Explore every episode of the podcast AI or DIE

https://www.aiordie-x.de/playbooks/ Du nutzt SAP und möchtest mit KI Zeit sparen, Fehler reduzieren und deine Prozesse verbessern. Aber wo fängst du an? Wann reicht eine Standardfunktion, wann hilft Joule und wann lohnt sich ein eigener KI-Agent?

Copilot-Lizenzen sind schnell gekauft. Damit Mitarbeitende die KI im Arbeitsalltag sinnvoll einsetzen, braucht es passende Lernangebote, konkrete Aufgaben und Trainings, die zur Realität des Unternehmens passen.

Ein KI-Agent ist schnell gebaut. Aber versteht er auch dein Geschäft? Wer ihm nur Daten hinwirft, darf sich über unzuverlässige Ergebnisse nicht wundern. Andreas Wiener und Carsten Bange diskutieren, warum Context Engineering zum entscheidenden Thema für Unternehmen wird. Arbeitsanweisungen, Servicegespräche, Erfahrungswissen: Was bisher in Dokumenten verstaubt oder in Köpfen verschwindet, soll Agenten endlich brauchbar machen. Doch mehr Informationen bedeuten auch mehr Widersprüche. Einfach alles reinzukippen ist noch keine Strategie. Außerdem: Was bringt die Partnerschaft von STACKIT und Snowflake für digitale Souveränität? Welche Abhängigkeiten bleiben bestehen – und wie viel darf Unabhängigkeit kosten? Wenn Chatbots zur zentralen Oberfläche werden, müssen auch Softwareanbieter erklären, wofür ihre Kunden künftig noch bezahlen. Dazu gibt es die aktuellen Investment- und Übernahmenews aus dem Data- und AI-Markt. Die wichtigste Fähigkeit bleibt dabei menschlich: überzeugend vorgetragene Antworten hinterfragen. Denn KI macht Fehler, die verdammt plausibel klingen. Wer jeden davon glaubt, automatisiert vor allem seine eigene Leichtgläubigkeit.

Alles in der Cloud, alles bestens? Bis der Anbieter die Preise hochzieht, ein Dienst wegfällt oder der Wechsel plötzlich zum Großprojekt wird. Wer seine gesamte Architektur auf einen Anbieter zuschneidet, sollte wissen, wie er da wieder rauskommt. Andreas Wiener spricht mit Janine Ellner und Fabian Hardt von OPITZ CONSULTING über digitale Souveränität – und warum ein Rechenzentrum in Deutschland allein dafür nicht reicht. Was bringt der deutsche Speicherort, wenn die nächste KI-Anwendung eure Daten direkt wieder ins Ausland schickt? Und wie unabhängig seid ihr, wenn eure Software nur bei einem einzigen Anbieter funktioniert? Im Mittelpunkt steht STACKIT als deutsche Cloud-Alternative: Was funktioniert bereits, wo fehlen noch KI-Ressourcen und wie realistisch ist der Umstieg aus einer gewachsenen Microsoft- oder Google-Landschaft? Dazu geht es um offene Standards, kalkulierbare Kosten und einen Plan B, der im Ernstfall auch trägt. Dabei muss niemand reflexartig den Hyperscaler verlassen. Aber Abhängigkeiten sollte man bewusst eingehen. Und die Fachbereiche gehören mit an den Tisch: Die souveränste Architektur hilft wenig, wenn Beschäftigte ihre Daten anschließend in irgendein KI-Tool kopieren.

Ein KI-Agent kann Arbeit beschleunigen. Und Fehler gleich mit. Wer Geschäftsprozesse an Agenten übergibt, braucht deshalb klare Antworten: Was dürfen sie entscheiden? Welche Daten brauchen sie? Und wann muss ein Mensch eingreifen? Andreas spricht mit Nico von SAP darüber, wie Agentic AI im Unternehmen tatsächlich Wert schafft: Lieferprobleme bearbeiten, Wartung anstoßen, Prozesse automatisieren. Wo reichen Standardagenten, wann braucht es individuelle Lösungen – und woran scheitert der Sprung vom überzeugenden Pilotprojekt in den produktiven Betrieb? Auch die Kunden werden ungeduldig. Statt langer Experimentierphasen stehen sechs Monate bis zum erwarteten ROI im Raum. Das verändert die Softwarebranche: Features vorführen reicht nicht mehr. Der Nutzen muss im Geschäftsprozess ankommen. Und der Mensch? Dessen Rolle verschiebt sich. Prozessverständnis, Vertrauen und Verantwortung gewinnen an Gewicht. Denn einen Agenten loszuschicken wird immer einfacher. Zu wissen, wofür, mit welchen Rechten und unter wessen Kontrolle, bleibt die eigentliche Arbeit.

Alle wollen KI-Agenten. Aber wenn im Unternehmen 17 verschiedene Definitionen von Umsatz kursieren, weiß auch der Agent nicht, welche gemeint ist. Die nächste Software ist schnell gekauft. Eine gemeinsame Sprache und klare Verantwortung gibt’s nicht im Lizenzpaket dazu. Andreas Wiener spricht mit Marcel und Sascha von valantic darüber, was KI im SAP-Alltag tatsächlich bringt. Wo lassen sich E-Mails und PDFs automatisiert verarbeiten? Wie helfen Agenten bei Ausschreibungen? Und warum steckt hinter manchem Wunsch nach einem Sales-Agenten eigentlich ein fehlendes Dashboard? Es geht um Datenqualität, SAP Business Data Cloud und Governance, die Menschen handlungsfähig macht. Wie absurd die Suche nach Verantwortung werden kann, zeigt eine Geschichte über einen Brief mit AirTag: Wenn sich der zuständige Data Owner nur per Sendungsverfolgung finden lässt, liegt noch Arbeit vor euch. Dazu kommt die unbequeme Frage: Was passiert, wenn Beschäftigte genau die Aufgaben abgeben sollen, über die sie sich jahrelang definiert haben? KI einzuführen heißt auch, Arbeit und Verantwortung neu zu verteilen. Wer etwas bewegen will, muss seine Daten verstehen, seine Leute mitnehmen – und sich endlich trauen, mehr als den nächsten Chatbot zu fordern.

In dieser Episode von AI or Die diskutieren Andreas Wiener und Christian Bühler die aktuellen Antitrends in der KI-Branche. Sie beleuchten die Herausforderungen, die mit der Implementierung von Agenten verbunden sind, und betonen die Bedeutung von Datenqualität. Zudem wird die Problematik von Proof of Concepts und die Risiken der Autonomie von KI-Systemen thematisiert.

Wie verändert Künstliche Intelligenz die Unternehmensberatung wirklich? Und was passiert, wenn KI nicht nur einzelne Aufgaben beschleunigt, sondern Wissen, Prozesse und Beratungsleistungen grundsätzlich neu organisiert? In dieser Folge spricht Andreas Wiener mit Laurenz von valantic darüber, wie Beratungshäuser KI heute selbst einsetzen und welche Erfahrungen sich daraus für Unternehmen ableiten lassen. Im Mittelpunkt steht die Frage, wie aus ersten Anwendungen echter Unternehmenswert entsteht. Laurenz beschreibt dafür drei Entwicklungsstufen: KI im Arbeitsalltag etablieren, bestehende Workflows konsequent mit KI weiterentwickeln und schließlich KI direkt in Produkte und Dienstleistungen integrieren. Ein konkretes Beispiel ist die Partnerschaft von valantic mit Anthropic. Gleichzeitig entsteht eine eigene AI Skill Factory, mit der wiederkehrendes Beratungswissen in nutzbare KI Skills überführt wird. Erfahrungen aus Projektvorschlägen, Workshops oder Projektmanagement lassen sich damit skalieren und innerhalb der Organisation verfügbar machen. Die Folge beleuchtet außerdem die Möglichkeiten von Claude und Claude Code, den aktuellen Stand von Vibe Coding und die Grenzen heutiger Systeme. Denn auch bei leistungsfähiger KI bleibt der Human in the Loop relevant. Klar wird: Die entscheidende Frage lautet längst nicht mehr, ob Unternehmen KI einsetzen. Entscheidend ist, wie konsequent sie KI in ihre Wertschöpfung integrieren und daraus messbaren Nutzen schaffen.

Industrie 4.0 war einmal das große Versprechen: vernetzte Maschinen, intelligente Fabriken und Produktionsanlagen, die ihren Wartungsbedarf selbst erkennen. Doch was ist davon tatsächlich übrig geblieben und könnte KI jetzt genau der Baustein sein, der damals noch gefehlt hat? In dieser Folge von „AI or DIE“ spreche ich mit Timothy Kaufmann von SAP über die Entwicklung vom Industrial IoT bis zum autonomen Unternehmen. Wir diskutieren, warum viele Industrie-4.0-Projekte an Datensilos, alten Anlagen und aufwendigen Integrationen gescheitert sind und weshalb KI-Agenten diesen Themen nun neues Leben einhauchen könnten. Es geht unter anderem um: - IoT und Industrie 4.0 in der Praxis - Brownfield-Anlagen und die Tücken alter Maschinenparks - Predictive Maintenance und digitale Zwillinge - Datenqualität, Data Products und Zero-Copy-Ansätze - KI-Agenten in Produktion, Planung und Instandhaltung - autonome Fabriken und autonome Geschäftsprozesse - konkrete Anwendungsfälle statt endloser Proofs of Concept - den Wandel von Berufsbildern und die Bedeutung menschlicher Fachkompetenz Kann eine KI Produktionsprobleme erkennen, Aufträge eigenständig umplanen und passende Maßnahmen einleiten? Oder nennen wir alte Automatisierungsideen heute einfach „Agentic AI“, damit sie wieder sexy klingen? Timothys Antwort ist klar: Die Technik ist bereit für spannende Anwendungen. Entscheidend bleibt aber der Proof of Value und die Fähigkeit, KI mit realen Prozessen, industriellen Daten und menschlichem Fachwissen zu verbinden.

Seit Jahren wird der Tod des Dashboards angekündigt. Jetzt soll angeblich die KI übernehmen: Fragen statt klicken, Antworten statt Diagramme, Agenten statt Reports. Ganz so einfach ist es nicht. Andreas Wiener und Janine räumen mit der Vorstellung auf, Unternehmen könnten ihre Daten künftig einfach irgendeiner KI hinwerfen und auf verlässliche Antworten hoffen. Denn ohne saubere Datenmodelle, gepflegte Metadaten, fachlichen Kontext und klare Governance produziert auch die überzeugendste KI vor allem eines: selbstbewusst formulierten Unsinn. Gleichzeitig verändert sich Business Intelligence fundamental. Nutzer müssen nicht mehr jedes Diagramm selbst bauen. Sie können natürlichsprachig mit Daten interagieren, Analysen vertiefen und sich Auffälligkeiten erklären lassen. Moderne Plattformen wie Databricks oder Pyramid verbinden klassische Dashboards mit Knowledge Agents, SQL-Abfragen und spezialisierten Analysefunktionen. Die entscheidende Erkenntnis: Dashboards und KI sind keine Gegensätze. Standardisierte Kennzahlen bleiben dort überlegen, wo Geschwindigkeit, Vergleichbarkeit und Verlässlichkeit zählen. KI wird dort stark, wo Fragen dynamisch werden, Zusammenhänge erklärt und unterschiedliche Informationsquellen kombiniert werden müssen. Eine Folge über das Ende überladener Reporting-Projekte, die neue Rolle von Entwicklern und Analysten – und darüber, warum Unternehmen nicht „die KI“ einführen sollten, sondern konkrete Probleme mit den passenden Werkzeugen lösen müssen.

In dieser Episode des Podcasts AI or DIE diskutieren Andreas Wiener und Frank Hendricks über die Max Aicher Gruppe, deren Herausforderungen in der Unternehmensführung und die Bedeutung von Menschlichkeit in einer zunehmend technologisierten Welt. Sie beleuchten die Notwendigkeit, die DNA eines Unternehmens zu verstehen und die Balance zwischen technischer Effizienz und menschlichem Einfluss zu finden. Die Diskussion bietet wertvolle Einblicke in die Unternehmensplanung und die Rolle von Beratern im Mittelstand. 00:00 Einführung in die Max Eicher Gruppe 07:08 Die Herausforderungen der Unternehmensführung 22:34 Der menschliche Faktor in der Unternehmensplanung 31:09 Technologie und Menschlichkeit in der Unternehmensführung

AI Agents sind mehr als der nächste Technologie-Hype. Richtig eingesetzt können sie recherchieren, analysieren, Entscheidungen vorbereiten und komplexe Aufgaben weitgehend selbstständig bearbeiten. In dieser Folge sprechen Andreas Wiener, Christian und Nico darüber, wo agentische KI heute bereits echten Mehrwert liefert: im Vertrieb, Einkauf, Reporting, Kundenservice und in internen Supportprozessen. An konkreten Beispielen zeigen sie, wie Agenten Informationen zusammenführen, Auffälligkeiten erkennen, Handlungsempfehlungen entwickeln und Mitarbeitende von zeitintensiver Routinearbeit entlasten. Gleichzeitig wird klar: Nicht jeder Prozess braucht sofort ein autonomes Agentensystem. Entscheidend ist, den Use Case sauber zu verstehen und anschließend die passende Technologie auszuwählen – vom klassischen Workflow über Machine Learning bis zum leistungsfähigen AI Agent. Es geht um Datenzugriffe, Sandboxes, Governance, Wirtschaftlichkeit und die richtige Balance zwischen Autonomie und menschlicher Kontrolle. Denn das größte Potenzial entsteht nicht dadurch, Menschen zu ersetzen. Es entsteht, wenn Agenten fähige Mitarbeitende schneller, produktiver und wirksamer machen. Die zentrale Botschaft: Agenten werden die Unternehmensarbeit verändern. Erfolgreich sind jedoch nicht diejenigen, die möglichst viele Agenten einsetzen, sondern diejenigen, die sie an den richtigen Stellen gezielt skalieren.

Ein KI-Modell verschwindet plötzlich vom Markt, nicht wegen technischer Probleme, sondern aufgrund einer politischen Exportbeschränkung. Was bislang wie ein theoretisches Risiko klang, ist damit Realität geworden: Unternehmen können den Zugriff auf geschäftskritische KI-Technologie von einem Tag auf den anderen verlieren. Andreas Wiener und Carsten Bange diskutieren, warum der Fall Anthropic Fable ein Wendepunkt für Data- und AI-Souveränität ist. Welche Konsequenzen hat das für Unternehmen, die ihre Prozesse auf einzelne Anbieter und Modelle aufbauen? Warum werden Multi-Model-Architekturen, AI Gateway Layer und Open-Source-Modelle plötzlich strategisch relevant? Und weshalb profitieren insbesondere chinesische Modelle von der neuen Unsicherheit? Außerdem geht es um die wachsenden Kosten von KI, die Grenzen agentischer Systeme, Agent Governance und die Frage, wie Unternehmen in einem Markt Entscheidungen treffen sollen, der sich schneller verändert als klassische Technologie- und Beschaffungszyklen. Die klare Botschaft: Abwarten ist keine Strategie. Wer flexibel bleiben will, muss seine Daten schützen, Kontext aufbauen und KI-Modelle konsequent austauschbar machen.

Seit Jahren wird versprochen, dass Künstliche Intelligenz Unternehmen produktiver, schneller und effizienter macht. Doch was davon ist tatsächlich Realität? Und wo bleiben die großen Durchbrüche aus? In dieser Folge spricht Andreas Wiener mit David B. Hofmann von valantic⁠ über den aktuellen Stand von KI in deutschen Unternehmen. Warum sind viele Pilotprojekte erfolgreich, scheitern aber bei der Skalierung? Weshalb reichen Copilot-Lizenzen allein nicht aus? Und welche Rolle spielen Führungskräfte, Datenqualität und Unternehmenskultur wirklich? Außerdem diskutieren die beiden, warum KI zwar beeindruckende Ergebnisse liefert, aber niemals fehlerfrei sein kann, weshalb Human-in-the-Loop wichtiger wird als viele glauben und welche konkreten Anwendungsfälle heute bereits messbaren Mehrwert schaffen. Eine ehrliche Bestandsaufnahme zwischen Hype, Realität und den Chancen, die Unternehmen jetzt nutzen können.

Einkauf war lange pragmatisch, manuell und erstaunlich wenig digital. Genau deshalb ist das Potenzial für AI hier brutal groß. In dieser Folge von AI or DIE spricht Andreas Wiener mit Tilmann H&Z darüber, wie KI den Einkauf verändert: von Angebotsauswertung über Lieferantenmanagement bis hin zu automatisierten Q&A-Prozessen in Ausschreibungen. Die zentrale These: KI ersetzt nicht den guten Einkäufer. Aber sie nimmt ihm die Arbeit weg, die ihn bisher vom eigentlichen Job abgehalten hat. Es geht um bessere Entscheidungen, schnellere Analysen, Tail-Spend-Management, Lieferantenbewertungen, AI Agents, Einkaufsdaten und die Frage, warum der Einkauf endlich vom operativen PDF-Schubsen zur strategischen Steuerungsfunktion werden kann. Wer KI im Einkauf ignoriert, wird nicht romantisch analog bleiben. Er wird schlicht irrelevant.

Viele Unternehmen haben über Jahre SAP-Reporting, Dashboards, Planung und Analytics aufgebaut. Und jetzt kommt AI und alle fragen sich: War das alles umsonst? Klare Antwort: Nein. Im Gegenteil. In dieser Folge spricht Andreas Wiener mit Martin darüber, warum klassische BI nicht verschwindet, sondern durch AI auf die nächste Stufe gehoben wird. Dashboards bleiben relevant, weil Unternehmen weiterhin verlässliche Standardfragen beantworten müssen: Sind wir on track? Wo läuft etwas aus dem Ruder? Welche Kennzahlen brauchen wir regelmäßig? Neu ist: Mit Joule, SAP Analytics Cloud und der Business Data Cloud wird Reporting interaktiver, explorativer und deutlich näher am echten Arbeitsalltag. AI ersetzt nicht das Dashboard. AI ergänzt es. Sie hilft, tiefer in Daten einzusteigen, neue Fragen zu stellen, Analysen schneller zu erstellen und Datenprodukte aus SAP- und Nicht-SAP-Welten sinnvoll zusammenzubringen. Es geht um Digital Boardroom, Datendemokratisierung, Berechtigungen, Business Data Cloud, Joule, SAC und die Frage, warum Reporting in Zukunft weniger Ticket-System und mehr Dialog mit Daten sein wird.

Oder schreibt die KI bald alles allein? In dieser Folge von AI or DIE spricht Andreas Wiener mit Janine und Sebastian von Opitz Consulting über eine Frage, die gerade viele IT-Teams beschäftigt: Was bedeutet KI wirklich für Entwickler, Programmierer und Analytics-Teams? Die Antwort ist unbequem, aber ehrlich: Entwickler verschwinden nicht. Aber ihre Rolle verändert sich massiv. KI kann heute schon Code erzeugen, Skripte vorschlagen und Prototypen extrem beschleunigen. Doch zwischen einem schnellen KI-Output und einer enterprise-ready Lösung liegen Welten: Datenqualität, Performance, Governance, Sicherheit, Wartbarkeit und fachliches Verständnis. Sebastian beschreibt, warum Entwickler künftig weniger reine Code-Schreiber und stärker Orchestrierer, Prüfer, Trainer und Übersetzer zwischen Fachbereich und KI werden. Genau dort liegt der eigentliche Wert: nicht im blinden Vertrauen auf generierten Code, sondern in der Fähigkeit, ihn einzuordnen, zu verbessern und produktionsfähig zu machen. Diese Folge ist ein Realitätscheck für alle, die glauben, KI mache IT-Kompetenz überflüssig. Das Gegenteil ist der Fall: KI macht echte Kompetenz sichtbarer.

Alle wollen KI. Aber nur wenige bekommen sie wirklich skaliert. In dieser Folge von AI or DIE spricht Andreas Wiener mit Laurenz von valantic über die Studie „AI at Scale“, die valantic gemeinsam mit dem Handelsblatt Research Institute durchgeführt hat. Befragt wurden 1.000 C-Level-Entscheider aus deutschsprachigen Unternehmen. Die zentrale Erkenntnis ist eindeutig: KI ist kein Zukunftsthema mehr. Sie wird bis 2030 als wichtigste Technologie für Wettbewerbsfähigkeit gesehen. Aber zwischen Strategie, Pilotprojekten und echter Skalierung klafft noch eine massive Lücke. Laurenz erklärt, warum Unternehmen KI auf zwei Ebenen denken müssen: als Breitensport für alle Mitarbeitenden – etwa durch Copilot, ChatGPT oder Claude – und als Spitzensport für geschäftskritische Workflows, Agenten und automatisierte Prozesse. Dabei wird klar: KI-Reife entsteht nicht durch Tools allein. Sie braucht Führung, Umsetzungskompetenz, befähigte Mitarbeitende, Governance, skalierbare Architektur und vor allem eine qualitätsgesicherte Datengrundlage. Oder einfacher gesagt: Daten sind nicht alles. Aber ohne Daten ist alles nichts.

In dieser Folge spricht Andreas mit Martin Guther über die aktuellen Entwicklungen bei SAP rund um Business AI, Joule, Agenten, Autonomous Enterprise und AI Governance. Im Mittelpunkt steht die Frage, wie Unternehmen KI sinnvoll aus der Pilotphase in echte Geschäftsprozesse bringen können – mit klarer Governance, guter Datenbasis und einem Verständnis dafür, dass KI nicht nur ein Technik-, sondern vor allem ein Veränderungsthema ist. Außerdem geht es um die Business Data Cloud, Agent-to-Agent-Szenarien, Change Management und die SAP-Veranstaltung am 11. Juni in Berlin. 🎟️ Für die AI or DIE Community gibt es kostenlose Tickets zur SAP-Veranstaltung in Berlin. Link in der Beschreibung. In dieser Folge spricht Andreas mit Martin Guther über die aktuellen Entwicklungen bei SAP rund um Business AI, Joule, Agenten, Autonomous Enterprise und AI Governance. Im Mittelpunkt steht die Frage, wie Unternehmen KI sinnvoll aus der Pilotphase in echte Geschäftsprozesse bringen können – mit klarer Governance, guter Datenbasis und einem Verständnis dafür, dass KI nicht nur ein Technik-, sondern vor allem ein Veränderungsthema ist. Außerdem geht es um die Business Data Cloud, Agent-to-Agent-Szenarien, Change Management und die SAP-Veranstaltung am 11. Juni in Berlin. 🎟️ Für die AI or DIE Community gibt es kostenlose Tickets zur SAP-Veranstaltung in Berlin. Link in der Beschreibung.

Link: https://www.tdwi-konferenz.de/de/programm/konferenzprogramm?tx_dmconferences_session%5Btrack%5D=1706&cHash=da3e0ad8501d297628094cf800ec8391 Alle reden über AI. Aber auf der Gartner-Konferenz in London wurde wieder klar: Ohne Datenfundament wird daraus kein skalierbarer Mehrwert. In dieser Folge von AI or DIE spricht Andreas Wiener mit Janine über ihre Eindrücke von der Gartner-Konferenz: große Bühne, internationale Entscheider, viele AI-Themen und ein klares Muster hinter fast allen Diskussionen. Es geht nicht mehr nur darum, ob Unternehmen AI einsetzen. Es geht darum, ob sie überhaupt bereit dafür sind. Janine berichtet von Vorträgen zu Data Foundation, AI Readiness, AI Agents, Data Culture und der Frage, wie Unternehmen den Wert von AI-Projekten überhaupt messen können. Besonders spannend: Der Hype um autonome AI Agents ist laut Gartner noch ganz oben auf der Erwartungskurve. Viele Unternehmen testen, wenige skalieren wirklich. Die zentrale Erkenntnis: AI scheitert nicht zuerst an Tools. AI scheitert an fehlendem Kontext, schlechten Metadaten, unklaren Datenstrukturen und Menschen, die nicht ausreichend vorbereitet sind. Diese Folge ist ein Realitätscheck für alle, die glauben, man könne AI einfach auf bestehendes Datenchaos setzen.

Link: http://www.five1.de/podcast/leitfaden-ai-governance Alle wollen KI nutzen. Aber kaum jemand hat sauber geklärt, wer eigentlich Verantwortung trägt, welche Daten genutzt werden dürfen und wann eine KI-Entscheidung vertrauenswürdig ist. Genau hier beginnt AI Governance. In dieser Folge von AI or DIE spricht Andreas Wiener mit Christian Bühler darüber, warum KI nicht an fehlender Technologie scheitert, sondern an fehlenden Leitplanken. Denn schlechte Daten, unklare Rollen und Schatten-KI werden durch künstliche Intelligenz nicht gelöst — sie werden skaliert. Christian erklärt, warum Unternehmen zuerst verstehen müssen, was bereits im Einsatz ist, bevor sie neue Regeln aufstellen. Denn viele Mitarbeitende nutzen längst KI-Tools, oft ohne klare Freigaben, ohne Governance und ohne Bewusstsein für Risiken. Dabei geht es nicht um Bürokratie. Es geht um Enablement. AI Governance soll Unternehmen nicht ausbremsen, sondern handlungsfähig machen. Sie schafft Rollen, Verantwortlichkeiten, Entscheidungsregeln und Transparenz. Erst dadurch wird KI aus einem Experiment zu einem skalierbaren Bestandteil des Geschäfts. Die zentrale Botschaft: Wer KI produktiv nutzen will, braucht Vertrauen. Und Vertrauen entsteht nicht durch Hype, sondern durch Governance. ⸻ Timestamps 00:00 – Intro: Warum AI Governance jetzt Pflicht wird 00:41 – Warum KI Datenprobleme sichtbar macht 01:24 – Feedback zur letzten Folge über Datenfundamente 02:15 – Unterschied zwischen Data Governance und AI Governance 03:56 – Kann man KI-Entscheidungen vertrauen? 05:16 – Warum Bestandsaufnahme der erste Schritt ist 06:20 – Schatten-KI und unbekannte Tools im Unternehmen 07:10 – Warum AI Governance mit einem Use Case starten sollte 08:28 – Bestandsaufnahme: Fehler finden und Blueprints erkennen 09:44 – Governance als Enablement statt Kontrolle 10:46 – Warum Regeln bessere Ergebnisse ermöglichen 12:05 – Rollenmodelle: Wer trägt Verantwortung? 13:55 – AI Owner, Risk Officer und klare Zuständigkeiten 14:39 – Warum Berater Governance anschieben, aber nicht leben sollten 15:55 – Betriebsrat, IT, Compliance und Management einbinden 17:20 – Warum AI Governance kontinuierlich weiterentwickelt werden muss 18:55 – Standards, Zertifizierungen und neue Anforderungen 20:00 – Fehlerkultur als Bestandteil von AI Governance 21:59 – Typische Fehler: sensible Daten, fehlende Transparenz, schlechte KPIs 23:19 – Warum AI Governance dynamischer ist als Data Governance 24:30 – Monitoring von AI-Systemen als neue Pflicht 25:13 – AI Governance als echter Wettbewerbsvorteil 26:37 – Die wichtigsten Prinzipien in einer Minute 28:18 – Vom Macher zum Dirigenten: Die neue Rolle des Menschen 30:29 – Guide, Austausch und Abschluss

Link: https://www.hrcie.com/insurenxt-2026-in-koeln/ Eventkalender: https://www.aiordie-x.de/eventkalender/ Kontakt: https://www.hrcie.com/ Versicherungen waren schon datengetrieben, bevor AI zum Buzzword wurde. Doch jetzt steigt der Druck massiv. In dieser Folge von AI or DIE spricht Andreas Wiener mit Frank Hendricks über die Realität moderner Versicherungen: Solvency II, BaFin-Regulierung, Dunkelverarbeitung, Kostenumlage, Data Governance und die Frage, warum Versicherer heute Transparenz liefern müssen, die sie vor zehn Jahren noch gar nicht messen konnten. Dabei wird schnell klar: Versicherung ist längst kein klassisches Policengeschäft mehr. Es ist ein hochreguliertes Daten- und Steuerungsbusiness. Frank erklärt, warum Prozesse heute komplett automatisiert laufen müssen, wie Tarife bereits auf „Dunkelverarbeitbarkeit“ optimiert werden und weshalb Kostenverteilung in Versicherungen ein eigenes Universum ist. Außerdem geht es um die Rolle von IBM Planning Analytics / TM1 bei hochkomplexen Umlage- und Steuerungsmodellen, um regulatorische Nachweispflichten, Audit Trails, Governance und die Realität hinter modernen Versicherungs-IT-Systemen. Eine Folge für alle, die verstehen wollen, warum Versicherungen beim Thema Daten oft weiter sind als viele andere Branchen — und warum AI ohne saubere Steuerungslogik dort wertlos bleibt. ⸻ Timestamps 00:00 – Intro und Rückblick auf die erste Folge 01:04 – Warum Versicherungen extrem datengetrieben arbeiten 01:54 – Solvency II und die Folgen der Finanzkrise 03:41 – Transparenz als regulatorischer Zwang 05:06 – Dunkelverarbeitung und vollautomatische Schadenprozesse 07:15 – Warum Tarife heute auf Automatisierung optimiert werden 08:28 – Die HUK Coburg als datengetriebener Versicherer 10:32 – IBM Planning Analytics / TM1 bei der HUK 12:20 – Kostenumlage als zentrale Herausforderung 13:33 – Warum Versicherungen eigene Rechnungslogiken haben 14:49 – Das Problem klassischer ERP-Systeme 16:05 – TM1 als Nebenbuch und prüfungsrelevantes System 18:23 – Verteilungsschlüssel und regulatorische Nachweispflichten 20:25 – Echtzeit-Umlagen und In-Memory-Technologie 21:20 – Governance, Audit Trails und Compliance 24:53 – Monitoring, Deployment und Data Governance 27:53 – Warum TM1 seit Jahrzehnten erfolgreich eingesetzt wird 29:21 – Predictive Analytics und Simulationen im Controlling 31:57 – Fazit: Versicherungen als hochkomplexe Datenorganisationen 33:15 – Austausch, Community und Insurance Next in Köln

https://www.techshowfrankfurt.de/big-data-ai-world Datensouveränität war lange ein Randthema. Jetzt ist sie ganz oben auf der Agenda. In dieser Folge des AI or DIE Newscasts spricht Andreas Wiener mit Carsten Bange über die neue BARC-Studie zur Datensouveränität – und darüber, warum Unternehmen plötzlich sehr genau hinschauen, wo ihre Daten liegen, wer Zugriff darauf hat und wie abhängig sie von Cloud-Anbietern sind. Die Zahlen sind eindeutig: Fast jedes Unternehmen bewertet Datensouveränität inzwischen als wichtig oder sehr wichtig. Besonders regulierte Branchen wie Banken, Versicherungen, Energie und Healthcare spüren den Druck massiv. Doch es geht nicht nur Politik. Es geht Regulierung, Cybersecurity, AI in Kernprozessen, hybride Cloud-Strategien und die Rückkehr von On-Prem. Außerdem werfen Andreas und Carsten einen Blick auf den Data- und AI-Markt: sinkende SaaS-Bewertungen, neue Build-vs.-Buy-Fragen durch AI, weniger M&A-Dynamik und spannende Deals rund SAP, Reltio, ServiceNow, Pyramid, Databricks und ClickHouse. Die klare Botschaft: Wer Datensouveränität heute noch als technisches Detail behandelt, hat die Lage nicht verstanden. ⸻ Timestamps 00:00 – Intro: Datensouveränität als Dauerbrenner 01:17 – Warum das Thema politischer geworden ist 02:11 – Neue BARC-Studie und Big Data & AI World 03:08 – Erste Welle: USA, Cloud und neue Abhängigkeiten 04:00 – Zweite Welle: Zölle, Grönland und geopolitische Unsicherheit 05:21 – Studie: Datensouveränität wird deutlich wichtiger 06:20 – Warum fast jedes Unternehmen betroffen ist 08:05 – Wie Hyperscaler auf europäischen Druck reagieren 09:26 – Treiber: Regulierung, Politik und Cybersecurity 10:52 – Interne Treiber: Daten und AI in Kernprozessen 12:10 – Konkrete Maßnahmen: Security, Hybrid Cloud und On-Prem 13:06 – Repatriation: Daten zurück aus der Cloud 14:08 – Cybersecurity und Schutz sensibler AI-Assets 15:52 – Multicloud und regionale Cloud-Anbieter 17:13 – Stackit und die neue Logik der Schwarz Gruppe 20:18 – M&A-Update: Data- und AI-Markt unter Druck 21:14 – SaaS-Bewertungen und AI als Geschäftsmodellrisiko 22:10 – Vibe Coding verändert Build vs. Buy 23:32 – Konsolidierung im Beratungsmarkt 24:55 – Investments: Qdrant, CircleOne, Databricks, ClickHouse 26:38 – Akquisitionen: SAP/Reltio und ServiceNow/Pyramid 29:42 – Weniger Deals und kältere Marktphase 30:24 – Ausblick: Big Data & AI World und Data Festival 31:13 – Outro

Link zur board BEYOND https://beyond.board.com/event/board-beyond-dach-2026/ Eventkalender: https://www.aiordie-x.de/eventkalender/ Datensouveränität ist kein IT-Thema mehr. Es ist ein strategisches Thema. In dieser Folge von AI or DIE spricht Andreas Wiener mit Björn Stauss über genau diesen Shift – und warum Unternehmen gerade jetzt gezwungen sind, ihre Datenstrategie komplett neu zu denken. Zwischen Cloud-Abhängigkeit, geopolitischen Unsicherheiten und wachsendem AI-Druck wird klar: Wer seine Daten nicht im Griff hat, verliert die Kontrolle über sein Business. Björn zeigt, wie Board das Thema seit Jahren konsequent denkt – von europäischen Rechenzentren über vollständige DSGVO-Compliance bis hin zu integrierter AI, die nicht einfach Daten nach außen schiebt, sondern innerhalb sicherer Strukturen bleibt. Besonders spannend: Datensouveränität wird nicht mehr nur abgefragt – sie entscheidet über Deals. Doch es geht nicht nur um Sicherheit. Es geht um Geschwindigkeit. Die Diskussion macht deutlich, warum klassische Planung nicht mehr ausreicht und warum integrierte Businessplanung (IBP) heute der einzige Weg ist, um auf volatile Märkte reagieren zu können. Gleichzeitig wird klar: Die Technologie ist längst weiter als viele Unternehmen. Das eigentliche Problem ist das Mindset. Ein zentrales Learning: AI ist kein Feature mehr – sie verändert Rollen, Prozesse und Erwartungen. Und wer seinen Mitarbeitenden nicht die richtigen Tools gibt, verliert sie. Diese Episode ist Pflicht für alle, die verstehen wollen, warum Datensouveränität, AI und Planung keine getrennten Themen mehr sind – sondern gemeinsam über Wettbewerbsfähigkeit entscheiden. ⸻ Timestamps 00:00 – Intro: Datensouveränität & agile Planung 00:38 – Board Event in Frankfurt: Warum sich Teilnahme lohnt 03:08 – Datensouveränität bei Board: Architektur & Strategie 05:12 – Warum Datensicherheit oft zu spät im Sales-Prozess kommt 06:02 – Die größte Gefahr: interne statt externe Angriffe? 08:07 – Europäische Anbieter vs. US-Hyperscaler 10:08 – Warum Board heute anders wahrgenommen wird 11:10 – Stärke der Plattform: Erfahrung + Integration 13:23 – AI im Unternehmen: Warum fehlende Tools zur Kündigung führen 14:33 – AI Agents in Planung: Mehr als nur Chatbots 16:52 – Security & Zugriff: Warum AI Governance entscheidend ist 18:04 – Testing hat sich verändert: Fokus auf Zugriff statt Funktion 19:49 – Neues Excel Add-in & Microsoft-Integration 22:40 – Warum Excel nicht verschwindet – sondern stärker wird 24:59 – Technologie vs. Mindset: Das eigentliche Problem 28:42 – Beratung + Software: Warum beides entscheidend ist 31:13 – Change Management: Erfolgsfaktor für Planungssysteme 32:14 – IBP: Warum integrierte Planung der nächste Schritt ist

Link: https://hz.group/insight/ai-as-a-productivity-booster/ Viele Unternehmen reden noch über KI, als wäre sie ein Innovationsprojekt für irgendwann. Die Wahrheit ist härter: KI ist längst dabei, zur Grundvoraussetzung für produktive Wissensarbeit zu werden. In dieser Folge von AI or DIE spreche ich mit Tilman darüber, wie Unternehmen KI wirklich auf die Straße kriegen. Nicht als Show, nicht als Buzzword, sondern als funktionierende Produktivitätsmaschine. Wir sprechen darüber, warum ein einfacher Chatbot allein noch keine Transformation ist, welche vier KI-Archetypen Unternehmen verstehen müssen und weshalb viele Firmen gerade denselben Fehler machen wie damals bei der Digitalisierung: Sie behandeln KI wie ein Tool, statt sie als neues Arbeitsmodell zu begreifen. Es geht um Copilots, Agenten, Workflows und KI-native Tools. Es geht um die Frage, warum eigene Agenten oft besser sind als zentral verordnete Lösungen. Und es geht um die unbequeme Realität, dass sich Wissensarbeit gerade fundamental verändert. Die Kernthese dieser Folge ist glasklar: Wer KI nur beobachtet, verliert. Wer sie in den Alltag integriert, wird schneller, besser und gefährlicher für den Wettbewerb. Diese Episode ist kein Zukunftsgerede. Sie ist eine Standortbestimmung für Unternehmen, die verstanden haben, dass „irgendwann mal KI“ keine Strategie ist. ⸻ Timestamps 00:00 – Intro: AI or DIE ist wörtlich gemeint 00:21 – Wie Unternehmen KI wirklich auf die Straße bringen 01:01 – Die vier Archetypen von KI im Unternehmen 02:43 – KI im Analytics- und Reporting-Kontext 03:54 – Warum viele Unternehmen KI falsch einordnen 05:32 – Mensch-Maschine-Interaktion im KI-Zeitalter 06:58 – Warum Unternehmen ihren Mitarbeitenden KI bieten müssen 08:31 – KI im Unternehmen ist kein Nice-to-have mehr 09:56 – Bottom-up-Innovation: Mitarbeitende bringen KI selbst mit 11:02 – Agenten: nächstes Level oder nächstes Chaos 12:35 – Self-Service vs. Governance bei KI-Agenten 14:54 – Warum selbst gebaute Agenten oft die besten sind 17:02 – Studienergebnis: KI macht 40 Prozent schneller 18:51 – Warum Agenten nicht automatisch schneller machen 20:16 – Wo KI bei standardisierten Aufgaben besonders stark ist 22:50 – Workflows statt Hype: echte Automatisierung im Alltag 24:16 – Make or Buy: selbst bauen oder einkaufen 26:06 – Microsoft, Power Automate und der Plattformgedanke 27:07 – Der vierte Archetyp: KI-native Tools und Integrationen 30:06 – Die neue Rolle des Menschen: vom Macher zum Dirigenten 31:27 – Warum Hierarchien und Rollenbilder sich verändern werden 32:24 – AI Productivity Playbook und Ausblick auf Teil 2 33:06 – Schlussgedanke: Verliert Wissensarbeit gerade ihre alten Qualitätsmerkmale?

Eventkalender: https://www.aiordie-x.de/eventkalender/ Data Products sind eines dieser Themen, über die viele seit Jahren reden. Aber jetzt wird es ernst. In dieser AI or DIE Newscast-Folge spricht Andreas Wiener mit Carsten Bange über eine neue Studie zu Data Products und darüber, warum das Thema gerade jetzt massiv an Bedeutung gewinnt. Der Auslöser ist klar: Unternehmen wollen AI produktiv nutzen – und merken plötzlich, dass ohne vertrauenswürdige, sauber beschriebene und nutzbare Datenprodukte genau gar nichts skaliert. Die Diskussion geht deshalb bewusst weg vom Buzzword und hin zur Praxis. Was ist überhaupt ein Data Product? Wie unterscheidet es sich von einem Data Asset? Warum braucht es Metadaten, Verantwortlichkeiten und klare Nutzungsregeln? Und weshalb korreliert eine hohe Reife bei Data Products so stark mit einer hohen Reife bei produktiven AI-Projekten? Außerdem geht es um die nächste Evolutionsstufe im Datenmanagement: Nicht nur Daten sammeln, sondern sie intern so organisieren, dass sie wiederverwendbar, verständlich und vertrauenswürdig werden. Genau dort entstehen dann die Grundlagen für Analytics, Reporting und eben auch AI-Produkte. Diese Folge ist besonders relevant für alle, die sich fragen, warum AI im Unternehmen oft langsamer vorankommt als gedacht. Die Antwort könnte simpel sein: Weil das Fundament noch nicht als Produkt gedacht wird. ⸻ Timestamps 00:00 – Intro: Newscast und Fokus auf Data Products 00:59 – Warum die Studie zu Data Products gerade relevant ist 01:27 – Data Products und AI Products: Wo ist der Zusammenhang? 03:13 – Warum jede Organisation ihre eigene Definition braucht 03:57 – Data Products sind keine reine IT-Domäne 05:45 – Was ist konkret ein Data Product? 08:23 – Von Data Assets zu echten Produkten 10:44 – Aggregierte und abgeleitete Datenprodukte 11:51 – Interne vs. externe Datenprodukte 13:12 – AI als Treiber für Data Products 15:24 – Studie: Zusammenhang zwischen Data Products und AI-Reife 18:31 – Die größten Herausforderungen bei Data Products 20:41 – Prioritäten der nächsten 12 Monate 22:55 – Warum Data-Product-Prinzipien auf AI übertragen werden 24:06 – Welche Rolle Produkthersteller spielen 26:38 – Kommen jetzt neue Rollen rund um Data Products? 27:40 – Event-Tipps von BARC 29:31 – Fazit und Abschluss

Link: https://beyond.board.com/ Planung war lange ein Pflichtprogramm. Zahlen sammeln, Forecast erstellen, Bericht abgeben. Mehr Verwaltung als echte Steuerung. Das ändert sich gerade grundlegend. In dieser Folge sprechen Andreas Wiener und Björn M. Stauss darüber, wie Agentic AI den Planungsprozess neu definiert. Nicht als Reporting-Routine, sondern als strategisches Instrument mit direktem Einfluss auf Umsatz, Effizienz und Marktanteile. Anhand konkreter Kundenbeispiele wird klar, worum es wirklich geht. Kleine Verbesserungen in der Forecast-Genauigkeit können Millionen bewegen. Der entscheidende Unterschied entsteht aber an anderer Stelle: durch die Kombination aus internen Daten, externen Einflussfaktoren und intelligenten Agenten, die Zusammenhänge sichtbar machen, bevor sie offensichtlich werden. Planung wird damit dynamisch. Systeme liefern proaktiv Hinweise, identifizieren Abweichungen und ermöglichen es, in Echtzeit auf Veränderungen zu reagieren. Der Controller entwickelt sich vom Datensammler zum Berater, der aktiv an Entscheidungen beteiligt ist. Gleichzeitig verschiebt sich der Anspruch an Unternehmen. Es reicht nicht mehr, Planung als Pflichtaufgabe zu sehen. Wer die neuen Möglichkeiten konsequent nutzt, kann schneller reagieren, bessere Entscheidungen treffen und sich gezielt Wettbewerbsvorteile sichern. Die zentrale Erkenntnis dieser Folge ist klar: Die Technologie ist da. Der Unterschied entsteht durch die Art, wie Unternehmen sie einsetzen.

n diesem Gespräch reflektieren Andreas Wiener und Frank Hendricks (HRCIE) über 30 Jahre Daten- und KI-Entwicklung, die Herausforderungen bei der Nutzung von KI in Unternehmen und die Bedeutung einer soliden Datenbasis für erfolgreiche Entscheidungen. Sie diskutieren die Evolution der Technologie, aktuelle Trends und die zukünftigen Chancen und Risiken. Key Topics - Entwicklung der Daten- und KI-Technologie in 30 Jahren - Bedeutung der Datenqualität und Datenlogistik für Unternehmen - Risiken und Chancen bei der Nutzung von KI-Tools und Automatisierung - Die Rolle der Unternehmenssteuerung und Entscheidungsfindung im KI-Zeitalter Soundbites "Auf die Qualität der Daten achten und Prozesse verbessern" "Vertrauen in die Datenbasis aufbauen und sichern" "Technologie bewusst und verantwortungsvoll einsetzen" "Die Entwicklung schreitet exponentiell voran." "Daten sind das Futter für meinen Rechner." "Garbage in, garbage out – das gilt immer noch." Chapters 00:00 Einführung in die Welt der Daten und AI 03:03 Die Entwicklung von Daten und deren Bedeutung 06:04 Herausforderungen der Datenverarbeitung und AI-Integration 09:11 Die Rolle von Information und Entscheidungsfindung 12:01 Erwartungsmanagement und AI-Projekte 15:00 Prozessautomatisierung und die Zukunft der Arbeit 17:35 Unternehmenssteuerung und BI-Projekte 20:45 Datenhaushalt und Datenstruktur 22:48 Self-Service BI und Entscheidungsfindung 26:18 Bauchentscheidungen vs. rationale Entscheidungen 30:08 Werte und persönliche Philosophie

Link: https://www.board.com/de/veranstaltungen-webinare/board-beyond-dach-2026 Jetzt kommt Agentic AI – und plötzlich stellt sich eine unbequeme Frage: Wozu braucht es eigentlich noch klassische Planungsprozesse? In dieser Folge sprechen Andreas Wiener und Björn M. Stauss von board darüber, warum KI-Agenten nicht einfach ein weiteres Tool sind, sondern das Fundament von Planning komplett verschieben. Weg von manuellen Analysen, hin zu automatisierten Insights. Weg von Jahresplanung, hin zu Continuous Planning. Weg von Perfektion, hin zu Geschwindigkeit und Wirkung. Die eigentliche Provokation: Vielleicht geht es gar nicht darum, bessere Prognosen zu bauen – sondern schneller zu entscheiden. Wir reden über echte Use Cases aus Finance, Supply Chain und Controlling. Über den Unterschied zwischen generischer KI und trainierten, domänenspezifischen Agenten. Und darüber, warum 85 % Genauigkeit auf Knopfdruck oft mehr wert sind als 100 % nach drei Monaten Abstimmung. Klar wird auch: Das ist kein Hype für Konzerne. Der Mittelstand steht vor genau derselben Entscheidung nur mit weniger Zeit. Wer Planning heute noch wie vor fünf Jahren denkt, wird morgen nicht mehr mithalten. Und genau darum geht es: verstehen, wo der echte Hebel liegt bevor andere ihn nutzen.

Link: https://www.five1.de/podcast/reifegrad-sap-bdc SAP und Künstliche Intelligenz galten lange als zwei Welten, die nur schwer zusammenfinden. Komplexe Systemlandschaften, eingeschränkter Datenzugriff und hoher manueller Aufwand haben viele Projekte ausgebremst. Mit der Business Data Cloud verändert sich dieses Bild grundlegend. In dieser Folge sprechen Andreas Wiener und Christian Bühler darüber, wie sich der Umgang mit SAP Daten aktuell wandelt und welche neuen Möglichkeiten sich daraus ergeben. Offene Standards, bessere Integration und automatisierter Zugriff schaffen die Grundlage, um Daten deutlich effizienter zu nutzen und KI Anwendungen sinnvoll einzusetzen. Im Mittelpunkt stehen konkrete Einsatzfelder. Von Forecasting über Finanzplanung bis hin zu interaktiven Analysen auf Basis von Chatbots. Dabei wird deutlich, dass nicht die Technologie allein den Unterschied macht, sondern vor allem das Zusammenspiel aus Datenqualität, Struktur und Fachwissen. Ein zentraler Punkt ist der Wandel in der Nutzung von Daten. Es geht weniger darum, alle Mitarbeitenden zu Datenexperten zu machen. Entscheidend ist, dass Fachbereiche mit tiefem Verständnis gezielt mit Daten arbeiten und daraus bessere Entscheidungen ableiten. Diese Folge liefert einen fundierten Einblick in den aktuellen Stand und zeigt, warum SAP im Kontext von KI heute eine deutlich größere Rolle spielt als noch vor kurzer Zeit.

Pyramid on STACKIT by OPITZ CONSULTING https://www.pyramid-on-stack.it/ Entdecken Sie Pyramid Analytics in der souveränen STACKIT Cloud, professionell verwaltet von OPITZ CONSULTING. Optimieren Sie Ihre Datenanalysen jetzt! Zukunftstag Mittelstand 2026 | OPITZ CONSULTING https://opitz-consulting.com/events/zukunftstag-mittelstand-2026 OPITZ CONSULTING ist als Austeller vor Ort dabei und wir freuen uns auf viele spannende Gespräche in Berlin. https://data-changemaker.de/ https://www.linkedin.com/groups/18379010/ Viele Mittelständler stehen gerade vor derselben Frage: Muss ich wirklich den ganzen Hyperscaler-Zirkus mitmachen? Azure, AWS, SAP – alles wirkt groß, komplex und oft wie für Konzerne gebaut. Doch genau hier entsteht gerade eine neue Bewegung: einfachere, souveräne und bezahlbare Alternativen für den Mittelstand. In dieser Folge von AI or DIE sprechen Andreas Wiener, Janine und Thomas darüber, warum genau jetzt der richtige Zeitpunkt ist, sich neu zu orientieren – technologisch, aber auch strategisch. Im Fokus steht eine Kombination aus Stackit (Schwarz Gruppe) und Pyramid Analytics – eine Lösung, die bewusst anders denkt: Weniger Komplexität, weniger Risiko, mehr Zugänglichkeit. Es geht nicht darum, bestehende Systeme schlechtzureden. Es geht darum, eine realistische Alternative aufzuzeigen – für Unternehmen, die keine eigene BI-Abteilung haben, keine Lust auf komplexe Architekturprojekte und trotzdem datengetrieben arbeiten wollen. Wir sprechen darüber: • Warum viele Mittelständler mit Hyperscalern überfordert sind • Wieso Datensouveränität plötzlich ein Business-Thema ist • Wie man mit kleinen Paketen startet statt mit Millionenprojekten • Warum „Think big, start small“ endlich technologisch funktioniert • Weshalb einfache Tools oft mehr bringen als perfekte Architekturen • Für wen sich ein Wechsel oder Einstieg wirklich lohnt – und für wen nicht Die zentrale Erkenntnis: Es geht nicht mehr nur um Technologie. Es geht um Kontrolle, Geschwindigkeit und Entscheidungsfähigkeit. Und genau hier kann der Mittelstand aktuell einen Vorteil ausspielen – wenn er aufhört zu warten und anfängt, pragmatisch zu handeln. ⸻ ⏱️ Timestamps 00:00 – Intro: Mittelstand vs. Hyperscaler 00:45 – Warum viele Unternehmen von großen Plattformen überfordert sind 01:20 – Vorstellung Thomas & Fokus der Folge 01:38 – Eventhinweis: Mittelstandsevent in Berlin 02:20 – TDWI & Data Changemaker Community 03:00 – Einstieg: Gibt es Alternativen zu Azure & AWS? 03:32 – Problem Hyperscaler & geopolitische Risiken 04:30 – Datensouveränität und US Cloud Act 05:00 – Stackit als deutsche Alternative 05:33 – Kombination mit Pyramid Analytics 06:09 – Bronze-, Silber- und Gold-Pakete erklärt 07:01 – Skalierung und Individualisierung 08:25 – Zwei Perspektiven: Sicherheit vs. Mehrwert 09:15 – Einfluss von Politik auf Datenstrategien 10:33 – Warum Pyramid Analytics so stark wächst 12:24 – Einfachheit als Schlüssel im Mittelstand 13:32 – Typische Architektur im Mittelstand 14:18 – Einstieg ohne großes Invest 16:39 – Opex vs. Capex: Kostenmodell erklärt 17:46 – Klein starten, flexibel wachsen 18:13 – Sicherheit durch starke Anbieter 19:19 – Für wen die Lösung ideal ist 21:17 – Wann es keinen Sinn macht 22:32 – Excel-Unternehmen als Zielgruppe 24:00 – Rolle der Schwarz Gruppe & Eigenbetrieb 25:14 – Wirtschaftliche & strategische Perspektive 26:29 – Unsicherheit als Treiber für neue Lösungen 27:00 – Daten als Grundlage für bessere Entscheidungen 27:58 – Nutzerakzeptanz & Spaß an Analytics 28:26 – Self-Service & KI im Reporting 29:16 – Einfachheit statt Komplexität 30:54 – Call to Action: Demo & Einstieg 31:19 – Abschluss & Einladung zum Austausch

Wie bringt man KI wirklich in den Mittelstand? Nicht als Pilotprojekt. Nicht als Buzzword. Sondern als echte Kompetenz im Unternehmen. In dieser Special-Folge von AI or DIE sprechen wir live aus dem Mittelstand – direkt aus einem KI-Workshop bei der Leiber Group. Gemeinsam mit Simon und Richard diskutieren wir, wie Unternehmen KI pragmatisch einführen können, ohne sich in Tools, Lizenzen oder Strategiepapiere zu verlieren. Der Ansatz: Nicht Perfektion. Sondern Zugänglichkeit, Geschwindigkeit und Umsetzung. Statt teurer Lizenzen für jeden Mitarbeitenden setzt Leiber auf einen Plattformansatz: KI wird über APIs verfügbar gemacht, nutzungsbasiert abgerechnet und damit für alle im Unternehmen zugänglich. Ergänzt durch Schulungsstufen, klare Rollen und schnelle Use-Case-Teams entsteht Schritt für Schritt eine echte KI-Kompetenz im Unternehmen. Dabei wird auch deutlich: Der Mittelstand hat einen entscheidenden Vorteil gegenüber Konzernen – Geschwindigkeit und Entscheidungsfähigkeit. In der Diskussion geht es unter anderem um: • Warum KI zuerst für die breite Masse verfügbar sein muss • Wie ein Plattformansatz Kosten reduziert und Flexibilität erhöht • Warum Unternehmen nicht sofort mit komplexen KI-Projekten starten sollten • Wie KI Research, Vertrieb und Marktanalysen radikal beschleunigen kann • Warum der ROI von KI oft indirekt über Geschwindigkeit und Produktivität entsteht • Und weshalb Mittelständler gerade jetzt die Chance haben, Innovation schneller umzusetzen als große Organisationen Die zentrale Botschaft dieser Episode: Wer auf die perfekte Strategie wartet, verliert Zeit. Wer startet, lernt schneller. Und genau das entscheidet gerade darüber, wer KI wirklich nutzt – und wer nur darüber spricht. ⸻ Timestamps 00:00 – Intro: Special AI or DIE Folge aus dem Mittelstand 00:13 – Wie Leiber KI im Unternehmen einführt 01:10 – KI für die breite Masse statt Speziallösungen 02:00 – Schulungslevels: User, Power User und KI Champions 03:08 – Warum schnelle Umsetzung entscheidend ist 04:00 – Plattformstrategie statt teurer Einzellizenzen 04:54 – Der technische Plattformansatz erklärt 06:00 – Pay-per-Use statt Lizenzmodelle 06:53 – Multi-KI statt nur einer Plattform 08:00 – Das Problem ungenutzter Softwarelizenzen 09:00 – Schatten-KI im Unternehmen 09:49 – Spezialtools vs. Plattformstrategie 11:07 – Inspiration aus KI-Use-Cases im Vertrieb 13:10 – Geschwindigkeit als Wettbewerbsvorteil 13:57 – Innovation im Mittelstand 15:03 – Eindrücke aus dem Unternehmen Leiber 17:32 – KI-Strategie und Messbarkeit von Effizienz 18:17 – Persönliche Produktivitätssteigerung durch KI 19:17 – Wie man den ROI von KI sichtbar macht 21:36 – Mensch vs. KI im Arbeitsalltag 22:19 – Angst vor KI im Unternehmen 24:05 – KI ersetzt nicht Jobs, sondern Aufgaben 26:03 – KI und die neue Produktivität der Wissensarbeit 27:13 – Konkrete Maßnahmen nach dem Workshop 28:24 – Motivation und Netzwerk im KI-Mittelstand 30:23 – Fazit des Tages bei Leiber 31:10 – Schlussgedanken zur Zukunft von KI im Mittelstand 31:55 – Aufruf: Einfach starten und dranbleiben 33:01 – Outro

Links: https://data-changemaker.de/ https://www.linkedin.com/groups/18379010/ Data Governance klingt für viele Unternehmen nach Bürokratie, Regeln und zusätzlicher Arbeit. Genau deshalb wird das Thema häufig aufgeschoben – bis die ersten echten Probleme auftreten: falsche Kennzahlen, widersprüchliche Reports oder KI-Modelle, die auf fehlerhaften Daten basieren. In dieser Folge von AI or DIE sprechen Andreas Wiener und Janine mit Jürgen von OPITZ CONSULTING über ein Thema, das in der Datenwelt oft unterschätzt wird, aber über Erfolg oder Misserfolg vieler Analytics-Initiativen entscheidet: Data Governance. Dabei wird schnell klar: Governance bedeutet nicht Kontrolle um der Kontrolle willen. Es geht darum, Verantwortlichkeiten zu klären, Datenflüsse transparent zu machen und dafür zu sorgen, dass Fachbereiche sich auf ihre Daten verlassen können. Denn ohne Vertrauen in die Daten kann weder Self-Service-Analytics noch Data Culture wirklich funktionieren. Gemeinsam diskutieren wir unter anderem: • Warum Data Governance heute anders wahrgenommen wird als noch vor einigen Jahren • Welche Rolle Data Culture dabei spielt • Warum Data Stewards keine „Datenpolizei“ sein sollten • Wie Unternehmen Governance pragmatisch aufbauen können • Warum Visualisierung von Datenprozessen ein Schlüssel zum Erfolg ist • Wann externe Perspektiven helfen, Governance-Programme sinnvoll aufzusetzen • Und welche Rolle KI künftig bei der Verbesserung von Datenqualität spielen kann Die zentrale Botschaft dieser Episode: Wer seine Daten ernst nimmt, braucht klare Regeln – nicht als Selbstzweck, sondern als Grundlage für bessere Entscheidungen. Oder einfacher gesagt: Ohne Data Governance bleibt Data-Driven nur ein Buzzword.  ⸻ Timestamps 00:00 – Intro: Warum Data Governance oft unterschätzt wird 00:56 – Vorstellung des Gastes Jürgen 01:00 – Hat sich Data Governance in den letzten Jahren verändert? 02:26 – Zusammenhang zwischen Data Culture und Data Governance 03:06 – Warum Datenqualität bei der Dateneingabe beginnt 04:13 – Datenqualität und KI: Wenn schlechte Daten automatisiert werden 04:33 – Wie startet man ein Data-Governance-Projekt? 05:08 – Bewusstsein schaffen und Stakeholder einbinden 06:28 – Gibt es einen Standard-Leitfaden für Data Governance? 07:13 – Prozesse und Datenflüsse sichtbar machen 08:40 – Rollenmodelle und der Begriff Data Steward 09:48 – Data Steward: Diener der Datenqualität statt Datenpolizei 11:13 – Akzeptanz von Governance-Rollen im Unternehmen 12:58 – Self-Service Analytics vs. Governance 14:15 – Gemeinsame Ziele als Erfolgsfaktor 14:56 – Herausforderungen bei Self-Service-Datenmodellen 16:10 – Kommunikation und Zusammenarbeit im Datenprozess 17:01 – Externe Beratung bei Data-Governance-Projekten 18:29 – Warum eine externe Perspektive hilfreich sein kann 20:13 – Ganzheitliche Sicht auf Datenprozesse 20:57 – Visualisierung von Datenflüssen und Pain Points 22:04 – Zusammenhang zwischen Data Governance und KI 23:05 – Können KI-Agenten Datenqualität verbessern? 24:13 – Wie Governance-Prozesse visualisiert werden 25:51 – Data Governance in einem Satz erklärt 27:24 – Data Governance positiv framen 28:47 – Learnings aus der Folge 29:41 – Schlussgedanke: Bei Data Governance nicht weglaufen 29:56 – Outro

Link zum Buch: https://www.kaiuwestahl.com/download-buch-aiordie/ Seit über 15 Jahren bauen wir Dashboards. Von den ersten BI-Projekten mit absurden Ladezeiten bis zu modernen Tools wie Power BI und SAP Analytics Cloud. Und trotzdem stellt sich heute wieder eine provokante Frage: Brauchen wir Dashboards überhaupt noch – oder übernimmt KI jetzt alles? In dieser Folge sprechen Andreas Wiener und Kai-Uwe Stahl über eine der zentralen Disziplinen der datengetriebenen Unternehmenssteuerung. Sie blicken zurück auf die Entwicklung des Dashboardings, auf die größten Missverständnisse in Unternehmen und auf die Rolle, die KI künftig spielen wird. Dabei wird eines deutlich: Viele Unternehmen springen heute direkt auf den KI-Hype – ohne ihre Hausaufgaben gemacht zu haben. Denn bevor KI wirklich Mehrwert liefern kann, müssen Unternehmen ihre Zahlen kennen. Und genau dafür bleiben Dashboards unverzichtbar. In der Folge geht es unter anderem um: • Die Evolution von Dashboarding in den letzten 15 Jahren • Warum Tools heute kaum noch der entscheidende Faktor sind • Weshalb viele Unternehmen den falschen Fokus auf Self-Service-Analytics legen • Warum Standard-Reporting oft mehr bringt als komplexe Analyseumgebungen • Wie KI künftig die tiefe Analyse übernimmt – während Dashboards das Monitoring liefern Die klare Botschaft dieser Episode: KI ersetzt Dashboards nicht. Aber sie verändert, wofür wir sie nutzen. Wer seine Daten nicht im Griff hat, wird auch mit KI keine besseren Entscheidungen treffen.  ⸻ Timestamps 00:00 – Intro: 15 Jahre Dashboarding 00:54 – Was ist eigentlich ein Dashboard? 01:32 – Warum Monitoring-Dashboards unverzichtbar bleiben 02:53 – Das Buch und Feedback aus Unternehmen 05:12 – Warum viele Berater dem falschen Hype folgen 07:35 – Neue Hausaufgaben: Dashboards statt nur Datenqualität 10:03 – Die Anfänge: Dashboarding mit Excel und PowerPoint 11:15 – Erste BI-Tools und extrem lange Ladezeiten 13:22 – Erste große Projekte und technologische Entwicklung 14:32 – Warum viele Unternehmen Dashboarding nie richtig umgesetzt haben 15:52 – Warum klassische Trainings oft nicht funktionieren 18:29 – Online-Kurse vs. Präsenzschulungen 19:10 – Power BI als Gamechanger im Dashboarding 20:34 – Tableau, Visual Analytics und der Visualisierungstrend 21:22 – Warum sich der Markt auf wenige Tools konzentriert 23:38 – Konsolidierung im BI-Markt 25:09 – Datenvisualisierung und Storytelling im Dashboard 26:00 – Self-Service Analytics: Realität vs. Wunschdenken 27:08 – Wo KI künftig die Analyse übernimmt 28:21 – Fazit: Dashboards bleiben ein zentraler Baustein der Datenstrategie

http://www.five1.de/podcast/ai-data-security Alle reden über KI-Use-Cases. Über Agenten. Über Automatisierung. Kaum jemand redet ernsthaft über das, was im Hintergrund passiert: Datensicherheit. In dieser Folge spreche ich mit Christian Bühler und Joshua Zielinski darüber, warum Security im KI-Umfeld kein IT-Randthema ist – sondern strategische Pflicht. Denn KI ist nichts anderes als eine Datenpipeline: Was du reinsteckst, kommt verstärkt wieder raus. Und genau dort liegen die Risiken. Wir sprechen über: • Schatten-KI und unbewusste Datenleaks durch Mitarbeitende • Warum Agenten mit zu vielen Rechten gefährlicher sind als Hacker im Hoodie • Manipulierte Wissensdatenbanken und falsche KI-Outputs • Denial-of-Wallet-Attacken und versteckte Kostenrisiken • Warum der EU AI Act eher Leitplanke als Innovationsbremse ist • Und weshalb Governance im KI-Zeitalter neu gedacht werden muss Die zentrale Botschaft: Sicherheit bremst dich nicht aus. Sie macht dich handlungsfähig. Wenn du KI einführst, ohne dir über Privilegien, Datenquellen und Monitoring Gedanken zu machen, potenzierst du Fehler. Wenn du es sauber aufsetzt, wird KI zum Wettbewerbsvorteil. Und genau darum geht es in dieser Episode. ⸻ ⏱️ Timestamps 00:00 – Rückblick: Security-Assessment & Reaktionen 01:20 – Warum KI-Security plötzlich Chefsache wird 03:00 – Hype vs. Regulierung: Wo stehen Unternehmen? 04:30 – Imperfect User: Das größte Sicherheitsrisiko 06:00 – Schatten-KI und Datenleaks 08:00 – Enterprise-Lösungen vs. öffentliche KI 10:00 – Least Privilege: Warum Agenten Grenzen brauchen 12:00 – On-Prem vs. Cloud: Realität im Mittelstand 14:00 – EU AI Act: Bremse oder Leitplanke? 17:00 – Manipulation von KI-Daten als reales Risiko 20:00 – Governance im KI-Zeitalter 23:00 – Typische Sicherheitslücken bei KI-Use-Cases 26:00 – Predictive Maintenance & Praxisbeispiele 29:00 – Monitoring, Logging & Wissensdatenbanken 32:00 – KI-Workflows & vererbte Berechtigungen 34:00 – White Paper: Die 5 häufigsten KI-Security-Risiken 35:30 – Fazit: Sicherheit als Enabler

Wir stehen nicht am Anfang eines Tools. Wir stehen am Anfang einer neuen Exponentialität. In dieser Folge von AI or DIE spreche ich mit Tobi Nehren von areto.strategy über das, was viele gerade spüren, aber kaum jemand klar formuliert: KI ist kein Feature. KI ist ein Strukturbruch. Während einige noch Copilot-Lizenzen verteilen und hoffen, dass sich Produktivität von selbst ergibt, stellt sich die eigentliche Frage: Was passiert mit deinem Geschäftsmodell, wenn Intelligenz plötzlich unbegrenzt verfügbar wird? Wir sprechen über: • Warum der Mittelstand gerade zwischen Hype und Ernüchterung schwankt • Weshalb „Effizienzdenken“ zur größten Blockade wird • Ob Konzernstrukturen oder Mittelstand schneller transformieren • Welche Jobs wirklich gefährdet sind und welche nicht • Warum Nichtstun die riskanteste Strategie ist Dabei geht es nicht um Technikdetails. Es geht um Haltung. Um Mut. Und um die Bereitschaft, Zukunft aktiv zu gestalten. Denn eines ist klar: Die Transformation kommt, mit oder ohne dich. Und die Frage ist nicht, ob KI dein Unternehmen verändert. Sondern ob du die Veränderung steuerst oder von ihr überrollt wirst. ⸻ ⏱️ Timestamps 00:00 – Intro & technischer Fehlstart 04:10 – Wer ist Tobi Nehren & was macht areto? 05:50 – Warum „Zukunftsberatung“ mehr ist als KI-Beratung 07:20 – Ernüchterung im Mittelstand: Hype vs. Realität 09:30 – Warum Use-Case-Workshops oft scheitern 10:40 – Sind wir wirklich schon über dem KI-Hype? 12:00 – Intelligenz-Exponentialität: Was jetzt anders ist 14:10 – Angst oder Optimismus? Wie Transformation gelingt 17:20 – Individuum vs. Organisation: Wer passt sich schneller an? 20:00 – Arbeitsmarkt-Disruption: Was passiert mit Wissensarbeit? 23:00 – Kreativität vs. Prozessarbeit: Wer bleibt relevant? 26:00 – Demografie & KI: Problem oder Lösung? 28:00 – Mittelstand, Konzern & die große Verschiebung 32:00 – Warum Veränderung jetzt Pflicht ist 34:30 – KI als Chance für den Mittelstand 36:00 – Schlussgedanke: Zukunft ist zum Machen da

Migration wird in Unternehmen noch immer unterschätzt. Zu oft wird sie als technisches Upgrade verkauft – und endet als organisatorisches Minenfeld. In dieser Folge von AI or DIE sprechen Andreas, Janine und Volker von Opitz darüber, warum Migration nie nur ein Tool-Thema ist, sondern immer ein Eingriff in Prozesse, Kultur und Machtverhältnisse. Es geht um die harten Wahrheiten aus der Praxis: Warum selbst kleine Upgrades zu Großprojekten werden können. Weshalb Frontend-Migrationen regelmäßig eskalieren, während Backend-Wechsel leise, aber gefährlich sind. Und warum Migration fast nie an Technologie scheitert – sondern an Menschen, Widerständen und fehlender Wertschätzung für bestehendes Wissen. Die Folge macht klar: Migration ist kein Projekt mit Enddatum, sondern ein kontinuierlicher Anpassungsprozess. Wer glaubt, man könne „mal eben“ von On-Prem in die Cloud wechseln, neue Tools einführen oder alte Systeme abschalten, ohne Fachbereiche mitzunehmen, wird scheitern. Diese Episode liefert Orientierung für alle, die Migration realistisch planen, sauber kommunizieren und strategisch umsetzen wollen – ohne Hochglanzfolien, aber mit Haltung.  Timestamps 00:00 – Einstieg: Warum Migration jahrelang verdrängt wurde 00:46 – Was Migration wirklich ist: Update vs. Upgrade vs. Migration 02:12 – Wenn ein Upgrade plötzlich zur Migration wird 03:28 – Tool-, Datenbank- und Frontend-Wechsel eingeordnet 03:50 – On-Prem → Cloud als häufigster Treiber 04:41 – Lift & Shift oder echter Architekturbruch 05:09 – Typische Auslöser für Migrationsentscheidungen 06:13 – Legacy-Systeme, Fachkräftemangel, KI-Blockaden 07:55 – Fachbereiche als Migrationstreiber 08:45 – Warum Migration kein Nebenprojekt ist 09:33 – Der Klassiker: Halbfertige Migrationen 10:09 – Frontend-Migrationen als größtes Risiko 11:50 – Backend-Migration: weniger sichtbar, nicht weniger gefährlich 12:52 – Data Integration & Orchestration tauschen 14:21 – Klare Zielbilder im Backend 14:41 – Migration scheitert selten an Technik 15:12 – Menschen, Anforderungen und Komplexität 15:39 – Abhängigkeiten zwischen BI, ERP und Operativsystemen 17:06 – Data Culture als kritischer Erfolgsfaktor 17:46 – Neue Technologien vs. bestehendes Expertenwissen 18:37 – Warum „alt = schlecht“ ein fataler Denkfehler ist 19:55 – Widerstände als Normalzustand 21:01 – Warum Redesign fast immer nötig ist 21:37 – Wertschätzung für Legacy-Expert:innen 22:44 – Zwei-Welten-Problem: Alt-System vs. neuer Stack 23:42 – Migration ≠ klassisches Projekt 25:23 – Berater als Coaches statt Projektabwickler 26:28 – Architekturverständnis vs. Tool-Expertise 28:33 – Interdisziplinäre Teams als Schlüssel 29:31 – Wann Migration trotzdem ein klar definiertes Projekt sein muss 30:16 – Migration ist immer nur der Anfang 31:37 – Flexibilität schlägt Tool-Spezialisierung 33:41 – Fazit Janine 34:14 – Schlusswort Volker 34:48 – Ende der Folge

Viele KI-Initiativen scheitern nicht an Algorithmen, Modellen oder mangelndem Willen – sondern an der Basis. In dieser Folge von AI or DIE sprechen Andreas Wiener und Christian Bühler darüber, warum KI ohne eine sauber aufgebaute Daten- und Cloud-Plattform kaum eine Chance hat. Es geht um überzogene Erwartungen, Quick-and-Dirty-Leuchtturmprojekte und den fatalen Irrglauben, man könne KI einfach „on top“ auf bestehende Strukturen setzen. Christian erklärt, warum Begriffe wie Security, Resilienz, Performance, Operational Excellence und Kosten keine Buzzwords sind, sondern harte Voraussetzungen für produktive KI-Use-Cases. Die Folge zeigt klar: Ohne belastbares Fundament wird aus jeder KI-Idee eine teure Krücke. Wer jetzt nicht aufräumt, skaliert später nur Probleme. Eine ehrliche Episode für Entscheider:innen, die KI nicht nur ausprobieren, sondern nachhaltig nutzen wollen.  ⸻ Timestamps 00:00 – Einstieg: Warum KI-Initiativen scheitern 00:33 – Überzogene Erwartungen und falsche Annahmen 01:30 – Warum alte Cloud-Plattformen KI ausbremsen 01:50 – Was „well-architected“ wirklich bedeutet 02:34 – Die fünf Säulen einer belastbaren Plattform 02:59 – Für wen diese Leitplanken relevant sind 03:28 – Cloud-Zoo, Komplexität und Realität im Konzern 04:26 – Sicherheit & Cloud-Souveränität 05:06 – Datenplattform als Fundament für KI 05:15 – Resilienz, Verfügbarkeit & Governance 06:14 – Performance als Akzeptanzfaktor 07:24 – Always-on-Architekturen und Orchestrierung 08:19 – Wer ist verantwortlich: IT oder Fachbereich? 09:14 – Warum Fachbereichs-KI oft scheitert 10:15 – Budgets, ROI und Wirtschaftlichkeit von KI 11:20 – KI als Wette auf die Zukunft 12:29 – Was Resilienz technisch wirklich heißt 13:41 – Klassische Fehler bei KI-Plattformen 14:31 – Leuchtturmprojekte und „Quick & Dirty“ 15:11 – Die berühmte Krücke aus BI-Projekten 16:18 – Proof of Concept vs. produktiver Betrieb 17:20 – Welcher Tool-Stack ist „vernünftig“? 18:21 – SAP, Databricks & offene Architekturen 19:52 – Best-of-Breed statt Tool-Dogma 21:13 – Plattform vs. Mensch: Was ist wichtiger? 22:02 – Data Culture & echte Nutzung 23:04 – Online-Assessment: Standortbestimmung 24:35 – Klare Worte: Was Unternehmen jetzt tun müssen 26:07 – Ausblick: Sicherheit & nächste Folge 29:15 – Abschluss & Call to Action 29:40 – Ende der Folge

Zentrale KI-Plattform oder spezialisierte Tools in den Fachabteilungen? Diese Diskussion ist brandaktuell. In dieser Folge von AI or DIE zerlegen Andreas Wiener und Richard Ranftl (H&Z Digital) die romantische Vorstellung von der einen KI-Lösung, die alles kann. Klar ist: KI ist kein Nice-to-have mehr. Sie ist Pflicht. Wer heute noch auf die perfekte, zentrale Lösung wartet, verliert morgen Effizienz, Geschwindigkeit und Wettbewerbsfähigkeit. Gleichzeitig führt ein unkontrollierter Tool-Zoo direkt in neue Silos, Schatten-IT und Compliance-Risiken. Die Wahrheit liegt dazwischen – aber nicht im Mittelmaß. Wir sprechen darüber, warum „Make“ mit klaren Zielen oft smarter ist als reflexhaftes „Buy“, weshalb Open-Source-orientierte Stacks mehr strategische Freiheit schaffen als Hochglanz-Tools und warum Verfügbarkeit wichtiger ist als perfekte Governance. Außerdem: Warum Schatten-KI längst Realität ist, wieso Verbote nichts bringen und was Unternehmen jetzt konkret tun müssen, um Kontrolle zurückzugewinnen, ohne Innovation abzuwürgen. Diese Folge ist eine klare Ansage an alle, die noch glauben, KI ließe sich per Lizenzentscheidung erledigen. Spoiler: Tut sie nicht. 00:00 – Einstieg: KI-Reifegrad & alte IT-Diskussionen 00:41 – Single Vendor vs. Best-of-Breed: Die Kernfrage 01:00 – Tool-Dschungel, Start-ups & KI als Pflicht 01:55 – Buy vs. Make: Warum Spezialtools verlockend sind 02:47 – Fachabteilungen vs. zentrale KI-Strategie 03:39 – Das Silo-Problem: Schnell gestartet, nie eingefangen 04:16 – Schatten-Systeme und fehlende Zieldefinition 05:30 – Hochglanz-Versprechen vs. Realität 06:40 – Faktor Mensch: Warum Regeln allein nicht funktionieren 07:04 – Fachabteilungen als Innovationstreiber 08:05 – KI schlägt Excel: Wettbewerbsvorteile durch Geschwindigkeit 09:00 – Make-Ansatz mit Standard-Stacks (Azure, n8n & Co.) 10:04 – Konkretes Beispiel: KI im Einkauf 11:28 – n8n erklärt: Prozessautomatisierung mit Agenten 12:20 – Open Source, Souveränität & Enterprise-Tauglichkeit 14:47 – Chatbots, Frontends & falsche Erwartungen 15:18 – Mitarbeitende überschätzt? KI braucht Enablement 16:30 – Microsoft-Stack: Nicht perfekt, aber stabil 17:30 – Eigenes Frontend statt teurer Chat-Lizenzen 18:45 – Lokale LLMs: Wann sie wirklich Sinn machen 20:15 – Schatten-KI im Privatgebrauch: Das echte Risiko 22:27 – Praxisbeispiel: Mehr Schatten-User als offizielle Lizenzen 23:24 – Produktivität verstecken? Ein Auslaufmodell 24:50 – Angst, Kontrolle & Aufklärung im Unternehmen 26:12 – Kostenrealität: Copilot vs. eigenes KI-Frontend 26:56 – KI als neue Erwartungshaltung an Mitarbeitende 28:24 – Klare Empfehlung: Make first, Buy gezielt 29:22 – Metapher: KI-Stack wie Kochen vs. Restaurant 30:30 – Regulatorik, AI Act & Tool-Wildwuchs 31:28 – Praxisbericht: Marketing komplett agentenbasiert 33:00 – Fazit & Abschluss: Weniger Marketing, mehr Fakten

Alle reden über KI. Über Dashboards. Über Automatisierung. Kaum jemand spricht über das, was wirklich entscheidet, ob all das funktioniert: das Datenfundament. In dieser Folge räumen wir mit dem gefährlichsten Irrtum im Mittelstand auf: Dass man KI einfach „oben draufsetzen“ kann. Dass Power BI schon reicht. Dass schnelle Agentur-Setups nachhaltige Datenstrategie ersetzen. Gemeinsam mit Datenexperte Sven sprechen wir brutal ehrlich über gescheiterte BI-Projekte, über vermeintlich billige KI-Lösungen mit Langzeitschäden und darüber, warum fehlende Datenmodelle früher oder später jedes Unternehmen einholen. Es geht um echte Praxis: ✔️ Wann Excel und Reports zur Falle werden ✔️ Warum Automatisierung oft sinnvoller ist als KI ✔️ Wie IT-Leiter zwischen Geschäftsleitung und Realität zerrieben werden ✔️ Und wie ein sauberes Datenfundament in Wochen statt Jahren entsteht Diese Folge ist unbequem. Aber notwendig. Denn ohne saubere Daten ist KI kein Fortschritt – sondern Risiko. ⸻ ⏱️ Timestamps 00:00 – Intro & Einstieg: Warum Datenfundamente ignoriert werden 01:45 – KI, Dashboards & der Hype ohne Basis 03:00 – Neue KI-Agenturen und gefährliche Schnelllösungen 04:30 – Power BI ohne Fundament: typische Probleme 06:05 – Vorstellung Sven & fachlicher Hintergrund 07:30 – Warum klassische BI-Projekte scheitern 09:20 – Von Beratung zu Software: Entstehung der Plattform 11:30 – Datenfundament in Tagen statt Jahren 13:05 – Konkrete ROI-Beispiele aus dem Mittelstand 15:30 – Automatisierung vs. KI – der unterschätzte Hebel 17:40 – Wie IT-Leiter richtig starten sollten 20:10 – Warum KI ohne saubere Kennzahlen scheitert 22:25 – Mensch, Change & Akzeptanz 24:40 – Für wen der Ansatz funktioniert – und für wen nicht 27:45 – Die harte Realität im Mittelstand 28:50 – Buch, Podcast & Wissenstransfer 31:00 – Datenkompetenz als Wettbewerbsvorteil 33:00 – Fazit & Ausblick auf Teil 2

Databricks wird gefeiert, diskutiert, eingeführt – und trotzdem fundamental missverstanden. In dieser Episode zerlegen wir den Hype und bringen Ordnung in die Debatte. Nicht aus Herstellersicht, sondern aus der harten Projektrealität. Gemeinsam mit Beratern von b.telligent aus der Praxis sprechen wir darüber, warum Databricks kein weiteres Data-Warehouse ist, sondern eine strategische Plattform. Warum Unternehmen mit sauberem Reporting trotzdem scheitern. Und warum AI-Use-Cases ohne Datenfundament nur PowerPoint-Fantasien bleiben. Wir klären, welche Rollen Databricks wirklich verbindet, warum SAP sich strategisch öffnet, was Governance plötzlich wieder relevant macht – und weshalb Fachbereiche erstmals ernsthaft mit Daten arbeiten können, ohne Technik zu spielen. Keine Buzzwords. Kein Tool-Evangelismus. Sondern eine klare Einordnung für Entscheider, die mehr wollen als Monatsreports. Diese Folge ist Pflichtprogramm für alle, die glauben, BI sei erledigt – und für alle, die AI ernsthaft produktiv einsetzen wollen.

Was unterscheidet einen Data Leader von einem Data Change Maker? Nicht der Titel. Nicht das Tool. Der Impact. In dieser Folge sprechen wir darüber, warum datengetriebene Transformation nicht an Rollen, Frameworks oder Technologien scheitert – sondern an fehlendem Mindset, Mandat und Mut zur Veränderung. Gemeinsam mit Janine Elner und Lars Tams geht es um die Menschen, die Daten wirklich ins Unternehmen tragen: die Impulsgeber, Brückenbauer und Antreiber, die Kultur verändern – von innen heraus. Diese Episode richtet sich an alle, die: • Daten im Unternehmen nicht nur verwalten, sondern voranbringen wollen • Veränderung bottom-up oder top-down anstoßen müssen • zwischen Fachbereich, IT und Management vermitteln • spüren: „Da geht mehr – und ich will es treiben.“ Kein Hype. Keine neue Rolle. Sondern eine klare Haltung: Daten verändern nur dann etwas, wenn Menschen es tun. ⸻ ⏱️ Timestamps 00:00 – Intro & Einstieg ins Thema 01:00 – Was ist ein Data Change Maker wirklich? 03:00 – Abgrenzung: Data Leader vs. Change Maker 05:30 – Typische Herausforderungen in Organisationen 08:00 – Mandat, Mindset & Verantwortung 11:00 – Bottom-up vs. Top-down Transformation 14:00 – Data Culture: Warum Tools allein nicht reichen 17:30 – Community & Austausch als Beschleuniger 21:00 – Mittelstand vs. Enterprise: Wo anfangen? 25:00 – Praxisbeispiele & Learnings 29:00 – Fazit: Veränderung beginnt bei dir ⸻ 🎯 Kernaussage Daten verändern keine Organisationen. Menschen tun es. Der Data Change Maker wartet nicht – er handelt.

2025 war kein einfaches Jahr für Consulting, Data & AI. 2026 wird kein Selbstläufer – aber eine echte Chance für alle, die es richtig angehen. In diesem Newscast ziehen wir gemeinsam Bilanz: Was ist im Data- & AI-Markt wirklich passiert? Welche Hypes sind verpufft – und wo entsteht gerade realer Business-Wert? Wir sprechen offen über: • die Disruption des Beratungsmarktes durch KI • warum klassische Tagessatz-Modelle auslaufen • wieso Online-Kurse, Templates & Agenten plötzlich skalieren • weshalb Data Culture immer noch nicht gelöst ist • und warum 2026 Umsetzung wichtiger ist als Visionen Carsten Bange (BARC) gibt Einblicke aus Studien, Marktbeobachtung und Events wie dem Data Festival, Consulting Summit und Data Culture Summit. Ich teile meine Erfahrungen aus der Praxis: radikale Fokussierung, neue Geschäftsmodelle, weniger Mitarbeiter – mehr Wirkung. 👉 Diese Folge ist Pflichtprogramm für: • Berater:innen im Data- & AI-Umfeld • Entscheider:innen im Mittelstand • Führungskräfte, die KI wirtschaftlich einsetzen wollen • alle, die genug haben von PowerPoint-Strategien ohne Umsetzung ⸻ ⏱️ Timestamps 00:00 – Intro & Jahresrückblick 00:45 – Marktkrise 2025: Consulting, Software & Investments 02:30 – Warum 2026 vorsichtig optimistisch stimmt 04:00 – KI als dreifache Disruption für Beratungen 06:30 – Vom Vor-Ort-Berater zum skalierbaren Geschäftsmodell 09:00 – Warum Dashboards „totgesagt“ werden (und warum das Unsinn ist) 12:00 – Data Festival 2026: Agenten, Architektur & echte Use Cases 15:00 – Data & AI Culture: Warum wir seit 15 Jahren im Kreis reden 18:30 – Was gute Data- & AI-Leader heute wirklich können müssen 22:00 – Datenfundament, Governance & Datenprodukte 26:30 – Planung in unsicheren Zeiten: Resilient Planning 29:00 – MIT-Studie zu KI: Warum die 95 % irreführend sind 31:30 – Fazit & Ausblick auf 2026 ⸻ 🧠 Kernaussage dieser Folge KI ist kein Tool-Thema mehr. Sie verändert Organisationen, Geschäftsmodelle und Machtverhältnisse. Wer 2026 noch diskutiert, ob er handeln soll, hat bereits verloren.

2026 wird wieder über Trends geredet. Wir drehen den Spieß um. In dieser Folge von AI or DIE sprechen Andreas Wiener und Christian Bühler (Five1) über Anti-Trends: Was Unternehmen nicht brauchenund welche Hausaufgaben jetzt wirklich entscheidend sind, um KI sinnvoll einzusetzen. Klartext statt Buzzwords: Data Governance, saubere Daten, echte Business-Cases und warum Tools allein noch nie ein Problem gelöst haben. Pflichtprogramm für Entscheider, Berater:innen und den gehobenen Mittelstand. 👉 Podcast abonnieren & Glocke aktivieren ⸻ Timestamps 00:00 Warum wir über Anti-Trends sprechen 01:36 Was ein echter Anti-Trend ist 02:57 Big Data, Data Science & die ewigen Hypes 04:45 Warum KI 2025 oft gescheitert ist 06:28 Fundament statt Aktionismus 07:27 Data Governance richtig gedacht 09:36 Warum Unternehmen seit Jahren feststecken 11:03 Umsetzung statt PowerPoint-Karaoke 12:26 Warum „Best Practices“ gefährlich sind 15:05 Relevante Tools für 2026 (SAP, Databricks, Snowflake) 16:19 Was bedeutet AI-Readiness wirklich? 18:51 Warum Reporting & Dashboarding noch lange nicht tot sind 20:46 Mittelstand vs. Konzern-Bubble 23:09 Datenkultur & Self-Service richtig verstanden 24:58 Die entscheidenden Readiness-Fragen für 2026 26:21 Konkrete KI-Use-Cases aus der Praxis 29:52 Wie Five1 KI selbst einsetzt 32:10 Fazit & Ausblick 2026

Dr. Theo Pham ist zurück – und diesmal geht es nicht um Risiken, sondern um das gigantische Potenzial, das KI gerade für Unternehmen, Führungskräfte und Selbstständige freilegt. Wir sprechen darüber, • wie KI kleine Unternehmen stärkt und große effizienter macht, • warum jede Führungskraft mit wenigen Skills sofort produktiver wird, • weshalb KI nicht Jobs zerstört, sondern Chancen vervielfacht, • wie weltweit bereits neue Geschäftsmodelle entstehen, • und warum jetzt der perfekte Moment ist, einzusteigen – egal ob Startup, Mittelstand oder Konzern. Theo zeigt, • wie Power-User heute einen 10x-Vorsprung aufbauen, • wie Unternehmen mit klarer KI-Strategie massiv gewinnen, • warum der deutschsprachige Raum wirtschaftlich so attraktiv für KI ist, • und weshalb KI die Innovation in Forschung, Medizin und Technologie dramatisch beschleunigen wird. Die Kernaussage dieser Episode: Wir stehen nicht am Ende einer Entwicklung – wir stehen am Anfang der größten wirtschaftlichen Chance seit dem Internet. Wer heute startet, profitiert am meisten. ⸻ Kapitel & Timestamps 00:00 Intro: Theo ist zurück 01:07 Begrüßung Richard 01:15 Was Theo macht – KI-Expertise in Unternehmen 01:57 Warum KI gerade für Führungskräfte ein Wachstumstreiber ist 02:32 Welche C-Level-Skills sofort Wirkung zeigen 03:40 AI Skill Gap – und warum der Vorsprung schnell aufzuholen ist 04:23 Wie Workshops Begeisterung und neue Möglichkeiten öffnen 05:43 KI im Mittelstand – die Chance klarer Priorisierung 06:37 Warum es jetzt um Gestalten statt Abwarten geht 08:00 Hands-on starten: Kleine Schritte, große Hebel 09:24 Wo heute die größten Gewinner entstehen 09:54 Startups, Solopreneure und Big Tech: Warum alle profitieren 11:54 Wie produktiver Arbeiten mit KI Unternehmen stärkt 13:26 Schatten-KI: Mitarbeiter nutzen KI längst – positiv fürs Business 14:43 KI wird zum Pflichtskill – und öffnet Karrieretüren 16:23 Weltvergleich: Warum der DACH-Raum ein KI-Hotspot wird 17:12 KI-Adoption global: Große Dynamik, großes Potenzial 19:30 Reifegrad der KI: 1,5 von 10 – und alles vor uns 20:48 Agenten & Automatisierung: Wo bald die echten Durchbrüche kommen 22:12 Robotik & Autonomie: Der nächste Innovationssprung 24:33 Waymo: Wie Zukunftstechnologie im Alltag ankommt 27:02 KI schafft neue Karrieren und neue Branchen 27:49 Tipps für Young Professionals: Jetzt ist der beste Zeitpunkt 29:00 Warum Erfahrung + KI der neue Hebel für Exzellenz ist 29:57 Wissen wird Commodity – Fähigkeiten werden skalierbar 31:11 Neue Chancen in Handwerk, Datacentern & Tech 31:57 Forschung 2.0: Wie KI wissenschaftliche Durchbrüche beschleunigt 33:37 KI als Enabler für echte Innovation 35:23 Blick in fünf Jahre – was uns erwartet 36:58 Richards vorletzte Worte 37:45 Theos Schlussimpuls: „Es ist nicht zu spät – die Reise beginnt gerade erst“ 40:17 Outro

Diese Episode ist ein Realitätscheck für alle, die glauben, Dashboarding sei durch KI bedeutungslos geworden. Andreas und Kai legen offen, warum der Markt aktuell völlig anders tickt: Der Mittelstand kauft unsere Dashboarding-Kurse im großen Stil – während ausgerechnet Unternehmensberatungen das Thema ignorieren. Und damit lassen sie bares Geld liegen. Wir sprechen darüber, warum klassische Vor-Ort-Schulungen für uns Geschichte sind, wie wir unser gesamtes Know-how radikal digitalisiert haben und weshalb dieser Schritt unser Geschäftsmodell neu definiert. Gleichzeitig zeigen wir, wo die echten Probleme im Dashboarding liegen, welche Skills heute im Markt fehlen und warum KI ohne solides Fundament schlicht verpufft. Für alle Beraterinnen, Berater und Entscheider, die wissen wollen, ob Dashboarding wirklich tot ist, warum der Need im Markt so massiv ist und wo heute das Umsatzpotenzial liegt – diese Episode liefert die ungeschminkte Wahrheit. Mit klarer Haltung, klarer Meinung und klarer Ansage: Wer das Thema liegen lässt, verliert.

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

In dieser Episode setzen Janine, Fabian und Andreas einen klaren Marker: 2026 wird für Datenstrategie und KI-Einsatz ein Wendepunkt – und Microsoft Fabric steht dabei im Zentrum. Fabian zeigt, welche drei strategischen Entscheidungen Unternehmen jetzt treffen müssen, um 2026 nicht den Anschluss zu verlieren: klug budgetieren, echte Use Cases definieren und eine Roadmap bauen, die Geschwindigkeit und Wertschöpfung kombiniert. Wir sprechen über realistische Projektkosten, typische Stolperfallen, warum Self-Service ohne Guidance scheitert und wie KI heute schon Dokumentation, Workshops und Datenprozesse massiv beschleunigt. Janine bringt die Perspektive aus der Data-Culture-Praxis ein und erklärt, warum Mittelständler genau jetzt den Sprung wagen sollten. Ein klarer, praxisnaher Deep-Dive für alle Unternehmen, die 2026 nicht mit dem „Power-BI-von-gestern-Setup“ dastehen wollen.

Wie verändert KI das Consulting-Business wirklich? In dieser Folge von AI or DIE sprechen Andreas Wiener, Richard Ranftl und Stefan Aichbauer (Managing Partner bei H&Z) über die Transformation einer gesamten Branche. Es geht um Führung, Veränderung und Menschlichkeit – warum Juniors nicht mehr automatisch die Zukunft der Beratung sind, wieso „People“ das wichtigste Asset bleibt und weshalb KI nicht nur Prozesse beschleunigt, sondern Beratungsqualität neu definiert. Eine ehrliche Diskussion über Angst, Chancen und Verantwortung im Zeitalter der künstlichen Intelligenz. Jetzt reinhören, wenn du wissen willst, wie echte AI-Transformation in einer Top-Beratung aussieht.

📘 Das neue Buch „AI or DIE“ ist jetzt erhältlich – digital zum Download oder in limitierter Hardcover-Edition. 👉 Infos & Download: www.https://www.kaiuwestahl.com/ In dieser Folge von AI or DIE spricht Andreas Wiener mit Martin Guther (SAP) über den Stand von Künstlicher Intelligenz bei SAP, die neue Business Data Cloud, den Unterschied zwischen Effizienz- und Differenzierungsstrategien und die Frage, wie AI in Geschäftsprozesse integriert wird – von People Intelligence bis Financial Analytics. Ein ehrliches, tiefes und praxisnahes Gespräch über Strategie, Technologie und Vertrauen – mit Blick hinter die Kulissen der SAP-Welt. 🎧 Themen & Timestamps: 00:00 – Intro & Rückblick auf den erfolgreichsten SAP-Podcast des letzten Jahres 03:10 – Warum SAP und AI gemeinsam gedacht werden müssen 06:45 – Wie die SAP AI strategisch einsetzt und wo echte Business Cases entstehen 12:00 – Standardisierung vs. Differenzierung: Warum es keine Referenzmodelle für AI gibt 16:30 – SAP-Agenten, Custom AI und die neue Plattformstrategie 22:15 – „We do both kinds“ – Warum SAP Business und Technologie zusammenbringt 27:00 – Transparenz, Vertrauen und die „neue Offenheit“ in der SAP-Strategie 31:30 – Geopolitische Unsicherheit, Datensouveränität & Waldorf als Standortvorteil 36:00 – Generative AI in Dashboards: Stand der Technik & neue BI-Rolle 40:15 – Zukunft von BI: Dashboards, KI-Assistenten & menschliche Entscheidungslogik 43:00 – Ausblick: SAP Business Data Cloud, AI-Partnerschaften & 2026 als Schlüsseljahr 🎙️ Hosts: • Andreas Wiener, Geschäftsführer AI or DIE • Martin Guther, SAP