Podcasts about datenqualit

Marketing im Kopf - ein Podcast von Luis BinderIn dieser Folge wird über verschiedene Unternehmen gesprochen, da Markennamen genannt werden, handelt es sich um UNBEZAHLTE WERBUNG!In dieser Folge: In der heutigen Podcastfolge von Marketing im Kopf geht's um die verhaltensorientierte Ebene von Kundenbindung an und warum Bindung und Loyalität nicht dasselbe sind. Was unterscheidet Verbundenheit von Gebundenheit? Welche vier Kundentypen entstehen, wenn man beides kombiniert? Warum ist die Weiterempfehlung eigentlich die Krönung einer echten Kundenbeziehung – und was steckt psychologisch dahinter?____________________________________________Marketing-News der Woche:⁠Bahlsen macht aus dem Videopodcast ein MarkenformatPiCK UP! von Bahlsen erreicht mit dem Videopodcast UP!DATE laut rund 5 Millionen Impressions. Das Format wird nicht als einzelner Content-Piece gedacht, sondern als Materialbasis für TikTok, Instagram und Community-Kommunikation. Das Set greift die Marke subtil auf, ohne nach Werbefilm auszusehen. Onlinehandel wächst trotz Sparlaune weiterDer aktuelle Online-Monitor des HDE zeigt laut absatzwirtschaft: Der Onlinehandel in Deutschland koppelt sich teilweise von der schwachen Konsumstimmung ab. Für 2026 erwartet der HDE ein Plus von 4,3 %, der stationäre Handel liegt bei 1,6 %. Wichtig für digitale Werbung: KI-Assistenten werden stärker für Preisvergleiche genutzt. Sichtbarkeit entsteht damit auch in KI-gestützten Kaufentscheidungen.Programmatic Advertising wird agentischerAdform und Adsquare integrieren laut MEEDIA das Agentic Real-Time Framework in die Adform-DSP. Externe KI-Agenten sollen datenschutzkonform mit Signalen in Echtzeit arbeiten können, ohne dass Daten die Plattform verlassen. Media Buying wird automatisierter, aber nicht automatisch besser. Datenqualität bleibt der Hebel.Marketing-Stimmung fällt auf Sechs-Jahres-TiefDas BVMC-ifo Marketing-Barometer meldet für die Mai-Erhebung, dass sich die Stimmung in der deutschen Marketingbranche zum dritten Mal in Folge verschlechtert hat. Das Marketing-Geschäftsklima ist so schlecht wie seit 6 Jahren nicht mehr. ____________________________________________Vernetz dich gerne auf LinkedIn: ⁠https://www.linkedin.com/in/luisbinder/⁠ Instagram: https://www.instagram.com/marketingimkopf/Du hast Fragen, Anregungen oder Ideen? Melde dich unter: marketingimkopf@gmail.com Die Website zum Podcast findest du hier. [⁠⁠⁠https://bit.ly/2WN7tH5⁠⁠⁠]

Wie KI-Agenten, Augmented Reality und Robotics das Integrated Facility Management neu definieren – und warum am Ende alles mit Daten beginnt. KI-Agenten, Augmented Reality und Robotics verlassen die Pilotphase und halten Einzug in das operative Facility Management. Alexandra Pabst, Head of Workplace Management DACH & Netherlands, und Yannic Bülow, Category Manager DACH & CE, JLL, diskutieren, wie neue Technologien, Datenqualität und moderne Führungsansätze die Zukunft des Integrated FM prägen. Den Link zum neuen Newsletter, alle Infos & alle Folgen (auch die alten) gibts unter www.innofm.de. Diese Folge wird unterstützt von - Die Möglichmacher – Facility Management. ____________________________________ Werberpartner dieser Folge ist P&N Kanaltechnik. Das Unternehmen saniert Abwasser-Fallstränge mit einer innovativen Spray-Coating-Methode – schnell, kostengünstig und ohne das aufwändige Aufstemmen von Wänden oder Fliesen. Mehr Informationen zur Technologie und den Einsatzmöglichkeiten gibt es unter www.pundn-kanaltechnik.de. ____________________________________ Der InnoFM Podcast war über viele Jahre untrennbar mit dem Namen Markus Thomzik verbunden. Mit großer Leidenschaft, tiefem Fachwissen und echter Neugier hat er Gespräche geführt, die die Facility-Management- und Immobilienbranche bewegt haben. Leider ist Markus 2025 verstorben. Sein viel zu früher Tod hinterlässt eine große Lücke – nicht nur in der Podcast-Landschaft, die er mit InnoFM geprägt hat, sondern vor allem in der Community, die er mit aufgebaut und inspiriert hat. Ab September 2025 wird der InnoFM Podcast von DIGITALWERK produziert. Mit Christian Schlicht als neuem Host gewinnt das Format eine neue Stimme – die den Geist von InnoFM bewahrt und zugleich neue Impulse setzt. Wir danken Markus für seine inspirierende Arbeit – und führen sie in seinem Sinne weiter. InnoFM ist eine Produktion von DIGITALWERK/The Accelerate Company. 00:00 Darum gehts in der Folge 05:20 Warum klassische FM-Richtlinien heute schneller veralten denn je 07:20 Wo die FM-Branche bei Digitalisierung und KI wirklich steht 10:00 Mixed Target Operating Models: Menschen und KI-Agenten im Zusammenspiel 13:30 Wie Kunden, Dienstleister und Partner gemeinsam Innovation vorantreiben 17:00 Daten, BIM und die Notwendigkeit, Silos aufzubrechen 19:30 Die wichtigsten Technologietreiber: KI-Agenten, AR und Robotics 22:00 Leadership als unterschätzter Erfolgsfaktor der Transformation 26:10 Reality Check: Was Robotics heute kann – und was noch nicht 28:20 Wie KI und AR den Alltag einer FM-Geschäftsführerin verändern 31:30 Praxisbeispiele für KI-Agenten im Facility Management 37:40 Die GEFMA-Zukunftswerkstatt und die Zukunft des FM 41:20 Wie man in einer exponentiellen Technologiewelt am Ball bleibt 45:00 Fazit: Mut, Datenqualität und Kollaboration als Erfolgsfaktoren  

Die USA investieren 73x mehr in KI als Deutschland – und genau diese Technologie entscheidet in den nächsten Jahren, welche Unternehmen skalieren und welche verschwinden. Das Problem: 86% der Geschäftsführer sehen KI-Potenzial, aber nur 23% setzen es wirklich um. Diese Lücke kostet Dich Geschwindigkeit, Kompetenz und am Ende Marktanteile. In dieser Folge bekommst Du Klartext, warum KI im Mittelstand nicht an „der Politik“ oder „fehlender Zeit“ scheitert, sondern an Systemen & Strukturen, Datenqualität und falschen Erwartungshaltungen. Und warum „ChatGPT wie Google nutzen“ keine KI-Strategie ist. Du hörst außerdem die 3 Strukturfallen, die ich ständig sehe (Abwarten, Generations-Ausrede, „geht bei uns nicht“), und Du bekommst eine 4-Schritte-Methode, mit der Du KI pragmatisch startest: Prozesse identifizieren, Wertschöpfung testen, 90-Tage-Pilot messen, skalierbar machen. Ziel: Zeitfresser® eliminieren, Geldfresser® stoppen und Unternehmerfreiheit gewinnen.

Viele mittelständische Unternehmen arbeiten in der Montage noch mit Papier, Excel oder statischen PDFs. Das führt zu Versionschaos, Fehlern und hohem Einarbeitungsaufwand – gerade bei steigender Variantenvielfalt und Fachkräftemangel.

In dieser Folge spricht Hans Boot mit Kai Hagelganz über die Rolle des Interim CPO. Kai Hagelganz erklärt, warum jedes Mandat mit einer ehrlichen Daten- und Spend-Analyse beginnt – oft bei schlechter Datenqualität und chaotischen Warengruppen. Auf Basis eines klaren Zielbilds entwickelt er ein Target Operating Model (TOM) für Organisation, Prozesse und Rollen im Einkauf. Ein Schwerpunkt liegt auf People Management und Stakeholder-Management: Mitarbeitende mitnehmen, Talente entwickeln, C-Level ehrlich spiegeln und den Einkauf so aufstellen, dass er nach dem Einsatz eigenständig auf hohem Niveau weiterarbeiten kann. Die Folge zeigt, was einen guten Interim CPO ausmacht: langjährige Erfahrung, strukturiertes Vorgehen, hohe Einsatzbereitschaft – und die Fähigkeit, notwendige Veränderungen konsequent, aber empathisch umzusetzen.

In dieser Episode spreche ich mit Felix Schlenther, Gründer& Geschäftsführer von AI First und Podcast Host vom AI First Podcast. Wir sprechen über folgende Themen: Wie verändert sich der Einsatz von KI-Agenten, wenn Modellekomplexe Aufgaben zunehmend autonom lösen können?Was bedeutet es konkret, KI als Betriebssystem für einUnternehmen zu nutzen?Warum sind Prozessdokumentation und Datenqualität dieentscheidenden Grundlagen für erfolgreiche KI-Automatisierung?Wie können Unternehmen KI-Agenten so einsetzen, dass sie aufProzesse, Daten, Tools und Regeln zugreifen können?Wie können Unternehmen mit KI-Automatisierung starten, auchwenn sie noch viele Legacy-Systeme und wenig Dokumentation haben?Warum ist Human-in-the-Loop weiterhin wichtig, wenn KIAngebote, E-Mails oder Kundenantworten vorbereitet?Welche Parallelen gibt es zwischen RPA-Bots und der heutigenWelle an KI-Agenten?Wie verändert sich die Arbeit in Unternehmen, wenn KI nichtnur unterstützt, sondern digitale Aufgaben eigenständig ausführt? Erhalte jede Woche aktuelle Strategien in dein E-MailPostfach: ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠https://www.stateofprocessautomation.com/⁠⁠⁠ Podcast-Moderator:Christoph Pacher⁠⁠LinkedIn⁠⁠Interviewgast: Felix Schlenther⁠⁠⁠LinkedIn

Loacker ist ein Familienunternehmen mit fast 100-jähriger Geschichte, das seine Waffel- und Schokoladenprodukte heute in über 100 Ländern verkauft. Mit diesem Wachstum sind auch die Anforderungen an eine strukturierte Datenstrategie gestiegen – und damit die Notwendigkeit, Data Governance ernsthaft anzugehen. In dieser Episode spricht Peter Bluhm mit Lisa Burger, Corporate Data Governance & Quality Management Manager bei Loacker, über den Weg des Unternehmens hin zu einer tragfähigen Datenstrategie. Themen der Episode: Warum internationales Wachstum Datensilo-Probleme und mangelndes Daten-Ownership mit sich bringt  Was Data Governance von Datenqualitäts-Management unterscheidet – und warum dieser Unterschied praktisch relevant ist Wie Loacker den Einstieg in das Thema strukturiert hat: von der Stakeholder-Analyse bis zum vierstufigen Vorgehensmodell Welche Rolle Sponsorship, interne Champions und strategische Kommunikation für den Erfolg solcher Initiativen spielen Warum Data Governance vor allem ein Change-Management-Thema ist – und was es braucht, damit daraus eine gemeinsame Haltung im Unternehmen wird  Über den Gast: Lisa Burger verantwortet bei Loacker den Bereich Corporate Data Governance & Quality Management und treibt dort den Aufbau einer unternehmensweiten Datenstrategie voran. 

In dieser Episode spreche ich mit Marco Geuer, Founder von The Data Economist.Wir sprechen über folgende Themen:Was bedeutet das ROI-Paradox der Künstlichen Intelligenz und warum greifen klassische Return-on-Investment-Kennzahlen bei GenAI-Projekten oft zu kurz?Warum lässt sich der wirtschaftliche Erfolg von KI-Initiativen in Unternehmen nicht immer sofort in Umsatz, Marge oder Prozessgeschwindigkeit messen?Welche KPIs sollten Unternehmen vor dem klassischen KI-ROI betrachten, um den Erfolg von GenAI-Projekten frühzeitig zu bewerten?Was ist Adaptive ROI und wie hilft dieser Ansatz Unternehmen, den Wert von KI strategisch messbar zu machen?Wie kann Künstliche Intelligenz die Entscheidungsgeschwindigkeit in Unternehmen erhöhen und dadurch Wettbewerbsvorteile schaffen?Warum ist Organizational Resilience entscheidend, wenn Unternehmen immer stärker auf KI-gestützte Prozesse setzen?Wie beeinflusst KI die Mitarbeiterzufriedenheit, Überstunden und Employee Flourishing in modernen Unternehmen?Wie können Unternehmen KI-Use-Cases richtig priorisieren und entscheiden, welche Prozesse zuerst automatisiert werden sollten?Wie finden Unternehmen die richtige Balance zwischen schneller KI-Automatisierung, Risikomanagement, Datenqualität und nachhaltigem Geschäftserfolg?Erhalte jede Woche aktuelle Strategien in dein E-Mail Postfach: ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠https://www.stateofprocessautomation.com/⁠⁠Podcast-Moderator: Christoph Pacher⁠LinkedIn⁠Interviewgast: Marco Geuer⁠⁠LinkedIn

In dieser Folge begrüßt Denise Gelpke die erfahrene Monitorin Charis Drummer (CRA) vom KKS-Netzwerk der Universitätsklinik Göttingen. Gemeinsam räumen sie mit dem Klischee auf, der Monitor sei nur eine „Kontrollinstanz“ oder gar ein „Feind“ des Zentrums. Sie beleuchten das Zusammenspiel von Study Nurse und Monitoring als echtes Dreamteam, das ein gemeinsames Ziel verfolgt: Die Sicherheit der Patient:innen und eine exzellente Datenqualität. Holt Euch wertvolle Impulse und erfahrt, wie Monitoring Euch konstruktiv unterstützt und hilft, den Studienalltag zu erleichtern. Gibt es Themen, die dich besonders interessieren und zu denen du dir eine zukünftige Episode wünschst? Teile uns deine Ideen und dein Feedback gerne mit.

Wie baut man gute AI-Produkte? Und gelten dabei andere Regeln als bei agiler Softwareentwicklung?Laura ist Produktmanagerin und Lead des AI-Innovationsteams bei sipgate. Sie zeigt, wie sich Produktentwicklung verändert, wenn man plötzlich mit nicht-deterministischen Systemen arbeitet.Wir sprechen über die 4 Phasen der Produktentwicklung und welche Besonderheiten und Stolperfallen in Bezug auf KI-Produkte zu überwinden sind. Es geht um Datenqualität, sichere Experimentierräume und die Frage: Wie nimmt man ein gesamtes Unternehmen in die KI-Transformation mit?

In dieser Folge geht es um die Herausforderungen des Client-Side-Trackings sowie über die Vorteile und technischen Grundlagen von Server-Side-Tracking. Max erklärt verständlich, wie Unternehmen durch den Umweg über einen eigenen Server die Datenqualität bei Google Analytics 4 und Meta-Conversion-APIs verbessern können und warum das gerade für Performance-Marketing-Kampagnen eine wichtige Grundlage ist. Diese Fragen werden in der Kurzfolge beantwortet: - Warum stößt klassisches Browser-basiertes Tracking zunehmend an seine Grenzen? - Welche technischen Änderungen bringt Server-Side-Tracking konkret mit sich? - Wie beeinflussen restriktive Browser wie Safari die Messbarkeit von Kampagnendaten? - Inwiefern verbessert Server-Side-Tracking die Datengrundlage für automatische Gebotsstrategien bei Google Ads und Meta? - Welche Rolle spielt der Datenschutz bei der Architektur des Server-Side-Trackings? Max sagt: „Server-Side-Tracking ist keine technische Spielerei, sondern eine robuste Infrastrukturentscheidung, die Websitebetreibern mehr Kontrolle über die Datenqualität und den Datenschutz gibt – und damit auch die Grundlage schafft, Kampagnen realistischer und effizienter bewerten zu können.“ Mit: Max Girnus, Experte für Webanalyse bei webnetz

Von der Krebsdiagnose über KI-gestützte OPs bis hin zur automatisierten Dokumentation und sensorische Unterstützung der Pflege: Es gibt viele Einsatzmöglichkeiten für Künstliche Intelligenz im Krankenhaus. Und vieles davon gibt es bereits oder wird getestet. In dieser Ausgabe von 9vor9 verschaffen wir uns einen Überblick über KI im Krankenhaus: Wo KI heute schon unterstützt, wo sie noch scheitert – und warum Datenqualität dabei über Leben und Tod entscheiden kann. Außerdem geht es um den massiven Personalmangel, neue Technologien wie Raumassistenzsysteme und die Frage, ob KI das Gesundheitswesen menschlicher machen kann – oder eher das Gegenteil bewirkt. Und wir haben festgestellt: Dieser erste Überblick kann nur ein Anfang sein und wir werden uns das Thema sicher noch einmal genauer angucken müssen. Viel Spaß beim Hören.

Fri, 01 May 2026 03:45:00 +0000 https://jungeanleger.podigee.io/3090-borsepeople-im-podcast-s24-21-hugo-brock bb83ea12ef77a4c316fc0fb5f776d4cf Hugo Brock ist bei der wikifolio Technologies AG im Service-Team für Market Operations zuständig, ich bin mit ihm telefonisch (Erfurt, D) verbunden. Wir starten mit der Ausbildung zum Frisör und dem frühen, intensiven Auseinandersetzen mit dem Handeln von Aktien, Stichworte +4000 Orders/Jahr, Newstrading, DPA-Ticker, Vi Trade, wikifolio. Seit Sommer 2024 ist Hugo für wikifolio tätig, da geht es um u.a. Kundenanliegen (ich hatte eines in dieser Woche), Trader:innen-Onboarding, Messen, Kapitalmassnahmen, Risikomanagement, Datenqualität, Wohlverhältensregeln, KYC und vieles mehr. Mein Fazit: Da kennt sicher einer aus. http://www.wikifolio.com Inside Umbrella: https://audio-cd.at/search/inside%20umbrella Dominik Doster: https://www.wikifolio.com/de/at/p/dominikdoster21 Andreas Kern: https://audio-cd.at/page/podcast/6264 Julia Lackner: https://audio-cd.at/page/podcast/6982 Daniel Hahn: https://audio-cd.at/page/podcast/8445 Melanie`s Einspieler Deutschland: https://www.strabag-real-estate.com/de-DE/projekt/postareal-leonberg/ https://www.strabag-real-estate.com/de-DE/ Kontakt: hallo@strabag-real-estate.com bzw,. Hotline +43 720 710 90 90. About: Die Serie Börsepeople des Podcasters Christian Drastil, der im Q4/24 in Frankfurt als "Finfluencer & Finanznetworker #1 Austria" ausgezeichnet wurde, findet im Rahmen von http://www.audio-cd.at und dem Podcast "Audio-CD.at Indie Podcasts" statt. Es handelt sich dabei um typische Personality- und Werdegang-Gespräche. Die Season 24 umfasst jahreszahlbezogen unter dem Motto „26 Börsepeople“ 26 Talks. Presenter der Season 24 ist Strabag Real Estate https://www.strabag-real-estate.com/de-AT/. Welcher der meistgehörte Börsepeople Podcast ist, sieht man unter http://www.audio-cd.at/people. Der Zwischenstand des laufenden Rankings ist tagesaktuell um 12 Uhr aktualisiert. Bewertungen bei Apple (oder auch Spotify) machen mir Freude: http://www.audio-cd.at/spotify , http://www.audio-cd.at/apple . Du möchtest deine Werbung in diesem und vielen anderen Podcasts schalten? Kein Problem!Für deinen Zugang zu zielgerichteter Podcast-Werbung, klicke hier.Audiomarktplatz.de - Geschichten, die bleiben - überall und jederzeit! 3090 full no Christian Drastil Comm. (Agentur für Investor Relations und Podcasts) 1694

Wie funktioniert erfolgreiche B2B-Leadgenerierung mit hochwertigen Adressdaten? In dieser Folge spricht Petra Sierks mit Martin Hensel von DataByte über Datenqualität, B2B-Adressen und den richtigen Medienmix aus Social Media und Kaltakquise. Sie beleuchten typische Fehler beim Adresskauf, DSGVO-Compliance und den Einsatz von KI im Vertrieb. Außerdem erfährst du, warum günstige Daten oft teuer werden und was wirklich hinter erfolgreicher Leadgenerierung steckt. Hier kannst Du unseren Gast Martin Hensel kontaktieren: Unternehmenswebseite: https://www.databyte.de/ LinkedIn: https://www.linkedin.com/in/martin-hensel-/ Du hast Fragen zu einem bestimmten Thema oder suchst Unterstützung bei Deiner B2B-Akquise und willst Dir einen Termin bei Petra Sierks buchen? Schreib uns eine E-Mail an

In dieser Folge spreche ich mit Alexander Kohler von BidFix über das, was viele im PreSales am meisten nervt: Öffentliche Ausschreibungen. Wir tauchen ein in die komplexe Welt von RFPs, zeigen, wie KI-Agenten dabei helfen können, die passenden Ausschreibungen zu finden und Angebote strategisch zu platzieren – und warum trotz aller Automatisierung der Mensch am Ende oft den Unterschied macht. Du erfährst, wie sich der Ausschreibungsprozess im öffentlichen Sektor von der Privatwirtschaft unterscheidet, warum Bieterfragen ein echter Gamechanger sein können und welche Rolle dein eigenes Wertesystem im PreSales spielt. Außerdem diskutieren wir, ob in Zukunft Agenten bessere Kaufentscheidungen treffen als wir – oder ob Menschlichkeit und Vertrauen weiterhin das Rennen machen. Wenn du mit Ausschreibungen zu tun hast (oder sie lieber vermeiden würdest), ist diese Folge ein Muss! Alex bei LinkedIn - https://www.linkedin.com/in/alexanderklr/ ----------

In der neuesten Folge von Deep Dive CleanTech spricht David mit Dyke Wilke, Gründer und CEO von Flexality, über die nächste Stufe industrieller Energieoptimierung. Im Mittelpunkt steht die Frage, wie Unternehmen ihren Stromverbrauch intelligenter steuern, Energiekosten senken und gleichzeitig ihre Produktion resilienter und nachhaltiger aufstellen können. Flexality entwickelt Software für das Energiemanagement „behind the meter“ – also direkt am Industriestandort. Die Lösung steuert in Echtzeit den Einsatz von Strombezug, PV-Anlagen, Batteriespeichern und flexiblen Verbrauchern, um Tarife, Netzentgelte und Eigenverbrauch optimal aufeinander abzustimmen. Im Gespräch geht es um konkrete Anwendungsfälle aus Industrie, Logistik und Lebensmittelproduktion, um KI-gestützte Steuerung, Datenqualität in Bestandsanlagen, die Rolle von Batteriespeichern und die Frage, warum intelligente Flexibilisierung ein zentraler Hebel für Wettbewerbsfähigkeit, Dekarbonisierung und mehr Unabhängigkeit von fossilen Energien ist.

Mario Jung (OMT GmbH) spricht mit Eico Schweins (V4 Visions GmbH über die E‑Commerce‑Trends 2026+, die Eico auf dem OMT‑Summit vorgestellt hat. Schon kurz nach seinem Vortrag zeigte sich, wie schnell sich die Branche verändert: 1. KI ist nicht ein Trend – KI treibt alle Trends Eico betont, dass 5 von 8 seiner Trends KI‑getrieben sind. KI verändert: Produktoptimierung & Produktbilder interne Abläufe & Automatisierung Geschwindigkeit in Entwicklung & Content‑Produktion den gesamten Kaufprozess – von Problem bis Checkout KI ist also kein Nice‑to‑have mehr, sondern ein massiver Wettbewerbsvorteil. 2. KI‑Assistenten werden das Shopping radikal verändern Eico beschreibt eine Zukunft, in der Shops nicht mehr statisch sind, sondern dynamisch durch KI gesteuert werden: Avatare, die Dir Kleidung anprobieren Echtzeit‑Beratung wie im stationären Handel personalisierte Shop‑Erlebnisse, die sich komplett verändern, sobald Du einsteigst Shopping ohne klassische Website – direkt über KI‑Interfaces oder Social Commerce Fazit: User Experience wird hyper‑personalisiert – und KI übernimmt die Führung. 3. GEO (Generative Engine Optimization) verändert Suchverhalten & Marketingbudgets GEO ist nicht einfach „neues SEO“. Eico beschreibt es als: 75 % SEO, 25 % komplett neu Optimierung nicht mehr für Menschen, sondern für Bots & KI‑Agenten neue Anforderungen an Content, Datenqualität & Attribution neue Customer Journeys, die in KI‑Systemen starten – nicht in Suchmaschinen Warum diese Folge für Dich Pflicht ist Du bekommst: einen realistischen Blick auf KI‑Entwicklungen konkrete Auswirkungen auf E‑Commerce & Marketing Zukunftsszenarien, die heute schon beginnen klare Hinweise, worauf Du Dich JETZT vorbereiten musst Wenn Du verstehen willst, wie KI, GEO und neue Shopping‑Erlebnisse Deinen Marketing‑Funnel verändern – und wie Du Dich als Online‑Marketer:in strategisch darauf vorbereitest – dann hör Dir unbedingt die komplette Podcast‑Folge an. Sichere Dir jetzt die Insights, die Deinen E‑Commerce‑Erfolg in den nächsten Jahren bestimmen werden!

In dieser Episode geht es um die Anomaly Detection von Produktbildern in einem realen Produktions-Use-Case – von der Problemstellung bis zur Umsetzung in ClickHouse. Wir zeigen, wie sich fehlerhafte Produkterkennungen mithilfe von Embeddings und Distanzmaßen identifizieren lassen, ohne auf aufwendige gelabelte Daten angewiesen zu sein. Der Fokus liegt auf einer pragmatischen, performanten Lösung direkt in der ClickHouse-Datenbank, die Anomalien in Millisekunden erkennt und gleichzeitig die Datenqualität für das Modelltraining verbessert. Außerdem diskutieren wir Trade-offs zwischen Einfachheit, Performance und Entwicklungsaufwand sowie Learnings aus dem Projekt.   **Zusammenfassung** Use Case: Automatische Produkterkennung auf Basis von Videostreams mit Fehlerquote (~ 5%) Problem: Falsche Zuordnungen durch Störkörper, Überlagerungen und ungünstige Perspektiven Ziel: Identifikation unsicherer Vorhersagen zur manuellen Prüfung und sauberen Trainingsdaten Ansatz: Unsupervised Anomaly Detection mittels Embeddings und Distanz zum Clusterzentrum Methode: K-Means-Logik – große Distanz --> geringe Zuordnungs-Sicherheit Threshold: 2 x Standardabweichung identifiziert ~ 90% der Anomalien (bewusster Trade-off) Umsetzung: Echtzeit-Berechnung direkt in ClickHouse über Materialized Views Vorteil: Keine zusätzliche Infrastruktur (z.B. Kafka), sehr geringe Latenz (< 1 Sekunde) Nachteil: Trennung zwischen Entwicklung (Python) und Produktion (SQL/ClickHouse)   **Links** #54: Modell-Deployment: Wie bringe ich mein Modell in die Produktion? https://www.podbean.com/ew/pb-hhhwu-16b91f3 ClickHouse https://clickhouse.com/ ClickHouse Docs: Can you use ClickHouse for vector search? https://clickhouse.com/docs/knowledgebase/vector-search

„No Hype KI“ wird unterstützt von ACP, EY, ITSV, KEBA Group, Lenovo, Microsoft, ONTEC AI und der Universität Graz. Wie lassen sich theoretische KI-Potenziale in messbare Erfolge für Unternehmen übersetzen? Welche Rolle spielen Datenqualität und Change-Management bei der Implementierung? Und wie entscheidet man - vor allem bei sensiblen Prozessen -, ob man KI-Lösungen selbst entwickelt oder zukauft?In der neuen Folge von „No Hype KI“ diskutiert eine Expert:innenrunde über konkrete Anwendungen und Erfolgsfaktoren von Künstlicher Intelligenz abseits des Hypes. Das Gespräch beleuchtet praktische Use-Cases von der Automatisierung in der Sozialversicherung über Predictive Maintenance in der Industrie bis hin zu neuen digitalen Geschäftsmodellen für Verlage. Es wird analysiert, warum das Mitnehmen der Mitarbeitenden entscheidend für den Projekterfolg ist und warum auch unperfekte Daten ein guter Startpunkt sein können, statt auf die makellose Datenbasis zu warten.Es diskutieren:⚫ Moritz Mitterer | Aufsichtsratsvorsitzender | ITSV⚫ Christian Casari | Head of AI Partnerships & Sales | ONTEC AII⚫ Hannes Kaufmann | Head of Software Development | KEBA⚫ Katrin Freihofner | Co-Founderin | Straion

EU AML Paket: Warum Compliance zur Management Entscheidung wird Das EU AML Paket markiert einen Wendepunkt für die Geldwäscheprävention in der Europäischen Union. In dieser Folge von Sound of Finance spricht Filip Tack, Berater im zeb, mit Dr. Jörg Rößler, einem ausgewiesenen Experten für Compliance und Geldwäscheprävention, über die tiefgreifenden Veränderungen durch die neue AML Verordnung (AMLR), die sechste Geldwäscherichtlinie (AMLD 6) und die neue europäische Aufsichtsbehörde AMLA mit Sitz in Frankfurt. Im Fokus steht der Paradigmenwechsel: weg von formaler Pflichterfüllung, hin zu messbarer Wirksamkeit im Risikomanagement. Banken müssen künftig nicht nur „compliant“ sein, sondern nachweisen, dass sie Risiken aktiv steuern – datenbasiert, konsistent und skalierbar. Dr. Rößler erläutert, warum Datenqualität, Zielarchitektur und Automatisierung zu zentralen Erfolgsfaktoren werden und weshalb die größten Hürden häufig nicht in Technik oder Fachlichkeit, sondern in Governance und Management Priorisierung liegen. Die Folge liefert klare Einordnungen und konkrete Handlungsempfehlungen für Institute, die Compliance nicht nur als regulatorische Pflicht, sondern als strategische Chance begreifen wollen.

www.iotusecase.com#Shopfloor #IndustrialIoT #SinglePairEthernet In dieser Live-Folge direkt von der Hannover Messe spricht Gastgeber Dr. Peter Schopf mit Karsten Walther, Geschäftsführer von Perinet, und Georg Bassenge, Chief Sales Officer bei Perinet.Im Fokus steht die Frage, wie sich Shopfloor-Daten durchgängig und effizient bis in MES- und IT-Systeme übertragen lassen. Dabei geht es unter anderem um ereignisbasierte Kommunikation, netzwerkfähige Sensoren, den Einsatz von Single Pair Ethernet sowie Retrofit-Ansätze im Brownfield. Podcast ZusammenfassungViele IIoT-Projekte scheitern nicht an KI oder Analytics, sondern am Zugang zu Shopfloor-Daten. Gerade in heterogenen Bestandsanlagen gelangen Daten oft nur mit hohem Engineering-Aufwand in IT-Systeme.Ursachen sind unter anderem mehrstufige OT-Architekturen, zyklische Feldbus-Kommunikation sowie unstrukturierte Rohdaten ohne ausreichende Semantik. Schon kleine Änderungen an Sensoren, etwa bei Messbereichen, können dazu führen, dass Daten ohne Kontext schwer interpretierbar sind und aufwendig normalisiert werden müssen.Perinet adressiert dieses Problem, indem Sensoren und Aktoren direkt netzwerkfähig werden. Relevante Informationen werden ereignisbasiert und parallel zur bestehenden SPS-Kommunikation per IP in die IT übertragen.Technologische Grundlage ist unter anderem Single Pair Ethernet, das Ethernet bis ins Feldgerät bringt und Retrofit in bestehenden Anlagen ermöglicht – ohne zusätzliche Infrastruktur wie neue Schaltschränke.Das Ergebnis ist ein schlanker Datenpfad mit geringerem Integrationsaufwand, reduzierter Datenlast und deutlich höherer Datenqualität. Dadurch werden Anwendungen wie KI, OEE oder Condition Monitoring erst effizient umsetzbar – inklusive Security-Anforderungen im Kontext des EU Cyber Resilience Act. -----Relevante Folgenlinks:Peter (https://www.linkedin.com/in/peter-schopf/)Georg (https://www.linkedin.com/in/bassenge/)Karsten (https://www.linkedin.com/in/karsten-walther-395822365/)Jetzt IoT Use Case auf LinkedIn folgen1x monatlich IoT Use Case Update erhalten

In dieser Episode teilt Peter Bluhm die wichtigsten Erkenntnisse aus vier Gesprächen mit Entscheidern und Experten: von einem wachstumsstarken Hörgeräte-Unternehmen über einen Telekommunikationskonzern bis hin zu akademischen Spezialistinnen und erfahrenen Projektcontrollern. Die 4 zentralen Learnings: Operative Frühindikatoren statt Finanzkennzahlen – wer nur rückwärts misst, steuert zu spät  Datenqualität ist Teamsport – Verantwortung delegieren funktioniert nicht, das Verursacherprinzip schon  Objektive Datenanalyse gibt es nicht – nur transparente. Mit KI eine unterschätzte Gefahr  70 % der Projekte verfehlen ihr Ziel – weil der Nutzen nie klar definiert wurde  Themen: Business Intelligence | Controlling | Datenqualität | Unternehmenssteuerung | KI | Projektcontrolling | Performance Management | Datenstrategie Die Gesprächspartner: Dr. Marco Vietor, Mitgründer & Geschäftsführer, audibene Corinne Schuler, Head of Data Quality Management, Swisscom Prof. Dr. Iris Lorscheid, University of Europe for Applied Sciences Klaus Schopka, Berater & Autor, Projektcontrolling

In diesem Webinar erhältst du praxisnahe Einblicke in reale Setups von Salesforce Pardot (MCAE) und erfährst, wie du deine Datenstrukturen sowie Customer Journeys gezielt optimierst. Anhand typischer Pain Points wird dir gezeigt, wie du die Zusammenarbeit zwischen Marketing und Sales verbesserst und moderne Omni-Channel-Strategien erfolgreich integrierst. Profitiere zudem von konkreten Case Studies und direkt umsetzbaren Quick Wins, mit denen du deine B2B-Automation auf das nächste Level hebst. Folgendes hast Du nach dem Webinar gelernt: - Du erhälst einen Einblick in konkrete Setups, typische Herausforderungen und Best Practices rund um Datenqualität, Segmentierung, Marketing- und Sales-Prozesse sowie personalisierte Multi-Touch-Journeys. - Du verstehst, welche typischen Struktur- und Setup-Themen Marketing Automation bremsen und worauf sie in ihrer eigenen Instanz achten sollten. - Du erhälst konkrete Ansätze wie Datenqualität, Datenstrukturen und Zielgruppen-Segmentierung als Grundlage für zuverlässige Automationen verbessert werden können. - Konkrete Beispiele, wie Automationsprozesse in Pardot optimiert wurden, und welche Quick Wins sich daraus für das eigene Setup ableiten lassen. Zielgruppe: - Marketing Manager oder CRM-Verantwortliche, die mit Pardot (MCAE) arbeiten und ihr Setup in den Bereichen Datenqualität, Segmentierung, Leadprozesse und Customer Journeys gezielt verbessern möchten. - Marketingleiter und Marketingentscheider, die Pardot nicht nur nutzen, sondern ihr Setup gezielt so weiterentwickeln wollen, dass Marketing Automation messbar zur Pipeline beiträgt. - Gerne auch Geschäftsführer & strategische Entscheider, die wissen möchten, wie sich Pardot so strukturieren lässt, dass das System operativ entlastet, die Zusammenarbeit zwischen Marketing und Sales verbessert und messbar zu einer vollen Deal-Pipeline beiträgt. Shownotes:

Datenqualität ist die Grundlage für verlässliche Entscheidungen, erfolgreiche Analytics-Projekte und Compliance. Doch wie baut man ein funktionierendes Datenqualitätsmanagement in einem großen Unternehmen auf? Corinne Schuler berichtet aus ihrer Praxis bei Swisscom: Von der Ausgangssituation über organisatorische Herausforderungen bis zur nachhaltigen Verankerung im Unternehmen. Sie erklärt, warum Datenqualitätsmanagement weit mehr ist als nur das Messen von Fehlern, welche Kompetenzen erforderlich sind und wie die Zusammenarbeit zwischen verschiedenen Unternehmensbereichen gelingen kann. THEMEN DIESER EPISODE Die Ausgangssituation bei Swisscom: Welche konkreten Probleme und Schmerzen im Unternehmen führten zum Aufbau eines systematischen Datenqualitätsmanagements? Woher kam der Impuls und was bedeutet "gute Datenqualität" eigentlich konkret? Der Gesamtprozess und notwendige Kompetenzen: Warum reicht "Messen" allein nicht aus für ganzheitliches Datenqualitätsmanagement? Welche Kernkompetenzen werden benötigt und warum scheitert die typische Einzelkämpfer-Strategie? Integration und Zusammenarbeit im Unternehmen: Die Zusammenarbeit mit Governance-Funktionen, Business-Bereichen und Support-Funktionen. Wie bringt man Problemverursacher und Probleminhaber zusammen? Wo gab es die größten Widerstände und Konflikte? Startvoraussetzungen und Lessons Learned: Klare Regeln, ausreichende Ressourcen und Leadership-Support als Erfolgsfaktoren. Was lief am Anfang schief? Und ist perfekte Datenqualität wirklich Voraussetzung für Datenprojekte? Die Datenqualitäts-Prinzipien in der Praxis: Die drei Säulen präventiv, unterstützend und reaktiv. Data Lifecycle als präventives Prinzip und der Wandel von reaktiven zu präventiven Maßnahmen. Nachhaltigkeit und wichtigste Erkenntnisse: Wie verankert man Datenqualitätsmanagement dauerhaft in der Organisation und was ist die wichtigste Lektion aus dem gesamten Prozess? ÜBER DEN GAST Corinne Schuler ist Head of Data Quality Management bei der Swisscom (Schweiz) AG. In dieser Rolle verantwortet sie den Aufbau und die Weiterentwicklung des unternehmensweiten Datenqualitätsmanagements und arbeitet eng mit verschiedenen Bereichen von Governance über Business bis zu IT-Support zusammen.

Datenqualität ist die Grundlage für verlässliche Entscheidungen, erfolgreiche Analytics-Projekte und Compliance. Doch wie baut man ein funktionierendes Datenqualitätsmanagement in einem großen Unternehmen auf? Corinne Schuler berichtet aus ihrer Praxis bei Swisscom: Von der Ausgangssituation über organisatorische Herausforderungen bis zur nachhaltigen Verankerung im Unternehmen. Sie erklärt, warum Datenqualitätsmanagement weit mehr ist als nur das Messen von Fehlern, welche Kompetenzen erforderlich sind und wie die Zusammenarbeit zwischen verschiedenen Unternehmensbereichen gelingen kann. THEMEN DIESER EPISODE Die Ausgangssituation bei Swisscom: Welche konkreten Probleme und Schmerzen im Unternehmen führten zum Aufbau eines systematischen Datenqualitätsmanagements? Woher kam der Impuls und was bedeutet "gute Datenqualität" eigentlich konkret? Der Gesamtprozess und notwendige Kompetenzen: Warum reicht "Messen" allein nicht aus für ganzheitliches Datenqualitätsmanagement? Welche Kernkompetenzen werden benötigt und warum scheitert die typische Einzelkämpfer-Strategie? Integration und Zusammenarbeit im Unternehmen: Die Zusammenarbeit mit Governance-Funktionen, Business-Bereichen und Support-Funktionen. Wie bringt man Problemverursacher und Probleminhaber zusammen? Wo gab es die größten Widerstände und Konflikte? Startvoraussetzungen und Lessons Learned: Klare Regeln, ausreichende Ressourcen und Leadership-Support als Erfolgsfaktoren. Was lief am Anfang schief? Und ist perfekte Datenqualität wirklich Voraussetzung für Datenprojekte? Die Datenqualitäts-Prinzipien in der Praxis: Die drei Säulen präventiv, unterstützend und reaktiv. Data Lifecycle als präventives Prinzip und der Wandel von reaktiven zu präventiven Maßnahmen. Nachhaltigkeit und wichtigste Erkenntnisse: Wie verankert man Datenqualitätsmanagement dauerhaft in der Organisation und was ist die wichtigste Lektion aus dem gesamten Prozess? ÜBER DEN GAST Corinne Schuler ist Head of Data Quality Management bei der Swisscom (Schweiz) AG. In dieser Rolle verantwortet sie den Aufbau und die Weiterentwicklung des unternehmensweiten Datenqualitätsmanagements und arbeitet eng mit verschiedenen Bereichen von Governance über Business bis zu IT-Support zusammen.

Was passiert, wenn ein Familienunternehmen KI wirklich ernst nimmt? Andreas Wedel von Harting Technology spricht über die Herausforderungen und Erfolge der digitalen Transformation im globalen Mittelstand – inklusive interner KI-Plattform, Schatten-KI-Strategie, Datenqualität und dem Aufbau eines globalen KI-Teams.  Er zeigt, wie Mut zum Ausprobieren, klare Metriken und eine gelebte Innovationskultur zusammen eine echte Transformation möglich machen.Fundstück der Woche:Künstliche Intelligenz in DeutschlandDIHK-Digitalisierungsumfrage 2025OPITZ CONSULTING■■■ Digitale Service ManufakturDisclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.Wir beleuchten praxisnah Strategien, Best Practices sowie Chancen und Herausforderungen der KI-Transformation in Unternehmen.

Technical Compliance: Haftungsfragen und Risikomanagement im Zeitalter von KI Software steckt heute in nahezu allen Alltagsgegenständen – und genau darin liegt ein oft unterschätztes Risiko. In der neuesten Folge des Criminal Compliance Podcasts begrüßt Dr. Christian Rosinus den Rechtsanwalt Patrick Späth und spricht mit ihm darüber, welche rechtlichen Gefahren entstehen, wenn softwarebetriebene Geräte Fehlentscheidungen treffen oder Daten fehlerhaft verarbeitet werden. Dabei geht es nicht nur um abstrakte IT-Probleme: Vom Haushaltsgerät bis hin zu komplexen Systemen im Börsenhandel zeigt Patrick Späth, wie schnell technische Fehler zu einem Risiko für Compliance-Verstöße werden können. Er beleuchtet, an welchen Stellen Risiken typischerweise entstehen, sei es durch Programmierfehler, unzureichende Datenqualität oder den Einsatz von Künstlicher Intelligenz. Ein besonderer Fokus liegt auf der Frage, wer in solchen Konstellationen eigentlich verantwortlich ist und welche konkreten Pflichten bestehen, um derartige Risiken frühzeitig zu erkennen und zu vermeiden. Abschließend zeigen die beiden auf, warum ein Technisches Compliance Management System („TCMS“) künftig eine zentrale Rolle spielen wird. Unternehmen können damit nicht nur Risiken kontrollieren, sondern zugleich die Grundlage für verlässliche Softwarelösungen schaffen. https://www.rosinus-on-air.com https://rosinus-partner.com

In dieser Folge von „WeTalkSecurity" geht es um Threat Intelligence: was sich hinter dem Begriff verbirgt, wie Unternehmen davon profitieren, welche Rolle APT-Gruppen und geopolitische Konflikte dabei spielen – und warum Datenqualität wichtiger ist als Datenmenge. Philipp Plum spricht mit Steffen Schmidt, Manager of Sales Engineering bei ESET, darüber, wie Rohdaten und Telemetrie in verwertbare Bedrohungsinformationen verwandelt werden, was Datafeeds und APT-Reports leisten, welche Einstiegshürden bei der Implementierung bestehen und wie KI bzw. Machine Learning die Analyse von Bedrohungslagen künftig weiter vereinfachen wird.

Daten verändern sich – aber ohne Historisierung geht ihr Kontext verloren. In dieser Episode von TDWI Data Universegeht es um bi-temporale Historisierung und warum sie entscheidend ist, um Daten korrekt über die Zeit zu verstehen. Im Kern des Gespräches von Claudia Koschtial und Dirk Lerner stehen zwei Perspektiven: Wann wurde ein Datensatz im System erfasst – und wann war er fachlich gültig? Gerade bei komplexen Prozessen oder nachträglichen Korrekturen entstehen sonst schnell falsche Auswertungen. Bi-temporale Modelle schaffen hier Abhilfe: Sie machen Veränderungen nachvollziehbar, erhöhen die Datenqualität und erfüllen regulatorische Anforderungen – ohne grundlegende Änderungen an der Datenarchitektur. Statt Daten zu überschreiben, bleibt jede Änderung transparent. Auch wenn viele Analysen scheinbar ohne Historisierung auskommen: Sie wird dann entscheidend, wenn es um Nachvollziehbarkeit, Korrekturen und Planungsszenarien geht. Eine Episode über Daten mit Gedächtnis – und warum echte Datenqualität immer auch eine Frage der Zeit ist.

n diesem Gespräch reflektieren Andreas Wiener und Frank Hendricks (HRCIE) über 30 Jahre Daten- und KI-Entwicklung, die Herausforderungen bei der Nutzung von KI in Unternehmen und die Bedeutung einer soliden Datenbasis für erfolgreiche Entscheidungen. Sie diskutieren die Evolution der Technologie, aktuelle Trends und die zukünftigen Chancen und Risiken. Key Topics - Entwicklung der Daten- und KI-Technologie in 30 Jahren - Bedeutung der Datenqualität und Datenlogistik für Unternehmen - Risiken und Chancen bei der Nutzung von KI-Tools und Automatisierung - Die Rolle der Unternehmenssteuerung und Entscheidungsfindung im KI-Zeitalter Soundbites "Auf die Qualität der Daten achten und Prozesse verbessern" "Vertrauen in die Datenbasis aufbauen und sichern" "Technologie bewusst und verantwortungsvoll einsetzen" "Die Entwicklung schreitet exponentiell voran." "Daten sind das Futter für meinen Rechner." "Garbage in, garbage out – das gilt immer noch." Chapters 00:00 Einführung in die Welt der Daten und AI 03:03 Die Entwicklung von Daten und deren Bedeutung 06:04 Herausforderungen der Datenverarbeitung und AI-Integration 09:11 Die Rolle von Information und Entscheidungsfindung 12:01 Erwartungsmanagement und AI-Projekte 15:00 Prozessautomatisierung und die Zukunft der Arbeit 17:35 Unternehmenssteuerung und BI-Projekte 20:45 Datenhaushalt und Datenstruktur 22:48 Self-Service BI und Entscheidungsfindung 26:18 Bauchentscheidungen vs. rationale Entscheidungen 30:08 Werte und persönliche Philosophie

Wir wissen erschreckend wenig über die Biodiversität der Erde, sagt Frauke in meiner aktuellen Podcastfolge: Kann KI die Natur retten? Frauke arbeitet an der Schnittstelle von Wissenschaft und Kommunikation und gibt spannende Einblicke in den aktuellen Zustand unserer Artenvielfalt in ihrem neuen Buch. Gemeinsam diskutieren wir, wie künstliche Intelligenz dabei helfen kann, Natur besser zu verstehen, Biodiversität zu erfassen und konkrete Maßnahmen zum Schutz von Ökosystemen zu entwickeln. Wir sprechen darüber, welche neuen Möglichkeiten Technologien eröffnen, aber auch über die Herausforderungen, die mit ihrem Einsatz verbunden sind. Gleichzeitig werfen wir einen Blick in die Zukunft: Wie kann KI dazu beitragen, Umwelt und Artenvielfalt wirksamer zu schützen? Ein Gespräch über Technologie, Verantwortung und die Frage, wie Innovation und Naturschutz zusammenfinden können.   Meine Takeaways KI kann eine wichtige Rolle bei der Artenidentifikation und -beschreibung einnehmen, also die Natur besser zu verstehen Biodiversität ist kein „Naturschutz-Thema“, sondern ein Wirtschaftsthema große Herausforderungen gibt es bei der Datenqualität und -zugänglichkeit in der Biodiversitätsforschung Wir wissen, dass wir nichts wissen – besonders wenn es um die Artenvielfalt auf unserem Planeten geht.   Kapitel 04:22 Einführung und Vorstellung des Buches 08:23 Der Status Quo der Biodiversität 14:01 Die Rolle der KI in der Natur 20:02 Verhalten von Tieren und KI-gestützte Forschung 25:16 Die Bedeutung des tierischen Wissens 31:38 Herausforderungen bei der Programmierung von KI 37:27 Die Zukunft der KI und Biodiversität 42:54 Landnutzung und KI 53:01 Schlussfolgerungen und persönliche Empfehlungen   Empfehlungen Buch - Kann KI die Natur retten? https://www.oekom.de/buch/kann-ki-die-natur-retten-9783987261633   Kontakt Dr. Frauke Fischer https://www.linkedin.com/in/dr-frauke-fischer/ Wandel mit Wirkung Der Newsletter zum Podcasts: https://www.trimpact.net/news/newsletter/   Das Booklet zum Podcast (gratis Download) https://www.trimpact.net/podcast/booklet/   Social-Media Linkedin: https://www.linkedin.com/in/stella-ureta-dombrowsky/ Instagram: https://www.instagram.com/stella_dombrowsky/ YouTube: www.youtube.com/@Podcast-WandelmitWirkung   Mein Gastbeitrag zur nachhaltigen Geldanlage im Buch Green Finance https://fazbuch.de/produkt/green-finance/ref/1485/?utm_campaign=green-finance   Kontakt: Stella Dombrowsky sd@trimpact.net www.trimpact.net

Sind schlechte Daten wirklich Ihr Problem – oder nur die bequemste Ausrede?Ihr Unternehmen sitzt auf einem Datenschatz – warum nutzen Sie ihn nicht?…darüber sprechen wir in diesem Interview.Schlechte Datenqualität gilt in vielen Unternehmen als Haupthindernis für KI-Projekte – doch ist das wirklich so, oder ist es nur die bequemste Ausrede, um nicht zu starten? In dieser Episode des #KIundTECH Podcast beleuchtet Benjamin Aunkofer, Gründer von DATANOMIQ, im Interview mit Holger Winkler die drei größten Fehler im Umgang mit Datenqualität und zeigt praxisnah, wie Unternehmen diese gezielt vermeiden können. Das Gespräch liefert konkrete Handlungsempfehlungen für alle, die mit Daten arbeiten und den nächsten Schritt in Richtung datengetriebenes Unternehmen gehen wollen.Warum sollten Sie dieses Interview nicht verpassen?Sie erfahren, warum "schlechte Daten" häufig eine Ausrede ist und wie Sie trotzdem mit KI-Projekten starten können.Sie verstehen, welche Rollen im Unternehmen für Datenqualität verantwortlich sind und wie die Zuständigkeiten sinnvoll verteilt werden.Sie lernen den Unterschied zwischen Top-Down- und Bottom-Up-Ansätzen bei der Datenstrategie kennen und wann welcher Ansatz passt.Sie bekommen einen klaren Überblick über Data Warehouse, Data Lake und Data Lakehouse – verständlich erklärt anhand alltagsnaher Beispiele.Sie verstehen, warum gute Datenqualität den monetären Unternehmenswert direkt beeinflusst und was das für Ihre Strategie bedeutet.Takeaways aus dem Interview:Mut zur Lücke: Fehler 1 ist, Daten gar nicht erst zu nutzen, weil sie vermeintlich zu schlecht sind. Datenqualität verbessert sich erst durch die aktive Auseinandersetzung mit den Daten.Fehler 2 ist die fehlende Verfügbarkeit von Daten. Ohne eine geeignete Infrastruktur wie ein Data Lakehouse bleiben wertvolle Daten ungenutzt oder gehen verloren.Fehler 3 ist die massive Unterschätzung des Datenwerts. Gute Datenqualität erhöht den Unternehmenswert nachweislich und ist ein entscheidender Faktor bei Due-Diligence-Prozessen.Process Mining ist eine Schlüsselmethodik, um Prozesse aus Daten heraus zu rekonstruieren, Datenfehler aufzudecken und die Datenqualität systematisch zu verbessern.Daten aus unterschiedlichen Bereichen wie BI, Process Mining und Data Science gehören zusammen – sie zu trennen ist ein typischer organisatorischer Fehler.Datenqualität lässt sich messen: Abdeckungsraten, Anomalieerkennungen und statistische Ausreißeranalysen liefern konkrete Indikatoren.Das Vertrauen der Mitarbeiter in Unternehmensdaten ist ein schneller, praktikabler Frühindikator für den tatsächlichen Stand der Datenqualität.#Digitalisierung #CEO #Unternehmertum #KünstlicheIntelligenzÜber #KIundTECH – der KIundTECH Podcast:KI & TECH in Unternehmen und Gesellschaft: Wettbewerbsvorteil oder Sargnagel?Was machst Du daraus?Wir sprechen mit Anwendern und Vordenkern über Chancen, Risiken und Auswirkungen von KI – klar, praxisnah und auf den Punkt. Damit unsere Hörer schneller die richtigen Entscheidungen treffen können.► Mehr erfahren: https://kiundtech.com/ ► Holger Winkler auf LinkedIn: https://www.linkedin.com/in/holger-winkler/ Du möchtest einen Gast vorschlagen oder selber zu uns in die Sendung kommen?Alle Informationen und ein Bewerbungsformular findest du auf unserer Webseite!

Künstliche Intelligenz ist längst im Vertriebs- und Kundenumfeld angekommen. Von automatisierten E-Mails über smarte Forecasts bis hin zu KI-gestützter Kundenanalyse – die Möglichkeiten scheinen grenzenlos. Und trotzdem bleibt für viele Unternehmen eine zentrale Frage offen: Was bringt mir KI konkret im CRM – und wo starte ich sinnvoll? Genau dieser Frage widmet sich das kommende Friday Insight Webinar. Im Live-Talk geht es darum, wie Künstliche Intelligenz CRM-Systeme heute schon unterstützt, welche Potenziale realistisch sind und welche Voraussetzungen Unternehmen mitbringen sollten, um KI im Kundenmanagement erfolgreich einzusetzen. Friday Insight: KI im CRM – Perspektiven aus der Praxis Auch wenn das detaillierte Thema und die konkreten Use Cases aktuell noch finalisiert werden, steht eines bereits fest: Ein Experte der KUMAVISION AG wird seine Perspektive auf KI im CRM teilen. KUMAVISION begleitet seit Jahren Unternehmen bei der Digitalisierung von Kundenprozessen – von Vertrieb und Marketing bis hin zu Service und After-Sales. Im Friday Insight Live-Talk fließen genau diese Erfahrungen ein: praxisnah, realistisch und mit Blick auf den tatsächlichen Nutzen im Arbeitsalltag. Das Ziel des Webinars ist es nicht, Zukunftsvisionen zu zeichnen, sondern Orientierung zu geben. Wo schafft KI im CRM heute echten Mehrwert? Welche Einsatzszenarien sind sinnvoll? Und wie können Unternehmen erste Schritte gehen, ohne direkt ein Großprojekt zu starten? Warum dieses Friday Insight Webinar besonders ist Viele KI-Veranstaltungen bleiben auf einer abstrakten Ebene: große Versprechen, wenig Bezug zur eigenen Organisation. Das Friday Insight verfolgt einen anderen Ansatz. Im Mittelpunkt steht der Live-Talk. Statt eines klassischen Vortrags lebt das Webinar vom Austausch, von Einordnung und Diskussion. Die Agenda orientiert sich an den Fragen der Teilnehmenden und an den Herausforderungen, die Unternehmen im CRM-Umfeld aktuell beschäftigen. Dabei geht es nicht nur um Technologie, sondern auch um Prozesse, Daten, Akzeptanz und Organisation. Denn KI im CRM funktioniert nur dann, wenn sie sinnvoll in bestehende Abläufe integriert wird. KI im CRM: Was heute schon möglich ist Moderne CRM-Systeme entwickeln sich rasant weiter. KI unterstützt Anwender:innen inzwischen direkt im Arbeitsalltag – etwa beim Vorbereiten von Kundengesprächen, beim Erkennen von Verkaufschancen oder beim Priorisieren von Leads und Servicefällen. Im Friday Insight Webinar wird es unter anderem darum gehen: - wie KI Vertriebs- und Service-Teams entlasten kann - welche Rolle Copilots, Automatisierungen und intelligente Empfehlungen spielen - wo KI im CRM bereits produktiv eingesetzt wird – und wo aktuell noch Grenzen liegen Der Fokus liegt dabei immer auf der Frage: Wie fühlt sich das im Alltag an? Und nicht nur: Was ist theoretisch möglich? KI sinnvoll einführen – Schritt für Schritt Ein weiterer wichtiger Aspekt des Webinars ist die strategische Einordnung. Denn KI im CRM ist kein Selbstläufer. Datenqualität, klare Ziele und realistische Erwartungen sind entscheidend für den Erfolg. Im Live-Talk werden typische Herausforderungen angesprochen, die Unternehmen auf ihrem Weg zu KI-gestützten CRM-Prozessen begleiten – genauso wie bewährte Vorgehensweisen, um erste Pilotprojekte umzusetzen und Erfahrungen zu sammeln. Shwonotes:

Link: https://www.five1.de/podcast/reifegrad-sap-bdc SAP und Künstliche Intelligenz galten lange als zwei Welten, die nur schwer zusammenfinden. Komplexe Systemlandschaften, eingeschränkter Datenzugriff und hoher manueller Aufwand haben viele Projekte ausgebremst. Mit der Business Data Cloud verändert sich dieses Bild grundlegend. In dieser Folge sprechen Andreas Wiener und Christian Bühler darüber, wie sich der Umgang mit SAP Daten aktuell wandelt und welche neuen Möglichkeiten sich daraus ergeben. Offene Standards, bessere Integration und automatisierter Zugriff schaffen die Grundlage, um Daten deutlich effizienter zu nutzen und KI Anwendungen sinnvoll einzusetzen. Im Mittelpunkt stehen konkrete Einsatzfelder. Von Forecasting über Finanzplanung bis hin zu interaktiven Analysen auf Basis von Chatbots. Dabei wird deutlich, dass nicht die Technologie allein den Unterschied macht, sondern vor allem das Zusammenspiel aus Datenqualität, Struktur und Fachwissen. Ein zentraler Punkt ist der Wandel in der Nutzung von Daten. Es geht weniger darum, alle Mitarbeitenden zu Datenexperten zu machen. Entscheidend ist, dass Fachbereiche mit tiefem Verständnis gezielt mit Daten arbeiten und daraus bessere Entscheidungen ableiten. Diese Folge liefert einen fundierten Einblick in den aktuellen Stand und zeigt, warum SAP im Kontext von KI heute eine deutlich größere Rolle spielt als noch vor kurzer Zeit.

Data Mesh ist in aller Munde – aber wie setzt man es wirklich um? Jonas Kell, Product Owner bei Siemens Energy, erklärt, warum der Schlüssel nicht in der Technologie liegt, sondern in den Menschen. Von Data Citizens über Datenprodukte bis zur konkreten Architektur: So baut Siemens Energy eine datengetriebene Organisation auf. Key Takeaways: → Warum Data Mesh ohne Data Citizens nicht funktioniert → Wie Siemens Energy Datenkompetenz in den Fachbereichen aufbaut → KI als Hebel für bessere Datenqualität – nicht umgekehrt → Der Weg vom Data Citizen zum Data Product Owner → Warum Effizienzsteigerung durch Datenprodukte messbar sein muss Über den Gast: Jonas Kell ist Product Owner bei Siemens Energy und verantwortet den Aufbau von Data Products im Manufacturing-Bereich. Zuvor war er bei Accenture DACH im LowCode-Umfeld tätig. Er studierte an der FOM Hochschule. Zum Linkedin Profil von Jonas Kell: https://www.linkedin.com/in/jonas-kell-24b213202/ Zur Homepage von Siemens Energy: https://www.siemens-energy.com/global/en/home.html Zu allen Links rund um Jonas Rashedi: https://linktr.ee/jonas.rashedi

In dieser Episode sprechen wir mit Max, Team Lead Data Science bei der Krombacher Brauerei, über Demand Forecasting in der Konsumgüterindustrie. Gemeinsam beleuchten wir, wie Krombacher die tägliche Nachfrageprognose für Bier und weitere Produkte modelliert, von Vorbestellungen über Feature Engineering bis hin zu Gauß-Prozess-Modellen. Außerdem geht es um Modellgüte, den Umgang mit Corona-Effekten, Unsicherheitsintervalle und die Bedeutung von Domänenwissen. Ein weiterer Schwerpunkt liegt auf der Infrastruktur: vom Custom-Stack auf AWS hin zu einer skalierbaren Databricks-Plattform. **Zusammenfassung** Ziel: Kurzfristige Prognose der täglichen Auslieferungsmenge (Hektoliter) für die nächsten Werktage Starker Einfluss von Vorbestellungen, ergänzt durch Features wie Arbeitsstunden-Abstand, Wochentag und Öffnungszeiten Einsatz von Gauß-Prozess-Modellen für nichtlineare Zusammenhänge und perspektivisch Unsicherheitsintervalle Sliding Window mit 365 Tagen Trainingsdaten und täglichem Retraining Benchmark: < 10 % MAPE erreicht für bis zu fünf Werktage im Voraus Corona-Effekte über Dummy-Variablen berücksichtigt, besonders relevant für Gastronomie-Fässer Wechsel von AWS Custom Stack (SageMaker, MLflow, API) zu Databricks zur besseren Skalierbarkeit und Wartbarkeit Zentrale Learnings: Domänenwissen > Modellkomplexität, Use Case klar definieren, Datenqualität als Fundament **Links** Krombacher Brauerei https://www.krombacher.de/ Dr. Max Schüssler auf LinkedIn https://www.linkedin.com/in/dr-max-schuessler/ databricks https://www.databricks.com/ #88: Anomalie-Erkennung im Loyalty-Programm bei Krombacher – Mit Fabian Wörenkämper https://www.podbean.com/ew/pb-apyrq-1a577b8 #29: Die Qual der Wahl: Data Science Plattform vs. Customized Stack https://www.podbean.com/ew/pb-pep8h-147029f ML Tutorial: Gaussian Processes (Richard Turner) auf YouTube https://www.youtube.com/watch?v=92-98SYOdlY

Du investierst in KI-Sichtbarkeit. Aber kannst du auch belegen, was sie dir wirklich bringt? Genau hier wird es für viele Marketing-Teams gerade spannend: In KI-Antworten aufzutauchen, ist nett. Aber erst wenn daraus qualifizierter Traffic, relevantes Nutzerverhalten und Conversions entstehen, wird daraus echter Marketing-Erfolg. In Folge #172 des 121WATT Podcasts sprechen Sarah, Patrick und Michaela Linhart darüber, wie du KI-Traffic in GA4 sichtbar machst, welche Grenzen das Tracking aktuell hat und warum gute Datenqualität jetzt wichtiger ist denn je. Das kannst du direkt mitnehmen:

Fehlen Ihrem KI-Erfolg die entscheidenden Daten?Ist Instandhaltung überhaupt bereit für KI?Künstliche Intelligenz gilt für viele Unternehmen als Hebel für effizientere Instandhaltung, weniger Stillstände und bessere Planung. In der Praxis scheitern jedoch viele Projekte nicht an der Technologie selbst, sondern an fehlenden Voraussetzungen im Unternehmen. In dieser Interview-Folge des #KIundTECH Podcasts spricht Holger Winkler mit Domenico Carapezza, Leiter Vertrieb und Business Development bei SPIE RODIAS, darüber, warum Datenqualität, Struktur und Anwendungsnähe entscheidend sind, wenn KI in der Instandhaltung echten Nutzen bringen soll. Anhand konkreter Beispiele aus Industrie und Energie wird deutlich, wie Unternehmen bereits heute mit smarter Instandhaltung Kosten senken, Wissen sichern und die Anlagenverfügbarkeit verbessern können.Warum sollten Sie dieses Interview nicht verpassen?Sie erfahren, warum viele KI-Projekte in der Instandhaltung nicht an der Technik, sondern an der fehlenden Datengrundlage scheitern.Sie sehen, welche konkreten Anwendungsfälle schon heute in Industrie, Energie und Instandhaltung funktionieren.Sie verstehen, wie smarte Instandhaltung Schritt für Schritt aufgebaut wird, statt auf den einen grossen KI-Wurf zu warten.Sie bekommen Orientierung, wie Techniker im Alltag schneller auf Informationen zugreifen, Störungen erfassen und Prozesse vereinfachen können.Sie nehmen konkrete Impulse mit, wie Unternehmen Wissen sichern und Fachkräftemangel praktisch abfedern können.Weiterführende Links:Internet: https://www.spie-rodias.de/#Instandhaltung #Maintenance #PredictiveMaintenance #KIÜber #KIundTECH – der KIundTECH Podcast:KI & TECH in Unternehmen und Gesellschaft: Wettbewerbsvorteil oder Sargnagel?Was machst Du daraus?Wir sprechen mit Anwendern und Vordenkern über Chancen, Risiken und Auswirkungen von KI – klar, praxisnah und auf den Punkt. Damit unsere Hörer schneller die richtigen Entscheidungen treffen können.> Mehr erfahren: https://kiundtech.com/> Holger Winkler auf LinkedIn: https://www.linkedin.com/in/holger-winkler/ Du möchtest einen Gast vorschlagen oder selber zu uns in die Sendung kommen?Alle Informationen und ein Bewerbungsformular findest du auf unserer Webseite!

Welche Rolle spielen Daten in der Infektionsprävention? In dieser Folge spricht Jonas Rashedi mit Prof. Dr. Irit Nachtigall über die Bedeutung von Daten in der modernen Medizin und warum Prävention stärker datenbasiert gedacht werden muss. Ein zentrales Thema ist dabei der Unterschied zwischen klassischen klinischen Studien und sogenannten Real-World-Data. Während randomisierte Studien medizinische Beweise liefern, helfen Daten aus der realen Welt zu verstehen, ob Therapien und Maßnahmen tatsächlich im Alltag funktionieren. Darüber hinaus geht es um geschlechtersensible Medizin, Studienkritik, Datenqualität und die Frage, warum anonymisierte Gesundheitsdaten eine enorme Chance für Forschung und Prävention darstellen können. Zum Linkedin Profil von Irit: https://www.linkedin.com/in/irit-nachtigall-univ-prof-dr-10958a75/ Zur Homepage vom Vivantes: https://www.vivantes.de/ Zu allen Links rund um Jonas: https://linktr.ee/jonas.rashedi Du möchtest gezielt Werbung im Podcast MY DATA IS BETTER THAN YOURS schalten? Zum Kontaktformular: https://2frg6t.share-eu1.hsforms.com/2ugV0DR-wTX-mVZrX6BWtxg

In dieser Episode sprechen Patrick und Joerg über die Rolle der IT in der Unternehmensstrategie und die Herausforderungen, die mit der zunehmenden Digitalisierung einhergehen. Im Fokus stehen IT Ecosysteme, Systemintegration und die Bedeutung klarer Strukturen für nachhaltige Unternehmensentwicklung. Die Diskussion zeigt, warum viele Unternehmen die Komplexität der Datenintegration unterschätzen und weshalb Datenqualität ein zentraler Erfolgsfaktor ist. Zudem wird die Rolle von KI in der Datenverarbeitung sowie die Evolution der IT Logik beleuchtet. Ein weiterer Schwerpunkt liegt auf der Verbindung von Daten, Geschäftsmodellen und Pricing sowie auf der Frage, wie Unternehmen ein echtes Ecosystem Denken entwickeln können. Abschliessend wird die Bedeutung von digitaler Ethik, klaren Rollen und Verantwortung in der IT diskutiert. 

Viele Schweizer KMU haben ERP, CRM und Cloud im Einsatz – doch strukturiertes Reporting mit Power BI fehlt oft.In diesem Video zeigt dir Patrick Müller 7 praxisnahe Facts, wie du mit klaren KPIs, reduzierten Dashboards und verknüpften Daten bessere, schnellere Entscheidungen triffst. Erfahre, warum Reporting ein Führungsprojekt ist und wie du damit echte Wirkung erzielst.

Im Mittelpunkt steht der Einfluss moderner KI-Technologien auf Suchverhalten, SEO und B2B-Marketing sowie die Frage, wie Unternehmen KI-Tools praktisch und wirkungsvoll einsetzen können. Behandelt werden insbesondere die veränderten Suchmuster durch ChatGPT und Googles AI Overview, die wachsende Bedeutung präziser Nischen-Keywords sowie die Rolle technisch sauber strukturierter Inhalte. Praxisbeispiele verdeutlichen, welche Chancen KI für Sichtbarkeit, Effizienz und Leadgenerierung eröffnet und wo gleichzeitig neue Risiken entstehen, etwa durch sinkende Klickraten oder steigende Anforderungen an Content- und Datenqualität. Abgeschlossen wird der Beitrag mit klaren Empfehlungen, worauf Unternehmen bei der Nutzung von KI-Tools achten sollten, wie sie Potenziale realisieren und wie ein zukunftssicheres B2B-Suchmaschinenmarketing gestaltet werden kann. Folgendes hast Du nach dem Webinar gelernt: - Der Einsatz von KI-Technologien wie Chatbots und AI-gestützten Suchergebnissen verändert das Suchverhalten im B2B deutlich und erfordert ein Umdenken in der klassischen Suchmaschinenoptimierung. - Präzise Nischen- und Long-Tail-Keywords gewinnen an Bedeutung, da sie besser zu den konkreten Informationsbedürfnissen von Entscheidern passen und qualitativ hochwertigere Anfragen ermöglichen. - Technisch sauber strukturierte Inhalte, klare Seitenarchitekturen und der Einsatz strukturierter Daten erhöhen die Sichtbarkeit in KI-basierten Suchumfeldern erheblich. - KI bietet großes Potenzial zur Steigerung von Effizienz, Sichtbarkeit und Leadgenerierung, geht jedoch gleichzeitig mit neuen Herausforderungen wie sinkenden Klickraten und höheren Anforderungen an Content-Qualität einher. - Ein zukunftssicheres B2B-Suchmaschinenmarketing setzt auf den gezielten, strategischen Einsatz von KI-Tools, kombiniert mit fundiertem Zielgruppenverständnis und kontinuierlicher Optimierung entlang der Customer Journey. Zielgruppe: - Verantwortliche für digitales Marketing, Online-Marketing und Leadgenerierung im B2B-Umfeld - Geschäftsführer, Inhaber und Entscheider mittelständischer Unternehmen mit Fokus auf Wachstum - Marketing- und Vertriebsverantwortliche erklärungsbedürftiger B2B-Produkte und Dienstleistungen - Fach- und Führungskräfte, die Suchmaschinenmarketing strategisch weiterentwickeln möchten - Unternehmen, die KI-Tools gezielt zur Steigerung von Sichtbarkeit, Effizienz und Anfragen einsetzen wollen

Links: https://data-changemaker.de/ https://www.linkedin.com/groups/18379010/ Data Governance klingt für viele Unternehmen nach Bürokratie, Regeln und zusätzlicher Arbeit. Genau deshalb wird das Thema häufig aufgeschoben – bis die ersten echten Probleme auftreten: falsche Kennzahlen, widersprüchliche Reports oder KI-Modelle, die auf fehlerhaften Daten basieren. In dieser Folge von AI or DIE sprechen Andreas Wiener und Janine mit Jürgen von OPITZ CONSULTING über ein Thema, das in der Datenwelt oft unterschätzt wird, aber über Erfolg oder Misserfolg vieler Analytics-Initiativen entscheidet: Data Governance. Dabei wird schnell klar: Governance bedeutet nicht Kontrolle um der Kontrolle willen. Es geht darum, Verantwortlichkeiten zu klären, Datenflüsse transparent zu machen und dafür zu sorgen, dass Fachbereiche sich auf ihre Daten verlassen können. Denn ohne Vertrauen in die Daten kann weder Self-Service-Analytics noch Data Culture wirklich funktionieren. Gemeinsam diskutieren wir unter anderem: • Warum Data Governance heute anders wahrgenommen wird als noch vor einigen Jahren • Welche Rolle Data Culture dabei spielt • Warum Data Stewards keine „Datenpolizei“ sein sollten • Wie Unternehmen Governance pragmatisch aufbauen können • Warum Visualisierung von Datenprozessen ein Schlüssel zum Erfolg ist • Wann externe Perspektiven helfen, Governance-Programme sinnvoll aufzusetzen • Und welche Rolle KI künftig bei der Verbesserung von Datenqualität spielen kann Die zentrale Botschaft dieser Episode: Wer seine Daten ernst nimmt, braucht klare Regeln – nicht als Selbstzweck, sondern als Grundlage für bessere Entscheidungen. Oder einfacher gesagt: Ohne Data Governance bleibt Data-Driven nur ein Buzzword.  ⸻ Timestamps 00:00 – Intro: Warum Data Governance oft unterschätzt wird 00:56 – Vorstellung des Gastes Jürgen 01:00 – Hat sich Data Governance in den letzten Jahren verändert? 02:26 – Zusammenhang zwischen Data Culture und Data Governance 03:06 – Warum Datenqualität bei der Dateneingabe beginnt 04:13 – Datenqualität und KI: Wenn schlechte Daten automatisiert werden 04:33 – Wie startet man ein Data-Governance-Projekt? 05:08 – Bewusstsein schaffen und Stakeholder einbinden 06:28 – Gibt es einen Standard-Leitfaden für Data Governance? 07:13 – Prozesse und Datenflüsse sichtbar machen 08:40 – Rollenmodelle und der Begriff Data Steward 09:48 – Data Steward: Diener der Datenqualität statt Datenpolizei 11:13 – Akzeptanz von Governance-Rollen im Unternehmen 12:58 – Self-Service Analytics vs. Governance 14:15 – Gemeinsame Ziele als Erfolgsfaktor 14:56 – Herausforderungen bei Self-Service-Datenmodellen 16:10 – Kommunikation und Zusammenarbeit im Datenprozess 17:01 – Externe Beratung bei Data-Governance-Projekten 18:29 – Warum eine externe Perspektive hilfreich sein kann 20:13 – Ganzheitliche Sicht auf Datenprozesse 20:57 – Visualisierung von Datenflüssen und Pain Points 22:04 – Zusammenhang zwischen Data Governance und KI 23:05 – Können KI-Agenten Datenqualität verbessern? 24:13 – Wie Governance-Prozesse visualisiert werden 25:51 – Data Governance in einem Satz erklärt 27:24 – Data Governance positiv framen 28:47 – Learnings aus der Folge 29:41 – Schlussgedanke: Bei Data Governance nicht weglaufen 29:56 – Outro

In dieser Episode starten wir mit einem kleinen Behind-the-Scenes-Tech-Check und landen direkt im echten Alltag zwischen Kita-Ausfall, „Backup-Kita“ und dem Coworking-Rettungsanker JuggleHUB. Danach geht's wie gewohnt in eure Struktur: Was war los? → Rapid Fire → Deep Dive – mit einem klaren Fokus auf die Frage, wie KI Agents und neue Produktlogiken gerade Recruiting, HR-Tech und sogar Medien/Advertising verändern. - Work-Life-Realität & HR-Relevanz: Coworking mit integrierter Kinderbetreuung als echter Produktivitätshebel – kurzfristig buchbar, alltagsnah, HR-tauglich gedacht. • Daten statt Dashboards: Warum Unternehmen vermehrt nach API-/Datenschnittstellen fragen: LLMs machen Visualisierung „selbst baubar“ – entscheidend wird die Datenqualität, nicht das fertige Frontend. • SaaS unter Druck? Diskussion über den Shift von User-based Pricing hin zu Usage-/Consumption-based Modellen, weil Agents Prozesse übernehmen und „User-Lizenzen“ perspektivisch weniger werden. • KI als Team-Workflow: Ihr teilt Aufgaben über ChatGPT-Workflows/Fragebögen (inkl. Sprachnutzung unterwegs) – als interner Produktivitäts-Hack für Struktur, Delegation und saubere Zusammenfassungen. • Recruiting- und Job-Search der Zukunft: Wenn KI die Suche personalisiert, werden Filter wie „elternfreundlich“ ggf. automatisch priorisiert – Frage: Wie macht man Elternfreundlichkeit mess- und erklärbar?

Link zum Buch: https://www.kaiuwestahl.com/download-buch-aiordie/ Seit über 15 Jahren bauen wir Dashboards. Von den ersten BI-Projekten mit absurden Ladezeiten bis zu modernen Tools wie Power BI und SAP Analytics Cloud. Und trotzdem stellt sich heute wieder eine provokante Frage: Brauchen wir Dashboards überhaupt noch – oder übernimmt KI jetzt alles? In dieser Folge sprechen Andreas Wiener und Kai-Uwe Stahl über eine der zentralen Disziplinen der datengetriebenen Unternehmenssteuerung. Sie blicken zurück auf die Entwicklung des Dashboardings, auf die größten Missverständnisse in Unternehmen und auf die Rolle, die KI künftig spielen wird. Dabei wird eines deutlich: Viele Unternehmen springen heute direkt auf den KI-Hype – ohne ihre Hausaufgaben gemacht zu haben. Denn bevor KI wirklich Mehrwert liefern kann, müssen Unternehmen ihre Zahlen kennen. Und genau dafür bleiben Dashboards unverzichtbar. In der Folge geht es unter anderem um: • Die Evolution von Dashboarding in den letzten 15 Jahren • Warum Tools heute kaum noch der entscheidende Faktor sind • Weshalb viele Unternehmen den falschen Fokus auf Self-Service-Analytics legen • Warum Standard-Reporting oft mehr bringt als komplexe Analyseumgebungen • Wie KI künftig die tiefe Analyse übernimmt – während Dashboards das Monitoring liefern Die klare Botschaft dieser Episode: KI ersetzt Dashboards nicht. Aber sie verändert, wofür wir sie nutzen. Wer seine Daten nicht im Griff hat, wird auch mit KI keine besseren Entscheidungen treffen.  ⸻ Timestamps 00:00 – Intro: 15 Jahre Dashboarding 00:54 – Was ist eigentlich ein Dashboard? 01:32 – Warum Monitoring-Dashboards unverzichtbar bleiben 02:53 – Das Buch und Feedback aus Unternehmen 05:12 – Warum viele Berater dem falschen Hype folgen 07:35 – Neue Hausaufgaben: Dashboards statt nur Datenqualität 10:03 – Die Anfänge: Dashboarding mit Excel und PowerPoint 11:15 – Erste BI-Tools und extrem lange Ladezeiten 13:22 – Erste große Projekte und technologische Entwicklung 14:32 – Warum viele Unternehmen Dashboarding nie richtig umgesetzt haben 15:52 – Warum klassische Trainings oft nicht funktionieren 18:29 – Online-Kurse vs. Präsenzschulungen 19:10 – Power BI als Gamechanger im Dashboarding 20:34 – Tableau, Visual Analytics und der Visualisierungstrend 21:22 – Warum sich der Markt auf wenige Tools konzentriert 23:38 – Konsolidierung im BI-Markt 25:09 – Datenvisualisierung und Storytelling im Dashboard 26:00 – Self-Service Analytics: Realität vs. Wunschdenken 27:08 – Wo KI künftig die Analyse übernimmt 28:21 – Fazit: Dashboards bleiben ein zentraler Baustein der Datenstrategie

In dieser Episode teilt Peter Bluhm die wichtigsten Erkenntnisse aus vier intensiven Gesprächen mit Entscheidern und Experten: von der AXA Schweiz über einen mittelständischen Maschinenbauer bis hin zu akademischen Spezialisten für Unternehmensplanung und Data Governance. Die 5 zentralen Learnings: Datenstrategie entwickelt sich in Phasen – nicht als Big Bang  Der Pareto-Ansatz bei Datenqualität: 80/20 statt 100% Perfektion Datenqualität ist kontextabhängig – ohne Verwendungszweck keine sinnvolle Messung Erwartungstreue Planwerte statt ambitionierte Wunschszenarien Data Governance – der größte Fehler ist, nichts zu tun  Zentrale Erkenntnisse aus den Gesprächen: Die AXA Schweiz entwickelte ihre Datenstrategie über 10 Jahre – von explorativen Ansätzen mit einem Server unter dem Schreibtisch bis zur Data Mesh-Architektur. Learning by Doing statt Masterplan. Mehrer Compression startete mit 80 Prozent Datenqualität und verbesserte iterativ. Das Ergebnis: Die Liefertreue stieg von 77 Prozent auf über 95 Prozent, ohne jahrelange Datenbereinigung. Erfolgreiche Datenarbeit erfordert keine Perfektion, sondern eine realistische, pragmatische Herangehensweise. Themen:  Business Intelligence | Datenstrategie | Data Governance | Datenqualität | Unternehmensplanung | KI-Projekte | Controlling | Performance Management Die Gesprächspartner:  Dr. Kathrin Braunwarth, Mitglied der Geschäftsleitung, AXA Schweiz  Jens Elfert, Bereichsleiter Finanzen, Mehrer Compression  Prof. Dr. Werner Gleißner, TU Dresden  Dr. Christiana Klingenberg, IDIGMA  Prof. Dr. Christine Weber, TH Würzburg-Schweinfurt 

Widersprüchliche Berichte aus verschiedenen Systemen, unklare Zuständigkeiten bei Stammdaten und endlose Diskussionen über die „richtige" Zahl – viele CFO, Controller und IT-Verantwortliche erleben diese Herausforderungen täglich. Daten werden als „das neue Öl" bezeichnet, doch im Alltag herrscht oft Chaos statt Strategie. Genau hier setzt Data Governance an – als strukturierter Rahmen für den professionellen Umgang mit der Unternehmensressource Daten. Zu Gast: Dr. Christiana Klingenberg - Leiterin Data Management Center of Excellence bei iDIGMA und Prof. Dr. Kristin Weber - Vizepräsidentin für Digitalisierung und CIO der TH Würzburg-Schweinfurt. In dieser Episode: Warum Data Governance eine „Journey" ist – kein klassisches Projekt mit Anfang und Ende. Wie das qualitätsorientierte Framework auf drei Ebenen aufbaut: von der Strategie über Rollen und Kultur bis zur technischen Infrastruktur. Wie man Datenqualität messbar und die versteckten Kosten schlechter Daten sichtbar macht. Welche Rolle Data Governance bei KI-Anwendungen spielt und konkrete erste Schritte für den Einstieg. Beide Autorinnen bringen rund 20 Jahre Erfahrung aus Beratung, Forschung und Praxis mit und haben kürzlich die zweite Auflage ihres Fachbuches „Data Governance - Der Leitfaden für die Praxis" im Hanser Verlag veröffentlicht.

n dieser Folge sprechen wir mit Anna Kopp, Director Microsoft Digital Germany, über eine der zentralen Fragen unserer Zeit: Wie bringen wir technologische Innovation – insbesondere KI und Agenten – sinnvoll mit menschlicher Arbeit zusammen? Anna blickt auf über 20 Jahre bei Microsoft zurück und beschreibt eindrucksvoll, wie sich Arbeit seit der Pandemie verändert hat: mehr Meetings, mehr E-Mails, mehr Komplexität – bei gleichbleibenden Zielen. Wir diskutieren, warum KI für viele Wissensarbeiter inzwischen unverzichtbar ist, wo ihre Grenzen liegen und weshalb Governance, Datenqualität und Unternehmenskultur entscheidender sind als einzelne Tools. Ein besonderer Fokus liegt auf Agentic AI: Was Agenten heute schon leisten, warum sie eher wie neue Kolleginnen und Kollegen als wie Apps zu verstehen sind und weshalb Unternehmen jetzt lernen müssen, mit Tausenden von Agenten strukturiert umzugehen. Anna erklärt, warum gute Daten die Grundlage jeder KI-Nutzung sind und weshalb Innovation immer von echten Problemen ausgehen sollte – nicht von Technologiebegeisterung allein. Wir sprechen außerdem über digitales Mindset, Lernkultur, Verantwortung der Geschäftsführung und darüber, warum Transformation ohne Zeit zum Nachdenken nicht funktionieren kann. Eine Folge über Technologie – und vor allem über Menschen. Darum geht es in dieser Folge: Die Rolle von KI in der Arbeitswelt Mensch vs. Maschine: Die Zukunft der Arbeit Agenten und ihre Rolle in der Unternehmenswelt Governance und Sicherheit in der digitalen Welt Teamarbeit und Ergebnisse Kultur und Lernumgebung Digitales Mindset und Transformation Innovationsansätze und Problemlösungen Zusammenarbeit zwischen Mensch und KI

Widersprüchliche Berichte aus verschiedenen Systemen, unklare Zuständigkeiten bei Stammdaten und endlose Diskussionen über die „richtige" Zahl – viele CFO, Controller und IT-Verantwortliche erleben diese Herausforderungen täglich. Daten werden als „das neue Öl" bezeichnet, doch im Alltag herrscht oft Chaos statt Strategie. Genau hier setzt Data Governance an – als strukturierter Rahmen für den professionellen Umgang mit der Unternehmensressource Daten. Zu Gast: Dr. Christiana Klingenberg - Leiterin Data Management Center of Excellence bei iDIGMA und Prof. Dr. Kristin Weber - Vizepräsidentin für Digitalisierung und CIO der TH Würzburg-Schweinfurt. In dieser Episode: Warum Data Governance eine „Journey" ist – kein klassisches Projekt mit Anfang und Ende. Wie das qualitätsorientierte Framework auf drei Ebenen aufbaut: von der Strategie über Rollen und Kultur bis zur technischen Infrastruktur. Wie man Datenqualität messbar und die versteckten Kosten schlechter Daten sichtbar macht. Welche Rolle Data Governance bei KI-Anwendungen spielt und konkrete erste Schritte für den Einstieg. Beide Autorinnen bringen rund 20 Jahre Erfahrung aus Beratung, Forschung und Praxis mit und haben kürzlich die zweite Auflage ihres Fachbuches „Data Governance - Der Leitfaden für die Praxis" im Hanser Verlag veröffentlicht.

Data as a Product: Was steckt dahinter?Warum ist AI überall, aber der Weg von der Datenbank zu "Wow, das Modell kann das" wirkt oft wie ein schwarzes Loch? Du loggst brav Events, die Daten landen in irgendwelchen Silos, und trotzdem bleibt die entscheidende Frage offen: Wer sorgt eigentlich dafür, dass aus Rohdaten ein zuverlässiges, verkaufbares Datenprodukt wird.In dieser Episode machen wir genau dort das Licht an. Gemeinsam mit Mario Müller, Director of Data Engineering bei Veeva Systems, schauen wir uns an, was Datenteams wirklich sind, wie "Data as a Product" in der Praxis funktioniert und warum Data Engineering mehr ist als nur ein paar CSVs über FTP zu schubsen. Wir sprechen über Teamstrukturen von der One-Man-Show bis zur cross-functional Squad, über Ownership auf den Daten, Data Governance und darüber, wie du Datenqualität wirklich misst, inklusive Monitoring, Alerts, SQL-Regeln und menschlicher Quality Control.Dazu gibt es eine ordentliche Portion Tech: Spark, AWS S3 als primärer Speicher, Delta Lake, Athena, Glue, Airflow, Push-Pull statt Event-Overkill und die Entscheidung für Batch Processing, obwohl alle Welt nach Streaming ruft.Und natürlich klären wir auch, was passiert, wenn KI an den Daten rumfummelt: Wo AI beim Bootstrapping hilft, warum Production und Scale tricky werden und wieso Verantwortlichkeit beim Commit nicht von einem LLM übernommen wird.Wenn du Datenteams aufbauen willst, Data Products liefern musst oder einfach verstehen willst, wie aus Daten verlässlicher Business-Impact wird, bist du hier genau richtig.Bonus: Batchjobs bekommen heute mal ein kleines Comeback.Unsere aktuellen Werbepartner findest du auf https://engineeringkiosk.dev/partnersDas schnelle Feedback zur Episode: