Werben im Podcast: AI or DIE

Link: https://hz.group/insight/ai-as-a-productivity-booster/ Viele Unternehmen reden noch über KI, als wäre sie ein Innovationsprojekt für irgendwann. Die Wahrheit ist härter: KI ist längst dabei, zur Grundvoraussetzung für produktive Wissensarbeit zu werden. In dieser Folge von AI or DIE spreche ich mit Tilman darüber, wie Unternehmen KI wirklich auf die Straße kriegen. Nicht als Show, nicht als Buzzword, sondern als funktionierende Produktivitätsmaschine. Wir sprechen darüber, warum ein einfacher Chatbot allein noch keine Transformation ist, welche vier KI-Archetypen Unternehmen verstehen müssen und weshalb viele Firmen gerade denselben Fehler machen wie damals bei der Digitalisierung: Sie behandeln KI wie ein Tool, statt sie als neues Arbeitsmodell zu begreifen. Es geht um Copilots, Agenten, Workflows und KI-native Tools. Es geht um die Frage, warum eigene Agenten oft besser sind als zentral verordnete Lösungen. Und es geht um die unbequeme Realität, dass sich Wissensarbeit gerade fundamental verändert. Die Kernthese dieser Folge ist glasklar: Wer KI nur beobachtet, verliert. Wer sie in den Alltag integriert, wird schneller, besser und gefährlicher für den Wettbewerb. Diese Episode ist kein Zukunftsgerede. Sie ist eine Standortbestimmung für Unternehmen, die verstanden haben, dass „irgendwann mal KI“ keine Strategie ist. ⸻ Timestamps 00:00 – Intro: AI or DIE ist wörtlich gemeint 00:21 – Wie Unternehmen KI wirklich auf die Straße bringen 01:01 – Die vier Archetypen von KI im Unternehmen 02:43 – KI im Analytics- und Reporting-Kontext 03:54 – Warum viele Unternehmen KI falsch einordnen 05:32 – Mensch-Maschine-Interaktion im KI-Zeitalter 06:58 – Warum Unternehmen ihren Mitarbeitenden KI bieten müssen 08:31 – KI im Unternehmen ist kein Nice-to-have mehr 09:56 – Bottom-up-Innovation: Mitarbeitende bringen KI selbst mit 11:02 – Agenten: nächstes Level oder nächstes Chaos 12:35 – Self-Service vs. Governance bei KI-Agenten 14:54 – Warum selbst gebaute Agenten oft die besten sind 17:02 – Studienergebnis: KI macht 40 Prozent schneller 18:51 – Warum Agenten nicht automatisch schneller machen 20:16 – Wo KI bei standardisierten Aufgaben besonders stark ist 22:50 – Workflows statt Hype: echte Automatisierung im Alltag 24:16 – Make or Buy: selbst bauen oder einkaufen 26:06 – Microsoft, Power Automate und der Plattformgedanke 27:07 – Der vierte Archetyp: KI-native Tools und Integrationen 30:06 – Die neue Rolle des Menschen: vom Macher zum Dirigenten 31:27 – Warum Hierarchien und Rollenbilder sich verändern werden 32:24 – AI Productivity Playbook und Ausblick auf Teil 2 33:06 – Schlussgedanke: Verliert Wissensarbeit gerade ihre alten Qualitätsmerkmale?

Eventkalender: https://www.aiordie-x.de/eventkalender/ Data Products sind eines dieser Themen, über die viele seit Jahren reden. Aber jetzt wird es ernst. In dieser AI or DIE Newscast-Folge spricht Andreas Wiener mit Carsten Bange über eine neue Studie zu Data Products und darüber, warum das Thema gerade jetzt massiv an Bedeutung gewinnt. Der Auslöser ist klar: Unternehmen wollen AI produktiv nutzen – und merken plötzlich, dass ohne vertrauenswürdige, sauber beschriebene und nutzbare Datenprodukte genau gar nichts skaliert. Die Diskussion geht deshalb bewusst weg vom Buzzword und hin zur Praxis. Was ist überhaupt ein Data Product? Wie unterscheidet es sich von einem Data Asset? Warum braucht es Metadaten, Verantwortlichkeiten und klare Nutzungsregeln? Und weshalb korreliert eine hohe Reife bei Data Products so stark mit einer hohen Reife bei produktiven AI-Projekten? Außerdem geht es um die nächste Evolutionsstufe im Datenmanagement: Nicht nur Daten sammeln, sondern sie intern so organisieren, dass sie wiederverwendbar, verständlich und vertrauenswürdig werden. Genau dort entstehen dann die Grundlagen für Analytics, Reporting und eben auch AI-Produkte. Diese Folge ist besonders relevant für alle, die sich fragen, warum AI im Unternehmen oft langsamer vorankommt als gedacht. Die Antwort könnte simpel sein: Weil das Fundament noch nicht als Produkt gedacht wird. ⸻ Timestamps 00:00 – Intro: Newscast und Fokus auf Data Products 00:59 – Warum die Studie zu Data Products gerade relevant ist 01:27 – Data Products und AI Products: Wo ist der Zusammenhang? 03:13 – Warum jede Organisation ihre eigene Definition braucht 03:57 – Data Products sind keine reine IT-Domäne 05:45 – Was ist konkret ein Data Product? 08:23 – Von Data Assets zu echten Produkten 10:44 – Aggregierte und abgeleitete Datenprodukte 11:51 – Interne vs. externe Datenprodukte 13:12 – AI als Treiber für Data Products 15:24 – Studie: Zusammenhang zwischen Data Products und AI-Reife 18:31 – Die größten Herausforderungen bei Data Products 20:41 – Prioritäten der nächsten 12 Monate 22:55 – Warum Data-Product-Prinzipien auf AI übertragen werden 24:06 – Welche Rolle Produkthersteller spielen 26:38 – Kommen jetzt neue Rollen rund um Data Products? 27:40 – Event-Tipps von BARC 29:31 – Fazit und Abschluss

Link: https://beyond.board.com/ Planung war lange ein Pflichtprogramm. Zahlen sammeln, Forecast erstellen, Bericht abgeben. Mehr Verwaltung als echte Steuerung. Das ändert sich gerade grundlegend. In dieser Folge sprechen Andreas Wiener und Björn M. Stauss darüber, wie Agentic AI den Planungsprozess neu definiert. Nicht als Reporting-Routine, sondern als strategisches Instrument mit direktem Einfluss auf Umsatz, Effizienz und Marktanteile. Anhand konkreter Kundenbeispiele wird klar, worum es wirklich geht. Kleine Verbesserungen in der Forecast-Genauigkeit können Millionen bewegen. Der entscheidende Unterschied entsteht aber an anderer Stelle: durch die Kombination aus internen Daten, externen Einflussfaktoren und intelligenten Agenten, die Zusammenhänge sichtbar machen, bevor sie offensichtlich werden. Planung wird damit dynamisch. Systeme liefern proaktiv Hinweise, identifizieren Abweichungen und ermöglichen es, in Echtzeit auf Veränderungen zu reagieren. Der Controller entwickelt sich vom Datensammler zum Berater, der aktiv an Entscheidungen beteiligt ist. Gleichzeitig verschiebt sich der Anspruch an Unternehmen. Es reicht nicht mehr, Planung als Pflichtaufgabe zu sehen. Wer die neuen Möglichkeiten konsequent nutzt, kann schneller reagieren, bessere Entscheidungen treffen und sich gezielt Wettbewerbsvorteile sichern. Die zentrale Erkenntnis dieser Folge ist klar: Die Technologie ist da. Der Unterschied entsteht durch die Art, wie Unternehmen sie einsetzen.

n diesem Gespräch reflektieren Andreas Wiener und Frank Hendricks (HRCIE) über 30 Jahre Daten- und KI-Entwicklung, die Herausforderungen bei der Nutzung von KI in Unternehmen und die Bedeutung einer soliden Datenbasis für erfolgreiche Entscheidungen. Sie diskutieren die Evolution der Technologie, aktuelle Trends und die zukünftigen Chancen und Risiken. Key Topics - Entwicklung der Daten- und KI-Technologie in 30 Jahren - Bedeutung der Datenqualität und Datenlogistik für Unternehmen - Risiken und Chancen bei der Nutzung von KI-Tools und Automatisierung - Die Rolle der Unternehmenssteuerung und Entscheidungsfindung im KI-Zeitalter Soundbites "Auf die Qualität der Daten achten und Prozesse verbessern" "Vertrauen in die Datenbasis aufbauen und sichern" "Technologie bewusst und verantwortungsvoll einsetzen" "Die Entwicklung schreitet exponentiell voran." "Daten sind das Futter für meinen Rechner." "Garbage in, garbage out – das gilt immer noch." Chapters 00:00 Einführung in die Welt der Daten und AI 03:03 Die Entwicklung von Daten und deren Bedeutung 06:04 Herausforderungen der Datenverarbeitung und AI-Integration 09:11 Die Rolle von Information und Entscheidungsfindung 12:01 Erwartungsmanagement und AI-Projekte 15:00 Prozessautomatisierung und die Zukunft der Arbeit 17:35 Unternehmenssteuerung und BI-Projekte 20:45 Datenhaushalt und Datenstruktur 22:48 Self-Service BI und Entscheidungsfindung 26:18 Bauchentscheidungen vs. rationale Entscheidungen 30:08 Werte und persönliche Philosophie

Link: https://www.board.com/de/veranstaltungen-webinare/board-beyond-dach-2026 Jetzt kommt Agentic AI – und plötzlich stellt sich eine unbequeme Frage: Wozu braucht es eigentlich noch klassische Planungsprozesse? In dieser Folge sprechen Andreas Wiener und Björn M. Stauss von board darüber, warum KI-Agenten nicht einfach ein weiteres Tool sind, sondern das Fundament von Planning komplett verschieben. Weg von manuellen Analysen, hin zu automatisierten Insights. Weg von Jahresplanung, hin zu Continuous Planning. Weg von Perfektion, hin zu Geschwindigkeit und Wirkung. Die eigentliche Provokation: Vielleicht geht es gar nicht darum, bessere Prognosen zu bauen – sondern schneller zu entscheiden. Wir reden über echte Use Cases aus Finance, Supply Chain und Controlling. Über den Unterschied zwischen generischer KI und trainierten, domänenspezifischen Agenten. Und darüber, warum 85 % Genauigkeit auf Knopfdruck oft mehr wert sind als 100 % nach drei Monaten Abstimmung. Klar wird auch: Das ist kein Hype für Konzerne. Der Mittelstand steht vor genau derselben Entscheidung nur mit weniger Zeit. Wer Planning heute noch wie vor fünf Jahren denkt, wird morgen nicht mehr mithalten. Und genau darum geht es: verstehen, wo der echte Hebel liegt bevor andere ihn nutzen.

Link: https://www.five1.de/podcast/reifegrad-sap-bdc SAP und Künstliche Intelligenz galten lange als zwei Welten, die nur schwer zusammenfinden. Komplexe Systemlandschaften, eingeschränkter Datenzugriff und hoher manueller Aufwand haben viele Projekte ausgebremst. Mit der Business Data Cloud verändert sich dieses Bild grundlegend. In dieser Folge sprechen Andreas Wiener und Christian Bühler darüber, wie sich der Umgang mit SAP Daten aktuell wandelt und welche neuen Möglichkeiten sich daraus ergeben. Offene Standards, bessere Integration und automatisierter Zugriff schaffen die Grundlage, um Daten deutlich effizienter zu nutzen und KI Anwendungen sinnvoll einzusetzen. Im Mittelpunkt stehen konkrete Einsatzfelder. Von Forecasting über Finanzplanung bis hin zu interaktiven Analysen auf Basis von Chatbots. Dabei wird deutlich, dass nicht die Technologie allein den Unterschied macht, sondern vor allem das Zusammenspiel aus Datenqualität, Struktur und Fachwissen. Ein zentraler Punkt ist der Wandel in der Nutzung von Daten. Es geht weniger darum, alle Mitarbeitenden zu Datenexperten zu machen. Entscheidend ist, dass Fachbereiche mit tiefem Verständnis gezielt mit Daten arbeiten und daraus bessere Entscheidungen ableiten. Diese Folge liefert einen fundierten Einblick in den aktuellen Stand und zeigt, warum SAP im Kontext von KI heute eine deutlich größere Rolle spielt als noch vor kurzer Zeit.

Pyramid on STACKIT by OPITZ CONSULTING https://www.pyramid-on-stack.it/ Entdecken Sie Pyramid Analytics in der souveränen STACKIT Cloud, professionell verwaltet von OPITZ CONSULTING. Optimieren Sie Ihre Datenanalysen jetzt! Zukunftstag Mittelstand 2026 | OPITZ CONSULTING https://opitz-consulting.com/events/zukunftstag-mittelstand-2026 OPITZ CONSULTING ist als Austeller vor Ort dabei und wir freuen uns auf viele spannende Gespräche in Berlin. https://data-changemaker.de/ https://www.linkedin.com/groups/18379010/ Viele Mittelständler stehen gerade vor derselben Frage: Muss ich wirklich den ganzen Hyperscaler-Zirkus mitmachen? Azure, AWS, SAP – alles wirkt groß, komplex und oft wie für Konzerne gebaut. Doch genau hier entsteht gerade eine neue Bewegung: einfachere, souveräne und bezahlbare Alternativen für den Mittelstand. In dieser Folge von AI or DIE sprechen Andreas Wiener, Janine und Thomas darüber, warum genau jetzt der richtige Zeitpunkt ist, sich neu zu orientieren – technologisch, aber auch strategisch. Im Fokus steht eine Kombination aus Stackit (Schwarz Gruppe) und Pyramid Analytics – eine Lösung, die bewusst anders denkt: Weniger Komplexität, weniger Risiko, mehr Zugänglichkeit. Es geht nicht darum, bestehende Systeme schlechtzureden. Es geht darum, eine realistische Alternative aufzuzeigen – für Unternehmen, die keine eigene BI-Abteilung haben, keine Lust auf komplexe Architekturprojekte und trotzdem datengetrieben arbeiten wollen. Wir sprechen darüber: • Warum viele Mittelständler mit Hyperscalern überfordert sind • Wieso Datensouveränität plötzlich ein Business-Thema ist • Wie man mit kleinen Paketen startet statt mit Millionenprojekten • Warum „Think big, start small“ endlich technologisch funktioniert • Weshalb einfache Tools oft mehr bringen als perfekte Architekturen • Für wen sich ein Wechsel oder Einstieg wirklich lohnt – und für wen nicht Die zentrale Erkenntnis: Es geht nicht mehr nur um Technologie. Es geht um Kontrolle, Geschwindigkeit und Entscheidungsfähigkeit. Und genau hier kann der Mittelstand aktuell einen Vorteil ausspielen – wenn er aufhört zu warten und anfängt, pragmatisch zu handeln. ⸻ ⏱️ Timestamps 00:00 – Intro: Mittelstand vs. Hyperscaler 00:45 – Warum viele Unternehmen von großen Plattformen überfordert sind 01:20 – Vorstellung Thomas & Fokus der Folge 01:38 – Eventhinweis: Mittelstandsevent in Berlin 02:20 – TDWI & Data Changemaker Community 03:00 – Einstieg: Gibt es Alternativen zu Azure & AWS? 03:32 – Problem Hyperscaler & geopolitische Risiken 04:30 – Datensouveränität und US Cloud Act 05:00 – Stackit als deutsche Alternative 05:33 – Kombination mit Pyramid Analytics 06:09 – Bronze-, Silber- und Gold-Pakete erklärt 07:01 – Skalierung und Individualisierung 08:25 – Zwei Perspektiven: Sicherheit vs. Mehrwert 09:15 – Einfluss von Politik auf Datenstrategien 10:33 – Warum Pyramid Analytics so stark wächst 12:24 – Einfachheit als Schlüssel im Mittelstand 13:32 – Typische Architektur im Mittelstand 14:18 – Einstieg ohne großes Invest 16:39 – Opex vs. Capex: Kostenmodell erklärt 17:46 – Klein starten, flexibel wachsen 18:13 – Sicherheit durch starke Anbieter 19:19 – Für wen die Lösung ideal ist 21:17 – Wann es keinen Sinn macht 22:32 – Excel-Unternehmen als Zielgruppe 24:00 – Rolle der Schwarz Gruppe & Eigenbetrieb 25:14 – Wirtschaftliche & strategische Perspektive 26:29 – Unsicherheit als Treiber für neue Lösungen 27:00 – Daten als Grundlage für bessere Entscheidungen 27:58 – Nutzerakzeptanz & Spaß an Analytics 28:26 – Self-Service & KI im Reporting 29:16 – Einfachheit statt Komplexität 30:54 – Call to Action: Demo & Einstieg 31:19 – Abschluss & Einladung zum Austausch

Wie bringt man KI wirklich in den Mittelstand? Nicht als Pilotprojekt. Nicht als Buzzword. Sondern als echte Kompetenz im Unternehmen. In dieser Special-Folge von AI or DIE sprechen wir live aus dem Mittelstand – direkt aus einem KI-Workshop bei der Leiber Group. Gemeinsam mit Simon und Richard diskutieren wir, wie Unternehmen KI pragmatisch einführen können, ohne sich in Tools, Lizenzen oder Strategiepapiere zu verlieren. Der Ansatz: Nicht Perfektion. Sondern Zugänglichkeit, Geschwindigkeit und Umsetzung. Statt teurer Lizenzen für jeden Mitarbeitenden setzt Leiber auf einen Plattformansatz: KI wird über APIs verfügbar gemacht, nutzungsbasiert abgerechnet und damit für alle im Unternehmen zugänglich. Ergänzt durch Schulungsstufen, klare Rollen und schnelle Use-Case-Teams entsteht Schritt für Schritt eine echte KI-Kompetenz im Unternehmen. Dabei wird auch deutlich: Der Mittelstand hat einen entscheidenden Vorteil gegenüber Konzernen – Geschwindigkeit und Entscheidungsfähigkeit. In der Diskussion geht es unter anderem um: • Warum KI zuerst für die breite Masse verfügbar sein muss • Wie ein Plattformansatz Kosten reduziert und Flexibilität erhöht • Warum Unternehmen nicht sofort mit komplexen KI-Projekten starten sollten • Wie KI Research, Vertrieb und Marktanalysen radikal beschleunigen kann • Warum der ROI von KI oft indirekt über Geschwindigkeit und Produktivität entsteht • Und weshalb Mittelständler gerade jetzt die Chance haben, Innovation schneller umzusetzen als große Organisationen Die zentrale Botschaft dieser Episode: Wer auf die perfekte Strategie wartet, verliert Zeit. Wer startet, lernt schneller. Und genau das entscheidet gerade darüber, wer KI wirklich nutzt – und wer nur darüber spricht. ⸻ Timestamps 00:00 – Intro: Special AI or DIE Folge aus dem Mittelstand 00:13 – Wie Leiber KI im Unternehmen einführt 01:10 – KI für die breite Masse statt Speziallösungen 02:00 – Schulungslevels: User, Power User und KI Champions 03:08 – Warum schnelle Umsetzung entscheidend ist 04:00 – Plattformstrategie statt teurer Einzellizenzen 04:54 – Der technische Plattformansatz erklärt 06:00 – Pay-per-Use statt Lizenzmodelle 06:53 – Multi-KI statt nur einer Plattform 08:00 – Das Problem ungenutzter Softwarelizenzen 09:00 – Schatten-KI im Unternehmen 09:49 – Spezialtools vs. Plattformstrategie 11:07 – Inspiration aus KI-Use-Cases im Vertrieb 13:10 – Geschwindigkeit als Wettbewerbsvorteil 13:57 – Innovation im Mittelstand 15:03 – Eindrücke aus dem Unternehmen Leiber 17:32 – KI-Strategie und Messbarkeit von Effizienz 18:17 – Persönliche Produktivitätssteigerung durch KI 19:17 – Wie man den ROI von KI sichtbar macht 21:36 – Mensch vs. KI im Arbeitsalltag 22:19 – Angst vor KI im Unternehmen 24:05 – KI ersetzt nicht Jobs, sondern Aufgaben 26:03 – KI und die neue Produktivität der Wissensarbeit 27:13 – Konkrete Maßnahmen nach dem Workshop 28:24 – Motivation und Netzwerk im KI-Mittelstand 30:23 – Fazit des Tages bei Leiber 31:10 – Schlussgedanken zur Zukunft von KI im Mittelstand 31:55 – Aufruf: Einfach starten und dranbleiben 33:01 – Outro

Links: https://data-changemaker.de/ https://www.linkedin.com/groups/18379010/ Data Governance klingt für viele Unternehmen nach Bürokratie, Regeln und zusätzlicher Arbeit. Genau deshalb wird das Thema häufig aufgeschoben – bis die ersten echten Probleme auftreten: falsche Kennzahlen, widersprüchliche Reports oder KI-Modelle, die auf fehlerhaften Daten basieren. In dieser Folge von AI or DIE sprechen Andreas Wiener und Janine mit Jürgen von OPITZ CONSULTING über ein Thema, das in der Datenwelt oft unterschätzt wird, aber über Erfolg oder Misserfolg vieler Analytics-Initiativen entscheidet: Data Governance. Dabei wird schnell klar: Governance bedeutet nicht Kontrolle um der Kontrolle willen. Es geht darum, Verantwortlichkeiten zu klären, Datenflüsse transparent zu machen und dafür zu sorgen, dass Fachbereiche sich auf ihre Daten verlassen können. Denn ohne Vertrauen in die Daten kann weder Self-Service-Analytics noch Data Culture wirklich funktionieren. Gemeinsam diskutieren wir unter anderem: • Warum Data Governance heute anders wahrgenommen wird als noch vor einigen Jahren • Welche Rolle Data Culture dabei spielt • Warum Data Stewards keine „Datenpolizei“ sein sollten • Wie Unternehmen Governance pragmatisch aufbauen können • Warum Visualisierung von Datenprozessen ein Schlüssel zum Erfolg ist • Wann externe Perspektiven helfen, Governance-Programme sinnvoll aufzusetzen • Und welche Rolle KI künftig bei der Verbesserung von Datenqualität spielen kann Die zentrale Botschaft dieser Episode: Wer seine Daten ernst nimmt, braucht klare Regeln – nicht als Selbstzweck, sondern als Grundlage für bessere Entscheidungen. Oder einfacher gesagt: Ohne Data Governance bleibt Data-Driven nur ein Buzzword.  ⸻ Timestamps 00:00 – Intro: Warum Data Governance oft unterschätzt wird 00:56 – Vorstellung des Gastes Jürgen 01:00 – Hat sich Data Governance in den letzten Jahren verändert? 02:26 – Zusammenhang zwischen Data Culture und Data Governance 03:06 – Warum Datenqualität bei der Dateneingabe beginnt 04:13 – Datenqualität und KI: Wenn schlechte Daten automatisiert werden 04:33 – Wie startet man ein Data-Governance-Projekt? 05:08 – Bewusstsein schaffen und Stakeholder einbinden 06:28 – Gibt es einen Standard-Leitfaden für Data Governance? 07:13 – Prozesse und Datenflüsse sichtbar machen 08:40 – Rollenmodelle und der Begriff Data Steward 09:48 – Data Steward: Diener der Datenqualität statt Datenpolizei 11:13 – Akzeptanz von Governance-Rollen im Unternehmen 12:58 – Self-Service Analytics vs. Governance 14:15 – Gemeinsame Ziele als Erfolgsfaktor 14:56 – Herausforderungen bei Self-Service-Datenmodellen 16:10 – Kommunikation und Zusammenarbeit im Datenprozess 17:01 – Externe Beratung bei Data-Governance-Projekten 18:29 – Warum eine externe Perspektive hilfreich sein kann 20:13 – Ganzheitliche Sicht auf Datenprozesse 20:57 – Visualisierung von Datenflüssen und Pain Points 22:04 – Zusammenhang zwischen Data Governance und KI 23:05 – Können KI-Agenten Datenqualität verbessern? 24:13 – Wie Governance-Prozesse visualisiert werden 25:51 – Data Governance in einem Satz erklärt 27:24 – Data Governance positiv framen 28:47 – Learnings aus der Folge 29:41 – Schlussgedanke: Bei Data Governance nicht weglaufen 29:56 – Outro

Link zum Buch: https://www.kaiuwestahl.com/download-buch-aiordie/ Seit über 15 Jahren bauen wir Dashboards. Von den ersten BI-Projekten mit absurden Ladezeiten bis zu modernen Tools wie Power BI und SAP Analytics Cloud. Und trotzdem stellt sich heute wieder eine provokante Frage: Brauchen wir Dashboards überhaupt noch – oder übernimmt KI jetzt alles? In dieser Folge sprechen Andreas Wiener und Kai-Uwe Stahl über eine der zentralen Disziplinen der datengetriebenen Unternehmenssteuerung. Sie blicken zurück auf die Entwicklung des Dashboardings, auf die größten Missverständnisse in Unternehmen und auf die Rolle, die KI künftig spielen wird. Dabei wird eines deutlich: Viele Unternehmen springen heute direkt auf den KI-Hype – ohne ihre Hausaufgaben gemacht zu haben. Denn bevor KI wirklich Mehrwert liefern kann, müssen Unternehmen ihre Zahlen kennen. Und genau dafür bleiben Dashboards unverzichtbar. In der Folge geht es unter anderem um: • Die Evolution von Dashboarding in den letzten 15 Jahren • Warum Tools heute kaum noch der entscheidende Faktor sind • Weshalb viele Unternehmen den falschen Fokus auf Self-Service-Analytics legen • Warum Standard-Reporting oft mehr bringt als komplexe Analyseumgebungen • Wie KI künftig die tiefe Analyse übernimmt – während Dashboards das Monitoring liefern Die klare Botschaft dieser Episode: KI ersetzt Dashboards nicht. Aber sie verändert, wofür wir sie nutzen. Wer seine Daten nicht im Griff hat, wird auch mit KI keine besseren Entscheidungen treffen.  ⸻ Timestamps 00:00 – Intro: 15 Jahre Dashboarding 00:54 – Was ist eigentlich ein Dashboard? 01:32 – Warum Monitoring-Dashboards unverzichtbar bleiben 02:53 – Das Buch und Feedback aus Unternehmen 05:12 – Warum viele Berater dem falschen Hype folgen 07:35 – Neue Hausaufgaben: Dashboards statt nur Datenqualität 10:03 – Die Anfänge: Dashboarding mit Excel und PowerPoint 11:15 – Erste BI-Tools und extrem lange Ladezeiten 13:22 – Erste große Projekte und technologische Entwicklung 14:32 – Warum viele Unternehmen Dashboarding nie richtig umgesetzt haben 15:52 – Warum klassische Trainings oft nicht funktionieren 18:29 – Online-Kurse vs. Präsenzschulungen 19:10 – Power BI als Gamechanger im Dashboarding 20:34 – Tableau, Visual Analytics und der Visualisierungstrend 21:22 – Warum sich der Markt auf wenige Tools konzentriert 23:38 – Konsolidierung im BI-Markt 25:09 – Datenvisualisierung und Storytelling im Dashboard 26:00 – Self-Service Analytics: Realität vs. Wunschdenken 27:08 – Wo KI künftig die Analyse übernimmt 28:21 – Fazit: Dashboards bleiben ein zentraler Baustein der Datenstrategie

http://www.five1.de/podcast/ai-data-security Alle reden über KI-Use-Cases. Über Agenten. Über Automatisierung. Kaum jemand redet ernsthaft über das, was im Hintergrund passiert: Datensicherheit. In dieser Folge spreche ich mit Christian Bühler und Joshua Zielinski darüber, warum Security im KI-Umfeld kein IT-Randthema ist – sondern strategische Pflicht. Denn KI ist nichts anderes als eine Datenpipeline: Was du reinsteckst, kommt verstärkt wieder raus. Und genau dort liegen die Risiken. Wir sprechen über: • Schatten-KI und unbewusste Datenleaks durch Mitarbeitende • Warum Agenten mit zu vielen Rechten gefährlicher sind als Hacker im Hoodie • Manipulierte Wissensdatenbanken und falsche KI-Outputs • Denial-of-Wallet-Attacken und versteckte Kostenrisiken • Warum der EU AI Act eher Leitplanke als Innovationsbremse ist • Und weshalb Governance im KI-Zeitalter neu gedacht werden muss Die zentrale Botschaft: Sicherheit bremst dich nicht aus. Sie macht dich handlungsfähig. Wenn du KI einführst, ohne dir über Privilegien, Datenquellen und Monitoring Gedanken zu machen, potenzierst du Fehler. Wenn du es sauber aufsetzt, wird KI zum Wettbewerbsvorteil. Und genau darum geht es in dieser Episode. ⸻ ⏱️ Timestamps 00:00 – Rückblick: Security-Assessment & Reaktionen 01:20 – Warum KI-Security plötzlich Chefsache wird 03:00 – Hype vs. Regulierung: Wo stehen Unternehmen? 04:30 – Imperfect User: Das größte Sicherheitsrisiko 06:00 – Schatten-KI und Datenleaks 08:00 – Enterprise-Lösungen vs. öffentliche KI 10:00 – Least Privilege: Warum Agenten Grenzen brauchen 12:00 – On-Prem vs. Cloud: Realität im Mittelstand 14:00 – EU AI Act: Bremse oder Leitplanke? 17:00 – Manipulation von KI-Daten als reales Risiko 20:00 – Governance im KI-Zeitalter 23:00 – Typische Sicherheitslücken bei KI-Use-Cases 26:00 – Predictive Maintenance & Praxisbeispiele 29:00 – Monitoring, Logging & Wissensdatenbanken 32:00 – KI-Workflows & vererbte Berechtigungen 34:00 – White Paper: Die 5 häufigsten KI-Security-Risiken 35:30 – Fazit: Sicherheit als Enabler

Wir stehen nicht am Anfang eines Tools. Wir stehen am Anfang einer neuen Exponentialität. In dieser Folge von AI or DIE spreche ich mit Tobi Nehren von areto.strategy über das, was viele gerade spüren, aber kaum jemand klar formuliert: KI ist kein Feature. KI ist ein Strukturbruch. Während einige noch Copilot-Lizenzen verteilen und hoffen, dass sich Produktivität von selbst ergibt, stellt sich die eigentliche Frage: Was passiert mit deinem Geschäftsmodell, wenn Intelligenz plötzlich unbegrenzt verfügbar wird? Wir sprechen über: • Warum der Mittelstand gerade zwischen Hype und Ernüchterung schwankt • Weshalb „Effizienzdenken“ zur größten Blockade wird • Ob Konzernstrukturen oder Mittelstand schneller transformieren • Welche Jobs wirklich gefährdet sind und welche nicht • Warum Nichtstun die riskanteste Strategie ist Dabei geht es nicht um Technikdetails. Es geht um Haltung. Um Mut. Und um die Bereitschaft, Zukunft aktiv zu gestalten. Denn eines ist klar: Die Transformation kommt, mit oder ohne dich. Und die Frage ist nicht, ob KI dein Unternehmen verändert. Sondern ob du die Veränderung steuerst oder von ihr überrollt wirst. ⸻ ⏱️ Timestamps 00:00 – Intro & technischer Fehlstart 04:10 – Wer ist Tobi Nehren & was macht areto? 05:50 – Warum „Zukunftsberatung“ mehr ist als KI-Beratung 07:20 – Ernüchterung im Mittelstand: Hype vs. Realität 09:30 – Warum Use-Case-Workshops oft scheitern 10:40 – Sind wir wirklich schon über dem KI-Hype? 12:00 – Intelligenz-Exponentialität: Was jetzt anders ist 14:10 – Angst oder Optimismus? Wie Transformation gelingt 17:20 – Individuum vs. Organisation: Wer passt sich schneller an? 20:00 – Arbeitsmarkt-Disruption: Was passiert mit Wissensarbeit? 23:00 – Kreativität vs. Prozessarbeit: Wer bleibt relevant? 26:00 – Demografie & KI: Problem oder Lösung? 28:00 – Mittelstand, Konzern & die große Verschiebung 32:00 – Warum Veränderung jetzt Pflicht ist 34:30 – KI als Chance für den Mittelstand 36:00 – Schlussgedanke: Zukunft ist zum Machen da

Migration wird in Unternehmen noch immer unterschätzt. Zu oft wird sie als technisches Upgrade verkauft – und endet als organisatorisches Minenfeld. In dieser Folge von AI or DIE sprechen Andreas, Janine und Volker von Opitz darüber, warum Migration nie nur ein Tool-Thema ist, sondern immer ein Eingriff in Prozesse, Kultur und Machtverhältnisse. Es geht um die harten Wahrheiten aus der Praxis: Warum selbst kleine Upgrades zu Großprojekten werden können. Weshalb Frontend-Migrationen regelmäßig eskalieren, während Backend-Wechsel leise, aber gefährlich sind. Und warum Migration fast nie an Technologie scheitert – sondern an Menschen, Widerständen und fehlender Wertschätzung für bestehendes Wissen. Die Folge macht klar: Migration ist kein Projekt mit Enddatum, sondern ein kontinuierlicher Anpassungsprozess. Wer glaubt, man könne „mal eben“ von On-Prem in die Cloud wechseln, neue Tools einführen oder alte Systeme abschalten, ohne Fachbereiche mitzunehmen, wird scheitern. Diese Episode liefert Orientierung für alle, die Migration realistisch planen, sauber kommunizieren und strategisch umsetzen wollen – ohne Hochglanzfolien, aber mit Haltung.  Timestamps 00:00 – Einstieg: Warum Migration jahrelang verdrängt wurde 00:46 – Was Migration wirklich ist: Update vs. Upgrade vs. Migration 02:12 – Wenn ein Upgrade plötzlich zur Migration wird 03:28 – Tool-, Datenbank- und Frontend-Wechsel eingeordnet 03:50 – On-Prem → Cloud als häufigster Treiber 04:41 – Lift & Shift oder echter Architekturbruch 05:09 – Typische Auslöser für Migrationsentscheidungen 06:13 – Legacy-Systeme, Fachkräftemangel, KI-Blockaden 07:55 – Fachbereiche als Migrationstreiber 08:45 – Warum Migration kein Nebenprojekt ist 09:33 – Der Klassiker: Halbfertige Migrationen 10:09 – Frontend-Migrationen als größtes Risiko 11:50 – Backend-Migration: weniger sichtbar, nicht weniger gefährlich 12:52 – Data Integration & Orchestration tauschen 14:21 – Klare Zielbilder im Backend 14:41 – Migration scheitert selten an Technik 15:12 – Menschen, Anforderungen und Komplexität 15:39 – Abhängigkeiten zwischen BI, ERP und Operativsystemen 17:06 – Data Culture als kritischer Erfolgsfaktor 17:46 – Neue Technologien vs. bestehendes Expertenwissen 18:37 – Warum „alt = schlecht“ ein fataler Denkfehler ist 19:55 – Widerstände als Normalzustand 21:01 – Warum Redesign fast immer nötig ist 21:37 – Wertschätzung für Legacy-Expert:innen 22:44 – Zwei-Welten-Problem: Alt-System vs. neuer Stack 23:42 – Migration ≠ klassisches Projekt 25:23 – Berater als Coaches statt Projektabwickler 26:28 – Architekturverständnis vs. Tool-Expertise 28:33 – Interdisziplinäre Teams als Schlüssel 29:31 – Wann Migration trotzdem ein klar definiertes Projekt sein muss 30:16 – Migration ist immer nur der Anfang 31:37 – Flexibilität schlägt Tool-Spezialisierung 33:41 – Fazit Janine 34:14 – Schlusswort Volker 34:48 – Ende der Folge

Viele KI-Initiativen scheitern nicht an Algorithmen, Modellen oder mangelndem Willen – sondern an der Basis. In dieser Folge von AI or DIE sprechen Andreas Wiener und Christian Bühler darüber, warum KI ohne eine sauber aufgebaute Daten- und Cloud-Plattform kaum eine Chance hat. Es geht um überzogene Erwartungen, Quick-and-Dirty-Leuchtturmprojekte und den fatalen Irrglauben, man könne KI einfach „on top“ auf bestehende Strukturen setzen. Christian erklärt, warum Begriffe wie Security, Resilienz, Performance, Operational Excellence und Kosten keine Buzzwords sind, sondern harte Voraussetzungen für produktive KI-Use-Cases. Die Folge zeigt klar: Ohne belastbares Fundament wird aus jeder KI-Idee eine teure Krücke. Wer jetzt nicht aufräumt, skaliert später nur Probleme. Eine ehrliche Episode für Entscheider:innen, die KI nicht nur ausprobieren, sondern nachhaltig nutzen wollen.  ⸻ Timestamps 00:00 – Einstieg: Warum KI-Initiativen scheitern 00:33 – Überzogene Erwartungen und falsche Annahmen 01:30 – Warum alte Cloud-Plattformen KI ausbremsen 01:50 – Was „well-architected“ wirklich bedeutet 02:34 – Die fünf Säulen einer belastbaren Plattform 02:59 – Für wen diese Leitplanken relevant sind 03:28 – Cloud-Zoo, Komplexität und Realität im Konzern 04:26 – Sicherheit & Cloud-Souveränität 05:06 – Datenplattform als Fundament für KI 05:15 – Resilienz, Verfügbarkeit & Governance 06:14 – Performance als Akzeptanzfaktor 07:24 – Always-on-Architekturen und Orchestrierung 08:19 – Wer ist verantwortlich: IT oder Fachbereich? 09:14 – Warum Fachbereichs-KI oft scheitert 10:15 – Budgets, ROI und Wirtschaftlichkeit von KI 11:20 – KI als Wette auf die Zukunft 12:29 – Was Resilienz technisch wirklich heißt 13:41 – Klassische Fehler bei KI-Plattformen 14:31 – Leuchtturmprojekte und „Quick & Dirty“ 15:11 – Die berühmte Krücke aus BI-Projekten 16:18 – Proof of Concept vs. produktiver Betrieb 17:20 – Welcher Tool-Stack ist „vernünftig“? 18:21 – SAP, Databricks & offene Architekturen 19:52 – Best-of-Breed statt Tool-Dogma 21:13 – Plattform vs. Mensch: Was ist wichtiger? 22:02 – Data Culture & echte Nutzung 23:04 – Online-Assessment: Standortbestimmung 24:35 – Klare Worte: Was Unternehmen jetzt tun müssen 26:07 – Ausblick: Sicherheit & nächste Folge 29:15 – Abschluss & Call to Action 29:40 – Ende der Folge

Zentrale KI-Plattform oder spezialisierte Tools in den Fachabteilungen? Diese Diskussion ist brandaktuell. In dieser Folge von AI or DIE zerlegen Andreas Wiener und Richard Ranftl (H&Z Digital) die romantische Vorstellung von der einen KI-Lösung, die alles kann. Klar ist: KI ist kein Nice-to-have mehr. Sie ist Pflicht. Wer heute noch auf die perfekte, zentrale Lösung wartet, verliert morgen Effizienz, Geschwindigkeit und Wettbewerbsfähigkeit. Gleichzeitig führt ein unkontrollierter Tool-Zoo direkt in neue Silos, Schatten-IT und Compliance-Risiken. Die Wahrheit liegt dazwischen – aber nicht im Mittelmaß. Wir sprechen darüber, warum „Make“ mit klaren Zielen oft smarter ist als reflexhaftes „Buy“, weshalb Open-Source-orientierte Stacks mehr strategische Freiheit schaffen als Hochglanz-Tools und warum Verfügbarkeit wichtiger ist als perfekte Governance. Außerdem: Warum Schatten-KI längst Realität ist, wieso Verbote nichts bringen und was Unternehmen jetzt konkret tun müssen, um Kontrolle zurückzugewinnen, ohne Innovation abzuwürgen. Diese Folge ist eine klare Ansage an alle, die noch glauben, KI ließe sich per Lizenzentscheidung erledigen. Spoiler: Tut sie nicht. 00:00 – Einstieg: KI-Reifegrad & alte IT-Diskussionen 00:41 – Single Vendor vs. Best-of-Breed: Die Kernfrage 01:00 – Tool-Dschungel, Start-ups & KI als Pflicht 01:55 – Buy vs. Make: Warum Spezialtools verlockend sind 02:47 – Fachabteilungen vs. zentrale KI-Strategie 03:39 – Das Silo-Problem: Schnell gestartet, nie eingefangen 04:16 – Schatten-Systeme und fehlende Zieldefinition 05:30 – Hochglanz-Versprechen vs. Realität 06:40 – Faktor Mensch: Warum Regeln allein nicht funktionieren 07:04 – Fachabteilungen als Innovationstreiber 08:05 – KI schlägt Excel: Wettbewerbsvorteile durch Geschwindigkeit 09:00 – Make-Ansatz mit Standard-Stacks (Azure, n8n & Co.) 10:04 – Konkretes Beispiel: KI im Einkauf 11:28 – n8n erklärt: Prozessautomatisierung mit Agenten 12:20 – Open Source, Souveränität & Enterprise-Tauglichkeit 14:47 – Chatbots, Frontends & falsche Erwartungen 15:18 – Mitarbeitende überschätzt? KI braucht Enablement 16:30 – Microsoft-Stack: Nicht perfekt, aber stabil 17:30 – Eigenes Frontend statt teurer Chat-Lizenzen 18:45 – Lokale LLMs: Wann sie wirklich Sinn machen 20:15 – Schatten-KI im Privatgebrauch: Das echte Risiko 22:27 – Praxisbeispiel: Mehr Schatten-User als offizielle Lizenzen 23:24 – Produktivität verstecken? Ein Auslaufmodell 24:50 – Angst, Kontrolle & Aufklärung im Unternehmen 26:12 – Kostenrealität: Copilot vs. eigenes KI-Frontend 26:56 – KI als neue Erwartungshaltung an Mitarbeitende 28:24 – Klare Empfehlung: Make first, Buy gezielt 29:22 – Metapher: KI-Stack wie Kochen vs. Restaurant 30:30 – Regulatorik, AI Act & Tool-Wildwuchs 31:28 – Praxisbericht: Marketing komplett agentenbasiert 33:00 – Fazit & Abschluss: Weniger Marketing, mehr Fakten