Vom Schreckgespenst zum Jobmotor: KI verändert die Berufswelt

00:00:00: [Musik]

00:00:04: Nagel Tiedemann, was mich bewegt.

00:00:09: [Musik]

00:00:14: Herzlich willkommen zu einer neuen Folge "Was mich bewegt".

00:00:17: Ich begrüße wie immer meinen Podcast und Chefredaktionskollegen Pascal Nagel.

00:00:21: Moin Pascal.

00:00:22: Ah, Janik.

00:00:23: Ja Pascal, wir beschäftigen uns heute mal mit einem Thema,

00:00:27: mit einem Thema, wo wir wirklich noch nie darüber gesprochen haben.

00:00:31: Sag mir auch gar nicht.

00:00:32: Ganz selten ist es, dass wir vorgekommen, dass wir in diesem Podcast über das Thema gesprochen haben.

00:00:38: Also nein, Scherz beiseite an der Stelle.

00:00:40: Wir haben natürlich schon sehr häufig auch in diesem Podcast, der ja noch gar nicht so alt ist,

00:00:44: schon über dieses Thema gesprochen, aus unterschiedlichsten Perspektiven,

00:00:48: weil es natürlich aus der Technologiebrille eines der wichtigsten Themen momentan,

00:00:54: nicht nur in der Automobilbranche eigentlich gesellschaftsübergreifend ist.

00:00:58: Pascal, löst doch mal dieses spannende Rätsel auf.

00:01:02: Worum geht es denn heute?

00:01:03: Ja, ich hoffe natürlich, dass jetzt nicht gleich alle,

00:01:05: wir können ja später an den Zugriff zahlen,

00:01:07: können wir sehen, ob jetzt alle bei Minute 1 den Hörer aufgelegt haben.

00:01:12: Nein, es geht mal wieder um künstliche Intelligenz.

00:01:16: Aber es geht heute mal um einen anderen Blickwinkel,

00:01:21: ein wenig auf künstliche Intelligenz.

00:01:24: Worum soll es gehen?

00:01:25: Wir haben in diesem Monat auch bei der Automotivevertient-Themenmonat

00:01:29: rund um künstliche Intelligenz, also versuchen wir das Thema natürlich schon auch nochmal vollumfänglich

00:01:33: so ein bisschen aufzurollen und natürlich spielt eine Seite dann auch eine Rolle,

00:01:37: die häufig wie so im Industriekontext natürlich neben den ganzen technologischen Innovationen

00:01:45: rund um KI ein bisschen weniger diskutiert wird, aber ganz praktisch betrachtet,

00:01:50: natürlich auch spannend ist, nämlich die Frage,

00:01:53: so ein bisschen wer kümmert sich im Unternehmen eigentlich drum,

00:01:56: wer hat da eigentlich den Hut auf und also welche Jobprofile entstehen eigentlich rund um das Thema KI,

00:02:03: wenn KI jetzt sozusagen mit brachialer Geschwindigkeit ins Unternehmen reingeht.

00:02:09: Und wir haben bei der AutomotiveIT auch eine Serie,

00:02:13: eine Jobportrait-Serie im Rahmen unseres New Work Clusters und dort haben wir jetzt ganz brandaktuell

00:02:23: sozusagen ein neues Jobportrait, nämlich den KI Manager.

00:02:28: Und da Janik, haben wir beide uns jetzt ein bisschen gedacht,

00:02:32: das greifen wir heute mal auf, um einfach nochmal so den Denkanstoß nicht in die Richtung zu bringen,

00:02:37: was kann KI jetzt technologisch irgendwie vielleicht in der Autoindustrie noch bewegen

00:02:40: und wo kann das hingehen, sondern vielleicht die Inspiration oder den Gedankenanstoß zu geben,

00:02:45: wie kann man es im Unternehmen managen, wer kann dafür eigentlich verantwortlich sein,

00:02:48: was brauchen diese Leute eigentlich, was müssen die mitbringen.

00:02:51: Und da haben wir uns heute ja mal so zwei verschiedene Jobprofile rausgesucht, ganz aus der Praxis.

00:02:58: Also es sind tatsächlich praktische Beispiele, echte Personen, die wir da auch portraitiert und interviewt haben,

00:03:04: um mal zu schauen, wie das Thema KI angegangen wird.

00:03:07: Ich starte da tatsächlich mal mit dem KI Manager, und zwar in Person von Mohsen Cepati,

00:03:14: der arbeitet bei Carriot und ist dort Head of AI Architecture and AI Capabilities.

00:03:22: Das ist also das, was er bei Carriot lightet, arbeitet vor allem im Bereich Software für autonome Fahrzeuge.

00:03:28: Aktuell leitet er die Abteilung Situation Interpretation and AI,

00:03:34: also da geht es im Prinzip einfach um die ganze Frage Sensorik, Sensorfusion,

00:03:40: wie kann das Fahrzeug tatsächlich irgendwie Wahrnehmung natürlich künstlich erzeugen

00:03:45: und wie können künstliche Intelligenz und Maschinelles Lernen dazu beitragen,

00:03:48: dass autonome Fahrzeuge am Ende tatsächlich die richtigen Entscheidungen treffen

00:03:53: oder wie erst nennt ihr ein kognitives Verständnis einer Fahrszene tatsächlich herbeizuführen,

00:03:59: die auf der Interpretation aus Wahrnehmung und digitaler Karte liefert.

00:04:03: Und diese verschiedenen Daten miteinander verheiraten.

00:04:06: Und das eben mit Unterstützung von KI, daran arbeitet er aktuell,

00:04:10: denn er hat vorher nämlich auch schon zwei Abteilungen dabei begleitet,

00:04:14: KI Technologie und KI Kompetenz aufzubauen.

00:04:17: Also sein Job bei Carriot ist wirklich eine, er geht im Prinzip durch verschiedenste Abteilungen

00:04:23: und baut dort eben KI Know-how auf und das eben auf einer, wie er selber sagt,

00:04:29: sowohl technischen als auch Leadership Komponente.

00:04:32: Also er versteht sich da wirklich als Führungskraft,

00:04:35: die das technische Know-how, die technische Kompetenz,

00:04:39: vereint eben mit der Leadership Kompetenz,

00:04:42: um eben tatsächlich einfach die Teams darin zu unterstützen,

00:04:45: dieses Thema aufzubauen überhaupt.

00:04:47: Und dieses Thema in der nötigen Geschwindigkeit auch in das Unternehmen zu bringen.

00:04:52: Wir haben uns häufig Janik ja schon über so ein FOMO,

00:04:56: so ein 4 of Missing Out unterhalten

00:04:58: und das natürlich gerade das Thema KI in alle Richtungen,

00:05:01: in sämtlichen Fachbereichen und so weiter,

00:05:03: gerade natürlich ganz groß angegangen wird.

00:05:05: Seine Rolle bei Carriot ist wirklich ein Unterstützer,

00:05:09: um Teams wirklich auch und Know-how aufzubauen im Bereich KI.

00:05:13: Er sagt auch selbst, seine Aufgabe ist es, Expertise und Fähigkeiten der Teams

00:05:18: so einzusetzen, dass die Rahmenbedingungen zur Verfügung stehen,

00:05:21: um Entwicklungsprojekte optimal aufzusetzen.

00:05:24: Das klingt jetzt natürlich einfach sehr, sehr diplomatisch

00:05:26: oder wie eine typische Jobdescription.

00:05:28: Aber er ist ja, wie gesagt, einfach einer,

00:05:30: der sich so an der Schnittstelle zwischen Technik

00:05:33: und er sagt auch selbst, er beteiligt sich schon auch hier und da,

00:05:37: wo Bedarf besteht schon auch nochmal an der Konzeptentwicklung,

00:05:40: geht wirklich auch mit rein, weil er sich eben auch darin auskennt,

00:05:42: weil das auch sein Background ist.

00:05:44: Dass er wirklich einfach zusieht, man könnte so sagen,

00:05:49: dass der Nährboden für künstliche Intelligenz

00:05:51: eigentlich in eine Abteilung gelegt wird

00:05:53: und man da entsprechend die Kompetenzen aufbaut.

00:05:56: Und das ist natürlich schon irgendwie ganz spannend

00:05:58: und was ich auch spannend finde, ist,

00:06:00: dass seine Rolle auch die strategische und evolutionäre Integration von KI

00:06:08: auch in den ganzen Unternehmensalltag

00:06:10: und auch in andere Fachbereiche umfasst.

00:06:12: Das heißt, seine Rolle ist nicht nur auf diese eine Abteilung,

00:06:15: ich habe gerade gesagt Situation Interpretation NII begrenzt,

00:06:18: sondern eben auch dieses Wissen natürlich auch wieder

00:06:21: in andere Bereiche des Unternehmens zu tragen,

00:06:24: Erfahrung auszutauschen, sich da miteinander zu vernetzen,

00:06:27: dass da natürlich auch ganz eng wirklich mit verschiedensten Innovations-

00:06:32: und Forschungsteams auch zusammengearbeitet wird,

00:06:35: um neue Technologien zu testen und da wirklich die maximale,

00:06:38: sozusagen Entwicklungsgeschwindigkeit im Bereich KI

00:06:41: auch wirklich aufnehmen zu können.

00:06:43: Weil er selber nämlich auch sagt, zitiere ich immer kurz,

00:06:47: für KI Anwendung wird die Zeit von der Forschung

00:06:50: und der Produktanwendung immer kürzer.

00:06:52: Daher ist auch der enge Austausch mit der KI-Community,

00:06:55: insbesondere Forschung, enorm wichtig.

00:06:58: Also da geht es auch darum, sich wirklich einfach an Konferenzen teilzunehmen,

00:07:04: Veröffentlichung zu lesen, neueste Innovationen tatsächlich zu sichten.

00:07:09: Er hat gesagt immer am Ball zu bleiben,

00:07:11: weil sich natürlich, wie wir alle wissen,

00:07:13: auch einfach alleine gesamtgesellschaftlich,

00:07:16: weil sich da so unglaublich viel tut,

00:07:18: ist das natürlich auch ein Job,

00:07:20: der wirklich, wie ich mir das vorstelle, auch ein großer Balanceakt ist.

00:07:25: Da gibt es sozusagen einfach neue Einflüsse von aus,

00:07:29: neue Technologie von aus, die man ins Unternehmen tragen muss.

00:07:32: Und während man das tut, entwickelt sich das Ganze schon

00:07:34: mit einer so hohen Geschwindigkeit weiter,

00:07:36: dass man da immer wieder eigentlich reviewn muss,

00:07:39: was tut man eigentlich gerade und wie ist eigentlich der neueste Stand.

00:07:43: Da hat man ja wirklich überhaupt gar keine Zeit zu verschnaufen.

00:07:45: Auch was das haben wir im Bereich KI, du hast es gesagt im Podcast,

00:07:49: auch an der einen oder anderen Stelle schon besprochen,

00:07:51: dass da wirklich so schnell so viel passiert,

00:07:54: dass man wirklich beim Aufbau von eigenen Kompetenzen

00:07:58: und von internen Kompetenzen natürlich auch gucken muss,

00:08:01: dass man da wirklich up to date bleibt,

00:08:03: wenn eigentlich das, was man vor einem Jahr kannte,

00:08:05: jetzt schon wieder fast schon wieder überholt oder wieder aktualisiert ist.

00:08:09: Ich glaube auch, dass das bei gerade, bei Künstlericherintelligenz

00:08:12: eine enorm wichtige Skill beziehungsweise,

00:08:15: Aufgaben fällt eigentlich auch für einen solchen Manager ist,

00:08:18: bei diesem Thema up to date zu bleiben.

00:08:20: Aber eben auch dieses Wissen, hast du es ja gerade auch schon schön erklärt,

00:08:23: eben dieses Wissen auch weiterzutragen

00:08:25: und auch in andere Abteilungen verfügbar zu machen,

00:08:28: weil für viele ist natürlich auch bei Technologieunternehmen,

00:08:31: bei Zulieferern, bei Automobilherstellern das Thema Künstliche Intelligenz

00:08:34: immer auch noch eine Blackbox.

00:08:36: Manchmal für manche vielleicht auch noch so ein bisschen ein Schreckgespenst,

00:08:39: was da momentan am Horizont auftaucht,

00:08:42: das heißt am Horizont auftaucht.

00:08:44: Also eigentlich schon in den Unternehmen Alltag ist,

00:08:47: also ich habe bei uns nicht anders.

00:08:49: Von daher ist es natürlich enorm wichtig hier auch Aufklärungsarbeit zu leisten

00:08:53: und nicht nur eine Managementrolle,

00:08:56: wie Sie vielleicht im klassischen Sinne oder auch eine Ingenieur's Rolle,

00:08:59: sehen wir gleich beim nächsten Beispiel noch sehen,

00:09:01: in der klassischen Rolle zu verstehen,

00:09:03: sondern wirklich auch so ein bisschen, wie sagt man so schön,

00:09:06: dass man eine solche E-Bahn-Gelistenrolle da auch einzunehmen

00:09:09: und auch so ein bisschen zu schauen,

00:09:11: dass andere Leute auch ein Verständnis davon bekommen,

00:09:14: was mit dieser Technologie oder was mit diesen implizierten Technologien

00:09:18: rund um künstliche Intelligenz alles möglich ist

00:09:21: und was vielleicht auch in Anführungszeichen gar nicht so schlimm ist an der Technologie,

00:09:25: weil sie nämlich ein großer Unterstützer sein kann

00:09:27: und gar nicht so sehr jetzt irgendwie der große Job vernicht.

00:09:30: Da wies ja von vielen auch in der Vergangenheit,

00:09:33: die in den letzten Jahren ja ein bisschen an die Wand gemalt wurde.

00:09:36: Also Jobs wie den, den er hat, den gäbe es ohne KI nicht,

00:09:39: weil es uns gebraucht ist kein KI-Manager, oder auch das, was wir gleich von dir noch hören,

00:09:42: vielleicht kurz zum Abschluss zu Ossens Sepati,

00:09:45: einfach als Inspiration für alle, die zuhören

00:09:49: und sich dann irgendwie vielleicht auch fragen,

00:09:51: KI-Manager kann ich das auch?

00:09:53: Was hat er gelernt, was hat er studiert,

00:09:55: der Maschinenbau studiert mit Fokus auf Regelungstechnik an der RWTH Aachen,

00:09:59: der sich dann auch nachher promoviert, hat sich vor allem zu Beginn mit probabilistischer Robotik beschäftigt,

00:10:05: mit Klassifikations- und Regressionsalgorithmen,

00:10:07: die sich dann im Prinzip immer stärker in Richtung maschinelles Lernen,

00:10:11: neuronale Netzwerke entwickelt haben und hat sich so kamen,

00:10:15: kamen im Prinzip von der Robotik dann tatsächlich dann am Ende

00:10:18: den zur künstlichen Intelligenz.

00:10:20: Also ganz klarer technischer Background,

00:10:22: habe ich schon gesagt habe, das ist eine Rolle,

00:10:24: die man glaube ich nur einnehmen kann,

00:10:26: wenn man zusätzlich zu den klassischen Führungsaufgaben sage ich mal

00:10:31: und auch zu diesen evangelisten Aufgaben, wie du es gesagt hast,

00:10:35: wenn man da wirklich ein ganz klares technisches Verständnis von der Materie hat,

00:10:39: du musst schon wirklich in dem Fall,

00:10:41: das gilt ja vielleicht gar nicht immer für jede Managementaufgabe,

00:10:44: in dem Fall musst du wirklich auch wissen, wovon du sprichst

00:10:47: und gleichzeitig natürlich eine gute Führungskraft sein.

00:10:50: Ja, so ist es, also ich glaube, dieses technische Verständnis

00:10:53: ist eine absolute Basis, um das eben auch glaubhaft rüberzubringen

00:10:57: und das ist auch für unsere, sage ich mal,

00:11:00: unser nächster Job oder unsere nächste Person,

00:11:02: die wir bei Automotive IT ja auch schon vorgestellt haben,

00:11:05: im letzten Jahr sehr wichtig, nämlich es geht hier um Nadine Kathrin Apel

00:11:11: von Porsche, unser freier Autor, Chris Löwe hat die im vergangenen Jahr

00:11:14: besucht bei Porsche und hat sie mal ausführlich bei uns vorgestellt,

00:11:18: das werden wir natürlich alles auch bei uns in den Shownutz nochmal verlinken,

00:11:21: dass sie die Bezuerhörigen das auch nochmal nachvollziehen können,

00:11:24: auch im Textform.

00:11:26: Und sie ist wie gesagt auch in diesem Bereich Künstliche Intelligenz unterwegs,

00:11:30: sie ist nämlich ein AI-Engineer bei Porsche, sie arbeitet dort

00:11:34: und hat unter anderem Software für das My Porsche Webbortal entwickelt

00:11:40: und ist aber jetzt aktuell eben in diesem Bereich Künstliche Intelligenz

00:11:43: im Bereich Fahrzeug, Daten und Qualität unterwegs.

00:11:46: Sie ist dabei, Maschinen-Learning-Modelle zu entwickeln,

00:11:51: es geht da sehr stark um Vorverarbeitung von Daten für Anwendungen

00:11:56: der künstlichen Intelligenz, das sogenannte Data Pre-Processing,

00:12:00: was das im Einzelnen ist, das können Sie dann auch in unserem Artikel

00:12:03: nochmal nachvollziehen, da haben wir das nochmal erklärt.

00:12:06: Aber und da geht es natürlich auch so ein bisschen über diese klassische Funktion

00:12:11: als Engineer, als Ingenieur hinaus.

00:12:14: Es geht auch sehr stark wie auch bei der Experten von Carriot

00:12:19: eben auch um die Zusammenarbeit mit anderen Fachabteilungen

00:12:23: für bestimmte Use Cases, für bestimmte Produkte, also auch da

00:12:27: ein fachübergreifender Ansatz, gerade in Richtung Fahrzeugdaten und Qualität.

00:12:34: Das ist extrem wichtig, dass man da eben auch, weil dieses Thema sich natürlich

00:12:40: über verschiedene Domänen innerhalb eines Automobilbestellers

00:12:43: natürlich auch ziehen kann, wie das Thema Software-Entwicklung

00:12:46: natürlich grundsätzlich auch. Was braucht es dafür?

00:12:50: Was braucht es dafür, um ein sogenannte AI-Engineer zu sein?

00:12:53: Es ist natürlich sehr gute Kenntnisse in verschiedenen Programmiersprachen,

00:12:57: Python, Datenbanken, Knowledge muss natürlich auch da sein.

00:13:00: Man braucht sehr gute mathematische und analytische Fähigkeiten.

00:13:04: Du hast es gerade eben auch bei deinem Beispiel gesagt, super wichtig,

00:13:08: eine absolute Grundlage dafür, in diesem Bereich unterwegs zu sein.

00:13:13: Aber, und das hat sie, oder das hat sie in dem Porträt auch nochmal klargemacht,

00:13:17: es sind auch, es ist auch wichtig,

00:13:19: bestimmte Soft Skills zu haben. Also sie hat gesagt Durchfallvermögen ist wichtig, Zufallessigkeit,

00:13:22: Lösungen, orientiertes Denken, Kommunikationsstärke, Teamfähigkeit, all das natürlich auch so Skills,

00:13:29: wo man vielleicht so, wenn man dem Klischee des klassischen Ingenieurs oder vielleicht Informatikers,

00:13:33: Software Entwicklers so folgt, vielleicht nicht unbedingt sagt, das sind jetzt die Stärken,

00:13:38: die so eine Person mitbringen muss, aber das gehört eben in dem Kontext des künstlichen

00:13:43: Intelligenz-Ingenieurs, wenn man es mal auf Deutsch übersetzt, auch sehr wichtig, sie hat die

00:13:48: Bedeutung der Kommunikation hervorgehoben, es ist notwendig, im Team zu arbeiten und das

00:13:53: Verständnis auch zu haben von Use Cases und Produkten, die in anderen Abteilungen erdacht werden,

00:14:00: dass man das eben auch übergreifend denkt und dass man auch in die Kommunikation eben mit

00:14:05: diesen Abteilungen geht. Und das ist ja, haben wir in vielen Stellen im Podcast ja auch schon

00:14:08: besprochen, für die neuen Software-Produkte im Auto extrem wichtig, dass da Domänen übergreifend

00:14:14: gedacht wird und auch die Prozesse dementsprechend angesetzt wird. Und das Ganze ist eigentlich

00:14:20: zusammengefasst unter einem Zitat, was sie dann noch gegen unser Auto geäußert hat,

00:14:24: "Nicht jeder, der entwickeln kann, ist geeignet." Also nicht jeder, der das technische Verständnis hat,

00:14:29: hier aktiv zu sein, ist auch geeignet für diesen Job des AI-Ingenieurs. Das fand ich

00:14:35: auch eben ein ganz spannender Punkt und das streiche auch das, was du ja gesagt hast. Also wir brauchen

00:14:40: hier, es ist ein anderes, durchaus anderes Anforderungspotenzprofil als bei klassischen

00:14:45: Ingenieuren. Sie selbst hat sie gesagt, keine klassische Fahrzeugingenieuren,

00:14:49: und die aus einem anderen Bereich, ist selber auch auf Konferenzen und Meetups unterwegs und schreibt

00:14:57: selber auch "Blocks", Tutorial Blocks, also ist von ihrem Spektrum, von ihrem Qualifikationsspektrum

00:15:03: oder auch von ihrem Aktionsspektrum sehr breit aufgestellt. Das finde ich auch sehr spannend,

00:15:09: dass man eben nicht nur in seinem, sage ich mal, Silo, in seinem persönlichen Bereich da

00:15:13: werkelt an einer Lösung, sondern dass man da wirklich auch Out-of-the-Box vielleicht denkt

00:15:18: und auch wirklich seinen Horizont erweitert. Gerade bei diesem Thema, wir haben es gerade

00:15:24: auch schon angesprochen, ein extrem wichtiger Faktor, weil dass man auf der Höhe der Zeit bleibt bei

00:15:29: dem Thema, dass sich ja wirklich in einer enormen Geschwindigkeit weiterentwickelt. Das ist ja

00:15:33: nicht mehr zu vergleichen mit den, sage ich mal, Entwicklungen, wenn man jetzt an den Computer denkt

00:15:38: oder so. Also das sind ja ganz andere Zyklen, in denen wir da sprechen. Also eine ähnliche Funktion,

00:15:45: wie du jetzt beschrieben hast, vielleicht nicht ganz so strategisch angesetzt, vielleicht schon

00:15:49: doch näher auch an bestimmten Produkten, an bestimmten Use Cases dran, aber eben auch, und das

00:15:54: finde ich so spannend, es ist ein Job eben über den Tellerrand hinaus und über dem eigenen Silo

00:15:59: hinaus und das ist vielleicht so ein bisschen auch die Bottomline von was kann KI oder was

00:16:05: erzeugt KI für neue Jobprofile. Hier zwei interessante Beispiele, die das sehr stark

00:16:11: unterstreichen. Also finde ich total interessant. Ja, ich glaube, du brauchst halt immer noch so ein

00:16:15: bisschen vor allem aktuell natürlich noch so ein bisschen dieses explorative Moment, dass

00:16:23: ich natürlich einfach noch so viel verändert, dass du sicherlich nicht einfach Business as usual

00:16:27: irgendwas abarbeiten kannst, weil sich einfach so viel tut und weil du viel stärker noch up to date

00:16:33: bleiben musst. Das ist schon ganz spannend. Ja, ich finde es auch wirklich spannend, Janik, was du

00:16:38: sagst, dass das Ganze natürlich nicht nur für die KI-Führungskraft, die ich mir jetzt rausgepickt

00:16:43: habe gilt, sondern eigentlich für tatsächlich den KI-Engineur, Software-Engineur, KI-Software-Entwickler

00:16:51: eigentlich genauso. Und das ist schon wirklich spannend und erfordert dann wirklich einfach,

00:16:57: wie du gesagt hast, nochmal ein ganz anderes Skillset noch zusätzlich. Es ist schon eine sehr

00:17:03: herausfordernde Rolle auch. Ja, man muss natürlich immer auch so, womit wir uns natürlich auch ein

00:17:08: bisschen beschäftigen, ist immer dieses Bass-Wort, Bass-Ting, sage ich mal, also zu sagen, was steckt

00:17:14: denn wirklich hinter diesem Job oder was steckt hinter dieser Bezeichnung? Bei uns in der Branche

00:17:17: gibt es ja viele blumige Umschreibungen für Jobs, die es da draußen gibt. Und man muss natürlich

00:17:22: immer so ein bisschen... Auf dem großen Jobdescription Generator. Genau, man muss natürlich immer

00:17:26: ein bisschen hinter die Kulissen schauen, was steckt da wirklich hinter. Aber hier habe ich,

00:17:29: haben wir wirklich zwei ganz konkrete Beispiele, wo man das wirklich mal sieht, was hinter solchen,

00:17:34: vielleicht manchmal ein bisschen abgehobenen, klingenden Titeln wirklich steckt und was

00:17:38: da für Aufgaben stecken und welche Positionen sich in der Auto-Branche da gerade entwickeln. Und

00:17:44: das ist eben auch zeigt, dass KI eben auch zu neuen Jobs führt. Also nicht nur diese Angst,

00:17:52: dass KI vielleicht bestimmte Prozesse optimiert im Sinne von auch dazu führt, dass es zu

00:17:58: Rationalisierungen kommt am Ende des Tages, dass man bestimmte Funktionen, bestimmte Aufgaben eben

00:18:03: nicht mehr von einem Menschen durchführen lassen muss, sondern eben durch die Maschine bzw. durch

00:18:07: die Smarten Algorithmen, die dahinter stehen. Aber das ist in vielen Fällen gar nicht unbedingt der

00:18:12: Fall. Und es gibt eben auch neue Jobbereiche und Jobprofile, die dadurch entstehen. Und es zeigt

00:18:18: eben auch, und das finde ich auch ein spannender Punkt, dass KI zum jetzigen Zeitpunkt eben auch

00:18:23: noch des Managementbedarfs und der, sage ich mal, der Kontrolle und auch der strategischen

00:18:29: Einbindung. Also dass man jetzt nicht sagen kann, ja, jetzt kommt die KI und jetzt sind unsere

00:18:32: Probleme gelöst und jetzt brauchen wir nur noch die Hälfte der Belegschaft. Nein, es muss natürlich

00:18:37: auch immer noch der Mensch im Loop sein, sozusagen, was wir ja an vielen Standaustellen auch natürlich

00:18:42: haben. Wir müssen gar nicht anfangen mit dem Thema Autonomus fahren, wo das natürlich auch eine

00:18:45: ganz entscheidende Rolle spielt vielleicht am Ende des Tages. Aber das finde ich total interessant,

00:18:50: dass es eben ein Automatisierung, ein Highly-Automatisierungsthema, sage ich mal, am Ende des

00:18:56: Tages aber auch noch stark von den, ja, der Kontrolle oder vielleicht auch den strategischen

00:19:02: Einbindung durch den Menschenbedarf. Und das finde ich schon ist schon ein wichtiger Punkt an der Stelle.

00:19:09: Naja, ich glaube, das wird sich vielleicht auch gar nicht unbedingt ändern. Das ist gar nicht

00:19:13: unbedingt so noch ist, sondern vielleicht bleibt das auch so, weil im Endeffekt muss man, glaube ich,

00:19:18: eine Sache im Bereich der künstlichen Intelligenz so betrachten. Irgendwo kann man ja die künstliche

00:19:25: Intelligenz, die bestimmte Aufgaben übernimmt, auch schon fast als ein virtuellen Mitarbeiter

00:19:29: verstehen. Und der muss natürlich genauso geführt werden. Also so wie du Mitarbeiter im Unternehmen

00:19:34: auch führst und wie es auch irgendwie Abteilungen, irgendwie einen Abteilungsleiter haben, ist die

00:19:38: künstliche Intelligenz auch etwas, was Aufgaben übernimmt, Automatisierung, etwas, was Aufgaben

00:19:44: übernimmt. Wir haben so viel diskutieren, wir im Journalismus darüber, ob JGPT und Co. jetzt

00:19:51: dazu führen, dass es im Prinzip Journalisten nicht mehr braucht oder Redakteure nicht mehr braucht.

00:19:54: Und das ist nicht der Fall. Aber was man natürlich sieht ist, und was wir momentan ja auch ganz

00:20:00: praktisch sehen ist, dass da natürlich Aufgaben zum Beispiel an eine Software übertragen werden,

00:20:06: die jetzt irgendwer anders machen, die einen Mitarbeiter machen würde. Und wo man im Prinzip

00:20:12: JGPT jetzt nur als Beispiel betrachtet, als ein Gegenüber, den man im Prinzip sagt, macht das

00:20:19: bitte mal für mich. Und es ist wie eine unterstützende Aufgabe, dann wäre eine Assistenzaufgabe. Und

00:20:25: ich fange im Prinzip einen Schritt später an zu arbeiten, spare mir aber den ganzen, diesen ganzen,

00:20:31: diesen ganzen Aufwand, den man irgendwie initial mit bestimmten Aufgaben hat und setze

00:20:35: später mit meiner Expertise als Redakteur an und fange dann an später schon vorbearbeitete

00:20:42: Texte vielleicht zu bearbeiten oder kann mir bestimmte Dokumente schon mal irgendwie strukturieren,

00:20:47: da wo ich vielleicht selbst aber irgendwie stundenlang vorsetzen würde und da erstmal

00:20:50: die wichtigsten Punkte mir irgendwie raussuche. Und das sind so Dinge, da muss man glaube ich

00:20:55: KI wirklich als fast schon irgendwo fast schon Mitarbeiter verstehen, der natürlich auch

00:21:01: gemanagt werden muss. Und je besser man auch eine KI managt und je besser man eine KI bedient,

00:21:07: desto besser sind am Ende die Ergebnisse oder vielleicht sogar nur dann wirklich brauchbare

00:21:11: Ergebnisse. Ich habe mich jetzt gar nicht diese Woche, das schon mal als vielleicht ganz kleiner

00:21:15: Vorgeschmack, ich war diese Woche bei BMW beim CIO Alexander Buchresch beim IT-Chef und habe mich

00:21:22: mit ihm zum Interview getroffen und auch das ist ja noch gar nicht veröffentlicht und auch wenn

00:21:26: ich da ist noch gar nicht so weit vorgreif, wir haben es natürlich auch über KI unterhalten.

00:21:30: Und seine klare Aussage war erstens, in fünf Jahren gibt es keinen einzigen Prozess bei BMW

00:21:35: mehr, der nicht digitalisiert oder IT unterstützt ist. Und zweitens, spielt natürlich gerade künstliche

00:21:42: Intelligenz überall in allen Fachbereichen eigentlich vor allem die Rolle, Mitarbeiter von

00:21:48: administrativen Aufgaben zu entlasten von genau dem, was dich im Prinzip von deiner

00:21:55: Kreativität und deiner persönlichen Entfaltung und deiner Freiheit irgendwie kreativ zu arbeiten,

00:22:01: eigentlich davon abhält. Nämlich genau das, wenn du irgendwie im Einkauf unterwegs bist und dann

00:22:10: hat die KI im Prinzip schon mal strukturiert, dir schon mal Angebote vor und zeigt dir schon mal auf

00:22:15: einen Blick irgendwie Unterschiede zwischen verschiedenen Angeboten auf und so weiter. Und das,

00:22:19: was ich gerade gesagt habe, du fängst im Prinzip so ein Stück später an mit deiner Expertise

00:22:23: überhaupt erst an etwas ran zu gehen und entweder du schaffst selber dadurch eigentlich mehr, weil

00:22:28: du im Prinzip dich weniger Zeit damit auseinandersetzen musst und kannst direkt schon wieder zur nächsten

00:22:33: Aufgabe gehen oder du hast einfach viel mehr Freiheit irgendwo auch kreativ tätig zu werden.

00:22:39: Das gilt für ganz viele Jobs, in denen man sich irgendwie auf die Art und Weise entfalten kann.

00:22:43: Und diese Beispiele hat er auch für alle möglichen Fachbereiche, ob es in Produktion ist,

00:22:47: ob es im Einkauf ist. In all diesen Fachbereichen gilt einfach KI nimmt dir einen Großteil dessen

00:22:55: weg, was für dich eigentlich eine unangenehme Aufgabe ist. Und deine Expertise, die dich

00:22:59: eigentlich auszeichnet als Mitarbeiter als Experte, die setzt du einfach ein bisschen später an,

00:23:05: bevor du eigentlich alles machst, was eigentlich nicht deine Expertise ist, sondern was einfach

00:23:10: nur Fleischarbeit ist. Also begriffen KI als ja, als eine Instanz, die sozusagen mehr Freiräume für

00:23:18: dich selber schafft und gar nicht deinen Job weg rationalisiert, sondern tatsächlich,

00:23:22: dir mehr Möglichkeiten gibt, sich vielleicht auch kreativ zu entfalten. Ja, also, schau mal,

00:23:26: er sagt ganz klar, dass KI zur Qualitätsverbesserung deshalb beiträgt, weil Menschen dadurch die

00:23:35: Möglichkeit haben, sich eben auf das, was ich gerade gesagt habe, auf ihre, tatsächlich auf

00:23:40: ihre Expertise, auf ihre fachliche Expertise so zu konzentrieren, dass sie viel größere Teile

00:23:46: ihrer Arbeit eigentlich genau in diesem Bereich ihre Expertise drinstecken und darin auch wiederum

00:23:51: besser werden. Das heißt, in dem Moment, wo du sozusagen die Zeit, die du zur Verfügung hast,

00:23:55: dir eine KI oder Automatisierungslösung, große Teile von Arbeit abnimmt, die irgendwie einfach

00:24:01: nur administrativer in Natur sind, die irgendwie Fleischarbeit ist, hast du viel mehr Zeit in

00:24:05: deiner Arbeit, die du dich genau in diesem, dieser Field of Expertise bewegst und darin

00:24:11: besser wirst. Also deshalb trägt KI dazu bei, dass Menschen in ihrer Arbeit besser werden.

00:24:15: Fand ich eine schöne Perspektive. Ja, und wie gesagt auch ein schönes, im Prinzip ein schönes

00:24:20: Narrativ und vielleicht auch das Image der KI, ganz grundsätzlich auch mal ein bisschen aufzupolieren,

00:24:25: auch wenn es natürlich auch viele kritische Bereiche gibt, die man, die wir natürlich auch an

00:24:29: verschiedenen Stellen schon beleuchtet haben. Ja, Pascal, danke dir für die Einsichten heute zum

00:24:36: Thema, was kann KI in den Berufen in der Automobilindustrie leisten. Wer sich dafür noch weiter

00:24:43: interessiert, wir haben natürlich alles bei uns auf der Homepage, AutomotiveIT.eu. Wir werden das

00:24:47: wie gesagt auch noch mal in den Show Notes mit verlinken. Da kann man sich auch noch andere

00:24:51: Job-Neue-Job-Profile anschauen. Wir haben das alles unter unserem New Work Cluster zusammengefasst.

00:24:56: Da gibt es auch noch ganz andere Jobs, die momentan in der Automobilindustrie entstehen und

00:25:01: entstanden sind, die sehr spannend sind, die auch noch an der einen oder anderen Stelle vielleicht

00:25:05: den abgefahreneren Namen haben. Also sehr, sehr spannend und auch tatsächlich ein bisschen unterhaltsam

00:25:11: würde ich an der Stelle sein. Hatten wir ja auch schon mal darüber gesprochen. Ja, Pascal, wir

00:25:16: würden uns natürlich freuen, wenn Sie auch Ihre Meinung dann hier wieder zu diesen Themen,

00:25:22: die wir heute besprochen haben, bei LinkedIn kundtun würden, in der Kommentar-Sektion würden wir

00:25:26: uns freuen natürlich. Und wir können an der Stelle schon mal sagen, dass wir nächste Woche dann

00:25:32: in noch einmal eine kleine Sonderfolge haben werden. Dazu sei jetzt noch nicht so viel zu

00:25:37: verraten, aber so viel habe ich mal gesagt, das wird dann die letzte Folge vor einer kleinen Sommerpause

00:25:43: sein, weil wir uns dann nach der nächsten Folge, nach dieser Sonderfolge, dann hören, das werden

00:25:48: wir dann in der nächsten Woche dann noch mal mitgeben. Aber ich freue mich jetzt schon auf

00:25:52: diese kleine Special, was wir jetzt dann nächste Woche für Sie vorhaben. Da freuen wir uns drauf.

00:25:58: Ja, freue ich mich auch schon drauf. Ich freue mich drauf, es zu hören, weil ich werde nicht dabei

00:26:02: sein. So viel kann ich schon mal verraten. Also ich bin auch gespannt. Auf jeden Fall. Ja, Pascal,

00:26:08: dann wünsche ich dir an der Stelle schon mal eine gute Woche und wir hören uns dann nicht nächste

00:26:13: Woche, sondern erst dann nach der Sommerpause wieder und bis dahin alles Gute. So ist es. Bis dann, ciao.

00:26:19: Nagel Tiedemann, ein Interview Podcast von Automotive IT und Automobil Produktion.

00:26:27: Alle Infos zur Folge in den Show notes. Weitere Episoden überall, wo es Podcasts gibt.

00:26:32: [Musik]