Эпизоды
-
Das hätte wahrscheinlich noch ewig so weitergehen können. Es war uns eine große Freude Jack Rodriguez begrüßen zu dürfen der bei Takko Fashion über Deutschland hinaus viele Insights zum Thema KI und Agenteneinsatz im Unternehmen mitbringt. Wir sprechen über zukünftige Unternehmensteuerung, Reboundeffekte von KI, Voraussetzungen für die intelligente Transformation und Vieles mehr. Diese Folge gehört mit Sicherheit ebenfalls zu den Highlights von LIKE IT! WHAT IS IT?. Viel Spaß beim Zuhören!
https://www.linkedin.com/in/jack-rodriguez-861522a9/
-
Eine der besten ( freien ) Ressourcen um sich mit der Organisation von Informationen zu beschäftigen ist das Buch The Discipline of Organizing, https://berkeley.pressbooks.pub/tdo4p/.
Intentional Arrangement ist fast der wichtigste Faktor in einer Wissens- und Informationsstrategie. Im Kontext semantische KI und dem Wunsch dass die KI "mitdenkt" ist das Konzept ins Zentrum des unternehmerischen Denkens gerückt.
Intentional Arrangement ist fast der wichtigste Faktor in einer Wissens- und Informationsstrategie. Im Kontext semantische KI und dem Wunsch dass die KI "mitdenkt" ist das Konzept ins Zentrum des unternehmerischen Denkens gerückt.
Aufgrund der Wichtigkeit der Organisation von Informationen um sie für die KI nutzbar zu machen, hier eine kleine, einfache Audiozusammenfassung unserer Agenten ( Notebook LLM ) . Strategen und Domainexperten werden in Zukunft zunehmend die Rolle von "Informationsorganisierern", Kontext- und Bedeutungsgebern kommen, um die besten Ergebnisse von KI positiv zu beeinflussen.
Viel Spaß beim Hören oder Lesen.
-
Пропущенные эпизоды?
-
Sebastian und Kerstin sprechen über die erfolgreiche Planung und Integration von KI in Unternehmenssysteme, warum Machen anders ist als Wollen und was die Voraussetzungen für einen erfolgreichen Start sind. Auch sprechen sie als Kollegen bei den Deutschen Digitalen Beiräten über die wichtige Rolle von neutralen Wegbegleitern durch die Digitalisierung und die intelligente Transformation.
Link zu Sebastian:
https://www.linkedin.com/in/sebastian-winkler-berlin/
-
Die dritte Staffel von LIKE IT! WHAT IS IT? dreht sich ganz um die Schaffung von Bedeutung und Erkenntnissen mit KI und was dafür notwendig ist. Wir müssen der KI bessere Probleme zum Lösen geben, echte Problemlösungen.
Das menschliche Gehirn hat eine erstaunliche Speicherkapazität, die auf etwa 2,5 Petabyte oder 2,5 Millionen Gigabyte digitalen Speicher geschätzt wird. Um dies in Perspektive zu setzen: Wenn man die Speicherkapazität des Gehirns mit Fernsehsendungen vergleichen würde, entspräche dies etwa 3 Millionen Stunden TV-Inhalten. Das bedeutet, dass man theoretisch genug Fernsehsendungen im Gehirn speichern könnte, um 300 Jahre lang ununterbrochen zu schauen, ohne dass der Speicherplatz ausgeht. Und wir sind in der Lage, diese Daten zu nutzen, um kreativ und einsichtsvoll zu sein. Wir sind hier, um zu diskutieren, was notwendig ist, um der KI eine faire Chance zu geben, nützlich zu sein.Und wir sprechen über den idealen "Fachkollegen" ein echtes Unicorn aus Sicht eines Datenexperten für die Entwicklung von guten Datanprodukten im Unternehmen.
-
Mal was ganz Anderes? Nein, eigentlich nicht. In der intelligenten Transformation geht es vor Allem um die grundlegende Veränderung wie Menschen und Maschinen zusammenarbeiten, da kommt man um die Systemik nicht herum. Im zweiten Teil der zweiten Staffel ging es schon mit Benjamin Szilagyi und Peter Compo um die notwendige Systemsicht auf Wettbewerbsfähigkeit. Alles hängt mit Allem zusammen, d.h. jede Entscheidung hat viele Perspektiven, Lösung entsteht durch das Abwägen der Perspektiven. Was passiert wenn Maschinen ( aka Agenten ) in der Entscheidungsfindung beteiligt sind? Martina und Madeleine sprechen über die menschlichen Aspekte von Veränderung und Systemik aus der humanwissenschaftlichen Perspektive - weil Wirtschaftswissenschaft, Data Science und die Geisteswissenschaften zusammenhängen und sich insbesondere in der Systemik ein zentrales Feld teilen. Viel Spaß beim Hören.
-
Einen besondere und ungewöhnliche Folge für einen KI & Co Podcast. Aber was bedeutet KI Implementierung anderes als die Veränderung der Strategie eines Unternehmens und Anpassung der Organisation an eine sich ändernde Umwelt, ein System das reagiert. Deshalb der Austausch über die Funktion von Strategie, auch im Kontext von KI und die Veränderung der Strategiearbeit an sich mit großer Sicherheit eine noch sehr viel wichtigere Diskussion als die Technik an sich. Wir sind gespannt wir ihr das seht. Eine besondere Folge! Viel Spaß beim Hören, gebt und sehr gerne Feedback.
Über Peter Compo ( Quelle Amazon )
After earning a doctorate in Chemical Engineering from City College New York and a background in music, Peter Compo spent 25 years at E.I. DuPont. Working in both commodity products and tech ventures, he held leadership positions in marketing, supply chain, product, and business management and was the corporate lead for integrated business planning. Seeing the same strategy challenges and the same adaptive patterns of innovation in all these areas of experience inspired him to create the emergent approach.
https://www.amazon.de/Emergent-Approach-Strategy-Adaptive-Execution/dp/1637422156/ref=sr_1_1?crid=18X964RP4XZJR&dib=eyJ2IjoiMSJ9.DhLgGGuwvp_pHupmQVa2kA4e6b9VihNOjYSFQJxSFby_cMVHMQuJK9Zwq3bKM4PzqBEwDkasEOAuc5w6eYwvjZieKBasulxEf5HG-GPrXokm_yz3lRFZkoeSa_NY0b5dH0dBTwaX9Y9cHxf3UBlKXsVRAPiyTtAnDcsCujnAkHtNheWGGHVxEa7hiGXLFUZEsLRIvH5Ys45dkFvvKFtmO26uId2gubAOFUZyx_knUEQ.52ZG06se5JyidDQeBCYXjrnRGOpI39Z4bOspwv_CYmY&dib_tag=se&keywords=peter+compo&qid=1738248071&sprefix=%2Caps%2C77&sr=8-1
-
Teil 1: Deep Dive in das besonders budgetintensive Thema Media. Diskutiert wird es viel, problematisiert wird es viel und diese Diskussionen könnten nicht polarisierender geführt werden. Warum? Weil Media sehr aus dem Erfahrungswissen heraus besprochen wird, weniger aus der Methodik. Wir kennen die Probleme aber noch nicht die Lösungen. Fakt ist - es wirkt und es bleibt offen ob es noch besser wirken könnte. Die KI kann hier viel helfen, zum Einen was die Datenberge angeht ( mit den richtigen Voraussetzungen ) zum Anderen im Changemanagement. Neue Modellierungsansätze bieten die Möglichkeit einer sehr viel breiteren und gleichzeitig tieferen Zusammenführung der Daten, kann Zielkonflikte und Aussteuerungsunsicherheiten aufdecken, ist in der Lage qualitative und quantitative Szenarien zusammenzubringen und ggf. sogar am Ende Twins zu integrieren ( Zukunftszenario ). Wir diskutieren wie wir aufhören könnten zu jammern oder das Problem zu bestaunen und mit den heutigen Möglichkeiten eine der schwierigsten Felder im Marketing anzugehen mit Hilfe von KI und Agent Based Modelling ohne grössere weitere Investitionen, die Daten sind da, es sind "nur noch" die letzten Meter zu gehen zum eigenen "Media Brain" - Houston, we have a mission! Mehr dazu von Jonas.
Danke an freesound_community für den Staubsaugersound https://pixabay.com/de/users/freesound_community-46691455/
-
Teil 2: Deep Dive in das besonders budgetintensive Thema Media. Diskutiert wird es viel, problematisiert wird es viel und diese Diskussionen könnten nicht polarisierender geführt werden. Warum? Weil Media sehr aus dem Erfahrungswissen heraus besprochen wird, weniger aus der Methodik. Wir kennen die Probleme aber noch nicht die Lösungen. Fakt ist - es wirkt und es bleibt offen ob es noch besser wirken könnte. Die KI kann hier viel helfen, zum Einen was die Datenberge angeht ( mit den richtigen Voraussetzungen ) zum Anderen im Changemanagement. Neue Modellierungsansätze bieten die Möglichkeit einer sehr viel breiteren und gleichzeitig tieferen Zusammenführung der Daten, kann Zielkonflikte und Aussteuerungsunsicherheiten aufdecken, ist in der Lage qualitative und quantitative Szenarien zusammenzubringen und ggf. sogar am Ende Twins zu integrieren ( Zukunftszenario ). Wir diskutieren wie wir aufhören könnten zu jammern oder das Problem zu bestaunen und mit den heutigen Möglichkeiten eine der schwierigsten Felder im Marketing anzugehen mit Hilfe von KI und Agent Based Modelling ohne grössere weitere Investitionen, die Daten sind da, es sind "nur noch" die letzten Meter zu gehen zum eigenen "Media Brain" - Houston, we have a mission! Mehr dazu von Jonas.
-
Bevor wir mit Sotir Hristev sprechen, unser Experte für ökonomische Unternehmensoptimierung, Modelling und Analytics erklären unsere Agenten schon mal sehr charmant was Agent Based Modelling ist. Wie sprechen hier nicht von den aktuell so breit diskutierten KI Agenten, aber das Prinzip der Vereinzelung der Ziele, Eigenschaften und Regeln ist in beiden Konzepten sehr ähnlich. Unsere Company Brains sind die ideale Grundlage für solche Anwendungen. In der Folge mit Jonas Manthey sprechen wir auch über die Anwendungsfelder im Marketing- und Media Mix Modelling indem die unterschiedlichsten Modelle zu einem größeren, aussagekräftigeren Bild zusammengeführt werden können. ABM ist der nächste Schritt in der ökonomischen Modellierung und der kausalen Analyse. ( Achtung, nerdy stuff ). In Sonderfolge 4 gehen wir tiefer in eine Zukunft in der KI-Agents und ABM integriert werden um uns der Realität immer weiter zu nähern. Systemdenken ist dafür zentral. Skate where the puk is going to be.
-
Kerstin Clessienne spricht über Fachgrenzen hinaus mit Benjamin Szilagyi, Senior Vice President Data Science dsm-firmenich und ehemaliger Vice President, Insights Data & Experimental Analytics Roche über die Gemeinsamkeiten und Unterschiede von KI Einsatz in der Biologie/Healthcare Kategorie und im Marketing. Über den Wert von Agenten und notwendiges Systemverständnis, bzw. Hygienefaktoren im Umgang mit Daten zur KI Qualitätsmanagement.
Weiherführende Links: Benjamin Szilagyi
-
Customer Twins sind in aller Munde. Diese Folge bezieht sich auf eine Forschung zur Integration von LLM´ in Simulationsszenarien und zukünftige Möglichkeiten.
Der Artikel untersucht die Einbindung großer Sprachmodelle (LLMs) in agentenbasierte Modellierung und Simulation. Er beschreibt die Vorteile von LLM-Agenten hinsichtlich Wahrnehmung, Entscheidungsfindung und Anpassungsfähigkeit und analysiert Herausforderungen wie Umgebungswahrnehmung und ethische Risiken. Der Schwerpunkt liegt auf einer Übersicht aktueller Forschungsergebnisse in verschiedenen Anwendungsbereichen (Cyber, physisch, sozial, hybrid) und der Diskussion offener Fragen sowie zukünftiger Forschungsrichtungen, insbesondere im Hinblick auf Skalierbarkeit, Benchmarking und den Aufbau offener Plattformen. Ein spannender Ausblick in eine mögliche Zukunft von Consumer Twins.
Auf das Thema Agent Based Modelling gehen wir in den zukünftigen Folgen noch genauer ein.
-
Erneut eine Zusammenfassung von "unseren" Agenten. Diesmal zu einem Paper über die Notwendigkeit von Graphen um künstliche Intelligenz in hochwertigen Anwendungsszenarien zu nutzen, beispielweise im Geschäftskontext für Analysen, Berichte, Strategische Arbeit, Zielgruppenanalysen etc. . Das Paper untersucht, wie Wissensgraphen die Vertrauenswürdigkeit von LLM-basierten Enterprise-Systemen verbessern. Die Autoren argumentieren, dass Wissensgraphen die Genauigkeit steigern, Ergebnisse erklärbar machen und eine Datenverwaltung ermöglichen, die LLMs alleine nicht bieten. Der Artikel präsentiert empirische Ergebnisse, beschreibt Herausforderungen im Wissenmanagement und skizziert zukünftige Forschungsrichtungen zur Verbesserung der Technologie. Ein Schwerpunkt liegt auf der Verbesserung der Genauigkeit und der Erklärbarkeit der Antworten.
-
Eine kurze Beschreibung über die Arbeit und Mission der Köpfe hinter LIKE IT! WHAT IS IT? Natürlich von Agenten :-). nicht alles stimmt zu 100% dennoch - eine sehr gute Beschreibung der Grundlage unserer Arbeit. Im Gegensatz zu den Beispielusecases fokussieren wir uns bei S&P auf die kundenzentrierte Organisation, Marketing, Media, CX und Customer Journey und das Gesamtsystem. Wir stellen es sehr gerne vor!
-
Das Ende der ersten Staffel bietet einen Rückblick auf ein turbulentes Jahr 2024 in Sachen KI, das in den letzten Monaten mit einem beeindruckenden Showdown seinen Höhepunkt fand. Dr. Johannes Köppern und Kerstin Clessienne werfen einen Blick zurück auf die Veränderungen im KI-Umfeld: den Aufstieg der agentischen KI, die erweiterten Reasoning-Kapazitäten der Modelle und die daraus resultierenden Möglichkeiten für den KI-Einsatz in Unternehmen, einschließlich der Rolle von SaaS und No-Code.
Die Folge schließt den ersten Grundlagenteil zur zweiten Phase der KI-Reise der letzten beiden Jahre ab und leitet über zu Staffel 2, die im Januar mit einem Ausblick auf das neue Jahr startet.
Wir danken allen Hörern für ihre Aufmerksamkeit und wünschen – im Namen des gesamten "Schmittie"-Teams – ein gesundes, erfolgreiches und neugieriges neues Jahr. Um es mit Johannes zu sagen: „Glück auf!“
Links:
https://www.linkedin.com/feed/update/urn:li:activity:7276864218950238209/
https://www.linkedin.com/feed/update/urn:li:activity:7275939801822822400/
-
Agentenframeworks sind unverzichtbare Werkzeuge, um die nächste Generation intelligenter Systeme zu entwickeln. Sie helfen dabei, komplexe Probleme zu lösen und bieten eine strukturierte Grundlage für die Zusammenarbeit zwischen autonomen Softwareagenten.
Diese Episode bietet nicht nur eine Einführung in die Auswahl und den Einsatz von Agentenframeworks, sondern schließt auch an die bisherigen Konzepte an, um ein umfassendes Verständnis von agentischer KI zu vermitteln. Agentische KI kombiniert die Grundprinzipien der künstlichen Intelligenz mit der Fähigkeit von Agenten, autonom zu handeln und sich anzupassen. Diese Systeme sind nicht nur passiv reaktiv, sondern auch proaktiv und in der Lage, langfristige Strategien zu entwickeln.
Agentenframeworks sind Softwareplattformen oder Entwicklungswerkzeuge, die den Aufbau, die Verwaltung und die Interaktion von sogenannten intelligenten Agenten ermöglichen. Intelligente Agenten sind autonome Softwareeinheiten, die Aufgaben in einer Umgebung ausführen können, basierend auf vorgegebenen Zielen, Umgebungswahrnehmungen und oft auch mit der Fähigkeit zur Kommunikation untereinander. Wie setzt man sie ein, wie wählt man sie aus?
Wir legen die Grundlagen zur Entwicklung von Agentensystemen auf Basis der Grundlagen die wir in den vorherigen Folgen gelegt haben, was sind Agenten und was macht agentische KI aus.
-
Graphenbasierte systemische Unternehmensentwicklung unser Ansatz, der die Prinzipien der Graphentheorie nutzt, um Unternehmen als miteinander vernetzte Systeme zu verstehen, zu analysieren und weiterzuentwickeln. Dabei werden Unternehmen nicht nur als hierarchische Organisationen betrachtet, sondern als dynamische Netzwerke aus Menschen, Prozessen, Daten und Technologien, die interagieren und sich gegenseitig beeinflussen.
Wir sprechen über: Graphen als Modellierungswerkzeug: In einem Graphen werden Knoten (Nodes) verwendet, um Entitäten wie Mitarbeiter, Teams, Abteilungen, Technologien, Kunden oder Märkte darzustellen
Systemische Perspektive: Wechselwirkungen und Abhängigkeiten im Unternehmen sichtbar mache und Engpässe, Redundanzen oder Innovationspotenziale zu erkennen
Datengetriebene Analysen: Durch den Einsatz von Graphen können komplexe Beziehungen analysiert werden. Algorithmen können genutzt werden, um Muster wie Cluster, Zentralität oder Flaschenhälse zu identifizieren
Graphenbasierte systemische Unternehmensentwicklung ist ein moderner Ansatz, um die Komplexität von Unternehmen zu meistern und zielgerichtet zu steuern. Es kombiniert systemisches Denken, Datenanalyse und technologische Innovation, um Organisationen nachhaltiger, effizienter und anpassungsfähiger zu machen.
-
In dieser Folge setzen wir auf den Grundlagen der letzten Episoden auf und widmen uns den aktuellen Herausforderungen und Chancen im Kontext von KI und Unternehmensentwicklung. Ein zentrales Thema ist das Produktivitätsparadoxon: Warum führen technologische Innovationen nicht automatisch zu einem Anstieg der Produktivität? Und wie können Unternehmen diesem Paradoxon begegnen?Auch legen wir außerdem die Grundlagen zum Thema Graphen als Instrument zur Steuerung der Outputqualität von KI Anwendungen.
Unternehmen stehen oft vor der schwierigen Frage, wann sie auf Veränderungen reagieren oder proaktiv handeln sollten. Wir diskutieren:
- Wie Veränderungsanforderungen frühzeitig erkannt werden können
- Warum eine klare Datenkultur ein entscheidender Faktor für die erfolgreiche Integration von KI ist
- Welche Rolle Organisationen und Führungskräfte bei der Transformation spielenEin weiterer Schwerpunkt liegt auf der Nutzung von Graphen zur Steuerung der Outputqualität von KI-Anwendungen. Graphen bieten ein mächtiges Werkzeug, um Unternehmen als vernetzte Systeme zu modellieren, zu analysieren und datenbasierte Entscheidungen zu treffen.Graphen bestehen aus Knoten (z. B. Mitarbeiter, Teams, Technologien, Kunden) und Kanten (die Beziehungen oder Interaktionen zwischen diesen Knoten). Sie sind ideal, um die komplexen Zusammenhänge und Abhängigkeiten in einem Unternehmen zu visualisieren.
Die Integration von Graphen und Ontologien (formale Wissensmodelle) und semantischer KI ermöglicht es, komplexe Zusammenhänge im Unternehmensgraphen zu interpretieren.
KI-Systeme können Graphen nutzen, um datenbasierte Vorschläge für Entscheidungen oder Optimierungen zu generieren.
- Показать больше
