Podcasts about datenqualit

Wie wird Storage zur Grundlage erfolgreicher KI-Projekte?In der neuen Folge des HPE Tech Talks spricht Monika Ptasińska-Rolik mit Data Solutions Category Manager Simon Schmid darüber, warum moderne KI-Anwendungen weit mehr benötigen als leistungsfähige Modelle. Der entscheidende Erfolgsfaktor liegt in den Daten und damit in der Art und Weise, wie sie gespeichert, verwaltet und geschützt werden.Erfahren Sie, wie sich KI-Anreicherung direkt auf Storage-Ebene integrieren lässt, warum Datenqualität und Datenverfügbarkeit für den Erfolg von KI-Projekten entscheidend sind und wie Unternehmen gleichzeitig Datenschutz-, Compliance- und DSGVO-Anforderungen erfüllen können.Besonders für Organisationen mit sensiblen Daten, etwa im Gesundheitswesen, der öffentlichen Verwaltung oder im Versicherungsumfeld, wird deutlich: Die Zukunft von KI beginnt nicht beim Modell, sondern bei einer intelligenten Daten- und Storage-Strategie.Jetzt reinhören und erfahren, warum AI-ready Data und modernes Storage künftig untrennbar zusammengehören.

Worum es geht: Rund 150.000 Artikel auf SKU-Ebene, 270 intern verwaltete Attribute— und regionale Lieferanten, die keine Zeit haben, die von ihnen geforderten 50 Attribute in eine Eingabemaske zu tippen. Manchmal ist es ein Betrieb von drei Leuten. Katharina Bülowius hat bei REWE erst die eigene Abteilung sichtbar gemacht und dann mit der internen AI-Innovation-Abteilung zwei KI-Module bauen lassen, die Produktangaben von Fotos auslesen und gegen einen Gold-Standard prüfen. Worüber wir sprechen: **Das eigentliche Problem: regionale Lieferanten.** Käse, Hoflimonade, Kartoffeln — die Angaben stehen auf der Verpackung im Markt, nicht in einem Datenpool. **Lea und der Goldhamster.** Ein Modul liest Produktfotos aus, ein zweites prüft die Ergebnisse gegen verifizierte Wahrheiten und lernt aus jeder Korrektur des Teams. **Der Rückschlag bei 80 Prozent.** Warum die erste Version nicht online gehen durfte und wie daraus das zweite Modul entstand. **Stammdaten gegen Produktwissen.** Warum der Name mitentscheidet, ob das Thema im Unternehmen eine Bühne bekommt. **Wer betreibt das eigentlich?** Nach dem Pitch vor der Geschäftsführung steht die Operating-Model-Frage im Raum. Der Gast: Katharina Bülowius ist Lead Ecom Master Data Management bei REWE und verantwortet die Produktdaten für Liefer- und Abholservice. Vor REWE war sie Geschäftsführerin einer Digitalagentur mit Kunden überwiegend im Mittelstand. Jonas und sie kennen sich von Douglas, wo sie als Freelancerin 20 Jahre alte Produktdaten für die SAP-Einführung neu strukturiert hat. MY DATA IS BETTER THAN YOURS ist ein Projekt von BETTER THAN YOURS, der Marke für richtig gute Podcasts.

Folge 100 bündelt, was Entscheider*innen über Data Science wissen sollten – aufgeteilt in vier Blöcke: Begriffsklärung, Datenqualität, Modellgüte und Erfolgsfaktoren. Mira und Amit ordnen ein, wie KI, Machine Learning und Statistik zusammenhängen, was supervised von unsupervised Learning unterscheidet und welche der vier Stufen der Datenanalyse für welche Fragestellung überhaupt nötig ist. Beim Thema Daten geht es um Validierung vor der eigentlichen Analyse, fehlende Zielvariablen und typische Formatprobleme, bei der Modellgüte um passende Gütemaße, Benchmarks, Overfitting, Explainability und die Evaluation von GenAI. Der letzte Teil behandelt die Frage, warum Datenprojekte in der Schublade landen: Auswahl des Use Cases, der Aufwandssprung von PoC zu MVP und Produkt sowie der eigene Data-Maturity-Level. Zum Abschluss stehen die fünf häufigsten Fehler.   **Zusammenfassung**   Begriffe sortieren: KI ist als Überbegriff meist unscharf gemeint, zwischen Statistik und ML gibt es einen fließenden Übergang – entscheidend ist, ob Zusammenhänge verstanden oder Prognosen erstellt werden sollen. Vier Stufen der Datenanalyse: deskriptiv, diagnostisch, prädiktiv, präskriptiv – oft liefert schon die erste Stufe den Großteil der Erkenntnisse, Stufen lassen sich schlecht überspringen. Datenqualität vor Datenquantität: viele korrekte, aber irrelevante Spalten verbessern keine Prognose; fehlerhafte Daten sind das größere Problem – gilt für tabulare Daten wie für RAG-Dokumente. Validierung zuerst: explorative Analysen, Verteilungen und Ausreißerprüfung deckt Datenprobleme auf und erzeugt selbst schon Erkenntnisse. Das Gütemaß hängt vom Use Case ab: Kosten von False Positives und False Negatives unterscheiden sich, ein einfaches Benchmark-Modell zeigt, ob der Aufwand sich lohnt. Overfitting vermeiden: immer out-of-sample auf einem Testdatensatz evaluieren und zeitliche Struktur berücksichtigen – sonst sind Prognosen ungenauer als erwartet und man sieht Zusammenhänge, die es nicht gibt. GenAI-Evaluation ist der Engpass: ein PoC entsteht schnell, das MVP wird durch Bewertungsfragen (LLM as a Judge, User Testing) deutlich aufwändiger. Erfolgsfaktoren: konkreter Use Case mit messbarem Hebel, frühe Einbindung der Nutzer*innen, Implementierung von Anfang an mitdenken und Projekte zum eigenen Reifegrad wählen.   **Links** Blogartikel zu Erfolgsfaktoren für Data-Science-Projekte https://www.inwt-statistics.de/blog/erfolgsfaktoren-fuer-data-science-projekte Folge #6: Statistik vs. Machine Learning https://www.podbean.com/ew/pb-ewip2-128c6f8 Folge #83: Wie gut ist gut genug? Modellgütemaße richtig verstehen https://www.podbean.com/eas/pb-8q2a8-19a0252 Folge #89: ROC around the clock – Alles rund um Gütemaße für Klassifikationsmodelle https://www.podbean.com/eas/pb-6jfj7-1a6a8ba Folge #43: Damit es im Live-Betrieb nicht kracht: Vermeidung von Overfitting & Data Leakage https://www.podbean.com/ew/pb-vw736-15baac0 Folge #86: "Garbage In, Garbage Out" verhindern: Datenvalidierung richtig gemacht https://www.podbean.com/eas/pb-5kyzq-1a305ed Folge #2: Erfolgsfaktoren für Predictive Analytics Projekte https://www.podbean.com/ew/pb-kdcmd-12460ab Folge #78: Der Use-Case-Guide: Navigationshilfe für echten Mehrwert https://www.podbean.com/ew/pb-s5e2r-1928b4f Folge #21: Machine Learning Operations (MLOps) https://www.podbean.com/ew/pb-taen7-13ce0fa Folge #23: Unsexy aber wichtig: Tests und Monitoring https://www.podbean.com/ew/pb-vxp58-13f311a Folge #24: Explainable AI: Entscheidungen von Black-Box-Modellen verstehen https://www.podbean.com/ew/pb-kn67b-1403089 Folge #47: Von Prognosen und Prompts: Data Science trifft generative KI mit Tobias Sterbak https://www.podbean.com/ew/pb-dkyex-1613842 Folge #70: Der Aufstieg zur Datenreife – Stufe für Stufe zur Data Maturity https://www.podbean.com/ew/pb-a7663-1882b25 Folge #32: Brauche ich Data-Science-Berater*innen und wenn ja wie viele? https://www.podbean.com/ew/pb-eaekc-14a6bbe Folge #69: AI Agents verstehen und evaluieren mit Matthäus Deutsch https://www.podbean.com/ew/pb-cq7xp-186d96d Folge #80: Willkommen an Bord: Wie wir neue Kolleg*innen begleiten https://www.podbean.com/ew/pb-232sr-1953fe6 Folge #51: Wer rastet, rostet: Die Rolle von Weiterbildung in Data Science https://www.podbean.com/ew/pb-czpd3-16716c0 Folge #97: Die Güte von Gen-AI-Projekten bewerten mit Tobias Sterbak https://www.podbean.com/eas/pb-7fhem-1b0096c

In dieser Folge vom OMT-Podcast spricht Mario Jung (OMT GmbH) mit Juliane Schürer (eMinded GmbH), die zeigt, dass die KI Google Ads übernimmt – aber nur für diejenigen, die ihre Daten, Produktstruktur und strategischen Ziele im Griff haben. Für Dich bedeutet das: weniger operative Klickarbeit und deutlich mehr strategische Verantwortung. Viele operative Aufgaben – Gebote, Budgetverteilung, Netzwerkentscheidungen, Anzeigenerstellung – übernimmt die Plattform inzwischen selbstständig und in Echtzeit. Das bedeutet, dass weniger manuelle Detailarbeit, aber gleichzeitig eine deutlich höhere strategische Verantwortung herrscht. Die Qualität Deiner Daten, die Struktur Deiner Produktfeeds und die Definition Deiner Geschäftsziele entscheiden darüber, wie gut die KI performt. Fehlerhafte Tracking-Setups oder unklare Zielvorgaben führen dazu, dass Google auf einer falschen Realität optimiert – mit teuren Konsequenzen. Besonders im eCommerce wird deutlich, dass Performance Max (PMax) zwar der Motor vieler Accounts ist, aber nicht allein stehen darf. Klassische Search-, Brand- und Standard-Shopping-Kampagnen behalten ihre Berechtigung, weil sie Kontrolle, Transparenz und Lernfähigkeit sichern. PMax ist effizient, aber oft eine Blackbox. Deshalb brauchst Du ergänzende Kampagnen, um Brand-Traffic sauber auszusteuern, saisonale Peaks gezielt zu aktivieren und Lower-Funnel-Anfragen präzise abzufangen. Gleichzeitig verändern sich Suchanfragen durch KI: Nutzer:innen formulieren problemorientierter und dialogischer. Mit neuen Search-Features wie Max wird Google breiter ausspielen – und Du musst stärker mit negativen Keywords, Feed-Optimierung und klaren Segmentierungen gegensteuern. Der größte Hebel bleibt die Datenqualität. Sauberes eCommerce-Tracking, korrekte Umsätze, Warenkorbwerte, Produktkosten, Margencluster, Neukundenlisten und hochwertige Creatives bilden die Grundlage für wirtschaftlich sinnvolle Optimierung. Die Rolle von Google-Ads-Expert:innen wandelt sich: weg von operativer Klickarbeit, hin zu datengetriebener Strategie, Funnel-Architektur und Feed-Exzellenz. Wer jetzt investiert, stellt seinen Account zukunftssicher auf – denn KI wird die Suche, die Kampagnenlogik und die Customer Journey weiter verändern. Unternehmen, die früh testen und ihre Daten sauber halten, werden langfristig profitieren.

In der 15. Auflage vom SISTRIX-SEO-Talk von OMT wurde deutlich, wie stark sich die Branche gerade durch neue Datenquellen und KI Entwicklungen verändert. Besonders das global ausgerollte Social Media Tracking in der Google Search Console eröffnet erstmals echte kanalübergreifende Einblicke – insbesondere für YouTube und Discover. Damit wird sichtbar, wie Social Plattformen zur Suche beitragen und welche Keywords oder Content Formate dort funktionieren. Parallel dazu liefert die neue Google Atlas Studie ein realistisches Bild darüber, wie Nutzer:innen KI Systeme tatsächlich verwenden. Sie zeigt, dass KI vor allem bei komplexen Suchanfragen genutzt wird und dass die Integration von KI Antworten in die Google Suche das Nutzerverhalten spürbar beeinflusst. Diese Entwicklungen markieren einen Wendepunkt: SEO wird nicht ersetzt, sondern durch KI Schichten erweitert, die neue Anforderungen an Datenqualität, Content Struktur und Markenpräsenz stellen. In der 15. Auflage vom SISTRIX-SEO-Talk von OMT wurde deutlich, wie stark sich die Branche gerade durch neue Datenquellen und KI Entwicklungen verändert. Besonders das global ausgerollte Social Media Tracking in der Google Search Console eröffnet erstmals echte kanalübergreifende Einblicke – insbesondere für YouTube und Discover. Damit wird sichtbar, wie Social Plattformen zur Suche beitragen und welche Keywords oder Content Formate dort funktionieren. Parallel dazu liefert die neue Google Atlas Studie ein realistisches Bild darüber, wie Nutzer:innen KI Systeme tatsächlich verwenden. Sie zeigt, dass KI vor allem bei komplexen Suchanfragen genutzt wird und dass die Integration von KI Antworten in die Google Suche das Nutzerverhalten spürbar beeinflusst. Diese Entwicklungen markieren einen Wendepunkt: SEO wird nicht ersetzt, sondern durch KI Schichten erweitert, die neue Anforderungen an Datenqualität, Content Struktur und Markenpräsenz stellen. Für die Praxis bedeutet das: Sichtbarkeit muss neu gedacht, aber nicht neu erfunden werden. Spam Updates wie das vom 25. Juni zeigen, dass Google weiterhin konsequent gegen Muster, Templates und Inhalte vorgeht, die keinen echten Mehrwert bieten. Gleichzeitig wird die Bedeutung von Produktseiten, strukturierten Daten und hochwertigen Feeds im E Commerce größer, weil KI Systeme diese Informationen stärker nutzen. Publisher müssen sich auf eine Welt einstellen, in der KI Antworten Klicks reduzieren, aber starke Marken weiterhin gewinnen. Und für alle gilt: KI Erwähnungen, Sentiment und Empfehlungsstärke sind wertvolle Indikatoren – aber keine Business KPIs. Am Ende zählt, ob Nutzer:innen konvertieren, ob Vertrieb Rückmeldungen gibt und ob die Marke im Markt Vertrauen aufbaut. SEO bleibt die operative Basis, GEO die strategische Erweiterung, und beide zusammen bestimmen, wie Marken in der KI gestützten Suche der Zukunft bestehen.

Deutschlands besondere Stärke im internationalen KI-Wettbewerb liegt in der industriellen Anwendung. Das zeigt eine neue Studie der IW Consult im Auftrag von eco. Bereits heute entstehen in Deutschland mehr als 120 Milliarden Euro Umsatz durch KI-gestützte Produktinnovationen und neue Dienstleistungsangebote. Entscheidend ist dabei die Verbindung von leistungsfähigen KI-Modellen mit Unternehmensdaten, Branchenwissen, Engineering-Kompetenz und industriellen Prozessen. In dieser Folge von „Das Ohr am Netz“ sprechen Sidonie Krug und Sven Oswald mit Gästen aus Verband, Industrie und Cloudwirtschaft über den deutschen Industrial-AI-Ansatz. Im Mittelpunkt stehen die wirtschaftlichen Ergebnisse der Studie, praktische Erfahrungen aus der Industrie sowie die digitale Infrastruktur, die für eine breite Skalierung von KI erforderlich ist. Oliver Süme, Vorstandsvorsitzender von eco, ordnet die zentralen Ergebnisse der Studie ein. Im Gespräch geht es unter anderem darum, weshalb gerade diese KI-Spezialisierung im Industriebereich für den Standort Deutschland relevant ist und welche politischen Rahmenbedingungen Unternehmen für Investitionen und Skalierung benötigen. Dr. Sicco Lehmann-Brauns von Siemens AG gibt Einblicke in die industrielle Praxis. Er spricht darüber, wie KI in der Industrieautomatisierung und in Endprodukten eingesetzt werden kann, welche Anforderungen sich an Datenqualität und Datenaufbereitung stellen und wie bestehende Modelle an konkrete industrielle Aufgaben angepasst werden. Michael Hanisch von AWS betrachtet Industrial AI aus der Infrastrukturperspektive. Im Gespräch geht es um das Zusammenspiel von Cloud, Edge Computing, Rechenzentren, Netzwerken und Datenplattformen sowie um die unterschiedlichen Anforderungen etablierter Industrieunternehmen und junger KI-Unternehmen. Auch Multicloud-Strategien und Skalierbarkeit spielen eine zentrale Rolle. Weitere Informationen: IW-Studie von eco “Der Deutschland Case: Wie KI das industrielle Geschäftsmodell erneuert”: https://www.eco.de/der-deutschland-case-wie-ki-das-industrielle-geschaeftsmodell-erneuert/ eco zu KI-Transparenzpflichten: https://www.eco.de/presse/nur-13-tage-bis-zur-anwendung-eco-warnt-vor-regulatorischem-blindflug-bei-ki-transparenzpflichten/ eco zum französischen Social-Media-Verbot: https://www.eco.de/presse/eco-kritisiert-frankreichs-social-media-verbot-europaeische-loesungen-statt-nationalem-flickenteppich/ eco Allianz zum Netzanschlusspaket: https://digitale-infrastrukturen.net/2026/07/22/eco-allianz-fuer-rechenzentren-fordert-nachbesserungen-des-netzanschlusspakets-geplante-regelungen-duerfen-rechenzentrumsausbau-nicht-behindern/ --------- Moderation: Sidonie Krug, Sven Oswald Schnitt: David Grassinger Redaktion: Christin Müller, Irmeline Uhlmann, Anja Wittenburg, Erik Jödicke Produktion: eco – Verband der Internetwirtschaft e.V.

Product Feeds entwickeln sich vom SEA-Werkzeug zu einem zentralen Hebel für SEO, AI Search und den gesamten E-Commerce. Doch was entscheidet darüber, ob ChatGPT ein Produkt findet, versteht und tatsächlich empfiehlt?Björn spricht mit Jannik Schubert, SEO- und GEO-Freelancer sowie Co-Host des Search Effect Podcasts, über das Zusammenspiel von Product Feeds, Produktdetailseiten und starken Marken.Sie diskutieren, warum PDPs in AI Search an Bedeutung gewinnen, welche Produktdaten für ChatGPT Shopping entscheidend sind und weshalb Konsistenz zwischen Feed, Shop und Marktplätzen unverzichtbar ist. Außerdem geht es um die Peec-AI-Erkenntnisse zur Rolle von Google Shopping, den von On beobachteten Traffic-Anstieg nach der ACP-Integration sowie die Zukunft von ACP und Googles UCP.Eine praxisnahe Folge über Produktdatenqualität, AI Visibility und die Frage, ob KI-Systeme künftig nicht nur Produkte empfehlen, sondern den kompletten Einkauf übernehmen.TakeawaysProduktdetailseiten gewinnen in AI Search gegenüber Kategorieseiten deutlich an Bedeutung.ChatGPT Shopping greift derzeit offenbar stark auf organische Google-Shopping-Ergebnisse zurück.Ein vollständiger Product Feed ist die Grundlage dafür, dass KI-Systeme Produkte korrekt verstehen und zuordnen können.Titel und Beschreibungen sollten neben Keywords auch Einsatzbereiche, Zielgruppen und relevante Produkteigenschaften abbilden.Preise, Verfügbarkeit, Versandinformationen, GTINs und SKUs müssen zwischen Feed, PDP und Marktplätzen konsistent sein.PDPs liefern zusätzlichen Kontext, Erfahrungswerte und Vertrauen, die ein standardisierter Feed allein nicht abdecken kann.ACP und UCP könnten Discovery, Produktempfehlung und Checkout direkt innerhalb von AI-Plattformen verbinden.Langfristig gewinnen Händler mit hoher Datenqualität und einer vertrauenswürdigen Marke.Kapitelmarke00:00 Intro und Vorstellung von Jannik Schubert01:43 Wie AI Search den E-Commerce verändert04:14 Warum Produktdetailseiten wichtiger werden08:57 PDP, Kategorie oder Ratgeber: Welche Seite nutzt die KI?12:29 Wie ChatGPT Produkte berät und auswählt15:03 Product Feed oder PDP: Was hat Priorität?16:50 Google Shopping als Quelle für ChatGPT19:07 Konsistenz zwischen Feed und Produktseite23:10 ACP, On und 133 % mehr ChatGPT-Traffic25:32 Was einen guten Product Feed ausmacht29:17 Die Bedeutung von GTIN, SKU und Produktvarianten32:32 Eine zentrale Quelle für alle Produktdaten34:04 Wer sollte den Product Feed verantworten?37:25 Wie ACP das AI Shopping verändern könnte40:22 Wird die PDP künftig nur noch zum Kontroll-Layer?42:48 Googles Vorteil durch Shopping Graph und UCP46:25 AI Commerce zwischen Revolution und Hype51:16 Wer gewinnt im zukünftigen AI Commerce?53:02 Warum SEO, GEO und Social zusammengedacht werden müssen

In der aktuellen Folge blicke ich auf ein echtes Schmerzthema der Versicherungswirtschaft: den stillen Boykott bei der Einführung neuer CRM- oder KI-Systeme. Ich spreche darüber, warum solche Projekte fast nie an der Technik scheitern, sondern an der mangelnden Akzeptanz der Mannschaft – und wie wir das ändern können. Die Highlights dieser Folge: Der stille Boykott: Warum neue Software-Projekte in der Versicherungsbranche meistens nicht wegen technischer Fehler, sondern durch die unterschwellige Ablehnung der Mitarbeiter scheitern. Existenzielle Ängste: Erfahrene Maklerbetreuer befürchten oft, dass die Technologie ihre mühsam erarbeitete Expertise und den persönlichen Draht zum Kunden entwertet. Das Phänomen der Schattenprozesse: Wie Mitarbeiter die Nutzung des Systems in Schulungen abnicken, im Alltag aber heimlich alte Gewohnheiten wie private Excel-Listen oder Notizblöcke weiterführen. Die Gefahr für KI-Systeme: Warum unvollständige Alibi-Daten im CRM die Datenqualität ruinieren und spätere KI-Tools, die darauf aufsetzen, unbrauchbar machen. Kognitive Entlastung statt Kontrolle: Der Schlüssel zum Erfolg liegt im Kommunikationswechsel – das Management muss zeigen, dass die Software den Mitarbeitern administrative Arbeit abnimmt, anstatt sie zu überwachen. Links in dieser Ausgabe Zur Homepage von Jonas Piela Zum LinkedIn-Profil von Jonas Piela Zum LinkedIn-Profil von Thorben Schwarz Link zum Whitepaper: Der Maklervertrieb 2026 Stich aus der Masse hervor. Werde die Marke, die jeder Entscheider kennt. Echte Relevanz entsteht nicht durch Reichweite, sondern durch Vertrauen. Wir bringen deine Botschaft dorthin, wo die Zukunft gebaut wird. Vom Sponsored Podcast für maximale Awarenes über das Fachmagazin für echtes Print-Prestige bis hin zum direkten Lead bei unseren Boutique-Events. Klick jetzt direkt auf diesen Link oder geh auf insurancemedia.de/werbung.

Achtung (Werbung in eigener Sache):  Jetzt mein neues Buch kaufen (in Co-Produktion mit Prof. Dr. Johanna Bath): "Die perfekte Employee Journey & Experience" (erschienen im Oktober 2025): Springer: https://link.springer.com/book/9783662714195 Amazon: https://bit.ly/44aajaP Thalia: https://www.thalia.de/shop/home/artikeldetails/A1074960417 Dieses Fachbuch stellt die wichtigsten Elemente der Employee Journey vor – vom Pre-Boarding bis zum Offboarding – und erläutert, wie Verantwortliche in Unternehmen eine gelungene Employee Experience realisieren und nachhaltig verankern können. Mein Gast: Sandra Feldmann ist Gründerin von hrstack.io und eine der prägendsten HR- und Recruiting-Stimmen im DACH-Raum. Rund 30.000 Menschen folgen ihr auf LinkedIn. Seit mehr als 15 Jahren baut sie Tech- und Go-to-Market-Teams auf und verbindet Recruiting, HR-Tech und Datenstrategie mit echtem Business Impact. Heute beschäftigt sie sich intensiv mit der Frage, welche Technologien, Tools und KI-Anwendungen im HR wirklich Mehrwert schaffen – und wo hinter großen Versprechen vor allem neuer Tool-Wildwuchs entsteht. Mit hrstack.io will sie HR-Teams Orientierung geben und dabei helfen, Technologien auf Basis klarer Prozesse, Daten und Strukturen sinnvoll einzusetzen. Ihre Perspektiven teilt Sandra nicht nur mit ihrer großen Fachcommunity, sondern auch auf Bühnen wie der SourceCon, dem Embrace Festival und H.U.G by Personio. Ihr Blick auf die Zukunft ist klar: Routinetätigkeiten und reine Datenarbeit werden zunehmend automatisiert. Umso wichtiger werden menschliches Urteilsvermögen, Vertrauen, echte Beziehungen und die Fähigkeit, Communities rund um Arbeitgebermarken aufzubauen.

In der neusten Folge vom OMT-Podcast führt Mario Jung (OMT GmbH) ein Interview mit Yara Molthan (Etribes Connect GmbH) darüber, warum der eCommerce-Goldrausch vorbei ist und Unternehmen 2026 radikal anders arbeiten müssen. Yara beschreibt, dass Wachstum nicht mehr automatisch mit dem Markt kommt: Konsument:innen sind preissensibler, Customer Acquisition Costs explodieren und KI-Suchergebnisse verschieben SEO-Traffic massiv Richtung Paid. Gleichzeitig belasten Inflation, geopolitische Krisen und Lieferkettenprobleme das Konsumklima. Erfolgreiche Unternehmen reagieren darauf, indem sie zuerst ihren Maschinenraum modernisieren: saubere Daten, semantisch reiche Produktinformationen, flexible Tech-Stacks und Automatisierung in Bestandsplanung, Kundenservice oder Retourenmanagement. Entscheidend ist ein iterativer Modus, in dem Hypothesen getestet, Ressourcen bewusst priorisiert und eine klare Master-KPI verfolgt wird, statt alles gleichzeitig zu wollen. Beim Thema KI betont Yara, dass 95 % der Projekte scheitern – nicht wegen Technologie, sondern wegen Kultur. Teams müssen verstehen, wofür KI eingesetzt wird, welche Datenqualität nötig ist und wie Leuchtturmprojekte Ängste abbauen. Gleichzeitig entsteht ein spannendes Paradox: Während KI Content vereinheitlicht und Prozesse automatisiert, steigt der Wunsch nach echter Menschlichkeit. Kund:innen sehnen sich nach Beratung, Community und persönlicher Interaktion. Genau hier entsteht Differenzierung: Omni-Channel-Erlebnisse, echte Berater:innen, KI-gestützte Shopping-Advisor und Formate wie Live Shopping oder Social Commerce schaffen Verbindung statt Austauschbarkeit. Die Balance liegt darin, Use-Case-basiert zu entscheiden, wo Automatisierung sinnvoll ist und wo menschliche Interaktion Vertrauen, Emotion und Bindung erzeugt. Für Teams bedeutet das: Fähigkeiten wie kritisches Denken, Trendkompetenz, Storytelling, Community-Building und Experimentierfreude werden wichtiger als operative Routine. Technologie übernimmt repetitive Aufgaben, Menschen schaffen die Momente, die Marken unverwechselbar machen. Yaras Kernbotschaft: Stillstand ist keine Option. Wer jetzt Daten, Tech und Kultur neu ausrichtet, kann trotz Marktveränderungen nachhaltig wachsen. Wenn Du im eCommerce oder Online-Marketing arbeitest, ist diese Podcast-Folge ein Pflicht-Impuls für Deine Agenda 2026. Hör rein, um zu verstehen, wie Du Effizienz, KI und echten Human Touch kombinierst — und warum genau diese Mischung über Deinen Erfolg entscheidet.

Seit Jahren wird versprochen, dass Künstliche Intelligenz Unternehmen produktiver, schneller und effizienter macht. Doch was davon ist tatsächlich Realität? Und wo bleiben die großen Durchbrüche aus? In dieser Folge spricht Andreas Wiener mit David B. Hofmann von valantic⁠ über den aktuellen Stand von KI in deutschen Unternehmen. Warum sind viele Pilotprojekte erfolgreich, scheitern aber bei der Skalierung? Weshalb reichen Copilot-Lizenzen allein nicht aus? Und welche Rolle spielen Führungskräfte, Datenqualität und Unternehmenskultur wirklich? Außerdem diskutieren die beiden, warum KI zwar beeindruckende Ergebnisse liefert, aber niemals fehlerfrei sein kann, weshalb Human-in-the-Loop wichtiger wird als viele glauben und welche konkreten Anwendungsfälle heute bereits messbaren Mehrwert schaffen. Eine ehrliche Bestandsaufnahme zwischen Hype, Realität und den Chancen, die Unternehmen jetzt nutzen können.

Der KI-Experte sagt: Nutzt so wenig KI wie möglich In dieser Folge von „das Freundebuch“ ist Patrick Hamacher in Köln zu Gast bei Thorben Schlätzer von dreifach.ai. Thorben beschreibt sich selbst als Mischung aus Technik-Nerd, Unternehmer und jemandem, der auf der DKM auch gerne mit jedem ein Bierchen trinken geht. Schon als Schüler hat er sich das Programmieren beigebracht, später eine Bankausbildung gemacht, Versicherungswesen in Köln studiert und sich früh mit künstlicher Intelligenz beschäftigt – seine Bachelorarbeit schrieb er bereits 2018 zu KI. Heute entwickelt Thorben mit dreifach.ai individuelle KI-Lösungen für Versicherungsmaklerinnen und Versicherungsmakler. Besonders spannend wird es beim Thema Bestandsfaktor: einem System, das Maklerbestände nicht mit plumpen Produktkampagnen bespielt, sondern mit echten Mehrwerten, relevanten Daten und persönlicher Ansprache weiterentwickelt. Im Gespräch geht es darum, warum klassische „Wir haben da ein Angebot für dich“-Mails immer weniger funktionieren, wie gute Kundenkommunikation heute aussehen kann und weshalb bessere Datenqualität nicht nur vertrieblich spannend ist, sondern auch dabei hilft, Kundinnen und Kunden wirklich passender abzusichern. Und dann fällt der Satz, der hängen bleibt: KI sollte man so wenig wie möglich einsetzen. Klingt ungewöhnlich für einen KI-Experten? Thorben erklärt, warum es nicht darum geht, alles blind zu automatisieren, sondern die richtige Balance zu finden: klare Logiken dort, wo sie funktionieren – KI dort, wo sie wirklich Geschwindigkeit, Struktur und Mehrwert bringt. Natürlich wird auch das Freundebuch wieder persönlich: Es geht um den Spitznamen „Toto“, Köln-Sülz, mediterranes Essen, Soja-Joghurt mit Apfel und Weintrauben, viel Bewegung, Superman-Flugkräfte, die 80er-Jahre und die Frage, mit welchen Menschen Thorben gerne einmal frühstücken würde. Eine Folge über Unternehmertum, Technologie, Maklerbestände, Kundennähe – und darüber, warum gute KI-Lösungen am Ende vor allem eines leisten sollten: Menschen besser machen, nicht ersetzen.

Künstliche Intelligenz im Gesundheitswesen: Hype, Heilsversprechen oder echter Hebel für bessere Versorgung? In dieser Episode nimmt Host Dominik Flener gemeinsam mit Eva Theiler, Senior Manager Health & Digital Innovation bei inhive Group, den großen KI-Hype auseinander und fragt: Wo entsteht im Gesundheitswesen wirklich Mehrwert, und wo wird nur die nächste digitale Hoffnung verkauft?Eva Theiler ist Unternehmensberaterin an der Schnittstelle zwischen digitaler Gesundheit und Organisationsentwicklung. Sie hat frühe KI- und Machine-Learning-Anwendungen in der medizinischen Forschung miterlebt, bei Roche Diagnostics im  Technologietransfer gearbeitet und in den USA erlebt, wie digitale Gesundheit in integrierten Versorgungssystemen funktionieren  kann. Ihr Blick auf KI ist deshalb weder euphorisch noch defensiv, sondern vor allem realistisch: KI kann heute schon viel, aber sie braucht die richtigen Daten, sichere Infrastrukturen, klare Verantwortung und konkrete Probleme, die sie lösen soll.Denn der entscheidende Punkt ist nicht: „Wie bringen wir KI ins Gesundheitswesen?“ Sondern: „Welches Problem ist so relevant, dass KI dort wirklich helfen kann?“Highlights dieser Folge:Warum KI im Gesundheitswesen weniger an Technologie als an Governance, Datenqualität und Organisation scheitertWas Europa und die USA im Umgang mit Gesundheitsdaten unterscheidetWie KI bei Sepsis-Früherkennung, Triage und Dokumentation echten klinischen Nutzen stiftetWarum Ärzt:innen nicht ersetzt, aber künftig stärker KI-gestützt arbeiten werdenWeshalb erfolgreiche KI-Projekte mit kleinen, klaren Use Cases beginnen solltenWarum Patient Outcomes der wichtigste KPI für KI im Gesundheitswesen bleibenDiese Episode ist für alle, die verstehen wollen, wie KI im Gesundheitswesen jenseits des Hypes wirklich wirksam werden kann und welche Voraussetzungen dafür geschaffen werden müssen.+++ Links zur Episode +++Eva Theiler auf LinkedIn+++ Feedback & Social Media +++Du hast Feedback zu dieser Episode?Schreibe uns gerne an podcast@healthcarechangers.com.Folge dem Host Dominik FlenerLinkedIn | Facebook | InstagramFolge dem Healthcare Changers PodcastLinkedIn | Facebook | Instagram++++++

KI ist nur so gut wie die Daten, mit denen sie arbeitet. Im zweiten Teil der Dental Late Night Show zu unserer KI-Serie zeigen wir am Beispiel der Denta1 Clinic, wie aus einer sauberen Datenbasis konkrete Werkzeuge für den Praxisalltag entstehen. Wir sprechen darüber, warum viele Praxen zwar Daten besitzen, diese aber kaum nutzen. Außerdem zeigen wir, wie sich Patientenscoring, HKP-Management und intelligente Dashboards in den täglichen Ablauf integrieren lassen. Ihr erfahrt, • warum Datenqualität wichtiger ist als das neueste KI-Modell. • wie die Denta1 Clinic Patienten automatisch bewertet und Serviceprozesse darauf abstimmt. • weshalb ein strukturiertes HKP-Management enorme Potenziale bietet. • wie sich Leerlauf und No-Shows reduzieren lassen. • warum die Zukunft nicht nur aus KI besteht, sondern aus intelligenten Prozessen. Eine Episode für alle, die verstehen möchten, wie moderne Praxissteuerung heute bereits funktioniert. Shownotes Unsere Weiterbildungsmöglichkeiten:

Komplexes Projektgeschäft, lange Vertriebszyklen und Tausende Anforderungen. Die Herausforderungen, vor denen BODE stand, dürften den meisten B2B-Playern nicht fremd sein. In dieser Folge spricht Sam mit Christoph Theis, dem Head of BID-Management bei BODE. Im Zentrum steht der Weg von analogen Sammelrunden vor einer riesigen Excel-Tabelle hin zu einem durchgängigen CRM-System mit Salesforce für Vertrieb, Angebotsmanagement und Field Service. Das Gespräch zeigt, wie ein Industrieunternehmen Excel, Access-Datenbank und Insellösungen durch ein zentrales CRM ersetzt, Reporting und Datenqualität in den Griff bekommt, KI im Angebotsprozess nutzt und gleichzeitig Change Management und Akzeptanz im Vertrieb aufbaut.Hier findet ihr Christoph auf LinkedIn: https://www.linkedin.com/in/christoph-theis-bb2933286/ Mehr von Sam auf LinkedIn: https://www.linkedin.com/in/samuel-stoetzner/ Noch mehr Insights zum CRM-Projekt: https://www.dotsource.de/referenzen/success-stories/bode-crm/

PDFs ausdrucken, Dokumente hochladen, Portale durchsuchen, Rückfragen beantworten – und am Ende wartet der Kunde trotzdem. Willkommen in der Realität vieler Versicherungsprozesse.In dieser Folge spricht Sebastian Langrehr mit Mathias Staar, Gründer & CEO von Flixcheck, über die größte unterschätzte Baustelle der Versicherungsbranche: Kundenkommunikation.Warum scheitert Digitalisierung oft nicht an Technologie, sondern an Prozessen? Weshalb verlieren Versicherer täglich Zeit, Geld und Kundenzufriedenheit durch unnötige Reibung? Und warum ist moderne Kundenkommunikation plötzlich die Grundlage jeder ernstzunehmenden KI-Strategie?Eine Folge über echte Prozessoptimierung statt Buzzword-Bingo, über „No Bullshit Digitalisierung“, Datenqualität, AI-Hypes und die Frage, warum Geschwindigkeit heute zum entscheidenden Wettbewerbsvorteil wird.Schreibt uns gerne eine Nachricht!Folge uns auf unserer LinkedIn Unternehmensseite für weitere spannende Updates.Unsere Website: https://www.insurancemondaypodcast.de/Du möchtest Gast beim Insurance Monday Podcast sein? Schreibe uns unter info@insurancemondaypodcast.de und wir melden uns umgehend bei Dir.Dieser Podcast wird von dean productions produziert.Vielen Dank, dass Du unseren Podcast hörst!

Wann ist der richtige Zeitpunkt fürs CRM bei S/4HANA? In dieser Folge des SAP-IT-Podcasts spreche ich mit Andreas Haas darüber, wann Unternehmen ihr CRM bei einer S/4HANA-Migration angehen sollten. Wir klären, warum CRM in vielen Transformationsprojekten zu lange aufgeschoben wird, welche Quick Wins im Vertrieb trotzdem kurzfristig möglich sind und weshalb Datenqualität, Integration und Nutzerakzeptanz die eigentlichen Erfolgsfaktoren sind.

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.

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.

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 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.

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

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?

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!

„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.

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

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.

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: