1836714119
KI - kurz und informativ, Klartext "to Go" in unter 5 Minuten

Werben im Podcast: KI - kurz und informativ, Klartext "to Go" in unter 5 Minuten

Kategorien
Dieser Podcast hat
64 Episoden
Sprache
German
Herausgeber
Marc Benesch
Explizit
Nein
Erstellt am
2025/08/31
Neueste Episode
2026/11/12
Durchschnittsdauer
13 min.
Veröffentlichungsintervall
8 Tage

Beschreibung

"KI - kurz und informativ" erklärt Künstliche Intelligenz verständlich, kompakt und ohne Fachchinesisch. In weniger als 5 Minuten erfahrt ihr als Entscheider in Wirtschaft und Verwaltung, worum es eigentlich wirklich geht - ohne Hype von den Grundlagen, über Anwendungen im Unternehmen bis hin zu den neusten Entwicklungen. Was ist ein Large Language Model (LLM)? Was sind neuronale Netze? Welche Datenschutzanforderungen muss ich beachten? EU AI Act? Wie bereite ich meine Daten auf? All das und vieles mehr sind Themen unserer Podcast-Reihe. Viel Spaß beim Zuhören!

Freischalten KI - kurz und informativ, Klartext "to Go" in unter 5 Minuten Podcast E-Mail-Kontaktdaten,
Hoerer- und Zielgruppendetails

E-Mail-Kontaktinformationen

Direkte Podcast-Kontaktdaten

Hoerer

Zielgruppenzahlen und Engagement-Einblicke

Zielgruppendetails

Podcast-Einblicke

Podcast-Episoden

Neueste Episoden von KI - kurz und informativ, Klartext "to Go" in unter 5 Minuten Podcast ansehen


Reinforcement Learning: Agent, Policy und Lernen durch Belohnung
2026/11/12
Wie lernt eine Maschine, ohne dass ihr jemand sagt, was richtig ist (wie beim supervised learning z.B.)? Mit dieser Folge starten wir die Reihe über Roboter und Reinforcement Learning (bestärkendes Lernen) und schauen uns die Grundlagen an: Was ist ein Agent, was ist eine Policy, und warum sammelt eine Maschine überhaupt Punkte? Dabei gibt es zwei grosse Herausforderungen: das Credit Assignment Problem und das Dilemma zwischen Exploration und Exploitation. Themen dieser Folge: Reinforcement LearningAgent, Umgebung, Zustand, Aktion und BelohnungPolicy: die gerlente StrategieCredit Assignment ProblemExploration vs. ExploitationWarum Robotik-Training aufwendig ist 🎧 Hört unbedingt auch in diese Folgen rein: KI, die selbstständig lernt (Folge 3)Wie lernen Maschinen? - Optimierung erklärt Schaut gerne auch auf der neuen Website zum Podcast vorbei: ⁠⁠⁠⁠⁠⁠⁠https://podcast.pyucation.de⁠⁠⁠⁠⁠⁠ Dort findet ihr eine Übersicht über alle Folgen sowie die meist gestellten Fragen schnell beantwortet.
Braucht es einen Chief AI Officer? - Wie KI die Unternehmensorganisation verändert
2026/11/05
Wie verankert man Künstliche Intelligenz in einer Organisation? Und braucht es dafür einen Chief AI Officer (CAIO)? In dieser Folge schauen wir uns an, wie Unternehmen und Verwaltungen sich für KI aufstellen können und was wir dabei von klassischen Organisationsformen lernen. Linienorganisation, funktionale Organisation, Spartenorganisation, Matrixorganisation und agile Netzwerkorganisation. Daraus leiten sich drei gängige KI-Organisationsmodelle ab: das zentrale KI-Kompetenzzentrum, die Hub-and-Spoke-Organisation und schliesslich das dezentrale Mesh-Modell, in dem Fachbereiche ihre eigenen Datenprodukte, KI-Modelle und Agents betreiben. Ihr erfahrt, welche Vor- und Nachteile jedes Modell hat, welcher KI-Reifegrad dafür nötig ist und warum KI im Unternehmen am Ende so selbstverständlich werden sollte wie Excel. Themen dieser Folge: Klassische Organisationsformen kurz erklärtZentrale, dezentrale und Hub-and-Spoke-Organisation von KIDas Mesh-ModellChief AI Officer: Sinn, Studienlage und Kritik Erwähnte Folgen und Quellen: KI-Wissensaufbau in UnternehmenIBM Institute for Business Value: CEO Study 2026 Schaut gerne auch auf der neuen Website zum Podcast vorbei: ⁠⁠⁠⁠⁠⁠https://podcast.pyucation.de⁠⁠⁠⁠⁠ Dort findet ihr eine Übersicht über alle Folgen sowie die meist gestellten Fragen schnell beantwortet.
Gradient Descent Teil 2: Stochastic Gradient Descent und Mini-Batch GD
2026/10/29
In der ersten Folge zu Gradient Descent haben wir mit den Schwächen dieses Verfahrens aufgehört. Heute schauen wir uns an, wie diese Schwächen angegangen werden. Wir sprechen über lokale Minima, die richtige Lernrate und den hohen Rechenaufwand bei grossen Datensätzen. Ihr braucht keine mathematischen Vorkenntnisse (wobei die Grundrechenarten sind nie verkehrt sind :D). Aus den Herangehensweisen ergeben sich die drei wichtigen Ansätze aus der Praxis: Gradient Descent: Wie der gesamte Datensatz zur Berechnung eines Optimierungsschritts verwendet wird.Stochastic Gradient Descent (SGD): Warum einzelne Datenbeispiele den Rechenaufwand pro Schritt reduzieren und gleichzeitig für stärkere Schwankungen sorgen.Mini-Batch Gradient Descent: Wie eine kleine Gruppe von Datenbeispielen einen praktischen Kompromiss zwischen Rechenaufwand und Stabilität ermöglicht. Wir nutzen wieder die Analogie der Bergwanderung. 🎧 Hört unbedingt in die erste Folge rein. Denn diese Folge baut darauf auf: Gradient Descent einfach erklärt Schaut gerne auch auf der neuen Website zum Podcast vorbei: ⁠⁠⁠⁠⁠https://podcast.pyucation.de⁠⁠⁠⁠ Dort findet ihr eine Übersicht über alle Folgen sowie die meist gestellten Fragen schnell beantwortet. Diese Folge ist für dich, wenn du … verstehen möchtest, wie Machine Learning und KI-Training funktionieren, dich für künstliche Intelligenz interessierst, ohne selbst programmieren zu müssen, als Entscheiderin oder Entscheider in Wirtschaft oder Verwaltung fundierter über KI sprechen möchtest, wissen willst, warum moderne KI-Modelle spezielle Optimierungsverfahren benötigen.
Gradient Descent einfach erklärt: Das Gradientenabstiegsverfahren im Machine Learning
2026/10/22
Gradient Descent ist zweifelsohne einer der wichtigsten Algorithmen im Machine Learning. Dank ihm kann ein Modell lernen. Stellt euch folgendes Szenario vor: Ich setze euch mit verbundenen Augen irgendwo auf einem Berg ab und sage: Findet zurück zum Auto, das im Tal steht. Genau das macht ein Machine-Learning-Modell beim Training. In dieser Folge erkläre ich ohne Formeln, wie Modelle ihre Parameter tatsächlich anpassen, was ein Gradient ist und wie der Algorithmus funktioniert. Wir schauen uns auch die Schwächen des Verfahrens an: lokale Minima, die Lernrate als sog. Hyperparameter und dass Gradient Descent theoretisch jedes Mal den gesamten Datensatz zur Berechnung braucht. Für alle drei Probleme gibt es in der Praxis Lösungen. Die schauen wir uns in der nächsten Folge an. Themen dieser Folge: Was ein Gradient istWie Gradient Descent als Algorithmus funktioniert mit einer einfachen Analogiedie Kostenfunktion als 3D-LandschaftProbleme beim Gradient Descent 🎧 Voraussetzung für diese Folge: Kostenfunktion und mathematische Optimierung Schaut gerne auch auf der neuen Website zum Podcast vorbei: ⁠⁠⁠⁠https://podcast.pyucation.de⁠⁠⁠ Dort findet ihr eine Übersicht über alle Folgen sowie die meist gestellten Fragen schnell beantwortet.
Model Distillation erklärt: Klauen chinesische Labore amerikanische KI?
2026/10/15
Die US-Regierung wirft chinesischen KI-Laboren Diebstahl im industriellen Massstab vor. Im April 2026 hat das Weisse Haus dazu ein eigenes Memorandum veröffentlicht, im September haben NSA, CISA und FBI mit einer gemeinsamen Sicherheitswarnung nachgelegt. Der Vorwurf behandelt systematische Destillation amerikanischer Frontier-Modelle. Ich erkläre zunächst, was sog. Knowledge Distillation, Soft Targets und Dark Knowledge ist. Es wird schnell klar, dass das, worum eigentlich gestritten wird, gar nicht die Destillation selbst ist. Die Lage ist nicht ganz eindeutig und man muss immer betrachten, aus welcher Position heraus, die verschiedenen Akteure argumentieren. Themen dieser Folge: Die Chronologie der Debatte um DestillationKnowledge Distillation: Teacher, Student, Soft Targets und Dark KnowledgeDie Open-Weights-Debatte 🎧 Andere spannende Folgen: Mixture of Experts (MoE) erklärtWie Maschinen lernen: Der Trainingsprozess von ML-Modellen Schaut gerne auch auf der neuen Website zum Podcast vorbei: ⁠⁠⁠https://podcast.pyucation.de⁠⁠ Dort findet ihr eine Übersicht über alle Folgen sowie die meist gestellten Fragen schnell beantwortet. Links & Quellen: Anthropic's Statement zum Vervot von Open Weight ModellenNSTM-4, "Adversarial Distillation of American AI Models", OSTP, 23.04.2026: https://www.whitehouse.gov/wp-content/uploads/2026/04/NSTM-4.pdfAEI, "How to Stop China from Freeriding on American AI": https://www.aei.org/commentary/how-to-stop-china-from-freeriding-on-american-ai/Just Security, "From Diagnosis to Deterrence": https://www.justsecurity.org/137498/diagnosis-deterrence-us-response-distillation/Lawfare, "Knives Are Out for Open-Weight AI Models": https://www.lawfaremedia.org/article/knives-are-out-for-open-weight-ai-modelsLawfare, "The AI Model Distillation Paradox": https://www.lawfaremedia.org/article/the-ai-model-distillation-paradoxCNBC, "The U.S. says China's AI progress is down to 'distillation.' But is it that clear cut?": https://www.cnbc.com/2026/09/18/china-ai-progress-distillation-tech-download.html
AI Agents verstehen: Harness, Tools, Skills, Memory und MCP erklärt
2026/10/08
Harness, Skills, Memory, Tools, MCP usw. Rund um AI Agents hat sich ein Vokabular entwickelt, das überall auftaucht und das kaum jemand sauber erklären kann. Das liegt nicht an euch: Für die meisten dieser Begriffe gibt es keine feste Definition, und je nach Framework und Anbieter werden sie unterschiedlich verwendet. In dieser Folge von „KI kurz und informativ" gehe ich die wichtigsten Begriffe einzeln durch und zeige, wie sie zusammenhängen. Am Beispiel eines Reifenwechsels erkläre ich, wie Skills, Tools und Memory zusammenhängen. Wir wiederholen nochmal, was Context bedeuetet und was das Context Window ist. Schreibt mal ein Beispiel aus eurem Alltag in die Kommentare, in dem ihr eine Situation in Skill, Tools und Memory unterteilt. Themen dieser Folge: Agent vs. Modell: Was der Agent Harness eigentlich istInstruktionen: Regeln, Grenzen und Prioritäten festlegenKontext und Kontextfenster und was passiert, wenn es voll istMemory: automatisiertes Notizenmachen, kein LernenTools: lesend und schreibend mit der Aussenwelt interagierenMCP (Model Context Protocol): kein Tool, sondern ein ProtokollSkills: Prozesswissen als Anleitung für den Agenten 🎧 Passende Folge: AI Agents - Was ist der Unterschied zu LLMs? Schaut gerne auch auf der neuen Website zum Podcast vorbei: ⁠⁠https://podcast.pyucation.de⁠ Dort findet ihr eine Übersicht über alle Folgen sowie die meist gestellten Fragen schnell beantwortet.
Wie funktioniert OCR? - Wie Maschinen Dokumente lesen
2026/10/01
Was passiert eigentlich, wenn ihr eine Rechnung abfotografiert und ein System daraus automatisch Kundennummer und Betrag zieht? Optical Character Recognition (OCR) ist dabei nur ein Schritt. Moderne Dokumentenverarbeitung ist eine ganze Pipeline: Bildvorverarbeitung, Texterkennung, Layout-Analyse, Zeichenerkennung und schliesslich ein Transformer-Modell, das die wahrscheinlichste Textsequenz bestimmt. In dieser Folge von „KI kurz und informativ" erkläre ich, wie OCR technisch funktioniert: warum CNNs und Vision Transformer dafür eingesetzt werden, warum moderne Systeme nicht mehr Buchstabe für Buchstabe lesen, sondern ganze Sequenzen und warum sich damit zwar Fehler korrigieren lassen. Themen dieser Folge: Was OCR technisch machtVon der Zeichen- zur SequenzerkennungWas Transformer damit zu tun habenWarum synthetische Trainingsdaten bei OCR gut funktionierenDie typische OCR-Pipeline Schau gerne auch auf der neuen Website zum Podcast vorbei: ⁠⁠⁠⁠⁠https://podcast.pyucation.de⁠⁠⁠⁠ Dort findest du eine Übersicht über alle Folgen sowie die meist gestellten Fragen schnell beantwortet.
Vom Discounter zu Deutschlands KI-Provider?
2026/09/24
Die grösste Einzelinvestition der Unternehmensgeschichte ... kein Logistzentrum sondern ein Rechenzentrum. Die Schwarz Gruppe, bekannt durch Lidl und Kaufland, baut in Lübbenau in Brandenburg für rund 11 Milliarden Euro KI-Infrastruktur. Wir schauen uns in einer Art "Firmenportrait" die Entwicklung vom Discounter zu einem der ambitioniertesten Technologiekonzerne Europas an. Wir sprechen über die Cloud Platform STACKIT, Aleph Alpha und den KI-Campus in Heilbronn. Am Ende bleibt die kritische Frage nach potenziell neuen Abhängigkeiten. Souveränität heisst nicht, sich von jemandem abhängig zu machen, nur weil er in Deutschland sitzt. Weitere Folgen und Links: Interview mit Wirtschaftsminister Dr. Blank: hierFolge über den AI Five Layer Cake: hierBlogpost von NVIDIA: AI is a 5-Layer Cake Quellen: Financial Times Artikel: "How Lidl accidentally took in the big guns of cloud computing"Schwarz Digits: Datacenter Lübbenau: https://schwarz-digits.de/schwarz-digits-datacenter-luebbenauHeise online: Schwarz Digits baut grosses KI-Rechenzentrum in MV: https://www.heise.de/news/Schwarz-Digits-baut-grosses-KI-Rechenzentrum-in-Mecklenburg-Vorpommern-11431329.htmlComputer Base: Ohne Führerhaus, Lidl lässt autonomen Lkw auf die Strasse: https://www.computerbase.de/news/mobilitaet/ohne-fuehrerhaus-lidl-laesst-autonomen-lkw-auf-die-strasse.99420/ZDF heute: Schwarz-Gruppe baut grosses Rechenzentrum bei Rostock: https://www.zdfheute.de/wirtschaft/unternehmen/schwarz-zentrum-rechenzentrum-rostock-100.htmlLidl Pressemitteilung: Autonomer Lkw (15.09.2026) https://unternehmen.lidl.de/pressemitteilungen/2026/260915_autonomer_lkwThe Decoder: Cohere übernimmt Aleph Alpha: https://the-decoder.de/nach-andrulis-abgang-kanadisches-start-up-cohere-uebernimmt-aleph-alpha/Table.Briefings: Dieter Schwarz Stiftung hilft dem Staat auf die Sprünge: https://table.media/berlin/news/ki-forschung-dieter-schwarz-stiftung-hilft-dem-staat-auf-die-spruenge
KI im HR & HR-Softwareentwicklung - Interview mit Felix Anderegg
2026/09/17
Felix Anderegg, Head of Technology and Innovation bei HR Campus AG, spricht mit mir über Künstliche Intelligenz im Human Resources und wie sie KI in ihrer Softwareentwicklung für HR-Prozessdigitalisierung einsetzen. Als spannendes Beispiel schauen wir uns ein KI-unterstütztes Travel Expense Tool an, das Belege per OCR (Object Character Recognition) einliest, automatisiert kategorisiert und zuordnet usw. Ganz zentral in unserem Gespräch ist die Frage, welche Rolle der Mensch in Zukunft wieder einnehmen wird. Ausserdem sprechen wir über diese Themen: automatisiertes Recruiting, CV-Checks und Co.,wie KI-Transformation bei HR Campus abläuft,wie KI-gestützte Softwareentwicklung im HR-Bereich abläuft. Schau gerne auch auf der neuen Website zum Podcast vorbei: ⁠⁠⁠⁠https://podcast.pyucation.de⁠⁠⁠ Dort findest du eine Übersicht über alle Folgen sowie die meist gestellten Fragen schnell beantwortet.
Was kostet ein KI-System wirklich? Total Cost of Ownership richtig rechnen
2026/09/10
Der häufigste Fehler bei der Kalkulation von KI-Projekten ist in Kosten pro Monat zu rechnen statt in Kosten pro Vorgang. Ein Pilotbetrieb mit zwanzig Nutzern sagt euch nichts darüber, was das System kostet, wenn es tatsächlich im Einsatz ist. Bei KI steigen die laufenden Kosten nämlich mit der Nutzung. In dieser Folge von „KI kurz und informativ" gehe ich die klassische TCO-Formel durch und zeige am Beispiel eines Schwimmbads, welche Posten sich bei KI-Systemen anders verhalten als bei jeder anderen Software. Meine These ist: Die Kostenarten sind nicht neu, aber ihr bestimmt nicht mehr, wann sie anfallen. Bspw. kennt ihr den Preis eines Vorgangs erst, nachdem er passiert ist. Ein Modell verschlechtert sich lautlos, ohne Fehlermeldung. Und den Termin für die nächste Migration setzt oft euer Anbieter (wie zuletzt bei der Abschaltung der OpenAI Assistants API). Themen dieser Folge: TCO-Formel und was sie bei KI-Systemen nicht abbildetKosten pro Vorgang statt Kosten pro MonatModel Drift und Data Drift Schau gerne auch auf der neuen Website zum Podcast vorbei: ⁠⁠⁠https://podcast.pyucation.de⁠⁠ Dort findest du eine Übersicht über alle Folgen sowie die meist gestellten Fragen schnell beantwortet. Link zum Google Paper: D. Sculley et al., „Hidden Technical Debt in Machine Learning Systems" https://proceedings.neurips.cc/paper/2015/file/86df7dcfd896fcaf2674f757a2463eba-Paper.pdf
Mixture of Experts (MoE) einfach erklärt: Wie moderne KI-Modelle Rechenkosten sparen
2026/09/03
Mixture of Experts (MoE) steckt inzwischen hinter fast jedem grossen Sprachmodell, weil diese Architektur Rechenkosten spart. Es erklärt ausserdem, warum bei modernen Modellen plötzlich zwei Parameterzahlen angegeben werden. DeepSeek-V3 zum Beispiel hat 671 Milliarden Parameter, nutzt pro Token aber nur 37 Milliarden davon. Wie diese Architektur funktioniert, was ein Router in einem Sprachmodell macht und wie die sogenannten Experten im Training entstehen, erkläre ich in dieser Folge. Wir schauen uns auch, wie immer, Probleme dieser Architektur an, z.B. warum Modelle dadurch schneller, aber nicht kleiner werden. Themen dieser Folge: Router und Experten: Wie MoE die Rechenlast aufteiltGesamtparameter vs. aktive ParameterProbleme wie Load Balancing Schau gerne auch auf der neuen Website zum Podcast vorbei: ⁠⁠https://podcast.pyucation.de⁠ Dort findest du eine Übersicht über alle Folgen sowie die meist gestellten Fragen schnell beantwortet.
Wie lernen Maschinen? Kostenfunktion und Optimierung einfach erklärt
2026/08/27
Wie lernt ein Machine-Learning-Modell eigentlich? Hinter dem „Lernen" steckt keine Magie, sondern mathematische Optimierung. Und die funktioniert nach einem Prinzip, das ihr aus dem Alltag kennt. Ich erkläre anhand anschaulicher Beispiele, was eine Kostenfunktion ist, was Parameter eines Modells sind und wie beides zusammen dafür sorgt, dass ein Modell besser wird. Die Folge über Optimierungsalgorithmen wie Gradient Descent wird auf diese Folge aufbauen. Themen dieser Folge:• Was mathematische Optimierung ist und warum sie die Grundlage jedes ML-Modells bildet • Kostenfunktion und Parameter • Lineare Regression: Optimierung mit nur zwei Parametern • Warum es Optimierungsalgorithmen wie Gradient Descent braucht Schau gerne auch auf der neuen Website zum Podcast vorbei: ⁠https://podcast.pyucation.de Dort findest du eine Übersicht über alle Folgen sowie die meist gestellten Fragen schnell beantwortet. Folge zu Neuronalen Netzen und wie sie lernen: https://open.spotify.com/episode/1vu4mSvU9YpJs0mZdTwTbC?si=mKhjhhkySjO13raaPw8RiA
Quiz: Fine-Tuning, KI-Regulatorik, Speicherbedarf, usw. - Wie gut kennst du dich aus?
2026/08/20
Heute gibt es wieder ein Quiz zu den letzten 15 Folgen. Dabei schauen wir uns diese Themen an: ​Fine Tuning (im Vergleich zu RAG)​Reasoning-Modelle​Der AI Five Layer Cake​KI-Regulatorik und der EU AI Act​Kennzeichnungspflicht und Synth ID​Quantisierung und Speicherbedarf von LLMs Bist du inzwischen ein Experte? Schreib gerne in die Kommentare, wie viele Fragen du richtig beantworten konntest! Schau gerne auch auf der neuen Website zum Podcast vorbei: https://podcast.pyucation.de Dort findest du eine Übersicht über alle Folgen sowie die meist gestellten Fragen schnell beantwortet.
SynthID - Wie KI-Inhalte gekennzeichnet werden können
2026/08/13
Seit dem 2. August 2026 gilt die EU-Kennzeichnungspflicht für KI-Inhalte (Artikel 50). Heute erkläre ich SynthID und wie das Wasserzeichen von Google DeepMind funktioniert. In jedem gängigen Medium (Bilder, Videos, Texte, Audio) kann SynthID eingesetzt werden. Wir sprechen auch über den Unterschied zu Metdadaten, die Grenzen von SynthID und warum sich die seit 2023 existierende Technik bereits in Teilen umgehen lässt. Auch Anthropic verwendet neu seit dem 11. August 2026 Wasserzeichen für seine von neueren Modellen erzeugten Inhalte. Schau gerne auch auf der neuen Website zum Podcast vorbei: https://podcast.pyucation.de Dort findest du eine Übersicht über alle Folgen sowie die meist gestellten Fragen schnell beantwortet. Weitere Folgen: ​Regularien rund um KI: https://open.spotify.com/episode/0DgVxFfLxKzPlnEyOeLm15?si=s5QlQdPoQqSw3qsw8Dqf_A​EU AI Act: https://open.spotify.com/episode/2PMaslOzW7gGOax1h6RErv?si=xxaLUD5NRdKHSrNHGiYKhQ Quellen: ​https://deepmind.google/models/synthid/​https://deepmind.google/blog/watermarking-ai-generated-text-and-video-with-synthid/ ​https://help.openai.com/de-de/articles/8912793-provenance-signals-content-credentials-synthid-in-openai-generated-content
Musterland für digitale Souveränität im KI-Zeitalter? - Interview mit MV-Wirtschaftsminister Dr. Wolfgang Blank
2026/08/06
Mehr als die Steckdose der Republik: KI-Rechenzentren, grüner Strom und Gesundheitsdaten. Kann ein kleines Bundesland zum Vorbild für digitale Souveränität werden? Interview mit Minister Dr. Wolfgang Blank. Es geht um die entscheidende Frage: Wer behält im KI-Stack die Wertschöpfung? Mecklenburg-Vorpommern hat vieles, was KI-Infrastruktur braucht: grünen Strom im Überfluss, mittlerweile die niedrigsten Netzentgelte Deutschlands, grosse Flächen und mit dem Seekabel C-Lion1 in Rostock eine leistungsstarke Datenanbindung nach Nordeuropa. Laut Bitkom-Studie 2025 punktet das Land vor allem bei Stromnetz und Fläche. Bei der installierten Rechenleistung ist es allerdings noch Schlusslicht. Wir sprechen darüber, warum MV nicht nur Energie liefern, sondern auch digitale Dienstleistungen und ein wirtschaftliches Ökosystem ansiedeln will und damit im „Five Layer Cake" von der Energie- bis zur Anwendungsebene aufsteigen möchte. Ausserdem schauen wir uns die SHIP-Studie mit ihren einzigartigen Gesundheitsdatensätzen an, sprechen über den Digital Health Hub bis zur Frage, wie sich damit Startups anlocken lassen. Und warum echte Innovation nicht nur Technologie bedeutet, sondern auch neue Prozesse und Arbeitsweisen. Schau gerne auch auf der neuen Website zum Podcast vorbei: https://podcast.pyucation.de Dort findest du eine Übersicht über alle Folgen sowie die meist gestellten Fragen schnell beantwortet.

Podcast-Bewertungen

Lesen Sie KI - kurz und informativ, Klartext "to Go" in unter 5 Minuten Podcast-Bewertungen


0 von 5
0 Bewertungen

Podcast-Sponsoring-Werbung

Starten Sie Werbung auf KI - kurz und informativ, Klartext "to Go" in unter 5 Minuten relevanten Zielgruppen-Podcasts


Was moechten Sie bewerben?