BLOG (German)

Ist “digital” nun die Pizza? Oder nur die Salami darauf? Als unkonventioneller Transformations-Koch mit Senior Executive Erfahrung in vier multinationalen Konzernen beantworte ich diese Frage seit jeher. Was ich erlebe, woran ich scheitere und auch was funktioniert, serviere ich hier. Guten Appetit!


Aktuelle Artikel nach Thema


Letzte Artikel zum direkten Lesen

Meine Oma erklärt Ad-Tech und Precision Advertising.

Junge, Ad-Tech funktioniert genau so wie de Omma ihr Laden früher. Jetzt pass genau auf.

Oma Schmidhuber, stolze Ladenbesitzerin und Ad-Tech-Expertin

Meiner Oma gehörte früher ein kleiner Gemischtwarenladen im Nachbardorf. Nichts Großes. Die meisten Kinder im Dorf haben den Laden belagert, um gemischte Tüten für eine Mark zu kaufen oder um im Sommer ein Wassereis zu schnorren. Manchmal gab es das sogar in Lila! Dann bin ich ja immer ausgeflippt vor Begeisterung. Ansonsten das Übliche: frische Brötchen, geliefert vom Bäcker zwei Straßen weiter, Grundzutaten zum Kochen und Backen sowie Obst und Gemüse vom Bauern im Dorf.

Was Omas Laden mit Ad-Tech zu tun hat

Vor Kurzem habe ich mich mit ihr über die alten Zeiten unterhalten, und da fiel mir auf: Eigentlich ist Omas alter Laden genauso wie „Precision Advertising“ und „Ad Tech“. Ich versuche mal, den Dialog nachzustellen – mit vertauschten Rollen: Meine gute Omma ist jetzt der Ad-Tech-Experte.Find’ ich lustiger. 



Oma: Also, Kaichen, mein Jung’, nimm erstmal ein Wassereis aus der Kühltruhe. Du wirst nen kühlen Kopf brauchen!

 

Kai: Okay. Hast du lila? 



Oma: Nein, Jungchen! Da is so viel Farbstoff drin, davon wirst du immer so unruhig und die Zähne schwarz! Nimm lieber Zitrone.



Kai: Na gut. Aber Oma, jetzt sag doch mal: Wie funktioniert das mit dem “Ad-Tech” und mit dem „Precision Advertising“? Und was hat das mit deinem Laden zu tun?



Oma: Und warum liegt da Stroh rum? Scherz, Junge! Also: Nehmen wir an, Frau Schneider von gegenüber will ein paar Lebensmittel kaufen. Dann muss sie sich natürlich zuerst entscheiden, in welchen Laden sie gehen will. Frau Schneiders Wahl könnte ja zum Beispiel auch auf den Hofladen von Bauer Kolle fallen. Natürlich kommt sie aber zu Omma in den Laden. 



Merke:
 

Frau Schneider ist der Werbetreibende. Und die Lebensmittel sind die Werbeflächen, die man kaufen kann. Bei Omma im Laden.

Kai: Aha, okay. Das ist einfach. Oma, mein Eis tropft. Hast du ein Tuch? 



Oma: Hier, bitte. Und jetzt weiter im Text: Mein Lebensmittelgeschäft würde man im Ad-Tech-Business „DSP“ nennen, oder die „Demand Side Platform“.

 

Kai: Also ist das der Ort, an dem ich die Lebensmittel – ich meine die Werbeflächen im Internet – kaufen kann? 

Oma: Blitzmerker! Ja, Kaichen. Hier, wisch dir mal den Mund ab. Genau wie in Lebensmittelgeschäften gibt es viele verschiedene DSPs zur Auswahl. Sie alle führen grundsätzlich das gleiche Produkt (Werbefläche), aber jeder von ihnen hat ein etwas anderes Branding und bietet ein etwas anderes Kauferlebnis. 



Kai: Und bei dir war es ja nun wirklich immer am besten! 



Oma: Stimmt! Kommen wir nun zum nächsten Schritt. Als Lebensmittelgeschäft (DSP) muss ich meine Regale mit Lebensmitteln füllen, die Frau Schneider kaufen will. Dazu muss ich die Lebensmittel und Waren bei Händlern bestellen, zum Beispiel beim Bäcker Meuser oder Bauer Spix. Um eine breite Palette von Lebensmitteln anbieten zu können, muss ich natürlich Lebensmittel und Waren von vielen verschiedenen Händlern anbieten. Ich bestell’ datt aber nich direkt bei denen, sondern über den Großhandel. Datt is dann billiger für de Omma.

 

Merke: 


Auf der Ad-Tech-Seite befindet sich die Rolle des Großhandels, auch Distributor genannt, die SSP (Supply Side Platform).

Kai: Alles klar. Verstehe ich. DSP und SSP. Easy! Wie geht es weiter?



Oma: Die Distributoren (SSP) müssen mit Landwirten und Herstellern zusammenarbeiten, damit sie ihre Waren an die Lebensmittelgeschäfte verkaufen können. Jeder Vertriebspartner arbeitet mit vielen Betrieben und Herstellern zusammen. 

Also:
 Die Farmen, Bauernhöfe, Bäcker und Hersteller sind Verlage und Websites, die im Ad Tech die Werbung verkaufen.



Die Agenturen kommen ins Spiel

Kai: Aber irgendwann ist Frau Schneider ja nicht mehr selbst zum Einkaufen gekommen, oder? 



Oma: Ja, da haste recht. Irgendwann war ihr datt alles zu viel, und sie hat ihren Neffen Horst gebeten, die Einkäufe für sie zu erledigen. Der hat dann immer nen Heiermann dafür bekommen. 



Kai: Und genauso läuft es auch im Ad-Tech-Business? 



Oma: EXAKT! Frau Schneider, die Werbetreibende, hat jemanden eingestellt, der für sie die Werbeflächen einkaufen geht. Datt is im Ad Tech die Rolle der Agentur. Ihre Expertise wird dabei helfen, herauszufinden, in welches Lebensmittelgeschäft Frau Schneider gehen sollte, und auch dabei, den besten Preis für die Lebensmittelwerbeflächen zu erhalten. 

Zumindest in der Theorie.

Kai: Verstehe ich. Das ist ja wirklich einfach!

 

Oma: Naja. Jetzt wird es aber ein wenig knifflig. Und Du hast ja nicht mal Abitur, Junge. Ich erkläre es jetzt mal für Schulabbrecher: 

Es gibt zwei (ziemlich große) grundlegende Unterschiede zwischen der Wertschöpfungskette des Lebensmitteleinzelhandels und die von Ad Tech: die Anzahl der Produkte und ihre Haltbarkeit.

 Denn: 
In einem Lebensmittelgeschäft können 5.000 oder 10.000 verschiedene Produkte (Lebensmittel) zur Auswahl stehen. In der Wertschöpfungskette der Werbetechnik stehen jedoch mehr als 100 Milliarden verschiedene Produkte (Werbeflächen) zur Auswahl.
Im Lebensmittelgeschäft brauchen Produkte in der Regel Wochen oder Monate, um abzulaufen – das gibt den Käufern viel Zeit, in den Laden zu gehen, sich umzusehen und auszuwählen, was sie wollen. In der Ad-Tech-Wertschöpfungskette werden Produkte verfügbar und laufen innerhalb von etwa 100 Millisekunden ab – viel zu schnell für einen Menschen, um den Einkauf manuell durchzuführen.


 

Kai: Das ist ja krass! Aber wie, bitte schön, soll das denn dann funktionieren? 



Oma: Aufgrund dieser Unterschiede können Menschen programmatische Werbung nicht effektiv von Hand kaufen, sie müssen ein Werkzeug benutzen, eine Computersoftware. Das macht den DSP besonders: Es ist nicht nur der Ort, an dem die Käufer Anzeigen kaufen; er ist auch in der Lage, aus den Millionen von verfügbaren Produkten auszuwählen und innerhalb von 100 Millisekunden zu reagieren. 

Was hat jetzt Horst damit zu tun?

Kai: Und das macht dann auch der Horst, also der Neffe von Frau Schneider? 



Oma: Datt denk’ ich nich, mein Jung’. Es gibt in der Ad-Tech-Branche oft eine Gruppe von Leuten (häufig innerhalb der Agentur), die sich auf „programmatisches Trading“ spezialisiert hat – wir nennen das den „Trading Desk“. Und aufgrund der Unterschiede zwischen meinem Laden und der Ad-Tech-Branche existiert dieser Schritt bei Lebensmitteln auch nicht wirklich. Aber wenn doch, wäre es eine Art „Einkaufsspezialist“, der mit dem Horst zusammenarbeitet.

 

Kai: Kann ich noch ein Eis? 



Oma: Kai! Du mähst jetzt erstmal Ommas Rasen! Und danach gibt es lecker Kuchen vom Bäcker Meuser. Und hier sind noch ein paar Fragen für dich zum Drüber-Nachdenken, während du datt Unkraut aus Ommas Einfahrt kratzt:



  • „Was ist mit Lebensmittelkäufern, die selbst einkaufen wollen (ohne einen professionellen Käufer)?“

  • „Wie wäre es, wenn Farmen und Hersteller direkt an den Lebensmitteleinkäufer verkaufen, wie ein Bauernmarkt?“
  • „Wie stellen die Farmen und Hersteller sicher, dass sie an den Händler verkaufen, der ihnen den höchsten Preis bietet?“


-ENDE-

Neuronale Netze – einfach verstehen beim Kochen. Am Beispiel der Feuersuppe. Lecker!

Was ist ein neuronales Netz? Die Fachleute erklären dann immer väterlich: „Hey, das funktioniert genauso wie das menschliche Gehirn.“ Woher soll ICH wissen, WIE mein Gehirn funktioniert? Jetzt mal ehrlich. Ich erkläre Ihnen das lieber an einem Kochtopf.

 Kai Schmidhuber, Digitalkoch

Schon einmal einen Suppenkochtopf programmiert? 

Angenommen, Sie möchten einen selbstkochenden Suppenkochtopf programmieren, um die Temperatur der Suppe zu kontrollieren, den Hitzeregler am Herd zu regulieren und, wenn die Suppe fertig ist, alles abzuschalten. Außerdem darf natürlich nichts anbrennen, geschweige denn Ihr Haus abfackeln, wenn die Suppe vor sich hin köchelt, während Sie ein Nickerchen auf der Couch machen. Und unangenehm riechen soll das Ganze auch nicht. Der Dunst muss abgezogen werden. Sonst lockt das nur die Nachbarn an, die sich wieder mal zum Essen einladen. 

Sie haben dazu eine Reihe von Sensoren:
 

  • einen Sensor, der in der Dunstabzugshaube installiert ist,

  • einen Sensor, der direkt im Kochdeckel integriert ist,

  • einen Rauchmelder an der Küchendecke und

  • ein Thermometer, das im Kochtopf verbaut ist.

Damit wollen wir jetzt eine Mexikanische Feuersuppe kochen. 

Wenn Sie als neuronaler Netzwerker oder Techniker nun wüssten, was Sie tun, würden Sie vermutlich den Rauchmelder mit einer Löschanlage (nehmen wir an, Sie haben so etwas) verkabeln, sodass, wenn etwas wirklich brennt, diese sofort anspringt und per Wassersprinkler löscht. 
Ebenso würden Sie das Thermometer im Kochtopf sicherlich mit dem Hitzeregler des Herdes verkabeln, sodass er automatisch herunterregelt, wenn die Temperatur zu hoch ist. 



Hier ist ein Diagramm, das die Sensoren auf der linken Seite und die Aktoren (Geräte, die Veränderungen ausüben können) zeigt. Die Kreise sind Verbindungspunkte für die Leitungen, die wir Knoten nennen werden.

(c) Kai Schmidhuber
Sensoren links und “Aktoren” rechts

DAS PROBLEM


Aber nehmen wir an, Sie wissen ganz und gar nicht, wie man kocht. Nie gelernt. Nie zugeschaut. Geheimwissenschaft für Sie. Wie würden Sie die Sensoren dann verkabeln? Was Sie sicher tun könnten, ist, dass Sie alle Sensoren an alle Aktoren anschließen. So wie früher die Hi-Fi-Anlage. „Hmmm … irgendwo muss das Kabel doch rein …?“

(c) Kai Schmidhuber
Alle Sensoren sind jetzt mit allen Aktoren verbunden

Und jetzt kochen Sie die Mexikanischer Feuersuppe. Probieren Sie es aus. Alles anschalten und dann warten.

Küche abgefackelt? 

Wahrscheinlich. 

In der Tat, denn das Verhalten des Kochtopfes und der Suppe und wie sich die Sensoren aktivieren, wird nämlich nicht wirklich vorhersehbar sein

Jetzt experimentieren Sie einfach mal ein bisschen mit den Drähten herum. Sie könnten auch mal versuchen, Drähte mit unterschiedlicher Leitungsfähigkeit zu verwenden. Versuchen Sie es noch ein paar Mal. Und kochen sie. Vielleicht brennt es jetzt schon nicht mehr. Und wenn es weniger anbrennt, sind wir auf dem richtigen Weg. 

Und wir probieren weiter. Mexikanische Feuersuppe kann man schließlich nie genug im Haus haben. Wenn Sie dies lange genug tun, werden Sie schließlich eine Konfiguration finden, bei der überhaupt nichts abfackelt. Vielleicht sieht sie so aus.

(c) Kai Schmidhuber
So brennt Ihnen die Feuersuppe nicht an. Und ihr Haus vom Brandschaden verschont.





Ziemlich simpel, aber erst mal effektiv: Der Sensor im Dunstabzug erkennt, ob der Kochtopf dampft. Und schaltet dann den Dunstabzug an. Wenn der Rauchmelder üblen Brand-Rauch schnuppert, gibt er ein Signal an die Löschanlage. Wasser marsch. Und wenn es im Topf zu heiß wird, reguliert sich der Hitzeregler runter. 

Das ist Ihr erstes neuronales Netz! Herzlichen Glückwunsch!

ABER: damit haben wir die Aufgabe ja noch nicht gelöst. Bisher haben Sie keine Kombination von Kabeln finden können, die den Kochtopf dazu bringt, das zu tun, was Sie wollen – nämlich eine wirklich leckere Suppe kochen, alle Zutaten richtig zu garen, im richtigen Moment die Temperatur runterzuschalten und so weiter. 

Das neuronale Netzt wird schlauer

In diesem Fall fügen Sie weitere Drähte hinzu, die in Schichten angeordnet sind. Die Zwischenknoten aggregieren elektrische Signale und kombinieren sie, bevor sie weitere elektrische Signale weiterleiten. Hä??? Ja, ich meine das so:

(c) Kai Schmidhuber
Sie haben Zwischenknoten in Ihr neuronales Feuersuppenkochtopfnetz eingefügt. Sie sind SO SCHLAU!

OK, nehmen wir an, Sie wollen, dass der Hitzeregler runterreguliert, wenn die Temperatur über 80 Grad beträgt. Es sei denn, der Sensor im Kochtopfdeckel erkennt, dass die Suppe noch nicht wie gewünscht leicht blubbernd simmert.


 Dann sähe das so aus:

(c) Kai Schmidhuber
Wir kommen der Sache näher. Schlauer Kochtopf. Nennen wir ihn “Neuromix”


Und jetzt fügen wir zur Sicherheit noch den Rauchmelder und die Löschanlage hinzu. Denn unsere Wohngebäudeversicherung deckt Brandschäden aus selbst gemachten neuronalen mexikanischen Feuersuppen-Netzen nicht ab. Und die Dunstabzugshaube brauchen wir auch noch. Es soll ja nicht so streng riechen im ganzen Haus. Vielleicht sieht das dann so aus.

(c) Kai Schmidhuber
Neuronales Netz für automatisierte Zubereitung von Mexikanischer Feuersuppe. Wo ist mein Nobelpreis?



Ab jetzt geht es zum Training


Natürlich wissen wir nicht, ob das wirklich so funktionieren würde. Deswegen müssen wir jetzt unser Netz trainieren. Denn nur durch Training können wir herausfinden, welche Knoten wir verbinden müssen und mit welchen Arten von Drähten für jede Verbindung zwischen den Knoten wir arbeiten müssen. Ohne ins Detail zu gehen, führen wir beispielhaft einige Eingaben – verschiedene Kochsituationen – in das Netzwerk ein und prüfen dann, ob der Kochtopf das Richtige getan hat. Eine bestimmte Kombination von Signalen der Sensoren ist nur ein mögliches Szenario von vielen. Wir messen dann, ob die Aktoren (also Dunstabzugshaube, Löschanlage, Hitzeregler) richtig reagiert haben. 

Und so probieren wir das neuronale Netzwerk in vielen Szenarien aus und optimieren es nach jedem Mal. Natürlich können spätere Optimierungen frühere Optimierungen vermasseln, sodass Sie alle Szenarien, die Sie sich nach der Anwendung aller Optimierungen ausgedacht haben, erneut im Netzwerk ausführen sollten. Wenn Sie dies oft genug tun, wird das Netzwerk in allen Szenarien immer besser.

(c) Kai Schmidhuber
Genauigkeit unseres neuronalen Netzes. Und ja: ich kann wirklich nicht zeichnen.

Fertig! 

Sie haben jetzt das Prinzip, Funktions- und Vorgehensweise neuronaler Netze verstanden. Sehen Sie, ganz einfach. Funktioniert genau so wie unser Gehirn. Nur eben mit mexikanischer Feuersuppe. GLÜCKWUNSCH!

Schimmel im Keller. Die drei Digitalisierungs-Fails.

Digitalisierung ist ungefähr so nützlich wie ein Regenschirm in der Autowaschanlage.

Kai Schmidhuber

Nach jahrelanger Arbeit an der digitalen Transformation in Unternehmen ist es an der Zeit, mein persönliches Zwischen-Fazit zu ziehen – und mich der powerpointverklärten Realität zu stellen. Ich habe so viele Events, Kongresse und “Happenings” besucht, Keynote-Präsentationen und Best-Practice-Offenbarungen anderer Unternehmen gehört. Meine Meinung dazu, sinngemäß nach dem Spruch vom glänzenden Gold: Nicht alles ist digitalisiert, das blinkt! Und konkret: Die reine Digitalisierung ist ungefähr so nützlich wie ein Regenschirm in der Autowaschanlage. Doch woran liegt das? Was sind die häufigsten Fehler, die passieren? Eine sinnbildliche Bestandsaufnahme:

Fehler 1: Wenn’s im Keller schimmelt, sprenge ich ihn in die Luft.

Ich bin kein Heimwerker, aber ich versuche es mit diesem Vergleich: Nehmen wir an, Ihr Keller wird überwuchert mit Schimmel. Schlimm genug. Wäre Ihre erste Reaktion, den Keller zu sprengen, um auf diese drastische Weise dem Schimmel den Garaus zu machen? Wahrscheinlich nicht, oder? Nein. Sie würden zunächst einmal der Ursache des Schimmels auf den Grund gehen und diese nach Möglichkeit beheben. Simpel. Übertragen auf Unternehmen verhält sich das in etwa so, beispielsweise in der Musikbranche: Konsumenten hatten irgendwann einfach keine Lust mehr, ganze Alben zu kaufen. Sie wollten einen oder zwei Songs daraus. Online-Streamingdienste und Tauschbörsen sind entstanden. Was macht die Musikindustrie? Genau – sie fokussiert auf den Abriss und die Zerstörung der Tauschbörsen. Sie sprengen den Keller, das Fundament, in die Luft. Da freuen sich die konsumentenorientierten Dritten, nämlich iTunes, Spotify oder Amazon Music. Diese schaffen ganz legal und mit großem Erfolg aus diesem Kundenbedürfnis ein Angebot. Ein neues Haus. Denn sie haben die Ursache verstanden – die Herauslösung von Songs aus Alben. Jetzt denken Sie vielleicht: „Ja, ja, lieber Kai Schmidhuber. Das Beispiel der Musikindustrie hat echt so ‘nen Bart!“ Stimmt. Aber die Vergangenheit wiederholt sich. Netflix tötet nicht die Kinowelt– sondern Popcorn für 18 Euro und Online-Tickets, für deren Internetbuchung ich auch noch einen AUFPREIS zahlen muss. Ich erspare Ihnen weitere Beispiele. Aber es gibt sie. Massenhaft.

Fehler 2: Mit der „Kraft der zwei Strategien“ zum digitalen Infarkt

Nein, Strategien sind sinnvoll. Auf jeden Fall. Verstehen Sie mich nicht falsch. Aber: Wer, bitteschön, braucht eine DIGITALE Strategie? Ich sage es Ihnen: niemand. Denn digitale Strategien lenken die Aufmerksamkeit oft von wichtigeren Zielen, wie Kundenzufriedenheit, ab. Oder von der Tatsache, dass Sie sich lieber um den Schimmel im Keller als um die neue „5.1 3-D-Ultra-Sowieso-Anlage“ in Ihrem Wohnzimmer kümmern sollten. Konkret: Als Häuslebauer haben Sie einen Grundriss, einen Bauplan. Auf diesen aufbauend passieren zum Beispiel die Verkabelung und der Innenausbau. Und vieles mehr. Stellen Sie sich nun vor, Sie würden den Innenausbau getrennt vom Bauplan angehen und planen. Mit einer eigenen Strategie. Bleibt zu hoffen, dass beides am Ende auch zusammenpasst. Zurück zum Konkreten: Ich spreche von der Gefahr der zwei Strategien, einer digitalen und einer unternehmerischen. Im besten Fall ist das verwirrend, im schlimmsten Fall ist es Mist. Getrennte Strategien führen zwangsläufig zu Überschneidungen und Konflikten. 

Ein viel besserer Ansatz wäre es, zu überlegen, wie digitale Werkzeuge und Technologien eine einzelne Unternehmensstrategie unterstützen können oder noch besser, die bestehende Strategie bei der Anpassung an sich ändernde Bedingungen unterstützen.

Fehler 3: Der „Saurons-Auge“-Effekt

Das lidlose Auge krönt die Festung Saurons im Filmepos „Herr der Ringe“. Und es schaut unablässig in Richtung des einen Objektes der Begierde – des Ringes. Und so ist es dann auch oft in Unternehmen. Da blickt das Auge – oder besser gesagt, die Augen – dann unablässig in Richtung des zu digitalisierenden Bereiches. Unternehmen A digitalisiert seine Lieferkette, Unternehmen B sein Marketing, Unternehmen C digitalisiert den Retail. Super! Leider enden solche Projekte nicht selten in einem Fiasko. Denn die digitale Fortsetzung eines ohnehin schon analog schwachen Prozesses setzt das Problem ja nur fort. Und eine digitale Fortsetzung bringt dann weitere Komplikationen mit sich. Denken Sie nur an Social Media. In den Sozialen Medien lauert die subjektive, untergriffige Kritik an jeder Ecke … Je digitaler, desto shitstormer…

Bevor digitalisiert wird, sollte man daher also bestenfalls zunächst die Unternehmensstrategie als solche auf den Prüfstand stellen. Digitale Tools und Technologien sollten nämlich am Ende über Silos hinweg funktionieren. Denn diese Silos, ob Marketing, Supply-Chain oder Retail, sind letztlich oft Teil des Problems und nicht die Lösung. Tatsächlich habe ich immer wieder festgestellt, dass eine erfolgreiche Transformation einen funktionsübergreifenden Ansatz erfordert. So braucht beispielsweise der E-Commerce eine enge Integration von Kommunikation, IT, Marketing und Logistik, die eine gewisse Digitalisierung voraussetzt.

Was also tun? Gegen den digitalen Schimmel im Keller? Stoßlüften! Und zwar oft und regelmäßig. Mal durchatmen und frischen Wind im Unternehmen zulassen, der alles in Frage stellt. Wie das genau gehen kann, beantworte ich in meinen nächsten Artikeln sicher auf die eine odere andere Weise.

Data Science: Ich sehe tote Menschen.

Data Science sorgt weiterhin überall für Begeisterung. Und doch können viele Ergebnisse aus der Praxis die datenverliebten Düsentriebe, Manager, Vorstände und Mitarbeiter oft doch bitterböse enttäuschen. Und nicht nur das – sie können sogar töten!

Data-Projekte können ziemlich blutig enden. Und zwar nicht nur im übertragenen Sinne.

Kai Schmidhuber

What!? OK, jetzt muss ich hier aber abliefern. Lesen Sie bitte weiter. Aber bevor es auch in Ihrem Data-Science-Projekt blutig wird, fangen wir mal mit den einfachen Dingen an. Zum Beispiel mit der Grundlage. Quasi mit der “Currywurst-Pommes-Schranke”, bevor es samstagabends zur Party geht. VORSICHT: Wenn Sie jetzt weiterlesen, erhalten Sie eine kostenlose Ferndiagnose ihrer Daten! 3…….2…….1:

Ferndiagnose: Ihre teuren Daten sind erstmal Schrott. Gern geschehen.

Fragen Sie sich bei Data-Vorhaben besser immer erst einmal, ob die Daten, die Sie dafür verwenden wollen, schon einmal in einem Projekt verwendet wurden. Nein? Nicht? Oha. Dann fügen Sie bitte acht bis zwölf Monate in den Zeitplan für die Datenbereinigung ein. Meine Empfehlung: führen Sie immer vor Beginn ein Daten-Audit durch. Überprüfen Sie, ob fehlende oder unsaubere Daten vorhanden sind. Klassiker: Sales-Data. Und plötzlich merken Sie, dass ihre Datenbank verschiedene Transaktionen in Dollar- und Euro-Beträgen gespeichert hat, ohne anzugeben, welche Transaktionen welche waren. Ja, das passiert. Ziemlich oft, sogar.

Daten sind nicht das neue Öl. Sorrriiieeeh!

Nochmal ich

Und nun noch kurz zu denjenigen, die ständig behaupten, Daten wären das neue Öl. Sie liegen falsch. Nochmal SRY, wenn ich hier ihre Keynote Speech zerstöre! Daten sind kein Rohstoff. Sie müssen in ein Produkt umgewandelt werden, bevor sie wertvoll – ein Rohstoff – werden. Daten sind vorher erstmal gar nichts. Ein bisschen so wie das Land Phantasien, das in der unendlichen Geschichte zu Nichts zerfällt. Ich habe in den letzten Jahren eigentlich selten ein Thema erlebt, dass so viele Menschen quasi über Nacht zu superversierten Sofortexperten transformiert. Ich spreche von “Machine Learning“. Heute hat jeder eine großartige Idee zum maschinellen Lernen. Zu den häufigsten “Sofortexperte-Symptomen” zählen Menschen, die Wörter wie “neuronal” und “Python” im falschen Kontext verwenden. Vertrauen Sie mir, das wird dann eher nix. Ich gebe Ihnen mal ein Beispiel, von dem ich kürzlich auf einem Mediziner-Kongress gehört habe (Sie wollen gar nicht wissen, was ich da eigentlich verloren hatte).

Und jetzt wird’s endlich blutig. Ein bisschen. Also los:

Es gab in den USA ein Maschine Learning-Projekt einer Krankenhausgesellschaft. Zur Kostenoptimierung. Das Projekt sollte Daten aus angeschlossenen Krankenhäusern nutzen, um Notfallpatienten mit Lungenentzündung effizienter versorgen zu können. Man wollte ein System aufbauen, das Notfälle mit geringer Todeswahrscheinlichkeit vorhersagen kann, so dass diese einfach mit Antibiotika nach Hause geschickt werden können. Dies würde es ermöglichen, die Pflege auf die schwerwiegendsten Fälle zu konzentrieren, die wahrscheinlich Komplikationen erleiden würden. 

Und ich so: „KRASS. Das ist mega schlau!“ Das von den Wissenschaftlern entwickelte neuronale Netzwerk hatte sogar eine sehr hohe Genauigkeit. Aber seltsamerweise entschied es sich immer, Asthmapatienten nach Hause zu schicken! Das ist merkwürdig, denn wie ich erfuhr, haben Asthmatiker tatsächlich ein hohes Risiko für tödliche Komplikationen durch eine Lungenentzündung. Wir spulen diesen Data-Splatter-Movie mal vor…

Tja… Es stellte sich heraus, dass Asthmatiker, die an einer Lungenentzündung leiden, sonst immer direkt auf die Intensivstation geschickt wurden. Aus diesem Grund gab es in den Trainingsdaten keine Fälle von Asthmatikern, die starben. Das Modell kam so zu dem Schluss, dass Asthmatiker ein geringes Risiko darstellen, obwohl das Gegenteil der Fall war. Es hatte eine hohe Genauigkeit, aber wenn es in der “Produktion“ eingesetzt würde, hätte es sicherlich Menschen getötet.

Merke: Data Science ist nur dann klug, wenn sie ihr zu Grunde liegendes Thema auch versteht. Sonst gibt es Tote.Sie haben es erraten.

Zitat meinerseits.

Falls Sie sich demnächst, Gott bewahre, mal auf den Weg zur Notfallambulanz machen müssen, kann ich Sie aber beruhigen. 

Keine Angst. 

Echt.

Wieso? 

Naja,  

in den meisten Firmen dauert es nämlich Monate, bis die frisch eingestellten Data Scientists überhaupt arbeitsfähig sind. Wenn überhaupt. Da wird schon mal wochenlang auf die richtige Software gewartet. Oder den richtigen Computer. Oder beides. Und dann wären dann ja noch die unstrukturierten Daten, der viel gepriesene „Datenschatz“. Der sich erstmal als Daten-Müllhalde entpuppt. Und aus dem feinmotorischen Data Scientisten wird erstmal ein virtueller Muskelman aka. Data-Entrümpler.

Aber, die Uhr tickt. Bald wird maschinen-gelernt und die Phyton von der Leine gelassen. Merke: Morgens neuronal, abends weiterhin Elmex. 

Bleiben Sie gesund!

Weshalb es Unsinn ist, ihren Mitarbeitern “Digitalisierung” zu erklären.

Kennen Sie Unternehmenslenker, die vom „Thema Digitalisierung“ sprechen? So nach dem Motto: „Bei uns ist das Thema Digitalisierung jetzt auch ganz groß. Da sind wir jetzt dran.“ Joah … 

Für mich ist auch das Thema „Feierabend“ ganz groß. Da bin ich auch täglich dran.

Digitalisierung ist kein „Thema“, damit muss ich jetzt mal aufräumen. Denn auch Profitabilität und Kundenzufriedenheit sind keine „Themen“.

Kai Schmidhuber, wenn er sich in Rage denkt

Gründen Sie ein Mähbusiness!

Stellen Sie sich das einmal im privaten, kleineren Kontext vor: Sie gründen ein kleines Unternehmen. Sagen wir einen Rasenmäh-Service. Sie nennen es “Amähzon”. Ihr Service: Sie mähen bei anderen Leuten den Rasen. Ich glaube, das wäre mein Traumberuf. Riechen Sie das auch gerade? Der Geruch von frisch geschnittenem Gras … Sommer …? Toll! Aber zurück zum Thema: Sie haben gerade ihr Mähbusiness gegründet und stellen 2–3 Rasen-Mäher ein. Also Mitarbeiter, die den Rasen mähen. Mit Rasenmähern. Den richtig guten! So mit Benzin, 54er Schnittbreite und Megafangkorb samt Mulchfunktion. Und ihr Business läuft super! Erst gewinnen Sie zwei, drei Häuser, später den ganzen Straßenzug als Kunden. Sie stellen weitere Rasen-Mäher ein. Läuft bei Ihnen!
 

Oh je – Amähzon wird disruptiert!

Tja, und plötzlich haben Sie eine dieser dicken Werbebeilagen im Briefkasten. Und ihre Kunden auch. „Jetzt im Angebot: Mähroboter“, ab 379 Euro lockt die Technik. KI lässt grüßen. Ihre Kunden stellen sich schon bildlich vor, wie sie in der Mittagspause das Gesprächsthema zwischen Salatteller und Soja Latte stellen: “Meinen Rasen mäht jetzt ein Algorithmus. Easy. Ich steuer das alles über Smart Home. Muss nur noch die App mit dem Rasenmäher matchen und dann das GPS-Modul mit unserem WLAN connecten. Aber ist alles Plug & Play.” Was passiert also:  ihre Kunden, viele mit Smartphone sozialisiert und in freudiger Erwartung, demnächst auch eine App zum Rasenmähen ihr Eigen nennen zu können, schlagen begeistert zu und kaufen Mähroboter. 
Sie verlieren einen Kunden nach dem anderen. Die Profitabilität Ihres Unternehmens sinkt. Die Kundenzufriedenheit der verbleibenden Kunden auch, denn aufgrund ihrer geringeren Auslastung können Sie nicht mehr so viele Mähtermine anbieten. Sie müssen vielleicht sogar Leute entlassen.

Zeit für die Erkenntnis

Und dann merken Sie: Oha, das Thema Digitalisierung scheint meinen Kunden ja extrem wichtig zu sein. Und dann wird es hektisch. Sie schulen Ihre Mitarbeiter. Über Wochen, Monate. Erklären ihnen rauf und runter, wie wichtig „Digital“ ist. Externe Experten kommen. Kai Schmidhuber hält bei der Betriebsfeier eine Rede und teilt lustige Anekdoten über Rollrasen. Die Mitarbeiter lernen praktisch in „Sessions“, dass jetzt alle diesen „E-Commerce“ machen und nur noch auf dem Smartphone daddeln, und dass das auch die Rasenmähindustrie zum Erliegen bringt. Die Mitarbeiter dann so in der Mittagspause: „Das Thema Digitalisierung ist wirklich spannend. Wer ist eigentlich dieser neue im Team?” Ein anderer: „Ach der? Der macht jetzt wohl digital. Kommt von (Digitalfirma einsetzen).“ 


Was läuft hier falsch?


Alles! 


Denn natürlich geht es AUCH darum, die Mitarbeiter „mitzunehmen“ und ihnen die Bedeutung und Herausforderungen der Digitalisierung zu erklären. Aber, lieber Amähzon-CEO: Das reicht nicht! Das ist ungefähr so, wie der Fußballmannschaft, die gerade dabei ist, haushoch zu verlieren, während der Halbzeit in der Kabine zu erklären, weshalb der Gegner einfach besser ist. Nein. Das würde nie so passieren. Sondern man bespricht eine Strategie, wie dem nun beizukommen ist. Und zwar direkt. Sofort. Um das Ruder rumzureißen. In der zweiten Halbzeit. Nicht erst in der nächsten Saison, sonst droht der Abstieg. Jeder Mann oder jede Frau auf dem Platz wird gebraucht.

Und so sollte es auch in Unternehmen laufen: Digitalisierung vermitteln ist das eine, doch viele lagern die eigentlichen Aktivitäten aus. Die Digitalisierung als Solche wird zur Geheimwissenschaft. Die Mitarbeiter werden dann zu Zuschauern.

Was also tun?

Mein Vorschlag für den Mähfirma-CEO: Diese Mähroboter sind zwar digital und cool, aber im Handling eigentlich der letzte Mist. Wer verlegt denn dieses Kabel im Garten? Wer richtet die App ein, programmiert den Wahnsinn? Wer wartet den Roboter? Ersetzt die Klingen? Und wer kommt vorbei und mäht die Ecken und Kanten, an denen der Roboter regelmäßig scheitert, und baut den ganzen Rödel dann irgendwann wieder ab (ich spreche aus Erfahrung)? Denn die Kunden und Ex-Kunden von Amähzon werden dann wahrscheinlich merken, dass richtiges Rasenmähen ein doch ziemlich sensibles Thema ist. Und es auf Zuverlässigkeit und Sorgfalt und Service ankommt. Und dann zum Handy greifen, um den nächsten freien Termin zum manuellen Mähen komfortabel einzubuchen! Vielleicht sogar in einer App.

Und wieso? Weil sie nicht einfach drauflos digialisiert, sondern Ihre Unternehmensstrategie verändert haben. Und daraufhin dann ihre Leistungen, Versprechen und Ways-of-Working angepasst haben. Und ihren Mitarbeitern nicht das “Thema Digitalisierung” erklärt, sondern Sie für Ihre Rolle DARIN geschult haben. Weil jeder involviert war.

Lieber Leser, liebe Leserin, wie sehen Sie das? Was hätte die Mähfirma noch tun können? Oder stattdessen?

So, ich bin raus für heute. 

Rasenmähen.

Platz da, ich bin Chief Important Officer!

Dein Startup hat noch keine Kunden. Oder noch nicht so viele. Klassischer Hockeystick, ne? Schon klar. Aber Du hast auf jeden Fall einen Titel …

Kai Schmidhuber, selbst Mehrfachgründer (E-Commerce, Beratung, Verlagswesen, Food)

Wohin ich auch gehe, welche Startups auch immer ich als Investor oder als freundlich-investigativer Interessent treffe, sie alle haben einen CEO, einen CTO, COO, CMO und CPO. Jedes Startup von Berlin bis Bielefeld. Wir sind alle Häuptlinge, das ist sicher.

Woher kommt dieser Bedarf an Titeln?

In einer agilen Welt, in der die Organisationsstrukturen nicht so fest sind wie in den klassischen Corporate-Giganten, gründen die Gründer und Entrepreneurs Silos, bevor sie überhaupt eine Vision haben.

Vielleicht ist es nicht die Schuld des Gründers. Vielleicht ist es ein Problem mit dem altbekannten Venture Capital-Streben. Gründer, die sich weniger um das Produkt kümmern.  Und mehr Augenmerk auf ihr Setup legen und wie sie dieses skalieren können, ohne dass es jemand versaut. Und wenn sie einen Titel haben, der sie wie den Kopf eines Fortune-500-Unternehmens klingen lässt, sind sie sich vielleicht der Bedeutung bewusst, die eine Investition in ihre digitale Bretterbude haben wird. Who knows.

CEO – ein technischer Fehler?

Oder ist es vielleicht ein technisches Problem mit einer alten Excel-Tabelle, die nur drei Zeichen für das Titelfeld akzeptiert? Oder ist diese Tabelle in unseren Köpfen? Ich bin es ja schon gewohnt, dass heutzutage nahezu jede unternehmerische Anstrengung als “Startup” bezeichnet wird.

Nein, du musst nicht der CEO des veganen Shabby-chic-Cafés sein, das du gründest. 

Du brauchst wahrscheinlich auch jetzt noch nicht diese Social Media Strategie, die dir dein guter Freund, aktuell im All-Nighter-Mode bei einer fancy Media-Agentur, wärmstens andrehen will. Mach einfach guten Kaffee. Poste darüber, wenn du willst. Das ist erstmal alles, was du brauchst.

Des Rätsels Lösung ist nah

Hier ist eine einfache Möglichkeit, das Titelproblem schnell zu lösen: 

Beginne doch einfach damit, die Leute dafür verantwortlich zu machen, für was du sie auch eingestellt hast. In der Gastronomie ist das eigentlich sehr klar und schon seit jeher ohne Zweifel. Der Koch ist der Koch und kocht. Der Kellner ist der Kellner und bedient. Die Barfrau ist die Barfrau und schmeißt die Theke. Und Du? Nein, Du bist nicht der CEO. Du bist der Gastgeber.

Mit diesem Mindset klappt es dann auch gleich besser in Punkto Kundenzufriedenheit. Und dann geht auch der Hockeystick steil. Yeah! High Fives!

Achso, bevor Sie es erwähnen, liebe Leserin und lieber Leser. Ja, ich bin selber Chief Digital Officer.Sie haben meinen wunden Punkt gefunden. Aber wie sollte ich mich denn sonst nennen? Lassen Sie mich überlegen…

OK. Der Kunde soll entscheiden.

Also, wenn zum Beispiel während einer Besprechung mal wieder die Technik streikt, der Fernseher nicht angeht oder der Beamer qualmt, schauen alle immer direkt mich an. „Könnte unser IT-affine Digitalmann das mal lösen?“,  heisst es dann aus allen Reihen. 

Das muss es wohl sein.

Kai Schmidhuber, Affiner Digitalmann.

ehem. CDO

In diesem Sinne! 

Gutes Gründen und gute Gründe, wünsche ich.

(Verfasst in einem veganen Cafe. Ich muss jetzt mein Avocadobrot bezahlen. Ob die hier Apple Pay haben? Nein, nur Barzahlung, sagt mir grad der CFO an der verbeulten Geldkassette. Tja. Dann heisst es wohl doch wieder CDO. Chief Dishwashing Officer.

Schulabbrecher erklärt Geheimwissenschaft “Machine Learning”. Geht das?

Früher habe ja ich den Physikunterricht geradezu geliebt. Um ihn zu sabotieren. Der Lehrer machte mit uns physikalische Versuche, und oft musste dann zum Beispiel die Zeit gestoppt werden. Das war meine Rolle. Und ich habe die Zeit immer absichtlich falsch genommen. Physiklehrer: mit den Nerven am Ende. Versuch: missglückt. Man sollte nicht stolz darauf sein.

Analytische Geometrie ist mein Untergang.

Kai Schmidhuber, Schüler wider Willen

Noch weniger stolz bin ich allerdings auf meine mathematischen Fähigkeiten. In der Oberstufe habe ich, anstatt die Klausuraufgaben zu lösen, lieber mal einen Aufsatz verfasst – Titel: „Analytische Geometrie ist mein Untergang“. Ausgerechnet der Matheunterricht soll mir heute dabei helfen, Ihnen das Thema „Machine Learning“ näherzubringen.

Jetzt kommt Ihre Doppelstunde “Machine Learning” – easy!

Also, versetzen Sie sich in alte Zeiten: Holzbank, kippelnder Stuhl, abgelatschter Linoleumboden und der Geruch von feuchten Klamotten nach einer geheimen Raucherpause im Regen hinter der Turnhalle. Ich sehe: Sie haben bereits diesen beseelt-angewiderten Blick. 

Also, los geht’s:

 Beginnen wir mit einer einfachen Erklärung des maschinellen Lernens am Beispiel Mathematikunterricht: Der Lehrer gibt irgendeine Aufgabenstellung vor, die es rechnerisch und logisch zu lösen gilt, und natürlich kommen dann später auch die richtigen Antworten von ihm. So weit, so normal. 



Merke:


  • Die Aufgabenstellung nennt man im Machine-Learning-Kosmos das „Übungsproblem“.
  • Unterschiedliche Übungsprobleme zeichnen sich durch unterschiedliche „Eingabedaten“ aus.

Jetzt nehmen wir einmal meinen persönlichen Worst Case an: Doppelstunde Mathe. Lehrer krank, stattdessen ein topmotivierter Referendar am Start. Und der ballert die Schüler jetzt mit ganz, ganz, ganz vielen Übungsproblemen zu. Und liefert ganz, ganz viele Antworten. Zunächst große Verwirrung: „Was will der Typ?!“ Ganz einfach – der Referendar verlangt von den Schülern, Methoden zur Lösung der Übungsprobleme zu finden, indem sie Muster im Vergleich zwischen den Informationen innerhalb der Probleme und den zugehörigen Antworten erkennen. Denn jedes Übungsproblem kodiert Informationen, die ein Schüler erfassen und sich so eine Antwort zusammenreimen kann. Indem er also die Übungsprobleme miteinander vergleicht, leitet der Schüler aus Gemeinsamkeiten und weiteren Elementen die Antworten ab.

 

Also:

  • Der Referendar ist der „Data Scientist“.
  • Der Schüler ist der „Machine-Learning-Algorithmus“
  • Antworten auf Übungsprobleme werden auch „Labels” genannt.
  • Den Lernprozess können wir als “Training eines Algorithmus” bezeichnen.



Nach Hunderten von Übungsproblemen erwartet der radebrechende Referendar, dass unser exemplarischer Schüler nun in der Lage ist, eine Art Muster zu finden, das er nutzen kann, um das Problem zu lösen. Also testet er den Schüler, beauftragt ihn mit der Prüfung von neuen Fragen und vergleicht die generierten Antworten mit den tatsächlichen Antworten.  Er stellt den Algorithmus damit auf die Probe.  

Die große Auflösung. Ist der Algorithmus genau?



Wenn der Schüler (=Algorithmus) jetzt, wie ich damals, einen emotionalen Aufsatz über sein mathematisches Unvermögen schreibt, haben wir zwar eine Weltsensation – aber der Referendar sein Ziel verfehlt. Denn die Bewertung seiner Genauigkeit gibt ihm ein Maß für die Effektivität sowohl des Schülers als auch der Menge der Übungsprobleme, die ihm gegeben wurden.

 Wir wissen aber auch, dass einzelne Schüler zu unterschiedlichen Lernstilen neigen. 

Ganz ähnlich versucht auch jeder maschinelle Lernalgorithmus auf seine eigene Art und Weise, Muster innerhalb der Eingabedaten zu finden. Diese unterschiedlichen Stile machen Schüler in verschiedenen Fächern individuell besonders kompetent, ebenso wie einige ML-Algorithmen nützlicher und robuster für bestimmte Datentypen sind als andere.

Tja, und das ist erst mal alles, was es über das Thema „Machine Learning“ zu wissen gibt – im Prinzip keine Geheimwissenschaft. Und auch nicht unfassbar schwer. Viel schwerer ist es da schon, die richtigen Übungsprobleme zu finden und deren notwendige Daten. Und dann gemeinsam mit der Fachseite, dem Business, aus einer Idee für einen Algorithmus auch ein funktionierendes Produkt zu entwickeln. 



Die Moral von der Geschicht’: 

Algorithmen sind nichts anderes als schlaue Eliteschüler. 

Kein Eliteschüler

Und ich schreibe weiter Aufsätze. 

So wie den hier.

(Zur Info: Ja, ich habe tatsächlich kein Abitur und die Schule in der dreizehnten Klasse abgebrochen. Ich musste mich um mein Startup kümmern. Erschien mir logisch)

Digitale Transformation – ein kollektives Missverständnis

Wir alle können vom Pizzabäcker um die Ecke und dieser bunten Social Media-Jacke etwas über Digitalisierung lernen. Swipen Sie up.

Kai Schmidhuber, Digitaler Emoji-Unternehmer mit Hang zum Übertreiben

Bevor Sie fragen oder googlen: Nein, die Jacke kann man nicht kaufen. Und Ja, ich habe diese Jacke selbst hergestellt. Und ich trage sie recht häufig zu Beginn meiner Keynote-Speeches. Die Organisatoren sind dann jedes mal kurz versucht, schnell das Bühnenlicht zu löschen und mir das Mikrofon abzudrehen. Ich sehe das Entsetzen in ihren Augen. Aber meine Message wird dann doch recht schnell klar.

Eine bunte Emoji-Jacke macht mich so wenig zum Social Media-Star wie komplizierte Tools und Technologien ein Unternehmen zum digitalen Transformations-Terminator.

Mehr als 50.000 Menschen haben meine Artikel bereits gelesen. Dabei sind die Texte erst seit ein paar Tagen online. Ich habe auch sehr viel Feedback bekommen, unter anderem, dass ich meine Meinung zur “Digitalen Transformation” in Unternehmen doch mal prägnant(er) zusammenfassen möge. Hab’ ich gemacht – “voilà”, wie der Spanier sagt:

 

Digitale Transformation. Was ist das?

Knappe Antwort: ein großes und kollektives Missverständnis

Wieso? Der Begriff „digitale Transformation“ ist zunächst einmal wertend, nicht neutral. Und er führt in der Regel zu schlechten strategischen Entscheidungen. Technologie ist nur ein Element der gesamten digitalen Transformation per se. Wenn es um Digitaltechnik geht, denken wir immer schnell an Technologie, Innovation und Leistungsfähigkeit.

„Digital“ ist das Feuerwerk des modernen Managementmagiers – Hauptsache, wir erzielen ein großes „Bumm!“ und viele schöne Farben. Überall PowerPoint-Poeten. 

Digitale Transformation ist einfach kein Zauberstab. Sie macht nicht per Simsalabim cool und modern oder profitabel und innovativ.

Kai Schmidhuber, Desillusionist

Beispiel von Pizzabäcker Toni

Ich gebe Ihnen ein Beispiel aus meiner Küche. Ich versuche mich seit Jahren daran, einen richtig guten neapolitanischen Pizzateig zu machen. Es braucht eigentlich nur Mehl, Wasser, Hefe und Salz. Jetzt war ich doch wirklich eine Zeitlang der Meinung, dass mir ausschließlich der Erwerb von Technologie, nämlich in Form einer Kitchen Aid, zum perfekten Teig verhelfen könne. Weit gefehlt. Ich hab nämlich einfach mal ein Samstags-Praktikum bei Toni, meinem Italiener um die Eckte gemacht. Und da zugeschaut. Turns out: die machen den Teig in einer alten Holzkiste! Mit Händen.  Vielmehr geht es darum, was mit dem Teig passiert, wenn er fertig geknetet ist. Wie lange man ihn gehen lässt. Nämlich 36 Stunden! Mindestens! Im Kühlschrank. Siehe da: Ich brauche Technologie – aber keinen neuen Kühlschrank. Ich habe ja einen. Nur die Idee, dass ich den Teig da auch mal für eineinhalb Tage reinstellen kann, die fehlte bisher. Ich habe meine Arbeitsweise angepasst. Nicht die Technologie. Schreiben Sie mir, wenn Sie das Rezept wollen.

 

Was ist digitale Transformation denn jetzt?

In Kürze: unvermeidlich.

Ja, „digital“ ist unvermeidlich – aber nicht so sehr in dem Sinne, dass schnell alle möglichen Technologien übernommen werden müssten, sondern in der Erkenntnis, dass sich die Welt an sich verändert hat. In Wirklichkeit ist der technologische Wandel nur ein Werkzeug im Dienste einer größeren Transformation der Gesellschaft. Dabei sollte das Ziel eben nicht sein, stets die neueste Shootingstar-Technologie einzukaufen, sondern sich auf allen internen Ebenen des Unternehmens auf eine gemeinsame Vision zu einigen.

Ob dieser Prozess nun digitale Transformation heißt oder LMAA (für: Lass Mal Anders Agieren), ist piep egal.

Kai Schmidhuber, LMAA-Guru

Mit anderen Worten: Die schrittweise Anpassung an eine andere Arbeitsweise ist gefordert.Das sind die Herausforderungen, vor denen Unternehmen stehen, und sie sind tiefgreifender als eine simple Aktualisierung der jeweils verwendeten Tools.

 Kurz gesagt, die Herausforderung besteht nicht in der Integration des digitalen Werkzeugs, sondern in der Integration des digitalen Konsumenten.

Mein Opa erklärt “AGILE Entwicklung”

Jungchen – deine Omma und ich haben schon immer alles ganz agile developed! Getz’ sach’ mir nich’ Du weißt nicht watt Agility is?  Opa Schmidhuber

Was ist agile Entwicklung wirklich? Opa erklärt.

Landein, landab wird von “Agility” gesprochen. Haben Sie auch schon alle Workshops hinter sich? Und jetzt soll “agil” das nächste Projekt gemanaged werden? Herzlichen Glückwunsch! Willkommen im Club! Falls – und ich sage explizit “FALLS” – es in Ihrem Kopf noch Unklarheiten gibt, was “agile Entwicklung” nun wirklich bedeuten soll, habe ich hier das Richtige für Sie. Mein Opa erklärt es uns. An einem simplen Beispiel. Ein platonischer Dialog.

Kai: Opa, stell dir das vor: Du bist jung, du hast gerade geheiratet. Oma und du, ihr habt den ganzen Sommer über gezeltet. Freie Liebe und so. Aber der Winter naht, und jetzt müsst ihr rechtzeitig ein Haus bauen. Was würdest du tun?

Opa: Ich würde ein kleines Haus bauen, aber mit einem soliden Fundament, damit wir einziehen können, bevor die Kälte kommt. Ein behelfsmäßiges Dach drüber, und – erstmal – fertig.

Kai: Und dann?

Opa: Im nächsten Sommer würde ich dann einen Ausbau vornehmen und ein vernünftiges Dach installieren. Im Sommer darauf würde ich vielleicht eine Veranda bauen. Etwas später würde ich vielleicht noch eine Etage einziehen. Ich würde gemeinsam mit deiner Omma entscheiden, was ich zuerst tun soll und was als Nächstes. Wie immer… (Opa verdreht die Augen).

Kai: Gut gemacht, Opa! Daraus lernen wir, was das in „Agil“ übersetzt bedeutet:

  • Das Haus ist unser „Produkt“.
  • Das erste kleine Haus ist unser MVP („Minimum Viable Product“), das minimal tragfähige Produkt.
  • Opa ist der „Product Owner“. Er kümmert sich darum, wie das Haus aussehen wird.
  • Oma ist ein „Stakeholder“. Ihre Meinung zählt, denn sie muss im Haus leben.
  • Die Liste des geplanten Ausbaus (Veranda, weiteres Stockwerk, festes Dach und was auch immer sonst noch gebaut werden soll) ist das „Backlog“.

Kai: Jetzt sag mir, Opa, wie würdest du dein Haus bauen?

Opa: Nun, ich selbst habe zwei linke Hände, ich würde also weiter in meinem eigentlichen Beruf arbeiten. Aber ich würde zwei lokale Handwerker, Hans und Franz, beauftragen, für mich zu arbeiten. Und ich bitte meine nette Nachbarin, als “Vermittlerin“ zwischen den beiden zu agieren. Quasi ganz unabhängig und objektiv.

Wir übersetzen:

  • Hans und Franz sind das „Entwicklerteam“.
  • Die Nachbarin ist ein „Scrum Master“. Ihre Hauptaufgabe ist es, den Teamgeist zu erhalten.

Kai: Aber Opa, wie würdest du sicherstellen, dass sie alles gut machen? Und dass das Baumaterial nicht ausgeht?

Opa: Am Anfang jeder Woche würde ich besprechen, was für die nächsten 1–2 Wochen gekauft werden muss. Am Morgen, bevor ich zur Arbeit gehe, trinke ich vielleicht einfach einen Kaffee mit dem Nachbarn. Wir würden uns dann genau ansehen, was fertig ist und was noch gebaut werden muss.

Merke:

  • Opas Diskussion zu Beginn jeder Woche ist eine „Sprint-Planung“.
  • Der Morgenkaffee ist ein „Stand-up“.

Ähm … Das Wichtigste haben wir aber bisher vergessen.

Ich frag’ Opa schnell: Aber was ist mit Oma? Sie wäre wahrscheinlich auch daran interessiert, am Bau des Hauses mitzuwirken?

Opa: Ich würde sie alle zwei Wochen mitnehmen. Nur für den Fall, dass etwas schiefgeht.

Aha!

  • Jeder zweiwöchentliche Tag vor dem Besuch von Oma entspricht der Länge eines „Sprints“.
  • Wenn Oma mitkommt, ist es eine Sprint-Review (Tipp von Opa: den Sprint immer so planen, dass Oma was zu sehen bekommt. Ansonsten Blumen kaufen).
  • Ihre Einweihungsparty ist die „Produkteinführung“, der Launch.

Letzte Frage: Opa, was würdest du tun, wenn du genug Geld und Zeit hättest, um sofort ein großes, solides Haus zu bauen?

Opa: Ich würde mich dann nicht mit einem kleinen Haus beschäftigen und einfach eine große Baufirma beauftragen, ein umzugsfertiges Haus für mich zu bauen. Wir würden uns auf einen Plan einigen und eine Vereinbarung treffen. Ich würde die Baustelle mehrmals besuchen, um zu sehen, wie die Arbeit läuft, aber eher aus Neugier, denn die Baufirma würde definitiv alles nach Plan bauen.

(An dieser Stelle lache ich in mich hinein – der geneigte Leser wird wissen, wieso.)

Kai: Aber der sofortige Bau eines großen Hauses würde viel mehr Zeit in Anspruch nehmen. Dann könntest du bis September nicht einziehen!

Opa: Nun, ich würde lieber sechs Monate warten, aber ein solides, zweistöckiges Haus haben, in das ich einziehen kann. Am Ende des Tages würde ich tatsächlich viel sparen: Ich würde meine Ressourcen nicht mit der Investition in eine temporäre Überdachung verschwenden, sondern von Anfang an ein solides Dach haben.

MASTERFRAGE, Opa: Was wäre, wenn du dir aber nicht sicher wärst, ob ihr überhaupt in einem riesigen Haus – an dieser Stelle und genau in dieser Größe – wohnen wollt?

Opa: Dann würde ich wahrscheinlich zuerst ein kleines Haus bauen. Ich will nicht lange warten und viel Geld für etwas ausgeben, das ich vielleicht nicht wirklich brauche.

Ende.