#118a – KI und das Unternehmensdatenfundament – ein Interview mit dem Geschäftsführer der AI4BD Dr. Günther Möckesch

Wo stehen wir im Bereich künstliche Intelligenz? Warum sollten wir uns in der Forschung auf die Anwendung von KI-Methoden statt auf die Methoden selbst konzentrieren? Wie kann ERP oder allgemeiner Unternehmenssoftware zukünftig aussehen?
Im Interview unterhalte ich mich mit dem Geschäftsführer der Firma AI4BD, Künstliche Intelligenz für Big Data, Dr. Günther Möckesch.

Viel Vergnügen!

Empfehlungen:

• Design Patterns: Entwurfsmuster als Elemente wiederverwendbarer objektorientierter Software
• Das Prinzip der Pyramide: Ideen klar, verständlich und erfolgreich kommunizieren

Internetquelle:

DBPedia

————————–

Wenn Ihnen unsere Folgen gefallen, dann freuen wir uns über eine 5-Sterne-Bewertung auf Ihrer Wunschplattform, damit auch andere auf diesen Podcast aufmerksam werden und wir das Angebot weiter verbessern können. Zeitaufwand: 1-2 Minuten. 

In diesem Sinne: keep connected. 

Herzlichst
Ihr
Axel Winkelmann 

Transcript:

ERP-Podcast, Folge 118. KI und das Unternehmensdatenfundament. Ein Interview mit dem Geschäftsführer der AI4BD, Dr. Günther Möckisch.

Wo stehen wir im Bereich künstliche Intelligenz? Warum sollten wir uns in der Forschung auf die Anwendung von KI-Methoden statt auf die Methoden selbst konzentrieren? Wie kann ERP oder allgemeine Unternehmenssoftware zukünftig aussehen? Im Interview unterhalte ich mich mit dem Geschäftsführer der Firma AI4BD, Künstliche Intelligenz für Big Data, Dr. Günther Möckisch. Viel Vergnügen. Herzlich willkommen zum ERP-Podcast, dem Podcast für alle, die sich aktiv mit dem Einsatz und der Gestaltung von Unternehmenssoftware und den daraus entstehenden Veränderungen und Potenzialen in Unternehmen auseinandersetzen wollen.

Mit diesem Podcast möchte ich Sie mit eigenen Gedanken und Interviews und moderner IT-Konzepte nebenbei, also zum Beispiel beim Spazierengehen oder Autofahren begleiten. Damit möchte ich Ihnen in dieser von technologischen Veränderungen geprägten Zeit Informationen anbieten, die sich in Zeitschriften, Fachbüchern und wissenschaftlichen Artikeln in dieser Form nicht darlegen lassen und für die sich im hektischen Alltag ohnehin nicht die Zeit findet. Mein Name ist Axel Winkelmann.

Ich bin Professor für Betriebswirtschaftslehre und Wirtschaftsinformatik an der Universität Würzburg. Herzlich willkommen zurück zum ERP-Podcast. Herzlich willkommen an diesem wunderschönen, verregnet, sonnigen, ich weiß es nicht bei Ihnen, Mittwoch.

Wir haben eine neue Episode des ERP-Podcast. Wir wollen ein bisschen sprechen über das Unternehmensdatenfundament. Wir wollen ein bisschen sprechen über die Veränderungen im ERP-Bereich.

Wir wollen sprechen vor allen Dingen über künstliche Intelligenz an der Stelle. Ich habe mir jemand ins Studio, ins Interview geholt, der sehr viel Erfahrung mit ERP, sehr viel Erfahrung mit künstlicher Intelligenz, mit AI gesammelt hat die letzten Jahre. Ich freue mich, dass er die Zeit gefunden hat.

Herzlich willkommen hier im Studio, Dr. Günther Möckes. Schön, dass Sie da sind. Ich freue mich auch, Herr Professor Winkelmann.

Ja, bevor wir in medias res gehen, zunächst die Frage, wer ist der Mensch Günther Möckes? Ja, der Mensch Günther Möckes ist ein Schwarzwälder, der in Graz studiert und promoviert hat und bei der SAP war, auch international in den USA für die SAP unterwegs war und seit 25 Jahren im Startup-Bereich tätig ist und die ERP-VWD ist mein drittes Startup. Fangen wir mal ganz vorne an. Sie sind Ingenieur von Haus aus.

Ingenieure sind ja Menschen, die per se neugierig sind, die das Budelskern immer suchen. Sie sind dann zur SAP gegangen und ich glaube, Sie haben noch eine Personalnummer, die ist dreistellig, richtig? Ich glaube ja, die ist noch dreistellig, ja. Das ist ja bei der SAP immer der Test, zu welchem Lager sozusagen gehört man.

Mittlerweile sind die sechsstellig, aber Sie haben wirklich das System von Anfang an mitgetrieben, richtig? Das war so, ich bin zu der SAP gekommen, das war 1990 schon, ich glaube, wir waren da 500 oder 600 Leute. Wir hatten noch am Markt das R2-System und meine erste große Aufgabe war, die sogenannten Satellitensysteme an R3 anzukoppeln. Das war noch unter einer Schnittstelle von IBM, das werde ich auch nie vergessen, LO 6.2 und dann haben wir die ersten R3-Systeme unter R2 gemacht, um dann später im R3 die Verantwortung zu bekommen, für die gesamte Prozessindustrie.

Was dann noch dazugekommen ist in der SAP-Zeit ist, was heute unter SAP-Zertifizierung am Markt läuft, waren die ersten Integrationen von Fremdsystemen, sei es CAD, PLM, MES, CAQ an die SAP. Dieses Programm habe ich noch gegründet, damals hieß es Open Application Group, haben wir dann mitgearbeitet in den USA und dann habe ich ab 1993 oder 1994 habe ich dann die SAP-Logistik in den USA gehabt und die Prozessindustrie weltweit. Das heißt, Sie sind von Walldorf rübergezogen in die USA, haben irgendwann die SAP verlassen, um dann Ihr erstes Startup zu gründen? Genauso war das und zwar, das war in der Zeit, wo ich in San Francisco gelebt habe.

Da gab es damals die ersten Ansätze zum Thema Objektklassenkodierung, das war das Buch von Gamma, Design Patterns hieß das und dann kam mir eigentlich die Idee, wie man Entwicklungsaufwand für große ERP-Anwendungen versucht klein zu machen durch Wiederholbarkeit von oder Wiederverwendbarkeit von Business-Objekten. Was haben Sie dann genau gemacht? Ich habe mich dann mit einem Spin-off vom Massachusetts Institute of Technology, also MIT, habe ich mich dann selbstständig gemacht und eine Firma gegründet, die hieß Skywar und dann haben wir versucht, auch Generika in die ERP-Welt einzuführen. Das Unternehmen hatte ich dann 2003 verkauft und wir hatten das Unternehmen auch innerhalb von 4-5 Jahren auf 200 Leute hochgefahren und haben uns beschäftigt mit Generika in der ERP-Welt.

Das ist glaube ich, wer selber ERP macht, weiß, was es bedeutet, 200-300 Leute zu führen und mit denen Softwareentwicklung zu betreiben. Ja, großen Respekt an der Stelle. Das war noch in Boston, Herr Professor Winkelmann.

Das war auch noch eine interessante Geschichte von San Francisco rüber zu gehen nach Boston. Zwei unterschiedliche Kulturen an der Westküste in den USA hatten einen sehr starken asiatischen Einfluss und dann drüben haben wir den europäischen Einfluss gehabt an MIT. War aber auch interessant, so eine kleine Episode am Rande, wenn Sie so als Karlsruher Wirtschaftsingenieur beziehungsweise promovierter Maschinenbauer dann ans MIT kommen, dann hat man so eine Respektkomponente, weil das MIT war bei uns für immer eigentlich das Nonplusultra im Technikbereich.

Und dort drüben zu arbeiten war dann schon hochinteressant für viele Jahre. Wenn Sie das jetzt vergleichen, Sie haben das deutsche Studium absolviert, Sie haben in Deutschland an der RWTH promoviert und sind dann rübergegangen an eine Top-Universität in den USA. Können Sie die beiden Universitätstypen miteinander vergleichen? Also erstmal darf ich es leicht korrigieren.

Ich habe an der Universität Friedrichiana zur Karlsruher promoviert, also es war nicht die RWTH. Mit denen haben wir also gearbeitet, das ist nur nebenbei. Wenn ich jetzt die zwei Universitätstypen vergleiche, jetzt muss ich als, ich bin ja schon älter, eigentlich noch zurückgehen zu der Zeit, wo wir noch das Humboldtsche System hatten.

Wir hatten noch Vordiplom, Diplom, aber der fundamentale Unterschied besteht eigentlich in der Anbindung der sogenannten Abgänger oder wie die Amerikaner sagen, die Alumni. Wenn Sie heute am MIT studieren, dann haben Sie die Verpflichtung, wenn Sie abgehen, dass Sie die Universität lebenslang unterstützen. Ob es MIT ist, ob es Howard ist oder ob es irgendeine andere Top-Universität ist in den USA, die haben alle Milliarden an der Seite liegen von Scholarships, wie man so schön sagt, also die Förderung von Hochbegabten.

Und diese Finanzkraft, die die Universitäten da drüben haben, die haben wir in Deutschland nicht. Und das ist eigentlich traurig. Was auch ein bisschen sich verändert hat über die letzten Jahre ist, wir haben ja in Deutschland versucht, dieses Bachelor und den Master zu machen.

Das amerikanische Highschool System Bachelor und Master ist aber ganz anders angelegt als bei uns in Deutschland. Wir haben eher eine Verschulung bekommen, weil wir immer versuchen, sehr, sehr viel Mehrstoff in die Köpfe zu bekommen. Und wir hatten damals eigentlich noch, als ich noch an der Universität an der Friedrichsjahra war, wir hatten viel, viel mehr Freiheiten, eigenständige Dinge zu tun, die am Rande des Studiums auch laden oder in anderen Fachgebieten.

Das leidet heute ein bisschen. Aber der fundamentale Unterschied ist die Finanzkraft von amerikanischen Universitäten. Welche Unterschiede? Es kommt aufs Fachgebiet an.

In Amerika müssen Sie sich so vorstellen, die Amerikaner sind in allen Gebieten in einer kleinen Spitze Weltmarktführer. Die haben ganz wenige Top-Leute. Der Durchschnitt der Amerikaner ist, würde ich sagen, ist im Vergleich zu uns heute viel geringer ausgebildet.

Das heißt aber, je nach Fachgebieten, gehen wir mal in die KI hinein, die Amerikaner, übrigens auch die Chinesen, die sind heute diejenigen, die die meisten Algorithmenpapiere verfügen. Das sind die absolut Spitzen, da können wir Europäer gar nicht mehr mithalten. Die Frage ist, wenn wir in die Anwendung gehen zum Beispiel von künstlicher Intelligenz, dann sind wir, glaube ich, weltweit alle vergleichbar.

Also muss man das immer ein bisschen unterschiedlich betrachten, wenn man sich das anschaut. Sie sind in den USA gewesen, haben Ihr Unternehmen verkauft, gebürtiger Schwarzwälder, geht zurück in den Schwarzwald oder was ist als nächstes passiert? Genauso, ich bin zurück in den Schwarzwald. Ja, warum war das jetzt so? Das fragen mich viele Leute.

Ich habe 15 Jahre insgesamt in den USA gelebt. Ich bin auch amerikanischer und deutscher Staatsbürger. Warum geht man eigentlich zurück? Das kann man vielleicht damit erklären.

Mein Vater selber ist kein Deutscher. Aber ich glaube, das hat was mit Verwurzelung zu tun, wenn man älter wird. Das kann man sich nur dann vorstellen, wenn man viele Jahre woanders gelebt hat.

Aber bei mir war es einfach so, dass man dann am Schluss eher so das Gefühl hatte, dass man dort woanders verwurzelt ist. Auch wenn sie viele Jahre weg waren. Ich bin mit 19 von meiner Heimat weggegangen und ich bin mit 52 wieder zurückgekommen.

So würde ich das mal positionieren. Damit sind Sie aber noch lange nicht altes Eisen gewesen, sondern dann ging Startup Nummer 2 los, oder? Nein, das waren Startups in den USA. Nummer 3 war es in Deutschland.

Das war die AEVBD. Das war auch interessant. Die AEVBD ist eigentlich eine konsequente Weiterentwicklung von meiner alten SAP-Zeit.

Und zwar auch meine Tätigkeit in Skyber, wo es um Generika ging im ERP-Bereich, ist eigentlich die AEVBD die konsequente Weiterentwicklung. Nur, dass wir heute mit Generika arbeiten im Bereich künstliche Intelligenz. Was ist der große Unterschied? Ein ERP-System deckt Business-Prozesse eines Unternehmens ab.

Es geht um den unterschiedlichen Klassen. Ich bin Produzierer des Unternehmens, Handler des Unternehmens, etc. Im Bereich der künstlichen Intelligenz ist die Bandbreite viel breiter.

Wir gehen in Steuerbereiche rein, wir sind im Rechtsbereich tätig. Das heißt, die Variabilität der Domänenanforderungen, sprich der Branchen, an so eine KI ist weit, weit größer, als wenn man nur ein ERP-System nimmt. Nur, das soll jetzt nicht negativ klingen, aber ein ERP-System, das ausgerichtet ist auf die Prozesse von Produktion, Einkauf, Konstruktion und das in den unterschiedlichen Unternehmensklassen.

Insofern ist Generika noch viel wesentlicher für eine Produktarchitektur, als es im ERP-Bereich selbst ist. Jetzt nochmal ganz kurz ein Verständnis. AI4bd, also Artificial Intelligence für Big Data, ist Ihr aktuelles Unternehmen, mit dem Sie an der Datenanalyse, an der Datenauswertung und an den Daten mittels Selbstlerner-Algorithmen arbeiten? Ja, so können Sie das zusammenfassen.

Wie groß ist dieses Team, was Sie dort aufgebaut haben und an was ganz spezifisch arbeiten Sie? Also das Team ist schon eigentlich seit 2016 am Markt. Wir sind eine Schweizer AG und wir haben eine deutsche Mutter und wir haben eigentlich so die ersten Jahre fast ausschließlich im Forschungsbereich gearbeitet. Wir haben verschiedene Projekte gemacht.

Ich mache mal zwei, drei Beispiele. Es gab ein großes Forschungsprojekt, das war ein H2020-Projekt mit der Europäischen Union und dort ging es um das Thema Smart City. Also wie kann man KI einsetzen, um dem Bürger das Leben zu vereinfachen? Da gab es verschiedene Szenarien innerhalb von diesem EU-Projekt.

Dann gab es verschiedene Forschungsprojekte, die vom Bundesministerium für Wirtschaft beziehungsweise vom Forschungsministerium freigegeben worden sind. Da ging es im Wesentlichen um Anwendung von KI in Vorhersagen in Unternehmen, zum Beispiel Umsatzvorhersage oder eine Vorhersage zum Beispiel von technologischen Änderungen. Zum Beispiel, dass Sie versuchen, über irgendwelche Internetsuchen herauszufinden, was sich an Ihrem Produkt ändern muss.

Solche Dinge sind dort gelaufen. Aber auch ganz konkrete Dinge in der Produktion. Das war auch ein Projekt mit einem großen Druck zum Beispiel.

Da ging es um die Vorhersage von Ausfällen beziehungsweise Behebung von Ausfallraten an Maschinen. Das war die erste Zeit, die wir wesentlich mit Forschungsprojekten zu tun hatten. Damals gab es eigentlich noch kaum Kunden.

Man muss eigentlich heute, wenn man in die Kundenlandschaft guckt, stellt man fest, dass KI kennt zwar jeder, das Wort auf jeden Fall, aber was dahinter steckt und was für eine Technologie heute möglich ist und welche Prozesse man damit automatisieren kann, da ist doch weitgehend heute noch ein bisschen eine Dunkelziffer im Sinne von Wissen. Wir haben dann ab 2018 angefangen, die Erfahrungen mit den Generika zu strukturieren und ein Produkt an den Markt zu bringen. Wir sind jetzt Stand, heute sind wir 42 Leute, davon sind 32 in der Entwicklung und wir haben einen großen Entwicklungsstandort, die Universität Dresden, dort sitzen wir und wir haben einen zweiten Standort, wo die deutsche Beratung sitzt und die Hauptsitz ist in Deutschland, das ist bei mir im Schwarzwald, logische Konsequenz aus der Rückkehr und die Mutter sitzt in der Schweiz, genauso der Vertrieb und die Beratung, die sitzt in Solothurn in der Schweiz.

Wir haben heute eine relativ große Kundenschicht, die wir betreuen, darunter sind kleine und mittlere Unternehmen, z.B. Angebotsautomatisierung oder Dokumentenautomatisierung, ganz generell, Sachbearbeitung von Dokumenten, die automatisiert werden etc. Aber genauso auch im Produktionsbereich oder im Einkaufsbereich etc. Letztes Jahr hatten wir insgesamt einen Auftragseingang, allein in der Forschung von über 2 Millionen, das ist nur das Forschungsteil, d.h. wir mussten die Firma so weit hochfahren, dass wir unseren Anteil mitfahren mussten, d.h. wir haben jetzt dieses Jahr über 4 Millionen in die Forschung hängen, bei uns im Unternehmen und weiter wachsen zusammen mit unseren Kunden und Partnern.

Ja, das klingt wahnsinnig spannend, ich würde da gerne nochmal einhaken. Also auf der einen Seite haben Sie gesagt, Sie versuchen, in betriebswirtschaftlichen Prozessen zu automatisieren, was immer möglich ist, und zwar nicht eine Standardautomatisierung, also Datenfeld A muss jetzt nicht mehr ausgefüllt werden oder so, sondern tatsächlich auf Basis von selbstlernenden Algorithmen. Auf der anderen Seite haben Sie aber auch gesagt, Sie sind sehr stark vertreten in diesem Bereich, z.B. Diagnostik oder Ausfall von Maschinen oder ähnliches, also in dem Bereich, was man seit vielen, vielen Jahren schon als Industrie 4.0 wahrnimmt.

Ich nehme aber gleichzeitig wahr, dass gerade im Mittelstand die Leute aber noch mit ganz anderen Problemen kämpfen. Sehen Sie das ähnlich, dass Sie eher noch Probleme haben, überhaupt Ihre Daten zur Verfügung zu haben oder auch Daten von Maschinen oder ähnlichem abzugreifen, oder sagen Sie, ja mittlerweile ist der Mittelstand also schon viel, viel weiter an der Stelle? Also Mittelstand, Herr Professor Winkelmann, ist nicht gleich Mittelstand. Es gibt in Mittelstand Firmen, die haben eine extrem hohe Durchdringung durch verschiedene Standardsysteme, sei es CAD, PLM, MES, Prozessleitsysteme, ERP, wie sie alle heißen.

Es gibt solche, die haben extrem viele Daten in vielen Datentöpfe, können aber auf die integrativ gar nicht zugreifen. Wir leben heute in einer Systemlandschaft, wo wir über Domänenschnittstellen versuchen, Systeme miteinander zu verheiraten. Aber um die als Wissensdatenbank oder als Wissenssourcen zu nutzen, fehlt einfach die Technologie.

Das ist mal das eine. Es gibt aber auch Mittelständler, die mit Excel, das gibt es auf der anderen extremen Seite. Interessanterweise kann man eins in der Welt sagen, wir im Dachbereich sind in der Summe, was ERP-Anwendung angeht, in der Welt, Weltmeister.

Es gibt also kaum ein Land oder kaum Länder wie Deutschland, Schweiz und Österreich, die so eine starke ERP-Durchdringung haben. Es gibt auch kaum Länder, in denen so viele auch mittelständische ERP-Anbieter liegen. Und es ist sicherlich kein Zufall, dass wir in Zukunft Weltparkführer sind im ERP-Bereich.

Eigentlich haben wir hier, wenn man sich das genau überlegt, die besten Voraussetzungen, dass wir in Europa, also wir im Dachbereich in der Zukunft die höchste KI-Anwendungsdurchdringung bekommen in den nächsten Jahren. Und das gilt für den Mittelstand genauso wie für Großunternehmen. Und wir damit im Anwendungsbereich, und das ist auch wichtig für die Forschung, dass wir nicht versuchen, viele, viele Professoren in die Welt zu setzen, um zu schauen, wie man Algorithmen kombinieren kann, sodass sie bestimmte Business-Probleme lösen können.

Darf ich noch mal ein Beispiel machen? Wir haben so etwas wie Wissenscluster. Und dafür gibt es jetzt ein Produkt bei uns, das heißt digitales Sekretariat. Und damit können Sie jegliche Art von Dokumenten analysieren.

Ob das PDF-Dokumente sind, ob das Bilder sind, ob das E-Mails sind. Es ist eigentlich egal, ob das QM-Handbücher sind oder ein Bücher von Softwareunternehmen. Das spielt eigentlich für uns alles gar keine Rolle.

Es ist immer das gleiche Wissenscluster. Um sowas aber abzudecken, kombinieren wir locker an die 50 unterschiedlichen neuronalen Netze, die immer wieder in Kooperation so eingesetzt werden, dass bestimmte Dokumenttypen unterschiedliche Netze durchlaufen. Aber das Ergebnis, und jetzt wird das ganz interessant, ist immer eine sogenannte Struktur, eine Grafenstruktur.

Das heißt, als Grafendaten zur Verfügung, die dann später von allen genutzt werden können. Diese Datenstrukturen, die heute im RDF vorhanden sind, die sind noch fast undurchstrungen. Die meisten Unternehmen kennen nicht mal das Wort.

Der Hintergrund besteht dann darin, wenn Sie sowas mal durch eine KI-Automaten durchgelaufen haben, dann haben Sie die Möglichkeit, dass alle Unternehmen auf die gleiche Datenbasis in einer menschähnlichen Sprache abfragen können. Das heißt, wenn die Anwendungs-KI in der Zukunft durchdringt, und zwar alle Unternehmen durchdringen, dann haben wir in Deutschland oder überhaupt in unseren Dachländern die Möglichkeit, dass wir wieder an die Spitze kommen. Die Spitze im algorithmischen Bereich, die ist längst besetzt von China und von den Amerikanern.

Das stört aber auch nicht, weil viele Leute nicht wissen, dass alle Algorithmen, die in der Welt heute zur Verfügung stehen, auch ein bisschen Informatik und ein bisschen viel Informatik haben, kann mit denen arbeiten. Was viele auch nicht wissen, diese Algorithmen haben extrem hohe Halbwertszeiten. Es kann Ihnen passieren, dass ein Algorithmus super toll für ein bestimmtes Problem passt und sechs Wochen später kommt ein neuer Algorithmus hoch, der das Problem wesentlich besser abdeckt.

Deswegen sollten wir in der Forschung und wir als Unternehmen eigentlich in die Anwendung von solchen Automaten gehen Es ist ein wunderschönes Plädoyer für etwas, was ich zum Beispiel Wirtschaftsinformatik nennen würde, also die Informatik in einem bestimmten Bezugskontext, in unserem Falle in der Wirtschaft. Ich glaube, dass wir an diesen Schnittstellen zwischen Grundlagenforschung und konkreter Ausprägung viel, viel mehr Forschungsleistung bringen sollten und viel, viel mehr arbeiten sollten, als wir das in der Vergangenheit gehabt haben. Ich bin sehr dankbar dafür, dass Sie das so dediziert auch sagen an der Stelle.

Ja, ich glaube, das ist auch wichtig, dass wir wegkommen von dieser Meinung, wir Europäer haben im KI den Anschluss verpasst. Wir haben in der Entwicklung von Algorithmen sicherlich den Anschluss verpasst über die letzten Jahre. Das hat aber auch was damit zu tun, wenn ich jetzt mal zurückdenke, das ist gar nicht die Finanzkraft der Universitäten.

Und diese Grundüberlegung, das Wissen, das vermittelt wird, auch was mit Finanzkraft zu tun hat, das zieht sich bei den Amerikanern ja durch über die Risikobereitschaft von ihrem Venture Capital. Machen wir mal ein kleines Beispiel. Wir in Deutschland haben letztes Jahr einen Bundeswettbewerb gehabt, den hat der Herr Altmaier herausgegeben.

Da haben sich 230 Firmen beworben für 200 Millionen. Wenn Sie mal gucken, das sind 500 Millionen in einer einzigen Plattform. Und wir haben letztes Jahr von den 235 Firmen haben wir 10 prämiert.

Und der Top von 200 Millionen ist zusammengefallen zu 80 Millionen. Das heißt, wir haben mit der Gießkanne jetzt 80 Millionen über 10 Firmen getan. Natürlich kommt da was raus.

Aber diese geballte Kraft, die Finanzkraft, die gerade in Amerika noch viel extremer in China, nur die Chinesen machen das nicht. Und die verwenden die KI für Dinge, die wir in Europa besser nicht tun oder nicht tun sollten. Aber das ist ein fundamentaler Unterschied.

Und jetzt mag ich mal ein kleines Beispiel machen. Sie in Amerika, wenn Sie heute jedes Problem, das Ihnen als KI-Unternehmen über den Weg läuft, dediziert programmieren wollen, bis in die untersten Python-Schichten, die wir heute haben. Das ist ein Programmieraufwand.

Was Generika tun, die versuchen quasi, die Probleme so zu abstrahieren, dass der Programmieraufwand minimal wird. Da reden wir von Faktoren. Wenn Sie sowas über Generika in der KI-Welt abbilden, dann sind Sie plötzlich wettbewerbsfähig, obwohl die Investition ein Bruchteil ist von dem, was heute so in der KI investiert wird.

Und oft ist es dann auch so, wenn Sie reingucken, es kommen massenweise Start-ups im Moment nach oben. Alle haben keine Generika, alle haben einen Domänenbezug, also irgendwas Spezielles. Ich möchte eine KI machen, um bei Druckmaschinen was zu ermitteln, etc.

Das heißt, da ist von vornherein der Markt schon so beschnitten und die KI-Anwendung mit Algorithmen ist so heterogen. Und jeder kann das, der Mathematik und Informatik in der KI-Welt hat. Und alle können dann relativ schnell wieder vom Markt verschwinden.

Die Verschwindungsrate in Deutschland beträgt 95 Prozent nach fünf Jahren. So ist das bei uns in Deutschland. Aber das heißt aber, weil Sie so viel Aufwand haben und gerade im KI haben Sie ja nicht nur den Aufwand in der Entwicklung, Sie müssen erst mal den Aufwand in den Vertrieb stecken, damit Sie einem Unternehmen klarmachen können, wo gibt eigentlich der Vorteil.

Wenn Sie dann kommen und sagen, Sie müssen in Preisstrukturen kommen, wo wir zum Beispiel Angebotsautomatisierung für Millionen von Dokumente machen können und es muss im niedrigen, sechsstelligen Bereich liegen, sonst haben Sie gar keine Chance. Und dann fängt an, die Effizienz von Generika richtig zu wirken. Das ist, glaube ich, so ein bisschen so wie letztlich in der ERP-Branche, in der wir sicherlich auch erst angefangen haben, ich sage mal auf Instanzebene, Probleme in Software zu lösen und nach und nach festgestellt haben, dass wir eigentlich auf viel höheren Abstraktionsniveaus Software entwickeln müssen, wenn wir die Funktionalität in verschiedensten Unternehmen ausprägen wollen, richtig? Ja, ich darf vielleicht noch einen anderen, also nicht nur im ERP-Bereich, da haben Sie völlig recht, das ist ein bisschen abstrakter.

Ich muss jetzt zum Daimler. Der Daimler hatte damals drei Produktlinien. Das war die C-Klasse, die E-Klasse und das war die S-Klasse.

Das war so die 80er-Jahre des Daimlers. Und dann haben wir McKinsey damals vorgeschlagen, dass doch eine Klasse zu viel ist für die Kapazität des Unternehmens, okay? Das waren quasi voll durchentwickelte Fahrzeuge, die nichts miteinander zu tun hatten. Dann kam in der Automobilindustrie das Thema Plattform auf.

Plattform heißt, dass in verschiedenen Klassen von Fahrzeugen maximiert wird und damit die Wiederverwendbarkeit maximiert wird. Jetzt gehen Sie mal heute zum Daimler, gehen Sie mal zum VW, zur Audi, schauen Sie mal, wie viele Klassen die heute alle haben. Das hätten die nie geschafft, so eine Explosion von Produkten in 25 Jahren an den Markt zu kriegen, das zu pflegen, hätten sie nicht die Generika einer Plattform gehabt.

Das ist, glaube ich, das, was man mit der Plattform maximieren kann, wenn die Abstraktionslevel hoch genug ist. Darf ich vielleicht noch ein zweites Beispiel machen? Das erklärt es auch ganz gut. Wir reden jetzt heute in Deutsch, Sie und ich.

Wenn man das mal abstrahiert, dann haben wir zwei etwas, das haben nicht nur wir, das hat unsere gesamte Kultur des deutschsprachigen Raums, wir haben etwas, im Automobilbereich, dann haben sie dort ganz spezielle Sprachanwendungen, die spezifisch sind für die für die Industrie, für die Branche. Und was dazwischen liegt, liegt sowas wie, das nennen wir Allgemeinbildung. Also über der Grammatik haben sie eine allgemeinbildende Schicht.

Das ist ein Vokabular, das wir alle verstehen. Ob wir am Tisch sitzen, in ein Restaurant gehen, zum Arzt gehen, versteht jeder. Aber wenn sie dann ins Unternehmen gehen und sie haben einen speziellen Fall oder sie gehen zum Rechtsanwalt, dann hat der ganz spezifisches Vokabular.

Die Wiederverwendbarkeit der Grammatik maximal. Die Wiederverwendbarkeit von dem Rechtsbereich ist minimal. Und wenn sie so architekten, dann haben sie die Chance, dass die Grammatik so oft wiederverwendet werden, wie es geht.

Und das ist der Vergleich auch mit der Plattform-Strategie von Automobilisten. Und damit können sie jetzt, wenn man jetzt in die KI guckt, den Entwicklungsaufwand absolut minimieren. Darüber würde ich wahnsinnig gerne mit Ihnen sprechen.

Ich schaue ein bisschen auf die Uhr. Wir haben wieder unsere magische 30 Minuten Grenze erreicht. Das heißt, ich würde Sie gerne nochmal nächste Woche einladen mit mir hier in dem Podcast weiter über das Thema KI, Generika, ERP, Unternehmensdatenfundament an der Stelle sprechen und ein bisschen noch tiefer in Medias Res reingehen.

Wenn es für Sie okay ist, schließen wir für heute den Sack und ich lade Sie herzlich ein, mit mir nächste Woche nochmal das Thema wieder aufzugreifen. Ist das okay? Super, Herr Prof. Winkelmann. Ich bedanke mich herzlich.

Herzlichen Dank, Herr Dr. Möckisch. Tschüss. Ihnen hat der ERP-Podcast gefallen und Sie konnten wertvolle Erkenntnisse gewinnen? Dann würde ich mich über eine Bewertung auf iTunes freuen, damit auch andere von diesem Podcast erfahren können.

Eine Anleitung für die Bewertung finden Sie auf www.erp-podcast.de. Dort finden Sie auch weitere Hinweise, Links und Aktualisierungen zu dieser Folge. Das war der ERP-Podcast für alle, die sich aktiv mit dem Einsatz und der Gestaltung von Unternehmenssoftware und den daraus entstehenden Veränderungen und Potenzialen in Unternehmen losgelöst von Fachzeitschriften, Büchern und wissenschaftlichen Veröffentlichungen, zum Beispiel beim Spazierengehen oder Autofahren auseinandersetzen wollen. Mein Name ist Axel Winkelmann.

Ich bin Professor für Betriebswirtschaftslehre und Wirtschaftsinformatik an der Universität Würzburg.