Dr. Robert Stephan – Partner bei Detecon International

- Dr. Theo SteiningerCo-Founder & CEO at Erium
- Dr. Robert StephanGuest, Partner at Detecon International
Overview
In this episode of the Erium Podcast, host Dr. Theo Steininger speaks with Dr. Robert Stephan, Partner at Detecon International, about digital supply chain transformation. The two explore Robert's career path from studying industrial engineering, through a part-time doctorate, to international management consulting. The conversation focuses on the concrete challenges of modern supply chains, the use of AI in consulting practice, and the question of how generative AI is changing the consulting profession.
About the guest
Dr. Robert Stephan is a Partner at Detecon International, a management consultancy with strong technology expertise within the Deutsche Telekom Group (Magenta). He specializes in digital supply chain transformation and supports companies in optimizing logistics processes and implementing AI solutions in the supply chain. He began his career with a degree in industrial engineering, followed by a part-time doctorate in engineering (aluminium production). Previous positions include KPMG Germany, Deloitte, and Camelot Management Consultants.
Summary
From Industrial Engineer to Supply Chain Consultant: Robert's Career Path
Robert Stephan describes how, after finishing school, good academic counseling led him to study industrial engineering - a combination of his enthusiasm for mathematics and business. What might seem like a disadvantage - knowing 'a little of everything and nothing in depth' - he clearly sees as a strength: in consulting especially, the interplay between process understanding and business thinking is indispensable. He entered consulting through an internship at a British boutique consultancy, after which he moved with them to England and the Emirates. His first projects there were in the area of Operational Excellence - Lean, Kanban, Six Sigma - directly on the shop floor.
Robert describes his part-time doctorate as one of the hardest phases of his life, undertaken primarily as a personal challenge rather than a tactical career decision. His clear advice to young colleagues: a doctorate is only worthwhile if a topic genuinely keeps you up at night - not as a career strategy.
What Detecon Delivers in Supply Chain Transformation
Detecon positions itself as a management consultancy with strong technology expertise, backed by the Deutsche Telekom Group with T-Systems and its telecommunications infrastructure. Robert Stephan's team addresses classic supply chain challenges: demand and supply planning, inventory management, delivery performance, and distribution networks - from raw material procurement to final delivery to the end customer.
As a concrete example, Robert mentions a project with an aircraft manufacturer whose supplier network spans more than 10,000 suppliers across multiple tier levels. Together with T-Systems, a data platform is being built to give all actors in the network transparency over potential supply bottlenecks. Another example is an automotive supplier that required highly sophisticated warehouse management software to achieve minute-precise just-in-time delivery - managing that level of complexity manually was simply no longer feasible.
Listening as a Core Competency: The Consultant-Client Dynamic
Robert emphasizes that successful consulting is always grounded in genuine listening. Clients know their own pain points - consultants bring a neutral perspective and experience from other projects. The truth lies somewhere in between: on one hand, you must address the problems that are raised; on the other, you must also communicate uncomfortable findings clearly, even when they are politically sensitive. Robert puts it succinctly: 'I was hired to help him, not to please him.'
Another central principle is iteration: process changes take time before they become second nature to employees. Simply imposing a software solution on inefficient processes solves nothing - process improvement must always come first.
AI in Everyday Consulting: Internal Use and Client Projects
Robert draws a clear distinction between internal AI use and what is applied in client engagements. Internally, Detecon uses generative AI primarily in three areas: visualization and image generation (illustrative process diagrams for client presentations), automatic transcription and structuring of workshops, and accelerated analysis of large datasets.
As a concrete project example, Robert describes an analysis for a German spirits manufacturer in which every bottle movement over three years and hundreds of millions of units was evaluated - at the time without AI support, requiring days of number-crunching. Today, AI can process this raw data far more quickly and evaluate it against specific questions, freeing consultants to spend more time on the actual thinking and interpretation.
Master Data Quality as a Prerequisite: Trash In, Trash Out
A recurring theme in the conversation is the critical role of clean data. Using the example of a software partner's supply chain agent - which briefs supply chain managers via audio while they jog in the morning, covering the most important daily KPIs and answering questions about deliveries and inventory - Robert illustrates why such systems work: they operate on a closed, controlled ERP data system.
Theo and Robert agree: poor master data undermines any AI analysis before it even begins. At the same time, Robert cautions against blindly trusting AI outputs when working with open data sources - such as legal texts or internet search results. The human review layer remains indispensable to avoid misinformation and protect one's own credibility.
The Future of AI in Supply Chain and Consulting: Agents, Scenarios, and Limits
Robert sees fully autonomous AI agents for management consulting as premature for now, but is convinced they will become reality within a few years or even months. He does not see the consulting profession as threatened by AI: the technical nuances that must be observed on the shop floor, and the ability to interpret complex disruptions, remain human domains.
The greatest future value, in Robert's view, lies in prescriptive scenario analyses: what does a new tariff situation, a port failure, or a geopolitical shift actually mean for one's own supply chain? He cites the example of an ML-based algorithm used during the COVID period that calculated risk probabilities for key ports such as Rotterdam based on case numbers and infrastructure utilization. With today's AI capabilities, this could be implemented far more precisely and quickly.
Advice for the Next Generation: Technology Affinity as a Must-Have
When asked how career starters should position themselves in the age of AI, Robert gives a clear recommendation: technology affinity and a basic understanding of AI and algorithms are now mandatory - not as full mastery, but as a conscious mindset. AI is taking over many classic junior-level tasks such as note-taking, image generation, and summarizing research. But this is no cause for concern - rather, it is an opportunity: newcomers can develop faster and focus on more demanding tasks sooner. In short: use the technology to skip the junior level as quickly as possible.
Key takeaways
- Process improvement must always come before technology deployment - imposing an AI solution on inefficient processes solves nothing.
- Clean master data is the fundamental prerequisite for any meaningful use of AI: 'Trash in, trash out' applies to autonomous agents just as much as anything else.
- Closed, controlled data systems (such as an ERP) enable reliable AI applications, while open data sources always require human review.
- The consulting profession is not threatened by AI, but it is changing: routine tasks are disappearing, while professional judgment and empathy remain human domains.
- AI creates the most value in everyday consulting when it takes over repetitive, scalable tasks - from data analysis and transcription to visualization.
- Prescriptive scenario analyses (e.g. the impact of tariffs or supplier failures on the entire supply chain) are a promising AI application area in the near future.
- A doctorate is only advisable when there is genuine passion for the subject matter - not as a tactical career decision.
- Technology affinity is no longer optional for consulting newcomers - it is a baseline requirement.
Conclusion
The conversation with Dr. Robert Stephan vividly illustrates what digital supply chain transformation looks like in practice: it always begins with a deep understanding of processes and only then arrives at the right technology solution. AI is not a cure-all, but a powerful tool - provided the data foundation is sound and humans retain control over the direction and quality of results. For the consulting profession, this does not mean threat, but acceleration: those who use AI wisely can focus more quickly on what machines cannot do.
For Supply Chain Leaders in Companies
The podcast makes clear that AI projects in the supply chain only work when master data is clean and processes have been optimized before technology is introduced. Those working with data platforms and interconnected supplier networks should also invest early in transparency and shared data standards.
For Career Starters and Students
Technology affinity and a basic understanding of AI are baseline requirements today - not to secure a job, but to perform it at a higher level from the outset. A doctorate is only worthwhile when there is genuine passion for the subject, not as a career calculation.
For Executives and Decision-Makers
The hype around generative AI tempts organizations to see technology as a solution to unresolved process problems - that does not work. AI delivers its value where processes are already clean and data is reliably available. Investments in data quality and process clarity are therefore a prerequisite, not a side effect.
Show full transcript
Speaker0: Die Eriom Podcast.
Speaker1: Heute zu Gast bei The Eriom Podcast ist Doktor Robert Stefan. Er ist Partner bei Detikon International und beschäftigt sich dort mit digitaler Supply Chain Transformation. Vor seiner aktuellen Rolle war er bei KPMG Deutschland und Deloitte sowie bei Camelat Management Consultants. Seine Karriere begann er mit einem Studium des Wirtschaftsingenieurswesens an der Hochschule Riederein und 1 anschließenden Promotion in Ingenieurswesen im Bereich Aluminiumproduktion. Doktor Robert Stephan hat sich auf die kontinuierliche Verbesserung von Logistikprozessen spezialisiert und interessiert sich dabei besonders für die Implementierung von KI Lösungen in der Lieferkette. In seiner Freizeit verbringt er am liebsten Zeit mit seiner Frau und Tochter sowie dem Familienhund und hat eine große Leidenschaft für Musik.
Speaker2: Herzlich willkommen zu 1 neuen Folge von The EReem Podcast. Mein Name ist Theo Steining und heute zu Gast Doktor Robert Stefan. Hi Robert, schön, dass Sie ins Gespräch kommen. Hallo Theo, freue mich hier zu sein. Vielen Dank für die Einladung. Sehr sehr spannend. Das Thema digitale Supply Chain Transformation begegnet uns immer wieder seit der Gründung von Erium. Es ist son Thema, wo ich mich, muss ich sagen, nicht wirklich sehr tief auskenne, aber wo wir immer wieder Berührungspunkte hatten. Und dementsprechend freut's mich, dass wir jetzt halt auch in dem Podcast unter anderem mit dir da ins Gespräch kommen. Wir haben's jetzt in der Einführung schon gehört, dein Background kommt eher ausm technisch fachlichen Bereich, ja. Wir haben das Stichwort Aluminium gehört in der Promotion. Auf der anderen Seite bist Du jetzt seit heute als Consultant unterwegs. Hol uns da mal bitte ganz kurz ab, wie kam's dazu, a, dass Du dich für das Studium, dieses konkrete Studium und dann die Promotion entschieden hast? Und wie war dann dein Weg rein in die Unternehmensberatung?
Speaker3: Ja, sehr gerne. Du Theo, also dieser Verbund aus Wirtschaftlichkeit und Technologie, der der der hat sich bei mir schon früh ausgeprägt. Zuerst den den ersten Teil der Frage Wirtschaftsingenieurwesen. Ich ich stand damals tatsächlich nachm Abitur da und und und hab mich beraten lassen tatsächlich, weil weil ich 'n bisschen unschlüssig war, was ich machen wollte. Ich wusste, also ich war ganz gut in Mathematik gewesen und ich war wirtschaftsbegeistert. Und dann hat wirklich eine 1 sehr gute Studienberatung mir da geholfen und sagte, Mensch, dann ist ja Wirtschaftsingenieur ja genau die richtige Passung für dich. Und das hat sich da nachher auch tatsächlich bewahrheitet. Und und wir werden nachher dazu kommen, das zog sich dann bis heute durch und das ist auch heute immer noch meine Passion, dieser Verbund aus Technologie mit Wirtschaft. Und die Promotion im Ingenieurwesen, ganz ehrlich unter uns, das war mehr son son, ich wollt's mir beweisen tatsächlich, dass ich quasi noch einen einen Schritt der Ausbildung drauflegen kann, was wahnsinnig anspruchsvoll war, weil ich das auch berufsbegleitend gemacht hatte damals zum Beraterberuf. Aber das war noch mal die die Vertiefung des Ganzen sozusagen.
Speaker2: Mhm. Wie schätzt Du das ein? Paar ehemalige Kommilitonen von mir, die haben das dann immer so ein bisschen auch selbstironisch bezeichnet. Als Wirtschaftsingenieur kannst Du irgendwie von allem nur son bisschen was. Ordne das Ganze mal bitte aus deiner Perspektive ein, weil es ist klar ja, wenn Du jetzt halt irgendwie so in eine metallurgische Expertise abtauchen möchtest, ist das vielleicht jetzt nicht genau das Richtige. Aber ich kann mir vorstellen, in deiner aktuellen Rolle jetzt als Consultant war es wahrscheinlich eine gute eine gute Wahl, dieses Studium zu wählen. Wie ist da dein Blick auf die Dinge? Also wem empfiehlst Du auch dieses kombinierte Studium?
Speaker3: Also diesen Aussagen musst ich mich damals auch stellen, Theo, mit von allem etwas und keines richtig. Aber ich seh das überhaupt nicht so, weil man hatte auch damals die Möglichkeit, sich ja zu vertiefen, zu spezialisieren später, auch im Beruf. Du Du bist ja erst mal grundsätzlich mit 'nem Setup an an Know how losgegangen. Wenn Du mehr ins Ingenieurwesen rein wolltest, dann könntest Du das ja tun. Du könntest ja in der Industrie, Automobilbau oder mal in in Maschinenanlagenbau oder Fertigung gehen und dich dort vertiefen. Wir merken ja immer wieder in der Industrie, dass das Thema Wirtschaftlichkeit, also wenn ich jetzt in Ingenieurwesen mich vertiefe, Mhm. Dass es ohne nicht geht. Ansonsten entwickle oder produziere und vertreibe ich Produkte ohne diesen des Kostenbewusstseins und des des Verdienstbewusstseins immer mitschwingen zu lassen und das geht ja nicht ohne. Ja. Und ja, in der Tat, also grade als Berater in unserem Segment ist das ideal. Wir werden ja gleich noch das Ganze 'n bisschen vertiefen miteinander, weil wir immer diese diese Verbindung aus Prozessabläufen mit Technologieeinsatz beherrschen müssen, in Projekten sagen zu können, diese Technologie macht Sinn, die wirkt sich in der Art positiv auf die Prozesse aus und hat folgenden Impact, jetzt mal ganz kurz allgemein gesprochen. Und dafür müssen wir natürlich 'n absolut souveränes Wirtschaftsverständnis haben, aber wir müssen Technologie auch so weit gut verstehen, dass wir wissen, dass sie eben den Prozess nützt oder eben nicht.
Speaker2: Mhm. Eine frühere Gästin aus unserem Podcast und die war auch dann bei unserem Imit up, die Scouting. Die hatte mal den Begriff mit ins Spiel gebracht des Business Analytics Translators. Also quasi diese Hybridrolle, wie Du sie jetzt zwischen Ingenieurswissenschaft und Betriebswirtschaft nennst, quasi auf Data Science, Machine Learning und den den Business Aspekt gemünzt, fand ich damals 'n superspannenden Punkt, weil sonst genau das passiert auch in der Data Science, ne. Was Du grad beschrieben hast, dass man irgendwas entwickelt, was technisch superspannend oder vielleicht auch cool ist, ja. Aber am Ende an 1 wichtigen betriebswirtschaftlichen KPI vorbeigeht und und dann eben den Stecker gezogen bekommt, weil's eben nix bringt im monetären Sinne für die Firma, ja. Also diese Brückenrolle ist, denk ich, nicht zu unterschätzen. Ja, das ist halt. Und was ich jetzt mehr und mehr sehe, ist, dass es auch quasi die äquivalenten Studiengänge im Bereich KI und Betriebswirtschaft gibt. Quasi so, wie es schon länger eben wird seit als Brücken Brückenstudium zwischen Ingenieurswesen und der BWL gibt, ja. Mhm. Und wie wie hast Du dann für dich dazu gefunden, wir haben's jetzt in der Intro und nicht alle Stationen nennen können, ja, aber Du warst ja bei bei Brose, DWC, QMC, da mit Camelott, ja, das haben wir gehört, Deloitte KPMG. Das sind natürlich Schritte in der Karriere, wenn man mal drin ist, ja, dann dann folgt vielleicht 1 dem anderen. Wobei auch das würde ich gerne nachher noch mal hinterfragen. Aber wie war für dich dann der Einstieg? Also nachm Studium, wie hast Du dann konkret in eine 1. Rolle hineingefunden?
Speaker3: Bei mir war das so, muss man dazu sagen, der Apfel fiel nicht sehr weit vom Stamm. Mein Vater war 40 Jahre lang Unternehmensberater. Insofern habe ich diese Themen schon sehr früh mitbekommen. Mhm. Ich hatte im Studium ein Praktikum gemacht bei 1 britischen Unternehmensberatung und das hat mir gut gefallen und Ihnen wohl auch. Und Sie sagten mir, wenn Du nachm Studium Lust hast, dann melde dich bei uns, dann kannst Du bei uns anfangen. Und das hab ich dann tatsächlich getan und bin erst mal nach Großbritannien. Das war 1 1 1 kleine Boutiqueberatung, damals vielleicht 40 bis 50 Beratern und bin erst mal in England gestartet. Und gemeinsam sind wir dann in die Emirate gegangen und haben dort das Geschäft weiter aufgebaut. Also so war erst mal der Einstieg in die Beratung. Und thematisch ging es damals schon los mit Produktivitätssteigerung am Shopfloor. Also wir waren wirklich inner Produktion und haben geschaut, wie können wir Effizienzen heben, dass quasi der Durchsatz der Produkte sich erhöht beziehungsweise die Kosten runtergehen. Das Thema Fachkräftemangel ist ja schon ein älteres, was auch in verschiedenen Ländern immer wieder vorkam. Und das heißt, die Unternehmen hatten sehr häufig dieses dieses Bedürfnis, wir müssen mehr produzieren, aber mit der gleichen Anzahl an Händen sozusagen und Köpfen. Und das haben wir sehr lange gemacht. Also klassische Operational Excellence Themen, Lean Enterprise Prinzipien, Kanban, Six Sigma Elemente, alles, wenn's darum geht, eben Prozesseeffizienten zu heben. So. So war der Einstieg. Mhm. Mhm. Und
Speaker2: wie ist es dir ergangen, Du nach dem Studium als Consultant in eine Firma reingehst? Das Bild, das man da sehr schnell im Kopf hat, ist, dass man vor allem auf Ablehnung stößt, weil sozusagen die Wahrnehmung ist, hey, ich mach das hier seit 35 Jahren, erzähl Du mir nicht, wie ich jetzt meinen Job besser zu machen habe. Wie bist Du damit umgegangen?
Speaker3: Ich war auf jeden Fall sehr nervös, kann ich dir sagen. Okay. Vor allem, weil ich ja dann auch in ein anderes Land gegangen bin, England und mit anderen Kultur und Du wirst lachen, aber ich bei mir schwang so mit, Mensch im Fußball haben wir immer irgendwie Engländer geschlagen, die werden mich bestimmt hassen als Deutscher. Das war aber gar nicht so. Also das war sehr, sehr kollegial einerseits, aber sicherlich auch sehr anspruchsvoll. Also es war schon eine harte Schlagzahl, wie man sagt. Mhm. Als als Juniorberater musstest Du damals wirklich ganz viele Analysen einfach mal fahren und und
Speaker0: mit kompletten
Speaker3: Chartsanalysen, die wir gefahren haben, eben aus der Produktion. Also ich stand ganz ganz viel auch dann tatsächlich in der Produktion und hab Datenaufnahmen gemacht noch zu Fuß sozusagen. Also mit Papier und Bleistift, ne. Jetzt müssen wir mal überlegen, das war so Anfang des Jahrtausends, Mhm. Die wir dann aber natürlich mit unseren Laptops analysiert haben und ausgewertet haben. So. Wir haben damals sogar noch, es waren noch die Anfänge, mit Brown Papers gearbeitet. Also unser Projektbüro war wirklich komplett tapeziert Okay. Mit mit großen braunen Papieren, wo wir dann die DIN A4 Ausdrucke mit den ganzen Auswertungen draufgelegt haben und dann noch tatsächlich mit, wie man's vielleicht aus Filmen kennt, mit Fäden miteinander verbunden. Ja, also noch wirklich sehr, sehr physisch noch das Ganze gemacht. Das hat schon Spaß gemacht, ja, muss man sagen, weil wir dann auch hingegangen sind, haben Prozesse umgestellt und haben geguckt, okay, noch mal gemessen, wie wird sich das aus? Also Du hast dann sofort die Wirkung auch sehen können. Und dann wurd meine Begeisterung tatsächlich groß, weil wir dann wirklich was ja, bewegt haben. Mhm.
Speaker2: Mhm. Und wie würdest Du das einordnen? Jetzt noch mal zurück eben auf die Jahrtausendwende. Also wie es damals war. Ging's darum, vor allem die Schwachstellenden Prozess zu identifizieren? Und dann war die Lösung eigentlich klar, ja, wenn man das Problem erst mal gefunden hat. Oder war es dann so, dass dann eigentlich erst die Arbeit richtig losging, dass man eben etablieren musste immer und immer wieder, die richtige Lösung zu finden, wie jetzt 'n Prozess umzustellen ist, dass beispielsweise die OEE verbessert wird?
Speaker3: Es ist beides gewesen, möcht ich sagen. Du musst ja bedenken, wir als Unternehmensberater sind ja auch nicht immer so die die die Genies auf dem Planeten, sondern ich hab mich das immer wieder gefragt über die Jahre, was sind denn quasi unsere Kernelemente, dass wir da erfolgreich sind? Und 1 ist sicherlich der neutrale Blick, den wir mit reinbringen, ja. Mhm. Muss man überlegen, diese Menschen, die dort arbeiten seit Jahrzehnten teilweise, natürlich arbeiten sie an Optimierungen selbstständig, aber irgendwann hast Du son son son bestimmte Sicht für den Betrieb. Und wir kommen da zum einen mit 'ner neutralen Sicht rein und zum anderen kommen wir auch mit Erfahrung aus anderen Unternehmungen rein. Und oft lassen sich Lösungen, die wir woanders angewendet haben, zumindest in Teilen mitbringen, die zu denen ein Unternehmen von sich aus nicht immer Zugang hat, ja. Und der 2. Große Aspekt ist dann aber diese, Du sagtest es grad, Iterieren ist ist 'n wichtiges Wort. Ja, Iteration ist ganz wichtig. Was wir nicht vergessen dürfen, ist, wir ändern ja die Arbeitsabläufe dieser Menschen. Ja. Und das lässt sich nicht wie ein Knopf drücken und dann ist der an. Wir Menschen müssen das natürlich umstellen in den Arbeitsweisen und es braucht immer so seine Zeit, bis wir da tatsächlich reingewachsen sind, dann das zu unserer, die die Engländer sagten das immer so schön, ja, die das, was zur zweiten Natur dann wird, also in unseren Abläufen sozusagen von selbst dann kommt. Und das ist nicht zu unterschätzen.
Speaker2: Mhm. Mhm. Und wie gehst Du mit dem Spannungsfeld Es gibt ja immer so den Spagat, den man schaffen muss. Du kennst bestimmt dieses Henry Ford Zitat, zumindest wird's ihm Attribut. So, wenn ich die Leute gefragt hätte, was sie sich wünschen, dann hätten sie mir geantwortet, schnellere Pferde. Das heißt, es ist ja immer schwierig, die die Gratwanderung hinzukriegen. Quasi inwiefern hörst Du auf die Wünsche deines Kunden? Und inwiefern hinterfragst Du die Aussagen? Weil eigentlich geht's ihnen was anderes und die Lösung muss noch mal komplett out of the box gedacht werden. Aber wenn Du zu sehr out of the box denkst, entfernst Du dich wieder ausm quasi Sweet Spot deiner deiner Klienten und dann triffst Du wieder den Nagel nicht auf den Kopf. Also dieser Spagat zwischen, inwiefern lässt Du dich vom Kunden führen in deiner in deiner in einem Lösungsprozess? Oder inwiefern diktierst Du mal eine Lösung auch gegen den Widerstand des Kunden? Hast Du dazu eine Systematik für dich entwickelt oder läuft so was dann irgendwann nach vielen Jahren Beruf einfach übers Bauchgefühl? Letzteres, Theo. Okay. Ja. Es es,
Speaker3: natürlich haben wir auch bestimmte Vorgehensweisen, die wir wiederholen, zumindest ansetzen natürlich. Mhm. Mhm. Aber wir haben's, wie gesagt, mit Menschen zu tun. Da kannst Du nicht sagen, ich komm jetzt mit Schema F und das Kunde akzeptieren, weil ich weiß, wie's geht, ja. Auch da liegt die Wahrheit in der Mitte. Also vor 'n paar Jahren saßen 'n 'n Kollege von von von mir und ich zusammen und haben son son ja, forderndes Gespräch mit ein paar anderen geführt. Und manchmal wird den Beratern ja auch gesagt, so, ja, ihr ihr ihr bringt eurem Produktpaket mit und schaut gar nicht genau individuell auf meine Bedürfnisse. Mhm. Und dann haben wir mal so sarkastisch gesagt, wir haben ein bahnbrechend neues Konzept und das nennt sich Zuhören. Ja. Natürlich sehr sarkastisch. Aber es drückt son bisschen aus, was Du gefragt hattest. Also natürlich gehen wir darauf ein, was der Kunde sich wünscht, weil er kennt ja seinen Schmerzpunkt, ja, den wir am Tag 1 erst mal schon mal gar nicht kennen. Und wenn wir dann unsere Untersuchungen fahren, paar andere Schmerzpunkte raus, die vielleicht damit verbunden sind, die der Kunde nicht unbedingt so als als Einflussfaktor aufm Radar hatte. Aber wenn wir nicht auf das hören, was was ihn bedrückt sozusagen oder Sie und die Probleme, die aus dem Alltag immer wiederkehren und wir denken, wir wissen alles besser, dann wird das nicht funktionieren. Das heißt, die Wahrheit liegt in der Mitte, dass wir natürlich auch neutrale Ergebnisse erarbeiten und sagen, dieser Prozess, dieses Stellhebel, diese KPI stimmt nicht oder hier ist 'n 'n Widerspruch in den Abläufen oder hier arbeiten 2 per se nicht zusammen. Das ist in eurer Struktur der Organisation gar nicht vorgesehen, das sollte aber so sein. Deswegen zuhören und auf das eingehen, ja, aber wir müssen natürlich auch neutral sein. Und wenn wir mit unseren neutralen Bewertung etwas erkannt haben, was dem Kunden nicht schmeckt, dann sagen wir's trotzdem. Ja, das sind dann immer son bisschen die die kritischen Gespräche, keine Frage. Ich bin aber dafür beauftragt worden, ihm zu helfen und nicht ihm zu gefallen, sag ich jetzt mal etwas übertrieben, ja. Und am Ende sind es vielleicht auch unliebsame Themen zu kommunizieren Themen zu kommunizieren in einem Unternehmen, was derjenige vielleicht auch aus politischen, organisatorischen Gründen nicht kann und möchte, dann stellen wir uns dahin und sagen,
Speaker2: ihr müsst diese Maßnahme ergreifen, ansonsten wird's kritisch. Ja, ja, ja ja. Ich frage auch deswegen, weil ich was ganz Spannendes aus meiner Sicht zumindest beobachte, nämlich über den ChatGPT Hype, der jetzt die letzten zweieinhalb Jahre durch die Welt geschwappt ist, werden viele Firmen aufmerksam auf Use Cases, die eigentlich gar nichts mit Large Language Models zu tun haben, sondern schon seit und je mit Machine Learning und Data Science bearbeitet werden können oder schon auch früher hätten Ja. Hätten können. Und dann ist die Erwartungshaltung, also ganz plakativ, was mir jetzt seit erst vor eineinhalb Wochen begegnet ist so. Wir haben vor, hier jetzt ein Sprachmodell mit reinzukriegen. Ich nenn's jetzt einfach mal exemplarisch ChatGPT. Und da wir unsere Produktionsdaten rein und dann soll uns die KI sagen, was wir besser machen sollen. So, dann okay, ja. Die Antwort, jetzt dröseln wir das mal auf. Und das Ende vom Lied ist, ja okay, also wir können hier jetzt schon ChatGPT oder ein Sprachmodell nutzen im Prozess. Aber eigentlich nur, ein Datenanalysiskript schneller fertig zu bekommen, das am Ende die Datenanalyse aber mit gutem altem Python Code macht. Also rein numerisches statistisches Machine Learning am Ende. Also eigentlich, man könnt's sogar einfach nur statistische Analyse nennen. Man muss noch nicht mal den Machine Learning Stempel drauf klatschen. Und was ich dann da sehe, ist, die Erwartung, wir machen jetzt hier KI, ja, und dann zerplatzt diese Bubble. Oh, dann machen wir ja doch nicht KI. Dann ist es ja doch wieder nur Machine Learning. Wo man denkt, so, ja, aber es wär halt einfach Quatsch, die Daten in Chat GPT reinzuschieben. Ja, also es wär einfach Schwachsinn. Ja. Aber das sind dann genauso diese unangenehmen Kommunikationen, die man vornehmen muss, ne, so wie Du sie beschreibst.
Speaker3: Ja, und das liegt auch, ohne jetzt zu philosophisch werden zu wollen. Das ist in der Natur des Menschen auch veranlagt, dass wir natürlich, und das ist ja auch richtig so, zu sagen, gibt es einen einfachen Weg, dann lass uns ihn gehen. Wir hatten jetzt, bevor die KI Generation gekommen ist, wie Du schon sagtest, Machine Learning, aber selbst davor gab's ja Softwarelösungen, die viele manuelle Prozesse schon abgelöst haben. Und wir kamen oft rein und der Kunde hatte die Erwartungshaltung so, ihr implementiert jetzt eine 1 Software auf meine Prozesse drauf und dann ist das Problem gelöst. Wo wir dann immer die Arbeit haben zu erläutern, egal was Du auf ineffiziente Prozesse draufstülpst, sie bleiben ineffizient. So funktioniert es nicht. Das heißt, das ist immer eine 1 Lösung aus Verbesserung von Abläufen und dann die passgenaue technische Lösung da dran zu koppeln. Eine KI oder eine 1 Softwarelösung, die meine bestehenden Probleme einfach von selbst löst, das gibt's zumindest heute so noch nicht als alleinständiges Merkmal.
Speaker2: Ich würde jetzt dann gerne noch mal genauer verstehen wollen, was Detecon und Dubai Detecon macht. Vorher aber noch mal einen Punkt. Du hast vorhin so zwischen den Zeilen erwähnt, die Promotion, das war so nebenbei, ja. Kannst Du das noch mal genauer erklären? Weil auch ich seh immer wieder, auch bei meinen Mentees, die Frage, wie soll ich vorgehen? Also soll ich überhaupt promovieren? Wenn ja, wie? Kannst Du das noch mal genauer erklären? Wie bist Du damals vorgegangen?
Speaker3: Ja, danke noch mal für die Frage. Ich werd auch von vielen jungen Kollegen gefragt, die an diesem Entscheidungsweg stehen. Und ich kann gleich mal gerne aussprechen, was ich dann immer antworte. Also ja, so nebenbei, ich hab dabei geschmunzelt, weil das war mit die härteste Zeit in meinem Leben in berufsbegleitend zu promovieren. Und das ging dann die Regelzeit, konnt ich Gott sei Dank auch einhalten von 5 Jahren. Du hast absolut überhaupt gar keine Freizeit mehr. Also Du bist entweder im Beruf und jede freie Minute nutzt Du dafür zu pauken oder dich für Prüfungen vorzubereiten oder an deiner Forschungsarbeit zu arbeiten. Und dann eben auch noch in dem internationalen Geschäft, wo ich unterwegs war, hab ich die Zeit auch in irgendwelchen Flugzeugen verbracht, von a nach b zu kommen und im Flieger hab ich dann an irgendwelchen Themen gearbeitet. Also ich wollte es aber berufsbegleitend machen, weil ich nicht so lang an einem Lehrstuhl sein wollte, sondern ich war schon sehr begierig darauf, in die Industrien reinzugehen, zu arbeiten und da Gas zu geben. Und bei mir war die Entscheidung für den Doktortitel weniger, sogar wegen des Themas an sich, sondern ihr, es war wirklich 'n Selbstbeweis, ja, sagen wir's ganz offen. Und wenn mich heute die jungen Kollegen fragen, brauche ich das? Also auf die Frage, brauche ich das, muss ich noch mal rückfragen, wo möchtest Du denn hingehen? Wenn Du in die Beratung gehen möchtest, brauchst Du's nicht. So, kommt. Klare Antwort. Hat es meiner Karriere geholfen oder sie gefördert? Minimal vielleicht. Ich glaub, ich wär genauso erfahren nach nach den vielen Jahren, nach 20 Jahren jetzt, wie ich's heute bin. Und es machen ja die Projekte und und die Methoden, die man entwickelt im Beruf und und mit Partnern, mit denen man zusammenarbeitet. Da da lernt man eine ganze Menge. Brauch ich dafür 'n Doktortitel? Wahrscheinlich nicht. Aber ich sage Ihnen, wenn Du ein Thema hast, was dich nachts nicht loslässt, weil es dich so wurmt und Du das vertiefen möchtest und Du da zu neuen Erkenntnissen gelangen möchtest, dann mach es unbedingt, weil unsere Welt braucht diese Köpfe und diese neuen Ergebnisse, ja. Also ich würd's nicht als taktische Karriereentscheidung, sondern wirklich eher als Passion für ein Thema empfehlen.
Speaker2: Mhm, mhm. Kann ich mich nur anschließen. Also bei mir persönlich war das so, ich wollt noch mal wirklich tief in das Thema Supercomputing auch eintauchen können. Und was ich da gemerkt hab, ist, Du kriegst diese Möglichkeit, also bei mir war's keine berufsbegleitende, sondern okay, ich hab nebenbei schon mit Maxime Danerium hochgezogen, das muss man dazu sagen. Also insofern, ich kann das relaten mit dem Wenigen Schlaf. Aber diesen Fokus zu haben, sich wirklich über eine Zeit von, bei mir waren's halt damals dann gute 3 Jahre, auf ein Thema voll reinzuschießen. Mhm. Das kriegst Du halt okay. Außer man hat einen wirklich sehr wohl ausgesuchten Job und eine Rolle, die das erlaubt, aber eigentlich nie wieder. Mhm. Also dementsprechend, wenn wenn man diese Passion für 'n Thema hat, wie Du sagst, also das kann ich nur unterstreichen. Also sollten wir diese Gelegenheit dieses Rahmens nutzen und das dann halt quasi in eine Promotion zu verpacken. Und der Doktortitel, der purzelt dann quarz Zufall eigentlich noch mit dabei raus, ne? Absolut, genau so. Ja, ich ich die nützlichste Verwendung meines Doktortitels by the way ist, dass ich auf LinkedIn damit Bots, schlecht programmierte Bots identifizieren kann, weil der Doktortitel bei mir im Vornamen mit drin steht. Und wenn mich jemand mit hi Doktor Theo anschreibt, weiß ich sofort, dass es automatisch hin generiert. Stimmt. Jetzt, wo Du sagst, wird's mir auch bewusst. Das passiert mir auch. Ja. Sehr gut. Ja. Aber nur mal so viel zu meiner Einordnung, was ich mit dem Doktortitel anfangen kann, ne.
Speaker3: Sehr gut. Sehr schön.
Speaker2: Wie wie wie sieht es aus? Du hast es jetzt schon in zwischen den Zeilen erwähnt bei meiner aktuellen Arbeit bei DITECO. Bitte hol uns dann mal noch mal ganz kurz ab, weil ich denke, den wenigsten Zuhörern ist es ausm EffeF bekannt. Was macht eigentlich erst mal Deteconals Firma?
Speaker3: Deteconals Firma ist eine klassische Managementberatung, aber mit hoher Technologiekompetenz, ja. Als als Teil der Magentagruppe, der Deutschen Telekom Gruppe, ist das alleine per se dadurch schon gegeben, dass eine Technologieaffinität sehr stark ausgeprägt ist und auch ein Technologieverständnis und und Kompetenzen in der gesamten Mannschaft verortet sind sozusagen. Und dann ist ja diese diese Story wunderbar aus Fachexpertise, Prozespertise, Beratungsexpertise mit der Technologiekompetenz des großen Magenta Konzerns dahinter, allen voran mit T-Systems, die ja wirklich bahnbrechende technologische Lösungen tagtäglich entwickeln und implementieren. Und dann mit der technologischen sozusagen Infrastruktur, wenn man so möchte, der deutschen Telekom an sich dahinter ist das eine wunderbare Ende zu Ende Passung, ja. Das heißt, die TTikon kann Prozessoptimierungen und dann mit eigenen Lösungen, die entwickelt werden im Konzern sozusagen, auf den Weg bringen. Das ist eine wunderbare Storyline da an der Stelle. Wir wiederum sind spezialisiert auf den Bereich supply Chain Management, supply Chain Transformation. Und es fängt erst mal immer noch ganz klassisch mit Herausforderungen entlang der Lieferketten an. Ja? Das können sein Demand- und supply Planning, also alles, was meine Materialbedarfsplanung, Beschaffungsplanung bis hin zur Bereitstellung in die Produktion zu tun hat. Das geht dann einher mit Bestandsmanagement, geht weiter mit der kompletten Lieferperformance. Und Lieferperformance fängt ja vorne an bei Beschaffung von Materialien, diese produzieren, dann verpacken, versenden und dann effizient über ein Distributionsnetzwerk, was je nach Unternehmensgröße und Branche sehr komplex sein kann, zu den jeweiligen Kunden zu bringen. Und da gibt's immer ganz, ganz viele Stellhebel, wo Probleme, Ineffizienzen auftreten können. Aber auch internationale Herausforderungen. Haben ja geopolitische Herausforderungen. Wir haben aber auch ja klimab sozusagen beeinflusste Faktoren und so weiter und so fort. Und betrachten sowohl das Ganze, also die die als Ganzes, aber auch eben einzelne Segmente daraus. Also wir haben Kunden, die zu uns kommen und sagen, ich hab ein unausgewogenes Level an Beständen. Also mal hab ich zu hohe Bestände und dadurch eine zu hohe Kapitalbindung. Mhm. Viele Unternehmen haben dann nicht die Möglichkeit, überbeschafftes Material dann auch wieder abzustoßen. Es wird dann abgeschrieben, muss teilweise auch bei die Regulatorik das so sieht, weil das sicherheitsbedürftige Teile sind, auch verschrottet werden, was natürlich 'n wahnsinniger wahnsinnige Verschwendung auch ist. Oder ich habe aufgrund von Problemen auch immer entlang meiner Lieferantenstruktur auch, da sind ja auch immer ganz viele Abhängigkeiten, zum zum richtigen Zeitpunkt eine Mindestmenge da. Also nicht die ausreichende Menge und muss dann schauen, wie ich vielleicht kurzfristig teuer woanders einkaufe. Dann kommen dann ganz viele Probleme dazu, wie Qualitätsmerkmale, die dann eingehalten werden müssen und so weiter und so fort. Also da schauen wir dann auch rein, wie wir das ausbalancieren können. Und wie wir immer sagen, bei dem Beispiel zu bleiben, sind ja grad ganz unterschiedliche Treiber dabei, Bestandstreiber beispielsweise, ja. Das kann aus der Historie sein, wie das Bestellverhalten von Kunden ist, was sich dann dynamisch ändern kann aufgrund neuer Begebenheiten. Das kann aber auch aufgrund von Rohstoffknappheiten sein oder von Preisschwankungen, die da sehr, sehr stark mit reingehen. Und wir schauen, was ist denn der eigentliche Treiber oder das Treiberbündel in dem jeweiligen Fall und setzen da erst mal Konzepte und im Prinzip Abläufe auf, dem entgegenzugreifen, helfen grundsätzlich auch immer dabei bei der Vorausschau, dass wir sagen, diese dieses Monitoring, diese, diese Punkte an entlang der Prozesse musst Du künftig besser beobachten, dann kannst Du frühzeitiger erkennen, dass da was auf dich zukommt. Mhm. Und dann ist der letzte Schritt, dass man das natürlich auch technologisch unterstützen kann. Ja, mit entsprechenden Softwaresystemen.
Speaker2: Ich hab das jetzt high level soweit verstanden. Ich find, Du hast es sehr gut auseinanderdividiert von 'ner fachlichen Seite her. Was mir jetzt noch fehlt in dem Bild, ist das Verständnis, wozu brauche ich dann die technische Expertise vom Konzernverbund der Detecon? Also die ganz naive Vorstellung ist, da gibt's irgendwo eine Telekom, die spleißt Kabel. Dann kann ich mir nur vorstellen, da gibt's die T-Systems, den trau ich zu Rechenzentren zu betreiben und Konnektivität herzustellen. Das war jetzt halt in dem, wie Du's erklärt hast, für mich erst mal noch nicht Teil der Story. Also die die die Herausforderungen, die Du beschrieben hast, die sind für mich jetzt von der bisherigen Wahrnehmung her fachlicher Natur. Also dass ich wirklich genau versteh, wie funktioniert 'n Supply Chain? Mhm. Und Warum das? Ja. Ja, und und und das Bild, das ich noch im Kopf hab, 'n guter Freund von mir, der arbeitet als Supply Chain Manager beim Automobilzulieferer. Und wenn mir der mal erzählt, wie die so mit Excel arbeiten, ja, und und da quasi unterwegs sind, da wird bei mir dann quasi der Gap noch mal größer im Kopf. Bitte macht dies, bau mir eine Brücke über diesen Gap.
Speaker3: Ja, war übrigens auch die Absicht. Ich wollte erst mal da anfangen, wenn wir tatsächlich, wo die Bedarfe unserer Kunden herrühren. Und das sind immer noch eben klassische Herausforderungen entlang der Lieferketten. Mhm. Die technologische Komponente ist eine sehr breite. Also wir haben einmal die t-Systems, da geborene ich gerne gleich 'n Fallbeispiel dazu. Wir arbeiten aber auch mit spezialisierten Technologieunternehmen, die wirklich auf Supply Chain Lösungen fokussiert sind. Da kommen wir gleich dann auch gerne zu ein, 2 Beispielen. Und und dann gibt's ja auch noch die Hypersceller, die das Thema Cloud bereitstellen. Also mit denen arbeiten wir auch zusammen. Auf die Systems zu kommen, wir arbeiten zum Beispiel grade mit einem Flugzeug Power zusammen. Und aus 'ner Supply Chain Situation heraus, der hat so ein komplexes Netzwerk an Lieferanten. Wir reden hier über über 10000 Lieferanten. Mhm. Und wir sprechen ja immer nach Ebene von Tier 1 bis n. Was heißt das? Also der, der mich als als Flugzeugbauer sofort beliefert mit ganzen Turbinen und ganzen Tragflächen. Das ist mein erster meine 1. Lieferantenebene. Diese wiederum wird von seinen Unterlieferanten mit Bauteilen beliefert, diese benannte Turbine oder diese Tragfläche herzustellen. So, das ist dann Tier 2. Und das zieht sich durch bis hin zu denen, die die Metalle beschaffen und und und erarbeiten. Nur als ein Beispiel, da sind natürlich ganz viele Rohstoffe dabei. Und bei sonem komplexen Netzwerk hast Du auch in dem Tier 3 4 Ebenen kritische Zulieferer, die Teile liefern, die bis hin zu einem fertigen Flugzeug sozusagen ihren Einfluss haben. Das heißt, wenn wenn dieser Tier 4 Lieferant ein Problem hat und nicht liefern kann, zieht sich das bloß nicht ins Flugzeug. Das wird nicht rechtzeitig fertig. Und dann hast Du vielleicht noch mal, ein Beispiel zu nehmen, eine Lufthansa dahinter, die dann wenig Humor dabei hat, weil es ganz, ganz viel Geld geht und sie ihre Flugzeuge, die sie bestellt haben, dringend brauchen. Und dann sind schnell hohe Kosten im Spiel, die da entstehen. So. Und die Sichtbarkeit ist natürlich eine große Herausforderung bei so einem komplexen Lieferantennetzwerk. Und deswegen arbeitet man jetzt daran, ein Ökosystem aufzubauen, wo man sich über Datenplattformen näher aneinander vernetzen kann, eine gemeinsame Transparenz schafft, eben gemeinsam aufkommende Lieferschwierigkeiten frühzeitig zu erkennen und zu beheben. Und dieses Thema Datenplattform aufbauen, wo dann unterschiedliche Unternehmen bestimmte Datensegmente bereitstellen, Wie Du vielleicht schon raushörst aus dieser Aussage, sind da ganz, ganz viele Herausforderungen dabei. Welche Daten, wie ist die Sicherheit der Daten gegeben? Und auch als als jeweiliger Akteur in diesem Netzwerk. Und die DITEZISMUS beispielsweise hat eine große Expertise im Aufbau von Datenplattformen, ja. Das ist das, was sie zuliefern. Und wir liefern eben die Supply Chain Kompetenz, eben zu verstehen, wer muss was wie beisteuern und was bringt ihm das und wann muss das bereit sein Und wo sind die Stellhebel? Wie müssen diese Daten verarbeitet werden? Und so weiter und so fort. Das ist jetzt mal das Beispiel mit. Dann haben wir, wenn wenn Du dich zurückerinnerst an meine fachliche Eingangsbemerkungen, Bleiben wir mal beim Bestandsmanagement, dann haben wir im Supply Chain Anbieter, die sich auf solche Themen spezialisiert haben, wie zum Beispiel Warenhausmanagement, ja? Es gibt Unternehmen, die eine so komplexe und vielfältige Material- und Produktpalette haben, dass son Warenlager sehr groß und sehr unübersichtlich werden kann. Und dann werden Softwarelösungen erstellt, die an das ERP System angekoppelt werden, dann eben viel transparenter das komplette Warenmanagement, also Materialmanagement. Wann kommt was rein? Wo liegt es? Wann wird es verfügbar sein? Wie viel ist davon verfügbar? Ja. Dagegen über stellst Du dann deine Produktionspläne und weißt, was reicht. Es ist rechtzeitig da oder auch nicht. Du hast das Beispiel Excel genannt. Also wir haben in in das ist in unserem Beruf sehr, sehr spannend, weil wir viele Einblicke in in verschiedenste Unternehmen gewährt bekommen. Und die der der der Digitalisierung in Deutschland ist wahnsinnig diversiv. Also Du hast Unternehmen, die sind unfassbar vorweggehend und auch im internationalen Wettbewerb absolut auf Augenhöhe mit anderen. Und dann hast Du aber auch ganz viele, die noch mit Excel, teilweise sogar auch mit Papier und Bleistift arbeiten. Und selbst Unternehmen, die Weltmarktführer sind, haben dann vielleicht an einem Standort einen höheren Automatisierungsgrad und Digitalisierungsgrad als woanders. Wir haben jetzt zum Beispiel einen Automobilzulieferer, 1 der Weltmarktführer und mit die Besten in dem, was sie tun. Und die hatten dieses Fahrenhaus Thema, dass sie sagten, wir haben so eine Komplexität mittlerweile bei Bauteilen und und schaffen es nicht immer aufgrund dieser ist ja vielleicht 'n Begriff. Im Automobilsektor wird wirklich teilweise Minuten, vielleicht sogar sekundengenau in die Produktion geliefert. Und bei 1 hohen Produktkomplexität und hohen Teilediversität ist es wahnsinnig schwer von Menschen Hand noch, das Material in das richtige Lager, in das richtige Fach und dann da rausholen rechtzeitig und an die richtige Linie zum richtigen Minutenzeitpunkt zu bringen. Und ohne eine Softwarelösung, die da absolut taktgenau mithilft und die auch alle beherrschen können, ist es schon unmöglich als Mensch, das noch richtig zu beherrschen, ja. Und die haben genauso eine Herausforderung.
Speaker2: Wenn Du jetzt auf deinen Arbeitsalltag schaust, was mich vor allem auch interessiert, den Impact, den die jüngsten, okay, zweieinhalb Jahre seit ChatGPT Release, aber die KI Veröffentlichungen auf den Arbeitsalltag hatten, dann das Beste zu verstehen. Ich hab jetzt 'n Bild davon gewonnen, was ihr in euren Projekten macht. Aber jetzt mal wirklich, Robert steht auf, setzt sich ins, weiß ich nicht, Auto, Flugzeug, Lastenfahrrad, keine Ahnung, ja. Oder Büro. Oder Büro. Wie wie wie sieht es aus? Ja genau. Oder Beispiel Homeoffice. Gehen wir das mal bitte durch. Wie sieht 'n Arbeitsalltag, Stand heute bei dir aus, klebst Du immer noch DIN A4 Zettel auf Brown Paper an die Wand? Wie wie sieht das aus?
Speaker3: Nein, tatsächlich nicht. Ich selbst bin ein großer Freund digitaler Lösungen, deswegen versuche ich das nicht nur in meinen eigenen Arbeitsalltag, sondern auch privat tatsächlich versuchen wir in der Familie das Papier so weit wie möglich weg zu reduzieren. Du, der der ist sehr unterschiedlich, der Arbeitsalltag zwischen laufenden Beratungsprojekten. Projektanfragen. Und Projektanfragen gehen los mit einfachen Gesprächen, wo der Kunde uns erst mal die Situation schildert, wir dann dazu uns ein 1 besseres Bild machen, Fragestellungen hinstellen und dann eben ein mögliches Vorgehen definieren, dann auch eine Angebotserstellung zu machen. Und dann gehen wir mit dem Kunden gemeinsam diese durch, passen das alles noch mal an, bis wir dann tatsächlich dann mal loslaufen und und zum Kunden dann auch hinfahren und uns die Situation vor Ort anschauen und dann loslegen. Das heißt, es ist sehr unterschiedlich die Dokumentation, die Arbeitsmittel, die dort entstehen sozusagen. Also wenn wir bei bei Angeboten sind und was wir natürlich auch tun, wir müssen ja auch immer am Puls der Zeit bleiben. Wir betreiben auch Recherchen zu diversen Themen. Also was was sind die aktuellsten Brennpunkte zum Beispiel in den Lieferketten? National, paneuropäisch, international. Was sind die Themen, wo die Unternehmen momentan am meisten mit zu kämpfen haben? Weil wir haben den Anspruch vorwegzugehen. Das heißt, wir wollen schauen, dass wir unsere Kunden sogar dahin beraten können, zu sagen, da kommt ein Problem auf dich zu. Nicht nur, dass sie zu uns kommen, ich hab ein Problem und hilf mir, das zu lösen. Mhm. Und dafür müssen wir auch ganz viel am Markt unterwegs sein und und sondieren und verstehen, was ist da los? Das heißt, Recherchen sind ein Teil der Arbeit, Angebotserstellung und dann natürlich in den Projekten Datenanalysen, Auswertungen, Konzepte erstellen, mit den Kunden aber auch am Ort des Geschehens sein durch ihre Produktion, Lagerhäuser, Distributionszentren zu laufen, da a zu verstehen und b, wenn wir Lösungen implementieren zu sehen, dass sie funktionieren, Das heißt, wir erstellen viel Bildmaterial, wir erstellen aber auch viel Zahlenmaterial. Wir arbeiten an Studien, die wir dann sowohl dem Markt als auch einzelnen Kunden zur Verfügung stellen zu gewissen Fragestellungen. Das sind so die die Aufgaben, mit denen wir uns beschäftigen. Und je mehr auch wir Technologie anwenden können, desto effizienter werden wir. Also fangen wir mal an mit Visualisierungen, ja. Es wird ja immer gesagt, der der Berater ist ja mit mit PowerPoint geboren, ja sozusagen und Folienschlachten, die da herrschen. Es ist nun mal tatsächlich, ob es PowerPoint ist oder Videomaterial, die Botschaft lautet, Ja, also bevor ich jetzt einen Aufsatz schreibe, ist es viel schneller und einiger meinem Gegenüber, sei es Kollegen oder auch Kunden, etwas visualisiert darzustellen. Und PowerPoint ist halt einfach das das stille Bild sozusagen. Wir erstellen aber auch Videomaterial, Dinge zu veranschaulichen. Und da kommt uns KI tatsächlich sehr zugute, weil wir wir wenden das tatsächlich an, Veranschaulichungsmaterial zu erstellen. Das heißt, mittlerweile können fast alle unsere Kollegen mit der KI über Prompting sozusagen kommunizieren und sehr genau unsere Anforderungen darzustellen, zum Beispiel einen exemplarischen Produktionsprozess von bestimmten Bauteilen in der Automobilzulieferindustrie darzustellen. Oder bestimmte Montageabteilung. Mhm. Dann nehmen wir und wir kennen ja die KI generierten Bilder, die sind jetzt nicht wirklich absolut auf das letzte Pünktchen naturgetreu. Aber darum geht's gar nicht. Mir geht's darum, einmal einen typischen Prozess aufzuzeigen, mit dem Kunden gemeinsam visuell das mit seinem Prozess zu vergleichen und einfach daran Konzepte auszuprobieren. Ja, und dann gehen wir natürlich in die reale Welt, nachdem wir es sozusagen auf der digitalen auf dem digitalen Blueprint gemacht haben, gehen wir natürlich dahin, wo die Musik spielt und simulieren das dort.
Speaker2: Okay, das heißt, nur das richtig einzuordnen, ihr generiert an der Stelle Bild- und Videomaterial Ja. Das sozusagen Richtung Fotorealismus geht. Illustrationen, exemplarische Illustration, so würde zum Beispiel eine Matrixfertigung bei dir aussehen, wenn wir sie einführen würden. Und jetzt ignorier mal, dass die Frau hier hinten nur 4 Finger hat. Das ist unfälle egal, ja. Aber so würde das konzeptionell sich in eine bestimmte Richtung bewegen. Im Vergleich zu, ihr benutzt jetzt KI nicht, irgendwie das 439. Tortendiagramm erstellen zu lassen, sondern es geht wirklich assoziative
Speaker3: Bildeindrücke an der Stelle. Korrekt. Und das ist eben nur der bildvisuelle Termin. Genau. Genau. Genau. Genau. Ich ich würd ich würd den den den Umgang mit Technologie tatsächlich einmal auftrennen wollen in aus der Beratungssicht, den intern, wie wir damit arbeiten, unsere Arbeit tatsächlich besser, schneller, effizienter gestalten zu können und das, was wir tatsächlich dann in Kundenmandaten Ja. Anwenden. Das ist noch mal eine ganz andere Geschichte. Da geht's sehr häufig das Thema Datenanalyse. Und da kommt die KI für uns immer mehr zugute. Mhm. Also ich ich möcht mal vielleicht 'n 'n konkretes Beispiel geben. Wir haben ein 1 Projekt gemacht für einen sehr renommierten deutsche Spirit Rosenhersteller. Und die sagten zu uns, wir würden gerne unsere Distribution ist schon am Anschlag, was was die Kapazitäten betrifft. Und wir müssen nach vorne betrachtet, Effizienzen heben, ansonsten kommen wir in den nächsten wenigen Jahren in eine Problemzone hinein. Wir wüssten gerne, wo sind die meisten Aufwände? Und damit wir das besser verstehen, wie das Distributionsnetzwerk funktioniert, sind wir hingegangen und haben quasi jede Bewegung 1 Flaschenproduktes aus 3 Jahren zurückverfolgt. Mhm. Kannst Du ja vorstellen bei einem Hersteller, der Hunderte von Millionen von Flaschen produziert in einem Jahr, reden wir bei dem eben Dreifachen über 3 Jahre. Und das haben wir damals auch mit 'nem Technologiepartner gemacht, der so eine 1 sogenannte supply Chain Suite mitbrachte, aber trotzdem war das noch nicht KI gestützt zu der Zeit. Mhm. Das heißt, wir haben die Rohdaten aufgenommen, haben sie dann in dieses System sozusagen überführt. Und der Großrechner lief ein paar Tage, bis er das dann ganze Mal einmal verarbeitet hat, sodass wir dann gezielt und das war eben die Mannschaft aus Beratern, die dann in die Auswertung gegangen ist. Das heißt, die Daten waren erst mal gecruncht und dann haben wir spezifische Sortierungen gemacht, Filterungen gemacht nach nach gezielten Daten zwischen Ergebnissen geschaut, dann quasi unsere Fragestellung zu beantworten, wo gingen die meisten Flaschen hin beispielsweise? Aus welchem von welcher Linie, welche Produktion, welche welche Produktgruppe war's denn tatsächlich? Welche Kundensegmente waren das und so weiter. Das war sehr, sehr aufwendig. Natürlich haben wir's am Ende geschafft. Das war sehr, sehr aufwendig. Heute bin ich dankbar dafür, dass wir mit dafür, dass wir mit KI genau hier ansetzen können, dass sich die KI auf die Rohdaten sozusagen ansetzen kann. Wenn wenn sie die Daten einmal durchleuchtet hat, arbeiten wir daran, dass ich quasi mit den Daten sprechen kann. Dass wir Fragen gezielt stellen, nachdem was uns interessiert, Auswertungen fahren zu können und die KI wertet es für uns aus und gibt uns dann eben die die zusammengefassten Ergebnisse daraus, ja. Das ist der Bereich, wo wo ich momentan den größten Nutzen für uns sehe. Ist vielleicht noch noch nicht so hochtrabend, aber für uns ist es eine große Hilfestellung. Das, was wir früher eben zu Fuß, wie ich immer sage, machen mussten, können wir heute deutlich schneller Mhm. Auswerten.
Speaker2: Das ist aber 'n Pattern, das sich da abzeichnet. Also in den verschiedenen Disziplinen, dass Du das Was und das Wie trennst und das Wie an die KI auslagern kannst. Also ganz pragmatisch, ich kann mir vorstellen, also ich nehm mir jetzt mal an, dass diese Datenanalyse bei euch heute auch so aussieht, dass Du eine fachliche Fragestellung an einen Model language Modellagenden stellst Und dann die konkrete Query an die Datenbank. Und dieser Query String ist da meinetwegen 4000 Zeichen lang. Ja, der wird von vom Modell erstellt. Und zwar so, dass er genau zum Datenbankschema passt und die richtigen Joints ausgeführt werden. Das Ganze auch noch so, dass der der Datenbankserver nicht abbricht, ja, weil man einen Fehler im im in der eingebaut hat, was in 'ner endlosen Vorschleife im mündet, lauter so Zeug, ja. Also das, dass ich mich als Mensch dann auf das was konzentrieren kann. Und komplett andere Domäne, das sehe ich auch bei den beim Ausformulieren fachlicher Texte. Also Du hast vorhin das Stellen von Angeboten erwähnt. Ich weiß nicht, inwiefern das bei euch da schon zum Einsatz kommt, aber es ist ja 'n Unterschied, was ich zum Ausdruck bringen möchte und wie ich's dann zum Ausdruck bringe. Und ich nutz es jeden Tag, dass ich meine Schreibagenten hab, die wissen, wie ich meinen Kram ausformuliert haben möchte. Ich braindampe das aber total roh über eine Audioaufnahme in unser System rein. Und die Ausformulierung, also das nicht das Was, sondern das Wie wird's dann ausgedrückt, das übernimmt eine KI für mich. Und das sind komplett unterschiedliche Domänen, aber man merkt da schon quasi immer diesen Split. Und auch dieses, was möcht ich auf 'nem Bild darstellen? Wie zeichne ich es? Mhm. Ja, also auch das, was Du vorhin erwähnt hattest, mit dieser Visualisierung ist wieder dieses Split. Mhm. Und was da aber immer mit reinkommt, ist, dass die Kontrolle letztlich von Menschen ausgeführt wird. Das heißt, ein Mensch steuert die Richtung. Die KI ist dann sozusagen der ausführende Daumen, der die Arbeit verrichtet. Und da würd mich an der Stelle interessieren, wo siehst 'n Du, dass die Reise hingeht? Also es wird ja immer mehr auch Richtung wirklich vollautonomer Systeme gearbeitet. Und Du hast vorhin erwähnt, Du Du Du splitterst das so ein bissel Richtung, okay, was liefern wir beim Kunden aus an Key und Karrieren und was nutzen wir intern? Und vor allem in diesem Research Aspekt, den Du vorhin auch angeschnitten hast, Da ist ja momentan extrem viel Bewegung drin bis hin zu, ich hab's heute erst gelesen, eine Aussage, Plan jetzt KI Agenten auch aufzusetzen, die dich dann 20000 Dollar im Monat kosten. Mhm. Aber mit der Überzeugung, dass auch entsprechend Mehrwert geliefert wird, dass die Kunden bereit sind, das auch zu bezahlen, ja. Mhm. Und wie ist da deine Wahrnehmung hinsichtlich dieser vollautonomen Agenten und Agentensysteme, wo dann eben nicht mehr der Mensch im Fahrersitz sitzt, sondern die KI selbst kontrolliert Aufgaben ausführt? Mhm.
Speaker3: Ich ich glaube, dafür ist es tatsächlich noch etwas früh. Da mag ich jetzt vielleicht etwas konservativ klingen, ich bin aber eben noch nicht vollends überzeugt. Ich ich bin mir sicher, dass es kommen wird. Und wie wir heute die exponentiell schnellen Entwicklungszyklen sehen gegenüber dem, was es allein schon vor 20 Jahren war, wird das sicherlich in den wenigen Jahren, wenn nicht sogar Monaten der Fall sein. Wir sehen's tatsächlich in unserem Umfeld noch nicht. Also deswegen auch immer, wenn ich die Frage stellt kriege, oh Gott, ist der Beraterberuf gefährdet durch KI? Aus meiner Sicht noch lange nicht. Weil wie ich schon sagte, die die Erfahrung und das fachliche Know how und dann gekoppelt mit Nuancen, die man am Shopfott tatsächlich oder in in in in den Arbeitsabläufen beobachten muss. Und da gibt's so viele Disruptionen, die nicht immer nur 1 rein einfachen, in Anführungszeichen, Logik zu begründen ist. Da sind wir schon noch gefragt. Wir nutzen es, wie ich schon sagte, tatsächlich uns einfach Fußwege, die wir früher gegangen sind und die ja auch der Kunde für uns sozusagen als Arbeitszeit verrechnet und bezahlt hat, dass das wegfällt, das sehe ich. Was ich sehe als Agenten, ich find den Begriff sehr, sehr gut, wir arbeiten ja mit einem Weltmarktführer in Lösungen zusammen. Und sie haben jetzt vor 'n paar Monaten tatsächlich einen Supplyt Chain Agenten in ihre Lösung erfolgreich implementiert. Das heißt, Du musst dir vorstellen, wenn ich als Supplyt Chain Manager in einem großen produzierenden Betrieb bin, Dann hab ich einen Teilbereich, den ich verantworte, ja. Das kann eine bestimmte Kundensegment, Produktsegment mit dem eben dazugehörigen Markt- und Materialsegment sein. Das heißt, mich interessiert von diesem großen Mittelständler oder Konzern einen Teilbereich als Supply Chain Manager und nicht alles, was da Supply Chain Manager und nicht alles, was da passiert, weil ansonsten mach ich meinen Job nicht richtig. Und genau das haben Sie jetzt sozusagen erstellt. Also deren Supplyt Chain Lösung greift auf das gesamte ERP System zu und hat alle Informationen zur Verfügung an Material und und Abrufdaten, Bestellfrequenz, Produktionsdaten und so weiter und wird individuell auf diesen Supplyt Chain Manager der Agent sozusagen eingestellt. Und Sie haben das sehr schön demonstriert. Auf dem Weg zur Arbeit hatte dieser KI Agent ihm quasi dem dem Mitarbeitenden, der Mitarbeitenden die die wichtigsten Zahlen des Tages referiert. Und er konnte mit ihm auch chatten. Also vor der Arbeit gehen manche joggen, dann hat er der den tatsächlich über sein Handy im Zugriff und mit den AirPods im Ohr und hat sich den Report, was ist die wichtigste Zahl und und die wichtigsten Reports des Tages für dich und deinen Bereich? Und dann hat er auch Fragen stellen können, ja. Bedeutet das mit der Lieferung, die wir aus, weiß ich nicht, Amsterdam erwarten? Ist das Schiff schon unterwegs? Wie ist da die ETA, also die? Haben wir genug Bestand auf Lager für die Anfrage, die gestern ins Haus gepurzelt ist, sozusagen aus aus Asien. Und wenn Du wenn Du draufschaust, hatte er auch als Dashboard genau die KPIs, die nur ihn interessieren und er er hat sich das vorlesen lassen können. Also es war schon sehr beeindruckend, weil das wirklich im Dialog war mit dem Agenten. Mhm. Mhm. Was ich da raushör,
Speaker2: die hatten das System im Griff. Also das ist ihr System. Und damit wissen die genau, wie nicht nur die Daten strukturiert sind, sondern auch die Metadaten zu verstehen und zu lesen sind. Ja. Ja. Und ich hab grad so Vietnam Flashbacks aus 'nem ganz konkreten Anlass, nämlich das ist, das find ich sone totale Gleichzeitigkeit, ja. Also wir unterhalten uns auf der einen Seite über vollautonome Research Agenten oder jetzt hier die Supply Chain Agenten. Und auf der anderen Seite habe ich in 'nem aktuellen Projekt die Herausforderung. Ich habe das Vergnügen, hier im Podcast auch mit Wirtschaftsbriefern zu sprechen, ja? Ja. Und haben halt viel mit Gesetzestexten zu tun. Und das Ah ja. Ja. Andere, komplett anderer Kunde. Aber da geht's nur mal drum, eben in diesem Sinne, ich bleib während Joggen up to date im Bereich CSRD Reporting, also Nachhaltigkeitsberichtserstattung passiert wahnsinnig viel. Jetzt wird vor Kurzem erst die Omnibus Direktive veröffentlicht von der EU. Das bedeutet unendliches Crunching von seitenlangen Dokumenten. Und da ist natürlich die Idee da. Und das ist erst mal eine gute Idee, ja, dass ich sag, ich wünsch mir einen Agenten, der mir hilft, jetzt nicht wie in dem Fall auf diese Supply Chain Daten zuzugreifen, sondern auf Gesetzestexte zuzugreifen. Was bedeutet jetzt dieses Update für meine Mandanten ABC, ja? So. Also von der Logik her ähnliches Schema, aber mit 'nem riesengroßen Unterschied, nämlich die Daten für meinen Case jetzt grad kommen nicht von mir selber, sondern von der EU. Und ganz konkret, Du glaubst nicht oder vielleicht hast Du es auch selber schon mal vor der Flinte gehabt, son einfaches Textdokument. Das besteht aus dem Inhaltsverzeichnis, Fließtext und Fußnoten, ja? Und wenn Fußnoten sich über mehrere Seiten erstrecken, wie schnell du einen KI Agenten zur Strecke bringen kannst. Nur weil eine Fußnote über 3 Seiten geht. Und der das von seiner Logic einfach nicht hinbekommt. Oder nächstes Beispiel, das Interpretieren von Charts, ja? Wir kriegen's mit 'nem Standard ChatGPT ums Verrecken mich hin, dass wir aus einem Chart Balken Werte auslesen, 3 von 4, 2 von 4, 4 von 4, weil die Modelle das einfach nicht in ihren Trainingsdaten scheinbar drin hatten. Und wir gehen wieder den konventionellen Bildverstehweg, ja. Und da denk ich aber, das kann's doch nicht sein, ja. Dass wir auf der einen Seite hier über vollautonome Agenten sprechen. Und dann scheitern die an Fußnoten. Und deswegen ist das Beispiel von dir so schön, ja? Eben ein Beispiel, es funktioniert. Warum? Weil die Stammdaten unter Kontrolle sind. Ja. Und das ist Ja, oder? Das ist und das ist wirklich, wenn ich quasi eine Message hier platzieren kann für die Zuhörer, essenziell dieses Thema schlechter Daten verhageln dir eine Machine Learning Analyse Jetzt umso wichtiger schlechte Daten
Speaker3: verhageln dir jeden autonom Agenten, bevor er überhaupt losgelegt hat. Absolut. Wir sagen dazu Trash in Trash out. Ja klar. Ja. Im Prinzip, das gilt auch für KI. Du hast es sehr, sehr gut eingegrenzt. Genau. In dem Supply Chain Beispiel ist es aber auch ein geschlossenes Datensystem. Genau, richtig. Es sind nur die Unternehmensdaten. Es geht bei dem Crunching dieser Daten nicht Internet Informationen aus fast endlosen Quellen, sondern er greift auf ein ERP System zu. Da geht's dann natürlich, da muss man schon die gemacht haben, dass ich saubere Stammdaten, wie Du gesagt hast, auch habe. Aber es ist ein geschlossenes Datensystem. Das ist zuverlässig an der Stelle. Deswegen muss man umso vorsichtiger bei Recherchen sein und deswegen sind wir Menschen auch immer noch, genauso wie der Wirtschaftsprüfungskollege, der das gesagt hatte beim letzten Mal. Ja. Wir müssen da immer prüfen, weil ansonsten laufen wir Gefahr, Falschinformationen zu vermitteln und dann haben wir unsere Kredibilität verloren, ne. Und deswegen bin ich da, wie gesagt, konservativ. Wir wir nutzen die KI wie gesagt wie einen virtuellen Unternehmensberater, der uns eben so wie son bisschen vielleicht irgendwo zwischen zwischen Junior und Senior Consultant, wo wir unseren Teamkollegen einfach ganz viel manuelle Tätigkeiten genauso wie die Industrieunternehmen abnehmen damit. Einfache Transkriptionen. Wir wir machen ja so viele Workshops mit vielen Teilnehmenden, wo ganz viel Wichtiges gesagt wird, jetzt mal ganz einfach. Und das muss man mitnehmen. Und früher mussten da mindestens 2 Leute mitschreiben und das am besten idealerweise noch während des Schreibens strukturieren, damit wir hinterher in der Nacharbeit nicht so viel Zeit verlieren. Ja. Das macht heute tatsächlich sehr, sehr schön eine KI für uns, die eine Transkription mitfährt. Das liegt dann auch allen zur Verfügung, also damit man weiß, so mit persönlichen Daten und so weiter gehen wir da sehr sauber Aber dass viele Gesagte von Fachexperten, die dann teilweise nur für eine Stunde dazukommen an sonem Tag und dann wieder rausgehen, ne. Geht nicht mehr verloren, ja. Und lässt sich sehr schnell strukturieren und wir sparen da Unmengen an Zeit. Mhm. Mhm. Also kann ich nur unterstreichen, das war auch 1 unserer ersten Learnings
Speaker2: bei Erium, als wir in 1. Beratungsprojekte rein sind. Wir hatten eher immer quasi die Angst so, oh, dass eben der Effekt auftritt so, jetzt wollen hier irgendwelche Jungspunde mir erklären, wie's Business geht. Wir hatten Glück, ja. Also die Ingenieure, die eben sich mal eine Stunde freischaufeln konnten, die waren total positiv uns immer eingestellt. Und aber dann Care Effekt, die haben uns total zugebraindammt mit allem, was was ihnen eingefallen ist, weil denen natürlich auch nicht klar war, was genau müssen die jetzt wissen? Wir wussten es auch noch Und back in the days, ja, wir haben auch da viel dann eben nicht verarbeiten können. Heute läuft bei uns genauso das Mikro mit und wir gehen dann am Ende das Transkript rein und werten es ganz gezielt für den Kunden aus. Also das das kann ich nur unterstreichen, Ja, so. Was das für 'n Mehrwert ist, ja. Und dann aber, also jetzt noch mal Blick auf auf die Kundenseite. Robert, wie wie sind denn die Kunden wirklich unterwegs? Also kommt zu dir am Tag jemand und sagt so, hey Robert, ihr müsst uns jetzt hier KI liefern? Oder sind's doch eigentlich immer noch die alten Themen wie anno dazu mal? Und wenn dann KI eine Rolle spielt, ja okay, mir egal, dann ist halt KI mit dem Package mit dabei. Also wie ticken da eure Kunden? Weil ich da auch sehe, dass da die Branchen auch sehr unterschiedlich arbeiten, ja? Ja.
Speaker3: Es es sind tatsächlich sehr, sehr wenige, die so weit technologisch in der und in der Digitalisierungs sind, dass sie sagen, wir haben schon so viel automatisiert und so viel Software und machine learning hier implementiert, was könnte denn KI noch für 'n i-Tüpfelchen bei uns draufsetzen? Das sind die aller allerwenigsten. Die meisten kommen wirklich und das das kann ich auch nur befürworten,
Speaker2: kommen wirklich mit prozessualen Herausforderungen. Also wie wir gesagt hatten, ich hab entweder nicht die richtigen
Speaker3: Bestände, Also wie wir gesagt hatten, ich hab entweder nicht die richtigen Bestände oder ich hab ich krieg nicht genug produziert oder geliefert, wie ich müsste. Ich hab ein Lieferantennetzwerk, was gefährdet ist, dadurch, dass es eben in Übersee ist oder mit Rohstoffen handelt, die umkämpft sind oder wie auch immer. Also das sind eher die Themen, mit denen man zu uns kommt und wir immer erst von der Beschaffenheit und der sozusagen Ursprung des Problems hergehen, aber immer das Thema Technologielösung im Kopf mitschwingen haben. Zum einen lässt es sich zwar viel über Prozesse, Umstellung machen, aber wir haben halt immer noch sehr viel manuelle Aufwände, die wir vorfinden. Wo Menschen einfach ganz viele langwierige Prozesse machen müssen und allein dadurch, dass Unternehmen son bisschen gefesselt ist, über die bestehenden Kapazitäten hinauszuwachsen. Und da kommen wir immer mit Vorschlägen, mit Technologiebeispielen. Wie ich erwähnt hatte, werden ja einige Partnerschaften an Bord, wo wir ganz unterschiedliche Lösungen mitbringen können und implementieren können, eben immer mit dem Ziel, den Menschen die Arbeit zu erleichtern, ja. Und in Deutschland haben wir halt leider immer noch viel manuellen Aufwand, Ja, das ist so. Mhm. Mhm.
Speaker2: Wir haben eine Tradition bei uns im Podcast. Und zwar stell ich gerne hinten raus 5 schnelle Fragen. Oh. Mhm. Ja, und ich würd da gern mit dir eintauchen, Robert. Antworte schnell, nicht lange überlegen. Meine spontane Antwort ist die, auf die ich's abgesehen hab. Okay. Steigen wir direkt ein. 1. Frage, in welchem Bereich deiner Arbeit würdest Du am liebsten noch mehr Jenné I nutzen?
Speaker3: In in Kundenprojekten tatsächlich. Also bei Auswerten und Simulieren von Szenarien.
Speaker2: Soll ich noch weiter ausführen, das verständlicher zu machen? Ja, gerne. Das ist schnell spontan. Ja, ja, ja, die Antwort kam schnell, aber sie darf auch ausführlich sein, ja. Ja, gerne.
Speaker3: Also ich hatte ja diese dieses Massendatenverarbeiten
Speaker2: erwähnt. Ja, ja, genau. Und
Speaker3: da sind wir schon ganz gut aufm Weg. Wir arbeiten dann aber auch gerne mit Szenarien. Also noch mal zurück zu dem Spirituosenhersteller, der dann sagt, okay, wie kann ich denn jetzt besser meine Produkte verteilen, also distribuieren? Und dann haben wir da tatsächlich 9 unterschiedliche Hauptszenarien aufgestellt, wo wir dann eben wiederum die Daten eingespeist haben, es es laufen lassen haben. Und dann kamen am Ende Ergebnisse raus, wie diese Kunden haben's besser, schneller gekriegt, günstiger. Der Logistiker hatte eine bessere Routen und so weiter und so fort. Auch das haben wir tatsächlich selbst als Menschen mit Data Crunching und und Parametrisierung gemacht. Da würde ich in in naher Zukunft gerne mehr die KI anwenden, dass sie uns bei Simulationen unterstützt.
Speaker2: Okay. Und das sind aber dann numerische Simulationen oder sind es auch quasi schwammigere Simulationssettings, wie angenommen, es werden jetzt zwischen 2 Ländern, ist, ich weiß, total unrealistisch, aber eben hier Zölle eingeführt beispielsweise, ja. Was würde das bedeuten?
Speaker3: Auch in diese Richtung unbedingt. Also schwammig ist, glaub ich, nicht nicht so ganz der schwammig für uns Menschen, ja, am Ende. Für uns Menschen, ja, ja, ja, genau. Genau, genau. Wo wo aber ganz viele Einflussfaktoren mit reinkommen. 1 dieser Supply Chain Anbieter, mit denen wir zusammenarbeiten, hat zum Beispiel während Corona was sehr Smartes eingeführt während der Coronazeiten. Das war machine learning basiert. Auch das war noch nicht ganz KI Zeitalter, wo sie dann in in komplexe Logistiknetzwerke den Covid Impact als Parameter mit reingebracht haben. Was bedeutet das? Zum Beispiel, wenn grade die Fallzahlen hochgingen. Wir wissen ja zum Beispiel, der Hafen von Shanghai, der ein weltweites sehr wichtiges Verteilnetz Hub ist sozusagen, wurde geschlossen für ein paar Wochen. Das hatte ja eine unfassbare Aufwirkung auf die Lieferketten der Welt. Dann konnte diese dieser Algorithmus auf aufgrund von verschiedenen Parametern wie gestiegenen Fallzahlen, Meldungen, Überlastung der der Gesundheitsinfrastruktur und so weiter, Gefahrenpotenzial zum Beispiel auf den Hafen von Rotterdam dann ausrechnen und sagen, die Wahrscheinlichkeit, dass hier ein Problem entsteht, liegt bei 60 oder so. Mhm. Und mit KI geht das natürlich hoffentlich viel besser, komplexer und einfacher, weil dann natürlich noch mehr Datengrundlagen zur Verfügung genommen werden können. Und da auch gerne in Richtung Simulation. Also was heißt das für meine Lieferkette, wie Du schon sagtest, wenn jetzt Zölle entstehen oder China mit Taiwan sich etwas ernster sozusagen
Speaker2: streiten miteinander. Ja, ja, ja, ja. Ist übrigens auch 'n Pattern, das sich abzeichnet in unseren Projekten. Und zwar das durch die Klinieren von Auswirkungen aufgrund 'ner neuen Situation. Mhm. Also nimm eine Anwaltskanzlei mit 'nem Fokus. Die arbeiten so, dass sie interne Guidelines haben, Best Practices, wie Verfahren, wie zu verfahren ist. Wenn Klient a Situation b hat, dann nach c. Und die Partner 1 Kanzlei setzen sich regelmäßig zusammen, wenn's Änderungen in der Gesetzgebung gibt oder im, das durchzudeklinieren, was das jetzt für die internen Dokumente und und und Vorgaben bedeutet. Also genau dieses Durchdeklinieren. Dann vorhin hatten wir das Thema der CSRD Regulatorik. Was bedeutet das jetzt für meine Klienten? Ich hab jetzt aktuell grad eine Anfrage aufm Tisch. Das ist 'n großes Institut. Da geht's drum, den Impact neuer Gesetzgebung auf Tausende von Arbeitsanweisungen des Hauses zu prüfen. Du hast jetzt grad eben das Szenarienbeispiel gebracht, Du hast eine neue Situation in deshalb, also in der in der Welt letztlich, ja? Was bedeutet das jetzt für die viel, viel, viel, vielen Dimensionen meiner Supply Chain? Genau. Das ist 'n Pattern, das ich die letzten Monate beobachte, wo KI tatsächlich mit dem heutigen Mix aus General und Machine Learning im Sweet Spot treffen kann, weil es eine repetitive, spezifizierbare Aufgabe ist, Mhm. Wo Du als Mensch aber irgendwann völlig aussteigst.
Speaker3: Ja, korrekt. Ja. Und genau in dieser, wir wir haben's ja früher auch schon immer genannt. In dieser präskriptiven Szenarien, Simulation und dann eben Maßnahmenvorschläge. Du kannst so und so damit umgehen. Da erhoffe ich mir noch noch einiges in naher Zukunft.
Speaker2: Jetzt müssen wir im Sinne der schnellen Fragen schnell zur Frage 2 gehen. Jetzt mal retrospektiv betrachtet, ja, also auf die Zeit, was bisher passiert ist, welche Fähigkeit und oder welches Feature von hat dich am meisten beeindruckt, am meisten überrascht?
Speaker3: Das Thema der Bilderstellung tatsächlich. Also Bilder und Videos, was son bisschen erschreckend auch schon ist, wenn man tatsächlich da sieht, was was mit mit dir als Person in eine Umgebung wirst Du reingesetzt und und gleichzeitig eben beeindruckt über Chancen, aber auch Risiken, die damit verbunden werden, über Chancen, aber auch Risiken, die damit verbunden werden, weil man dann quasi unterstellt werden kann, dass man irgendwo war, wo man gar nicht war. So realistisch ist das. Aber das find ich vielleicht, weil ich son visueller Mensch auch bin, find ich wahnsinnig beeindruckend, was da für Bilder entstehen können. Sowohl stille Bilder als auch bewegte Bilder. Das ist schon schon beeindruckend und gibt uns auch einfach tolle Möglichkeiten, sowohl im privaten Alltag auch mal Bilder zu erzeugen aus Spaß, aber umso mehr, wie vorhin auch erwähnt in unserem Doing, wo wir Visualisierungen für für mögliche Konzepte einfach mal so in wenigen Minuten teilweise Sekunden erstellen können.
Speaker2: Ja, richtig. Und vor allem bezüglich Bewegtbilder, die meisten haben wahrscheinlich Zora von OpenAI da am Schirm. Aber just gestern hab ich mitbekommen, dass jetzt auf auch noch mal eine neue Generation von Open Source Modellen online gestellt wurde, die dir in 45 Sekunden einen 5 Sekunden Clip rendern. Also da bewegt sich auch vieles in der Open Source Community. Das heißt, wer sich jetzt grad denkt vielleicht, ja okay, schön und gut, aber das ist ja alles nur in den USA verfügbar, weil OpenAI in Europa nicht released. Nee, ist nicht so. Also erstens, SORA ist jetzt auch in der EU verfügbar, wer wer 'n Geldbeutel aufmacht. Aber es gibt auch Open Source, wahnsinnig viel, was man nutzen kann. Ja, stimmt. Ja. Ja, tolle Möglichkeiten. Wenn Du dir eine zusätzliche Fähigkeit oder Superpower von JENAI wünschen könntest, welche wäre das? Sprich, was fehlt dir heute noch?
Speaker3: Für den Menschen unlösbare Probleme zu lösen. Ja, mit unlösbar Ich glaube, dass der Mensch ganz, ganz vieles lösen kann, ich glaub sogar fast alles. Da bin ich, ich ich glaub wirklich an an die Menschheit. Es dauert einfach nur wahnsinnig lange, wenn man sich mal anschaut. Ich mein, unsere Möglichkeiten sind natürlich viel, viel schneller geworden durch Technologie, ja. Wenn man sich das das 20. Jahrhundert anschaut in 100 Jahren, ist schon im Vergleich zu den Jahrtausenden davor wahnsinnig viel passiert und jetzt ist es in den wenigen letzten Jahren und Monaten so. Aber unlösbare Probleme, ich hab tatsächlich son son son philosophisches Herzensthema, Theo, wo wo ich Hoffnung habe, dass KI 1 Tages solche unlösbaren Probleme für uns dann lösen kann. Und das ist so etwas wie zum Beispiel die Kernfusion. Mhm. Ja. Das ist ein wahnsinnig physiochemikalisches Problem, ja, physikalisches Problem, was wir Menschen sicherlich auch 1 Tages lösen würden. Wo ich aber sage, da hoffe ich auf KI Einsatz, weil es einfach so viel mehr Sprünge machen kann in in dem, was wir Gedankensprünge nennen, macht es einfach mathematische Sprünge, denen wir nicht mal ansatzweise schnell folgen können. Und da wär ich auch mutig genug zu sagen, irgendwann muss ich den Lösungsweg nicht mehr verstehen als Mensch. Das wird wahrscheinlich so sein. Wenn ich aber die Lösung bewerten kann sozusagen und verstehen kann, dass ich sie gesichert nutzen kann, dann ist das doch ideal. Also saubere, kostenlose Energie für die Welt, das wär doch was Tolles.
Speaker2: Mhm. Mhm. Ja, das ist 'n wichtiger Punkt, den Du ansprichst. Also vor allem auch in der Mathematik, 'n paar der bedeutendsten Erkenntnisse kamen dadurch zustande, dass irgendjemand mehr oder weniger zufällig zwischen Fachbereichen gesehen und gefunden hat, die halt bisher in verschiedenen Disziplinen unterwegs waren. Also was hat 'n topologischer Chirurg? Das gibt's wirklich, ja. 'N topologischer Chirurg mit 'nem Numerologen zu tun. Ja, erst mal nix. Aber eine KI hat hier eben eine Chance, über Domänengrenzen hinweg zu. Ich nenn's jetzt mit denken, ja, auch wenn denken jetzt nicht der richtige Begriff ist, aber da Connections herzustellen. Und dann ist mir tatsächlich egal, wer diese Connection gefunden hat.
Speaker3: Let's use it. Ja. Ja, genau. Und das das mit der Energie war jetzt ein Beispiel. Ja, ja. Aber in der Medizin gibt's auch noch so viele Möglichkeiten im im Thema Klimaschutz, wo wir, glaube ich, noch mal alle Lösungen auch finden würden, aber hier wir einfach wahnsinnig schnell sein können dann. Mhm. Das ist meine Hoffnung.
Speaker2: Nächste Frage vor dem Hintergrund. Du hast vorhin erwähnt, dass ihr KI einsetzt wie son Junior oder bissel bissel mehr als 'n Junior Consultant. Wenn ich jetzt mich da rein arbeiten möchte in sone Consultant Karriere, muss ich ja irgendwann mal anfangen. Mhm. Ja, so. Jetzt hab ich aber KI, die mir meinen Junior Consultant Job ein bissel streitig macht. Was würdest Du dementsprechend jungen Berufseinsteigern empfehlen, sich, wie sie sich aufstellen sollen vor dem Hintergrund von Jenna Ai?
Speaker3: Also den Umgang mit Technologie zu beherrschen und zumindest zu einem gewissen, Du kannst ihn nicht vollständig beherrschen, wenn Du in den Beruf einsteigst, Gottes Willen, das ist nicht die Erwartungshaltung. Aber zumindest eine Technologieaffinität und Verständnis und auch schon im Studium und in in seinem privaten Wissensvermögen, sag ich mal, eine gewisse ein gewisses Technologieverständnis und eben Umgang mit KI und Algorithmen auch mitzubringen. Auch der Juniorberater wird unerlässlich bleiben, ja, weil ne, irgendwann, wenn wir nicht Nachwuchs fördern, dann wird's auch irgendwann keinen Experten mehr geben. Aber der der Beruf verändert sich einfach und das ist ja auch für sie umso spannender. Sie müssen dann weniger, ich sag mal, diese händischen Arbeiten tun, die ein Juniorberater vor 20 Jahren hätte tun müssen. Wie protokollieren, wie Bilder in Powerpoint erstellen, wie das Internet nenn ich das immer, weil das son großes Netzwerk ist, nach Tausenden Informationen, diese dann strukturiert zusammenstellen und zu 'ner Kernaussage zu kommen, das können auch Sie ja viel, viel schneller tun. Das heißt auch, deren Entwicklung kann ja viel schneller vorankommen, Unsere gesamten Capabilities oder oder Fähigkeiten als Berater entwickeln sich weiter, werden kommen wahnsinnige Stufen weiter, wo wir weil wir eben diese Basisarbeiten nicht mehr tun müssen. Insofern, was mitbringen, gerne Technologieaffinität und auch son gewisses, ja, Stack an an Know how, ja. Mhm.
Speaker2: Das heißt, ich ich ich paraphrasiere das jetzt mal so, die Technologie, die es gibt, nutzen, einfach den Junior Level möglichst schnell zu überspringen.
Speaker3: Ja, das ist durchaus gut gut dargestellt. Ja. Aha.
Speaker2: Schönes Bild und tatsächlich, also wenn ich mir jetzt das anschaue, wir arbeiten uns ja auch immer in neue Domain ein. Und mir hilft es echt tatsächlich, mich einfach mal schnell einzuarbeiten. Ja, was ist denn ein Quellensteuergesetz? Ja, also früher, keine Ahnung, liest irgendwie was durch. Aber jetzt habe ich echt einen Sparringspartner an der Hand. Ja, das stimmt. Und kommen wir zur letzten Frage. Wenn Du deinem zwanzigjährigen Ich einen Rat geben könntest, gibt's Du überhaupt einen? Ja, oder sagst Du, nö, passt? Und wenn ja, doch, welchen?
Speaker3: Außer Apple und Microsoft Aktien zu kaufen damals, oder? Du, ganz schwierige Frage. Also ich würde nichts verändern, wenn wenn die Frage son bisschen in die Richtung schwingt, ich muss mich annähern. Ich würde nichts verändern, weil ich der festen Überzeugung bin, auch aus, wenn man sie überhaupt Fehlentscheidungen nennen kann, wächst man wahnsinnig und aus denen lernt man im Leben noch viel mehr als aus erfolgreich getroffenen Entscheidungen. Daher auch, wenn ich gesagt hab, das war 'n beschwerlicher Weg mit der Promotion und so weiter, das würde ich genauso tun, weil das hat mich zu dem gemacht, was ich heute bin. In insofern 'n Rat geben. Nee, ganz ehrlich, also ich ich Dann bleiben wir bei den Microsoft dann Nie aufgeben. Nie nie aufgeben und und und immer immer weiter nach der nach der nächsten Perspektive zu jagen sozusagen, eben sein sein Horizont weiter zu erweitern. Das das ist, glaube ich, so den Rat, den ich auch mir immer wieder geben würde.
Speaker2: Sehr cooles Schlusswort. Robert, ich danke dir sehr für das spannende Gespräch. Du hast Vielen Dank. Sehr plastisch gemacht. Ich hab jetzt deutlich besser auch für mich noch mal verstanden, wie eigentlich mal son Arbeitsalltag in der Supply Chain Beratung aussieht. Vielen herzlichen Dank. Ich drücke die Daumen, dass Du nicht zu viele Nerven verlierst bei der Digitalisierungswüste Deutschland.
Speaker3: Oh, weil am am Ende ist es das, was dir die Brötchen bezahlt. Also von daher. Ja, und wir haben ja die Chance, gemeinsam was zu erschaffen und das ist immer toll, ja? Und man sieht ja dann die Ergebnisse und und und das ist immer wirklich auch sehr belohnend, ja? Ganz herzlichen Dank auch von mir, Theos. Es hat mir großen Spaß gemacht. Sehr spannend. Vielen Dank.
Speaker2: In diesem Sinne, mach's gut, Robert. Wer bei Detecon anfangen mag, bombardiert den Robert mit Nachrichten auf LinkedIn. Und in diesem Sinne, mach's gut, Robert. Danke schön. Bis zum nächsten Mal. Tschau. Bis dann. Tschüs.
Speaker0: Wenn ihr uns 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 Erium Podcast.