Inside Open AI - woran sie arbeiten und woran du arbeiten solltest

00:00:06: Deep Dive.

00:00:07: Ja hallo und herzlich willkommen zu unserem Deep Dive am Dienstag.

00:00:11: Heute haben wir Eva Spannagel zu Gast aus dem Go To Market Startup Team von Open AI, wo sie tagtäglich mit Gründerinnen und Gründern daran arbeitet, KI von der Idee in die Skalierung zu bringen.

00:00:21: Und zuvor hat sie selbst ein VC finanziertes Energy Software Startup gegründet und verkauft, war bei McKinsey in Company und hat das Fintech Moss bis zur Series B mit aufgebaut.

00:00:31: Und sie investiert heute als Business Angel in Startups und scoutet für Sequoia Capital.

00:00:36: In dieser Folge sprechen wir also darüber, wie ihr Weg zu OpenAI aussah, wie ihr Alltag zwischen Start-ups, Produkten und Strategie aussieht, welches die spannendsten AI-Start-up Deutschlands sind und was am Ende wirklich darüber entscheidet, wer das KI-Rennen gewinnt.

00:00:50: Wie schön, dass du da bist Eva.

00:00:52: Herzlich Willkommen bei Fast and Curious.

00:00:55: Hallo und vielen Dank.

00:00:56: freue mich auch heute sehr, da zu sein.

00:00:58: Ja

00:00:59: du bist seit einigen Monaten bei OpenAI für Start-ups zuständig und hast eine Wirklich beeindruckende Vita selber schon mitgebracht.

00:01:08: Also du hast selber gegründet.

00:01:10: Du bist Investorin, du bist Scout für den US-Fanzikoya.

00:01:13: Willst du einmal so erzählen, wie so dein Weg zu und durch diese Stationen und dann vielleicht auch zu Open AI war?

00:01:21: Sehr gerne, genau.

00:01:23: Also wie gesagt, ich leite bei uns das ... Ego To Market Startup Business for Open AI in Dach.

00:01:30: Und vielleicht auch ganz kurz konkret, was heißt das eigentlich?

00:01:33: Also tatsächlich ist mein Job, dass ich tagtäglich mit den Startups da draußen arbeite und ihnen helfe, unsere Produkte bestmöglich zu implementieren und dabei entsprechend natürlich auch irgendwie Feedback zu sammeln.

00:01:46: Wie gesagt, ich habe vorher selber einen Startup gegründet, gefällig korrekt, das verkauft, Startups mit aufgebaut, habe auch mal eine Zeit lang bei McKinsey gearbeitet.

00:01:54: Deswegen hilft das natürlich mir auch in meiner tagtäglichen Arbeit.

00:01:59: Wie bin ich da eigentlich hingekommen?

00:02:02: Ich glaube, ich war zum einen schon immer super begeistert von neuen Technologien.

00:02:08: Das muss man einfach so sagen.

00:02:11: in der Uni mir selber beigebracht, irgendwie zu programmieren, hab dann bei McKinsey digitalprojekte vor allem gemacht.

00:02:18: Ich muss auch ehrlich sagen, ich hab schon immer versucht, mich immer in diese richtig harten Projekte dann reinzubringen.

00:02:25: Also viel komplexer es war, das ist so spannender, fand ich.

00:02:28: Also immer dieses so doing the hard things.

00:02:31: Getting Ancomfortable war schon für mich immer so ein Mantra, die mich auch gefolgt bin.

00:02:35: Und dann habe ich mich auch immer wieder mal gefragt, oh mein Gott, wie bin ich hier gelandet und warum tue ich mir das an?

00:02:40: Aber habe auch gemerkt, dass ich einfach unfassbar viel lerne.

00:02:44: Und ich glaube, dieses Thema Neutechnologien hat mich schon immer wahnsinnig begeistert und ist, glaube ich, auch sehr, sehr wichtig in dem Job, den ich mache.

00:02:51: Also diese Passion ist, glaube ich, an der Deckungsteine.

00:02:54: Und dann zum zweiten auch, wie bin ich hier gelandet, ist natürlich meine Gründer-Erfahrung und dass ich auch verschiedene Star-Lights mit aufgebaut habe.

00:03:02: Das hilft mir einfach in meinem tagtäglichen Doing, tagtägliche Arbeit mit den Gründern, dass ich da auf Augenhöhe sprechen kann, weil ich weiß, was sind die Probleme, schon Digitalprodukte gebaut habe.

00:03:13: Das ist super, super wichtig.

00:03:15: Und zum Dritten natürlich dann auch einfach die Kombination, dass ich Zugang zum Start-up-Netzwerk hatte, viel investiert habe und viele Leute kannte.

00:03:24: Und dass ich es dadurch auch noch alles zusammenbringen kann, ist natürlich eine tolle Chance.

00:03:28: Und ich sage immer, ich liebe meinen Job und stehe jeden Tag auf und denke mir, ich bin so happy, dass ich diesen Job machen darf.

00:03:34: Es ist ein großes Privileg und freue mich da jeden Tag.

00:03:36: Na

00:03:36: ja, hart verdientes Privileg, weil wenn ich das so höre, dass du immer ... ist schon die extra Meile gegangen bist und immer dich genau da reingeschmissen hast, wo vielleicht viele andere auch gesagt haben, nee, das wird mir jetzt so technisch oder so, dann erntest du natürlich jetzt davon auch die Früchte.

00:03:52: Also Leon, ich habe schon so oft gesagt, oh man, hätten wir doch im Studium programmieren gelernt und hätten wir doch und so.

00:03:58: Und du hast es halt gemacht.

00:03:59: Das heißt, wie muss ich mir deinen Job jetzt vorstellen?

00:04:03: Also wie sieht so ein Alltag aus in der Go-to-Market-Startup-Team bei OpenAI?

00:04:09: Ja, also ich sage immer, Ich verbringe so siebzig bis achtzig, wo es an der Suche ist, den Großteil meiner Zeit verbringe ich wirklich mit den Startups zu sprechen, zu gucken, hey.

00:04:20: Was haben wir an neuen Produkten?

00:04:21: Wie können Sie die bestbüglich implementieren?

00:04:23: Ich gebe denen immer, ich sage immer so, die Tiefe von OpenAI.

00:04:26: Das heißt, gerade wenn man noch mal tiefer in ein Modell reingucken möchte, in die Fähigkeiten, habe ich eben den Zugang und kann wirklich gucken, hey, kann noch mehr Informationen geben und ihnen entsprechend helfen, unsere Produkte zu implementieren.

00:04:39: Und das ist schon sehr, sehr technisch völlig korrekt.

00:04:42: Also ich muss eine gewisse technische Tiefe und auch Begeisterung haben.

00:04:46: Ich möchte der beste technische Ansprechpartner auch sein.

00:04:50: Ich muss sagen, ich arbeite den ganzen Tag mit CTOs, Head of Engineering, AI Engineers entwickeln und muss auch deren Sprache natürlich sprechen, damit wir uns gut austauschen können.

00:04:59: Also deswegen, ich glaube, das ist so der Großteil meines Tages, wirklich mit denen zu arbeiten.

00:05:04: geht das auch zum zweiten Thema über, dass ich sehr viel Feedback einhole.

00:05:09: Also es geht viel darum, wo funktionieren die Modelle gut, wo funktionieren sie vielleicht auch nicht so gut, was können wir besser machen und... dieses Feedback dann auch wiederum bei uns intern weiterzugeben.

00:05:21: Und da bin ich auch stolz darauf zu sagen, dass wir wirklich aus Europa, aus Deutschland heute unsere Modelle beeinflussen.

00:05:27: Und ich möchte das ganz laut hier auch noch mal sagen, weil ich glaube, man denkt oft so, oh, das ist ja ein US-Konzern und die machen da ihr Ding.

00:05:34: Aber ganz ehrlich, die Startups, die mit mir reden und auch alle da draußen, gibt mir Feedback, lass mich wissen, was ihr braucht.

00:05:40: Ich gebe das weiter und das beeinflusst tatsächlich auch, wie wir unsere Modelle entwickeln.

00:05:44: Super.

00:05:44: Und das mache ich noch viel.

00:05:46: dritten natürlich auch viel Ecosystemarbeit.

00:05:49: Also in dem Sinne, ich arbeite sehr früh und viel mit Universitäten, mit der TU München, KIT, RWTH, TU Berlin, aber natürlich auch Institutionen wie den CDTM, TUM AI, Unternehmer TUM, um AI-Stardubs früh zu fördern, weil ich glaube, wir brauchen einfach mehr davon.

00:06:05: Ja, dem können wir, Renat, ich nur zustimmen.

00:06:07: Was sind für dich denn aktuell die heißesten AI-Stardubs in Deutschland?

00:06:12: Schwierige Frage gibt es tatsächlich sehr viele.

00:06:14: Also grundsätzlich...

00:06:16: Eigentlich, ich dachte schon, das ist eine schwierige Frage.

00:06:18: Da haben wir nicht fast keinen

00:06:21: Zeit.

00:06:21: Ich war schon so, oh Gott.

00:06:22: Nein, im Gegenteil, bei mir ist das Glas immer halb voll auf jeden Fall.

00:06:25: Sehr gut, deswegen

00:06:26: haben wir dich eingeladen.

00:06:29: Nee, auf jeden Fall.

00:06:30: Also... Ich glaube, was man zum Ersten sagen muss, aus so einer Makro-Perspektive ist ganz ehrlich.

00:06:37: Ich sage immer, die Barrier-to-Build war noch nie so niedrig.

00:06:40: Allein schon heute im Start-up zu bauen, war noch nie so einfach, du musst kein Programmierer sein, du musst nicht Computer Science studiert haben, um ein Produkt zu bauen.

00:06:50: Das finde ich unfassbar spannend, weil es einfach die Quantität erhöht, aber auch Diversität erhöht in dem Sinne, wer überhaupt bauen kann.

00:06:58: Sei es über Gender hinweg oder auch ... und das finde ich super, super spannend und sehe da auch viel, viel, natürlich auch noch Potenzial, aber ich glaube, wir sind da auch schon ziemlich gut.

00:07:08: Und genau, deswegen mit wem arbeite ich so zusammen?

00:07:11: Ich sage mal, ich arbeite mit einer sehr breiten Range an Startups zusammen von kleinen Teams bis zu großen Teams.

00:07:17: Alles mögliche über Developer Tools, AI, Application Layer, Vertical Stars, Agent, Startups, et cetera.

00:07:25: Und ich glaube, was ... Alle diese Teams verbindet ist auf jeden Fall, dass sie irgendwo AI in ihrem Produkt haben.

00:07:32: Und natürlich, je mehr sie AI in ihrem Produkt haben, also je eher AI näht, desto

00:07:36: mehr sie

00:07:37: unterstützen.

00:07:39: Beziehungsweise ist mehr als super, gebrauchen sie auch.

00:07:42: Dass sie mehr kann, kann ich sie natürlich unterstützen.

00:07:44: Genau, und ich sage immer so, was ich jetzt sehe bei den Start-ups, ist, dass sie extrem gut sind in so, vor allem Speed, Execution und sehr, sehr starkes AI-Talent haben.

00:07:54: Das heißt, es geht wirklich darum, schnell Produkte auf die Straße zu bringen in kleinen Teams, globales Denken von Tag Einsamen.

00:08:02: Also ich glaube zum Beispiel, gerade kann man das Beispiel auch nennen, Palua, die gerade eine große Series D auch geraisst haben, bauen ja auf der Application-Lehrseite, das heißt bauen Customer Service Agents.

00:08:14: Und da wirklich sehr starke Exitutionen, wie gesagt, haben gerade eine große Series D ge-graced.

00:08:20: Und mit denen arbeiten wir zum Beispiel eng zusammen.

00:08:22: Und das ist, glaube ich, ein gutes Beispiel für sehr schnelles Shipping.

00:08:25: Global Denken sind groß, auch mittlerweile weltweit mit großen Kunden am Bau.

00:08:30: Und das ist, glaube ich, ein sehr gutes

00:08:31: Beispiel.

00:08:31: Welche finden Sie noch so spannend?

00:08:33: Sag nochmal, zwei, drei, vielleicht für die Leute, die halt nicht so viele A.I.

00:08:36: Startups aus Deutschland kennen und die verfolgen.

00:08:39: Ganz viel leer.

00:08:40: Ich finde noch super spannend auf der Mehr-Model-Layer-Seite, Black Forest Labs, Prior Labs aus Berlin, dann natürlich auf der Agent-Seite, N.A.N.

00:08:49: zum Beispiel, die sehr erfolgreich sind.

00:08:52: Aber auch, sag ich mal, ich find Super-Scale sehr spannend auf der Videoseite.

00:08:57: Also, es gibt da wirklich eine breite Range an Startups, die, glaub ich, sehr stark bauen und exotutieren.

00:09:03: Das heißt, große, aber auch kleine.

00:09:04: Ja,

00:09:05: wir haben ja gerade unser Next-Gen-Report beim Start-up-Verband rausgegeben und der besagt, dass schon siebenundzwanzig Prozent der Start-ups jetzt AI als Kern

00:09:13: haben.

00:09:14: Also nicht nur irgendwie so ein bisschen damit arbeiten, sondern wirklich tief AI-embedded sind.

00:09:20: Und es waren nur achtzehn Prozent zwanzig, vierundzwanzig.

00:09:22: Also das zeigt, was da los ist.

00:09:25: Jetzt stell ich es mir sofort.

00:09:27: Du hast das technische Wissen.

00:09:28: Du kriegst da die spannendsten Unternehmen jeden Tag, mit denen du zusammenarbeitest.

00:09:33: Du siehst alle möglichen Businessmodelle.

00:09:36: Juckt es dich da nicht selber zu sagen, ich gründe, statt die jetzt zu beraten, wie sie es noch besser machen?

00:09:42: Gute Frage.

00:09:44: Tatsächlich juckt es mich auch immer wieder mal unter den Fingern.

00:09:46: Aber ich glaube, das hat man als Unternehmerinnen.

00:09:48: Ich glaube, es könnte auch gut nachvollziehen.

00:09:50: Und ich sehe natürlich auch viel den ganzen Tag.

00:09:52: Aber also ich glaube so.

00:09:54: Grundsätzlich, meine jetzige Rolle ist auch sehr unternehmerisch, muss ich ehrlich sagen, gerade weil ich den Markt aufbaue und das stellt sich einfach extrem und finde das super, super spannend.

00:10:05: Unternehmerisch inwiefern, also in der Vergütung oder sozusagen in der Ausgestaltung, du kannst also selber im Prinzip dir deinen Job backen oder wie, wie muss ich mir das vorstellen?

00:10:13: Vor allem Letzteres, dass es einfach sehr viel Vertrauen von einfach Headquarter gibt, dass man sagt, hey, Hier, mach einfach, mach das, was du glaubst, das am besten funktioniert, um dieses Dach erfolgreich zu machen.

00:10:26: Das heißt, es ist sehr, genau, in dem Fall frei, ich kann es freigeschalten, was ich mache, viel Vertrauen, wie gesagt.

00:10:34: Und glaube auch, dass ich damit entsprechend auch viel erreichen kann, was, glaube ich, sehr, sehr cool ist.

00:10:39: Und genau deswegen, weil die Rolle das Unternehmen an ist, habe ich jetzt erst mal vorzubehen, das Licht zu gründen.

00:10:44: Ja, aber ich glaube so wenig... Sonst hast

00:10:46: du Bescheid, ne?

00:10:47: Sonst hast du Bescheid.

00:10:48: Sonst hast du mir zuerst... Ja,

00:10:50: danke.

00:10:53: Nächster.

00:10:55: Aber

00:10:55: vielleicht mal andersrum gefragt, weil ich habe ja gerade wieder gegründet, Epic Sports.

00:11:00: und wenn du dir jetzt so Unternehmen anguckst, die nicht AI-Natives sind, sondern sozusagen aus dem ... Handel aus dem Retail, wie wir jetzt eine Plattform, wir investieren ja irgendwie die neuen Trendsportarten.

00:11:13: Also unterschiedlichste Unternehmen, die verschiedene Sachen machen, die aber nicht ein AI-basiertes Geschäftsmodell haben.

00:11:18: Und trotzdem ist für die ja alle OpenAI unglaublich relevant mit den Applikationen.

00:11:22: Wie gehst du da durch?

00:11:25: Wie findest du mit denen die wichtigsten, sag ich mal Hebel, der Wertschöpfungskette, wo man AI einsetzen sollte?

00:11:35: Also ich glaube, Da muss man so ein bisschen auf den Hands-over-So-Back- oder Foundation von der AI gehen.

00:11:40: Also so im Sinne von, wo kann man Modelle gut anwenden und wo auch nicht.

00:11:47: Und ich glaube, da kann man unterscheiden in zwei Sachen.

00:11:49: Also zum einen, Modelle sind natürlich sehr gut in repetitiven Tasken, zum Beispiel standardisierten Tasken, wo es viele Daten gibt.

00:11:57: Sie sind nicht so gut, wenn es zum Beispiel ... hochreguliert ist oder wenn zum Beispiel um sehr customised Workflows geht, du nirst ein Beispiel zu bringen oder auch Teile von Produkten.

00:12:09: Deswegen, ich glaube, wenn man so auf die Foundation guckt, muss man einfach überlegen, wo sei es jetzt im Produkt oder sei es auch bei internen Prozessen zum Beispiel, Produktivität etc.

00:12:20: in Unternehmen, wo macht es Sinn, entsprechend auch AI zu implementieren.

00:12:24: Und wenn ich heute genau mit Unternehmen spreche, gucke ich auf die beiden Sachen.

00:12:30: Also einmal, wo kann man es eben im Produkt implementieren, aber auch zum Beispiel auf internen Prozesse.

00:12:34: Und dann gehe ich mit denen vor allem durch und sage, hey, wo habt ihr heute relativ standardisierte Workflows oder Teile im Produkt, zum Beispiel, wo es viele Daten gibt und guckt dann wirklich step by step, wo kann man welche Produkte anwenden?

00:12:48: Das ist zum einen auf der Produktseite und bei den internen Workflows gucke ich Ganz bei uns ganz klar mit ZBT.

00:12:55: Hey, wo kann man zum Beispiel heute schon ZBT verwenden?

00:12:59: Custom Agents verwenden für Email Creation, Document Creation, Brainstorming.

00:13:03: Ich nutze zum Beispiel sehr viel für Brainstorming, ZBT und gehe da wirklich teilverteilen mit der Unternehmen durch.

00:13:09: Ihr

00:13:10: verfindest du, dass jedes Unternehmen auch wieder die nicht AI-native sind, was ja immer noch der Großteil ist, einen einen AI-Spezialistin im Team haben müsste?

00:13:16: Weil ich das mich echt schon für Epic selber gefragt hab, sollte das nicht einer unserer First Highers sein.

00:13:19: Weil selbst wir jetzt mit, sag ich mal, Mitte bis Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Mitte, Behebiger, was, also wir nutzen die Tools und so, aber wir sind jetzt auch nicht AI-native.

00:13:38: Ja, wir sind nicht mit AI aufgewachsen.

00:13:40: Wir sind nicht, so, da habe ich mich selber schon gefragt, findest du, oder reicht es als Unternehmen dann zum Beispiel Unternehmen wie Eurus oder andere als Kooperationspartner, als Sparingspartner reinzuziehen?

00:13:53: Also ich glaube, wahrscheinlich ist die Antwort irgendwo so in-between oder in der Meshung aus beiden.

00:13:58: Und ich glaube, es kommt natürlich immer aufs Unternehmen drauf an.

00:14:01: Ja, aber was?

00:14:03: Ich viel sehe.

00:14:03: zum ersten Bezüglich mehr Spezialist ist, dass es schon Unternehmen heute gibt, die genau das machen und zwar im Sinne von, dass die Leute intern haben, die zum Beispiel gucken, hey, welche, welchen unseren Prozessen, müssen wir einen Agent bauen, was brauchen wir?

00:14:20: Oder auch innerhalb der Produktteams dann das Leute wie so einen Hut aufhaben und sagen, okay, ich gucke da jetzt mal tiefer rein und schlaue mich da auf.

00:14:28: Das sehe ich schon und ich glaube auch, dass das gut funktioniert.

00:14:30: Und wir haben auch bei uns intern, zum Beispiel bei OpenAI, Leute, die sich zum Beispiel nur damit beschäftigen, gerade in der Go-to-market-Organisation, hey, wie bauen wir Agents, wie können wir unser, der ganzen Prozess und Operations da verbessern.

00:14:43: Deswegen, das macht, glaube ich, total viel Sinn.

00:14:45: Man muss halt dann ganz klar definieren, was ist der Scope.

00:14:50: Und ich glaube, das entschuldigt aber nicht, dass trotzdem sich die Organisation allgemein trainiert, aufschlauert.

00:14:56: Also ich glaube, es ist nicht die Antwort zu sagen.

00:14:57: Das ist so früher, wie

00:14:59: man Digitalisierung Experten hatte.

00:15:01: Ein Digitalisierung

00:15:03: Experten.

00:15:03: Das ist da hinten in der Ecke.

00:15:06: Genau.

00:15:07: Das

00:15:07: könnte man

00:15:08: vielleicht auch.

00:15:09: Ja, haben wir jetzt keine Zeit für Torsten.

00:15:12: Also, ich glaube, man muss schon dann auch gucken, dass die ganze Mannschaft ausgeslaut wird.

00:15:16: Und genau zum zweiten, da sind wir natürlich gerne als Sparingspartner da und wir haben ja auch mal reden auch da ja viel drüber über Education und die ganzen Themen.

00:15:25: Es ist ganz klar, dass wir auch natürlich als Supporter dabei sind bei Enterprise, Mittelstand, Startup etc.

00:15:31: Wie steht es denn um unser AI Talent in Deutschland?

00:15:34: Also, ihr seid ja mit OpenAI letztes Jahr nach Deutschland gekommen, habt euch in München angesiedelt, sozusagen.

00:15:41: ich jetzt hier zuhöre und denke, ich bin jung und ich will eigentlich in diesen Bereich rein.

00:15:46: Welche Studiengänge, welche Städte, welche Ökosysteme empfiehlst du, um sich da reinzuschmeißen, damit wir dann nicht am Ende daran kranken, dass wir gar nicht genug Kaitalent in diesem Land haben, um all diese tollen Ideen großzumachen?

00:16:00: Gute Frage.

00:16:01: Also ich glaube, das erste Mal vielleicht, bevor wir über Studiengänge und Jobs sprechen, so ein bisschen ... Mindset ist, glaube ich, das Allerwichtigste.

00:16:09: Also wirklich einfach diese Neugierde zu haben, Tools auszuprobieren, KI auszuprobieren.

00:16:14: Ich habe es vorher gesagt, the barrier to entry was never so low.

00:16:18: Also wirklich... Man kann heute im Internet schon auf unserer Website z.B.

00:16:23: mit unseren Toolspielen ZBT ausprobieren, die API ausprobieren.

00:16:27: Es gibt ganz viele tolle Tools da draußen wie lovable, Cursor, Codecs für Programmieren.

00:16:32: Also einfach mal rein und machen und ausprobieren.

00:16:35: Also ich glaube, Mindset ist das allerwichtigste.

00:16:39: Und wenn man dann vielleicht so ein bisschen von, ich sag jetzt mal, vielleicht schon auch Schule, bis in so Universität und Jobs dann geht, ist, glaube ich, da, genau, in der Schule, ich arbeite zum Beispiel sehr eng mit, oder mit No Unity auch.

00:16:52: Erst gibt ja auch tolle Starafs, die da heute schon helfen.

00:16:54: Hat mein Sohn

00:16:54: gerade Praktikum gemacht.

00:16:56: Sehr gut.

00:16:57: Der

00:16:57: hat das richtig nach vorne gebracht, das Unternehmen.

00:17:00: Sehr

00:17:01: cool.

00:17:01: Das

00:17:03: ist einer der Leistungsträger.

00:17:04: Mit so einem Team.

00:17:07: Sehr cool, er guckt.

00:17:09: Nichts weniger als das im Hause Paus da.

00:17:12: Also, da wirklich schon zu gucken, wie kann man da einfach in die Tools reingehen?

00:17:17: Und dann in den Studiengängen, klar, ich glaube, was ist das ganze Thema?

00:17:21: Also Computer Science, Engineering gibt ja mittlerweile auch Maschinen-Learning-Studiengänge.

00:17:26: Da einfach reinzugehen, das, glaube ich, macht auf jeden Fall viel Sinn.

00:17:30: Und dann auch später, wenn man genau Praktika macht, aber auch, wenn man dann vielleicht heute schon im festen Job ist und wechseln möchte, zu überlegen, was sind denn die Unternehmen, die zum Beispiel heute schon viel mit AI arbeiten oder selber AI-Native-Products haben.

00:17:45: Und da sie überlegen, wie komme ich da rein.

00:17:47: Wir haiern ja auch in Deutschland zum Beispiel auch für Einstiegspositionen bei uns im Team, also aus der Uni direkt.

00:17:56: Und genau einfach zu gucken, was gibt's für coole Jobs und dann halt einfach sich da reinboxen und einfach springen.

00:18:04: Eva, wie schaust du denn?

00:18:05: Jetzt hast du den ganzen Tag mit AI zu tun und trotzdem bewegt sich ja der ganze Markt und das Ökosystem so schnell, dass das nicht Gott gegeben heißt, dass du jetzt alles weißt, so wie die anderen Modelle so sich entwickeln, was für neue Tools und Techniken es da so gibt.

00:18:21: Was hast du dir selber von Workflow gebaut oder für eine Struktur für ein System gebaut?

00:18:26: Dass du immer up to date bist oder habt ihr intern irgendwie Ressourcen, die sagen, weiß ich nicht, es gibt immer einen Lerntag die Woche oder ihr habt einen, welchen Newsletter liest du.

00:18:38: Wie guckst du, dass du sozusagen am Zahn der Zeit bleibst?

00:18:42: sehr, sehr schwierig.

00:18:43: Also ich bin ganz ehrlich, selbst für mich ist das eine der auch größten Herausforderungen, dahingehend up to date zu bleiben, weil ich habe natürlich einen sehr stressigen Job und muss aber auch gucken, dass ich genau up to date bin, was passiert da draußen, aber auch bei uns intern.

00:18:58: Ich meine, wir sagen auch selber immer früher, also es kann man sich gar nicht vorstellen.

00:19:02: Früher haben wir irgendwie ja Quaterlin, neues großes Modell und noch ein Produkt gestippt.

00:19:08: Sorry, heute, jede Woche, gibt's was Neues in Chat auf der Modellseite, neues Video, neues Audio-Modell, dann gibt's ein neuen Codex-Update, gab's gerade.

00:19:17: Und einfach da auch ab zu Date zu bleiben, ist natürlich schon, sag ich mal, eine Herausforderung da eingehend.

00:19:24: Aber, again, ich glaub, zurückzukommen, was wir im Anfang gesprochen haben, ich glaub, das Wichtigste ist einfach diese ... diese Neugierendes Mindset zu haben und zu sagen, ich will das lernen.

00:19:32: Und auch wenn ich dann so was lese, dann finde ich es einfach super spannend und behaltsbesser.

00:19:37: Und konkret, wie, genau, was mache ich vielleicht auch privat oder auch in der Arbeit da, um ab to date zu bleiben?

00:19:43: Also privat, genau, lese ich verschiedenste Newsletter, höre Podcasts, ich höre zum Beispiel einen Doppelgänger-Postcast gerne, lese aber auch andere KI-Newsletter, globale, einfach, um da so ein bisschen auch ab to date zu bleiben.

00:19:58: und versucht da wirklich morgens mehr Zeit zu nehmen, die entsprechenden Artikel auch zu lesen.

00:20:04: Und dann würde ich sagen bei uns intern oder zu unseren Product Updates, da ist es so, dass wir schon auch internen Teams haben, die gucken, dass wir regelmäßig Schulungen erhalten, dass wir regelmäßig auch dann Background zu den Produkten bekommen, etc.

00:20:19: Und da schaue ich auch, dass ich mir, und es musste ich auch lernen, ehrlich gesagt, dass ich mir da wirklich dediziert Zeit nehme.

00:20:25: Ja Eva OpenAI wird ja für viele, glaube ich, uns Konsumenten gleichgesetzt mit ChatGPT.

00:20:30: Jetzt habt ihr aber noch viel mehr Produkte.

00:20:33: Produkte habt ihr denn und was machen die eigentlich?

00:20:36: Auf jeden Fall und völlig richtig.

00:20:37: Genau, ich glaube wir haben vor einigen Jahren den Chat-TBT Moment kreiert und dadurch sind wir natürlich mit diesem Namen und dass das ein Consumer-Produkt ist, das ist natürlich das erste an was die Leute auch denken, wenn sie an Open AI denken.

00:20:52: und da als kleine lustige Anekdote auch manchmal, wenn mich Leute fragen, wo ich arbeite und ich sage Open AI und sage auch gleich Chat-TBT, weil dann wissen die sofort was gemeint ist.

00:21:01: Also grundsätzlich sag ich mal so ein bisschen wir haben so.

00:21:04: Ich sag jetzt mal drei größere Park areas.

00:21:07: Das eine ist natürlich auf der Consumer Seite, aber auch auf der Business Seite.

00:21:12: Dann zum zweiten unsere API mit den Modellen.

00:21:15: alles noch mal genauer gleich ein.

00:21:17: Und dann zum dritten unsere Tools und Plattform dahinter, die alles empowert.

00:21:22: Und wenn man jetzt auf TedGBT guckt, verleg ich die, glaub ich, das bekannteste Produkt mit mittlerweile fast über achthundert Millionen Weekly Active-Usern, ist das das, was natürlich heute schon genau Consumer nutzen, aber auch Unternehmen für Brainstorming, Fragestellen, Recherche, CustomGBTs, Mini-Agenz, alles Mögliche.

00:21:42: Das ist, glaub ich, so das scannigste Produkt.

00:21:44: natürlich auch produktivitiven Unternehmen.

00:21:47: Dann zum zweiten unsere API.

00:21:49: Damit verblenge ich auch sehr viel Zeit.

00:21:51: Und da haben wir die großen Flagship-Modelle, in dem Sinne ist das gerade bei uns fünf Punkt zwei.

00:21:58: Das sind die Text-Modelle dahinter mit Function Calling und allem Möglichen, um das dann wirklich in den Produkten zu verwenden.

00:22:05: Und wir haben aber natürlich auch vertikale Modelle.

00:22:07: Also wir haben Videomodelle, wir haben Audiumodelle

00:22:10: etc.,

00:22:12: die wir nach draußen anbieten.

00:22:13: Und die sind alle durch Schnittstellen mit den verschiedenen Firmen.

00:22:17: verbunden.

00:22:18: Völlig richtig.

00:22:19: Das heißt, man kann heute schon, du kannst heute einfach bei uns OpenAI-Plattformen reingehen und dich anmelden.

00:22:26: Kostenlos kann man einfach an sich anmelden.

00:22:28: Und dann sieht man ganz genau, welche Modelle es gibt und findet dann entsprechend das SDK dahinter, Software-Developer-Kit, damit man dann das entsprechend in seinem Code anbinden kann und nutzen kann.

00:22:41: Das heißt, über unsere API-Plattformen sind diese ganzen Modelle entsprechend verfügbar.

00:22:46: und auf die Snapshots.

00:22:47: Das heißt, das ist unsere API, auch sehr groß.

00:22:50: Und dann haben wir zum dritten ... Tools und Plattformen.

00:22:53: Das haben wir im E-Walls Tools.

00:22:55: Also es bedeutet, dass man evaluiert wie performant verschiedene Modelle.

00:22:59: Wir haben natürlich viel auch einfach Infrastruktur.

00:23:03: Wir bieten viel, was Hilfe zu programmieren angeht.

00:23:05: Also wir haben Codex-Modelle, Programmier-Modelle, die angeboten werden etc.

00:23:11: Also wir wollen wirklich so die Infrastruktur anbieten auch, dass man bestmöglich KI verwenden kann.

00:23:17: Und man hört schon, ich habe lange geredet, wir haben sehr viele Produkte.

00:23:20: dann natürlich auch immer noch mehr rausbringen.

00:23:22: Wie

00:23:23: löst du den Widerspruch auf, dass wir laut Tech-EU-Report zu den größten Chat-GPT-Märkten außerhalb der USA gehören, dass wir der aktivste Markt in Bezug auf Nutzungshäufigkeit und Volumen sind und gleichzeitig aber kein OpenAI oder ähnliches Large Language Model aus Deutschland gekommen ist.

00:23:45: Also europaweit haben wir zumindest Mistral im Rennen, aber woran liegt es, dass wir so ganz vorne dabei sind auf der Anwendungsseite, aber offensichtlich nicht auf der Gestaltungs- oder Produzentenseite, wenn du so willst.

00:23:58: Genau, vielleicht erst mal so ein paar Numbers auch, weil ich find's schon mal ganz spannend, auch mal zu sehen, wo stehen wir eigentlich mit ChatGPT auch in Deutschland?

00:24:06: Und was sind da die Zahlen?

00:24:07: Weil da muss ich auch Deutschland gar nicht verschicken.

00:24:09: Nee, gar nicht.

00:24:11: Das ist super, super stark.

00:24:12: Ich hab grad noch mal die letzten Zahlen nämlich gestern geholt.

00:24:15: Also, es ist wirklich so, dass wir mit Weekly Active User in ChatGPT sind wir über den Top-Fünf-Global in Nummer eins in Europa.

00:24:22: Wie viele sind es?

00:24:23: Das kann ich leider nicht sagen.

00:24:24: Schade.

00:24:25: Aber ja, es ist auf jeden Fall, wir sind auf jeden Fall ... unter den Topf fünf.

00:24:29: Deswegen sind wir so sehr stark.

00:24:31: Und grade, was ich auch immer spannend finde zu erwähnen, da wird auch nicht so viel drüber gesprochen, dass wir auch auf der Businessseite, also wenn man jetzt auch auf API-Nutzung guckt, Developer Community sind wir auch unter den Top drei.

00:24:42: Das heißt, es wird auch schon vielen Unternehmen angewendet, was, glaub ich, sehr, sehr cool ist.

00:24:45: Und auch zeigt, dass KI viel angewendet wird und die Leute es auch eben umsetzen.

00:24:54: Und genau, deswegen auch so ein bisschen zurück zu deiner Frage.

00:24:58: Wie kommen wir vielleicht auch mehr in die Gestaltung?

00:25:00: und ich glaube tatsächlich, ich sehe das auch wieder sehr positiv, dass wir sind starke Anwender und dadurch haben wir die Grundlage, um starke Gestalter zu werden.

00:25:11: Wir sehen das auch jeden Tag, also sowohl in der Arbeit mit den Unternehmen, aber auch natürlich auf der Konsumentenseite, dass diese A.I.

00:25:19: Literacy auszubauen, also wirklich selber sich zu exposen, zu lernen.

00:25:24: Die beste Grundlage ist, dass man später ein Power-User wird und vielleicht ein eigenes Produkt baut, Gründer wird, ein Unternehmen damit aufbaut, weil man eben das Wissen hat.

00:25:34: Und deswegen, ich glaube, wir brauchen uns da nicht verstecken, ich hatte es vorher auch schon gesagt, es gibt viele tolle A.I.

00:25:40: Startups hier in Deutschland.

00:25:43: Und ich glaube, das ist die beste Voraussetzung, dass noch viel, viel mehr gebaut wird.

00:25:48: Und sag mal, wenn du jetzt so auf die andere Seite wechselst, was findest du ist für uns Unternehmen am wichtigsten, worauf wir die nächsten zwei Jahre im Bereich AI fokussieren sollten?

00:26:01: Worauf sollte man jetzt sein Augenmerk legen?

00:26:03: Worauf sollte man?

00:26:05: Was hat so die größten Chancen und Hebelwirkungen?

00:26:08: Ich

00:26:09: würde da auch gerne wieder unterscheiden, in EI zu nutzen für zum Beispiel Workflows, Prozesse, Agents und zum zweiten auch Produkte zu bauen, weil ich glaube, es ist einfach... unterschiedlich.

00:26:20: Also zum einen, ich glaube, wenn man auf Workflows, Produktivität etc.

00:26:24: guckt, was wir viel sehen unternehmen, ist, dass viele angefangen haben, was zu bauen, Custom-GPTs zu bauen, genau selber irgendwie schon verschiedene Tools zu nutzen.

00:26:35: Und jetzt ist der Sprung wirklich so von, ich sag jetzt mal Pilot auch in die Umsetzung und in den Rollout, also da wirklich zu gucken, wie kann man intern von vielleicht auch kleineren Projekten in größere Produktivitätsprojekte kommen und das über eine komplette Unternehmen auszurollen, Agents zu bauen, die viele betreffen.

00:26:56: Und dahin gehen so wirklich auch tiefer, ich sag jetzt mal, in den Rollout zu gehen.

00:27:01: Und gerade auch in großen Enterprises da natürlich, dann ist viel auf Change Management, Enablement, wird da viel wertgelegt.

00:27:08: Ich glaub, das ist vor allem wichtig, also wirklich die Leute mitzunehmen und zu enablen.

00:27:12: Ist irgendwie so ein bisschen so eine unbefriedigende Antwort, finde ich, für einen selber, weil man so denkt, nicht so konkret.

00:27:18: Und gleichzeitig hast du, glaube ich, völlig recht.

00:27:20: Also, ich glaube wirklich, jetzt die Kultur zu schaffen, das klingt irgendwie so langweilig ein bisschen, aber ich glaube, das ist wirklich die Basis.

00:27:26: Jetzt die Kultur zu schaffen und das Mindset, dass wir nicht nur dabei reden und mal ein Podcast dazu hören und so, sondern uns wirklich

00:27:33: in die Game haben,

00:27:34: unsere Arbeitsweisen zu verändern, ja.

00:27:36: Und da jede Woche dran zu arbeiten und alle unsere Mitarbeiter zu zwingen, sich mitzuentwickeln.

00:27:41: Ich glaube, wir haben das alle rationell verstanden, aber schieben es diese Woche noch nicht.

00:27:46: So Torsten, ich habe noch keine Zeit.

00:27:48: Jetzt gerade bin ich noch.

00:27:49: Und ich glaube, du hast deswegen völlig recht, auch wenn ich immer so denke... Es sagt man immer, eine Kultur ist irgendwie die Basis, aber es ist es halt wahrscheinlich.

00:27:59: Genau, also es ist völlig richtig leer, sich Zeitblocken im Kalender für Tools ausprobieren.

00:28:05: Und was man aber auch nochmal sagen muss, für Unternehmen, die jetzt eben richtig durchstarten möchten, auf der zweiten Seite, wenn man in die Produktseite geht, das sehe ich jeden Tag mit Startups, die eben ein, ihre Produkte integrieren.

00:28:19: Da ist es, glaube ich, sehr, sehr wichtig, wirklich Fokus zu haben.

00:28:24: Was möchte ich im Produkt machen?

00:28:25: Welche Modelle möchte ich haben?

00:28:27: Und da predige ich wirklich immer, gute E-Wals zu haben.

00:28:31: Also, E-Wals, vielleicht noch was kurz zu erklären, sind eben, ich sag jetzt mal, Datensätze, mit denen du misst, wie gut ist denn ein entsprechendes Modell in meinem Use Case?

00:28:39: So.

00:28:40: Und ich hab, ich sehe schon ganz oft noch, um ganz ehrlich zu sein, dass halt das schon so ein bisschen nach Gefühl auch ein bisschen getestet wird.

00:28:47: So nach dem Motto, ja, ich versp- Ich versuch verschiedene Modelle und dann gefühlt funktioniert das eine, was auch das andere.

00:28:53: Aber ich sage auch ehrlich, die besten Unternehmen, mit denen wir arbeiten, haben sehr gute E-Wall-Sets und wissen einfach, okay, das ist das, was wir erwarten in der Performance.

00:29:02: Und wenn wir die verschiedenen Modelle testen, dann sehen wir, was funktioniert und was auch nicht funktioniert.

00:29:06: Also da wirklich auch Daten getrieben zu arbeiten, kann ich sehr empfehlen.

00:29:09: Und was kommt jetzt, zwanzig, sechsundzwanzig?

00:29:11: Also ich meine, du kannst jetzt mit wahrscheinlich noch nicht jeden Release erzählen, aber so worauf können sich Unternehmen und Konsumenten freuen?

00:29:18: Ich sag mal, wir haben einiges vor.

00:29:20: Also, ich glaube, wenn wir ... Ich geh erst mal so auf eine Makro-Ebene und dann auf eine Mikro-Ebene.

00:29:25: Auf der Makro-Ebene ist, glaub ich, super spannend, dass wir sagen, jetzt kommt so die Next Era of Intelligence.

00:29:33: So, und das klingt jetzt so groß, aber ich bin mir ganz ehrlich, wenn man zurückdenkt, was KI früher war, früher war das irgendwie Chatbots, mit dem man sich unterhalten hat, auch am Anfang ist.

00:29:45: Ganz ehrlich, als LGBT gelaunched hat, das bekommst du irgendwas reintippen, dann kam was zurück.

00:29:50: Also wenn man sich heute überlegt, was heute mit Chat möglich ist, das ist komplett andere Erfahrung.

00:29:55: Deswegen bekommen wir quasi weg von diesen einfacheren Chatbot Experiences zu, wir nennen das... Ja, Area of Intelligence, weil alles connected ist, also Projekte sind connected, Systems, Teams, Workflows.

00:30:09: Die KI ist viel proaktiver, stellt Fragen, weiß vielleicht schon vorher auch, was als nächstes passiert, ist Omni-Present.

00:30:17: Also ist wirklich so, dass der Intelligence-Layer nochmal ganz anders wird.

00:30:22: Das mag jetzt für den ein oder anderen auch nach nicht so einer guten Nachricht klingen.

00:30:27: Die KI fragt Fragen, sie ist omnipräsent, sie antizipiert alles, bevor du selber gedacht hast.

00:30:33: Also genau, zeigt halt auch natürlich, dass es ein zweischneidiges Schwert für viele Menschen auch ist.

00:30:38: So,

00:30:38: ich finde es toll, ich nutze es jeden Tag und bin deswegen großer Fan.

00:30:42: Genau, das ist die next area of intelligence und ich glaube, wenn man auf unsere Produkte so ein bisschen runter geht, ich hatte es ja vorher schon runtergebrochen, ist ganz klar, dass wir natürlich weiter daran arbeiten, die Modelle Leistung besser zu machen, die Kosten runterzubringen.

00:30:55: dann natürlich das LGBT einfach ein guter verlässlicher Partner.

00:30:59: Jeden Tag ist wir investieren viel in Codex, also in Programmiertools gerade.

00:31:05: Das ist ein Thema, das bei uns auf der, sag ich mal, Roadmap auch ganz klar steht.

00:31:10: Also, ja, wir haben viel zu tun, aber ich glaube, man kann sich als Konsument oder als Nutzer freuen, weil es wird viele tolle Produkte geben.

00:31:17: Und vielleicht mal so als Abschluss, es gibt ja auch Wettbewerber, also irgendwie Gemini von Google oder jetzt Claudie, Opus oder Kowak von Anthropic oder Mistral oder so.

00:31:28: Wie entscheidet sich oder wonach entscheidet sich, wer das AI-Rennen gewinnen wird aus deiner Sicht?

00:31:34: Ich glaube, es sind so drei größere Themen.

00:31:37: Also, ich würde sagen, die drei sind Quality and Trust, dann Speed und auch Learning.

00:31:43: Und grundsätzlich ... Wenn ich die einzelnen reingehe, also bei Quality and Trust.

00:31:49: Es ist einfach so, dass ... ja, wir möchten die besten Modelle anbieten.

00:31:54: Aber natürlich auch verlässlich, sicher.

00:31:57: Wir haben gerade wieder neue Parentation Controls in LGBT gelaunched.

00:32:00: Das ist auch ein Thema, mit dem ihr euch viel beschäftigt.

00:32:03: Also, du musst einfach sichergehen, dass ... ja, der Endnutzer ... Vertrauen in deinem Produkt hat und auch sich sicher fühlt, weil es auch hier viel um Datennutzern geht.

00:32:15: Deswegen, also es ist, glaub ich, so das erste Quality in Trust.

00:32:18: Dann Speed, ich hab's vorher gesagt, wir haben früher irgendwie Quarterly, Man's League Launch, heute Launch und Reveakly.

00:32:25: Weil wir auch sagen, ist auch vielleicht noch was Interessant, wir sagen auch, wir möchten eigentlich eher kurze Launches haben, damit wir halt wirklich auch die neueste Innovation ganz schnell einen Nutzer rausbringen.

00:32:35: Und dann ist vielleicht eher eine kleinere Verbesserung, aber ... Wir möchten, dass es einfach möglichst schnell beim Endnutzer ankommt und dann natürlich auch Wert generiert.

00:32:43: Deswegen Speed, Execution, Shipping ist wahnsinnig wichtig.

00:32:47: Und natürlich auch das dritte große Thema Learning.

00:32:50: Ich glaube, dass die Gewinnen, die einfach sehr nah am Kunden sind, sehr viel zuhören, Produktfeedback geben, was ich auch vorher meinte, was ich ... Einmal Hauptaufgabe ist bei mir ist zu hören, was brauchen die startups da draußen?

00:33:04: Wo hakt's das zurückzugeben an unsere Produktteams?

00:33:07: Weil wir können nur die besten Modelle entwickeln, wenn wir mit den startups da draußen zusammenarbeiten und denen zuhören.

00:33:13: Und deswegen glaube ich, Learning ist auch einer der Key-Themen hier.

00:33:16: Ja, super

00:33:16: spannend Eva.

00:33:17: Also ich beneide dich, wie nah du da dran bist an diese wahrscheinlich größten Entwicklung, die jetzt fast gesagt die Menschheit hier erlebt hat.

00:33:26: Weil das einfach Ja, unser Leben ja massiv verändern, verbessern, beeinträchtigen wird.

00:33:36: Ich hoffe, dass wir uns noch ganz oft wiedersehen.

00:33:39: Ich bin begeistert, was da KI-mäßig gerade alles gegründet wird, wie groß die Unternehmen hier in Deutschland auch werden.

00:33:45: Du hast ein paar genannte Paloa, NADN, Black Forest Labs, alles Unicorns und das in kürzester Zeit.

00:33:53: Also ich glaube, da wird uns noch hören und sehen vergehen, was da für Unternehmen in Deutschland, in Europa entstehen.

00:33:59: Schön, dass du da warst.

00:34:01: Vielen, vielen Dank.

00:34:02: Ihr habt mir auch viel Spaß gemacht.

00:34:03: Und genau, also ich würde sagen, wir brauchen uns gar nicht verstecken hier in Europa.

00:34:08: Im Gegenteil, wie gesagt, das Glas ist halb voll.

00:34:10: Und das ist just the beginning, sage ich immer.

00:34:14: Also auch an alle da draußen, fangt an zu bauen, sei es Sada, sei es ein langes Projekt, sei

00:34:19: es

00:34:20: genau macht einfach.

00:34:21: Und das ist, glaube ich, der beste Weg, um sich da richtig reinzufuchsen.

00:34:25: Vielen

00:34:27: Dank, Eva.

00:34:34: Ja, also Lea, das finde ich irgendwie immer das Geschenk dieses Podcast, dass man ja nicht nur für die Menschen da draußen guten Content hoffentlich sendet, sondern selber auch so viel lernt.

00:34:44: Und also mein jüngeres Ich weint, dass sie sich nicht so als Überkopf in diese Dinge so reingeschmissen hat.

00:34:54: Weil also wenn ich eine Botschaft aus diesem Podcast habe, dass erstens es noch der Anfang ist von KI, Und zweitens, jede und jeder entweder noch am Anfang seiner Karriere steht oder gerade überlegt, ob er sich beruflich nochmal verändern soll.

00:35:12: Kopfsprung rein da.

00:35:14: Ja, also mein Learning war und das ist eigentlich, habe ich ja im Podcast auch schon gesagt, ich finde es fast ein bisschen frustrierend, aber ich verstehe komplett, dass wir anfangen müssen, damit und selber damit zu beschäftigen, unsere eigenen Arbeitsweisen zu hinterfragen, unsere eigenen Prozesse zu optimieren und das auch von Mitarbeitern und Kollegen und Partnern zu erwarten.

00:35:37: Ich hätte immer gerne so, dass die sagen und jetzt müsst ihr alle Y Z A machen und dann denke ich super, da mache ich jetzt genau das.

00:35:45: Aber so ist es leider nicht so einfach, ist es nicht, sondern du musst die Kultur und die Basis dafür schaffen, dass du die verschiedensten Dinge lernen kannst und selber herausfindest, wo du die

00:35:54: Leute einstellen

00:35:54: kannst.

00:35:55: Genau.

00:35:55: Und was für ein Z-Up du dafür brauchst und so weiter.

00:35:57: Und da müssen wir uns halt auf dem Weg machen, genauso wie wir nicht den Digitalisierungsexperten.

00:36:01: Dorsen einstellen durften, sondern du und ich haben beide unsere ganze berufliche Karriere aufgebaut durch die Digitalisierung.

00:36:09: Also

00:36:10: ich bin

00:36:11: Selfmade Entrepreneurs.

00:36:13: Durch Digitalisierung.

00:36:14: Jetzt kannst du Self-Made Entrepreneur durch AI werden.

00:36:17: Selbst wenn du vorher noch gar keinen Namen hattest in irgendeinem Bereich.

00:36:21: Nein,

00:36:21: und das ist wirklich so.

00:36:22: Ich habe als Junior Online Market hier angefangen und habe wirklich da SEM und SEO und Affiliate Marketing gemacht.

00:36:31: Und dann, als der App Store irgendwie anfangen, waren wir einer der ersten, die da uns in Mobile reingearbeitet haben und so.

00:36:37: Also das vergisst man immer, weil das schon so lange her ist.

00:36:41: Aber

00:36:42: es gibt kein Shortcut.

00:36:44: Du musst da selber rein und das verstehen.

00:36:47: Es reicht nicht ab und zu, man Newsletter zu lesen.

00:36:49: Und du,

00:36:49: die hier zuhört und die noch keine Ahnung hat, oder der?

00:36:52: kann Experte daran werden, weil we are all still figuring it out.

00:36:57: Und wenn du jetzt das zu deiner Lebensaufgabe machst und meinetwegen bist du Marketier, ich habe in meinem Freundeskreis viele aus dem Marketing, die gar nicht so einfache Zeiten haben, die richtigen Jobs zu finden, weil da so viel gekürzt wird.

00:37:08: Und wenn ich in dem Bereich wäre, würde ich jetzt sagen, weißt du was, ich werde ... Das ist die beste Marketier mit dem krassesten AI-Wissen überhaupt.

00:37:17: Ich gehe überall in die Unternehmen rein und sage, wir machen das alles mit AI, hier koden wir mit AI, hier nutzen wir Kanon mit AI, hier nutzen wir die Kampagnen mit AI, hier nutzen wir KI Models, was auch immer, aber so.

00:37:29: Keiner hat es bisher raus.

00:37:31: Also selbst in den Unternehmen, die Mitarbeiter haben es für sich nicht komplett raus.

00:37:35: Also das

00:37:35: heißt, da ist noch alles drin für jede Person, die hier gerade zuhört.

00:37:39: Und das finde ich eigentlich auch die gute Nachricht so.

00:37:41: Du bist noch nicht abgehängt, noch nicht annähernd.

00:37:43: Nein,

00:37:44: nein, überhaupt nicht.

00:37:45: Aber man darf auch sich nicht von dieser Komplexität so verunsichern lassen, dass man gar nicht erst anfängt.

00:37:50: Absolut.

00:38:01: by OMR.