#12: Wissensmanagement neu gedacht: ChatGPT und andere KI-Tools für die Arbeitswelt von morgen

0:00 SPEAKER_00: Demnächst ein neues Google Modell rauskommt. Das ist wirklich

0:04 SPEAKER_00: Wahnsinn, wie schnell das weitergegangen ist.

0:07 SPEAKER_01: Die Videos sind echt absolut crazy.

0:15 SPEAKER_01: Das ist schon echt Wahnsinn, was da mittlerweile geht. Das schöne Wort heißt ja RAG Retrieval

0:22 SPEAKER_00: Augmented

0:22 SPEAKER_00: Generation.

0:23 SPEAKER_01: Heißt im Wesentlichen,

0:25 SPEAKER_01: dass wenn ich eine Suchanfrage stelle, das heißt, ich kann sofort kontextbasiert Antworten

0:30 SPEAKER_01: Antworten bekommen. Dass Leute circa 20 Prozent ihrer Arbeitszeit damit verbringen,

0:35 SPEAKER_00: Informationen zu suchen. Ich kann multilingual suchen, also in den verschiedensten Sprachen.

0:40 SPEAKER_01: Den Fehler, den man halt nicht machen darf, ist heute zu sagen, wir haben das probiert, Das funktioniert nicht. Die KI kann das nicht.

0:51 SPEAKER_00: Willkommen zurück zum Cointelligence

0:53 SPEAKER_00: Podcast, eurem KI Lernpodcast

0:56 SPEAKER_00: mit euren beiden Hosts Moritz Heininger

0:59 SPEAKER_00: und mir Benjamin Wüstenhagen.

1:01 SPEAKER_00: Wir haben auf euch gehört. Ihr habt euch besseren Sound gewünscht. Heute probieren wir ein neues Soundsetup aus. Ihr habt euch gewünscht, dass wir weniger Denglisch sprechen.

1:11 SPEAKER_00: Schwierig. Mal gucken.

1:13 SPEAKER_01: Ich kann nur sagen,

1:16 SPEAKER_00: So.

1:18 SPEAKER_00: Ihr habt euch gewünscht, dass wir bessere Shownotes haben, auch daran arbeiten wir.

1:22 SPEAKER_00: Und es gab zudem noch ein Kommentar, hey, manchmal sind redet ihr von Modellen, aber das neuere Modell ist ja grade schon da.

1:29 SPEAKER_00: Das wird, glaub ich, immer so sein. Wir werden es wird immer der Fall sein, dass vielleicht, wenn ihr diese Episode grade schaut, ein neueres Modell schon wieder am Start ist.

1:39 SPEAKER_00: Dennoch wollen wir kurz mal rekapitulieren,

1:41 SPEAKER_00: was alles in den letzten 3 Monaten passiert ist, seitdem wir mit diesem Podcast gestartet sind. Was gibt's Neues?

1:47 SPEAKER_01: Was gibt's Neues? Einiges, viele neue Modelle.

1:50 SPEAKER_01: Vielleicht noch ein Wort dazu.

1:52 SPEAKER_01: Wir versuchen, die ganzen Grundlagen ja so beizubringen,

1:55 SPEAKER_01: dass man versteht,

1:57 SPEAKER_01: was es geht bei' Thema, dass man weiß, wie man sich dem Thema nähert.

2:01 SPEAKER_01: Ob das jetzt neueste Modell jetzt 3.53

2:03 SPEAKER_01: 0.74 0.010

2:05 SPEAKER_01: 0.3 heißt, ist eigentlich egal. Ihr würdet ja einfach immer in eurer Modellauswahl das neueste Modell

2:11 SPEAKER_01: auswählen. Und wir haben ja in der Modell Selection Episode

2:14 SPEAKER_01: auch drüber gesprochen.

2:16 SPEAKER_01: Probiert einfach verschiedene Modelle aus von verschiedenen Anbietern. Wählt das, was euch am besten gefällt, wo ihr für euer Newscancelt, für eure Anwendungsfälle

2:23 SPEAKER_01: die besten Ergebnisse erzielt.

2:25 SPEAKER_01: Von daher machen wir, glaub ich, ein ganz kurzen Recap zu ja, was passiert ist, was Großes passiert ist in den letzten Tagen und Wochen fairerweise.

2:33 SPEAKER_01: Wenn die Episode rauskommt,

2:35 SPEAKER_01: sind auch wahrscheinlich die Themen schon wieder nicht mehr relevant, weil es schon wieder andere neue Themen gibt. Aber das Ziel unseres Podcasts ist es ja nicht, eine 1 News Show zu sein oder über die ja aktuellsten Entwicklungen

2:48 SPEAKER_01: zu berichten,

2:49 SPEAKER_01: sondern es soll ein Lernpodcast sein. Wollen euch die Basics beibringen.

2:53 SPEAKER_01: Und ja, die sind hoffentlich zeitlos.

2:56 SPEAKER_01: Aber jetzt gehen wir mal kurz durch. Erster Punkt, den wir uns aufgeschrieben haben, ChatGPT 4

3:02 SPEAKER_01: Punkt 1, also ein neues GPT Modell.

3:06 SPEAKER_01: Wenn ihr vorher das VO Modell verwendet habt, könnt ihr das immer noch nutzen. Das ist immer noch sehr gut. Aber das 4.1

3:13 SPEAKER_01: Modell ist für gewisse Anwendungsfälle

3:16 SPEAKER_01: grade in Coding vor allem noch mal deutlich besser als das 4 nuller Modell. Es hat ein größeres Kontext Window, also ihr könnt mehr

3:25 SPEAKER_00: größere Kontexte, mehr Code Fenster,

3:28 SPEAKER_01: genau Deutsch sprechen. Sextealer, das geht schon in Deutsch. Ja, genau.

3:31 SPEAKER_00: Man kann ja jetzt bis zu 1000000 Token, Token ist auch geht auch Deutsch, ne. Das kann man sagen. Token ist, glaub ich, Token. Ich glaub, da würde mir jetzt kein deutsches Wort für einfallen. Und der der Wissensstand ist aktualisiert bis Juni 2024.

3:44 SPEAKER_01: Genau. Dann hat

3:46 SPEAKER_01: ein

3:47 SPEAKER_01: neues Claude Modell oder 2 neue Claude Modelle rausgebracht. Und

3:51 SPEAKER_01: Und zwar einmal das 4.0

3:53 SPEAKER_01: Sonnett Modell, was das etwas kleinere Modell ist und das 4.0

3:57 SPEAKER_01: Opus Modell. Weil der letzten Aufnahme waren die 3.7

4:02 SPEAKER_01: Sonnett aktuellste

4:04 SPEAKER_01: und ich glaub 3, 5 Opus oder so. Aber wie gesagt,

4:08 SPEAKER_01: dadurch wurden

4:10 SPEAKER_01: den Claude Modellen nun auch die Fähigkeiten

4:14 SPEAKER_01: gegeben und auch im Kronen sind waren die

4:17 SPEAKER_01: die Coden Modelle schon immer ja State of the Art oder das Neueste und Beste.

4:23 SPEAKER_01: Und

4:25 SPEAKER_01: von daher, grade wenn ihr's viel zum Coden irgendwie nutzt, sind sicherlich die Coden Modelle aktuell

4:30 SPEAKER_01: ja mit marktführend, kann man, glaub ich, sagen. In Episode 9 ging's ja bei uns

4:35 SPEAKER_00: Video KI oder wie können wir Videos mit KI erstellen? Wir haben damals schon davon gesprochen, dass demnächst ein neues Google Modell rauskommt, kommt, nämlich das Video 3. Das ist jetzt tatsächlich draußen. Das kam einige Tage nachdem Episode 9 released wurde.

4:50 SPEAKER_00: Spielt man damit rum, wenn ihr Zugang habt. Das ist wirklich

4:53 SPEAKER_00: Wahnsinn, wie schnell das weitergegangen ist. All das, was mit der Zweierversion noch nicht ging, geht jetzt mit der Dreierversion.

5:00 SPEAKER_01: Ja und da Funfact,

5:01 SPEAKER_01: bis vor einem Tag war es nur möglich, dieses WO3 Modell zu nutzen in dem 250

5:07 SPEAKER_01: Dollar pro Monat Plan

5:08 SPEAKER_01: pro Monat Plan von von Google. Ja. Jetzt geht es auch in den normalen Pro Plan für, glaub ich, 20 Euro im Monat. Natürlich stark eingeschränkt, wie viel Videos ihr da generieren könnt,

5:18 SPEAKER_01: aber die Videos sind echt absolut

5:21 SPEAKER_01: crazy,

5:22 SPEAKER_01: auch eben die Tongenerierung

5:24 SPEAKER_01: mit dazu,

5:25 SPEAKER_01: quasi passend zu dem Video erstellt wird. Also schon

5:28 SPEAKER_00: echt Wahnsinn, was da mittlerweile geht. Und auch in Europa geht's voran. Mistral hat jetzt das Medium 3 draußen.

5:35 SPEAKER_00: Das ist ein kostengünstigeres

5:37 SPEAKER_00: Modell.

5:38 SPEAKER_00: Ist nicht ganz so leistungsfähig

5:40 SPEAKER_00: wie das aktuelle Cloud Modell, aber reicht für viele Anwendungen dennoch. Ist nur günstiger. Und Und europsychisch.

5:45 SPEAKER_01: Liegt auf europäischen Servern. Keine Daten in den USA, je nachdem, was man grade für News gesehen hat, kann das ja auch schon, ja Sinn ergeben. Aber jetzt... Wissensmanagement.

5:54 SPEAKER_01: Das Thema des Tages, Wissensmanagement.

5:56 SPEAKER_01: Das war unser kurzer News Update.

5:59 SPEAKER_01: In Zukunft hin und wieder, wenn wir immer ein News Update geben, aber wie gesagt, Fokus von unserem Podcast ist das Lernen. Nach und nach neue Themen kennenlernst, was Du alles mit KI machen kannst, wo KI diese Superpowers gibt. Und das bleibt der Fokus. Und das heutige Thema ist, wie Du schon gesagt hast, Wissensmanagement.

6:17 SPEAKER_01: Und

6:17 SPEAKER_00: ja, was was heißt Wissensmanagement und vielleicht was ist der Unterschied von irgendwie' GPT zu bauen? Vielleicht ja, kannst Du dazu kurz was sagen. Klar. Wir haben ja letztens über custom GPTs gesprochen, ja. Das heißt ein GPT, was ich mir auf meine eigenen Anwendungen bauen kann. Auch das ist schon eine Art von Wissensmanagement,

6:36 SPEAKER_00: weil da kann ich ja auch einige Daten reinladen von mir selbst. Aber der Unterschied ist hier, dass dieses Custom GPT oftmals nur für einen einzigen

6:45 SPEAKER_00: für ein einziges Nutzungsszenario gut ist. Also wenn ich beispielsweise immer auf eine bestimmte Art von E-Mail antworten möchte und dann mein Custom GPT baue oder immer irgendwie eine Präsentation bauen möchte, aber ich hab einen Use Case. Unterschied zu dem zum jetzigen Wissensmanagement, was wir betrachten wollen, ist, ich da viele Use Cases haben kann und

7:02 SPEAKER_01: das Ganze übergreifend ist. Genau, also bei GPTs eben sehr begrenzt ist, so Gewissensdatenbank,

7:09 SPEAKER_01: die man sonem GPT eben gibt. Und wenn man jetzt ein unternehmensweites

7:12 SPEAKER_01: oder eben ein teamweites Wissensmanagement aufziehen, aufbauen möchte, würde man natürlich noch viel mehr Files, die halt sonst irgendwo verteilt auf sonem Drive rumliegen. Ob das jetzt mein SharePoint ist, ob das ein Google Drive ist. Bei fast allen Unternehmen ist es aktuell eine ziemliche Katastrophe, wie in der File Ablage so ja umgesetzt wird. Und irgendwie Antworten zu finden in den Unternehmensdateien

7:36 SPEAKER_01: ist meistens eine Katastrophe.

7:38 SPEAKER_01: Und es macht auch Leuten keinen Spaß. Mir macht das auch keinen Spaß, irgendwie eine Versionskontrolle zu haben, die neuesten Files sauber abzulegen.

7:45 SPEAKER_01: Und ich glaub, ja, wir sprechen ja nicht nur für uns, wahrscheinlich in den allermeisten Unternehmen ist es so, dass die Share Points oder die die Google Drives oder was auch immer sehr, sehr, sehr chaotisch sind. Ja. Dadurch geht Teamwissen verloren.

8:01 SPEAKER_00: Ich hab Zeitverschwendung, weil ich ewig suche, weil ich mich da durch alle möglichen Dokumentenablagen

8:05 SPEAKER_00: durchklicken muss und Filestrukturen und Ordnerstrukturen.

8:08 SPEAKER_00: Also entweder ist es super chaotisch oder es ist extrem

8:11 SPEAKER_00: gut

8:12 SPEAKER_00: aufgearbeitet, aber

8:13 SPEAKER_00: aber ich hab dann, keine Ahnung, 30 oder 10 Unterordner.

8:17 SPEAKER_00: Oder ich hab auch eine Informationsüberflutung, weil

8:19 SPEAKER_00: weil ich einfach so viele Daten habe und so viele Dateien, dass ich gar nicht weiß, wo ich anfangen soll. Ja. Und ich hab mal eine 1 Fakt

8:25 SPEAKER_01: gelesen, das ist echt crazy, dass Leute circa 20 Prozent ihrer Arbeitszeit damit verbringen,

8:32 SPEAKER_01: Informationen zu suchen. Ja, und das kenne ich, wenn ich in Google Drive irgendwas eingebe, Umsatz

8:38 SPEAKER_01: 20 24,

8:40 SPEAKER_01: bekomme ich keine Antwort. Ich halt irgendwie 20 verschiedene Files, PDFs oder Präsentationen und irgendwo da darf ich dann meine Antwort suchen. Ja. Und bis ich wirklich die Antwort gefunden hab, die richtige Fall gefunden hab, die neueste Fall gefunden hab, vergeht viel Zeit und kann nicht sicherstellen, dass meine Kollegen und Kolleginnen immer die richtigen Files finden und damit die richtigen Informationen weiterarbeiten. Wahrscheinlich auch nicht. Also ist heute schon ein ziemlich ja großes Problem, kann man glaub ich sagen.

9:07 SPEAKER_00: Mit KI

9:08 SPEAKER_00: haben wir aber die Chance, dass es besser wird. Es ist heute schon viel, viel besser. Das heißt, ich kann sofort kontextbasiert

9:14 SPEAKER_00: Antworten bekommen.

9:16 SPEAKER_00: Ich kann Dokumente

9:18 SPEAKER_00: intelligent

9:19 SPEAKER_00: organisieren

9:20 SPEAKER_00: und ich muss sie dafür gar nicht in' sehr, sehr guten Fileablage haben, sondern kann sie tatsächlich auch chaotisch ablegen. Ja. Aber wir erklären gleich, warum das dann trotzdem funktionieren kann.

9:30 SPEAKER_00: Ich kann multilingual suchen, also in den verschiedensten Sprachen, ja. Also mir geht's manchmal so, teilweise sind meine Dokumente in Englisch, teilweise sind dann Deutsch.

9:38 SPEAKER_00: Wenn ich dann das den deutschen Begriff nur suche und nur diese Stichwortsuche hab, dann kommt halt der englische Begriff nicht, ja. Ja. Denglisch.

9:45 SPEAKER_01: Denglisch, ja, das ist wirklich... Klar, wenn ich in' in' ner irgendeinem Google Folder nach' Begriff Umsatzwachstum suche und mein meine File ist jetzt auf Englisch, dann findet er einfach das Ergebnis nicht, weil er eben nach' nach dem genau dem Wort sucht. Ja. Und

9:59 SPEAKER_01: ja, eben diese Wissenssynthese,

10:01 SPEAKER_01: also Antworten zu bekommen auf eine Suche und nicht eine Liste von Files ist eben, was dieses KI Wissensmanagement ausmacht. Und das ist son bisschen mir das Thema

10:10 SPEAKER_01: Research,

10:11 SPEAKER_01: ja. Also heute Google ich quasi, also vor KI Google ich und bekomm dann irgendwie 20 Powerlinks und kann mich da durchklicken. Beim Wissensmanagement

10:20 SPEAKER_01: bekomm ich wie beispielsweise bei bei Black City oder jetzt auch die Google Suche mit der KI Funktion eben eine Antwort. Und darum

10:27 SPEAKER_01: geht es. Und wie

10:29 SPEAKER_01: das alles technisch

10:31 SPEAKER_01: funktioniert,

10:33 SPEAKER_00: hören wir uns glaub ich jetzt kurz an. Ja, da kannst Du mehr zu sagen. Also es ist das schöne Wort heißt ja RAG Retrieval

10:40 SPEAKER_00: Augmented

10:41 SPEAKER_00: Generation.

10:43 SPEAKER_01: Ja,

10:44 SPEAKER_01: Retrieval Augmented Generation,

10:46 SPEAKER_01: also ohne ums zu komplex zu machen. Heißt im Wesentlichen,

10:51 SPEAKER_01: dass wenn ich eine Suchanfrage stelle, beispielsweise wie war unser Umsatzwachstum 20 24,

10:56 SPEAKER_01: Schick ich ja diesen Prompt normalerweise an ein LLM und das LLM würde jetzt entweder mit dem Internet connected sein, da irgendwie eine Antwort zu finden oder auf Basis des Gelernten in den Trainingsdaten mir eine Antwort geben. Also LLM, Large Language Model, ne, das was ChatGPT gesprochen wurde. Genau. Ja.

11:13 SPEAKER_01: Und

11:14 SPEAKER_01: in

11:15 SPEAKER_01: unserem Fall oder im oder bei RAG ist es so, dass es auf eine sogenannte

11:20 SPEAKER_01: Vektordatenbank

11:22 SPEAKER_01: zugreift. Was es ist, erklären wir gleich.

11:25 SPEAKER_01: Und dort erst mal die relevanten Informationen

11:29 SPEAKER_01: aus meinem Unternehmen zusammensucht.

11:31 SPEAKER_01: Also das sind sozusagen so kleine Informationspakete,

11:34 SPEAKER_01: dass das System versteht, okay, Umsatzwachstum, da muss ich ungefähr hier suchen. Hier sind die relevanten Elemente und Informationen, die ich gefunden habe und nimmt dann diese Informationen zusammen mit 1 Anfrage, schickt die Daten dann an das LRM, was mir dann wiederum eine Antwort gibt auf meine Frage. So funktioniert das quasi high level. Und jetzt vielleicht noch einen Schritt weiter, was ist überhaupt sone Vektordatenbank?

11:57 SPEAKER_01: Eine Vektordatenbank

11:58 SPEAKER_01: heißt eigentlich nichts anderes als

12:00 SPEAKER_01: eine

12:01 SPEAKER_01: sauber strukturierte

12:02 SPEAKER_01: strukturierte

12:03 SPEAKER_01: und herausgearbeitete

12:05 SPEAKER_01: Datenbank, die die Zusammenhänge

12:08 SPEAKER_01: der Inhalte meiner Daten versteht.

12:10 SPEAKER_01: Und wenn man sich simpel meine Informationen in' zwei-d-Raum vorstellt,

12:15 SPEAKER_01: son oder im drei-d-Raum,

12:17 SPEAKER_01: dann sind die Wörter für Hund und Katze irgendwie weit nebeneinander,

12:22 SPEAKER_01: aber das Wort für, keine Ahnung, Fotokamera

12:25 SPEAKER_01: ist ganz woanders. Und genauso

12:28 SPEAKER_01: würden meine Daten oder meine Files aufgearbeitet werden, dass dann später eben dieses RAG System weiß, wo es die Information hernimmt. Und eine Vektordatenbank

12:38 SPEAKER_01: erstellt man so, indem man dann alle seine Files dort reingibt.

12:42 SPEAKER_01: Da gibt's natürlich noch bei Best Practices, wie die Files aussehen müssen, wie man die am besten strukturiert und benennt und so weiter und so fort, dass die KI auch die Inhalte noch ein bisschen besser versteht. Weil im Prinzip aus allen meinen Informationen, die ich habe, entsteht dann entsteht dann quasi diese Vektordatenbank. Da sind die Daten alle schön organisiert für die KI, dass die KI damit umgehen kann. Und wenn ich dann eben eine Frage stelle im Wissensmanagement

13:03 SPEAKER_01: über RG, geht RG sozusagen in die Vektordatenbank und sag, ach, hier ist die Information, die hole ich jetzt raus, gibt die jetzt mit ans LRM und das LRM gibt mit eine Antwort. So kann man das ungefähr,

13:14 SPEAKER_01: glaub ich, erklären.

13:16 SPEAKER_00: Das hätte ich gerne vor über 10 Jahren gehabt. Ich hab mal im Start-up mit gegründet 2011

13:20 SPEAKER_00: und wir haben ganz, ganz viele

13:22 SPEAKER_00: Daten

13:23 SPEAKER_00: von Schulbuchvorlagen oder von Lehrverlagen bekommen

13:27 SPEAKER_00: und haben mussten die von Hand teilweise

13:29 SPEAKER_00: vertaggen. Mhm. Wir hatten dann wirklich ganz viele Studierende, Werkstudenten, die dann irgendwie Sachen vertaggt haben, damit wir mit' Suchmaschine den Kram durchsuchen konnten. Es waren Geschäftsmodelle, gibt's nach wie vor für Lehrerinnen und Lehrer. Heißt, die konnten sagen, hey, hab morgen früh

13:42 SPEAKER_00: Vertretungsstunde

13:43 SPEAKER_00: 9. Klasse in Biologie im Bundesland x y zum Thema Photosynthese.

13:47 SPEAKER_01: Und dann haben wir sozusagen Dokumente rausgesucht, die dazu passen. Mhm. Ein Riesenaufwand, das überhaupt durchsuchbar zu machen. Mhm. Das wäre heute wahrscheinlich eine Sache von' Tag. Ja. So was zu bauen. Ja, ja, genau. Also das dieses dieses Taggen, das kann die KI sogar sehr gut. Natürlich kann ich's der KI auch leichter machen. Ja. Aber quasi wie man das technisch macht, ich glaub, das würde jetzt den Podcast ein bisschen überschreiten. Ja. Den Fokus des Podcasts.

14:10 SPEAKER_01: Aber wichtig ist einfach zu verstehen, dass ich dass ich meine Unternehmensdaten

14:16 SPEAKER_01: sauber strukturiert in sone Vektordatenbank

14:19 SPEAKER_01: bekomme und dann halt eben die relevanten Fragen stellen kann. Und ein Use Case ist, ich hab früher mal in' großen Strategie in'

14:25 SPEAKER_01: Strategieberatung gearbeitet, eine weltweite.

14:28 SPEAKER_01: Und

14:29 SPEAKER_01: dort kommen natürlich in den verschiedenen Ländern

14:32 SPEAKER_01: verschiedene Projekte immer mal wieder, die man schon mal irgendwo auf der Welt gemacht hat, ne. Natürlich wär's dann cool, genau zu wissen, wie man da vorgeht. Und da die hatten tatsächlich schon eine sehr gute Datenbank und dann die ganzen Projekte abgelegt waren und auch erklärt waren.

14:46 SPEAKER_01: Und

14:48 SPEAKER_01: ja, ich aber trotzdem suchen musste und mich dann durch eine Liste von Hunderten oder Tausenden Projekten

14:55 SPEAKER_01: durcharbeiten

14:56 SPEAKER_01: musste, die halt irgendwie sortiert waren nach Keywörtern, die ich in der Suche eingegeben hab oder über Kategorien.

15:02 SPEAKER_01: Und auch der Prozess hat natürlich ultralangedauert.

15:05 SPEAKER_01: Ja. Und wenn jetzt quasi und ich bin mir relativ sicher, dass das Unternehmen das heute mittlerweile so macht, diese ganzen Daten einfach eben vektorisiert

15:14 SPEAKER_01: und 1 1 1 Wissensmanagement

15:16 SPEAKER_01: drüber aufziehen, KI basiert ist, bin ich halt viel schneller an meinem Ziel und spar mir eben die Zeit, lange das richtige Projekt zu finden, dann reinzugehen und zu verstehen, ob's wirklich das relevante Projekt war oder es vielleicht doch nicht was ganz anderes ist. Und das ist einfach schon sehr spannend, ja. Ja, also eine klassische Datenbank ist vielleicht wie son so ein Wörterbuch, ja. Ich such ein

15:36 SPEAKER_00: Begriff und dann finde ich diesen Begriff vielleicht auch mehrmals.

15:39 SPEAKER_00: Vektordatenbanken

15:40 SPEAKER_00: sind eher wie son Gehirn, also das heißt, die Daten werden in eine Art Koordinatennetz

15:44 SPEAKER_00: abgelegt.

15:45 SPEAKER_00: Und

15:47 SPEAKER_00: die Datenbank versteht nicht den Zusammenhang,

15:50 SPEAKER_00: aber ist besser in der Lage, Zusammenhänge

15:52 SPEAKER_00: darzustellen.

15:53 SPEAKER_01: Ja, genau. Also es versteht, wo es suchen muss, mir die relevanten Informationen zu geben.

15:58 SPEAKER_01: Alles wieder Statistik, ne, alles Wahrscheinlichkeiten.

16:01 SPEAKER_01: Das sind sone Vektordaten, man geht und ist nahe bei Katze, weil irgendwie

16:05 SPEAKER_01: ist statistisch nah beieinander, näher als bei der Kamera. Genauso würde es natürlich vorgehen bei der Informationssuche.

16:11 SPEAKER_01: Und natürlich können da auch Informationsfehler

16:14 SPEAKER_01: vorkommen, ne. Also es ist nicht so, dass ich dem allen blind Klar. Trauen sollte. Das Coole ist aber, dass diese Systeme mir die Quellen angeben.

16:22 SPEAKER_01: Geben mir eine Antwort und sagen mir dann auch, wo die Antwort gefunden wurde. Ich kann dann quasi immer draufklicken

16:27 SPEAKER_01: und bekomme dann die Quelle und kann das noch mal und sollte das auch immer noch mal validieren, je nachdem, was es eben für ein Task ist, ne. Also grade wenn's immer Daten, Fakten geht, sollte man da immer noch mal nachprüfen.

16:39 SPEAKER_00: Ist für euch natürlich im Unternehmenskontext superinteressant,

16:41 SPEAKER_00: sowohl auf Teamebene

16:43 SPEAKER_00: als auch auf Bereichsebene oder auch aufs fürs ganze Unternehmen.

16:46 SPEAKER_00: Kann man wunderbar aufbauen, wenn man sagt, hat ein Team, spielt zwischen Daten, auf die man zurückgreifen will. Super für Onboardings.

16:53 SPEAKER_00: Oder auch in Deutschland stehen wir generell vor der Herausforderung, dass sehr, sehr viele Menschen in den nächsten Jahren den Arbeitsmarkt verlassen,

16:59 SPEAKER_00: einige nachkommen, aber auch nicht genug Ja. Und wir das Thema vom Wissensmanagement haben und einfach viele Menschen das Unternehmen verlassen, die Wissen implizit hatten. Ja. Aber wenn dieses Wissen irgendwo in Dokumenten kodifiziert ist, haben wir jetzt die Chance, das besser rauszufinden. Genau und vielleicht sollten wir das als letzte wichtige große Aufgabe sehen, wenn Personen in Rente gehen, das Unternehmen verlassen, dass sie wirklich noch mal ihr ganzes Wissen

17:23 SPEAKER_01: dokumentieren

17:24 SPEAKER_01: und

17:25 SPEAKER_01: das Ganze ja sauber aufschreiben

17:27 SPEAKER_01: oder eben auch mit' KI einfach reinsprechen,

17:31 SPEAKER_01: was natürlich ja auch noch mal viel einfacher ist und die KI dann sozusagen

17:35 SPEAKER_01: dafür zu nutzen, das Ganze zu strukturieren und eben dann sauber sauber abzulenken.

17:39 SPEAKER_00: Ich hoffe natürlich, dass wenn wir ein bisschen in die Zukunft schauen,

17:42 SPEAKER_00: diese Möglichkeit fast schon automatisiert haben,

17:45 SPEAKER_00: dass ich dann mein Miro und mein Slack Mit der und

17:49 SPEAKER_01: die Informationen mit

17:52 SPEAKER_00: meinen Mails,

17:53 SPEAKER_00: mit meiner Dateiablage,

17:54 SPEAKER_00: dass all das irgendwo in Vektordatenbanken

17:56 SPEAKER_00: zusammengeführt wird und ich dann mit'

18:00 SPEAKER_01: Chatbot sprechen kann und diese ganzen Informationen bekomme. Sofern was dokumentiert ist. Also es ist ja glaube ich generell das große Problem in ganz vielen Unternehmen, dass es ganz viel Wissen einfach noch in den richtigen Hirnen dieser Mitarbeitenden

18:15 SPEAKER_01: gibt und

18:16 SPEAKER_01: generell viel zu wenig dokumentiert wird, ja. Und wenn das nie aus den rauskommt und irgendwie mal irgendwo aufgeschrieben wird,

18:22 SPEAKER_01: dann hab ich ohnehin ein großes Problem und starke Abhängigkeiten von einzelnen Personen unter in im Unternehmen. Was ist, wenn die mal weg sind, wenn die krank werden, wie auch immer. Also

18:31 SPEAKER_01: es ist son bisschen das Thema wie immer, ich brauch natürlich die Daten, das sinnvoll zu nutzen. Wenn die ganzen Informationen nur in den Köpfen meiner Mitarbeitenden sind, dann bringt mir auch ein Wissensmanagement nicht. Dann muss ich erst mal ein Schritt weiter vorne anfangen und halt die Sachen eben sauber dokumentieren und ablegen,

18:49 SPEAKER_01: dass eine Maschine eben daraus lernen kann. Und dann halt eben den neuen, den Nachzüglern

18:54 SPEAKER_01: ja dabei zu helfen, diese Informationen zu sammeln, zu verstehen. Und Du hast das Onboarding angesprochen.

19:00 SPEAKER_01: Wenn ich

19:01 SPEAKER_01: neue Mitarbeitenden viel schneller onboarden kann und aufn Wissensstand bringen kann, weil die alle ihre Fragen

19:07 SPEAKER_01: der KI stellen können,

19:09 SPEAKER_01: dann

19:10 SPEAKER_01: binde ich natürlich auch viel weniger Ressourcen von meinen bestehenden Mitarbeitenden, die sonst sehr viel Zeit bringen müssten, alle Fragen quasi einzeln zu beantworten.

19:20 SPEAKER_01: Und so ist es auch oft für für neue Mitarbeitende eine kleinere Hürde, weil man will ja auch nicht dumm irgendwie erscheinen oder dumme Fragen stellen, wenn man grade irgendwo neu angefangen hat. Und

19:32 SPEAKER_01: ich hab natürlich keine Berührungsängste, wenn ich alle meine Fragen der KI stelle, während ich mir vielleicht, je nachdem auch wie der Chef oder die Chefin drauf ist, mir manche Sachen dreimal überlegen würde, ob ich die Frage jetzt stellen kann. Und ja, daher auch ein 1 super Tool dieses Wissensmanagement fürs Onboarding der Mitarbeitenden. Genau. Müsst keine Angst haben, ihr müsst jetzt kein riesen IT Projekt starten. Na klar, in Enterprise Settings, wenn ich irgendwie 100000 von Daten hab, brauch ich das schon, aber um's auszuprobieren,

19:58 SPEAKER_00: können wir einfach heute

19:59 SPEAKER_00: starten. Es gibt genug Produkte da draußen, die das möglich machen.

20:03 SPEAKER_00: Beispielsweise schon in ChatGPT die Möglichkeit, Projekte anzulegen.

20:07 SPEAKER_00: Da habe ich zwar, setze ich zwar keine eigene Datenbank auf,

20:10 SPEAKER_00: aber ich kann in diesen ChatGPT Projekten

20:13 SPEAKER_00: verschiedene Daten hochladen, Dateien,

20:15 SPEAKER_00: Power Points,

20:17 SPEAKER_00: PDFs,

20:18 SPEAKER_00: Videos,

20:19 SPEAKER_00: What not.

20:20 SPEAKER_00: Und dann innerhalb von ChatGPT in diesem Projekt immer wieder drauf zugreifen und neue Chats starten. Also ist son bisschen anders strukturiert als als ein Custom GPT.

20:29 SPEAKER_01: Deutlich umfangreicher, glaub ich, ne. Also son Projekt ist,

20:32 SPEAKER_01: ja, hat eine viel breitere Wissensdatenbank.

20:34 SPEAKER_01: Ich kann's für ganz viele verschiedene Themen nutzen.

20:37 SPEAKER_01: Wir haben uns im Unternehmen auch so was angelegt,

20:40 SPEAKER_01: nicht in ChatGPT, aber in Claude, aber da kannst Du's genauso machen. Das ist, glaub ich, sehr, sehr vergleichbar.

20:45 SPEAKER_01: Und

20:46 SPEAKER_01: ich nenn es das Brainstorming Projekt. Da sind alle Informationen übers SnipKI drin, also unsere über über unsere Produkte, über uns als Gründer Erfindungsgeschichte

20:55 SPEAKER_01: und über die Community und alles, was wir so machen.

20:57 SPEAKER_01: Auch so auch Umsatzzahlen

20:59 SPEAKER_01: und Wachstum und unsere Strategie.

21:03 SPEAKER_01: Und ich nutze dieses Projekt dann

21:06 SPEAKER_01: auch viel für Brainstorming.

21:07 SPEAKER_01: Und so geborene ich quasi der KI schon ein großen Kontext quasi,

21:12 SPEAKER_01: quasi,

21:14 SPEAKER_01: das Brainstorming besser durchzuführen, ja. Und so was kann ich mit' Projekt machen, ne. So was kann ich mit sonem ChatGPT Projekt oder' Blog Projekt machen.

21:21 SPEAKER_01: Und ist ein einfacher Schritt, weil ich hier dann eben auch direkt entscheide, welche Daten ich damit eben verbinden möchte und welche auch nicht, wenn ich nicht vielleicht gleich komplett meine ganzen Unternehmensdaten

21:32 SPEAKER_01: damit verbinden möchte, was auch in vielen Fällen eben Sinn ergibt. Da kommen wir aber gleich noch mal dazu, wie man quasi über das Thema Datenschutz ein bisschen nachdenkt. Natürlich musst Du überlegen, welche Daten wohin gehen und grade auch son ChatGPT Projekt,

21:44 SPEAKER_01: Daten gehen in die USA,

21:46 SPEAKER_01: ne. ChatGPT

21:47 SPEAKER_00: lernt dadrauf nicht oder OpenAI, muss man, glaub ich, auch dazu sagen. Ja, aber dennoch ist es es kann schwierig sein, grad wenn Kundendaten oder personenbezogene Daten dabei sind.

21:56 SPEAKER_00: Und ich kann's natürlich nur begrenzt anpassen. Also ich kann jetzt nicht irgendwie

22:00 SPEAKER_00: da rumschrauben, sondern ich kann mir Fälle Daten teilen oder auch nicht teilen. Aber das war's dann auch, was die Anpassung angeht. Genau. Aber es gibt auch ein europäischen

22:08 SPEAKER_01: Player, glaub ich, den man hier ganz gut erwähnen kann. Ist ein deutsches Unternehmen, nennt sich Text Cortex, was im Wesentlichen

22:15 SPEAKER_01: genauso funktioniert. Ich setze meine Wissensdatenbank auf, kann auch in' höheren Plan entscheiden quasi, welche Mitarbeitenden Zugriff theoretisch auf welche Files bekommen. Ist ja auch immer sone Sache, vielleicht soll nicht jede Person auf alle Informationen im Unternehmen gleich zugreifen können.

22:32 SPEAKER_01: Das heißt, son gewisses

22:34 SPEAKER_01: rechte Management System

22:35 SPEAKER_01: ergibt natürlich auch Sinn. Und

22:38 SPEAKER_01: Text Cortex ist einfach DSGVO

22:41 SPEAKER_01: compliant. Die Daten liegen auf europäischen Servern, wenn hier verwaltet.

22:46 SPEAKER_01: Und daher, wenn man das Ganze, sag mal, ein bisschen größer denkt, davon, wie groß mein Unternehmen ist, ne, kleinere Unternehmen drücken vielleicht noch mal ein Auge zu und sagen, wir machen das mit ChatGPT.

22:57 SPEAKER_01: Ab' gewissen Größe im Mittelstand würde man wahrscheinlich sehr großen Fokus auf dieses ganze Thema

23:03 SPEAKER_01: DSGVO,

23:04 SPEAKER_01: ne, legen. Und da ist Text Cortex

23:07 SPEAKER_01: eine ganz gute Variante. Es gibt noch ganz viele andere

23:11 SPEAKER_00: Die sind nicht mit Text Cortex oder ChatGPT assoziiert,

23:14 SPEAKER_00: keine Werbung. Ja. Wenn ihr uns Geld schicken wollt, gerne.

23:17 SPEAKER_00: Ja,

23:18 SPEAKER_01: nein, kein Affiliate Modell oder irgendwas.

23:21 SPEAKER_01: Das sind also die Coolste, die wir im Kopf haben. Es gibt aber verschiedenste

23:24 SPEAKER_01: Genau. Verschiedenste Anbieter da im Markt, die man sich da anschauen kann.

23:28 SPEAKER_01: Die sind dann vielleicht teilweise von den Oberflächen

23:31 SPEAKER_01: jetzt nicht ganz so,

23:34 SPEAKER_01: ich sag mal, schön einfach zu nutzen,

23:36 SPEAKER_01: wie das eben die neuesten amerikanischen Tools eben sind.

23:40 SPEAKER_01: Aber für die ganzen, ja, meine ganzen Grundbedürfnisse sind die auf jeden Fall sehr, sehr gut. Fairerweise hab ich

23:46 SPEAKER_01: seit paar Monaten nicht mehr gesehen. Vielleicht sind die auch mittlerweile genauso gut oder sogar noch besser als ChatGPT.

23:51 SPEAKER_01: Da kann ich gar nix zu sagen. Aber man sollte quasi immer überlegen bei der Toolwahl,

23:55 SPEAKER_01: wie sieht's aus mit Datenschutz und wie relevant ist dieses rechte Management und

24:00 SPEAKER_00: genau, wie groß möchte ich's quasi denken? Was auch ein schöner schönes Beispiel ist, was man nutzen kann, was vielleicht nicht

24:06 SPEAKER_00: primär dafür ausgelegt ist, aber was ich dafür ganz gern nutze, ist NotebookLM von Google. 1 meiner Lieblingstools.

24:13 SPEAKER_00: Zur Zeit, an dem Tag, an dem wir diesen Podcast aufnehmen, kann ich bis zu 50 Quellen hochladen. Kann durchaus sein, dass sich das erhöht. In der kostenlosen Wahl. In der kostenlosen Wahl. In der Bezahlvariante

24:24 SPEAKER_01: kannst Du, glaube ich, bis zu 200 Quellen.

24:26 SPEAKER_00: Ich glaub 500 Quellen, wenn Du in' ganz teuren Plan bist, aber Aber ihr könnt's ausprobieren kostenlos. Bis zu 50 Quellen könnt ihr hochladen. Und das Coole daran ist,

24:35 SPEAKER_00: das Wissensmanagement über Notebook. LAM kann man dann auch über einen Podcast

24:40 SPEAKER_00: sich reinfahren. Das heißt, man kann Fragen stellen und dann unterhalten sich 2 Menschen und beantworten auch diese Frage, was auch ziemlich cool ist. Ja, ich konnte, also ich kann ganz viele Quellen einmal damit verbinden, ne. Meine ganzen internen Quellen. Ich kann YouTube Videos damit verbinden,

24:54 SPEAKER_01: Google Docs und so weiter. Also multimodal, ne, irgendwie. Genau, direkt alles da da anschließen.

24:59 SPEAKER_01: Und seit, ich mein

25:01 SPEAKER_01: gestern, vorgestern,

25:03 SPEAKER_01: ne, also wenn Du den Podcast hier hörst, wahrscheinlich vor 2, 3 Wochen, Ja. Gibt es sogar nicht nur ein Audiopodcast,

25:11 SPEAKER_01: sondern es gibt jetzt auch, ich hab's noch nicht ausprobiert, aber es gibt jetzt auch Videozusammenfassungen.

25:15 SPEAKER_01: Erstellen quasi noch passende Slides zu den Fragen, die Du hast,

25:20 SPEAKER_01: was ganz spannend ist. Also ich muss es noch probieren. Das muss ja auch mal cool, was da mittlerweile geht. Aber da könnte ich zum Beispiel ein Umbauding sagen, hey, mach mir mal ein Podcast darüber,

25:28 SPEAKER_01: wie bei uns der Vertriebsprozess

25:30 SPEAKER_01: funktioniert.

25:31 SPEAKER_01: Und dann dauert's, keine Ahnung, 10 Minuten. Dann hab ich in 15 Minuten langen Podcast, wo sich 2 unterhalten,

25:36 SPEAKER_01: auch auf Deutsch,

25:37 SPEAKER_01: wie der Vertriebsprozess

25:39 SPEAKER_01: in unserem Unternehmen funktioniert. Und so kann ich, je nachdem, ob ich eben audiovisuell

25:44 SPEAKER_01: geprägt bin und so besser lerne, mir eben übern Podcast die Sachen erklären lassen oder übern Text oder jetzt auch eben bald

25:50 SPEAKER_01: über ein Video. Also ist ein sehr spannendes Tool. MoPo GLM wieder, liegt wahrscheinlich,

25:56 SPEAKER_01: würd ich jetzt mal sagen, die meisten Daten dann wieder in den USA.

26:00 SPEAKER_01: Ich weiß gar nicht genau, wie es ist, wenn ich deutschen

26:02 SPEAKER_01: Business

26:03 SPEAKER_01: Google Account habe, ob dann quasi das auf europäischen Servern liegt. Im Zweifel für jeden, den es relevant ist, sollte man das vorher einfach noch mal recherchieren. Aber selbst wenn die Daten auf deutschen Servern oder europäischen Servern liegen, die Inferenz ist wahrscheinlich schon in den USA nach wie vor, ne?

26:20 SPEAKER_01: Kann sein, weiß ich nicht. Würde ich Google, wenn ihr zuschaut,

26:23 SPEAKER_01: schreibt's gerne in die Kommentare. Ja, genau, wobei sich das auch wahrscheinlich noch hundertmal ändert und wahrscheinlich wieder daran liegt, ob wir ein Paidplan, ein Proplan oder ein Ultraplan habt.

26:34 SPEAKER_01: Und genau, von daher,

26:36 SPEAKER_01: ich glaub, hier irgendwelche Tool Tipps zu geben und vor

26:40 SPEAKER_01: allem irgendwie noch Features von' Tool

26:44 SPEAKER_01: zu besprechen. Das ist so schnell outdated.

26:46 SPEAKER_01: Die Welt dreht sich so schnell. Von daher,

26:49 SPEAKER_01: ja. Aber wahrscheinlich kriegen wir wieder ein paar Kommentare. Ja, ihr seid doch outdated. Das gibt es doch gar nicht mehr. Es gibt doch schon was Neues. Ja.

26:56 SPEAKER_01: Kleiner Funfact, was viele von euch nicht wissen, wir haben zwar in jeder Episode andere Klamotten an, aber es kann auch schon mal sein, dass wir 2 oder 3 Episoden Jetzt hast Du's doch gesagt, also so was. Das heißt, es gibt immer ein gewissen Delay zwischen Aufnahme und

27:09 SPEAKER_01: Lifeschalen.

27:10 SPEAKER_01: Nein.

27:12 SPEAKER_00: Aber was wir euch mitgeben können, sind die Schritte, wie ihr das am besten bei euch implementieren könnt. Das heißt, wenn ihr heute oder morgen mit dem Thema Wissensmanagement bei euch im Unternehmen, bei euch im Team anfangen wollt, gibt's eigentlich 4 Schritte, die ihr befolgen könnt. Schritt 1, Analyse. Schritt 2, die Strukturierung.

27:29 SPEAKER_00: Schritt 3, die Migration. Und Schritt 4,

27:32 SPEAKER_00: die Optimierung. Was heißt das genau? Analyse.

27:35 SPEAKER_01: Analyse. Also erst mal müsst ihr eine Bestandsaufnahme machen,

27:38 SPEAKER_01: welche Dokumente überhaupt relevant sind und son in son System eben reingehen sollen.

27:44 SPEAKER_01: Es gibt immer sehr viel Sinn, mit dem Team zu sprechen, was eigentlich die Anforderungen sind. Was sind ein die die typischen Fragen, die jemand hat, ne? Haben wir ein Onboarding Fokus? Wollen wir ein System über alles machen? Geht's die ganze Company? Geht's einzelne Teams nur? Dann das Thema Datenschutz,

27:58 SPEAKER_01: können wir gleich noch mal ein bisschen detaillierter drauf eingehen.

28:01 SPEAKER_01: Welche Daten dürfen da vielleicht auch gar nicht rein? Kundendaten, würd ich vielleicht wahrscheinlich nicht die Gehälter meiner ganzen Mitarbeitenden da drin haben, da die ein Zugriff drauf haben.

28:11 SPEAKER_01: Darüber muss ich natürlich Gedanken machen und einfach Ziele definieren. Was soll dieses Wissensmanagementsystem

28:16 SPEAKER_01: einfach für mich lösen? Das ist der 1. Schritt.

28:19 SPEAKER_01: Dann

28:20 SPEAKER_00: 2. Die Strukturierung, das heißt, ihr müsst die Dokumente kategorisieren.

28:23 SPEAKER_00: Welche kommen da rein? Welche gibt es? Möglichst die Dokumente, die auch schon von den Modellen verarbeitet werden können.

28:29 SPEAKER_01: Zugriffsrechte, das

28:30 SPEAKER_00: das Einstiche Und natürlich auch Zugriffsrechte, die müssen festgelegt werden. Also sollen alle alles sehen.

28:35 SPEAKER_00: Wenn alle alles sehen können, dann kann man relativ leichtfüßig mit sonem Notebook RLM oder' ChatGPT Projekt starten.

28:42 SPEAKER_00: Wenn's da Differenzierungen

28:43 SPEAKER_00: gibt, dann müsste er ja ein bisschen komplizierter rangehen.

28:47 SPEAKER_01: Genau. Und dann, wenn ich quasi alle Daten hab, das ganze Thema irgendwie sauber habe,

28:51 SPEAKER_01: die Daten auch sauber strukturiert haben, dann kommt die Migration in das neue System, Ja. Was dann eben lernt, die Vektordatenbank erstellt und so weiter und so fort. Und ja, Daten übertragen, das Ganze testen, ausprobieren,

29:04 SPEAKER_01: wie es funktioniert. Die Kolleginnen und Kollegen schulen. Genau, das ist auch natürlich immer ganz wichtig. Alle Leute abholen, zeigen, was das Ganze kann. Vor allem auch sensibilisieren, wo die Fehler sein können. Ja. Dass eben nicht die Antworten immer 100 Prozent korrekt sein müssen, dass wir immer noch die Quellen checken. Und dann last, but not least, wie bei jedem Projekt,

29:21 SPEAKER_01: Phase 4, wir optimieren nach und nach, wir lernen, was funktioniert, was funktioniert nicht.

29:26 SPEAKER_01: Vielleicht auch, wenn bestimmte Ergebnisse immer falsch angezeigt sind, haben wir vielleicht die Daten nicht sauber strukturiert,

29:31 SPEAKER_01: müssen dann vielleicht noch mal rangehen in quasi

29:34 SPEAKER_01: ja Definitionen,

29:35 SPEAKER_01: das Labeling der Daten in gewisser Art und Weise. Und wir merken, unser unsere KI hat da irgend ein Problem damit, die sauber auszulesen.

29:41 SPEAKER_01: Es kann auch mal sein, dass die Daten in

29:44 SPEAKER_01: ja, extrem komischen PDF Dateien sind, die irgendwie nicht richtig auslesbar sind, ne. Dann müssen wir da quasi da noch mal rangehen. Das ist quasi dann ja quasi 4, einfach das Ganze bisschen optimieren. Find ich aber spannend, weil bei vielen Projekten hast Du ist das Ding abgeschlossen und dann ist war das Projekt, war's das. Ich glaub, bei KI Projekten ist dieses Thema Optimierung

30:04 SPEAKER_00: und ständige Verbesserung zumindest zurzeit noch superwichtig, weil alles entwickelt sich so schnell weiter und Fähigkeiten werden ergänzt,

30:11 SPEAKER_00: dass es, glaube ich, schade wäre, wenn man diesen Optimierungsschritt nicht macht,

30:15 SPEAKER_01: weil man sie eben verbessern kann, ne. Ja, ist son bisschen, wie man sich selbst immer weiterbilden muss, weil immer mehr geht. Und den Fehler, den man halt nicht machen darf, ist heute zu sagen, wir haben das probiert,

30:26 SPEAKER_01: das funktioniert nicht, die KI kann das nicht. Ja. Weil in 3 Monaten die KI das vielleicht kann. Und wenn ich jetzt quasi meine Meinung bilden auf Basis der Informationen von heute und nicht weitermache und weiter denke und weiter ausprobiere, dann bleib ich irgendwann stehen. Und

30:41 SPEAKER_01: ja, die Themen gehen so schnell weiter, die Fähigkeiten werden so schnell besser. Und von daher darf ich da nicht stehen bleiben. Die Optimierungsphase ist quasi eine Phase,

30:50 SPEAKER_00: glaube ich, in allen, ja, KI Projekten. Vielleicht noch als Tipp, weil wir in Deutschland sind, Datenschutz.

30:56 SPEAKER_00: Es gibt hier wahrscheinlich 3 Stufen von Daten. Das eine sind die unkritischen Daten,

31:02 SPEAKER_00: dann haben wir die internen Daten und dann die sensitiven Daten. Was sind

31:06 SPEAKER_00: Daten?

31:07 SPEAKER_00: Prinzip alles, was ihr auch so veröffentlichen würdet, ja? Marketingmaterial,

31:11 SPEAKER_00: Präsentation,

31:12 SPEAKER_00: allgemeine Guidelines. Also all das, wo jetzt keine Unternehmensgeheimnisse preisgegeben werden und auch keine

31:18 SPEAKER_00: personenbezogenen Daten eurer Kundinnen oder Kunden drin sind. Genau. Alles, was irgendwie öffentlich

31:23 SPEAKER_01: einsehbar ist, Kampagnen

31:25 SPEAKER_01: und so weiter und so fort. Genau. Die 2. Kategorie sind interne Daten, also irgendwelche Pläne,

31:31 SPEAKER_01: Projekt,

31:32 SPEAKER_01: irgendwelche Kampagnen, die ihr plant,

31:36 SPEAKER_01: ja,

31:37 SPEAKER_01: Tools, die ihr nutzt,

31:39 SPEAKER_01: potenziell eure Finanzdaten. Also

31:41 SPEAKER_01: Also alles, was irgendwie intern ist, da müsst ihr euch natürlich dann genau überlegen,

31:45 SPEAKER_01: möchte ich das hier in das System mit reingeben? Das ist natürlich immer die,

31:49 SPEAKER_01: davon

31:50 SPEAKER_01: leitet sich dann natürlich auch ab, welche Systeme ich nutze, ne. Also für die die unkritischen Daten, die Du erwähnt hast in Schritt 1, da kann ich alles in ChatGPT

31:58 SPEAKER_01: ballern, in NotebookLM, in Claude, ist relativ egal. Bei den unternehmensinternen

32:03 SPEAKER_01: Daten muss ich mir jetzt natürlich wieder überlegen.

32:06 SPEAKER_01: Auch da, ich seh's,

32:08 SPEAKER_01: aber gut, ich bin auch nicht der big Corporate Guy, eigentlich auch unkritisch, viele interne Daten in die Systeme zu geben, weil ich weiß, die lernen nicht darauf.

32:16 SPEAKER_01: Natürlich keine

32:18 SPEAKER_01: unter eine

32:19 SPEAKER_01: Mitarbeiter bezogenen Daten oder kundenbezogene Daten. Personenbezogene Daten. Personenbezogene Daten.

32:25 SPEAKER_01: Da würde ich mir dann eher ein DSGVO auf jeden Fall ein DSGVO konformes System eben nutzen. Da sind wir bei den sensitiven Daten. Genau. Auch Finanzinformationen,

32:32 SPEAKER_01: all das, wo compliance eine Rolle spielt. Genau. Und da ist dann halt die Frage, ist immer eine Kosten Nutzen Abwägung. Ja.

32:38 SPEAKER_01: Will löse ich damit oder das Problem, was ich löse, ist das so

32:43 SPEAKER_01: groß, dass ich quasi ein gewisses Risiko eingehen kann oder nicht? Und bei personenbezogenen Daten ist die Antwort eigentlich fast immer nein.

32:51 SPEAKER_01: Aber wie gesagt, wenn ich das nutzen möchte, dann

32:55 SPEAKER_01: kann ich auch

32:56 SPEAKER_01: Open Source Modelle, also was bauen auf meinen eigenen Servern in Europa. Ja.

33:02 SPEAKER_01: Und kann dann genau die gleichen

33:05 SPEAKER_01: Vorteile erzielen,

33:06 SPEAKER_01: komplett DSGVO konform mit meinen Finanzdaten, mit nutzerbezogenen

33:10 SPEAKER_01: Daten und so weiter und so fort. Also es ist alles möglich, aber es ist natürlich dann vom vom Aufbau her dieses System aufzubauen

33:17 SPEAKER_01: ein deutlicher

33:19 SPEAKER_01: größerer Aufwand, als wenn ich oft the shelft Tools eben nutze.

33:23 SPEAKER_01: Aber möglich, also alles ist möglich. Ich glaub generell zu sagen, mit KI dürfen keine Daten oder personenbezogenen Daten rein, ist falsch, Ja. Wenn ich eben das Ganze lokal hoste mit Open Source Modellen und so weiter. Das ist das Spannende. Also auf der einen Seite werden die Modelle immer größer, ja, immer größere Kontextfenster,

33:39 SPEAKER_00: immer mehr Datenpunkte. Auf der anderen Seite werden sie immer kleiner,

33:43 SPEAKER_00: ja, weil ich hab heute schon

33:45 SPEAKER_00: Sprachmodelle,

33:46 SPEAKER_00: die auf' nem modernen iPhone laufen. Ja.

33:49 SPEAKER_00: Das wäre vor

33:50 SPEAKER_01: 3 Jahren so noch nicht möglich gewesen. Ich kenne Apple Modelle, weil Apple ja immer

33:55 SPEAKER_01: noch eine absolute Katastrophe Auf dem Samsung, was KI angeht.

34:00 SPEAKER_01: Klar, also die Modelle werden immer kleiner, immer performanter

34:02 SPEAKER_01: und

34:03 SPEAKER_01: es gibt ja jetzt diese NVIDIA

34:06 SPEAKER_01: Desktop Computer,

34:08 SPEAKER_01: auf denen ich sogar ja größere Modelle laufen lassen kann

34:12 SPEAKER_00: und Sind noch ein bisschen teuer, ne? Dreieinhalb oder so was? Dreieinhalb oder 4000 Euro.

34:17 SPEAKER_01: Ich hab mich mal auf die Warteliste

34:19 SPEAKER_01: schreiben lassen und jetzt die E-Mail bekommen, dass ich mir jetzt einen bestellen kann. Aber

34:24 SPEAKER_01: ja, ist schon verlockend,

34:26 SPEAKER_01: aber ja. Ich ich denk nur drüber nach. Kriegen wir mit, wenn Du hast. Na ja, Weihnachten dauert noch eine Weile leider, aber vielleicht

34:34 SPEAKER_01: wenn wenn Weihnachten dann die ums Eck kommt, dann bringt vielleicht Santa Klaus aus Net. Mal schauen.

34:41 SPEAKER_00: Okay. Ich

34:42 SPEAKER_00: glaube, wir haben das Wissensmanagement,

34:44 SPEAKER_01: oder? Ja, Wissensmanagement abgeschlossen

34:46 SPEAKER_01: mit' kleinen, kleinen Update zu den aktuellen Entwicklungen am Anfang der Folge. Wenn's euch gefallen hat, lasst ein Like da, kommentiert drunter.

34:55 SPEAKER_00: Schickt uns eure Fragen, abonniert den Kanal auf YouTube. Auf YouTube sind wir zurzeit

35:00 SPEAKER_00: am reichweitenstärksten.

35:01 SPEAKER_00: Genau. Geht auch gern, wenn ihr uns gerne auf Spotify hört, geht auch gern auf Spotify. Immer da Daumen hoch kommentieren,

35:06 SPEAKER_01: Glocke anmachen.

35:07 SPEAKER_01: Das hilft uns sehr. Und stellt eure Fragen, gebt uns Feedback, Kritik.

35:13 SPEAKER_01: Wir versuchen uns dran zu halten.

35:15 SPEAKER_01: Mit dem Englisch, Denglisch schwierig,

35:18 SPEAKER_01: aber

35:18 SPEAKER_00: wir geben unser Bestes. Beim nächsten Mal geht's Research mit KI, also bis nächste Woche. Tschau.

35:25 SPEAKER_02: Cointelligence

35:26 SPEAKER_02: ist eine Produktion von thekey Academy in Zusammenarbeit mit SnipKI.

35:30 SPEAKER_02: Produziert bei Studio Co in Berlin.

35:32 SPEAKER_02: Produktion und Regie,

35:34 SPEAKER_02: Christina Manuel,

35:35 SPEAKER_02: Fuate Zebatli und Elias Robe.

35:38 SPEAKER_02: Creative Director Lukas Shelter.

35:41 SPEAKER_02: Redaktion und Moderation

35:42 SPEAKER_02: Benjamin Wüstenhagen und Moritz Heininger.

35:45 SPEAKER_02: Abonniere uns auf Spotify,

35:46 SPEAKER_02: Apple Podcasts oder YouTube.

35:48 SPEAKER_02: Danke fürs Zuhören.