielfach ausgezeichnet, habe ich gesehen. Dazu schon mal ganz herzlichen Glückwunsch. Unter anderem ausgezeichnet als innovativstes Technologieunternehmen in Deutschland, Österreich und der Schweiz in der Kategorie bis 100 Mitarbeiterinnen und Mitarbeitern. Und Jan, du selbst blickst auf eine mehrjährige Laufbahn zurück im E-Commerce-Bereich, im Marketing, im Consulting und wie ich so eben erfahren habe, auch im Journalismus, hast also schon einiges an Berufs-und Themenfelder mit abgedeckt. Und ich freue mich total, dass du uns heute einen Einblick geben wirst in die Welt von künstlicher Intelligenz und Datenanalyse und wir darüber uns unterhalten werden, wie Technologie denn eigentlich ganz aktuell die Landschaft und auch unser gesamtes Arbeiten, insbesondere in Marketing und Vertrieb verändert. Insofern noch mal ganz herzliches Willkommen hier zum OMKB-Podcast. Schön, dass du da bist. Schön, dass ich da sein darf. Jan, erzähl doch gerne mal ein bisschen mehr über dich. Das eine oder andere habe ich schon gesagt, aber wie ist es eigentlich zu Hase und Igel gekommen? Teil eins der Frage und Teil zwei: Was macht ihr eigentlich genau bei Hase und Igel? Das kann man, glaube ich, gut ineinander überleiten, weil Teil eins der Frage: Wie ist es dazu gekommen? Ich habe eben round about 15 Jahre in Marketing, Vertrieb, Kommunikation auf dem Buckel, bin quasi ein alter Marketing-Hase sozusagen und kam aber vorher aus der universitären Markt-und Meinungsforschung totaler Statistik-Nerd und habe dann immer versucht, Marketing und Kommunikation datengetrieben zu denken, weil ich immer gesagt habe, dieses alte Diktum von wegen, 50% meiner Werbebudgets sind zum Fenster rausgeschmissen. Ich weiß aber leider nicht, welche. Das wollte ich nie akzeptieren. Ich habe ihm gesagt: „Das geht doch nicht. Wir müssen doch wenigstens im Nachhinein feststellen können, welche. Und da müssen wir doch daraus lernen können und dann sind es vielleicht irgendwann nur noch 30%, die zum Fenster rausgeschmissen sind. Und damit müssen wir auch eigentlich jeden Tag ein bisschen besser werden können und von diesem reinen Bauchgefühl und im Nachhinein ist man immer klüger wegkommen können. Andere schaffen es doch auch. Guck dir Trading an oder Produktion oder Logistik. Die haben alle ihren Predictive sonst was. Warum wir nicht? Und die Frage hat mich als Manager da auch immer umgetrieben. Ich habe immer versucht, mir da entsprechende Technologien und Logiken aufzubauen und es hat mich immer genervt, dass das so schwierig ist und dass eigentlich keiner im Markt so richtig was für uns Marketers anbietet, das einem eben einen Blick auf den ganzen Wald statt nur der einzelnen Silobäume vermittelt, der wirklich auch predictive ist, der nicht nur ein buntes Dashboard bietet, sondern der einem die Sachen einordnen sagt, nicht nur: „Ja, hier ist deine Conversion Rate, sondern: „Da ist deine Conversion Rate. Die ist gut, mittel oder schlecht, weil eigentlich müsste sie dort sein, aus folgendem Grund, und das kannst du tun, damit sie besser wird. Und nachdem ich über viele Jahre gesehen habe, nein, da entwickelt sich auch nicht wirklich was im Markt, aber meine Idee reift immer weiter, habe ich irgendwann gesagt: „Gut, muss man selber machen. Unternehmertum lag mir immer schon im Bluthase und IGE ist das vierte Unternehmen, das ich gründe und gegründet habe. Und dann habe ich gesagt, ich bin so verrückt, einfach auszuprobieren, eine Art Navigationssystem für Marketing, Vertrieb und so weiter zu entwickeln, obwohl ich selbst ja eben nicht aus dem Code komme und auch keine Zeile vernünftigen, geraden Code schreiben kann. Aber falls es mir gelingt, dir passend Leute dafür zu finden, wird das eine coole Sache. Und so was dann auch. Ich habe ein sehr, sehr, sehr geiles Team gefunden und aufgebaut und es ist eine coole Sache geworden, weil genau das ist das, was wir mit Hase und Igel eben machen. Wir haben ein eigenes Cloud-System entwickelt und eine eigene analytische KI, alles bei uns entwickelt und in Deutschland gehostet, die eben sämtliche verstreute Systeme im Unternehmen und draußen im Markt zusammenführen oder die Daten aus allen Systemen zusammenführen, einen Gesamtblick zu geben auf, was passiert zwischen unserem Unternehmen und dem Markt und daraus Sinn zu ziehen. Also nicht nur Daten irgendwo zu visualisieren, sondern der neudeutsche Begriff dafür ist jetzt Decision Intelligence. Seit vielleicht einem Jahr ist die neuste Sau, die da durchs Begriffstorf getrieben wird, eben wirklich Analysen automatisch abzuliefern, KI unterstützt, die einem Entscheidungsvorlagen liefern und nicht nur Dashboards. Entlang der ganzen Prozesskette, die wir so im Marketing, in der Kommunikation und Vertrieb haben. Also angefangen von zum Beispiel Nachfrageprognosen: Ist das überhaupt ein Produkt, das irgendwen interessiert? Will das irgendwer haben? Und wenn, wie viele Leute wollen das voraussichtlich haben? An welchem Ort? Zu welcher Zeit? Über: „Ja, gut, wir wissen jetzt, das ist eine geile Nachfrage. Das lohnt sich, darauf was aufzubauen.Aber wie erreichen wir denn die Leute? Da sind wir dann im ganzen Thema, Mediastrategie, Contentstrategie, Positionierung, Targeting, gerade Contextual, also wo, wann erreichen wir denn die Leute für das Produkt? Was beschäftigt die, also wann finden die das relevant, bis hin eben zu einer laufenden Optimierung, wirklich Omnichannel, Full Funnel, was bringt uns am Ende des Tages mehr Umsatz? Wie verteilen wir dafür die Budgets optimal, mit unserem Budget maximal Umsatz reinzuholen, plus noch drüber hinaus in einigen Nischen rein. Wenn du B2B bist, können wir zum Beispiel auch hervorragend so eine Art Tinder für Unternehmen machen, also Lead Scouting, Lead Scoring, welche Kunden passen zu dir. Darfst du halt B2C nur begrenzt wegen DSGVO. Wo er, wenn du 'n Point-of-Sale-Geschäft hast, haben wir jetzt 'n neues Produkt grade in der Markteinführung, dass dir deine Point-of-Sale-Standorte bewertet, es aber immer auf die Frage fokussiert, wie können wir, wenn wir schon, wenn wir mehr Daten an einem Ort haben und wenn wir schneller die Muster drin erkennen, damit besser die Märkte bearbeiten, mit dem gleichen Budget mehr Umsatz machen, indem wir eben nicht unnötig Budget zum Fenster rausschmeißen. Jan, wenn wir da 'n bisschen tiefer eintauchen in den Bereich Datenquellen und woher die Daten kommen, die dann mit euren Produkten, Dienstleistungen entsprechend ausgelesen und genutzt werden können, lieg ich da richtig, dass das dann eher Datenquellen sind, CRM Systeme, Webtrackingsysteme, Advertising Systeme, die da angebunden werden oder ist das hochindividuell, je nachdem, was eure Kunden tatsächlich mit euren Lösungen erreichen wollen für 'n konkretes Ziel? Die beste Antwort von Kommunikationsvorzels grade in der PR macht, sowohl als auch. Und es kommt drauf an. (lachen) Nein, also wir haben einerseits die ganze Welt der Daten, die Du im Unternehmen hast. Und das ist genau das, was Du auch genannt hast. Wenn wir uns entlang des Funnels quasi mal durchhangeln, hast Du auf der, dann fängt das an bei den Werbesystemen, also jetzt so was wie Werbekanäle, keine Ahnung, TikTok, Google Ads, aber auch die Reportings von Mediaagenturen, Rundfunk et cetera, Sales Reportings, also die die ersten Besuchsberichte, also die die Erstkontakte werden in Systemen erfasst, die binden wir natürlich an. Von dort geht's weiter in die Mitfunnel Metriken, also deine Eigenkanäle, Websites, Callcenter Systeme, falls du so was wie Storevisits trackst, eben Storewalk and Storevisits. Und dann geht's runter in lower Funnel. Da hast Du dein CRM System, da hast Du dein Webshop System, dein ERP System, je nach Unternehmen, wo die Daten drin liegen, die dir dann wirklich sagen, was hattest Du für 'n Absatz, für 'n Umsatz, für 'n Kundenwert. Die führen wir alle zusammen, also die zapfen wir an über Konnektoren, über APIs und ziehen die daraus relevanten Daten in unsere Cloud, wo sie zusammengeführt werden und 'n Gesamtbild ergeben. Das ist aber nur die Welt im Unternehmen. Was wir mitbringen auch immer schon über unser System ist 'n große Bandbreite an Konnektoren, also an Datenverbindung in Third Party Daten auch, in Daten außerhalb des Unternehmens, die einem was verraten über das Verhalten der Zielgruppen, der Wettbewerber und auch über Umweltfaktoren, die 'n Einfluss haben auf unser Geschäft, so was wie Inflation, Wetter, Verkehr, Kaufkraft, Bevölkerungsstruktur. Das sind alles Daten, die hat ja kein Unternehmen exklusiv für sich, sondern die sind im Grunde für jeden, der diese Fährten auslesen kann draußen im Markt, sind aber wahnsinnig fragmentiert und werden deswegen auch meistens nur innerhalb der einzelnen Silos ausgelesen. Also jeder SEO Experte guckt sich natürlich Suchverhalten und Suchtrends und so weiter auf Google an. Die PR-Leute schauen auf ihre Mediamonitorings und Social Listening Tools et cetera. Wir fassen aber all diese Welten eben in einer Datenbank zusammen, möglichst vollständig das Umfeld auch des Unternehmens abzubilden, denn ob das wirklich gut ist, wenn Du jetzt zehn Prozent mehr Conversions kriegst, das hängt halt schon davon ab, ob die Nachfrage im Markt in der Zeit fünf Prozent gestiegen ist oder fünfzig Prozent, absolut. Wie viel deine Wettbewerber einsammeln. Und wenn Du jetzt siehst, Du liegst zum Beispiel relativ schlecht, so die Kampagne hat nicht performt, wie Du gehofft hast, ist ja auch die Frage, liegt's an der Kampagne? Oder haben dir irgendwelche Umweltfaktoren das Geschäft verhagelt? Nehmen wir an, Du hast 'n Point of Sale irgendwo in der Innenstadt, da ist megastau und Hagel. Ja klar geht an dem Tag keiner dort einkaufen, wenn dann dein Produktlaunch an dem Tag oder dein Event 'n Flop wird, dann liegt das nicht zwingend dran, dass dein Marketingslogan scheiße war oder dass Du nicht genug Budget hattest, sondern dann ist die Frage, konntest Du unter diesen Umständen das Maximum rausholen? Und deswegen macht es Sinn, diese Daten von außen mit einzubeziehen und dann die Algorithmen aufdröseln zu lassen, was hat sich jetzt wie stark wirklich darauf ausgewirkt, damit Du 'n realistisches Bild hast, was hättest Du eigentlich erreichen können und daran abgleichen kannst, hast Du jetzt cool was erreicht oder nicht? Mhm. Und was war der Erfolgstreiber, ja? Lag's am Mediamix, lag's am Slogan, lag's am Preis, am Timing? Sehr holistisch in der Herangehensweise, aber dann natürlich auch notwendig. Klar, keine Frage, damit entsprechend auch die Marke, die eure Anwendungen in den Unternehmen nutzen, wahrscheinlich auch Sales Marketing oder auch ganz andere Stakeholder, letztendlich einen konkreten Mehrwert in der Vorhersage ihrer eigenen Geschäftsentwicklung dann auch mit eurer Hilfe erhalten können. Hab mich mal in dem Zusammenhang 'n bisschen auf eurer Webseite schlau gemacht und hab gesehen, dass neben der sehr ganzheitlichen Herangehensweise, die Du grade geschildert hast, ihr euer Portfolio ja auch in ganz konkrete Produktkategorien unterteilt. Und da ist mir der Neutrum Evo Optimizer im Gedächtnis geblieben. Magst Du mir gerne einmal aber natürlich auch der UMKB Community einmal erklären, wasDas für eine spezielle Kernlösung aus eurem Hause ist? Absolut, sehr gerne. Ähm, also erst mal kurz zur Einordnung, weil du ja gesagt hast, wir haben das auch in einzelne Produkte verpackt. Das ist genau richtig formuliert, weil im Grunde haben wir ein Cloud-System, ein AI-System, die Neutrum AI und die kann man auch als Plattform natürlich nutzen, sagen, ich zapfe dort einzelne Services an und baue mir damit eine eigene Lösung. Und das ist was, was auch Unternehmen und Agenturen durchaus machen. Ähm, das ist dann wie wenn du ein Lego als Baukasten dir holst, die einzelnen Steine und baust irgendwas aus deiner Fantasie mit. Das setzt aber natürlich voraus, dass du schon eigene Systeme hast und dass du da auch wirklich savvy bist. Und, äh, wir wollen das nicht nur für die Hardcore-Techies machen, die sich dann jetzt irgendwelche wilden Systeme draus bauen, sondern wir haben gesagt, das muss auch jeder ganz normale Marketingmanager nutzen können, ohne dass er deswegen irgendwie Data Scientist, Entwickler oder sonst was hinzuzieht. Deswegen haben wir es gleich gemacht, was Lego auch macht. (schmunzelt) Nämlich, du kannst ja nicht nur den ganzen Baukasten kaufen, sondern du kannst sagen: „Ich will die Feuerwache". Und dann kriegst du die Feuerwache und nur die Bausteine für die Feuerwache. Und das sind unsere Produkte. Also die speisen sich aus diesem System, sind aber schon vorkonfiguriert, sodass du sie direkt Plug-and-Play nutzen kannst und dafür eben nicht erst irgendwas zusammenbauen, entwickeln, analysieren musst. Und der Evo Optimizer ist davon die größte Lösung, die, um dein Wort aufzugreifen, holistischste Lösung, weil er eben wirklich all deine Marketing- und Sales-Kanäle abbilden kann, zusammenführen kann und dann entlang des ganzen Funnels für dich analysiert: Wie gut läuft das eigentlich? Was bringt dir am Ende des Tages wirklich 'n ROAS oder 'n ROMI, also einen guten Return? Woran liegt das? Und wie kannst du jeden Tag optimieren, noch ein Ticken besser zu werden? Damit sind eben dort einerseits deine ganzen Systeme entlang des Funnels. Das ist eigentlich genau das, was wir vorher besprochen hatten. Entlang des Funnels besprochen, also verbunden inklusive einem CM zum Beispiel auch, also wirklich bis in den Kundenwert rein. Auf der anderen Seite die ganzen verschiedenen Kanäle, und zwar wirklich bunt. Von, keine Ahnung, Google Ads über TikTok Organic, Ads natürlich auch, über, keine Ahnung, dein Newsletter, dein Call Center, durchaus aber auch jenseits des digitalen in 'ner Prospektverteilung, in Out of Home. Also all deine Werbekanäle und Vertriebskanäle kannst du damit verbinden. Liegt an dir, was du verbinden möchtest, aber du kannst sie alle abbilden und sie werden dann von den Algorithmen vergleichbar gemacht, indem du sie wirklich von den Metriken übereinander bringst, weil jetzt zum Beispiel jedes System ja wieder 'n Ticken anders misst, wie: Was ist 'n Impression? Teilweise auch deutlich anders. Absolut, ja. Deswegen kannst du ja nicht einfach sagen, du haust die Daten zusammen, gut ist, wie das jetzt 'n Tableau oder so macht. Packst du in, packst du in Excel, wird integriert, wird dargestellt. Kann man machen, ist aber nur begrenzt sinnvoll, sondern die Algorithmen bilden das wirklich übereinander ab. Jetzt zum Beispiel ein Klick in dem Newsletter auf den Link ist was anderes als ein Klick auf den Werbebanner. Weil im Newsletter hast du erst mal überhaupt schon die Mail gesehen und die Mail geöffnet. Da bist du ja schon zwei Schritte weiter. Der hat damit auch eine höhere Wertigkeit. Der ist tiefer im Funnel. Plus die Algorithmen mappen dir das auf deine Produkte, auf deine Kampagnen, dass auch klar ist, zu welchem Thema läuft das, zu welchem Produkt, in welcher Kampagne, sodass du unterm Strich wirklich auf 'ner Produktkampagnen, Kanal, wenn du 'ne regionale Komponente hast, Point of Sale oder so auch Ortsebene, sehen kannst: Was bringt mir eigentlich welche Werbeaktivität und in welchem Maße? Das ist schon, wie ich finde, ich hab mich mit dem Thema Werbewirksamkeitsmessung, Digital Marketing ja auch über viele Jahre auseinandersetzen dürfen und da bist du ja mit euren Lösungen der Herangehensweise auch einer Kernproblematik trittst du ja eigentlich entgegen. Da bin ich jetzt noch mal hellhörig geworden, weil gerade Media-Kanäle, die offline stattfinden, äh, Out of Home, auch wenn es vielleicht teilweise digital oder viel digital buchbar ist, Werbeprospektverteilung oder insbesondere eine der Disziplinen, in die ja noch am meisten Media-Volumen weiterhin investiert wird. TV-Werbung, egal ob es CTV-Werbung ist und ATW-Werbung ist oder lineare TV-Werbung ist, die vom Spend ja immer noch, na ja, mit Abstand sehr, sehr stark ist im Hinblick auf die Budgets, die dort allokiert werden. Erklär das gern noch mal. Wenn ich mir zum Beispiel 'ne TV-Kampagne, wenn ich 'ne TV-Kampagne schalte, Displayaktivitäten schalte. Es ist ja häufig so, ich hab mir angeschaut, irgendwie über TV hab ich vielleicht 'ne Korrelation, sehe ich was. In Google Suchvolumina, ich sehe ein bisschen Website-Traffic, kann daraus gegebenenfalls Ableitungen ziehen, aber das ist ja doch alles immer ganz viel Graubereich gewesen. Wenn ich mir so was jetzt anschaue bei dir, ähm, wie geht ihr damit um mit solchen, mit solchen, äh, Media-Kanälen? Wie, wie, äh, schafft ihr das, dass du dort für den Marketeer noch mehr tatsächlich klare Antworten drinstellt als: „Ja, ich denke schon, dass die TV-Kampagne dafür verantwortlich gewesen ist, dass wir jetzt mehr Traffic auf der Webseite haben." Also eigentlich nutzen wir Statistik auf Speed, um Licht in den Graubereich zu bringen. So kann man's zusammenfassen. Weil wir können natürlich auch nicht zaubern. Also 'n Out-of-Home-Plakat, das irgendwo an 'ner Autobahn hängt oder an 'ner Ausfallstraße oder ein, äh, linearer TV-Spot, die sind erst mal nicht direkt trackable und nichts in der Welt kann das ändern. Du kannst natürlich irgendwo 'n QR-Code dafür einbinden und so, aber man weiß auch, kaum jemand scannt das Ding. Du hast da immer nur 'n bisschen den Eisberg über der Wasserlinie. Es wird nie direkt messbar sein. Das heißt, du musst immer 'n Indizienprozess führen. Du musst immer indirekt messen. Das ist aber was, wo, wo KI und Big Data einfach helfen können, das von so 'nem Bauchgefühl und auch was, was du mit sehr viel Aufwand manuell irgendwo wonky hin und her rechnest, zu 'ner verlässlichen Berechnung zu bringen, die dir wirklich-Belastbare Aussagen gibt, indem wir uns durch die Automatisierung leisten können, viel mehr Daten, viel längere Zeit rein, viel mehr Variablen einzubeziehen. All das, was einfach mit menschlicher Arbeit richtig teuer wird und richtig lange dauert. Das grundlegende Modell ist aber immer erwartungswert. Wenn wir jetzt sagen, wir können nicht direkt oder nicht befriedigend direkt messen, wie viele Leute haben jetzt wirklich mit diesem TV-Spot interagiert oder mit diesem Plakat, dann können wir aber auf jeden Fall messen, wie viel Leute sind denn bei uns gelandet über alle Kanäle, die damit einen Zusammenhang haben können. Das sind, keine Ahnung, die Direktaufrufe auf unserer Website, die Anrufe bei unserem Callcenter, die suchen nach unserer Marke, nach unseren Produkten, aber auch zum Beispiel die Click-through-rates auf digitale Werbemittel, weil gerade so was wie Search, aber auch sonst im Netz surfen ja häufig Second Screen ist. Und da müssen wir eigentlich nur wissen: Was hätten wir denn ohne diese Maßnahme gekriegt? Also gibt es einen Lift? Das ist jetzt für sich auch kein neues Konzept. Wenn wir eine lange Zeitreihe haben und wir können das ja alles durchmessen, das fällt ja eh an an Daten. Wir haben die Callcenter-Daten, wir haben die Analytics-Daten etc. Dann wissen wir auch, was ist das, was wir eh an Klicks gekriegt hätten oder an Umsatz oder an Click-through-Rate an diesem Tag im Januar oder in dieser Woche im Januar. Wir sehen, liegen wir da signifikant drüber? Und wenn ja, können wir sehen, wie viel von diesem Effekt, dass wir über dem Erwartungswert liegen, kann man denn mathematisch, statistisch diesem Plakat oder diesem TV-Spot zuordnen? Das ist für sich alles nicht neu. Es war aber immer sehr lückenhaft, weil es schwer war, die Daten zu erfassen und weil es sehr aufwendig war, es zu berechnen. Dadurch, dass wir die Daten aber aus allen Kanälen und vor allem aus den ganzen Drittpartei-Daten: „Wer bewertet uns? „wer liest den Artikel über uns? „wer sucht nach uns? Et cetera. „wer läuft in die Stores? Sowieso im Evo-Optimizer zusammenführen und auch aus sämtlichen Werbekanälen sowieso die Daten schon drin haben. Und eine Modellierung durch KI unglaublich schnell geht und kostenmäßig viel, viel besser skaliert, als wenn wir da Menschen ransetzen, können wir es uns ja leisten wirklich, mit Kanonen auch auf Spatzen zu schießen und zu sagen, wir nehmen einfach alle möglichen Effekte rein. Vielleicht geht dadurch ein Klickgrad auf irgendeinen Banner hoch. Vielleicht werden mehr Newsletter geöffnet. Vielleicht rufen mehr Leute im Call Center an. Jeder mögliche Verbindung wird von den Algorithmen automatisch im Hintergrund geprüft. Und wenn es einen statistischen Effekt gibt, wird weitergeprüft: Ist das Wie robust ist der? Tritt der nur einmal auf oder tritt der zum Beispiel jedes Mal auf, wenn wir so ein Plakat schalten oder wenn wir so einen Spot machen und wenn der stabil ist und das Risiko, dass man sich jetzt die Welt schön rechnet, gering ist, also Overfitting-Risiko heißt das dann auf data-scientistisch, dann wissen wir, wir haben hier einen wirklichen Effekt und dann können wir den auch zuordnen. Okay. Vielen Dank für die ausführliche Antwort und Erklärung. Ich glaube, das macht für den einen oder anderen noch mal ein bisschen klarer, wo die Grenzen der Modellierung liegen und wo eure Vorteile liegen, eben auch unterstützt mit künstlicher Intelligenzanzwendung, einfach der Beschleunigung letztendlich der Datenauslese. Die Algorithmen, die können eben nichts herzaubern, was wir nicht auch als Mensch könnten, aber sie sind halt millionenfach schneller als wir Menschen und sie machen keine Flüchtigkeitsfehler dabei, weil jetzt über 1000 Tabellen Sachen zu integrieren und dann da statistisch rumzurechnen. Wir haben keinen guten statistischen Sinn als Menschen und das sind genau die Dinge, bei denen auch selbst Profis Fehlern passieren. Die Algorithmen machen keinen Fehler, die rechnen millionenfach schneller und damit können wir einfach aus dem Vollen schöpfen, anstatt immer zu sagen: „Das müsste man jetzt mal genauer betrachten, aber es dauert ewig, es ist teuer und so weiter und so fort. Das ist der eigentliche Breakthrough, den KI und Automatisierung in dem Bereich bringen. Nicht, dass plötzlich Feenstaub irgendwie auf unser Marketing sprinkelt, aber dass wir die Sachen endlich ordentlich machen können, so wie wir sie eigentlich immer mit schlechtem Gewissen wussten, so müssten wir sie tun, aber nie die Zeit da war, nie das Budget da war für oder auch das Personal nicht war. „bitte nerv mich nicht. Damit muss ich das jetzt wirklich hier berechnen und integrieren? Nein, keine Frage. Das war ja häufig so, dass man dennoch nicht zu zufriedenzstellenden Antworten gekommen ist, wenn man entsprechende Ressourcen investiert hat und das ist ja doch für viele Unternehmen ein sehr frustrierender Prozess gewesen über lange Zeit, muss man sagen. Ich habe es eingangs erwähnt, du hast es auch immer durchblicken lassen: Ihr beschäftigt euch naturgemäß viel mit dem Thema Innovation, Innovationskreis, Produktforschung. Ihr seid immer wieder aktiv, natürlich auch eure cloudbasierten Lösungen weiterzuentwickeln und seid auch immer für die eine oder andere Überraschung gut und du hast es mir vorhin erzählt, du bist ein bisschen müde, wobei du siehst überhaupt nicht müde aus und das hat einen bestimmten Grund. Das war ja Weichzeichnung. Ja, das nehmen wir alles raus. Und ihr seid wieder kurz davor, ein ganz neues Produkt auf den Markt zu bringen, was klar, naturgemäß auch den Gründer und Geschäftsführer sicherlich die eine oder andere Stunde Schlaf dann kostet. Kannst du uns ein bisschen was darüber erzählen? Was? Morgen? Morgen, ja. Oder übermorgen. Schauen wir mal, aber diese Woche. Schauen wir mal, wie lang wir heute noch mit Ihnen da reden. Was diese Woche von euch zu erwarten ist. Auf jeden Fall. Das ist ein Produkt, das haben wir eigentlich schon seit sicherlich zwei Jahren als Service in unserer Plattform und nutzen es kundenspezifisch oder im Hintergrund und haben aber jetzt gesehen, das betreibt so viele Menschen grade, auch in der aktuellen wirtschaftlichen Situation nach Corona, in Ukrainekrise und so weiter, dass wir das rausholen wollen aus der Sphäre, aus der nur wir im Backend irgendwo als.Entwickler, Data Scientists mit umgehen können und ein Produkt daraus machen können, was jeder normale Mensch bedienen kann, für sich im Frontend einfach. Ähm Und zwar ist es, wir nennen es Location Profiler, der sagt auch schon, was es tut. Es ist ein Produkt, das dir zeigt, wie gut ist ein Standort, den du frei wählen kannst für deine Zwecke, zum Beispiel, um dort einen weiteren Franchise-Nehmer an Bord zu nehmen oder ein Ladengeschäft aufzumachen, dein Büro anzusiedeln, eine Forschungsabteilung aufzubauen, Logistikcenter zu errichten. Das sind Themen, die sind unfassbar komplex zu beantworten, weil was macht einen guten Standort aus? Erstens wird jeder die Frage für sich anders beantworten. Zweitens spielen sehr, sehr viele verschiedene Variablen rein, von Verkehrsanbindung, Steuern und Kosten vor Ort, Bauland, sonst was, ähm Bevölkerungsstruktur, Industriestruktur, Nachfrage in der Region: „Sitzen da schon harte Wettbewerber? Hast du eine gute Internetanbindung?", et cetera, et cetera, et cetera. Genau so was ist perfekt für Automatisierung mit KI, weil sehr, sehr viele Datenquellen zu integrieren, darin die Zusammenhänge zu finden, zu rechnen und dir eine gute Empfehlung zu geben. Genau dafür sind die Algorithmen ja da und genau das können sie halt auch viel schneller als wir. Es ist ähnlich wieder wie bei Evo, ähm so dass wir damit wirklich in der Lage sind, dir binnen weniger Minuten zu sagen, ist das ein guter Standort für dich oder nicht oder welcher der Standorte, die für dich infrage kommen, ist der beste? Und zwar ohne dass du halt irgendwie Geodatenexperte oder Immobilienentwicklungsexperte dafür sein musst, sondern du kannst dir einfach Presets raussuchen und direkt sagen: „Ja, ich will da ein Ladengeschäft aufmachen und zwar für, keine Ahnung, was Büroausstattung." Ja Und dann musst du gar nichts mehr machen, außer Enter klicken und kriegst die Ergebnisse. Du kannst dich aber auch ausgeeken, wenn du sagst: „Moment mal, ich will aber ganz genau bestimmen, was für mich die Kriterien für mein Büroausstattungsladengeschäft sind, dann kannst du in jede einzelne Variable reingehen und sagen: „Okay, die Bevölkerungsstruktur, die ist mir jetzt aber so und so wichtig und hiervon möchte ich bitte nichts in der Nähe haben. Bloß keinen Shoppingcenter vor der Tür und so weiter und maximal so und so viel Hebesatz auf die Steuer. Also du kannst in alle Details rein und tief dich im Maschinenraum austoben, ohne irgendwie programmieren zu müssen. Kannst du alles im normalen Frontend machen. Du kannst aber auch einfach sagen: „Ja, okay, ich will, keine Ahnung, Forschungszentrum. Gibt es ein Preset-Forschungszentrum? Das sieht vernünftig aus." Auswählen, klick, ab die Post und dann hast du irgendwie drei Minuten später dein Ergebnis. Das heißt, wenn ich über den Location Profiler, so heißt er, nichts Passendes finde, sollte ich lieber einen E-Commerce-Laden aufmachen, dass ich dann nicht beim Bürofachhändler bleibe. (lachen) Eine Frage zum Verständnis dessen, in der auch hier wieder ja doch durchaus komplexen Datentiefe und unterschiedlichen Anbindungen, die ihr letztendlich leisten müsst. Ist das ein System, was dann erst einmal nur in Anführungsstrichen auf dem deutschen Markt funktioniert oder rollt ihr so etwas international aus? Und ich kann mir theoretisch, auch wenn ich internationalisieren möchte, in Spanien anschauen, in welcher Stadt und wo genau ich gegebenenfalls für mich einen Ladenlokal eröffnen möchte. Du bist echt ein Formulierungsfuchs, weil das war wieder genau meine Antwort vor genommen: „Theoretisch kannst du es machen." (kichern) Praktisch. Also doch, aber nicht in der Tiefe. Wir starten mit dem deutschen Markt und generell auch DACH-Region schon gut angebunden, wirklich in einer sehr hohen Datentiefe, wo du dann wirklich von Kriminalitätsrate bis Steuerstruktur vor Ort, von Bildungsabschluss bis wie viel Wettbewerber sitzen da, alles, wirklich alles drin hast schon im System. Es kommt mit allen Daten und Datenkonnektoren schon fertig. Ahhh Du musst das nicht erst dazukaufen oder irgendwie reinentwickeln. Wir haben aber auch schon Kunden, die damit in Südeuropa, in Osteuropa etc. Standorte prüfen. Du kannst etliche Sachen daraus jetzt schon weltweit machen, nur nicht in der gleichen Tiefe wie jetzt für den deutschen Markt. Und wenn du jetzt zum Beispiel damit die Rumänien angucken willst, dann musst du paar zusätzliche Daten onboarden. Und das ist was, was im Moment in dem Release dann noch extra kostet, weil es dann noch zusätzlich an Daten reingekauft oder reingeholt werden muss. Es funktioniert aber trotzdem. Mit jedem weiteren Release werden wir das natürlich weiter ausrollen. Erst mal innerhalb ah der EU und mit Sicherheit irgendwann auch darüber hinaus. Wenn du jetzt aber heute sagst, dich treibt das total um in Südafrika, dann kriegen wir das auch hin, aber dann braucht das jetzt noch ein bisschen Customizing. Ja, stark. Kurze Memo an Christopf hinter der Kamera. Vielleicht finden wir damit ja noch spannende OMKB-Standorte international. Wer weiß? Coole Sache. Ähm Ehe wir uns noch mal ein bisschen intensiver über das Thema künstliche Intelligenz vielleicht diskutieren werden, uns auf jeden Fall dazu austauschen werden. Noch eine Sache, die ich ganz spannend finde oder die ich gerne erfahren möchte, weil wir haben in der OMKB-Community ja Marketingprofis, Vertriebsprofis, Entscheiderinnen und Entscheider dabei, aus teilweise großen mittelständischen Unternehmen, Konzernen, aber natürlich auch aus kleineren Unternehmen, gegebenenfalls in überschaubaren Marketingteams, zumindest vom Personencount her. Ähm Wenn wir uns auf Wenn wir uns deine Lösungen einmal anschauen, dann wirkt das natürlich erst einmal so, als wäre das alles ganz groß und ich muss mindestens großer Mittelständler sein, um da in irgendeiner Form sinnvolles Onboarding durchzuführen, auch wenn ihr ja in unterschiedliche Produkte unterteilt. Ähm Liege ich damit richtig, dass ihr eher unterwegs seid in euren Kundenzielgruppen, tatsächlich auch im gehobenen Mittelstand, vielleicht sogar im Konzernumfeld? Oder ist es eigentlich so, dass ich auch vielleicht als E-Commerceler mit euren Lösungen schon wunderbar starten kann, je nachdem, was ich dann machen möchte und was ich erreichen will? Das kannst du auf jeden Fall. Also perfekt zusammengefasst. Ahhh Es hängt davon ab, was du erreichen willst, was du mit machen willst. Wir haben bewusst unser Pricing so angelegt, dass es mit den Unternehmen gut wächst, weil viele, die meisten im Software-as-a-Service-Bereich, prizen entweder nach Seats, also wie viele Nutzer nutzen dein Tool oder nach Volumen, wie viel Daten pumpst du da durch?Wie viele Nutzer hat bei uns eigentlich gar keinen Einfluss und wie viele Daten pumpst du durch, hat nur einen sehr, sehr kleinen Einfluss. Wir preisen in erster Linie über Komplexität. Also in wie viele Produkte, in wie vielen Kanälen, für wie viele verschiedene Märkte willst du dir damit angucken? Ganz bewusst, damit eben es zugänglich ist für Unternehmen verschiedener Größe. Ist schon so, dass der Schwerpunkt unseres Umsatzes und unserer Kunden eben großer Mittelstand, Franchises, Konzerne sind, vor allem Unternehmen auch, die einen komplexen Marketing-Mix haben, mehrstufigen Vertrieb. Und du hast einfach nicht so viel kleine Mittelständler, die einen mehrstufigen Vertrieb haben und zig Marketing-Kanäle bespielen. Kommt auch vor, aber klassischerweise wächst halt die Komplexität mit der Größe des Unternehmens. Absolut. Wenn du startest, dann hast du in der Regel, dann fängst du mit einem Markt an, dann hast du in der Regel auch nicht gleich hunderttausend produkte und zig verschiedene zielgruppen und du bespielst auch nicht mit riesen budgets ganz viele verschiedene kanäle sondern du beginnst erst mal klein in der regel als kamu oder als mittelständler Und dann kosten unsere Produkte auch nur kleines Geld. Und wenn du dann sagst, jetzt geht es aber noch in den französischen Markt und jetzt hole ich da noch einen Außendienst rein und jetzt mache ich noch einen Webshop dazu und jetzt will ich aber auch noch hier TikTok, Snapchat, Pinterest und keine Ahnung, gehen die Rundfunkwerbung, dann wird es bei uns auch teurer, aber dann hast du ja auch viel mehr Budget, dass du da reinsteckst. Dann bist du auch schon größer. Und unser Ziel ist immer, dass die Kosten unserer Lösung in einem Verhältnis stehen zu deinem Marketing-und Vertriebsbudget und zu deinem Marketing-und Vertriebsumsatz, damit der ROI, den du mit unseren Lösungen, mit unserem System erzielst, immer gut ist. Wenn du weniger Geld ausgibst für Marketingvertrieb, dann darf das Tool nicht mehr kosten, als du raus optimieren kannst. Wenn du da drei Stellen Millionen Budgets hast und kannst damit im Bereich, keine Ahnung, fünfzehn, zwanzig, teilweise mehr Prozent Media-Effizienz raus optimieren, dann darf die Lösung auch was kosten, solange sie immer noch im guten Verhältnis steht zu dem, was du damit an Mehrumsatz erzielst oder am Budget einsparst. Maximal plausibel, würde ich sagen, in der Herangehensweise. Jan, vielen Dank, dass wir uns ausführlich über die Produkt eben und eure Herangehensweisen unterhalten konnten im Bereich eurer Produktlösungen insbesondere. Jetzt lasst uns einen Schritt weitergehen gerne, weil es ist ja super, einen KI-Fachmann letztendlich hier noch vor Ort zu haben bei der OMKB, weil, und das geht euch sicherlich auch so, künstliche Intelligenzen, analytische KI, generative KI haben das Arbeiten von vielen Kolleginnen und Kollegen, insbesondere im Marketing, aber auch weit darüber hinaus, doch sehr stark beeinflusst. Manche würden sagen, sogar disruptiert. Kommt immer natürlich darauf an, was man für einen persönlichen Zugang hat oder wie Unternehmen damit umgehen. Das ist sicherlich ganz unterschiedlich, aber du hast ja mehrfach durchblicken lassen, dass ihr auch im Bereich der künstlichen Intelligenz sehr fortgeschritten seid und das ein fester Bestandteil ist all eurer Lösungen. Und deswegen finde ich natürlich deine Perspektive total spannend auf die aktuellen Entwicklungen, insbesondere im digitalen Marketing, was auch häufig Kernthema ist hier bei der OMKB. Deswegen, wenn wir mal schauen auf die Rolle und den Einfluss von künstlicher Intelligenz auf die Zukunft des digitalen Marketing. Wie ist da deine Meinung dazu? Erst einmal ganz Big Picture-like gefragt: Was glaubst du, wie sich jetzt schon künstliche Intelligenz Einfluss verschafft im digitalen Marketing und wie könnte die Zukunft aussehen? Wir haben ja insofern lustigen Wandel erlebt, jetzt seit GPT gedroppt ist, dass KI vorher was war, was man lieber nicht so genannt hat, weil alle gleich Angst hatten vor dem bösen Roboter. Wir haben ja oder von der Komplexität und ich wusste, „No, Hilfe, kann ich ja gar nicht machen. Wir haben unser eigenes Language Model seit Ende zwanzig neunzehn, Anfang zwanzig zwanzig, bevor es cool war. Und da waren es echt noch Sachen, auch sonst Machine Learning gestützte Modellierung, noch länger. Das sind Sachen, da haben wir bewusst oft vorher gar nicht KI gesagt, weil die Leute bei KI gleich dachten: „Oh Gott, das ist viel zu teuer, und dann übernehmen die Maschinen die Herrschaften, da hatten die gleich Matrix oder iRobot oder sonst was vor Augen. Und kaum ist Chat GPT gedroppt, wird auf alles, auch auf viele Sachen, die gar nicht KI sind, KI draufgeschrieben, weil KI halt der heiße Scheiß ist. Leider ja. Häufig sind es ja nur Plug-ins oder ähnliches. Ja, oder halt klassisch regelbasiert. Und damit muss man immer so ein bisschen differenzieren, was ist eigentlich KI-Marketing und das geht mir gerade ein bisschen verloren, weil so wie es heute ist, setzen alle KI mit generativer KI gleich. Das ist so: Nutzt du KI, heißt, promtest du mit Journey, setzt du irgendwo ChatGPT ein. Es wurde schon in vielen Bereichen digitalen Marketing deutlich vorher KI eingesetzt, zum Beispiel im Programmatic Advertising, Real-Time-Bidding. Da sind häufig vorher auch schon Machine-Learning-Algorithmen dahinter, die besten Werbeslots oder die besten Werbezeitpunkte zu finden. Auch so was wie-Die jetzt noch mal deutlich besser geworden sein dürften. Ja, auch so was wie ein Media-Mix-Modelling haben wir zum Beispiel auch vorher schon natürlich mit Machine Learning gemacht. Language Models einzusetzen, gut, die hießen dann vorher, vielleicht waren es noch keine Language Models, dann waren es Word-Embedding-Verfahren, aber auch Textanalysen. Wenn du sagst, du machst Social Listening cool, du baust da nicht nur irgendeine billige Tech Cloud zusammen, sondern du willst wirklich gucken, über welche Themen die Leuten reden, du willst gute Sentiment-Modelle. Das sind alles Sachen, also ist das jetzt positiv, negativ, die Bewertung et cetera. Das sind alles Sachen, wo auch vorher schon KI im Einsatz waren. Das ist aber dann analytische KI.Und es ist, ähm, KI, ein Machine-Learning-gestütztes RPA, also Prozessautomatisierung, beispielsweise in der Werbemittelersch-- Konfiguration. Wie setzt du Bilder und Texte zusammen? Und in der Werbemittelbuchung. Mit generativer KI ist im Grunde nur was Neues dazugekommen, das aber andere Sachen nicht nur nicht ersetzt, sondern dafür auch gar nicht geeignet ist. Du kannst mit ChatGPT nicht vernünftig dir eine Werbestrategie machen oder ein Media-Mix-Modeling. Und du solltest damit auch nicht, äh, Freewheeling, ohne irgendwelche Regeln und Aufsicht, ähm, deine Werbemittel komplett durchbuchen lassen. Dafür ist der Zeug nicht gemacht. Das ist dafür gemacht, dass es Inhalte generiert, dass du sagst, du hast 'ne, 'nen Text, 'n Bild, 'ne Landingpage, vielleicht 'ne einfache App. Da kannst du die Generierung automatisieren und das ist geil. Und das kann gerade im Marketing natürlich wirklich viel Arbeit sparen, ähm, aber du musst es halt für das einsetzen, wofür es auch gedacht ist. So, wie du 'n Hammer halt nutzt, um 'n Nagel in die Wand zu hammern und nicht, um 'n Brett zu zersägen. Und das ist aus meiner Sicht das, wo wir heute jetzt echt, äh, in eine neue Phase von KI kommen, wo es nicht mehr den Punkt ist, nutzt du irgendwo KI-Algorithmen auch im Hintergrund, sondern wo du dir bewusst Gedanken machen musst, gerade im Marketing, welche Art von KI nutze ich für welches Problem und wie baue ich mir daraus 'ne Prozesskette? Wofür nutze ich analytische KI? Wofür nutze ich generative KI? Wo, was automatisiere ich mit RPA durch, weil du dich echt in die Nesseln setzt, wenn du das Zeug durcheinanderbringst. Analytische KI wird dir analysieren, was 'n geilen Werbeslogan ausmacht, aber es wird dir keinen geilen Werbeslogan texten. Generative KI wird dir vielleicht den geilen Werbeslogan texten, aber es wird dir nie eine Wahrheit vermitteln. Vielleicht sagt's dir zufällig 'ne richtige Information, aber wenn du sagst, analysier mir die besten Strategien mit ChatGPT da, da reiße ich mir das spärliche (...) Du wirst eine Antwort finden und dann hoffen wir mal, dass diejenigen, die das versuchen, das voneinander unterscheiden können, wenn die Antwortqualität auch Sinn macht oder nicht. Weil das ist ja, das ja-- Ich will nicht sagen, ein Problem, aber wenn wir auf die generative KI schauen, ist spätestens seit ChatGPT natürlich die Einstiegsbarriere enorm gesunken. Ja, der ist so super easy. Das ist auch natürlich echt sehr cool. Typisch US-Plattform. Total cool. Du machst es extrem einfach- -und extrem intransparent. (lacht leise) GPT-4 hat mittlerweile sicherlich auch ein Sprachniveau erreicht, mit dem sich anständig arbeiten lässt, bis auf die eine oder andere Ausnahme. Jetzt kommen wir in die ganz spannende Zeit der Plugin-Entwicklung auf GPT und wir können schauen, was, ob da 'n neues Ökosystem wächst, gegebenenfalls auch in Funktion, aber es bleibt ja, die Eintrittsbarriere ist extrem gering. Ich glaube auch, dass wir uns, aus meine persönliche Perspektive, nicht sehr lange über Prompting-Technologien mehr unterhalten werden, sondern sich das auch durch die Entwicklung eben der KI, gegebenenfalls sind weiter simplifiziert. Und da kommt analytische KI wieder rein, weil- Das wäre meine Frage jetzt. -du willst ja am Ende, dass ChatGPT dir den richtigen Slogan oder die richtige Landingpage baut. Du willst, dass Midjourney dir das richtige Bild baut oder DALL-E oder was auch immer du einsetzt. Und dafür musst du ja, so wie du eine Agentur oder einen Marketingmitarbeiter briefst, wo du ja auch sagst, das und das wollen wir erreichen, das sind die Zielgruppen, das funktioniert, das nicht, bitte folgende Keywords nutzen. Ähm, diese Argumente wissen wir schon, triggern wirklich unsere Zielgruppen, sodass die verstehen, dass es für sie relevant ist. All das hattest du klassisch in 'nem Briefing drin. So was muss auch in 'nen guten Prompt, damit das Ergebnis nicht nur eloquent klingt, sondern auch tatsächlich am Ende für dich performt, so wie es performen soll. Und da hast du zum Beispiel schon so 'ne Signalkette in, für KI-gestütztes Marketing, wo du sagst, du nutzt analytische KI, zum Beispiel unsere Lösung, um zu ermitteln, was sind denn die Themen, die meine Kunden wirklich umtreiben? Was finden die an dem Produkt geil? Wie erkennen die, dass es für sie relevant ist? Aber auch, welche Kanäle, welche Formate funktionieren bei denen? Und dann kannst du aus der analytischen KI entsprechend 'n Prompt generieren für GPT, dass dir schon direkt sagt, mit folgenden Argumenten und am besten noch den Keywords bitte was erstellen, und zwar für dieses Format. Das soll, keine Ahnung, 'n Reel bei Instagram werden. Dann hast du 'n präzisen Prompt und dann kriegst du auch daraus was, was im Zweifel deutlich besser passt, als wenn du einfach nur dann 'n fluffigen Dialog mit GPT aus irgendeinem Cheatsheet führst, wo irgendjemand bei LinkedIn gesagt hat, so kannst du am besten GPT-prompten. Das heißt, Prompts bleiben natürlich wichtig, aber in einer anderen Logik. Wenn wir davon ausgehen, generative KI... Gut, jetzt hast du natürlich noch 'ne Differenzierung zwischen Unternehmen oder Selbstständige, die machen's, andere Unternehmen, die vielleicht 'n bisschen vorsichtiger sind, andere Hürden haben, intern auch in der Struktur. Da kann's im Moment natürlich noch Geschwindigkeitsunterschiede geben. Gehen wir mal davon aus, dass sich das nivellieren wird und generative KI eben in einem Großteil der Unternehmen eingesetzt werden dürfte. Dann sagst du, dann entstehen eigentlich die Vorteile für mich als Unternehmer, als Marketeer, wenn ich in der Lage bin, sinnvoll analytische KI mit generativer KI zu verbinden, sodass die analytische KI quasi evidenzbasiert aufzeigt, was hab ich hier eigentlich für 'ne Datenmenge und was hab ich letztendlich für eine Schlussfolgerung, die ich ziehen kann, dass die generative KI mir das Ergebnis tatsächlich bringt, was wahrscheinlich auch mir persönlich gefällt, das hilft ja im Marketing, und B, aber auch gut funktionieren wird. Ist das, ist das- Genau, also in beide Richtungen. Zum einen, dass analytische KI wirklich generative KI brieft und das kann man auch automatisieren, dass man es gar nicht mehr manuell prompten muss. Was wirklich eben, äh, wir haben die ersten Fälle damit grade. Okay, cool. Also die ersten Kunden bauen jetzt solche Systeme tatsächlich. Mhm.Dass aus der analytischen KI dann eben wirklich so was kommt, wie welche Themen, welche Produkte, welche Argumente, welche Keywords, welche Formate, mit denen man dann generative KI prompten kann, damit sie dafür was erstellt und dann nach hinten raus, wenn das geschaltet ist, sei es manuell oder über RPA automatisch, analytische KI, Evo Optimizer, auch wieder misst. Was bringt mir das denn? Weil du dann daraus auch wieder sehen kannst, ist jetzt das Werbemittel wirklich gut gewesen? Hat das den erhofften ROI gebracht? Und wenn nicht, kann die analytische KI wieder aufdröseln, woran lag es denn vermutlich und daraus auch wieder den Prompt Refine sagen, guck mal, jetzt aber bitte hier nachsteuern, so wie du es vorher eigentlich ja manuell auch gemacht hast. Wenn du es gut gemacht hast, hast du ein vernünftiges Briefing gemacht, dich dann mit der Agentur oder deinem Inhouse Staff hingesetzt, die sind kreativ geworden. Dann hast du es geschaltet und dann hast du ausgewertet, war das jetzt wirklich geil oder wirkte das nur aus der Innensicht geil und hast daraus gelernt. Und den Prozess kann man, wenn man diese drei Arten KI, analytische KI, generative KI und RPA sinnvoll zusammenschaltet, automatisieren. Ich würde aber immer noch davon abraten, ihn komplett zu automatisieren. Das sollte immer noch an jedem Schritt ein Quality Gate sein, wo ein Mensch draufschaut und sagt: „Ist das jetzt wirklich im Sinne unseres Brands? Weil die KI da ja stumpf ist, egal ob analytisch oder generative. Die sieht, da ist eine Chance im Markt. Die sieht, ja, das funktioniert. Aber als Unternehmer will ich im Zweifel sagen: „Hey, die Chance ist vielleicht attraktiv, aber die will ich gar nicht nutzen, weil in dieser Nische möchte ich mich nicht positionieren oder so eine Aussage, die möchte ich nicht tätigen. Das wäre nicht authentisch oder da stehe ich nicht dahinter. Und diese Kontrolle, die will ich ja als Brand oder als Unternehmer nicht abgeben. Das heißt, ich kann mir viel Fußarbeit automatisieren, aber ich kann nur davon abraten, zu sagen: „Ey, geil, wir feuern Agenturen und Marketingabfüllung, wir automatisieren jetzt alles, kümmern uns nicht mehr darum. Wir sehen dann ja, ob die Umsätze hochgehen. Ja, das wird funktionieren, aber es kann eine Marke am Ende auch sehr beliebig machen. Das kann massive Probleme auch verursachen, natürlich je nachdem, wie ich mit meiner Marke umgehen möchte und was zu mir passt. Das glaube ich. Das ist aber natürlich spannend, gerade wenn ich so an AB-Test-Szenarien denke und diese volle Automatisierungsmöglichkeit mir überlegt, was das eigentlich für einen Arbeitsaufwand sonst bedeutet. Gerade in der Kreationserstellung, in der Auswertung, bis hin dann wieder zur Kreationserstellung, ist das natürlich eine Beschleunigung um Längen, die du da aufzeigst. Genau das ist das, was KIO wirklich gut kann. Also nicht irgendwie der bessere Mensch sein oder irgendwelche völlig revolutionären neuen Sachen hier in unsere Welt bringen, zumindest bisher nicht, sondern was sie kann, ist einfach, Effizienz und Geschwindigkeit gigantisch nach oben treiben. Du sagst aber auch, und das finde ich schön, mich beruhigt das vielleicht ein Stück weit, zumindest dass der Mensch als Stakeholder in diesem Prozess allein aus dem Brand Fitter heraus, aus der Überprüfung einer Entscheidungslogik, weit dahin der Pilot in diesem Bild bleibt. Das gibt einem das schöne Bild, dass die KI zum immer besseren Co-Piloten wird und mich dabei unterstützt, meine Aufgaben natürlich möglichst effizient und outputorientiert zu lösen. Und der eine oder andere stellt sich auch natürlich die Frage: Wie lange bin ich denn noch Pilot und wann wechselt denn gegebenenfalls dieses Bild vom Co-Piloten zum Piloten? Denkst du, dass das im Moment ein relevanter Zwischenschritt ist, natürlich, diese Logiküberprüfung vornehmen zu lassen, das ganze System natürlich auch so aufzusetzen, das für ein Unternehmen funktioniert? Oder glaubst du auch, dass solche Dinge wie Brand Fitness beispielsweise in einigen Quartalen oder sogar vielleicht einigen Jahren durch passendes Training von entsprechenden Datensätzen dann auch vollständig autark übernommen werden können? Das kann es im Zweifel heute schon enthalten. In Teilen. Unser Themennavigator zum Beispiel kann heute schon Language Model basiert genau sehen, wie sind Brands positioniert? Wie passt das auch zu der mentalen Landkarte, zur emotionalen Landkarte der Zielgruppen? Wo sind da Chancen? Und deswegen heißt das Ding ja Navigator. Das kann dich sogar da hinter beginnen und sagen: „Wie müsstest du dich jetzt positionieren? Wie müsstest du argumentieren, diese Chance zu nutzen? Also solche Sachen lassen sich prinzipiell automatisieren. Trotzdem bin ich der Meinung, das wird auch in einer weiteren Zukunft nie sinnvoll komplett automatisiert werden, außer vielleicht für solche ziemlich brandunabhängigen Knock-off-Massencases. Wenn ich mir irgendwie so ein Drop-Shipping-Business aufbaue, das eh einfach nur über Volumen läuft und ich brauche dafür halt irgendeine Marke und irgendeine Webseite und so weiter. Da investiere ich ja eh nicht groß rein. Da geht es auch nicht Authentizität, da kann ich dann gut automatisieren. Da wird wahrscheinlich dann keine Agentur oder kein Marketingmitarbeiter mehr im Loop sein. Aber wenn ich eine Marke habe, die wirklich als Brand präsent sein soll, wenn ich auch einen Mark und Business habe, das von Kundeninteraktionen lebt, das irgendwo so ein bisschen Love Brand sein will oder das auf Loyalty wirklich geht, dann muss das authentisch sein und wir Menschen sind nun mal soziale Viecher. Wir wollen mit Menschen zu tun haben. Wir wollen auch Ecken und Kanten spüren und KI kann Authentizität immer nur simulieren und orientiert sich immer an großen Datenmengen. Also guckt, was machen die vielen? Und damit werde ich nie was tun, was sonst keiner macht. Und zu sagen, das ist eine Type, der kann einem auch hart nerven, aber ist echt eine Type. Genau an sowas kristallisiert sich ja Authentizität. Genau daran entstehen auch wirklich geile neue Brands. KI wäre bestimmt nicht mit Steve Jobs oder mit einem Apple-Logo oder so die Ecke gekommen oder würde hier die crazy und oft grenzwertigen Nummern abziehen, die ein Ellen Mask macht. Aber genau deswegen sind solche Leute oder Brands ja auch strahlkräftig da. Die einen hassen sie deswegen, die anderen lieben sie deswegen. Und so was ist Menschendomäne. Auch im Kundenservice sind viele Unternehmen ja jetzt schon nicht gut gefahren, alles zu automatisieren, auch da, wo es ging, weil selbst wenn die Prozesse damit vielleicht schneller und smoother laufen.Aber sind die Kunden sehr lauwarm, wenn sie nur noch mit Bots zu tun haben, weil sie einfach diese Wertschätzung auch haben wollen, mit einem echten Menschen zumindest auch mal zu sprechen, wo du auch da sagst, wenn deine Kundenbeziehungen wirklich wichtig sind für dich, dann kannst du natürlich viel Self-Service anbieten, solltest du auch tun, der Effizienz halber, der Geschwindigkeit halber. Aber du musst immer noch auch ganz klar überlegen, wo gibst du deinem Kunden noch echte Menschen, damit du auch nicht die Empathie für deine Zielgruppe verlierst und die Glaubwürdigkeit auch behältst, dass du sagst, ja, das ist Teil unserer Peer Group, die gehören irgendwie dazu. Wenn du das verlierst, dann wirst du auch austauschbar und dann geht natürlich auch die die Kunden-und Brand-Loyalty nach unten. Das heißt, wir bleiben für das Besondere, für das Emotionale und auch das gern Streitbare in irgendeiner Form verantwortlich. Das ist das Differenziert ähm und das, was letztendlich von KI ja Gott sei Dank bis 200. Wir bleiben auch in der Verantwortung verantwortlich. Ja, das ist auch. Also ich meine, da ist ja auch ein Punkt Recht, Compliance. Irgendjemand muss immer seine Rübe hinhalten und das wird schon allein aufgrund unseres Rechtssystems immer ein Mensch sein, was dann echt ein Punkt auch ist, der sehr stark für explainable AI spricht und für einen Menschen in der Pipeline, weil wenn ich als CMO irgendwo im Zweifel vor dem Aufsichtsrat, vor dem Vorstand, vor dem TÜV, vor dem Gericht, da meinen Kopf für hinhalten muss, dann will ich aber auch wissen, was die Algorithmen da machen, sicherstellen, dass das in meinem Sinn ist und sicherstellen, dass ich überhaupt nachvollziehen kann, was die tun. Und das ist ein Riesenthema, zum Beispiel bei den ganzen US-Plattformlösungen. Das sind alles Black Boxes. Also warum jetzt eine Open-AI-Lösung das tut, was sie da tut, wird mir keiner sagen. Nicht mal die Entwickler, die jetzt ... Oder „Entwickler". Du musst ja nicht Entwickler sein. Es kann ja jeder durch ein bisschen Prompting was entwickeln für den Chat-GPT oder GPT-Marketplace. Nicht mal die, die da irgendeine Lösung entwickeln und verkaufen, wissen ja eigentlich, warum die funktioniert. Wenn die jetzt irgendwie nicht funktioniert und du hast ein Produkthaftungsthema, in der Position möchte ich nicht sein. Und das wird aus meiner Sicht ein Riesenthema. Deswegen werden, je mehr wir automatisieren, je mehr wir da den Menschen rausnehmen und andersherum sagen, der Mensch soll gerade für Verantwortung, Strategie, Authentizität und so weiter stehen, desto mehr werden wir auch darauf achten müssen, dass wir der KI beibringen, Rechenschaft abzulegen, zu sagen: „Warum mache ich das denn jetzt eigentlich? Schauen wir mal auf die unternehmenspraktischen Anwendungen von KI und die Investitionsbereitschaft, insbesondere auch von Unternehmen, sich mit dem Thema auseinanderzusetzen. Da sind wir beide wahrscheinlich eher Vertreter, die sagen: „Natürlich solltet ihr in dem Bereich euch Leitlinien verschreiben und überlegen, wie und in welcher Form ihr strukturiert das Thema mit in den Eingriff nehmen könnt. Aber es gehört natürlich auch zum Teil der Unternehmer und Unternehmenswahrheit mit dazu, dass viele Companies ganz unterschiedlichen Ursprungs und unterschiedlichen Fokus mit schwierigen wirtschaftlichen Rahmenbedingungen konfrontiert werden, auch im Jahr 2024. Wir erwarten weiter ein Krisenjahr, muss man sagen, das nächste Krisenjahr gegebenenfalls auch, zum Bespiel Blick auf die deutsche wirtschaftliche Entwicklung und auch die internationalen Themen, mit denen wir natürlich zu tun haben, die ihr alle kennt. Ähm Wenn du so drauf schaust, auch auf die schwierige wirtschaftliche Lage aktuell und auch die Perspektive nach vorne, ähm warum sollten sich Unternehmen dennoch oder dafür entscheiden, in KI zu investieren? Und braucht es denn, weil das ist ja eine Frage, die ich mich in der Situation sicherlich besonders stelle: Was sind die Faktoren, die dafür sorgen, dass sich so eine Investition auch möglichst schnell auszahlen kann? Das ist ja auch enorm wichtig, dass ich nicht heute investieren möchte und sage: „Ja, vielleicht bringt mir das in zwei oder drei Jahren eine Effizienzverbesserung um 3% in irgendeinen bestimmten Bereich. Was sagst du den Leuten, die sagen: „Boah, fällt mir schwer da, jetzt Geld in die Hand zu nehmen? Genau jetzt sollte man erst recht mit Hirn Geld in KI investieren, weil es gerade in der Krise kurzfristig gut helfen kann, wenn man es mit Sinn und Verstand einsetzt, weil wie wir es jetzt heute schon ein paar Mal davon hatten, was sind die eigentlichen Superkräfte von einer Automatisierung mit KI? Deine Geschwindigkeit steigt, deine Präzision steigt, deine Effizienz steigt. All das, was Unternehmen in der Krise brauchen. Wenn sich der Markt sehr schnell ändert und du kannst schneller reagieren, weil du bessere Prognosen hast, sparst du dir sehr teure Fehlallokationen. Wenn du effizienter bist in deinen Prozessen, mit dem eingesetzten Media-Budget zum Beispiel mehr ROI rausholst, dann machst du unmittelbar mit dem gleichen Budget mehr Umsatz oder denselben Umsatz mit weniger Budget. Ähm Und die Präzision ist eben auch echt noch mal ein Thema. Wenn das Budget knapper wird, dann kannst du dir weniger Fehler leisten. Wenn du vorher sicherstellst, du bellst nicht den falschen Baum an und du lernst auch schneller aus Fehlern automatisch, dann äh bist du nicht nur schneller und effizienter insgesamt unterwegs, sondern du hast auch einfach eine steilere Lernkurve und kriegst damit deine Kostenstruktur besser. Und das sind genau die Themen, die man in der Krise noch mehr braucht als unter positiven Umständen, wo es sich gerade große Unternehmen auch eher mal leisten, ein bisschen Budget auch mal zum Fenster rauszuschmeißen. Das heißt aber auch, man muss mit ganz konkreten Vorstellungen und Aufgaben an Karriere rangehen, zu sagen: „Wir machen irgendwas mit KI, ist genauso dämlich, ehrlich gesagt, wie in den 10er-Jahren oder späten 90er-Jahren. „wir machen irgendwas mit Social Media oder in den späten 90ern, wir machen irgendwas mit Internet. Äh Gerade wenn die Lage nicht mehr so komfortabel ist, muss man sich wirklich überlegen: „Welche Probleme treiben uns gerade die was zu tun haben oder die wir lösen könnten mit mehr besseren Prognosen, mehr Präzision, mehr Effizienz. Und die sich rauszunehmen und zu sagen: „Ich.Wie können wir KI einsetzen, hier zu helfen, hier zu automatisieren und da präzise ranzugehen? Da kriegt man wirklich in kurzer Zeit, oft binnen weniger Monate, einen guten ROI drauf. Und da muss man auch nicht zwangsläufig erst mal jahrelange gigantische Projekte für machen, weil man schnell-Nicht mehr. Und präzise rangehen kann. Eben gerade dadurch ist es alles Microservices, modularisiert Frameworks. Wir müssen nicht mehr alles von null an entwickeln. Es setzt aber halt wirklich voraus, dass das Unternehmen aus dieser Stage „Wir machen irgendwas mit KI, damit wir dem Aufsichtsrat sagen können, „Wir machen irgendwas mit KI, an den Punkt kommen, wo wir sagen: „Wir haben ein konkretes Problem. Kann man das mit KI lösen? Ja, nein. Wenn ja, welche Art von KI brauchen wir dafür? Und das ist natürlich was, wo auch die KI-Anbieter gefragt sind, da ehrlich zu sein, zu sagen: „Was können wir, was können wir nicht und wo auch Agenturen und Beratungen sich fit machen müssen, ihren Kunden die richtigen Empfehlungen zu geben. Sollten sie, absolut. Aber du sagst ganz klar, Führungsaufgabe in den Unternehmen, da muss die Motivation herkommen, sich mit dem Thema KI auseinanderzusetzen, dort klare Strukturen zu schaffen und Herangehensweisen, damit man einen effizienten Einführungsprozess hat. Und dazu sagen, wir warten, bis uns wieder besser geht. Das wäre in zwei Hinsichten extrem dämlich, weil gerade wenn es einem wirtschaftlich nicht so gut geht, dann ist es umso wichtiger, Präzision und Effizienz und Geschwindigkeit rauszuholen, weil das hilft, dass es einem schneller wieder besser geht. Und auf der anderen Seite, was man jetzt verpasst, wird in anderen Ländern – das gehört ja auch zur Wahrheit – Deutschland ist im Moment das einzige Land, das hier wirklich in der Rezession hängt in der OECD. Den meisten geht es besser. Da wird dann im Zweifel mehr investiert und die investieren in KI, die investieren in bessere Prozesse. Wenn wir hier jetzt ein paar Jahre irgendwie verpemmeln, in denen wir das nicht tun, weil wir unsere Wunden lecken, dann sind wir danach abgehängt. Du bist Unternehmer in einem innovativen Segment. Darüber sprechen wir gerade und das hat auch Innovationsgeist und Lust auf Innovation hat immer etwas natürlich a) mit Mut zu tun, aber auch mit Strukturen, die man schaffen kann. Jetzt seid ihr noch ein recht junges Unternehmen, natürlich nicht mehr ganz am Anfang eurer Reise. Davon seid ihr weit entfernt und insbesondere seid ihr aber ja auch bekannt geworden durch die zahlreichen Innovationspreise, die ihr erhaltet. In Europa, DACH-Region, aber auch weltweit, habe ich gelesen, werdet ihr ausgezeichnet mittlerweile für eure Aktivitäten. Erzähl doch mal, Januar, was ist deine persönliche Perspektive oder auch dein persönlicher Anteil daran? Wie schafft ihr das denn konkret, in dem Markt, in dem im Moment sehr viel Ressourcen allokiert werden, von vielen Tech Companies, viele Ideen entstehen? Wie schafft ihr das, an der Spitze der Innovation zu bleiben oder mindestens dazu zu gehören? Ich denke, das sind drei Dinge. Wir haben auf der einen Seite einen ganz krassen Kunden-und Problemfokus. Auf der anderen Seite haben wir ein interdisziplinäres Team und drittens haben wir, das klingt jetzt immer so hochgestochen beratermäßig, aber ist so holokratische Strukturen. Das heißt, wir haben eine ganz andere Art, das Unternehmen zu organisieren. Sehr bottom-up, fast hierarchiefrei, mit sehr viel Freiheiten. Und das spielt zusammen und hebt uns von den großen Tech-Giganten ab. Also erstens bist du oft als kleines Unternehmen, wenn du weißt, wohin du willst, schneller als die großen Tanker. Das ist im Tech-Bereich auch nicht anders, weil die ganz andere organisationelle Track mit sich herumschleppen, auch in Google oder IBM oder so. Das sind ja längst riesige Konzerne mit allen Problemen, die mit riesigen Konzernen kommen. Vor allem aber werden Tech-Unternehmen normalerweise aus der Technologie geführt. Da sitzen Ingenieure, Entwickler und so weiter und überlegen sich: „Was können wir für Features bauen? Geile Features. Jetzt können wir noch dies, jetzt können wir noch das, dann wird das Produkt an den Markt gebracht und dann schaut man, wie gehen die Leute damit Ich übertreibe ein bisschen, aber es ist tendenziell schon so. Dadurch, dass ich als Founder eben nicht aus der Tech komme, sondern aus der Anwendung und wir auch etliche andere Marketing, Vertriebs, Business Modeling Experten bei uns haben, kommen wir immer vom Problem des Kunden. Wir laufen durch die Gegend und sagen: „Wo sind Probleme, ganz konkrete Entscheidungsprobleme, die wir in Unternehmen lösen können in der Marktbearbeitung und die kein anderer gut löst? Und das Problem rum, entwickeln wir unsere Produkte und unsere Technologie. Das heißt, als Tech-Unternehmen sehen wir Technologie trotzdem immer nur als Mittel zum Zweck, als dienstbaren Geist und sind damit sehr spitz auf Problemlösungen aus. Und das ist was, das kommt in der Techbranche oft zu kurz. Da hast du Tools, die sehen geil aus, die haben lauter Features, die sehen auch richtig cool aus, aber die benutzt du nie. Die Features, die du gerne hättest, sind nicht drin, weil keiner rechtzeitig mit dem User geredet hat. Das klingt so banal, aber es macht echt was aus. Und dabei hilft es halt auch, dass wir sehr interdisziplinär sind. Wir haben wirklich die Geoinformationsleute, wir haben die Business Modeler, wir haben die Full Stack Entwickler, wir haben die Marketingexperten, die Vertriebler, Wirtschaftswissenschaftler und wir sitzen wirklich alle zusammen gleichberechtigt einen Tisch. Das ist nicht so: „Oh, halts Maul, du bist kein Entwickler, du darfst dazu nichts sagen. Oder beim Entwickler: „Nein, warum willst du mir jetzt ins Marketing reinreden? Du bist doch Entwickler. Und wenn verschiedene Perspektiven zusammenkommen auf ein klares gemeinsames Ziel, dann kriegst du einfach aus solchen diversen Teams häufiger auch bessere, kreativere Problemlösungen, wenn du die Leute machen lässt. Und das ist halt der dritte Punkt. Jeder bei uns darf arbeiten, wann er will, wie er will, mit welchem Gier, dass er will, in seinem eigenen Rhythmus, ob zu Hause, Büro, wie auch immer, solange das Ziel klar ist und solange das, was du versprichst, auch eingehalten wird. Wenn du sagst, das nehme ich mir und das mache ich bis Donnerstag, dann solltest du so bitte bis Donnerstag machen. Aber du kannst dich selber steuern. Die Teams können sich selber organisieren und wenn du was Geiles machst, stehst du damit auch vor dem Kunden, selbst wenn du am Ende vielleicht nur der Praktikant bist oder irgendwie gerade frisch aus der Uni raus. Und das sind auch Dinge, die sind jetzt ja eigentlich nicht tech-spezifisch oder die könnte man nicht in keinem anderen Unternehmen machen. Die haben wir auch nicht erfunden, aber viele Unternehmen leben das so nicht. Und wenn du das aber so lebst, gerade in der Kombination mit starker Problemorientierung, ist völlig klar, welches Problem wir lösen wollen und mit einem interdiszipliniellen Team, dann greift das richtig schön ineinander.Ja, vielen Dank für den Einblick bei euch. Jan, jetzt biegen wir so langsam auf die Zielgerade ein unseres heutigen Podcasts, aber ich möchte das Thema künstliche Intelligenz nicht ganz verlassen, ohne dass wir uns einmal das Thema Regulierung ähm angesprochen haben, uns kurz drüber unterhalten haben. Gerade wurde der European AI Act beschlossen. Man kann es ja so weit sagen, die erste KI-Regulierung der Welt. Zumindest die EU ist da ja in dem Bereich sehr fortschrittlich, je nachdem. Ich bin auf deine Perspektive gespannt. Was sagst du? Ist es ein USP-Mate in Europa oder ist es eher ein Thema, wo du das Gefühl hast, das geht eigentlich an der Wahrheit und dem Entwicklungsgedanken von KI vorbei? Wie ist deine Perspektive darum? Ich find's persönlich grundsätzlich super positiv. Ähm Natürlich auch aus meiner Perspektive als Geschäftsführer von 'nem Unternehmen, das analytische KI macht, das explainable AI macht, weil uns das 'n riesen Rückenwind gibt. Also ich hab da natürlich auch, ich hab was davon. Deswegen muss ich's ja gut finden. Aber wenn ich versuche, davon 'n Stück zurückzutreten und zu sagen, ich tu mal so, als wär ich nicht Geschäftsführer von Hase und Igel, würd ich's trotzdem gut finden, weil der AI Act ein ganz wichtiges Thema angeht, nämlich wel-welche Daten werden eigentlich genutzt, KI zu entwickeln? Wem gehören die? Und andersrum, was muss KI an Rechenschaftspflicht bieten können, damit es nicht unser Wirtschaftssystem sprengt und nicht unser Rechtssystem sprengt. Und das sind Themen, wenn wir die nicht regeln, werden sie uns irgendwann um die Ohren fliegen. Und da kann man eigentlich auch als KI-Nutzer eh nicht, aber auch als KI-Anbieter kein Interesse dran haben, weil dann heißt's irgendwann, boah, Scheiße, KI. Das haben wir alles mal probiert, das war totaler Mist. (lacht) Dann standen wir nur noch vor Gericht und überall, wir haben die Technik investiert und dann hat die nicht mehr funktioniert und keiner wusste, warum die nicht funktioniert. Dann mussten wir alles wieder abschalten, konnten die Kosten nur noch abschreiben. Ja. Das will ja auch keiner, insofern zu sagen, wir packen das ordentlich an. Wir stellen das auf ordentliche Beine, auf welchen Daten wir das eigentlich trainieren, was davon wie transparent sein muss und wie man das auch nachhalten muss, wenn mal irgendwas schiefläuft, kann eigentlich nur in jedermanns Interesse sein. Und da seh ich echt eine Chance für Europa, weil das, was ist, was die Amerikaner und die Chinesen und die Koreaner so nicht aufm Schirm haben, das ist alles Blackbox. Das sind geile Lösungen, die herkommen, aber es sind immer Blackboxes. Du weißt, selbst die Anbieter selbst wissen nicht, warum tut das System das, was es tut. Und wenn irgendwas schiefgeht, weißt du oft nicht, weshalb eigentlich. Das kann schnell zu uncoolen Ergebnissen führen. Es hat aber natürlich auch andersrum seine Stärken. In diesem Game sind aber die Amerikaner, die Chinesen, teilweise auch die Koreaner so weit vorne. Ich bin überzeugt davon, egal wie viel Geld wir in irgendwelche nationale Champions wie Aleph Alpha oder so investieren, wir werden hier nie OpenAI in seinem eigenen Game schlagen. Wir werden nie die bessere Blackbox Plattform KI machen in Europa. Dafür sind wir zu abgehängt. Wir können aber in diesem Bereich KI, auf die du dich verlassen kannst, die dir erklärt, warum sie das tut, was sie tut, die überprüfbar ist, da können wir eine Nische besetzen, die international so noch keiner wirklich besetzt hat. Und das ist ja auch das, was wir von H-Hase und Igel aus von Anfang an gemacht haben, wo wir gesagt haben, wir wollen, dass es explainable ist. Wir wollen, dass es rechenschaftspflichtig ist und nachvollziehbar. Ähm Und das ist was, das wird man auch in Amerika und China brauchen, wenn's wirklich drauf ankommt. Wenn ich jetzt sag, ich investier hier hundert Millionen Euro und muss das vor irgendwelchen Gremien rechtfertigen oder ich hab irgend 'n Produkt, wo ich in der Produkthaftung bin und das vielleicht noch TÜV-zertifiziert werden muss, dann wird, da bin ich überzeugt von, künftig die Anforderung sein, die KI muss explainable sein. Ich muss die Datengrundlage offenlegen können oder auditieren lassen können von jemand neutralen Dritten. Ich muss, wenn's gut läuft, aber auch wenn's schlecht läuft, erklären können, warum hat das System diese Empfehlung gegeben. Und wenn wir sagen, das ist die Domäne von Europa, dann haben wir für uns wirklich 'n Stück von dem KI-Kuchen geclaimt mit 'ner rechtlichen Rahmenbedingung und dann auch einer Förderlandschaft, die das auch ermöglicht. Okay. Also du sagst, ganz simplifiziert, 'n guter kluger Schachzug, der auch gut zu uns passt, zur EU passt, aber auch zum deutschen Markt passt, aber auch zu euren Herangehensweisen. Er ist natürlich wie immer alles, was die EU macht und alles was die in Deutschland machen, zu bürokratisch. Das ist viel hassle, das es mit sich bringt für die Unternehmen auch unnötig viel Kosten und das ist ärgerlich, das wird hoffentlich noch etwas rund geschliffen und dann auch im Betrieb verbessert. Das Gleiche hatten wir ja bei der DSGVO oder GDPR. Da gab's ja auch eine gewisse Lernkurve. Trotzdem, auch da haben im Vorhinein viele gesagt, Weltuntergang. Im Nachhinein sagt man, ist eigentlich gut, dass wir die haben. Ja. Jan, jetzt sind wir fast am Ende unseres Podcasts angekommen, aber ich möchte dir oder auch euch, liebe OMKB Community, noch die Möglichkeit geben. Jan, du hast hier einige Marketingprofis vor dem Bildschirm sitzen, Vertriebsprofis, Geschäftsführer, aber hauptsächlich natürlich Menschen, die sich mit Marketingthemen auseinandersetzen. Zum Schluss des Podcasts heute, dein Tipp im Umgang mit KI, generativ wie analytisch für unsere Marketingexperten, die dir, die uns jetzt zugehört haben, die letzten sechzig Minuten. Was wäre dein Schlussstatement für die Leute? Wie würdest du heute Marketingstrategien mithilfe von KI verbessern? Marketingstrategien auf jeden Fall mit analytischer KI, indem ich analytische KI als Navigationssystem nutze. Nicht zu sagen, da ist kein Mensch mehr in der Pipeline. Ich will meine schlausten Leute, die sich eine Strategie überlegen, aber analytische KI ist 'n Navigationssystem, das dir hilft, dabei ans Ziel zu kommen aufm effizientesten Weg. Wenn du dann über Strategie rausdenkst, kannst du generative KI natürlich gut nutzen mit dem richtigen Briefing oder Prompt, um dir in der Erstellung von Werbemitteln Zeit zu sparen und Ideen zu holen und RPA nach hinten, eben in so was wie Real Time Bidding Programmatic et cetera, aber auch dynamische Webseiten, dynamische Shops, die Sachen noch mal effizienter, intelligenter auszuspielen. Das sind so die drei Arten, die ich im Moment seh. Ähm Anfangen tut das aber für mich wirklich äh mit genau dem Thema Strategie, was wollen wir überhaupt erreichen und wie wissen wir, wann wir das erreicht haben? Denn nur damit kann ich die Prozesse dahinter, Werbemittelerstellung oder Mediaausspielung et cetera vernünftig steuern und vernünftig bewerten. Als Unternehmer oder Marketer sollte ich deswegen eben wirklich meinen klassischen Prozess behalten und eben auf KI übersetzen, ne. Strategie, Kreation, Media, Auswertung und mir bewusst sein, da brauche ich unterschiedliche KI-Systeme für, die sinnvoll zusammenspielen müssen. Fantastisches Schlusswort, wie ich finde. Lieber Jan, ganz herzlichen Dank, dass du heute hier unser Gast gewesen bist in unserem, wie ich finde, ganz coolen, brandneuen Studio der OMKW. Mir hat's echt viel Spaß gemacht, hier wieder einiges gelernt und fand's ja total spannend, innovativ, dir auch zuzuhören heute. Ich hoffe, euch hat's auch gefallen und ihr konntet Mehrwert ziehen aus unserem Talk und Podcast. Ich geh ganz fest da von euch, davon aus. Ganz herzlichen Dank in deine Richtung. Schön, dass du heut unser Gast gewesen bist. Danke für die Einladung und danke euch fürs Zuschauen, Zuhören.
Automatisch erstellt & redaktionell aufbereitet — kann vereinzelt Fehler enthalten.
