Uli Zellbeck – Datenspezialist und Gründer von modellagenten

Season 5· 15. März 2022· 3066

Episode cover: Uli Zellbeck – Datenspezialist und Gründer von modellagenten
0:003066
  • Dr. Theo SteiningerCo-Founder & CEO at Erium
  • Uli ZellbeckGuest, Founder of the agency Modellagenten, Data and Digitalization Consultant

Overview

In this episode of the Erium Podcast, host Theo Steininger speaks with Uli Zellbeck, founder of the agency Modellagenten, about hands-on data consulting, ETL architectures, and the art of successfully implementing complex technical projects together with clients. The conversation also sheds light on the importance of an open error culture, structured ways of working, and knowledge transfer through training for sustainable digitalization projects.

About the guest

Uli Zellbeck is the founder of the agency Modellagenten, which advises companies in the areas of process management, data architecture, ETL development, and machine learning. Before going independent, he led the Data Science and Machine Learning division at a mid-sized consulting firm and worked as an Agile Coach and Data Warehouse Developer at a large e-commerce company. Alongside his technical consulting work, Uli is passionate about delivering training - both for beginners without a technical background and for experienced developers and data engineers. In his personal life, he is a father of two, a retired DJ, and a football coach for a U10 team.

Summary

Modellagenten: Consulting Between Process Digitalization and the Data World

Modellagenten is a small, specialized agency that supports companies along two tracks: process management and automation on one side, and data architecture, data engineering, and machine learning on the other. Uli explains that both areas are closely interlinked - process definitions frequently form the foundation for the subsequent data strategy. Collaboration with his partner, who focuses primarily on Business Process Modeling (BPMN), takes place mainly in joint training projects where company employees are introduced holistically to data and process topics.

From Initial Meeting to Proof of Concept: The Consulting Process in Practice

Uli describes how a typical client project begins: the first priority is taking stock - what data is available, what processes already exist, and what is the ultimate goal? This is followed by a structured proof of concept to develop a shared technical understanding and demonstrate initial feasibility. In doing so, Modellagenten acts both as a strategic sparring partner and - when necessary - as an operational 'fire extinguisher' that steps in to tackle acute technical challenges. What matters to Uli is that the client is ultimately able to operate the developed solutions independently, or at least to hire the right specialists for the job.

Training at Two Altitudes: From Foundational Knowledge to Technical Deep Dives

A central pillar of Modellagenten's work is training - and at very different levels. On one hand, employees without a technical background are brought on board: starting from what a data point is, all the way to a basic understanding of why data engineering and machine learning exist. On the other hand, Uli offers in-depth technical training for developers, data engineers, and administrators. This broad spectrum also benefits him in projects, because it gives him insight into both the business perspective and the technical side, allowing him to build bridges between the two. A concrete example from the conversation: misunderstandings around the term 'hypothesis test' illustrate how important a shared language is in day-to-day project work.

ETL Architecture in Practice: Cleanly Transferring Web Scraping Data into a Search Backend

Uli describes in detail an ongoing client project: a service provider scrapes websites daily and delivers structured CSV files made available via Amazon S3. The central challenge was to build a robust ETL pipeline that, on one hand, ensures data quality - for example when website structures change or formats are inconsistent - and on the other hand can be operated by business staff without developer knowledge. After a careful requirements analysis, the team decided on the ETL tool Talend and Elasticsearch as the search backend. Uli emphasizes that the most technically elegant solution is not always the best one: what mattered most was that the client would be able to operate the system independently in the long term.

Structuring Complexity: The Pomodoro Technique, Visualization, and Collaboration Tools

Uli shares his personal methods for keeping an overview across parallel, dynamic projects. He relies on the Pomodoro Technique to break large tasks into 25-minute slots and structure his working day. Visualization tools like Miro help him make complex matters tangible - both for himself and in communication with clients. Meeting notes, early-shared 'work in progress' documents in Google Docs or Confluence, and collaboration tools like Jira are fixed parts of his workflow. In Scrum-based projects, he values the shared discussion of tasks during sprint planning, because simply talking through them already helps to structure the complexity.

Error Culture as a Success Factor: Transparency Instead of Cover-Ups

A recurring theme throughout the entire conversation is the importance of an open error culture. Uli is convinced: it is better to fail early and take the learnings with you than to cover up mistakes and lose valuable time. For him, it is essential that the client side also fosters a culture in which mistakes are permitted and discussed openly. Projects where this is not possible are ones he would rather end early. He deliberately measures success using concrete metrics - such as how frequently a jointly developed dashboard is used - rather than simply checking off tasks.

Motivation and Drive: The Mix of Technology and People Makes the Difference

When asked what drives him, Uli names two equally important sources of energy: the technical fascination with new databases, technologies, and tools on one side, and the direct human impact of his training sessions on the other. The immediate feedback after a three-day training course, as well as responses that still come in weeks later, he finds particularly valuable. The freedom that comes with being self-employed - being able to try things out and not always having to take the safest path - is a central motivating factor for him.

Key takeaways

  • Data consulting always begins with a thorough understanding of the client's existing data, processes, and goals - only then do technology decisions follow.
  • The proof of concept serves not only for technical validation, but above all for building a shared understanding between consultant and client.
  • Training at different levels - from foundational knowledge to technical deep dives - is essential for establishing a common language in day-to-day project work.
  • The most technically elegant solution is not always the best one: operability and the ability to hand the solution over to the client must be considered from the very beginning.
  • A lived error culture is not a nice-to-have, but a prerequisite for project success - raising mistakes early saves time and budget.
  • Complex tasks should be broken down until they are concrete and actionable - methods like Pomodoro and visual tools like Miro help with this.
  • Success must be actively defined and made measurable - whether through training feedback, dashboard view counts, or other concrete metrics.

Conclusion

The conversation with Uli Zellbeck impressively demonstrates that successful data consulting is far more than technical know-how: it requires the ability to meet people at very different levels of knowledge, to break down complexity in a structured way, to address mistakes openly, and to build solutions that clients can operate independently in the long term. Uli combines technical depth with pedagogical instinct and personal transparency - a combination that makes his work effective both in projects and in training.

For Beginners and Young Professionals in the Data Field

Uli's career path shows that you don't need to be a specialist in every area - what matters is being able to structure complexity, staying open to new technologies, and consistently learning from mistakes. The Pomodoro Technique and the use of visualization tools are immediately applicable methods for everyday professional life.

For Companies Planning Digitalization Projects

Anyone bringing in a data consultant should prioritize knowledge transfer from the outset and enable an open error culture within the team - only then will solutions emerge that the company can operate and develop independently in the long term.

For Consultants and Freelancers in the Tech Space

Uli makes clear that project success depends heavily on the fit between the consultant and the client's culture. Recognizing early on whether an open, collaborative approach is mutual saves both sides time and frustration.

Show full transcript

Speaker0: Ihr hört die Ihrem Podcast, der Data Science und Machine Learning Podcast für Studienabsolventen und Young Professionals.

Speaker1: Heute zu Gast bei The Ihrem Podcast ist Uli Zellbeck. Er ist Gründer der Agentur Modelagenten und berät Unternehmen in verschiedenen Datenthemen, konzipiert Datenarchitekturen, setzt proof of concepts und entwickelt ETL Strecken. Bevor sich Uli Zellbeck selbstständig gemacht hat, leitete er den Bereich Data Science und Machine Learning für eine mittelständische Beratungsfirma und arbeitete als Agile Coach und Data Warehouse Entwickler bei einem großen E-Commerce-Unternehmen. Neben dem technischen Consulting schult er leidenschaftlich in verschiedenen Kursen und Formaten technische Themen, sowohl für Datenexperten als auch für Nichttechniker. Privat ist Uli Zellbeck Vater von 2 Kindern, pensionierter DJ und Fußballtrainer 1 U10 Mannschaft.

Speaker2: Herzlich willkommen zu 1 neuen Folge von die ERIAM Podcast. Mein Name ist Theo Steining und heute zu Gast Uli Zellbeck. Hi Uli, schön, dass Du da warst. Hallo. Hallo. Danke für die Einladung. Sehr, sehr gerne. Ich freue mich schon sehr, sehr auf das Gespräch und den Austausch. Bevor wir einsteigen, wir haben ja in der Intro von Corinna gehört, Du arbeitest bei Modellagenden, bist dort Gründer dieser Agentur. Erst mal noch, hat bei der Vita, war da alles dabei, wo Du sagst, das sollte erwähnt werden oder hat da was gefehlt?

Speaker3: Ja, also das werden wir auch im Gespräch bestimmt auch noch gleich feststellen. Klar, da fehlt natürlich noch 'n paar Sachen auch, aber das kriegen wir, glaube ich, im Laufe des Gesprächs schon hin. Definitiv, das holen wir auf, genau. Gut,

Speaker2: ganz kurz noch mal magst Du noch mal in 'n paar Worten beschreiben, was ist Modellagenten genau?

Speaker3: Also erst mal Modellagenten, wir sind eine relativ kleine ja Agentur oder auch 'n Dienstleister, je nachdem wie man's bezeichnen möchte. Agentur ist vielleicht 'n bisschen moderner als IT Dienstleister. Wir beraten Firmen in 2 Bereichen der sogenannten Digitalisierung Und das eine ist tatsächlich so vieles, was man Compagnon vor allem macht, ist so so Prozessmanagement, Prozessautomatisierung, alles was so mit BPMN und so weiter zu tun hat. Und ich bin eher im Bereich Daten unterwegs, also das große Thema Daten, sowohl Daten zu speichern, zu managen, Architekturen aufzubauen, als aber auch das Thema Machine Learning, künstliche Intelligenz und genau da beraten wir zum einen wirklich technisch die Leute und die Firmen und zum anderen, das ist sozusagen uns auch unser Steckenpferd, warum wir uns auch zusammengetan haben, ist, dass wir einfach leidenschaftlich gerne Schulungen geben und Leute weiterbilden in den doch sehr komplexen Themen.

Speaker2: Zu den Schulungen hab ich gleich noch 'n paar Fragen, aber erst noch mal kurz 'n Schritt zurück. Du hast grad erwähnt, dein Kompagnon, der macht WPMN, also Business Process Modeling, richtig? Und Genau. Da würd mich interessieren, wie wie greift die Arbeit von euch beiden ineinander? Gibt's da Handover oder ist es wirklich ein gleichzeitiges Arbeiten an Themen und einmal eben von der Business Process Modeling Seite und das geht dann rüber ins ins ins Data Engineering und die Data Science oder wie sieht das genau aus?

Speaker3: Also tatsächlich ist das sehr schwierig, diesen beiden Dinge zusammenzubringen und wir haben tatsächlich gerade am Anfang, als wir uns gegründet haben, sehr lange drüber unterhalten. Es sind halt 2 Themen, gerade so dieses Business Prozess Management, was halt den Leuten irgendwie so als Einstieg in diese, ne, digitale Welt tatsächlich so den Einstieg erleichtert und ist son bisschen die Grundlage für das, was ich dann mache, ne. Dann die Daten zu speichern, aus auswertbar zu machen. Also es gibt da tatsächlich schon auch grade technisch sehr viele Überschnitte. Aber ja, grade auch was das Thema Machine Learning und KI angeht, ist der 1. Schritt erst mal natürlich immer Daten zu sammeln, ne. Und das kann man tatsächlich auch mit Prozessen machen und dann halt ihr die Daten dann auszuwerten beziehungsweise dann mit Machine Learning dann Struktur da reinzubekommen in das ganze Thema.

Speaker2: Alright, aber das bedeutet, die Zusammenarbeit läuft quasi auf 1, ja wie soll ich sagen, auf der Gesprächsebene. Man definiert die Prozesse, nutzt die als Datenquelle. Ich hatte nämlich da mal was auch gesehen. Es hat eher noch vor allem in der Forschung verankert, wo man Prozessdefinitionen im Sinne von, ich glaub, der Begriff von Ontologien nutzt, die dann quasi auch automatisiert gleich in einen Algorithmus reinzuziehen. Aber das macht sie nicht in der Art, oder? Sondern es geht wirklich die Firmen erst mal abzuholen.

Speaker3: Ja, ja, genau, genau. Also wir sind da tatsächlich eher auf der untersten Ebene unterwegs und tatsächlich, wo wir dann zusammenarbeiten, ist dann tatsächlich, wenn das dann eher im Schulungsbereich ist, wo wir dann tatsächlich den Firmen die Firmen da unterstützen und die Mitarbeiter dann unterstützen, diese diese Themen auch zu begreifen, ne, diese ganze Datenwelt und auch eben diese ganze Prozesswelt. Also tatsächlich haben wir jetzt kein Produkt oder so. Das diskutieren wir zwar immer mal wieder, aber da merken wir dann doch, das ist einfach noch sehr, sehr weit weg alles und ne, es gibt auch tatsächlich Forschungen, die man, wo man dann versucht tatsächlich aus diesen Prozessen heraus dann mit KI Optimierungen tatsächlich auch zu machen, dann vielleicht zu sehen, okay, vielleicht kann man diese Prozesse dann vielleicht 'n bisschen effizienter und so weiter machen. Aber da ist man tatsächlich sehr am Anfang immer noch und tatsächlich geht das Thema dann eher Richtung Automatisierung

Speaker2: von Prozessen und Richtung dann eben der richtigen Speicherung von Daten. Okay, das heißt, wenn wir's konkret durchspielen, ich bin jetzt mal 'n dein perfekter Kunde. Das sieht so aus, ich bin eine Firma, hab Prozesse etabliert bei mir, aber die sind vielleicht nur teilweise oder gar nicht digitalisiert. Und dann melde ich mich bei dir und Du setz dich dann mit uns gemeinsam zusammen und guckst dir erst mal den Ist Stand an und schlägst, wie geht's dann weiter? Gleich konkrete Maßnahmen vor oder wie sieht son Ausstieg aus?

Speaker3: Ja, genau. Also tatsächlich kommt das immer wie son natürlich immer drauf an, aber wenn Du jetzt mein perfekter Kunde bist, dann bist Du tatsächlich son bisschen gerade gefangen in der in der Welt und siehst links und rechts irgendwelche Zeitungsartikel und Newsartikel und unterhält dich vielleicht mit anderen mit anderen Unternehmen, was die schon alles digital gemacht haben und KI Themen schon etabliert haben. Und tatsächlich würden wir erst mal anfangen, über die eben die Prozesse zu gehen, die ersten Schritte zu machen, zu digitalisieren Und dann aber auch auf der anderen Seite mir sozusagen, das dann eher so mein Part, dann tatsächlich so aus Datensicht zu sehen, okay, was gibt es für Daten schon im Unternehmen? Wie kann man die auswerten? Und dass man dann eben auch sone, sagen wir mal, eher datenorientierte Sicht auch aufmacht im Unternehmen. Ja, genau. Also das wären tatsächlich so die ersten beratenden Geschichten Und dann würden wir tatsächlich son Proof of Concept einfach mal machen, einfach mal aufsetzen, zu gucken, wie weit man da kommt und das Ganze dann eben versucht zu etablieren dann im Unternehmen, je nachdem, was für Prozesse ihr dann habt.

Speaker2: Eine Frage dazu und zwar man kann ja mindestens, also ich seh grad 2 Seiten, über die man sich dem Thema nähern kann, nämlich einmal von der strategischen Seite, einmal von 1, okay, wir haben da 'n konkretes Feuer, das müssen wir löschen Und Prozessdigitalisierung, Prozessautomation, Machine Learning ist jetzt 'n konkretes Werkzeug, dieses Feuer zu löschen. Wenn ich dich richtig verstanden hab oder das hört sich für mich so an, die Vorgehensweise, die ist ja strukturiert, sortiert und strategisch, oder? Das heißt, ich, wenn ich mit dir zusammenarbeite, dann dann dann dann gucken wir uns ja erst mal auch die Gesamtsituation an, oder? Und der der POC, den Du gerade erwähnt hast, ist dann ein Beispiel, wenn ich's richtig verstanden hab, oder? Aber das ist jetzt nicht sozusagen die die Initialzündung

Speaker3: der Zusammenarbeit. Ja, genau. Genau. Also tatsächlich geht's auch viel darum, gerade in dem POC auch mal 'n gemeinsames Verständnis dafür zu bekommen, was da auch passiert in der ganzen digitalen Welt. Also das ist tatsächlich meistens tatsächlich technisch in sonem POC. Tatsächlich dadurch, dass wir auch 'n sehr, sehr tiefes Fachwissen natürlich in den einzelnen Bereichen haben, werden wir natürlich auch son bisschen, wie Du schon gerade gesagt hast, so als Feuerlöscher dann auch geholt, wenn es irgendwo brennt und ne, irgendwie da das Fachwissen gefragt ist, sei es jetzt irgendwie in den Datenarchitekturen bei mir oder bei speziellen dann eher, sagen wir mal Data Engineering Team dann auch. Genau. Also 'n sehr, sehr breit gefächert, kann man mal kann man mal so sagen. Mhm. Mhm.

Speaker2: Mega spannend. Der 2. Aspekt, den Du erwähnt hattest, die Schulungen. Auf welcher Flughöhe geht dir da genau in die Firmen rein?

Speaker3: Also das ist tatsächlich auch genau auf diesen beiden Flughöhen. Zum einen tatsächlich irgendwie Fachmitarbeiter tatsächlich oder Facharbeiter tatsächlich zu enablen in bestimmten Bereichen. Tatsächlich gebe ich 2 Schulungen, wo wir uns tatsächlich diesem Datenthemen einfach mal von rein von 0 auf tatsächlich einmal nähern, wo wir dann einfach sagen, okay, das sind jetzt tatsächlich Daten, Datenpunkte. Und was wir ja, warum wir dieses ganze Data Engineering, Machine Learning und KI Thema machen, ist ja, dass wir aus diesen Daten Informationen ziehen wollen, ne. Und aus diesen Informationen dann daraus 'n Wissen generieren wollen. Und das ist tatsächlich die eine Flughöhe, ne, wo wir dann einfach auch, ne, von 0 anfangen und dann tatsächlich die Leute mitnehmen wollen auch, die jetzt vielleicht auch son bisschen abgehängt worden sind, ne, von na ja uns, wenn man das mal so ausdrücken will, ne, von uns, die täglich mit irgendwie keine Ahnung Docker Container hoch und runterfahren und irgendwelche Algorithmen in Python programmieren. Sondern tatsächlich fange ich fange ich da tatsächlich auf 'ner sehr, sehr niedrigen Flughöhe an und auf der anderen Seite dann tatsächlich auch gerade in so Datenthemen oder Datenarchitekturen, wo es dann tatsächlich sehr, sehr speziell wird und die Schulungen dann einfach auch sehr, sehr tief ins technische Detail gehen, wo man dann tatsächlich dann eher die Entwickler oder die Data Engineers, die Administratoren dann einfach auch schult. Genau. Also tatsächlich und das ist auch echt echt spannend, auch diese beiden Seiten dann auch zu sehen, weil gerade wenn man in Projekten ist, muss man doch irgendwie auch immer versuchen, da die beiden Seiten dann auch immer zusammenzubekommen und da helfen mir diese Schulungen einfach auch immer zu verstehen, wie denn so die Gedanken sind auf der einen oder auf der anderen Seite.

Speaker2: Denke ich, ist mega wertvoll. Ja, bei uns ist es so, dass wir so kleine Minischulungen könnten wir's vielleicht bezeichnen, halt im Projekt einschieben, wenn wir merken, oh okay, da gibt's vielleicht 'n Missverständnispotenzial und kann ich mich absolut anschließen, ja, diese diese diese Erkenntnisse, die man dann hat. Einfach was für 'n Bild der ganzen Thematik haben Leute unterschiedlichster Fachrichtungen einfach im Kopf. Zum Beispiel ein ganz, ganz interessanter Moment war bei uns mal, da da da ging's das Konzept des Hypothesentesten ja Modell wird gebaut aber man war sich halt alle im Team nicht ganz sicher also wirklich Kunde und wir ob jetzt dieses Modell so wirklich der Realität entspricht natürlich im gegeben gegeben der natürlichen Näherung und dann war halt unser Vorschlag okay wir wir testen dieses Modell jetzt beziehungsweise 2 Varianten davon und dann schauen wir was rauskommt ne klassischer Hypothesentest und dazu brauchen wir die und die Daten und dann kam als Antwort so, ja wie? Ihr wisst noch nicht, welche der beiden Varianten besser ist. Nee so, nö, genau darum geht's. Die sozusagen die Erwartungshaltung war, dass man das so total deduktiv Schritt für Schritt sich immer ohne Umwege dem Optimum nähert und so ist es einfach halt ja selbst. Und für mich war das ein totaler Erleuchtungsmoment, einfach weil ich gemerkt habe, genau wie Du sagst, ja, wir haben die Leute abgehängt. Das ist einfach nichts selbstverständlich ist zu erwarten, dass alle aus dem Effeff wissen, wie son Hypothesentestprozess einfach läuft, ja, was da die die die einzelnen Schritte sind, die man da durchlaufen mussten.

Speaker3: Ja, genau. Also das ist echt 'n wichtiges Thema auch, was den Erfolg von Projekten auch angeht, ne. Oder auch wie man sich dann auch verkauft als gerade als Spezialist in dem Bereich, muss man einfach irgendwie gucken, dass man einfach auf die gleiche Ebene kommt, ne. Also nicht auf die gleiche Ebene, dass man sagt, okay, ne, man, es ist tatsächlich sehr sehr schwierig für für mich zum Beispiel jetzt auch, ne, irgendwie würde mich auch nicht als Machine Learning Spezialist irgendwie bezeichnen. Da gibt es Leute, die tatsächlich, so wie Du tatsächlich sich sehr, sehr tief mit der Materie befasst haben. Aber tatsächlich, dass wir zusammen drüber sprechen können über Hypothesentest und so weiter und so fort. Das ist tatsächlich eine 1 Flughöhe, wenn man 'n bisschen engagiert ist und sich eben auch weiterbildet, die bekommt man dann halt auch sehr gut. Und gerade durch die Schulungen versuchen wir einfach diese Hürde auch zu nehmen, dieses sehr komplexe Thema einfach links liegen zu lassen, sondern einfach auch zu sagen, hey, das ist eine coole Geschichte. Ja, da ist sehr, sehr viel auch ausprobieren dabei und man kann vielleicht am Anfang irgendwie nicht sagen, okay, ne, wie in so 'nem klassischen IT Projekt, das dauert jetzt 3 bis 4 Wochen, sondern vielleicht dauert es halt eben 'n paar Monate. Wenn man Pech hat, dann dauert das, kann man die kann man das Projekt wieder einstampfen, weil man eben kein Pattern gefunden hat. So, ne. Und aber genau das ist so die Themen, die einfach sehr, sehr wichtig sind, ne, in den Projekten, dass man da son eine gewisse gemeinsame Sprache dann auch findet. Absolut,

Speaker2: absolut. Bezüglich der gemeinsamen Sprache, Du hattest vorhin erwähnt, dass bei den Schulungen Du teilweise auch sehr tief in die technischen Details reingehst. Ich find eine sehr, sehr spannende Frage immer, sich zu überlegen, inwiefern beziehungsweise inwieweit mache ich den Anwender beziehungsweise den Kunden bei Projekten zum Co Creator? Und wie sieht dann hinterher auch, wenn ich eine konkrete Laufzeitumgebung beispielsweise aufsetze, das Betreiberkonzept aus? Wie wie machst Du das? Gibt's irgendwann einen konkreten Handover, ja, wo Du sagst, das Data Warehouse, das wurde jetzt von dir architektonisch entworfen und implementiert und dann wird es übergeben oder behältst Du auch langfristig die Wartung und den Betrieb in deiner Hand und der der der Handover liegt eher auf 'ner auf 'ner Anwendungsebene. Was hat sich für Richter als als Best Practice rauskristallisiert?

Speaker3: Also tatsächlich versuche ich auch schon am Anfang des Projekts einfach auch tatsächlich mitzugeben, dass es jetzt nicht darum geht, einfach irgendwie 'n Projekt umzusetzen, sondern ich möchte die Leute tatsächlich auch mitgeben, ne. Das ist tatsächlich auch ne, mit den Schulungen weißt Du's ja auch, dass es tatsächlich da auch eine ganz gute Möglichkeit ist und ich glaube, dass das Projekt tatsächlich vom größten Erfolg ist, wenn der Kunde dann am Schluss tatsächlich auch weiß, wie er's selber betreiben kann oder zumindest weiß, okay, welche Leute bräuchte ich denn dafür so, ne? Weil das ist tatsächlich manchmal schwierig, Fachkräfte zu finden, die das alles irgendwie betreiben können, aber dass man zumindest 'n bisschen besser weiß, okay, nach was muss ich gucken, ne, wenn ich jetzt eine Bewerbung Bewerbung in die Bewerbungsphase reingehe? Wie müssen die Skills sein und so weiter. Und tatsächlich versuche ich die Leute schon auch mitzunehmen, aber muss man natürlich auch sagen, ist auch nicht immer gewollt, so, ne. Grade in großen Firmen wirst Du halt dann eher geholt als tatsächlich der Umsetzer. Und dann darfst Du am Schluss halt nach dem Lasten- und Pflichtenheft das Projekt dann halt eben abgeben. Aber eigentlich versuche ich dann schon, gerade so in kleineren Projekten die Leute dann auch mit zunehmen über Dokumentation über ne über die Sprache und einfach dann ja guten Abschluss dann auch zu zu zu gewährleisten dann ja.

Speaker2: Mhm. Wenn Du zurückblickst auf deinen bisherigen Projekte, gibt's da 1, das aus deiner Sicht raussticht, wo Du sagst, wenn Du daran zurückdenkst, das ist für dich persönlich das erfolgreichste Projekt gewesen?

Speaker3: Ja, das ist tatsächlich schwierig. Also erfolgreich ist immer ja schwierig, weil Du musst ja Erfolg irgendwie messen, so, ne. Und es gibt tatsächlich da mehrere Projekte, wo ich sage, okay, das war tatsächlich persönlich für mich erfolgreich. Bei dem einen könnte man tatsächlich sagen, okay, da war ich tatsächlich gar nicht direkt involviert in das Projekt, weil ich da eher sone, sagen wir mal, als ja als Teamleiter tatsächlich eher die Rolle hatte, die Leute da zu unterstützen. Das war tatsächlich 'n Machine Learning Projekt, das wir gemacht haben beim deutschen Telekommunikationsanbieter, die son Smart Speaker entwickeln wollten und da tatsächlich Unterstützung brauchten im Bereich Machine Learning. Und es gab damals noch nicht so große Libraries, wie's es jetzt gibt, ne, von Alexa oder auch von Microsoft rausgebracht. Deswegen mussten wir das alles irgendwie selbst entwickeln. Und tatsächlich war das das 1. Projekt, das die beiden gemacht hatten, nachdem sie frisch von der Uni gekommen sind und ihren PhD gemacht hatten. Und ja, das Projekt war tatsächlich sehr erfolgreich für mich, weil einfach die beiden einfach sehr, sehr gute Arbeit geleistet hatten, weil ich sie da unterstützen konnte, auch tatsächlich in da Fuß zu fassen, Projekterfahrung zu bekommen. Also tatsächlich eher son bisschen aus der aus der Sicht sozusagen der Leitung fand ich das tatsächlich sehr, sehr erfolgreich. Und wenn man das jetzt so aus aus technischer Sicht betrachtet, ist natürlich schon schön zu sehen jetzt in 'nem aktuellen Projekt, wenn man sone Datenarchitektur zusammen mit 'nem Kunden aufm Papier skizziert und 'n riesen, ja, Konzept schreibt, wie dann die ETL Strecken, also die Datentransformationen ablaufen, wie wir die Daten holen, welche Technologien wir einsetzen, wenn man das dann tatsächlich dann so Stück für Stück in den Livegang sieht, wie das dann umgesetzt wird, das ist tatsächlich auch echt echt ganz schön dann auch zu sehen. Also es hat mir tatsächlich auch son bisschen, als wir dann die ersten Mal die Datenstrecke fertiggestellt hatten, tatsächlich auch son bisschen Gänsehautgefühl gehabt und ich war total euphorieisiert, als das dann tatsächlich auch geklappt hat. Also ist tatsächlich, dass ich dieses Erfolg und erfolgreich kann man tatsächlich echt schwierig messen. Bei Schulungen zum Beispiel und das ist tatsächlich das, warum ich Schulungen auch sehr gerne gebe, ist der Erfolg einfach direkt unmittelbar messbar, ne. Nach 3 Tagen, wenn die Schulung vorbei ist, machen wir immer eine Feedbackrunde. Und da ist es tatsächlich immer direkt zu sehen, ne, und da ist es tatsächlich erfolgreich, wenn die Leute tatsächlich ihre Erwartungen erfüllt haben, die man einfach 3 Tage vorher skizziert hat und ja, wenn alle Leute da irgendwie zufrieden sind mit der Schulung. Also tatsächlich ist es Erfolg. Tatsächlich muss man sich tatsächlich irgendwie für sich selbst auch definieren. Genau.

Speaker2: Kannst Du uns da noch ein bisschen mehr Einblick ins snackkästchen geben ich weiß nicht wie viel Du verraten möchtest aber mich interessiert natürlich wahnsinnig du hast jetzt schon gesagt ja der der ETL Prozess vielleicht zunächst auf Papier skizziert und dann gehst Du in die Umsetzung. Dann noch mal ganz konkret, so viel Du drüber verraten möchtest natürlich nur, aber gibt's da einen ja, vielleicht sogar einen Katalog an Punkten, den Du durcharbeitest, der der für dich eine Referenz bildet? Ist das 'n hochdynamischer Prozess und wenn ja, nach welchen Regeln funktioniert der? Nimm uns mal mit, ja? Wie wie wie wie wie geht so was los? Wie arbeitest Du dann im im im Prozess?

Speaker3: Ja, also tatsächlich geht es am Anfang erst mal darum, tatsächlich die Anforderungen aufzunehmen, ja. Erst mal zu sehen, okay, was ist sozusagen ausschlaggebend jetzt für dieses für dieses Projekt, ne. Wie sehen die Daten aus? Was soll tatsächlich in, ja, wie sollen die Daten tatsächlich am Schluss dann auch dargestellt werden? Das heißt, man muss sich erst mal einen Überblick beschaffen, ne? Was wurde vielleicht auch schon selbst tatsächlich auch schon ausprobiert? Was sind so die Requirements aus technischer Sicht, aber auch tatsächlich aus fachlicher Sicht? In dem Fall ist es so, es ist 'n Webscraping Projekt gewesen. Das heißt, es gibt Dienstleister, die scrapen bestimmte Webseiten für den Kunden. Und die Informationen werden erst mal, ja, strukturiert in CSV Files abgelegt. Und genau dadurch, dass wir da den Dienstleister haben, ist tatsächlich auch die Datenqualität mehr als ausschlaggebend ne, weil wir tatsächlich ne, je besser die Datenqualität ist, desto besser können wir die auch tatsächlich später dann auch in dem eigenen Produkt dann auch darstellen. Mhm. Mhm. Das heißt, ich hab mir erst mal tatsächlich da angeschaut, okay, wie groß ist die Datenmenge, die da täglich reinkommt? Müssen die Daten dann in Echtzeit verarbeitet werden? Wie groß darf der Verzug sein? Die Daten dort kommen einmal täglich, werden einmal täglich nach Amazon auf einen s 3 Buget geladen. Das heißt, das ist auch schon mal tatsächlich die 1. Regimentierung gewesen, ne. Die Daten liegen schon im AWS Umfeld in s 3. Das heißt, wir brauchen dann schon mal Tools, die diese ja doch recht großen CSV oder JSON Dateien dann irgendwie weiterverarbeiten können. Genau und dann war tatsächlich jetzt die Auswahl der Technologie, der richtigen Technologie, Transformationen, aber auch so Datenchecks dann durchzuführen, ja? Das heißt, wir müssen tatsächlich gewährleisten, dass bestimmte Datenfelder in 'nem bestimmten Format entsprechen. Gerade so beim Webscraping hast Du ja immer auch die Herausforderung, dass, ne, Anbieter ihre Webseiten ändern, dass, ne, es vielleicht manchmal irgendwie Freitextfelder sind, obwohl da 'n Preis drinstehen soll. Das heißt, all diese Anforderungen mussten zum einen, hab ich zum einen erst mal gesammelt und dann tatsächlich auch geguckt, okay, was gibt es für Tools und was sind dann tatsächlich auch noch die fachlichen Anforderungen an dieses Tools, ja? Also in dem Fall war es so, dass man tatsächlich nicht einfach 'n Python Skript haben wollte oder 'n Javascript oder irgend 'n anderes Skript haben wollte, was die Daten transformiert. Sondern man wollte tatsächlich später im laufenden Betrieb die Fachbereiche mit einbeziehen, zum einen die Prozesse besser überwachen zu können, zum anderen aber vielleicht auf an bestimmten Stellen eingreifen zu können, ne. Wenn sich jetzt zum Beispiel irgendwie 'n Feld ändert, dass man eben nicht noch mal einen Entwickler braucht, der das Ganze dann tatsächlich modifiziert, sondern tatsächlich im einfachsten Fall, ne, wird der tägliche Durchlauf gemacht und man erkennt, okay, im Preis wird jetzt das Komma durch 'n Punkt ersetzt zum Beispiel und dass man das dann irgendwie mit 'nem Tool schafft zu lösen, auch mit jemandem, der von jemandem, der jetzt kein technisches Verständnis hat. Und genau, wir haben dann tatsächlich 'n bisschen überlegt gehabt oder auch die Überlegung von 'nem Kunden war dann tatsächlich schon Talent auch einzusetzen. Talent ist son ETL Tool, womit man, ja, Datenstrecken tatsächlich modellieren kann in der in der UI. Und Talent bietet dann auch noch tatsächlich weitere Tools an, womit man diese Datentransformation tatsächlich auch in dem Frontend bestimmen kann. Und genau, das darauf haben wir uns dann tatsächlich dann auch geeinigt gehabt und haben dann eben, ich hab dann so einen kleinen POC gebaut, ja? Also einmal tatsächlich einmal die Strecke aufgebaut von von dem CSV Fall, eine einfache Transformation mit Talent und dann haben wir gesagt, okay, wir brauchen die Daten später in sonem Suchbackend. Und da haben wir uns halt für entschieden, weil einfach sehr, sehr gut skaliert und neben der sehr guten Suchfunktion tatsächlich auch Möglichkeit bietet, Aggregation zu bilden, also auch die Daten dann später auch auswerten zu können. Genau, und das war sozusagen der 1. Teil des Projektes, wo ich dann tatsächlich viel zugehört habe, viel aufgeschrieben habe, Konzepte geschrieben habe, viel mit den Leuten gesprochen habe im Unternehmen. Und das war eine sehr, sehr intensive Phase, bis dann sozusagen in der PC da war, dass wir dann tatsächlich dann auch jemanden gefunden hatten, der das Ganze dann auch für uns umsetzt. Und seitdem bin ich dann eher in soner beratenden Rolle dann, ne, das Konzept anzupassen, mit den Leuten zu sprechen, zu gucken, ob das Konzept auch umgesetzt wird. Aber tatsächlich ist auch das 'n sehr, sehr dynamisches dynamischer Prozess, ne. Ich kann mir natürlich irgendwie ausdenken, wie die Datenbankstruktur dann irgendwie aussieht, aber tatsächlich muss man da einfach sehr sehr dynamisch bleiben, weil dann fällt wieder irgendwas auf, dann gibt es geänderte Requirements, dass man dann doch noch andere Felder noch mitscraben möchte und so weiter und so fort. Also tatsächlich versuche ich dann auch in den Projekten dann tatsächlich auch mit den Projektkollegen dann auch einfach dann sehr sehr dynamisches Umfeld dann auch zu schaffen. Ja, genau. Wow.

Speaker2: Ich ich hab eine ganze Latte von Fragen.

Speaker3: Sehr gerne.

Speaker2: Und zwar hab ich das richtig verstanden, dass die das übergeordnete Ziel zumindest schon mal grob klar war dem Kunden. Also mit diesen gesgräbten Daten arbeiten wollen zu können. Wenn Du sagst, das landet ja dann am Ende in einem, ja, dann ist ja sozusagen die die die grobe Aufgabenstellung schon mal im Rissen, richtig?

Speaker3: Ja, genau. Das wusste der schon. Okay. Ja, ja, genau, genau. Es gab tatsächlich die Anforderungen tatsächlich schon, aber wo man sich halt nicht klar war, ist, wie können wir das jetzt tatsächlich technisch lösen und auch ne treffen die Anforderungen tatsächlich, die wir auch an das Tool haben, treffen die auch tatsächlich dann auch zu.

Speaker2: Und letztlich dann deine Aufgabe alle beteiligten Parteien im Boot zu halten deren individuellen constrains mit aufzunehmen oder dass am Ende dann eine Gesamtlösung entsteht die allen Anforderungen gerecht wird gleichzeitig aus den verschiedensten Richtungen

Speaker3: Genau. Also sowohl, ne, also technisch aus technischer Sicht, ne, als auch als fachlicher Sicht, weil das tatsächlich, klar, ne, wie gesagt, es gibt 1000 Lösungen für dieses für dieses Thema und es gibt auch vielleicht auch Lösungen, die vielleicht technisch charmanter sind als jetzt mit Talent irgendwelche Jabba Bibliotheken danach zu deployen und zu betreiben. Aber tatsächlich haben wir dann tatsächlich irgendwann gesagt, okay, das ist jetzt einfach das Tool, das wir benutzen wollen, einfach ne, was wir vorhin auch schon besprochen haben, die Übergabe dann auch zu haben, zu sagen, okay, wir betreiben das jetzt selbst, sind die Einstiegshürden dann bei sonem eher visuellen Tool deutlich einfacher als

Speaker2: bei irgendwelchen Lambda Funktionen in AWS zum Beispiel. Ja, absolut, absolut. Ja, und da mag's schon sein, dass das dann vielleicht irgendwo elegant ist, aber wenn's der Kunde dann nicht bedienen mag, kann oder wie auch immer, ja, schlicht den Anforderungen nicht entspricht, ja super.

Speaker3: Ja, genau. Genau, genau. Und vielleicht auch tatsächlich auch, ne, die Anforderung war tatsächlich auch nicht jetzt die Daten in Echtzeit zu verarbeiten und dann irgendwie weiter zu transformieren, sondern wir hatten tatsächlich die Zeit einfach auch, ne, zu sagen, okay, wir verarbeiten die Daten jetzt einfach im Badge und laden die dann in die eine Datenbank oder dann nach Elastik search statt. Mhm.

Speaker2: Hast Du dazu, diese vielen, vielen, vielen Informationen in eine Struktur zu bringen, hast Du da für dich auch ein Verfahren entwickelt? Schreibst Du da 'n Buch raus? Keine Ahnung, ja. Oder hast Du irgend 'n Raum voller Post its, die mit roten Fäden verbunden sind? Keine Ahnung. Wie wie wie machst Du das praktisch? Oder hast Du einfach alles im Kopf? Ich hab auch schon Menschen getroffen, die die die können einfach dann ein son Projekt komplett im Kopf gehalten. Ist total crazy, aber

Speaker3: Nee. Also tatsächlich auch auch dadurch bedingt, dass ich tatsächlich auch, ne, dass es kein Vollzeitprojekt war und mich tatsächlich auch noch andere Projekte nebenbei hatte. Es ist schon sehr, sehr wichtig, sich da eine Struktur einfach anzupassen, ne, dass man seinen Laptop da strukturiert, im aufbaut, alles in die richtigen Ordner packt, dass man sich vielleicht auch verschiedene Accounts anlegt auf den verschiedenen Tools. Tatsächlich hängt das auch son bisschen davon ab, was der Kunde auch bereitstellt, ne, was er auch sozusagen, wie er auch am am Prozess beteiligt sein möchte. Wir haben dann halt viel mit so Kollaborationstools gearbeitet, wie halt Jira zum Beispiel, Confluence, aber auch einfach mit Google Docs, einfach, wo ich einfach auch tatsächlich auch die das Dokument schon geteilt habe, bevor es überhaupt fertig war, wo ich überall reingeschrieben hab Work in progress, aber einfach zu zu signalisieren, erstens mal, okay, da passiert was und auf der anderen Seite, okay, wenn es Sachen gibt, kommentiert das, schreibt das direkt rein. Ja, also Meeting Notes sind tatsächlich für mich sehr, sehr wichtig. Ich bin auch jemand, der sich tatsächlich Sachen nicht nicht so merken kann und ich tatsächlich auch immer tatsächlich auch immer begeistert bin von Leuten, wie Du schon gerade gesagt hast, die dann alles im Kopf haben. Also ich brauch tatsächlich, kann jetzt Gott sei Dank meinen Schreibtisch nicht sehen, wie der voller Post jetzt ist und also tatsächlich muss ich das irgendwo visualisieren und auch unterschreiben. Und genau, dann helfen wir natürlich so Tools, Diagramme zu zeichnen, einfach ne, die Sachen auch dann wie bei Miro zum Beispiel, das ist 'n, find ich 'n sehr, sehr schönes Tool, einfach Sachen visuell zu gestalten. Und das ist auch, glaub ich, 'n Thema, was mir da auch sehr, sehr geholfen hat, einfach komplexe Themen einfach runterzubrechen in eine Grafik oder in 2, ne. Also das ist tatsächlich auch etwas, was einem selbst hilft, die Komplexität zu verstehen, aber auf der anderen Seite auch über das Thema dann auch zu reden. Besser vielleicht als son großes PDF dann auch. Ja, ja, nice, definitiv. Und

Speaker2: dann gab's eine Übergabe an noch mal einen zusätzlichen Partner, der aus dem POC die endgültige Lösung gebaut hat. Richtig?

Speaker3: Ja, genau. Also ich bin tatsächlich zum Beispiel jetzt in Talent oder auch ja in anderen Tools stecke ich schon tiefer drin, aber jetzt Talent zum Beispiel weiß ich, wie man irgendwie Sachen Komponenten zusammenbaut, aber tatsächlich gibt's dann wirkliche Experten dann dafür, die das dann auch tatsächlich dann umgesetzt haben, die dann auch vielleicht auch meinen POC erst mal über den Haufen geworfen haben. Das weiß ich jetzt auch nicht so genau. Aber ja, ist dann auch echt schön, den Leuten dann über die Schulter zu gucken und zu sehen, okay, wie die das lösen, was für Ideen die da haben, mit diesem Tool dann auch zu arbeiten. Das bringt mich auch immer echt auch extrem weiter. Zusätzlich war's dann auch noch, einfach auch Leute, mit denen man dann zusammengearbeitet hat oder das Projekt läuft ja noch, die einfach auch sehr, sehr nett waren und mit denen's auch einfach sehr, sehr viel Spaß macht zusammenzuarbeiten. Ja. Mhm. Mhm.

Speaker2: An der Stelle würde ich gern 'n bisschen von diesem konkreten Beispiel, diesem konkreten Projekt 'n Schritt zurückgehen und generell auf deinen ganz persönlichen Tool Stack auch eingehen. Du hast jetzt schon einiges erwähnt. Talent für die ETL Prozesse, Python Script hab ich mitgenommen, Myro, Post its am Schreibtisch. Und diese diese Toollandschaft, die jetzt schon im Raum steht, gibt's denn noch weitere Tools, wo Du sagst, das ist ganz, ganz wichtig für deine tägliche Arbeit, weil ich das so einen spannenden Punkt finde, ja? Man kann ganz, ganz viel theoretisch lesen im Azure Bereich und im Coaching Bereich und wie man einen Use Case strukturiert und das ist alles Theorie in den Büchern. Und dann geht's ja drum, das konkret umzusetzen und irgendwie schafft sich ja jeder sone Arbeitsumgebung. Und gibt's da noch weitere Tools oder Prozesse, Methoden, die Du einsetzt ganz generell, einfach, ja, Du hast es vorhin so so formuliert, der Komplexität ja auch Herr zu werden?

Speaker3: Ja, also tatsächlich so in meiner täglichen Arbeit sind so 2 Sachen, ne. Das eine ist tatsächlich diese komplexen Themen runterzubrechen, weil ich glaub, das weiß jeder. Du hast son komplexes Thema und gut, es gibt Leute, die schreiben einfach drauf los oder machen einfach. Bei mir ist es eher son bisschen so, okay, ich sitz vor diesem weißen Blatt und denk mir, oh Gott. Ja. Was was mach ich jetzt hier eigentlich? Habe ich mich schon wieder übernommen oder sonst irgendwas? Und da hilft mir tatsächlich, also ich arbeite tatsächlich mit mit der Pomodoro Technik. Das heißt, ich versuche tatsächlich Tasks runterzubrechen, sodass sie in son Zwanzig- bis 25 Minuten Slot passen. Dann auch 'n bisschen auch tatsächlich meinen Tag zu strukturieren. Und dann aber auch mit den anderen Projekten, die zum Teil parallel laufen, tatsächlich mir dann auch die Zeit dann auch zu schaffen und einfach zu sagen, p, jetzt der Vormittag, sind jetzt von mir aus irgendwie, keine Ahnung, viermal 25 Minuten für das eine Projekt und dann nochmal zweimal 25 Minuten für das andere. Und das ist dann etwas, was mir tatsächlich sehr, sehr hilft, diesen strukturierten, dieses sehr unstrukturierte Thema oder sehr komplexe Thema dann einfach runterzubrechen in einzelne Tasks. Genau, in 'nem anderen Projekt, wo ich gerade bin, da ist diese Struktur schon son bisschen vorgegeben, weil wir nach der Scrum Methodik arbeiten mit 2 Wochen Sprints und da werden die Tasks dann tatsächlich einfach schon anhand ihrer Komplexität schon mal vorgeschätzt, ne. Wir sprechen über die einzelnen Aufgaben und während wir das machen, merken wir vielleicht auch, okay, dieses Thema ist zu komplex, ne. Lass uns das lieber runterbrechen in einzelne Schritte. Und allein schon das Gemeinschaftliche drüber Sprechen hilft einem schon, sone gewisse Struktur dann auch im Kopf zu bekommen, ja, sich vorzustellen im Kopf. Da ist dann halt nur wichtig, gerade für mich, ich muss das irgendwo runterschreiben und ne, Tools wie Jira oder so helfen einem da tatsächlich dann auch. Genau. Also tatsächlich, wie gesagt, ne, sind das so 2 Sachen, ne, das eine tatsächlich, das Runterbrechen und dann sich wirklich zu überlegen, okay, auch wenn man sich das am Anfang noch nicht vorstellen kann, okay, was machst Du jetzt konkret? Was wären jetzt die ersten Schritte? Einfach nur runterschreiben als Taskliste, das dann vielleicht zu strukturieren, auch vielleicht zu priorisieren und dann eben zu sagen, okay, schaff ich das jetzt in 25 Minuten oder nicht? Und dann vielleicht dann noch mal weiter runterzubrechen.

Speaker2: Ah, cool. Cool. Also wirklich die War and Conquer so so lange runter Richtig. Runterknacken, bis es bis es klein genug ist, um's konkret anzupacken.

Speaker3: Ja, ja, auf alle Fälle. Nice. Genau. Nice. Okay.

Speaker2: Eine Frage zur Pomodoro Technik, wenn wenn Du sagst, Du brichst es dann wirklich auf so 25 Minuten Slots runter. Wie geht's dir im Kontext der Kontextswitches? Kurz aus meiner Perspektive. Mhm. Bei mir ist es so, ich brauch im Vergleich vielleicht zu anderen länger, mich in eine Thematik reinzudenken, schaff's aber dann tiefer reinzugehen. Ja, das war für so was wie 'n Physikstudium in in in Quantenchromodynamik ganz, ganz wertvoll, aber gleichzeitig merke ich, okay, je mehr verschiedene Tasks ich kriege, desto schwieriger wird's dann natürlich, sich immer diese Einarbeitungszeiten zu holen. Und bei mir geht der Trend eher dahin, dass ich sage, okay, anstatt dieser kurzen Slots block ich mir ganze Tage für 'n Thema, ja, da richtig reinzutauchen. Und damit ich das einfach richtig verstehe, wie Du mit dieser Technik arbeitest, Du hast ja gerade erwähnt, Du Du blockst dann viermal 25 Minuten. Ja. Ist das quasi auch motiviert von einem Vermeiden von Kontext Switches? Aber Genau. Die Tasks, die Du dann anpackst, die wiederum in diesem großen Block, die wiederum, die strukturierst Du dir schon vorher, damit Du da nicht komplett lost. Okay, ich hab jetzt hier den Tag geblockt, aber fuck, was mach ich jetzt, oder? Ja. Ist es ist es so zu verstehen?

Speaker3: Ja, also das hängt natürlich auch son bisschen an der Dynamik der Projekte, ne. In der in der Theorie kann man natürlich immer sagen, okay, ich blog mir hier den einen Tag oder den anderen Tag, was natürlich sehr sehr schön ist, ne, weil man einfach konzentriert an 1 Sache arbeiten kann. Aber gerade wenn Projekte sehr dynamisch sind und dann hast Du hier noch mal 'n Abstimmungsmeeting, dann braucht da jemand etwas. Ich glaube tatsächlich, was mir da hilft, ist einfach dadurch, dass ich nicht auch nicht so schnell im Kopf bin, brauche ich dafür halt 'n Tool, was mir sehr, sehr schnell Gedankenstützen liefert. So, das wollte ich damit sagen. Also tatsächlich brauche ich dann tatsächlich auch einfach Struktur schon auf meinem Rechner, zu sagen, okay, jetzt kommt dieses Meeting in 5 Minuten, öffne mal die Meeting Notes vom letzten Mal oder was hast Du da beim letzten Mal so gemacht, einfach son schnellen Refresh dann auch auch dann zu haben. Aber ja, das ist eine, ja, auf der einen Seite eine sehr, sehr spannende Geschichte, ne, weil man ständig diesen Kontext Switch hat. Aber was da hilft, ist einfach irgendwie fokussiert da vielleicht auch im 5 Minuten, bevor das Meeting beginnt, sich noch mal kurz zu überlegen, okay, was haben wir denn da eigentlich gemacht? Was sind denn die Ziele von dem Meeting und muss ich vielleicht noch kurz irgendwas vorbereiten?

Speaker2: Ja. Mhm. Mhm. Megaspannend. Super. Ja. Bei deiner Arbeit höre ich ja ganz, ganz viele verschiedenen Ebenen raus, ja. Da geht's einmal Hightech, krasse Technologie, Pipelines, Datenverarbeitung und gleichzeitig ist ja eine ganz, ganz starke persönliche Komponente drin, die Arbeit mit den Menschen, mit den Persönlichkeiten und die auch weiterzubringen. Gibt's da bei dir einen Schwerpunkt, wo Du sagst, das motiviert dich am meisten oder da da da denkst Du, da ist die Faszination einfach primär verräumt und das andere ist so nebenbei. Ist es gleich verteilt? Was treibt dich da an?

Speaker3: Also tatsächlich sowohl als auch, ne. Also das eine hab ich ja schon vorhin gesagt, ne, bei den Schulungen ist einfach sehr sehr schön zu sehen, das Feedback, dass man direkt von den Leuten bekommt oder auch, ne, wenn ich noch mal nach 2 Monaten auch noch mal nachfrage, wie hat denn die Schulung ne gefruchtet? Gibt's irgendwas, was ich vielleicht noch verbessern sollte oder so? Da kommt tatsächlich meistens 'n Feedback zurück, das dann auch sehr, sehr persönlich ist und das finde ich einfach sehr, sehr, sehr, sehr schön. Cool. Aber auch in den Projekten, klar, es gibt diese technische Faszination, ne, die ganzen neuen Technologien und Datenbanken, die mal auszuprobieren, damit mal zu arbeiten. Dann liest man hier, die Firma benutzt jetzt hier diese neue Technologie a und dann denkt man sich, ach, das ist ja cool, will ich mal unbedingt ausprobieren. Das ist tatsächlich ja, schon auch eine 1 Komponente, die ich auch hab. Tatsächlich, ja, es ist eine gesunde Mischung aus beiden. So nach jetzt, ne, ich hab jetzt 3 Tage Schulung gegeben, sprech jetzt mit dir auch noch mal Stunden. Ich freu mich jetzt einfach danach einfach vor meinem Rechner zu sitzen und einfach nur Code zu tippen. Kann ich absolut nachvollziehen, ja. Es ist tatsächlich, es ist tatsächlich, ja, die Mischung macht's einfach und das finde ich einfach so spannend und deswegen bin ich auch so gerne tatsächlich in dem Bereich einfach auch frei unterwegs, diese Freiheit zu haben, einfach Sachen auszuprobieren, Sachen zu machen. Ist einfach sehr, sehr schön. Ja.

Speaker2: Deine Kunden, inwiefern gehen die bei bei dieser Freiheit mit? Bringt mich nämlich zu 'ner Frage, die ich sehr, sehr spannend finde. Hinterher sehen die Success Stories, wenn man die ganzen Fehlschläge im Marketing rausschneidet, immer so total linear aus, ja? Aber in der Realität braucht man als Team oder in deiner Rolle jetzt ja eben die von dir beschriebene Freiheit, Dinge ausprobieren zu können und dann auch mal in eine kleine Sackgasse zu geraten, noch mal Schritt zurück, okay, dann machen wir's halt anders, nutzen vielleicht 'n anderes Tool. Und da würd mich interessieren, gibt's da gibt's da son strategischen Leitfaden oder sei es nur 'n Leitgedanke, mit dem Du in ein 1 exploratives Projekt reingehst, letztlich mit 'ner Strategie am Ende zu arbeiten, die die Erfolgswahrscheinlichkeiten von dem Projekt maximiert, ja, und dass man sich eben nicht 4 Monate in 1 Sackgasse dann verrennt und am Ende oh ja, Zeitung, Budget ist leider aufgebraucht. Sorry.

Speaker3: Ja, also das sind tatsächlich 2 Sachen sehr wichtig. Das eine ist tatsächlich zu sagen, Fehler passieren, ne und Fehler sind wichtig. Wer weiß, ne, auch wenn man sich 4 Monate in einem in einem Projekt jetzt tatsächlich verrennt und man sollte halt tatsächlich dann auch die Learnings draus ziehen und vielleicht, also es dann irgendwas, was man in dem Projekt dann doch gelernt hat, was man aber dann später tatsächlich vielleicht in 'nem anderen Kontext dann wiederverwenden kann, ne. Sei es irgendwie Coachschnipsel, sei es der Umgang mit 'ner gewissen Technologie oder irgendwas anderes. Das heißt, ganz wichtig ist tatsächlich so diese Fehlerkultur, einfach auch sagen zu können, okay, ne, wir sind alle keine keine Technologiegötter, die wir auch irgendwie auch, wo auch meine Beratungsleistung dann eingekauft wird, sondern tatsächlich auch zu sagen, okay, ne, es passieren Fehler und wichtig ist dann halt eben, wie man mit diesen Fehlern dann tatsächlich auch umgeht, ne. Also lieber tatsächlich früh auf die Schnauze fallen, als tatsächlich irgendwie diese Fehler zu vertuschen und sagen, na ja, ne, ich probier's jetzt da noch mal irgendwie weiter, sondern tatsächlich die Fehler anzusprechen. Ist aber auf der anderen Seite braucht man tatsächlich auch dann den Gegenpart, wo es auch erlaubt ist, diese Fehler dann tatsächlich auch zu machen. Also in 'nem anderen Projekt, wo ich gerade bin, da sind wir einfach so auf 'ner persönlichen Ebene in so vielen Themen einfach so ähnlich, wie wir an Projekte rangehen, wie wir mit Fehlern umgehen. Es einfach wirklich eine wahnsinnige Freude ist, da jedes Mal für dieses Projekt zu arbeiten und zusammenzusitzen, zusammenzusutieren, was wir sozusagen als Nächstes machen können, wie man auch irgendwas wie man auch irgendwas umschreibt oder wie man was umsetzt. Also das ist tatsächlich das eine, diese Fehlermentalität, tatsächlich Fehlerkultur tatsächlich irgendwie zu schaffen. Ist nicht immer einfach, ne. Gerade, na gut, man muss immer diese Klischees bedienen, aber tatsächlich irgendwelche großen, tatsächlich in großen Konzernen oder in schon sehr etablierten Umfeldern ist es tatsächlich manchmal sehr sehr schwierig. Und ja, dann ist tatsächlich vielleicht auch das Projekt auch schneller beendet für mich dann auch, ne, weil das vielleicht dann dann auch da nicht so passt. Und das andere ist dann tatsächlich auch einfach sich immer drüber Gedanken zu machen, okay, Sachen auch, wie kann ich jetzt Erfolg auch messen, ne? Das ist das, was wir vorhin besprochen haben, ne. Also wenn wir jetzt in irgendwas Neues starten, ne, wie können wir uns zwischen Benchmarks setzen, ne. Wie können wir zum Beispiel jetzt in dem einen Projekt tatsächlich sagen, okay, wir bauen irgendwie Dashboards und Dashboards für das Unternehmen. Okay, ne, dass Task ist abarbeitet, aber wie können wir tatsächlich Erfolg messen? Also haben wir uns tatsächlich dann, ne, die Metrik gesetzt zu sagen, okay, wir wollen einfach tatsächlich Views sehen, ne, wie häufig wird dieses Dashboard aufgerufen? Und das ist dann tatsächlich so ein Erfolgskriterium, das wir dann haben. So. Aber auch das wieder tatsächlich, wir sind in 'nem sehr, sehr kleinen Team und es macht einfach sehr, sehr viel Spaß. Wir können damit halt auch einfach offen umgehen und tatsächlich auch aus Fehlern dann auch einfach auch lernen.

Speaker2: Ja, ja. Das ist ja letztlich Transparenz nicht aus einem Blaming Gedanken heraus, sondern aus einem Fortschrittsgedanken, ja, dass man das mit relativ besser wird, ja. Ja, auf alle Fälle, ja. Und wenn ich jetzt noch mal kurz den den Blick auf das Team beim Kunden richte, hängt sich das an 'ner einzelnen Rolle auf, wo Du sagst, Du hättest gern diese oder jene Rolle besetzt, zum Beispiel einen, weiß ich nicht, einen 1 zu 1 Gesprächspartner für dich, das quasi die wie wie wie son Vertrauens wie eine Vertrauensperson ist, mit der Du dieses offene Verhältnis aufbauen kannst? Oder ist das eher eine komplette Teamphilosophiefrage, die die gegeben sein muss? Gibt's da gibt's da son Singleplayer, der der entscheidend ist?

Speaker3: Nee, also tatsächlich nicht. Es es gibt tatsächlich immer irgendwo in 'nem Unternehmen irgendeinen motivierten, eine motivierte Person, die tatsächlich Sachen voranbringen möchte, ne? Die irgendwie neue Technologien ausprobieren möchte und so weiter und so fort. Und das tatsächlich, das ist manchmal konzentrierter in den einzelnen Teams. Das ist dann tatsächlich, wenn man dann da reinkommt, ist es einfach sehr, sehr offen, wenn wenn man da eben auch mit seiner Art, die ich halt dann auch einfach auch habe, dann tatsächlich da reinkommt. Manchmal ja, also Du brauchst die Unterstützung schon nicht nur im Team, sondern auch vielleicht dann auch auf der höheren Ebene dann tatsächlich auch, gerade in, sagen wir mal Unternehmen, wo dann doch noch irgendwie Hierarchien sind, muss man da tatsächlich dann schon auch diese Unterstützung dann auch tatsächlich suchen oder auch haben. Muss aber auch ganz ehrlich sagen, natürlich, ne, bekommt man natürlich auch nicht jedes Projekt, weil man vielleicht auch mit der Art tatsächlich dann auch nicht das dann auch nicht immer passt dann auch, ne. Aber das ist auch okay, ne. Weil lieber Ist man vielleicht der Flow drum eigentlich. Ja, ja genau. Genau. Ja, genau. Klar. Also man denkt sich natürlich immer vor jedem Projekt, boah, das wär so cool und ich mach das jetzt und ich will das unbedingt und hier und da. Klar, im Nachhinein wüsste man es dann vielleicht besser, aber ja, das das kristallisiert sich dann tatsächlich auch schon im ersten Gespräch dann auch son bisschen raus, ob es denn auch passt oder ob es auch nicht passt, ja. Mhm. Mhm.

Speaker2: Nice. Zum Abschluss, gibt's etwas, das Du deinem zwanzigjährigen Ich mit auf den Weg hättest geben wollen, wenn sich die Gelegenheit ergeben hätte? Viele Konjunktive.

Speaker3: Jetzt muss ich mal kurz überlegen, 20 war ich war ich sogar noch in München, hab gerade mein Abi gemacht.

Speaker2: Mhm.

Speaker3: Ja.

Speaker2: Vielleicht auch Also Und sei es nur die Platten von dem bestimmten Künstler nicht aufzulegen.

Speaker3: Ja, tatsächlich weiß ich nicht. Also es ist schwierig zu sagen. Klar macht man sich jetzt grade so, ich werde im nächsten Jahr 40 schon auch Gedanken darüber, ne. Hast Du sozusagen grade die Hälfte gewesen. Aber im Endeffekt glaube ich, ja, war der Weg ganz gut, den ich gegangen bin. Also es wären eher so vielleicht so Sachen wie muss das letzte Bier 6 Uhr morgens noch sein oder solche Geschichten. Aber nee, also tatsächlich schwierig. Ich würde mich gerne noch mal sehen mit 20. Erstens, weil ich dann noch Haare hatte und zweitens, weil man ja dann doch noch 'n bisschen unbedarfter durchs durchs Leben geht. Aber tatsächlich son richtigen Rat kann ich mir jetzt tatsächlich nicht geben. Wüsste ich jetzt auch gar nicht. Das würde wahrscheinlich auch gar nicht ankommen, so wie ich mit 20 drauf war. Was im

Speaker2: Umkehrschluss aber bedeutet, dass nicht allzu viel jetzt aus deiner Retrospektive her schiefgelaufen sein kann. Ja.

Speaker3: Nee, also keine Ahnung. Also natürlich gibt es paar Dinge, wo man dann sagt, na ja, hätte, musste das dann unbedingt sein, aber wie wie gesagt, wie ich schon vorher gesagt habe, ne, wichtig ist aus den Fehlern dann auch tatsächlich auch zu lernen und die richtigen Schlüsse dann zu ziehen.

Speaker2: Alright. Uli, mega Gespräch. Vielen, vielen Dank. War für mich super spannend. Danke, dass Du da so transparent nicht nur deinen Kunden gegenüber, sondern jetzt auch mir und unseren Zuhörern gegenüber deine Erfahrungen geteilt hast. Ich wünsch dir alles, alles Gute für die weiteren Projekte, dass die Transparenz auch so von den Kunden gespiegelt wird und wertgeschätzt wird. Ist 'n ganz, ganz wichtiger Wert aus meiner Sicht an sich, diese transparente Vorgehensweise. Und auch den Zuhörern viel Erfolg. Versucht nicht irgendwelche Fuck ups zu vertuschen oder zu verheimlichen. Am Ende haben alle was davon, wenn wenn wenn das aufn Tisch kommt und man gemeinsam überlegt, wie man das Beste draus macht. Uli, noch mal vielen herzlichen Dank.

Speaker3: Ja, gerne. Danke für die Einladung und allen Zuhörern, ja, geht einfach euren Weg und versucht eben auch Transparenz transparent mit den Sachen umzugehen.

Speaker2: Nice, was für ein Schlusswort. Danke Uli. Und an alle da draußen, Mastery Complexity.

Speaker0: Auf dem Laufenden zu bleiben, folgt uns auf Facebook, Instagram, Twitter und LinkedIn. 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 IRIUM Podcast.

More episodes from season 5 →