Michele Lagnese – Head of Digital Transformation bei Coroplast

- Dr. Theo SteiningerCo-Founder & CEO von Erium
- Michele LagneseHead of Digital Transformation Office (DTO) bei der Coroplast Group
Überblick
In dieser Folge von The Erium Podcast spricht Host Theo Steininger mit Michele Lagnese, Head of Digital Transformation bei der Coroplast Group in Wuppertal. Die beiden diskutieren, wie digitale Transformation in einem familiengeführten Mittelstandsunternehmen konkret aussieht - von Datenstrategie und Datenqualität über die richtige Einbettung eines Digital Transformation Office bis hin zur Skalierung von Pilotprojekten und der Bedeutung von Industriestandards.
Über den Gast
Michele Lagnese leitet seit April 2020 das Digital Transformation Office (DTO) bei der Coroplast Group, einem mittelständischen Produktionsunternehmen aus Wuppertal, das vor allem Kabelwickelbänder, Kabel und Leitungssätze für die Automobilindustrie fertigt. Sein Werdegang vereint Wirtschaftswissenschaften mit einer ausgeprägten IT-Affinität seit der Kindheit: Rund zehn Jahre arbeitete er bei einem japanischen Anlagenbauer (Hitachi/Mitsubishi Hitachi) in verschiedenen Supply-Chain- und Logistikrollen, bevor er zunehmend in die IT wechselte. Diese Doppelkompetenz - tiefes Prozessverständnis aus Operations und Logistik kombiniert mit technologischem Know-how - prägt seinen Ansatz zur digitalen Transformation.
Zusammenfassung
Das Digital Transformation Office: Zwischen Innovation und IT-Kernbetrieb
Das DTO bei Coroplast ist organisatorisch in der IT angesiedelt und fokussiert sich auf alles, was nicht zum Standardbetrieb gehört - also weder klassische Infrastruktur noch reines ERP-Management. Im Mittelpunkt stehen Data & Analytics (von BI bis Data Science), hausinterne Softwareentwicklung für spezifische Prozessanforderungen sowie Industrie-4.0-Projekte in enger Abstimmung mit den Fachbereichen. Das Ziel: Kleine, skalierbare Lösungen entwickeln, in den Regelbetrieb überführen und dann die nächste Innovationsstufe angehen.
Lagnese betont, dass die Einbettung in die IT bei Coroplast gut funktioniert, weil das gesamte IT-Team ein offenes Mindset mitbringt und Veränderungen aktiv mitgestalten will - statt sie zu blockieren. Als Mittelständler mit überschaubaren Strukturen lässt sich so eine direkte, pragmatische Zusammenarbeit realisieren, die in Großkonzernen mit eigenständigen Abteilungs-ITs kaum möglich wäre.
Datenstrategie: Fundament vor Algorithmus
Ein zentrales Thema des Gesprächs ist die Bedeutung sauberer Datenstrukturen als Voraussetzung für jede Form von Analytics oder KI. Lagnese beschreibt aus eigener Erfahrung, wie mangelhafte Stammdatenqualität - lückenhafte, doppelte oder fehlerhafte Daten - den Alltag in Einkauf und Logistik massiv erschwert. Klassische Business Intelligence hilft, diese Schwachstellen sichtbar zu machen und Prozesse zu verbessern, bevor man den nächsten Schritt zu Machine Learning oder Data Science geht.
Seine These: Der entscheidende Engpass ist nicht der Algorithmus und auch nicht die Datenverfügbarkeit - beides sei im Grundsatz lösbar. Die eigentliche Herausforderung liegt darin, Technik und Business zusammenzubringen: Techniker und Kaufleute müssen eine gemeinsame Sprache finden, und genau dort liegt Lagneses Stärke als Brückenbauer zwischen beiden Welten.
Von Pilot zu Produktivbetrieb: Skalierung richtig denken
Ein häufiger Fehler in Digitalisierungsprojekten, den Lagnese aus eigener Anschauung kennt: Schnell einen beeindruckenden Prototypen bauen, der dann live geschaltet wird - ohne vorher die Frage der globalen Skalierbarkeit zu klären. Wenn der Pilot auf dem Laptop eines Studierenden läuft, aber die Unternehmensinfrastruktur komplett ignoriert, entsteht ein schmerzhafter und teurer Nachbesserungsaufwand, den das Business nicht versteht.
Sein Plädoyer: Architekturfragen müssen von Anfang an mitgedacht werden - nicht als Bremse, sondern als Leitplanke. Dabei geht es nicht darum, sofort industrielle Skalierung zu erzwingen, sondern iterativ vorzugehen: Die ersten Projekte dürfen ruhig mit einem Excel-Export starten. Wenn sich wiederkehrende Muster zeigen, systematisiert man den Prozess und baut die passende Plattform - gemeinsam mit der IT.
Use-Case-Auswahl: Dorthin gehen, wo der Schuh wirklich drückt
Lagnese und Steininger sind sich einig: Es gibt immer mehr Use-Case-Ideen als Ressourcen. Der entscheidende Erfolgsfaktor ist, die richtigen Themen zu priorisieren - nämlich jene, die das Business gerade wirklich beschäftigen. Als Beispiel nennt Lagnese die Materialkrisen und Preisentwicklungen, die den Einkauf unter Druck setzen: Hier ist die Bereitschaft zur Zusammenarbeit hoch, der Impact direkt messbar.
Eine klare Red Flag ist dagegen, wenn man mit KI-Lösungen in Bereiche drängt, die das Business gar nicht priorisiert. Wer dreimal gehört hat, 'unser Problem ist ein anderes', sollte den Bogen machen und die Energie woanders investieren. Erfolgsmetriken haben sich dabei im Kern nicht verändert: Am Ende geht es immer um Effizienz und Euros - auch wenn neue digitale Kennzahlen (z.B. aus Web-Analytics oder Customer Analytics) hinzugekommen sind.
Industriestandards und digitaler Zwilling: Wo Geduld notwendig ist
Am Beispiel des digitalen Zwillings diskutieren beide, wann Forschungsprojekte und längere Zeitrahmen tatsächlich sinnvoll sind: nämlich dann, wenn Lieferketten-Partner, Kunden und Regulatoren aufwändig koordiniert werden müssen und Standardisierungsfragen (Verwaltungsschale, OPC UA, ISO-Normen) geklärt werden müssen. In solchen Fällen kann eine öffentliche Förderung und ein langer Atem gerechtfertigt sein.
Für interne Prozessoptimierungen gilt das Gegenteil: Wer 36 Monate auf einen ersten Prototypen warten kann, hat kein dringendes Problem - und sollte das Projekt konsequenterweise gar nicht starten. Lagnese betont außerdem die strategische Dimension von Standards: Wer Industriestandards definiert, bestimmt technologische Spielregeln - ein Aspekt, der weit über einzelne Unternehmensgrenzen hinausgeht.
Karriere-Ratschläge: Mathematik, Zuhören und Brücken bauen
Auf die Abschlussfrage, welchen Rat er seinem zwanzigjährigen Ich geben würde, antwortet Lagnese mit einem Augenzwinkern: Schon mit sechzehn besser in Mathematik aufpassen. Statistik und mathematisches Grundverständnis seien unverzichtbar, wenn man in der Datenwelt bestehen will - und das Nachholen kostet im Studium und Beruf erheblich mehr Mühe. Sein zweiter Rat an die Zuhörenden: Genau hinhören, was das Business wirklich braucht. Die Fähigkeit, zwischen technischer und kaufmännischer Welt zu vermitteln, ist oft wertvoller als das Beherrschen des neuesten Algorithmus.
Kernaussagen
- Datenstrategie beginnt mit Datenqualität: Lückenhafte oder fehlerhafte Stammdaten machen selbst einfache Analytics wertlos - Business Intelligence ist das richtige Werkzeug, um diese Schwächen sichtbar zu machen.
- Der wahre Engpass ist nicht der Algorithmus, sondern die Kommunikation: Die Brücke zwischen technischen und kaufmännischen Perspektiven zu bauen ist die größte Herausforderung bei Digitalisierungsprojekten.
- Skalierbarkeit muss von Anfang an mitgedacht werden - nicht als erstes umgesetzt, aber als konzeptionelle Leitplanke, um spätere Neuentwicklungen zu vermeiden.
- Use Cases sollten dort angesetzt werden, wo das Business gerade wirklich leidet - nicht dort, wo die Technologie besonders spannend erscheint.
- Iteratives Vorgehen zahlt sich aus: Erst manuell und einfach starten, Muster erkennen, dann systematisieren und Infrastruktur aufbauen.
- Forschungsprojekte mit langen Laufzeiten sind nur dann sinnvoll, wenn tatsächlich branchenweite Abstimmung und Standardisierung erforderlich sind - nicht als Ersatz für interne Handlungsfähigkeit.
- Wer Industriestandards setzt, bestimmt die technologischen Spielregeln - Standardisierungsarbeit ist strategisch bedeutsam und unterschätzt.
- Mathematisches Grundverständnis ist die unverzichtbare Basis für eine Karriere in Data Science und KI - und sollte so früh wie möglich aufgebaut werden.
Fazit
Das Gespräch mit Michele Lagnese macht deutlich, dass erfolgreiche digitale Transformation im Mittelstand weder von einzelnen Technologien noch von einzelnen Personen abhängt, sondern von einer durchdachten Verbindung aus Datenqualität, kollaborativer Unternehmenskultur und pragmatischem Vorgehen. Wer Technik und Business zusammenbringt, Use Cases nach realem Schmerz auswählt und Skalierbarkeit von Anfang an mitdenkt - ohne sofort zu überinvestieren - schafft nachhaltigeren Mehrwert als jeder noch so beeindruckende Prototyp.
Fuer Fuehrungskraefte und Digital-Transformation-Verantwortliche
Die organisatorische Einbettung des DTO in die IT muss nicht das einzig richtige Modell sein - entscheidend ist ein IT-Team mit offenem Mindset und die Faehigkeit, Innovationsprozesse systematisch zu gestalten, ohne Buerokratie aufzubauen. Fehlende Datenqualitaet sollte vor KI-Investitionen adressiert werden.
Fuer Data Scientists und Entwickler
Technische Exzellenz allein genuegt nicht: Wer die Sprache des Business spricht, Use Cases aus echtem Bedarf ableitet und Loesungen von Anfang an mit Blick auf Unternehmensinfrastruktur entwickelt, schafft langfristig mehr Wirkung als derjenige, der nur den besten Algorithmus kennt.
Fuer Berufseinsteiger und Studierende
Solide Mathematikkenntnisse sind das Fundament fuer eine Karriere in der Datenwelt - und lassen sich spaeter nur muehsam nacharbeiten. Ebenso wichtig ist es, fruehzeitig zu lernen, zuzuhoeren und Geschaeftsprobleme wirklich zu verstehen, bevor man technische Loesungen entwickelt.
Volltranskript anzeigen
Speaker0: Ihr hört die Ihrem Podcast, der Data Science und Machine Learning Podcast für Studienabsolventen und Young Professionals.
Speaker1: Heute zu Gast bei The Erium Podcast ist Michele Langhese. Er leitet seit April 2020 das Digital Transformation Office DTO bei der Coroplast Group in Wuppertal. Ziel des DTO ist es, die digitale Transformation im familiengeführten Produktionsunternehmen für alle Mitarbeiter greifbar und zugänglich zu gestalten und dabei die Coroplast für entsprechende Geschäftsmodelle vorzubereiten. Zuvor war er etwa 10 Jahre bei einem japanischen Anlagenbauer und entwickelte sich aus verschiedenen Supply Chain Tätigkeiten mehr und mehr in Richtung IT. Mit der Verbindung der Alltagsprobleme in Einkauf und Logistik und dem tiefen Einblick in die Informationstechnologie wurde ihm der enorme Bedarf an klaren, zugänglichen und unmissverständlichen Datenstrukturen bewusst und zum Kernthema in seinem Beruf. Obwohl sein akademischer Background die Wirtschaftswissenschaft ist, hat Micky Langhese seit seinem dreizehnten Lebensjahr Spaß an der IT und konnte so sein Freizeithobby zum Beruf entwickeln. In seiner Freizeit sind neben den Kindern noch Sport treiben, speziell Basketballspielen, ein wichtiger Ausgleich.
Speaker2: Herzlich willkommen zu 1 neuen Folge von The Ihrem Podcast. Mein Name ist Theo Steininger und heute zu Gast, Wiequele Langiese.
Speaker3: Hi, Micele. Schön, dass Du da bist. Hi Theo. Dank für die Einladung. Freut mich.
Speaker2: Sehr, sehr gerne. Ich bin sehr gespannt auf das heutige Gespräch mit dir. Wir haben in der Intro schon so einiges erfahren. Vielleicht magst Du aber trotzdem noch mal einordnen, was Coroplast genau macht. Ja, Coroplast ist 'n
Speaker3: mittelständisches Unternehmen aus Wuppertal in NRW. Und man sieht es hier im Hintergrund son bisschen, was wir machen auf dem Bild. Ragt hier über meine Schulter son son Klebeband rein. Das ist eine wichtige Komponente, die wir hier fertigen, nämlich überwiegend für die Automobilindustrie sogenannte Kabelwickelbänder. Das sind also Tape oder oder eben Kleberbänder auf Deutsch, was man an an verschiedensten Stellen im Automobil verwendet, Kabel, die sieht man eben auch, das ist 'n anderes Projekt Produkt, was wir fertigen, so zu verbinden, festzuhalten, zu fixieren oder eben auch zu schützen, an den verschiedensten Stellen im Auto, wo's zum Beispiel heiß wird oder wo's zu Zugkräften kommt und verschiedensten anderen Applikationen, ja, die notwendige Eigenschaft, diesem Kabel zu verleihen. Und das kann man eben mit mit Klebebändern aus unserem Hause sehr, sehr gut erreichen. Und da sind wir bei den führenden Marken in in Deutschland und auch weltweit ja, vertreten. Das heißt, wenn wenn Du jetzt 'n deutsches Fabrikat fährst, Theo, dann ist die Wahrscheinlichkeit, dass da Coruplas Produkte drin sind, verdammt hoch. Und das gilt dann eben auch für unsere anderen Komponenten, wie ich eben sagte Kabel, die wir für ja, zum Beispiel auch die Elektromobilität fertigen, also die die Anschlussleitungen von von Batterien, von den den Hybriden und den Elektrofahrzeugen, die es ja mehr und mehr gibt. Dort würdest Du unsere Produkte finden, aber auch in verschiedensten Industrieapplikationen, was auch für die Klebebänder gilt, die auch auf dem Bau zum Beispiel Anwendung finden für Isolieranwendungen von Fenster, Dichtungen, solche Bereiche. Und zu guter Letzt sieht man da noch den den den Stecker. Es gibt eben die die die Applikation, dass Du in 'nem Auto ein Steuergerät und 'n 'n Verbraucher verbinden musst. Das nennt man dann üblicherweise Leitungssatz. Und diese fertigen wir auch in unserem dritten Geschäftsbereich namens. Dort musst Du dir das eben so vorstellen, dass 'n Kabel und ein Klebeband gemeinsam mit 1 ja Kabelvariation, die zu mehreren Steckern und und und Verbinnern führt, einen sogenannten Leitungssatz ergeben. Und damit kannst Du innerhalb 1 Autos dann diese verschiedensten vom, weiß ich nicht, vom Fensterheber zum zur Sitzverstellung und so weiter dann mit dem Steuergerät verbinden.
Speaker2: Okay, das heißt alle, die den Podcast jetzt grad im Auto anhören, die sind wahrscheinlich umgeben von Coroplast Kabeln und und Tape, ohne dass sie's wissen, weil versteckt Hinterblenden
Speaker3: Ganz genau, ganz genau. Unterm Sitz, Hinterblenden, im Motorraum, in der Rathausverkabel sind wir sehr oft vertreten. Also gerade die mit deutschen Autos, die können da jetzt mal reingreifen oder was auch sein. Ja. Also
Speaker2: dann nur zum Verständnis, also das ist dann aber rein Fokus B2B. Wenn ich an das Isotape denke, das ich hier am Start hab, das ist dann wahrscheinlich nicht von euch oder geht's ja auch in B2C
Speaker3: rein? Also 'n Isolierklebeband, das sieht man da hinten, das ist 'n ganz traditionelles Produkt von uns. Das ist natürlich im B2C Bereich auch zu finden. Wenn ihr jetzt durch den Baumarkt wahrlich spaziert, dann werdet ihr das dort irgendwo in den Regalen wiederfinden. Das ist 1 der der Bekannten tatsächlich, der bekannteren, aber eben auch ja wenigen b-two-c-Produkte, die wir fertigen. Die restlichen Produkte, die würdest Du, wie gesagt, im Business to Business Geschäft finden, ganz genau.
Speaker2: Alright. Sehr cool, ja. Vielen Dank für die Einordnung. Lass uns mal auf deinen Arbeitsalltag eingehen. Magst mal beschreiben, wie sieht dein Job und deine Umgebung aus, in der Du dich Tag für Talk bewegst? Ja, also
Speaker3: als DTO oder oder Head of Digital Transformation Office ist es so, dass ich 'n 'n Team innerhalb der IT tatsächlich manage. Das ist ja auch immer sone Diskussion, wo gehört das DTO hin? Mhm. Bei uns Ganz genau. Ist es jetzt erst mal in 'ner IT. Das können wir vielleicht gleich noch besprechen. Und in diesem Team kann man erst mal festhalten, dass all die Dinge passieren, die nicht im im Standard in der IT ablaufen. Das heißt also weder die Infrastruktur noch ein Applications Management basierend auf 'n ERP System oder so was, ist in diesem Team tagtäglich der Fokus, sondern Data. Data und Analytics, was wir auch gerade ja, deutlich ausbauen. Das geht von klassischen BI Themen hin zu ja, das, was ihr hier so im Podcast auch immer bespricht, Data Science und und darüber hinausgehende Dinge. Wir entwickeln Software, die den Standardkern wie zum Beispiel ein ERP System erweitern soll für spezifische Probleme in unserem Haus. Und dann gibt es noch ein paar Projektmanager, diesgehende Dinge. Industrie 4 0 abdecken, dort ganz eng verzahnt sind mit unseren Kollegen in den Geschäft der Diskussion, wo gehört, dass die die ähnliche Dinge tun. Und unser Ziel ist es im Prinzip, Kleines zu entwickeln, Kleines zu zu schaffen, was Potenzial hat, groß zu sein und und das dann letztlich dann ins Tagesgeschäft zu übergeben, es skalieren zu lassen. Das heißt also, 1 Tages ist Business Intelligence dann groß und und wir haben so die die die Struktur geschaffen. Dann geht's in den Regelbetrieb über und dann widmen wir uns womöglich der nächsten Hürde, die dann dich noch viel Bränder interessieren wird im im Rahmen dieses Podcasts.
Speaker2: Ach, ich find's so auch schon sehr spannend, weil wenn ich's richtig verstehe, dann seid ihr 'n hausinterne Software Development Team und Produktteam auch, oder? Das eben eigene Lösungen entwickelt, die an Schnittstellen von, Du hast das Beispiel ERP System, also Enterprise Resource Planning, für allem, die der Begriff nix sagt, andockt, ja und mit den Daten dann einen Mehrwert schafft. Und ich möcht jetzt nicht sagen, sei es nur BI, ja. Ganz, ganz wichtig, ganz häufig ist Transparenz in Daten schaffen. Ja. Und erst mal klarmachen allen Beteiligten, was ist überhaupt Sache, was ist die Realität eben anhand zum Beispiel 1 guten Dashboards.
Speaker3: Und das stellt ihr dann intern zur Verfügung, wenn ich's richtig verstanden hab. Ja, ganz genau. Also fangen wir bei der Softwareentwicklung an. Das hast Du glaub ich schon sehr, sehr gut beschrieben. Da geht es genau diese diese diese Erweiterung. Also ich find's fast schon eine Verschwendung, wenn man eine Software entwickelt, sei es ein ganz, ganz spannendes Excel Tool, was man ja häufig findet oder eben ein 1 andere irgendwie benutzte Hochsprache. Das ist dann gar nicht so wichtig, die dann aber letztlich eine Funktion abbildet, die im ERP System, im SAP System eigentlich schon existiert, weil man's vielleicht im SAP nicht so hübsch oder oder nicht so schnell oder vielleicht nicht mal wusste, dass es sie dort gibt. Und dann hat man sich da seine Landschaft schon verkompliziert mit Individualsoftware. Das heißt also, man braucht 'n stabilen Kern. Und dann gibt es diese 5, 10, vielleicht 15 Prozent on top, wo man sagt, so und jetzt hier brauchen wir 1 1 1 spezielle Lösung, die uns besser macht oder schneller macht als als der Standard oder der Rest der Welt. Mhm. Und da seh ich unsere hausinternen Softwareentwickler ganz genau. Und dann hast Du, glaub ich, grade was ganz, ganz Spannendes, Wichtiges erwähnt. Digital Transformation, aber eben das Fundament, die Basis, eine 1 gute, klare, transparente Datenarchitektur will ich das schon fast nennen, die's vorher braucht, zu wissen im Zweifel, welchen Kauderwelsch man da eigentlich produziert, weil eine Stammdatenqualität oder auch die die Bewegungsdaten nicht gut genug sind, weil sie lückenhaft sind, weil sie weil sie doppelt sind, weil sie letztlich falsch sind. Und das kann man mit mit mit klassischer Business Intelligence schon sehr, sehr gut ja, zutage führen und und da dann ansetzen und seine Prozesse weiter optimieren. Und klar, dann gibt's natürlich immer so die die spannenden heißen Themen, wo man natürlich auch mal seine seine Kreativität freien Lauf lässt und sagt so, okay, jetzt jetzt hier kannst Du mit ML, hier kannst Du mit Data Science irgendwie 'n Mehrwert schaffen. Und dann kommen die beiden Teams zusammen und versuchen, diesen Business Case zu knacken, ja.
Speaker2: Bingo, Bingo. Ist das Thema Datenstrategie dein Steckenpferd oder ist das bei euch im Team noch mal dediziert irgendwo aufgehangen? Also das das Data Team ist jetzt enorm gewachsen. Mhm. Und
Speaker3: noch 'n Stück weit kann ich das tatsächlich führen und auch mit meiner Kollegin im Applikations Management zunächst mal überlegen, ja, was braucht's auch an Input? Was braucht's auch an Coresystem, an Quellsystem, die gut genug aufgestellt sind? Daher würd ich sagen, das kann ich gar nicht alleine machen und es braucht 'n Business, was das unterstützt und und die Wichtigkeit von von guten qualitativen Daten mitträgt und und nachvollzieht. Und dann kommen wir als, ich sag jetzt mal Techies und sagen, okay, das macht Sinn in 'ner in 'ner 'ner relationalen Datenbank und das in 'ner in 'ner No SQL Datenbank. Aber das ist dann Technik. Da sind wir dann schon schon 3 Schritte weiter. Vorher muss man glaub ich 'n 'n schlaues Konzept finden, wie man Schnittstellen baut, Daten
Speaker2: clever vernetzt und und verfügbar macht. Mhm. Mhm. Das Thema, das find ich auch extrem spannend und da würd ich gern noch mal bissel in die Tiefe eintauchen, wie Du mit deinem Werdegang insbesondere dieses Thema anpackst, weil ich's extrem spannend finde. Erst mal, wir haben's in der Intro ja gehört, Background, MBAI Wirtschaft und dann aber über diese Affinität zur IT und auch deiner bisherigen Jobs. Wir haben's gehört, ich, ich den Namen verraten? Ist eher LinkedIn, ne? Ja, komm schon ich an. Power Systems. Genau. Add of IT, genau. Also Du hast Du hast Du Du hast ja diese Verbindung beider Welten in in deiner Rolle mit drin. Ist das der Kernpunkt, der dir ermöglicht, dann auch eine gute Datenstrategie aufzubauen? Das ist jetzt eine Suggestivfrage. Oder führst Du das auf noch mal was anderes zurück? Weil kurze Motivation der Frage, alle reden davon, dass sie eine schöne und gute Datenstrategie haben möchten. Aber ich hab noch keinen systematisierten Ansatz gesehen, geschweige denn irgendwie einen Studiengang, der dir ermöglicht, ganz, ganz zielgerichtet und organisiert eine Daten
Speaker3: in den Gesprächen war in in den Gesprächen war, wo ich wo ich die Kuroplas kennengelernt hab und und klarmachen musste oder oder sollte. Wieso wieso passt das für diese Rolle? Wie wie kann ich da helfen? Was ist der Unterschied von mir zu zu anderen Leuten? Und Digital Transformation, da bin ich auch der 1., der da zustimmt. Kann man natürlich als Entwicklung von neuen Geschäftsmodellen, Entwicklung von von digitalen Geschäftsmodellen verstehen, was ja ganz klar diese außengerichtete Sicht hat, ja. Also wir für einen Markt. Jetzt gibt's aber eben das digital transformieren nach innen gerichtet. Industrie 4 0, irgendwie Prozess als Hobby als Hobby- und und Kindsaltersspaß begonnen hat, dann mit 'ner Ausbildung hin irgendwie sich verfestigt hat, dass dieser Werdegang da mir schon geholfen hat, eine 1 gewisse Neugierde für für IT und und Technik und Daten eben zu zu entwickeln. Und mein mein wirtschaftswissenschaftliches Studium und dann letztlich der der der Beruf bei bei Itachi oder später mit Tsubishi Itachi. Und die die Alltagsprobleme, das das Geschäft, was was einfach sehr, sehr mühsam ist, wenn Du keine guten Daten hast, wenn Du keine guten IT Systeme hast, dass das schon wahrscheinlich irgendwas mit mir gemacht hat auf auf dem Weg. Weil ich hab genug von IT verstanden, war aber ein 1 Logistikleiter, ja? Also ich hab Kisten gezählt. Ich hab mich Gabelstapler gekümmert und nicht gekümmert und nicht Festplattenswitche und und irgendwie, weiß ich nicht, Datenarchitekturen. Dennoch hatten wir sehr, sehr spannende Projekte. Wir haben große Supply Chain Material Flow Restrukturierungen durchgeführt, die dann in irgend 'nem 'nem SAP Programm, in 'nem SAP Workflow in Transaktionen mündeten. Und und wenn Du da dann dann mitreden kannst und weißt, hey, okay, ich versteh jetzt das Problem, was der Techniker, also der IT Mensch mit mir lösen möchte. Und ich muss dem jetzt quasi fast schon wie 'n Berater mein mein mein Prozessproblem erklären. Und dann ist da tatsächlich auch noch 'n Prozessberater. Dann entstehen da so Gespräche, die die ganz, ganz dankbar sind für alle. Und ganz dankbar sind für alle, ne. Also der Techniker versteht jetzt den Kaufmann und der Berater versteht den den den anderen. Und ja, ich ich hab, glaub ich, das mir das Beste jetzt von beiden Welten geschnappt kann dann, glaub ich, in meiner Rolle genau diese diese Fähigkeiten oder diese Abstraktion son bisschen zwischen Technik und und Business mitbringen und und die Fraktion wieder miteinander, ne. Ich glaube, das ist oft in 'nem in 'nem Unternehmen viel mehr eine Barriere als irgendwie zu wissen, wie ich jetzt 'n Python Skript schreibe, weil dafür gibt's clevere Leute. Da ruf ich dich an. Und alle, die diesen Podcast hören und und die die können das wahrscheinlich technisch lösen. Aber sich auf den einen Weg zu einigen, ich glaube, das das ist oft die Herausforderung.
Speaker2: Mhm. Also da sprichst Du mir aus der Seele. Und tatsächlich, wenn wir's auch durch die Brille betrachtet, unsere Data Science Plattform HALIYRIYRIYRIYRIYRIYRIYRIYRIYRIYRIYRIYRIYRIYRIYRIYRIYRIYRIYRIYRIYRIYRIYRIYRIYRIYRIYR mit Verständnis des Prozesses, auch mit Business Goal. Also auf eine unserer ist immer mit drauf, was ist das Businessziel? Was ist die KPI, die's geht? Und ich bin persönlich mittlerweile auch schon so weit, dass ich sag, okay, das Thema Algorithmen ist gelöst. Ja, ist natürlich gemein, weil es ist nicht so, aber jetzt mal aus 'ner Paretoeffizientsicht ist Algorithmik gelöst. Es ist aus meiner Brille auch das Thema Datenverfügbarkeit gelöst. Es, ich weiß, es ist böse, aber retrofit, ja. Es gibt Anbieter, es gibt. Am Ende krieg ich alles connected. Wie Du sagst, ja, am Ende weiß ich, wen ich anrufen muss, ist nur vielleicht dann eine Frage von der Umsetzung her, ob's da noch profitabel ist, aber es ist grundsätzlich möglich. Aber dieser Punkt, wie krieg ich die Welten zusammen, der ist noch ungelöst im Sinne 'ner systematischen Betrachtungsweise. Insofern find ich das sehr, sehr spannend und auch spannend in deiner Person die Vereinigung. Wie wie ist dann die Einbettung noch mal ins Unternehmen bei dir? Weil Du vorher auch erwähnt hattest, da müssen wir gleich noch mal drüber sprechen. Ihr seid bei der IT aufgehangen. Und das Mindset zwischen dem, was Du machst und 'ner klassischen IT, sagen wir's mal so, ist eher in der Divergenz als in der Konvergenz häufig mal drin. Vielleicht magst Du's einfach mal einordnen, wie da so die Gemengelage bei dir ist. Mhm. Also
Speaker3: ich find, die die Diskussion, die mag man führen, ja? Gehört die, weiß ich nicht, das DTO in die IT? Gehört's in irgendwie 'n Strategie Office direkt unter dem lieben Gott zur Geschäftsführung? Es lasst uns die Diskussion führen und und jeder hat 'n guten und 'n schlechten Grund für die eine oder oder andere Richtung. Bei uns hier kann ich für mich sagen, dass dass das dass das gut gelöst ist. Also diese diese IT Brille funktioniert ja in insofern gut, weil wir als als Mittelstand, ne, das muss man vielleicht auch noch mal dazu sagen, ja andere Strukturen haben als die Menschen, die jetzt zuletzt in deinem Podcast waren. Ich glaub, die Deutsche Bahn zum Beispiel, ja. Die hat natürlich ganz andere Strukturen oder DHL war da. Hab ich auch mal kennengelernt und ganz andere Welt, ganz andere Größe und und auch global anders aufgestellt, dass Du ja im Prinzip innerhalb von von von einzelnen Abteilungen schon fast ja eigene ITs hast. Und bei uns ist es so, dass wir grade 'n gewissen technologischen Sprung machen müssen. Das heißt, wir wir gestalten unsere IT Welt neu. Da kann man auch ganz viel klodifizieren und und kann diese ganze neue Technologie mitnehmen. Und dann kommt so 1 wie ich ins Spiel und sagt, ja Mensch, und dann lasst uns jetzt auch mit mit mit neuen Datentechnologien arbeiten. Lasst uns mal so was wie 'n wie 'n Data Lake in in Betracht ziehen. Lasst uns mal später beim beim SAP Hosting schauen, wie man das woanders als als wie wir's jetzt machen hostet. Und dann hab ich da fantastische Kollegen, die die da auf Augenhöhe mitdiskutieren und eine IT sagt, ja, okay, wir verstehen das. Und das ist, glaub ich, der Punkt. Wir verstehen das, warum wir mitgehen müssen, warum wir diesen technologischen Sprung gehen. Und dann sitzen da nicht 'n Haufen mürrischer Leute, die sagen, das ist unsicher, das das bringt alles nix. Und das haben wir schon immer so gemacht. Das brauchst Du jetzt nicht ändern, sondern da herrscht 'n Mindset zu sagen, cool. Das müssen wir lernen, das ist kompliziert, das das müssen wir verstehen. Nimmst Du uns da mit auf dieser Reise? Sind wir da oder oder gucken wir nur zu? Und und dann kann das schon jetzt mal rein auf die IT bezogen sehr, sehr gut funktionieren. Und das hilft dann, glaube ich, auch direkter Kollege zu sein, ja? Also im Organigramm neben der Infrastruktur oder oder neben Applications zu stehen und nicht aus irgend sonem strategischen Elfenbeinturm zu kommen und zu sagen, gib mir mal was aus der Cloud. Und und kein Mensch versteht genau, was ich da jetzt mache und warum ich das mache. Ich glaub, das ist der große Vorteil bei uns. Und jetzt können alle mitdiskutieren, ob das clever oder oder nicht clever ist, aber hier funktioniert es, glaub ich, besser als vielleicht 'n anderes Set-up. Mhm. Sehr cool. Und wie geht denn mit folgendem Aspekt Ich hab ja je
Speaker2: nach Reifegrad 1 Analyticslösung unterschiedliche Anforderungen. Wenn ich klassisch eine der Kernaufgaben von IT mir vornehme, Stabilität, ja, dann ist es sehr, sehr wichtig. Für einen kleinen oder fürn fürn fürn Testballon ist mir das erst mal egal, ja. Da brauch ich keine Vierfache Redundanz von meinem System. Dann möcht ich's schnell haben und performant und dann möcht ich's wieder einstampfen. Das Cloud vorhin erwähnt. Das ist ja auch eine der Stärke von Cloud Technologien. Ich klick mir mit 3 Klicks eine komplette Umgebung zurecht und zerstör sie innerhalb von 3 Sekunden wieder, ja. Das ist natürlich der Vorteil der Cloud. Im Gegensatz dazu was ganz anderes, wenn ich hab ein geschäftskritisches System, das einfach verfügbar sein muss. Und jetzt gibt's einen Übergang, nämlich dann, wenn aus 'nem Piloten eine Anwendung wird, die in das Tagesgeschäft mit reingenommen wird. Ja. Und dieser Phasenübergang, wie packt ihr den an? Weil es erscheint mir grad so, wir werden ja da 'n gutes Zusammenarbeitsmodell zwischen ja, den einzelnen Bereichen der Innovation und des Produktivbetriebs habt. Und irgendwo muss ja dann Handover stattfinden. Wie oder wie wie wie macht ihr das?
Speaker3: Das ist das, was was ich auch bisher erlebt hab, was was oft nicht funktioniert hat, wo wo wo digitale Transformation auch im Austausch mit mit mit mit mit anderen Unternehmen jetzt tatsächlich oft scheitert. Und und das ist, glaube ich, der der der Fehler, der häufig gemacht wird, dieses Mal eben schnell entwickeln, und irgendwas zeigen, das geht schnell. Das funktioniert. Und und plötzlich wird da irgendwie was geweckt bei den bei den bei den Konsumenten und die sagen, hey, das wollen wir jetzt haben. Das funktioniert ja. Und dann wird's live geschaltet. Und ich glaub, das ist der, dieses Stichwort skalieren, ja? Das das das braucht ja 1 1 1 Formel. Das das braucht irgendwie 1 1 1 Set-up, was dazu in der Lage ist. Und ich glaube, da muss man eben aufpassen, dass wenn man Piloten entwickelt, dass wenn man mal schnell was zum Zeigen baut, dass man sich sehr, sehr genau die Gedanken macht, kann dieses Ding weltweit genutzt werden in jedem Werk? Oder funktioniert das nur in der Marketingabteilung? Und wenn ich 'n Gebäude weiß, er gehe schon nicht mehr, weil da irgendwas anderes vorherrscht. Und wenn ich diese, also Architekturüberlegung nicht nicht nicht vorher mache, dann kann das halt schmerzhaft werden, wenn ich jemandem erklären muss, ja, ja, den den Prototypen hab ich jetzt 3 Wochen lang entwickelt, super. Aber ich musste alles neu machen und die globale Skalierung braucht jetzt 9 Monate. Das versteht kein Mensch im Business. Das das das das kannst keinem erklären. Und und deswegen plädier ich immer dafür, dass man eben die die Plattform zum Entwickeln gemeinsam mit 'ner IT herstellen muss, ja? Das heißt, wenn Du jetzt als Student in unser Unternehmen kommst und eine Masterarbeit oder sonst was schreibst und das auf deinem Laptop entwickelst und das da ganz toll funktioniert Mhm. Und Du hast irgendwie 'n Modellaufbau und und dann müssen diese diese Systeme plötzlich in 'nem Unternehmenskontext funktionieren, dann ist das 'n ganz anderes Vorzeichen. Und und das kann man auch schon, denk ich, beim Pilotieren, beim beim Prototypen, Vordenken, mitdenken. Ich glaube, das reicht ja. Und dafür braucht's dann eben meine Kollegen, meine meine ITler, die in der Infrastruktur wissen, wie man in Azure deployed, die dir sagen können, ja, aber an dem Standort musst Du noch x und y berücksichtigen. Und die Kollegen ausm Management, die sagen, oh ja, schön, dass Du dir die Daten in Excel gezogen hast, mal eben mit, aber wenn Du die ganz systematisch haben willst, müssen wir das 'n bisschen anders machen. Mhm. Und wenn Du diese Dinge nicht kennst als DTO Mensch, ja, dann dann dann frustriert's alle.
Speaker2: Mhm. Mhm. Ja,
Speaker3: das ist so das Plädoyer für gute Abstimmung.
Speaker2: Aber dass ich's richtig verstanden hab, das heißt, Du plädierst dafür, diese Aspekte mit im Hinterkopf zu behalten? Oder inwiefern ist es auch schon Teil der ersten Implementierung? Weil ich kann natürlich jetzt dagegen argumentieren, na ja, aber zunächst lohnt sich's ja gar nicht, mir schon Gedanken über Skalierung und zu machen, wenn ich noch gar nicht weiß, ob in dem Datensatz überhaupt die Informationstiefe vorher, die ich für meinen Use Case brauch. Und dann nehm ich doch natürlich den Excel Export und mach das einmal lokal bei mir am Laptop. Also das ist natürlich die Gegenseite der Medaille. Und jetzt geht's drum, die richtige Balance zu finden. Wo wo ist die Balance
Speaker3: genau? Ja. Ich seh die Balance tatsächlich, dass wir ja nicht immer von, und ich glaub, da wird da 'n Schuh draus, dass wir eben nicht immer von von einzelnen Projekt zu einzelnen Projekt denken. Mhm. Sagen wir mal, deine ersten 2 Projekte laufen genauso, wie Du's grad beschrieben hast, ne. Also der Excel Export, das ist das Mittel der Wahl und das kannst Du von mir aus auch auf die nächsten 100 Projekte genauso machen. Jetzt kommt die klassische IT aber ins Spiel und sagt, hey, wir haben das Gefühl, die Jungs wollen immer mehr Daten auf eine ganz andere Art und Weise. Ja. Und jetzt müssen wir uns mal über eine Middleware, über über Schnittstellentechnologien Gedanken machen, die ich immer wieder aufrufe, wenn so ein Theo vorbeikommt und sagt, ich hätt aber gerne einmal. Und und genauso kann's mit oder so funktionieren. Und Du hast es ja eben so schön gesagt, in 3 Klicks kann man sich das heut schon zusammenklicken. Das heißt, wenn wenn wir das jetzt zwei-, drei- und fünfmal geübt haben, beim sechsten Mal würd ich sagen, na komm, jetzt entwickelst Du mal an deinem Laptop, aber virtuell irgendwo auf 'nem auf 'nem auf 'nem zentralen Rechner. Und so nähert sich das dann, glaub ich, mit jedem kleinen Projekt immer mehr an, dass Du dann irgendwann diese Plattform, glaub ich, hast, wo Du sagst so, egal, was Du jetzt für einen Piloten baust, aber wenn Du skalieren lassen willst, weißt Du Azure, AWS, Google, Middleware von
Speaker2: wem auch immer und ab dafür, ne. Mhm. Mhm. Ja, ja, ja. Also sozusagen die Systematisierung des Innovationsprozesses. Richtig? Also wie Du sagst, Du machst es fünfmal einfach per Hand, zu gucken, was brauchst Du überhaupt, auch nicht auf Verdacht irgendwas zu implementieren an Riesenprozessen und Struktur. Aber dann, wenn sich's abzeichnet, das ist 'n wiederkehrendes Muster, dann systematisiert dir das. Ich seh grad die Parallele, wenn Du sagst Computing eben wieder zu unserem Produkt. Letztlich, ich kann mir natürlich eine virtuelle Maschine auf AWS oder GCP per Hand hochziehen, mein mein installieren oder wir haben halt diesen Prozess, den wir für uns häufig gemacht haben, einfach in eine Standard Pipeline gepackt. Jetzt hab ich eben meine 2 Klicks und hab eine GPU Maschine mit 'nem neuen Workspace. Bingo, ja? Aber hätt natürlich auch anders aussehen können.
Speaker3: Und und das wusstest Du zu Beginn eben auch nicht. Richtig, genau, das ist der Punkt. Und da stimm ich dir dann eben zu, ne, dass Du die ersten Male mit deiner Excel Variante dir viel, viel besser fährst. Mhm. Du willst es ja auch effizient machen. Alles alles legitime Argumente. Und es ist ja sogar auch mein Job, ne. Also Gott's Willen. Wir wir gehen ja genauso vor und fragen uns manchmal, wieso macht es die Infrastruktur denn jetzt so und wieso will die das von uns wissen? Aber irgendwann willst Du es ja beherrschen und willst aus diesem Spielzeugtrieb Spieltrieb raus und willst aus deinem kleinen Spielzeug was was Großes machen. Und genau, dann muss dir auch der kreative Entwicklungsprozess eben 'n Stück weit standardisiert, industrialisiert werden. Ja. Ja. Mhm. Und jetzt haben wir schon Beispiele
Speaker2: wie Datenverfügbarkeit, Datenlayer, Computing Power gehabt. Wenn ich den Bogen zurückschlage, dann sag ich, gelöst, ja. Lass uns mal von der Abstraktionsebene noch mal höher gehen, nämlich wo kommen überhaupt die Use Case Ideen her und dieser Austausch zwischen den Domänen, die Du vorhin erwähnt hattest, ja? Ingenieure, IT, vielleicht noch 'n Statistiker, Mathematiker mit dabei, ja? Habt ihr dabei auch schon 'n Grad erreicht, wo Du sagst, okay, das geht in eine Richtung der Systematisierung? Oder seid ihr nur noch genau in diesem, ich rift das mal und setz vielleicht 'n kleinen Workshop auf oder so und und da seid ihr noch im Fluss, das zu systematisieren?
Speaker3: Ja. Also wenn wir das jetzt ganz allgemein fassen für IT Projekte oder oder Softwareprojekte oder so was, dann würde man sagen, ich glaub, da wächst grad was zusammen, weil wir müssen berücksichtigen, dass unsere 3 Geschäftsbereiche ja auch 'n Stück weit eigenständig sind und 'n Eigenleben haben. Das heißt also, die haben in ihrem Tagesgeschäft ganz unterschiedliche Anforderungen, ganz unterschiedliche Vorgehensweisen, Lösungsweisen. Und von daher kann man sicherlich drüber nachdenken, wie man diesen Entstehungsprozess oder diesen dieses Demandmanagement, lass mich den Begriff durchwählen, 'n Stück weit gemeinsam dann noch besser ja irgendwie angleicht und und irgendwie reibungsloser gestaltet. Bei den wirklich komplexen Themen, bei den neuen Themen wie jetzt Science, ML Projekte, da ist es dann wirklich noch so, dass es 'n paar sehr, sehr fähige Kollegen gibt. Also das ist wirklich, wirklich spannend zu sehen, wie sich auch in den Geschäftsbereichen jetzt in der Produktion, in der Logistik 'n 'n Know how und eine Whisbegehrlichkeit etabliert für solche Themen, wo man durchaus mal auf uns zukommt und sagt, Mensch, wollen wir da mal was ausprobieren? Und genauso lad ich aber auch immer wieder alle Leute ein, die jetzt in meinem Team sind oder oder in den in den IT Fraktionen zu sagen, haltet die Augen offen, ne. Also es gibt es gibt vielleicht Dinge, die die die sehr manuell noch sind, die die sich clever lösen lassen. Wenn ihr da was seht, sprecht es offen an, weil wir hier eine 1 sehr spannende Kultur, glaub ich, haben, was was solche Neuerungen relativ offen gegenüber ist. Und und von daher kann man dann sagen, Mensch, deiner Logistik, deinem Vertrieb, deiner Produktion, ich hab da mal eine Idee. Und und und dann geht's vielleicht schon los und dann kommt hier 1 durch die Tür und sagt, hey, Micky, da hat 1 mal eine Idee, ne. Mhm. Also es ist schon noch son bisschen Bilder, grade bei diesen Themen. Bei den klassischen Softwareprojekten hat man schon 'n gewisses Bild und und eine Roadmap.
Speaker2: Mhm. Ja, klar. Klar. Und wenn Du so in die Vergangenheit blickst, muss jetzt gar nicht bei oder krass sein, sondern kann auch eine der vorherigen Rollen von dir gewesen sein. Gab's 'n Projekt, das, wie soll ich sagen, bemerken besonders bemerkenswert war, also im Positiven, kann aber auch im negativen Sinne sein. Aber etwas, wo Du sagst, okay, krass, wenn Du so zurückblickst, das sticht wirklich raus?
Speaker3: Also mich, was mich immer fasziniert hat, ist im im negativen Sinne, wenn 1 1 1 Business schon vermeintlich fertige Lösungen hatte. Also da wurd sowohl der der der Workflow, der Prozess als auch die die die gesamte Lizenzierung, der Einkauf irgendwie schon alles abgefrühstückt, wo man sich da fragt und wo war genau die die IT da? Mhm. Oder die die die Prozessanalyse, die Prozessbeobachtung irgendwie beteiligt, je nach Unternehmen? Gibt's da ja ganz, ganz unterschiedliche Namen. Und da hab ich 1000 Beispiele. Also Abrechnungssysteme für für Reisekosten oder so. Das war ja vor 'n paar Jahren noch 'n bisschen schwerfälliger als als es heute vielleicht mit mancher Lösung ist. Und dann dann kam da wirklich 1 und sagte, hier, wir haben wir haben das jetzt bestellt und das muss irgendwie ans SAP System angebunden werden und das möchten wir benutzen. Also ich denk, das kann doch nicht wahr sein, ne? Da da also da da Buchungssätze und und man muss ja so viel beachten bei sonem Projekt, aber die waren schon fertig. Und und dann hat's halt noch mal 7 Monate länger gedauert, weil man eben doch nicht fertig war. Und da da bin ich ja manchmal auch erschrockener über die Verkäufer, ne. Die dann auch sagen, ja, können wir so machen, weil weil sie irgendwie den Entscheider gefunden haben. Und und und des Verkaufswegens die erst mal an allem vorbei, ob's eine IT ist oder oder sonst irgendwie. Ja, und und dann musst Du da irgendwie mit klarkommen, ne. Und und da da knallt's dann auch häufig. Ist ja egal, wo's passiert ist. Hier ist es jetzt nicht passiert und ich glaub, das das funktioniert hier ganz gut.
Speaker2: Sagen wir's mal so, 'n besteht aus mehr als nur dem Entscheider oder der Entscheiderden.
Speaker3: Ja. Mein Leben. Mein Leben. Und na ja, hat dann Das das passiert dann einmal, zweimal und dann merkt aber auch eine Organisation. Also das das funktioniert dann eben nicht auf auf Dauer und die Projekte werden langsamer und und schlechter, schwerfälliger. Und dann löst sich so was, glaub ich, auch von alleine mit der Zeit, ne. Mhm. Mhm. Mhm. Ah, nice.
Speaker2: Cool. Cool. Und Du bist jetzt auch nicht erst seit gestern in dem in dem Business. Wenn Du an die Erfolgsmetriken denkst, also die Zahl oder oder die eine Kenngröße anhand derer Erfolg in dem Analyticsprojekt oder in den in der Digitalisierungsmaßnahme, ja, fassen wir's mal weiter. Wirklich, Digitalisierung im im gesamten Sinne. Hat hat sich die Metrik verändert über die Zeit?
Speaker3: Nee. Also ich ich glaube grade ich jetzt ja, der ausm ausm Operations Bereich ja kommt und und da lange gearbeitet hat, da lässt sich ja Effizienz relativ gut messen anhand von von auch Anfassbaren, ne. Also ob Du jetzt über über über Versandprozesse sprichst und sagst, wir haben da irgendwas verändert und und schaffen 7 Prozent mehr Einheiten am am Ende des Tages oder so was. Das lässt sich ja sehr, sehr gut greifen. Und das lässt sich ja am Ende auch immer in in Euros umrechnen. Von daher ist das für für diesen Bereich, glaube ich, unangetastet. Es skaliert vielleicht anders. Also hast Du dich früher mit 3 Prozent zufrieden gegeben, musst Du vielleicht jetzt 5 liefern? Das könnte vielleicht etwas sein. Was sich, glaub ich, noch verändert hat, ist, dass völlig neue Metriken dazugekommen sind. Mhm. Wenn wir jetzt an an Business to to Consumer denken, Du hast ja ohne Ende Input heutzutage, wenn Du wenn Du Webshopbetreiber, Websitebetreiber auch schon nur bist, wenn Du 'n Facebook Kanal, 'n 'n Twitterfeed oder so was hostest, dann dann wirst Du ja mit mit Informationen zu deinen potenziellen oder oder tatsächlichen Kunden ja vollgeballert. Das heißt, das hat sich verändert, weil es weil es andere zusätzliche tatsächlich Metriken sind. Was sich vielleicht auch am Ende wieder runterbrechen lässt, ja, wie viel hast Du denn am Ende des Tages verkauft? Mhm. Das hat das Marketing, Sales auch vor 10 Jahren interessiert. Also ist 'n bisschen so die Betrachtungsweise, wie ich zu dieser finalen Zahl, Umsatzkosten oder so komme. Aber der Weg dahin ist, glaub ich, spannend jetzt mittlerweile, gerade im im Online- und Analytics Bereich, Customer Analytics, was jetzt gar nicht so mein super Steckenpferd ist, aber
Speaker2: trotzdem von von großem Interesse meinerseits geprägt ist, ja. Mhm. Mhm. Ja, das find ich grad sehr spannend, wie Du sagst, dass sich die Metrik eigentlich gar nicht verändert hat, weil häufig ja von der Seite argumentiert wird, ja, also das Thema ist ja jetzt so neu, und jetzt gibt's dem doch mal bisschen son fluffigen Rahmen und dann ist es doch okay, wenn's da nix wird. Ist alles schön und gut, ja. Aber nichtsdestotrotz, auch wenn ich meinetwegen jetzt die Kompetenz einführen muss, dass alle sonen Workflow hin zu, nennen wir mal Machine Learning, ja, als ein Beispiel. So, Machine Learning wird jetzt zu 'nem Standardwerkzeug bei uns in der Firma. Auch auf dem Weg dorthin muss ich aber nicht zwangsläufig den Umweg machen über unprofitable. Ich hab mittlerweile so viele in meinem Leben gesehen. Warum pick ich mir dann genau die raus, die nicht Profitabilität liefern, ja? Und wenn ich eben mit 'nem guten Blick hingucke und das hab ich auch gelernt, es gibt immer irgendwo die Möglichkeit, sofort mehr mehr zu schaffen, ja, dann pick dir doch die Use Cases raus. Ja, ganz klar. Aber dann nimm dir doch die raus, die dir sofort was bringen. Und deswegen bin ich auch mittlerweile der Meinung, nee, Du brauchst eigentlich, außer wenn's jetzt so ganz, ganz fette Riesenprojekte sind, ja? Da bist aber dann ja an 'ner ganz anderen Größenordnung, so Infrastrukturprojekte. Wir bauen jetzt 'n Rechenzentrum oder so, ja? Aber das machst Du ja auch nicht uninformiert diese Entscheidung, ja. Und Das genau. Das das dann zu sagen, ja jetzt, ja, da müssen wir jetzt 2000000 investieren und das ist halt jetzt so, ja. Nee, das ist nicht so.
Speaker3: Ja, genau. Auch dafür gibt's gute und und und schlechte Gründe und eine gute und eine und eine schlechte Machart. Aber wenn wir kurz bei diesen bei diesen Use Cases bleiben. Also ich glaube, wenn wir jetzt in in in Digital Office oder so was jetzt nehmen wie wie mein Bereich, ich glaube, das Spannende ist ja, dass man Zugang finden muss zu zu Daten, zu zu Use Cases. Mhm. Und wenn man dann den den den Trieb und und aber auch die Freiheit hat, da ohne Ende diese Dinge zu entwickeln, ich glaube, dann versteht 'n Business und und und auch der der der Entwickler relativ schnell, wo jetzt der Schuh drückt. Also nimm doch jetzt mal irgendwie die Situation, in der wir sind. Materialkrisen, Verfügbarkeiten, Materialkrisen, Verfügbarkeiten, Preisentwicklungen. Da würde man ja vielleicht eine Sensibilisierung erwarten, wo man sagt, guck mal in den Bereich Einkauf. Guck mal, wie Du da den Menschen helfen kannst. Und und wenn beide Seiten dann die Offenheit haben, aufeinander zuzugehen, ja, dann hab ich doch sofort etwas, wo ich sag, okay, und was hat der Einkäufer, der jetzt in den in den 2, 3 Meetings erzählt? Und wenn ich daraus was ableite und von von 5 Versuchen ein guter hängen bleibt, dann hab ich mein Ziel doch erfüllt und dann dann tu ich genau das, was Du grad sagtest, Theo. Ey, Du kannst dich zuschmeißen mit Use Cases. Aber aber aber greif doch den ein, der grade echt wehtut, der grade im im Management oder oder in operations heiß diskutiert wird. Total.
Speaker2: Du, in dem Kontext, wie stehst Du persönlich dann zu dem Thema, man geht Dinge übern Forschungsprojekt an, weil ich wirklich erschrocken war, welches Mindset in nicht allen, aber in vielen Forschungsgruppen vorherrscht, die in Industriekollaboration mal 'n neues Verfahren oder eine neue Lösung entwickeln. Und dann so ganz selbstverständlich man einen Zeitplan aufsetzt mit, na ja, und dann in 36 Monaten, da haben wir dann den ersten Prototypen, den wir ausprobieren können. Und dann, dann stellen wir den nächsten Antrag. Und dann geht's noch mal 3 Jahre weit. Und da denk ich mir so, wenn ich als Firma 'n Problem anpacken möchte, das wirklich dringend ist, dann wart ich da keine 3 Jahre drauf. Ja. Ja. Und im Umkehrschluss, wenn ich's mir leisten kann, 36 Monate für eine 1. Demo zu warten, dann ist das Thema doch im Umkehrschluss so unwichtig, dass ich überhaupt gar keinen einzigen Euro da reinzustecken brauche. Das heißt, ich mach auch dieses Forschungsprojekt nicht dann als als Firma, ja. Und daher die Frage, vielleicht hab ich da eine zu Schwarz Weiß Sicht auf die Dinge. Ich weiß es nicht, habt ihr Forschungsprojekt am Start? Wenn ja, wo? Einfach, genau. Bitte einfach mal aus aus deiner Brille draufgucken.
Speaker3: Ja. Schwarz weiß würd ich das gar nicht nennen, deinen Blick. Also ich ich ich würd das fast sogar unterschreiben, was Du grad gesagt hast. Du hast nur nur 1 1 1 aus meiner Sicht vielleicht Anpassung an dieser Aussage. Es kann durchaus Dinge geben, die die Zeit brauchen, weil der Markt noch nicht reif ist oder weil sie eben ganz, ganz viel Abstimmung von von Partnern Mhm. Benötigen. Das heißt also, in 1 in 1 Lieferkette müssen Lieferanten und und Abnehmer, gerade bei uns in der son Forschungsprojekt rein und sagst, wir möchten hier was Neues ausprobieren gemeinsam. Und das darf auch 3 Jahre dauern. Ich geborene dir aber recht, wenn ich sag als als eigenständiges Konstrukt, als Firma, die irgendeinen einen einen Bedarf hat, ja, also dann dann dann stimmt da was nicht, wenn ich das versuche über über über Fördergelder oder über anderes irgendwie zu zu knacken, diese Nuss, dann hab ich was falsch gemacht. Wir sind in 'nem, wir sind also hier mein mein Team, wir als DTO mit unseren Geschäftsbereichen haben uns da in einem Projekt engagiert. Das ist zum Beispiel das Thema digitaler Zwilling. Das ist
Speaker2: Du lachst, ich bin gespannt warum. Weil's mir auf der Zunge lag. Aber macht mit dir, macht mich nicht fertig. Ja, ja.
Speaker3: Und digitaler Zwilling muss man ja auch auf auf ganz, ganz vielen Ebenen irgendwie verstehen. Und am Ende nehmen wir irgendwie die die Simulation, ja? Mhm. Das ist ja son Thema, wir bauen jetzt hier Klebebänder und und Kabel. Und das brauch ich nicht simulieren. Wenn ich eine Schere nehme und durchschneide, ist kaputt. Das ist kein Use Case, der mich interessiert. Mhm. Wenn ich jetzt aber in die Automobilwelt schaue, kann mein mein Kunde vielleicht 'n Use Case haben, den er mit mir abstimmen muss. Und jetzt wird's problematisch, wenn ich den auch noch mit 'ner vorgelagerten Stelle abstimmen muss. Und jetzt wollen wir 'n Datenmodell herstellen, ja. Da macht es Sinn zu Projekt, was was gefördert wird, weil sich vielleicht 'n 'n Ministerium auch dafür interessiert, dass Deutschland als als Wirtschaftsstandort entwickelt und und und son Konzept Digital Twin fest in in die Prozesse und in die Produkte auch integriert. Das ist aber dann die Motivation, ja? Mhm. Mhm. Die eigentliche Simulationsleistung für für mein Produkt oder die eigentliche Datenqualität für für meinen Prozess, das kann nur meine eigene intrinsische
Speaker2: Genau. Motivation sein und da wart ich auf niemanden. Absolut wichtig. Genau, genau, genau. Aber ich ich fand's wirklich grad fantastisch. Es ich musste nämlich bei diesen Beispielen, wo hast Du hohen Abstimmungsaufwand, nämlich auch genau diesen digitalen Zwilling grade im Kopf. Ich hab mal ein, 2 Berührungspunkte mit, ich geh noch eine Ebene höher Ja. Mit Leuten, die sich mit Standardisierung beschäftigen. Mhm. Und da wurd dann mal eine Meeting 45 Minuten lang diskutiert, ISO Norm sowieso sowieso, ob das jetzt da reinzuhängen ist oder hier reinzuhängen, Verwaltungsschale, digitaler Zwilling virtuelle Inbetriebnahme, OPC, OA. Ja, und okay, Respekt, wirklich Riesenrespekt vor Leuten, die dieses riesige Abhängigkeitsgewirr ordnen, strukturieren, Standards definieren, damit ich dann als einzelnes Unternehmen mich orientieren kann, okay, weißt Du was, ich ich halt mich jetzt an die und die und mach nichts falsch, erfüllen den Industriestandards und das passt. Weil da da hast Du dann diese Interoperabilität. Und nicht, dass dann am Ende vielleicht der Anlagenhersteller, der Anlagenhersteller happy ist, dass sie jetzt den digitalen Zwilling ausliefert. Und ich als sitz dann da, pack den OPCUA Stream aus und denk mir so, was zur Hölle hab ich hier grad schon wieder, ja. Genau des Skills, der zu vermeiden.
Speaker3: Und Du hast grade, ich weiß nicht, ob bewusst oder unbewusst, was ganz, ganz Spannendes getan. Das, was wir vorhin diskutiert haben, dass in 'nem Unternehmen Algorithmus, Technik, Programmierer, Haken dran, haben wir in irgend 'ner gewissen Art und Weise. Aber im Unternehmen den den Businessprozess zwischen Logistik und Einkauf oder Marketingvertrieb und und Logistik oder so abzustimmen, da muss man viel rein investieren. Ja. Und jetzt stell dir das mal mit Partnern, die internationale Großkonzerne sind vor, die für diesen Themenbereich, den Du grad angesprochen hast, Isonormierung, Standardisierung, Patentrecht und so weiter ganze Abteilungen beschäftigen. Da kannst Du nicht ohne Weiteres reinmarschieren und sagen, hey, ich bin Data Scientist, ich kann Software entwickeln und wir bauen jetzt hier mal eine 1 coole Simulation auf Basis deiner Daten. Lieferband bitte Daten her. Das funktioniert einfach nicht, ne. Und darin ist Deutschland auch verdammt gut, grade bei dieser Basisarbeit, bei dieser sehr, sehr detaillierten, fundierten, ja, Kleinstarbeit letztlich, irgendwann was niederzuschreiben, was eine Verwaltungsschale zum Beispiel, da geht es, das ist das Konstrukt, was wir auch da nutzen, zum Leben zu erwecken. Ja. Das kann ja auch furchtbar in die Hose gehen, Gottes Willen, ne. Vielleicht kommt morgen irgend 'n Unternehmen und sagt, hey, wenn ihr mich beliefern wollt, genauso bitte. Aber das hilft 'nem Markt auch nicht immer, deswegen sind Standards durchaus anzustreben für solche Bereiche.
Speaker2: Mhm. Mhm. Ja, 'n interessantes Detail, über das ich in dem Kontext auch mal gestolpert bin. Die New Silkrode, die vorangetrieben wird mit massiven Investitionen, da geht's nicht nur Häfen und Logistikketten, sondern da geht's auch das Thema Standardisierung. Weil genau wie Du das ja grade auch formuliert hast, beliefert mich bitte genauso, wer die Standards macht, bestimmt auch irgendwo eine technologische Ausgestaltung. Und da müssen wir wirklich aufpassen. Insofern, ich kann nur Werbung dafür machen, dass jeder, der oder die affin ist, sich ums Thema Standardisierung zu kümmern. Macht es. Das ist wirklich wichtig und ich bin nicht der
Speaker3: für gebaut sein. Das ist Absolut. Schon eine 1 echt harte Arbeit. Wenn ich seh's bei den Kollegen hier, die das tagtäglich bewerkstelligen und auch, wenn ich so aus Erzählungen höre, wie damals der dieser Elektromobilitätswandel plötzlich passierte und und wie man da in in bestimmten Gruppen tagen musste, monatelang und noch länger, ja, diese diese von 'ner Ladeinfrastruktur über Stecker über über viele andere Dinge Mhm. Vorwärtszukommen. Hoch spannendes Thema und und vielleicht sogar noch komplexer als den Algorithmus dann für irgendwas am Ende des Tages zu schreiben. Also die Komplexität in diesen Abstimmungsprozessen ist schon Wahnsinn.
Speaker2: Mhm. Mhm. Definitiv, ja. Ist schon ist Wirtschaftspolitik, ja. Michi, jetzt machen wir 'n kleinen Cut. 2 schnelle Fragen. Frage Nummer 1. K I fasziniert mich, weil?
Speaker3: K I fasziniert mich, weil es überall überall anzuwenden ist, wo wo Daten entstehen. Und und und das ist heutzutage ja überall. Also vom vom Backofen bis zum Hafenkran, ja. Jedes Gerät, jeder Mensch produziert Daten. Und die lassen sich Fluch und Segen zugleich mit KI furchtbar schnell und und und präzise analysieren und und Schlüsse daraus ziehen. Und das halte ich für ja wirklich den nächsten großen Wurf in der in der industriellen Revolution
Speaker0: Nein. Wenn
Speaker3: Nein. Wenn ich wenn ich ganz ehrlich bin, weil ich wahrscheinlich viel zu selten mittlerweile Software entwickle und das ist dann irgendwie Kindergarten geworden. Nee, aber Spaß beiseite. Also ich glaube, jedes Problem hat halt so seine Lösung, ne. Und sie ist halt nicht immer gleich. Und schau ich mir Thema a an, macht macht irgendwie links herum Sinn, guck ich mir Thema b an, macht rechts herum Sinn. Von daher hat man vielleicht eine Affinität zu 'nem Thema. Aber ich glaube, Lieblingsalgorithmus und immer wieder, ne, also wenn wenn jedes Problem 'n Nagel ist, hab ich immer 'n Hammer zur Hand. Das das passt dann an der Stelle nicht. Und man sollte sich eben vor vor vor Augen halten, was man da was man da grade lösen muss und und was dafür die richtige Lösung ist, der richtige Lösungsansatz. Deswegen sind das so die 2 Gründe, da noch nicht keinen Lieblingsalgorithmus hat.
Speaker2: Alles klar. Kann ich sehr gut nachvollziehen. Lass mal noch mal den Blick zu deinen Kunden richten, ja. Und wenn Du jetzt mal in die Vergangenheit noch mal guckst, Du bist quasi in 'nem in 'nem Prozess, gibt vielleicht eine neue Use Case Idee. Und wir haben jetzt viel drüber gesprochen, wie man's machen muss, ja. Was gute Rahmenbedingungen sind, dass eine digitale Transformation in 'nem Unternehmen funktioniert. Gibt's irgendwo eine, wo Du sagst, uje, da hab ich mir schon so auf die Finger verbrannt, wenn ich das sehe, Finger weg, ja. Ja.
Speaker3: Also genau, also meine meine Kunden sind ja dadurch, dass ich immer im Unternehmen war, also zumindest in den IT Rollen, ja auch meine meine Kollegen. Und ich glaub Richtig. Das ist das ist erst mal so ganz wichtig, ne. Also auf auf Augenhöhe sich sich zu begegnen und zu sagen, ja Mensch, sowohl ich als auch er in meine Richtung, dass man da kollegial unterwegs ist, weil 'n Kunde fordert anders als 'n als 'n Kollege womöglich. Und der Verkäufer verkauft auch anders als als der Kollege, ne. Also beide Seiten müssen sich da justieren. Und ansonsten Red Flags. Ja, was sind denn Red Flags? Also ich glaube, viele viele nehmen sich zurück, wenn man so hört, ey, das Projekt, das haben wir schon fünfmal versucht, ne. Alle alle 2 Jahre versuchen wir das und das da scheitern wir dran. Das sind gar nicht so die Themen, die die mir Panik machen. Da sag ich, na ja super, dann dann ist man jetzt der 6. Und und vielleicht klapp's ja jetzt ja endlich mal. Dann macht man's halt 'n bisschen anders. Was haben denn die die anderen immer falsch gemacht? Das kann doch nicht so kompliziert sein. Alright. Da kommt dann vielleicht auch die Erfahrung oder so in manchen Themen ins Spiel. Was wirklich, wirklich schwierig ist, ist, wenn man einfach merkt, dass der Antrieb im im Geschäftsbereich, im im in der Abteilung irgendwie nicht da ist. Also wenn man versucht mit Krampf zu sagen, hey, aber ich hab doch jetzt hier den neuesten heißen KI Kram, nicht 'n anderes Wort zu benutzen. Das müssen wir machen. Das hilft euch total. Und wenn man dann zum dritten Mal gesagt bekommt, ja, aber unser Problem ist ein anderes, lass uns doch jetzt verdammt noch mal über was anderes reden. Ja, dann dann hilft's auch nicht mehr. Also dann dann muss man vielleicht auch selber sich auf die Zunge beißen und sagen, mach da 'n Bogen rum. Den den Kollegen hast Du da erst mal verloren für dieses Thema. Mach's an 'ner anderen Stelle, lass lass noch 'n bisschen Zeit vergehen oder was auch immer grade Anbach ist oder Du lässt es ganz, ne. Es kann ja auch sein, dass man da erst mal 'n großen Bogen drum machen muss. Man sollte nicht aufgeben, dass man sich gar nicht mit irgendwelchen Themen auseinandersetzt. Man muss sich halt den Use Cases, sind wir wieder bei dem Thema, so rauspicken, dass das Business das Thema, was es grade hat, irgendwie auch erledigen kann.
Speaker2: Abschlussfrage, welchen Rat würdest Du deinem zwanzigjährigen Ich geben?
Speaker3: Meinem
Speaker0: zwanzigjährigen Ich?
Speaker3: Dem würd ich dem würd ich wahrscheinlich sagen, dass er zu einem sechzehnjährigen Ich sagt, in Mathe noch mal genau aufzupassen zu der Zeit. Für mich, also ich hab Statistik vertieft im im Studium, im Master, diese ganzen Sachen noch mal wiederholt. Und ich hab immer wieder gedacht, verdammt ey, das ist so harte Arbeit, sich da reinzufummeln. Hetzte vorher mal aufgepasst. Und das waren so diese ja, 4, 5 Jahre höchstens, ne. Von daher würd ich ihm diesen Tipp geben. Und ich glaube, die Leute, die hier zuhören, also für den oder für die ihr diesen Podcast auch produziert. Genau, passt passt gut in der Schule auf, passt gut in Mathe auf. Wenn ihr wenn ihr in dieser Themenwelt bestehen wollt, ist das natürlich das das A und O. Und macht's vielleicht 'n bisschen so wie ich, hört genau beim Business hin, was die so brauchen und diesen Rat musste ich meinem zwanzigjährigen Ich dann nicht geben. Wenn ich denen dein Zuhörern hier geben kann, dann ist das doch gut.
Speaker2: Mhm. Nice. Kann kann ich absolut was, wenn anfangen. Es gibt einen Grund aus dem Nähkästchen geplaudert, warum wir bei Bewerbungsprozessen lineare Algebra ein bisschen abprüfen an der Tafel. Sone kleine Eigenwertzerlegung, ja, ja.
Speaker3: Ja, könnt ich heute auch nicht mehr.
Speaker2: Na ja, trotzdem, aber es hat, wenn ich nur sag, ich kann jetzt hier s k learn, tänzerflow und careas importieren und bin deswegen Data scientist Weiß ich. Weiß ich halt leider nicht, ja. Nee. Na, genau. Ganz genau. Micky, vielen, vielen Dank für das Gespräch. Mega, die Zeit verfliegt wie im Flug. Wahnsinn, ja. Man hat gemerkt, Du bist wirklich total tief verwurzelt in der Technologie. Du weißt, wovon Du sprichst inhaltlich und hast gleichzeitig die Vogelperspektive drauf. Das ist echt beeindruckend. Danke. Ich hab sehr, sehr viel gelernt. Ich danke dir für das Gespräch. Super. Und wünsche dir alles Gute weiterhin. Und ich hoffe, wir sehen uns mal in Persona. Ja, ganz bestimmt. Kriegen wir hin. Hat mir auch total viel Spaß gemacht. Superangenehmes
Speaker3: Gespräch und danke fürs Kompliment. Und ja, drück euch die Daumen, dass dieses Format weiterwächst und ihr damit ganz viel Spaß habt.
Speaker2: Kriegen wir hin, wenn die Leute das machen, was im Abspann gleich kommt, nämlich liken und uns gute Bewertungen auf Apple Podcasts geben. In diesem Sinne, nächste Folge kommt's in 2 Wochen raus. Haut rein.
Speaker0: Auf dem Laufenden zu bleiben, folgt uns auf Facebook, Instagram, Twitter und LinkedIn. Wenn ihr uns unterstützen wollt, unterstützen wollt, gebt uns eine 5 Sterne Bewertung auf Apple Podcasts, folgt uns auf Spotify und empfehlt uns weiter. Bis zum nächsten Mal bei The IRIUM Podcast.