12 #FeaturedIn: SAP AI in der Praxis, aus der DSAG Podcast Lounge

00:00:00: ,560 Herzlich willkommen bei re:invented dem Scheer IDS Business Podcast. 2

00:00:04: ,320 In dieser Folge 3

00:00:05: ,880 hören Sie einen Gastbeitrag, 4

00:00:06: ,200 den wir in einem externen Podcast mitgestalten durften. 5

00:00:10: ,800 Wir freuen uns, diesen spannenden Austausch auch hier mit Ihnen zu teilen. 6

00:00:13: ,680 Viel Spaß beim Zuhören und wir hören uns in der nächsten regulären Folge wieder. 7

00:00:20: ,160 Hallo und herzlich willkommen 8

00:00:23: ,080 hier auf dem DSAG Jahreskongress 2026. 9

00:00:28: ,320 Hier bei uns am DSAG Studio. 10

00:00:32: ,520 Ich freue mich sehr, Sie heute durch den Tag begleiten zu dürfen. 11

00:00:36: ,200 Gemeinsam mit mir im Studio Heute sitzen Fabian Paliot, Head of Master Data 12

00:00:42: ,480 Management and Topic Owner SAP AI 13

00:00:46: ,440 und Yannick Sanwald Solution Design Presales, 14

00:00:50: ,960 beide von Scheer IDS. 15

00:00:54: ,840 Herzlich willkommen! 16

00:00:55: ,240 Vielen Dank! Hi, danke für die Begrüßung. 17

00:00:58: ,560 Hallo ihr beiden. 18

00:00:59: ,560 Ich freue mich sehr, dass wir hier heute uns über das Thema: 19

00:01:03: ,920 Auf dem Weg zum Autonomous Enterprise 20

00:01:07: ,920 SAP AI in der Praxis unterhalten. Und 21

00:01:11: ,840 ich möchte euch 22

00:01:12: ,920 zuallererst eine Frage stellen, 23

00:01:16: ,840 die ganz tief schon rein springt. 24

00:01:20: ,760 Wer mich kennt. 25

00:01:20: ,640 Dafür sind wir hier. 26

00:01:21: ,480 Ja, wer mich kennt, der weiß, dass ich so ticke. 27

00:01:24: ,840 Ich halte mich nicht lange mit Umwegen auf. 28

00:01:27: ,840 Also überlegt mal, wenn wir heute über AI und insbesondere SAP AI 29

00:01:32: ,960 sprechen, wo stehen wir denn eigentlich tatsächlich? 30

00:01:34: ,480 Wo sind die Erwartungen der Realität noch voraus? 31

00:01:39: ,520 Wie seht ihr das? 32

00:01:42: ,920 Also Erwartung ist ein sehr gutes Stichwort eigentlich. 33

00:01:46: ,600 Wir befinden uns ja an einem extremen AI Hype, aktuell schon seit geraumer Zeit. 34

00:01:50: ,920 Und der ist auch immer noch ziemlich hart am Start. 35

00:01:53: ,720 Aber der hat sich entwickelt. 36

00:01:56: ,360 Ein Hype ist ja an sich nichts Negatives. 37

00:01:59: ,320 Der bringt Aufmerksamkeit. 38

00:02:01: ,880 Aber Aufmerksamkeit bringt immer auch Erwartungen mit sich. 39

00:02:03: ,240 Und wenn die nicht erfüllt werden, 40

00:02:05: ,080 dann werden Erwartungen ganz schnell zu Enttäuschungen. 41

00:02:08: ,160 Und ich glaube, das ist in dem ein oder anderen Unternehmen 42

00:02:11: ,280 wahrscheinlich in den letzten Monaten und Jahren passiert. 43

00:02:14: ,120 Aber woran hängt das? 44

00:02:16: ,440 Wir sind in einer Situation, 45

00:02:17: ,360 wo sehr viele Developments, Entwicklungen von Funktionalitäten 46

00:02:20: ,800 in einem experimentellen Status verbleiben. 47

00:02:22: ,800 Und ich glaube, auch der neue Ansatz bei der SAP über 48

00:02:26: ,200 Autonomous Enterprise Joule Studio 2.0 49

00:02:29: ,080 bringt dafür große Fortschritte 50

00:02:32: ,080 in eine absolut richtige Richtung, 51

00:02:35: ,080 die genau das verhindern wird. 52

00:02:36: ,520 Ich glaube, da werden wir nachher noch mal genauer darauf eingehen. 53

00:02:38: ,400 Also wenn man jetzt sagt, was ist denn eigentlich möglich und was ist Realität? 54

00:02:42: ,600 Möglich ist, alles jetzt technisch inzwischen umzusetzen. 55

00:02:46: ,200 Aber wie setzt man so was richtig auf, damit auch 56

00:02:49: ,960 eine nachhaltige Lösung entsteht? 57

00:02:50: ,480 Ich glaube, da ist Prozessmanagement wichtiger denn je 58

00:02:53: ,480 und schließt eine ganz wichtige Lücke. 59

00:02:57: ,600 Ja, ich glaube, wir sind so ein bisschen im Teufelskreis. 60

00:02:59: ,280 Die Erwartung ist entweder riesig hoch oder vom ersten Demo 61

00:03:03: ,280 Projekt schon enttäuscht und riesig niedrig. 62

00:03:06: ,840 Und das ist dann immer die Frage 63

00:03:07: ,200 An welchen Punkten dieser Reise befindet man sich gerade, 64

00:03:10: ,360 wenn man noch mal ansetzt? 65

00:03:11: ,360 Und wie geht man dann mit der Erwartungshaltung um, die ja 66

00:03:14: ,360 am Ende auch Teil vom Change Management in jedem Projekt ist. 67

00:03:17: ,280 Und auch wenn wir hier über technisch getriebene AI-Projekte reden, 68

00:03:21: ,640 ist es trotzdem wichtig, dass man das nicht als zentralen Aspekt 69

00:03:24: ,640 aus den Augen verliert. 70

00:03:27: ,160 Was begegnet dir denn so in euren Kunden 71

00:03:30: ,160 Projekten aktuell ganz konkret? 72

00:03:33: ,240 Es kommt einfach oft vor, dass irgend eine arme Seele vor uns steht, 73

00:03:37: ,400 die sagt, wir müssen jetzt irgendwas mit AI machen. 74

00:03:39: ,480 Okay. 75

00:03:40: ,480 Und das ist natürlich ein Problem, weil 76

00:03:44: ,200 du brauchst einen richtigen Ansatz, ein Verständnis 77

00:03:47: ,240 der Prozesse deiner Kunden, um dort nachhaltige Lösungen zu entwickeln, 78

00:03:51: ,560 und für uns, wie wir in Projekten vorgehen. 79

00:03:54: ,560 Wir haben so eine Art Adoption Ladder, wo wir 80

00:03:57: ,280 gucken, wo steht denn der Kunde jetzt eigentlich genau? 81

00:04:00: ,680 Und auf der Stufe setzen wir dann an, also kennen wir die 82

00:04:03: ,040 Systemvoraussetzungen? Kennen wir, 83

00:04:06: ,840 also wie sind Daten? 84

00:04:06: ,840 Stehen Daten zur Verfügung in Masse, in Qualität? 85

00:04:10: ,080 Daten sind Key für die Entwicklung funktionierender AI Funktionalitäten. 86

00:04:15: ,720 Was steht da zur Verfügung? 87

00:04:16: ,040 Was sind die Gegebenheiten, mit denen wir arbeiten müssen? 88

00:04:19: ,360 Und dann, 89

00:04:19: ,880 was tut denn der Kunde? 90

00:04:20: ,480 Und "irgendwas mit AI", 91

00:04:22: ,480 also guck mal hier so meine fünf Use Cases, daraus 92

00:04:25: ,480 direkt in der Entwicklung zu springen. 93

00:04:27: ,760 Das ist aktuell eigentlich die Erfahrung, dass das nicht 94

00:04:30: ,920 zielführend ist. 95

00:04:31: ,240 Welche Philosophie verfolgt ihr dabei? 96

00:04:34: ,520 Ja, Process first, würde ich vielleicht sagen. 97

00:04:36: ,720 Also das ist unsere DNA eigentlich schon immer gewesen in der Scheer. 98

00:04:39: ,520 Wir müssen verstehen, wie die Kunden arbeiten, was die tun, damit wir dann auch 99

00:04:44: ,560 Lösungen entwickeln können, die dann, 100

00:04:46: ,800 ich sage mal, das Keyword ist da 101

00:04:47: ,960 immer Adoption, also sprich, die der Kunde dann langfristig 102

00:04:51: ,720 auch einsetzt, die in die Umsetzung kommen und dann auch genutzt werden. 103

00:04:55: ,440 Und vor dem Hintergrund ist es natürlich wichtig, 104

00:04:59: ,840 einfach was zu entwickeln, was auch einen Benefit bringt. 105

00:05:01: ,480 Ja, also Prozesse first and foremost, 106

00:05:03: ,760 bei uns glaube ich einfach aus der Company Geschichte raus. 107

00:05:06: ,560 Aber dass wir auch gleichzeitig gucken, für welche AI Use Cases 108

00:05:10: ,480 die wir jetzt implementieren, haben wir denn überhaupt 109

00:05:12: ,800 die Datengrundlage, 110

00:05:13: ,840 dass wir uns Gedanken machen, wie bauen wir das auf einer Plattform auf? 111

00:05:16: ,920 Sodass das Ganze auch wiederverwendbar in die Zukunft treibt 112

00:05:19: ,760 und wir hier nicht einen Piloten entwickeln, 113

00:05:21: ,240 der dann auf dem Abstellgleis landet 114

00:05:23: ,240 und nächstes Jahr fangen wir mit einer neuen Landschaft von vorne an. 115

00:05:26: ,200 Und am Ende auch, wo spielt hier Human in the Loop eine Rolle? 116

00:05:29: ,600 Also sowohl im positiven Sinne vielleicht, 117

00:05:31: ,600 wo muss ich kontrollieren? Weil die Wirtschaftsprüfer, 118

00:05:34: ,520 ich weiß nicht ob wir heute jemanden treffen, 119

00:05:36: ,400 finden es meistens nicht 120

00:05:37: ,680 so witzig, wenn sie fragen: Wo kommt denn die Anlage für 20.000 € her? 121

00:05:40: ,960 Und man sagt: Keine Ahnung, hat die KI gebucht. Aber auch 122

00:05:43: ,520 im anderen Sinne, dass man eben sagt, wo hält uns das vielleicht auf, 123

00:05:47: ,840 immer nach einer Bestätigung von einem Menschen zu fragen? Und 124

00:05:49: ,240 was müssen wir, damit es Sinn macht, 125

00:05:51: ,280 wirklich so automatisieren, dass wir da vielleicht auch mal darüber hinwegkommen. 126

00:05:54: ,760 und diese vier Pfeiler zusammen, also Prozesse, Daten, Plattformen und Human 127

00:05:58: ,760 in the Loop, sind dann der Ansatz, mit dem wir die Sachen vorwärts treiben. 128

00:06:02: ,240 Du hast gerade was ganz, 129

00:06:04: ,240 ein ganz wichtiges 130

00:06:05: ,440 Schlagwort in den Raum gestellt, und zwar Use case. 131

00:06:09: ,200 Das heißt, wir haben ja viele Unternehmen, 132

00:06:11: ,280 die erste AI Ideen haben, Pilotprojekte oder auch Demos. 133

00:06:15: ,320 Wie wird denn daraus ein konkreter Use case, 134

00:06:18: ,800 der tatsächlich so ein messbaren Mehrwert erzeugt? 135

00:06:22: ,000 Ich glaube, man muss erst mal mit der Sichtung anfangen. 136

00:06:25: ,520 Also sich Gedanken machen. Nicht nur was wollen wir denn machen? 137

00:06:27: ,320 Sondern wo wollen wir es machen? 138

00:06:29: ,120 Also AI ist für uns auch mal so eine seltene Chance eigentlich 139

00:06:33: ,120 auch oft mal IT getrieben zu sagen, wir haben hier eine Chance, 140

00:06:36: ,720 um Budget freizumachen. 141

00:06:37: ,200 Also wir haben hier eine Lösung, die, wenn wir sie implementieren, Ressourcen 142

00:06:41: ,800 frei macht, die vielleicht Budget frei macht und uns auch mal vorwärts bringt. 143

00:06:44: ,840 Und dann muss man sich aber überlegen, wo macht das in meinem Unternehmen Sinn? 144

00:06:47: ,080 Also man sollte vielleicht da anfangen, wo eben Ressourcen gerade knapp sind, 145

00:06:51: ,120 wo überlastet ist, wo ein großes Backlog in einer Abteilung 146

00:06:54: ,720 liegt, die einfach nicht dazu kommt, 147

00:06:55: ,200 die Sachen, 148

00:06:56: ,480 die sie vorwärts treiben müsste, 149

00:06:57: ,320 vorwärts zu treiben, weil sie mit anderen Dingen beschäftigt ist. 150

00:07:00: ,200 Und wenn man weiß, wo man zu gucken hat, dann muss man sich überlegen 151

00:07:03: ,440 Gut, was davon können wir denn mit AI machen? 152

00:07:05: ,720 Und ich würde sagen, wenn du vielleicht 153

00:07:06: ,160 mal kurz ein paar Teaser geben kannst, womit wir anfangen? 154

00:07:10: ,880 Ja, also ich würde vielleicht noch so zu der Frage beginnen. 155

00:07:14: ,480 Wir sprechen immer, als wäre das jetzt alles letztes Jahr erfunden worden. 156

00:07:17: ,640 Wir sprechen aber eigentlich über Derivate von Ideen, 157

00:07:19: ,280 die sind 60 Jahre alt. 158

00:07:21: ,280 Und bei den Gegebenheiten, ich meine im SAP Umfeld entwickeln wir ja viel 159

00:07:25: ,160 eigentlich mit Gegebenheiten in dem Framework, 160

00:07:27: ,760 das uns der große Bruder oder die große Schwester da halt gibt. 161

00:07:30: ,880 Und da haben wir jetzt natürlich dann viele neue Tools in der Toolbox 162

00:07:34: ,040 drin, die wir dann auch gerne verwenden, wo es passt. 163

00:07:38: ,800 Aber jetzt gerade als Scheer. 164

00:07:39: ,920 Wir arbeiten, ich meine natürlich eng zusammen mit dem AWSI, 165

00:07:42: ,000 mit dem August-Wilhelm Scheer Institut, mit dem DFKI, 166

00:07:45: ,320 also dem Deutschen Forschungszentrum für Künstliche Intelligenz. 167

00:07:47: ,760 Das ist jetzt nicht super neu, 168

00:07:50: ,120 aber wir müssen natürlich auch das Verständnis haben, 169

00:07:53: ,120 dass es für viele Unternehmen neu ist und wie wir dann da rangehen. 170

00:07:57: ,680 Ja, im Prinzip, wenn man jetzt mal so real talk, was macht man denn mit dem Kunden? 171

00:08:02: ,960 Da ist das in dieser besagten Ladder 172

00:08:04: ,280 wäre der Readiness Check immer so der erste Schritt. 173

00:08:07: ,280 Es sei denn, man hat diese Daten und Informationen schon. 174

00:08:10: ,840 Das geht weiter mit der Identifikation. 175

00:08:12: ,840 Wie identifizieren wir, also Use Cases. 176

00:08:15: ,360 Im Prinzip 177

00:08:16: ,080 haben wir so einen Fragenkatalog, 178

00:08:18: ,280 anhand dessen man sich so ein bisschen durchhangeln kann 179

00:08:20: ,800 und anhand dessen wir entsprechende Pattern erkennen. 180

00:08:22: ,040 Also Muster, die dazu führen, dass man sagt, hier könnte eine AI Lösung hin. 181

00:08:27: ,400 Und ich habe da eigentlich so ein Lieblingsbeispiel immer. 182

00:08:30: ,640 Und das ist, jedes Unternehmen, hat diese eine Person, die immer sagt: 183

00:08:34: ,360 ich entscheide dann nach Bauchgefühl. 184

00:08:37: ,880 Aber das gibt es nicht, diese Leute entscheidend data driven. 185

00:08:40: ,280 Jede Entscheidung ist data driven. Und diese Personen entscheiden 186

00:08:45: ,360 aber auf einer Vielzahl an Erfahrungen und Daten, 187

00:08:48: ,120 die können es gar nicht mehr artikulieren. 188

00:08:50: ,760 Das ist dieses Bauchgefühl. 189

00:08:51: ,320 Das kann AI auch, wenn nicht sogar besser. 190

00:08:54: ,960 Und das ist zum Beispiel so ein Ansatz, wo man dann halt rein kann. 191

00:08:56: ,760 Und da muss man identifizieren, wo kommen die Daten her? 192

00:08:59: ,520 Welche Daten stehen da zur Verfügung? 193

00:09:01: ,640 Und was ist der Benefit daraus? 194

00:09:03: ,000 Und was wir auch am Anfang machen, ist eigentlich direkt ans Ende blicken. 195

00:09:07: ,760 Das finde ich eine ganz wichtige Info. 196

00:09:09: ,640 So Reverse Engineering meinst du? Ja, also teilweise. 197

00:09:12: ,160 Wir bereiten das Monitoring bereits am Anfang vor. 198

00:09:15: ,840 Okay. Das heißt also, dass wir KPIs definieren, anhand derer 199

00:09:18: ,320 auch sagbar ist, wie der Benefit am Schluss eigentlich wirklich ist. 200

00:09:24: ,120 Also wenn man etwas nicht misst, was man entwickelt hat, 201

00:09:28: ,680 dann bleibt das auf jeden Fall, dann ist das ein Experiment. 202

00:09:31: ,760 Und diese KPIs 203

00:09:34: ,040 definieren wir zusammen mit einer 204

00:09:36: ,160 Peer Group, mit der wir dann zusammen solche Lösungen 205

00:09:38: ,200 entwickeln, direkt am Anfang der ersten Phase. 206

00:09:40: ,040 Und dann entwickeln wir so natürlich diese ersten Quick Wins. 207

00:09:43: ,520 Also was ist anhand von Faktoren wie Umsetzbarkeit, Kosten, Aufwand etc., 208

00:09:49: ,160 da erzählen wir gerne am Stand noch mal mehr dazu, 209

00:09:52: ,160 aber das ist halt so das wie wir da reinkommen 210

00:09:55: ,200 und dann geht es in die erste Entwicklung oder in die Aktivierung von bestehenden 211

00:10:01: ,480 von bestehenden Standardmitteln 212

00:10:04: ,360 bei der SAP. 213

00:10:05: ,440 Ja, ich grabe immer ganz gerne tiefer 214

00:10:08: ,440 noch rein, du hast zwei Dinge gerade gesagt. 215

00:10:11: ,920 Und zwar zum einen hast du gesagt ihr 216

00:10:17: ,200 definiert KPIs 217

00:10:20: ,920 und dass sie eine wichtige Rolle spielen, 218

00:10:21: ,600 auf jeden Fall. 219

00:10:22: ,520 Ich frage dich ganz konkret Was sind denn diese KPIs? 220

00:10:25: ,920 Worüber reden wir denn konkret? 221

00:10:27: ,480 Zeitersparnisse in verschiedenen Vorgängen wie zum Beispiel Massendaten verarbeiten, 222

00:10:33: ,880 also jetzt kommen wir mal, 223

00:10:34: ,000 die hängen eigentlich immer mit einem Pattern zusammen. 224

00:10:37: ,320 Ja. Also ein Pattern könnte sein, die manuelle Verarbeitung von Massendaten. Ja. 225

00:10:41: ,080 So, dann gibt es eigentlich immer Standard zwei KPIs. 226

00:10:45: ,320 Die eine ist natürlich so Zeitersparnis, die hat man immer, ist ein bisschen flach. 227

00:10:49: ,600 Eine viel interessantere KPI an der Stelle finde ich, zum Beispiel Fehlerquoten. 228

00:10:53: ,320 Ja, also manuelle Eingaben, die dann automatisiert werden 229

00:10:57: ,200 über ein gewisses Pattern, das dann wiederum AI driven ausgeführt wird 230

00:11:01: ,720 und dazu führt, also Einordnung von Dokumenten oder sowas. 231

00:11:04: ,720 Ja, also einfache Use Cases, mit denen man den Kunden oder die Kunden 232

00:11:08: ,960 direkt ranführen kann. 233

00:11:09: ,400 Das sind so Beispiele für solche KPIs. 234

00:11:12: ,240 Wie gesagt, die hängen immer mit diesen Entscheidungsmustern zusammen, ob hier ein 235

00:11:16: ,200 AI Case besteht oder nicht. 236

00:11:18: ,760 Na ja, und was ganz spannend ist, dass man eben diese Strecke abläuft, 237

00:11:22: ,600 dass man diesen Prozess von oben nach unten reinläuft, so sagt okay, 238

00:11:26: ,920 ist es AI Use case ja oder nein? 239

00:11:28: ,360 Kann man es vielleicht auch einfach, 240

00:11:30: ,360 ist es eine Prozesslösung? Kann ja auch sein. 241

00:11:32: ,000 Nicht alles muss AI heute sein. Absolut. Ja, genau. 242

00:11:35: ,920 Das ist so ein bisschen der Teufelskreis, 243

00:11:36: ,320 von dem ich am Anfang geredet habe ist das Negativbeispiel. 244

00:11:39: ,320 Und was wir eigentlich wollen, ist, den ja umzudrehen, dass wir nicht sagen, 245

00:11:42: ,680 wir wollen hier was mit AI machen, machen im Piloten, 246

00:11:44: ,800 dann ist die Lösung enttäuschend und dann geben wir es auf. 247

00:11:46: ,560 Sondern dass wir es umdrehen und sagen 248

00:11:48: ,400 wir haben einen ersten Use Case gemacht, der ist produktiv, effizient. 249

00:11:51: ,280 Guck mal, was wir damit gehoben haben und dann damit in die Zukunft gehen 250

00:11:54: ,080 und das eben weitertragen, weil wir aus unserer Sicht 251

00:11:58: ,240 und mit unseren Kunden eigentlich auch in Zeiten leben, 252

00:12:00: ,000 wo man nicht einfach stehen bleiben kann und sagen 253

00:12:02: ,000 Schön, dass wir jetzt einmal was gemacht haben, hören wir auf? Sondern, also 254

00:12:08: ,640 die Ressourcen werden teilweise nicht mehr, 255

00:12:09: ,280 die Zeit auch nicht, 256

00:12:10: ,400 sich damit zu befassen, also dass man eben in diesen Improvement 257

00:12:13: ,400 Cycle reinkommt, da weitere Lösungen draus zu schaffen. 258

00:12:17: ,520 Ich stelle ganz gerne in dem Zusammenhang 259

00:12:19: ,440 oft auch mal die Frage danach, wie man tatsächlich verhindert, 260

00:12:24: ,640 nicht schafft, sondern verhindert, dass diese Use Cases, die man identifiziert, 261

00:12:28: ,640 dauerhaft in diesem Demo oder Experimentierstatus bleiben? 262

00:12:32: ,080 Wie geht ihr damit um? 263

00:12:35: ,200 Das ist natürlich einmal ein Grund. 264

00:12:37: ,000 Also das beginnt ja auch wieder am Anfang, 265

00:12:39: ,960 das wir Themen identifizieren, die dem Kunden entsprechend 266

00:12:41: ,960 einen Benefit bringen. 267

00:12:45: ,080 Vielleicht machen wir das am besten mit einem Beispiel aus. 268

00:12:48: ,480 Ja, hast du eins, ein konkretes? 269

00:12:51: ,080 machen wir Schweizer Kunde Rechnung? Ja, okay. 270

00:12:54: ,520 Oder nicht Rechnung, machen wir Kassen eigentlich so. 271

00:12:56: ,440 Also wir haben einen Schweizer Kunden in der Gastro. 272

00:13:00: ,200 Hunderte, Tausende, keine Ahnung, 273

00:13:03: ,520 Kassensysteme in verschiedenen Sprachen. Schweiz ich glaube drei verschiedene Sprachen. 274

00:13:07: ,560 Genau das ist immer ein schwieriger, Moment zu sagen. 275

00:13:10: ,640 Genau, verschiedene Sprachen. 276

00:13:12: ,640 Und der Kunde hatte das früher so gemacht, dass diese 277

00:13:17: ,760 diese Daten aus den Kassen abends zusammengetragen werden, 278

00:13:19: ,760 obwohl die mehr oder weniger manuell für den Tagesabschluss 279

00:13:22: ,480 dann im System verbucht. 280

00:13:24: ,800 Also hast du wieder Massendatenverarbeitung. 281

00:13:26: ,320 Also das ist ein einfacher, ein Document AI Case, 282

00:13:31: ,800 wie wir diese Dokumente dann halt ausliest. Aber auch daran merkt man schon, 283

00:13:35: ,120 diese werden dann natürlich für den Tagesablauf automatisiert verbucht. 284

00:13:38: ,080 Und da ist, natürlich jetzt könnte man fragen, wo steckt denn da AI? 285

00:13:41: ,720 Das ist das Auslesen der Dokumente vor allem. Und das bringt halt den riesen Benefit. 286

00:13:46: ,520 Und warum ist es nicht im 287

00:13:52: ,320 Experimentier Status verblieben? 288

00:13:54: ,880 Weil wir bei den Tests recht schnell anhand der gesetzten KPIs festgestellt 289

00:13:57: ,080 haben, dass die über 90 % Zeitersparnis über 95 % Fehlerquote. 290

00:14:03: ,400 Jede Verbuchung dauert, was haben wir gesagt ich glaube zwischen eins und sieben Minuten 291

00:14:07: ,520 irgendwie so was, das war halt weg. Tausende Verbuchungen. Das ist viel. 292

00:14:11: ,600 Ja, natürlich. Klar. 293

00:14:13: ,000 Das ist richtig viel, ja. 294

00:14:15: ,440 Und das konntest du mit recht einfachen Mitteln an der Stelle dann beheben. 295

00:14:18: ,640 Aber auch da an der Stelle ist halt wieder ganz wichtig, 296

00:14:20: ,280 da war das jetzt, also diese Verbuchung, oder nein eigentlich ist es so, 297

00:14:24: ,840 also das Auslesen ist das eine, die Verbuchung das andere. 298

00:14:27: ,120 Wir mussten also mit dem Kunden 299

00:14:29: ,240 natürlich auch über den Standard Prozess der Verbuchung etc. jetzt noch mal sprechen. 300

00:14:32: ,440 Und da drücke ich jetzt nicht, um die letzten 2,50 Mark noch mal rauszukriegen, 301

00:14:36: ,520 dann irgendeine AI Lösung rein, wenn der Standard das kann. 302

00:14:39: ,600 So also der Benefit war 303

00:14:43: ,680 das Auslesen der Dokumente an sich. 304

00:14:45: ,520 Und genau und anhand der gemessenen KPI konnte man dem Kunden 305

00:14:49: ,480 dann auch mitteilen, guck mal hier, 306

00:14:50: ,640 du hast jetzt die und die Ersparnis 307

00:14:51: ,680 und die haben das ja auch gespürt, die haben das ja gefühlt. 308

00:14:53: ,760 Ich glaube, das ist der beste Indikator überhaupt. 309

00:14:55: ,200 Und das ist halt eben auch in der Nutzung jetzt aktuell. 310

00:14:58: ,280 Ja, du sprichst gerade was 311

00:14:59: ,040 an, was wir natürlich in unserer Techbubble ganz oft vergessen. 312

00:15:03: ,680 Wenn man das fühlt, 313

00:15:04: ,400 also wenn man diesen Schmerz, wenn der nachlässt, den man halt vorher hatte, 314

00:15:08: ,680 dann setzen wir einen Hebel. Dann können wir genau diesen Shift hinbekommen. 315

00:15:16: ,640 Absolut. 316

00:15:17: ,760 Also für mich ist das immer so 317

00:15:18: ,560 viele Kunden haben ein Schmerzempfinden, aber nicht das Schmerzverständnis. 318

00:15:22: ,520 Wo kommt er eigentlich her, dieser Schmerz? 319

00:15:24: ,760 Und wenn man das identifiziert, und das ist ja das, was wir mit Prozess 320

00:15:27: ,760 Verständnis meinen, dann können wir da nachhaltig Lösungen entwickeln. 321

00:15:30: ,080 Ja, genau. 322

00:15:32: ,080 Ja, und jetzt was ich gerade gesagt habe, das ist ein Design inklusive Lösungszeit, 323

00:15:36: ,080 da sprechen wir von reiner Entwicklungszeit 324

00:15:38: ,440 5 bis 8 Tage oder sowas. Dann steht das. 325

00:15:41: ,280 Wiederhol 326

00:15:42: ,000 das noch mal. 327

00:15:43: ,120 Lieber nicht. Doch, doch. 328

00:15:46: ,040 Aber das ist 329

00:15:47: ,520 glaube ich auch wichtig zu verstehen, wo wir technisch heutzutage stehen. 330

00:15:50: ,400 Ja klar. 331

00:15:51: ,040 Also es sind, 332

00:15:52: ,160 also ich ich meine, Designtime kann immer noch mal, 333

00:15:54: ,560 wenn man jetzt bei Null anfangen mit dem Prozess Verständnis, 334

00:15:56: ,560 und so weiter, 335

00:15:57: ,520 aber das ist halt eben die Vorarbeit, die dann Fundament für alles weitere ist. 336

00:16:01: ,320 Und wie gesagt, was wir hier jetzt gerade machen, also 337

00:16:03: ,640 das ist auch nicht geschätzt. Das ist genauso passiert. 338

00:16:05: ,280 Es war irgendwas zwischen fünf und acht Tagen. 339

00:16:07: ,000 Der Entwickler steht unten am Stand. 340

00:16:09: ,400 Ich müsste ihn jetzt fragen. 341

00:16:10: ,120 Ja, ja, das ist enorm. 342

00:16:12: ,680 Wenn man sich überlegt, wie viele Menschen und wie viel Zeit man vorher 343

00:16:15: ,720 für sowas gebraucht hat. 344

00:16:19: ,040 Wenn jetzt ein Unternehmen sagt, 345

00:16:21: ,200 wir wollen AI Einsatz, we are ready! 346

00:16:25: ,040 Jetzt sofort! 347

00:16:28: ,960 Wie findet man denn genau heraus, 348

00:16:30: ,760 wo man sinnvollerweise anfangen sollte? 349

00:16:35: ,120 Es kommt auf die Kundensituation an. Sie haben ja über unsere Adoption Ladder 350

00:16:39: ,120 schon gesprochen, 351

00:16:41: ,800 indem man eben mit dem Kunden mal spricht. 352

00:16:42: ,240 Gut, an welcher Stelle stehst du denn? 353

00:16:44: ,120 Wo wird AI jetzt schon im Rahmen von deinem Unternehmen eingesetzt? 354

00:16:47: ,800 Welche Tools hast du gerade im Einsatz? 355

00:16:48: ,800 Welche Models hast du, welche Verträge hast du auch 356

00:16:51: ,440 mit welchen AI Anbietern, um das eventuell später noch mal ins Spiel zu bringen. 357

00:16:57: ,000 Und dann eben zu gucken, wo steht der Kunde? 358

00:16:59: ,840 Wo fühlen wir uns 359

00:16:59: ,600 wohl, mit dem einzusteigen und wo sind wir uns sicher, dass wir hier 360

00:17:02: ,000 gerade keinen Fehler begehen? Also dass wir auch als Beratung an uns 361

00:17:06: ,160 den Anspruch haben zu sagen okay, bei dem Kunden fühle ich mich wohl, 362

00:17:09: ,480 direkt über einen konkreten Use Case zu sprechen, weil 363

00:17:11: ,320 die haben schon eine Pilotimplementierung mit einem Landscape 364

00:17:14: ,480 und sind auf dem Weg, wo ich sage schön, lass uns anfangen. 365

00:17:17: ,680 Aber dass wir auch mal vielleicht eine unbequeme Frage stellen und zu sagen: 366

00:17:21: ,880 Wo sind wir denn wirklich 367

00:17:21: ,280 bei der AI Adoption, wo ist auch das Verständnis für das Tooling in deinem Team? 368

00:17:26: ,800 Und wenn wir das wissen, dann eben an der richtigen Stelle 369

00:17:29: ,800 auf die richtige Sprosse der Ladder quasi einzusteigen, 370

00:17:33: ,200 eben diese Leiter richtig an der richtigen Stelle mitzunehmen. 371

00:17:36: ,920 Ja, das heißt, es geht immer im Kern 372

00:17:39: ,720 um den Geschäftsprozess an sich und nicht um die Toolleistung an sich. 373

00:17:43: ,080 Also an dem Beispiel gerade merkt man es glaube ich gut, 374

00:17:47: ,280 nur wenn wir den Geschäftsprozess kennen und darüber reden können, 375

00:17:50: ,480 können wir auch darüber reden, 376

00:17:51: ,040 wo fängt denn in diesem Prozess AI an und wo hört AI auf? 377

00:17:55: ,760 Also wo gehen wir über zu einem klassischen deterministischen Prozess, 378

00:17:58: ,680 in dem ich genau weiß, was ablaufen muss, weil zum Beispiel diese Verbuchungen klar 379

00:18:02: ,920 definiert sind? 380

00:18:03: ,040 Und wo fange ich damit an? 381

00:18:06: ,400 Weil hier tatsächlich der AI Use Case anfängt, Sinn zu machen. 382

00:18:09: ,880 Und das kennen wir nur, wenn wir über den Prozess reden. 383

00:18:11: ,160 Und auch den Prozess kriegen wir mit AI Tools mittlerweile schneller modelliert. 384

00:18:15: ,680 Auch da sind wir hingegangen. 385

00:18:16: ,480 Aber so im Blinden herumzustochern und irgendwie sich zu überlegen, ja, 386

00:18:20: ,560 das wäre cool mit AI, 387

00:18:21: ,240 lass mal machen, hat in unserer Erfahrung nicht immer zum Erfolg geführt. 388

00:18:26: ,120 Und das sind halt auch dann die Kunden, wo du teilweise irgendwo einsteigst 389

00:18:30: ,360 und sagt was habt ihr denn schon gemacht? 390

00:18:31: ,040 Und eben erzählt wird, 391

00:18:32: ,480 ja, wir haben das mal ein bisschen ausprobiert, 392

00:18:33: ,520 aber so richtig gebracht hat es uns eigentlich nichts. 393

00:18:36: ,160 Also ich würde auch 394

00:18:37: ,160 sagen, wir hatten uns da die Woche schon mal unterhalten 395

00:18:40: ,320 und da hast du auch noch mal einen sehr guten Punkt gebracht, 396

00:18:43: ,200 nämlich Change Management. 397

00:18:45: ,920 Ich glaube, wir sind aktuell in der Zeit. 398

00:18:47: ,280 Also mir fällt gar nichts ein, was ein schlechteres Change Management als 399

00:18:51: ,000 AI im Allgemeinen hat. 400

00:18:53: ,720 Wir haben irgendwie so eine der größten technischen Errungenschaften, 401

00:18:55: ,760 die wir jetzt endlich mal richtig nutzen. 402

00:18:57: ,760 Und alles was wir im Moment schaffen, ist, dass alle Angst davor haben. 403

00:19:01: ,160 Das ist eine ganz strange Situation. 404

00:19:03: ,360 Ja. Und das ist, 405

00:19:05: ,800 da müssen wir natürlich auch irgendwie weg, die Leute im Unternehmen 406

00:19:07: ,520 dann entsprechend abholen, was zu dieser Adoption 407

00:19:09: ,520 ja dann auch noch mal führt. 408

00:19:11: ,600 Ich meine, und ein zweiter Punkt ist vielleicht 409

00:19:15: ,200 jetzt bin ich natürlich irgendwie seit über 20 Jahren Entwickler und ich spreche 410

00:19:18: ,680 die ganze Zeit über Entwicklungen, und da haben wir das und das gemacht. 411

00:19:20: ,520 Was wir natürlich nicht vergessen dürfen, ist die ganze Palette an Standard 412

00:19:23: ,560 Funktionalitäten, die out-of-the-Box von der SAP zur Verfügung steht. 413

00:19:26: ,240 Und das geht natürlich 414

00:19:28: ,920 noch schneller 415

00:19:28: ,800 für den Kunden ein Benefit zu erreichen, wenn wir 416

00:19:30: ,400 aus dem Prozess Verständnis herausziehen, 417

00:19:32: ,200 okay, guck mal, hier gibt es aber diese Standardfunktionalität. 418

00:19:36: ,200 Wenn jetzt ein Kunde, also Teil des Readiness Checks zum Beispiel, 419

00:19:39: ,400 ist ja auch, dass wir gucken, hast du vielleicht einfach auch schon AI Units im 420

00:19:44: ,360 Budget oder hast du die auch wirklich schon gekauft und weißt gar nicht, 421

00:19:47: ,320 was du damit machen sollst? 422

00:19:48: ,400 Viele Kunden kommen ja auch immer hier, 423

00:19:49: ,240 ich habe diese, ich sage immer Candy Crush Diamanten, 424

00:19:52: ,800 so was mache ich denn jetzt damit? 425

00:19:53: ,200 Und es ist natürlich auch, 426

00:19:56: ,000 wir können ja zum Beispiel Joule 427

00:19:59: ,640 for S4 428

00:20:00: ,000 in der Basisvariante jederzeit beim Kunden aktivieren. 429

00:20:04: ,000 Daraus haben wir die Möglichkeit, Ich meine, das hat jetzt nicht 430

00:20:06: ,640 den Funktionsumfang wie eine Premium Variante, ist klar. 431

00:20:08: ,640 Aber daraus haben wir die Möglichkeit, dem Kunden besser beizubringen, 432

00:20:12: ,760 wo die Deltas liegen 433

00:20:13: ,600 zu den eigentlichen Premium Lösungen und dort natürlich 434

00:20:17: ,640 auch auf solche Lösungen dann kommen. 435

00:20:20: ,160 Ich schaue immer mal 436

00:20:21: ,640 so ein bisschen 437

00:20:21: ,200 von der Businessseite drauf, 438

00:20:23: ,760 wie man so einen übertragbaren Entscheidungsrahmen schafft 439

00:20:25: ,560 und dazu braucht man dieses Framework. Und der besteht aus meiner Sicht, 440

00:20:30: ,160 so wie ihr jetzt gerade rangeht, also im Kern aus diesen Prozessen. 441

00:20:33: ,560 Und dann hat man auf der einen Seite 442

00:20:34: ,760 natürlich die bestehende SAP System Landschaft, 443

00:20:36: ,240 die dann da ist, auf der einen Seite. Auf der anderen Seite 444

00:20:39: ,800 haben wir Datenqualität, also das, war es halt auch und das muss man im Prinzip 445

00:20:42: ,960 zusammenführen. 446

00:20:48: ,640 Nehmen 447

00:20:48: ,640 wir jetzt mal an, der richtige Use Case ist gefunden. 448

00:20:51: ,400 Was passiert dann konkret? 449

00:20:53: ,760 Und wie wird denn aus dieser Idee 450

00:20:56: ,800 so eine produktive AI Lösung 451

00:21:01: ,760 Soll ich anfangen? Gern. 452

00:21:03: ,760 Also ein ganz wichtiger Punkt ist natürlich immer Architektur, 453

00:21:08: ,480 also die Entwicklung von AI Lösungen 454

00:21:10: ,960 sind immer hohe Architektur Anforderungen. 455

00:21:12: ,200 Wir sprechen im Bereich BTP, welche Services benötige ich? 456

00:21:16: ,040 Was halt auch immer ein wichtiger Punkt ist, 457

00:21:18: ,040 bevor wir da mal anfangen, der Kunde muss ja verstehen, was kostet denn das jetzt? 458

00:21:21: ,000 Und da meine ich nicht unsere Aufwände. 459

00:21:23: ,880 Da kann ich recht schnell sagen x-Tage so, aber was kostet das denn lizenztechnisch? 460

00:21:26: ,040 Also welche Services müssen aktiviert werden, welche Währung tickt wo runter? 461

00:21:32: ,440 Und das sind so, das ist der nächste logische Schritt, 462

00:21:36: ,280 sage ich mal auf dieser Ladder, dass man das Ganze mal beziffert und 463

00:21:40: ,560 dann wie gesagt in das Architekturdesign geht. 464

00:21:43: ,200 Und daraus resultierend starten wir halt mit, ja wie gesagt BTP Services. 465

00:21:49: ,800 Ist das jetzt eine Lösung, die wir komplett eigen entwickeln? 466

00:21:52: ,440 Dann halt AI Core. 467

00:21:55: ,800 Was ist das Frontend? 468

00:21:56: ,440 Ist das ein Cap über SAP Fiori Elements? 469

00:22:00: ,800 Jetzt will ich die Leute da draußen nicht verlieren. 470

00:22:03: ,520 Dann gehen wir natürlich ins technische Detail. 471

00:22:06: ,520 Ja, man darf das nicht unterschätzen. 472

00:22:09: ,880 Es ist nicht nur externe, sondern es sind vor allem auch die internen Ressourcen, 473

00:22:12: ,400 die es stemmen, mit Umsätzen gemeinsam, die ins Rollen bringen müssen. 474

00:22:16: ,320 Und das wird tatsächlich in diesen Projekten ganz oft unterschätzt, 475

00:22:19: ,400 weil man denkt, Schnipp, und das geht jetzt ganz schnell, plötzlich. 476

00:22:22: ,200 Aber auch das mitzunehmen, das eigene Prozessverständnis 477

00:22:26: ,760 im Unternehmen ist natürlich entscheidend dafür, den Prozess zu verstehen. 478

00:22:29: ,280 Also wir können da nicht von außen drauf gucken und sagen 479

00:22:32: ,880 Schön, dass ihr den Prozess aufgemalt habt, 480

00:22:33: ,240 wir haben es jetzt verstanden. 481

00:22:35: ,040 Sondern dass man auch 482

00:22:36: ,280 wirklich auf die End User aufgeht und sagt okay, erklär mir mal, der Prozess 483

00:22:39: ,360 hier sieht so aus, 484

00:22:40: ,640 schön, funktioniert der in der Realität so? 485

00:22:42: ,160 Wo sind die Abweichungen? 486

00:22:44: ,880 Und dass man auch wirklich versteht, was ist hier die Ausgangslage? 487

00:22:46: ,400 Weil nur dann 488

00:22:47: ,440 kann ich damit am Ende eine fachliche Anforderung 489

00:22:49: ,680 beschreiben, aus der dann eine technische Anforderung wird, 490

00:22:51: ,160 mit der wir den Use Case umsetzen. 491

00:22:54: ,640 Ja, und dann habe ich 492

00:22:55: ,120 auch schon mal kurz im Nebensatz erwähnt so eine Peer Gruppe. 493

00:22:59: ,560 Ich finde das immer super hilfreich, wenn wir abhängig von der Größe des Kunden 494

00:23:03: ,880 oder wie groß das Projekt auch aufgezogen ist, 495

00:23:05: ,240 mindestens eine Person hat, 496

00:23:07: ,520 die auch nachher so ein bisschen Botschafter für das Thema allgemein 497

00:23:09: ,520 in diesem Unternehmen ist, finde ich einen wichtigen. 498

00:23:11: ,360 Change Management 499

00:23:12: ,200 Schritt, aber auch einfach für das, ich meine man will ja auch den Kunden trainieren. 500

00:23:16: ,360 So, jetzt weißt du was 501

00:23:17: ,440 gibt es in dem Umfeld, was der Bauchladen von der SAP 502

00:23:20: ,360 und was sind die Mittel, um eigene Lösungen zu entwickeln? 503

00:23:23: ,280 Das sind so diese Peergruppen, die dann mitzunehmen. 504

00:23:26: ,600 Und ich glaube, 505

00:23:27: ,360 wenn jemand aus den eigenen Reihen und nicht immer nur so die Berater, 506

00:23:31: ,920 die dann kommen und wieder gehen, 507

00:23:32: ,680 da steht und für das Thema brennt, ist das super hilfreich. 508

00:23:35: ,440 Ja, also 509

00:23:36: ,120 dieser Schmerz, 510

00:23:37: ,000 von dem wir gesprochen haben, wenn der aufhört 511

00:23:39: ,920 und dass jemand in sein Unternehmen rein trägt 512

00:23:40: ,400 und halt auch tagsüber davon erzählt, was die neue Lösung jetzt schafft. 513

00:23:44: ,760 Wenn das damit überein kommt, dass wir auch Budget freigemacht haben 514

00:23:47: ,680 und dass das am Ende eine wirkliche Zeitersparnis 515

00:23:49: ,440 ist, ist das das Bild, wo wir hinkommen wollen. Ja, 516

00:23:54: ,880 ich würde gerne 517

00:23:54: ,200 mit euch noch mal ein bisschen konkreter in so ein Case einsteigen. 518

00:24:00: ,160 Könnt ihr euch mal im Kopf überlegen, 519

00:24:02: ,160 an welchen Case ihr eingehen wollt? 520

00:24:06: ,800 Könnt ihr anhand eines konkreten Cases einfach noch mal aufzeigen, mit dem, 521

00:24:09: ,840 was wir jetzt gerade als Rahmen gesetzt haben, außenrum. 522

00:24:12: ,400 Wie dieser Weg in der Praxis tatsächlich aussieht, 523

00:24:15: ,760 von der ursprünglichen Herausforderung bis zur produktiven Anwendung. 524

00:24:19: ,520 Also was war die Ausgangssituation ganz konkret geschärft 525

00:24:22: ,640 und welches Problem sollte gelöst werden? 526

00:24:24: ,640 Und so sind wir mit den und den Ressourcen dahin gekommen. 527

00:24:27: ,120 Das kann man im Prinzip anhand des Use 528

00:24:31: ,120 Cases von eben machen, also viele Kassen etc. 529

00:24:34: ,160 Wir sprechen mit dem Kunden, gucken uns an, 530

00:24:37: ,280 welche Pattern könnten potenziell erfüllt werden? 531

00:24:39: ,560 Da wird man natürlich, hier kommen ganz viele Massendaten ungeordnet 532

00:24:42: ,600 jeden Abend irgendwo an und werden manuell verarbeitet. 533

00:24:45: ,760 So, und man muss ja 534

00:24:47: ,360 die Kunden dazu bringen, dass die so was erzählen. 535

00:24:50: ,720 Und dann, 536

00:24:51: ,000 dann gehst du da rein. 537

00:24:53: ,600 Also da haben wir ja gesagt, okay, also hier könnte ein Design fachlich so und so 538

00:24:58: ,440 aussehen, also automatisieren. Technisch, da geht es schon in die Architektur. 539

00:25:03: ,640 Wer von euch begleitet uns? 540

00:25:04: ,800 Okay, du bist jetzt unsere Peer Gruppe, also irgendwelche Leute aus den jeweiligen Systemen. 541

00:25:10: ,920 Dann war ja auch eine große Aufgabe. 542

00:25:11: ,320 In welchem System finden die Verbuchungen statt? 543

00:25:14: ,560 Also SAP Ariba, Warenverbuchungen etc. 544

00:25:17: ,080 Und das ist ja ganz wichtig, wie verteilen wir das denn überhaupt? 545

00:25:21: ,440 Und also was auch noch mal Teil der Lösung war. 546

00:25:24: ,360 So und wenn das fachliche und technische Design passiert 547

00:25:28: ,600 ist, wie man das halt eben kennt mit FTS und TDS. 548

00:25:30: ,240 Also wenn ich jetzt mal Calm anspreche, zum Beispiel 549

00:25:34: ,960 dann haben wir das Ganze auch 550

00:25:35: ,560 entsprechend halt beziffert und dann ging das so in die Umsetzung, 551

00:25:38: ,200 die wie gesagt 5 bis 8 Tage dann dauert und dann geht das in den Test. 552

00:25:44: ,200 Und mit den anfänglich definierten KPIs, was immer im Rahmen 553

00:25:49: ,520 der Mustererkennung wie gesagt dann stattfindet, 554

00:25:52: ,360 konnte man recht schnell sagen, guck mal hier, da habt ihr die und die x-Prozent. 555

00:25:56: ,840 Wir haben auch ein paar Slides dazu, 556

00:25:57: ,280 ich glaub irgendwie 90 % / 95 % weniger Fehler etc., 557

00:26:01: ,440 Also das ist aber gemessen. 558

00:26:02: ,840 Also das haben wir nicht einfach mal, 559

00:26:03: ,800 lass mal eine lustige Zahl auf eine Slide schreiben. 560

00:26:05: ,800 So, das sind die 561

00:26:06: ,800 Testergebnisse da raus und da ist der Kunde natürlich zufrieden. Ja. 562

00:26:13: ,160 Und dass man, vielleicht noch kurz bei den KPIs halt auch darauf eingeht, 563

00:26:16: ,000 wie viel Zeitersparnis haben wir wirklich, dass man sich das auch mal überlegt, 564

00:26:19: ,200 dass man es durchspielt, dass man ein Pilotprojekt zeigt und den Mitarbeiter, 565

00:26:22: ,880 der es sonst macht, wirklich mal durchführt und sagt, hier würde das jetzt aussehen. 566

00:26:26: ,240 Dass man diese belastbare KPI hat und sich 567

00:26:28: ,760 eben auch über die Kosten Gedanken macht. 568

00:26:29: ,480 Also das kostet am Ende AI Tokens. 569

00:26:31: ,800 Also man sollte sich früh genug schon 570

00:26:32: ,080 mal Gedanken machen, was geben wir hierfür aus? 571

00:26:35: ,600 In dem Case war es ein einstelliger Cent Bereich pro Dokument. 572

00:26:38: ,680 Also das war dann relativ 573

00:26:39: ,720 einfach zu argumentieren, bei der Arbeitszeit, die man sonst gebraucht hat, 574

00:26:42: ,160 so eine Rechnung einzutippen. 575

00:26:44: ,160 Aber dass man sich eben auch 576

00:26:45: ,080 früh genug Gedanken macht, welchen Benefit heben wir denn hier am Ende? 577

00:26:48: ,840 Ja, und wenn wir über diesen ganzen Zeithorizont so von der ersten Idee, 578

00:26:53: ,360 dann 579

00:26:54: ,360 die Kernphase plus bis es dann wirklich am Laufen war. 580

00:26:57: ,960 Also von was für einem Zeitraum sprechen wir da? 581

00:26:59: ,960 Ein halbes Jahr? Ein Jahr? 582

00:27:00: ,840 Ne anderthalb Monate vielleicht höchstens. 583

00:27:03: ,320 Und das auch eher, weil es meistens eine Ressourcenfrage ist 584

00:27:06: ,080 und weil nicht alle Mitarbeiter nächste Woche Zeit haben. 585

00:27:09: ,720 Also wenn man jetzt komplett ongeboardet 586

00:27:10: ,280 ist alle hätten Zeit und wir leben in einer idealen Welt 587

00:27:13: ,120 mit leeren Kalendern könnte man das bestimmt 588

00:27:15: ,640 auch in zwei bis drei Wochen durchziehen. 589

00:27:16: ,640 Aber es gibt halt noch so ein lästiges Ding namens Daily Business 590

00:27:19: ,240 und das spukt einem da meistens ein bisschen dazwischen. 591

00:27:22: ,600 Ist aber ein wichtiger Punkt, gerade was die Peer Gruppen angeht. 592

00:27:25: ,480 Also man muss auch 593

00:27:26: ,120 da Ressource freischaufeln bei den Menschen, die tatsächlich 594

00:27:29: ,480 mitmachen, auf der anderen Seite. 595

00:27:30: ,080 Weil es ist ja auch kein Selbstläufer. 596

00:27:32: ,880 Also ihr kommt ja nicht einfach rein und dann erledigt ihr das quasi und 597

00:27:35: ,560 und dann geht ihr wieder und dann läuft alles. 598

00:27:37: ,880 Nein, das sind ja ganz viele. 599

00:27:38: ,960 Also wie viele müssen dann auf der anderen Seite jetzt 600

00:27:40: ,160 in einem konkreten Beispiel, wie viel haben denn mitgemacht 601

00:27:43: ,640 tatsächlich? Also das waren ein, zwei Mitarbeitende. 602

00:27:45: ,960 Also da ist jetzt, da habe ich jetzt nicht so das Rezept mit einer Zahl, 603

00:27:50: ,000 da sind manchmal High Performer, die machen das, was sonst irgendwo 604

00:27:53: ,120 zehn Leute braucht. 605

00:27:55: ,320 Ja schwierig zu sagen also, aber 606

00:27:57: ,320 man muss mit uns sprechen, natürlich so, aber das ist ja auch unsere Aufgabe 607

00:28:00: ,840 als Beratungshaus, den Kunden entsprechend zu steuern. 608

00:28:02: ,880 Und das hängt von der Komplexität ab. 609

00:28:06: ,800 Ja, also wir können kein Ende User fokussiertes Produkt am Ende rausbekommen, 610

00:28:09: ,760 ohne vorher mit dem End User gesprochen zu haben. 611

00:28:11: ,720 Das ist wichtig ja. Das sollte man schon immer im Auge behalten. 612

00:28:14: ,080 Das ist richtig. 613

00:28:16: ,080 Ich hätte dich anfangen lassen sollen. 614

00:28:19: ,680 Wenn ihr so das letzte Jahr überblickt. 615

00:28:21: ,120 Also ich weiß nicht, wie es euch geht. 616

00:28:23: ,440 Ich lerne jeden Tag irgendwas Neues dazu. 617

00:28:25: ,400 Gibt es irgendwas, was ihr mit dem heutigen Wissen 618

00:28:27: ,440 tatsächlich anders machen würdet als vor einem Jahr noch? 619

00:28:31: ,960 Ich würde vielleicht sagen, diese Erwartungshaltung: 620

00:28:33: ,480 Machen wir mal irgendwas mit AI 621

00:28:35: ,640 und es kommt am Ende was raus, was uns was bringt, 622

00:28:37: ,360 ein bisschen zu bremsen und rauszunehmen. Und auch einfach zu sagen ja, 623

00:28:41: ,600 wir haben hinterher schnelle Implementationszeiten 624

00:28:43: ,440 und wir kommen schnell zu einem Ergebnis. 625

00:28:45: ,960 Aber damit 626

00:28:45: ,200 das Ergebnis am Ende 627

00:28:47: ,600 was bringt, müssen wir uns vorher schon 628

00:28:48: ,040 mal Gedanken darüber gemacht haben, was wir hier überhaupt machen. 629

00:28:51: ,200 Ja, absolut. 630

00:28:53: ,920 Change Management wär so bei mir die Kunden abholen. 631

00:28:57: ,320 Wo wollen wir da hin? 632

00:28:58: ,720 Ich finde das technische Doing. 633

00:28:59: ,240 Das ist nicht so wild. Das 634

00:29:02: ,720 sollte ich vielleicht nicht so sagen. 635

00:29:04: ,440 Aber ich finde, man darf es schon mal sagen. 636

00:29:06: ,160 Es ist nicht so wild, heißt ja auch, wir machen einen guten Job. 637

00:29:09: ,360 Kann sein. Ja. 638

00:29:10: ,360 Also ich meine, es hängt natürlich auch von der Komplexität der Lösung ab, 639

00:29:13: ,920 aber so ein Learning aus den Dingen ist auf jeden Fall Change Management: 640

00:29:16: ,680 Jetzt passiert das, 641

00:29:17: ,760 Das kommt jetzt auf euch zu und so werdet ihr das lösen können. 642

00:29:20: ,800 Und da könnt ihr messen, was hier bei rauskommt. Und den Kunden 643

00:29:24: ,720 auch noch mal wirklich an die Hand legen, 644

00:29:26: ,400 die SAP bringt gerade eine ganze Menge 645

00:29:28: ,600 neue Lösungen raus, die das Ganze auch unterstützen. 646

00:29:30: ,480 Ja, also über Autonomous Enterprise Joules Studio 2.0 habe ich riesige Hoffnung drin, 647

00:29:35: ,480 dass uns das, das Ganze noch mal einfacher machen wird, gerade jetzt 648

00:29:38: ,000 auch in der Agent Entwicklung, um diese auch nachhaltig 649

00:29:42: ,760 in die bestehende Prozessplattform einzuhängen. Ja. 650

00:29:45: ,960 Du hast gerade 651

00:29:46: ,960 Autonomous Enterprise noch mal genannt. 652

00:29:50: ,240 Welche Prozesse können denn aus deiner Sicht heute 653

00:29:53: ,400 sinnvoll tatsächlich durch AI unterstützt werden? 654

00:29:56: ,760 Oder kommen alle, komplett, komplett autonome Steuerung? 655

00:29:59: ,080 Es gibt mit Sicherheit noch mal Themen, wo ich jetzt mal zu meinem Sales Kollegen gucke. 656

00:30:03: ,720 Technisch sind mir keine Einschränkungen bewusst 657

00:30:06: ,680 jetzt. Ja, wenn man es alles selber entwickelt. 658

00:30:09: ,520 Ich glaube tatsächlich, 659

00:30:10: ,280 der Widerstand im Moment ist, dass die Standardlösungen von der SAP 660

00:30:14: ,200 eben noch nicht full circle das abdecken, was auf der SAP Sapphire versprochen wurde. 661

00:30:18: ,080 Was auch glaube ich, vielen klar ist, weil 662

00:30:20: ,120 so lange ist die Ankündigung noch nicht her 663

00:30:22: ,920 und da muss noch Arbeit reingesteckt werden. 664

00:30:24: ,320 Ich glaube, wenn man sich gut Gedanken macht 665

00:30:27: ,320 und da Custom Sachen machen will, kann man das tun. 666

00:30:30: ,280 Ich würde nur auch die Frage nach der Sinnhaftigkeit stellen, 667

00:30:33: ,480 wenn ich von heute auf morgen irgendwie in einem bestimmten Bereich 668

00:30:37: ,480 70 % meiner Sacharbeit weg automatisiert hätte, wenn das denn möglich wäre, 669

00:30:42: ,520 sind die ja nicht auf einmal verpufft und sind nicht mehr in meinem Büro. 670

00:30:45: ,720 Also, 671

00:30:45: ,120 dass man sich auch wirklich die Frage stellt, 672

00:30:47: ,720 wo macht es denn gerade Sinn, dass wir AI einführen? 673

00:30:49: ,480 Wo haben wir denn 674

00:30:50: ,800 die Leute, die immer sagen Ich habe keine Kapazitäten, 675

00:30:52: ,480 ich habe keine Ressourcen und die, die Zeit gerade wirklich freigeschaufelt brauchen 676

00:30:56: ,240 und vielleicht da mal anzufangen und nicht einfach jetzt ganz zu sagen 677

00:31:00: ,240 Autonomes Enterprise here, we come 678

00:31:03: ,720 no matter the cost. 679

00:31:04: ,160 Das ist aber auch genau der Punkt. 680

00:31:06: ,240 Also genau so nicht reinzugehen und zu sagen, diese drei oder 30, 681

00:31:10: ,280 die brauchst du dann nicht mehr, so funktioniert das auch nicht. 682

00:31:13: ,280 Also wir sprechen eigentlich immer von dem AI Enhanced Human. 683

00:31:17: ,600 Du hast halt irgendein Skillset und um den 684

00:31:21: ,320 bestimmten Grad wird das bestehende Skillset erhöht. 685

00:31:25: ,160 Und wenn jetzt, da verschiedene Themen automatisiert werden, 686

00:31:29: ,440 heißt es 687

00:31:29: ,760 nicht, dass irgendwo eine Stelle wegfällt, sondern die kann 688

00:31:31: ,680 sich um andere Themen kümmern oder anders um diese Themen kümmern 689

00:31:35: ,840 und deshalb eine andere Masse davon bearbeiten. 690

00:31:37: ,720 So ne. 691

00:31:38: ,160 Du hast halt nicht mehr den Rechenschieber, 692

00:31:40: ,880 da hast du jetzt einen Taschenrechner, dem kannst du vertrauen, der macht das. 693

00:31:44: ,120 Und das ist einfach ein neues Werkzeug. 694

00:31:49: ,960 Ich glaube, man muss sich konkret die Frage stellen 695

00:31:50: ,760 Welche Voraussetzungen muss ich denn überhaupt schaffen, 696

00:31:54: ,120 dass ich da diesen Weg gehen kann. 697

00:31:57: ,800 Und diese Frage, das ist ja die vorgelagerte Frage, 698

00:31:59: ,840 die stellen sich ja viele nicht, die sagen 699

00:32:01: ,840 Jetzt geht's los und dann wird es nichts. 700

00:32:05: ,720 Und wenn man die sich überall stellen muss, 701

00:32:07: ,520 ist es ja auch eine kompliziertere Rechnung. 702

00:32:09: ,480 Also wenn ich jetzt sage, wir haben hier ein Use Case, 703

00:32:11: ,560 aber für den muss ich erst mal eine Datengrundlage schaffen 704

00:32:13: ,000 und erst mal meine Stammdaten bereinigen, dass der überhaupt richtig arbeiten kann, 705

00:32:17: ,560 dann kann man das natürlich machen. 706

00:32:18: ,600 Aber dann würde ich mal die Frage stellen Ist das wirklich 707

00:32:20: ,960 das Pilotprojekt, mit dem wir anfangen wollen? 708

00:32:22: ,920 Oder nehmen wir vielleicht was anderes, wo wir das gegeben haben, um 709

00:32:25: ,040 dann eben auch im Unternehmen zu beweisen Guck mal! 710

00:32:28: ,120 Wir haben das hier geschafft. 711

00:32:29: ,400 Auch die Investition, jetzt 712

00:32:30: ,120 die Daten zu bereinigen, um das nächste zu machen, wird sich lohnen. 713

00:32:34: ,040 Aber damit sollte man vielleicht nicht starten. 714

00:32:36: ,120 Ja, dann würde ich hier noch mal reinhören. 715

00:32:38: ,880 Was sollten Unternehmen denn konkret jetzt tun? 716

00:32:43: ,440 Anstatt so 717

00:32:44: ,520 auf die nächste Generation von AI Technologien zu warten, 718

00:32:47: ,440 wenn Sie jetzt anfangen wollen, was müssen Sie jetzt konkret tun? 719

00:32:50: ,920 Na ja, die nächste Generation von AI wird die gleichen Voraussetzungen haben. 720

00:32:53: ,080 Auch dann gilt wenn Prozesse, Daten und Organisationen nicht darauf vorbereitet 721

00:32:58: ,600 sind, brennt mir die Konkurrenz, die jetzt schon zwei AI Projekte gemacht hat, 722

00:33:01: ,360 vielleicht davon, weil sie einfach schneller im Implementationsrahmen ist. 723

00:33:05: ,400 Also ich glaube gerade die organisationellen Sachen, 724

00:33:08: ,680 die man in AI Projekten jetzt lernt, wie setzt sich die auf, wie nehme ich 725

00:33:11: ,400 meine Mannschaft mit, was brauche ich dazu? 726

00:33:13: ,880 Die wird man ja nicht verlernt haben, 727

00:33:14: ,840 nur weil eine neue Generation von KI rauskommt. 728

00:33:17: ,040 Und dass man sich jetzt auch an diesen Veränderungsprozess gewöhnt. 729

00:33:21: ,240 Also gefühlt in meiner Welt lebe ich nicht mehr 730

00:33:24: ,680 in Zeiten, wo ich mir einmal im Jahr 731

00:33:25: ,680 die Neuerungen angucke und dann ändere ich meinen Arbeitsprozess, 732

00:33:28: ,320 sondern ich entdecke ständig irgendwas Neues und passen meinen Arbeitsprozess daran an. 733

00:33:32: ,360 Und daran muss sich auch, 734

00:33:33: ,280 glaube ich, ein Unternehmen und eine Organisation 735

00:33:35: ,040 und vielleicht auch eine Abteilung erstmal gewöhnen. 736

00:33:38: ,040 Na ja, und Fabian hat was ganz wahres vorhin gesagt auch zwischendrin. 737

00:33:42: ,960 Es geht um Architektur. 738

00:33:43: ,400 Und Architektur braucht ein Fundament, eine Basis, sonst bricht das oben drin 739

00:33:47: ,880 halt auch weg. 740

00:33:47: ,640 Das heißt, wir müssen erstmal aufräumen. 741

00:33:49: ,000 Absolut, absolut. 742

00:33:52: ,000 Und für mich wäre das ganz klar Daten. 743

00:33:55: ,120 Wie sind die Daten? 744

00:33:56: ,880 Wie ist die Verfügbarkeit, wie ist die Bereitstellung und Qualität? 745

00:33:59: ,840 Und das ist absolut Key für das Training von absolut allem. 746

00:34:04: ,680 Also es ist irre. Wir landen immer wieder da. Ich habe vor, 747

00:34:08: ,160 vor 25 Jahren 748

00:34:10: ,160 haben wir uns schon über Datenqualität unterhalten. 749

00:34:13: ,360 Es hat sich nichts verändert. 750

00:34:14: ,840 Nur weil ein anderes Thema dazukommt, 751

00:34:15: ,120 heißt es ja nicht, dass der alte Pfeiler wegfällt. 752

00:34:18: ,120 Der steht da immer noch, höher als bisher. 753

00:34:21: ,280 Ja, ja. 754

00:34:24: ,440 Ja spannend, spannend. 755

00:34:26: ,600 Das heißt wir müssen eigentlich das tun, was wir schon immer machen musste. 756

00:34:30: ,360 Leider schon. 757

00:34:32: ,680 Wir können hier nicht den Zahn ziehen 758

00:34:35: ,320 und sagen es ist Zeit aufzuhören mit Datenqualität. 759

00:34:38: ,760 Das wird nicht passieren, so schnell. Vielleicht 760

00:34:40: ,960 wird ein verschiedener oder sich ändernder need, 761

00:34:42: ,920 oder vielleicht wird dieser need jetzt bewusster 762

00:34:45: ,280 durch diesen Marktdruck oder Hype erzeugten Marktdruck, 763

00:34:49: ,440 wie auch immer. Ja auch noch die Tools damit umzugehen, wie du gesagt hast. 764

00:34:52: ,680 Nur weil man jetzt ein AI Use Case einführt, heißt das ja 765

00:34:54: ,200 nicht, dass jemand wegfällt, sondern dass er eben effizienter arbeiten kann. 766

00:34:57: ,960 Und das gilt auch für die Stammdaten. 767

00:34:58: ,520 Wir können natürlich AI unterstützt auch Stammdatenbereinigung 768

00:35:01: ,040 ganz anders machen, als wir es vor vielen Jahren noch konnten. 769

00:35:04: ,200 Das muss man auch klar sagen. 770

00:35:05: ,160 Also ich würde sagen, der Pfeiler fällt nicht weg. 771

00:35:07: ,120 Aber ihn zu stützen wird vielleicht ein bisschen einfacher. Ja spannend. 772

00:35:11: ,880 So zum Abschluss die Frage Ist das genau der Rat, 773

00:35:13: ,520 den ihr jedem mitgeben würdet, der jetzt mit solchen Projekten startet? 774

00:35:19: ,920 Das und unbedingt vielleicht noch bei uns vorbeizukommen, 775

00:35:21: ,600 weil wir noch eine 776

00:35:22: ,600 ganze Menge weitere Use Cases haben, die wir gerne mal vorstellen. 777

00:35:26: ,800 Aber grundsätzlich ja genau. 778

00:35:28: ,600 Also das ist der Rat: Kümmert euch. 779

00:35:30: ,600 Guckt euch eure 780

00:35:32: ,680 Systemlandschaft an, die Datenlandschaft, ist das ganze skalierbar? 781

00:35:37: ,000 Und wenn euch da schon was auffällt oder wenn ihr denkt, ihr braucht Hilfe dabei. 782

00:35:43: ,520 Da gibt es ganz viele Unternehmen am Markt, die können euch dabei helfen. 783

00:35:47: ,080 Ja, ich würde auch sagen nicht blind loslaufen, sich mal Gedanken machen, 784

00:35:51: ,840 auch sich selber mal die eigene Architektur 785

00:35:52: ,440 vor Augen führen und sich selber fragen was bedeutet das überhaupt für mich? 786

00:35:56: ,920 Und dann von dem Standpunkt aus weiterlaufen. 787

00:35:58: ,200 Ich danke euch, dass ihr euch die Zeit genommen habt. 788

00:36:01: ,280 Ich finde es spannend, wohin wir laufen und ich finde es tatsächlich 789

00:36:06: ,960 gleichzeitig sehr spannend, dass wir immer wieder 790

00:36:08: ,880 bei den alten Themen landen, um die wir uns eh schon kümmern mussten. 791

00:36:13: ,480 Und in dem Sinne wünsche ich euch viele gute Impulse, 792

00:36:16: ,480 die ihr für euch mitnehmen könnt. 793

00:36:19: ,200 Und wir schauen mal, wo wir in einem Jahr stehen, oder? 794

00:36:23: ,560 Auf jeden Fall. Gerne sehen wir uns dann. 795

00:36:26: ,400 Das war re:invented, der Business Podcast von Scheer IDS. 796

00:36:31: ,520 Mehr Impulse, Best Practices und Hintergründe finden Sie auf scheer-ids.de 797

00:36:37: ,120 De Wenn Sie wollen, hören wir uns in der nächsten Folge wieder. 798

00:36:40: ,840 Bis dahin machen Sie's gut.