#403 Die Rolle von Künstlicher Intelligenz (KI / AI) für die Zukunft der Arbeit

Die Rolle von Künstlicher Intelligenz (KI / AI) für die Zukunft der Arbeit

Wissenschaftliche Belege zum allgegenwärtigen Thema

Künstliche Intelligenz ist thematisch allgegenwärtig.

Ob KI, als Künstliche Intelligenz, oder AI, als Artificial Intelligence, das Thema ist aus keinem Kontext mehr fern zu halten. Leider fühlen sich oftmals viele Menschen ohne jeglichen Hintergrund hier berufen Äußerungen zu tätigen, welche wenig oder gar nichts mit AI gemein haben. Auch eine Erklärung der Prompt-Zeile von ChatGPT kratzt nur an der Oberfläche der Sache. Fehlinvestitionen in Hinblick auf AI sind hier oft die Folge. Tools werden eingeführt, erfüllen Erwartungen nur teilweise oder gar nicht. Schnell kommen sämtliche Kritiker aus den Ecken gekrochen und engagieren sich in Vollzeitnörgelei. AI ist ein wichtiges Thema, welche die Geschäftswelt und jedes Geschäftsmodell positiv beeinflussen kann.

Wie kann man sich der Situation mit AI nachhaltig stellen?

Studien

Eines vorab: die hier präsentierten Fakten stammen aus einer umfassenden Fortbildung an der University of Pennsylvania, einer Top 10 Universität weltweit, durchgeführt ebenso durch dort ansässige Wharton Business School, der nach aktuellem Ranking weltweit führenden Business School. Es handelt sich somit um wissenschaftlich fundierte Fakten und Studienergebnisse.

Die Diskussion um AI findet meist rund um ChatGPT statt, ein Large Language Model (LLM), welcher nur einen kleinen Teil von AI abbildet. Vision AI, die räumliche Darstellung, findet in Firmen bereits bei Ausbildungs- und Trainings-Szenarien Anwendung. Voice AI, die sprachliche Variante, hat bereits Einzug in Feedback- oder auch Telefon-Szenarien gefunden. Eine große Angst begleitet viele Menschen derzeit: wird mein Job durch eine AI ersetzt werden?

Belege

Die kurze Antwort lautet: mit hoher Wahrscheinlichkeit nicht. Studien haben ergeben, dass weder der Mensch alleine noch eine AI alleine das beste Ergebnis bei einer Aufgabe erzielt haben. Das beste Ergebnis wurde bei einer Zusammenarbeit von Mensch und AI erreicht. Zudem belegten Studien der University of Pennsylvania, dass weiterhin ein Mehrbedarf an hoch qualifizierten Kräften und ebenso an sogenannten weniger bzw. niedrig qualifizierten Kräften besteht. Lediglich im mittleren Skill-Bereich, hier wird weniger Mensch benötigt. Der Grund ist einfach: Dinge wie Dateneingaben, Beaufsichtigung oder das Notieren von An- und Abwesenheiten können von einer AI besser und vor allem emotional neutraler abgebildet werden. Wenn Sie sich in diesem Bereich verorten, dann wird es Zeit sich fortzubilden. Oftmals helfen Firmen hierbei, da an der Talenterhaltung gerade heutzutage ein hohes Interesse besteht. Viele sind im sogenannten „Low Skill Worker“-Bereich über den Bedarf überrascht. Technisch versierte Menschen hingegen nicht. Bis heute können Maschinen mit AI zum Beispiel bei der Ernte zwar helfen, jedoch Erntehelfende nicht ersetzen, da selbst die bisher besten AI-gesteuerten Maschinen zu viel Schaden an der Ware hinterlassen, sodass der Einzelhandel jene nicht mehr abnimmt. Sollte Ihnen somit jemand sagen, dass durch AI eine drohende Massenarbeitslosigkeit entsteht, so können Sie die dieser Aussage die aktuellen Studienergebnisse entgegen stellen.

Umsetzung

Bei der Umsetzung zu beachten sind, neben der Frage des Datenschutzes, besonders die Frage des Bias, der unbewussten Be- und Verurteilung von Sachverhalten. Wenn Sie eine eigene AI im Recruiting mit den Daten der letzten 50 Jahre trainieren, so werden Sie vor allem weiße und männliche Personen einstellen, obgleich es bessere Bewerbende gab. Ungerechtigkeiten in Daten werden so reproduziert und verschlimmert. Amazon musste einen rassistischen HR-Algorithmus zurückziehen, Microsoft musste einen faschistisch und rassistischen Chatbot offline stellen. Es gibt jedoch zahlreiche Beispiele von AI, welche großen Nutzen lieferten. Es gilt bei Projekten daher, dass Sie gerade anfangs in der Organisation sogenannten Quick Wins erzeugen müssen. Menschen müssen schnell sehen, dass AI hilfreich ist und keinen Schaden anrichtet durch z.B. Stellenabbau. Eine Einzelhandels-Kette hat ein eigenes GPT für alle Mitarbeitenden inklusive App bereitgestellt, wodurch Fragen nun in allen Sprachen über eine App beantwortet werden können und Marktleitungen entlastet werden. Es wurde ein Chat Bot für einfache IT-Fragen eingerichtet. Nun können einfache IT-Fragen von überall, ohne Telefonanruf und Warteschlange, zudem rund um die Uhr, beantwortet werden. Der Service Desk kann sich endlich auf die komplexen Fälle kümmern, welche die IT-Landschaft positiv und zukunftsfähig gestalten. In der HR wurde bei einer Airline ein Erstrunden-Screening per AI eingeführt. Hier wird lediglich geprüft, ob Menschen flüssig deutsch und englisch sprechen können. Bei meist über 500 Bewerbungen eine massive Entlastung der HR, welche sich nun um zentrale Aspekte der Personalentwicklung kümmern kann. In allen Fällen gab es massiven Nutzen und kein einziger Job ging verloren. Im Gegenteil, die Jobs wurden entlastet, aufgewertet und können sich nun um die wirklich wichtigen Aspekte kümmern. Ein AI Excellence-Steuerkreis sorgt dafür, dass alle Beteiligten eine Stimme erhalten. Stellen Sie daher drei Personengruppen bei AI-Projekten nie nach vorne: Menschen die Datenschutz als Tatenschutz missbrauchen (Dank an Thorsten Jekel für das Zitat), technisch völlig ahnungslose Menschen oder unreflektierte AI-Ablehnende bzw. unreflektiert AI-Befürwortende.

Fazit: AI lohnt sich immer, wenn der Kontext und die Umsetzung stimmt.

---

Mehr zum Thema im dieswöchigen Podcast: Apple Podcasts / Spotify
Siehe unten für das Podcast Transkript.

Ihnen ist sehr gute Führungsarbeit wichtig?

Lassen Sie uns reden: NB@NB-Networks.com

Kontakt: Niels Brabandt auf LinkedIn

Website: www.NB-Networks.biz  

Niels Brabandt ist Experte für Nachhaltige Führung mit mehr als 20 Jahren Erfahrung in Praxis und Wissenschaft.

Niels Brabandt: Professional Training, Speaking, Coaching, Consulting, Mentoring, Project & Interim Management. Event Host, MC, Moderator.

Podcast Transkript

Niels Brabandt

Das neue Jahr beginnt und ein Thema ist bereits allgegenwärtig. Das wurd bereits mehrfach hier angefragt, nämlich das Thema künstliche Intelligenz KI Artificial Intelligence AI. Wir werden das hier in Zukunft auch AI Nenner, das der allgemeingültige Begriff mittlerweile ist. Viele haben gesehen, dass unglaublich viele Menschen quasi über Nacht zur zur Expertenperson wurde, was künstliche Intelligenz anbelangt. Und das war genauso erschreckend, wie's eben dann auch sinnleer war von dem, was diese Menschen von sich gegeben haben. Auch wenn AI in aller Munde ist, heißt das nicht, dass jede Person, die 'n bisschen auf ChatGPT was schreiben kann, irgendwas mit Expertise in AI zu tun hat. Von daher Vorsicht, wenn Leute sich zu AI einlassen, prüfen Sie bitte immer und daher komm ich nachher auch noch, was Sie bei solchen Personen beachten müssen.

Alle alle glauben auch, dass in jeder Branche jetzt AI genutzt werden muss und da ist sehr schnell dieser Effekt des FOMO, Fear of missing out da und dann wird sehr schnell Geld auch für Dinge ausgegeben, die am Ende sich gar nicht allzu nützlich herausstellen. Das Geld ist dann schnell falsch investiert. Und dann heißt es natürlich von gewisser Seite immer, hab ich ja gleich gesagt, aber auf mich hört ja keiner. Und dann ist das Thema im Endeffekt tot. Und jetzt ist die Frage, wie kann ich mich der Situation mit AI nachhaltig stellen? Das können wir natürlich nicht in einem einzigen Podcast jetzt hier durchsprechen, aber wir können es zumindest erst mal beginnen. AI als Situation ist allgegenwärtig.

Die kennen, die meisten allerdings kennen den Begriff nur aus ChatGPT und das ist ein LLM, ein Large Language Model, eine Art von AI. Es gibt zig verschiedene Arten von AI. Und jetzt kommen wir zu Dingen, wo AI bereits eingesetzt wird. Ich geborene Ihnen mal 'n paar Beispiele. Es gibt zum Beispiel Vision AI. Vision AI, jetzt setzen sich so eine Brille auf. Das kennen einige auch, weil einige sagen, ah, Samsung verkauft doch so.

Ja, genau, auch Apple verkauft so was. Es gibt da noch deutlich komplexere Produkte von anderen Herstellenden. Und da ist es so, dass sie zum Beispiel ganz gewisse Dinge in 'ner künstlichen Intelligenz besser erproben können. Ich geborene Ihnen mal 'n ganz simples Beispiel. Wenn Sie Schiffe bauen, sind wir uns ja, glaub ich, einig, dass Fehler beim Schiffsbau oder beim Flugzeugbau relativ schwerwiegend sein kann, ja, und sofort Menschenleben kosten können, wenn's dann doch ganz schlecht läuft. Und da kann zum Beispiel im Bau können gewisse Dinge einfach sehr viel einfacher in der künstlichen Intelligenz trainiert werden, denn sie haben nicht immer die Ressource, sie haben nicht immer das Material, sie haben auch nicht immer die Situation, die sie grade brauchen. Menschen zu trainieren in jeder Situation, die sie brauchen und das physisch herzustellen, ist halt dann doch schwierig.

Und das kann man einer künstlichen Intelligenz, einer Vision AI, das ist in dem Fall ein räumliches Sehen, deutlich besser trainiert werden. Ein anderes Beispiel ist Voice AI, was meistens sogar mit Vision AI kombiniert wird. Voice AI ist ein Sprachmodell. Ich geborene mal 'n Beispiel. Wenn Sie jetzt Leute haben und die sollen zum Beispiel trainiert werden im Bereich Kundengespräche, dann sagen Sie, machen Sie Vertriebstraining. Wunderbar. Und das ist auch richtig so.

Das sage ich absolut, Sie brauchen immer noch Trainings begleiten natürlich und Trainings von realen Personen, weil natürlich da immer noch der meiste Erfahrungsschatz mittlerweile auch einfach und vor allen Dingen auch in der Umsetzung gemacht hat, das größte Vertrauen ist und deutlich mehr gegenüber Maschinen in vielen Fällen. Wenn jetzt aber Leute sagen, im Endeffekt ist der Trainer ja dann da und ich brauche aber dann eigentlich Feedback am allerbesten so sechsmal am Tag. Und da kann man natürlich sagen, wir buchen den Trainer für die nächsten zwei Jahre oder die trainierende Person. Das ist relativ schwierig finanziell machbar. Da kann so ein VoiceAI sehr helfen. Mittlerweile ist das zum Beispiel sogar bei Chat GPT verfügbar. Sie können mit Chat GPT sprechen und dann entsprechend von Chat GPT auch Feedback bekommen oder mit Chat GPT Verkaufsgespräche durchgehen.

Ich hab letztens zum Beispiel mal ein Vorstellungsgespräch für einen Job in New York City entsprechend auf Englisch durchgespielt mit sehr interessanten für mich Ergebnissen. Ich hab den Job zwar am Ende bekommen, es war aber deutlich härter zu verhandeln, als ich's am Anfang vermutet habe. Und deswegen solche AI Systeme kommen zum Einsatz, wenn sie sich dem verschließen. Ich gebe Ihnen Beispiele, mittlerweile gibt es auch Firmen, mit denen ich zusammenarbeite. Bei Lepaia zum Beispiel, einer der führenden Trainingsfirmen Europas, die setzen mittlerweile AI ein auch im Training und zwar auch im Realtraining in Mischform. Da machen wir erst 'n Training mit dem Trainer, danach kommt eine Einheit mit AI, 'nem Seminarschauspieler, einer Seminarschauspielerin, einer Person aus dem Schauspiel und dann bringen sie alles drei zusammen zum Nutzen aller Beteiligten. Also wenn Sie jetzt so was sehen, können Sie nicht sagen, wir brauchen das nicht.

Wenn Sie jetzt sagen, Sie haben ein Geschäftsmodell, wo Sie sich AI nirgendwo vorstellen können, dann wär das doch zumindest ein Geschäftsmodell, was ich gerne mal wissen möchte, wo Sie sagen, Sie brauchen das gar nicht. Aber natürlich gibt's eine große Angst. Und die große Angst heißt, dass unsere Arbeitsplätze wegfallen. Viele denken Gottes Willen, dann kommt son AI und schon bin ich weg. Und AI übrigens ist überhaupt nicht neu. Künstliche Intelligenz findet seit Jahren Einsatz im Marketingbereich, im Finanzbereich, seit Dekaden, im Medizinbereich seit Jahren. Im Medizinbereich ist es sogar so, hallicin, das ist ein eigenes ein eigenes Penicillin, das wurde gefunden von einer AI.

Weil diese AI einfach wissenschaftliche Paper aus aller Herren Länder analysiert hat, Das hätte Menschen sechs Monate Menschen hätten sechs Monate gebraucht, wenn sie dann überhaupt wissen, welche Paper aus welchem Teil der Welt sie denn lesen müssten. Das hat aber diese diese AI in sechs Wochen geschafft und hat innerhalb von sechs Wochen gesagt, hey, hier haben wir was, was wir gemeinsam machen können. Also sie sehen, es wird bereits eingesetzt. Und die Frage, jetzt ist immer wichtig, wenn Leute sagen, wie wie wie wie wie kommen Sie auf die Aussage, die Sie gleich treffen? Denn ich kann Ihnen schon mal sagen, sie werden sich wenig Sorgen machen müssen ihre Arbeit aus einem ganz bestimmten Grund. Ich selber habe über mehrere Wochen eine Fortbildung gemacht an der University of Pennsylvania, ist eine Top zehn Universität der Welt. Dort genauer gesagt an der Worten Business School.

Das ist die beste Business School nach dem aktuellen Ranking, Top eins Business School im Ranking der Welt. Das war eine harte Fortbildung. Da ging es von wirklich den Grundlagen von AI bis hin zu den mathematischen Modellen. Und glauben Sie mir, da hab ich wirklich hier gesessen und geflucht, aber es hat unglaublich geholfen, es wirklich zu verstehen. Von den mathematischen Modellen über Anwendung im Finanzbereich, Marketing, HR Bereich, aber auch Strategie und auch Risiken von AI. Und jetzt wichtig, wenn Ihnen irgendjemand was zum Thema AI sagt, prüfen Sie bitte immer, ob diese Person, das sag ich jetzt wirklich sehr klar, eine nachweisliche Qualifikation dazu hat. Einfach zu sagen, ich hab mich damit beschäftigt, genügt schlichtweg nicht.

AI ist ein derartig komplexes Thema. Den müssen Sie sich auf akademischem Niveau nähern. Und wenn Sie jetzt sagen, ich möchte aber nicht doch mal studieren, darum geht's gar nicht. Es gibt diese Fortbildung auch von Universitäten als Kurse, als Fortbildung online wie offline, aber einfach zu sagen, ich hab dazu halt irgendwie meine Meinung. Das sind dann die Leute, die Ihnen sagen, herzlich willkommen zum Chat GPT Seminar. Wenn Sie sagen, schreibt mir eine E-Mail und macht die 'n bisschen netter, dann macht er die netter. Und das sind so Seminare, die vollkommen wertlos sind.

Deswegen wichtig, wir werden in Zukunft in den meisten Gruppen mehr Arbeitskräfte haben. Ich gebe Ihnen Beispiele. Bei der Studie, die da Gruppen mehr Arbeitskräfte haben. Ich gebe Ihnen Beispiele bei der Studie, die damals von der University auf Pennsylvania durchgeführt wurden. Wir brauchen mehr High Skill Worker, also mit hohen Fähigkeiten. Das sind Menschen, die akademisches Wissen haben. Das heißt nicht, dass die einen Studienabschluss haben müssen, aber haben's akademische Wissen.

Und wir brauchen eben auch mehr Low Skill Worker. Das ist natürlich immer in Anführungszeichen zu sehen. Wir möchten dann jemand auf die Füße treten. Low Skill Worker sind Menschen mit Highschool Abschluss. Das wäre so ungefähr der deutsche mittlere Abschluss leicht runter oder in Anführungszeichen weniger. Was wirklich weniger wird, sind die Middle Skill Worker. Es gibt gewisse Dinge, davon brauchen Sie in der Tat dann, wenn Sie AI haben, weniger.

Das sind Menschen, die im Endeffekt sagen, ich kontrollier Anwesenheiten, ich guck, ob Leute ihre Arbeit irgendwie so machen. Rein Überwachungstätigkeiten kann AI deutlich besser. Und vor allen Dingen, eine AI kann aus Überwachungstätigkeiten auch dann bessere Entscheidungen treffen. Ich gebe Ihnen mal 'n Beispiel. Wenn Sie als Führungskraft, dann nehmen wir jetzt mal, Sie haben sone Art Teamleitung und die Teamleitung stellt fest, eine Person im, nehmen wir jetzt mal 'n Beispiel Callcenter kommt innerhalb des ein eines Monats achtmal zu spät. Daraufhin werden Sie irgendwann sauer auf die Person, Sie persönliche Animositäten haben und das wird ganz viele andere Dinge mit beeinflussen. Das alleine haben sie mit der AI schon mal nicht, weil diese Gefühle kennt eine AI nicht.

Eine AI würde auch spätestens nach dem dritten Fall hier entsprechenden, wie sie eingestellt und trainiert haben, entsprechend dann auch sagen, jetzt müssen wir Gegenmaßnahmen einleiten, die auch Sie entsprechend wieder hinterlegt haben müssen. Aber diese reine Überwachungstätigkeit, dieses Mittel Skill Work, davon brauchen wir in Zukunft studienseitig belegt weniger. Übrigens wenn Sie jetzt sagen von high-, mittel- und low Skill Worker gibt's ja noch die Temporker, die temporären, die die zeitweilig irgendwo sind. Das sind entweder externe beratende oder auch zum Beispiel Menschen-, Arbeitnehmerüberlassung oder Zeitarbeit.

Da bleibt der Bedarf übrigens gleich. Ändert sich nicht durch den Einsatz von AI. Wir brauchen halt nicht mehr dieses Supervisor Management, diese ich beaufsichtige Leute. Das ist halt mittlerweile durch AI deutlich besser machbar. Und einfache Managementescheidungen und über Anwesenheit und Konsequenzen kann eine gut trainierte AI auch einfach wirklich besser, nachhaltiger und vor allen Dingen unemotionaler treffen und damit eben auch sachlicher. Klare Botschaft daher, qualifizieren Sie sich besser zeitnah, denn irgendwann wird sich bei ihnen, wenn sie jetzt sagen, sind in diesem Mittel Skill Bereich, dann wird sich bei ihnen entscheiden, wo die Reise hingeht. Entweder geht die Reise nach oben hin oder eben nach unten hin oder eben raus, wenn man sie dann eben nicht braucht.

Und wenn Leute sagen, warum brauchen wir denn noch diese in Anführungszeichen Low Skill Worker? Hab Ihnen ganz einfaches Beispiel hier mitgebracht. Nehmen wir das Beispiel Erntearbeit. Man hat viel Geld investiert in Erntemaschinen. Es gibt mittlerweile Erntehilfsgerät, ist mir alles bekannt, weil ich Kunden in dem Bereich habe. Aber eine vollautomatisierte Ernte ist bis heute immer noch nicht möglich. Der Schaden am Produkt durch verschiedene Boden, durch verschiedene Verharkungen, durch durch verschiedenes Aushebeln.

Der Schaden am Produkt, was geerntet wird, ist immer noch so hoch, dass der Einzelhandel am Ende sagen würde, die Ware können wir dann wo hinlegen, die Ware nehmen wir nicht ab. Und deswegen ist es so, dass ganz klar gesagt werden muss, diese low in Anführungszeichen, so wird so wird die Kategorie immer wissenschaftlich genannt, davon werden wir eben auch mehr brauchen in Zukunft, denn diese Arbeit muss auch zukünftig gemacht werden. Und ich gebe Ihnen nur als Beispiel für das Beispiel mit mit der Ernte. Wir haben im letzten Jahr etwas über achtzig Millionen Menschen mehr auf diesem Planeten, die müssen ja auch irgendwo essen. Also das heißt, wir werden mehr Bedarf an Lebensmitteln haben, weil wir einfach hier wachsen durch die Anzahl der Personen. Ganz simples Beispiel. Nur von hier jetzt mal wegzugehen mit 'n paar Praxisbeispielen, wo es bisher eingesetzt wurde.

Erst mal wichtig bei der Umsetzung. Sie müssen dabei immer eins beachten oder zumindest immer zwei Dinge. Erstens natürlich Datenschutz ist extrem wichtig. Datenschutz aber auch nicht verhindern, dass Sie jetzt einer schreit Datenschutz und dann daraufhin eine Person schreit Datenschutz und daraufhin tut sich gar nichts mehr. Ein superdeutsches Talent, da muss ich ja wirklich sagen ein deutsches Talent. Das erlebe ich in keinem anderen Land der Welt, dass so reagiert wird. Irgendjemand brüllt Datenschutz und schon tut sich nichts mehr.

Sie müssen aber auch eins sehen, nämlich Bias, also unbewusste oder in dem Fall b wusste b und Verurteilung. Eine AI ist nur so gut wie die Daten, die Sie trainieren. Und ich geborene Ihnen mal 'n Beispiel. Wenn Sie jetzt sagen, Sie trainieren Ihre AI basierend auf bisherigen Einstellungen, weil Sie sagen, bisher haben wir eigentlich ganz gute Leute eingestellt, dann nehmen wir jetzt mal so die unsere Recruiting Daten der letzten sechzig Jahre und spielen die da ein. Darum kann ich Ihnen genau sagen, wen die AI zukünftig mehr einstellen wird, denn die AI nimmt, wenn sie alle Daten einfach hinstellen und zwar wirklich alle, dann wird die AI auch alle Namen, alle Daten nehmen. Und dann kommt halt raus, man wird mehr Männer einstellen, man wird mehr Weiße einstellen, man wird gewisse Postleitzahlengebiete bevorzugen und so weiter, weil gewisse Stadtteile eben besser sind oder schlechter für einige Tätigkeiten. Und dann haben Sie ganz viele, ganz komische Dinge, die Sie gar nicht haben wollten.

Also einfach nur zu sagen, hier, ich schmeiß dir Daten hin, mach mal. Wenn Sie alles an Daten hinschmeißen, wird auch alles in Daten berücksichtigt und das zum Beispiel kann einfach gegen Gesetze verstoßen. Da gibt es übrigens ganz prominente Beispiele. Microsoft hat einen Chatbot mal veröffentlicht, der sich nachher rassistisch mit Leuten unterhalten hat oder faschistische Theorien mit denen ausgetauscht hat oder Fantasien. Selbst Amazon hat mal einräumen müssen, dass der Recruiting Algorithmus rassistisch war und musste ihn daraufhin erst mal außer Kraft setzen und dann entsprechend verbessern. Sie brauchen also von Anfang an Profis. Deswegen in der Umsetzung fangen Sie mit einem an.

Sie haben ein AI Excellence Team. In dem Excellence Team sitzen Leute drin, die haben sehr viel Ahnung von AI, aber auch Menschen, die später betroffen sind von AI, die also das benutzen werden, selber keine hohe Expertise haben und natürlich auch Menschen mit juristischem Hintergrund, technischem Hintergrund und so weiter. Dann haben Sie bitte dezentrale Projekte. Es ist nämlich nicht schlimmer, als wenn einige sagen, oh guck mal, die kriegen AI und wir gucken wieder in die Röhre, ist ja klar. Ja, die einen kriegen immer als Erstes und wir kriegen nix. Und das Allerwichtigste aber ist, wenn Sie mit AI beginnen, das Erste, was Sie machen sind Quickwins. Sie müssen nicht mit dem ersten AI Projekt die Welt verändern und sagen in drei Jahren, seht ihr was, weil dann sagen die meisten, ach komm, drei Jahre wird sowieso fünf, den Quatsch kannst Du jetzt schon wegpacken.

Und wenn's in fünf Jahren rauskommt, ist es veraltet. Das war ja wohl 'n Witz.

Wie viel Geld haben Sie ausgegeben? Dafür ist Geld da. Dann möchte ich eine Gehaltserhöhung. So. Und das führt zu nichts. Quickwins heißt, Sie machen am Anfang eher kleine Projekte, wo Leute mal sehen, oh, das hilft ja tatsächlich. Ich gebe mal drei Beispiele.

Eine Einzelhandelskette in Deutschland hat ein eigenes GPT, also ein Algorithmus, der entsprechend dort eben mit Sprachen und Fragen agieren kann. Ich geborene Ihnen mal 'n Beispiel. Wenn Sie jetzt sagen, Sie möchten im Einzelhandel arbeiten und dann stellen Sie irgendwelche Fragen, dann kann es ja sein, dass Sie eventuell da keine guten Antworten bekommen, weil grad die Marktleitung nicht verfügbar ist. Und da kann so ein GPT, ein generative, so so nennt sich das, also ein ein generatives, vorab trainiertes transformierendes AI Element. Das weiß eben, welche Sprache man dort einsetzt und welche Sprache als Nächstes kommt. Meistens sind die Modelle darauf aufbauen, dass sie dann wissen, welches Wort kommt als Nächstes. Es wird über Algorithmen bestimmt.

Ich geborene mal 'n Beispiel. Sie sind Marktleitung und auf einmal heißt es, jemand fragt Sie was. Warum haben wir eigentlich hinter der Fleischtheke 'n grünes und 'n blaues Messer? Hat unter anderem zu tun mit was darf Fleisch schneiden, was darf Huhn schneiden. Sie das falsche Messer verwenden, ist die wahre Crosskontamin, können sie alles wegschmeißen. Ist sauteuer, möchten sie natürlich nicht. Und wenn dann Leute anfangen und die haben's einmal gehört, erinnern sich aber nachher nicht mehr an die Farben.

Und dann ist eventuell auch Deutsch nicht deren Muttersprache, dann kann so ein Einzelhandels GPT, was sie mit ihrem eigenen Wissen gefüttert haben, mit ihren eigenen Daten, kann halt ganz schnell über eine App sagen, das ist das richtige Messer dafür und das können Leute dann sogar an ihrer eigenen Muttersprache fragen. Und das hilft ungemein. Deswegen so ein Einzelhandel, GPT ist ein Praxisbeispiel, was relativ schnell entworfen werden kann, wo sofort über so ein GPT, ein generative Pre Train Transformer. Chat GPT heißt auch genau das, generativ, also es wird was generiert. Es ist vortrainiert und transformiert dann die jeweiligen Sprachelemente passend zu ihrer Frage. So ein Einzelhandel kann relativ schnell erstellt werden, hat einen sofortigen Nutzen, wo alle sagen, boah, das ja toll. Und vor allen Dingen, es geht kein Job verloren.

Leute können sich endlich auf das konzentrieren, was sie eigentlich machen wollen. Sie glauben doch nicht, dass irgendeine Marktleitung vorher dezidierte Stunden für Frage und Antwort bekommen hat. Es waren nach Überstunden, die geschoben wurden wie irre. So. Sofortiger Praxis nutzen. Zweites Praxisbeispiel. Ein Chatbot wird erstellt und ausgerollt in der gesamten Firma für einfache IT Probleme.

Wie geht noch mal 'n SVERWEIS in Excel? Wo war noch mal im Intranet die Ansprechpartnerliste, die Ansprechpersonenliste für Datenschutz? Solche Dinge, wo sie normalerweise immer den Servicedesk angerufen haben. Und auch hier geht übrigens kein Job verloren, denn der Servicedesk hat so viel zu tun mit komplexen Problemen, die man alle im Endeffekt liegen lässt oder nicht löst oder einfach sagt, haben wir keine Zeit für. Jetzt können die endlich mal vernünftig gelöst werden, die IT Landschaft nachhaltig positiv zu transformieren und Ideen umzusetzen. Also auch hier geht kein einziger Job verloren. Es sind alle einfach nur zufriedener bei der Arbeit.

Ein weiterer Nutzen von AI Einsatz durch Chatbots oder eben auch zum Beispiel Recruiting in der HR. Und jetzt wichtig, AI ersetzt nicht den gesamten Recruiting Prozess, dafür gibt es noch keine Software, die bisher entsprechend gut agiert. Aber es gibt gewisse Dinge, die können Sie halt vorher abrufen. Ich geborene Ihnen 'n simples Beispiel. Bei einem meiner Kunden ist es so, die suchen halt im Bereich Flugbegleitende und da bewerben sich halt alle Menschen, die glauben, sie gehören aufm Flugzeug. Und glauben Sie mal, da sind Leute dabei, das können Sie sich nicht ausdenken, wer glaubt, an Bord eines Flugzeugs zu gehören. Da haben Sie ganz schnell vierhundert, fünfhundert Gespräche.

Und eine der ersten Sachen, die Sie halt klären müssen, ist, sind die Leute in der Lage, sich klar auszudrücken? Also können die klare Sätze sprechen und machen nicht, also ich also also sind die in der Lage, sie einigermaßen auszudrücken? Sprechen die Leute Deutsch fließend muttersprachlich und sprechen die Leute Englisch auf sehr gutem Niveau oder zumindest gutem Niveau? Wenn das Menschen prüfen, dann kann das durch Sympathie, Antipathie sehr schnell erst mal sehr unklar werden und sehr schnell kommen da auch einfach Dinge dabei rein, wo sagen, im Zweifel bin ich mir nicht sicher ob und dann entscheiden sie mehr nach Sympathie, Antipathie. So was kann heute komplett von 'ner AI abgedeckt werden. Es können sogar noch mehr Aspekte abgedeckt werden. Es gibt mittlerweile einen Anbieter, der nennt sich Rhetorio, der genau das anbietet.

Das ist ein Projekt der Technischen Uni München, also hochwissenschaftlich fundiert und wird mittlerweile von großen Konzernen auch eingesetzt. Das heißt also, diese, ja auch hier wieder geht kein einziger Job verloren. Denn sie glauben doch nicht, dass bei der HR gesagt wurde, och, Sie haben ja viel zu tun. Ah, jetzt haben Sie Recruoting noch. Na, da geben wir Ihnen natürlich extra Zeit. Es wurde schlichtweg gesagt, ja, Sie haben viel zu tun, das müssen Sie jetzt irgendwie reinquetschen. Und dann wurden andere Dinge liegen gelassen, unsauber gemacht, hin- und hergeschoben, liegen ewig rum.

Also auch hier kann AI schlichtweg helfen und kein einziger Job geht verloren. Wichtig ist bei diesem Quiquenz, Menschen müssen einen schnellen Nutzen sehen und vor allen Dingen einen Nutzen ohne Schaden. Wenn die erste Geschichte von AI sehr lange dauert und am Ende dann in irgendwas endet mit, gucken Sie mal, diese AI haben wir jetzt und dafür konnten wir fünfhundert Leute entlassen. Dann kann ich Ihnen genau sagen, wie die nächsten AI Projekte gehen, nämlich Leute werden es bewusst manipulieren, aktiv dagegen arbeiten. Und das muss verhindert werden. Wichtig ist, nicht jeder Job wird erhalten werden. Das ist auch klar, aber seien wir mal ganz ehrlich, wenn wir sehen, was teilweise für Überwachungsarbeiten da für Jobs rausgehauen wurden, da haben Leute nicht erst seit gestern gesagt, wofür werden die eigentlich genau bezahlt?

Denn wir machen die Arbeit, irgendjemand sitzt vorne, pflegt händische Excel Tabellen und beaufsichtigt uns. Ob das jetzt noch besser bezahlt werden muss als wir, wage ich mal zu bezweifeln, eine völlig berechtigte Kritik. Es gibt aber auch hier, und das muss ich auch ganz klar sagen, gewisse Menschen, die Sie bitte nicht nach vorne stellen bei Ihren AI Projekten. Und zwar nicht in die vorderste Reihe, dass die federführend tätig sind. Punkt eins und jetzt zitier ich Thorsten Jekel, Datenschutz darf nicht zum Datenschutz werden. Wenn Sie Natürlich muss Datenschutz befolgt werden, da widerspricht niemand. Aber sobald jemand dasitzt mit 'ner völligen Antihaltung und immer sagt, Datenschutz geht nicht, Datenschutz geht nicht, Datenschutz geht nicht.

Ich hab jetzt wirklich eine hohe Anzahl von Fällen erlebt, wo auch wirklich Datenschutzbeauftragte gesagt haben, es geht nicht wegen DSGVO und es war einfach falsch. Die Aussage war schlichtweg falsch bei Prüfung, aber natürlich zucken erstmal alle zusammen und denken sich, oh dann geht es bestimmt nicht. Dann machen wir es gar nicht erst. Also Datenschutz, Datenschutz steht nicht in der ersten Reihe. Das zweite ist technisch ahnungslose Menschen können bei AI zwar beratend tätig sein, aber nicht in der ersten Reihe. Sie müssen Menschen haben, glauben Sie mir, als ich hier saß bei der University of Pennsylvania, meine Güte, ich bin aufgewachsen im Beamtenhaushalt, bin auf eine Gemeinschaftsschule, also eine Gesamtschule gegangen, hab da mein Abitur mit zwei Komma acht gemacht. Also ich bin ja kein Super Brain.

Und auch ich hab's gelernt. Es ist ist natürlich ein Fluch gewesen für mich, mich wieder in mathematische Modelle einzuarbeiten. Aber wenn Sie AI nicht verstehen, dann arbeiten Sie bitte in der zweiten oder dritten Reihe, was völlig legitim ist, aber nicht die ahnungslosen Leute in die erste Reihe stellen, die im Zweifel immer sagen, wollen wir nicht. Und das Dritte ist, wenn Sie nicht AI Qualifizierte haben, also Menschen, die keinerlei Nachweise haben, aber irgendwie sagen, ich hab hier mal begleiten was eingeführt, aber irgendwie gibt es keine Nachweise über deren Wissen. Seien Sie vorsichtig, stellen Sie diese Menschen nicht in die erste Reihe. Denn entweder haben Sie Leute, die sind völlig anti und generell dagegen oder Sie haben Leute, die völlig unreflektiert dafür sind, katastrophale Mengen von Geld ausgeben und dann tatsächlich große Mengen von Geld auch verschwenden für Dinge, die am Ende überhaupt nicht funktionieren und nicht ansatzweise zu dem von, was am Anfang versprochen wurde. Fazit daher, AI ist die Zukunft, aber wie die Studien eben auch belegt haben, AI, man hat das halt mal geschaut, wenn Menschen etwas machen und AI macht das auch, dann ist AI bei gewissen Tätigkeiten, gerade bei zum Beispiel Recherchetätigkeiten, wiederholenden Tätigkeiten besser.

Ja, versuchen Sie nicht Roboter zu schlagen, denn die sind besser in dem, was Sie da tun. Das beste Ergebnis wurde aber spannenderweise nicht erzielt, wenn man nur den Menschen befragt hat oder wenn man nur die AI befragt hat. Das beste Ergebnis wurde erzielt, als man zuerst die AI und dann den Menschen oder erst den Menschen, dann die AI oder im Wechsel, beiden nennt sich iterativer Prozess, also schrittweise Vorgehen. Wenn Menschen und AI zusammenarbeiten, dann kam das beste Ergebnis raus. Vielleicht haben Sie ja son Erlebnis auch schon mal gehabt, dass Sie sagen, ChatGPT hat für Sie was geschrieben, das haben Sie noch verbessert und dann war's besser als irgendwas, was die KI alleine hätte machen können und es ist vor allen Dingen auch besser als was, was Sie alleine hätte machen können. Beides zusammen war das optimale Ergebnis. Und deswegen, AI lohnt sich in der Zusammenarbeit mit der AI, mit der Organisation und mit den Menschen in der Organisation.

Und dabei wünsche ich Ihnen viel Erfolg. Und wenn Sie jetzt sagen, puh, was fürn Brett zum Jahresbeginn. Ja, ich hab das Thema, weil die die Fragen kamen seit Monaten schon, wann kommt endlich AI? Und ich bitte sehen Sie mir eins nach, ich wollte halt einfach nicht irgendeiner von diesen Trainern sein, die irgendwas raushauen, was so halbgares Gerede ist. Ich hab Ihnen jetzt hier Dinge präsentiert, das ist 'n winziger Auszug aus diesen monatelangen Studien an der University of Pennsylvania und der Walton Business School, wo wirklich sehr fundiert gearbeitet wird und deswegen hab ich mir die Zeit gelassen. Wenn ich Ihnen was präsentiere, machen wir's inhaltlich. Der Podcast ist gewachsen durch inhaltliche Tiefe und ich hoffe, das konnte ich hier bestätigen.

Natürlich war auch das hier nur ein kleiner Ausdruck. Wenn Sie jetzt sagen, Mensch, da hab ich aber Punkte, schreiben Sie mir gerne E-Mail. N b at n b minus networks Punkt com. Da erreichen Sie mich jederzeit gerne per Mail. Ich stell Ihnen die E-Mail-Adresse in die Shownotes von dem Podcast. Da werde ich auch meinen LinkedIn noch mal erwähnen und Sie können auch gerne auf meine Webseite gehen, n b minus networks Punkt bids Dort oder BIZ. Dann finden Sie doch noch das Transkript noch mal und den Artikel, der dazu geschrieben wurde.

Wenn Sie jetzt sagen, Mensch, wir hätten gern noch mehr und zwar gerne auch live, da können Sie gerne einmal gehen auf Expert Punkt n b minus networks Punkt com. Da können Sie einmal Ihre E-Mail-Adresse eintragen, dann erhalten Sie jeden Mittwochmorgen eine einzige E-Mail. Dort erhalten Sie vollen Zugang zu sämtlichen Artikeln, vollen Zugang zu sämtlichen Podcasts und am wichtigsten das Datum und die Uhrzeit der nächsten Livesession. Da können Sie sich auch direkt über den Link dann entsprechend einwählen. Da freue ich mich dann, wenn wir uns live sehen. Der dritte Aspekt ist aber der wichtigste, anwenden, anwenden, anwenden von dem, was Sie gehört haben. Denn nur wenn Sie anwenden, was Sie gehört haben, werden Sie die positiven Aspekte sehen, die Sie offensichtlich auch in Ihrer Organisation sehen möchten.

Dabei wünsche ich Ihnen viel Erfolg, kontaktieren Sie mich jederzeit gerne. Ich bin rund die Uhr für Sie erreichbar, freu mich jederzeit von Ihnen zu hören. Und zum Schluss des Podcasts bleibt mir dann noch eins zu sagen, nämlich vielen Dank für Ihre Zeit.