Vielen Dank. Ja. Vor der Information fließen kann, muss der Strom fließen. Ich habe meinen Kaffee noch in der Kaffee-Maschine stehen. Das war mein Kaffee. Gut, fangen wir an. Erster Sicherheitscheck. Ist jemand online, der mir bestätigen kann, dass er mich hört? Da kommen die Daumen. Da kommen die Daumen. Wunderbar. Ja, freut mich, dass ihr alle so zahlreich erschienen seid, sowohl live als auch online. Ich möchte euch mitnehmen auf eine kleine Lernreise, eine kleine Visionsreise. Kurzer Background zu mir. Ich bin seit ungefähr sieben Jahren im Thema KI tätig, habe am Anfang neuronale Netze selber trainiert, die in Richtung Bilderkennung vor allem gingen. Ich bin danach eher in strategischen Rollen gewesen bei der IU. habe da die KI-Themen im Go-To-Market verantwortet und eine meiner großen Passionen ist Strategie und Vision. Ich will einfach mal ein bisschen mit euch darüber reden, wie könnte der Wandel von Organisationen durch KI aussehen und will da ein paar Grundlagen legen, habe euch natürlich ein bisschen was mitgebracht, ein bisschen Background, und technische Möglichkeiten, vielleicht auch, was sind die wirtschaftlichen Treiber des Changes, sodass wir dann am Ende einfach vielleicht mal ein bisschen diskutieren können, was dieser Change auch impliziert für Organisationen, was wir dafür realistisch halten, was nicht, und was das alles für Konsequenzen natürlich auch hat, für die Organisation der Zukunft. Unterbrecht mich gerne, wenn ihr Fragen habt, ansonsten würde ich einfach mal anfangen. Ich würde, ich will ein bisschen kurz über Begrifflichkeiten reden. Ihr werdet von mir sicherlich keine Textbuchdefinitionen hören von Informationen, Wissen und Kommunikation. Ich glaube, da sind einige von euch wahrscheinlich fitter drin als ich. Aber ich will ein bisschen über die Begriffe reflektieren zumindest, dass wir ein klares Bild haben von den Themen, über die wir reden und was dabei wichtig ist. Wenn ich von Informations rede, dann komme ich mit einem sehr nerdigen Konzept davon, aus der Informationstheorie. In der Informationstheorie ist eigentlich Information immer den Unterschied, den die Anwesenheit einer Nachricht, das kann bei uns auch ein Datenpunkt sein, für eine gewisse Zielfunktion ausmacht. Also es bedeutet nicht nur, weil man Daten hat, dass man direkt Informationen hat, das ist so die wichtige Unterscheidung hier an der Stelle. Wenn ich euch zum Beispiel sage, dass es draußen heiß ist, dann habt ihr da schon irgendwie, das liest ja gerade eine Nachricht, aber es ist für euch keine Information, das wisst ihr schon, das ist halt einfach nichts Neues. Also wenn es mir um den Fluss von Informationen geht, dann geht es mir eben nicht um reinen Datenfluss oder Kommunikation, sondern wirklich halt der Wert, der da drin steckt in dieser Exchange. Information ist immer relativ unabhängig vom Kontext. Ich habe das so gut in dem Bild hier so ein bisschen darzustellen. wenn ich zum Beispiel ein Dokument habe, eine PowerPoint, in der steht drin, dass WhatsApp die Conversion um 20 Prozent erhöht, was bedeutet das? Ist das jetzt eine PowerPoint von einem, ich sag mal, einer anderen Firma, die mir versucht, irgendwas zu verkaufen? Ist es eine PowerPoint, die pitcht für ein Projekt? Ist es eine PowerPoint, die das Ergebnis eines Experiments oder so darstellt? Das heißt, Informationen sind immer kontextabhängig und oft fehlt und dieser Kontext oder dieser Kontext ist sehr wichtig. Dadurch auch ist Information auch subjektiv. Aber immer wichtig zu berücksichtigen, wenn man sich hinterher überlegt, was läuft gut und was läuft nicht so gut im Unternehmen, was den Informationsaustausch angeht. Und eine Sache, die man sich einfach noch mal kurz klar machen muss, ist, Information kann auch unabsichtigt ausgetauscht werden. Und das ist etwas, was ich glaube, was im KI-Zeitalter ja viel mehr passieren wird. Typischerweise, wenn ich jetzt Informationen teilen möchte, kommuniziere ich mit einer Intention oder ich dokumentiere mit einer Intention und einer Target Group in Mind. Aber sehr oft, gerade in großen Organisationen, weiß ich halt gar nicht, wo diese Information noch relevant sein könnte oder was daran von Mehrwert sein könnte in anderen, ich sag mal, Abteilungen. Und da besteht natürlich mit KI direkt ein Potenzial, an solchen Stellen sozusagen diesen Transfer, diesen Hinweis zum Beispiel an die entsprechende Abteilung autonom zu gestalten. Deshalb ist es wichtig, dass man darüber nachdenkt. Kommunikation. Wenn wir von Kommunikation reden, dann werde ich mich immer auf diesen Informationsaustausch-Aspekt beziehen. Wir wissen natürlich alle, dass Kommunikation auch ganz andere Dimensionen noch hat. Kommunikation ist auch ein sozialer Austausch. Da findet eine soziale Bindung statt. Und Politik findet auch statt in Unternehmen. Das sind auch alles ganz wichtige Dinge. Die will ich einfach nur für die Einfachheit dieser Präsentation außen vor lassen. Ich möchte bei Kommunikation ein bisschen unterscheiden zwischen direkter und indirekter Kommunikation. Direkte Kommunikation ist eigentlich, ich habe es versucht ein bisschen bildlich darzustellen, ich schicke eine Nachricht oder ich schicke eine E-Mail oder ich habe ein Teams-Meeting versus ich dokumentiere einfach etwas, was auch eine Art von Kommunikation ist, weil ich den Inhalt kommunizieren möchte, nur dass der Empfänger das vielleicht irgendwann in der Zukunft empfängt und ich nicht unbedingt weiß, wer der Empfänger ist. Und eine Achse, die wir auch berücksichtigen müssen, ist, wenn wir über die Potenziale von KI reden, ist personalisierte gegenüber generischer Kommunikation. Wenn ich jetzt eine Nachricht schreibe an einen meiner Kollegen, dann kenne ich dessen Kontext und wir haben vielleicht schon einen gemeinsamen Kontext. Da steckt dann vielleicht relativ viel relevante Information für diese Person drin. Das heißt aber nicht, dass diese Information, selbst wenn sie für andere zugänglich wäre, auch so generisch funktioniert. Und umgekehrt, es ist dann halt auch so, wenn wir generisch kommunizieren, was bei Dokumentation oft der Fall ist, weil wir quasi einmal dokumentieren für alle, dann natürlich wiederum so ein bisschen die Effizienz fehlt, die Relevanz fehlt, zumindest optimiert für das Individuum. Und ich betrachte dann zum Beispiel die Dokumentation von Wissen als eigentlich eine indirekte, generische und zugänglich persistierte Kommunikation. Das ist im Endeffekt Kommunikation, nur mit gewissen Eigenschaften. Ups, ein Übersprung. Wissen oder Daten. Ich will mal ein bisschen so in den Kontext gehen. Wo leben eigentlich Informationen in Unternehmen? Wir haben einerseits Daten. Daten sind halt immer einigermaßen explizit. Also sind halt definiert. Ich rede dann auch von digitalem Wissen. Es gibt natürlich dann auch noch nicht digitales dokumentiertes Wissen in Papierform. Aber das würde ich mal gerne einfach aussparen. Daten können strukturierte oder unstrukturierte Informationen enthalten. strukturiert ist oft so ein Wiki-Eintrag, wo ich halt eine Struktur habe, wo ich im Wiki selber eine Struktur habe, wo vieles selbst erklärt ist, aber ganz viel Information ergibt sich halt eigentlich durch nicht strukturierte Beziehungen. Es gibt zum Beispiel dann Files zu einem Projekt, die liegen in einem Ordner, dann gibt es einen Wiki-Eintrag, es gibt Gyra-Tickets, es entsteht halt auch Information, die nicht strukturiert ist im Unternehmenskontext. Was wir auch wissen müssen ist, selbst wenn es Daten gibt, und das ist ein ganz, ganz wichtiger Punkt, das heißt nicht, dass die zuverlässig sind, das heißt, sie wirklich Informationen inhaben, die ich schon verwenden kann, die Wert haben für mich. Die meisten Datenunternehmen sind tatsächlich gar nicht in der Masse verfügbar, weil die meisten Daten sind wegen Data Privacy halt hauptsächlich für mich verfügbar. Das sind meine ganzen Kommunikationsdaten, mein ganzes Wissen. Auch einige Dateien, die ich erstelle, die sind halt sehr oft mit dem Großteil des Unternehmens nicht geteilt und das ist natürlich eine große Hürde für den Wissensaustausch oder Informationsaustausch. Es gibt dann implizites Wissen, also all das Wissen, was nicht in Daten steckt, was wir Menschen in unseren Köpfen haben. Und da würde ich auch gerne einen unterscheiden zwischen dem, was im Grunde dokumentierbar ist. Es gibt Wissen, das können wir ausdrücken mit Wörtern. Und dieses Wissen ist deshalb theoretisch auch zugänglich für KI, für Sprach-KI, die mit uns reden kann. Während es dann natürlich Wissen gibt, wenn wir es nicht ausdrücken können, weil es Erfahrungswissen ist, Was uns manchmal erst in dem Moment, wo wir es brauchen, klar wird, dann ist das natürlich kein Wissen, was irgendwie mit KI zu wenig ist. Ja, wie viel von dem Wissen lebt jetzt in den Köpfen der Menschen und wie viel existiert in Daten? Ich finde es da müßig, genaue Zahlen zu geben. Wir haben natürlich trotzdem welche versucht. McKinsey hat einmal gesagt, 80 Prozent des Wissens ist implizit. Wie auch immer sie das gemessen haben. Ich finde es fast interessant, diese Berichte oder diese Surveys, die halt schauen, wie viel die Mitarbeiter fragen, wie viel Prozent Ihrer Fragen können nur von Kollegen beantwortet werden und nicht von Daten. Und da kommen halt über 50 Prozent raus, das ist vielleicht ein etwas zuverlässiger Weg, sich das anzuschauen. Wir wollen jetzt im, äußert mir jemand an, das mir Kontrolle geklaut. Auch gut. Klaue ich sie mir einmal zurück kurz. Wir wollen einmal anschauen. Ja, wenn wir jetzt von Informations oder von dem Potenzial reden, was kann sich durch KI ändern, dann gibt es natürlich so ein paar Voraussetzungen. Eine Voraussetzung, aber es ist überhaupt technisch möglich. Ich will jetzt in Kürze einmal kurz nochmal recapen, was macht KI eigentlich? Und was kann KI eigentlich alles? Wenn wir uns KI anschauen, dann haben wir meistens immer irgendein Eingangssignal, was wir verwenden. Das ist dann zum Beispiel am Prompt, wenn wir ChatGPT nutzen. Das kann aber auch Bilder sein. Wir haben ein neuronales Netz, was das Eingangssignal verarbeitet und dann haben wir ein Output. Das ist in unserem Zielformat. Das ist dann zum Beispiel einfach, wenn wir ein Katzenbild reinhauen, kann es einfach sagen, ja, das ist eine Katze in Textform. Wenn wir ChatGPT verwenden, kann es sowohl ein Text als auch ein Bild sein. Und was unter der Haube geschieht immer, ist, dass egal welchen digitalen Input wir nehmen, der wird in Zahlen verwandelt. Und da gibt es auch keine Limitierung, wie man das macht. Ich kann da kurz gleich mal drauf eingehen. Und diese Zahlen werden durch ein neuronales Netz gedingt. Unser Neuronales Netz muss man sich eigentlich vorstellen, das ist eigentlich ein Flowchart. Ein Flowchart, der definiert, ich habe diese Eingangszahlen und jeder dieser Striche, den ihr da seht, jeder dieser Pfeile, der ist eigentlich eine Multiplikation. nehme, diese Eingangszahlen multipliziere die mit einem anderen Wert, den ich noch nicht kenne am Anfang. Das sind die konfigurierbaren Parameter in einem neuronalen Netzwerk. Und dann mache ich das mit ganz vielen von den Eingangswerten und dann summiere ich jedes Mal, wenn ihr da so einen Knotenpunkt seht, einen Neuron, wie man so schön sagt, wo mehrere Pfeile eingehen, dann werden da einfach nur die Ergebnisse aufsummiert. Und das macht man in großen neuronalen Netzen verdammt oft. Also wir reden hier von Milliarden von Operationen und die Magie kommt am Ende immer das Richtige, nicht immer das Richtige, aber halt etwas dabei rum. Was da passiert ist, schauen wir uns mal die Umwandlung an von digitalen Artefakten in Zahlen. Bei einem Bild ist das relativ einfach, sich vorzustellen. Ein Bild hat Pixelwerte für Rot, Grün und Blau zum Beispiel und das sind da Zahlen. Die kann ich aber direkt verwenden. Bei Sprache ist das jetzt nicht so transparent, aber was man sich ja vorstellen könnte ist, ich nehme aber das ganze Wörterbuch, zum Beispiel das ganze deutsche Wörterbuch, sortiere die Wörter oder liste die einfach auf in der Reihenfolge. In dem ersten Wort gebe ich den Zahlencode 100 und im zweiten 0100 und im dritten 0100 und so weiter. Da kann man sich vorstellen, okay, das ist eine valide Methode. Die ist nicht so effizient. Man macht das deutlich effizienter. Ich finde immer ein schönes Beispiel, um sich das vorzustellen, wie man das effizienter machen kann, ist wenn man versucht, die Wörter, die man ausdrücken möchte in Zahlen, mal auf den Tisch nach Ähnlichkeit zu sortieren. Dann nimmt man sich so einen Tisch, man hat zum Beispiel das Wort König und Königin und Bauer und Bäuerin. Und dann hat man direkt so ein paar semantische Dimensionen. Man hat eine Distinktion zwischen König, Königin sind sich schon mal näher als Bauer und Bäuerin, aber Bäuerin und Königin sind sich halt schon mal näher als König und Bäuerin zum Beispiel. Und man versucht sich das auf dem Tisch so aufzudingsen. Und dann fängt man vielleicht an, andere Begriffe hinzuzulegen zu seinem Tisch. Dann kommt man mit Kleidung zum Beispiel. Oder dann hat man einmal die Robe, die halt näher an dem König ist, dem Mann-Tisch. Und man hat vielleicht die Pelzschuhe oder weiß ich nicht, was die näher an dem Bauer sind. Man hat die Krone, die natürlich wieder näher an den Königen ist. Und dann führt man immer mehr Begriffe ein, die man so nach Ähnlichkeit sortieren will. Da merkt man irgendwann, es geht auf zwei Dimensionen eigentlich nicht so. Dann nehme ich vielleicht im nächsten Schritt eine dritte Dimension dazu und habe mir noch einen nächsten Abstandsregulierer sozusagen. Und das ganze Tab kann ich einfach hochspinnen in nicht vorstellbare Dimensionen. Das ist immer schwierig bei dieser Erklärung, dass man das nicht grafisch darstellen kann, was so hochdimensionale Räume eigentlich tun. Aber man kann sich vorstellen, man kann auf diese Art und Weise jegliches Einleihen. Es gibt keine Limitierung für das Format an Daten, was man in neuronale Netze reinstecken kann. Und dann, wenn man die trainiert, dann ist das so, man sucht halt diese Zahlen, die statistisch dazu geeignet sind, mir den gewünschten Outlook zu geben in der Regel. Das sind dann halt einfach Zahlen, die ich am Anfang nicht kenne, aber ich fange dann zum Beispiel an mit einem Bild von einer Katze, kriege ich dann irgendeinen Wurscht hinten raus und dann verändere ich langsam und passe diese Parameter an, dass das Ergebnis immer besser wird mit der Zeit. Und wenn ich einen großen Datensatz habe, dann kommt am Ende eine Konfiguration des Neuronalen Netzwerks raus, die statistisch betrachtet mir halt diese intelligente Funktion bietet. Und für diese Art und Weise gibt es in der technischen Betrachtung keine Grenzen. Und das ist halt extrem wichtig zu verstehen, wenn man diskutiert, wofür die Reise hin mit KI, was kann KI und was kann nicht. Wir wissen schon seit langem eigentlich, dass es da keine Grenze gibt für KI. Also alles, was sich intelligent irgendwie ausdrücken lässt, kann auch von einer KI gelernt werden. Interessante Frage in der Praxis ist nur, wann geschieht das? Das ist ein Unterschied zwischen Theorie und Praxis. Aber das Erste, was zu verstehen ist, es gibt keine theoretischen Grenzen von der technischen Seite. Es gibt auch keine wirklichen Grenzen, was die Integration angeht von KI in unsere Arbeit oder in unsere Unternehmen, weil wir haben, ich habe diese Zeit gestern schon einmal kurz im Lightning Talk angezeigt, deshalb habe ich es hier nochmal reingepriert. Was wir bei KI brauchen, ist irgendeinen Input und irgendeine Ausgabe, die wir wollen. Das heißt, da gibt es keine Begrenzung. Wir brauchen diese neuronalen Netze, die halt diese Intelligenz sozusagen zur Verfügung stellen. Wir brauchen Zugang zu Informationen natürlich. Und wir brauchen die Fähigkeit, das einzubinden in unsere Prozesse. Und all das lässt sich halt über Sprache regeln. Sprache ist die Repräsentationsform, die wir nutzen, um Wissen auszutauschen, Informationen auszutauschen, zu debattieren, in der ich gerade auch präsentiere. Und KI ist in der Lage, genau diese Sprache zu sprechen. KI ist aber auch in der Lage, jegliche Computersprache zu sprechen. Also alles, was halt relevant ist, um einen Computer zu bedienen, um API-Schnittstellen anzusprechen und so weiter und so fort. Das heißt, auch da müssen wir verstehen, aus technischer Sicht ist, wenn wir uns die Frage stellen, wie könnte die Zukunft mit KI aussehen, extrem viel Fantasie möglich und realistisch. Vielleicht können wir von der Technik so ein bisschen zum Wissen und Informationsaustausch in der Organisation kommen. Ich kann mich mal kurz sagen, wie viel Zeit wir noch haben. Ich würde nur zu sagen, die nächste Frage ist, was sind die wirtschaftlichen Treiber des Changes? Erstens, KI selber ist ein Treiber, weil KI ist dann effektiver, wenn es mehr Wissen zur Verfügung hat. Da kann man es häufiger verwenden. Das heißt, KI selber wird ein Treiber dessen sein, dass mehr Informationen für KI verfügbar wird. Dadurch wird schon mal ein Change nötig. Zweite Treiber des Changes, die Themen Information und Kommunikation sind halt in Unternehmen extrem wichtig. Also Mitarbeiter verbringen extrem viel Zeit mit E-Mails, Meetings, Direct Messaging. Und ich habe das mal versucht für Wissensarbeiter, zumindest im Tech-Kontext, umzurechnen. Das heißt, was man so als Firma investiert in genau diese Frage, wie viel Geld fließt eigentlich in Kommunikation zum Beispiel. Dann ist es halt sehr, sehr viel Geld. Mitarbeiter verbringen extrem viel Zeit damit, Informationen zu teilen oder Wissen einzutreiben und dann auch unendige Doppelarbeit mit Informationen nicht haben. Und ein Großteil davon wird halt auch verbracht, den richtigen Ansprechpartner zu finden und die gleichen Informationen zu wiederholen. Dazu kommen halt die Themen, die ich jetzt nicht versucht habe in Zahlen auszudrücken, ist, wie viel Wissen geht verloren, also wie viel von diesem Problem wird durch Wissensverlust, zum Beispiel durch den Abgang von Mitarbeitern ausgelöst und natürlich gibt es auch noch das Thema Onboarding. Ein langes Onboarding kostet relativ viel Geld. Wenn ich halt neue Mitarbeiter, wenn da viel Zeit vergeht, bis sie jetzt nötige Wissen haben, dann verliere ich da auch viel Geld. Das heißt, ein Treiber des Changes, warum wir, glaube ich, viel Change durch KI sehen, ist einfach die wirtschaftliche Bedeutung von Kommunikations und Wissensaustausch, die sehr dominant ist. Es gibt dazu auch eine etwas makroskopischere Überlegung, wenn man sich überlegt, welche Rolle Kommunikation und Information fühlen. Es gibt so ein schönes Zitat aus dem Buch von Ben Horowitz, The Hard Thing About Hard Things. Er diskutiert eigentlich Organisationsstrukturen. Er sagt eigentlich, die Hauptaufgabe für Leadership ist eigentlich, wenn eine Organisationsstruktur zu strukturieren, dann geht es eigentlich darum, Kommunikation zu designen, also Kommunikationskanäle zu designen in einem Unternehmen. Und das ist halt eines der Hauptherausforderungen, die dann halt scheitern, gerade wenn Unternehmen wachsen. In der Ökonomie gibt es tatsächlich auch so eine Annahme, die standardmäßig verbreitet ist. Sie sagt, dass eigentlich die Produktivität von Organisationen mit der Anzahl der Mitarbeitern stark abnimmt. Das heißt, umso größer die Organisation ist, umso stärker ist noch die Rolle eigentlich von Informationsaustausch und Kommunikation für die Produktivität einer Organisation. Also das ist auch nochmal so ein, ich sage mal, nochmal ein weiterer wirtschaftlicher Treiber, der dafür sorgen wird, dass wir von diesem, was technisch möglich ist, auch wirtschaftlich sicherlich einige Veränderungen sehen werden. Ich finde es immer wichtig, sowas zu berücksichtigen. Ich erinnere mich immer schön an eine Anekdote von meinem Opa. Der hat kurz vor dem Zweiten Weltkrieg gab es dann Helikopter plötzlich. Und dann hat er sich sein Traumhaus der Zukunft designt. Und das hatte ein Helikopterlandeplatz natürlich, weil er die technische Möglichkeit gesehen hat, dass es so sein könnte. Aber er hat natürlich nicht bedacht, dass es einfach unökonomisch und nicht wirklich sinnvoll ist, wenn wir jetzt alle hinter dem Helikopter immer von A nach B fliegen. Genau. Wo kann uns KI jetzt helfen? Also wo können wirklich die Veränderungen sein? Ich finde grundsätzlich, was man verstehen muss, gerade wenn es um Informationsaustausch und Kommunikation geht, KI spricht unsere Sprache. Das heißt, KI kann den Aufwand, Informationen zu teilen, auf ein Minimum reduzieren. Das ist einfach alles, was ich reinsprechen kann oder reinschreiben kann. Das ist natürlich alles jetzt in der Grenze betrachtet. KI kann tatsächlich Informationen auch autonom und personalisiert teilen. Also, wie wir es ein Stück weit auch von Social Media kennen, ist unser Netzwerk kommuniziert eigentlich viel mehr mit uns, als wir sehen. Der Algorithmus entscheidet eigentlich, was wir sehen als allererstes. Und noch sind Social Media Posts nicht personalisiert, aber auch das muss man für die Zukunft halt sehen. KI ist zumindest in der Lage, Informationen für jeden umzuwandeln in einen für sie persönlich relevanten Inhalt. Ein großer Vorteil von KI gegenüber Menschen ist sicherlich, dass es einen viel größeren Kontext in viel größerer Geschwindigkeit erfassen kann. Das heißt, das Limit dazu ist natürlich irgendwann, dass eine KI theoretisch alles Wissen halt integrieren kann und das in sehr hoher Geschwindigkeit ausarbeiten kann. Heutzutage ist es noch nicht so, dass einer der größten Kernpunkte bei der KI-Entwicklung ist genau das Kontextmanagement, also wie viel Wissen und welches Wissen muss ich jetzt zur Verfügung stellen. Wenn wir uns jetzt auf die Rolle von Information und Kommunikation bei der Veränderung von Organisationen auch mal ein Stück weit zurückblicken. Dann hatten wir einmal das Digitalisierungszeitalter. Da wurden eigentlich Informationen erstmal gespeichert und transportierbar gemacht. Wir hatten das Internetzeitalter. Da wurden Informationen in nahezu Echtzeit übertragbar gemacht. Und jetzt kommt das KI-Zeitalter, in dem autonome, intelligente Transformation und Übertragen von Informationen möglich wird. Wenn ich jetzt hier mal in die einzelnen Use Cases reinschaue, also wo kann KI dann konkrete Potenziale heben, da können wir uns einmal anschauen, was sind denn eigentlich so die Ineffizienzen der Dokumentation zum Beispiel, als ein Beispiel. Wir haben da das Problem, dass wir natürlich bei Dokumentation oft so eine Art Marktversagen haben. Dokumentation ist sehr aufwendig für das Individuum. Für das Unternehmen wäre es sehr gut, wenn das geschehen würde, wenn das mehr geschehen würde. Für das Individuum, das über dieses Wissen verfügt, gibt es aber eigentlich selten einen intrinsischen Anreiz, genau das zu dokumentieren. Das heißt, da hat KI dann zum Beispiel durch die Reduzierung des Aufwandes auf Sprachnachrichten oder Nachrichten oder auch durch neue Belohnungsmethoden das Potenzial einfach dafür zu sorgen, dass mehr Wissen dokumentiert wird. Das Problem von Dokumentation, eines, was ich schon genannt habe, ist generische Kommunikation. Das heißt, man muss antizipieren, was ist denn mal irgendwann relevant für den Leser. Auch da gibt es mit KI Potenziale, wie ich schon gesagt habe, es gibt einmal die Fähigkeit zur Hyperpersonalisierung. Wenn ich eine Frage stelle bei meinem Chatbot zum Beispiel, dann kann ich da eine personalisierte Antwort bekommen. Und es kann natürlich auch gewisserweise eine proaktive Bedarfsanalyse mit KI ermöglicht werden. Wenn eine KI zum Beispiel den großen gesamten Kontext eines Unternehmens versteht, dann kann es natürlich auch proaktiv Vorschläge machen, wenn jemand ein bisschen teilt, was dann noch an offenen Fragen sozusagen sein könnte. Eine Dokumentationsstruktur, die wir klassisch kennen, hat einige Probleme. Das ist das klassische Entscheidungsbaum-Problem. Also, der steht oft mit über die Zeit. Das heißt, Informationen werden langsam in ein Wiki eingepflegt oder Ordnerstrukturen werden langsam aufgebaut mit der Zeit. Und für jemanden, der außen steht und diese Information nicht selber eingetragen hat, ist einem ganz oft schwierig, die Frage, die die Person hat, zu matchen an diese Struktur, die sie da findet. Das ist ein klassisches Entscheidungsbaumproblem. Auf welcher Seite fange ich an, in welchen Ordnern suche ich danach? Da hat KI natürlich das Potenzial, diesen Strukturbedarf einerseits zu schwächen, also dass keine Struktur mehr nötig ist und natürlich auch einfach schnell zu durchsuchen. Dann haben wir das Thema bei Dokumentation. Governance und Pflege werden häufiger aufwendiger, umso größer diese Wissensvorwerte werden. Und da ist es natürlich so, dass jetzt mit der Zeit sich rapide diese Grenze für wie viel Information kann ich mit KI verarbeiten, in welcher Zeit und was kostet das, massiv verschiebt. Also da gibt es dann eigentlich weniger Bedarf in der Zukunft, Wissen so selber zu governen und zu pflegen, weil KI halt mit größerem Chaos umgehen kann, das mal so zu sagen. Und dann habe ich auch schon erwähnt, Dokumentation, dass die vorhanden ist, bedeutet nicht unbedingt Zugänglichkeit. Also ich weiß nicht, wie das bei euch ist, aber ich kenne das aus meinem alten Job. Da gab es viele Fragen, schon irgendwo im Wiki dokumentiert und trotzdem sind halt meine neuen Mitarbeiter immer zu mir gekommen, haben mich das gefragt, weil sie einfach die Zugänglichkeit so schwierig ist. Und das kann natürlich KI auch proaktiv fördern, indem sie zum Beispiel selber einen Nutzer darauf aufmerksam macht, dass es Wissen gibt zum Beispiel oder aber auch, wenn Wissen steckt, ist, den Nutzer, der das verfügt, proaktiv dazu aufordern kann, das zu teilen. Wenn wir uns die Potenziale bei Kommunikation anschauen, dann würde ich gerne ein bisschen unterscheiden, was haben wir für Kommunikationsformen? Wir haben eine gewisse Symphone-Kommunikation, das heißt, wir haben Meetings. Meetings haben aber einen gewissen Koordinierungsaufwand und eine Verzögerung und wer kennt es nicht, diese Aussage, this meeting could have been a male. Das heißt, im Endeffekt war es so ein bisschen das Problem, natürlich auch, oder wo KI helfen kann, ist natürlich bei der Priorisierung von verschiedenen Themen zu helfen und Meetings und der Koordinierung. Es kann aber auch bedeuten, dass wenn wir über asynchrone Kommunikation mehr lösen, weniger synchrone Kommunikation brauchen. Asynchrone Kommunikation ist dann direkt wieder, ich schicke jetzt eine Nachricht an eine Person, aber die Person heißt nicht, dass es diese Person in diesem Moment bekommt. Da haben wir natürlich auch verschiedene Probleme. Wir haben einmal das Problem, es gibt pro Nachricht dann eine gewisse Verzögerung. Auch da kann KI natürlich, wenn ich ganz viele Nachrichten bekomme, ganz viele E-Mails helfen mit einer Priorisierung. Es kann auch teilweise automatische Antworten geben natürlich, wenn ich die Antwort vorher schon gegeben habe, auf eine Frage zum Beispiel. Das ein Problem von anzykroner Kommunikation ist die Konkurrenz und Aufmerksamkeit und ungleiche Prioritäten. Ich finde zum Beispiel ein, wo ich einen wirklich großen Nutzen sehe, ist interne Kommunikation. Jeder kennt das. Der E-Mail-Account ist voll mit Newslettern eigentlich und das ist aber so viele Informationen, die kann ich gar nicht alles verarbeiten. Das heißt, ich gucke sie mir oft auch gar nicht an und selbst wenn da was Relevantes für mich drinsteht, dann kriege ich das teilweise nicht mit. Die Opening Rates sind dann oft sehr katastrophal, gerade bei großen Organisationen. Und da hat KI natürlich das Potenzial, einfach zu sagen, okay, ich habe hier diese Newsletter der letzten Woche und ich mache jetzt mal eine personalisierte Zusammenfassung für jeden Nutzer, die vielleicht eher dazu führt, dass der Nutzer sich die Zeit nimmt, sich das anzuschauen und dann mehr Wissen dadurch aufnimmt. Und dann ist es halt auch so, dass natürlich umso mehr Empfänger ich habe bei meiner Kommunikation, umso zunehmend wird es halt auch generisch und auch da werde ich mit Personalisierung halt wieder mehr Effizienzen heben können. Allgemein ist es bei Kommunikation so, bisher läuft Kommunikation über explizite Adressaten. Also ich muss eigentlich wissen, an wen ich was schreiben will. Ich habe gerade schon gesagt, KI hat das Potenzial, auch selber in großen Organisationen zu wissen, wenn jetzt irgendwo was veröffentlicht wird oder ich irgendwas mit jemandem bespreche, könnte mir die KI einen Hinweis geben, für wen diese Information relevant und wichtig ist. Es könnte sogar auch autonom Adressaten sozusagen identifizieren. Also wenn zum Beispiel ein neuer Wiki-Eintrag gepublished wird, dann könnte KI eigentlich auch schauen, okay, welchen Nutzer springe ich jetzt mal an, dass er sich das vielleicht mal anschaut. Genau, ich habe auch gesagt, wie wir kommunizieren, ist oft sehr isoliert. Das heißt, wir haben in unseren eigenen E-Mails und in unserer eigenen Message History extrem viel Wissen stecken, aber die ist nicht zugänglich für andere. Da könnte auch, wie ich gerade gesagt habe, KI halt fördern, dass es zum Beispiel einem Hinweise gibt, welches Wissen davon für andere interessant wäre. Genau, das sind so die Hauptpunkte. Wir können jetzt gerne in die Diskussion einsteigen, was wir halt gemacht haben und ich kann vielleicht zum späteren Zeitpunkt mal, wer interessiert ist, das auch mal demonstrieren. Was wir gemacht haben, wir haben versucht Schritt 1 auf dieser Reise zu ermöglichen und das ist, dass wir eine KI geschaffen haben, die halt jenseits von existierenden Daten auch Wissen verfügbar machen kann und erlernen kann durch Konversationen. Also der Nutzer stellt eine Frage, die KI sagt, naja, von den Daten, mit den Daten habe ich jetzt nur das und das gefunden, aber wir können mal so und so fragen. Der Nutzer sagt, ja bitte, dann wird ein kleiner Gruppenchat erstellt und alles, was da halt geteilt wird, ist dann für den Nutzer jetzt schneller gefunden, schneller den Zugang zu den Mitarbeitern gefunden natürlich und andererseits auch gelernt. Also unsere Idee dahinter ist, wenn ich den Aufwand, Wissen zu dokumentieren, reduziere auf Sprache und Sprachnachrichten, dann sollte da schon mal mehr Wissen bei rumkommen. Wenn ich dann auch noch proaktiv nachfragegetrieben, das eintreibe, so ein bisschen das Wissen, sollte da auch mehr relevanteres Wissen in digitalisierter Form verfügbar sein. Und beides bedeutet halt, dass mehr genutzt werden kann von Leuten im Unternehmen, von dem Nutzer, sei es einfach nur, um es zu finden oder auch, um es direkt mit KI weiter zu verwerten, zum Beispiel Marketing-Content oder keine Ahnung was. Genau. Jetzt freue ich mich aber erstmal über eure Fragen und Kommentare. Kannst du den letzten Teil nochmal erklären, wie ihr das genau gemacht habt und was bisher der Erfahrungswert ist für die anderen Kolleginnen und Kollegen? Du meinst jetzt die technische Umsetzung? Ja, also einmal die technische Umsetzung und andererseits dann auch in der Praxis. Wie habt ihr evaluiert? Hast du mit Kolleginnen und Kollegen darüber gesprochen, wie sie es finden, wie es ankommt? Wir haben es tatsächlich, wir sind ein ganz frisch gegründetes Startup. Also wir haben es jetzt noch nicht in der Praxis angewandt. Wir würden das ja gerne in Pilotprojekten einmal auch schauen, wie es ankommt. Also so viel dazu. Technisch ist es einfach so aufgebaut, dass wir alle möglichen Datenquellen, die erstmal existieren, synchronisieren können. Und die bieten einem oft schon auch Informationen, um den richtigen Ansprechpartner zu finden. Also wenn ich zum Beispiel sehe, eine Person hat jetzt öffentlich geteilt PowerPoint-Slides oder Word-Documents oder Wiki-Einträge, da steckt ja ganz viel Information schon drin über die Rolle der Person. Natürlich steckt auch ein bisschen Rolle, Information in dem Job-Title der Person und was wir darüber hinaus natürlich auch ermöglichen, ist einfach, dass jede Person auch über sich selbst ein kurzes Profil erstellt, also wer bin ich, was sind meine Zuständigkeiten, was sind meine Kompetenzen? Das wird dann halt auch verwendet und was halt auch natürlich über die Zeit mitverwendet wird, ist, wenn sich eine Person als der richtige Ansprechpartner auf ein Thema herausstellt und da halt Informationen teilt und zur Verfügung stellt, dann wird auch das natürlich auffindbar und genutzt für die Identifizierung der richtigen Ansprechpartner. Das ist so der erste Schritt. Also technische Umsetzung ist, existierende Daten werden in einen Wissensgrafen sozusagen aufstrukturiert, der auch die Beziehungen und deshalb darf ich wissen, Information liegt, ist immer relativ von Kontext abhängig. Also ob ich eine File zum Beispiel habe, die in einem Ordner Competitor Research, so teste ich das mal hier, eine File von der Konkurrenz in einem Ordner Competitor Research hat und mich dann eine Frage stelle, die zwar in der File beantwortet wird, aber natürlich soll die KI verstehen, dass das der Competitor Research ist und nicht von uns die File und das schafft sie halt, weil wir diese Graphstruktur halt aufbauen und genauso kann sie dann auch die richtigen Nutzer identifizieren. Und wie sie dann halt lernt ist, naja, wir betrachten ein Chat eigentlich wie ein Dokument auch. Das ist halt einfach eine Textwissensquelle, die man verwenden kann. Ich hoffe, das hat so auch ein bisschen die Frage beantwortet. Sonst kann ich auch gerne nachher das mal demonstrieren. Geschöpfe. Vielleicht dazu, der erste Schritt, den du ja beschrieben hast, das ist ja, glaube ich, der essentielle. Wie liest du das ganze Wissen des Unternehmens ein, also die Dokumente? Du hast ja gerade davon gesprochen, ja. Das ist das, was eigentlich vorliegt in irgendwelchen Word, PowerPoint-Dokumenten etc. Wahrscheinlich noch in anderen Formaten, wie zum Beispiel einem CRM-System. Genau. Das heißt, ihr liest es vorher ein, ihr bringt es in den Wissensgrab ein und ihr taggt das auch entsprechend. Oder wer macht das? Genau, das läuft anderswole automatisch. Wir crawlen einfach die Systeme durch. Der Grab stellt dann einerseits die Struktur der Beziehung in diesen ganzen Daten halt auch dar. Und andererseits werden die Inhalte Wie zum Beispiel so ein ganz einfach so ein Word-Dokument. Die werden, je nach Länge, werden die nochmal unterteilt in einzelne Stücke. Oder man nimmt halt einen Absatz oder bei einer E-Mail das gesamte Dokument auf einmal. Und dann macht man das, was ich versucht habe zu beschreiben. Man übersetzt diesen Textinhalt in einen mathematischen Raum, den ich versucht habe, durch diese semantische Ähnlichkeit zu beschreiben. Und wenn ich dann zum Beispiel nach etwas suche, also ich stelle zum Beispiel der KI eine Frage, dann kann die verschiedene semantische Anfragen an den Wissensgraf stellen. Die kann das zum Beispiel dann umformulieren. Wenn ich die Frage stelle, wie viel Geld haben wir dieses Jahr für Microsoft-Produkte verschwendet? Dann kann die suchen nach Microsoft-Rechnungen, Microsoft 20 oder Rechnungen 2025 oder anderen überwarten. Die kann halt selber definieren, nach welchen Begriffen sie suchen möchte. Und dann werden so die semantisch ähnlichsten Treffer in diesen Wissensgrafen als erstmal gefunden. Das sind die Ausgangspunkte. Und dann wird noch, je nachdem, was für einen Punkt man gefunden hat, ob das eine E-Mail ist, eine File oder eine Nachricht, werden halt noch der ganze Kontext mit aggregiert. Also zum Beispiel bei einer Nachricht ist natürlich auch interessant, ja, was waren denn die Nachrichten davor? Und was sind das eigentlich für Leute, die ja gerade diese Nachrichten schreiben? Alles wird halt mit aggregiert und dann der KI in einem großen, großen Kontext zur Verfügung gestellt und dann halt in einer Antwort ausgewertet. So läuft das mit existierenden Daten. Und wir sagen einfach, okay, die existierenden Daten, da haben wir natürlich das Problem, was ganz wichtig ist, ich kann jetzt natürlich nicht einem Nutzer etwas finden und zeigen, was in der E-Mail von einem anderen Nutzer steht, die nie mit ihm geteilt wurde. Ja, da fängt es ja schon an. Also eine E-Mail geht von Person A an Person B bis D. Wenn Person F jetzt danach sucht, dann darf dieses Ergebnis natürlich nicht angezeigt werden. Und deshalb sagen wir, dieser existierende Datenansatz, der ist oft auch schon gut und hilfreich, gerade wenn es um Service geht, um Sales geht, um HR-Themen geht. Auch da ist es schon super wichtig. aber es ist halt oft sehr begrenzt und das merken dann Unternehmen, die KI adoptieren, merken dann ja, okay, wir haben jetzt eigentlich erstmal einen Riesenaufwand, hier die Daten in eine Struktur zu bringen, die funktioniert, weil die Daten einfach so nicht verwendet werden können. Wir versuchen durch diese Grafstruktur noch mehr Daten direkt verwenden zu können, aber sagen dann auch, hey, was eigentlich geschehen muss, ist, dass man das Wissen, was in den Köpfen der Menschen ist, mitgenommen wird und digitalisiert wird on the fly. Das ist unser Ansatz. Es gab noch im Discord-Chat sozusagen so einen Quergedanken von Jan. Den habe ich kurz gefragt. Ich habe gedacht, ich bringe das mal mit hier rein. Gerne, ja. Eure Lösungsidee tört mich ähnlich an wie die Lösung von StarMind, hat er geschrieben und noch einen Link geteilt. Genau, ja. Ich würde auch sagen, StarMind sind die, die auf jeden Fall am ähnlichsten sind, weil was sie auch machen, ist dieses Experten finden. Das ist halt der Match. Die machen das aber auf eine andere Art und Weise. Was sie halt wirklich machen ist, sie haben eine KI, die macht so ein Skills und Themen, eher ein Skills und Fähigkeiten basiertes Klassifizierung eines Mitarbeiters. Also da gibt es dann Scores für zum Beispiel Fähigkeiten in Python, in Jira, im Projektmanagement und was es nicht alles für Dimensionen gibt. Und wenn ich dann eine Frage habe, dann identifiziert es halt eher daran die Experten. Was da natürlich so ein bisschen fehlt, ist dieses, ja, aus viel unstrukturierteren Informationen und dann mich zum Beispiel zu einem gewissen Thema oder so, was firmenspezifisch ist, eine Frage habe, dass ich da den richtigen Ansprechpartner finde. Und dann darüber hinaus, was StarMind halt nicht macht, ist eine, ich sage mal, eine Ende-zu-Ende-gedachte KI und Business-Management-Lösung. Also bei uns geht es wirklich darum, dass wir eine KI-Plattform gebaut haben, mit der man dann halt auch das Wissen direkt mit KI weiterverwenden kann. Das ist dann all inclusive sozusagen. Aber ansonsten, ja, stimmt die Überlegung. StarMind ist halt auch besonders, worauf die zielen, sind sehr, sehr große R&D-Konzerne. Also wir haben dann so Pfizer und Henkel und sowas, glaube ich, in ihrem Kundenrepertoire. Die gehen auf große Enterprise-Kunden, wo eben dieses Experten-Matching, also wer ist der Experte für bla bla bla, Polymere und sowas, wo solche Fragen halt dann, deutlich relevanter sind, genau. Ja, ich muss mal kurz den Raum hier wechseln. Ich wollte fragen, also wenn jetzt quasi die KI im Dialog mit dem herausgefundenen Expertin herausfindet, hier ist noch Wissen, das müssen wir noch quasi erheben, dann zeichnet die mit und wie kommt es dann sozusagen in die neue Datenbasis? Automatisch. Also, du kannst dir vorstellen, ich kann es auch kurz zeigen, es entsteht ein Gruppenchat und es ist dieser Gruppenchat, dass erstmal alles, was darin geschrieben wird, ist halt automatisch für die KI verwertbar. Was es dann aber auch noch on top gibt, ist die Möglichkeit zum Beispiel manuell die richtigen Nutzer nochmal hinzuzufügen, falls die KI das nicht gut gemacht hat. aber es gibt die Möglichkeit auch zu steuern ich muss das leider erst starten, ich habe das nicht während der Präsentation am Laufen gehabt die Möglichkeit auch zu bestimmen, wer darf das denn sehen, es kann ja zum Beispiel mal sein, dass ich so in den Chat gezogen werde, wo sich die Leute denken, okay, dem Nutzer möchte ich das sagen, ich möchte aber gar nicht, dass es alle wissen, also da kann ich genau wie bei einem Word-Dokument dann auch die Zugriffsrechte managen, aber es ist im Prinzip alles, was dann da geschrieben wird, erstmal verfügbar, auch über die KI, das heißt ein paar Sekunden später die gleiche Frage vom anderen Nutzer, Informationen kann direkt verwenden werden. Du hattest das eben so schön gesagt, ja, die arbeiten nur für große Unternehmen wie Pfizer etc. Also wir nicht, das ist manchmal ein Starland. Was würdest du sagen, ab wann lohnt sich so ein System in der Skalierung für kleine Unternehmen schon? Weil, zum Beispiel in einem kleinen Mittelstandunternehmen wenn ich ein Unternehmen mit zehn Mitarbeitern habe. Dann ist es, also genau, wenn ich kein Problem damit habe, dass Wissen in den Köpfen der Menschen ist und Kommunikation keine großen Probleme macht, also umso kleiner es ist, umso weniger mehr wertet das natürlich. Wo fängt das an? Das ist eine gute Frage. Ich glaube, das kann man A nicht generisch beantworten, weil es auch immer auf so Faktoren ankommt. Wenn ich zum Beispiel ein paar hundert Mitarbeiter, sagen wir mal 200 Mitarbeiter habe, dann kommt das drauf an, ist das ein Unternehmen, was halt schon lange auf dieser Größe ist, etablierte Strukturen hat, vielleicht schon ein Nambles-Management, was funktioniert, wenig Fluktuation, versus, es ist ein Scale-Up, das hatte noch vor einem Jahr 50 Mitarbeiter, der hat die ganze Zeit Onboarding-Themen, ist eher in der Branche Tech oder Consulting, wo alle ein, zwei Jahre die Mitarbeiter gewechselt werden. Und auch die Frage, welche Mehrwerte können mit KI erzeugt werden? Und ich glaube, das ist das, was ich mal versuche, den Leuten zu erzählen. Das Wissen in eurem Unternehmen zugänglich zu machen für KI ist das wichtigste strategische Thema im Kernzeitalter. Das ist das wichtigste KI-Asset, weil das bestimmt, wie häufig und wie effektiv ihr KI nutzen könnt für eure Produktivität. Und auch da gibt es natürlich von Unternehmen zu Unternehmen eine unterschiedliche Abhängigkeit. Wenn ich zum Beispiel einen Maschinenbauer nehme, einen Deutschen, der halt einfach der absolute Weltmeister in einem der Herstellung eines ganz bestimmten Ventils ist, der guckt mich dann an und sagt, ja, auf KI kommt es bei uns nicht an. Wir sind der Weltmeister in diesem System. Auf KI kommt es bei denen halt an in dem Moment, wo in Konkurrenz mit Chinesen gerät, die auf einmal genauso gut sind, aber viel billiger und produktiver sind. Dann wird es auf einmal natürlich irrelevant. Also es gibt viele Dimensionen, die diese Zahl halt verschieben. Ich würde sagen, ab ein paar wenige Hundert Mitarbeiter fängt es eigentlich an. Vielleicht da ein Seitenkommentar. Ich glaube, es fängt dann an, wenn ich meine Demografie in meinem Unternehmen anschaue und dann plötzlich 10% meines Unternehmens schon in den nächsten drei Jahren Rente gehen, dann habe ich ein riesengroßes Problem. da kann ich jetzt versuchen, das Ganze händisch zu implementieren oder, und das ist ja wahrscheinlich dann auch euer Ansatz, oder ich sage, ich hole mir ein System direkt jetzt rein, was mich auch zukunftsorientiert darauf basieren würde. Ja, also da denke ich gerade auch noch dran rum. Ich glaube, im Prinzip braucht es auch nur ein Unternehmen mit drei Leuten, wo ein Inhaber sehr viel Wissen hat oder eine Inhaberin. Aber da, finde ich, kommt auch euer System an der Grenze, weil nicht alle Unternehmen arbeiten mit PPTs und Folien und in dokumentiertem Wissen. Es gibt ja wirklich auch viel, wenn man eher so das Handwerk oder so guckt, da gibt es ja auch viele Unternehmen, die dokumentieren vielleicht Rechnungen und solche Dinge, aber da ist jetzt auch ganz viel im praktischen Tun. Da müsste man quasi ein Mikro mitlaufen lassen. Naja, man will natürlich nicht die ganze Zeit die Leute überwachen. Aber ich sehe gerade tatsächlich bei diesen mobilen Arbeitern, eine einmalige oder eine erstmalige Chance, wirklich in die Digitalisierungszeit da mitzunehmen, weil ich in der Theorie reicht, dass der Handwerker ein Handy hat und mal kurz ein Video von etwas macht oder ein Foto von etwas macht und ein Kommentar einspricht ins Handy und zack hat er Wissen dokumentiert. Das ist ja, vorher gab es ja eigentlich keine Lösung, die das unterstützen können und genauso auch umgekehrtes Eintreiben von Wissen, also wenn der Handwerker gerade auch das Thema Sprachbarrieren in der Industrie oder bei Handwerkern, wenn ich halt in meiner beliebigen Sprache eine Frage stellen kann und ich finde halt in der deutschen Dokumentation die Antwort und ich sie halt direkt vorgelesen, in meiner Sprache, hat das unglaubliches Potenzial. Natürlich. Ich bin ja auch gerade noch so ein bisschen an den Grenzen und so, wo sind so die Bottlenecks und ich glaube, der Bottleneck ist direkt auch beim Starten des Ganzen, wie immer, der Mensch. Wie wird es genutzt, weil es ist trotzdem, also klar, du hast die Vorteile aufgezeigt, es wird effizienter, aber es ist trotzdem erstmal Aufwand. Also auch ein kleines Videomachen ist ein Aufwand oder überhaupt ein Dokument auf einem Sharepoint hochladen. Also das ist gerade das, wo wir an vielen Stellen scheitern. Also ich komme aus einem Unternehmen mit 90.000 Mitarbeitenden. Ja, alle Information ist da, da wäre das genau richtig, aber trotzdem das überhaupt ins System zu kriegen und die Leute dazu zu aktivieren, solche Systeme dann auch zu nutzen? Das ist vielleicht eher so als kritischer Kommentar. Ich meine, genau dieser Punkt ist ja auch Teil unserer Motivation. Wir können natürlich, was wir nicht werden, ist jetzt alle immer motivieren, ihr Wissen zu teilen damit. Aber was ja nur unser Argument eigentlich ist, es muss ja nur mehr geteilt werden als vorher. Und das macht schon sehr, sehr viel aus. Und wenn ich die Hürden reduziere, dadurch sollte mehr Wissen eigentlich geteilt werden, weil es einfacher ist. Also sollte man schon mal mehr Wissen sehen. Das Zweite ist, wenn ich dann auch noch durch Nachfrage getrieben, relevante gezielte Anfragen bei der Person mache, dann kommt ja auch ein bisschen Druck von außen, die Frage jetzt zu beantworten. Und ich treibe sozusagen auch ein bisschen ein und vor allem auch relevantes Wissen ein. Dadurch, dass ich weiß, es hat schon mal jemand gefragt, habe ich halt auch natürlich diesen Feedback genug, dass es halt relevant ist. Also natürlich, damit wird sicherlich nicht alles erfasst, aber es geht uns ja auch nur darum, erst mal Unternehmen zu helfen, mehr Wissen zu erfassen. Und das sollte schon sehr viel Mehrwert haben. Das ist zumindest unsere These. Es gibt noch eine Frage im Chat, aber vielleicht kannst du die im Nachgang nochmal, da gibt es einen Datenschutz, weil wir sind jetzt am Ende der Zeit quasi. Und ich will jetzt hier einmal aufblösen, aber den Chat haben wir ja weitergegeben, von daher fang der ja noch an. Wer noch mal Interesse an der Demo hat, kann mich nachher ansprechen. Die Demo muss ich hier gerade bei mir erstmal aufbauen, sehe ich. Aber genau. Wir haben tatsächlich auch ein kurzes Video, das könnte ich auch einfach mal in den Raum posten. Das ist dann vielleicht am einfachsten. Dann machen wir das so. Ja, ja. Wir sind schon. Der Raum ist so groß jetzt. Wir sind die digitalen Abruf, die da mit einem Haus drauf sind. Ja. Ganz eigentlich schon da auch. Ja, das ist schön. Das war das. Mag gut. Freut mich. Ich habe nur was für Das Wichtigste ist ja, dass wir zeigen heute, wie wir da aussehen. Und der, der verkauft, hat natürlich ein Interesse daran, dass das so gut ist. Das war ein Tipp, aber er hat nicht die Macht, weil er das meint. Das ist dann doch ein Direktschutz. Genau. Also, ich bin auch sehr traurig und ich würde auch gerne ein Fettbewerb haben, warum das so gut ist. Das ist so ein Ziel für etwas zu sein. Vielen Dank.