MY DATA IS BETTER THAN YOURS

Эпизоды

• 
  Warum im Team die belastbare Baseline noch fehlt – mit Eva S., auxmoney 10.09.2026 47мин

  Vier Jahre nachdem auxmoney seine Datenplattform schon einmal gewechselt hat, zieht das Unternehmen wieder um: von Exasol und SAS auf Snowflake, nachdem Tableau bereits Sisense ersetzt hatte. Eva Schreyer verantwortet als Teamlead Analytics und Prozessmanagement die operativen Datenprozesse rund um Customer Management und Customer Service — Lastschriften, Mahnstufen, Kundenansprache. Sie migriert mit einem Team von vier Personen, während der Tagesbetrieb weiterläuft. Und sie sagt offen, was sich davon noch nicht belegen lässt. In dieser Folge erfährst du: → Wie eine Migration abläuft: Bestandsaufnahme, bewusst aussortieren, mit etwas Leichtem anfangen → Warum ein Monitoring-Prozess statt an die vier Stunden nur noch zehn Minuten braucht — bei gleicher Datenmenge, wobei nebenbei auch ein bisschen optimiert wurde → Weshalb es im Team noch schwer zu sagen ist, wie viel die Migration wirklich bringt → Warum das Team den Weg über KI-Agenten offen hatte und ihn trotzdem nicht gegangen ist → Was Eva Schreyer neuen Teamleads für die ersten 90 Tage empfiehlt Über den Gast: Eva Schreyer ist Teamlead Analytics & Prozessmanagement bei auxmoney und verantwortet dort die operativen Datenprozesse rund um Customer Management und Customer Service. Ihr Team umfasst mit ihr vier Personen; im gesamten Datenbereich des Unternehmens arbeiten ca. 50. Sie ist noch nicht lange bei auxmoney und hat sich für dieses Gespräch viel Hintergrund von ihrem Kollegen Marius geholt. Sie beschreibt sich als Analystin, die im Laufe der Karriere durch mehrere Branchen gesprungen ist — und sagt, dass man die Prozesse eines Hauses trotzdem im Detail kennen muss. MY DATA IS BETTER THAN YOURS ist ein Projekt von BETTER THAN YOURS, der Marke für richtig gute Podcasts. 🔗 Zum LinkedIn Profil von Eva Schreyer: https://www.linkedin.com/in/eva-schreyer/ 🔗 auxmoney: https://www.auxmoney.com/ 🔗 Zum LinkedIn Profil von Jonas: https://www.linkedin.com/in/jonasrashedi/ 📚 Jonas' Bücher: https://www.amazon.de/stores/Jonas-Rashedi/author/B09FKCFYBM 🎧 Mehr Folgen: https://podigee.com/my-data-is-better-than-yours 🔗 Rund um Jonas: https://linktr.ee/jonas.rashedi Du möchtest gezielt Werbung im Podcast MY DATA IS BETTER THAN YOURS schalten? Zum Kontaktformular: https://2frg6t.share-eu1.hsforms.com/2ugV0DR-wTX-mVZrX6BWtxg
• 
  Der Mittelstand lässt KI nur reden - mit Tim Wiegels 03.09.2026 45мин

  Die Frist rutscht. Das Datenproblem nicht. Die Hochrisiko-Einordnung im AI Act ist verschoben. Jonas Rashedi sagt ehrlich, dass das in seinem Unternehmen exakt nichts ändert. Dr. Tim Wiegels hält genau das für den Befund. In dieser Folge erfährst du: → Was gilt und was rutscht — Transparenzpflichten, verbotene Praktiken und KI-Kompetenz gelten. Verschoben ist die Hochrisiko-Einordnung. Und seit dem 29. Juli 2026 hat Deutschland eine KI-Aufsicht: Bundesnetzagentur zentral, BaFin für den Finanzsektor. → Betreiber gegen Berater — Für Jonas folgt daraus eine sehr praktische Aufgabe: pro KI-System eine Zuordnung, wer es verantwortet. Tim sieht bei seinen Mandanten fast keine solchen Projekte und hat in eineinhalb Jahren niemanden nach Transparenzdokumentation fragen hören. → Die Zahl der Folge — Die KfW zählt 14 Prozent der Mittelständler, die KI für Sprachgenerierung nutzen, und 3 Prozent für Datenanalyse. Zuerst automatisiert wurde also das Reden, nicht das Rechnen. → Anthropics eigener Test — Agenten auf rohe Daten geworfen: 21 Prozent richtige Antworten. Dieselben Daten annotiert, aggregiert, definiert: 95 bis 99 Prozent. → Governance verkaufen, ohne Governance zu sagen — Tim baut bei Kunden Data Warehouses so um, dass jede KPI definiert ist, und begründet es intern mit den Agenten, die sonst nicht arbeiten können. → Die Rolle, die fehlt — Datenschutz war auch nie ein Projekt, sondern wurde eine Rolle. Jemand muss dauerhaft wissen, welche KI-Features laufen und was die Regulatorik daraus macht. → Die Wette — Jonas sagt: Die 3 Prozent stehen bis Mitte 2027 nicht höher als 8. Tim rechnet mit einem Sprung. Über den Gast: Dr. Tim Wiegels ist Berater bei Tim Wiegels Data Solutions und arbeitet mit Fachbereichen aus Marketing, Produkt, Data und AI. Vorher war er unter anderem bei FREE NOW und XING. Mit Jonas Rashedi nimmt er dieses Format seit Jahren im Wechsel mit den Gastfolgen auf. MY DATA IS BETTER THAN YOURS ist ein Projekt von BETTER THAN YOURS, der Marke für richtig gute Podcasts. 🔗 Zum Linkedin Profil von Tim Wiegels: https://www.linkedin.com/in/timwiegels/ 🔗 Zum LinkedIn Profil von Jonas: https://www.linkedin.com/in/jonasrashedi/ 📚 Jonas' Bücher: https://www.amazon.de/stores/Jonas-Rashedi/author/B09FKCFYBM 🎧 Mehr Folgen: https://podigee.com/my-data-is-better-than-yours 🔗 Rund um Jonas: https://linktr.ee/jonas.rashedi Du möchtest gezielt Werbung im Podcast MY DATA IS BETTER THAN YOURS schalten? Zum Kontaktformular: https://2frg6t.share-eu1.hsforms.com/2ugV0DR-wTX-mVZrX6BWtxg
• 
  0,35% Budget, 90% Hype: Die KI-Lücke im Mittelstand - mit Paul K., Team One 27.08.2026 52мин

  Ein Partner AI, der seit Jahren mit Strategieberatung sein Geld verdient - und trotzdem sagt, dass der Wert der meisten Strategiefolien gegen null geht. Paul Krauss, Partner AI bei Team One und Herausgeber des Magazins AI:D, erklärt, warum 36-Monats-Roadmaps im aktuellen KI-Tempo kaum noch funktionieren, wie ein Agentic-Commerce-Check in vier Wochen aussieht - und warum der eigentliche Engpass nicht die Modelle sind, sondern die eigenen Daten. Key Takeaways: → Warum der Wert klassischer Strategiefolien gegen null geht, seit KI in Sekunden beliebig überzeugend klingende Studien und Herleitungen produzieren kann → Wie ein Agentic-Commerce-Check in vier Wochen aussieht - von der Sichtbarkeit im KI-Traffic bis zur Google-Merchant-Feed-Qualität → Warum nur 0,35 Prozent des Umsatzes im Schnitt in KI investiert werden, obwohl 80 bis 90 Prozent der Unternehmen KI als wichtigstes Zukunftsthema nennen → Wieso Paul statt langer Roadmaps auf klare Exit-Kriterien und kurze, parallele Wetten setzt → Wie Paul sich mit einem einfachen Notiz-Tool ein persönliches KI-Gedächtnis gebaut hat - und warum genau das den Unterschied macht Über den Gast: Paul Krauss ist Partner AI bei Team One, Herausgeber des Fachmagazins AI:D für KI im E-Commerce und Dozent am AI Transformation Institute (DFKI). Er moderiert unter anderem die AI-Bühne der K5 Konferenz und ist Mitglied der Agentic Commerce Alliance (ACA). MY DATA IS BETTER THAN YOURS ist ein Projekt von BETTER THAN YOURS, der Marke für richtig gute Podcasts. 🔗 Zum LinkedIn Profil von Paul Krauss: https://www.linkedin.com/in/paul-krauss-ba89605b/ 🔗 Team One: https://www.team-one.de/ 🔗 Zum LinkedIn Profil von Jonas: https://www.linkedin.com/in/jonasrashedi/ 📚 Jonas' Bücher: https://www.amazon.de/stores/Jonas-Rashedi/author/B09FKCFYBM 🎧 Mehr Folgen: https://podigee.com/my-data-is-better-than-yours 🔗 Rund um Jonas: https://linktr.ee/jonas.rashedi Du möchtest gezielt Werbung im Podcast MY DATA IS BETTER THAN YOURS schalten? Zum Kontaktformular: https://2frg6t.share-eu1.hsforms.com/2ugV0DR-wTX-mVZrX6BWtxg
• 
  80 auf 95 Prozent Datenqualität: REWE erfasst Produktdaten mit KI - mit Katharina B., Rewe 20.08.2026 53мин

  Worum es geht: Rund 150.000 Artikel auf SKU-Ebene, 270 intern verwaltete Attribute— und regionale Lieferanten, die keine Zeit haben, die von ihnen geforderten 50 Attribute in eine Eingabemaske zu tippen. Manchmal ist es ein Betrieb von drei Leuten. Katharina Bülowius hat bei REWE erst die eigene Abteilung sichtbar gemacht und dann mit der internen AI-Innovation-Abteilung zwei KI-Module bauen lassen, die Produktangaben von Fotos auslesen und gegen einen Gold-Standard prüfen. Worüber wir sprechen: **Das eigentliche Problem: regionale Lieferanten.** Käse, Hoflimonade, Kartoffeln — die Angaben stehen auf der Verpackung im Markt, nicht in einem Datenpool. **Lea und der Goldhamster.** Ein Modul liest Produktfotos aus, ein zweites prüft die Ergebnisse gegen verifizierte Wahrheiten und lernt aus jeder Korrektur des Teams. **Der Rückschlag bei 80 Prozent.** Warum die erste Version nicht online gehen durfte und wie daraus das zweite Modul entstand. **Stammdaten gegen Produktwissen.** Warum der Name mitentscheidet, ob das Thema im Unternehmen eine Bühne bekommt. **Wer betreibt das eigentlich?** Nach dem Pitch vor der Geschäftsführung steht die Operating-Model-Frage im Raum. Der Gast: Katharina Bülowius ist Lead Ecom Master Data Management bei REWE und verantwortet die Produktdaten für Liefer- und Abholservice. Vor REWE war sie Geschäftsführerin einer Digitalagentur mit Kunden überwiegend im Mittelstand. Jonas und sie kennen sich von Douglas, wo sie als Freelancerin 20 Jahre alte Produktdaten für die SAP-Einführung neu strukturiert hat. MY DATA IS BETTER THAN YOURS ist ein Projekt von BETTER THAN YOURS, der Marke für richtig gute Podcasts. 🔗 Zum LinkedIn Profil von Katharina Bülowius: https://www.linkedin.com/in/katharina-b%C3%BClowius-9505ba162/ 🔗 Zum LinkedIn-Profil der REWE Group: https://www.linkedin.com/company/rewegroup 🔗 Zum LinkedIn Profil von Jonas: https://www.linkedin.com/in/jonasrashedi/ 📚 Jonas' Bücher: https://www.amazon.de/stores/Jonas-Rashedi/author/B09FKCFYBM 🎧 Mehr Folgen: https://podigee.com/my-data-is-better-than-yours 🔗 Rund um Jonas: https://linktr.ee/jonas.rashedi Du möchtest gezielt Werbung im Podcast MY DATA IS BETTER THAN YOURS schalten? Zum Kontaktformular: https://2frg6t.share-eu1.hsforms.com/2ugV0DR-wTX-mVZrX6BWtxg
• 
  Die IT-Transformation eines Baumarkts - mit Tim E., Obi 13.08.2026 55мин

  Ein Baumarkt-Konzern, der seit über 50 Jahren im Geschäft ist - und trotzdem gerade eine der größten IT-Transformationen seiner Geschichte durchzieht. Tim Engler, CIO bei OBI, erklärt, wie er ERP, Marktplatz und Arbeitsumgebung parallel modernisiert hat, ohne dass der laufende Betrieb darunter leidet - und warum die Organisation am Ende wichtiger war als jede einzelne Technologie-Entscheidung. Key Takeaways: → Warum die mutigste Entscheidung nicht die Technologie war, sondern der Mut zu einer noch unerprobten Plattform (VTEX) für den europäischen Markt → Wie OBI sein ERP von einer AS400-Umgebung auf Microsoft Dynamics gehoben hat - verzahnt mit einem neuen, komplett neu gebauten Lagerstandort in Polen → Warum sich OBI bewusst für Google Workspace samt Gemini entschieden hat → Wie Domain-Teams nach dem Build-it-run-it-Prinzip die Müdigkeit zwischen Projekt- und Fachbereich auflösen → Wieso Agentic Engineering bei OBI zuerst im Software Development Lifecycle erprobt wurde, bevor es jetzt die Modernisierung von Kasse und Warenwirtschaft beschleunigt Über den Gast: Tim Engler ist CIO bei OBI und seit 13 Jahren im Unternehmen, zunächst in einer internen Beratungsfunktion mit viel Projekterfahrung quer durch alle Fachbereiche, später in der kundennahen Digital- und E-Commerce-IT und schließlich mit der Gesamtverantwortung für die IT des Konzerns. 2024 wurde er mit dem Sonderpreis "Customer Experience" bei den CIO des Jahres Awards ausgezeichnet. MY DATA IS BETTER THAN YOURS ist ein Projekt von BETTER THAN YOURS, der Marke für richtig gute Podcasts. 🔗 Zum LinkedIn Profil von Tim Engler: https://de.linkedin.com/in/tim-engler-8756ba3a 🔗 OBI: https://www.obi.de/ 🔗 Zum LinkedIn Profil von Jonas: https://www.linkedin.com/in/jonasrashedi/ 📚 Jonas' Bücher: https://www.amazon.de/stores/Jonas-Rashedi/author/B09FKCFYBM 🎧 Mehr Folgen: https://podigee.com/my-data-is-better-than-yours 🔗 Rund um Jonas: https://linktr.ee/jonas.rashedi Du möchtest gezielt Werbung im Podcast MY DATA IS BETTER THAN YOURS schalten? Zum Kontaktformular: https://2frg6t.share-eu1.hsforms.com/2ugV0DR-wTX-mVZrX6BWtxg
• 
  KI bringt 4x mehr Output wenn du DAS tust - mit Karsten Rösener, Warsteiner 06.08.2026 57мин

  Ein Traditionsunternehmen, das seit 1753 im Geschäft ist – und trotzdem gerade eine der konsequentesten SAP- und KI-Transformationen im deutschen Mittelstand durchzieht. Karsten Rösener, Chief Digital Officer der Haus Cramer Gruppe (Warsteiner), erklärt, warum er sich bewusst gegen eine Greenfield-Neuaufstellung entschieden hat, wie ein eigener KI-Assistent namens „Vitus" entsteht – und warum am Ende die Menschen über den Erfolg jeder Technologie entscheiden. Key Takeaways: → Warum Karsten sich bei der SAP-S/4HANA-Transformation bewusst gegen Greenfield entschieden und stattdessen 40 kleine, flexible Teilprojekte gestartet hat → Wie ein wetterabhängiges Saisongeschäft eine eigene Datenarchitektur und ein komplett neu aufgesetztes Reporting braucht → Warum Warsteiner sein Ticketsystem und sein eigenes Sprachmodell komplett intern betreibt – Stichwort Datensouveränität → Wie der interne KI-Assistent „Vitus" – benannt nach dem Sohn des Firmengründers – aus einzelnen Assistenten-Use-Cases entsteht → Warum KI-Campus, KI-Botschafter und KI-Champions den Unterschied machen und Führungskräfte, die selbst mit KI arbeiten, einen vierfach höheren Durchsatz erzeugen Über den Gast: Karsten Rösener ist seit Februar 2024 Chief Digital Officer der Haus Cramer Gruppe – eine neu geschaffene Position mit Verantwortung für die SAP-/S4HANA-Transformation, Infrastruktur, IT-Security und KI. Zuvor war er von 2016 bis 2024 Chief Information & Digital Officer der Ostfriesischen Tee Gesellschaft (Laurens Spethmann Holding), wo er 2021 mit der SAP-S/4HANA-Migration den 3. Platz beim Wettbewerb „CIO des Jahres" in der Kategorie Mittelstand belegte, und davor CIO der GoodMills Group. 2025 wurde er mit dem Confare ImpactAward ausgezeichnet. MY DATA IS BETTER THAN YOURS ist ein Projekt von BETTER THAN YOURS, der Marke für richtig gute Podcasts. 🔗 Zum LinkedIn Profil von Karsten Rösener: https://www.linkedin.com/in/karsten-roesener/ 🔗 Zum LinkedIn-Profil der Haus Cramer Gruppe: (9) WARSTEINER Brauerei Haus Cramer Management Gmbh: Übersicht | LinkedIn 🔗 Zum LinkedIn Profil von Jonas: https://www.linkedin.com/in/jonasrashedi/ 📚 Jonas' Bücher: https://www.amazon.de/stores/Jonas-Rashedi/author/B09FKCFYBM 🎧 Mehr Folgen: https://podigee.com/my-data-is-better-than-yours 🔗 Rund um Jonas: https://linktr.ee/jonas.rashedi Du möchtest gezielt Werbung im Podcast MY DATA IS BETTER THAN YOURS schalten? Zum Kontaktformular: https://2frg6t.share-eu1.hsforms.com/2ugV0DR-wTX-mVZrX6BWtxg
• 
  Vom Datensalat zur zentralen Dateninfrastruktur: Andrea Lederer (CDO Weleda) über Daten, Organisation und KI – live von der K5 – Folge 337 30.07.2026 59мин

  Ein Patient braucht nur eine Definition, ein Konzern manchmal keine: Als Andrea Lederer vor zwei Jahren als Global Chief Digital Officer bei Weleda anfängt, kann sie nicht sagen, wie viel das Unternehmen online verkauft. Nicht, weil niemand verkauft, sondern weil es keine zentralisierten Daten und keine gemeinsame Definition gibt, was ein Online-Verkauf überhaupt ist. Ihr eigener Running Gag hat ein Dreivierteljahr gehalten. Diese Folge habe ich live auf der K5 mit Andrea aufgenommen. Wir kennen uns aus gemeinsamen Douglas-Zeiten, davor war sie lange bei Amazon. Weleda ist eine über 100 Jahre alte Marke, stark im stationären Handel über Apotheke und Drogerie, international aufgestellt von Australien über Amerika bis Asien. Genau daraus entsteht das Thema der Folge: eine dezentrale, historisch gewachsene Datenlage, kaum eigene First-Party-Daten und der Weg vom Datensalat zu einer zentralen Dateninfrastruktur. Andrea nimmt uns mit durch die Reihenfolge, in der sie das angegangen ist. Zuerst die Datengrundlage: gemeinsam mit Finance und den Ländern definieren, was ein Online-Verkauf ist, und die Zahlen in Power BI zusammenführen. Schritt für Schritt, erst die Ist-Daten, dann das Vorjahr, seit diesem Jahr auch Versus-Budget. Dann die Organisation: Monthly Business Reviews mit den Ländern, Reportings, die Frage, wer welchen Report eigentlich liest, und die tägliche Arbeit an einer Single Source of Truth. Der Online-Anteil liegt heute grob bei 20 Prozent, den Rest macht der Handel. Zwei Dinge machen die Folge ehrlicher als die übliche Digitalerzählung. Erstens die Reihenfolge: erst das Fundament, dann die Tools. Zweitens die Organisation. Andrea hat die IT nicht unter sich, arbeitet aber eng mit ihrem IT-Chef, kämpft gegen Legacy und einen Investitionsstau und hält ein klares Plädoyer, die IT-Kosten bewusst zu erhöhen, statt sie nur zu drücken. Und dann KI. Weleda hatte über die IT schon länger ein internes KI-System auf Basis von OpenAI, aber eher auf freiwilliger Basis. Andrea hat daraus eine Managementaufgabe gemacht: von freiwillig zu Pflicht, mit AI-Readiness-Check, einem Ampelsystem für die Fachabteilungen und Ambassadors, die Use Cases aus der Organisation zusammentragen. In einem Piloten mit einem KI-Assistenten wurden aus geplanten 10 Testpersonen plötzlich 40. Ihr Aha-Moment war weniger die Technik als die Erkenntnis, wie sehr Ergebnisse vom Kontext abhängen, den man vorher hineingibt. Welches Tool am Ende gesetzt wird, ist bei Weleda ausdrücklich noch offen. Außerdem: warum Marketing Mix Modeling für eine starke Offline-Marke so schwierig ist, warum ein CRM- und ein Replenishment-Ansatz erst am Anfang stehen, und warum Andrea trotz aller KI-Begeisterung darauf besteht, Ergebnisse zu hinterfragen, statt AI-Slop einfach weiterzureichen. Zum Schluss die beiden Standardfragen. Privat trackt Andrea mit der Apple Watch, hat ein Smart Home und baut sich kleine Apps, zuletzt für die eigenen Finanzen. Und einen sauberen Filmtitel für die Folge lässt sie offen, außer einem: Datensalat. Vorschläge gehen ausdrücklich an die Hörerinnen und Hörer. Aufgenommen live auf der K5.
• 
  Clinical Data Repository im Krankenhaus: Patientendaten über viele Klinik-Systeme hinweg zusammenführen – mit Gunnar H., CDO Sana Kliniken (2/2) – Folge 336 23.07.2026 50мин

  Ein Patient, mehrere Kliniken, in jedem Haus ein anderes klinisches Informationssystem: Wie führt ein Klinikkonzern seine Patientendaten überhaupt zusammen? Und warum ist genau das die Voraussetzung dafür, dass KI im Krankenhaus mehr wird als ein eingekauftes Tool? Die Sana Kliniken sind über Zukäufe gewachsen. Jedes übernommene Krankenhaus hat seine eigene IT mitgebracht, abgekapselt wie eine kleine Insel. Funktional sieht es überall gleich aus: ein klinisches Informationssystem (KIS) als Primärsystem, dazu Laborsystem, Radiologiesystem und Spezialsysteme für einzelne Funktionsbereiche, vom Herzkatheter bis zur Gastroenterologie. Nur sind die Systeme in jedem Haus andere. Dazu kommen sehr unterschiedliche Häuser: Maximalversorger mit 800 bis 900 Betten neben spezialisierten Herzzentren und kleinen Grund- und Regelversorgern. Das Ergebnis nennt Gunnar H. eine extreme Heterogenität, und zwar nicht nur bei den Daten, sondern zuerst bei Systemen und Prozessen. Gunnar H. ist Chief Data Officer der Sana Kliniken AG. Er kommt aus der Volkswirtschaftslehre, hat Wirtschaftsinformatik draufgesattelt, Data Warehouses in Versicherung und Telekommunikation gebaut, danach bei ProSiebenSat.1 Media, und ist seit fast 17 Jahren im Gesundheitswesen. Sein Data Office sitzt heute direkt beim Vorstand, im selben Ressort wie die Konzern-IT. Im Gespräch mit Jonas Rashedi geht es um die Bausteine, mit denen ein solcher Konzern das Datenproblem angeht: das Clinical Data Repository als zentrale, standardisierte klinische Datengrundlage. Den Master Patient Index, mit dem sichtbar wird, dass derselbe Patient in zwei Kliniken war, davor in einer ambulanten Praxis und danach in der Nachsorge. Die Schnittstellenstandards HL7 und FHIR, die es praktisch nur im Gesundheitswesen gibt und an denen deshalb niemand vorbeikommt. Und vorkonfigurierte klinische Datenmodelle statt selbstgebauter Data Warehouses, unter anderem aus der 2015 gegründeten Medizininformatik-Initiative und ihrem Kerndatensatz. Zwei Punkte machen die Folge sperriger als die übliche KI-Erzählung. Erstens Datenqualität: Ärztinnen und Ärzte sind nicht da, um zu dokumentieren, damit Data Scientists später schöne Auswertungen bauen. Wenn strukturierte Eingabe nicht ergonomisch ist, entsteht sie auch nicht. Zweitens die Reihenfolge. Sana hat eine KI-Community gegründet und eine KI-Strategie etabliert, aber der Satz, der hängen bleibt, ist nüchtern: Ohne Daten keine KI. Erst die Datengrundlage, dann die Tools. Außerdem: warum Data Governance nur funktioniert, wenn man sie über den Nutzen kuratierter Daten verkauft statt über Regeln. Wann es überhaupt sinnvoll ist, Data aus der IT herauszulösen. Wo KI in der Codier-Optimierung und bei der DRG ansetzen könnte, weil dort heute noch händisch gearbeitet wird. Und welchen Rat Gunnar einem Data Engineer gibt, der morgen anfängt: einen Technologie-Stack wirklich beherrschen statt drei halb, und danach die Daten verstehen. Zum Schluss die beiden Standardfragen. Privat wartet Gunnar darauf, dass auch die privaten Krankenversicherer eine elektronische Patientenakte anbieten. Und als Filmtitel für sein Data-Game wählt er Der Marsianer: ein Riesenproblem, das man in kleinen, datenbasierten Schritten löst, mit dem großen Ganzen im Blick. Teil 2 von 2. In Teil 1 spricht Jonas Rashedi mit der Chief Transformation Officerin der Sana Kliniken über die Transformationsperspektive. Anzeige: Quest Software, Trusted Data Platform, quest.com/mydata
• 
  Warum KI im Krankenhaus an Prozessen hängt – Stefanie K., Chief Transformation Officer der Sana Kliniken (Folge 335) 16.07.2026 59мин

  Warum kommt KI im Krankenhaus nicht voran, obwohl die Technologie längst verfügbar ist? Stefanie K. ist Chief Transformation Officer bei den Sana Kliniken und gibt eine unbequeme Antwort: Es liegt nicht an der Technik, sondern daran, dass die Prozesse nicht aufgeschrieben sind. Ihr Satz dazu sinngemäß: Wer einem schlechten Prozess eine App verpasst, hat hinterher einen schlechten digitalen Prozess. Die Ausgangslage: 42.000 Mitarbeitende, 50 Krankenhäuser, 60 Ambulanzzentren und acht parallel laufende Klinikinformationssysteme, vieles davon On-Premise. Stefanie K. kommt aus der Technologiewelt, sie hat Oracle Deutschland geleitet und war vorher bei RWE und Vorwerk. Sie erklärt, warum On-Premise nicht automatisch schlecht ist, warum die Cloud-Strategie Cloud-first, but not Cloud-only heißt und warum in Radiologie und Intensivmedizin immer ein Edge-Ansatz bleiben wird. Beim Thema KI wird sie konkret statt euphorisch. Der AI Act stuft Kliniken als kritisches Geschäftsfeld ein. KI-Initiativen werden auch wieder eingestellt, unter anderem weil Zertifizierungen nicht vorlagen. Gleichzeitig sagt sie, man sei am Tipping Point und das sei nicht mehr zu diskutieren: Jetzt trenne sich die Spreu vom Weizen, und zwar bei Prozessen und Organisation, nicht bei der Technologie. Außerdem im Gespräch: warum es für klinische Daten eine eigene Gesellschaft braucht und der Zweck Forschung ist, was ein klinisches Decision-System in der Notaufnahme leisten soll, warum bei der Cloud die Wahl auf StackIT der Schwarz Gruppe fiel, warum ihre Analogie fürs Datenökosystem kein Orchester ist, sondern ein Rezeptbuch, und warum eine KI eine sechsstellige Multiplikation falsch rechnet, solange man ihr nicht sagt, sie soll den Taschenrechner benutzen. Teil 1 von 2 mit den Sana Kliniken. In Teil 2 geht es mit Gunnar H. um die technische Seite der klinischen Datenplattform. Anzeige: Diese Folge wird unterstützt von Quest Software, quest.com/mydata
• 
  Trusted Data Products: Business-Intent, Datenmodellierung und Trust Score – mit Ales Zeman, Quest (Folge 333) 09.07.2026 48мин

  Warum dauert der Aufbau eines einzigen Datenprodukts sechs Monate – und warum fängt man beim nächsten Anwendungsfall wieder von null an? Und wie misst man eigentlich, ob man den eigenen Daten trauen kann? Ales Zeman arbeitet seit über 25 Jahren bei Quest und ist seit über 30 Jahren im IT-Umfeld unterwegs. Seinen Uni-Abschluss hat er vor 30 Jahren in künstlicher Intelligenz gemacht – seine Diplomarbeit war ein Expertensystem, das man mit einem Prompt ansprechen konnte. Was damals fehlte, sagt er, war die Rechenleistung. In dieser Folge bringt er die Vendor-Seite in den Podcast: das Thema Trusted Data Products. Der Ausgangspunkt ist ein Satz, den Jonas Rashedi vorab bei ihm gefunden hat – ohne Business Intent funktionieren keine Datenprodukte. Ales Zeman bestätigt das und begründet es nüchtern: Wenn der Geschäftszweck nicht vorher bestimmt ist, bekommen die Projekte keine Unterstützung, keine Ergebnisse und keinen ROI. Was ein Datenprodukt überhaupt ist, erklärt er an einem Lego-Baukasten. Erst das Ziel, also das Modell, das gebaut werden soll. Dann die Bausteine, das sind die Daten, die irgendwo in der Firma liegen. Die Farben und Formen der Steine sind die Metadaten, der Kontext. Das Heft in der Schachtel ist die Bauanleitung, also das Datenmodell. Und am Ende landet das fertige Produkt in einem Marketplace, wo es beschrieben, verglichen und sogar geliked werden kann. Wie aufwendig das in der Praxis ist, zeigt ein Fall aus einer Versicherung. Ziel war, bei einem gemeldeten Vorfall zu erkennen, ob es sich um Betrug handelt. Allein die Abstimmung zwischen Fachabteilung, Datenabteilung und Analysten darüber, welche Daten dafür gebraucht werden, hat sechs Monate gedauert. Das Ergebnis waren 350 Excel-Sheets, aus denen ein Datenprodukt gebaut wurde. Danach kamen noch einmal zwei Monate für Governance, sensible Daten und Datenqualität dazu, plus einige Wochen bis zur Bereitstellung. Beteiligt waren Teams von fünf bis zehn Leuten aus verschiedenen Abteilungen. Und beim nächsten Vorfall fing man wieder von null an. Genau dagegen richtet sich der Ansatz einer automatisierten Data Product Factory. Die Reihenfolge bleibt aber dieselbe, und keinen Schritt darf man überspringen: erst Datenmodellierung, dann Datenkatalog, dann Datenqualität, dann Governance, dann Bereitstellung auf einem Marktplatz. Wer keinen Katalog hat, kann bestehende Datenbanken per Reverse Engineering ziehen und daraus die Modelle aufbauen. Vertrauenswürdigkeit wird gemessen, nicht behauptet. Der Trust Score setzt sich aus neun gewichtbaren Kriterien zusammen. Datenqualität kann mit 40 Prozent gewichtet werden, Governance mit 20 Prozent, dazu kommen Lineage, Modellierung, Likes, Nutzungshäufigkeit und Aktualität. Gefragt, woran es bei Kunden am häufigsten hakt, nennt Ales Zeman drei Punkte: Datenqualität wird nicht gemessen, Datenmodelle fehlen oder liegen nur als Excel-Sheet oder Visio vor, und SLAs zur Aktualität sind gar nicht erst definiert. Beim Modellieren mit KI zieht er eine klare Grenze. Ein LLM, das auf den eigenen Datenkatalog und auf Standardmodelle pro Industrie trainiert ist, baut das Datenmodell – nicht ChatGPT, das jedes Mal ein anderes Modell zurückgibt und halluzinieren kann. Außerdem im Gespräch: warum Kunde 360 das häufigste Datenprodukt in Unternehmen ist, warum Fraud Detection und Customer Churn die typischen KI-Use-Cases darüber sind, wie man eine solche Plattform vor einem CFO begründet, was für und was gegen zentrale Datenhaltung spricht, und warum Cloud und Cloud-Datenplattformen zwei bis drei Jahre später in Deutschland angekommen sind als in Nordamerika. Beim AI-Hype widerspricht er offen. Er würde das nicht Hype nennen, sondern eine Verschiebung, vergleichbar mit dem Internet oder dem Smartphone. Privat steuert er sein Zuhause über rund 80 Sensoren. Kurz vor der Aufnahme meldete sein Hub, dass das Schwimmbecken den Internetzugriff verloren hat. Sein Filmtitel fürs eigene Data-Game: Abkürzungen zahlen sich bei KI nicht aus.
• 
  Fairness by Design: KI ohne Bias bauen – mit Alex U., Fujitsu 02.07.2026 48мин

  KI diskriminiert nicht von selbst – sie wiederholt unsere Muster. Alex Ulbricht von Fujitsu hat über 400 Keynotes zu AI-Fairness gehalten. In dieser Folge geht es um den Amazon-Recruiting-Fall, um Crashtest-Dummies und Medikamentenforschung, um Fairness by Design und um den Disparate Impact Ratio, mit dem du Bias in einer einfachen Formel testen kannst. In dieser Folge erfährst du: → Warum KI keine Vorurteile erfindet, sondern historische Muster reproduziert → Was der Amazon-Recruiting-Fall von 2014 bis heute lehrt → Wie ein Bias-Audit abläuft – und was Intersectional Bias bedeutet → Warum Fairness von Anfang an ins Design gehört (wie Barrierefreiheit) → Wie du mit dem Disparate Impact Ratio in einer Formel auf Bias testest Über den Gast: Alex Ulbricht ist seit über zwölf Jahren bei Fujitsu und war dort die jüngste Vertriebsleiterin im Datacenter-Sales. Heute ist sie Keynote-Speakerin zum Thema AI-Fairness und hat über 400 Vorträge gehalten. MY DATA IS BETTER THAN YOURS ist ein Projekt von BETTER THAN YOURS, der Marke für richtig gute Podcasts. 🔗 Zum Linkedin Profil von Alex Ulbricht: https://www.linkedin.com/in/alex-ulbricht-data-driven-transformation/ 🔗 Fujitsu: https://www.fujitsu.com 🔗 Zum LinkedIn Profil von Jonas: https://www.linkedin.com/in/jonasrashedi/ 📚 Jonas' Bücher: https://www.amazon.de/stores/Jonas-Rashedi/author/B09FKCFYBM 🎧 Mehr Folgen: https://podigee.com/my-data-is-better-than-yours 🔗 Rund um Jonas: https://linktr.ee/jonas.rashedi Du möchtest gezielt Werbung im Podcast MY DATA IS BETTER THAN YOURS schalten? Zum Kontaktformular: https://2frg6t.share-eu1.hsforms.com/2ugV0DR-wTX-mVZrX6BWtxg
• 
  Gewinner und Verlierer der KI-Welle: Warum nicht das beste KI-Modell entscheidet, sondern deine Daten. Tim & Jonas, Folge 334 25.06.2026 44мин

  Über 90 % der KI-Piloten liefern keinen messbaren Mehrwert. In dieser Folge des Stammformats sitze ich mit Tim Wiegels zusammen, und wir sind uns bei der zentralen These schnell einig: 2026 entscheidet nicht das beste KI-Modell über Gewinner und Verlierer, sondern der, der seine Daten und Inhalte wirklich gut aufbereitet hat. Tims Vortragstitel bei Beyond the Dashboard fasst es zusammen: Deine KI ist nicht so gut wie deine Daten. Und bei den meisten ist sie das nicht. Wir sortieren das über ein Framework mit zwei Achsen. Auf der einen Daten- und Content-Verfügbarkeit, auf der anderen Prozess- und Workflow-Verständnis. Gewinner haben beides hoch und einen P&L-messbaren Impact, weil sie am Ende weniger Zeit für dasselbe Ergebnis brauchen. Die große Masse hat beides niedrig, und genau da kommen die über 90 % her. Dazwischen zwei typische Fallen: viel Content ohne Prozessverständnis, also große Data-Lakes, die nicht mit der Fachabteilung reden. Und viel Prozessverständnis ohne eigene Daten, also ChatGPT oder Copilot auf fremdem Wissen, mit dem du nur so gut bist wie der Wettbewerb, der gestern gestartet ist. Tim dreht die übliche Diagnose um: Das eigentliche Silo sitzt nicht in den Daten, sondern in den Köpfen. Zu viele Teams, die ihre eigenen Prozesse nicht sauber verstehen. KI macht diese Silos nur sichtbar, erfunden hat sie das Problem nicht. Wir landen beide bei derselben Empfehlung. Klein anfangen, auf guten Daten testen, eine Fehlerkultur zulassen, statt drei Jahre auf das perfekte Datenmodell zu warten. Der ehrlichste erste Use Case ist oft ein sauber gebauter Helpdesk-Chatbot, nach innen oder nach außen. Außerdem in den News der Woche: Der Agent-Ready-Data-Layer. Warum fast jede Datenbank einer sein kann, sobald das Gold-Silber-Bronze-Prinzip sitzt, und warum die großen Plattformen bei Real-Time-Anfragen an ihre Grenzen kommen. Der EU-AI-Act mit Stichtag 2. August und den ersten Pflichten. Warum Governance und Erklärbarkeit hier keine Compliance-Bremse sind, sondern die Eintrittskarte, um KI überhaupt sauber zu nutzen. Und warum es für den AI-Act dieselbe Dienstleistung geben müsste, die es beim Datenschutz mit dem externen DPO längst gibt. KI-Phishing, das laut der besprochenen Meldung stark zunimmt, und die Frage, wie verwundbar E-Mail-Agenten im eigenen Postfach eigentlich sind. Zum Schluss noch unsere laufende Wette zum Cost-Overrun und ein kurzer Blick auf Anthropics Net Revenue Retention. Tim & Jonas, Stammformat, Folge 334. Neue Folgen jeden Freitag.
• 
  Stammdatenarmut ist eine Krankheit – mit Simon P., Sharedien 18.06.2026 54мин

  Vom Bilder-Archiv zum Fundament der Content-Wertschöpfung: Simon Putzer, Co-CEO von Sharedien, erklärt, wie modernes Digital Asset Management heute funktioniert. Am Beispiel von Otto, Tesa und Siemens geht es um multimodales Bild-Scoring, um Build vs. Buy im KI-Zeitalter und darum, warum ohne saubere Stammdaten kein Use-Case fliegt. In dieser Folge erfährst du: → Wie Otto über 23 Mio. Assets multimodal und für unter 1 Cent pro Bild bewertet → Was ein modernes DAM vom klassischen Bilder-Archiv unterscheidet → Warum 'Stammdatenarmut' der eigentliche Engpass im Mittelstand ist → Build vs. Buy: was man selbst baut und was man einkauft → Wohin die Reise geht: vom DAM zur Knowledge Graph Content Value Chain Über den Gast: Simon Putzer ist Co-CEO von Sharedien und verantwortet Marketing, Vertrieb und die globale Go-to-Market-Strategie. Er ist seit über 25 Jahren im SaaS- und MarTech-Umfeld tätig, davon zehn Jahre bei Salesforce. MY DATA IS BETTER THAN YOURS ist ein Projekt von BETTER THAN YOURS, der Marke für richtig gute Podcasts. 🔗 Zum Linkedin Profil von Simon Putzer: https://www.linkedin.com/in/sputzer/ 🔗 Sharedien: https://www.sharedien.com 🔗 Zum LinkedIn Profil von Jonas: https://www.linkedin.com/in/jonasrashedi/ 📚 Jonas' Bücher: https://www.amazon.de/stores/Jonas-Rashedi/author/B09FKCFYBM 🎧 Mehr Folgen: https://podigee.com/my-data-is-better-than-yours 🔗 Rund um Jonas: https://linktr.ee/jonas.rashedi
• 
  Knowledge Graph statt klassischem Data Stack: die Struktur hinter Recommender und Agenten – mit Stefan Neubig, Head of Data Engineering und AI bei Outdooractive – Folge 330 11.06.2026 38мин

  Ein Recommender, der auf einem Knowledge Graph läuft, betrieben auf zwei Servern für 250 und 50 Euro im Monat: Wie baut man so etwas, und wann bringt die Datenstruktur dahinter mehr als ein klassischer Data Stack? Stefan Neubig ist Head of Data Engineering und AI bei Outdooractive, einer der größten europäischen Outdoor-Tourismus-Plattformen. Parallel schreibt er an der TU München an einer Doktorarbeit über Empfehlungssysteme und wie man sie erklärbar macht. Genau an diesem Schnittpunkt aus Industrierealität und Forschung läuft das Gespräch mit Jonas Rashedi. Outdooractive hat zwei Seiten: eine B2C-App und ein Wanderportal für Nutzer, die Touren und Points of Interest suchen und planen, und ein B2B-Geschäft, in dem Destinationen ihre Inhalte einstellen und ihre Besucher lenken wollen, weg von überlaufenen Orten. Der Recommender muss deshalb mehrere Stakeholder gleichzeitig bedienen, und er soll seine Vorschläge auch erklären. Dahinter liegt ein Knowledge Graph. Stefan definiert ihn als Graph, der Daten verbindet und zusätzlich eine Semantik in Form einer Ontologie mitbringt, also ein Graphschema. Im Fall des Recommenders sind das rund 92 Millionen Knoten, etwa Touren, Points of Interest, Regionen und Nutzer, und ungefähr 140 Millionen explizite Kanten dazwischen. Auf diesem Graphen wird ein Graph Neural Network trainiert, einmal pro Woche, das die Wahrscheinlichkeit für neue Kanten berechnet, zum Beispiel: Wie wahrscheinlich interessiert sich dieser Nutzer für diese Tour? Der ehrlichste Moment der Folge ist ein Misserfolg. In einem Experiment zur Besucherlenkung hat der Recommender zuerst nicht funktioniert. Die Warnung „hier wird es voll" hat die Leute erst recht angezogen, Knappheit macht attraktiver. Erst als das Team die Empfehlung anders gerahmt und emotionale Nachteile benannt hat, kein Parkplatz, Stau, hat sich das Verhalten gedreht. Außerdem im Gespräch: warum Stefan im Elevator Pitch nicht finanziell argumentiert, sondern über neue Fähigkeiten, weil die Infrastruktur virtuell auf der vorhandenen Datenbank aufsetzt und kaum Mehrkosten erzeugt. Was mit einem klassischen Stack aus Snowflake, dbt und Looker plus einem Sprachmodell passiert wäre. Warum der Knowledge Graph die Basis für Agenten und MCP ist und wo eine reine API an ihre Grenzen stößt. Und wie Stefan zwischen akademischem Anspruch und Plattform-Realität aus der Not eine Tugend gemacht hat. Zum Schluss die beiden Standardfragen. Privat ist Stefan Kaffee-Liebhaber und würde am liebsten den Stromverbrauch seines Siebträgers auswerten, wenn die Zeit da wäre. Und als Filmtitel für sein Data-Game wählt er „Die Karte hinter der Karte": Die geografische Karte ist der Stolz von Outdooractive, der Knowledge Graph ist die Informationslandschaft dahinter.
• 
  KI ist nicht euer erstes Problem: Warum der Mittelstand zuerst seine Digitalisierung sortieren muss – mit Nicolai Dwinger, IHK Mittlerer Niederrhein – Folge 329 04.06.2026 38мин

  KI ist nicht euer erstes Problem. Diesen Satz nimmt Nicolai Dwinger mit in fast jedes Gespräch mit Mitgliedsunternehmen der IHK Mittlerer Niederrhein. Bevor der Mittelstand über KI redet, fehlt vielerorts noch die Basis der Digitalisierung. Genau da fängt diese Folge an. Nicolai ist bei der IHK für Industrie, Innovation und Digitalisierung zuständig, davor war er unter anderem bei Bosch, bei Pixel Park in der Dotcom-Zeit und über zwölf Jahre in einem amerikanischen Konzern im Bereich Europe, Middle East, Africa. Die IHK Mittlerer Niederrhein betreut nach seiner Aussage rund 80.000 Mitgliedsunternehmen, vom Einzelgründer bis zum Industriebetrieb, und begleitet sie über den gesamten Lebenszyklus: Gründung, erste Mitarbeitende, Nachfolge. Sein Bild vom Mittelstand ist ehrlich unterschiedlich. Manche Unternehmen rechnen längst eigene Modelle und fragen gezielt nach Daten. Andere haben Prozesse und Datenkultur noch gar nicht aufgesetzt und hoffen, KI räume den Laden auf wie ein Saugroboter. Wenn KI der Aufhänger ist, um die Digitalisierung endlich anzugehen, findet Nicolai das gut. Nur ersetzt sie die Hausaufgaben nicht. Im Gespräch mit Jonas Rashedi geht es um die Basics, die vor jedem Tool kommen: nutzenorientiert vorgehen statt digitalisieren, weil digital besser klingt. Change Management voranstellen und den Menschen den Benefit erklären, gerade dort, wo die Angst vor Wegrationalisierung sitzt. Und Daten, die heute in proprietären Systemen liegen, per Mail wandern und in Excel enden, endlich durchgängig verfügbar zu machen. Dazu die größeren Linien: Warum Deutschland eher Tanker als Schnellboot ist, und warum das im LLM-Game kein Nachteil sein muss, weil man nicht der Erste sein muss. Warum Regulierung wie NIS2, Ökodesign-Verordnung und digitaler Produktpass Rückenwind für die Digitalisierung sein kann statt nur Last. Und warum digitale Souveränität und ein europäischer Techstack im Mittelstand ankommen, sobald die ersten großen Leuchttürme vorangehen. Ein starker Strang der Folge ist Bildung. Neue Inhalte brauchen laut Nicolai fast sechs Jahre, bis sie in einer Prüfungsordnung stehen. Sein Anlass, mit einem Bildungskampus für KI bei Auszubildenden ein Schnellboot danebenzusetzen. Warum das trägt, zeigen die Energie Scouts, bei denen Azubis mit offenem Blick durchs Unternehmen gehen und Einsparungen finden, die Fachabteilungen übersehen, und das Prinzip Reverse Mentoring: Der Azubi zeigt dem Betrieb, was mit KI geht. Zum Schluss die beiden Standardfragen. Privat wertet Nicolai eigene Daten aus, vom digitalen Journaling per Google Form über Fitness-Watcher bis zur Verwaltung seines Kampfsport-Clubs. Und als Filmtitel für sein Data-Game wählt er Moneyball: Entscheidungen aus Daten statt aus Bauchgefühl.
• 
  Warum KI-Projekte veralten, bevor sie live gehen: Cost Overrun, Claude und die OMR – mit Tim Wiegels (Folge 328) 28.05.2026 48мин

  KI-Projekte veralten oft, bevor sie überhaupt in Produktion gehen. Genau darum dreht sich diese Folge: um die Ökonomie hinter KI-Projekten und um die Frage, warum Cost Overrun bei KI keine Panne ist, sondern die Regel. Tim Wiegels und Jonas Rashedi melden sich nach langer Pause zurück. Beide haben in den Wochen davor sehr viel mit Claude und ChatGPT gearbeitet und probieren deshalb ein neues Format: drei News der Woche, jeweils mit Take, danach Thesen, Frameworks und zum Schluss eine Wette. Ein Bild trägt die Folge. Ein Berater der Big Four erzählt, er habe ein tolles Projekt durch, die Plattform für den Kunden sei 2027 fertig. Nur ist das eingesetzte Modell dann schon drei Jahre alt und die Möglichkeiten sind ein Vielfaches weiter. Wer ein KI-Projekt plant wie ein klassisches IT-Projekt mit Einmalkosten, plant an der Realität vorbei. Beide sind sich einig: Man steht bei dem Thema gefühlt jeden Monat wieder am Anfang. Die drei News: OpenAI und Anthropic gründen Enterprise-Joint-Ventures mit Private-Equity-Häusern im Rücken. Die Modelle kommen damit nicht nur über den klassischen Vertrieb ins Unternehmen, sondern durch die Hintertür der Investoren. Die Bitkom KI-Studie 2026 zeigt eine steigende KI-Nutzung, und jedes dritte Unternehmen reißt sein geplantes KI-Budget. Und Snowflake und Databricks positionieren sich als Steuerungsschicht für KI-Agenten, weil sie die Datengrundlage und die Abstraktionsschicht ohnehin schon liefern. Der Kern der Folge sind fünf Kostenfallen. Erstens Datenqualität: Niemand rechnet die Bereinigung ein, die schnell die Hälfte der Laufzeit frisst. Zweitens Inferenzkosten, die mit der Nutzung skalieren, während der Proof of Concept als Maßstab genommen wird. Drittens der Irrglaube, ein KI-Use-Case laufe ohne Reviewer, Audit-Trail und Eskalation. Viertens Vendor-Lock-in, der durch die neuen Joint Ventures operativ noch größer wird. Fünftens der Change-Schatten: Wenn Leute wegen KI gehen, tauchen Restrukturierungskosten im Business-Case auf, der Wissensverlust nicht. Zum Schluss die Wette auf die Bitkom-Studie 2027. Tim hält 45 Prozent Cost-Overrun-Quote für realistisch, Jonas hält mit 66 Prozent dagegen. Die Begründung: Allein der Wechsel auf ein neues Opus-Modell hat die Abfrage-Limits verändert, und niemand hat das eingeplant. Doppelgänger-Folge mit Tim Wiegels. Aufgenommen rund um die OMR.
• 
  Strategie in Tagen statt Monaten: Wie StrategyFrame.AI Roland Berger angreift – mit Christian U. 21.05.2026 58мин

  Was passiert mit der Strategieberatung, wenn KI-Agenten in Tagen liefern, wofür klassische Beratung Monate braucht? Christian Underwood, Co-Founder & CEO von StrategyFrame.AI, hat sein eigenes Beratungsmodell nach dem Corona-Crash radikal umgebaut: heute 7 Personen plus ein Full-Agentic-AI-System – und mehr als 100 mittelständische Kunden, 5,5 Mio. EUR Umsatz. Wir sprechen über den Strategie-Prozess für den Mittelstand, die Architektur dahinter und warum die Hälfte aller Mittelständler bis heute keine geschriebene Strategie hat. Key Takeaways: → Wie aus einer klassischen Beratung 7 Personen plus ein Full-Agentic-AI-System wurden – und das Geschäftsmodell auf 5,5 Mio. EUR Umsatz gewachsen ist → Warum die Hälfte aller Mittelständler, die zu Christian kommen, bis heute keine geschriebene Strategie hat – manche bestehen seit über 200 Jahren → Die drei Datenebenen von StrategyFrame.AI: Kundendaten, Benchmarking-Partner, Market Intelligence in 24 Stunden → Warum Architektur wichtiger ist als das Modell – und warum Christian die Plattform permanent weiterentwickelt → Geopolitik-Live-Feed: Wie das System Trump-Zoll-News gegen die Strategie eines Kunden mit USA-Fokus spiegelt Über den Gast: Christian Underwood ist Co-Founder und CEO von StrategyFrame.AI in Düsseldorf. Vor StrategyFrame war er 15+ Jahre in der Strategieberatung tätig, hält einen MBA der WHU, einen Magister der Universität Heidelberg und ein Postgraduate Diploma in Digital Business des EMERITUS-Programms (MIT Sloan + Columbia Business School). Das Handelsblatt nennt ihn „den Mann, der mit seiner KI-Beratung Roland Berger und Co. herausfordert". MY DATA IS BETTER THAN YOURS ist ein Projekt von BETTER THAN YOURS, der Marke für richtig gute Podcasts. 🔗 Zum Linkedin Profil von Christian Underwood: https://www.linkedin.com/in/christianunderwood/?locale=en 🔗 StrategyFrame.AI: https://www.strategyframe.ai/ 🔗 Zum LinkedIn Profil von Jonas: https://www.linkedin.com/in/jonasrashedi/ 📚 Jonas' Bücher: https://www.amazon.de/stores/Jonas-Rashedi/author/B09FKCFYBM 🎧 Mehr Folgen: https://podigee.com/my-data-is-better-than-yours 🔗 Rund um Jonas: https://linktr.ee/jonas.rashedi Du möchtest gezielt Werbung im Podcast MY DATA IS BETTER THAN YOURS schalten? Zum Kontaktformular: https://2frg6t.share-eu1.hsforms.com/2ugV0DR-wTX-mVZrX6BWtxg
• 
  Warum die Digitalisierungs-Gewinner jetzt die KI-Gewinner werden – mit Bernhard Steimel, Smarter Service Institut 14.05.2026 55мин

  Wo steht der deutsche Mittelstand 2026 wirklich beim Thema KI? Jonas Rashedi spricht mit Bernhard Steimel, Studienmacher und Beobachter beim Smarter Service Institut, über sein Reifegradmodell AI-Infused → AI-First → AI-Only, über die größten Parallelen zwischen Digitalisierung 2017 und KI 2026 – und warum People-First wichtiger ist als jedes Tool. Key Takeaways: → Warum die Digitalisierungs-Gewinner von 2017 heute die KI-Gewinner sind → Das Reifegrad-Modell AI-Infused → AI-First → AI-Only – und wie du es auf dein Unternehmen anwendest → Warum Head of AI & Data im Mittelstand keine Luxus-Position ist, sondern Pflicht → Wo die Low Hanging Fruits liegen – und warum sie im Front Office anfangen → Was 500 Entscheider Bernhard Steimel in acht Jahren über digitale Reife verraten haben Über den Gast: Bernhard Steimel ist Studienmacher und Beobachter beim Smarter Service Institut. Seit 2017 hat er fünf Studien zur digitalen Transformation veröffentlicht und arbeitet mit einem Reifegradmodell, das über acht Jahre an mehreren Hundert Entscheider-Interviews kalibriert wurde. Sein Netzwerk umfasst rund 500 Entscheider, vorwiegend aus dem großen Mittelstand. MY DATA IS BETTER THAN YOURS ist ein Projekt von BETTER THAN YOURS, der Marke für richtig gute Podcasts. 🔗 Zum Linkedin Profil von Bernhard Steimel: https://www.linkedin.com/in/steimel/ 🔗 Smarter Service Institut: [TODO – Firma-URL bestätigen, z. B. https://www.smarter-service.com] 🔗 Zum LinkedIn Profil von Jonas: https://www.linkedin.com/in/jonasrashedi/ 📚 Jonas' Bücher: https://www.amazon.de/stores/Jonas-Rashedi/author/B09FKCFYBM 🎧 Mehr Folgen: https://podigee.com/my-data-is-better-than-yours 🔗 Rund um Jonas: https://linktr.ee/jonas.rashedi Du möchtest gezielt Werbung im Podcast MY DATA IS BETTER THAN YOURS schalten? Zum Kontaktformular: https://2frg6t.share-eu1.hsforms.com/2ugV0DR-wTX-mVZrX6BWtxg
• 
  Wie ein Münchner Fahrradladen zum AI-nativen Mittelstand wird – mit Markus U., vit:bikes 07.05.2026 1ч 4мин

  Markus Unger ist Inhaber von vit:bikes – dem Münchner Fahrradgeschäfts-Verbund mit über 30 Shops und 180.000 YouTube-Abonnenten. Wir sprechen darüber, wie er den Sprung vom Aushilfe-Job zu einer AI-nativen Organisation geschafft hat – und warum der Mittelstand schneller AI-nativ werden kann als jeder Konzern. Eine Folge über Speichengregale, Säge schärfen, Cost per Lead, das vit:bikes-Cockpit und die These, dass der CEO Data und AI selbst treiben muss. Key Takeaways: → Warum 50 Prozent der Fahrradhändler in 3 Jahren nicht mehr existieren werden → Wie ein Speichengregal der Wendepunkt für 30 Shops wurde → Warum vit:bikes mit YouTube 10-12 Millionen Nutzer pro Jahr erreicht → Wieso eine selbstgebaute App 100.000-Euro-Angebote von Software-Firmen ersetzt → Warum der CEO Data und AI selbst treiben muss – und nicht die IT Über den Gast: Markus Unger ist Inhaber und Geschäftsführer von vit:bikes – einem der größten Fahrradgeschäfts-Verbünde im deutschsprachigen Raum mit über 30 Shops und 180.000 YouTube-Abonnenten. Bis 2030 will er auf 200 Shops skalieren – befeuert durch eine selbstentwickelte Software, das vit:bikes-Cockpit. 🔗 Markus Unger auf LinkedIn: https://www.linkedin.com/in/markus-unger-vitbikes/ 🔗 Jonas auf LinkedIn: https://www.linkedin.com/in/jonasrashedi/ 📚 Jonas' Bücher: https://www.amazon.de/stores/Jonas-Rashedi/author/B09FKCFYBM 🎧 Mehr Folgen: https://podigee.com/my-data-is-better-than-yours Du möchtest selbst einmal Gast im Podcast sein? - https://jonas-rashedi.de/index.html#aktuelle-folge
• 
  Wie 120 Ironman in 120 Tagen funktionieren - mit Jonas D., Extremsportler 30.04.2026 50мин

  Jonas Deichmann hat 120 Ironman in 120 Tagen absolviert – mehr als jeder Mensch vor ihm. Die Sportmedizin hat gesagt: körperlich unmöglich. In dieser Folge spreche ich mit ihm darüber, welche Daten im Extremsport wirklich zählen, wann Algorithmen wie der Wearable versagen und was CDOs, Datenteams und Führungskräfte vom Mindset eines Weltrekordlers lernen können. Key Takeaways: → Warum Jonas Deichmanns Wearable ihm jeden Tag '0% Erholung' gesagt hätte – und warum das irrelevant war → Die 2 Datenpunkte, die über 120 Tage wirklich über Erfolg und Verletzung entschieden haben (Spoiler: nicht Watt, nicht VO2max) → Wie sich sein Ruhepuls während des Projekts von 37 auf 70 erhöhte – und der Maximalpuls von 190 auf 115 fiel → Warum klassische Trainingspläne und Tour-de-France-Algorithmen für so ein Projekt scheitern mussten → Wie Deichmann Gewohnheiten designt – und wie Vertriebs-Teams genau dasselbe Prinzip nutzen können → Warum der Kopf entscheidet, wann die Erschöpfung kommt – und was das für langfristige High-Performance heißt Über den Gast: Jonas Deichmann ist Extremsportler, Abenteurer und Keynote-Speaker. Er hat die Welt mit dem Rad umrundet, die Fahrrad-Weltrekorde für alle Kontinente gebrochen und in 120 Tagen 120 Ironman-Distanzen absolviert – Weltrekord. Seine Netflix-Doku 'Das Limit bin ich' zeigt das Projekt. MY DATA IS BETTER THAN YOURS ist ein Projekt von BETTER THAN YOURS, der Marke für richtig gute Podcasts. 🔗 Zum LinkedIn Profil von Jonas Deichmann: https://www.linkedin.com/in/jonas-deichmann-93103189/ 🎥 Netflix-Doku über Jonas Deichmann: 'Das Limit bin ich' 🔗 Zum LinkedIn Profil von Jonas Rashedi: https://www.linkedin.com/in/jonasrashedi/ 🎧 Mehr Folgen: https://podigee.com/my-data-is-better-than-yours 🔗 Rund um Jonas: https://linktr.ee/jonas.rashedi Du möchtest gezielt Werbung im Podcast MY DATA IS BETTER THAN YOURS schalten? Zum Kontaktformular: https://2frg6t.share-eu1.hsforms.com/2ugV0DR-wTX-mVZrX6BWtxg