『KI Hands On』のカバーアート

KI Hands On

KI Hands On

著者： Artur Heidt Nils Betting und Dr. Sebastian Diziol
無料で聴く

KI Hands on ist der Podcast für alle, die im Mittelstand wirklich etwas mit KI bewegen wollen – ohne Hype, dafür mit steilen Thesen, echten Praxisbeispielen und konkreten ersten Schritten. In diesem Podcast sprechen Artur Heidt (CEO, KAMIE Solution Factory), Dr. Sebastian Diziol (Lead AI Architect & Consultant, KAMIE Solution Factory) und Nils Betting (Co-Founder, Start your Flame) über das, was zwischen KI-Hype und Unternehmensalltag liegt: die ehrliche Frage, wie aus Lizenzen und Leuchtturmprojekten echter Mehrwert wird. Statt allgemeiner Trend-Floskeln stellen die drei in jeder Folge eine bewusst provokante These auf und diskutieren sie entlang konkreter Praxisbeispiele. Es geht um Geschäftsprozesse statt Spielereien, um KI als Chefsache statt IT-Thema, um Change Management als eigentlichen Engpass – und immer um die Frage: Wie, womit und wann fange ich richtig an? Mit Hintergründen aus IT-Beratung, ERP-Einführung und KI-Architektur bleibt es konkret, anwendbar und unterhaltsam. Zum Abschluss jeder Folge teilen die Hosts ihre persönlichen KI-Aha-Momente der letzten Wochen. Für Geschäftsführerinnen, Entscheider und Macher im Mittelstand, die nicht die Ersten sein müssen – aber endlich KI erfolgreich einsetzen möchten.Artur Heidt, Nils Betting und Dr. Sebastian Diziol マネジメント マネジメント・リーダーシップ 経済学
エピソード
  • KI-Projekte im Mittelstand: Warum 95% nicht wirklich scheitern

    KI-Projekte im Mittelstand: Warum 95% nicht wirklich scheitern
    2026/08/11
    „95 Prozent aller KI-Projekte scheitern“ – kaum eine Zahl wird auf LinkedIn öfter zitiert. Artur Heidt und Nils Betting drehen sie in dieser Folge um: Im deutschen Mittelstand scheitern KI-Projekte fast nie. Der Haken an dieser guten Nachricht: Sie werden meist gar nicht groß genug, um scheitern zu können. Das eigentliche Problem ist also nicht der Misserfolg, sondern die Bedeutungslosigkeit – und eine Abbruchquote von unter fünf Prozent ist damit weniger Erfolgsausweis als Verdachtsmoment. Die beiden nehmen auseinander, woran das liegt: an einer verbreiteten „Toolkäufer-Mentalität“, bei der eine Lizenz gekauft und an die IT-Abteilung durchgereicht wird, damit die Flagge mit der Aufschrift „KI“ weht – bei kleinem Budget und kleinem Risiko. Klein gedachte Piloten liefern aber auch kleinen Output. Aus der eigenen Praxis kommen konkrete Fälle dazu: ein Copilot-Rollout für 30 bis 50 User, bei dem nach drei Monaten nur eine Handvoll Power-User übrig war und die Lizenzen zurückgefahren wurden; eine Individualentwicklung, die der Kunde nach sechs Wochen stoppte – sauber konserviert und Monate später wieder aus der Schublade geholt. Abgebrochen oder pausiert? Genau da wird die Statistik unscharf. Im zweiten Teil geht es um die andere Seite: Was tun die fünf Prozent anders, die wirklich transformieren? Am Beispiel einer Personalberatung zeigen Artur und Nils, wie aus der Workshop-Frage „Was würdet ihr tun, wenn Ressourcen kein Engpass wären?“ ein Proof of Concept und daraus ein verändertes Geschäftsmodell wurde – von der klassischen Vermittlung hin zur Echtzeit-Bewertung von 500 Bewerbungen am selben Tag. Dazu Netflix, „fail fast and fail cheap“, die Formel-1-Metapher, ein Konfigurator für Catering-Services und eine Spülmaschine, die erkennt, ob der Teller sauber ist – zwei technisch gelungene Projekte, die am Ende niemanden interessiert haben. Das Fazit: Traut euch, zu den fünf Prozent zu gehören, die scheitern dürfen.
    続きを読む 一部表示
    46 分
  • Neues Modell, laufender Betrieb, was jetzt?

    Neues Modell, laufender Betrieb, was jetzt?
    2026/08/03
    Kaum ist ein KI-Modell im Einsatz, steht schon das nächste bereit: Opus 4.6, 4.7, 4.8, neue Gemini- und ChatGPT-Versionen im Wochentakt. Doch was bedeutet ein neues Modell eigentlich für einen Prozess, der produktiv läuft und an dem ein Geschäft hängt? In dieser bewusst etwas technischeren Folge nehmen Sebastian, Artur und Nils genau diese Frage auseinander – und binden sie konsequent an Business-Ziele zurück. Im Zentrum steht ein echter Fall aus der Werkstatt: eine KI-Pipeline, die täglich rund 500 Dateien in zwölf Schritten verarbeitet und pro Datei eine Ja-/Nein-Entscheidung samt Begründung trifft. Ein simpler Modellwechsel lässt die Trefferquote von unter 10 auf 50 Prozent hochschnellen – ein kritischer Prozess gerät ins Wanken. Die drei zeigen Schritt für Schritt, wie man so etwas diagnostiziert: Ist das neue Modell überhaupt besser? Wo genau? Und wie bekommt man die bessere Reasoning-Qualität, ohne die Kosten um das Drei- bis Vierfache explodieren zu lassen? Dazu eine zweite Geschichte über einen übernommenen KI-Prozess, der monatelang ohne Monitoring vor sich hin lief – und dabei längst nicht mehr tat, was er sollte. Es geht um „Never Change a Running System“, um Model Drift, Qualitätssicherung und die Frage, warum auch ein Agent betrieben werden muss. Am Ende bleibt eine klare Linie für den Mittelstand: nicht jedem Hype hinterherlaufen, den funktionierenden Prozess schützen, bei echtem Mehrwert kontrolliert nachziehen – und immer ein Auge drauf behalten. Wie gewohnt runden die persönlichen KI-Momente der Woche die Folge ab: von KI-Videoproduktion über eine Wohnmobil-Panne bis zum Sparring vor einem schwierigen Kundentermin.
    続きを読む 一部表示
    37 分
  • Was taugt eine KI von der Stange?

    Was taugt eine KI von der Stange?
    2026/07/24
    Chatbot in fünf Klicks auf der Website, KI-Recruiting im Abo, Copilot-Lizenzen für alle – Standard-KI-Lösungen versprechen schnelle Ergebnisse. Aber reichen sie für echte Geschäftsprozesse? In dieser Folge diskutieren Artur, Nils und Sebastian, wann „KI von der Stange“ Nutzen stiftet – und wann sie sogar geschäftsschädigend wird. Mit einem einprägsamen Bild: Die Standardlösung ist die Zeitarbeitskraft mit Viertelstunden-Briefing, die individuelle KI-Lösung der eingearbeitete Top-Experte. Anhand konkreter Beispiele wird es greifbar – vom Website-Chatbot einer großen Personalberatung für 2.000 Euro im Monat, der Bewerber frustriert ins Leere schickt, über Amazons KI-Recruiting-Service, der ausschließlich auf Amazons eigene Recruiting-Logik trainiert ist und sich nicht an die Werte des eigenen Unternehmens anpassen lässt, bis zum Standard-SaaS-Tool für den Messebau, das zeigt, unter welchen Bedingungen Standardlösungen in der Nische durchaus funktionieren. Außerdem: Warum die jahrzehntelang antrainierte Doktrin „Bleib nah am Standard“ im KI-Zeitalter nicht mehr trägt, weshalb ein Standard-ERP wie Business Central etwas völlig anderes ist als Standard-KI, und warum Individualisierung heute so günstig und einfach ist wie nie zuvor. Die gute Nachricht für alle, die eine Sondereinzelanfertigung scheuen: Von der Idee bis zum ersten sichtbaren Mehrwert vergehen mit MVP und Proof of Concept meist nur wenige Wochen – keine Monate oder Jahre. Zum Einstieg gibt es ein Update zur letzten Folge: Claude Fable 5 ist nach 19 Tagen Exportstopp zurück – und die Erkenntnis bleibt, dass Modellverfügbarkeit zum Lieferkettenrisiko geworden ist. Und in der Rausschmeißer-Runde: ein KI-Agent, der über 500 Euro bei der Mietwagenbuchung spart, automatisierte Testdaten-Erstellung statt zwei Tagen Handarbeit – und eine Küchenrenovierung, die ChatGPT zu verantworten hat.
    続きを読む 一部表示
    1 時間 3 分
adbl_web_anon_alc_button_suppression_t1
まだレビューはありません