Frösche fangen im Datensee: Warum KI-Projekte scheitern | Konrad Sippel & Rocky Khan - #24

Wir haben ein tolles Labor eingerichtet. Wissenschaftler
eingestellt. Beste Instrumente besorgt.


Und dann haben wir festgestellt: Wir haben gar keine Frösche. Die
sind noch draußen im Teich.


Konrad Sippel hat den Content Lab bei der Deutsche Börse Group
aufgebaut — eine der ersten Data Science Einheiten im
Börsenbetrieb. 1 bis 1,5 Petabyte Daten täglich. Und trotzdem:
Die größte Erkenntnis war nicht der fancy Use Case, sondern das
Fundament darunter.


Heute ist er CIOO bei valantic FSA und CEO bei Signalyst — einem
Startup, das institutionelle Investmentsignale auf Basis
bayesianischer Statistik für den breiten Markt öffnet.


In der aktuellen Episode von Masters of Data & AI spricht er
über drei Karrierestationen, zwei Unternehmen gleichzeitig — und
eine Lektion, die sich durch alles zieht.


Ein paar Dinge, die hängengeblieben sind:


Zur Datenfundament-Falle: Data Scientists, die 80 % ihrer Zeit
mit Data Wrangling verbringen statt mit Data Science — das ist
kein Einzelfall, das ist der Normalzustand. Konrads Rat heute:
Erst ein Jahr lang nur Data Engineers und Infrastruktur. Dann
erst die Wissenschaftler ins Labor holen. Frösche müssen zuerst
gefangen werden.


Zu KI im Kapitalmarkt — damals vs. heute: 2016 war Machine
Learning im Finanzbereich noch gefährlich, datenschutzrechtlich
verdächtig und organisatorisch unerwünscht. Heute fällt der
Aktienkurs, wenn der CEO keine KI-Strategie hat. Dieselbe
Technologie, komplett andere Welt.


Zu GAIA-X und kollaborativen Datenprojekten: Geldwäsche erkennt
man nicht innerhalb einer Bank — sondern über alle Banken hinweg.
Das Problem: Die Daten dürfen nicht geteilt werden. Konrad hat
daran gearbeitet, genau dieses "Das geht nicht" als falsch zu
beweisen. Gemeinsam gehostete Infrastrukturen mit hohen
Sicherheitskonzepten — damals Pionierarbeit, heute Realität.


Zum Startup-Fehler bei Signalyst: Produkt fertig. Erster
Monetarisierungskanal nicht validiert. Zertifikate emittieren
wollten sie — ging nicht. Neun Monate verloren. Die Lektion: Das
Ende muss vom ersten Tag mitgedacht werden. Nicht "Modell läuft
in der Cloud", sondern "Kunde kann hier sein Depot eröffnen."


Zu valantic FSA und der nächsten Phase: Gute Produkte, gute
Kunden — aber zu viel Individualentwicklung, zu wenig
Standardisierung. Konrads Mission: Operative Prozesse straffen,
KI in die Applikationen integrieren, vom Integrationsgeschäft
Richtung skalierbarem Produktgeschäft. Weniger ist mehr.


Wie seht ihr das — ist eine solide Dateninfrastruktur wirklich
die Voraussetzung für erfolgreiche KI, oder überschätzen wir das
Fundament und unterschätzen den Mut zum Experiment?


️ Die ganze Episode jetzt auf Masters of Data, AI & BI — Link
in den Kommentaren.


____LinkedIn Profile____


LinkedIn Profile von Konrad Sippel:
https://www.linkedin.com/in/konrad-sippel/


LinkedIn Profile von Rocky Khan:
https://www.linkedin.com/in/khanrocky/


____Business Buch____


Influence von Robert Cialdini — wie unser Gehirn Entscheidungen
trifft und wie Einfluss wirklich funktioniert. Konrad hat es
während seines MBAs gelesen und es hat seine Sicht auf
Business-Entscheidungen und Geschäftsmodelle grundlegend geprägt.