#118b – 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, zweiter Teil. 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 bei der Gestaltung 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 zurück in einer neuen Mittwochsfolge. Der zweite Teil mit Dr. Möckisch. Herr Möckisch ist Mitgründer der AI for BD, Artificial Intelligence for Big Data.

Was das ist, wer er persönlich ist, das wird er uns gleich sicherlich nochmal selber sagen. Wir sprechen hier in dieser zweiten Folge nochmal über ERP, über das Unternehmensdatenfundament, über KI für ERP. Ich freue mich, dass ich Sie, Herr Dr. Möckisch, heute im Interview habe.

Herzlich willkommen zurück. Ich bedanke mich ganz herzlich, freue mich auch mit Ihnen heute in den Podcast zu gehen, Herr Professor Winkelmann. Mögen Sie sich nochmal kurz vorstellen, wer ist der Mensch Günter Möckisch? Ja, der Mensch Günter Möckisch ist ein Schwarzwälder, der in Karlsruhe studiert und promoviert hatte, dann über die SAP in die USA gekommen ist und dort sein erstes Unternehmen gegründet hat, zurückgekommen ist nach Deutschland und jetzt die AI for BD betreut.

Was genau machen Sie, wofür stehen Sie? Die AI for BD ist eine KI-Firma, eine reinrassige KI-Firma, die Businessprozesse automatisiert mit generischen Datenstrukturen und unser Brand nennt sich Cognitive Business Robotics. Können Sie das mit zwei Sätzen sagen, was das bedeutet? Das bedeutet, dass wir letztendlich Businessprozesse im Unternehmen automatisieren und zwar systemübergreifend. Ich darf Ihnen nochmal ganz kurz ein Beispiel machen.

Nehmen Sie mal an, Sie möchten gerne eine Voraussage machen in der Produktion, ob ein Teil ausfällt oder nicht. Dann haben wir unterschiedliche Datentöpfe, eins kann die Maschine selber sein mit ihrer Sensorik. Dann möchten Sie gerne wissen, wer hat denn da dran gearbeitet? Das heißt, Sie müssen ins ERP reingehen oder ins MES, je nachdem wie tief Sie das strukturen.

Das sind die Fertigungsaufträge drin, da wissen Sie, welches Material an der Maschine war und dann möchten Sie gerne noch wissen, vielleicht über ein BDE-System, wenn das nicht gekoppelt ist, wer hat da dran gearbeitet, das spielt auch eine Rolle. Und vielleicht haben Sie noch ein Schichtbuch, die Hände schüren. Und das sind alles isolierte Datentöpfe.

Aber um eine Aussage machen zu können, ob eine Maschine ausfällt oder ob ein Teil ausfällt, was damit passiert, wie ich reagieren muss, brauchen Sie alle diese Datentöpfe. Und leider ist es heute im Unternehmen so, dass alle diese Datentöpfe isoliert sind. Um KI auf einen Datentopf anzuwenden, ist eigentlich wenig sinnvoll, weil Sie dann einfach eine Limitierung der Daten haben, die aussagekräftig wären, um so eine Vorhersage zu machen.

Und solche Dinge betreiben wir. Und um solches Wissen aus Datentöpfen dem Unternehmen generell zur Verfügung zu stellen, wandeln wir alle Daten, die bei uns durch die Automaten durchlaufen, in eine Struktur, die man später in eine Wissensdatenbank tun kann. Das heißt, man kann man auch RDF-Datenbanken.

Genau an der Stelle würde ich jetzt eingreifen oder einhaken vielmehr. Wer den Podcast ein bisschen verfolgt, weiß, dass ich so ein Plädoyer habe und zwar durchaus aus dem Elfenbeinturm kommt, dass ich sage, wenn wir Prozesse automatisieren wollen, auch betriebswirtschaftliche Prozesse, also wenn wir KI letztendlich, also Analyse, Auswertungen, selbstständig lernende Algorithmen auf den Daten des Unternehmens anwenden wollen, dann können wir das nicht mit 37.000 verschiedenen Silotöpfen. Wir können es auch nur begrenzt, eigentlich auch nicht, auf Silotöpfen, die mit tausenden von Schnittstellen verbunden sind.

A, weil wir dann immer noch nicht die Daten zusammenfassend haben und B, weil wenn wir in Echtzeit den Automaten sozusagen machen lassen, dann benötigt er auch in Echtzeit diese Daten und wenn eine Schnittstelle bricht, dann hat er die Daten nicht zur Verfügung. Sind das genau die Probleme, die Sie jetzt adressieren an der Stelle? Schöner hätte ich es jetzt nicht ausdrücken können. Ich möchte da gar nichts dazu sagen.

Das ist genau so, wie Sie es gerade gesagt haben. Gut, also dann sind wir auf dem gleichen Verständnis. Wir haben dieses Unternehmensdatenfundament, was wir letztendlich realisieren müssen und jetzt haben wir die große Problematik, jedes System kommt mit seinem eigenen Inseltopf.

Jedes System hat irgendwo seine eigene Semantik. Leider Gottes ist die Semantik nie irgendwo niedergelegt worden, sondern die ist irgendwo in dem Softwarecode drin oder in der Datenbank selber oder oder oder. Man muss sich das so ein bisschen zusammensuchen und definiert dann Schnittstellen.

So, das ist aus meiner Sicht momentan der State of the Art, wenn Sie so wollen. Und da gehen Sie jetzt dran und machen was? Das ist genau State of the Art. Besser hätte ich es auch nicht ausdrücken können.

Was wir jetzt machen, ist das folgende. Es gibt zwei Arten von Semantik. Eigentlich haben Sie beide schon erwähnt.

Die Semantik verbirgt sich in den Strukturen von Datenbanken zum Beispiel. Da haben wir zwei Beispiele. Sie haben ein CAQ-System, das läuft auf einer SQL-Datenbank und Sie haben ein ERP-System, das läuft auch auf einer SQL-Datenbank.

Das sind alles relationale Daten. Das heißt, die Semantik des Business-Objekts ist in der Tabellenstruktur der relationalen Datenbank abgebildet und jedes Mal anders. Machen wir ein Beispiel.

Ein Prüfmerkmal in der Datenstruktur eines CAQ-Systems sieht völlig anders aus als ein Sachmerkmal nach DIN 4000 in einem ERP-System. Aber die sind jetzt in der Interpretation. Das ist die zweite Semantik.

Das ist nämlich die Datensemantik. Ein Prüfmerkmal in einem CAQ-System kann durchaus ein Sachmerkmal im ERP- oder in einem PLM-System sein. Also haben wir zwei Aufgaben.

Aufgabe A, wir müssen diese Struktursemantik auflösen und gleichzeitig die Datensemantik so ablegen, dass darin steckt ja das Know-how des Unternehmens, die müssen wir isoliert ablegen, sodass niemand dazu greifen kann. Und das geht nur über Generika. Und damit holen wir quasi alle Datenköpfe, die zu uns kommen, an der Eingangsseite in eine generische Datenstruktur und auf denen arbeiten dann die Automaten.

Also machen wir ein Beispiel. Nehmen wir an, ich kriege einen Prüfauftrag rein und einen Fertigungsauftrag. Dann ist die interne Darstellung dieser Strukturen bei uns generisch so gestaltet, dass wir keine Unterschiede machen.

Und die Semantik ist nicht in die Codierung ausgeprägt, sondern die ist abgelegt in einer Schicht, die oben drüber liegt, oberhalb unserer Generika. Das hört sich ein bisschen sehr theoretisch an, hat aber den großen Vorteil, dass das Wissen und das Know-how für jedes Unternehmen keinem anderen zugänglich ist und die Wiederverwendbarkeit der Generika maximiert ist. Ich versuche es mal in meinem Verständnis zu übersetzen.

Sie schaffen sozusagen einen einheitlichen Datentopf zunächst mal aus den vielen Quellen CRQ, Computer Edit, Quality, um das nachzutragen. ERP ist klar. Da laufen die Daten hinein und sie gehen dann hin und definieren für jeden einzelnen Datensatz, welche Bedeutung diese Daten haben, in welchen unterschiedlichen Bedeutungen diese Daten auch verwendet werden, korrekt? Ja, so kann man das ausdrücken.

Und jetzt bauen Sie ein Resource Description Framework, also eine Technologie, eine Herangehensweise aus dem Semantik-Web oberhalb dieser Daten auf, um genau diese inhaltliche, diese semantische Strukturbeschreibung der Daten eigentlich zu erreichen, richtig? Genau. Das ist die Ausgangsseite von uns. Die Eingangsseite nimmt die Daten aus unterschiedlichen Systemen auf und die Ausgangsseite modelliert sie in einer RDF-Struktur.

Letztendlich ist das, wie man es jetzt fachlich sieht, ein JSON-LD. Das heißt, das ist eine Skript-Sprache, die die Wissensstruktur in RDF-Form beinhaltet. Das war jetzt informationstheoretisch.

Ist aber relativ mächtig, weil damit können Sie dann in RDF-Datenbanken über die Abfragen von solchen RDF-Sätzen, die können Sie dann beliebig frei miteinander verheiraten. Und das können Sie sich so vorstellen, sagt mir zum Beispiel, ich übersetze es jetzt in CAQ und ERP, sagt mir, welches Prüfmerkmal habe ich denn in der Konstruktion? So könnten Sie sich das vorstellen. Das heißt, da verschwinden die heutigen Grenzen von Standardsystemen wie ERP und CAQ und andere.

Und das Wissen wird dem Unternehmen allgemein zur Verfügung gestellt. Mir kommt noch was dazu. Wir haben heute sehr viel Wissen, das ist gar nicht in den strukturierten Systemen drin, also Standardsystemen, sondern wir haben sehr viel Wissen in Dokumenten.

Denken Sie mal an QM-Handbuch. Da steckt sehr viel Wissen drin in Pflichtenhefte, in Anfragen, die über ganz normale Dokumente unstrukturiert reinkommen und die dann teilweise auch über E-Mail verarbeitet werden. E-Mail ist heute einer der größten Wissenstöpfe.

Und solange Sie diese Daten auch noch dadurch durchschieben, haben Sie die Möglichkeit, dass auch unstrukturierte wie strukturierte Daten gleichermaßen gleichberechtigt abfragbar sind. Vielleicht noch ein kleines Beispiel in der Konstruktion. Sie kriegen Pflichtenheft beispielsweise.

Das ist Fließtext, das ist Grafik, das ist Zeichnung. Und diese Daten haben sehr oft schon Stammdatencharakter. Nicht vollständig, aber teilvollständig.

Warum haben wir es eigentlich nie geschafft? Eben, weil wir strukturiert und unstrukturiert trennen. Dass solche Daten angezapft werden und automatisch Stammdaten generiert werden, ohne dass da noch jemand dazwischen gucken muss. Beziehungsweise nur die Freigabe gemacht werden muss von einem Mensch, der diese Daten anschaut und sagt, okay, die sind in Ordnung.

Aber diese Arbeit der Wissensverknüpfung zwischen Dokument und Stammdatum, das kann Ihnen ein Automat zu einem großen Teil je nach Unternehmensstruktur abnehmen. Okay. Sie bauen das ja losgelöst von dem eigentlichen Software-System.

Das heißt, Sie nehmen sozusagen das, was da ist, verschiedenste Systeme und legen Ihre Datenbasis mit der RDF-Struktur entsprechend unterhalb der Systeme ab. Ja. Ist das etwas, wenn Sie sich jetzt wünschen, was die Softwarewelt aussuchen könnte, was auf diese Art und Weise sinnvoll ist? Oder sollte es nicht eher eine Handlungsanweisung geben, dass das führende System, das kann ERP oder MES oder was auch immer sein, genau solche eine Struktur schon innerhalb seines eigenen Kerns mitbringt? Jetzt reden wir über die Entwicklung von solchen Systemen.

Die Frage ist, wenn wir die Grenzen aufbrechen, die wir heute in der ERP- oder MES-Welt, sprich die Grenzen der strukturierten Ablage von Daten, wenn wir die aufbrechen und Business-Funktionen, die Sie heute in diesen Systemen haben, teilautomatisieren, dann ist die Frage, was bleibt eigentlich in der Zukunft von ERP übrig? Der Kern. Ein Beispiel, wenn Sie eine Angebotsautomatisierung haben, dann fallen alle Business-Funktionen des Angebots weg. Wenn Sie eine Einkaufsautomatisierung haben, dann brauchen Sie keine Einkaufsautomatisierung machen.

Wenn Sie Stammdaten harmonisieren, dann brauchen Sie auch keine Stammdaten mehr manuell eingeben. Das heißt, das Unternehmen hat unter vollem Investitionsschutz die Möglichkeit, über der Zeit bestimmte Business-Prozesse zu automatisieren und damit wird quasi aus dem ERP stückchenweise oder kontinuierlich oder evolutionär die Prozesse automatisiert. Und dann stellt sich ganz am Schluss die Frage, wenn man das alles noch in RDF allgemein abbildet, das können wir heute noch nicht von der Performance her, aber in der Zukunft ist es dann nicht eine andere Art von Standardsystemen, die wir in zehn Jahren anwenden werden, als eine Systemlandschaft, die wir heute haben, mit all ihren Grenzen, ihren Domänenschnittstellen.

Machen wir ein Beispiel, wenn Sie heute zum Beispiel ein PLM mit dem ERP verbinden, ganz typisch, oder ERP mit dem CAQ verbinden, haben Sie Domänenschnittstelle. Das heißt, wenn einer einen Releasewechsel macht, müssen die anderen alle nachziehen. Warum machen wir das überhaupt? Das liegt einfach daran, dass in der Kodierung heute die Domäne exponiert wird.

Wenn wir jetzt aber Schnittstellen bekommen, wo die Domäne nicht mehr in der Schnittstellestruktur drinsteckt, dann haben Sie eine Releaseunabhängigkeit über alle Systeme hinweg. Vielleicht darf ich es mal so ausdrücken. Im Unternehmen, wenn Sie einen ERP haben, und da kommt Ihr Hersteller und sagt, jetzt machen wir einen Releasewechsel, dann fahren Sie das System runter, und dann drei Tage später hoffen Sie, dass alles wieder funktioniert.

Auch hier nicht sagen, mit welchen Schmerzen das teilweise verbunden ist. Haben Sie schon mal gesehen, dass Google runtergefahren ist? Können Sie sich vorstellen, dass Google mal hingeht und drei Tage sagt, ich muss einen Releasewechsel machen? Ja, was ist jetzt da anders? Die Architektur ist anders. Wir haben heute in unserer Standardwelt monolithische Strukturen, und die monolithische Struktur ist in sich bekapselt.

Wir haben also keine offene Struktur, die eine verteilte Struktur darstellt. Microsoft hat das jetzt mal in den Microservices angeguckt. Dann kam eigentlich die Kapselung durch solche kleinen verteilten Systeme, und damit haben Sie die Möglichkeit, wenn Sie ein verteiltes, asynchrones System haben, das über Warteschlangen funktioniert, dass Sie Teile rausziehen können, und das System läuft im Ganzen weiter.

Vielleicht ein kleiner Prozess, der hat einen Verzögerungscharakter, aber keinen Charakter im Sinne eines Releasewechsels. Das wird auch in der Zukunft der Fall sein in Unternehmen, und es wird auch die Grenze zwischen Internet und Intranet verschwimmen. Machen wir ein Beispiel.

Im Rechtsbereich, wenn Sie zum Beispiel ein Gutachten bekommen, wenn Sie einen Verkehrsunfall haben, dann kriegen Sie das von außen. Dann gehen Sie hin und prüfen als Rechtsanwalt, was sagt die Versicherung zu dem Gutachten? Wenn Sie einen Verkehrsschaden haben, ist sie dafür oder dagegen? Zahlt sie den vollen Preis oder nicht? Da kommen Differenzen raus. Jetzt ist die Frage für einen Anwalt, wenn ich so eine Differenz habe, klage ich oder nicht? Da muss jetzt plötzlich hingehen, und da gibt es externe Systeme, die finden Sie überall, und die können Ihnen mit dieser Semantik sagen, da gibt es dieses Urteil, da gibt es jenes Urteil.

Die Grenze zwischen Internet und Intranet ist komplett verschwommen. Dann müssten Sie mit einer semantischen Suche hingehen und sagen, da haben wir für diese Gutachtendifferenz die und die Urteile schon gehabt, und wenn die Urteile da sind, ist es letztendlich die Entscheidung des Anwalts, das zu tun. Das wird im ERP und im CAQ und MES-Bereich die nächsten zehn Jahre genauso passieren.

Ich erinnere mich, dass wir mit RDF und entsprechenden Semantik-Web-Technologien bereits vor 20 Jahren im ersten Start-up experimentiert haben. Mit durchaus sehr positiven Erkenntnissen. Jetzt haben wir folgendes Problem.

Wünscht dir was, können wir ja alle machen. Ich bin ja Elfenbeinturm, ich darf das von Beruf aus. Aber das Problem ist natürlich, wenn ich solche großen Systeme habe, wie beispielsweise ERP, dann habe ich Entwicklungszyklen, die sind, ich sage mal, bis zum Return on Investment mindestens sechs bis acht Jahre Entwicklungsarbeit bei einem neuen System, plus mindestens einen zweistelligen Millionenbetrag.

Je nach Größe des Unternehmens kann das durchaus auch bis zum Milliardenbetrag, ich denke hier an ihren ehemaligen Arbeitgeber, reichen. Und das mache ich ja nicht alle fünf Jahre nochmal, weil ich sage, jetzt hat sich die Technologie dahin verändert. Also ist es überhaupt realistisch, dass wir irgendwann hingehen und sagen, jetzt gibt es kein ERP mehr in der eigentlichen Form, sondern es gibt jetzt nur noch eine Maske, über die die Automatisierung läuft und darunter ist die Semantik gekapselt und darunter ist entsprechend die Datenhaltung.

Das haben Sie so schön ausgedrückt. Das kann in die Milliarden gehen. Also wir werden keinen revolutionären Ansatz finden können, das geht gar nicht.

Der Investitionsschutz steht da für die Unternehmen im Vordergrund. Jetzt reden wir mal über das Thema Continuous Delivery, also wie kann ich quasi Release-Zyklen frei trotzdem eine Systemlandschaft liefern, wo ich keine Release-Levels mehr habe. Das heißt, die tut sich kontinuierlich verändern.

Das heißt, ich bin nicht mehr im monolithischen Bereich, ich habe nicht nur eine Datenbank, ich habe Hunderte, die alle miteinander kooperieren. Das ist auch ein fundamentaler Unterschied. Gerade wenn ich ADF mache, das geht alles nicht in eine rein, noch nicht, ist auch nicht das Ziel.

Aber das Interessante ist jetzt, wir werden natürlich, wenn wir automatisieren, gehen wir ja nicht hin und automatisieren gegen das ERP, sondern mit dem ERP. Das heißt, Sie können partiell bestimmte Business-Funktionen herausnehmen und die automatisieren. Das heißt, es ist überhaupt gar kein Zwang mehr da, den ERP abzulösen, sondern es kontinuierlich über der Zeit mit KI zu unterfüttern.

Das meine ich mit der Entwicklung von kontinuierlichen verteilten Systemen in der Zukunft. Und damit sind Sie auch nicht mehr in dieser Welt von traditionellen Release-Zyklen, weil das ist kontinuierlich, wenn ich das mal so verdeutzen darf. Jetzt haben Sie in der letzten Woche, erinnere mich noch dran, gesagt, naja gut, in Deutschland, in Europa, also die großen Tech-Unternehmen, die sitzen in den USA, in China, da haben wir wahrscheinlich bei der Entwicklung von KI-Algorithmik, ich will jetzt nicht sagen, den Anschluss verpasst, aber wir sind eher ein bisschen hinten dran, das ist auch sehr schwierig bei den großen Datentöpfen, die die dort haben.

Aber gleichzeitig haben wir eine Riesenchance eigentlich in der KI- Anwendungsdurchdringung, weil das ist das, wo wir tendenziell hier in Mitteleuropa, im deutschsprachigen Raum immer schon sehr stark waren. Es ist kein Wunder, dass die SAP als deutsches Unternehmen sozusagen die Betriebswirtschaft in die Welt gebracht hat, in Form von Software. Ich stelle mal eine etwas ketzerische Frage an der Stelle.

Wir sind dabei und schotten uns eigentlich durch Regulatorik ein bisschen ab hier in Europa. Also das große Stichwort ist die Datenschutz-Grundverordnung, die Europäische vorletztes Jahr in Kraft getreten. Ist das nicht eigentlich der Tod genau für so etwas, was Sie hier machen? Ist das nicht eigentlich der Tod für KI-Anwendungen, die wir hier vielleicht in Europa als Riesenchance auch begreifen können? Sehr schön haben Sie das formuliert.

Das ist unser tägliches Brot. Die DSGVO, wie Sie sagen, die Datenschutz-Grundverordnung, die wir hier haben, ist natürlich verwaltungstechnisch eine ziemliche Herausforderung für uns, auch speziell in der KI. Machen wir mal ein Beispiel.

Fast jeder Datensatz könnte irgendeinen Personenbezug haben, in irgendeiner Form. Ob da eine Adresse drin ist oder sonstige Dinge, wenn wir zum Beispiel für die Staaten Ausweise bearbeiten oder sonstige Dinge. Das sind hochkritische Dinge.

Jetzt gibt es aber zwei Welten, in denen wir uns bewegen. Gehen Sie mal in die chinesische Welt. Da gibt es keinen Datenschutz.

Da gibt es einen totalen Überwachungsstaat und die KI, die dort verwendet werden, wird eigentlich, ich weiß nicht, ob es immer so ein Überwachungsshowraum einer großen chinesischen Stadt gesehen haben. Das ist erschreckend, wie stark ein Staat die Überwachung seiner Bürger vorangetrieben hat mit KI. Das ist erschreckend.

Das wollen wir nicht. Und wenn wir das nicht wollen, hier in Europa, haben wir sowas wie eine DSGVO. Weil wir aber in Europa immer alles sehr gründlich machen, haben wir total übers Ziel geschossen mit dieser DSGVO.

Ich mache mal ein Beispiel. Der neue Versicherungsstaat, da kommt der Versicherungsmensionär her und sagt, ich muss erst das Ding unterschreiben. Ich sage, ich habe doch einen Schaden, das ist doch jedem bekannt.

Ja, er darf es nur bearbeiten, wenn ich ihm das Ding unterschreibe. Dann sage ich ihm, was ist, wenn ich es nicht unterschreibe? Ja, dann haben Sie keinen Versicherungsschutz mehr. Dann sage ich zu ihm, aber wir haben doch einen Vertrag.

Da stand es doch gar nicht drin. Also das sind solche Stilblüten, die da dabei rauskommen. Für uns als KI-Firma ist das unser tägliches Brot.

Wir haben am Anfang, wenn wir KI machen, einen riesen Verwaltungsaufwand, um die DSGVO zu machen. Jetzt ist es nicht der Tod, sondern wir müssen mit etwas leben, das auch Vorteile hat. Und die DSGVO hat Vorteile.

Dass sie so extrem überzogen ist, ist ein Nachteil. Vielleicht können wir das korrigieren. Aber es ist besser, mit einer DSGVO zu leben, als in China.

Das ist jetzt schön ausgedrückt. Ich gehe da doch trotzdem noch mal rein. Also ich habe so ein Schlagwort, das nennt sich üben, üben, üben.

Oder ich drücke es mal vielleicht anders aus. Wir haben ja momentan die große Corona-Problematik. Ein neuartiger Virus, der auf Würze fällt, die völlig unbeleckt sind und sich damit hervorragend verbreiten kann.

So, wenn ich das jetzt mal übertrage in die KI-Welt. Wir haben hier in Europa wahnsinnige regulatorische Vorgaben. In anderen Teilen der Welt haben wir sie überhaupt nicht.

Das heißt, die Unternehmen vor Ort in China, in den USA, die können letztendlich an neuen Geschäftsmodellen üben, üben, üben. Verstehen, verfeinern, weiterentwickeln. Und irgendwann wird man feststellen, dass wir diese Geschäftsmodelle in Deutschland in Europa vielleicht auch gerne hätten.

Und wird die Regulatorik vielleicht lockern. Und dann schwappt etwas rüber, mit dem wir uns hier noch gar nicht auseinandergesetzt haben, oder? Tja, das kann man so sehen. Jetzt unterscheiden Sie mal ein bisschen die KI in drei Grundbereiche.

Der erste ist autonomes Fahren. Tun Sie das mal weg. Okay, also alles, was Sie heute im KI-Bereich haben, was Fahrzeugtechnik angeht, die lassen wir jetzt mal weg.

Es gibt aber noch zwei andere KI-große Klassen. Das eine ist die KI im sozialen Netzwerk. Und da sind die Amerikaner und die Chinesen abartig stark.

Da kommen wir auch nicht mehr hinterher. Und dann gibt es die KI im Unternehmen in den wertschöpfenden Prozessen. Und wir sind heute schon in Europa, in Deutschland, genauso dran, neue Geschäftsprozesse aufzubauen, neue Geschäftsfelder aufzumachen, die wir früher hier gar nicht hatten.

Und da sind wir genauso in der vordersten Linie, wie es die Chinesen oder die Amerikaner sind. Beziehungsweise, wir sind alle in den gleichen Startlöchern. Ich mache mal ein Beispiel dafür.

Wenn Sie heute einen Verkehrsunfall haben, bei dem Verkehrsunfall gehen Sie in eine Werkstatt und dann kriegen Sie einen Rechtsanwalt empfohlen und dann geht die ganze Arie los mit Gutachten, Gegengutachten etc. Macht alles der Rechtsanwalt. Es nennt sich ein Commodity-Markt.

Das muss eigentlich jeder Rechtsanwalt machen. Ist hochregulativ organisiert. Da steht genau drin, wenn ich mit dem Fiat 500 einen Autounfall habe, dann kriege ich den Betrag.

Und wenn ich mit Porsche einen habe, kriege ich den Betrag. Also richtig lukrativ ist das für die Rechtsanwälte nicht. Und der Aufwand ist immer der gleiche.

Wenn wir jetzt aber hingehen würden und sagen, wir machen jetzt ein Ökosystem auf, in dem wir Rechtsanwalts Funktionen zum Beispiel für den Verkehrsunfall allgemein zur Verfügung stellen. Der Rechtsanwalt dockt sich an, schickt die Dokumente dahin, kriegt eine Empfehlung, ob das funktioniert. Das heißt, der ganze Business-Prozess wird über einen Automaten abgewickelt und der Mensch, der Rechtsanwalt, der einzelne Rechtsanwalt hat den Nutzen davon.

Jetzt können Sie sich mal vorstellen, es gibt in Deutschland ungefähr 2,5 Millionen Fälle und die meisten Rechtsanwaltspraxen sind kleiner als 5 Leute. Also die können alle keine KI machen. Aber wenn man KI quasi als kommunale Struktur zur Verfügung stellt und das nennt sich Ökosystem, dann haben plötzlich alle was davon und wir kriegen den Prozess automatisiert, die Effizienz gesteigert und die Durchlaufzeiten bei den Rechtsanwälten auch noch verbessert.

Und das ist ein Geschäftsprozess, der neu hochkommt, der quasi als kommunaler Prozess in allen Rechtsanwaltskanzleien ja den Vorteil hat. Und solche Ökosysteme, die werden uns in den nächsten Jahren vollständig bestimmen. Wo quasi Dinge so automatisiert werden, auch nicht mehr lokal bei sich im Unternehmen, wie wir das heute on-premise kennen, sondern die laufen in Cloud-Systemen ab, ob sie jetzt privat sind oder ob sie public sind, spielt überhaupt keine Rolle, so wird es funktionieren.

Und insofern haben wir den Vorteil, dass wir in der Zukunft genauso neue Geschäftsprozessmodelle herausbringen, wie alle anderen auch. Und da sollte auch die Forschung hingehen. Herr Dr. Metcalf, ich habe Ihnen ganz andächtig zugehört, weil Sie haben angefangen mit sehr methodischen, sehr grundlegenden Dingen, haben gesagt, in sozialen Netzwerken, KI in sozialen Netzwerken, da werden wir die mit den großen Datenmengen überhaupt nicht einholen können, aber wir können das eben im Bereich der Wirtschaft, Verwaltungsinformatik, Wirtschaftsinformatik, ich fand das so schön, ich mache Sie noch zum Wirtschaftsinformatiker.

Das ist aber auch die Wahrheit, Herr Professor, das haben wir so gesagt, das ist die Wahrheit. Ich sage das ja auch immer, aber man glaubt mir das immer nicht, weil ich natürlich rein objektiv bin bei dem, was ich sage. Lassen Sie uns abschließend nochmal auf Sie zurückkommen, meine Blitzlichtrunde so zum Abschluss.

Ich glaube, man merkt mit jedem einzelnen Satz, warum Sie beruflich das geworden sind, was Sie heute sind, aber vielleicht können Sie mit eigenen Worten nochmal sagen, was treibt Sie an? Gute Frage. Also als ich in die SAP gekommen bin, habe ich gesehen, mit welchem Aufwand wir, mit welchem Aufwand wir eigentlich Software heute bauen. Als ich in den USA war und habe mich mal mit dem Thema Design Pattern beschäftigt und gesehen, wie man quasi Software bauen kann, die A, die Denkstruktur des Programmierers nicht hervorhebt.

Sie kennen das aus dem ERP, machen wir mal ein Beispiel. Wenn Sie eine Bestellung machen oder ein Angebot, ist das ziemlich ähnlich. Das eine ist angangsseitig, das andere ist ausgangsseitig.

Da sitzen zwei Programmierer dran mit zwei Domänenstrukturen und jeder hat die Businessfunktion ein bisschen anders programmiert. Die erste Frage, warum brauchen wir denn das doppelt? Wir können das mit der gleichen Grundstruktur, wenn man die Domäne trennt, eigentlich doch einfach machen. Und das Problem mit diesen exponierten Denkstrukturen von Entwicklern haben sie dann, sie müssen das programmieren, sie müssen es schulen, die Unternehmen müssen das einführen und wenn es da eine Änderung gibt, müssen sie sich darauf einstellen.

Und diese Ineffizienz in der Softwarestruktur, das hat mich immer angetrieben. Und wenn Sie über Generika dann nachdenken, dann stellen Sie plötzlich fest, Sie haben zwei Vorteile. A, der gesamte Einführungsaufwand wird auf den Bruchteil runtergefahren, B, der Codierungsaufwand wird auf den Bruchteil runtergefahren und der Nutzen wird maximiert.

Und das ist der Antrieb. Okay. Gibt es da bestimmte Eigenschaften, die man besonders gut brauchen kann? Hat Ihnen Ihr Studium da besonders geholfen? Hat Ihnen Ihre Startup-Mentalität besonders geholfen? Schwierig zu sagen.

Ich kann Ihnen mal sagen, was mich am meisten geprägt hat, das war meine McKinsey-Zeit. In McKinsey mussten wir, wir waren ja nicht die beliebtesten, Sie können sich ja vorstellen, wenn Sie als McKinsey in ein Unternehmen reinkommen, mussten Sie ja versuchen, Wissen zu extrahieren und daraus Rückschlüsse zu ziehen, egal mal in welcher Art. Wir haben aber damals sehr, sehr systematisch gelernt, sowas zu tun.

Ich weiß nicht, ob Sie Barbara Minto-Prinzipien kennen als Beispiel. Das heißt, Sie müssen Wissen so extrahieren, dass es so runterstrukturiert ist, dass Sie auch als Nicht-Fachmann eine Möglichkeit haben, da mitzureden. Und das haben Sie uns bei McKinsey in die Köpfe geschossen.

Und das ist ein Grundprinzip der KI. Wenn wir heute in ein KI-Projekt reingehen, dann gehen wir erst mal mit einer Wissensextraktion dran. Das müssen wir auch, weil ein Automat hat keine Assoziationsfähigkeit, wie wir Menschen, schon keine Emotionalitätsfähigkeit wie wir Menschen, also müssen wir uns auf die Strukturinformation beschränken und solche Methoden haben wir damals schon angewendet, das war sicherlich ein Grundstein. Also für alle Zuhörer natürlich alles, was hier im Podcast genannt wird, werden wir in den Shownotes verlinken, also schauen Sie ruhig mal in die Shownotes oder schauen Sie auf unsere Webseite erp-podcast.de, dort findet sich immer eine Unterseite für die jeweilige Folge und wir werden entsprechend alles verlinken. Gibt es, weil Leben ja lebenslanges Weiterlernen auch bedeutet, bestimmte Bücher oder bestimmte Informationsquellen, die Sie gerne nutzen, die Sie weitergebracht haben, die Sie uns empfehlen können? Also es gibt einmal dieses Grundbuch von Barbara Minto, das Pyramidenprinzip, das ist sicherlich ein grundlegendes Buch, das man übrigens schon in der Schule anwenden kann, das tun wir nur leider nicht, dann würden wir wahrscheinlich unsere Schulnoten bei manchen schon verbessern, weil Abstraktionsbasiertes Wissenserlernung ist auch schon viel einfacher, als wenn Sie das versuchen mit heutiger Methodik zu machen.

Das Buch kann ich jedem empfehlen, der schon in der Schule ist, an den Universitäten sowieso, weil sie einfach schneller lernen und es sich besser behalten können. Dann gibt es weitere Bücher, da gibt es einige schöne Bücher im KI-Bereich, die kann sich jeder mal selber angucken, je nachdem, wie tief er drin ist, aber es gibt so schöne Bücher, KI für Dummies heißt es, Sie kennen wahrscheinlich die Buchserie, wo Sie sich mal ein bisschen Gedanken machen können und sich auch mal auseinandersetzen können mit den unterschiedlichen schattierten Betrachtungsweisen über die KI. Das von KI ist das Allheilmittel bis zu KI ist eine ganz schlechte Technologie, die uns Menschen die Arbeit wegnimmt, da finden Sie alle Schattierungen und Bemerkungen dazu.

Gibt es in Ihrem täglichen Arbeiten irgendwelche Internetdienste, die Sie eigentlich täglich anschauen, sich informieren? Da machen wir es so täglich, würde ich jetzt nicht sagen, weil wir haben ja täglich mit Kunden zu tun und es bleibt auch gar nicht die Zeit, aber wir haben in der Zwischenzeit etwas, was ich ganz hoch schätze, durchaus auch mal kritisch, aber unsere Wissensstrukturen, die wir heute in Wikipedia haben, die sind schon oft sehr hilfreich, nicht immer, aber oft. Was viele Leute auch nicht wissen, es gibt DB-Pedia, das kennen die Wenigsten, das ist die RDF-Struktur von Wikipedia und das wissen die allerwenigsten Leute, das heißt, Sie können sich quasi das gesamte Wikipedia-Wissen über eigene Abfrage, über RDF-Abfrage heute zu Nutze machen. Und jetzt fragen Sie mal Ihre Studenten, die das schon wissen, wenn Sie in die Unternehmensstudien, da weiß es keiner.

Das heißt, alles Wissen, was wir eigentlich dort schon haben und da ist ja viel, viel Fundamentales drin, wenn Sie heute schon in Ihrem Unternehmenswissen, für wen Sie RDF machen. Also insofern sind die Internetseiten von Wikipedia schon hilfreich. Ich werde, also wir haben jetzt gerade Semesterferien, aber ich werde im nächsten Semester mal fragen und werde dann im Podcast entsprechend berichten, ob die Leute diese Strukturen kennen.

Gerne. Wenn wir jetzt schauen, Berufswelt, Herausforderungen von Unternehmenssoftware. Wir haben darüber gesprochen, wie schwierig das vielleicht auch sein kann, in bestehende Systeme so eine Struktur einzuziehen.

Also, man wird sicherlich immer eine darunterliegende Schicht haben, wie Sie das jetzt auch definieren und entwickeln. Aber wo ist die ganz große Herausforderung für Unternehmenssoftware? Wie Herr Fahrer schon mal gesagt hat, ich glaube nicht, dass es eine Herausforderung ist im revolutionären Bereich. Die Herausforderung für Unternehmenssoftware heißt, dass die Softwareanbieter sich mal systemisch mit dem Thema KI beschäftigen.

Gehen Sie mal heute in den Mittelstand rein, in die mittelständische ERP-Welt, da finden Sie ja gar nicht das Wissen. ERP-Entwickler, glauben Sie, ich kenne viele aus unterschiedlichen ERP-Häusern und ein KI-Entwickler, das sind zwei paar Stiefel, und zwar völlig unterschiedlich. Und um überhaupt KI generisch zu entwickeln, brauchen Sie eine ganz andere Wissensstruktur, als wenn Sie das im ganz normalen ERP entwickeln.

Die Frage ist also, wie kann eine Transition evolutionär stattfinden für solche Unternehmen, die es schaffen, es selbst zu machen oder mit Plattformen, so wie wir sie anbieten, zu machen. Das muss jeder für sich selber wissen. Aber diese Evolution wird die nächsten zehn Jahre die Entwicklungslandschaft für Unternehmenssoftware bestimmen.

Jetzt haben Sie gesagt ERP-Hersteller oder ERP-Programmierer auf der einen Seite, anderes Mindset, andere Denke als der typische Entwickler im KI-Umfeld. Jetzt ist das aber eine Gattung, die läuft nicht wie Sand am Meer durch die Straßen, sondern ist eher selten zu finden. Mein Plädoyer wäre ja immer, und wir entwickeln ja auch gerade ein Gebäude direkt an der Uni, also möglichst dicht an die Uni dran zu kommen mit einer Dependanz des Unternehmens, um eben direkt mit Lehrstühlen, um direkt mit Studierenden, mit zukünftigen Arbeitnehmern arbeiten zu können.

Wie gehen Sie selber damit um? Wo holen Sie Ihre Fachkräfte dafür her? Das machen wir in der Forschung. Wir arbeiten heute mit dem IPA in Stuttgart, wir arbeiten mit der Universität Dresden, wir arbeiten mit der Universität Paderborn, wo relativ gute KI-Lehrstühle schon sind. Ich denke mal an den Professor Axel Gonger in Paderborn, an den Marco Huber im IPA in Stuttgart zum Beispiel.

Da machen wir gemeinsame Projekte übrigens mit kleinen und großen Firmen. Und ich hoffe auch, dass wir mit der Universität Würzburg da auch mal ganz gut zusammenkommen. Da rekrutieren wir.

Was man aber auch wissen sollte, wenn Sie heute einen Start-up machen im KI-Bereich, dann müssen Sie zwei Dinge komponieren. Das eine ist, die richtigen KI-Entwickler. Das andere ist aber die richtigen Unternehmensentwickler und die richtige Entwicklungsstrategie.

Sonst haben Sie das Problem, dass Sie zu den 98 Prozent gehören, die nach fünf Jahren nicht mehr da sind. Also das Wissen allein, wie man KI entwickelt im Sinne von Algorithmen, macht noch lange kein Produkt. Also es bleibt spannend.

Wir werden Sie weiter verfolgen. Ich würde mich auch sehr freuen, wenn Sie einmal wieder hier in dem Podcast zu Wort kommen würden, sich die Zeit nehmen. Sie sind ja schon einmal in einem anderen Kontext zu Wort gekommen, ganz am Anfang unserer Podcast-Reihe.

Ich habe jetzt die Folge gar nicht mehr im Kopf. Ich werde sie aber verlinken in den Shownotes. Wir werden auch alles andere verlinken, was hier schon gelaufen ist zum Thema Schnittstellen, zum Thema Unternehmensdatenfundament, weil ich glaube, das, was wir heute besprochen haben, ist ganz essentiell, ist ganz wichtig für die Zukunft von ERP oder generell von Unternehmenssoftware.

Insofern danke ich Ihnen, Herr Dr. Möckesch, sehr, sehr herzlich für diese Folge, für das Interview, was wir gemacht haben. An der Stelle, ich bin raus. Die letzten Worte hat wie immer mein Studiogast.

Herzlichen Dank und Ihre letzten Worte. Ich darf mich auch ganz herzlich bei Ihnen bedanken, Herr Professor Winkelmann. Ich freue mich, wenn wir mal ein bisschen näher noch zusammenarbeiten können.

Das würde mich sehr freuen. Insofern bin ich ganz happy über diesen Podcast, dass Sie mir die Möglichkeit gegeben haben, hier ein bisschen was zu erzählen. Vielen Dank.

Ebenso. 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 im 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.