PODCAST
Ist Ihr Unternehmen ready für AI?

TRANSKRIPT

Ist Ihr Unternehmen ready für AI?

Andreas:
Hallo zusammen zu unserem AI or Die Podcast. Heute geht es einmal mehr um das „Die“ als um das „AI“, denn sehr viele Initiativen im AI-Bereich scheitern.

Viele denken dann: Das liegt an der AI. Andere sagen: Es liegt an den Menschen. Das kann natürlich beides eine Rolle spielen. Aber es gibt noch andere Gründe.

Deshalb habe ich mir gedacht: Christian, es ist wieder Zeit, dass du dabei bist. Und ich frage dich direkt: Was sind aus deiner Sicht die Gründe, warum AI-Projekte scheitern?

Christian:
Hallo Andreas, ich freue mich, dass wir wieder miteinander sprechen.

Was merken wir häufig, wenn AI-Initiativen scheitern? Du hast es schon richtig gesagt: Es liegt nicht immer nur am Menschen. Manchmal liegt es auch an einer überzogenen Erwartungshaltung.

Sehr oft scheitert es aber an der Basis. Unternehmen stellen sich zu selten die Frage: Habe ich überhaupt die richtige Plattform? Ist meine Plattform so aufgesetzt, dass ich darauf sinnvoll KI-Use-Cases betreiben kann?

In der letzten Folge hatten wir schon über das alte Schlagwort Big Data gesprochen. Viele Cloud-Plattformen, die wir heute draußen sehen, stammen genau aus dieser Zeit. Damals hieß es: Wir brauchen einen Data Lake, wir brauchen eine Cloud-Plattform, und dann schauen wir mal.

Aber viele dieser Plattformen sind nicht wirklich auf das angepasst, was Unternehmen heute brauchen, um KI-Use-Cases sinnvoll auf einer Cloud-Plattform zu betreiben. Genau dort fehlt es oft.

 

Was „well-architected“ wirklich bedeutet

Andreas:
Wenn man mit dir spricht, fällt immer wieder der Begriff „well-architected“. Schwer auszusprechen, klingt nach klassischem Beratersprech, ist aber ja nicht ohne Grund wichtig.

Was bedeutet das eigentlich? Worauf muss ich achten, damit eine Plattform wirklich well-architected ist?

Christian:
Ganz grundsätzlich gibt es von den großen Cloud-Anbietern eigene Frameworks dafür. Diese Frameworks fragen immer wieder ähnliche Bereiche ab.

Am Ende kann man sich fünf zentrale Fragen stellen.

Erstens: Was darf ich mit den Daten machen und wie darf ich es tun? Das ist der Bereich Sicherheit.

Zweitens: Funktioniert das Ganze zuverlässig? Hier geht es um Resilienz.

Drittens: Bringt mir die Plattform die gewünschte Wirkung? Da sind wir beim Thema Performance.

Viertens: Kann ich die Plattform betreiben und skalieren? Ohne Operational Excellence wird das nicht funktionieren.

Und fünftens: Lohnt sich das Ganze finanziell für meinen Use Case? Hier geht es um Kosten und Wirtschaftlichkeit.

In unseremkostenlosen Cloud Architecture Check-Up überprüfen wir Ihre Cloud Architectur auf diese 5 Aspekte.

 

Für wen diese Leitplanken relevant sind

Andreas:
Für wen ist diese Leitplanke eigentlich relevant?

Bin ich ein Mittelständler, der sagt: Wir müssen auch mal etwas mit AI machen? Oder bin ich ein Konzern mit riesiger Cloud-Architektur, mehreren Hyperscalern und einem kompletten Technologie-Zoo?

Wer kann das, worüber wir heute sprechen, am besten nutzen?

Christian:
Ich glaube, das ist besonders relevant für Unternehmen, die schon etwas größer aufgestellt sind und diesen Technologie-Zoo zusammenhalten und weiterentwickeln müssen.

Je kleiner der Use Case und je kleiner das Business dahinter, desto schlanker kann man starten. Der Idealfall ist natürlich, wenn man auf der grünen Wiese beginnen kann. Dann gibt es auch sehr zielgerichtete Lösungen für einzelne Use Cases.

Wir sind aber häufig bei Unternehmen unterwegs, die ihre Daten bereits verteilt in Cloud-Plattformen liegen haben, verschiedene Quellsysteme betreiben und nun merken: Wir brauchen eine belastbare Struktur.

Genau dort beginnt das Thema. Eine belastbare Plattform braucht Sicherheit und Resilienz als Fundament. Sie braucht Performance, damit der Nutzen wirklich entsteht. Und sie braucht die Möglichkeit, zu skalieren.

 

Cloud-Zoo, Komplexität und Realität im Konzern

Christian:
Gerade im Bereich Sicherheit treiben uns aktuell viele neue Themen.

Unternehmen haben geschäftskritische Daten. Sie brauchen klare Zugriffsmodelle. Gleichzeitig kommt immer stärker das Thema Cloud-Souveränität dazu.

Dann stellt sich die Frage: Will ich einen Cloud-Anbieter aus den USA nutzen? Will ich das nicht? Wenn ich es nicht will, habe ich im Moment teilweise noch Einschränkungen bei den verfügbaren Services, zum Beispiel wenn ich mich im Bereich STACKIT oder IONOS bewege.

Jetzt kommt auch AWS mit europäischen Angeboten. Da wird man sehen müssen, wie souverän das am Ende tatsächlich ist. Aber genau das sind Themen, mit denen wir uns bei vielen größeren Kunden aktuell beschäftigen.

 

Datenplattform als Fundament für KI

Andreas:
Das ist mehrdimensional. Es geht also nicht nur darum, wer die Plattform betreibt. Es geht auch um technologische Voraussetzungen, Sicherheit, Souveränität und Betrieb.

Bleiben wir noch einmal bei den technologischen Voraussetzungen. Du sprichst gerne von der Datenplattform als Fundament. Das hatten wir auch schon in der Folge zu den Antitrends: Erst einmal die Hausaufgaben machen und eine vernünftige Grundlage schaffen.

Was ist eine Datenplattform als Fundament? Und wie muss sie gebaut sein, damit ich später AI-Use-Cases darauf aufsetzen kann?

Christian:
Unabhängig vom Anbieter muss eine solche Plattform resilient aufgebaut sein. Sie muss auch bei Teilausfällen und Lastspitzen funktionieren.

KI kann im operativen Einsatz nur funktionieren, wenn Daten verfügbar sind. Das ist aber kein rein technisches Thema. Es leitet sich auch aus Data Governance ab.

Man muss klären: Was sind unsere Regeln für Datenverfügbarkeit? Was sind unsere Regeln für den operativen Betrieb? Wie wollen wir mit Daten arbeiten?

Eine weitere direkte Voraussetzung ist Performance. Wir kennen alle das Nutzerverhalten. Sobald eine Lösung langsam ist, nicht greifbar funktioniert oder Ergebnisse nicht in akzeptabler Zeit liefert, verliert der Nutzer das Interesse.

 

Resilienz, Verfügbarkeit und Governance

Andreas:
Performance ist ein wichtiger Punkt.

Wenn ich einen AI-Use-Case anwenden möchte, zum Beispiel in der Produktion, will ich ja nicht nur eine einzelne Maschine betrachten. Heute möchte ich vielleicht einen ganzen Produktionsstandort analysieren und mit KI prüfen, wo Verbesserungen möglich sind.

Dann erwarte ich eine Performance, wie ich sie aus dem Alltag kenne. Ich gebe etwas ein, warte kurz, bekomme eine Antwort. Wenn dann schon die Meldung „längeres Nachdenken“ erscheint, bin ich schnell genervt.

Das heißt, ich muss mich ernsthaft um Performance kümmern. Was gehört dazu?

Wenn ich früher eine Datenplattform für eine BI-Landschaft gebaut habe, wurden Daten aufbereitet, Dashboards geladen, und diese sollten natürlich nicht 15 Minuten brauchen. Was kommt bei AI zusätzlich dazu?

Du hast schon gesagt: Das muss always-on sein. Es kann nicht die ganze Nacht laden.

 

Performance als Akzeptanzfaktor

Christian:
Nein, das Ganze muss vernünftig orchestriert sein.

Du brauchst einen entsprechenden Aufbau für deine Pipelines und deine Use Cases. Das muss zuverlässig verfügbar sein.

Man darf nicht vergessen: Nur weil man in der Cloud ist, ist Operational Excellence nicht automatisch vorhanden. Genau das wird oft unterschätzt.

Gerade bei KI-Use-Cases ist der Betrieb sehr komplex. Deshalb muss man dafür sorgen, dass der Betrieb standardisiert ist, dass viele Abläufe automatisiert sind und dass alles transparent bleibt.

Mehrere Betreiber, Nutzer und Verantwortliche müssen nachvollziehen können, was auf der Plattform passiert. Deshalb sollte das Ganze so weit wie möglich automatisiert und nachvollziehbar laufen.

 

Wer ist verantwortlich: IT oder Fachbereich?

Andreas:
Bei wem liegt diese Aufgabe?

Liegt sie bei den Fachabteilungen, die einen AI-Use-Case anfordern? Müssen diese sich auch darum kümmern, dass die passende Datenplattform funktioniert?

Oder liegt es bei der klassischen IT-Abteilung, die sagt: Ich stelle euch die Plattform hin, jetzt macht etwas daraus?

Da haben wir ja wieder ein Henne-Ei-Problem. Wo setzt man an? Wer ist bei euch typischerweise der Auftraggeber, wenn ihr in ein Projekt kommt und helfen sollt, die Plattform auf ein höheres Niveau zu bringen?

Christian:
Auf der Betriebsseite ist unser Ansprechpartner meistens klassisch die IT.

Es gibt wenige Fachbereiche, die sich wirklich um das Fundament kümmern. Die Fachbereiche kommen mit Anforderungen, das ist klar. Aber genau deshalb sehen wir viele Initiativen scheitern, wenn sie ausschließlich aus dem Fachbereich getrieben werden.

Der Impuls kommt häufig aus dem Fachbereich, und das ist auch richtig. Aber wenn man versucht, einen KI-Use-Case nur mit einem Data Scientist umzusetzen, ohne passende Cloud-Infrastruktur, wird es schwierig.

Ein Data Scientist bringt enormes Know-how für Modelle, Analysen und Ergebnisse mit. Er kann mit Daten arbeiten und spannende Ideen entwickeln. Aber Infrastrukturkenntnisse fehlen dort oft.

Dann wird einfach losgelegt, ohne vorher die Basis zu schaffen und ohne eine vernünftige Cloud-Infrastruktur aufzubauen. Aus unserer Sicht ist dieses Fundament deshalb klar ein IT-Thema.

 

Budgets, ROI und Wirtschaftlichkeit von KI

Andreas:
Wenn es ein IT-Thema ist, wer stellt dann das Budget bereit?

Ist das die IT? Beteiligen sich Fachabteilungen, die mit AI-Use-Cases arbeiten möchten, weil sie sich davon etwas versprechen?

Wir sprechen ja über eine höhere Komplexität als früher im Reporting. Damals konnte man sagen: Wir bauen ein Data Warehouse, schließen ein paar Systeme an, sorgen für Performance, und die Menschen sind mit Daten versorgt.

Jetzt ist es stärker eine Wette auf die Zukunft. Der AI-Use-Case, den ich mir aussuche, muss ja auch wirklich etwas bringen. Und das ist nicht immer der Fall.

Gleichzeitig klingt es so, als müsste ich überall exzellent werden, bevor ich überhaupt starten kann. Mein Bild wäre: Ich baue einen Ferrari, habe aber noch keinen Fahrer.

Christian:
Ja, ungefähr.

Ich glaube aber, das Budget ist gar nicht das größte Problem. Im Vergleich zu früher kann man Kosten heute oft viel besser zuordnen.

Natürlich braucht man ein Grundbudget, um die Infrastruktur aufzubauen. Aber im Nachgang kann man am Business Case relativ genau festmachen, welche Kosten entstehen.

Bei Cloud-Nutzung lässt sich gut zuordnen: Wie viel Rechenleistung brauche ich? Wie viele Abfragen laufen? Welche Ressourcen werden verbraucht?

Das Innovationsbudget ist häufig eine Mischung. Infrastrukturthemen werden meist von der internen IT bereitgestellt. Am Ende gehen sie aber natürlich auch wieder zulasten des Fachbereichs oder des Business.

Für den einzelnen Use Case kann ich die Kosten jedoch relativ genau zuordnen und muss sie gegenüber dem Fachbereich oder dem Business rechtfertigen. Dann stellt sich die Frage: Habe ich einen guten ROI oder ist der Use Case für den Nutzen einfach zu teuer?

 

Was Resilienz technisch wirklich heißt

Andreas:
Wir haben über Performance gesprochen, über Operational Excellence, über Kosten, Wirtschaftlichkeit und Sicherheit. Am Anfang hast du außerdem Resilienz genannt.

Was bedeutet Resilienz in diesem Kontext eigentlich? Ich verbinde das Wort im ersten Moment eher mit Menschen, also damit, dass man auf sich achten soll.

Christian:
So weit weg ist das gar nicht. Genau das müssen wir auch mit Infrastruktur tun: Wir müssen auf sie achten. Sie muss belastbar sein.

Jeder, der sich mit KI-Use-Cases beschäftigt, weiß: Fehler in Daten oder in der Datengrundlage können sich stark verstärken.

Wenn ich keine Datenplattform habe, die damit umgehen kann, dass Teilausfälle auftreten oder plötzlich hohe Last entsteht, dann bekomme ich ein fehleranfälliges System.

Genau darauf müssen wir achten, um die richtige Datenverfügbarkeit und Belastbarkeit sicherzustellen.

 

Klassische Fehler bei KI-Plattformen

Andreas:
Was sind die klassischen Fehler, die Unternehmen machen, wenn sie eine Datenplattform für AI-Initiativen aufbauen wollen?

Reden wir wieder nur darüber, dass sie ihre Stammdaten nicht im Griff haben?

Christian:
Schlechte Datenqualität ist natürlich weiterhin ein Thema. Das wird uns wahrscheinlich nie ganz loslassen.

Häufig fehlt es aber auch an klaren Definitionen. Für einen Use Case kommen Daten aus unterschiedlichen Quellen, die nicht sauber aufeinander abgestimmt sind. Das ist kein reines KI-Problem und auch kein reines Plattformproblem. Das ist ein grundsätzliches Datenproblem.

Was wir ebenfalls oft sehen: Es wird ein Leuchtturmprojekt gestartet. Man hat eine Idee, setzt jemanden darauf an und will schnell ein Ergebnis sehen.

Dann funktioniert der Case im ersten Schritt. Alle sagen: Super, das wollen wir größer machen.

Aber statt dann sauber aufzubauen, wird die Quick-and-Dirty-Lösung einfach weitergeführt. Früher oder später hat man dann keine belastbare Plattform, sondern eine zusammengebaute Lösung, die kurzfristig funktioniert hat, aber nicht mit Automatisierung, Standardisierung und Transparenz umgehen kann.

 

Proof of Concept vs. produktiver Betrieb

Andreas:
Bei uns hieß das früher immer „Krücke“. Wir haben eine Krücke gebaut, damit unsere interaktiven Dashboards genutzt werden konnten und die Erwartungshaltung im Unternehmen erfüllt wurde.

Manchmal war das auch bewusst so: Wir bauen jetzt eine Krücke und ziehen das später sauber nach, weil ihr euch damit erst einmal das Budget holt.

Wie oft das später wirklich nachgezogen wurde, ist eine andere Frage.

Jetzt sind wir wieder beim Henne-Ei-Problem. Auf der einen Seite will ich ein Leuchtturmprojekt haben, um zu prüfen, ob ein AI-Use-Case überhaupt etwas bringt. Auf der anderen Seite sagst du: Wenn du richtig mitspielen willst, brauchst du eine vernünftige Plattform.

Was ist deine Empfehlung? Ich höre heraus: Lieber erst einmal richtig machen?

Christian:
Grundsätzlich ja. Aber natürlich kann man das differenzieren.

Wenn es zunächst darum geht, einen Case zu prüfen, kann man mit dem arbeiten, was vorhanden ist. Solange es nicht produktiv betrieben werden muss, kann ich auch einmal pragmatisch vorgehen.

Wenn ich nur herausfinden möchte, ob ich aus bestimmten Daten Erkenntnisse gewinnen kann und ob der Case grundsätzlich Mehrwert bringt, dann bin ich bei dir: Dann kann man eine Krücke bauen und mit bestehender Infrastruktur arbeiten. Vielleicht holt man sich punktuell etwas dazu, was man braucht.

Das kennen wir aus Reporting-Projekten. Wie oft haben wir mit Flatfiles gearbeitet, ohne uns an echte Datenquellen anzuschließen, nur um zu zeigen: Es funktioniert.

Für einen ersten Test ist das in Ordnung.

Aber wenn ich einen Use Case langfristig betreiben will, sollte ich nicht bei der Krücke bleiben. Dann braucht es eine vernünftige Plattform. Viele Unternehmen haben die Grundlagen dafür bereits im Haus. Es geht darum, sie sauber aufzusetzen.

 

Welcher Tool-Stack ist „vernünftig“?

Andreas:
Was ist denn ein vernünftiger Tool-Stack?

Christian:
Das hängt stark vom jeweiligen Nutzer und den Use Cases ab.

Wir arbeiten in den meisten Fällen auf Azure und AWS. Das sind die beiden Cloud-Anbieter, die wahrscheinlich bei einem sehr großen Teil der Kunden die Basis bilden.

Wir haben vorhin über Souveränität gesprochen. Die kommt bei diesen Anbietern nicht automatisch mit.

Mit STACKIT oder IONOS haben wir bisher weniger gearbeitet, natürlich in Einzelfällen, aber nicht sehr häufig.

Ansonsten sind es die üblichen Verdächtigen: Databricks, Snowflake und die Architektur, in der die Daten des Kunden liegen. Am Ende geht es darum, das passend für den Kunden zusammenzubringen.

 

SAP, Databricks und offene Architekturen

Andreas:
Viele Unternehmen haben eine SAP-Installation. Früher hieß es kurzzeitig Datasphere, jetzt geht es stärker Richtung BDC und Business Data Cloud. Die Namen ändern sich, aber der Gedanke bleibt.

Kommt man mit einem SAP-Stack komplett aus? Oder muss eine gute Datenplattform aus deiner Sicht noch mehr erfüllen?

Christian:
SAP ist ein spannendes Thema.

Mit der SAP Business Data Cloud und Databricks im Bauch entsteht aus meiner Sicht vor allem eines: SAP wird cloud-offener.

Ich würde den aktuellen SAP-Tool-Stack nicht als alleinige Basis für KI-Use-Cases sehen. Aber ich finde es extrem spannend, dass wir durch die Verbindung mit Databricks die Möglichkeit bekommen, echte KI-Use-Cases mit SAP-Daten zu bauen und diese mit anderen Daten anzureichern.

Du weißt selbst, wie schwierig es früher oft war, SAP-Daten aus den entsprechenden Systemen herauszubekommen. Heute sind wir deutlich offener unterwegs. Das macht an dieser Stelle viel mehr Spaß.

 

Best-of-Breed statt Tool-Dogma

Andreas:
Ich finde, da haben wir eine interessante Entwicklung.

Es geht heute nicht mehr so stark darum, das eine Tool gegen das andere zu stellen. Es geht eher um Verzahnung.

Früher war man Experte für ein einzelnes System. Heute muss man eher mehrere Systeme verstehen und orchestrieren. Man ist mehr Dirigent als jemand, der nur ein Instrument spielt.

Sind wir wieder stärker in einem Best-of-Breed-Zeitalter?

Christian:
Absolut.

Gerade SAP hat sich dort stark bewegt. Das alte ABAP-Thema ist nicht mehr so dominant. Für zukünftige SAP-Landschaften brauchst du am Ende ähnliche Entwicklerprofile wie auf anderen Plattformen.

Die Welten verschmelzen stärker. Menschen mit SQL-Skills und modernen Datenkompetenzen können heute ganz anders arbeiten als früher.

Es wird sicher Anwendungsfälle geben, bei denen du mit einer SAP-Lösung sehr gute Ergebnisse erzielst, weil du alle notwendigen Daten im SAP-System hast.

Es wird aber auch weiterhin Fälle geben, in denen du dir auf deiner eigenen Plattform eine Lösung baust und SAP-Daten nur ergänzend hinzuziehst.

 

Plattform vs. Mensch: Was ist wichtiger?

Andreas:
Wenn ich wählen müsste zwischen einer schlechten Datenplattform mit Mitarbeitenden, die damit arbeiten, und einer guten Datenplattform mit Mitarbeitenden, die sie nicht nutzen, würde ich immer die schlechte Plattform mit aktiver Nutzung wählen.

Wie bringen wir jetzt neben Datenqualität, Plattform, Architektur und Lizenzen wieder die Menschen hinein?

Und bitte sag jetzt nicht nur: Die müssen den Mehrwert erkennen. Das sagen wir seit Jahren, und es hat oft nicht gereicht.

Was sind konkrete Dinge, die ihr macht, um Menschen wirklich mitzunehmen? Stichwort Data Culture.

Christian:
Eine gewisse Bereitschaft im Kopf muss natürlich vorhanden sein. Die Menschen müssen akzeptieren, dass sich Arbeit verändert und dass sich auch ihr eigenes Wirken verändert.

Den Mehrwert müssen sie ein Stück weit schon erkennen. Aber entscheidend ist, ihnen konkret zu zeigen, dass ihre Arbeit leichter wird.

Mein Kollege Ben sagt immer: Die Arbeit mit Daten muss einfach sein. Das ist sein Credo für viele SAP-Themen. Ich finde das sehr passend.

Am Ende geht es darum, Menschen sinnlose und wiederholende Tätigkeiten abzunehmen. Eine gut automatisierte Plattform kann viel davon übernehmen. Dadurch entsteht mehr Raum für kreative und wertschöpfende Arbeit.

Natürlich wird es immer jemanden geben, der seit 25 Jahren dasselbe macht und nichts ändern möchte. Dann ist es auch egal, wie gut die Plattform ist.

 

Online-Assessment: Standortbestimmung

Andreas:
Du mappst solche Themen gerne gegen einen Idealzustand. Bei euch gibt es jetzt auch ein Online-Assessment.

Man kann natürlich auch einen Workshop mit euch machen. Aber wenn ich erst einmal ein Gefühl dafür bekommen möchte, wo ich stehe, ob das Thema für mich relevant ist und wie weit ich bin: Was habt ihr da aufgesetzt?

Christian:
Wir haben vorhin über „well-architected“ gesprochen. Dazu gibt es gewisse Best Practices, auch wenn ich dieses Wort eigentlich nicht besonders mag.

An manchen Stellen haben Best Practices natürlich ihre Berechtigung. Du baust dein Haus ja auch nicht auf Sand, sondern auf ein Betonfundament.

Wir haben uns die fünf Säulen aus den Well-Architected-Frameworks genommen: Sicherheit, Resilienz, Performance, Operational Excellence und Kosten.

Daraus haben wir ein kleines Assessment entwickelt. Damit kann man selbst einschätzen, wo man in den einzelnen Bereichen steht.

Zusätzlich gibt es die Möglichkeit, das Ergebnis an uns zu übermitteln. Dann kann einer unserer Cloud-Experten darauf schauen und Hinweise oder Handlungsempfehlungen geben, was man verbessern könnte.

Andreas:
Und das ist kostenfrei?

Christian:
Ja, das ist kostenfrei.

Andreas:
Dann gibt es eigentlich keinen Grund, es nicht zu machen.

Hier geht's zum Cloud Architecture Assessment

 

Klare Worte: Was Unternehmen jetzt tun müssen

Andreas:
Wir sind schon fast am Ende. Du bist ein Mann klarer Worte. Was würdest du Unternehmen mitgeben, die jetzt verstanden haben, dass sie ihre Plattform und ihre Grundlagen angehen müssen?

Was sind die Punkte, bei denen du sagst: Darum müsst ihr euch kümmern, sonst werdet ihr scheitern?

Christian:
Aus meiner Sicht müssen Unternehmen sich zuerst bewusst machen, was sie eigentlich vorhaben.

Was ist das Ziel? Was wollen sie mit ihren Daten erreichen? Wozu brauchen sie ihre Daten? Und wie können sie daraus die größte Wertschöpfung erzielen?

Ein System ist immer nur so gut wie die Idee, der es folgt. Wenn ich nicht weiß, was ich mit meinen Daten tun will, bringt mich auch die beste Plattform nicht weiter.

Wenn ich aber eine klare Idee habe, gibt es da draußen viele gute Tools. Und es gibt Menschen wie uns, die helfen können, diese Tools so einzusetzen, dass das gewünschte Ergebnis erreicht wird.

Wichtig ist, sich der Zukunft nicht zu verschließen. Man muss bereit sein, sich mit neuen Technologien auseinanderzusetzen und zu überlegen, welchen Value man damit generieren kann.

Und dann braucht es viel Basisarbeit. Niemand räumt gerne den Keller auf. Aber manchmal muss es einfach sein.

 

Ausblick: Sicherheit und nächste Folge

Andreas:
Du hast vorhin das Thema Sicherheit angesprochen. Dem würde ich gerne eine eigene Folge widmen.

Vielleicht bringst du beim nächsten Mal jemanden aus eurem Team mit. Wir hatten ja ohnehin gesagt, dass wir künftig verschiedene Expertinnen und Experten von euch dazuholen wollen.

Das Thema Sicherheit finde ich besonders spannend. Kleiner Spoiler: Das könnte eine sehr interessante Folge werden, die aber vielleicht gar nicht so viel Reichweite bekommt.

Warum? Wenn wir über Datensouveränität, politische Einflüsse und Sicherheit sprechen, werden solche Themen auf YouTube oft deutlich weniger ausgespielt. Auf Spotify, Apple Podcasts und anderen Plattformen bekommt ihr weiterhin alles angezeigt. Deshalb: Abonniert dort den Kanal, damit ihr die Folgen nicht verpasst.

Wir haben das schon einmal erlebt, als wir über Datensouveränität gesprochen haben. Plötzlich wurde die Folge deutlich weniger ausgespielt.

Gerade deshalb sollten wir das Thema Sicherheit noch einmal vertiefen.

Christian:
Das mache ich sehr gerne. Ich bringe beim nächsten Mal einen unserer KI-Security-Experten mit. Dann kann er ein bisschen aus dem Nähkästchen plaudern.

 

Abschluss 

Andreas:
So machen wir das.

Christian, wie es gute Tradition ist: Du hast die letzten Worte in diesem Podcast. 

Das Einzige, was du nicht sagen darfst, ist: Herzlichen Dank für die Einladung.

Ich sage tschüss, Christian. Auf bald, ich freue mich.

Christian:
Ich freue mich auch schon auf das nächste Mal, Andreas. Wie gesagt, dann bringe ich gerne noch einen Kollegen mit.

Mein Appell: Schaut unten auf den Link, schaut euch das Assessment an und macht euch Gedanken zu eurer Cloud-Landschaft. Wir stehen gerne für einen Austausch bereit.

Außerdem freuen wir uns auf den 11. Februar bei der BARC in Frankfurt. Vielleicht sehen wir uns dort.

Ansonsten ist das Wichtigste gesagt. Ich wünsche euch allen eine gute Restwoche. Macht’s gut, ciao.