Wie KI-Agenten Prozesse in Finance und Logistik revolutionieren – mit Björn Stauss, Board

00:00:00: Also das ist wirklich eine Interaktion, ich würde sagen wie mein Best Body im Finance Bereich.

00:00:05: Ich kann mit dem Agenten eine Kommunikation stattfinden lassen und kann durch Eingabe oder Veränderung von entsprechenden Parametern unterschiedliche Szenarien miteinander beleuchten und dann meine Entscheidungen besser

00:00:19: treffen.".

00:00:30: Hallo und herzlich willkommen zum Day Down, Day I Culture Podcast.

00:00:33: Ich bin Carsten Bange, Gründer und Geschäftsführer von BAG und mein Gast heute ist Björn Staus.

00:00:38: er ist General Manager von Bord für die Dachregion und teilt mit uns seine Einblicke wie das ganze Thema KI-Agenten inzwischen in der DachRegion vorankommt.

00:00:51: Agenten sind ja der aktuelle Schlüssel zu mehr Prozessautomation Und Björn hat einige gute Beispiele für uns.

00:00:58: Wir unternehmen jetzt schon Prozesse in Logistik, Finance oder Supply Chain ganz konkret mit Agenten verbessern können.

00:01:07: was Verbessern heißt diskutieren wir so ein bisschen denn wir sind ja eigentlich hier in so einem Dreieck zwischen Genauigkeit zum Beispiel von Forecasts oder anderen Parametern wie ich letztendlich die die Wirkung und auch die Güte von solchen Verfahren bewerten kann Aber auch die Geschwindigkeit.

00:01:24: Und er hat eben tolles Beispiel, wie schnell jetzt zum Beispiel Vorkasts verfügbar sein können aber am Ende auch Kosten und diese drei Dinge diskutieren wir an den Beispielen.

00:01:33: Wir lernen also, wie KI-Agenten in den Arbeitsteil alltag integriert werden können welche Faktoren jetzt über Erfolg und Effektivität entscheiden und letztendlich aber wie eben Agenten jetzt dazu beitragen dass datenbasierte Entscheidungen noch schneller noch besser in Unternehmen getroffen werden können.

00:01:52: Das, glaube ich ist extrem spannend.

00:01:54: Viel Spaß mit der Folge!

00:01:57: Hallo Björn!

00:01:58: Hallo Carsten!

00:01:59: Toll dass du wieder im Data Culture Podcast zu Gast bist.

00:02:03: heute soll es ja um das ganze Thema KI und vor allem Agenten als das neue heiße Thema im KI-Umfeld gehen.

00:02:10: Ich wollte dich erstmal ein bisschen allgemein fragen.

00:02:12: Du bist sehr viel im Dachraum unterwegs Deutschland Österreich Schweiz.

00:02:17: Wie nimmst du gerade so diese ganze Adoption von KI und insbesondere auch Agenten wahr?

00:02:22: Also tut sich was, nehmen Unternehmen das wirklich auf und setzen's um.

00:02:28: Umsetzen nicht!

00:02:28: Das ist eine gute Frage die du stellst aber es ist wahnsinnig viel Bedarf da.

00:02:33: Ich bin ja verantwortlich als General Manager für die gesamte Dachregion.

00:02:37: Bin schon ein paar Jahre in dem Business mit drin und wir haben eigentlich festgestellt dass über die Jahre hin immer so einen Run Februar März mit RFPs und Anfragen kamen für das Jahr.

00:02:46: Das war dieses Jahr auch so, speziell auf KI bezogen oder auf prädiktive Thematiken bezogen.

00:02:52: Was sehr spannend ist und das erliebe ich zum ersten Mal im Markt dass das Ganze in Mayuni nochmal begonnen hat also noch die zweite Welle.

00:02:59: Also es scheint sehr viel Bedarf derzeitig da zu sein Handlungsbedarf bzw informations bedarf aber auch wirklich handlungsbedarf.

00:03:07: Und was ich auch sehe ist dass viel mehr Prospekts oder auch Kunden sich intensiv mit dem Thema beschäftigen und händeringt nach Lösungen suchen, um dort das zu adaptieren.

00:03:18: Um sich mit Bewerbvorteile zu sichern bzw.

00:03:22: da einfach größere Schritte zu machen als es bisher die Sachlage ist.

00:03:27: Okay.

00:03:28: Kannst du da irgendwelche Muster feststellen oder gibt's so typische Dinge, die Unternehmen damit erreichen wollen?

00:03:35: Also warum denkst du ist jetzt gerade die Nachfrage so hoch?

00:03:41: Ich sehe halt, dass viele Unternehmen kräftig in KI investiert haben und das die mit ihrem Portfolio, mit einem besseren Verständnis ihrer Kunden Marktanteile sich erobern.

00:03:53: Und andere wollen das entweder auch tun oder merken, dass ihre Marktanteiler einfach sich verringern und wollen auf den Zug mit aussprengen rein aus Überlebensinstinkten würde ich mal sagen.

00:04:04: Da kommen natürlich noch verschiedene andere Bereiche wie zu wenig Fachpersonal, zu wenig Personal überhaupt auch wenn es wieder Freistellungen gibt, also eine Umschichtung im Personalmarkt mit stattfindet.

00:04:15: Aber das ist ein hoher Bedarf.

00:04:16: einfach da an... Ich möchte effizienter werden und ich möchte KI für meinen Business-Modell effektiv nutzen.

00:04:24: Und sie haben auch mittlerweile ein besseres Verständnis wo Sie's wirklich ansetzen könnten.

00:04:28: Also ich denke von dem Jahr war KI ein Hype und jeder hat darüber gesprochen aber der Nutzen war noch fraglich.

00:04:35: Wo kann ich den de facto einsetzen?

00:04:38: Das wird Sowohl von den Herstellern wie auch vor Bord, konkreter bzw.

00:04:42: richtig konkret.

00:04:44: Es wird aber auch von den Kunden oder von dem Trustbats konkreta weil sie sehen okay es gibt Handlungsbedarf, es gibt Use Cases.

00:04:50: hier kann ich KI wirklich zielführend und value stiftend mit einsetzen Und das ist der Trend den ich derzeitig sehe.

00:04:58: Auf der anderen Seite wenn ich das noch ergänzen darf Auch viele Unternehmen die lost sind Sie würden gerne Aber wir wissen nicht wie starten.

00:05:04: Aber ich denke da kommen wir in eine Diskussion heute nochmal ein bisschen darauf zurück.

00:05:07: Das hat man dann nochmal genauer klären, absolut.

00:05:12: Du sagst also du siehst den Trend zu KI oder mehr Nachfrage?

00:05:17: Jetzt ist ja KI nicht gleich.

00:05:18: KI wird an diesem Podcast auch schon sehr viel diskutiert.

00:05:21: häufig sah man ja so bisschen die erste Welle des Hypes quasi also nachdem schon in vielen Unternehmen Maschinenlernen Künstler also im Sinne neuronale Netze und ähnliche Verfahren eingesetzt wurde, die man häufig dann mehr Data Science genannt hat Gabs ja dann die erste Welle mit der generativen KI mehr so im Chatwort umfällt.

00:05:42: Und jetzt eigentlich seit ein, zwei Jahren diese zweite Welle wo Agenten mehr dafür stehen jetzt wirklich Prozesse anzupacken zu automatisieren.

00:05:51: Siehst du auch diese Welle jetzt losgehen?

00:05:54: Ja definitiv!

00:05:55: Also bisher war es eigentlich ein Analyse-System also Varianzabgleiche.

00:06:00: ich bekomme mehr Informationen Das Suchen der Stecknadel im Heuhaufen durch KI einfach viel besser gemacht, als wie jeder Mensch es tun kann.

00:06:08: Also wo sind Varianten?

00:06:09: Wo ist ein Abweichung und wo sind vielleicht Fehler mit drin?

00:06:11: Das war so die erste Welle.

00:06:13: jetzt geht's daraus aber auch mit diesen Erkenntnissen letztendlich Planungsprozesse oder Analyse Prozesse einfach zu verschlanken, zu verbessern, schneller zu machen einfache Themen durch die KI-Agenten auch mit übernehmen zu lassen.

00:06:26: also ich sehe das früher waren Spots Die haben halt Informationen mitgeteilt.

00:06:30: Jetzt sind es wirklich Agenten, weil sie bidirektional also leset und schreiben letztendlich auch wird arbeiten können?

00:06:36: Dann würde mich jetzt natürlich vor allem auch mal interessieren was machen die denn jetzt konkrete Agenten?

00:06:41: Du hast gerade schon so ein zwei Beispiele genannt aber wo?

00:06:45: was begegnet dir?

00:06:46: Was ist für dich so?

00:06:47: Schwerpunkte?

00:06:49: Na ja ganz wichtig sind aus den Analysen heraus zu arbeiten und Handlungsempfehlungen zu geben.

00:06:54: Also ich gucke... Wenn ich in einem Beispiel zum Beispiel Großmärkte oder Einzelhandel auch mit gehe, welche Produkte laufen im meinem Geschäft.

00:07:03: Welche Produkte laufen nicht, wenn mein Geschäft das spielt?

00:07:06: Zum einen in den Finanzbereich auch mit rein also Beschaffung aber auch in dem Demandbereich mit rein.

00:07:11: Das heißt... prädektiv zu sagen, okay hier brauche ich mehr Lebensmittel.

00:07:16: Hier brauchte ich mehr Produkt ABC und dann die Planung letztendlich auch vorzunehmen.

00:07:20: also das Planungsvorschläge erstens kommen beziehungsweise Planungs Vorschläger auch direkt für einen Agenten übernommen werden Also dass sich ganz konkret Werte zurückschreiben.

00:07:29: Ich brauche für meine Planungen im Einzelhandel HBC fünf Gurten mehr um ganz triviales Beispiel mitzunehmen.

00:07:38: Dann können Planungswerte basierend auf den Hochrechnungen, die gemacht werden dann auch zurückgeschrieben werden.

00:07:42: Und dann läuft es in den Supply Chain Bereich mit rein... ...in die Lieferkette und dann werden die Bestellung auch automatisch mit ausgerüst.

00:07:49: Also das sind ganz konkrete Themen wo wir daran arbeiten.

00:07:54: Es geht darum um Automatische Abdeichheit zu machen.

00:07:57: reden wir über die legale Konsolidierung um für ein Finanzbereich mitzuleiben dass sich im Endeffekt konnten automatisch Mit Abschließe durch die Agenten nur wenn irgendwelche Abweichungen mit reinkommen dass ich dann nochmal eine Hinweismeldung gebe an den entsprechenden Konsolidiere, der sich das noch beim Speziellen mit anschaut.

00:08:14: Also überall da wo eigentlich feste Prozessschritte damit da sind die ein Mensch manuell mit ausgelöst hätte.

00:08:20: hier können die Agenten wirklich aktiv werden und das geht über den gesamten Planungsbereich von Finance angefangen bis über alle weiteren Bereiche Merchandise Planning Supply Chain Planning etc.

00:08:31: mit herüber.

00:08:32: Der riesengroße Vorteil der daraus resultiert ist natürlich eine wahnsinnige Zeitersparnis Ein schnellerer Planungszyklus per se, der wahnsinnig viel Zeit spart und damit mehr Zeit zum Nachdenken auch geschafft oder zu Entscheidungen treffen.

00:08:48: Und Szenarienplanung ist für mich auch noch ein ganz konkretes Beispiel.

00:08:54: Ich gebe einfach eine Analyse weiter und habe jetzt einen Ist-Zustand.

00:08:57: und jetzt sage ich was passiert denn wenn mein Umsatz von fünf Prozent steigt?

00:09:01: Wenn etwas anderes sich verändert?

00:09:03: mach mir jetzt daraus ein Szenario abc und vergleich die miteinander.

00:09:06: gibt mir diese Ergebnisse mit raus.

00:09:08: Also das ist wirklich eine Interaktion, ich würde sagen wie mein best buddy im Finance Bereich.

00:09:14: also ich kann wirklich... Mit dem Agenten eine Kommunikation stattfinden lassen und kann durch Eingabe von entsprechenden oder Veränderung von entsprechender Parametern unterschiedliche Szenarien miteinander beleuchten und dann meine Entscheidungen besser treffen.

00:09:30: Super, das wurde schon mal jetzt ein bisschen anschaulicher.

00:09:34: Was mich interessieren würde ist wie finden Unternehmen die am besten passenden Prozesse?

00:09:41: Die sich besonders eignen durch KI, durch Agenten automatisiert zu werden?

00:09:47: oder wie gehen Unternehmen konkret vor?

00:09:49: Gucken sie durch wo es der meiste manuelle Aufwand oder wo ist der größte Hebel?

00:09:53: also was siehst du da?

00:09:56: Also man kann es wirklich am Aufwand mitsetzen.

00:09:58: also überall wo ich Prozesse habe, wo viele Menschen mit einfachen Tätigkeiten... ...betraut sind um Informationen zu sammeln einzugeben.

00:10:08: Zu validieren das ist der Hebel weil... Ich bringe ein Beispiel wir haben einen Kunden wo wir gerade eine Teststellung machen nicht nur mit den Agents sondern eben auch mit unseren Modulen von Foresight & Signals.

00:10:17: Also makro- und mikroökonomische Daten auch noch aus dem Markt zusätzlich zu den eigenen Informationen mit dazu zu nehmen.

00:10:25: Und die machen ihren Vorkast mit mehreren hundert User, die sich Kundenbedarfe mit anschauen.

00:10:30: Die verschiedene Bestellungen mit einlesen, mit anschauern etc.

00:10:34: und so hatten Vorkasts zwei drei Monate gedauert bis der fertig war.

00:10:38: nach Tests sowohl in der Historie wie auch in der Zukunft haben wir diese Informationen durch Agent und durch Foresight Signals letztendlich automatisiert machen lassen und der Vorkas war komplett unmanuell gesteuert innerhalb von Ja, sag ich mal wenigen Tagen oder wenigen Stunden mit kleineren Adjustierungen mit dabei und mit da.

00:10:58: Und das ist eine wahnsinnige Ersparnis.

00:10:59: wenn ich von drei Monaten zum Vorkast erstellen auf wenige Tage herunter gehe dann habe ich eine wahnsinnige Entscheidungsvorteil und auch ein Wettbewerbsvorteile weil ich mein Lead-Gab letztendlich verringere.

00:11:13: Das der einen Punkt.

00:11:13: und der zweite Punkt ist dass sich natürlich Dann wiederum andere Szenarien mit einspielen kann.

00:11:19: das heißt ich bin viel flexibler auf eine aktuelle tagesituation.

00:11:23: Auf eine entsprechende Entwicklung und da ist es auch nicht wirklich maßgebend ob jetzt mein vorkast der durch die agents und forster signals um ein prozent besser oder schlechter ist weil dieses prozent, macht nicht so viel aus.

00:11:36: Viel wichtiger ist, dass er schneller da ist und schneller adaptierbar.

00:11:40: Und in dem konkreten Beispiel war der Vorkast manuell mit sehr, sehr hohem manuellen Aufwand bei fourneinzig Prozent.

00:11:46: Der automatisierte bei dreieinzehntig Prozent per se schlechter.

00:11:50: aber diese ein Prozent machen nichts eigentlich nichts aus weil ich jetzt viel schnell adjustieren kann.

00:11:56: das heißt wir erwarten dass der Varkast in der Zukunft viel besser sein wird und viel prädektiver als jetzt noch am Anfang der Bereiche, aber ich spare mir einfach wahnsinnig viel Zeit.

00:12:09: Spannend!

00:12:10: Wenn wir sowas bewerten oder überlegen mit Unternehmen wo passt was?

00:12:15: Was sollte man tun?

00:12:16: haben wir eigentlich mal drei Faktoren?

00:12:17: zwei hast du genannt also das eine war es sozusagen Geschwindigkeit.

00:12:20: wie schnell habe ich mein Ergebnis?

00:12:21: Du hast gesagt dass ging jetzt viel viel schneller.

00:12:23: des zweites Genauigkeit.

00:12:25: Also das ist ein bisschen zurückgegangen war bei jetzt nicht so schlimm weil es eben noch quasi Nase noch dran ist.

00:12:33: Und der dritte Faktor, jetzt neben eben wie schnell ist es da?

00:12:37: und ja?

00:12:38: Wie ist die Genauigkeit?

00:12:40: Ist jetzt natürlich auch immer ein bisschen letztendlich die Kosten dir beinstehen oder was ist jetzt sozusagen bei geradem KI Bereich das natürlich momentan eines der großen Themen ist.

00:12:54: Die Kosten, die Diskussion haben wir seit Jahren.

00:12:56: Die EDA-Kosten wie ich dem mal nenne also die Kontrollerkosten ja ob sie da sind oder nicht.

00:13:02: Also das ist mit der EDA.

00:13:04: Die Frage ist was tun Sie?

00:13:06: Wenn ich sie für stumpfe Datensammlung oder Informationssammlungen nehmen kann, dann ist ein Controller viel zu teuer und er könnte andere Tätigkeiten machen.

00:13:14: Der Kostenblock ist fest, was sich natürlich gravierend verändert hat.

00:13:18: Es ist eine Entdemokratisierung von KI, die gerade stattfindet.

00:13:22: So würde ich es mal nennen.

00:13:24: bis vor einem halben Jahr war noch alles nicht konsumtion-Based also noch nicht wie viel token ich brauche etc.

00:13:30: pp da liegt jeder nach weil man feststellt Ich habe einen extrem hohen Energieverbrauch um die KI auch rechnen lassen zu lassen.

00:13:37: das heißt ich hab hier auch Kosten.

00:13:39: Auch Bord hat ein konsumtsche Modell letztendlich mitgesetzt.

00:13:43: Das ist bloß die Frage Wie transparent ist das Ganze?

00:13:47: Also Ich denke Kosten, das ist durch die Bank bei allen Hersteller konsumtion-based.

00:13:55: Aber die Kosten sind relativ transparent und können auch eingeschränkt werden.

00:14:01: wie viele Anfragen mache ich über die Tokens oder API Credits

00:14:04: etc.,

00:14:04: wie wir das Ganze auch immer nennen möchte?

00:14:06: sie stehen aber immer noch in einer sehr guten Relation zu manueller Arbeit.

00:14:10: also manuelle Arbeit ist immer noch teurer versus die KI Und es gibt halt einen kleinen Benefit.

00:14:17: Die KI ist da und sie ist immer da, und sie isst Vierundzwanzig Sieben da.

00:14:21: Mitarbeiter ist krank, Mitarbeiter hat Urlaub, der arbeitet nicht sieben Tage die Woche, vierundzwanzeig Stunden.

00:14:27: Das heißt ich kann die KI letztendlich vierund zwanzig sieben das ganze Jahr über mit nutzen... ...und damit müsste sich diese Kosten ja wenn man kalkulatorisch richtig rechnet auf Vier und Zwanzig-Sieben mal drei Fünfundsechzig auch noch rechnen versus Zweihundert Arbeitstage bei einem normalen Controller.

00:14:44: Jetzt ist Forecasting ja eine Sache, die man jetzt von der Methode her oder von dem was da eigentlich passiert mathematisch.

00:14:51: Ja eigentlich war es eigentlich mal ein gutes Beispiel für auch traditionelle KI wie man sie inzwischen nennt also wo ich Machine Learning auf statistische Verfahren einsetzen konnte.

00:15:00: Jetzt hast du mit den Agenten sozusagen, ergänzt noch diesen Automatisierungsteil im Sinne des Gesamtprozesses?

00:15:08: Ist das Jetzt sozusagen der Zusatz, den du neu siehst oder gibt es noch andere Dinge die jetzt durch moderne und neue KI-Möglichkeiten noch dazukommen?

00:15:19: Ich würde mal eins festsetzen.

00:15:21: Statistik funktioniert momentan nicht mehr.

00:15:24: Es verändert sich permanent irgendwas.

00:15:26: Mir war das Beispiel Zölle wahrscheinlich schon hoch und runter diskutiert heute so, morgen so übermorgen so.

00:15:32: für welche Steuerklassen Stolklassen, Zollklassen das zählt weiß ich noch gar nicht.

00:15:37: Das heißt wenn ich die Zoll Klassen schon mal bewerten kann und sehen kann für welche Positionen trifft überhaupt auch welche Zoll oder jeder welcher prozentuale Zoll Satz auch mit anderen ist es noch eine andere Thema.

00:15:47: Das kann KI mit leisten.

00:15:50: Das ist ein ganz ganz wichtiger Punkt.

00:15:51: also volatiler Markt permanent Veränderung.

00:15:54: also mit Statistik komme ich momentan nicht so weit so viel weiter.

00:15:59: Agents bringt das schon relativ viel, aber auch nur kombiniert.

00:16:03: Wenn ich auch aus meinem Unternehmen ein Stück weit mit herausschau, dass es einen Weg den Bord letztendlich hier geht, Foresight und Signals mit reinzunehmen also Makro- und Mikroökonomische Indikatoren mit in die Berechnung, mit in Die Agents mit einzubeziehen und zwar so, dass sie das Geschäftsmodell kennen.

00:16:20: Also unsere Agents und Foresights Signals thematiken kennen unsere Plattformen und damit die Plattform unserer Kunden Die sind darauf trainiert.

00:16:31: Ich muss nicht rausgehen und hol mir irgendwelche Assumptions, die vielleicht über klassische Large Language Models für die Industrie vielleicht gelten aber von meinen Unternehmen nicht.

00:16:40: Und das ist glaube ich ein ganz ganz wichtiger Aspekt an dass jeder Trend hingeht.

00:16:44: Das ist einer von unseren Bereichen, wo wir sehr stark investieren.

00:16:48: Ich bleibe innerhalb der Compliance, ich bleibe in einem Unternehmen und greife auf diese Informationen zu mit gesicherten externen Informationen die auch keine Black Boxes sind sondern ich kann sie nachvollziehen, ich kann die Treiber mir anschauen wie entsprechende Positionen, wo was passiert Und vor allem ich bin komplett in meiner Security mitrennen.

00:17:07: Ich möchte ja nicht, dass mein Mitbewerber oder jemand anderes auf Daten zugreift die ich vielleicht durch Agents gerade analysiert habe und jemand anders kann es als Mitbewährungsvorteil damit nehmen.

00:17:18: Oder innerhalb von meinem Unternehmen hab' ich auch einmal irgendwelche Leaks weil Informationen außerhalb der Security an Mitarbeiter geteilt werden die sie gar nix angehen.

00:17:29: Und ich glaube, das sind ganz, ganz wichtige Aspekte die derzeitig in den gesamten Verfahren und in der Verwendung von KI mit dabei sind.

00:17:37: Es muss gesichert im Unternehmen diese Informationen zu Verfügung stehen Sie müssen validiert sein sie müssen natürlicher Sprache also in der feinen Sprache auch bedienbar sein.

00:17:47: Also eine Varianzanalyse ist eine Variante Analyse.

00:17:50: wenn sich zwei Finanzen unterhalten dann sollte es mein Modell auch mit verstehen Und ich bleibe innerhalb von meinen Unternehmenspolicy und Security Guidelines.

00:18:02: Ein wichtiger Punkt, den ich noch ganz gerne ergänzen möchte über den haben wir noch gar nicht gesprochen.

00:18:06: Das ist glaube auch ein Thema wie er unterhalte uns seit Jahren über Datenqualität.

00:18:13: Die Datenqualität kann KI verbessern aber nicht komplett.

00:18:18: das heißt es sind immer noch ganz wichtige Komponenten und das sind glaube ich auch Hinterungsgründe wieso manche Unternehmen Zwei gerne in KI investieren würden, aber ihre Hausaufgaben noch nicht gemacht haben.

00:18:29: Unterschiedliche Datenplattformen und nicht homogene Daten.

00:18:33: Ich weiß nicht... ich habe unterschiedliche Nummernkreise und unterschiedlichen ERP-Systeme.

00:18:38: also die ganz klassischen Dinge, die wir im Controlling und dem Finance Thema schon seit Jahren haben schlagen natürlich jetzt noch stärker mit auf.

00:18:46: da kann KI über Nutzen sein um die Datenqualität zu verbessern.

00:18:49: weil genau das ist der Punkt mach mir eine Analyse über meine Daten er sieht irgendwelche Fehl Kombinationen und dann kann ich sie wiederum auch mit lösen.

00:18:58: Also das ist von ganz, ganz wichtiger Aspekt.

00:19:01: Schlechte Datenqualität kann ich auch nicht durch KI Agents per se ersetzen aber ich kann es dadurch verbessern.

00:19:10: Okay!

00:19:11: Ich fasse mal ganz kurz zusammen weil ich glaube du hast jetzt wirklich viele sehr, sehr wichtige Aspekte gebracht.

00:19:15: Das eine du hast nochmal gesagt eben Kontext ist einfach wichtig für Agenten also den quasi auch noch Zusatzinformationen mitzugeben.

00:19:23: Das zweite Governance, also eben Sicherheitsrichtlinien was sie tun können und da erleben wir gerade sehr viele Initiativen auch Fragen von Unternehmen.

00:19:33: Wie geht das?

00:19:34: Weil mit Data Governance sind glaube ich viele inzwischen nicht mehr auf Kriegsfluss sondern dass es gelöst wird zum Teil einfach durch externen Druck ja durch eben Regulatorik.

00:19:45: aber so eine AI Governance ist bei vielen jetzt auch schon seit einer Zeit entwickelt worden, vielleicht auch durch den UI Act angestoßen und ähnliches.

00:19:55: Aber jetzt kommt noch dieses Thema Agent Governance dazu.

00:19:58: Und jetzt haben wir ja nochmal ein ganz anderes Szenario weil die ja eben wirklich autonom idealerweise oder bei vielen dann autonom agieren aber dann vielleicht mit den rechten Zugriffsrechten eines Menschen oder ähnlichen oder auch mit eigenen.

00:20:14: also gibt es viele viele Themen zu klären.

00:20:17: Das passt sehr gut.

00:20:19: Und bei dem letzten Aspekt würde mich noch mal kurz interessieren, wie wird das denn jetzt durchs Datenqualität nochmal erwähnt?

00:20:28: Richtigerweise auch dass KI helfen kann die Hausaufgaben sozusagen zu machen oder vielleicht besser und schneller zu machen nicht vollständig wie du erwähnte hast.

00:20:36: Jetzt würde mir interessieren wer sieht denn sowas konkret aus?

00:20:39: also normalerweise wenn wir uns ins Controlling reinschauen hätten wir da ja eben Fachanwender-Controller, die jetzt sich natürlich erst mal mit dem Thema Anwendung auseinandersetzen.

00:20:51: Die wollen Daten analysieren und planen.

00:20:53: Dann merken sie das vielleicht die Daten so noch nicht passen?

00:20:57: Wie geht es weiter?

00:20:58: Also würde jetzt ein Anbieter wie ihr denen Hilfsmittel an die Hand geben, Daten quasi zu bereinigen oder die Daten für dich zu verbessern?

00:21:06: Oder ist es einen Ansatz mit anderen?

00:21:08: Wie sieht das konkret aus?

00:21:10: Die Frage ist, wo kommen die Daten her?

00:21:12: Im Regelfall sind die Daten in einem Data Warehouse, im ERP-System, in der Datasphere wie auch immer.

00:21:18: Das heißt da ist Planung auch ein Stück weit limitiert weil die Planungssoftware fußt ja auf diesen Informationen.

00:21:24: aber sie kann sehr genau sagen okay hier fehlt irgendwas.

00:21:27: das heißt ich kann Analysen fahren oder auch report zu den Informationen herausziehen wo Daten eben nicht konsistent sind.

00:21:37: Machen wir noch mal ein Beispiel aus der legalen Konsolidierung.

00:21:40: Irgendwelche Intercompany, Abschlusssysteme nicht.

00:21:42: Da sind unterschiedliche Werte mit dabei weil die Konten vielleicht nicht gemetscht sind.

00:21:46: das kann einen Planungstool und eine Analysewerkzeug wie Bord dem Mitarbeiter sagen dann kann ich aber nicht weitergehen.

00:21:54: also es wäre glaube ich auch der falsche Ansatz zu sagen okay jetzt überschreibe ich das im Datasfirm, Data Warehouse oder im ERP System.

00:22:01: Ich glaube da würden viele Mitarbeiter im Unternehmen sagen bleibt mal bei euren leisten, aber das sind zumindest mal Ansatzpunkte um dann vielleicht mit anderen Agents Stammdaten Bewegungsarten Mappings etc.

00:22:15: auch wieder gerade zu ziehen.

00:22:16: also hier muss man auf sehr aufpassen wo mache ich Änderungen?

00:22:19: wie verändere ich das?

00:22:20: Aber wichtig ist schonmal dass ich es weiß.

00:22:23: Also wenn ich die Informationen habe dann hab' ich qualitativ schon eine viel bessere Diskussionsgrundlage, um im Eimer IT zum Beispiel zu sprechen oder meinem Data Warehouse-Spezialisten zu sagen okay die Mappings stimmen nicht.

00:22:35: Lass das die bitte mal umbauen und dann kriege ich... Dann wird ein Schuh mit raus.

00:22:40: Aber da sind Themen, die kommen letztendlich von der Technologie während die Systeme bereit solche Dinge auch bereinigen.

00:22:48: aber dann stellt sich genau die Frage passt das überhaupt in meinen Prozess rein?

00:22:52: Verbiege ich mir dort nicht was, was ich gar nicht möchte?

00:22:55: Und da kommt es, glaube ich auch sehr viel auf Guidance ein.

00:23:00: Was möchte ich mit den Agents auch mit bewirken und mit erstellen?

00:23:04: Ohne meine gesamten Geschäftsprozesse auf Links zu drehen oder dann eben auffällig falsche Informationen zu erhalten die eben auf falschen Prozessen oder auf falschem Daten, die zwar bereinigt worden sind, dann auch Fussen.

00:23:16: Siehst du als vielleicht Deutsche Realität oder vielleicht auch eher als Vision das Fachanwender also Controller im Controlling Agenten bauen werden?

00:23:26: Definitiv und das geht heute auch schon.

00:23:28: Also Agenten bauen heißt, also... Das wiederum der Unterschied zwischen einem Chatbot, dass ich eine Frage stelle und ich bekomme eine Antwort.

00:23:37: Ich möchte ein nativer Sprache als Controller mir einen Agenten zusammenbauen, der Dinge für mich tut.

00:23:44: Und das ist die Technologie, die kommt jetzt schon wie es bei uns auch schon implementiert.

00:23:49: Und da rede ich nicht, um Reports mit aufzubauen und nur einen Screen neu zu bauen.

00:23:53: Das geht wie ein Dragon Drop mit den ganzen wahrscheinlich sogar schneller als mit Agents sondern letztendlich wirklich Fragestellungen zu erörtern kleine Aufgaben für mich zu erledigen, um mir das Leben zu erleichtern.

00:24:06: Da sind wir wieder innerhalb der Compliance, innerhalb der Regulatorik, innerhalb des Wissens.

00:24:12: Wie funktioniert mein Geschäft?

00:24:13: Und wie funktioniert meine Geschäftslogik und in der nativen Sprache.

00:24:17: Und das funktioniert heute auch mit Bord schon, dass ich letztendlich den Controller ein Werkzeug an die Hand gebe wo er sagt erstelle mir XYZ macht diesen Prozess und dieser Prozess wird dann ausgeführt durch den Agenten.

00:24:32: Wie siehst du die Werkzeuge jetzt am Arbeitsplatz der Fachanwender?

00:24:36: Also viele haben ja inzwischen Zugriff auf Entropic Cloud oder OpenAI, den Co-Pilot von Microsoft und anderen Werkzeugen.

00:24:48: Erste Frage siehst du das auch?

00:24:50: Und zweite Frage siehst du auch zukünftig eine stärkere Integration von solchen Funktionen wie ihr es jetzt anbietet in diese generellen AI Plattform?

00:25:00: Also ich sehe es ein Stück weit kritisch weil natürlich verwendet jeder.

00:25:05: es gibt für keinen keine KI, die alles kann.

00:25:08: Sondern es gibt da einen Spezialisten Claude wie auch immer werden verwendet aber die sind eben überhaupt nicht in der Governance trennt.

00:25:15: das heißt ich haue also ich kann sie in meinem Unternehmen natürlich beschränken über Unternehmenslizenzen.

00:25:21: Aber wie wirklich ein Finance System funktioniert?

00:25:24: Das kann nicht diesen system relativ schlecht beibringen weil Sie eben nicht darauf trainiert sind.

00:25:29: wenn ich sie trainieren möchte ist es ein Riesen Impact Es ist ein Riesenauffand.

00:25:32: Dafür gibt es solche Plattformen wie Bord, die eben diese Themen schon mitinsegriert haben.

00:25:38: Und bei Bord laufen Hintern dran natürlich auch unterschiedliche Large-Language-Modelle.

00:25:44: Das heißt das ist nicht das eine, dass das maßgeblich ist und da verändert sich sehr viel.

00:25:49: Dann sind wir wieder in der Lizenzierung im konsumtischen Bereich.

00:25:53: Dem User ist egal ob das heute mit Cloud oder OpenAI gemacht wird sondern das Ergebnis zählt.

00:26:01: Jetzt bräuchte ich aber drei verschiedene Werkzeuge mit drei unterschiedlichen konsumtischen Modellen.

00:26:05: Das ist sehr problematisch und kann auch wiederum sehr, sehr teuer werden.

00:26:08: Deswegen setzt Sport auf einen Agenten der auf der Plattform wieder aufgesetzt ist und die Arbeiten hinten erstellen denn die Large-Wank Language Models, die am besten darauf geeignet sind.

00:26:22: Natürlich wir sind einer der größten Microsoft Partner Setzen wir auch sehr stark auf Microsoft-Technologie und dort findet natürlich auch das Embedding mit statt, was ich dort die Agents benutzen kann um Board zu bedienen.

00:26:37: Aber ich denke der wichtige Punkt ist dass man dem Hersteller wie Board auch die Auswahl gibt oder die Freiheit gibt unten runter den Best of Breed Ansatz, die besten Modelle, die besten Large-Language-Models unten runterzusetzen so dass der Endanwender sich damit gar nicht wird beschäftigen muss.

00:26:56: Der gibt seine Frage ein, wer macht seine entsprechende Kommunikation mit dem Agents und dieses Thema hinten berechnen das Ganze?

00:27:04: Okay was tatsächlich bei solchen Modellen die ja viele Anbieter fahren tatsächlich momentan auch extrem häufig hoch kommt ist wiederum das Kostenthema.

00:27:14: Würdet ihr aber sozusagen das was hier im Hintergrund benutzt das ist euer Problem und ihr verrechnet an den Anwendern dann sozusagen des konstantischen Modell was du vorhin vorgestellt hast Und was ist quasi das Einzige, was jetzt der Anwendert tragen muss?

00:27:28: Genau.

00:27:28: Der braucht keine Lizenz für unterschiedliche Large Language Models zu haben sondern er braucht eine Lizenz von Bord und wir setzen es in unseren API Credits um in die entsprechenden Tokens.

00:27:40: Da haben wir ein ganz klares Modell, dass auch Empfehlungen gibt also bis fünfhundert User dieses Modell und um Sorglos natürlich läuft Das wird mitgetrackt, wie viele Anfragen da auch mitkommen.

00:27:55: Aber da haben wir sehr viel Erfahrung sammeln können über die letzten Monate was da ein guter durchschnittlicher Kostenfaktor eines Users mit ist und so sind unsere Modelle auch mit aufgebaut.

00:28:06: Das heißt man kann sagen mit hundert User, mit fünfhundert User oder tausend User brauche ich ungefähr dieses Modell und mit dem bin ich dann eigentlich auf einer sehr sicheren Seite was die Kosten betrifft weil die Kosten, die dahinter stehen, die übernimmt Bord

00:28:20: Okay, aber wie macht das Transparent für den Anwender welches Modell genutzt wird?

00:28:24: Also

00:28:25: könntet ihr es nicht auch automatisch selbst auswiegen.

00:28:30: Das hat viel mit Integration zu tun.

00:28:31: manche Modelle sind eben noch nicht soweit dass wir sie komplett mit reinsetzen müssen.

00:28:35: also komplett transparent machen wir es noch nicht für den Kunden aber das ist geplant für die Zukunft.

00:28:40: wichtig ist nicht dass die Transparenz über welches model dahinter steht sondern wie sind die Outcamps dadurch?

00:28:46: das ist viel interessanter.

00:28:48: Mir persönlich wäre egal, welche Technologie mir eine Berechnung oder einen Job für mich erledigt.

00:28:54: Für mich ist wichtig, dass der Job richtig erledig wird und nicht in Coasting oder mit Assumptions.

00:29:00: Und da sind wir komplett transparent und auch nachvollziehbar.

00:29:03: Das meinte ich vorher mit der Black Box.

00:29:06: Es ist manchmal so, dass Ergebnisse rauskommen, die sind einfach nicht transparent und nicht nachvollziebar.

00:29:11: Ich nehme sie und kann sie als gegeben annehmen und darauf vertrauen.

00:29:15: Oder ich schaue es mir an wie ... Sehen die Logiken, die Berechnungen dahinter.

00:29:19: Wie komme ich zu diesem Ergebnis und kann dann auch bewerben?

00:29:22: Okay dieses Ergebnis ist wirklich valide.

00:29:24: das finde ich persönlich sehr viel wichtiger Und ich denke dass man Endanwändern auch diese Thematik komplett wegnehmen muss.

00:29:32: also was der End Anwender welche Modelle er benutzt wie das berechnet wird Das interessiert den Endanwendern nicht.

00:29:39: wie gesagt das Ergebnis ist relevant oder das Ergebnis bestimmen

00:29:42: Absolut, also eigentlich macht Blackbox da Sinn.

00:29:45: Weil ich sage als Anwender ist was soll's?

00:29:48: Also es interessiert mich wirklich nicht.

00:29:50: Andererseits kannst du keine Blackbox machen weil sie auditierbar sein muss gerade im Finanzbereich und so irgendjemand muss da reingucken können und sehen können wie das passiert.

00:29:58: LLMs machen Fehler ja wie Menschen Und wie geht ihr damit um?

00:30:03: Da gibt´s ja auch verschiedene Strategien sozusagen was man jetzt ein LLM machen lässt oder was auch nicht, wo die quasi die Engines ins Spiel kommen, die man eh schon in der Software hat.

00:30:14: Also wie stellt ihr sicher das die gerade Finanzdaten, die dann dem Anwender gezeigt werden dass die ja auch richtig sind?

00:30:21: Zum einen die Trainierung auf unser Modell.

00:30:23: ich hatte es vorher schon erwähnt Die Agents sind auf Bord trainiert damit auf das Unternehmen In der Logik, in der Art und Weise, in Verknüpfung Dimensionalitäten, gar nicht in die Technik.

00:30:35: heute tief mit rein.

00:30:37: Aber das ist da es auch kompleint und revisionssicher.

00:30:39: Das heißt ich kann jederzeit nachvollziehen wie ich zu Ergebnissen auch mitkomme?

00:30:43: Nicht zwischen der Endanwender aber ich kann's im Audit später auch mit zeigen.

00:30:47: Da kommen die Werte her diesen dort und dort geschrieben worden weil etc.

00:30:51: pp.

00:30:52: Und wir fahren natürlich vieler Validierungstests.

00:30:55: also und dass hat man mit Menschen früher schon gemacht einfach noch mal Kostchecks als wäre Harn im Büchen, wenn man das Ganze mit einer KI nicht machen würde.

00:31:04: Also Plausibilitätschecks müssen weiterhin auch mitlaufen weil eben Menschen Fehler machen genauso wie KI-Fehler macht.

00:31:13: Das Schlimme ist bei KI die sagt ja nicht dass du Fehler gemacht hast.

00:31:16: der Mensch wenn er einknickt und wissen unter Druck kommt der sagt vielleicht oh tut mir leid da habe ich was falsch gemacht Die KI gibt dir immer recht von dem her.

00:31:23: also ich denke Plausabilität Und die stetige Weiterentwicklung in einem entsprechenden Modell ist einfach sehr wichtig.

00:31:31: Super, wir müssen zum Schluss kommen.

00:31:34: Ich wollte noch darauf hinweisen für alle die sich mit diesem ganzen Thema KI, KI-Agenden auseinandersetzen wollen dass wir eben am elften, zwölften November unseren großen Summit haben wo ist dann natürlich sehr viel drum gehen wird.

00:31:48: Ihr habt auch eine Veranstaltung, das wir es uns gleich noch verraten wann die ist und wollte dir aber dann zum Abschluss eigentlich ... ich nenn's mal die Dienstagsfrage stellen weil dieser Podcast wird ja immer montags veröffentlicht.

00:32:00: und jetzt da die Frage okay, Agenten was mache ich morgen?

00:32:04: Was mache ich Dienstag früh wenn ich in mein Unternehmen komme und sage jetzt möchte ich das Thema KI-Agenten vorantreiben?

00:32:10: Ich kürze das noch ab weil er heute Donnerstag isst weil wir das Recording nicht auf Dienstag sondern donnerstag gemacht haben.

00:32:16: Sprich, Freitag hätte ich noch Zeit zum Nachdenken.

00:32:18: Montag könnte ich ins Telefon gehen.

00:32:21: Ich persönlich würde einfach bei Bord anrufen und sagen hey lass uns mal sprechen!

00:32:25: Wir haben Solutions wir haben fertige Use Cases die wir auf unterschiedliche Industrien, Branchen sehr einfach adaptieren können mit Testmöglichkeiten auch und ich denke das ist relativ wichtig Die Katze im Sack kaufen will keiner.

00:32:41: Das heißt, wir haben einen ganz klaren Prozess über vier fünf Wochen.

00:32:44: wie können wir Bord bei den Kunden einsetzen?

00:32:47: Wir gucken uns verschiedene bestehende Use Cases von mir an.

00:32:51: Schauen die ob die mit den Use Caces oder die in unsere Kunden oder unserer Interessenten übereinstimmen und da kommt man sehr schnell innerhalb von sage ich mal zwei drei Stunden auf dem Punkt und sagt okay das ist der Use Case.

00:33:04: Den Use Case implementieren wir relativ schnell Und dann kann der Kunde das Ganze testen, weil das ist ja auch wichtig.

00:33:10: Dass ich das ganze dem Realitätscheck unterbreite.

00:33:14: und das wäre unser Vorschlag manuelle Prozesse mit Agent-Prozessen parallel laufen zu lassen und dann sieht man sehr schön den Impact.

00:33:24: Wurde es schneller, wurde es besser oder hat weniger Geld gekostet?

00:33:28: Da sieht man auch was ein Consumption für notwendig ist!

00:33:30: Das wäre mein Ratschlag an jedem als Entscheidungsträger, der tatsächlich mit beschäftigt Nicht zwingend ein Riesen AFP rauszuschicken oder einen großen Beschaffungsprozess einzuleiten, sondern erstmal zu gucken und bei Wort anzurufen.

00:33:44: Ich würde ganz gerne mit euch mal zusammenarbeiten lasst uns den Testcase mitmachen weil aus diesem Test Case kommt der Business Case mit raus.

00:33:52: Und der Business case ist klar bezifferbar in Einsparungen von Zeit, Geld und im Regelfall auch einer besseren Effektivität.

00:34:00: Ja ein ganz ganz herzlichen Dank.

00:34:02: das waren wirklich noch viele tolle praktische Tipps was ich morgen tun kann Und ich würde sagen, packen wir es an.

00:34:07: Alles Gute für dich bis bald mal wieder.

00:34:09: Ciao!

00:34:10: Ja herzlichen Dank auch wieder bei euch zu sein.

00:34:12: heute hat sehr viel Spaß gemacht gute Insights.

00:34:15: Sehr gute Fragen.

00:34:16: bin nicht immer sehr gespannt was von Fragen auf den Analysten auch mitkommen und ich freue mich auf die Anrufe von Prospect oder von Kunden?

00:34:25: Danke ja tschau.