01 · Das Gespräch
Fünf Minuten testen, sechs Monate warten
Richie Cotton eröffnet das Gespräch mit einer Frage, die nach mehreren Jahren KI-Euphorie naheliegt: Warum kommen so viele Unternehmen mit ihren Vorhaben trotzdem nicht voran? Phil Le-Brun antwortet mit einem Bild aus dem Arbeitsalltag. Ein Experiment auf dem Laptop könne fünf Minuten dauern. Bis es genehmigt werde, vergingen womöglich sechs Monate.
Le-Brun und Jana Werner, beide Executives in Residence bei AWS, sind im DataCamp-Podcast DataFramed zu Gast. Ihr Thema ist der Umgang mit dauerndem Wandel. An dem Beispiel wird schnell deutlich, wo sie das Problem sehen: Ein neues Werkzeug beschleunigt die Arbeit nur dann, wenn die Menschen es auch erproben und aus den Ergebnissen lernen können.
02 · Die Bremse im Alltag
Die Technik verändert sich, die Abläufe bleiben
Werner beschreibt im Gespräch den Red-Queen-Effekt: Während ein Unternehmen versucht, seinen bisherigen Stand zu halten, lernen und experimentieren Wettbewerber bereits weiter. Stillstand fühlt sich im eigenen Kalender vielleicht ruhig an. Im Verhältnis zu anderen bedeutet er, zurückzufallen.
In ihrem Buch The Octopus Organization nennen die beiden das starre Gegenmodell eine „Tin Man Organization“. Entscheidungen wandern durch Hierarchien, Fachbereiche arbeiten getrennt, Initiative braucht Erlaubnis. Für planbare Aufgaben kann das Ordnung schaffen. Bei einem Versuch, dessen Ergebnis noch niemand kennt, wird derselbe Ablauf zur Bremse.
Der Oktopus steht für ihre Alternative: Kleine Teams sollen nah an Kunden und Technik reagieren können. Dazu brauchen sie ein klares Ziel und Verantwortung für ihre Entscheidungen. Wer für jede kleine Anpassung wieder nach oben fragen muss, kann kaum schnell lernen.
03 · Der Maßstab
Viele KI-Nutzer sind noch kein gutes Ergebnis
Besonders konkret wird der Podcast bei den Kennzahlen. Die Zahl der Beschäftigten, die ein KI-Werkzeug öffnen, lässt sich leicht zählen. Sie verrät aber wenig darüber, ob diese Menschen bessere Arbeit leisten. Einfache Anfragen und ein sorgfältig entwickelter Arbeitsablauf landen sonst in derselben Erfolgsmeldung.
Werner warnt vor dem Verhalten, das solche Ziele auslösen: Wird Nutzung belohnt, steigt zunächst die Nutzung. Ob eine Aufgabe schneller erledigt, ein Fehler vermieden oder ein Ergebnis verständlicher wird, bleibt offen. Die im Gespräch gegenübergestellten 100.000 Nutzer und 50 Menschen mit tatsächlichem Nutzen sind ein Gedankenbeispiel, keine Erfolgsstatistik eines bestimmten Unternehmens.
Die entscheidende Frage lautet: Was hat sich an der Arbeit verbessert? Le-Brun vergleicht hilfreiche Messgrößen mit Vitalwerten. Sie sollen zeigen, wo man genauer hinsehen muss und was eine Veränderung bewirkt.
Zwei Arten, denselben KI-Einsatz zu beurteilen
Aktivität zählen
Wie viele Personen melden sich an? Wie viele Anfragen werden gestellt?
Nutzen prüfen
Welche Aufgabe gelingt besser? Was spart Zeit, ohne die Qualität zu verschlechtern?
Originalvideo auf YouTube ansehen04 · Zahlen einordnen
Eine Kennzahl erklärt noch nicht die ganze Situation
Damit führt das Gespräch zum Unterschied zwischen data-driven und data-informed. Zahlen können eine Entscheidung gut vorbereiten. Sie zeigen jedoch immer nur das, was erhoben wurde. Eine ungewöhnliche Kundenreaktion oder die Erfahrung eines Teams kann erklären, was im Durchschnitt unsichtbar bleibt.
Für den Arbeitsalltag ist das ein nützlicher Prüfpunkt: Wenn eine Auswertung gut aussieht, die Menschen aber von Problemen berichten, lohnt sich die Nachfrage. Welche Fälle fehlen? Was wurde als Erfolg gezählt? Die Daten werden dadurch nicht wertlos. Ihre Aussage wird genauer.
05 · Ins Handeln kommen
Nicht jeder Versuch braucht völlige Gewissheit
Wer immer weiter Informationen sammelt, trifft irgendwann womöglich gar keine Entscheidung mehr. Werner und Le-Brun unterscheiden deshalb zwischen Entscheidungen, die sich zurücknehmen lassen, und solchen mit schwer umkehrbaren Folgen.
Für viele umkehrbare Entscheidungen nennen sie ungefähr 70 Prozent der gewünschten Informationen als Orientierung. Gemeint ist ein begrenzter Versuch, den man beobachten und korrigieren kann. Das ist keine pauschale Regel für jede Aufgabe. Die Frage ist, wie viel Unsicherheit man für diesen konkreten Schritt verantworten kann und wie schnell eine Korrektur möglich wäre.
So hängen die Themen des Podcasts zusammen: Das Team braucht Spielraum für einen Versuch, passende Kriterien für dessen Ergebnis und die Fähigkeit, aus dem Material die richtigen Schlüsse zu ziehen.
06 · Vom Zuhören zur eigenen Arbeit
Der nächste Versuch beginnt mit dem eigenen Verständnis
Nach dem Gespräch bleibt eine praktische Aufgabe. Bevor man KI im Team bewertet, muss man selbst verstehen, was das Werkzeug leisten kann, welche Fehler typisch sind und wie man seine Antworten prüft. Sonst tauscht man nur eine unklare Kennzahl gegen die nächste.
Ein kleiner Einstieg kann reichen: Wählen Sie eine wiederkehrende Aufgabe, beschreiben Sie das gewünschte Ergebnis und halten Sie fest, woran Sie die Qualität erkennen. Prüfen Sie dann, welcher Teil sich sinnvoll mit KI unterstützen lässt. Unsere redaktionelle Übertragung des Gesprächs ist bewusst überschaubar: erst eine Aufgabe verstehen, dann ein Werkzeug einsetzen, anschließend das Ergebnis beurteilen.
Wer dabei merkt, dass Grundlagen fehlen, kann mit einem zusammenhängenden Lernpfad weiterarbeiten. Begriffe wie Sprachmodell, maschinelles Lernen und generative KI gehören zusammen. Ein Kurs hilft, diese Zusammenhänge Schritt für Schritt zu erarbeiten und sich regelmäßig Zeit zum Üben zu nehmen.
Passend zum Thema · Weiterbildung
Mit DataCamp Premium die KI-Grundlagen vertiefen
DataCamp veröffentlicht den besprochenen Podcast und bietet mit Premium auch eine Lernplattform für Daten- und KI-Themen an. Enthalten sind laut Anbieter mehr als 790 Kurse sowie Lernpfade, Übungen und Projekte. Der Lernpfad „Grundlagen der KI“ ist ein möglicher Einstieg ohne Programmierkenntnisse; DataCamp nennt dafür rund zehn Stunden.
Premium ist ein kostenpflichtiges Abonnement. Bei jährlicher Abrechnung wird der Jahresbetrag im Voraus fällig; die Mitgliedschaft verlängert sich, sofern sie nicht rechtzeitig gekündigt wird. Preis, Währung und mögliche Aktionen stehen auf der aktuellen Preisseite. Prüfen Sie vor dem Abschluss, ob die enthaltenen Themen zu Ihrem Lernziel und Zeitbudget passen.
DataCamp Premium ansehen ↗Werbung: BugoutGoBags kann für qualifizierte Handlungen eine Vergütung erhalten. Abschluss und Leistung erfolgen bei DataCamp.
Mit einer konkreten Frage weiterlernen
Der Podcast liefert keine Einkaufsliste neuer KI-Tools. Er fordert dazu auf, genauer hinzusehen: Wo entsteht eine Wartezeit? Welche Kennzahl sagt wirklich etwas aus? Und welches Wissen fehlt, um den nächsten Versuch beurteilen zu können? Mit solchen Fragen lässt sich auch ein Lernangebot gezielter auswählen.