Explorez tous les épisodes du podcast Datendurst mit Tim Ebner

Mirko Ehrmann und Tim setzen ihre Serie mit wissenschaftlich validierten Werbewundern fort! Nach Aufmerksamkeit in Teil 1 geht es jetzt tiefer in den Funnel: Conversion, Preispsychologie und Retention. Mirko testet live an Tim, warum wir Preise nie absolut, sondern immer in Relation bewerten, und räumt mit dem 9er-Pricing-Mythos auf: Der Left-Digit-Effekt wirkt nur, wenn die linke Ziffer kippt. Dazu gibt es die Werbewunder 4 bis 10, von Cross-Selling über Dezimaltrennzeichen bis zum Coupon statt Sofortrabatt, und ein Live-Experiment: Tim ändert während der Aufnahme den Preis seines gebrauchten Kias auf Kleinanzeigen auf präzise 8.457 Euro. Am Ende lüftet Mirko das Geheimnis aus Folge 1: Mit Wissensdatenbank Profit Patterns kann jeder auf Mirkos zusammengetragenes Wissen zugreifen. Freut Euch auf sofort testbare A/B-Test-Hypothesen mit Studien-Fundament!

• Cross-Selling funktioniert mit passenden Produkten, die deutlich günstiger sind als der Warenkorb.
• 9er Pricing wirkt nur, wenn die linke Ziffer kippt, ein Vergleichspreis dasteht und nicht alles auf 9 bepreist ist.
• Präzise Preise wie 8.457 Euro wirken ehrlicher kalkuliert.
• Sag "Ich" statt "Wir" in der Kundenkommunikation, das schafft Verbindlichkeit und Empathie.
• Und für die Wiederkaufrate: Coupon schlägt Sofortrabatt.

00:00:00 Intro: Psychologische Perlen für Eure Performance

00:01:42 Letztes Mal: Aufmerksamkeit. Heute: Conversion

00:02:19 [Anzeige] Haufe Akademie: Masterclass

00:03:11 Oft vergessen: Der Preis an sich treibt Conversion

00:04:11 Live-Test an Tim: Taschenrechner vs. Anzug

00:07:57 Was ist letzte Preis? Anker setzen auf Kleinanzeigen

00:08:53 Werbewunder 4: Cross-Selling als Preisgestaltungstrick

00:12:05 Check24 vs. ING: Gleicher Kredit, dreimal teurere Versicherung

00:16:03 Werbewunder 5: 9er Pricing nur, wenn die linke Ziffer kippt

00:19:32 Beim Autokauf zählt jede Ziffer: High Involvement

00:20:26 Präzise Preise: 14.797 wirkt ehrlicher als 15.000

00:21:49 Live-Experiment: Tims Kia kostet auf Kleinanzeigen jetzt 8.457 Euro

00:23:28 Signalwirkung: 9er Preise nur für echte Schnäppchen

00:27:53 Vorsicht Preiskampf: Positionierung schlägt 9er Preis

00:32:18 Werbewunder 6: Dezimaltrennzeichen beeinflussen die Preiswahrnehmung

00:37:00 Werbewunder 7: Sag "Ich" statt "Wir" zum Kunden

00:42:37 Werbewunder 8: Schwere Produkte fühlen sich wertiger an

00:46:01 Beispiel: Für Tim fühlen sich MacBook Air und AirPods billig an

00:49:12 Werbewunder 9: Duft macht Dein Produkt unvergesslich

00:54:21 Werbewunder 10: Coupon schlägt Sofortrabatt

00:58:06 One more thing: Mirkos Datenbank Profit Patterns

01:04:30 Outro und Verabschiedung

Mirko Ehrmann auf LinkedIn: https://www.linkedin.com/in/mirko-ehrmann/

Mirkos Wissensdatenbank Profit Patterns: https://www.profit-patterns.de/

Bei der Haufe Akademie gibt es eine Weiterbildung, die sehr gut zu unserem Thema der Podcastfolge passt: Die Masterclass zum Marketing & Sales Analyst!

In mehreren Kursen (plus Abschlussprüfung):

• bekommst Du einen Einstieg in Strategien und Werkzeuge, Tracking-Strategien, Analysen, Visualisierung und KI
• machst Du erste Schritte und setzt zum Beispiel Dein erstes Marketing & Sales Dashboard um
• erfährst Du, wie du KI Use Cases & Tools auswählst und danach in die Umsetzung gehst

Zur Masterclass: https://www.haufe-akademie.de/analyst

Weitere Angebote: https://www.haufe-akademie.de/future

Philipp von Loringhoven zieht die zweite Marketing-Data-Backstage-Karte von Tim, und die hat es in sich: Warum Google, Meta und Co das Marketing schon etwas ruiniert haben! Philipp rechnet mit dem gebrochenen Versprechen der Click-Attribution ab: Niemand kauft, weil er etwas auf Facebook sieht, und trotzdem optimieren wir alle auf Kanäle. Tim hält mit seiner Idee dagegen, Attribution nur noch im Plattform-Kosmos zu nutzen, und gemeinsam sortieren die Beiden, was stattdessen hilft: Triangulation, Inkrementalitätstests und Marketing Mix Modeling mit Tools wie Meridian, Robyn und PyMC. Dazu gibt es das Finale von Tims Auto-Drama und eine PR-Story mit einem Panzer in London. Freut Euch auf eine ehrliche Abrechnung mit den Werbeplattformen und konkrete Alternativen für Eure Budget-Entscheidungen!

• Attribution zeigt Taktik, aber nicht die ganze Wahrheit: Nutzt Plattform-Attribution nur, um innerhalb derselben Plattform zu optimieren.
• Füttert den Algorithmus gerne mit Signalen, aber glaubt nicht der Auswertung der Plattform über sich selbst.
• Mehr Daten sorgen nicht automatisch für besseres Targeting. Den Beweis-Case für Enhanced Conversions sucht Philipp bis heute.
• Denkt in relevanten Kontaktpunkten Eurer Customer Journey statt in GA4-Kanälen, und trianguliert mit Marketing Mix Modeling und Inkrementalitätstests.

00:00:00 Intro: Philipps Probleme mit Attribution

00:01:07 Auto-Drama Finale: Automatisiertes Scoring mit Claude & Airtable

00:04:15 Philipps neues Spielzeug: Zoom PodTrak 4

00:05:55 Das gebrochene Versprechen der Click-Attribution

00:09:26 [Anzeige] Haufe Akademie: Masterclass

00:10:31 Kleine Geschichte der Attribution: UTM & Last Click

00:12:50 Sorry: Niemand kauft, weil er etwas auf Facebook sieht

00:15:37 Rand Fishkin: The Death of Marketing Attribution

00:18:04 Pizzaladen-Logik: Hätten Sie auch ohne Coupon gekauft?

00:20:18 Tims These: Attribution nur im Plattform-Kosmos

00:22:37 Cross-Effekte: Warum Innerkanal-Attribution gefährlich ist

00:24:44 Triangulation: Mehr Signale statt der einen Wahrheit

00:26:31 Marketing Mix Modeling: Meridian, Robyn und PyMC

00:28:53 Mit dem Panzer durch London: Signalstärke und Carryover

00:31:43 Füttert den Algorithmus, aber glaubt nicht der Auswertung

00:34:10 Ethikfrage: Umsatz machen geht auch ehrlich

00:35:48 Enhanced Conversions: Der Beweis-Case fehlt bis heute

00:37:01 Was bringt der Meta-Pixel wirklich?

00:39:51 Signal Engineering: Schickt prognostizierte Kundenwerte

00:40:47 Ein Berater für Sky, DAZN und Netflix: Das Vertical-Problem

00:43:26 Denkt in Kontaktpunkten, nicht in GA4-Kanälen

00:45:55 Tims radikale Alternative: Mehr Kommunikation statt mehr Attribution

00:48:45 Outro und Verabschiedung

Philipp von Loringhoven auf LinkedIn: https://www.linkedin.com/in/philipploringhoven/

Philipps Podcast Data Engage: https://open.spotify.com/show/75v2BTvGvg533hiS906Jpo?si=a17d2f37b6bc4187

Interview mit Rand Fishkin: https://www.gngstudios.co.uk/resources/why-most-adverts-dont-work

BrewDogs Panzer-Aktion in London: https://www.insider.co.uk/news/history-stunts-brewdogs-wackiest-publicity-25997774

Bei der Haufe Akademie gibt es eine Weiterbildung, die sehr gut zu unserem Thema der Podcastfolge passt: Die Masterclass zum Marketing & Sales Analyst!

In mehreren Kursen (plus Abschlussprüfung):

• bekommst Du einen Einstieg in Strategien und Werkzeuge, Tracking-Strategien, Analysen, Visualisierung und KI
• machst Du erste Schritte und setzt zum Beispiel Dein erstes Marketing & Sales Dashboard um
• erfährst Du, wie du KI Use Cases & Tools auswählst und danach in die Umsetzung gehst

Zur Masterclass: https://www.haufe-akademie.de/analyst

Weitere Angebote: https://www.haufe-akademie.de/future

Mirko Ehrmann und Tim machen Schluss mit A/B-Tests auf blauen Dunst! Mirko ist Wirtschaftspsychologe und bringt wissenschaftlich validierte Werbewunder mit. Es geht um psychologische Effekte, die Ihr direkt in Euren Ads testen könnt. Wir klären zum Beispiel die Frage, warum die nervige Ralf-Schumacher-Werbung von Wirkaufendeinauto trotzdem funktioniert, wie Alliterationen wie Super Sunday wirken, was Gaze Cueing bedeutet und warum 5 als Ziffer glaubwürdiger wirkt als fünf als Wort. Dazu erklärt Mirko mit Elefant und Reiter, warum 99% Eurer Entscheidungen im Unterbewusstsein fallen. Freut Euch auf konkrete Testideen mit Studien-Fundament und auf einen Cliffhanger: Das ist hier ist nämlich die erste von zwei Folgen mit Mirko!

• Wiederholung schlägt Einzelkontakt: Der Mere-Exposure-Effekt macht Ads sympathischer, aber nach 10 bis 20 Kontakten braucht es Abwechslung.
• Alliterationen funktionieren nur ganz oder gar nicht: 4 Falafel für 4 Euro zieht, 4 Falafel für 3 Euro nicht.
• Blickrichtung steuert Aufmerksamkeit: Schaut das Model aufs Produkt statt in die Kamera, folgen die Betrachter dem Blick.
• Ziffern wirken präziser als ausgeschriebene Zahlen.
• Und: Validiert Eure A/B-Tests immer wieder neu.

00:00:00 Intro: Schluss mit A/B-Tests auf blauen Dunst

00:01:56 Worum es heute geht

00:02:42 [Anzeige] Haufe Akademie: Masterclass

00:03:27 Warum Funnel-Modelle zu starr gedacht sind

00:06:01 Journey statt Funnel: Das Contentsquare-Beispiel

00:07:23 Der Mere-Exposure-Effekt: Wiederholung macht sympathisch

00:09:19 Frequency: Nervt wie Ralf Schumacher, wirkt trotzdem

00:11:31 Die Sättigungsgrenze: Nach 10 bis 20 Kontakten braucht es Abwechslung!

00:13:24 Konditionierung: Was George Clooney für Nespresso tut

00:14:25 Warum Du plötzlich überall Ford Pumas siehst

00:17:27 Elefant und Reiter: 99% entscheidet Dein Unterbewusstsein

00:20:42 Werbewunder 1: Alliterationen wie Super Sunday

00:23:22 Bonus: Der Von-Restorff-Effekt alias Thumbstopper

00:26:45 Die Alliterations-Regel: 4 Falafel für 4 Euro

00:28:39 Werbewunder 2: Gaze Cueing lenkt den Blick aufs Produkt

00:31:25 Beobachtende Augen: Von Kaffeekasse bis Kollekte

00:33:33 Werbewunder 3: 5 statt fünf, Ziffern wirken präziser

00:37:05 Sonderfall Luxus: Wenn der Preis lieber verborgen bleibt

00:41:25 Mirkos Methode: Studien lesen statt Bauchgefühl

00:43:56 Achtung: Validiert Eure A/B-Tests immer wieder

00:45:43 Social Proof: Engagement an einem Ort sammeln

00:47:32 Bunch of Jerks: Wie Kritik zu Merchandise wird

00:52:36 Eishockey-Exkurs: Die Enforcer der NHL

00:54:45 Cliffhanger: Preispsychologie in Folge 2

00:56:08 Outro und Verabschiedung

Mirko Ehrmann auf LinkedIn: https://www.linkedin.com/in/mirko-ehrmann/

Profit Patterns: https://www.profit-patterns.de/

Bei der Haufe Akademie gibt es eine Weiterbildung, die sehr gut zu unserem Thema der Podcastfolge passt: Die Masterclass zum Marketing & Sales Analyst!

In mehreren Kursen (plus Abschlussprüfung):

• bekommst Du einen Einstieg in Strategien und Werkzeuge, Tracking-Strategien, Analysen, Visualisierung und KI
• machst Du erste Schritte und setzt zum Beispiel Dein erstes Marketing & Sales Dashboard um
• erfährst Du, wie du KI Use Cases & Tools auswählst und danach in die Umsetzung gehst

Zur Masterclass: https://www.haufe-akademie.de/analyst

Weitere Angebote: https://www.haufe-akademie.de/future

Philipp von Loringhoven und Tim starten ihr neues Format: Marketing Data Backstage! Alle zwei Wochen ziehen die Beiden eine Trello-Karte aus ihrem Marketing Analytics Alltag, im Wechsel bei Datendurst und Data Engage. Den Auftakt macht eine Karte mit Sprengkraft: Warum wir Data Driven hassen.

Philipp erklärt, welchen negativen Touch datengetrieben zu sein für ihn hat. Wollen wir uns von Daten nach vorne peitschen lassen? Tim ordnet dieses Gefühl mit dem Gartner Analytics Value Escalator dem Prinzipal-Agent-Problem ein: Wer seine Daten komplett Google, Meta oder der Agentur überlässt, gibt Marketingwissen und -Entscheidungen aus der Hand. Freut Euch auf eine ungescriptete Diskussion über Datenkultur, Motivation und die Frage, wie Ihr mündigere Marketing-Entscheidungen trefft!

• Sprache formt Denken: Data Informed ist besser als Data Driven.
• In allen Daten fehlt Kontext. Sie können Unsicherheit nur reduzieren, nie beseitigen.
• Wer KPIs an Boni knüpft, bekommt manipulierte Metriken statt Erkenntnis.
• Owned Eure Werbedaten selbst, sonst entscheidet die Plattform für Euch.

00:00:00 Intro: Unser neues Format Marketing Data Backstage

00:00:47 Wer ist Philipp von Loringhoven?

00:02:24 So funktioniert Marketing Data Backstage

00:03:55 [Anzeige] Haufe Akademie: Masterclass

00:04:44 Kartenziehen: Warum hasse ich Data Driven?

00:05:40 Datengetrieben klingt nach Peitsche

00:06:58 Wenn KPIs das Gehalt bestimmen, wird manipuliert

00:09:03 Buchtipp Data Inspired: In allen Daten fehlt Kontext!

00:10:55 Analyse gilt in Deutschland schnell als Kritik

00:13:31 Der Gartner Analytics Value Escalator erklärt

00:16:45 Wie Du erfahrene Vertriebler für Analytics gewinnst

00:19:39 Intrinsische Motivation zünden

00:22:26 KI-Kulturschock: Kamera-Hotels in Indien vs. IKEA

00:24:35 Data Driven vs. Data Informed: Der feine Unterschied

00:26:16 Achtung: Google & Meta wollen für Dich entscheiden

00:27:57 Prinzipal-Agent-Problem: Wem gehört Dein Marketingwissen?

00:30:02 Agentur-Accounts: Owned Eure Daten selbst!

00:32:27 Die Kernbotschaft: Daten reduzieren nur Unsicherheit

00:33:36 Analysis Paralysis oder antifragile Organisation?

00:35:51 Tims Auto-Drama: ChatGPT + Google Sheets als Kaufhilfe

00:40:01 Tauschen Google & Meta Daten aus? Data Clean Rooms

00:41:41 Wrap-Up: Lernt, bessere Fragen zu stellen

00:43:35 Recap: Wo sind wir heute herumgeirrt?

00:45:29 Outro und Verabschiedung

Philipp von Loringhoven auf LinkedIn: https://www.linkedin.com/in/philipploringhoven/

Philipps Podcast Data Engage: https://open.spotify.com/show/75v2BTvGvg533hiS906Jpo?si=a17d2f37b6bc4187

Die versprochenen Zahlen aus der Folge:

Ifo Institut, Benchmarking Digitalisierung in Deutschland: https://www.ifo.de/publikationen/2021/monographie-autorenschaft/benchmarking-digitalisierung-deutschland

Bitkom-Studie zur Bedeutung der Datenökonomie: https://www.bitkom.org/Presse/Presseinformation/Steigender-Bedarf-an-Data-Scientists

Europäische Kommission, Survey of Businesses on the Data Economy: https://digital-strategy.ec.europa.eu/de/library/survey-businesses-data-economy-2022

Buchtipp aus der Folge: Data Inspired von Sebastian Wernicke

https://www.thalia.de/shop/home/artikeldetails/A1067817277

Bei der Haufe Akademie gibt es eine Weiterbildung, die sehr gut zu unserem Thema der Podcastfolge passt: Die Masterclass zum Marketing & Sales Analyst!

In mehreren Kursen (plus Abschlussprüfung):

• bekommst Du einen Einstieg in Strategien und Werkzeuge, Tracking-Strategien, Analysen, Visualisierung und KI
• machst Du erste Schritte und setzt zum Beispiel Dein erstes Marketing & Sales Dashboard um
• erfährst Du, wie du KI Use Cases & Tools auswählst und danach in die Umsetzung gehst

Zur Masterclass: https://www.haufe-akademie.de/analyst

Weitere Angebote: https://www.haufe-akademie.de/future

Fabian Jaeckert und Tim tauchen tief in die Welt der SEO und GEO Analytics ein. Fabian erklärt, wie sich die Strategien durch KI und neue Technologien verändern und was Unternehmen jetzt beachten müssen, um sichtbar zu bleiben. Die Beiden diskutieren die neuesten Entwicklungen im Bereich KI-Tools, Sichtbarkeitsanalysen und die Bedeutung einzelner GEO-KPIs. Freut Euch auf tiefe Einblicke in die Zukunft der KI im Marketing und einen wertvollen Marktüberblick zu GEO-Analysetools!

• Mache hier Deinen GEO Free Check mit Fabians Tool: https://www.askjoe.eu/free-check
• Platz 1-Ranking ist nicht mehr alles.
• KI ersetzt Klicks durch Empfehlungen.
• Brand Mentions beeinflussen die Sichtbarkeit in KI-Systemen.
• Der treffsicherste Trumpf für KI-Sichtbarkeit sind integrierte SEO, Social Media und PR.

00:00:00 Intro: Warum gutes GEO so schwierig ist

00:02:05 Wer ist Fabian Jaeckert?

00:04:45 [Anzeige] Haufe Akademie: Masterclass

00:05:24 Kostenlos starten: Die Google Search Console

00:07:56 Warum eine SEO-Suite Geld kosten muss

00:09:25 Search Console vs. SEO-Suite: Der Unterschied

00:14:41 Woher kommen die Daten der SEO-Tools?

00:18:41 Ganz nüchtern: Warum Platz 1 bei Google nichts mehr bringt

00:22:40 Die neue KPI: Brand Mentions statt SEO-Klicks

00:24:31 KI User Journey Beispiel: Umzugskartons kaufen mit Gemini

00:27:57 Wie viel war Ratgeber-Traffic aus SEO-Zeiten wirklich wert?

00:31:06 Ratgeber-Content zieht für KI-Sichtbarkeit nicht mehr

00:33:01 Customer Journey werden durch KI kürzer

00:37:42 Sichtbarkeits-Hack 1: Mystery Prompting!

00:39:48 Sichtbarkeits-Hack 2: Auf Kriterien statt Keywords optimieren

00:43:04 Der erste Analyse-Schritt: Was sind meine Prompts?

00:44:23 GEO-Tools: Worauf sollte man achten?

00:47:48 AI Overviews vs. ChatGPT vs. Claude: Wer gewinnt die Nutzer?

00:50:19 GEO-Tool Marktüberblick: Traditionelle SEO-Tools, Startups, Copycats

00:53:25 Datenqualität: Sind Vibecoding-Tools schlechter?

00:56:46 Welche KPIs sind für GEO wichtig?

00:59:47 Sichtbarkeits-Hack 3: Multidimensionale Teams aus Content, PR und Social

01:01:25 Zitierungen: Der große Affiliate-Hebel

01:05:06 Was gehört auf ein GEO-Dashboard?

01:07:23 Analyse Hack: GEO-Rohdaten in die KI füttern?

01:10:06 Achtung: Don't let AI make you look stupid

01:13:06 Outro und Verabschiedung

Fabian Jaeckert auf LinkedIn: https://www.linkedin.com/in/fabianjaeckert/

Fabians Jaeckerts & Benjamin O’Daniels Podcast: https://www.jaeckert-odaniel.com/podcast/

Bei der Haufe Akademie gibt es eine Weiterbildung, die sehr gut zu unserem Thema der Podcastfolge passt: Die Masterclass zum Marketing & Sales Analyst!

In mehreren Kursen (plus Abschlussprüfung):

• bekommst Du einen Einstieg in Strategien und Werkzeuge, Tracking-Strategien, Analysen, Visualisierung und KI
• machst Du erste Schritte und setzt zum Beispiel Dein erstes Marketing & Sales Dashboard um
• erfährst Du, wie du KI Use Cases & Tools auswählst und danach in die Umsetzung gehst

Zur Masterclass: https://www.haufe-akademie.de/analyst

Weitere Angebote: https://www.haufe-akademie.de/future

In dieser Episode spricht Tim mit Alexander Korn von Microsoft über die Verbindung von Gaming, Programmieren und Data Literacy. Alexander teilt spannende Einblicke in die Nutzung von Fabric, Power BI und KI im Coding sowie die Zukunft der Datenplattformen von Microsoft. Er zeigt, wie er mit seinen Kindern in nur einer Woche ein Jump'n'Run-Spiel in Microsoft Fabric entwickelt. Tim und Alexander sprechen über KI-gestützte Entwicklung, Gamification im Reporting und den Umgang mit Kindern bei Tech-Projekten. Und das Beste: Sogar sein Sohn Ben hat sich vor das Mikro getraut und teilt seinen Blick auf Vibe Coding, was er daraus gelernt hat und wie viel Spaß ihm der Umgang mit Technologie macht.

• Komplexe Zusammenhänge brauchen kreative Formate
• Gamification kann Data Literacy verbessern
• Mit Tools wie GitHub Copilot und Fabric können auch Nicht-Programmierer funktionierende Anwendungen bauen
• Frühe Tech-Erfahrungen für Kinder sind wertvoll, wenn sie spielerisch bleiben
• KI spart Zeit und eröffnet neue Möglichkeiten, aber bei sensiblen Daten, Sicherheit und Qualität braucht es weiterhin menschliches Urteilsvermögen

00:00:00 Intro: Warum wir kreative Formate für Data Literacy breuchen

00:02:03 [Anzeige] Haufe Akademie: Masterclass

00:02:32 Wer ist Alex Korn? Plus: Special Guest Ben

00:04:37 Die Idee mit dem Pie-Chart Jump & Run

00:06:52 Ben übernimmt: Meine Switch hat Interesse geweckt

00:09:56 Tims Endgegner: die fliegende Ente (ein Bug!)

00:11:53 Cheatcode 'LEBEN' und mehr Items

00:13:07 Was Ben gelernt hat

00:17:16 Was treibt Alex an? Coden mit den Kids

00:19:18 Test & Learn: Von Python zur HTML-Seite in Fabric

00:20:42 Der Knackpunkt: Wie viel Kontrolle gibst Du der KI ab?

00:22:45 Was ist Microsoft Fabric eigentlich?

00:25:06 Vibe Coding mit GitHub Copilot & Claude

00:26:40 MCP & Playwright: Die KI testet sich selbst

00:29:02 Mama als Endgegner? Wenn die Ideen explodieren

00:30:22 Lob vom Fabric-Team: Microsofts erstes Game in Fabric

00:31:49 Kinder & Technik: Wo ziehst Du die Grenze?

00:33:35 Tims Eieruhr: Warum Erziehung mit starren Regeln versagt

00:36:08 Sind Games die Kunstwerke unserer Zeit?

00:37:43 Grenzen selbst erkennen, Gaming als Skill

00:40:01 Gamification im Reporting: Die Gemba-Idee

00:41:01 Vom Pie-Chart-Hüpfen zur IBCS-Lernplattform

00:42:54 Welche Genres gehen noch? Retro-Games als Vorbild

00:44:16 Text-Adventures fürs Reporting-Storytelling

00:46:19 Wie Du ohne Programmierkenntnisse startest

00:48:41 Wo Du Alex findest

00:49:35 Outro und Verabschiedung

Blogartikel von Alex: https://actionablereporting.com/2026/03/16/jump-and-run-fabric-for-kids/

LinkedIn Post von Alex: https://www.linkedin.com/posts/alexanderkorn_microsoftfabric-vibecoding-powerbi-activity-7439336292943011840-fUMI

Visual Studio Code: https://code.visualstudio.com/download

Tutorial für GitHub Copilot in VS Code: https://code.visualstudio.com/docs/setup/copilot

Github Repo für Beispiele: https://github.com/microsoft/awesome-rayfin

Community templates für Rayfin: https://github.com/microsoft/awesome-rayfin

Test Automation mit Playwright: https://playwright.dev/

Dig Dogs: https://www.playdosgames.com/online/dig-dogs-streetbusters/

Bei der Haufe Akademie gibt es eine zertifizierte Weiterbildung zum KI Manager. Dort lernst Du, welche Potenziale und Anwendungsfälle Künstliche Intelligenz im Business bietet, wie Du wirtschaftlich erfolgreiche KI-Projekte identifizierst und welche Konzepte hinter Machine Learning und Data Mining stehen.

Weitere Informationen findest Du unter:

https://haufe-akademie.de/ki

Tim und Oliver Ulbrich teilen ihre Erfahrungen mit Dashboards, Anforderungsanalyse und Kommunikation in Projekten. Sie diskutieren, wie Missverständnisse vermieden werden können und wie eine enge Abstimmung mit Stakeholdern gelingen kann. Die Beiden tauchen tief in die Welt der Dashboard-Entwicklung und des Data-Projektmanagements ein. Oliver teilt seine wertvollen Erfahrungen und bewährte Methoden, um erfolgreiche Dashboards zu erstellen, die tatsächlich genutzt werden. Kleiner Spoiler: Wenn Du Anforderungen richtig erfasst und das Prototyping effizient hältst geht die Übergabe an die Nutzer ganz leicht von der Hand!

• Mach Dir Gedanken um Deinen Dashboard Requirement Prozess
• Führe Prototyping in kurzen Iterationen durch
• Beziehen die Nutzer frühzeitig in die Entwicklung ein
• Plane eine strukturierte Übergabe zum Ende des Projekts

https://www.tdwi.eu/wissen/studien-buecher/e-books/self-service-analytics

https://www.oliverulbrich.de/

00:00:00 Intro und Vorstellung von Oliver Ulbrich

00:00:58 Tim, der Mietvertrag-MONK

00:06:31 Diese Folgen mit Oliver sind auch interessant

00:07:48 Worum es heute geht

00:08:13 [Anzeige] Haufe Akademie: Masterclass

00:09:06 Gescheitert: Dashboard beim Energieversorger

00:10:52 Zweiter Anlauf: 80% Energie in Anforderungen gesteckt

00:13:31 Warum Multi-Stakeholder Dashboards oft floppen

00:18:41 Kann KI Dein Dashboard allein bauen?

00:21:13 KI ersetzt das Stakeholder-Gespräch nicht!

00:23:24 Weg vom Lastenheft: Lieber gemeinsam entwickeln.

00:24:19 Anforderungsanalyse machst Du entweder vorne oder hinten

00:26:22 Wir merken erst im Gespräch was wir wollen

00:29:10 Mehr Blickwinkel bereichern das Ergebnis

00:30:38 Olivers Idee: Der Analytics Enablement Partner

00:32:02 Fail-Beispiel: Architekt, ein Haus mit fünf Zimmern bitte!

00:33:22 Vasa-Projekte: Wenn die Anforderungsanalyse baden geht

00:35:28 Kluge Lösung: Der TDWI-Dashboard-Requirement-Prozess

00:42:45 Anforderungen vom Fachbereich ins Datenmodell übersetzen

00:44:21 Oliver rastet aus: Warum Echtzeit?!

00:47:25 Achtung: Der psychologische Effekt von Warum-Fragen

00:49:31 Gedankenblitz: KI als Sparringspartner für Requirements

00:53:01 Gute Prozesse klingen aufwendig, gehen aber schnell

00:54:49 Die Dashboard-Übergabe richtig nutzen

01:00:00 Rolle umkehren: Vom Bittsteller zum Entwicklungspartner

01:01:37 Outro und Verabschiedung

Bei der Haufe Akademie gibt es eine Weiterbildung, die sehr gut zu unserem Thema der Podcastfolge passt: Die Masterclass zum Marketing & Sales Analyst!

In mehreren Kursen (plus Abschlussprüfung):

• bekommst Du einen Einstieg in Strategien und Werkzeuge, Tracking-Strategien, Analysen, Visualisierung und KI
• machst Du erste Schritte und setzt zum Beispiel Dein erstes Marketing & Sales Dashboard um
• erfährst Du, wie du KI Use Cases & Tools auswählst und danach in die Umsetzung gehst

Zur Masterclass: https://www.haufe-akademie.de/analyst

Weitere Angebote: https://www.haufe-akademie.de/future

In diesem Podcast-Interview diskutieren Thomas Fontaine von Mazda und Tim, wie Unternehmen KI sinnvoll und effizient einführen können. Thomas von Mazda teilt Einblicke in die Make-or-Buy-Entscheidungen bei KI, kluge organisatorische Rahmenbedingungen, die Nutzung von Databricks und die Bedeutung von Governance und Qualität bei KI-Projekten.

• Hektisch und schnell einzuführen, ist nicht verlässlich.
• Qualität und Governance sind entscheidend.
• Databricks ist wie Google Cloud Platform on steroids.

00:00:00 Intro und Vorstellung von Thomas Fontaine

00:04:24 [Anzeige] Haufe Akademie: Weiterbildung zum KI-Manager

00:05:38 Die rhetorische Frage: Kann man KI schnell und hektisch einführen?

00:06:36 Gen AI vs. Machine Learning: Was bringt Unternehmen wirklich voran?

00:07:32 Warum ChatGPT bei Podcast-Kapiteln halluziniert

00:09:59 Schatten-IT: Wenn die private Kreditkarte zum KI-Tool führt

00:11:14 Governance-Grundlagen: Qualität, Datenschutz und EU AI Act

00:13:41 Wie Mazda seinen mehrstufigen KI-Governance-Prozess aufgesetzt hat

00:16:04 Synergien erkennen: Wenn ein Agent-Wunsch zur Databricks-Lösung wird

00:17:16 Cross-funktionale Teams: Freiwillige Arbeit mit echtem Impact

00:20:03 AI ist eine Make-or-Buy-Entscheidung

00:21:22 Embedded AI: Wenn Qualtrics plötzlich OpenAI nutzt

00:23:50 Kundenfeedback in 15 Sprachen: übersetzt und klassifiziert mit Databricks

00:28:30 Die AI-Matrix: Schritte zur richtigen Make-or-Buy-Entscheidung

00:32:08 Prozesse vor Technologie: Warum Lift-and-Shift scheitert

00:33:41 Mehrwert messen und dokumentieren für mehr Budget

00:36:51 Was Databricks in Sachen KI alles kann

00:40:19 Geil: Das Dashboard, mit dem man chatten kann

00:46:57 Outro und Verabschiedung

Bei der Haufe Akademie gibt es eine zertifizierte Weiterbildung zum KI Manager. Dort lernst Du, welche Potenziale und Anwendungsfälle Künstliche Intelligenz im Business bietet, wie Du wirtschaftlich erfolgreiche KI-Projekte identifizierst und welche Konzepte hinter Machine Learning und Data Mining stehen.

Weitere Informationen findest Du unter:

https://haufe-akademie.de/ki

In zwei Wochen sprechen Oliver Ulbrich und Tim darüber, warum Dashboard-Projekte so häufig scheitern. Anhand eigener Erfahrungen zeigen die beiden, welche Fehler sie selbst gemacht haben, was sie daraus gelernt haben und warum die Anforderungsanalyse heute einen zentralen Bestandteil ihrer Projekte ausmacht. Außerdem verraten sie, welche Vorgehensweisen ihre Dashboards heute erfolgreicher machen und für deutlich bessere Ergebnisse bei Umsetzung, Review und Übergabe sorgen.

Tim spricht mit Marco Geuer darüber, wie wir Datensilos in Unternehmen aufbrechen können. Silos und Abteilungsgrenzen verlaufen in der Praxis ja oft identisch. Daher hilft oft eine verbesserte Zusammenarbeit, wenn wir sie aufbrechen wollen. Marco erklärt, wie Führungsmodelle, Incentives und organisatorische Veränderungen dabei helfen, und wie Co-Creation den Erfolg von Unternehmen beeinflussen kann. Kleiner Spoiler: "Viel hilft viel" ist auch in diesem Kontext ein Trugschluss. Marco unterscheidet daher zwischen komplizierten, komplexen und systemischen Problemen. Je nachdem, was genau vorliegt, kann Co-Creation auch zu viel des Guten sein. Führungskräfte müssen in unterschiedlichen Situationen die richtigen Methoden anwenden, um Innovation und Effizienz zu fördern.

• Ohne organisatorische Veränderungen geht's nicht.
• Co-Creation ist kein Allheilmittel.
• Micromanagement kann in unkomplexen Umfeldern sogar sinnvoll sein
• Vertrauen und offene Kultur sind Grundpfeiler für erfolgreiche Co-Creation.
• Führungskräfte müssen die richtigen Fragen stellen.
• Das Organisationssystem muss sich nach dem Kunden richten.

00:00:00 Intro und Ausblick auf die nächste Folge

00:02:31 [Anzeige] Haufe Akademie: Weiterbildung zu Digital Transformation und Innovation

00:03:48 Wer ist eigentlich Marc Geuer? Argh!

00:04:06 Historische Entstehung von Silos in Unternehmen

00:07:25 Was sind Silos und woher kommen sie?

00:10:02 Wie man Datensilos zwischen Marketing und Sales aufbricht

00:14:54 Wie man Datensilos einfach aufbrechen kann

00:21:02 Ursachen von Silobildung und Widerständen

00:23:14 Motivation und Incentives für bessere Zusammenarbeit

00:26:37 Rolle der Führungskräfte bei Co-Creation

00:33:57 Notwendigkeit organisatorischer Veränderungen

00:35:09 Wann ist Micromanagement sinnvoll?

00:36:39 Wasserfall- vs. agile Methoden: Wann macht was Sinn?

00:43:22 Führungskräfte befähigen

00:45:27 Das sagen die Daten: Macht Co-Creation erfolgreicher?

00:47:12 Wie schlechte Planungsprozesse Datensilos begünstigen

00:51:27 Führen Teamziele zur Trägheit der Einzelnen?

00:57:05 Co-Creation ist nicht immer sinnvoll

00:58:54 Skalierung von Co-Creation im Unternehmen

01:03:59 Co-Creation braucht kluge Ressourcenplanung!

01:07:56 Outro

Negative Effekte von Silos

• Produktivität –20 % in Silo-Unternehmen vs. kollaborative Organisationen https://www.corcentric.com/blog/company-silos-create-a-shortfall-for-cfos/
• 40–65 % der Führungskapazität gebunden in wertlosen cross-funktionalen Prozessen https://www.mckinsey.com/capabilities/people-and-organizational-performance/our-insights/want-to-break-the-productivity-ceiling-rethink-the-way-work-gets-done
• Siloisierte Budgetentscheidung: Marketing ohne cross-funktionale Abstimmung führte zu 30 % Marktanteilsverlust https://www.mckinsey.com/industries/retail/our-insights/deconstructing-silos-to-discover-savings-the-end-to-end-excellence-playbook-for-retailers
• Silos sind der meistgenannte Bremsfaktor für Profitabilität, Wachstum und Resilienz https://www.mckinsey.com/capabilities/people-and-organizational-performance/our-insights/the-need-for-speed-in-the-post-covid-19-era-and-how-to-achieve-it

Positive Effekte von Co-Creation

• +21 % häufiger überdurchschnittlich profitabel bei starker cross-funktionaler Kollaboration https://www.insightful.io/blog/cross-departmental-collaboration-multiplies-results
• Kollaborative Innovation korreliert signifikant positiv mit finanzieller Performance https://pmc.ncbi.nlm.nih.gov/articles/PMC10157133/
• Co-Creation verbessert sowohl finanzielle als auch operative Kennzahlen https://www.sciencedirect.com/science/article/abs/pii/S0148296319302383
• Unternehmen, die Silos abgebaut haben, verbessern Innovation, Geschwindigkeit und Kundenzufriedenheit gleichzeitig https://www.mckinsey.com/capabilities/people-and-organizational-performance/our-insights/how-to-capture-the-elusive-performance-edge-in-true-transformations

Bei der Haufe Akademie gibt es eine Weiterbildung, die sehr gut zu Co-Creation passt: Die Masterclass zum Digital Transformation und Innovation Manager. In mehreren Kursen geht es um

• die Grundlagen digitaler Transformation
• die Entfaltung von Kreativität und
• die psychologischen Aspekte der Bedeutung im digitalen Wandel
• Plattformökonomie in Unternehmen

Zur Masterclass: https://haufe-akademie.de/transformation-innovation

Weitere Angebote: https://www.haufe-akademie.de/future

In zwei Wochen sprechen Thomas Fontaine von Mazda und Tim nun endlich über Beschaffungsstrategien für KI-Lösungen. Grundsätzlich gibt’s da ja zwei Alternativen “Make or buy” wie bei so vielen unternehmerischen Entscheidungen. Thomas erzählt, wie Mazda Deutschland an diese Frage herangeht und verrät ganz nebenbei dabei, mit welchem Tool er Dashboards baut, denen man im Chat Fragen stellen kann.

Moritz Küffner und Tim erkunden die Kraft der kooperativen Kommunikation (KoKomm). KoKomm ist ein "Wirkzeug", das Konflikte löst, Selbstvertrauen stärkt und die Zusammenarbeit in Unternehmen spürbar verbessert. Moritz teilt seine persönliche Reise, wissenschaftliche Hintergründe und praktische Tipps für eine bessere Kommunikation im Alltag und Beruf. Freut Euch auf kluge Gedanken, z.B. über schnelle und reife Lösungen im Vergleich oder das Konzept der Tanzbereiche. Moritz teilt wertvolle Einsichten, wie man Konflikte besser versteht, Lösungen nachhaltiger gestaltet und die Zusammenarbeit in Teams verbessert.

• Schnelle Lösungen sind keine reifen Lösungen.
• Wenn das Kopfkino angeht, frag Dich: Könnte es auch anders sein?
• Wer den Verteidigungsblick hat, ist auch immer im Angriffsmodus.
• Selbstvertrauen ist kein Fremdvertrauen.
• Viele Blickwinkel auf das gleiche Thema erlauben bessere Ergebnisse.

00:00:00 Intro und persönliche Einordnung der Folge

00:02:36 Kennt Ihr das, wenn Euch die Politik im Weg steht?

00:03:28 Tim: Meine eigenen Kommunikationsprobleme und was sich verändert hat

00:04:55 Moritz: KoKomm ist lediglich neu kombiniertes Wissen

00:06:00 Was Ihr von dieser Folge erwarten könnt

00:06:20 [Anzeige] Haufe Akademie: Marketing- und Sales Analyst Masterclass

00:07:39 Tiankai klingeln jetzt bestimmt die Ohren

00:08:11 Persönliche Geschichte: Wie Moritz zu KoKomm gekommen ist

00:09:15 Gute Kommunikation hilft, Probleme gar nicht erst entstehen zu lassen

00:11:00 Hauen und Stechen bei der Lotto-Show mit Ulla Kock am Brink

00:12:45 Persönliche Geschichte: Tims Erfahrungen mit Marketing, Vertriebs- und Data-Abteilungen

00:14:29 Selbstvertrauen als Schlüssel für Kommunikationskompetenz

00:16:47 Persönliche Geschichte: Wie Tim zu KoKomm gekommen ist

00:18:07 Der "Mauerfall" a.k.a. firmenweites Kommunikationstraining

00:19:11 Viele Perspektiven führen zu besseren Lösungen

00:21:14 Wie innere Haltung Potenziale erreichbar macht

00:24:30 Die unfassbar guten Wortspiele von Moritz

00:25:29 Wie wir uns auf Kosten Anderer stabilisieren

00:30:48 Achtung: Perfektionismus produziert Verlierer!

00:33:38 Moritz dreht frei: Das ist KoKomm!

00:37:38 Selbstvertrauen schafft Fremdvertrauen!

00:40:28 Wie wir zum Trump und Hitler werden

00:43:14 ProSoNös oder: Konflikte entstehen durch Schmerzen

00:44:56 Selbstsicher sein erfordert eigene Trigger zu kennen

00:47:46 Moritz hat Pipi in den Augen

00:50:06 Das Leben ist kein Nullsummenspiel

00:54:42 Der Unterschied zwischen schnellen und reifen Lösungen

00:58:59 Die „Zauberfrage“: Könnte es auch anders sein?

01:04:22 Wenn sich Tanzbereiche überschneiden: Marketing, Sales und Analysten

01:07:49 Herr Ebner, Sie sind diplomatisch wie ein Panzer!

01:08:53 Es gibt keine Musterlösung, aber Muster für jede Lösung!

01:13:01 Tipps um schon morgen besser kommunizieren zu können

01:18:29 Der Dreiklang des Kommunikationserfolgs

01:19:17 Buchempfehlungen von Moritz

01:21:17 Die Erweiterung der horizonterweiternden Zauberfrage

01:26:47 Wie KI im Kommunikationsalltag helfen kann

01:28:14 Outro

Bei der Haufe Akademie gibt es eine Weiterbildung, die sehr gut zu unserem Thema der Podcastfolge passt: Die Masterclass zum Marketing & Sales Analyst!

In mehreren Kursen (plus Abschlussprüfung):

• bekommst Du einen Einstieg in Strategien und Werkzeuge, Tracking-Strategien, Analysen, Visualisierung und KI
• machst Du erste Schritte und setzt zum Beispiel Dein erstes Marketing & Sales Dashboard um
• erfährst Du, wie du KI Use Cases & Tools auswählst und danach in die Umsetzung gehst

Zur Masterclass: https://www.haufe-akademie.de/analyst

Weitere Angebote: https://www.haufe-akademie.de/future

In zwei Wochen sprechen Marco Geuer von Blueforte und Tim darüber, wie wir Datensilos entgegenwirken können. Wenig überraschend spielt Zusammenarbeit eine Rolle. Warum sie aber oft schwierig ist und wo da der Teufel im Detail liegt, das decken Marco und Tim dann in zwei Wochen auf.

00:00 Intro und Vorschau

01:36 [Anzeige] Haufe Akademie: Marketing- und Sales Analyst Masterclass

02:52 Vorstellung von Meike Wizani und voestalpine

05:00 Das Grundproblem: Wir haben Daten, aber keinen Prozess!

06:17 Das veraltete Rollenbild zwischen Marekting & Sales

08:30 Digitales Marketing für 70jährige Kundenbeziehungen

09:22 Warum Lead Management in guten Zeiten wichtig ist

11:06 Wir haben Daten, aber was bringt das wirklich?

13:18 Zwei große Daten-Herausforderungen im Lead Management

14:51 Kontext macht kalte Leads erst konvertierbar

17:10 Lead Management ist wie Dating

18:32 KI im Lead Management: Hilft das wirklich?

20:20 Wenn Erwartungen zwischen Marketing & Sales kollidieren

22:11 Wer ist eigentlich verantwortlich für Leads?

23:34 Wann ist ein Lead wirklich „Sales Ready“?

24:50 Datenqualität zwischen Marketing und Sales als Lösung

26:28 PoCs als Hack für mehr Datenqualität

28:37 Warum zu viele Leads Sales und Kunden schaden

32:19 E-Commerce: Die Sales-Kollegen im Marketing-Gewand

34:50 Ideal Customer Profiles: Welche Kunden braucht Sales denn?

37:30 Datenqualität schlägt Datenmenge

38:37 Welche Daten bringen wirklich Entscheidungen?

39:27 Komplexe Zielgruppenstrukturen erfordern differenzierte Datenqualität

43:25 Das Problem der Datenpflege im Vertrieb

45:30 Ideal Customer Profile regelmäßig aktualisieren

46:52 Wie man Datenchaos CRM und ERP-System verhindert

49:17 Lead Management ist nicht nur Toolfrage

50:50 Fazit: Es gibt nicht die "eine" Lösung für Lead Management

Meike Wizani und Tim tauchen tief in die Zusammenarbeit zwischen Marketing und Sales ein. Meike teilt ihre Erfahrungen, Mythen und Best Practices, um datenbasiert Prozesse zu optimieren und die Brücke zwischen beiden Abteilungen zu stärken. Es geht um Datenqualität, Systemintegration und strategische Zusammenarbeit, um den Lead-Management-Prozess zu optimieren.

• Daten sind die Basis für effektives Lead-Management.
• Die Datenqualität von Leads ist entscheidend dafür, dass die Zusammenarbeit zwischen Marketing und Sales gut klappt.
• Systeme wie CRM und ERP müssen auf die individuellen Bedürfnisse der Abteilungen angepasst werden.
• Power BI ist super, um Daten aus verschiedenen Marketing- und Sales-Systemen gemeinsam zu visualisieren und zu analysieren.
• Datenpflege ist eine kontinuierliche Aufgabe, die klare Verantwortlichkeiten im Unternehmen erfordert.

Bei der Haufe Akademie gibt es eine Weiterbildung, die sehr gut zu unserem Thema der Podcastfolge passt: Die Masterclass zum Marketing & Sales Analyst!

In mehreren Kursen (plus Abschlussprüfung):

• bekommst Du einen Einstieg in Strategien und Werkzeuge, Tracking-Strategien, Analysen, Visualisierung und KI
• machst Du erste Schritte und setzt zum Beispiel Dein erstes Marketing & Sales Dashboard um
• erfährst Du, wie du KI Use Cases & Tools auswählst und danach in die Umsetzung gehst

Zur Masterclass: https://www.haufe-akademie.de/analyst

Weitere Angebote: https://www.haufe-akademie.de/future

In zwei Wochen spricht Tim bei Datendurst mit Moritz Küffner zum Thema kooperative Kommunikation. Die Fähigkeit empathisch kommunizieren zu können ist die Grundlage jeder guten Zusammenarbeit. Oft haben wir die richtigen Tools, genug Geld und genug Leute mit dem richtigen Fachwissen, aber trotzdem fluppt es nicht. Deswegen ist Kommunikation heutzutage neben Technologie und Daten ein weiterer wichtiger Grundpfeiler für jeden Organisations- und Strategieansatz für Data & Analytics. Moritz Küffner ist absoluter Experte in diesem Feld. Freut Euch also auf eine Superfolge Datendurst!

00:00 Intro und Ankündigung der nächsten Folge zu Silos zwischen Marketing & Sales

02:07 [Anzeige] Haufe Akademie: Marketing- und Sales Analyst Masterclass

03:27 Warum Daten im Healthcare Marketing oft zur Nebensache werden

04:49 Welche Vorteile Daten für Kampagnen und Management bringen

07:28 Manpower und Datenkompetenz: Warum Analysen oft liegen bleiben

08:05 Das skurrile Beispiel mit der Twitter-Follower-Analyse

10:00 Warum Entscheidungen oft nicht datenbasiert getroffen werden

10:47 Was hilft: Handlungsempfehlungen als To Do in Jira & Trello anlegen

11:52 Was noch hilft: Dashboards gemeinsam entwickeln

13:17 Was noch hilft: Klare Verantwortung für Umsetzung von Handlungsempfehlungen

15:00 Kurze Kampagnenlaufzeiten und verlorene Learnings

15:45 Wie Algorithmen unter kurzen Kampagnen leiden

17:31 Warum es im Healthcare Marketing besonders schwierig mit Daten ist

19:00 Tim steht auf dem Schlauch: HWG-Elefant oder Katze?

20:01 Regulierung als Leitplanke: Was mit Daten trotzdem möglich ist

21:18 Warum strenge Regeln im Healthcare Marketing wichtig sind

23:26 Warum die Angst vor dem Datenschutz oft unbegründet ist

27:42 Wie Healthcare Marketing den besseren Umgang mit Daten schaffen kann

29:48 Warum anfangs kleine Workshops sinnvoll sind

30:30 Konkrete Anwendungsfälle für datenbasiertes Healthcare Marketing

32:10 Technologie, Prozesse, Kultur, Skills und Wissensmanagement als Schlüssel

32:59 Was man heute schon tun kann, um besser mit Daten zu arbeiten

34:08 Outro: Feedback, Bewertungen und Kommentare

Tim Ebner und Nicole Freude diskutieren die Herausforderungen und Chancen von Data & Analytics im Healthcare Marketing. Sie beleuchten regulatorische Hürden, organisatorische Barrieren und praktische Lösungsansätze, um datenbasierte Strategien effektiv umzusetzen.

• Macht anfangs kleine Workshops: Welche Möglichkeiten der Datennutzung gibt es?
• Geht einen Schritt auf den Datenschutz zu: Welche Verarbeitungen sind unkritisch?
• Verzahnt Erkenntnisse mit Kampagnenprozessen, am Besten direkt als To Do in Jira oder Trello
• Plant Zeit für Analysen und Umsetzung von Empfehlungen ein
• Entwickelt Dashboards gemeinsam mit Analysten und Marketing Team
• Leitet Handlungsempfehlungen gemeinsam ab

Bei der Haufe Akademie gibt es eine Weiterbildung, die sehr gut zu unserem Thema der Podcastfolge passt: Die Masterclass zum Marketing & Sales Analyst!

In mehreren Kursen (plus Abschlussprüfung):

• bekommst Du einen Einstieg in Strategien und Werkzeuge, Tracking-Strategien, Analysen, Visualisierung und KI
• machst Du erste Schritte und setzt zum Beispiel Dein erstes Marketing & Sales Dashboard um
• erfährst Du, wie du KI Use Cases & Tools auswählst und danach in die Umsetzung gehst

Zur Masterclass: https://www.haufe-akademie.de/analyst

Weitere Angebote: https://www.haufe-akademie.de/future

In zwei Wochen spricht Tim mit Meike Wizani von Voestalpine darüber, wie wir Datensilos zwischen Marketing und Vertrieb abbauen können. Meike hat Ihre Karriere im Vertrieb gestartet und ist inzwischen ins Marketing gewechselt. Dort hat sie die Rolle des Übersetzers zwischen den beiden Abteilungen übernommen, und dabei sehr spannende Erfahrungen im Lead Management gesammelt. Ihr könnt Euch also auf eine spannende Folge freuen!

Datendurst bei LinkedIn: https://www.linkedin.com/company/datendurst/

00:00 Intro und Ankündigung der nächsten Folge zu Healthcare Marketing

01:13 Was Dich in dieser Folge erwartet

01:46 Anzeige: Marketing & Sales Analyst Masterclass

02:46 Hamburger Goldkehlchen: Warum Tim im Männerchor singt

07:26 Brace for Impact: Unsere ersten Data Engineering Bruchlandungen

09:42 Datensilos: Die Krankheit in unseren Marketing-Abteilungen

11:18 Tim Wiegels Data Engineering Erfahrungen bei Goodgame Studios

12:51 Nicht nur Technik: Warum Teams und Prozesse mitziehen müssen

13:29 Tim Ebners Data Engineering Erfahrungen bei innogy.C3

13:59 UTM-Standards und IDs: So wird Tracking anschlussfähig

15:10 Lust auf ein Marketing-DWH mit Supermetrics, Google Sheets und SQL?

18:11 UTM-Pain, Attribution und Blackbox-Logiken von Google und Meta

21:01 Warum Google Sheets trotzdem ein sinnvoller Start ist

22:24 Der Wendepunkt: Ab wann ein Data Warehouse nötig wird

23:48 Raw, Refined, Gold: Die Layer-Logik einfach erklärt

26:38 Business-Logiken im Refined Layer: Kosten, Währungen und Regeln

28:40 Gold Layer und Data Marts: ROI, ROAS und die Single Source of Truth

29:34 Ab welchem Data Layer MMM und CLV Berechnungen Sinn machen

30:10 Welche Datenmodellierung in Power BI & Co nicht empfehlenswert ist

31:05 Views oder Tabellen? Warum View auf View schnell weh tut

34:10 Wie roh sollten Rohdaten sein? Und was sind "heiße" Daten?

36:34 Lieber zu viel Rohdaten als zu wenig

38:11 Wie Star Layer dein DWH schlanker und schneller machen

41:52 Warum saubere Layer Analytics und AI-Projekte einfacher machen

42:40 Echtzeit-Modelle vs. GenAI: Welche Datenqualität gebraucht werden

45:12 AI skaliert Chaos: Was ohne gute Daten schiefläuft

49:10 Womit anfangen? Tools, Datenbank und erste Schritte

52:16 Outro: Feedback, Bewertungen und Haufe-Hinweis

Tim Ebner und Tim Wiegels teilen ihre Erfahrungen und Herausforderungen beim Aufbau eines Marketing Data Warehouses. Sie diskutieren die typischen Anfangsprobleme, wie wichtig eine gute Datenstruktur ist und wie man Silos in Marketing und anderen Unternehmensbereichen überwindet. Als Ergebnis winken bessere Analysen und Entscheidungen. Tim und Tim tauchen tief in die Architektur eines effizienten Marketing Data Warehouse ein. Tim Wiegels erklärt dabei die vier wichtigsten Layer, die wichtig sind um die Datenverarbeitung vereinfachen, die Performance steigern und Kosten senken. Streamt rein und erfahrt praktische Tipps für den Aufbau und die Nutzung dieser Layer, um Data Engineering im Marketing smarter zu gestalten.

Der Instagrammer, der regelmäßig versucht ChatGPT, Claude und Gemini ins Boxhorn zu jagen, ist übrigens father_phi, erreichbar unter: https://www.instagram.com/father_phi

1. Alle Daten sollten in ihrer höchsten Granularität in einem Raw Layer gespeichert werden.
2. Vermeide Views auf Views, um Performancekosten zu minimieren.
3. Nutze Pipeline-Tools wie Airflow oder dbt für automatisierte Datenprozesse.
4. Der Gold Layer liefert die wichtigsten KPIs wie ROI und ROAS in sauberster Datenqualität.
5. AI-Projekte sollten auf dem Gold Layer oder höher aufbauen, um angemessene Ergebnisse zu sichern.

Bei der Haufe Akademie gibt es eine Weiterbildung, die sehr gut zu unserem Thema der Podcastfolge passt: Die Masterclass zum Marketing & Sales Analyst!

In mehreren Kursen (plus Abschlussprüfung):

1. bekommst Du einen Einstieg in Strategien und Werkzeuge, Tracking-Strategien, Analysen, Visualisierung und KI
2. machst Du erste Schritte und setzt zum Beispiel Dein erstes Marketing & Sales Dashboard um
3. erfährst Du, wie du KI Use Cases & Tools auswählst und danach in die Umsetzung gehst

Zur Masterclass: https://www.haufe-akademie.de/analyst

Weitere Angebote: https://www.haufe-akademie.de/future

In zwei Wochen spricht Tim bei Datendurst mit Nicole Freude über Datennutzung im Healthcare Marketing. Nicole ist schon seit 14 Jahren Beraterin in diesem Bereich und hat dementsprechend schon viel gesehen. Ihr könnt Euch also auf eine spannende Folge freuen!

Datendurst bei LinkedIn: https://www.linkedin.com/company/datendurst/

00:00 Intro und Vorschau

02:07 Vorstellung von Diana Ackermann

02:51 [Anzeige] Haufe Akademie: Data Expert Masterclass

03:55 Moment mal: Was ist eigentlich KNIME? (kurzer Exkurs)

04:49 Wie Diana und Tim sich kennen gelernt haben

07:07 Shoutout: Bewerbt Euch auf eine Podcastaufnahme!

07:37 Einstieg in Power BI: Leicht oder schwierig?

08:28 Warum Power BI am Anfang trügerisch einfach wirkt

09:15 Wann Power BI plötzlich komplex wird

09:56 Datenmodellierung, Power Query und DAX erklärt

11:07 Was Power BI über Visualisierung hinaus Alles kann

14:00 Power BI im Vergleich zu anderen BI-Tools

15:03 Schnelle MVP-Dashboards vs. professionelle Datenarchitektur

16:01 Warum Datenmodellierung entscheidend ist

16:42 Fazit: Einstieg leicht, Experte werden schwierig

18:10 Warum Templates beim Einstieg helfen können

18:39 Warum viele Power BI unterschätzen

19:20 Workspaces, Zugriffsrechte und Chaos in BI-Systemen

20:05 Chaos vermeiden: Strategie & Dokumentation

22:15 Wann ein Pro Account Sinn macht

24:35 Jeden Monat gibt's neue Features

25:25 Der Moment, in dem Power BI kompliziert wird

26:18 Grundfragen einer Power BI Strategie (Bonus: Dianas Checkliste)

27:50 Wie man Berechtigungskonzepte richtig umsetzt

29:00 Praxisbeispiel aus der Beratung

34:31 Analytics für Dein Dashboard: Nutzungsberichte

37:35 Dashboard-Nutzungsberichte richtig interpretieren

38:40 Wie man UX von Dashboards verbessert

44:26 Automatisierungs-Hack: Dynamische Texte und Anmerkungen

45:40 Wie Diana Power BI gelernt hat

49:53 Guter Mix: Learning by Doing und Zertifizierung

51:06 Geheimtipp: Ohne Job Praxiserfahrung sammeln

53:41 Workout Wednesdays: Tableau & Power BI Challenges

54:17 Kleiner Hack: Dokumentation in ChatGPT hauen!

In dieser Episode von Datendurst spricht Tim Ebner mit Diana Ackermann über Power BI, ein weit verbreitetes Microsoft-Tool zur Datenvisualisierung und -analyse. Diana teilt ihre Erfahrungen und gibt Einblicke, wie man Power BI effektiv lernen kann. Sie erklärt, dass der Einstieg zwar leicht ist, aber die Komplexität schnell zunimmt, wenn man tiefer in die Materie eintaucht. Themen wie Datenmodellierung, Berechtigungskonzepte und Strategien für die Nutzung von Power BI werden behandelt. Zudem gibt Diana Tipps, wie man Praxiserfahrungen sammeln kann, auch wenn man noch keinen Job hat.

Und Diana schenkt Euch auch etwas: Ihre Checkliste für einen guten Start in Power BI:

https://datavizdiana.com/checkliste-power-bi-start/#download

1. Der Einstieg in Power BI ist recht leicht, aber es wird schnell komplex.
2. Datenmodellierung ist entscheidend für den Erfolg in Power BI.
3. Dynamische Titel und Annotations verbessern die Nutzererfahrung.
4. Challenges sind eine gute Möglichkeit, um praktische Erfahrungen zu sammeln.
5. Man sollte die Zahlen im Dashboard nicht nur zeigen, sondern auch interpretieren.
6. Ein Basic Account ermöglicht den schnellen Einstieg in Power BI.
7. Die richtige Strategie ist entscheidend für die Nutzung von Power BI.

Bei der Haufe Akademie gibt es eine Weiterbildung, die sehr gut zu unserem Thema der Podcastfolge passt: Die Data Expert Masterclass!

In mehreren Kursen (plus Abschlussprüfung):

1. bekommst Du einen Einstieg in Big Data, Machine Learning und professionelle Datenanalyse
2. machst Du erste Schritte und setzt komplette Datenprozesse mit KNIME um
3. erfährst Du, wie du aus PoCs tragfähige Datenprodukte entwickelst
4. lernst Du, wie Du LLMs, RAGs und KI als Automatisierungsbaustein einsetzt

Zur Masterclass: https://www.haufe-akademie.de/data

Weitere Angebote: https://www.haufe-akademie.de/future

In zwei Wochen spricht Tim bei Datendurst mit Tim Wiegels über Data Engineering für Marketing Analytics und AI. Tim war früher Vice President of Data bei FREE NOW, was die meisten von Euch noch als MyTaxi kennen dürften. Heute ist er Berater für alle Data Themen rund um Marketing Analytics und AI und Stammgast im Podcast von Jonas Rashedi. Ihr könnt Euch also auf eine spannende Folge freuen!

Datendurst bei LinkedIn: https://www.linkedin.com/company/datendurst/

00:00 Intro und Vorschau

00:45 Community-News & Hörerfeedback

02:12 Vorstellung von Britta Behrens

03:11 [Anzeige] Masterclass Business Automation Manager

04:31 Automatisierung auf LinkedIn »und ich bin auf Bali«

07:12 Warum vollständige Automatisierung keine gute Idee ist

09:52 KI-Content auf LinkedIn: Zahlen & Realität

11:00 Seelenloser Content und fehlende Wertschätzung

13:37 Woran erkennt man KI-Posts?

16:06 Engagement Pods & Fake-Reichweite

18:18 Thumbstopper & Aufmerksamkeit im Feed

21:30 Automatisierte Kontaktanfragen

23:27 Strategisches Networking statt Massenansprache

24:24 Wie der LinkedIn-Algorithmus wirklich funktioniert

30:45 AI-Slop: Content-Müll im Feed

31:30 Warum schlechter Content trotzdem Reichweite bekommt

33:19 So trainierst du deinen LinkedIn-Feed

35:09 Warum auf LinkedIn automatisiert wird

36:00 Risiken und Regeln bei Automation

38:00 LinkedIn ist keine Sales-Automation Plattform

39:27 Auf LinkedIn basierte E-Mail-Generatoren

41:50 Alte Vertriebsmethoden in LinkedIn gepresst

45:22 Brittas Tipps für Dein LinkedIn

48:51 Impact statt Impressions

52:09 Tools für Social Selling mit LinkedIn

In unserer heutigen Episode diskutiert Tim Ebner mit Britta Behrens (Certified Marketing Expertin für LinkedIn Marketing, B2B-Marketing und Social Selling) über die Herausforderungen und Chancen von LinkedIn in Verbindung mit KI. Vorweg: Eine vollständige Automatisierung des LinkedIn-Accounts ist eine schlechte Idee. Wir klären die Risiken seelenlosen Contents und wie du ihn am besten erkennen kannst. Britta erklärt, wie der LinkedIn-Algorithmus den Newsfeed steuert und wie man seinen Newsfeed trainieren kann.

Business-Experten mit hoher fachlicher Expertise haben natürlich keine Zeit, auf KI-Tools zu verzichten. Vor allem nicht auf LinkedIn. Richtig, nur wie kann man auf LinkedIn organischen Content effektiv umsetzen? Britta und Tim sprechen über die Bedeutung von strategischem Networking sowie die Auswirkungen des LinkedIn-Algorithmus auf die Sichtbarkeit von Inhalten.

Auf euch warten wertvolle Tipps für eine erfolgreiche LinkedIn-Strategie, wie man Social Selling mit Tools effektiv und effizient betreibt, warum Impressions irrelevant sind und warum früher nicht alles besser war.

Bei der Haufe Akademie gibt es eine Weiterbildung, die sehr gut zu unserem Thema der Podcastfolge passt: Die Masterclass zum Business Automation Manager!

In mehreren Kursen (plus Abschlussprüfung) lernst du:

1. Automatisierungspotenziale in Geschäftsprozessen zu erkennen, zu bewerten und erfolgreich umzusetzen,
2. Geschäftsprozesse methodisch zu optimieren und gezielt mit KI-Technologien zu verknüpfen, um Automatisierungsprojekte effektiv umzusetzen,
3. moderne Automatisierungstechnologien wie KI, NoCode-/LowCode-Tools und Plattformen wie Zapier und die Microsoft Power Platform effektiv einzusetzen, um Effizienz und Produktivität in deinen Geschäftsprozessen zu steigern und
4. Automatisierungslösungen als strategisches Werkzeug einzusetzen und nachhaltig im Unternehmensalltag zu verankern.

Zur Masterclass: https://www.haufe-akademie.de/future-jobs-classes/business-automation-manager

Weitere Angebote: https://www.haufe-akademie.de/future

In zwei Wochen spricht Tim bei Datendurst mit Diana Ackermann von »Diana Ackermann Data Analytics & Consulting« über PowerBI: vom einfachen Einstieg bis zu maßgeschneiderten Analysen und Visualisierungen. Besonders klasse: Diana hat eine Checkliste für Dashboarding-Strategien mit PowerBI mitgebracht, die euch in den Shownotes zum Podcast mit ihr zum Download angeboten wird.

Datendurst bei LinkedIn: https://www.linkedin.com/company/datendurst/

01:28 Intro

02:37 [Anzeige] Haufe Akademie: KI-Weiterbildung

04:17 Customer Centricity bei Freenet

08:03 Transaktionale Befragungen

16:05 Kundenzufriedenheit braucht Pflege

23:01 Rollenbild: Advokat des Kunden

32:00 Loyale Kunden vs. Schnäppchenjäger

37:41 Strukturierte Feedback-Auswertung

41:59 Halt! Warum verlässt Du den Warenkorb?

42:48 Daten-Demokratisierung und Datenschutz

49:20 Interne Kommunikation als Erfolgsfaktor

54:16 Zukunftsthemen

Tim spricht heute mit Anke Schramm, Vice President Market Research and Customer Advocacy bei Freenet. Anke ist Expertin für Behavioral Economics. Thema heute: Was bedeutet Customer Centricity und wie kann das, speziell in der Telko-Branche, zielführend umgesetzt werden?

Bei der Haufe Akademie gibt es eine Weiterbildung, die sehr gut zu Customer Centricity passt: Die Masterclass zum Digital Transformation und Innovation Manager. In mehreren Kursen geht es um

1. die Grundlagen digitaler Transformation
2. die Entfaltung von Kreativität und
3. die psychologischen Aspekte der Bedeutung im digitalen Wandel
4. Plattformökonomie in Unternehmen

Zur Masterclass: https://haufe-akademie.de/transformation-innovation

Weitere Angebote: https://www.haufe-akademie.de/future

Bei Freenet bedeutet Customer Centricity Kunden-Input schon bei der ersten Produkt-Idee über die gesamte Wertschöpfungskette live einzubeziehen. Das führt weiter über die Konzeption und Produktion bis in den Markt, und von da ab permanent. Sodass alle Phasen ein agiles Vorgehen ermöglichen, um sofort reagieren zu können.

Transaktionale Befragung steht für permanentes Monitoren, Datensammeln, Auswerten und ggf. Reagieren. Vierteljährliche Umfragen reichen nicht. Jede Transaktion ist eine Möglichkeit um Feedback einzuholen. Das muss nicht in Hyperaktivität enden, sondern schärft vielmehr das Gefühl, wie Kundenfeedbacks zu bewerten sind. Ist z. B. etwas Common Sense oder lassen sich auch in einzelnen Stimmen neue Ideen und Perspektiven identifizieren? Wie lässt es sich in die Prozesse einarbeiten?

Kundenzufriedenheit ist zu Beginn einer Kundenbeziehung meist höher als im späteren Verlauf. Deshalb muss man Kundenbeziehungen pflegen wie eine gute Partnerschaft: hinhören, ernstnehmen, aber vielleicht auch mal überraschen, z. B. mit neuen Angeboten. Das fördert unter anderem Loyalität, aber auch Preisbereitschaft. Tim gibt an dieser Stelle kurz den Telekom-Influencer ;)

Wenn Du wissen willst, was ein Daten-Pömpel in der Kommunikation der Deutschen Telekom bewirkt hat, schau doch mal hier vorbei: https://youtu.be/MOwFmBB-m4w?si=14VfEOA1-zEoUSfG

Aus der Kombination von Expertisen in Datenanalyse und Verhaltensökonomie, lassen sich wertvolle Beiträge im Sinne der Kundenzufriedenheit für die Wertschöpfungskette des Unternehmens leisten. Im Rollenverständnis als Interessenvertreter des Kunden werden Briefings für die jeweils relevanten Abteilungen formuliert. Handlungsempfehlungen erfolgen stets aus Kundensicht.

Je genauer eine Kundenbeziehungsdauer planbar ist, desto »leichter« sind Produkte und Maßnahmen zu entwickeln. Der Trend in der Telko-Branche geht zum monatlich kündbaren Tarif. Hier wird es für Verhaltensökonomen spannend: Wie kriege ich Loyalität konsistent erhöht, obwohl jemand jederzeit kündigen kann? Auf jeden Fall ist Kundenzufriedenheit nicht der einzige entscheidende Faktor.

Die Themenclusterung und -auswertung mit Hilfe von KI ist bei 30.000 Feedbacks pro Monat essenziell. Das beinhaltet auch eine semantische Segmentierung, die Wortwahl und Emotionen verknüpfen kann. Anke Schramm beschreibt hier, wie sie und ihre Abteilung trotzdem zusätzlich noch ein persönliches Gefühl für einzelne Feedbacks entwickeln können.

CX Daten sind bei Freenet für alle Mitarbeiter komplett einsehbar. Das erfordert spezielle Datenschutz-Maßnahmen: Einerseits wird der persönlichen Bezug in den einsehbaren Daten entfernt. Andererseits stellen entsprechende Arbeitsverträge sicher, dass der Datenschutz eigehalten wird.

Zu den wichtigsten Maßnahmen zählen bei Freenet:

1. eine interne SharePoint-Seite
2. der digitale »Jammer-Kanal«, einmal pro Woche werden Insights etwas umgänglicher dargestellt, mit weiterführenden Links
3. automatisierte Frühwarn-Alerts
4. Quartals-Community-Insights-Newsletter
5. CX-Workshops

Anke Schramm spricht über eine kleine Befragung im Warenkorb, und wie ihre Ergebnisse mit den allgemeinen Verhaltensdaten (Clickpfade, Heatmaps etc.) kombiniert werden: Das Checkout-Abbrecher-Formular.

Neben alltäglichen Zukunftsthemen, wie technisch und in Bezug auf das Gefühl für die Kunden immer weiter zu entwickeln und zu testen, nennt Anke Schramm einige konkrete Punkte, die Ihr bei der Weiterentwicklung von datenbasierter Customer Centricity bei Freenet wichtig sind:

1. Datenfusionierungen, wie am Beispiel des Checkout-Abbrecher-Formulars
2. Transaktionale Behaviour-Daten, Feedbacks und operative Daten kommerziell noch stärker relevant machen
3. Entwicklung eigener KI-Agenten
4. Synthetische Daten dort, wo Feedback schwer zu erheben ist

In zwei Wochen spricht Tim bei Datendurst mit Britta Behrens, LinkedIn Top Voice zu B2B Marketing, darüber, wie Du Dein LinkedIn zu 100% mit KI automatisieren kannst

Datendurst bei LinkedIn:

https://www.linkedin.com/company/datendurst/

00:01 Anmoderation

00:44 Vorschau: Customer Centricity bei Freenet

01:15 Heute zu Gast: Christian Schröder von DSK 360

03:36 [Anzeige] Weiterbildung zum New Business and Risk Strategist

04:55 KI-Compliance: Bürokratie oder Denkwerkzeug?

06:56 EU-Digitalgesetze setzen auf Selbstverantwortung

12:05 AI-Compliance besteht aus mehreren Rechtsbereichen

13:01 NIS2: Informationssicherheit als Existenzsicherung

16:02 Social Engineering als unterschätzte Gefahr

18:29 Ziel und Logik des EU-AI-Act

19:49 Weißt Du, was die KI mit Deinen Daten macht?

23:10 Daten löschen funktioniert in KI-Systemen nicht

25:25 Ausstehende Änderungen an der KI-Verordnung der EU

34:02 Abwarten ist keine Strategie

34:51 Wie Du KI-Compliance strukturiert angehst

37:27 Standardisierte Dokumentation für alle Rechtsbereiche

41:00 Wie lassen sich KI-MVPs mit KI-Compliance verbinden?

48:48 Kann KI bei AI-Compliance helfen?

52:46 Dank an Christian Schröder und Abmoderation

Im Gespräch mit Christian Schröder, Berater bei DSK 360, widmet sich Tim dem Thema AI-Compliance. Wie geht man AI-Compliance richtig an? Warum sorgt sie in vielen Unternehmen für Chaos? Und wie lässt sich das Thema strukturiert und sinnvoll umsetzen, ohne Innovation auszubremsen?

Christian Schröder ist Berater für Datenschutz, Informationssicherheit und künstliche Intelligenz bei der DSK 360 GmbH. Sein Schwerpunkt liegt auf der praxisnahen Umsetzung von DSGVO, NIS2 und AI-Compliance.

Christian bei LinkedIn: https://www.linkedin.com/in/christian-schroeder-dsk360

DSK 360: https://dsk360.de/

1. Zuständigkeiten und Verantwortlichkeiten klären
2. Managementsystem aufbauen
3. Anwendungsfälle und Zwecke definieren
4. Systeme risikobasiert klassifizieren
5. Rolle klären: Anbieter oder Betreiber
6. Pflichten und Risiken für Betroffene und Technik bewerten
7. Einheitliche Dokumentation für EU-AI-Act, DSGVO und NIS2 nutzen

Eine gemeinsame Dokumentationsbasis spart Aufwand und erhöht die Qualität der Compliance.

Die Haufe Akademie bietet eine Weiterbildung zum New Business and Risk Strategist. In der Masterclass geht es um Zukunftskompetenzen, strategisches Risikomanagement und Compliance in dynamischen Märkten. Die Weiterbildung ist förderfähig für Arbeitnehmende und Selbstständige.

Zur Masterclass: https://www.haufe-akademie.de/newbusiness

Weitere Angebote: https://www.haufe-akademie.de/future

Compliance wird oft als lästige Bürokratie wahrgenommen. Richtig umgesetzt schafft sie jedoch operativen Mehrwert, bereits in der Konzeptionsphase von KI-Anwendungen.

Die EU setzt auf Selbstverantwortung der Unternehmen. Wer den risikobasierten Ansatz versteht, gewinnt Gestaltungsspielraum statt Einschränkungen.

Neben dem EU-AI-Act spielen auch DSGVO und Informationssicherheit (NIS2) eine zentrale Rolle. AI-Compliance ist immer interdisziplinär zu betrachten.

NIS2 zielt auf die Sicherheit von Unternehmenssystemen ab. Besonders relevant: Viele Cyberangriffe erfolgen nicht technisch, sondern über Social Engineering. Vertrauen, Druck und Autorität werden gezielt ausgenutzt.

Die KI-Verordnung soll Innovation ermöglichen und gleichzeitig Risiken kontrollierbar machen. Einheitliche Regeln sollen Wildwuchs vermeiden und Vertrauen schaffen.

Passende Folge zum EU-AI-Act mit Sirke Reimann:

https://www.youtube.com/watch?v=95xAtbiO9cQ

Anwender müssen entscheiden, wie Daten genutzt werden dürfen. Bei KI-Systemen ist das oft intransparent, insbesondere wenn Subverarbeiter Daten zum Training verwenden.

DSGVO-Betroffenenrechte gelten auch für KI. Da klassische Löschkonzepte hier kaum greifen, ist es entscheidend, vorab festzulegen, welche Daten überhaupt in KI-Systeme gelangen dürfen.

Im Rahmen eines Omnibusverfahrens prüft die EU Anpassungen am AI Act, etwa Fristverlängerungen oder Erleichterungen für KMU. Der Kern der Verordnung bleibt jedoch bestehen. Abwarten ist keine Strategie.

Auch MVPs lassen sich compliant umsetzen. Wichtig sind klare Rahmenbedingungen, fachliche Begleitung und der bewusste Umgang mit sensiblen Daten.

KI kann bei Dokumentation und Analyse unterstützen. Blindes Vertrauen ist jedoch gefährlich. Menschliche Kontrolle bleibt unverzichtbar.

In zwei Wochen spricht Tim bei Datendurst mit Anke Schramm, Vice President of Market Research and Customer Advocacy bei Freenet, über datenbasierte Customer Centricity.

Datendurst bei LinkedIn:

https://www.linkedin.com/company/datendurst/ 

Tim spricht heute mit Ann-Cathrin Schäfer. Sie ist seit fünf Jahren Senior Data Analytics Specialist bei Otto. Zentrale Fragen dabei sind: Wie ist Otto in Sachen Communication Analytics (Comms Analytics) aufgestellt? Wie entwickeln sich die Analysen dort, seitdem Ann-Cathrin da ist? Wie stellt sie sich die Zukunft dieses Bereiches vor?

Tim stellt die Haufe Akademie als Sponsor des Podcasts vor und weist auf die Masterclass zu Data Analytics hin. Sie beinhaltet den Einstieg in Big Data, Machine Learning und professionelle Datenanalyse. Hier setzt Ihr unter anderem komplette Datenprozesse mit KNIME um. Am Ende der Masterclass (Präsenzkurse und Webinare) und nach bestandener Prüfung erhaltet Ihr das Zertifikat zum Data Analyst.

Tipp am Rande: Werft auch mal einen Blick in deren FAQs zu Fördermöglichkeiten für Arbeitnehmer und Selbstständige.

https://www.haufe-akademie.de/data

https://www.haufe-akademie.de/faqs

Ann-Cathrin steht im permanenten Austausch mit CVDs für die Datenerhebungen sowie operativen Teams und Kommunikationsverantwortlichen. Ihre Aufgabe beinhaltet ganz wesentlich die Interpretation gesammelter Daten.

Die Offenheit aller Abteilungen bei Otto ist die Grundvoraussetzung dafür, dass Ann-Cathrin ihre Auswertungen transparent und konstruktiv Allen zur Verfügung stellen kann.

Ann-Cathrin fasst ihr Monitoring derzeit aus folgenden Quellen zusammen:

a) externe Dienstleister: Medien-Resonanzanalysen und Reportings

b) intern: Social-Media-Analysen, Social Listening, Pressearbeit und Medienmonitoring

Nur aus der ganzheitlichen Betrachtung lässt sich sinnvoller Input generieren und strategisch einbauen.

Die Datenauswertung ist genauso wichtig wie die strukturierte, permanente Datensammlung. Entsprechend kann auch ein so großer Konzern wie Otto auf allen Ebenen konzertiert und tagesaktuell reagieren.

Ann-Cathrin kann bei der Datenauswertung im Einzelfall selbständig entscheiden, wen sie dringlich und zuerst unterrichtet. Anschließend bekommt sie Feedback, ob die Entscheider den Einzelfall genauso werten. So können sich Strategie und Maßnahmen intern dynamisch weiterentwickeln.

Die interne Kommunikation und die interne Themenkonjunktur wird bei Otto über das Intranet, Kommentare und Meetings wie das monatliche Townhall-Meeting analysiert. Qualitatives Feedback im Sinne von Umfragen ist aus Compliance-Gründen meistens schwierig.

1. Descriptive Analytics: Was ist rückblickend passiert? (Hindsight)

2. Diagnostic Analytics: Warum ist was passiert? (Insight)

3. Predictive Analytics: Was wird passieren? (Foresight)

4. Prescriptive Analytics: Wie können wir Handlungsempfehlungen automatisiert herleiten und/oder umsetzen? (Assistance / KI)

Bei der Codierung von großen Datenmengen oder dem Clustern von tausenden Kommentaren kann KI sehr beschleunigt arbeiten. Aber die Abstimmungen mit Compliance, Entwicklung und Testen von Agents, automatisierten Workflows und Modellen brauchen eine lange, intensive Vorarbeit.

Aus Ann-Cathrins Sicht eignet sich KI in der Datencodierung für die Reputationsmessung: Zuordnung von Reputationsdimensionen, Reputationswerten sowie Sentiments. Daraus kann eine Gesamtreputation abgeleitet werden.

Beispiel für ein Ziel solcher Analysen: Wie passt die Fremd- oder die Wahrnehmung in Social Media oder in den Medien zu unserem Idealbild, das wir darstellen wollen? Damit können Kommunikation und Reaktion auf Entwicklungen qualitativ verbessert und beschleunigt werden.

Compliance, Vorbereitungszeit von KI:

https://www.youtube.com/watch?v=_SiXbFdZ8_Q

Verteilungsprozesse zwischen Social Media, Presse und internen Stakeholdern:

https://www.youtube.com/watch?v=FsXtEZS2cyE

In 14 Tagen spricht Tim mit dem Datenschützer Christian Schröder über KI-Compliance und wie man das richtig macht.

Otto: https://www.otto.de

Ann-Cathrin Schäfer: https://www.linkedin.com/in/ann-cathrin-schaefer/?originalSubdomain=de

01:00 Anmoderation

02:13 [Anzeige] Haufe Akademie, Sponsor & KI-Weiterbildung

03:17 Analyse heißt: Zahlen liefern UND interpretieren

05:07 Offenheit gegenüber Daten ist Grundvoraussetzung

08:01 Ganzheitliches Monitoring und dynamische, strategische Einbindung

10:07 Steuerung durch mehr Flexibilität und Geschwindigkeit

11:45 Prioritäten entwickeln sich im gegenseitigen Austausch

16:37 Analyse der internen Kommunikation bei Otto

18:18 Die vier Schritte des Analytics Value Escalator

21:09 Potenzial von KI in der Datenanalyse

22:43 Beispiel für KI in der Analyse

25:36 Fremdwahrnehmung vs. Idealbild

27:04 Abmoderation

Tim spricht mit Christian Kelm über Amazon Analytics, Relevanzmechaniken und die Tatsache, dass der Algorithmus im Kern eine einfache Zählmaschine ist. Christian zeigt, wie Händler ihre Sichtbarkeit durch Kundensignale, Produktdetailseiten und Datenanalysen beeinflussen können.

Tim begrüßt Christian Kelm und führt in das Thema „Amazon Analytics” ein. Er arbeitet seit vielen Jahren mit Amazon-Daten und beschäftigt sich mit Ranking-Mechaniken und Händlersemantik.

Lerne Christian kennen: https://www.linkedin.com/in/christian-otto-kelm/

Erfahre mehr über die AMALYZE AG: https://www.linkedin.com/company/amalyze/

Christian erläutert seine These: Der Amazon-Algorithmus ist weniger mystisch, als oft behauptet wird. Entscheidend sind das Kundenverhalten, Relevanzsignale und die Fähigkeit der Händler, die Marktbedingungen zu erfüllen.

Tim stellt den Sponsor des Podcasts, die Haufe Akademie, vor und verweist auf die Masterclass zum Marketing und Sales Analyst. Teilnehmende lernen dort, Marketing- und Sales-Aktivitäten datenbasiert zu steuern. Unter https://haufe-akademie.de/analyst erfährst du mehr.

Der Algorithmus basiert im Kern auf Klicks, Reaktionen auf Detailseiten und Kaufverhalten. Diese Signale werden gezählt und in Rankings überführt.

„Zunächst muss man sich bewusst machen, dass es sich hierbei um eine reine Zählmaschine handelt. Nichts weiter. Im Rahmen der A Company kann man sich ein paar alte Patente angucken. Im Endeffekt geht es nur um Relevanz, also eine Sortierung nach Relevanz in einem riesigen Produktkatalog.”

Schau Dir hier das erste Patent von A9 an: https://patents.google.com/patent/US20030195877A1/

Sinkende Sternebewertungen oder unpassende Preiserhöhungen führen zu weniger Klicks und somit zu schlechteren Platzierungen. Amazon „bestraft“ nicht aktiv, sondern das Kundenverhalten erzeugt die Rankingveränderung.

Je nach Keyword unterscheiden sich die Preisniveaus, etwa bei Goldarmbändern. Händler müssen verstehen, ob ein Begriff die Material- oder die Farbintention widerspiegelt.

Bei Produkten mit klaren Anforderungen, wie beispielsweise Wagenhebern, sind die Suchergebnisseiten träge. In anderen Kategorien verändern sich die Rankings aufgrund des Nutzerverhaltens und der Variantenvielfalt häufig.

„Das heißt, die Volatilität unter diesem Keyword „Wagenheber” ist extrem niedrig, weil es sich um Wagenheber handelt, die den Wagen heben können.”

Christian nutzt den Begriff „Ameisenalgorithmus”, um kollektives Kundenverhalten zu erklären. Das Kaufmannsparadoxon wiederum zeigt, wie Amazon Suchergebnisse aus mehreren aufeinanderfolgenden Käufen ableitet.

Erfahre mehr über den Ameisenalgorithmus: https://wirtschaftslexikon.gabler.de/definition/ameisenalgorithmus-54002

In Suchergebnislisten erscheinen unerwartete Produkte, weil Käufer bestimmte Artikel häufig kombiniert erwerben. Amazon verkürzt diese Customer Journey, indem das Unternehmen diese Muster abbildet.

Amazon-Titel wirken oft überladen, weil Händler ihre Anforderungen direkt in den Titel packen. Die Gewichtung des Titels für das Ranking ist jedoch geringer als von Vielen angenommen.

Christian beschreibt, wie Google-Suchphrasen zu Amazon-URLs weiterleiten und Rankings beeinflussen können. Dabei spielen Canonical-URLs und Keyword-Kombinationen eine technische Rolle.

„Wenn Amazon-Produkte in Google-Rankings auftauchen, liegt das an der Canonical-URL. Die lässt sich selber schreiben. Wenn du in den Titel fünf Wörter schreibst und einen Bindestrich einsetzt, wird die Canonical-URL automatisch erstellt.”

Durch das Targeting anderer pinker Produkte über die PDP (= Product Detail Page) statt über Keywords konnte ein Kühlpad in zahlreichen Keyword-Umfeldern ranken. Dieser Ansatz nutzt Kaufpfade statt der klassischen Keyword-Relevanz.

Für Christian bedeutet SEO, die Sprache der Kunden zu verstehen und deren Suchintention abzuleiten. PPC ergänzt dies durch Sichtbarkeit an Positionen, die organisch noch nicht erreichbar sind.

„Suchmaschinenoptimierung auf Amazon bedeutet, die Sprache der Kunden zu lernen. Kundisch ist die Sprache der Kunden: Was wird im Suchfeld eingegeben und wo geht der Pfad des Kunden lang?”

Amazon stellt umfangreiche Datenquellen bereit, darunter Suchvolumina, Klickanteile, Preispunkte und saisonale Muster. Mithilfe dieser Daten können Händler Marktpotenziale und Wettbewerbsdynamiken bewerten.

Erfahre mehr zum Product Opportunity Explorer: https://sell.amazon.com/tools/product-opportunity-explorer

In der Advertising-Konsole fehlen zentrale Kennzahlen wie die Conversion Rate oder die Kosten pro Bestellung, die jedoch berechenbar sind. Die Amazon Marketing Cloud ermöglicht tiefere Analysen von Kundenpfaden und Werbewirkung.

Tim spricht mit Simon Bongers darüber, warum Business Intelligence (BI) weit über Visualisierungen hinausgeht und wie Datenmodelle, Governance und agile Produktentwicklung zusammenspielen. Anhand konkreter Beispiele aus der BI-Praxis von ROSE Bikes demonstriert Simon, wie Datenqualität, Modellierung und Prozesse fundierte Entscheidungen ermöglichen.

Tim eröffnet die Folge im Weihnachtssetting und stellt Simon von ROSE Bikes vor. Direkt zu Beginn geht es darum, wie Fahrräder und BI gleichermaßen Geschenke mit Wirkung sein können.

Lerne Simon kennen: 

https://www.linkedin.com/in/simon-bongers-b061431ba/?originalSubdomain=de

Simon erläutert die Struktur von ROSE Bikes und seiner Tochter ROSE Digital, die aus einer übernommenen Agentur hervorgegangen ist. Heute bündelt ROSE Digital den gesamten IT-Bereich inklusive Business Intelligence (BI).

Erfahre mehr zu ROSE Bikes unter 

- https://www.rosebikes.de/,

- https://www.instagram.com/rose_bikes/?hl=de,

- https://www.instagram.com/rosecircle/

- oder https://de.linkedin.com/company/rose-bikes

Tim stellt die Haufe Akademie als Sponsor des Podcasts vor und weist auf die Future Jobs Classes hin. Im Fokus steht die zertifizierte Weiterbildung zum KI-Manager, in der die Teilnehmenden lernen, KI-Potenziale in Unternehmen zu erkennen und umzusetzen: https://haufe-akademie.de/ki

Charts sind nur die letzte und sichtbare Schicht eines BI-Produkts. Entscheidend sind Kontext, Definitionen und die Herkunft der Daten. Ohne eine valide Grundlage bleibt jede Visualisierung oberflächlich.

Simon beschreibt, wie Daten aus Meta, LinkedIn und weiteren Systemen über eine API ins Core-Data-Warehouse geladen werden. Anschließend werden die Daten abgeglichen, geprüft und kombiniert .

IDs, Kampagnennamen oder Nutzerkennungen unterscheiden sich je nach System und müssen daher sauber gemappt werden. Erst dieses Mapping ermöglicht integrierte Auswertungen und korrekte Kennzahlen.

Währungen, Fakturadaten und Wechselkursänderungen können zu Abweichungen zwischen Auftrag und Rechnungswert führen. Diese Effekte müssen im Reporting transparent abgebildet werden.

Erklärung: „Fakturadaten" sind Daten auf Rechnungen und anderen Abrechnungsbelegen.

Simon erläutert das Prinzip der zentralen Faktentabellen und der angebundenen Dimensionstabellen. Das Modell ermöglicht klare Schlüsselbeziehungen und konsistente Berechnungen im Reporting.

Weitere Details zum Modell von Kimball: https://bit.ly/4a5168l

Da Kalender- und Wirtschaftsjahre unterschiedlich verlaufen können, muss eine Datumsdimension zusätzliche Attribute bereitstellen. Damit lassen sich Year-to-Date-Analysen oder abweichende Geschäftsjahre korrekt abbilden.

Das Modell wird je nach der Zahl der angebundenen Dimensionen als Stern oder Schneeflocke dargestellt. Diese Struktur fördert die Performance und erleichtert spätere Filterlogiken.

Erfahre mehr über das Sternschema: https://www.databricks.com/de/glossary/star-schema

Der Product Owner steuert die Produktentwicklung des BI-Systems, priorisiert Anforderungen und bildet die Schnittstelle zu Stakeholdern. Er entscheidet, was umgesetzt wird – wie dies geschieht, liegt beim Team.

Simon berichtet, wie er aus dem Engineering in die Rolle des Product Owners wechselte, um das BI-Team agiler aufzustellen:

„[…] Dann durfte ich eine Schulung machen, mich also auch fachlich weiterentwickeln, ein Zertifikat erwerben und mich anschließend quasi selbst Product Owner nennen. Das mache ich jetzt auch im Team.“

Während Scrum mit zweiwöchigen Sprints für Fokus und Verlässlichkeit sorgt, führt Kanban in der Praxis oft zu Priorisierungskonflikten. Kleine, klar geschätzte Aufgaben ermöglichen aber planbares Arbeiten.

ROSE hat sein ERP-System, sein PIM-System, seine Datenbank und sein BI-Frontend nahezu gleichzeitig erneuert. Der Umbau nahm viel Zeit in Anspruch und erforderte eine enge Zusammenarbeit zwischen der IT-Abteilung und den Fachbereichen.

Gute BI Produkte liefern konsistente Kennzahlen und vermeiden somit Diskussionen über unterschiedliche Zahlenstände. Sie unterstützen datenbasierte Entscheidungen in verschiedensten Bereichen wie Vertrieb, Logistik und Management.

Marketing- und Vertriebsdaten werden gemeinsam betrachtet, um Kampagnen, Abverkauf und Lagerreichweiten aufeinander abzustimmen. So lassen sich Budgets effizient einsetzen und Produktgruppen gezielt steuern.

„Bei Rose funktioniert das Zusammenspiel zwischen Marketing und Sales sehr gut. Wenn jetzt zum Beispiel eine Marketingaktion läuft, dann werden entsprechend die Sales- und Marketingstrategien miteinander abgestimmt.”

In Teil 2 gehen Tim und Sascha tiefer in ihren Führungsalltag in Data-Teams ein. Sie ordnen die Google Oxygen Attributes ein, sprechen über Enablement statt Tool-Engpässe und über knifflige Situationen, die Führungskräfte mittragen müssen.

Sascha eröffnet die zweite Folge mit der These, dass Analysten keine reinen Tool-Experten sein sollten. Power BI gilt beispielsweise als Standardwerkzeug, mit dem Teams end-to-end arbeiten können.

Hier geht’s zum ersten Teil: https://open.spotify.com/episode/0U0lOp2hQDWyfdFLJJAL3c 

Kennst du schon die „Marketing & Sales Analyst” Masterclass der Haufe Akademie? Wenn du mehr über das Angebot erfahren möchtest, schau unter haufe-akademie.de/analyst vorbei.

Tim nutzt die Google Oxygen Attributes for Great Managers gerne als Wertegerüst für seinen Führungsstil. Sie sind in die Kategorien „Develop your team” und „Get things done” unterteilt. Tim erklärt im Detail, was das bedeutet.

Mehr zu den Google Oxygen Attributes: https://www.inc.com/marcel-schwantes/google-research-says-what-separates-best-managers-from-rest-boils-down-to-8-traits.html 

Unter „Develop your team“ geht es um respektvollen Umgang, Diversität und psychologische Sicherheit, insbesondere aufgrund täglicher Fehler im Data-Kontext. Tim beschreibt zum Beispiel seine Onboarding-Routine mit Zeit am ersten Tag und einem kleinen Willkommensritual.

Micromanagement wird als Bremsklotz für Data-Teams angesehen. Führungskräfte sollten stattdessen Freiheit geben, Anleitung bieten und Innovation sowie wohlüberlegte Risikobereitschaft fördern.

Ein Problem anzusprechen bedeutet, mit Lösungsvorschlägen zu kommen. So bleibt die Verantwortung beim Problemfinder und Aufgaben werden nicht an Andere delegiert.

Tim nutzt das Format der One-on-Ones für Reviews, gemeinsame Zielsetzungen und die Besprechung aktueller Herausforderungen. Auf diese Weise entstehen Entwicklungsgespräche, Weiterbildungspläne und Leistungsfeedbacks.

Im Teil „Get things done“ dreht sich alles um eine klare Teamvision, die regelmäßig überprüft und bei Bedarf angepasst wird. Daraus leiten sich Ziele, Ownership und Priorisierung ab.

Tim schildert einen Merger-Fall, in dem sich Meetings aufgrund ungeklärter Datenzugriffe im Kreis gedreht haben. Tim half in diesem Fall seinen Mitarbeitern dabei, auf Grenzen der Compliance hinzuweisen und diese auch durchzusetzen .

Sascha und Tim besprechen die Email-Charta. Das sind Regeln für kürzere und klarere E-Mails. Hierdurch werden Kommunikation und Zusammenarbeit effizienter. Dazu gehören z.B. Betreff-Tags wie EOM („End of Message“) oder NNTA („No need to reply“).

Tim empfiehlt die Starfish-Methode (Start/Stop/Keep/More/Less) für Retros in kniffligen Situationen oder zum Rückblick auf abgeschlossene Projekte. Sie dient dazu Feedback strukturiert und konstruktiv zu sammeln. Sascha rät dazu, sie nur punktuell einzusetzen, damit sie nicht zur Routine wird.

Erfahre mehr über die Starfish-Methode: https://www.teamretro.com/retrospectives/starfish-retrospective/ 

Sascha erzählt, warum er nach dem Weggang eines Power-BI-Experten bewusst einen Generalisten eingestellt hat. Tools wie Power BI und SQL sind für ihn Grundlagen, die eigentliche Leistung liegt in der Gedankenarbeit hinter einer End-to-End-Analyse.

Sascha und Tim sprechen über Engpässe bei Meetings und Regeln wie „no agenda, no attender“. Kurze Dailys und ein leichtgewichtiges Jira-/Confluence-Board schaffen Transparenz über Aufgaben und Blocker.

Im letzten Drittel des Podcast sprechen Tim und Sascha über disziplinarische Themen wie Probezeit, Kündigung oder sogar Abmahnungen. Außerdem diskutieren sie Top-down-Entscheidungen, für die sie sich einsetzen müssen, und nutzen dafür den „Circle of Influence” als Tool für mehr Resilienz.

Mehr zum Circle of Influence: https://asana.com/de/resources/circle-of-influence 

Zum Abschluss verbindet Tim Delegation mit der Gefahr von „Scope Creep” und erzählt die Geschichte der „Vasa” als Beispiel für fehlende Dokumentation und ständig wachsende Anforderungen. Tim und Sascha betonen die Bedeutung klarer Anforderungsdefinitionen, kontinuierlicher Tests und pragmatischer Kommunikation im Analytics-Alltag.

Die "Darwin gefällt das" Folge zum "Vasa" Projekt findest du unter https://open.spotify.com/episode/6DJTrSKLpLjeky0IUQ7BER?si=Vh8JXQhmTLu3rli3k3itkw .

Tim spricht mit Karen Gärtner über Datenkultur im Unternehmen: Warum sie die Basis für datengetriebenes Arbeiten ist, welche Rolle Vertrauen, Haltung und Strukturen spielen und wie kreative Formate wie Graffiti oder Data Escape Rooms helfen können, Silos aufzubrechen.

[Anzeige] Auf der Website haufe-akademie.de/future erfährst du mehr über die Masterclasses der Haufe Akademie rund um digitale Transformation, agiles Arbeiten und Corporate Learning.

Karen Gärtner ist IT-Architektin bei der Kasseler Verkehrs- und Versorgungsgesellschaft sowie Head of Training & Events bei der Data Management Association Deutschland (DAMA). Sie spricht über Datenkultur als Grundlage für gute Entscheidungen.

Lerne Karen kennen: https://www.linkedin.com/in/karen-gaertner/

Gemeinsam klären Tim und Karen, was Datenkultur bedeutet, weshalb sie oft unterschätzt wird und wie sie die Nutzung von KI fördert.

Karen beschreibt, wie Prozesse und Daten einander bedingen. Prozesse erzeugen Daten und Daten geben Prozessen Richtung und Qualität. Beides gehört untrennbar zusammen.

Viele empfinden Datenarbeit als fremd oder zu komplex. Eine gute Datenkultur verringert diese Distanz, weckt Interesse für Daten und fördert das gemeinsame Verständnis zwischen Fach- und Daten-Teams.

Karen erklärt, was die DAMA macht: Sie setzt Standards im Datenmanagement, organisiert Community-Events und ist Herausgeberin des „Data Management Body of Knowledge“.

Eine Datenkultur sorgt dafür, dass Daten nicht nur gesammelt, sondern aktiv genutzt werden. Sie schafft Vertrauen, fördert Mut und ermöglicht datenbasierte Entscheidungen.

Sie umfasst technische, organisatorische und emotionale Aspekte. Sie wird in Prozessen und Rollen sichtbar, in Vertrauen, Glaubenssätzen und Zusammenarbeit hingegen unsichtbar.

Für einen Kulturwandel braucht es Zeit und Verständnis. Karen empfiehlt deshalb, zunächst das Unternehmen und sein Verhalten zu beobachten und dann schrittweise Veränderungen umzusetzen.

Datensilos verhindern Transparenz. Mithilfe einer Analyse der Ist-Kultur können Offenheit, Datenflüsse und Kooperationsbereitschaft bewertet und verbessert werden.

Datenkultur entsteht durch Bewegung von beiden Seiten. Die Führungsebene schafft Strukturen und Orientierung, während die Mitarbeitenden Ideen und Use Cases einbringen.

Anstatt große Programme zu starten, empfiehlt Karen kleine Schritte: In bestehenden Prozessen ansetzen, Use Cases fördern und durch „Hausbesuche“ Vertrauen schaffen.

Wie in der Musik braucht auch die Datenarbeit Freiraum. Unternehmen sollten ihren Mitarbeitenden Zeit und Budget geben, um Neues auszuprobieren und Ideen zu entwickeln.

Kreative Formate fördern das Verständnis für ein Thema und machen es spannend. Ob Workshops, Data Days oder Lego Serious Play: Entscheidend ist, dass die Mitarbeitenden selbst aktiv werden.

Karen erzählt von einem Data-Day-Projekt, bei dem Mitarbeitende ein Graffiti zur digitalen Transformation gestalteten – als sichtbares Symbol ihrer gemeinsamen Datenarbeit.

Eine reife Datenkultur ist Grundlage für sinnvolle KI-Anwendungen. Nur mit klaren Verantwortlichkeiten, guter Datenqualität und kritischem Denken kann KI Mehrwert schaffen.

Beim Stammdatenforum des Deutschen Kongresses, das am 27. November 2025 stattfindet, bieten Fabienne Schnieders (TU Dortmund) und Karen Gärtner (DAMA) einen Workshop zum Thema „Data Culture“ an.

🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community:

👉 Neue Folgen sofort auf dem Schirm

👉 Direkt bei der Arbeit reinhören

👉 Wertvolle Folgen mit Kollegen teilen

👉 Mit Data & Analytics-Experten vernetzen

➡️ Jetzt beitreten!

https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM 

Wir freuen uns auf dich! 💬

Mehr zu Datendurst und Host Tim:

https://www.linkedin.com/company/datendurst/

https://www.linkedin.com/in/ebner-tim/

Unterstütze den Podcast:

paypal.me/datendurst

Tim und Sascha sprechen darüber, wie sie zu ihren Führungsrollen bei RTL und innogy.C3 kamen, was gutes Onboarding für Führungskräfte ausmacht und wie man mit Karrierewünschen, schwierigen Teamdynamiken und der Kommunikationskultur umgeht.

[Anzeige] Auf der Website haufe-akademie.de/analyst erfährst du mehr über die Master Class "Marketing & Sales Analyst" des neuen Sponsors Haufe Akademie.

Einführung und Thema der Folge

Tim eröffnet die Episode mit Sascha Leweling von RTL. Gemeinsam sprechen sie über Führung in Data-Teams: vom Einstieg in die Rolle, über Teamkultur bis hin zu Kommunikation und Vertrauen.

Sascha ist dir vielleicht noch von dieser Folge bekannt: https://youtu.be/k3tvwCM0QuI?si=__MCzQFIafmZJ3m6

Von Data Science zur Führung: Saschas Weg bei Obi und RTL

Sascha beschreibt, wie er vom Data Scientist zum Head of Customer Analytics wurde. Der Übergang vom Fach- zum Führungsverantwortlichen brachte neue Perspektiven und Verantwortung mit sich.

Tims Einstieg in die Führungsrolle bei innogy.C3 während der E.ON-Übernahme

Tim erzählt, wie er in einer Umbruchsphase in die Führung gerückt ist – mit Restrukturierungen, Team-Abgängen und einem hohen Maß an Eigeninitiative.

Onboarding, Coaching und die Google Oxygen Attributes

Ein Coaching- und Mentoring-Programm half Tim dabei, seine Werte als Führungskraft zu entwickeln. Grundlage waren die Google Oxygen Attributes „Develop your team” und „Get things done”.

Mehr zu Google Oxygen Attributes: https://www.inc.com/marcel-schwantes/google-research-says-what-separates-best-managers-from-rest-boils-down-to-8-traits.html 

Karriereentwicklung und Mitarbeiterbindung

Beide betonen, wie wichtig es ist, Mitarbeitende bei internen Wechseln zu unterstützen, statt sie zu blockieren. Talentbindung steht über Team-Ego.

Was macht Google Manager aus: https://rework.withgoogle.com/intl/en/guides/managers-research-behind-great-managers

Vertrauen, Transparenz und eine interne Wechselkultur

Eine offene Kommunikation über Karriereziele stärkt das Vertrauen im Unternehmen. Verschweigen oder Misstrauen schaden der Kultur langfristig.

Onboarding bei RTL: Vertrauen, Eigenverantwortung und Führungskräfteschulung

Saschas Start bei RTL war ein Sprung ins kalte Wasser: Micromanagement gab es nicht, dafür Vertrauen und Verantwortung vom ersten Tag an.

Das DISG Modell und Persönlichkeitstypen in Data-Teams

In beiden Onboardings wurde das DISG Modell – dominant, initiativ, stetig, gewissenhaft – als pragmatische Heuristik zur Teamzusammenstellung und Kommunikation angewendet.

Mehr zum DISG Modell: https://www.disg-modell.de/ueber-disg/einfuehrung/

Dominanz, Eigenwahrnehmung und Feedbackkultur

Tim reflektiert seine dominante Ausprägung und zeigt auf, wie die Übereinstimmung von Selbst- und Fremdbild dabei helfen kann, Konflikte konstruktiv zu lösen und die Kommunikation zu verbessern.

Strukturen bei RTL: Teamaufbau und Cloud-Migration

Sascha schildert die technischen und organisatorischen Veränderungen bei RTL: den Wechsel von On-Premise-Systemen zur Cloud sowie die Neuorganisation der Stakeholder-Strukturen.

New Ways of Working und Meetingkultur bei innogy.C3

Tim beschreibt, wie innogy.C3 agile Meetingstrukturen mit klaren Rollen, Transparenz, Check-ins und Fokus auf Zielorientierung etablierte.

Kooperative Kommunikation nach Moritz Küffner

Sie besprechen Küffners Ansatz der kooperativen Kommunikation, bei der es um Augenhöhe, das Vermeiden von Verlierern und das Nutzen schwieriger Situationen geht.

Mehr über Kooperative Kommunikation: https://www.kokomm.net/prinzip#kooperative-kommunikation

Fehlerkultur, Augenhöhe und Vertrauen im Team

Zum Abschluss geht es um Fehlermanagement im Data-Bereich: Fehler dürfen passieren, entscheidend ist, wie man als Führungskraft reagiert – mit Rückendeckung und Lernorientierung.

Officevibe im Detail: https://workleap.com/officevibe 

🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community:

👉 Neue Folgen sofort auf dem Schirm

👉 Direkt bei der Arbeit reinhören

👉 Wertvolle Folgen mit Kollegen teilen

👉 Mit Data & Analytics-Experten vernetzen

➡️ Jetzt beitreten!

https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM 

Wir freuen uns auf dich! 💬

Mehr zu Datendurst und Host Tim:

https://www.linkedin.com/company/datendurst/

https://www.linkedin.com/in/ebner-tim/

Unterstütze den Podcast:

paypal.me/datendurst

Wie gelingt eine Datenstrategie im Mittelstand? Tim spricht mit Stephan Hausberg über fehlende Datenkultur, Priorisierung, Agentic AI und den Weg vom Use Case zum Business Case.

Erfahre mehr über die Master Class „Marketing & Sales Analyst” des neuen Sponsors Haufe Akademie unter haufe-akademie.de/analyst.

Tim eröffnet das Gespräch mit Stephan über den „Endgegner Mittelstand“ und geht dabei der Frage nach, warum Datenstrategien dort oft schwer umzusetzen sind und wie es dennoch gelingt.

Stephan ist bei 1&1 Versatel vom Analysten bis zum Head of Data aufgestiegen und berät heute mit onemoreoption.ai Unternehmen zu Datenstrategie und -anwendung. Privat ist er Familienmensch und begeisterter Sportler, beruflich ein Problemlöser mit Leidenschaft für Daten.

Erfahre mehr über Stephan: https://www.linkedin.com/in/dr-stephan-hausberg-679750118/

Schau auch bei www.onemoreoption.ai vorbei.

Im Mittelstand fehlen oft Daten-Teams und eine etablierte Datenkultur. Viele Geschäftsführer treffen Entscheidungen aus Erfahrung, meist ohne eine datenbasierte Grundlage zu haben.

Stephan betont, dass die Einstellung „Das haben wir schon immer so gemacht“ nicht immer falsch ist. Wichtig sei es, zu erkennen, wann Erfahrung trägt und wann sich die Rahmenbedingungen verändert haben.

Tim beschreibt ein Beispiel aus dem Marketing eines mittelständischen Unternehmens, in dem eine einzelne Person für alles zuständig ist. Ohne klare Ziele und Prioritäten verpufft der Raum für Datenanalysen.

Überforderung, Reizüberflutung und Fachkräftemangel erschweren datenorientiertes Arbeiten. Führung sollte klare Prioritäten setzen und Überlastung vermeiden.

Unternehmen, die sich ausschließlich auf ihr Kerngeschäft konzentrieren und dabei Daten vernachlässigen, riskieren langfristig Wettbewerbsnachteile.

Laut Stephan beginnt es mit Wissenstransfer in Geschäftsführung, Aufsichtsräten und Teams. Denn oft fehlt das grundlegende Verständnis dafür, wie Daten Mehrwert erzeugen.

Ein Praxisbeispiel zeigt, wie ein KI-Projekt wegen mangelnder Abstimmung scheiterte, obwohl das Modell funktionierte. Fehlende Kommunikation führte dazu, dass der Nutzen nicht erkannt wurde.

Kleine Proofs of Concept helfen dabei, Neugier und Vertrauen aufzubauen. Fehler sind dabei unvermeidlich, entscheidend ist jedoch die Bereitschaft, aus ihnen zu lernen und zu experimentieren.

Stephan betrachtet Use Cases als Einstieg und nicht als Endziel. Während sich Plattformansätze für Konzerne lohnen, sollte man im Mittelstand mit überschaubaren Projekten starten und später skalieren.

Agentic AI kann die Entwicklungszeit von Proofs of Concept zwar stark verkürzen, eine produktionsreife Umsetzung ersetzt es jedoch nicht. Der Gewinn liegt in der Experimentiergeschwindigkeit und nicht in fertigen Lösungen.

Viele Mitarbeitende nutzen KI bereits, obwohl es noch keine offiziellen Richtlinien gibt. Stephan warnt vor den damit verbundenen Datenschutzrisiken und fordert klare Regeln, Schulungen und Transparenz im Umgang mit KI-Systemen.

Prompt Injection, Datensicherheit und ethische Grenzen: Stephan erläutert auf humorvolle Weise, wie sich versteckte Befehle in Social Media Texte einschleusen lassen und welche Risiken damit verbunden sind.

Letztendlich geht es um die Übersetzung technischer Ideen in wirtschaftliche Argumente. Nur wenn Projekte messbare Effekte – etwa in Zeitersparnis – belegen können, überzeugen sie im Mittelstand. Vertrauen und Verständlichkeit sind dafür der Schlüssel.

🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community:

👉 Neue Folgen sofort auf dem Schirm

👉 Direkt bei der Arbeit reinhören

👉 Wertvolle Folgen mit Kollegen teilen

👉 Mit Data & Analytics-Experten vernetzen

➡️ Jetzt beitreten!

https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM 

Wir freuen uns auf dich! 💬

Mehr zu Datendurst und Host Tim:

https://www.linkedin.com/company/datendurst/

https://www.linkedin.com/in/ebner-tim/

Unterstütze den Podcast:

paypal.me/datendurst

Marketing Analytics bewegt sich zwischen harten Zahlen und menschlichem Bauchgefühl. Tiankai zeigt, wie der 5C-Ansatz dabei hilft, Datenstrategien menschlicher und praxisnäher zu gestalten.

Erfahre mehr über die Master Class „Marketing & Sales Analyst” des neuen Sponsors Haufe Akademie unter haufe-akademie.de/analyst.

Einführung und Thema der Folge

Tim eröffnet die Folge mit Tiankai Feng und stellt das Thema vor: Marketing zwischen Zahlen und Gefühl. Beide wollen zeigen, wie analytische Methoden und menschliche Faktoren in einer datengetriebenen Strategie zusammenspielen.

Lerne Tiankai kennen: https://www.linkedin.com/in/tiankaifeng/

Tiankai berichtet von seiner beruflichen Laufbahn, die bei Adidas im Bereich Social Listening begann. Später wechselte er in Business Intelligence und beriet Unternehmen in Analytics-Fragen. Heute schreibt er Bücher und verbindet technische Expertise mit menschlicher Perspektive.

Mehr über Tiankais Wergegang erfährst du auch in dieser Podcastfolge: https://youtu.be/S3oGdWpO9OA?si=y9ZZdVM-IPiLLaC3

Sein erstes Buch Humanizing Data Strategy verkaufte sich erfolgreich im Fachbuchmarkt. Aktuell arbeitet er am Nachfolger Humanizing AI Strategy, der den verantwortungsvollen Umgang mit künstlicher Intelligenz behandelt. Beide Werke setzen bewusst den Menschen ins Zentrum technologischer Entwicklungen.

Das Buch Humanizing Data Strategy:

https://amzn.to/4q5MgnQ

Das Buch Humanizing AI Strategy:

https://amzn.to/4h3NqvZ

Kompetenz umfasst sowohl analytisches Know-how als auch Verständnis für Business-Kontexte. Nur wenn Data Professionals die Sprache der Stakeholder sprechen, können sie Wirkung erzielen. Gleichzeitig müssen Business-Seiten Grundkenntnisse in Daten entwickeln, um den Dialog auf Augenhöhe zu führen.

Tiankai stellt den „Follow the Pain“-Ansatz vor: Data-Projekte sollten dort beginnen, wo die größten Schmerzpunkte liegen. Stakeholder mit akuten Problemen sind motivierter für neue Lösungen. Dadurch entsteht schneller Mehrwert und Vertrauen in datengetriebene Arbeit.

„Follow the Pain bedeutet, dass man nicht mit Big Bang startet und sagt: ‚Alle müssen jetzt Data Literate werden! Wir machen jetzt eine große Akademie und dann sind alle dabei!‘, sondern dass man mit denjenigen startet, bei denen die Schmerzpunkte am größten sind.“

Einige Teams bündeln Business-Verständnis in einer zentralen Rolle, andere verteilen es breiter. Tiankai warnt vor Engpässen, wenn nur Einzelne als Schnittstelle fungieren. Nachhaltiger ist es, wenn alle Teammitglieder zumindest grundlegendes Business-Wissen mitbringen.

Ein praktischer Ansatz ist das Shadowing, bei dem Analysten den Alltag von Stakeholdern begleiten. So werden Arbeitsweisen, Entscheidungsprozesse und Herausforderungen greifbarer. Oft zeigen sich dadurch Barrieren in der Datennutzung, die vorher verborgen waren.

“Aber ja, für ein Shadowing braucht man natürlich zwei Seiten, die damit einverstanden sind.”

Zusammenarbeit wird häufig als Service verstanden, bei dem Analytics nur liefert. Tiankai plädiert für Co-Creation, also gemeinsames Erarbeiten von Zielen und Lösungen. Dieses Mindset schafft langfristig bessere Ergebnisse und stärkere Beziehungen.

Lerne mehr über Co-Creation in Data & AI Projekte in der Folge mit Marco Geuer:

https://www.youtube.com/watch?v=1B9MPmxTFJ8

In Marketing-Kampagnen fehlt oft die Datengrundlage, etwa durch unklare Naming Conventions. Anpassungen erfordern Abstimmungen mit Agenturen oder anderen Teams und sind politisch sensibel. Ehrlichkeit über Datenlücken und proaktive Planung helfen, langfristig bessere Strukturen zu schaffen.

Gute Kommunikation bedeutet, den Wert von Daten nicht nur rational, sondern auch individuell zu vermitteln. Motivation entsteht, wenn Stakeholder erkennen, wie Analytics ihre eigenen Ziele unterstützt. Unterschiedliche Typen wie „Believer“ und „Skeptiker“ erfordern angepasste Ansprache.

„Aber wie ich immer sage, ist das nur die eine Hälfte der Kommunikation. Die andere Hälfte ist der individuelle Wert, den es für die jeweiligen Personen, mit denen man arbeitet, hat.”

Je nach Ebene unterscheiden sich die Erwartungen an Informationen. Operative Mitarbeiter brauchen Details für Entscheidungen, Executives dagegen schnelle Zusammenfassungen. Wer Kommunikationsstil und -medium anpasst, erreicht schneller Akzeptanz und Vertrauen.

Hier findest Du die Email-Charta: https://www.emailcharter.info

Innovation erfordert die Freiheit, Experimente zu wagen. Eine offene Fehlerkultur fördert psychologische Sicherheit und ermöglicht kreatives Arbeiten. Formate wie „Fuckup Nights“ können helfen, aus Fehlern zu lernen und Wissen zu teilen.

Im Umgang mit Daten spielen Ethik und Datenschutz eine zentrale Rolle. Bias in Algorithmen oder unsaubere Datennutzung bergen Risiken, die nur interdisziplinär adressiert werden können. Ziel ist es, akzeptable Risiken zu definieren und pragmatische Lösungen zu finden.

„Um damit richtig umzugehen, muss man cross-funktional arbeiten und die richtigen Leute mit an Bord holen, um diese Dinge zu identifizieren und zu minimieren. Das heißt, wenn man in einem Unternehmen Ethics-Experten hat, kann man diese hinzuziehen. Das Gleiche gilt für Diversity-Inclusion-Experten. Wenn es um Datenschutz-Themen geht, kann man natürlich auch die Legal-Teams hinzuziehen.”

Tiankai fasst den 5C-Ansatz zusammen: Kompetenz, Kollaboration, Kommunikation, Kreativität und Conscience. Im Kern geht es darum, den Menschen konsequent ins Zentrum von Datenstrategien zu stellen. Sein Buch bietet dafür Orientierung, und das kommende Werk über AI knüpft daran an.

🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community:

👉 Neue Folgen sofort auf dem Schirm

👉 Direkt bei der Arbeit reinhören

👉 Wertvolle Folgen mit Kollegen teilen

👉 Mit Data & Analytics-Experten vernetzen

➡️ Jetzt beitreten!

https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM 

Wir freuen uns auf dich! 💬

Mehr zu Datendurst und Host Tim:

https://www.linkedin.com/company/datendurst/

https://www.linkedin.com/in/ebner-tim/

Unterstütze den Podcast:

paypal.me/datendurst

Daten spielen in der Social-Media-Strategie eine zentrale Rolle, doch oft werden Likes und Reichweite fälschlicherweise als wichtigste Erfolgsindikatoren gewertet. Jens Wiese und Tim erklären, welche Kennzahlen wirklich relevant sind und wie Unternehmen Daten sinnvoll einsetzen können.

Daten in der Social-Media-Strategie

Tim und Jens beginnen mit der Frage, wie Daten die Grundlage für Social-Media-Strategien bilden können. Sie machen direkt deutlich, dass Likes und Follower keine belastbare Strategie darstellen.

[Anzeige] Weiterbildung mit Distart

Distart ist einer der führenden, zertifizierten Anbieter geförderter, topaktueller Weiterbildungen zu den Themen Online-Marketing, Digitalisierung und KI. Mehr Informationen findest du unter: https://distart.de/datendurst

Wer ist Jens Wiese?

Jens erzählt von seiner Rolle als Mitgründer der AllFacebook Marketing Conference. Heute arbeitet er als Berater für Social-Media-Strategie mit Unternehmen jeder Größe zusammen.

Lerne Jens Wiese kennen: https://www.linkedin.com/in/jens-wiese/

Likes sind keine Strategie

Jens Wiese erklärt, warum Unternehmen oft in die Falle tappen, jede Zahl als KPI zu betrachten. Wirklich relevant sind nur Kennzahlen, die zu den Unternehmenszielen beitragen, etwa Umsatzsteigerung oder Bewerbungen.

„Das sind wirklich Zahlen, die aussagen, wie die Performance deines Gesamtunternehmens aussieht. KPI sind aber nicht, wie viele Likes du bekommst, wie viele Fans oder was auch immer du hast, weil deinem Unternehmen geht es nicht besser dadurch, dass du 1000 oder 1500 Fans oder Follower hast.”

Unternehmensziele statt isolierter Kennzahlen

Social Media sollte nicht isoliert betrachtet werden, sondern muss zu den langfristigen Unternehmenszielen beitragen. Dazu gehören beispielsweise Umsatzsteigerung, Recruiting oder Kundenzufriedenheit.

Das ACCRA-Framework als Orientierung

Tim stellt das ACCRA-Framework mit den Kategorien Awareness, Consideration, Conversion, Retention und Advocacy vor. Es schafft eine klare Struktur, um KPI entlang der Customer Journey zu verorten.

„Ja, und da sehe ich immer, dass es einfach viel zu kurz gedacht wird. Also es wird immer dieser erste Aspekt, hey, ich möchte die Aufmerksamkeit haben, der wird hochgehalten, aber alles, was dahinter kommt, überhaupt nicht mehr beachtet, ja, oder auch nur weiter bearbeitet.”

Silodenken und fehlende Schnittstellen

Oft bleibt Social Media in einem eigenen Silo gefangen. Dadurch fehlen Verbindungen zwischen den Bereichen Marketing, Vertrieb, HR oder Kundenservice.

Praxisbeispiele für Datennutzung

Jens zeigt, wie Leads aus Social Media in CRM-Systeme oder Newsletter überführt werden können. Wichtig ist, Daten nicht nur zu sammeln, sondern sie auch aktiv weiterzuverarbeiten.

Paid vs. Organic Social

Organische Reichweite ist volatil und schwer planbar. Mit Paid-Kampagnen lassen sich dagegen verlässliche Ergebnisse und messbare Conversions erzielen.

„Diese hohen Erwartungen, die es an Organic gibt, kann ich überhaupt nicht unterstreichen, weil das Organic am Ende ja eine Blackbox ist. Ich schmeiße da was rein und je nachdem, wie der Algorithmus heute drauf ist, bekomme ich entweder irgendwie Reaktionen oder aber auch mal keine.”

Reichweite und Relevanz differenzieren

Reichweite ist nur dann wertvoll, wenn sie die richtige Zielgruppe erreicht. Entscheidend ist die Qualität der Kontakte, nicht ihre Masse.

Qualität von Likes und Engagement

Likes sind erst strategisch relevant, wenn sie von Personen aus der Zielgruppe oder von Meinungsführern stammen. Likes von eigenen Mitarbeitenden haben dagegen nur geringen Wert.

Datenqualität und Audience-Differenzierung

Im Paid-Bereich lassen sich Zielgruppen klarer analysieren und bewerten. So kann unterschieden werden, welche Zielgruppen qualitativ wertvolles Engagement liefern.

„Also wenn wir merken, die Audiences oder die Leads, die uns Social Media jetzt rüber reicht zu E-Commerce, haben einen ganz bestimmten Cost per Conversion. Und der ist bei Social Media besonders niedrig. Dann kann man sagen, das ist gut. Oder man kann sagen, okay, die haben uns vielleicht mehrere Audiences oder Leads überreicht und mehrere Gruppen davon. Die Gruppe war gut, die Gruppe war nicht so gut, hiervon sollten wir mehr machen, davon weniger. Diese Differenzierung, die fehlt in der Praxis viel zu oft.”

Budget-Kämpfe und fehlender Wissenstransfer

Zwischen Social Media und Performance-Marketing entstehen oft Budget-Konflikte. Fehlendes Wissen auf Entscheider-Ebene verschärft diese Probleme zusätzlich.

Harte vs. weiche Ziele im Social Media

Organische Aktivitäten zielen in der Regel auf Reichweite und Engagement ab. Paid-Kampagnen können hingegen harte Kennzahlen wie Conversions oder Leads abbilden.

Balance zwischen Nutzer- und Unternehmenszielen

Unternehmen müssen einen Mittelweg finden zwischen Inhalten, die die Nutzer unterhalten, und solchen, die die Unternehmensziele unterstützen. Nur so entsteht langfristig Relevanz.

Themenfelder und langfristige Relevanz

Eine klare Definition von Themenfeldern sorgt für Konsistenz im Content. So bauen Unternehmen Vertrauen auf, schaffen nachhaltig Communities und vermeiden Beliebigkeit.

Community-Interessen vs. Unternehmensziele

Die Likes und Interessen der Community können als Orientierung dienen, sollten aber nicht die alleinige Grundlage für die Strategie sein. Wichtiger ist eine Kombination aus Unternehmenssicht und externer Resonanz.

Erwartungsmanagement und Ressourcen-Realität

Social-Media-Erfolge hängen oft von den verfügbaren Ressourcen ab. Ein realistisches Erwartungsmanagement verhindert Frustration und falsche Vergleiche mit viralen Ausnahmen.

Stakeholder-Management und interne Schnittstellen

Social-Teams müssen interne Abteilungen als Stakeholder aktiv einbinden. So lassen sich Ziele abstimmen und unnötige Konflikte vermeiden.

Datenzugang, Silos und Kulturprobleme

Ein großes Hindernis sind fehlende Zugriffsrechte auf zentrale Systeme wie Analytics. Oft sind organisatorische Silos die Ursache und nicht technische Barrieren.

„Da habe ich einfach unglaubliche Silos, die keiner aufbricht. Die gibt es in jeder Ecke. Das HR ist jetzt ein Teil, aber PR ist vielleicht irgendwie noch ein anderer, Sales, was auch immer. Ich habe diese ganzen Silos und dass die nicht aufgebrochen werden in den Unternehmen ist für gutes, ich will sogar sagen Marketing insgesamt, ein sehr großes Problem.”

Case: Social Media als Umsatztreiber

Jens berichtet von einem Tourismusunternehmen, das eine Sonderöffnung erfolgreich über Social Media kommuniziert hat. Der direkte Umsatzbeitrag konnte dadurch klar nachgewiesen werden.

Reporting richtig ausrichten

Reportings sollten immer an den Bedürfnissen der internen Zielgruppe ausgerichtet sein. Statt vieler unnötiger Kennzahlen braucht es wenige, relevante KPI, die für Entscheider nachvollziehbar sind.

🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community:

👉 Neue Folgen sofort auf dem Schirm

👉 Direkt bei der Arbeit reinhören

👉 Wertvolle Folgen mit Kollegen teilen

👉 Mit Data & Analytics-Experten vernetzen

➡️ Jetzt beitreten!

https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM

Wir freuen uns auf dich! 💬

Mehr zu Datendurst und Host Tim:

https://www.linkedin.com/company/datendurst/

https://www.linkedin.com/in/ebner-tim/

Unterstütze den Podcast:

paypal.me/datendurst

Tim spricht mit Levi über gängige Missverständnisse im Social Listening. Gemeinsam räumen sie mit Mythen auf und stellen effektive Methoden vor.

Tim begrüßt Levi von CURE Intelligence. Er arbeitet seit vielen Jahren im Bereich Media Listening und Data Engineering. Gemeinsam sprechen sie über die Entwicklung von Social Listening und darüber, warum es mehr ist als reines Monitoring.

Lerne Levi kennen: https://www.linkedin.com/in/leviveiga/

Levi berichtet von seinen Anfängen als Werkstudent bis hin zu seiner heutigen Position als Managing Director bei CURE Intelligence. Das Unternehmen bietet Leistungen in den Bereichen KI-Anwendungen, Data Engineering und Digital Marketing an.

Lerne das CURE Intelligence kennen: https://www.linkedin.com/company/cure-intelligence/

Beim Social Listening wird bewusst gelauscht, was Stakeholder im Internet über Marken, Produkte oder Themen sagen. Dazu zählen Wortmeldungen in Social Media, aber auch Foren, Bewertungsportalen, News-Seiten und vielen weitere Quellen.

[Anzeige] Weiterbildung mit Distart

Distart bietet auch geförderte Weiterbildungen zum Thema „Social Media Listening“ an. Einblicke in die Praxis sind ebenfalls Teil des Angebots. Mehr Infos gibt es unter: https://distart.de/datendurst

Monitoring beschreibt die reine quantitative Beobachtung, bei der Daten gesammelt und ausgewertet werden. Listening geht einen Schritt weiter, da es Daten interpretiert, Handlungsempfehlungen ableitet und strategische Relevanz schafft.

„Also für mich ist Social Listening das Aktive, also wirklich das bewusste Zuhören, was nicht nur meine Kunden, sondern was meine Stakeholder über mich und meine Produkte im Internet sagen.“

Ohne klare Geschäftsziele und abgestimmte Anforderungen zwischen Fachabteilung und Analysten können keine belastbaren Ergebnisse erzielt werden. Es müssen Business-Know-how und technische Umsetzung zusammenkommen.

Das ist nur bedingt möglich. Wer die Daten nicht während des Ereignisses erfasst, muss entweder historische Daten teuer zukaufen die zwangsläufig Lücken aufweisen oder hat gar keine Datenbasis .

Nicht jede Interaktion ist wertvoll. Um positives von schädlichem Engagement zu unterscheiden, sind Sentiment, Zielgruppen-Fit und Kontext entscheidend.

„Das heißt, nicht jedes Engagement ist gut. Beispielsweise spreche ich hier von der Bierbranche. Die generieren unheimlich viel Engagement.“

Datenquellen, Keywords, Schnittstellen und das Nutzerverhalten ändern sich ständig. Ein Setup muss deshalb kontinuierlich gepflegt werden.

Grundkenntnisse sind schnell erworben, für belastbare Reports braucht es jedoch Erfahrung, Training und ein Verständnis für Datenquellen und den Business-Kontext.

„Es kann jeder lernen. Ich sage mal so: Jeder hat schon mal Berührungspunkte damit, sogar privat und ohne dass er in einem Unternehmen arbeitet, das Social Listening macht.“

Performance-Reports, die beispielsweise Reichweite oder Klickzahlen erfassen, gehören nicht ins Listening-Tool. Social Listening liefert hingegen qualitative Analysen zu Inhalten, Themen und Diskussionen.

Die Tools unterliegen europäischen Datenschutzstandards. Entscheidend ist der richtige Umgang mit ihnen: Daten müssen anonymisiert, nur relevante Informationen gespeichert und interne Prozesse etabliert werden.

„Man sollte schon gucken, dass man geprüfte Tools einsetzt, also die Datenschutzerklärungen zur Verfügung stellen, vielleicht bei Vertragsabschluss oder sogar beim Test des Tools.“

Viele Inhalte bleiben unzugänglich, beispielsweise private Profile, geschlossene Gruppen oder LinkedIn-Beiträge außerhalb der eigenen Unternehmensseite. Tools erfassen nur öffentlich zugängliche Daten und freigegebene Schnittstellen.

Instagram liefert nur Inhalte von Business-Profilen, Facebook nur von Seiten und von Gruppen bei denen man Administratorrechte hat. Das Gespräch auf LinkedIn lässt sich aktuell nur zu einem sehr kleinen Teil inhaltlich analysieren.

Die Affäre um Cambridge Analytica hat strengere Regeln gebracht. Neben rechtlichen Hürden spielen auch API-Beschränkungen sowie ethische Fragen, beispielsweise zur Profilbildung oder zum Community-Schutz, eine Rolle.

Lese mehr über die Cambridge-Analytica-Affäre: https://www.mainzer-medieninstitut.de/facebook-datenmissbrauch-um-cambridge-analytica/

🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community:

👉 Neue Folgen sofort auf dem Schirm

👉 Direkt bei der Arbeit reinhören

👉 Wertvolle Folgen mit Kollegen teilen

👉 Mit Data & Analytics-Experten vernetzen

➡️ Jetzt beitreten!

https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM 

Wir freuen uns auf dich! 💬

Mehr zu Datendurst und Host Tim:

https://www.linkedin.com/company/datendurst/

https://www.linkedin.com/in/ebner-tim/

Unterstütze den Podcast:

paypal.me/datendurst

Marco Geuer spricht mit Tim darüber, wie Unternehmen Data- und AI-Strategien systematisch aufbauen sollten. Statt blindem Aktionismus geht es um Business Cases, Datenqualität und cross-funktionale Teams.

Einführung ins Thema

Tim spricht mit Marco Geuer über die Frage, wie Unternehmen Data und AI strategisch und ganzheitlich angehen können. Der Fokus liegt dabei auf Struktur statt blindem Hype.

Wer ist Marco Geuer?

Marco ist seit über 25 Jahren im Bereich Data und AI aktiv. Zuletzt war er als Global Head of Data Strategy & AI Solutions bei Fiege tätig. Heute ist er Partner bei Blueforte und berät Unternehmen in Fragen der Datenstrategie.

Lerne Marco Geuer kennen: http://linkedin.com/in/marco-geuer-the-data-economist/

AI in der Praxis: Von Aktionismus bis Governance-Risiken

Auf den Hype um AI reagieren viele Unternehmen mit Aktionismus. Marco sieht die Gefahr, dass die Themen Datenschutz und Governance ohne eine entsprechende Strategie übergangen werden.

GenAI auf „Microsoft-Office-Level“

Zwischen Begeisterung und Überforderung: GenAI wird wie Microsoft Office genutzt und das mal auf gute, mal auf schlechte Art und Weise. Dadurch bleibt die Differenzierung zwischen Unternehmen gering.

Auch spannend: Warum du für ChatGPT optimieren solltest: https://youtu.be/EP_S8__LoJM?si=qLrQjV1KmNPZdD0U

Datenschutz und Governance beim Einsatz von Agenten

Wenn sensible Daten ohne Kontrolle weitergegeben werden, bergen automatisierte Agenten Risiken. Marco plädiert deshalb für klare Governance-Strukturen.

AI ist kein Feature, sondern ein Prinzip

Laut Jörg Hirt, Chief Innovation Manager bei der REWE Digital GmbH, darf AI nicht als isoliertes Tool verstanden werden. Unternehmen benötigen Baukästen und Plattformen.

„Wer bei KI immer noch an Use Cases denkt, hat den Schuss nicht gehört.”

Mehr dazu unter: https://www.linkedin.com/posts/joerg-hirt_ai-kifirst-innovation-activity-7332450400505110528-c9Ny

Unternehmensstrategie als Basis für AI-Strategie

Marco betont, dass die Planung von Data und AI im Kern die Planung der Unternehmensstrategie bedeutet, deren Grundlage Vision, Mission und langfristige Ziele sind:

„Wenn du dich mit Data und AI Strategie beschäftigst, dann beschäftigst du dich ja eigentlich mit Unternehmensstrategie.“

Datenproduktion vs. klassische Produktion

Im Vergleich zur industriellen Fertigung fehlt es in Datenprojekten oft an Standardisierung. Ohne Standardisierung lassen sich jedoch keine skalierbaren Lösungen entwickeln.

So standardisierst Du im ersten Schritt Deine Dashboards: https://www.youtube.com/watch?v=qA3B5o0Zvuo

Cross-funktionale Teams statt Kunden-Lieferanten-Denken

Silos bremsen die Transformation. Erst wenn Business und IT gemeinsam an Prozessen arbeiten, entstehen funktionierende Lösungen.

Kultur, Hierarchie und internationale Unterschiede

In asiatischen Ländern wird kollektivistischer gearbeitet und schneller umgesetzt. Im Westen stehen dagegen oft individuelle Ziele und Hierarchien im Weg.

OKRs und multidimensionale Ziele

OKRs sollen Silos aufbrechen. In vielen Unternehmen fehlt jedoch die richtige Umsetzung dieses Ansatzes, um Ziele tatsächlich zu erreichen.

„Cross-funktionale Arbeit erfordert multidimensionale Denkweise. Wenn du alleine bleibst, bleibst du eindimensional. Wenn du viele unterschiedliche Köpfe zusammenbringst, fängst du an, multidimensional zu denken.”

Tesla und Amazon: systemische Transformation statt Use Cases

Beide Unternehmen zeigen: Transformation gelingt nicht durch kleine Einzelprojekte, sondern wenn ganze Systeme neu gedacht werden.

Bausteine einer Data- und AI-Strategie

Eine tragfähige Strategie muss sich auf zentrale Elemente stützen. Dazu gehören Business Cases als Startpunkt, kulturelle Anpassungen, IT-Infrastruktur und Datenqualität.

Hier geht’s zum Simon-Sinek-Video: https://youtu.be/u4ZoJKF_VuA?si=ZadotBlcFIn-DNNq

So verbesserst Du Deine Datenqualität: https://www.youtube.com/watch?v=8SqRzgfzJh8

Advanced Rapid Data Performance Simulation (ARDPS)

Mithilfe von ARDPS lassen sich Datenquellen schnell auf ihre Leistungsfähigkeit hin überprüfen. So wird frühzeitig deutlich, ob ein Business Case realisierbar ist.

Von Use Cases zu Business Cases

Erfolgreiche Unternehmen orientieren sich an klaren Business Cases statt an isolierten Use Cases. Entscheidend sind cross-funktionale Teams und Fokus.

„Arbeite dich Business Case für Business Case ab und verteile die Ressourcen nicht auf viele Projekte, da dies alle Projekte verlangsamt.”

🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community:

👉 Neue Folgen sofort auf dem Schirm

👉 Direkt bei der Arbeit reinhören

👉 Wertvolle Folgen mit Kollegen teilen

👉 Mit Data & Analytics-Experten vernetzen

➡️ Jetzt beitreten!

https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM 

Wir freuen uns auf dich! 💬

Mehr zu Datendurst und Host Tim:

https://www.linkedin.com/company/datendurst/

https://www.linkedin.com/in/ebner-tim/

Unterstütze den Podcast:

paypal.me/datendurst

Ist „datengetrieben“ wirklich der passende Begriff? Sebastian Wernicke erklärt, warum er den Begriff „data inspired“ bevorzugt und wie Unternehmen Daten tatsächlich nutzen sollten. Im Gespräch mit Tim geht es um Datenmythen, kulturelle Hürden und praktische Tipps für die Transformation.

Wer ist Sebastian Wernicke?

Seit über 20 Jahren arbeitet Sebastian an der Schnittstelle von Daten, Organisation und Wertschöpfung. Im Podcast teilt er seine Sicht auf die strategische Nutzung von Daten.

Lerne Sebastian kennen: https://www.linkedin.com/in/wernicke/

Das Buch „Data Inspired“

In „Data Inspired“ zeigt Sebastian, warum datengetriebenes Arbeiten eher eine Kulturfrage als ein Technologiethema ist und was Unternehmen oft missverstehen.

Das Buch findest du hier: https://www.vahlen.de/wernicke-data-inspired/product/35418267 

[Anzeige] Weiterbildung mit Distart

Es gibt flexible, förderfähige Online-Kurse rund um KI, Daten und digitales Marketing. Tim hält dort auch regelmäßig Live-Sessions ab.

Mehr zu Distart: https://www.distart.de/datendurst

Kritik am Begriff „datengetrieben“

Der Begriff weckt falsche Erwartungen: Daten sollten keine Entscheidungen übernehmen, sondern diese lediglich unterstützen.

Datenmythen: Eindeutigkeit, Interpretation, Klarheit

Daten sind nicht objektiv, sondern interpretationsbedürftig. Drei typische Missverständnisse behindern ihre produktive Nutzung.

Daten als Gesprächsanlass, nicht als Lösung

Daten liefern nur selten eindeutige Antworten. Sie helfen jedoch dabei, die richtigen Fragen zu stellen und Perspektiven zu klären.

Kultur vor Architektur: Der echte Hebel für Transformation

Technische Systeme allein reichen nicht aus. Erst wenn Kultur und Entscheidungsprozesse datenoffen sind, kann eine Transformation gelingen.

Mehr zu Daten und Kultur: https://youtu.be/4ng046uNIAE?si=-rhx4zG53bea8t2I 

Die Rolle des Chief Data Officers

Ein CDO benötigt ein Mandat, ein Netzwerk und eine Einbindung. Wer das Thema lediglich delegiert, wird oft scheitern.

Daten als bilanzierbares Asset

Daten werden zunehmend als wirtschaftliches Gut behandelt. In Projekten lohnt es sich daher, ihren potenziellen Wert zu betrachten.

Welche Daten gelöscht werden sollten

Nicht alle Daten sind nützlich. Veraltete oder unstrukturierte Informationen verursachen in der Regel nur Kosten.

Die vier Reiter der Daten-Transformation

Sebastian nennt vier typische Hürden bei der organisatorischen Nutzung von Daten und zeigt auf, wie man ihnen begegnen kann.

Mit Daten und Kreativität zum Erfolg: https://youtu.be/I_uvUjL3ICg?si=l2EGDE_nigGDg8-e 

Leuchtturmprojekte als Fehleinschätzung

Einzelne Vorzeigeprojekte erzielen oft keine nachhaltige Wirkung, da sie selten die gesamte Organisation überzeugen.

Warum viele Prototypen scheitern

Viele gute Ideen scheitern, weil sie nie für den produktiven Einsatz gedacht waren und wichtige Anforderungen ignorieren.

Der menschliche Faktor in der Datenarbeit

Technik allein löst keine Konflikte. Ohne die Einbindung der Menschen bleibt jeder Use Case eine Insellösung.

Data Informed, Data Driven, Data Inspired

Daten als Entscheidungsgrundlage? Ja, aber noch wirkungsvoller sind sie als Inspiration für strukturelle Veränderungen.

🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community:

👉 Neue Folgen sofort auf dem Schirm

👉 Direkt bei der Arbeit reinhören

👉 Wertvolle Folgen mit Kollegen teilen

👉 Mit Data & Analytics-Experten vernetzen

➡️ Jetzt beitreten!

https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM 

Wir freuen uns auf dich! 💬

Mehr zu Datendurst und Host Tim:

https://www.linkedin.com/company/datendurst/

https://www.linkedin.com/in/ebner-tim/

Unterstütze den Podcast:

paypal.me/datendurst

Smarter Kundenservice durch KI? Wie funktioniert das konkret? Ralf Mühlenhöver spricht mit Tim über echte Use Cases entlang der gesamten Customer Journey: Vor, während und nach dem Kontakt.

Wer ist Ralf Mühlenhöver?

Ralf ist seit 25 Jahren im Bereich Customer Experience und Technologie aktiv, hat zwei Unternehmen gegründet und verkauft. Heute arbeitet er freiberuflich als Berater mit Fokus auf Technologie im Kundenservice.

Lerne Ralf kennen: https://www.linkedin.com/in/ralfmuehlenhoever/

Use Cases: Vor dem Kundenkontakt

Kundendaten helfen, Servicekontakte im Vorfeld zu vermeiden. Das Teilen von Daten und Informationen zwischen Marketing, Logistik und Kundenservice verbessert die Planung und Reaktionsfähigkeit.

„The best service is no service“: Fehler präventiv vermeiden

Auch wenn diese Redewendung vielleicht ein Fiebertraum ist: Wenn alle Abteilungen gut zusammenarbeiten, wird Kundenkontakt oft überflüssig. Durch Daten und Kommunikation lassen sich viele Probleme voraus ahnen und vermeiden.

„Fehler passieren überall. Wenn wir es aber schaffen, diese Daten frühzeitig zu nutzen, dann können wir uns darauf einstellen, was passiert.”

Predictive Analytics: Kaffeemaschinen & Lifecycle-Angebote

Mit Predictive Maintenance und Daten aus dem IoT-Umfeld können Unternehmen passende Cross- und Upselling-Angebote automatisieren. Beispiel: Nespresso nutzt Lebensdauer-Prognosen für gezieltes Marketing.

Intent-Erkennung und Dunkelverarbeitung

KI erkennt den Zweck einer Anfrage automatisch. Standardanfragen wie „Where is my order?“ können komplett automatisiert und direkt beantwortet werden.

Agentische KI vs. klassische Automatisierung

„Agentic AI“ steht für KI-gesteuerte Prozessketten. Wo heute noch einfache Automatisierung hilft, übernehmen künftig autonome Systeme ganze Abläufe.

„Agentische KI [...] hat irgendwie nichts mit dem Agenten im Callcenter zu tun, sondern es ist tatsächlich ein Wort, was sich jetzt neu prägt, wo es darum geht, komplette Prozesse durch eine Maschine erledigen zu lassen.”

Empathie: Mensch vs. KI im Sales

Auch wenn KI nur Empathie simuliert, wird sie teils als einfühlsamer wahrgenommen als echte Mitarbeiter: Je nach Kontext ein Vorteil oder Risiko im Sales-Prozess.

Hyperpersonalisierung mit CDPs

Statt grober Zielgruppenansprache ermöglichen Customer Data Platforms (CDPs) individuelle Kommunikation auf Basis historischer Kundendaten: Automatisiert und skaliert.

„Aufgrund der Menge der Daten, die ich im CRM oder in meiner Customer Data Platform, CDP, über dich gesammelt habe, kann ich dann eben auch individualisierte Angebote machen.”

AI-Shoring: Vom Callcenter zur Cloud

Unternehmen lagern Services zunehmend in Near- und Offshore-Regionen aus. Das geschieht inzwischen nicht mehr nur menschlich, sondern KI-basiert. Ralf spricht hier von „AI-Shoring“.

Missbrauchspotenziale durch Voicebots

Tools wie Blend.ai bieten aggressive Automatisierung im Outbound. Daraus entsteht auch ein hohes Missbrauchspotenzial für Scam-Calls. Schutzmechanismen und Regulationen sind gefragt.

Kundenrouting & Voice Verification: Auslaufmodell?

Sprachbiometrie war lange ein Sicherheitsfeature. Doch in Zeiten stimmgenerierender Tools und Deep Fakes wird diese Verifikationsmethode angreifbar. Alternativen sind gefragt.

Echtzeitübersetzung bei Booking.com & Google

Live-Übersetzung ermöglicht internationalen Kundenservice ohne Sprachbarrieren. Erste Umsetzungen von Booking und Google zeigen, was technisch möglich ist.

Co-Pilot im Kundenkontakt: Assistenz statt Autopilot

Agent Assist Tools geben während des Gesprächs Empfehlungen und Inhalte. Das entlastet Mitarbeitende und verbessert Qualität und Bearbeitungszeiten.

Gesprächszusammenfassung & Einsparpotenzial bei EnBW

KI erstellt nach dem Call automatisch Gesprächsnotizen. Das spart pro Fall bis zu 60 Sekunden. Bei EnBW wurde so die Qualität erhöht und gleichzeitig die Kosten gesenkt.

Predictive NPS & Qualitätsanalyse mit KI

Als Alternative zu Umfragen analysiert die KI alle Kundenkontakte, um Zufriedenheit zu prognostizieren.

„Und daraus kann ich ein NPS predicten, mit dem großen Vorteil, dass ich 100% der Calls in meiner, ja, in meiner ,Umfrage’ dann drin habe und nicht eh schon den ersten Filter drin habe.”

Auch Gespräche, die nicht den Qualitätsstandards entsprechen, lassen sich so automatisch erkennen und nachverfolgen.

🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community:

👉 Neue Folgen sofort auf dem Schirm

👉 Direkt bei der Arbeit reinhören

👉 Wertvolle Folgen mit Kollegen teilen

👉 Mit Data & Analytics-Experten vernetzen

➡️ Jetzt beitreten!

https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM

Wir freuen uns auf dich! 💬

Mehr zu Datendurst und Host Tim:

https://www.linkedin.com/company/datendurst/

https://www.linkedin.com/in/ebner-tim/

Unterstütze den Podcast:

paypal.me/datendurst

ChatGPT, AI Overviews und GEO: Alles nur Buzzwords? Oder verändert sich die Sichtbarkeit in Suchmaschinen gerade? Stefan Kiecker spricht mit Tim über den Stand bei Generative Engine Optimization (GEO) und erklärt, warum 90% davon nach wie vor klassisches SEO bleibt.

Wer ist Stefan Kiecker und was macht SEOCATION?

Stefan ist Senior SEO Consultant bei SEOCATION. Sein Fokus liegt auf technischem SEO, insbesondere bei datengetriebenen und KI-bezogenen Themen.

Lerne Stefan kennen: https://www.linkedin.com/in/stefan-kiecker/

Lerne SEOCATION kennen: https://www.linkedin.com/company/seocation/

Personal Branding mit der „SEO-Brille"

Auf LinkedIn ist Stefan bekannt für seinen augenzwinkernden Auftritt mit der pixeligen SEO-Brille. Ein Beispiel, wie humorvolles Personal Branding Reichweite schafft.

Was bedeutet „Ohne SEO kein GEO"?

Trotz des KI-Trends bleibt SEO die technische Grundlage für Sichtbarkeit. 90 % der Optimierung für AI-Overviews oder ChatGPT-Antworten basieren weiterhin auf klassischem SEO.

[Anzeige] Weiterbildung mit Distart

Distart bietet geförderte Weiterbildungen zu Marketing, Digitalisierung und KI an. Auch mit Einblicken aus der Praxis. Mehr Infos unter: https://distart.de/datendurst

Kritik am GEO-Hype: Sales-Fokus statt Substanz

Der Begriff GEO (Generative Engine Optimization) wird aktuell von vielen Marketing-Anbietern genutzt. Häufig ohne echtes technisches Verständnis.

Hier geht’s zur Begriffsfindung mit Olaf Kopp: https://bit.ly/40rGTE0

Wie funktionieren AI Overviews technisch?

Google nutzt eigene Suchergebnisse, um AI-Overviews zu generieren. Dabei können auch irrelevante Quellen von hinteren Suchergebnisseiten einfließen.

Schau dir auch den Beitrag von Matthäus Michalik an: https://bit.ly/44E1U0F

Warum Suchmaschinen durch KI nicht abgelöst werden

Chatbots wie ChatGPT verwenden Suchmaschinen als Basis für Antworten. Die klassische Websuche bleibt damit zentral für die Sichtbarkeit.

Fehlerquellen bei AI Overviews und ChatGPT

Falsche Antworten, veraltete Daten oder sogar absurde Empfehlungen wie „Klebstoff essen” zeigen die Grenzen aktueller Systeme.

Product Feeds und geplante Werbung in ChatGPT

Künftig sollen Unternehmen eigene Datenfeeds für KI-Systeme bereitstellen können. Auch Werbung in ChatGPT ist bereits angekündigt.

Begriffswirrwarr: GEO, LLMO, AIO & Co.

Die Szene diskutiert Begriffe wie GEO, LLMO (Large Language Model Optimization) oder AIO. Doch am Ende wird sich der Begriff durchsetzen, den die meisten nutzen.

Hier geht es zur Begriffsdiskussion: https://bit.ly/44DHe98

Literatur zu Grounded Theory:

https://bit.ly/3G16NI0

https://bit.ly/4lrMXV3

https://bit.ly/4klrjB8

Google Trends Analyse: Was setzt sich durch?

Daten zeigen: GEO erlebt weltweit einen massiven Anstieg an Suchinteresse. LLMO wird bislang seltener gesucht.

Google Trends zur Begriffsfindung:

(I) https://bit.ly/3ZU17pY

(II) https://bit.ly/4ew4VUj

Messbarkeit von GEO: Aktueller Stand und Tools

Die Google Search Console zeigt keine separaten Daten zu AI Overviews. Externe Tools wie Sistrix oder SEMrush liefern erste Einblicke.

AI Overviews in den USA und UK: Ein Blick in die Zukunft

In den USA sind AI Overviews bereits für rund 25% der Suchanfragen aktiv. Mit spürbaren Traffic-Verlusten für Inhalteanbieter.

Auswirkungen auf Journalismus und Content-Produzenten

KI kann Informationen zusammenfassen, doch dafür braucht es weiterhin hochwertige Quellen. Die Gefahr: Kleinere Anbieter werden verdrängt.

Sichtbarkeit in ChatGPT verbessern: Trainingsdaten & Social Signals

Gezielte Nennungen auf hochwertigen Plattformen wie Reddit oder Wikipedia erhöhen die Chance, in KI-Antworten aufzutauchen.

So recherchiert ChatGPT: https://bit.ly/4lulAd5

🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community:

👉 Neue Folgen sofort auf dem Schirm

👉 Direkt bei der Arbeit reinhören

👉 Wertvolle Folgen mit Kollegen teilen

👉 Mit Data & Analytics-Experten vernetzen

➡️ Jetzt beitreten!

https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM 

Wir freuen uns auf dich! 💬

Mehr zu Datendurst und Host Tim:

https://www.linkedin.com/company/datendurst/

https://www.linkedin.com/in/ebner-tim/

Unterstütze den Podcast:

paypal.me/datendurst

Wie wird man Chief Data & Analytics Officer (CDAO) bei einem internationalen Unternehmen wie L’Oréal? In dieser Folge spricht Tim mit Franziska über ihren Karriereweg, aktuelle Herausforderungen im Team und warum ein Umzug ein gutes Beispiel für Transformation ist.

Intro & Vorstellung Franziska Eickhoff

Franziska ist Chief Data & Analytics Officer für Deutschland, Österreich und die Schweiz bei L’Oréal. Im Podcast stellt sie sich vor und gibt erste Einblicke in ihre Rolle.

Erfahre mehr über Franziska: https://www.linkedin.com/in/franziska-eickhoff/ 

Aktuelle Karrieremöglichkeiten bei L’Oréal: https://careers.loreal.com/de_DE/content/Home

Einstieg in die CDAO-Rolle bei L’Oréal

Nach zwölf Jahren in der Energiebranche verbindet Franziska bei L’Oréal ihre Datenerfahrung mit der Begeisterung für Beauty. Führung, Strategie und Kommunikation prägen ihre neue Rolle.

Vom Energiesektor zur Beautybranche

Die Datenarbeit bleibt ähnlich, aber das Marktumfeld ist deutlich dynamischer. Schnellere Trends und stärkere Kundennähe erfordern mehr Flexibilität.

Datenarbeit entlang der Wertschöpfungskette

Ihr Team begleitet Daten von der Produktion über die Logistik bis zur Marketingkampagne. Ziel ist es, datenbasierte Entscheidungen in allen Bereichen zu unterstützen.

Drei zentrale Datenbereiche bei L’Oréal

L’Oréal strukturiert Datenprozesse in Operations, Retail/E-Commerce und Marketing. Jeder Bereich bringt spezifische Herausforderungen mit sich.

Teamstruktur und Spezialisierung

Die Teammitglieder sind bisher nach Marken gegliedert, sollen künftig aber entlang der Geschäftsprozesse organisiert werden. So entstehen mehr fachliche Tiefe und Synergien.

Aufgabenverteilung zwischen Analysten und Engineers

Es gibt eine Mischung aus cross-funktionalen Leads und spezialisierten Rollen pro Bereich. So bleibt das Team technisch fundiert und gleichzeitig nah an den Fachabteilungen.

Karriereweg zur Führungskraft im Data-Bereich

Franziska berichtet von ihren Anfängen, früher Führungsverantwortung und wie sie ihr Digital-Team aufgebaut hat. Unterstützung und strukturiertes Lernen waren entscheidend.

Lernen, Weiterentwicklung und Unternehmenskultur

Onboarding und Führungstrainings bei L’Oréal helfen dabei, das Unternehmen und seine Kultur zu verstehen. Das Wissen um die „Wurzeln“ der Organisation ist essentiell für erfolgreiche Veränderungen.

Tagesablauf als CDAO

Franziskas Alltag besteht aus Teamführung, Projektabstimmungen und strategischer Planung. Zeitfenster für konzentriertes Arbeiten sind fest im Kalender eingeplant.

Strategische Führung und internationale Abstimmung

Sie arbeitet eng mit europäischen und globalen Data-Teams zusammen. Das Ziel: nationale Anforderungen mit internationalen Standards verbinden.

Zukunftsmodell: Zentrale Zusammenarbeit in Europa

Franziska plant mehr gemeinsame Datenlösungen mit anderen Ländern. Das lokale Team bleibt, aber die Entwicklung wird vernetzter und zentraler gedacht.

Transformation erklärt am Beispiel eines Umzugs

Der Wandel wird wie ein Umzug beschrieben: aussortieren, packen, transportieren – bei laufendem Betrieb. Das Ziel ist ein gemeinsames „Mehrfamilienhaus“ für alle Datenlösungen.

Typische operative Herausforderungen im Datenteam

Fehlende Datenlieferungen, technische Fehler oder manuelle Prozesse gehören leider zum Alltag. Monitoring und pragmatische Lösungsansätze helfen bei der Fehlerbehebung.

Umgang mit Stakeholdern bei Datenproblemen

Statt Schuldzuweisungen gibt es transparente Kommunikation und schnelle Koordination. Die Verantwortung wird gemeinsam getragen.

Persönliches über Franziska: Ausgleich zum Job

Sie lebt am Niederrhein, engagiert sich sozial und liebt das Kochen. Mit drei Katern ist bei ihr auch privat einiges los.

Kurzbio von Franziska Eickhoff

Franziska ist seit August 2023 als Chief Data & Analytics Officer bei L’Oréal Deutschland, Österreich und der Schweiz tätig und leitet ein Team von 18 Mitarbeitenden. Zuvor war sie mehr als zehn Jahre in der Energiebranche tätig, zuletzt als Head of Data Analytics & Engineering bei E.ON. Mit ihrer Expertise in den Bereichen Data Science, digitale Transformation und Marketing treibt sie bei L’Oréal eine datengetriebene Unternehmenskultur sowie den Einsatz ethisch verantwortungsvoller KI voran.

🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community:

👉 Neue Folgen sofort auf dem Schirm

👉 Direkt bei der Arbeit reinhören

👉 Wertvolle Folgen mit Kollegen teilen

👉 Mit Data & Analytics-Experten vernetzen

➡️ Jetzt beitreten!

https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM 

Wir freuen uns auf dich! 💬

Mehr zu Datendurst und Host Tim:

https://www.linkedin.com/company/datendurst/

https://www.linkedin.com/in/ebner-tim/

Unterstütze den Podcast:

paypal.me/datendurst

Wie entwickelt sich der Arbeitsmarkt für Data- und Analytics-Talente? Und was macht Unternehmen wirklich attraktiv für diese Zielgruppe? Tim Verhoeven von Indeed liefert datenbasierte Antworten zu diesen und weiteren Themen, darunter Jobtrends und „Work Wellbeing”.

Wer ist Tim Verhoeven und was ist Talent Intelligence?

Tim ist als Senior Manager für Talent Intelligence bei Indeed tätig. Er befasst sich mit datenbasierten Entscheidungen in den Bereichen HR und Talentstrategie.

Lerne Tim kennen: https://www.linkedin.com/in/tim-verhoeven83/

Podcast HR Data Dudes: Datenbasierte HR-Optimierung

In dem Podcast „HR Data Dudes“ diskutiert Tim mit anderen Fachleuten darüber, wie HR mithilfe von Daten fundierter handeln kann. Das Ziel besteht darin, bauchgefühllastige Entscheidungen abzulösen.

Hier geht’s zum Podcast: https://hr-data-dudes.blogs.audiorella.com/

Der Datenschatz in HR und wie man ihn hebt

Viele Unternehmen verfügen über wertvolle HR-Daten, sind sich dessen jedoch nicht bewusst oder nutzen sie nicht. Talent Intelligence hilft dabei, diese Daten zu analysieren und praktisch zu nutzen.

Was bedeutet Talent Intelligence konkret im HR-Kontext?

Der Begriff umfasst alle datenbasierten Handlungen in den Bereichen Recruiting, Retention und Talentmanagement. Ziel ist es, fundierte Entscheidungen über Mitarbeitende zu treffen.

[Anzeige] Sponsor: Weiterbildung mit Distart

Distart bietet geförderte Online-Weiterbildungen zu den Themen Marketing, Digitalisierung und KI. Auch Praxis-Sessions mit Expert:innen sind Teil des Angebots.

Erfahre mehr zu Distart: https://www.distart.de/datendurst

Arbeitsmarktdaten bei Indeed: Vier Datencluster

Um Einblicke in den Arbeitsmarkt zu gewinnen, nutzt Indeed Verhaltens-, Hintergrund-, Profil- und Forschungsdaten. Durch das Crawlen externer Jobquellen ist die Datenbasis besonders umfassend.

Hiring Lab und Open Source Datenportal

Das Hiring Lab ist das Arbeitsmarktforschungsinstitut von Indeed. Neben klassischen Reports bietet es auch ein Open-Source-Datenportal mit regelmäßig aktualisierten Marktkennzahlen.

Das Hiring Lab: https://www.hiringlab.org/de/

Das Datenportal: https://data.indeed.com/#/ 

Nutzung der Daten für Benchmarks und Marktanalysen

Unternehmen nutzen die offenen Daten von Indeed, um ihre eigene Recruiting-Leistung einzuordnen. So lassen sich die Effekte von Kampagnen objektiv bewerten.

Remote-Quote: Entwicklung und Bubble-Fallen

Während die Gesamt-Remote-Quote seit eineinhalb Jahren stagniert, ist sie in der Tech- und Datenbranche deutlich höher. Die persönliche Wahrnehmung wird oft durch die eigene Blase verzerrt.

Remote-Anteil im Data- und Analytics-Bereich

In der Kategorie „Data & Analytics” sind etwa 46–48 % der Jobs remote möglich. Zum Vergleich: In Gesamtdeutschland liegt der Anteil bei rund 15 %.

Entwicklung des Fachkräftemarkts seit 2020

Nach einem Rückgang während der Corona-Pandemie stieg die Nachfrage nach Data-Talenten rasant an. Seit 2022 ist das Niveau wieder gesunken, was unter anderem auf wirtschaftliche Unsicherheit und KI-Substitutionseffekte zurückzuführen ist.

Jobtypen im Vergleich: Analyst, Scientist, Engineer

Im Vergleich haben Data Scientists mehr Bewerbende pro Job als Engineers. Besonders gesucht sind: Data Engineers, bei denen der Bewerberandrang deutlich geringer ist.

Wettbewerb und Bewerberqualität in der Praxis

Die Zahl der Jobsuchenden sagt wenig über deren Eignung aus. Viele Bewerber verfügen nur über Grundkenntnisse, die in einem komplexen Jobumfeld nicht ausreichen.

Warum Work Wellbeing gerade jetzt wichtig ist

Gerade in wirtschaftlich unsicheren Zeiten ist die Bindung von Mitarbeitern entscheidend. Unternehmen, die ihre Data-Talente halten wollen, sollten in Zufriedenheit investieren, denn Know-how-Verlust ist teuer.

Mehr über Work Wellbeing: https://de.indeed.com/lead/was-hat-wohlbefinden-am-arbeitsplatz-mit-unternehmenserfolg-zu-tun-alles 

Studie: Zusammenhang von Zufriedenheit und Unternehmenserfolg

Eine Studie der Oxford University zeigt: Unternehmen mit hoher Mitarbeiterzufriedenheit weisen eine niedrigere Fluktuation und bessere wirtschaftliche Kennzahlen auf. Zentrale Treiber sind dabei Führung, Vertrauen und Transparenz.

Die Studie der Oxford University:

https://www.ox.ac.uk/news/2019-10-24-happy-workers-are-13-more-productive 

Das Buch von Tim und Marcel: https://www.amazon.de/-/en/Recruiting-Analytics-Erfolg-Driven-Intelligence/dp/3791059475 

🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community:

👉 Neue Folgen sofort auf dem Schirm

👉 Direkt bei der Arbeit reinhören

👉 Wertvolle Folgen mit Kollegen teilen

👉 Mit Data & Analytics-Experten vernetzen

➡️ Jetzt beitreten!

https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM 

Wir freuen uns auf dich! 💬

Mehr zu Datendurst und Host Tim:

https://www.linkedin.com/company/datendurst/

https://www.linkedin.com/in/ebner-tim/

Unterstütze den Podcast:

paypal.me/datendurst

Sichtbarkeit im Netz folgt neuen Spielregeln. Tim spricht mit Robin Reuschel darüber, wie KI zur Gatekeeperin geworden ist und welche Auswirkungen das auf deinen Content hat. Gemeinsam zeigen sie dir, welche Tools, Formate und Denkweisen jetzt zählen, damit du in der Welt von ChatGPT & Co. sichtbar bleibst.

Begrüßung und Vorstellung

Robin wird als heutiger Gast eingeführt mit Einblicke in seinen Hintergrund zwischen Finanzmathematik, Strategieberatung und Technologie.

Vernetze dich mit Robin: https://www.linkedin.com/in/rreuschel/

Oder schau dir sein Unternehmen an: https://roover.eu/ 

[Anzeige] Hinweis auf den Sponsor

Tim erklärt dir, was du tun kannst, um deine Skills zu verbessern. Eine Möglichkeit: Distart bietet dir viele verschiedene geförderte Weiterbildungen zu Online-Marketing, KI und Social Media.

Erfahre mehr zu Distart: https://www.distart.de/datendurst

Warum SEO nicht mehr funktioniert

Robin erläutert, weshalb klassische SEO-Strategien heutzutage und zukünftig an Wirksamkeit verlieren und welche Rolle ChatGPT im Suchprozess spielt.

Kaufentscheidungen mit KI

Von Produktempfehlung bis zur finalen Entscheidung: Anhand eines persönlichen Beispiels beschreibt Robin, wie Kaufprozesse zunehmend an KI ausgelagert werden.

Gemini und die neue Suchlogik

Ein Blick auf Googles KI „Gemini” zeigt die veränderte Darstellung von Suchergebnissen, die immense Auswirkungen auf Traffic und Sichtbarkeit hat.

Der Beitrag von Fabian dazu: https://www.linkedin.com/posts/fabianjaeckert_seo-google-aioverviews-activity-7321431019591524353-f7GR/ 

Neue Wettbewerber im KI-Suchmarkt

Neben Google drängen mit neuen Suchgewohnheiten und technologischem Potenzial auch Meta AI, Perplexity und andere Anbieter auf den Markt.

KI als strengere Gatekeeperin

Robin erläutert, warum KI viel selektiver filtert als klassische Suchmaschinen, wodurch sich eine reduzierte Ergebnisvielfalt und ein höherer Bias ergeben.

Urheberrecht und Content-Verwertung

Diskussion über den Einfluss von KI auf Inhalte, Urheberschaft und Monetarisierung – inklusive der Kritik von Mario Fischer.

Mario Fischer zu KI und Urheberrecht: https://www.linkedin.com/posts/mariofischer_das-ist-kein-ai-overview-mehr-was-google-activity-7321413100744712192-UfrG 

Rankingverlust trotz Google-Topposition

Kerstin Schiefelbeins Case zeigt, dass klassische Rankings kaum noch eine Rolle spielen, wenn KIs eigene Antworten generieren.

Die Case Study von Kerstin zu KI und Google Rankings: https://bit.ly/45uyp2k

Wie KI Inhalte finden und bewerten

Wie genau funktioniert der technische Ablauf einer KI-Suche? Robin erklärt den Prozess von der Intent-Erkennung über die semantische Extraktion bis hin zum Retrieval aus mehreren Quellen.

Strategien für KI-Optimierung

Entscheidend sind folgende Kriterien: Crawlbare Inhalte, Chunking, Autorität durch Referenzen und Aktualität.

Hinweis: Beim Chunking werden Inhalte in kleine, strukturierte Informationshappen gegliedert, damit sie leichter von KI und Nutzern verarbeitet werden können.

Unterschiede zur klassischen SEO

Anstelle allgemeiner Keyword-Optimierung verlangt AI-Search spezifischere, nutzenorientierte Inhalte.

Bing-Optimierung für ChatGPT-Relevanz

Da ChatGPT auf die Bing-Suche zurückgreift, wird Bing-SEO zum entscheidenden Faktor für die Sichtbarkeit.

Warum KI auch falsche Informationen liefert

Mithilfe eines Beispiels erklärt Robin die Ursachen für Halluzinationen in KI-Antworten und zeigt dir, wie du diese durch gezieltes Prompt-Engineering und Quellenpflege vermeiden kannst.

Diese Herausforderung spielt auch eine Rolle beim Aufsetzen von UnternehmensGPTs: https://youtu.be/0tGXZPxThA0?si=opmq_q8fM7_EVrwM

Was tun, wenn ChatGPT zu Deinen Produkten halluziniert?

Dann kannst Du Dich bei OpenAI auf die Warteliste für Feed Submissions setzen lassen. Über dieses geplante Feature können Händler ihre Produkt-Feeds bald direkt an OpenAI senden, wodurch ChatGPT genauere und aktuellere Angebote an seine Nutzer ausspielen kann.

Hier geht es zur Registrierung:

https://openai.com/chatgpt/search-product-discovery/

Neue Messbarkeit und Tracking

Unternehmen können heutzutage KI-Traffic auf verschiedene Arten tracken. Dazu gehören UTM-Tags und die Analyse der Darstellung in Antworten.

KI-Werbung und Zukunft der Monetarisierung

Ein Blick in die nahe Zukunft zeigt, dass sich KI-Sichtbarkeit künftig kommerzialisieren wird, analog zu SEO, SEA und Social Ads.

🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community:

👉 Neue Folgen sofort auf dem Schirm

👉 Direkt bei der Arbeit reinhören

👉 Wertvolle Folgen mit Kollegen teilen

👉 Mit Data & Analytics-Experten vernetzen

➡️ Jetzt beitreten!

https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM 

Wir freuen uns auf dich! 💬

Mehr zu Datendurst und Host Tim:

https://www.linkedin.com/company/datendurst/

https://www.linkedin.com/in/ebner-tim/

Unterstütze den Podcast:

paypal.me/datendurst

Wie lässt sich die volle Datenpower in Social Media heben? Was lernen Marken aus Kommentaren, Creatives und Performance? Till Weyerhäuser von Mawave erklärt, wie sie datengetrieben Content und Kampagnen optimieren – von ATU bis Red Bull.

Mehr als Views: Welche Social-Daten zählen

Social Media liefert mehr als Klicks und Conversions: Es bietet direktes Nutzerfeedback. Kommentare und Reaktionen geben wertvolle Hinweise für gezielte Optimierungen.

Wer ist Till Weyerhäuser und was macht Mawave?

Till ist Growth Lead bei Mawave und entwickelt datengetriebene Strategien für Marken wie Lidl, Red Bull und HelloFresh. Mawave konzentriert sich auf Social Media – mit Fokus auf Performance und kreative Kommunikation.

Lerne Till kennen: https://www.linkedin.com/in/till-weyer/ 

Datenvielfalt: Feedback, Creatives, Sentiment

Neben Zahlen analysiert Mawave auch das Stimmungsbild in Kommentaren. So wird das Markenimage messbar und gezielt steuerbar.

[Anzeige] Sponsor: Distart Weiterbildung mit Praxisbezug

Tim stellt Distart vor – geförderte Weiterbildungen zu Online-Marketing, KI und Social Media. Er gibt dort regelmäßig Live-Sessions mit Praxisfokus.

Mehr zu Distart: https://www.distart.de/datendurst 

Creative Case: ATU-AstroTV Reel bringt die Wende im Sentiment

Ein humorvolles Reel im AstroTV-Stil generiert virale Reichweite und verbessert das Sentiment rund um ATU. Die Community reagiert kreativ auf alte Vorurteile.

Der Trend stammt von dear_nithi: https://www.tiktok.com/@dear_nithi / https://www.instagram.com/dear_nithi 

Plattformverhalten: TikTok vs. Instagram

Virale Inhalte starten meist auf TikTok und landen später auf Instagram. Die Performance ist ähnlich – mit zeitlichem Versatz.

Content-Entwicklung: Mischung aus Bauchgefühl und Daten

70 % der Inhalte basieren auf Daten, 30 % auf Plattformverständnis und Intuition. Besonders kreative Formate entstehen durch Teammitglieder mit tiefem Plattformwissen.

Content-Abstimmung auf Zielgruppen

Erfolgreicher Content passt zur Zielgruppe des Profils. Stilbrüche können der Performance schaden. Mawave achtet auf Konsistenz im Auftritt.

Paid Insights: UGC vs. Static Ads

UGC sorgt für mehr Aufmerksamkeit und günstigere Ausspielung, statische Ads bringen oft bessere Conversions. Mawave kombiniert beides entlang des Funnels.

Data Warehouse: Struktur, Benchmarking, Automatisierung

Ein zentrales Data Warehouse bündelt Kampagnendaten, speist Dashboards und ermöglicht kanalübergreifende Learnings.

Warum ist es so schwer, Social Media und Analytics zusammenzubringen? Daniel Zoll hat eine Antwort: https://youtu.be/069RsspTX9E?si=X0Lm8VASCjrLqHmP 

Predictive & Alerts: Performance-Signale früh erkennen

Slack-Alerts und automatisierte Hinweise machen Trends und Abweichungen schnell sichtbar - für schnelleres Reagieren.

Data Team: Praxisnah, lean, performanceorientiert

Das Datenteam arbeitet eng mit Performance-Units. Plattform-Erfahrung kombiniert mit Datenanalyse-Skills ist der Schlüssel für Hammer Performance.

Social als Feedback-Kanal: Kommentare analysieren

Kommentare liefern qualitative Insights. Mawave nutzt sie zur Stimmungsanalyse und zur Content-Optimierung.

Wie wichtig Community Insights sind, weiß auch Winfried Ebner von der Telekom: https://youtu.be/MOwFmBB-m4w?si=zbynAAxLaYSkyyIP 

Wettbewerbsanalyse: Kommentare als Inspiration

Auch bei der Konkurrenz verraten Kommentare viel über Produktwahrnehmung. Diese Erkenntnisse können genauso in neue Creatives fließen.

Attribution & Funnel-Logik: Daten zwischen den Plattformen

Statt komplexer Attributionsmodelle setzt Mawave auf Inkrementalitätsanalysen. Entscheidend ist die Gesamtwirkung eines Kanals.

🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community:

👉 Neue Folgen sofort auf dem Schirm

👉 Direkt bei der Arbeit reinhören

👉 Wertvolle Folgen mit Kollegen teilen

👉 Mit Data & Analytics-Experten vernetzen

➡️ Jetzt beitreten!

https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM 

Wir freuen uns auf dich! 💬

Mehr zu Datendurst und Host Tim:

https://www.linkedin.com/company/datendurst/

https://www.linkedin.com/in/ebner-tim/

Unterstütze den Podcast:

paypal.me/datendurst

Tim stellt Datendurst strategisch neu auf. In dieser Solo-Folge erklärt er, was bleibt, was geht und warum sich der Podcast in Zukunft stärker auf Audio fokussieren wird.

Vorschau: Spannender Besuch in der nächsten Folge

In der nächsten Folge begrüßt Tim Till Weyerheuser von Mawave. Er zeigt, wie man das volle Potenzial von Daten aus organischen und bezahlten Social-Media-Kanälen ausschöpft. Mit Einblicken aus der Zusammenarbeit mit Marken wie Red Bull, ATU und Outfittery bringt Mawave jede Menge Know-how mit. Zuhören lohnt sich!

[Anzeige] Kooperation mit Distart

Zum ersten Mal wird der Podcast von einem Sponsor unterstützt: Distart bietet geförderte Weiterbildungen zu digitalen Themen und Online-Marketing an. Tim selbst moderiert dort Live-Sessions - eine enge Verbindung von Praxis und Bildung.

https://www.distart.de/datendurst

Was der Podcast wirklich kostet

Die Analyse der Produktionskosten ist ernüchternd: Ein Jahr Datendurst kommt finanziell einem Neuwagen gleich. Der erhoffte Return on Investment durch Kundenaufträge ist bisher ausgeblieben, eine Kurskorrektur ist notwendig.

Was ankommt: Inhalte, die Reichweite bringen

Besonders erfolgreich sind Episoden mit klaren Themenschwerpunkten und spannenden Persönlichkeiten aus bekannten Unternehmen wie RTL oder der Telekom. Auf LinkedIn erzielen Thumbnails mit starken Zitaten die größte Aufmerksamkeit - ein Kanal, der gezielt bespielt wird.

Tschüss Kurzclips: Warum das Format nicht überzeugt

Tim verabschiedet sich von experimentellen Videoformaten für TikTok, Instagram und YouTube Shorts. Der Aufwand steht in keinem Verhältnis zum Ergebnis - weder Engagement noch Reichweite konnten überzeugen.

Neues Setup: Weniger Video, mehr Klarheit

Künftig liegt der Fokus auf dem Audioformat - auch auf YouTube. Nur besonders relevante Episoden werden zusätzlich visuell aufbereitet und bei positiver Entwicklung ist ein wöchentlicher Rhythmus nicht ausgeschlossen.

Mehr zu Datendurst und Host Tim:

https://www.linkedin.com/company/datendurst/

https://www.linkedin.com/in/ebner-tim/

Unterstütze den Podcast:

paypal.me/datendurst

🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community ! 🚀

👉 Neue Folgen sofort auf dem Schirm

👉 Direkt bei der Arbeit reinhören

👉 Wertvolle Folgen mit Kollegen teilen

👉 Mit Data & Analytics-Experten vernetzen

➡️ Jetzt beitreten!

https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM 

Wir freuen uns auf dich! 💬

Was passiert, wenn PR, Marketing und Branding eines Großkonzerns beschließen, mit einer gemeinsamen Datenbasis zu arbeiten? Winfried Ebner erzählt, wie die Telekom diesen Wandel organisiert hat - und warum Daten allein nicht ausreichen, um die Zusammenarbeit wirklich zu verändern.

Strategie statt Aktionismus: Warum man mit Denken beginnen sollte

Bevor Daten verarbeitet oder Dashboards gebaut werden, braucht es ein gemeinsames Verständnis der Prozesse und Zielwirkungen in der Kommunikation. Ohne dieses Fundament führt technische Umsetzung oft ins Leere.

Agilität in der Praxis: Sprints und klare Zuständigkeiten

Kurze Arbeitszyklen halfen dabei, Fortschritte sichtbar zu machen. Gleichzeitig braucht es Führungskräfte, die das Team gegen äußere Einflüsse abschirmten.

Wenn Daten die Deutungshoheit infrage stellen

Nicht jede Führungskraft begrüßt Daten als Entscheidungshilfe. Die Sorge, an Einfluss zu verlieren, kann Veränderung bremsen.

Wer Winfried Ebner ist – und was Corp.Com bei der Telekom bedeutet

Winfried bringt wissenschaftlichen Hintergrund und Konzernpraxis zusammen. Corp.Com steht für die Gesamtkommunikation der Telekom auf Konzernebene.

Trinity-Projekt: Drei Disziplinen, ein Ziel

PR, Marketing und Marke wurden in einem Projekt organisatorisch verbunden. Das Ziel: eine gemeinsame Datenbasis und abgestimmte Steuerung.

Konsens finden: So entstehen gemeinsame KPI

Unterschiedliche Fachbereiche hatten teils widersprüchliche Metriken. Die Herausforderung bestand darin, diese in einem konsistenten Set zusammenzuführen.

Wenn Analyse auf Realität trifft: Konfliktpotenziale im Projekt

Widersprüche zwischen Datenlogik und Fachbereichswissen führten immer wieder zu Spannungen – ein typisches Muster in Transformationsprojekten.

Datengetrieben – aber nicht datenvergessen

Automatisierung ist hilfreich, aber nicht ausreichend. Menschen und Kontexte bleiben entscheidend für Interpretation und Entscheidung.

Iterativ zum Reporting: Der Wert kontinuierlicher Entwicklung

Ein fertiges System entstand nicht auf einmal, sondern in Etappen. Die Daten wurden schrittweise eingebunden und strukturiert.

Das Treiberhaus: Wirkung modellieren statt nur messen

Mit einem eigenen Wirkmodell wurde sichtbar gemacht, welche Faktoren Kommunikation beeinflussen. Das half, Prioritäten zu klären.

CORE.IO: Ein Ordnungsrahmen für Kommunikationsdaten

Das Modell gliederte die Datenlandschaft in vier zentrale Ebenen: Kontext, Response, Impulse und Steuerungsmöglichkeiten.

Abstimmungen, Budgets und der alltägliche Zielkonflikt

Kampagnen konkurrieren oft um Sichtbarkeit und Ressourcen. Eine gemeinsame Datenbasis kann diese Diskussionen fundierter machen.

Führung im Datenprojekt: Vertrauen und Raum schaffen

Gute Führung zeigt sich darin, Teams arbeiten zu lassen – und politische Hürden für sie aus dem Weg zu räumen.

Humor als Teamfaktor: Der Datenpömpel

Ein einfaches Requisit wurde zum Symbol interner Wertschätzung. Kleine Rituale können viel zur Kultur beitragen.

Grenzen datengetriebener Organisationen

Nicht alles, was zählt, lässt sich in Daten erfassen. Und nicht jedes Unternehmen ist bereit, Entscheidungen allein auf Daten zu stützen.

Mehr zu Datendurst und Host Tim:

https://www.linkedin.com/company/datendurst/

https://www.linkedin.com/in/ebner-tim/

Unterstütze den Podcast:

paypal.me/datendurst

🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community ! 🚀

👉 Neue Folgen sofort auf dem Schirm

👉 Direkt bei der Arbeit reinhören

👉 Wertvolle Folgen mit Kollegen teilen

👉 Mit Data & Analytics-Experten vernetzen

➡️ Jetzt beitreten!

https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM 

Wir freuen uns auf dich! 💬

Katharina Breme darüber, wie Unternehmen Daten gezielt nutzen, Widerstände überwinden und eine datengetriebene Kultur nachhaltig verankern können.

Die Bedeutung einer bewussten Datenkultur

Datenkultur gibt es in jedem Unternehmen – doch ist sie gezielt aufgebaut oder historisch gewachsen?

Was Unternehmenskultur mit Daten zu tun hat

Kultur ist das, was den Arbeitsalltag prägt, auch wenn niemand darüber spricht.

Warum Daten ohne Kontext wertlos sind

Daten allein sind keine Lösung – erst im Zusammenspiel mit Unternehmensprozessen liefern sie Mehrwert.

Jede Organisation hat eine Datenkultur – bewusst oder unbewusst

Ob strukturiert oder chaotisch – jede Firma hat eine Art, mit Daten umzugehen. Wer nicht aktiv eingreift, läuft Gefahr, riskante Datenpraktiken zu etablieren.

Datenkultur gezielt formen statt dem Zufall überlassen

Ein strukturierter Umgang mit Daten beginnt bei den richtigen Rahmenbedingungen. Unternehmen müssen Werte, Prozesse und Verantwortlichkeiten definieren.

Praktische Schritte für eine nachhaltige Datenkultur

Theorie allein reicht nicht – gelebte Routinen machen den Unterschied.

Warum Veränderungen scheitern können

Menschen neigen dazu, bestehende Gewohnheiten zu verteidigen.

Die entscheidende Rolle der Führungsebene

Führungskräfte prägen die Datenkultur mehr als jede Strategie.

Der richtige Zeitpunkt, um Datenkultur aktiv zu steuern

Je mehr Daten im Unternehmen genutzt werden, desto wichtiger wird ein klarer Umgang damit.

Veränderung durch Schmerz: Wenn Probleme zum Handeln zwingen

Oft wird Datenkultur erst dann ernst genommen, wenn der Schaden zu groß wird.

Welche Unternehmen besonders von einer starken Datenkultur profitieren

Nicht nur Tech-Unternehmen brauchen datengetriebene Prozesse. Auch traditionelle Branchen können sich durch bessere Datenkompetenz Wettbewerbsvorteile sichern.

Unternehmensbereiche mit der besten Datenkultur

Während einige Abteilungen von Natur aus datengetrieben arbeiten, fehlt in anderen oft das Bewusstsein.

Muss die Initiative zur Datenkultur „von oben“ kommen?

Datenkultur lebt von der Breite der Organisation – doch ohne Rückhalt aus der Führung scheitern viele Initiativen.

Vom Konzept zur Umsetzung: Datenkultur erlebbar machen

Eine lebendige Datenkultur zeigt sich in täglichen Entscheidungen, nicht nur in Leitlinien.

Die Macht von Communities für langfristigen Wandel

Wandel gelingt durch Menschen, nicht durch Tools. Warum interne Netzwerke und Data Champions eine zentrale Rolle spielen.

Wie lange dauert es, eine Datenkultur zu etablieren?

Ein Kulturwandel geschieht nicht über Nacht – er braucht Zeit, Strukturen und konsequente Umsetzung.

Katharina Breme auf LinkedIn:

https://www.linkedin.com/in/katharina-breme-switzerland

Mehr zu Datendurst und Host Tim:

https://www.linkedin.com/company/datendurst/

https://www.linkedin.com/in/ebner-tim/

Unterstütze den Podcast:

paypal.me/datendurst

🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community !

👉 Neue Folgen sofort auf dem Schirm

👉 Direkt bei der Arbeit reinhören

👉 Wertvolle Folgen mit Kollegen teilen

👉 Mit Data & Analytics-Experten vernetzen

➡️ Jetzt beitreten!

https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM 

Wir freuen uns auf dich! 💬

Warum ziehen uns manche Inhalte sofort in ihren Bann? Philipp von Loringhoven erklärt, welche psychologischen Trigger hinter Clickbait stecken und wie Marken sie gezielt einsetzen können.

Der Einstieg: Warum wir auf Clickbait reagieren

Unser Gehirn trifft schnelle Entscheidungen und reagiert stark auf emotionale Reize. Clickbait nutzt das gezielt, um Neugier und Klicks zu erzeugen.

Philipps Weg in die Werbewirkung

Werbung hat ihn schon früh fasziniert. Heute kombiniert er psychologische Erkenntnisse mit datengetriebenem Marketing.

Psychologische Trigger von Clickbait

Neugier, FOMO und Emotionen sind entscheidende Faktoren. Sie bestimmen, warum manche Inhalte sofort unsere Aufmerksamkeit gewinnen.

Was die Bild-Zeitung richtig macht

Provokante Headlines, große Bilder und starke Kontraste sorgen für maximale Wirkung. Die Prinzipien dahinter lassen sich auf andere Medien übertragen.

Die ethische Verantwortung von Werbung

Werbung formt unser Denken und gesellschaftliche Normen. Unternehmen tragen Verantwortung dafür, welche Botschaften sie senden.

Wie Sinne unsere Kaufentscheidungen lenken

Farben, Klänge und Texturen beeinflussen unsere Wahrnehmung. Multisensorische Werbung kann dadurch besonders effektiv sein.

So lässt sich Werbewirkung messen

Eye-Tracking, A/B-Tests und KI-gestützte Analysen helfen bei der Optimierung. Entscheidend ist die Wahl der richtigen Testmethoden.

Welche Testmethoden bringen den meisten Erfolg?

Extremtests liefern oft klarere Ergebnisse als kleine Anpassungen. Besonders Bildsprache, Farbgebung und Textvarianten zeigen große Unterschiede.

Was gute Werbemittel gemeinsam haben

Eine klare, fokussierte Botschaft erhöht die Werbewirkung. Visuelle Reize und prägnante Call-to-Actions steigern die Klickrate.

Die Macht von Farben und Blickführungen

Bestimmte Farben wecken Emotionen und lenken Aufmerksamkeit. Blickrichtungen in Bildern führen das Auge gezielt zu wichtigen Elementen.

Warum Essensbilder so starke Reaktionen auslösen

Foodporn funktioniert, weil Essen stark mit Emotionen verknüpft ist. Perfekt inszenierte Speisen können die Kaufbereitschaft steigern.

Klänge und ASMR in der Werbung

Töne lösen Erinnerungen und Gefühle aus. ASMR nutzt sanfte Geräusche, um Nähe und Aufmerksamkeit zu erzeugen.

Der Einfluss von Daten auf die Werbestrategie

Daten helfen, Werbekosten zu senken und Streuverluste zu vermeiden. Durch präzisere Analysen lassen sich Kampagnen gezielt optimieren.

Personalisierung als Schlüssel zur Kundengewinnung

Individuell zugeschnittene Werbung ist effektiver als generische Kampagnen. Relevante Inhalte sorgen für eine stärkere Kundenbindung.

Mehr zu Datendurst und Host Tim:

https://www.linkedin.com/company/datendurst/

https://www.linkedin.com/in/ebner-tim/

Unterstütze den Podcast:

paypal.me/datendurst

🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community ! 🚀

👉 Neue Folgen sofort auf dem Schirm

👉 Direkt bei der Arbeit reinhören

👉 Wertvolle Folgen mit Kollegen teilen

👉 Mit Data & Analytics-Experten vernetzen

➡️ Jetzt beitreten!

https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM 

Wir freuen uns auf dich! 💬

Die Wahl der richtigen MarTech-Software ist knifflig. Tim zeigt dir, wie du das passende Tool findest und Compliance-Hürden meisterst.

Warum Tool-Beschaffung wichtig ist

Ein neues Tool kann die Arbeit im Unternehmen effizienter machen, doch der Auswahl- und Umsetzungsprozess ist oft aufwändig.

MarTech: Verbindung von Marketing und Technologie

Der Begriff kombiniert Marketing und Technologie. Die richtige Software unterstützt Teams dabei, datenbasierte Entscheidungen zu treffen.

Tools für Social Media und Analytics

Ob Hootsuite für Community Management oder Adverity für Reporting – jedes Tool hat seinen eigenen Anwendungsbereich.

Vorteile eines klaren Beschaffungsprozesses

Wer frühzeitig Compliance-Fragen klärt und Stakeholder einbindet, verhindert spätere Probleme.

Zeit, Budget und Stakeholder

Neben den finanziellen Ressourcen braucht es interne Unterstützung. Klare Kommunikation mit IT, Datenschutz und Einkauf ist entscheidend.

Die Phasen der Tool-Beschaffung

Von der ersten Bedarfsanalyse bis zur finalen Implementierung – so läuft ein vollständiger Beschaffungsprozess ab.

Bedarfsermittlung: Wer braucht das Tool? Und wofür?

Welche Abteilungen profitieren? Wo gibt es Widerstände? Eine gründliche Analyse hilft, spätere Konflikte zu vermeiden.

Anforderungen definieren mit User Stories

User Stories helfen, die wichtigsten Funktionen des Tools aus der Perspektive der Anwender zu beschreiben und zu priorisieren.

Tool-Suche: Recherche, Tests und Anbieterbewertung

Demos und Testzugänge geben Einblick in die Funktionalität. Doch worauf kommt es bei der Bewertung an?

Compliance: Datenschutz, IT-Security und Betriebsrat

Jede Abteilung hat eigene Anforderungen. Frühzeitige Einbindung reduziert Verzögerungen und erleichtert die Freigabe.

Kriterien zur Tool-Evaluierung und Vergleichsmethoden

Ein strukturierter Vergleich der Tools anhand definierter Anforderungen hilft, die beste Wahl zu treffen.

Erfolgreiche Preisverhandlungen und Budgetplanung

Der Einkauf kann in Verhandlungen unterstützen. Neben dem Preis zählen auch Skalierbarkeit und Support.

Mitarbeiter fit für das neue Tool machen

Ohne Schulung kann das beste Tool nicht richtig genutzt werden. Trainings und Dokumentationen erleichtern den Start.

Prozesse für eine langfristige Nutzung etablieren

Onboarding, Offboarding und regelmäßige Abstimmungen sichern den nachhaltigen Erfolg des Tools.

Stakeholder-Management: Wie du Allianzen bildest

Einkauf, IT, Datenschutz und Betriebsrat haben unterschiedliche Interessen. Wer die Bedürfnisse kennt, kann gezielt vermitteln.

Vetos entschärfen: Business- und Compliance-Risiken

Häufig entstehen Vetos von Einkauf, IT, Datenschutz und Betriebsrat aus Risikoabwägungen. Ein gut überlegtes Vorgehen hilft, Argumente zu entkräften und Lösungen zu finden.

Mehr zu Datendurst und Host Tim:

https://www.linkedin.com/company/datendurst/

https://www.linkedin.com/in/ebner-tim/

Unterstütze den Podcast:

paypal.me/datendurst

🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community ! 🚀

👉 Neue Folgen sofort auf dem Schirm

👉 Direkt bei der Arbeit reinhören

👉 Wertvolle Folgen mit Kollegen teilen

👉 Mit Data & Analytics-Experten vernetzen

➡️ Jetzt beitreten!

https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM 

Wir freuen uns auf dich! 💬

Was passiert, wenn kreative Social-Media-Teams auf analytische Datenexperten treffen? Tim und Daniel sprechen über Herausforderungen und Möglichkeiten, das Beste aus beiden herauszuholen.

Begrüßung und Vorstellung von Daniel

Daniel berichtet von seinem Weg in die Social-Media-Welt und wie er heute Unternehmen wie Bitpanda, Sparkasse und Kleinanzeigen unterstützt.

Daniel spricht über seinen Werdegang und seine Auftraggeber

Er berichtet, wie seine Karriere beim Radio begann, er sich als Berater für namhafte Unternehmen positionierte und heute verschiedene Marken betreut.

Die Zusammenarbeit zwischen Social Media und Data

Tim und Daniel diskutieren, warum es schwierig ist, Social-Media-Teams mit Analysten zusammenzubringen – und warum beide Seiten mit Vorurteilen kämpfen.

Wie Analysten an die relevanten Daten kommen

Zugang zu Daten ist in vielen Unternehmen eine Herausforderung. Tim erklärt, welche Hürden bestehen und wie Analysten aussagekräftige Insights ableiten können.

Social-Media-Reports: hilfreich oder irreführend?

Oft erstellen Social-Media-Teams ihre eigenen Reportings. Doch was sagen die Zahlen wirklich aus, und wo werden typische Fehler gemacht?

Kurzfristige Ideen und ihre Folgen für die Strategie

Spontane Posts und Kampagnen können für Sichtbarkeit sorgen – oder auch für Chaos. Daniel teilt seine Erfahrungen mit unerwarteten Social-Media-Wünschen.

Warum sich Social-Media-Teams oft gegen Daten wehren

Analysten sollen helfen, doch oft fühlen sich Social-Media-Manager in ihrer Expertise infrage gestellt. Wie lässt sich dieses Misstrauen abbauen?

Social-Media-Performance ist mehr als nur ein KPI

Wie viel Einfluss haben externe Faktoren auf den Erfolg? Daniel erklärt, warum fehlende Ressourcen, starre Prozesse oder Vorgaben wichtiger sind als einzelne Kennzahlen.

Wie Daten Social-Media-Teams wirklich unterstützen können

Was brauchen Social-Media-Teams von Analysten? Tim beschreibt, wie man umsetzbare, datenbasierte Handlungsempfehlungen erstellt.

Erfolgsstrategie: Was wir von WonderWaffel auf TikTok lernen können

Daniel und Tim nehmen die virale Social-Media-Strategie von WonderWaffel unter die Lupe und zeigen, welche Faktoren zu ihrem Erfolg beigetragen haben könnten.

Gewinnspiele auf Social Media: Mehr Schein als Sein?

Gewinnspiele boosten kurzfristig die Reichweite. Doch was passiert langfristig mit der Community?

Interne Strukturen: Warum viele Unternehmen Social Media ausbremsen

Bürokratie, lange Abstimmungswege und Datenschutzvorgaben machen datengetriebene Social-Media-Optimierung oft komplizierter als nötig.

Vertrauen aufbauen: Analysten als Partner statt Kontrolleure

Wie können Analysten ihre Rolle so definieren, dass Social-Media-Teams sie als Unterstützung sehen?

Offene Kommunikation als Schlüssel zum Erfolg

Daniel erklärt, warum der direkte Austausch mit Analysten der wichtigste Schritt ist, um Social Media strategisch weiterzuentwickeln.

Fazit: Social Media und Data als Team

Tim und Daniel fassen die wichtigsten Erkenntnisse zusammen und geben Tipps, wie Unternehmen Social-Media-Strategien datenbasiert und kreativ gestalten können.

Mehr zu Datendurst und Host Tim:

https://www.linkedin.com/company/datendurst/

https://www.linkedin.com/in/ebner-tim/

Unterstütze den Podcast:

paypal.me/datendurst

🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community ! 🚀

👉 Neue Folgen sofort auf dem Schirm

👉 Direkt bei der Arbeit reinhören

👉 Wertvolle Folgen mit Kollegen teilen

👉 Mit Data & Analytics-Experten vernetzen

➡️ Jetzt beitreten!

https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM 

Wir freuen uns auf dich! 💬

Marcus Stade erklärt dir in dieser Folge, warum Rohdaten im Web-Tracking mehr als nur ein technisches Detail sind – und wie sie dir dabei helfen, das Beste aus den eigenen Daten herauszuholen.

Der elfte Anlauf mit Marcus

Nach mehreren Fehlversuchen, die Podcastfolge aufzunehmen, blicken Tim und Marcus zurück und leiten mit Humor in die Folge ein.

Erfahre mehr über Marcus Stade: https://www.linkedin.com/in/marcus-stade-2017b236/ 

Rohdaten: Das Thema der Folge

Tim stellt die Themenschwerpunkte vor: Warum Rohdaten im Web-Tracking weit mehr Möglichkeiten bieten als vorgefertigte Reports.

Analytics Pioneers: Vom Meetup zur Community

Was als lokales Meetup begann, ist heute eine große Community die regelmäßig Trainings und Meetups besuchen.

Hier geht’s zur Community: https://analytics-pioneers.de/

mohrstade: Beratung für Daten und Tools

Das Unternehmen unterstützt Kunden bei der Implementierung von Lösungen wie BigQuery und CDPs, immer mit einem Fokus auf datengestützte Entscheidungen.

Engagement in der Analytics-Community

Marcus erklärt, wie wichtig der Community-Gedanke ist – ob durch Artikel, Trainings oder andere kreative Ideen.

Die Wirkung von Merchandise

Von Analytics-Socken bis zu Hoodies: Kreativer Merchandise stärkt die Markenbindung und ist auf Events ein echter Hingucker.

Hinweis: Marcus hat ein paar offene Stellengesuche – https://mohrstade.de/karriere/

Komplexe Themen einfach erklärt

Die Kunst, technisches Wissen verständlich zu machen, ist essenziell, um Stakeholder für datengetriebene Entscheidungen zu gewinnen.

Warum Rohdaten im Web-Tracking von Nutzen sind

Mit Rohdaten lassen sich rückwirkende Analysen durchführen und historische Daten neu auswerten – ohne Brüche.

Wie Rohdaten die Analyse von Traffic-Kanälen verbessern

Marcus zeigt, wie flexiblere Channel-Zuordnungen möglich werden und wie sie für eine präzisere Performance-Messung genutzt werden können.

Schwachstellen von Standard-Web-Tracking-Tools

Sampling und kurze Datenspeicherfristen limitieren die Möglichkeiten klassischer Tools. Rohdaten schaffen hier Abhilfe.

Tracker und Proxies: Wie Rohdaten gesammelt werden

Marcus erklärt die technische Basis: von serverseitigen Trackern bis hin zu Lösungen wie dem Server-Side Google Tag Manager.

Wann Rohdaten Sinn ergeben

Nicht jedes Unternehmen braucht Rohdaten – Marcus beschreibt, wie Use Cases und Ressourcen die Wahl beeinflussen.

Branchen mit Bedarf an Rohdaten-Lösungen

Vor allem Medienunternehmen und Organisationen mit komplexen Datenanforderungen profitieren von individuell aufbereiteten Rohdaten.

Was Unternehmen beim Start mit Rohdaten beachten sollten

Quality Checks, Datenpipelines und Datenschutz – die Grundlage für eine erfolgreiche Nutzung von Rohdaten.

Kosten und Planung: Der finanzielle Rahmen für Rohdatenprojekte

Marcus erläutert, wie Unternehmen ihre Kosten planen und bereits mit kleinen Budgets starten können, bevor sie skalieren.

Mehr zu Datendurst und Host Tim:

https://www.linkedin.com/in/ebner-tim/

Unterstütze den Podcast:

paypal.me/datendurst

🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community!

👉 Neue Folgen sofort auf dem Schirm

👉 Direkt bei der Arbeit reinhören

👉 Wertvolle Folgen mit Kollegen teilen

👉 Mit Data & Analytics-Experten vernetzen

➡️ Jetzt beitreten!

https://teams.live.com/l/community/FEANNwVOOhLHQt2uAI 

Wir freuen uns auf dich! 💬

Daten verändern den Kundenservice – doch wie? Tim und Ralf sprechen über die wichtigsten Entwicklungen und die Rolle von Künstlicher Intelligenz.

Einstieg ins Thema

Tim eröffnet die Folge mit der Frage: Wie beeinflussen Daten den Kundenservice?

Ralf stellt sich vor

Seit 25 Jahren beschäftigt sich Ralf mit Kundenservice – von der Voice-over-IP-Technologie bis hin zur Entwicklung KI-gestützter Lösungen.

Die Entwicklung von Callcenter-Technologien

Ralf reflektiert, wie sich Callcenter von Telefonzentralen hin zu datengetriebenen Servicezentren entwickelten.

Infrastruktur und Digitalisierung im Kundenservice

Digitalisierung im Kundenservice läuft nicht immer reibungslos. Ralf berichtet, dass selbst in urbanen Gebieten grundlegende Infrastruktur wie Glasfaser fehlt.

Einblicke in Ralfs sonstige Tätigkeiten

Neben seinem Beruf engagiert sich Ralf als Lehrbeauftragter bei SRH-Köln und Hamm.

Kurzerklärung:

„Rizz“ – Beschreibt das Talent einer Person, charmant aufzutreten.

„Slay“ – Wird genutzt, um Bewunderung auszudrücken.

Warum der Kundenservice alles dokumentiert

Im Kundenservice wird alles genau betrachtet: von der durchschnittlichen Bearbeitungszeit eines Gesprächs und der Reaktionsgeschwindigkeit bis zur Quote abgebrochener Anrufe.

Kundenzufriedenheit als wichtiger Faktor

Selbst geringfügige Anpassungen können den Kundenservice beeinflussen. Die so entstehenden positiven Kundenerfahrungen steigern die Wahrscheinlichkeit von Weiterempfehlungen.

Wie unterscheiden sich CS und CX?

Customer Service (CS) löst akute Probleme, während Customer Experience (CX) das Kundenerlebnis optimiert. Daten verbinden beide Bereiche.

Die wichtigsten Kennzahlen im Kundenservice

KPI, die für den Kundenservice entscheidend sind: die durchschnittliche Dauer von Anrufen, die Schnelligkeit der Antworten, die Rate abgebrochener Anrufe. Workforce Management sorgt für reibungslosere Abläufe.

Daten und ihre Rolle in der Customer Experience

Customer Experience (CX) umfasst alle Interaktionen mit einer Marke. Wichtige Kennzahlen wie Net Promoter Score (NPS), Kundenzufriedenheitswert (CSAT), Kundenaufwandswert (CES), Erstlösungsquote (FCR) und Fehleranalysen unterstützen die Messung von Aspekten wie Kundenbindung und -zufriedenheit sowie die Identifikation von Fehlerquellen.

Daten im Customer Service: Warum sind sie so wichtig?

Daten helfen Kundenbedürfnisse zu erkennen, Probleme frühzeitig zu lösen und die Effizienz zu steigern. Ein datengestützter Ansatz ermöglicht kluge Verbesserungen.

Wie verändert sich die Rolle der Daten im Customer Service?

Datenanalysen ermöglichen unter anderem prädiktive Modelle. Hyperpersonalisierte Ansätze helfen, auf Kundenbedürfnisse individuell einzugehen.

Die Aufgabe von KI im Kundenservice

Die Integration von KI verändert die Arbeit im Kundenservice und steigert Effizienz und Kundenzufriedenheit.

Daten sind im Kundenservice unverzichtbar

Ralf betont, dass datengetriebene Strategien unverzichtbar sind, um den Service effizient und kundenzentriert zu gestalten.

Mehr zu Ralf Mühlenhöver:

https://www.linkedin.com/in/ralfmuehlenhoever/

Mehr zu Datendurst und Host Tim:

https://www.linkedin.com/in/ebner-tim/

Unterstütze den Podcast:

http://paypal.me/ebnertim

🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community !

👉 Neue Folgen sofort auf dem Schirm

👉 Direkt bei der Arbeit reinhören

👉 Wertvolle Folgen mit Kollegen teilen

👉 Mit Data & Analytics-Experten vernetzen

➡️ Jetzt beitreten!

https://teams.live.com/l/community/FEANNwVOOhLHQt2uAI

Wir freuen uns auf dich! 💬

Mit Daten-Power ins neue Jahr! Tim und Sascha sprechen in dieser Folge darüber, wie Unternehmen Schritt für Schritt datengetrieben werden.

Ein futuristischer Start ins Jahr

Tim und Sascha begrüßen die Hörer auf gewohnt unterhaltsame Weise und blicken humorvoll in die „datengetriebene Zukunft“.

Themen des Podcasts im Überblick

Tim gibt eine umfassende Einführung in die Themen, die er gemeinsam mit Sascha in dieser Episode zum Thema Data Analytics beleuchtet: Was steckt dahinter? Welchen Lernprozess durchlaufen Unternehmen? Welche Rollen brauchen Sie?

KI Sam mischt mit

Der KI-Gast „Sam“ teilt seine Sichtweise auf Data Analytics und bringt spannende Perspektiven ein. Tim und Sascha diskutieren ihre Bedeutung.

Hat Sam Recht mit seiner Definition?

Sie setzen sich mit dem von Sam vorgestellten Verständnis von Data Analytics auseinander. Data & Analytics steht für die systematische Untersuchung und Auswertung von Beobachtungen, um umsetzbare Schlussfolgerungen abzuleiten.

Was verbirgt sich hinter den Begriffen?

Begriffe wie Business Intelligence und Data Science werden oft missverstanden: BI steht für standardisiertes Reporting. Data Science nutzt Analysen, um Entwicklungen vorherzusagen.

Organisationen und ihre Daten-Lernreise 

Der Einstieg in Data und Analytics ist häufig holprig: Unzuverlässige Daten, ein Fokus auf die Vergangenheit und mangelndes Vertrauen in Berichte.

Der Wert von Echtzeitdaten im Tagesgeschäft

Live-Daten sind ein mächtiges Werkzeug, um schnell auf Entwicklungen zu reagieren. Doch sie sind nicht in jedem Szenario nötig.

Vorausschauend handeln: Zukunftsanalysen nutzen

Prädiktive Analysen ermöglichen es, Trends frühzeitig zu erkennen und strategische Maßnahmen abzuleiten.

Daten als Wachstumsmotor der Zukunft

In der letzten Phase der Lernreise werden Daten zum Herzstück der Unternehmensstrategie und treiben langfristiges Wachstum voran.

Echtzeit-Daten: Wann sie wirklich sinnvoll sind

Nicht alle Daten müssen live sein – Tim und Sascha erklären, in welchen Spezialfällen Echtzeitdaten den Unterschied machen.

Datenprodukte, die den Kunden Mehrwert bieten

Ob Empfehlungsalgorithmen oder personalisierte Features – erfolgreiche Datenprodukte schaffen echte Vorteile für Nutzer.

Spezialisten vs. Generalisten: Wer macht was?

Ein ausgewogenes Team aus vielseitigen Generalisten und spezialisierten Experten ist entscheidend für den Erfolg.

Zusammenarbeit: Data Engineers und Analysten

Gute Zusammenarbeit zwischen Engineers und Analysts sorgt dafür, dass Daten nutzbar werden und Insights geschaffen werden können.

Die Rolle von Self-Service und Citizen Analysts

Self-Service-Tools ermöglichen es Fachabteilungen, eigenständig mit Daten zu arbeiten.

Führung gefragt: Leiter der Datenabteilung

Der Chief Data Officer (CDO) verankert Datenarbeit strategisch im Unternehmen und sorgt für klare Ziele sowie Prioritäten.

Warum Datenarbeit nie stillsteht

Datengetriebene Arbeit ist ein dynamischer Prozess. Unternehmen müssen ständig adaptieren und weiterentwickeln.

Kurzbio zu Sascha

Sascha Leweling ist Leiter der Kundendatenanalyse bei RTL und spezialisiert auf digitale Werbung, insbesondere in den Bereichen Mobile Advertising und Social Commerce.

https://www.linkedin.com/in/dr-sascha-leweling-410b6b7a/

Mehr zu Datendurst und Host Tim:

https://www.linkedin.com/in/ebner-tim/

https://datendurst.buzzsprout.com/

Unterstütze den Podcast:

http://paypal.me/ebnertim

🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community ! 🚀

👉 Neue Folgen sofort auf dem Schirm

👉 Direkt bei der Arbeit reinhören

👉 Wertvolle Folgen mit Kollegen teilen

👉 Mit Data & Analytics-Experten vernetzen

➡️ Jetzt beitreten!

https://teams.live.com/l/community/FEANNwVOOhLHQt2uAI

Wir freuen uns auf dich! 💬

Festlich, frech, faktenreich und ohne Hosen?! Tim verrät dir die nackte Wahrheit hinter den Podcast-Zahlen und zeigt dir, welche Strategien er für Datendurst einsetzt.

Weihnachtliche Einstimmung und technische Tücken

Tim berichtet über ein technisches Problem, seinen Austausch mit Florian Litterst und verrät, ob ChatGPT seine Version von „Last Christmas” lustig findet.

Fakten zu Datendurst

Ein erster Blick auf die Podcast-Daten zeigt die positive Entwicklung von Datendurst. Außerdem verrät Tim, dass er in der Folge auch über die Tücken der Podcastanalysen sprechen wird.

Mikro-Konvertierungen: Kleine Aktionen, große Wirkung

Sie sind unverzichtbar für die Analyse der Nutzerinteraktion. Tim erklärt, welche Rolle Micro-Conversions für seinen Podcast spielen.

Wie Podcasts das Marketing unterstützen

Von Awareness bis Advocacy - Tim beschreibt, wie Podcasts alle Phasen des Funnels im Marketing beeinflussen können, aber auch ihren eigenen speziellen „Trichter" haben.

Erfolgreich messen: Welche KPIs zählen?

Welche Kennzahlen solltest du für deinen Podcast im Blick haben? Tim gibt praxisnahe Empfehlungen für die wichtigsten Messgrößen.

Dimensionen und Metriken in der Praxis

Wie lassen sich Daten sinnvoll segmentieren? Tim erläutert den Unterschied zwischen Dimensionen und Metriken anhand anschaulicher Beispiele.

Plattformen und Formate: Was funktioniert wo?

Nicht jede Plattform liefert die gleichen Ergebnisse. Tim zeigt, wie er die Stärken von TikTok, LinkedIn und YouTube nutzt.

Warum sind Datenanalysen oft eine Herausforderung?

Unterschiedliche Standards und mangelnder Zugang zu Daten erschweren umfassende Analysen. Tim spricht über Lösungen und Hindernisse.

Vanessa von den Podcastpiraten über Fokus und Inhalte

Sie gibt Einblicke, wie man mit klarem Zielgruppenfokus und hochwertigen Inhalten langfristig erfolgreich sein kann.

Werkzeuge und Methoden: Tims Ansatz zur Datenanalyse

Tim kombiniert verschiedene Tools und Methoden, um die Performance seines Podcasts zu bewerten.

Beeindruckende Datendurst-Zahlen

Die Zahlen von Datendurst sprechen für sich: Über 19.000 Impressionen und eine wachsende Community.

YouTube, TikTok & Co. im Vergleich

Ob lange Videos oder Kurzclips – Tim analysiert, welche Formate auf welchen Plattformen am besten funktionieren.

Hörer, Zuschauer und Community

Eine treue Community aufzubauen, bleibt eine Herausforderung. Tims Analysen zeigen, wo Potenziale und Schwierigkeiten liegen.

🎧 Kleiner Hinweis: Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community ! 🚀

👉 Neue Folgen sofort auf dem Schirm

👉 Direkt bei der Arbeit reinhören

👉 Wertvolle Folgen mit Kollegen teilen

👉 Mit Data & Analytics-Experten vernetzen

➡️ Jetzt beitreten!

https://teams.live.com/l/community/FEANNwVOOhLHQt2uAI

Wir freuen uns auf dich! 💬

Wie Datendurst Tims beruflichen Alltag prägt

Der Podcast wirkt sich positiv auf Tims berufliche Netzwerke aus und bringt neue Möglichkeiten – vom Projekt bis zur Fachfrage.

Erfahre mehr zu Datendurst und Host Tim:

https://www.linkedin.com/in/ebner-tim/

https://datendurst.buzzsprout.com/

So kannst du den Podcast unterstützen:

http://paypal.me/ebnertim 

Nach Weihnachten beginnt im Social-Media-Marketing mit Q5 eine Phase mit spannenden Chancen. Tim und Florian zeigen dir, wie du Strategien, Creatives und Targeting optimal an veränderte Nutzergewohnheiten anpasst.

Was steckt hinter Q5?

Das fünfte Quartal umfasst den Zeitraum vom zweiten Weihnachtsfeiertag bis Mitte Januar. Werbetreibende können von günstigen Anzeigenpreisen und einem veränderten Nutzerverhalten profitieren.

Feiertage und ihre Auswirkungen auf Internetaktivitäten

Die Weihnachtsfeiertage und Silvester sind häufig „internetfrei“, doch ab dem zweiten Weihnachtsfeiertag steigt die Aktivität im Netz immens. Wer clever plant, kann diese Phase optimal nutzen.

Warum steigen Ad-Kosten vor Weihnachten?

Die Nachfrage nach Werbeplätzen ist in der Weihnachtszeit enorm, das Inventar jedoch begrenzt. Dies führt zu höheren Kosten, bietet aber Chancen, wenn die Strategie stimmt.

Was macht der Meta-Auktionsalgorithmus?

Dieser Algorithmus beeinflusst die Anzeigenpreise. Dabei sind Parameter wie Relevanz, Stärke der Anzeigeninteraktion, Alter der Anzeige und Konkurrenz wichtig.

Ad-Gestaltung in der Weihnachtshochsaison

Ansprechende Creatives sind in der Weihnachtszeit besonders wichtig. Allerdings sollten Ads laut Florian immer durchdacht gestaltet sein.

Conversion- vs. Awareness-Kampagnen

Conversion-Kampagnen sind am stärksten von Preiserhöhungen betroffen, Awareness-Kampagnen weniger. Je näher das Ziel einer Kampagne an einer Conversion liegt, desto geringer ist die Wahrscheinlichkeit, dass die Werbekosten steigen.

Persona-Wechsel und Targeting-Ansätze

Vor Weihnachten stehen Geschenke für Freunde und Familie im Mittelpunkt, danach liegt er auf der persönlichen Belohnung. Mit dem richtigen Targeting lässt sich dieser Wandel gezielt adressieren.

Neujahrsvorsätze richtig adressieren

Ab Ende Dezember dominieren die Themen Fitness und Gesundheit. Unternehmen sollten ihre Werbebotschaften entsprechend ausrichten.

Formate und Plattformen optimal nutzen

Für komplizierte Produkte eignen sich lange Videos, während Lifestyle-Produkte auf visuelle Eyecatcher setzen sollten.

Werben für komplexe Produkte

Komplexe Themen erfordern längere Inhalte, die mit Storytelling und detaillierten Erklärungen arbeiten. Dies schafft Vertrauen und überzeugt Kunden.

Authentizität schlägt Perfektion

Weniger inszenierte Videos wirken oft überzeugender als aufwendig produzierte Inhalte. Dieser Trend gewinnt immer mehr an Bedeutung.

Clever budgetieren zwischen Q4 und Q5

Lifestyle-Produkte performen besonders gut vor Weihnachten, Problemlösungsprodukte danach. Eine strategische Budgetallokation ist entscheidend.

So verhinderst du Ad Fatigue

Hohe Frequenzen können zu einem Leistungsabfall bei Anzeigen führen. Regelmäßige Analysen und gezielte Anpassungen der Creatives helfen, dies zu vermeiden.

Jetzt wird’s musikalisch!

Tim performt zum Schluss „Last Clickmas“ – eine sehr schlechte, humorvolle Adaption eines Weihnachtsklassikers.

Florian Litterst

Florian ist Gründer von adsventure und Experte für Performance Advertising – spezialisiert auf erfolgreiche Social-Media-Kampagnen:

https://www.linkedin.com/in/florianlitterst

Erfahre mehr über Datendurst und Tim:

https://www.linkedin.com/in/ebner-tim/

https://www.linkedin.com/company/datendurst/

Unterstütze den Podcast:

http://paypal.me/ebnertim

Lieferkettenmonitoring, Lieferkettensorgfaltspflichtengesetz, Sanktionslisten – was ist das, warum ist das notwendig, wie macht man das und was ist der Nutzen für Unternehmen?

Darum geht es in der neuen Folge von Datendurst.

Host Tim Ebner hat dafür Marco Feiten im Interview. Der ist Geschäftsführer von CURE Intelligence und von scrioo, einem Unternehmen, das Lieferkettenmonitoring mit Social Media und Online-Daten anbietet. Entstanden ist die Idee, weil dieser eine Lösung für einen Kunden aufgrund der neuen Gesetzgebung entwickeln wollte. Das Ziel war eine Medienanalyse und Medienbeobachtung der Lieferanten.

Doch was ist Lieferkettenmonitoring eigentlich?

Hierbei gibt es zwei Facetten, einmal den Transport für Materialien, die man braucht und dann die Lieferanten selbst.

Sobald Lieferketten gestört sind, werden wir alle schlechter versorgt.

Das Ziel als Unternehmen ist es, Risiken und potentielle Schäden frühzeitig zu erkennen, um dann darauf reagieren zu können – denn das kann Unternehmen sonst auch in den Ruin treiben.

Als Beispiel nennt Marco hierfür den Streik der Häfen in den USA. Hierfür gab es Frühwarnsignale, wer diese erkannt hat, konnte sich frühzeitig darauf vorbereiten und im besten Fall sogar vermeiden, dass es das eigene Unternehmen trifft.

Früher wurde diese Lieferantenbeziehung über Fragebögen analysiert. Doch hier entsteht eine riesige Menge Arbeit. Beispielsweise hat Dr. Oetker 30.000 Lieferanten, denen dann einzeln die Fragebögen gesendet und die dann händisch wieder kontrolliert werden müssen.

Hier muss es Automationen geben, die Marco mit seinem Unternehmen anbietet.

Dazu kommen die Policies, die alle größeren Unternehmen haben und denen die Lieferanten einzeln zustimmen müssen.

Doch wieso braucht man überhaupt ein Lieferkettenmonitoring?

Das neue Lieferkettensorgfaltspflichtengesetz ist ein Grund dafür. Nach diesem müssen Unternehmen ab einer gewissen Größe nun Lieferanten auf erster Ebene prüfen, u.a. aufgrund von Menschenrechten, Umweltschutz und Nachhaltigkeit.

Diese Regelungen werden in ganz Europa ausgerollt.

Zudem haben Unternehmen auch von sich aus ein Interesse daran, zu wissen, mit wem sie Geschäfte machen: Ist der Partner zuverlässig? Woher bekommt er seine Materialien? Wie steht er wirtschaftlich da?

Doch auch kleinere Unternehmen werden durch Kaskaden-Effekte von den Regelungen betroffen, wofür die Politik zurzeit nach Lösungen suchen muss.

Marco’s Lösung funktioniert auf Basis von Machine Learning und NLP – das sind keine neuen Dinge, trotzdem funktionieren sie sehr gut. Mit diesen werden im ganzen Web nach Schlüsselbegriffen gesucht, beispielsweise einem Unternehmensnamen + dem Begriff „Kinderarbeit“. Durch eine KI wird die Relevanz der Suchbegriffe dann nochmal überprüft.

Zum Schluss geht es noch um das Thema Sanktionslisten und dass auch diese dabei unterstützen können, Lieferanten zu bewerten.

Zum LinkedIn-Profil von Marco: https://www.linkedin.com/in/marcofeiten/

Zur Website von scrioo: https://www.scrioo.com/

Zur LinkedIn-Seite von scrioo: https://www.linkedin.com/company/scrioo/

Zum LinkedIn-Profil von Tim: https://www.linkedin.com/in/ebner-tim/

Unterstütze Tim mit einer Spende: http://paypal.me/datendurst

Datendurst auf LinkedIn: https://www.linkedin.com/company/datendurst/

Daten zum Klingen bringen – das ist die Gabe von Tiankai Feng, der in dieser Episode von „Datendurst" Tim erklärt, wie er Daten musikalisch zum Leben erweckt.

Portrait eines Datenmusikers

Als Data Strategy & Governance Lead verbindet Tiankai Feng Daten mit musikalischer Kreativität. Bei ThoughtWorks setzt er sich dafür ein, Analytics greifbarer zu machen - eine Vision, die er auch in seinem Buch „Humanizing Data Strategy" verfolgt.

Der Weg zur Datensymphonie

Die Verbindung von DATEN und MUSIK begann mit Tiankais in seinem Job. Aus beruflichen Herausforderungen entwickelte er eine einzigartige Kombination, die schnell Aufmerksamkeit erregte.

Analytics als Rap-Performance

Mit seinem Song „Digital Analytics Anthem" bewies Tiankai, dass DATA-ANALYTICS auch unterhaltsam sein kann. Sein Rap fand großen Anklang in der Analytics-Community.

Neue Wege der Unternehmenskommunikation

Tiankais musikalische Herangehensweise erwies sich als wirksames Werkzeug zur Förderung einer kreativen Unternehmenskultur.

KI-Experimente auf der TEDx-Bühne

Auf der TEDx-Bühne präsentierte Tiankai ein faszinierendes KI-Experiment: Einen von ChatGPT komponierten Song.

Wo künstliche Intelligenz an Grenzen stößt

Während KI sich auf inkrementelle KREATIVITÄT beschränkt, liegt das Potenzial für bahnbrechende Innovationen beim Menschen. Inkrementelle Kreativität verfeinert das Bestehende. Disruptive Kreativität bringt etwas völlig Neues hervor.

Harmonien zwischen Bytes und Beats

Die Parallelen zwischen Musik und DATENANALYSE zeigen sich in der Bedeutung von Teamarbeit und strukturiertem Aufbau. Beide Disziplinen folgen ihren eigenen „Tonleitern".

Der Durchbruch im Data-Pop

„Governors of Data", sein Hit über DATA GOVERNANCE, erreichte auf YouTube und Spotify große Popularität.

Brücken bauen mit Musik und Daten

Seine zweisprachige Kindheit inspirierte Tiankai dazu, Musik als Brücke zwischen Menschen zu nutzen.

Von Emotionen und Analysen

Musik ermöglicht Tiankai, Gefühle und Verbindungen zu schaffen. Sie macht analytische Themen menschlicher.

Filmmusik als Inspiration

Tim erzählt, wie Hans Zimmer Gefühle besser mit Musik ausdrücken kann als mit "normaler" Sprache – etwa bei Heath Ledgers Tod und einem Amoklauf, die ihn zum Interstellar-Soundtrack inspirierten.

Die Kunst des Data-Songwritings

Songwriting beginnt für Tiankai mit TEXTEN, die die Richtung vorgeben. Dann folgen Akkorde, Melodien und zum Schluss Instrumente.

Musikalischer Familienalltag

Musik ist zentral in Tiankais Familie. Er nutzt eigene Lieder spielerisch im Alltag.

Ratschläge eines Data-Musikers

DATA-NERDS sollten ihre Leidenschaft einbringen. Ein persönlicher Ansatz macht die Arbeit kreativer.

Über Tiankai Feng

Er ist Data Strategy & Governance Lead bei ThoughtWorks, Musiker und Autor. Mehr zu Tiankai: https://www.linkedin.com/in/tiankaifeng/

Erfahre mehr über Datendurst und Tim:

https://www.linkedin.com/in/ebner-tim/

https://www.linkedin.com/company/datendurst/ 

Unterstütze den Podcast:

http://paypal.me/ebnertim

Was heißt eigentlich Skalierung? Was hat Standardisierung damit zu tun? Welche Vorteile haben Unternehmen von skalierenden Dashboards?

Darüber diskutiert Host Tim Ebner in der neuen Folge von Datendurst mit Oliver Ulbrich, auch ein Nordlicht, genau wie Tim.

Tims Ziel: Ihn zur Weißglut zu bringen! Oliver regt sich nämlich gerne auf...

Eigentlich kommt Oliver aus der Sport- und Modebranche, ist dann als Quereinsteiger zu Data gekommen und nun als Dashboard und Business Development Lead bei den Datenpionieren.

Der Übergang von privat zu beruflich ist fließend – die beiden diskutieren nämlich erstmal über Dashboards bei Katzenfutter!

Aber kommen wir wieder zur Skalierung: Was bedeutet überhaupt Skalierung im Kontext von Dashboards?

Für Oliver ist es, möglichst viele Menschen in die Lage zu versetzen, Zahlen zu sehen und diese dann weiterverarbeiten zu können. Dazu gehört auch, schnell, einfach und effizient Dashboards aufbereiten zu können, die dann möglichst viele Fragestellungen im Unternehmen beantworten.

Die Vorteile davon liegen auf der Hand, es spart vor allem Zeit!

Oliver erzählt davon, dass man während des Monatsabschlusses selten einen Termin mit dem Controlling erhält, weil die viel zu viel beschäftigt sind. Mit Dashboards haben diese Menschen plötzlich Zeit für andere Dinge!

Bevor man jedoch skalieren kann, muss erst ein Standard kreiert werden. Von vorne herein sollte klar sein, wie Dashboards aufgebaut werden.

Oliver zieht dabei einen Vergleich zu einem Führerschein: Wenn man den machen möchte, hat man vor allem ein Ziel: Auto fahren! Die Verkehrsregeln dafür sind der Standard. Den haben wir Alle gelernt, ob er uns gefallen hat oder nicht.

Genauso sollten auch Standards für Dashboards in Unternehmen erstellt werden.

Hierbei stellt Oliver die Fragen:

Welche Werkzeuge nutzen wir?

Welche Diagramme nutzen wir?

Welche Farben nutzen wir?

Oliver geht auf die einzelnen Elemente ein und erklärt sie. Dazu gehört natürlich auch das Storytelling.

Der Dashboard-Experte beginnt dabei gerne auf „echtem“ Papier und fokussiert sich auf das Shneiderman Mantra, das ähnlich wie Bestellautomaten beim Fast Food aufgebaut ist: Zunächst der Overview, dann tiefergehende Antworten (Filter) und dann Details on demand.

Zum Schluss geht es noch darum, ob die KI bei diesen Themen unterstützen kann. Für Oliver ist klar: Menschen können schon an andere Menschen ihre Fragen nicht präzise formulieren. Wie sollte KI dann bessere Antworten liefern können?

Außerdem gibt er noch den Rat, Dashboards als Teil eines Transformationsprozesses zu sehen.

Zum LinkedIn-Profil von Oliver: https://www.linkedin.com/in/oliverulbrich/

Zur Website von Oliver: www.oliverulbrich.de

Zum Podcast von Oliver und Christian: https://open.spotify.com/show/6Mp8t0sGOYvLPCGUUu1XZL 

Zum LinkedIn-Profil von Tim: https://www.linkedin.com/in/ebner-tim/

Disney-Animationen, die mehrfach genutzt wurden: https://youtu.be/y3hK8ATlbw0?si=xyv9h1RAnhkw03_m

Was müssen Unternehmen in Zukunft beachten beim EU AI Act? Ein Thema, das vielen Unternehmen gerade unter den Nägeln brennt und deswegen verdient es auch eine ganze Podcastfolge von Datendurst. Host Tim Ebner hat diesmal Sirke Reimann von VIER zu Gast, einer Kundenservice Software aus Deutschland, die Lösung mit Künstlicher Intelligenz verbindet. Anwendungsbeispiele sind die Zählerstandablesung bei Energieunternehmen, wobei dr Prozess dann vollautomatisch am Telefon durchgeführt wird oder auch das Briefing von Service-Agenten durch die Künstliche Intelligenz.

Sirke ist Chief Information Security Officer und damit bei VIER zuständig für Informationssicherheit, Datenschutz und Compliance.

Wer mehr über das Thema KI und EU AI Act erfahren möchte, kann jeden Freitag bei VIER TV reinschauen.

Die beiden Experten tauchen gleich tief ins Thema ein:

Schon 2019 hat die EU damit begonnen, eine KI-Verordnung zu erstellen, das Ergebnis ist der EU AI Act, der im März 2024 verabschiedet wurde und bis 2026 von allen Unternehmen umgesetzt sein soll.

Das Ziel des EU AI Acts ist es, die Bevölkerung vor unethischen Entscheidungen der KI zu schützen, beispielsweise vor Schaden oder der Verletzung der Menschenwürde.

So gut das klingt – es bringt jede Menge Bürokratie mit sich!

Den EU AI Act erfüllen müssen einige Parteien: Anbieter, die KI-Systeme unter ihrem Namen auf den Markt bringen (dabei ist noch unklar, ob es Dienstleister oder Kunden sind), Importeure von KI-Systemen, Händler und teilweise auch die User der Systeme.

Dabei gibt es 4 Risikogruppen, denen verschiedene Anforderungen gestellt werden:

-   Keine oder minimale Risiken

Das sind Systeme, die keinen Einfluss auf das Leben haben, beispielsweise KI in Spamfiltern oder Spielen. Hier gibt es freiwillige, aber nicht verpflichtende Anforderungen.

-   Begrenzte Risiken

Hierzu gehören LLMs und generierende Systeme, das Ziel ist hierbei, eine Transparenz herzustellen, sodass User erkennen, welche Elemente mit KI generiert wurden.

-   Hohe Risiken

Diese Systeme haben das Potential, Menschen einen Schaden zuzufügen, beispielsweise im Personalwesen, in Bildungseinrichtungen, bei finanziellen Leistungen und auch im Strafvollzug. Hier gehen die Anforderungen über Risikomanagement und Qualitätsmanagement hinaus, eine Rückverfolgbarkeit der Entscheidungen muss möglich sein sowie eine Resistenz gegen Manipulation.

-   Inakzeptable Risiken

Hierzu gehören KI-Systeme, die gegen die Menschenwürde verstoßen, beispielsweise durch Social Scoring oder Identifizierungssysteme.

 Der Wert des EU AI Acts liegt darin, dass niemand durch KI-Systeme nachteilig behandelt werden soll und somit auch das Vertrauen in KI steigen kann. Als Bevölkerung werden wir geschützt. Gleichzeitig gibt es zurzeit noch viele Unsicherheiten in der Formulierung, der Definition von KI-Systemen und es werden sich Geschäftsfelder aus der EU wegentwickeln müssen. Dafür müssen Prozesse und Strukturen geschaffen werden, der Aufwand ist noch nicht abschätzbar.

 Zum Schluss geht es in der Folge noch darum, wie der EU AI Act den Technologiemarkt verändern wird.

Zur Website von VIER: https://www.vier.ai

Zum Blog über den EU AI Act von VIER:

https://www.vier.ai/unternehmen/blog/eu-ai-act-teil1/ 

https://www.vier.ai/unternehmen/blog/eu-ai-act-teil2/

VIER TV zum EU AI Act:

https://www.youtube.com/watch?v%3D02l2COim6AQ&sa=D&source=docs&ust=1717750334115927&usg=AOvVaw1681TTkot4RRJxmDJZVwIY

Zum LinkedIn-Profil von Tim: https://www.linkedin.com/in/ebner-tim/

Diese Folge wurde mit freundlicher Unterstützung von vier.ai produziert.