Advertise on podcast: Data: Heaven or Hell? (Adastra Podcast)

 Chris‑Markus “CMK” Kratz, AWS Global Director of Automotive and Manufacturing, explains how outcome‑first, customer‑obsessed transformation and ecosystem partnerships are reshaping the industry. He details the shift to software‑defined vehicles and the car as a proactive companion, how GenAI is collapsing mainframe refactoring from years to months, and what it takes to move beyond pilots to production. Kratz shares lessons from Amazon’s own “shop floor” in its fulfillment centers, why the cloud is ready for OT, and why critical thinking and change management matter as much as technology. He also covers autonomy at scale, the equalizing effect of AI for SMBs and OEMs alike, and the “better together” role of SIs like Adastra.  How do OEMs and suppliers work backwards from outcomes to deploy GenAI in real production?  What makes the factory floor ready for cloud and AI, and how do you ensure resilience?  How does mainframe modernization unlock microservices and accelerate transformation?  Which ecosystem partnerships and governance practices deliver value without slowing execution?  Is AI the great equalizer across company sizes, and how should leaders manage the cultural shift?  

Glenn Remoreras, EVP, Chief Information Officer at Breakthru Beverage Group, shares how a cloud-first “platform, data, AI” architecture and executive-led AI readiness turn market pressures into value. He highlights migrating 300+ services to AWS, why the data layer is the most critical, risk-based guardrails, and quick-win pilots like Legal GPT and an AI Sales Coach.  What does it take to build a foundation that learns fast and scales AI beyond hype?  When is “good enough” data enough, and how can AI expose and fix the gaps?   Which operating model and governance enable adoption without slowing delivery? 

Jak dlouho trval vývoj a rollout řešení?  Proč byl pilot klíčový pro přijetí mezi poradci?  A jaké další procesy chtějí v Člověku v tísni digitalizovat dál – od komunikace s finančním arbitrem až po soudy? Více o řešeních Power Platform a kvalitě dat.

Learn more about: Adastra AI

What does it take to build an incubator that learns fast and delivers real value?   When is “good enough” data enough—and how can AI expose and improve the gaps?   Which operating model and governance practices drive adoption without slowing execution?   Learn more about: GenAI, Adastra AI

How can artificial intelligence help protect biodiversity? Will we ever objectively understand what is in the “interest” of other species? And what happens when the interests of different species collide?

How does Snowflake work with AI models to keep data in a secure environment Why is going back to on-prem solutions no longer an option? And why does Wojtkowski believe SaaS and AI will dominate the future of data platforms?

What use cases are companies solving with Fabric most often? How can organizations start with smaller projects and scale them to an enterprise level? And why does Andersen believe it’s always worth building new solutions “on a blank sheet of paper”?

How can data observability organizations detect silent failures before they impact business decisions?  What’s the difference between data quality management and data observability—and why does it matter for AI readiness?  What should organizations consider when deciding to build or buy a data observability solution?  Learn more about the solution: AI-ready data

Proč je porovnávání statutů fondů ideální úkol pro umělou inteligenci— a jak AVANTu pomáhá snížit riziko chyb i právní nejistoty. Jak by AI mohla asistovat při oceňování aktiv na základě předchozích posudků a výpočtových rámců.  Proč si Bezděk myslí, že AI může porazit juniory, ale ne nahradit manažera, který dělá zásadní rozhodnutí bez dostatku dat. Jaké změny AI přináší na trh práce — a proč se podle Bezděka vyplatí jít cestou, která člověka skutečně baví. Proč je regulace AI nezbytná, i když nedokáže zastavit vývoj. A jak by mohla AI sehrát roli ve světovém geopolitickém přetahování o technologickou dominanci.

How do you measure the success of data governance? Where do you find both the technical and “human” profiles for the team? And why should data governance be a natural part of work — not just another extra activity?  In the podcast, Pavlína Vajgarová, Data Intelligence Lead at one of the largest Czech banks, explains how Česká spořitelna gradually transformed its approach to data over three years — from an Excel sheet of business terms to a dedicated data governance team and a full organizational rollout. 

Zemědělské stroje, které se skládají z tisíců dílů. Tým plánovačů, který přestával stíhat každou změnu. A linková výroba, která měla přinést vyšší efektivitu – ale zpočátku zpomalila celý provoz. „Museli jsme si přiznat, že to sami neutáhneme. A začali jsme hledat nástroj, který by plánování zvládl rychleji a lépe než člověk,“ říká Jan Slavík, IT ředitel společnosti Bednar FMT, v podcastu Adastry. Zjistěte více o řešení: AI plánování a optimalizace

V CETIN nepodléhají každému hype. Když přišla AI vlna, místo chatbotů a hezkých demo ukázek začali hledat konkrétní byznysové případy, kde může umělá inteligence reálně pomoct. „Nepotřebujeme víc sexy nástrojů. Potřebujeme nástroje, které fungují,“ říká Jan Štěpánovský, CIO CETIN, v novém dílu podcastu Adastry. Zjistěte více o řešení: Data governance

Zjistěte více o řešení: Hyperautomatizace

Tracking ESG data in Excel? With over 100 sites in 50 countries, that simply wouldn’t work at KUKA. “To manage ESG effectively, it’s not enough to just collect data. We need to understand the impact – across divisions, regions, and products,” says Kerstin Heinrich, Head of Corporate Sustainability at KUKA.  In the latest Adastra podcast episode, she explains how ESG reporting is no longer just a compliance formality. It’s becoming a new standard—much like financial accounting. KUKA implemented Microsoft Sustainability Manager, built a custom data collector, and developed detailed guidelines for data governance and estimations.