Podcasts about datenqualit

Data Governance entsteht nicht durch Regeln allein – sondern durch Pflege, Verantwortung und gemeinsames Verständnis. In dieser Episode sprechen wir mit Kiomi Soledad Spriestersbach über den Aufbau wirksamer Data Governance bei der Lufthansa Group – und warum sich dieser Prozess erstaunlich gut mit Backkunst und Gartenarbeit vergleichen lässt. Aus einer zentralen Perspektive heraus werden viele dezentrale Organisationseinheiten verbunden. Dabei hat sich vor allem eines verändert: das Verständnis von Datenprodukten. Datenqualität, Metadaten und klare Rollen sind heute entscheidend, um Daten nutzbar, vertrauenswürdig und sicher bereitzustellen – insbesondere bei großen Mengen personen- und technikbezogener Daten. Die zentrale Botschaft: Daten sind kein reines IT-Thema. Gute Data Governance entsteht dort, wo Fachlichkeit und Technik gemeinsam Verantwortung übernehmen. Ziel ist nicht Perfektion, sondern angemessene Qualität im jeweiligen Kontext. Unterschiedliche Anwendungsfälle brauchen unterschiedliche Standards – insbesondere mit Blick auf KI als Treiber für hochwertige Daten. Eine Episode über Rahmen statt Regeln, über Teilen statt Verstecken – und darüber, warum man Daten genauso bewusst pflegen (und auch entsorgen) sollte wie in einem Garten.

#42 Operating Model statt Buzzwords: Customer Love als StrategieStrategien gibt es viele. AI-Initiativen auch. Doch warum bleiben echte Durchbrüche in Unternehmen trotzdem oft aus?In dieser Folge von Customer Love spricht Host Dimitrios Haratsis mit Christer Björk, Founding Partner und Managing Director bei Eidra. Eidra ist ein internationales Consultancy Collective, das Consulting, Kreativität, Engineering und Data verbindet, um Führungskräfte dabei zu unterstützen, Transformation nicht nur zu planen, sondern wirksam umzusetzen. Christer bringt fast drei Jahrzehnte Erfahrung aus globalen Transformationsprojekten mit – von Strategie- und Operating-Model-Fragen bis hin zur strukturellen Verankerung von Customer Centricity in komplexen Organisationen. Im Gespräch wird deutlich: Das eigentliche Problem ist selten die Strategie selbst. Entscheidend ist das Operating System dahinter.

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 

Send a textKünstliche Intelligenz verändert Unternehmen grundlegend – doch eine echte KI-Transformation beginnt nicht mit Technologie, sondern mit einer klaren Vision. Wie gelingt es, KI strategisch zu verankern, Mitarbeitende mitzunehmen und aus ersten Use Cases messbaren Mehrwert zu schaffen?Nach einer einjährigen Pause meldet sich „KI heute“ mit neuer Besetzung zurück: Während Nina sich über Nachwuchs freut, übernimmt künftig Dirk Arno Casper die Moderation. Gemeinsam sprechen wir mit Till Saßmannshausen über die KI-Transformation bei FERCHAU.Im Fokus stehen der Auslöser und die strategische Herangehensweise, die Rolle des Managements sowie der Umgang mit Datenqualität, Modellpflege und verantwortungsvoller KI. Außerdem geht es um kulturellen Wandel, neue Rollen im Unternehmen und konkrete Learnings aus Projekten, die nicht wie geplant liefen. Was hat sich messbar verbessert – und welche Empfehlungen gibt es für Unternehmen am Anfang ihrer KI-Reise?Fundstück der Woche:heise.de - Microsoft warnt vor Schatten KIOPITZ 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.KI heute ist zurück! Wir beleuchten praxisnah Strategien, Best Practices sowie Chancen und Herausforderungen der KI-Transformation in Unternehmen.

73 Prozent der Unternehmen erzielen mit generativer KI noch keinen messbaren Nutzen. Eine neue Studie von kobaltblau zeigt, woran es hapert: fehlende Datenqualität, mangelnde Skills und regulatorische Hürden. Jennifer Diersch und Felix Salomon erklären, wie der Wandel gelingt.

In dieser Folge sprechen wir mit Daniel Krantz (VP AI bei VIER) darüber, wie KI die Kundenkommunikation in der Logistik verändert – und warum das Thema längst nicht mehr „Zukunftsmusik“ ist. Gemeinsam schauen wir auf konkrete Use Cases wie Sendungsstatus, Umverfügungen und Voicebots, aber auch auf die Frage, was Unternehmen wirklich brauchen, damit KI-Projekte nicht im PowerPoint-Stadium stecken bleiben. Daniel erklärt außerdem, warum Change Management wichtiger ist als Technik – und wie man KI Schritt für Schritt erfolgreich in Prozesse bringt. Am Ende werfen wir noch einen Blick auf die rasante Entwicklung von AI-Tools und was das für unsere tägliche Arbeit bedeutet. Das nehmen wir aus der Folge mit: - Warum Kundenservice aktuell einer der dankbarsten Bereiche für KI in der Logistik ist - Wie sich Unternehmen typischerweise von Copilot → AI-Agent → Vollautomatisierung entwickeln - Welche Logistik-Use-Cases besonders schnell Mehrwert liefern (z. B. Tracking, Lieferoptionen, Paketshop/Ablageort) - Warum Projekte oft nicht an KI scheitern, sondern an Datenqualität, Schnittstellen und Systemlandschaften - Wie VIER mit dem AI Strategy Canvas Kunden strukturiert ins Thema reinholt - Welche Rolle Human-in-the-Loop spielt – vor allem bei kritischen Entscheidungen und sensiblen Daten - Warum „Human Made“ in Zukunft ein echtes Qualitätsmerkmal werden könnte Zum Abschluss teilt Daniel noch einen praktischen Tipp für alle, die sich schnell in komplexe Inhalte einarbeiten wollen: NotebookLM, um Reports und Quellen in kurzer Zeit verständlich zusammenfassen zu lassen.

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

In dieser Episode dreht sich alles um Datenvalidierung und darum, wie sich das Prinzip "Garbage In, Garbage Out" vermeiden lässt. Mira und Michelle erklären, warum eine gründliche Prüfung der Datenqualität direkt zu Projektbeginn entscheidend ist. Im Fokus stehen typische Checks wie Schema-Validierung, Vollständigkeit, Konsistenz und statistische Auffälligkeiten. Außerdem geht es darum, wie Datenvalidierung hilft, Daten besser zu verstehen und Fehler frühzeitig aufzudecken. Abschließend werden praktische Techniken und Tools vorgestellt, die von manueller Analyse bis zur automatisierten Pipeline reichen. **Zusammenfassung** Datenvalidierung prüft die Datenqualität vor der Modellierung Ziel: Probleme früh erkennen und Ressourcen sparen Wichtige Aspekte: Datentypen, Duplikate, fehlende Werte Logik- und Plausibilitätschecks (z.B. Alter nicht negativ, Prozentwerte im richtigen Bereich) Statistische Methoden zur Erkennung von Anomalien und Verteilungen Univariat: einfache Kennzahlen, Histogramme, Boxplots, Zeitreihenanalysen Multivariat: Korrelationen, Scatterplots, Kreuztabellen, Multikollinearität Tools reichen von Notebooks und Reports bis zu Dashboards und automatisierten Pipelines **Links** Great Expectations (Datenvalidierung in Python): https://greatexpectations.io/ Pandera (Schema-Validierung für Pandas): https://pandera.readthedocs.io/ dataMaid (Datenvalidierung in R): https://cran.r-project.org/web/packages/dataMaid/index.html Pydantic (Datenvalidierung & Settings in Python): https://docs.pydantic.dev/ Wikipedia-Eintrag zum Prinzip "Garbage In, Garbage Out": https://de.wikipedia.org/wiki/Garbage_In,_Garbage_Out

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.

Der Einsatz von KI im Marketing hat die Testphase verlassen. Folglich ist die Technologie schon lange kein experimentelles Add-On und „Nice-to-have“ mehr, sondern ein wichtiger Hebel zur Produktivitätssteigerung. Für Unternehmen bedeutet dies, den Fokus weg von isolierten Einzellösungen hin zu einer stabilen Systemarchitektur zu lenken. Während die Anforderungen an Effizienz, Personalisierung und Geschwindigkeit stetig wachsen, wird der Tool-Markt zunehmend unüberschaubar. Eine pragmatische Nutzung von KI im Marketing bedeutet hier, die technologischen Unterschiede zu verstehen, Datenqualität im CRM konsequent über Quantität zu stellen und verbindliche Leitlinien für die Qualität der Ergebnisse zu definieren. Nur wer hier strategisch wählt und integriert, sichert sich einen nachhaltigen Wettbewerbsvorteil.

Folge 239: In dieser Folge begrüße ich erneut Johannes ‚Janni‘ Dallampiras, Experte für Active Sourcing und KI-Automatisierung, zu einem Update in Sachen KI im Recruitment. Wir werfen einen realistischen Blick auf den Status Quo und räumen mit dem Marketing-Hype auf, indem wir die KI als effizienten ‚Abarbeiter‘ statt als vollwertigen Mitarbeiter-Ersatz definieren. Janni erläutert, warum die Datenqualität nach wie vor das größte Hindernis für den KI-Erfolg bleibt und wie sogenannte ‚Agenten‘ heute bereits repetitive Routineaufgaben im Sourcing-Prozess übernehmen können. Wir besprechen konkrete Einsatzmöglichkeiten für generische Rollen, die Vorteile von fortgeschrittenem Prompting für die Zielfirmenrecherche sowie das automatisierte Profil-Matching. Zudem erfährst du, warum es strategisch sinnvoll ist, deine Wissensdatenbank schon heute in Formaten wie Markdown oder JSON zu strukturieren, um für zukünftige Automatisierungen bereit zu sein. Diese Folge ist ein Muss für alle Personalberater, die technologisch am Ball bleiben wollen, ohne sich in komplexen Systemen zu verlieren.

Hinweis: Diese Podcast-Folge ist gesponsert von Zeotap CDPs versprechen Personalisierung, Datenhoheit und smarte Aktivierung – doch in der Praxis wird es oft komplex. In dieser Folge spricht Jonas Rashedi mit Daniel Heer, Gründer und Chief Ambassador von Zeotap, über die Realität hinter erfolgreichen (und gescheiterten) Projekten. Daniel teilt Einblicke aus über zehn Jahren Markt- und Produkterfahrung: Wie AI-Agenten die Governance und Use-Cases verändern könnten, warum Composable-CDPs nur mit IT-Kapazität funktionieren – und wieso selbst gute Software nichts nützt, wenn die Organisation nicht mitzieht. Eine Folge über Tech-Stack, Kultur, Stakeholder-Management – und den Mut, Dinge beim Namen zu nennen. MY DATA IS BETTER THAN YOURS ist ein Projekt von BETTER THAN YOURS, der Marke für richtig gute Podcasts. Du möchtest gezielt Werbung im Podcast MY DATA IS BETTER THAN YOURS schalten? Zum Kontaktformular: https://2frg6t.share-eu1.hsforms.com/2ugV0DR-wTX-mVZrX6BWtxg Zum LinkedIn Profil von Daniel: https://www.linkedin.com/in/daniel-heer-14728567/ Zur Homepage von Zeotap: https://zeotap.com/ Zu allen Links rund um Jonas: https://linktr.ee/jonas.rashedi 00:00 Vorstellung & Zeotap-Historie 08:00 Was macht eine CDP erfolgreich (oder nicht)? 16:00 AI-Agenten & Datenqualität 25:00 Composable vs. Packaged CDP – Wann was passt 32:00 Consent, Politik & Projektbarrieren 41:00 Use Cases, Governance & Business Value 50:00 Lessons Learned & was wir 2026 anders machen sollten

Zum Jahresstart sprechen Frank Sundermann und Hans Boot über gute Vorsätze im Einkauf – und darüber, warum klare Ziele wichtiger sind als klassische Neujahrsvorsätze. Im Mittelpunkt stehen ein robustes Lieferantenmanagement, der bewusste Umgang mit Risiken, Cost Engineering, bessere Datenqualität sowie persönliche Entwicklung im Einkauf. Eine Folge mit vielen praxisnahen Impulsen für Einkaufsleiter und Einkäufer.

Simonetta Batteiger ist erneut zu Gast und sie spricht mit Tim über ein Thema, das in vielen Unternehmen gerade an Bedeutung gewinnt: die Kosten von AI Initiativen. Es geht um die Frage, wie sich Investitionen in künstliche Intelligenz realistisch bewerten lassen. Der Austausch bewegt sich bewusst weg vom Hype und hin zu einer nüchternen betriebswirtschaftlichen Betrachtung, die Produktmenschen dabei hilft, Verantwortung zu übernehmen. AI Initiativen entstehen aktuell oft aus Neugier, Innovationsdruck oder dem Wunsch, technologisch nicht abgehängt zu werden. Gleichzeitig bleibt häufig unklar, was diese Vorhaben tatsächlich kosten und welchen Beitrag sie zum Geschäftserfolg leisten sollen. Die Kosten von AI Initiativen beschränken sich dabei selten auf Tool Lizenzen oder Token Nutzung. Schon früh im Gespräch wird deutlich, dass der größte Teil der Ausgaben in Menschen fließt. Machine Learning Engineers, Data Scientists, Produktteams, Governance Rollen und rechtliche Prüfung verursachen laufende Kosten, die dauerhaft eingeplant werden müssen. Ein zentrales Spannungsfeld liegt in der Erwartungshaltung vieler Organisationen. AI soll Prozesse beschleunigen, Kosten senken oder neue Umsätze ermöglichen. Diese Erwartungen brauchen jedoch eine belastbare Grundlage. Ohne klare Hypothesen bleibt unklar, ob eine Initiative Wert schafft oder lediglich Ressourcen bindet. Die Kosten von AI Initiativen lassen sich nur dann sinnvoll bewerten, wenn sie mit einer konkreten Annahme über Nutzen verknüpft werden. Genau hier kommt das AI Business Case Template von Simonetta ins Spiel, das nicht als finanzmathematisches Artefakt verstanden werden soll, sondern als Denkwerkzeug und Anstoß von Diskussionen. Das AI Business Case Template (inkl. Anleitung) findet ihr in folgendem Blog-Post von Simonetta verlinkt: The RoI of AI initiatives and the realistic cost of AI readiness auf ihrem Blog inclusiveleaders.blog Im Mittelpunkt steht die Frage, wie ein Return on Investment entstehen kann. Investitionen in Infrastruktur, Datenqualität und Betrieb müssen sich über Zeit rechnen. Dabei ist Geschwindigkeit entscheidend. Je früher sichtbar wird, welchen Effekt eine AI Initiative hat, desto besser lässt sich nachsteuern. Gleichzeitig bleibt Unsicherheit ein fester Bestandteil. Auch bei AI gelten die bekannten Muster aus der Produktentwicklung. Viele Ideen funktionieren nicht wie erhofft. Das ist kein Scheitern, sondern Teil des Lernprozesses. Entscheidend ist, diese Unsicherheit bewusst einzuplanen und transparent zu machen. Die Kosten von AI Initiativen steigen vor allem dann stark an, wenn aus Experimenten irgendwann produktive Systeme werden. Modelle müssen überwacht werden, Daten verändern sich, regulatorische Anforderungen greifen. Ohne saubere Governance und kontinuierliche Kontrolle entstehen neue Risiken. Diese Aspekte gehören von Anfang an in die Betrachtung, damit AI nicht zur Black Box wird, die sich finanziell und organisatorisch verselbständigt. Deutlich wird im Gespräch mit Simonetta Batteiger aber auch, dass sich an den Grundprinzipien der Produktarbeit wenig ändert. Discovery bleibt zentral, um echte Probleme zu verstehen. Value entsteht nur dort, wo Nutzer oder Kunden bereit sind, für Lösungen zu bezahlen oder wo Kosten messbar reduziert werden. AI erweitert den Werkzeugkasten, hebt aber betriebswirtschaftliche Logik nicht auf. Wer die Kosten von AI Initiativen realistisch einschätzt, schafft eine solide Basis für Entscheidungen und wird gegenüber Stakeholdern anschlussfähig. Wer die Kosten von AI Initiativen versteht und einordnen kann, verlässt die Rolle des Experimentierenden und übernimmt Gestaltungsspielraum. Genau darin liegt die Chance, AI sinnvoll und wirksam im Unternehmen zu verankern. Wer überhaupt mal einen Zugang zu Business- und Finanzzahlen bekommen möchte und sich strukturiert Wissen hierzu draufschaffen möchte, dem können wir ihren Kurs sehr empfehlen: Business and Finance Concepts for Product and Tech Leaders.

In dieser Podcast-Episode spricht Thomas mit Joachim Nickel, einem erfahrenen Web-Analytics-Spezialisten und Open-Source-Experten, über die tiefgreifenden Veränderungen im Bereich der Webanalyse. Im Mittelpunkt steht die Frage, wie aussagekräftig Web-Analytics-Daten heute noch sind – vor dem Hintergrund von DSGVO, Consent-Bannern, Adblockern, veränderten Nutzergewohnheiten und dem wachsenden Einfluss von KI-Systemen wie AI Overviews und KI-Browsern. Joachim erläutert, warum Datenschutz nicht das Ende von Web Analytics bedeutet, sondern vielmehr ein Umdenken erfordert. Es geht weniger um perfekte, personenbezogene Daten und mehr um belastbare Muster und qualitative Signale. Diskutiert wird der Unterschied zwischen klassischen Analytics-Lösungen und datenschutzkonformen Alternativen, insbesondere im Hinblick auf Datenquantität, Datenqualität und Interpretierbarkeit. Dabei wird deutlich, dass weniger Tracking nicht automatisch schlechtere Entscheidungen bedeutet – solange die richtigen Fragen gestellt werden. Ein weiterer Schwerpunkt der Folge liegt auf der sinnvollen Bewertung von KPIs. Thomas und Joachim sprechen darüber, warum Traffic und Verweildauer allein kaum noch Aussagekraft haben und weshalb Mikro- und Makro-Conversions stärker in den Fokus rücken müssen. Besonders im SEO- und Content-Umfeld wird klar, dass informationelle Inhalte selten sofort verkaufen, aber dennoch einen entscheidenden Beitrag zur Customer Journey leisten. Themen wie reale Nutzungszeit auf Seiten, Scroll- und Interaktionstiefe sowie die Grenzen klassischer Metriken werden dabei praxisnah eingeordnet. Auch der Einfluss von Künstlicher Intelligenz auf Traffic, Attribution und Analyse wird kritisch beleuchtet. Während KI-Systeme neue Zugriffsquellen schaffen können, sorgen sie gleichzeitig für zusätzliche Intransparenz. Die größte Herausforderung für valide Analysen liegt laut Joachim jedoch weniger bei KI, sondern weiterhin bei Datenverlusten durch Consent-Ablehnung und technische Blockaden. Abschließend macht die Episode deutlich, dass Web Analytics auch heute unverzichtbar bleibt – allerdings nur dann, wenn Daten nicht blind vertraut, sondern fachlich eingeordnet und kontextualisiert werden. Die Folge richtet sich an Unternehmer:innen, Marketer, SEO-Verantwortliche und alle, die Web-Analytics-Zahlen besser verstehen, realistischer bewerten und strategisch sinnvoll nutzen wollen.

In dieser Episode begrüßen wir Lukas Stromeyer und Thomas Geiger von Delphi Data Labs an der Hydrogen Bar. Wir sprechen darüber, wie datengetriebene Marktforschung im Wasserstoff- und Green-Energy-Bereich funktioniert und warum gerade neue, dynamische Branchen wie Wasserstoff besondere Herausforderungen mit sich bringen. Gemeinsam diskutieren wir, wie digitale Markttransparenz entsteht, was den Unterschied zu etablierten Sektoren wie Öl und Gas ausmacht und warum viele Wasserstoffprojekte am Hype gescheitert sind. Wir werfen einen Blick auf die Rolle von Datenqualität, die Bedeutung von Partnerschaften und was Unternehmen heute wirklich über ihre Wettbewerber wissen müssen. Freut euch auf spannende Einblicke in die digitale Zukunft der Wasserstoffwirtschaft – und darauf, wie wir mit Daten die Energiewende vorantreiben können. Teil 1 von 2.

Ich wünsche allen Hörer:innen noch ein gutes neues Jahr!    Achtung (Werbung in eigener Sache):  Jetzt mein neues Buch (in Co-Produktion mit Prof. Dr. Johanna Bath): "Die perfekte Employee Journey & Experience" kaufen (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: Katharina Schulze  Katharina Schulze ist CEO und Mitgründerin des People-Analytics-Softwareanbieters beyobie ("Be your own BI expert") und eine der sichtbarsten Stimmen für strategische HR-Arbeit im deutschsprachigen Raum. Mit ihrem Unternehmen unterstützt sie HR-Abteilungen dabei, Daten aus verschiedenen Systemen nutzbar zu machen, um fundierte, strategische und wirksame People-Entscheidungen treffen zu können.  Darüber hinaus ist sie Gründerin und Host des Podcasts „HR Weekly", in dem sie regelmäßig mit HR-Leitungen, CHROs und People-&-Culture-Verantwortlichen über moderne HR-Arbeit, People Analytics und Führung spricht. Zusätzlich schreibt sie als Kolumnistin für das Fachmagazin „Personalwirtschaft" über People Analytics, HR-Strategie und Data Literacy im HR. Und genau darüber sprechen wir heute.   Thema Mit Katharina Schulze habe ich In der GainTalents-Podcastfolge 433 über HR Analytics gesprochen. In diesem Kontext haben wir uns auch über den Einfluss von aussagekräftigen HR-Kennzahlen und -KPI hinsichtlich der Wirksamkeit von HR in Unternehmen unterhalten. Viel Spaß beim Reinhören!    Warum ist HR-Analytics wichtig? Sichtbarkeit von HR muss optimiert werden Zentrale Frage: welchen ROI leistet HR für das Unternehmen? HR muss die Business Language verstehen und selbst anwenden! Dafür sind aussagekräftige und gut aufbereitete Kennzahlen und KPI notwendig, um datengestützte Entscheidungen zu treiben Einzelne Kennzahlen und KPi reichen nicht aus: Unterstützen bzw. Reflektieren die Kennzahlen/KPI die Strategie des Unternehmens Interpretation der Kennzahlen muss mitgeliefert werden Ex-Post-Analysen vs. Zukunftsplanung (Forecasting) In Zusammenhang mit Unternehmensbereichen / Zielgruppenanalysen (z.B. Krankheitsstand) Was ist notwendig, um das Thema HR-Analytics auf eine performante Basis zu bringen? Make or Buy muss entschieden werden (Systeme, Menschen in der Organisation vs. Outsourcing, etc.)  wieviel Zeit und Budget hat das Unternehmen, bzw. erhält der HR-Bereich (Start-up/Scale-up-Mode?)? Systementscheidung: Standard SaaS-Tool vs. Individualentwicklung, Einsatz von KI Achtung bei KI (Datenschutz und Datenhosting beachten!) Datenlandschaft muss gut aufbereitet werden (gute Datenqualität sicherstellen, unterschiedliche Datenquellen zusammenbringen, Schnittstellen beachten, Nomenklaturen anpassen, etc.) Ownership für Aufbau und Implementierung liegt bei der HR (bitte immer in Abstimmung mit der IT!)! Idealerweise laufen sämtliche HR-Daten in Dashboards zusammen und liefern aussagefähige Grafiken und Kennzahlen (nach Zielgruppen bzw. User differenziert dargestellt)   #HRLeadership #PeopleAnalytics #HRStrategy #beyobie #HRWeekly #DataDrivenHR #HRSichtbarkeit #GainTalentsPodcast    Shownotes Links - Katharina Schulze LinkedIn: https://www.linkedin.com/in/katharina-schulze/ Website (beyobie): https://www.beyobie.com/ Podcast „HR Weekly": https://open.spotify.com/show/56FxfCZ4C8cafgQ7tcazaX Kolumne (Personalwirtschaft): https://www.personalwirtschaft.de/ Links Hans-Heinz Wisotzky:  Website: https://www.gaintalents.com/podcast und https://www.gaintalents.com/blog Podcast: https://www.gaintalents.com/podcast Bücher: Neu (jetzt überall zu kaufen): Die perfekte Employee Journey und Experience https://link.springer.com/book/9783662714195   Erste Buch: Die perfekte Candidate Journey und Experience https://www.gaintalents.com/buch-die-perfekte-candidate-journey-und-experience   LinkedIn https://www.linkedin.com/in/hansheinzwisotzky/ LinkedIn https://www.linkedin.com/company/gaintalents XING https://www.xing.com/profile/HansHeinz_Wisotzky/cv Facebook https://www.facebook.com/GainTalents Instagram https://www.instagram.com/gain.talents/ Youtube https://bit.ly/2GnWMFg

Ich wünsche allen Hörer:innen noch ein gutes neues Jahr!    Achtung (Werbung in eigener Sache):  Jetzt mein neues Buch (in Co-Produktion mit Prof. Dr. Johanna Bath): "Die perfekte Employee Journey & Experience" kaufen (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: Katharina Schulze  Katharina Schulze ist CEO und Mitgründerin des People-Analytics-Softwareanbieters beyobie ("Be your own BI expert") und eine der sichtbarsten Stimmen für strategische HR-Arbeit im deutschsprachigen Raum. Mit ihrem Unternehmen unterstützt sie HR-Abteilungen dabei, Daten aus verschiedenen Systemen nutzbar zu machen, um fundierte, strategische und wirksame People-Entscheidungen treffen zu können.  Darüber hinaus ist sie Gründerin und Host des Podcasts „HR Weekly", in dem sie regelmäßig mit HR-Leitungen, CHROs und People-&-Culture-Verantwortlichen über moderne HR-Arbeit, People Analytics und Führung spricht. Zusätzlich schreibt sie als Kolumnistin für das Fachmagazin „Personalwirtschaft" über People Analytics, HR-Strategie und Data Literacy im HR. Und genau darüber sprechen wir heute.   Thema Mit Katharina Schulze habe ich In der GainTalents-Podcastfolge 433 über HR Analytics gesprochen. In diesem Kontext haben wir uns auch über den Einfluss von aussagekräftigen HR-Kennzahlen und -KPI hinsichtlich der Wirksamkeit von HR in Unternehmen unterhalten. Viel Spaß beim Reinhören!    Warum ist HR-Analytics wichtig? Sichtbarkeit von HR muss optimiert werden Zentrale Frage: welchen ROI leistet HR für das Unternehmen? HR muss die Business Language verstehen und selbst anwenden! Dafür sind aussagekräftige und gut aufbereitete Kennzahlen und KPI notwendig, um datengestützte Entscheidungen zu treiben Einzelne Kennzahlen und KPi reichen nicht aus: Unterstützen bzw. Reflektieren die Kennzahlen/KPI die Strategie des Unternehmens Interpretation der Kennzahlen muss mitgeliefert werden Ex-Post-Analysen vs. Zukunftsplanung (Forecasting) In Zusammenhang mit Unternehmensbereichen / Zielgruppenanalysen (z.B. Krankheitsstand) Was ist notwendig, um das Thema HR-Analytics auf eine performante Basis zu bringen? Make or Buy muss entschieden werden (Systeme, Menschen in der Organisation vs. Outsourcing, etc.)  wieviel Zeit und Budget hat das Unternehmen, bzw. erhält der HR-Bereich (Start-up/Scale-up-Mode?)? Systementscheidung: Standard SaaS-Tool vs. Individualentwicklung, Einsatz von KI Achtung bei KI (Datenschutz und Datenhosting beachten!) Datenlandschaft muss gut aufbereitet werden (gute Datenqualität sicherstellen, unterschiedliche Datenquellen zusammenbringen, Schnittstellen beachten, Nomenklaturen anpassen, etc.) Ownership für Aufbau und Implementierung liegt bei der HR (bitte immer in Abstimmung mit der IT!)! Idealerweise laufen sämtliche HR-Daten in Dashboards zusammen und liefern aussagefähige Grafiken und Kennzahlen (nach Zielgruppen bzw. User differenziert dargestellt)   #HRLeadership #PeopleAnalytics #HRStrategy #beyobie #HRWeekly #DataDrivenHR #HRSichtbarkeit #GainTalentsPodcast    Shownotes Links - Katharina Schulze LinkedIn: https://www.linkedin.com/in/katharina-schulze/ Website (beyobie): https://www.beyobie.com/ Podcast „HR Weekly": https://open.spotify.com/show/56FxfCZ4C8cafgQ7tcazaX Kolumne (Personalwirtschaft): https://www.personalwirtschaft.de/ Links Hans-Heinz Wisotzky:  Website: https://www.gaintalents.com/podcast und https://www.gaintalents.com/blog Podcast: https://www.gaintalents.com/podcast Bücher: Neu (jetzt überall zu kaufen): Die perfekte Employee Journey und Experience https://link.springer.com/book/9783662714195   Erste Buch: Die perfekte Candidate Journey und Experience https://www.gaintalents.com/buch-die-perfekte-candidate-journey-und-experience   LinkedIn https://www.linkedin.com/in/hansheinzwisotzky/ LinkedIn https://www.linkedin.com/company/gaintalents XING https://www.xing.com/profile/HansHeinz_Wisotzky/cv Facebook https://www.facebook.com/GainTalents Instagram https://www.instagram.com/gain.talents/ Youtube https://bit.ly/2GnWMFg

Umsatzvorhersagen wirken oft wie Blick in den Nebel. Zahlen, Meetings, Bauchgefühl, und am Ende stimmt es selten. Ein forecast gewinnt, wenn wir "Verstehen statt überzeugen-wollen" leben und Meilensteine im Vertriebsprozess sauber prüfen. So wird aus „erklärungsbedürftig" kein Redestrom, sondern eine Serie verifizierter Kundensignale. Mitreden statt nur zuhören? Die kostenfreie Community "Vertrieb&Verkauf" ist der Treffpunkt für B2B-Praktiker: https://stephanheinrich.com/skool Umsatzvorhersage ist kein Orakel: Wahrscheinlichkeiten je Phase und messbare Meilensteine zählen. Wettervergleich: Wie bei der Wetter-App steigt die Trefferquote mit Datenqualität, klaren Modellen und Rückblick auf echte Ergebnisse. Meilenstein-Design: Wer-entscheidet-Check, Business-Case bestätigt, Budget sichtbar, Next Step mit Datum. Jedes Häkchen erhöht die Quote. Erklären dosieren: Erst Bedarf und Entscheidungskriterien verstehen, dann argumentieren. Pipeline-Hygiene: Deals ohne nächsten Kalendertermin oder Entscheiderzugang fliegen raus. Gewichtung statt Wunschdenken: Phasenwahrscheinlichkeiten kalibrieren wir mit Win-Loss-Daten aus dem CRM. Rolling forecast: Wöchentlich 30 Minuten, Status gegen Meilensteine prüfen, Abweichungen sofort korrigieren. In unserem Team senkte ein konsequent dokumentierter Next Step die Streuung spürbar. Jetzt den vollständigen Leitfaden lesen und die nächste Umsatzplanung belastbar machen. Hier geht es zum Blog-Artikel: [LINK ZUM BLOG-ARTIKEL EINFÜGEN]

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:

Formulare zwingen Menschen, wie Software zu funktionieren. Aber was passiert, wenn Software einen intelligenten Dialog initiiert, der exakt auf das Gegenüber eingeht – und so alle erforderlichen Informationen gewinnt? In dieser Folge des #KIundTECH Podcasts spricht Holger Winkler mit Pierre-Andre Reiners, Gründer und Geschäftsführer von neuraBlu AI, über AI-UX und die Grenzen klassischer Formulare. Im Fokus steht die Frage, warum starre Eingabemasken in vielen Anwendungsfällen scheitern – und wie dialogbasierte Sprach- und Texteingaben Nutzer führen, Inhalte verdichten und die Datenqualität bereits bei der Eingabe verbessern. Anhand des Briefing-Formulars des KIundTECH Podcasts wird praxisnah gezeigt, wie AI-UX Prozesse vereinfacht, Mehrsprachigkeit ermöglicht und Nacharbeit im Backend reduziert. Themen der Folge: - Warum Formulare für viele Anwendungsfälle ausgedient haben - Wie AI-UX Nutzer aktiv durch Prozesse führt - Effizienzgewinne durch dialogbasierte Datenerfassung - Datenqualität als Ergebnis guter UX - Wirtschaftliche Kriterien für den Einsatz von KI Mehr Infos zu Pierre-Andre Reiners: ► Website: https://www.neurablu.ai Mehr KI-Wissen – exklusiv, aber gratis wartet auf Dich! Wir befähigen Entscheider in inhabergeführten Unternehmen im DACH-Raum, KI klar zu verstehen und gezielt dort einzusetzen, wo sie nachhaltigen geschäftlichen Nutzen schafft. Der #KIundTECH Podcast vermittelt wöchentlich verständliche Einblicke in reale Unternehmens-Cases und liefert relevante KI-Updates für die Praxis. Jede Folge erscheint mit weiterführenden Informationen als wöchentlicher Newsletter. Mehr Infos: https://kiundtech.com/newsletter

In dieser Adventskalender-Folge erklärt Oliver Dlugosch (ADA AI), warum eines der größten Argumente gegen Automatisierung in der Logistik bald wegfällt: Die Sorge um schlechte Daten. KI kann fehlende, fehlerhafte oder unstrukturierte Daten erkennen, reparieren, harmonisieren und in valide Standardformate überführen. 2026 wird Datenqualität damit nicht mehr der Flaschenhals sein – sondern ein automatisierbarer Teil des Prozesses.

Im neuen Beitrag erklärt dir Gunther Hahn, warum Geschwindigkeit, Datenqualität und klarer Mehrwert die drei Faktoren sind, die über erfolgreiche AI-Projekte entscheiden. Kurz und knapp. Danke!

Ein gut organisiertes Lager ist der Schlüssel zu reibungslosen Abläufen in Logistik und Produktion – und genau hier setzt eine Warehouse Management Software (WMS) an.

Künstliche Intelligenz verändert gerade fundamental, wie wir arbeiten, lernen und Geschäfte machen. Doch während viele über KI sprechen, gibt es nur wenige, die sowohl die wissenschaftliche Tiefe als auch die praktische Anwendung wirklich verstehen. Prof. Dr. Sebastian Vollmer ist Professor for Applications of Machine Learning und verbindet in seiner Arbeit drei Welten: die akademische Forschung, konkrete Business-Anwendungen und die Vermittlung von KI-Wissen an die breite Öffentlichkeit. Er forscht zu Applied Data Science, Risiko-Vorhersagen und Zeitreihenanalysen, engagiert sich beim DFKI im Innovation and Quality Centre für vertrauenswürdige KI und macht mit Projekten wie dem KI-Adventskalender künstliche Intelligenz auch für junge Menschen erlebbar. In unserem Gespräch geht es ans Eingemachte: Haben Unternehmen ohne KI überhaupt noch eine Zukunft? Wie müssten Bildung und Arbeitswelt aussehen, um Menschen wirklich auf diese Transformation vorzubereiten? Und wo sollte der Mittelstand konkret anfangen, wenn er nur einen einzigen KI-Use-Case umsetzen dürfte? Wir sprechen über Datenqualität, KI-Agenten, die eines Tages vielleicht unseren gesamten Business-Alltag übernehmen, über die Frage der Regulierung und darüber, woran man erkennt, dass eine Organisation wirklich reif für KI ist. Sebastian bringt dabei nicht nur die wissenschaftliche Perspektive mit, sondern auch den Blick des Praktikers, der weiß, wo die echten Hürden in Unternehmen liegen. Ein Gespräch, das jeder hören sollte, der verstehen will, wohin die Reise geht und wie man sein Unternehmen jetzt richtig aufstellt.

Kleine B2B-Marketing-Teams stehen oft vor der Herausforderung, mit begrenzten Ressourcen und viel zu wenig Zeit erfolgreiche Leadgenerierung zu betreiben. Die Auswahl der richtigen Technologie ist dabei entscheidend, darf aber nicht zum "überladenen Maschinenraum" werden. In dieser Folge von "No Leads, No Fun" spricht Patrick Burmeier von der takeoff Inbound Marketing Agentur mit Allison Zier, Partnermanagerin bei HubSpot, über das optimale HubSpot-Setup für kleine B2B-Unternehmen. Wir sprechen unter über: • Welche "Nice-to-have"-Features ihr am Anfang getrost ignorieren könnt. • Die drei wichtigsten Anfangsschritte für eine erfolgreiche HubSpot-Implementierung: Berechtigungskonzept, Datenhygiene und der MVP-Ansatz. • Warum eine saubere Datenqualität das Nadelöhr für zukünftiges KI-Marketing ist und wie ihr ein Datengrab verhindert. • Wie man den Vertrieb überzeugt, von Insellösungen auf eine zentrale Plattform umzusteigen – und warum der Marketing-Kontext für den Vertrieb so wertvoll ist. • Wann HubSpot an seine Grenzen stößt. • Das schlankeste und wirkungsvollste HubSpot-Konzept (Customer Platform Starter), das kleine Teams zum Wachstum nutzen können, und warum es ein entscheidendes Tool zur Unternehmenssteuerung ist. Jetzt das neue Buch von Marcus Sheridan "Endless Customers" gewinnen: Bewertet unseren Podcast auf Apple oder Spotify und schickt einen Screenshot der Bewertung mit dem Betreff "Review Podcast" an martin.bredl@takeoffpr.com. Mit etwas Glück landet Marcus Sheridans Buch bald in eurem Postkasten. Mehr zu takeoff Inbound Marketing Agentur: www.takeoffpr.com

KI hat nicht nur unser Privatleben und unseren Beruf erfasst, nein, ganze Städte beschäftigen sich im Jahr 3 nach ChatGPT mit der AI-Disruption. Die WienIT ist das digitale Backbone der Wiener Stadtwerke-Gruppe und beschäftigt sich mit dem Team um Stefan Kreihsler intensiv mit der neuen Technologie-Welle.Wo liegen Wahrheit und Nutzen zwischen Hype und Boom, und welche Vorteile kann KI für Mitarbeiter der Stadtwerke konkret bringen? Darüber sprechen wir heute im Podcast mit Stefan Kreihsler, dem Co-Lead für AI/BI/Data bei WienIT. Die Themen:

Diese Episode zerlegt eine der hartnäckigsten Illusionen im Manufacturing: Dass die Produktion „schon genug Daten“ hat. Lukas – Gründer, CEO und seit Kindheitstagen praktisch auf dem Shopfloor groß geworden – zeigt klar auf, warum genau das Gegenteil stimmt. Die teuerste Datenlücke im Werk? Nicht die Maschine. Nicht das ERP. Sondern das ungehobene Wissen der Mitarbeitenden – und was es jeden einzelnen Tag kostet. Wir sprechen darüber, warum Manufacturing komplexer ist als jede Logistik, weshalb Datenqualität meist überschätzt wird, und wieso moderne Produktionen trotz ERP, MES und Sensorik immer noch an Papier, Excel und Bauchgefühl scheitern. Lukas zeigt, wie eine echte Datenkaskade funktioniert – von der Chefetage bis zum Schrauber am Band – und warum ohne frühzeitige Indikatoren, Shopfloor-Rituale und klare Verantwortlichkeiten jede Optimierung im Sand verläuft. Diese Folge liefert eine radikale Ansage an alle Produktionsverantwortlichen: Wenn der Shopfloor nicht mitzieht, kannst du jedes BI-Dashboard sofort wieder schließen. Daten werden erst wertvoll, wenn Menschen sie leben. Und genau das entscheidet, ob dein Werk effizient führt – oder täglich Geld verbrennt. Timestamps 00:00 – Einstieg: Die meist ignorierte Wahrheit auf dem Shopfloor 00:24 – Das größte ungehobene Potenzial in der Produktion 00:43 – Daten finden: Warum Manufacturing komplexer ist als Logistik 01:28 – Prozessvielfalt: Von Sondermaschinen bis Haribo-Gummibärchen 02:46 – Wie Produktionskomplexität Datenarbeit erschwert 03:58 – Porsche & Co.: Warum gleiche Produkte nicht gleiche Prozesse bedeuten 04:43 – Werkstattprinzip vs. getaktete Linie: Wo Daten wirklich entstehen 05:02 – ERP, MES, BDE: Wo man überhaupt starten kann 06:26 – Papier, Zettel, Realität: Warum Digitalisierung nicht trivial ist 06:36 – Reifegrad und Verschwendung: Wo die echten Effizienzhebel liegen 07:23 – Datenqualität: Ab wann reicht „gut genug“? 08:07 – Spät- vs. Frühindikatoren: Was Produktion wirklich steuert 10:26 – Bottom-Up & Top-Down: Wie eine funktionierende Kaskade entsteht 10:57 – Warum das Team bewusst selbst bewertet – nicht der Algorithmus 11:42 – Lukas' Background: Vom Familienbetrieb zur Smart-Factory-Plattform 13:31 – Wie Scalable One den Shopfloor digitalisiert 14:02 – Beispiel Qualität: Wie eine echte tägliche Produktionsbesprechung läuft 15:49 – Die Kaskade: 24h-Fokus, Ampeln, Trendverläufe 17:39 – Frühindikatoren erklärt: Was man sofort sehen muss 20:06 – Rot, Gelb, Grün: Die Selbstverpflichtung des Teams 20:51 – Warum Software allein niemals reicht 23:40 – Change, Führung, Psychologie: Was Digitalisierung auslöst 24:29 – Whiteboards vs. Software: Was sich wirklich verändert 26:41 – Warum Einführung mehr Führung als Technik ist 27:02 – Unternehmensziele runterbrechen: Purpose für jeden Mitarbeitenden 28:11 – Motivation: Was Mitarbeitende antreibt – und was sie killt 29:39 – Mitarbeiterkompetenz: Beobachten, benennen, verbessern 30:43 – Warum echte Verbesserung nur mit Kultur funktioniert 31:11 – Abschlussrunde: Produktion ist Kommunikation 32:01 – Letzte Worte des Gastes 32:21 – Benchmark Cascade: Kostenloser Guide für Produktionsziele

In dieser Episode von AWS Cloud Horizonte spricht Heinrich Nikonow mit Matthias Egelhaaf, CIO von Siemens Global Business Services (GBS), über die praktische Umsetzung von GenAI in einem der größten Shared-Service-Center Europas. Statt endloser Proof of Concepts liefert sein Team produktive Systeme – mit beeindruckenden 60-65% Erfolgsrate bei 45 GenAI-Use-Cases. Das erwartet euch in dieser Episode: Macher-Mentalität statt POC-Falle: Wie Siemens GBS es schafft, GenAI-Projekte tatsächlich produktiv zu machen und dabei Produktivitätssteigerung zu erreichen Die Dark Side of GenAI: Warum die Lücke zwischen Erwartung und Realität so groß ist – und wie man damit umgeht Kulturwandel in der Praxis: Vom personalgetriebenen Shared Service zur Tech-Company mit neuem Mentalmodell AI-Symposium & Validation Framework: Konkrete Methoden zur Ideengenerierung und strukturierten Evaluierung von Use Cases Co-Development als Erfolgsfaktor: Warum niemand im GenAI-Dschungel alleine überlebt und wie die Zusammenarbeit mit AWS und anderen Hyperscalern funktioniert Operations Matter: Warum der Betrieb von GenAI-Lösungen genauso wichtig ist wie die Entwicklung Best Practices: Von Microservices über Communities bis zum Cross-Functional-Team-Setup Konkrete Beispiele: Der "Bionic Agent" und andere Use Cases mit echten Zahlen zum Impact Matthias teilt ehrlich die Herausforderungen: Legacy-Systeme, Datenqualität, Vertrauensaufbau im Business und die Notwendigkeit, erst die Hausaufgaben zu machen, bevor GenAI sein volles Potenzial entfalten kann. Matthias' Lieblingsspruch: "Keiner überlebt im GenAI-Dschungel alleine." Eine Episode voller praktischer Learnings für alle, die GenAI wirklich produktiv einsetzen wollen – ohne Buzzword-Bingo (Ziel: unter 10 Buzzwords pro Minute!), dafür mit Realtalk über das, was funktioniert und was nicht. Perfekt für: CTOs, CIOs, Digitalisierungsverantwortliche, SaaS-Unternehmen und alle, die von der POC-Phase in die Produktivität kommen wollen. Wie ist das für euch?

In der neusten Folge vom OMT-Podcast diskutieren Mario Jung (OMT GmbH) mit Tracking-Expertin Mira Rodrigues (miralytics.io) über das heiß diskutierte Thema Server Side Tracking – und warum es nicht die universelle Lösung für alle Tracking-Probleme ist.

Zum Auftakt der Podcastreihe „Deep Dive AI“ sprechen wir mit Harald Röschlein (Make AI Marketing) darüber, wie Chatbots und KI die Kommunikation im Pharmamarketing verändern – von Googles KI-Offensive bis zu Fragen von Vertrauen, Transparenz und Datenqualität.

Datenqualität und Cruise Turbo bei passolution. Wie „Invisible Tech“ Beratung, Operations und Customer Experience verbindet – und warum Updates direkt an Endkund:innen der nächste Schritt sind habe ich in dieser Episode des Podcast der Touristik mit dem passolution CEO und Gründer, Dennis Zimon diskutiert. Wie immer wünsche ich viel Freude beim #schlauhören Roman Borch, Podcaster & Producer travelholics.media

Photo: Privat. Wo findest du verlässliche Daten? Welche innovativen Datenquellen gibt es? Was ist Datenqualität? Maren Köhlmann ist Referentin bei Statistisches Bundesamt, Destatis Sie zeigt den Trade-off zwischen Bürokratieentlastung und Statistikgenauigkeit und erklärt die Auswertung von Fernerkundungsdaten. Link zu verwandten Episoden Episode 6 – Daten lügen nicht – zur Verlässlichkeit offizieller Statistiken im Außenhandel Episode […]

Mon, 03 Nov 2025 04:45:00 +0000 https://jungeanleger.podigee.io/2719-borsepeople-im-podcast-s21-20-philip-schachl f7b0017a9e26a723c5ba2e030e2c104e Philip Schachl ist CEO GC Wealth und begeisterter Börsenanalyst. Das Gespräch mit dem Oberösterreicher ist ein sehr offenes, es startet mit dem Grossvater, behandelt auch eine frühe Auseinandersetzung mit Schulden und eine nicht ungefährliche Immobilien-Fehlentscheidung. Vor allem geht es aber um Wachstum: Eigenes Wachstum und u.a. auch mit dem Börsenbrief https://topgrowth20.at , der auf selbstentwickelten technischen Lösungen basiert . Philip hat u.a. bei der UniCredit und EY gearbeitet , die Ausbildung zur Gewerblichen Vermögensberatung bzw. zum Financial Modeling & Valuation Analyst (FMVA) vom Corporate Finance Institute (CFI) gemacht und berät mit GC Wealth in den Bereichen FinTech, Data Science, EdTech und Consulting. Schwerpunkte sind Datenforensik, Business Intelligence, Datenqualität und Software-/Systemablösen, privat ist Friedrich der Grosse ein Schwerpunkt. Frequentis auch irgendwie. https://topgrowth20.at 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 19 umfasst unter dem Motto „25 Börsepeople“ 25 Talks. Presenter der Season 21 ist die Volksbank https://www.volksbank.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! 2719 full no Christian Drastil Comm. (Agentur für Investor Relations und Podcasts) 1844

In dieser Episode des Podcasts AI OR DIE sprechen Kai-Uwe Stahl und Dirk Lerner über die Bedeutung der Datenmodellierung in der heutigen Zeit, insbesondere im Kontext von KI. Sie diskutieren die Herausforderungen und Chancen, die sich aus der fachlichen Modellierung ergeben, und stellen das Buch 'Data Engine Thinking' vor, das sich mit der Automatisierung und Optimierung von Datenlösungen beschäftigt. Zudem wird die Relevanz von bitemporalen Daten und die Rolle von KI in der Datenmodellierung thematisiert. Takeaways Die fachliche Modellierung ist entscheidend für den Erfolg von Datenprojekten. KI kann die Datenmodellierung unterstützen, ersetzt aber nicht die Notwendigkeit einer soliden Basis. Bitemporale Daten helfen, die richtige Reihenfolge von Ereignissen zu verstehen. Die Informationsmodellierung schafft ein gemeinsames Verständnis im Unternehmen. Technologien ändern sich schnell, aber die Grundlagen der Datenmodellierung bleiben wichtig. Ein gutes Informationsmodell kann die Projektlaufzeit erheblich verkürzen. Die Zusammenarbeit zwischen Fachbereich und IT ist entscheidend für den Erfolg. Daten sollten als wertvolles Asset betrachtet werden. Die Definition von Begriffen ist für die Datenqualität unerlässlich. Die Automatisierung von Datenprozessen kann durch KI erheblich verbessert werden. Titles Die Zukunft der Datenmodellierung: KI und Fachlichkeit Data Engine Thinking: Ein neues Paradigma in der Datenwelt Soundbite "Die KI kann uns hervorragend unterstützen." "Die Technologien ändern sich immer schneller." "Die KI hilft uns, Definitionen besser zu bauen." Chapters 00:00 Einführung und Vorstellung des Gastes 02:25 Das Buch 'Data Engine Thinking' und seine Entstehung 07:52 Zielgruppe und Inhalte des Buches 11:39 Die Bedeutung der fachlichen Datenmodellierung 12:35 Fachliche Modellierung vs. KI: Ein notwendiger Ansatz 20:16 Wert der Informationsmodellierung für Unternehmen 23:14 Die Bedeutung von Daten als Unternehmenswert 25:45 Herausforderungen im Datenmanagement 28:24 Automatisierung und Metadaten 30:34 Temporale und bitemporale Daten 38:33 Die Rolle der KI in der Datenmodellierung

Wie gut ist Deutschland wirklich aufgestellt, wenn es um Data Literacy geht? Warum ist Datenkompetenz längst mehr als ein Spezialthema für Analysten – und was bedeutet sie konkret für Unternehmen, Verwaltung und Gesellschaft? Darüber spricht Host Jonas Rashedi mit Katharina Schueller, Gründerin und CEO von STAT-UP. Sie arbeitet seit über 22 Jahren im Bereich Statistik und Datenanalyse und leitet heute eine internationale IEEE-Arbeitsgruppe, die globale Standards für Data & AI Literacy entwickelt. Im Gespräch geht es zunächst um die Entwicklung der letzten zwei Jahrzehnte – vom datengetriebenen Nischenthema hin zu einem kulturellen Kern der Digitalisierung. Katharina erklärt, warum Unternehmen sich zu lange auf Effizienz und Automatisierung konzentriert haben und jetzt den Schritt hin zu echter Effektivität und Verantwortung gehen müssen. Ein Highlight ist ihr Beispiel aus der Automobilbranche, wo aus einem konkreten Use Case zur Tachomanipulation plötzlich ein ganz neues datenbasiertes Geschäftsmodell entstand. Von dort aus spannt sich der Bogen hin zu den großen Fragen: Wie misst man eigentlich Datenqualität? Welche Rolle spielt Kontext beim Interpretieren von Ergebnissen? Und wie kann man mit der „zirkulären Datenkompetenz“ sicherstellen, dass Datenverständnis nicht nur in der IT, sondern in allen Fachbereichen ankommt? Besonders eindrucksvoll: Katharina erzählt von einem Forschungsprojekt mit dem Zoll, bei dem es nicht um Technologie, sondern um Vertrauen, Praxis und Augenhöhe ging. Dort zeigt sich, dass Data Literacy nicht gelehrt, sondern gemeinsam gelebt werden muss – und dass Offenheit oft wirksamer ist als jede Schulung. Zum Schluss sprechen Jonas und Katharina über Ethik, Verantwortung und die Grenzen der Erklärbarkeit von KI. Denn Transparenz bedeutet immer auch, Macht zu teilen – und genau das macht echte Aufklärung aus. MY DATA IS BETTER THAN YOURS ist ein Projekt von BETTER THAN YOURS, der Marke für richtig gute Podcasts. Zum LinkedIn-Profil von Katharina: https://www.linkedin.com/in/schuellerstats/ Zur Webseite von STAT-UP: https://www.linkedin.com/company/stat-up/ Zu allen wichtigen Links rund um Jonas und den Podcast: https://linktr.ee/jonas.rashedi

In dieser kontroversen SEOPRESSO-Live-Episode diskutieren Björn Darko und Prof. Dr. Mario Fischer die These: „Das Web, wie wir es kennen, wird sterben.“Mario erklärt, warum HTML und Webseiten als Kommunikationsoberfläche ein Auslaufmodell sind, wie KI-Assistenten, Agenten und APIs die Zukunft des Internets formen und warum Marken sich auf eine maschinenlesbare Weltvorbereiten müssen.Gemeinsam analysieren sie, was das Model Context Protocol, AI-Browser wie Atlas & Komet und der neue Begriff KI-Slop (massenhafter, wertloser KI-Content) für SEO, Publisher und Gesellschaft bedeuten.

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 weitere Herausforderungen im Dienstleistungsmarketing. Warum ist Branding schwieriger, wenn das Produkt unsichtbar ist? Wie schaffen es Marken, Vertrauen und Wiedererkennbarkeit aufzubauen? Außerdem starten wir mit den wichtigsten Geschäftstypen und ersten Einblicken ins Käuferverhalten ins Thema B2B-Marketing.____________________________________________Marketing-News der Woche:Google bringt den KI-Modus in die Suche – SEO & SEA neu denkenGoogle rollt den KI-Modus aus, der Suchanfragen dialogisch beantwortet und Quellen bündelt. In Search-Ads verschiebt sich der Fokus weg vom starren Keyword-Management hin zu Intent-Signalen. Inhalte müssen tiefer erklären und Nutzerintentionen antizipieren. Wer Performance Max & Co. strategisch nutzt, sichert Sichtbarkeit in einem Umfeld, in dem die Antwort wichtiger wird als das Ranking. Wichtig werden Content-Struktur, interne Verlinkung, klare Snippets und KPIs wie Verweildauer statt reiner Klicks.Mittelstand erwartet bis zu 26 % weniger Werbekosten dank KIEine aktuelle Analyse zeigt: Viele KMU planen, Analyse, Prognosen, Reporting und Mediaplanung per KI zu automatisieren. Erwartung: bis zu 26 % niedrigere Werbekosten. Realität: Es scheitert an Skills, Datenqualität und Integration. Es müssen erst Daten- und Tool-Basics sauber aufgesetzt und dann Automatisierungen skaliert werden. Sonst bleiben Effizienz-Versprechen der digitalen Werbung Theorie.Snap „Lens Fest 2025“: AR wird performanterSnap erweitert Lens Studio um KI-gestützte Produktion (z. B. „Lens Studio AI“) und kündigt mehr Monetarisierung für Lens-Creator an. Für Marken im Social-Media-Marketing sind das gute Hebel: bessere Passform/Lighting, Games-Mechaniken, Camera-Kit ohne Pflicht-Branding und Commerce-Flows direkt im AR-Erlebnis. AR sollte nicht nur als Gimmick geplant werden, sondern als skalierbares Performance-Asset entlang des Funnels.OTTO Advertising startet eigene DSP für programmatische BuchungenOTTO Advertising hat eine eigene Demand-Side-Platform gelauncht. Werbetreibende und Media-Agenturen können damit programmatisch und in Echtzeit digitale Werbeflächen buchen, wahlweise im Self-Service oder als Managed Service. Targeting ist auf Basis von First-Party-Daten aus dem OTTO Ökosystem möglich, was Retail Media messbarer macht und Kampagnen entlang des gesamten Funnels unterstützt. Laut Berichten sind auch DooH-Inventare angebunden. Das heißt mehr Kontrolle über Kampagnen, präziseres Targeting ohne Third-Party-Cookies und bessere Verzahnung von E-Commerce, digitale Werbung und Performance-KPIs. ____________________________________________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]

In dieser Episode spricht Björn Darko mit Jan Achtermann über die Frage, wie man Content mit Künstlicher Intelligenz skaliert – und zwar so, dass Qualität, Datenbasis und Stil stimmen. Jan erklärt, wie Idealo Millionen Produktseiten mithilfe von AI automatisiert anreichert, warum das Projekt nie als Experiment, sondern als Teil des Produkts gedacht war, und wie Redakteure überzeugt wurden, dass KI kein Gegner, sondern ein Werkzeug ist.Außerdem: Warum Prompt Stacking essenziell ist, wie Idealo eigene Qualitätsmetriken entwickelt hat und weshalb internationale Sprachmodelle unterschiedlich performen.

In der heutigen Folge spreche ich mit Ralph Friederichs, Gründer und Geschäftsführer der Cyberdyne IT GmbH, über die strategische Rolle von Künstlicher Intelligenz im Systemhausgeschäft. Ralph spricht darüber, wie Cyberdyne KI bereits in Vertrieb, Service und internen Prozessen einsetzt – etwa mit einer eigenen Vertriebsassistenz-KI, die Besuchsberichte erstellt und CRM-Daten automatisch pflegt. Für ihn ist klar: KI verändert die Arbeit von Managed Service Providern grundlegend – vom Techniker bis zum Berater. Einige Aussagen von Ralph im Podcast sind: Zur Haltung gegenüber KI: „Ich schaue immer auf die Chancen, nicht auf die Risiken – KI ist für mich täglicher Begleiter, nicht nur ein Tool.“ Zur Zukunft des Service Desks: „In wenigen Jahren wird es den klassischen Service-Mitarbeiter so nicht mehr geben – einfache Aufgaben erledigt die KI.“ Zur Verantwortung der Systemhäuser: „Wer seinen Kunden Orientierung geben will, muss selbst experimentieren – Try & Error ist Pflicht.“ ----------------------- Und hier einige Links, wenn Ihr mehr über Ralph wissen möchtet: >> Homepage: https://www.cyberdyne.de >> LinkedIn: https://www.linkedin.com/in/ralphfriederichs/ ----------------------- Und mehr von Olaf Kaiser: www.linkedin.com/in/olafkaiser/ www.olaf-kaiser.coach/ www.ubega.de Direkt einen kostenfreien Termin mit Olaf buchen https://bit.ly/allgemeinen-termin-buchen

In dieser Folge des BVL Podcasts geht es um die vielfältigen Risiken und Bedrohungen für die globalen Lieferketten. Unser Host Boris Felgendreher begrüßt Karina Lück, Director Operations Strategy and Transformation bei PwC Germany und Dr. Burkhard Sommer, Partner and Head of the Maritime Competence Center bei PwC Germany und diskutiert, wie man Supply Chains im Krisenmodus managt. Unter anderem geht es um folgende Themen: Aktuelle Bedrohungslage für Lieferketten (Oktober 2025): - Stärkerer geopolitischer Einfluss auf Warenströme (v. a. USA, China). - Strafzölle, Einfuhrbestimmungen → Unsicherheit und kurzfristige Veränderungen. - Engpässe an maritimen Chokepoints wie Suezkanal, Straße von Hormuz, Schwarzes Meer, Südchinesisches Meer. - Piraterie, Terror, regionale Konflikte → Risiko für Seewege. Herausforderungen für Logistikverantwortliche: - Informationsflut, kurze Reaktionszeiten, steigende Komplexität. Notwendig: breite Informationsbasis, Austausch mit Behörden und Branchenkollegen. Reaktionen von Unternehmen: - Einrichtung von Taskforces und Risikoabteilungen (Geopolitik, Cybersecurity, Lieferketten). - Transparenz in der Wertschöpfungskette als Schlüssel. - Resilienz bleibt ausbaufähig – Corona-Erfahrungen wurden nicht vollständig umgesetzt. Besonderheiten für KMU: - Mittelständler und kleine Speditionen haben weniger Ressourcen → Informationsaustausch und Kooperationen sind überlebenswichtig. Flexibilität vs. Planungssicherheit bei Zöllen: - Empfehlung: „No-Regret-Moves“ (z. B. richtige Zolltarife prüfen, Netzwerkanalysen durchführen), keine überstürzten Produktionsverlagerungen. Produktionsverlagerungen & Handelsstrukturen: - Zunahme neuer Freihandelsabkommen. - Kapazitätsausbau in den USA, besonders im Medtech-Bereich. - Teilverlagerung von China nach Südostasien (Vietnam, Thailand), oft aber weiterhin in chinesischem Besitz. - Mittelständler nutzen Netzwerke und Handelskammern zur Orientierung. Standort Europa / Deutschland: - Vorteile: Ausbildungsniveau, Rechtssicherheit, strategische Gründe (z. B. Halbleiterproduktion). - Nearshoring wird wichtiger, aber Umsetzung dauert. Trends in der maritimen Logistik: - Weniger globaler Massenverkehr, mehr regionaler Handel (v. a. innerhalb Asiens). - Asien & Naher Osten als Wachstumstreiber, Europa gesättigter Markt. Risikobild maritime Logistik: - Seeweg bleibt Haupttransportträger. - Bedrohungen: Wetter, Piraterie, Konflikte, Drohnenangriffe, Cyberattacken. - Angriffe werden billiger → asymmetrische Bedrohung. - Drohnenabwehr & Cybersicherheit als neue Kernfelder. Strategien zur Resilienzsteigerung: - Krise als Chance für Investitionen („Never waste a good crisis“). - Datenqualität & Transparenz verbessern. - Priorisierung je nach bestehender Infrastruktur. - Bestände strategisch aufbauen (Puffer, Lagerkapazitäten). - Robotik & Automatisierung erhöhen Flexibilität, erfordern aber Investitionen. Hilfreiche Links: PwC: https://www.pwc.de/de Karina Lück auf LinkedIn: https://www.linkedin.com/in/karina-l%C3%BCck/ Dr. Burkhard Sommer auf LinkedIn: https://www.linkedin.com/in/burkhard-sommer/ Boris Felgendreher auf LinkedIn: https://www.linkedin.com/in/borisfelgendreher/ BVL: https://www.bvl.de/ BVL Supply Chain CX: https://cx.bvl.de/

In dieser Folge spricht Thomas Wuttke mit Bernhard Schwab über datenbasierte Entscheidungsfindung im Projektmanagement. Es geht in erster Linie um Datenqualität und die Rolle der Unternehmenskultur im Umgang und die Interpretation dieser Daten. Wer die Daten nicht lesen kann oder will, dem hilft auch keine KI oder sonst ein Tool. Eine klare und praxisnahe Analyse zwischen Kontrolle, Vertrauen und Transparenz.  Shownotes:

Lasse Lung ist Gründer und Geschäftsführer von Qualimero, einem Startup, das Unternehmen mit KI-Mitarbeitern unterstützt – digitalen Teamkollegen, die Prozesse im Vertrieb, Recruiting und Service eigenständig übernehmen.Im Gespräch mit Host Christian spricht Lasse darüber, warum KI-Mitarbeiter mehr sind als stumpfe Chatbots, wie sie in nur zwei Wochen produktiv eingesetzt werden können und welche messbaren Erfolge Unternehmen bereits erzielen – von steigenden Warenkorbwerten über mehr qualifizierte Leads bis hin zu effizienteren Recruiting-Prozessen.Außerdem verrät er, welche Faktoren den erfolgreichen Einsatz von KI-Mitarbeitern prägen – von klaren Use Cases über Datenqualität bis hin zu Transparenz und Akzeptanz im Team. Und wie auch andere Gewerke im B2B Marketing wie SEO und SEA profitieren können.

Provisionsmodelle im Vertrieb entscheiden über Performance und Planbarkeit. In dieser Folge spreche ich mit Alexander Dosse (Centify) darüber, welche Provision wann passt – und was im Sales einfach nicht funktioniert. Provisionen polarisieren: Von „braucht kein Mensch“ bis „ohne Provision keine Performance“ habe ich alles gehört. Mein Grundsatz: Provision ist ein Führungs- und Steuerungsinstrument, kein Ersatz für Management. Sie wirkt, wenn sie schnell spürbar ist, auf beeinflussbaren KPIs basiert und transparent abgerechnet wird. Genau hier passieren die größten Fehler: zu späte Auszahlungen, falsche Kennzahlen (z. B. EBIT), Deckelungen, die Leistung ausbremsen, und Quoten, die am Team vorbei geplant werden. Gerade im SaaS greifen mehrere Rollen ineinander: SDR, AE, PreSales und CSM. Bewährt hat sich eine gemeinsame Logik mit klarer Rollenwirkung. Ein praxiserprobtes Setup: Der SDR erhält eine Pauschale pro qualifiziertem Termin plus kleinen Deal-Anteil, der AE den größeren Abschlussanteil, der CSM wird über Verlängerung, Churn und Expansion incentiviert. So richten sich Provisionsmodelle im Vertrieb auf Umsatz, Kundennutzen und nachhaltiges Wachstum aus. Vier Bausteine für 90% der Fälle 1) Dealbeteiligung: prozentual am Umsatz/DB mit sauberer Attributionslogik – ohne „Mäuler-Stopfen“. 2) OTE/Quote: variables Zielgehalt (z. B. 70/30 oder 60/40 in DACH; 50/50 häufig in USA/UK) mit Cliff und Accelerators für Übererfüllung. Wichtig: nie nach oben deckeln, sonst werden Deals geschoben. 3) Bonuszahlungen: fixe Beträge für kurzfristig beeinflussbare Aktionen (z. B. „qualifizierter Termin“, „Produktbundle verkauft“). 4) SPIFs: zeitlich begrenzte Sprints zum Monats-/Quartalsende – monetär oder als Sachprämie. Starker Hebel, um Verhalten gezielt zu steuern. Vermeide Fehlanreize: Wer nur nach Marge vergütet, verkauft keine Neueinführungen. Wer erst am Jahresende zahlt, verliert Motivation. Und wer ohne Datenqualität plant, erntet Misstrauen. Darum mag ich Tools, die Echtzeit-Transparenz schaffen: Centify dockt an gängige CRMs an, rechnet automatisch und erlaubt Simulationen für neue Pläne. Umsetzungstipp: Ziele top-down & bottom-up kalibrieren, historische Daten prüfen, Regeln einfach formulieren („ein Satz, ein Beispiel“), monatlich auszahlen – und Kultur nutzen: Rankings, Golden Hours, kleine Wettkämpfe. So entsteht positiver Leistungsdruck statt System-Gaming. Fazit: Das perfekte System gibt es nicht – aber das passende. Mit klaren KPIs, schneller Auszahlung und den vier Bausteinen setzt du Provisionsmodelle im Vertrieb so auf, dass sie Wachstum wirklich treiben.  

Die US-Notenbank steht unter politischem Druck, die Inflation bleibt hartnäckig hoch und Donald Trump mischt erneut mit. Ich spreche mit Ulrich Stephan, Chef-Anlagestratege der Deutschen Bank, über die Folgen für Zinsen, Anleihemärkte und Anleger. Im Fokus: Welche Risiken birgt eine Zinssenkung trotz hoher Inflation? Wie wirken sich Zölle und schwächere Datenqualität auf Märkte aus? Und warum bleibt Technologie trotz aller Unsicherheiten der Treiber an der Wall Street? Ein Podcast - featured by Handelsblatt. +++ Jetzt kostenlos beim Börsenspiel von Société Générale anmelden! https://www.trader-boersenspiel.de/web/home?utm_source=markus-koch&utm_medium=podcast&utm_content=startseite&utm_campaign=trader +++ +++EXKLUSIVER NordVPN Deal ➼ https://nordvpn.com/Wallstreet Jetzt risikofrei testen mit einer 30-Tage-Geld-zurück-Garantie!+++ +++ Alle Rabattcodes und Infos zu unseren Werbepartnern findet ihr hier: https://linktr.ee/wallstreet_podcast +++ Der Podcast wird vermarktet durch die Ad Alliance. Die allgemeinen Datenschutzrichtlinien der Ad Alliance finden Sie unter https://datenschutz.ad-alliance.de/podcast.html Die Ad Alliance verarbeitet im Zusammenhang mit dem Angebot die Podcasts-Daten. Wenn Sie der automatischen Übermittlung der Daten widersprechen wollen, klicken Sie hier: https://datenschutz.ad-alliance.de/podcast.html

Wie lassen sich mit Utiq digitale Kampagnen wirksam und datenschutzkonform steuern – ganz ohne Third-Party-Cookies? Utiq, das Joint Venture der Telkos Telekom, Vodafone, Orange und Telefónica, positioniert sich als datenschutzfreundliche Alternative zu den Walled Gardens – mit dem Anspruch, hohe Reichweite und Datenqualität zu vereinen. Erik diskutiert in seiner heutigen Podcast-Folge mit Norman Wagner, Managing Director DACH von Utiq, über die Rolle von Utiq im digitalen Marketing, transparente Nutzer-IDs und die Bedeutung für Mediaagenturen und Medienvielfalt. Die beiden erörtern insbesondere die folgenden Fragestellungen: - Was macht Utiq und was sind typische Use Cases? - Wer sind die Nutzer eurer Dienstleistungen? - Wie lassen sich mit Utiq digitale Kampagnen effizient und datenschutzkonform steuern – ohne Third-Party-Cookies? - Welchen Faktor spielen Media-Agenturen hinsichtlich der Kampagnen-Aussteuerung unter der Nutzung von Utiq? - Wie schafft ihr es mit Utiq im Einzelnen, der bekannten Attributionsproblematik entgegenzuwirken? - Welches sind die wichtigsten Kernaussagen in deinem vor kurzem veröffentlichten Meedia Interview bezüglich der Absicherung von pluralistischer medialer Meinungsvielfalt? Über Norman Wagner Norman Wagner gilt als anerkannter Experte und Vordenker zu Markenstrategien und Mediaplanung. Seit 2024 ist Norman Managing Director von Utiq Germany. Das im Sommer 2023 gestartete Telko-Joint-Venture von Telekom, Telefónica, Vodafone Group und Orange setzt sich europaweit für verantwortungsvolles digitales Marketing ein. Vor Utiq leitete Norman den Bereich Group Media bei der Deutschen Telekom. Weitere Stationen seiner Laufbahn waren unter anderem Mindshare, Mediacom, Ebiquity und Nielsen. Darüber hinaus engagierte sich Norman im Vorstand der Organisation Werbungtreibende im Markenverband OWM und ist Vorstand der Initiative 18. Der Marketing Transformation Podcast wird produziert von TLDR Studios.

Mit Agnieszka Michalik (Checktur.io) Staffel #12 Folge #5 | #Marketing_021 Der Podcast über Marketing, Vertrieb, Entrepreneurship und Startups *** https://www.checktur.io/de https://www.linkedin.com/in/m-aga/ *** Aga Michalik, Co-Founderin und CTO von Checktur.io, berichtet in der aktuellen Podcast-Folgeüber ihren Werdegang von der Informatikstudentin in Polen über Stationen bei Nokia und Here Technologies bis zur Gründung ihres eigenen Startups im Bereich smartes Flottenmanagement. Ausgelöst durch einen LinkedIn-Post eines Venture Builders von Schmitz Cargobull, entwickelte sie zunächst eine KI-gestützte Lösung zur Schadenserkennung an LKWs, die sie gemeinsam mit Industriepartnern und Kunden aufbaute. Sie spricht offen über ihre Motivation zur Gründung, ihre Erfahrungen als Gründerin und CTO (mittlerweile auch als CEO) sowie über die Rolle von KI im Produkt und Unternehmensalltag von Checktur.io. Besonders spannend: Der Aufbau eines diversen Teams mit hohem Frauenanteil und der strategische Einsatz von KI zur Skalierung des Unternehmens. Michael Högemann, Seriengründer (Passado, DaWanda und Magaloop) und KI-Experte war ebenfalls wieder mit dabei. *** 01:45 – Agas Hintergrund: Kindheit, Informatikstudium & erste Jobs 06:10 – Station Nokia: Innovation, Touchphones & Rückschläge 08:30 – Wechsel nach Berlin: Arbeit bei Here Technologies & autonome Fahrzeuge 11:10 – MBA an der ESMT & Gründungsmotivation 13:00 – Die Idee hinter Checktur.io & Rolle von Schmitz Cargobull 16:50 – Venture Building & Teamzusammenstellung 19:50 – Erster Use Case & MVP 21:00 – Kunden, Schäden & smarte Anhänger 24:00 – Finanzierung & Wachstum 28:30 – Vertrieb & Aufbau der Kundenbasis 32:00 – Unterstützung durch Schmitz & Go-to-Market 33:46 – Thema KI: Schadenerkennung & Training der Modelle 36:51 – Übersetzungsfeatures & Sprachvielfalt 38:54 – Datenqualität & strategischer KI-Einsatz 40:26 – Anwendungsübertragbarkeit & Unterschiede zu PKW 43:06 – Weitere KI-Entwicklung & Predictive Maintenance 45:41 – Nutzungsorientierte Feature-Entwicklung 47:26 – Agas Blick auf KI im internen Alltag 51:26 – Automatisiertes UI-Testing & LLMs 53:56 – Reflexion, Frauenanteil & persönliche Einblicke 56:41 – Abschlussrunde: Einfluss des Onkels & Zukunftsblick *** Die Zeitangaben können leicht abweichen.