Masters of Data, BI & AI Archiv
44 Episoden
47 Minuten
Send us Fan Mail
Die meisten Unternehmen bauen Dashboards, schauen drauf, und machen weiter wie vorher. Sebastian Nädtke nennt das freundlich "Stalking Analytics."
Sein Team hat stattdessen etwas gebaut, das direkt aus einer Fabrikhalle in Berlin-Adlershof kommt — und läuft heute bei Konzernkunden, die eigentlich schon Tableau, Power BI und den Rest im Einsatz haben.
In der aktuellen Episode von Masters of Data & AI erzählt er, wie aus einem Controlling-Nebenprojekt ein Qlik Elite Partner mit 20 Leuten wurde — komplett aus Versehen.
Ein paar Dinge, die hängengeblieben sind:
**Zur zufälligen Firmengründung:**
Sebastian wollte nie Sales machen, nie Beratung. Er hat Qlik intern bei einem Automobilzulieferer ausgerollt, Kunden und Lieferanten haben die Dashboards in der Fabrik gesehen und gefragt "wo habt ihr das gekauft?" Aus der Nachfrage wurde ein Geschäftsmodell, bevor irgendwer das geplant hatte.
**Zum eigentlichen Warum hinter Qlik:**
Kein Feature-Bingo — die kleinsten Teams sind bei Qlik gleichzeitig die produktivsten, sagt Sebastian. Die Reload-Geschwindigkeit macht Echtzeit-Use-Cases wie Maschinenüberwachung erst praktikabel.
**Zur These "Dashboards werden weniger wichtig":**
Nicht weil Daten weniger werden — Ad-hoc-Reporting per Prompt ist für wiederkehrende Probleme einfach ineffizient. Sebastians Wette: eine Schicht mit Unternehmenskontext und Kennzahlen, auf die Dashboards und Agenten gleichermaßen zugreifen.
**Zum teuersten Learning:**
Standard-Dashboards auf Standard-ERP-Systemen sollten sich "wie geschnitten Brot" verkaufen. Taten sie nicht — jedes ERP ist hart customized, egal was drauf steht. Genau daraus entstand Jahre später die Idee zur echten Business-Applikationsplattform.
**Zur Positionierung heute:**
Der Kunde soll gar nicht mehr fragen müssen, ob das Qlik oder Power BI ist. Er will nur wissen: Löst das mein Problem? Sebastian nennt das den Unterschied zwischen Vitamin-Tablette und Aspirin — und Aspirin ist, worauf Leitat mittlerweile zielt.
Wie seht ihr das — verschwinden klassische Dashboards zugunsten von Business-Apps und Agenten-Layern, oder bleibt das Dashboard einfach die Oberfläche, die sich nie ganz auflöst?
____LinkedIn Profile____
LinkedIn Profile von Sebastian Nädtke: https://www.linkedin.com/in/sebastian-n%C3%A4dtke-4a306a191
LinkedIn Profile von Rocky Khan: https://www.linkedin.com/in/khanrocky/
____Business Buch____
*Das Ziel* von Eliyahu Goldratt — ein Roman über einen Manager, der seinen Standort vor der Schließung retten muss. Realitätsnah statt trocken.
Die meisten Unternehmen bauen Dashboards, schauen drauf, und machen weiter wie vorher. Sebastian Nädtke nennt das freundlich "Stalking Analytics."
Sein Team hat stattdessen etwas gebaut, das direkt aus einer Fabrikhalle in Berlin-Adlershof kommt — und läuft heute bei Konzernkunden, die eigentlich schon Tableau, Power BI und den Rest im Einsatz haben.
In der aktuellen Episode von Masters of Data & AI erzählt er, wie aus einem Controlling-Nebenprojekt ein Qlik Elite Partner mit 20 Leuten wurde — komplett aus Versehen.
Ein paar Dinge, die hängengeblieben sind:
**Zur zufälligen Firmengründung:**
Sebastian wollte nie Sales machen, nie Beratung. Er hat Qlik intern bei einem Automobilzulieferer ausgerollt, Kunden und Lieferanten haben die Dashboards in der Fabrik gesehen und gefragt "wo habt ihr das gekauft?" Aus der Nachfrage wurde ein Geschäftsmodell, bevor irgendwer das geplant hatte.
**Zum eigentlichen Warum hinter Qlik:**
Kein Feature-Bingo — die kleinsten Teams sind bei Qlik gleichzeitig die produktivsten, sagt Sebastian. Die Reload-Geschwindigkeit macht Echtzeit-Use-Cases wie Maschinenüberwachung erst praktikabel.
**Zur These "Dashboards werden weniger wichtig":**
Nicht weil Daten weniger werden — Ad-hoc-Reporting per Prompt ist für wiederkehrende Probleme einfach ineffizient. Sebastians Wette: eine Schicht mit Unternehmenskontext und Kennzahlen, auf die Dashboards und Agenten gleichermaßen zugreifen.
**Zum teuersten Learning:**
Standard-Dashboards auf Standard-ERP-Systemen sollten sich "wie geschnitten Brot" verkaufen. Taten sie nicht — jedes ERP ist hart customized, egal was drauf steht. Genau daraus entstand Jahre später die Idee zur echten Business-Applikationsplattform.
**Zur Positionierung heute:**
Der Kunde soll gar nicht mehr fragen müssen, ob das Qlik oder Power BI ist. Er will nur wissen: Löst das mein Problem? Sebastian nennt das den Unterschied zwischen Vitamin-Tablette und Aspirin — und Aspirin ist, worauf Leitat mittlerweile zielt.
Wie seht ihr das — verschwinden klassische Dashboards zugunsten von Business-Apps und Agenten-Layern, oder bleibt das Dashboard einfach die Oberfläche, die sich nie ganz auflöst?
____LinkedIn Profile____
LinkedIn Profile von Sebastian Nädtke: https://www.linkedin.com/in/sebastian-n%C3%A4dtke-4a306a191
LinkedIn Profile von Rocky Khan: https://www.linkedin.com/in/khanrocky/
____Business Buch____
*Das Ziel* von Eliyahu Goldratt — ein Roman über einen Manager, der seinen Standort vor der Schließung retten muss. Realitätsnah statt trocken.
46 Minuten
Send us Fan Mail
️ Eine Data- & AI-Beratung mitten in der Weltfinanzkrise 2007 gründen und über fast zwei Jahrzehnte hinweg stabil im Markt etablieren? Jan Strackbein hat genau das getan. Als CEO von areto consulting gmbh zeigt er in dieser Episode, warum die besten Lektionen für krisenfeste Unternehmensführung nicht aus dem BWL-Lehrbuch stammen, sondern aus der Praxis als Einsatztaucher bei der DLRG.
Ein paar Dinge, die hängengeblieben sind:
Das Mindset des Einsatztauchers im C-Level:
Unter Wasser entscheidet absolute Ruhe über Leben und Tod. Wer gelernt hat, bei Nullsicht und extremem Druck den Fokus zu behalten, lässt sich auch von Markt-Turbulenzen oder geplatzten Deals nicht nervös machen. Jan erklärt, wie Vorbereitung, brutale Ruhe und Anpassungsfähigkeit die DNA von areto prägen.
Das 40-Prozent-Umsatz-Erlebnis:
Die härteste Krise der Firmengeschichte traf areto, als ein einziger Großkunde wegbrach und auf einen Schlag 40 % des gesamten Umsatzes fehlten. Statt in Panik zu verfallen, nutzte das Team den Schock für eine radikale Neuausrichtung: Heute sichert aktives Marketing das Business ab, und kein Kunde darf jemals wieder mehr als 10 % des Volumens ausmachen.
Die Lissabon-Strategie (Nearshore, das keines ist):
areto hat neben den klassischen deutschen Standorten auch ein Büro in Portugal. Was als strategischer Hebel für Ausschreibungen begann, entwickelte sich durch die vollständige Integration eines lokalen Tech-Unternehmens zu einem echten Kultur- und Innovations-Boost für die gesamte Gruppe.
Warum Dashboards sterben werden:
Technologie ist kein Geschäftsmodell, sondern ein Befähiger. Jan wirft einen Blick auf den aktuellen KI-Trend und erklärt, warum das klassische, starre Reporting ausgedient hat. Die Zukunft gehört dynamischen Datenplattformen (Snowflake, Databricks, Azure), die echten, operativen Mehrwert liefern, statt nur Daten stumpf zu verwalten.
Wie viel „Extremsport-Mentalität“ braucht ein moderner CEO, um ein Tech-Unternehmen sicher durch die ständigen Hypes und Krisen unserer Zeit zu manövrieren?
LinkedIn Profile von Jan Strackbein: https://www.linkedin.com/in/jan-strackbein-areto
LinkedIn Profile von Rocky Khan: https://www.linkedin.com/in/khanrocky/
Business Book
Das Café am Rande der Welt von John Strelecky. Keine klassische Business-Theorie, sondern ein Buch über den Sinn des Lebens, das Jan als Urlaubslektüre schätzt, weil es den Blick für das Wesentliche schärft und zur fundamentalen Selbstreflexion anregt.
️ Eine Data- & AI-Beratung mitten in der Weltfinanzkrise 2007 gründen und über fast zwei Jahrzehnte hinweg stabil im Markt etablieren? Jan Strackbein hat genau das getan. Als CEO von areto consulting gmbh zeigt er in dieser Episode, warum die besten Lektionen für krisenfeste Unternehmensführung nicht aus dem BWL-Lehrbuch stammen, sondern aus der Praxis als Einsatztaucher bei der DLRG.
Ein paar Dinge, die hängengeblieben sind:
Das Mindset des Einsatztauchers im C-Level:
Unter Wasser entscheidet absolute Ruhe über Leben und Tod. Wer gelernt hat, bei Nullsicht und extremem Druck den Fokus zu behalten, lässt sich auch von Markt-Turbulenzen oder geplatzten Deals nicht nervös machen. Jan erklärt, wie Vorbereitung, brutale Ruhe und Anpassungsfähigkeit die DNA von areto prägen.
Das 40-Prozent-Umsatz-Erlebnis:
Die härteste Krise der Firmengeschichte traf areto, als ein einziger Großkunde wegbrach und auf einen Schlag 40 % des gesamten Umsatzes fehlten. Statt in Panik zu verfallen, nutzte das Team den Schock für eine radikale Neuausrichtung: Heute sichert aktives Marketing das Business ab, und kein Kunde darf jemals wieder mehr als 10 % des Volumens ausmachen.
Die Lissabon-Strategie (Nearshore, das keines ist):
areto hat neben den klassischen deutschen Standorten auch ein Büro in Portugal. Was als strategischer Hebel für Ausschreibungen begann, entwickelte sich durch die vollständige Integration eines lokalen Tech-Unternehmens zu einem echten Kultur- und Innovations-Boost für die gesamte Gruppe.
Warum Dashboards sterben werden:
Technologie ist kein Geschäftsmodell, sondern ein Befähiger. Jan wirft einen Blick auf den aktuellen KI-Trend und erklärt, warum das klassische, starre Reporting ausgedient hat. Die Zukunft gehört dynamischen Datenplattformen (Snowflake, Databricks, Azure), die echten, operativen Mehrwert liefern, statt nur Daten stumpf zu verwalten.
Wie viel „Extremsport-Mentalität“ braucht ein moderner CEO, um ein Tech-Unternehmen sicher durch die ständigen Hypes und Krisen unserer Zeit zu manövrieren?
LinkedIn Profile von Jan Strackbein: https://www.linkedin.com/in/jan-strackbein-areto
LinkedIn Profile von Rocky Khan: https://www.linkedin.com/in/khanrocky/
Business Book
Das Café am Rande der Welt von John Strelecky. Keine klassische Business-Theorie, sondern ein Buch über den Sinn des Lebens, das Jan als Urlaubslektüre schätzt, weil es den Blick für das Wesentliche schärft und zur fundamentalen Selbstreflexion anregt.
39 Minuten
Send us Fan Mail
️ Inmitten des Lockdowns ein Deep-Tech-Unternehmen gründen, das heute sicherheitskritische Infrastrukturen automatisiert? Ferdinand Biere hat genau das getan. Als Gründer und CEO von Metis zeigt er, warum die Zukunft von Enterprise-KI nicht in den US-Clouds liegt, sondern in maximaler digitaler Souveränität.
Ein paar Dinge, die hängengeblieben sind:
Die harte Wahrheit über Open Source im Enterprise:
Qualität setzt sich im B2B-Umfeld selten von alleine durch. Geniale Open-Source-Modelle scheitern oft an den simpelsten Dingen wie einem fehlenden Bezahl-Button (Stripe) oder unvollständigen Enterprise-Features. Wer im Markt gewinnen will, muss die Brücke zwischen Technologie und kommerzieller Reife bauen.
Das Milliarden-Risiko in der Cloud:
Wer sensible Berichte für Gutachter oder Behörden automatisiert, steht vor einer harten Wand namens Datenschutz. Jedes Mal, wenn Daten über US-Schnittstellen laufen, entstehen rechtliche Abhängigkeiten. Die Lösung von Metis: Lokale Modelle, gehostet auf eigenen Servern, um die volle Datenhoheit zurückzuholen.
KI als digitaler Klempner:
Wir lassen Agenten autonom Code schreiben, aber wer räumt den Dreck im Hintergrund auf? Ferdinand vergleicht modernes Engineering mit Klempnerarbeit: Es braucht smarte Systeme, die Lücken schließen, Fehler abfangen und sicherstellen, dass die generierten Lösungen stabil laufen.
Vom Entwickler zum Unternehmer:
Die Reise vom CTO zum CEO ist ein massiver Mindset-Shift. Man muss lernen, das Produkt auch mal stehenzulassen und sich stattdessen radikal um das Go-to-Market zu kümmern. Ferdinand teilt seine Learnings aus der Gründungsphase und erklärt, wie ihn die Prinzipien des schnellen Iterierens aus dem legendären WirVsVirus-Hackathon bis heute prägen.
Ist der Wechsel von proprietären Cloud-Modellen hin zu lokalen On-Premise-Lösungen der einzig logische Schritt für europäische Unternehmen, oder unterschätzen wir die Betriebskosten eigener Infrastrukturen?
LinkedIn Profile von Ferdinand Biere: https://www.linkedin.com/in/ferdinandbiere/
LinkedIn Profile von Rocky Khan: https://www.linkedin.com/in/khanrocky/
Business Book
Principles von Ray Dalio & $100M Leads von Alex Hormozi. Zwei fundamentale Leitfäden, die Ferdinand tief geprägt haben, wenn es darum geht, ein Unternehmen durch radikale Wahrheit, klare Systeme und unbarmherzigen Fokus auf die Markt-Exekution aufzubauen.
️ Inmitten des Lockdowns ein Deep-Tech-Unternehmen gründen, das heute sicherheitskritische Infrastrukturen automatisiert? Ferdinand Biere hat genau das getan. Als Gründer und CEO von Metis zeigt er, warum die Zukunft von Enterprise-KI nicht in den US-Clouds liegt, sondern in maximaler digitaler Souveränität.
Ein paar Dinge, die hängengeblieben sind:
Die harte Wahrheit über Open Source im Enterprise:
Qualität setzt sich im B2B-Umfeld selten von alleine durch. Geniale Open-Source-Modelle scheitern oft an den simpelsten Dingen wie einem fehlenden Bezahl-Button (Stripe) oder unvollständigen Enterprise-Features. Wer im Markt gewinnen will, muss die Brücke zwischen Technologie und kommerzieller Reife bauen.
Das Milliarden-Risiko in der Cloud:
Wer sensible Berichte für Gutachter oder Behörden automatisiert, steht vor einer harten Wand namens Datenschutz. Jedes Mal, wenn Daten über US-Schnittstellen laufen, entstehen rechtliche Abhängigkeiten. Die Lösung von Metis: Lokale Modelle, gehostet auf eigenen Servern, um die volle Datenhoheit zurückzuholen.
KI als digitaler Klempner:
Wir lassen Agenten autonom Code schreiben, aber wer räumt den Dreck im Hintergrund auf? Ferdinand vergleicht modernes Engineering mit Klempnerarbeit: Es braucht smarte Systeme, die Lücken schließen, Fehler abfangen und sicherstellen, dass die generierten Lösungen stabil laufen.
Vom Entwickler zum Unternehmer:
Die Reise vom CTO zum CEO ist ein massiver Mindset-Shift. Man muss lernen, das Produkt auch mal stehenzulassen und sich stattdessen radikal um das Go-to-Market zu kümmern. Ferdinand teilt seine Learnings aus der Gründungsphase und erklärt, wie ihn die Prinzipien des schnellen Iterierens aus dem legendären WirVsVirus-Hackathon bis heute prägen.
Ist der Wechsel von proprietären Cloud-Modellen hin zu lokalen On-Premise-Lösungen der einzig logische Schritt für europäische Unternehmen, oder unterschätzen wir die Betriebskosten eigener Infrastrukturen?
LinkedIn Profile von Ferdinand Biere: https://www.linkedin.com/in/ferdinandbiere/
LinkedIn Profile von Rocky Khan: https://www.linkedin.com/in/khanrocky/
Business Book
Principles von Ray Dalio & $100M Leads von Alex Hormozi. Zwei fundamentale Leitfäden, die Ferdinand tief geprägt haben, wenn es darum geht, ein Unternehmen durch radikale Wahrheit, klare Systeme und unbarmherzigen Fokus auf die Markt-Exekution aufzubauen.
47 Minuten
Send us Fan Mail
️ Vom globalen Großkonzern direkt in den Maschinenraum des deutschen Mittelstands: Tim Kappel und Dominik Brosa wissen genau, wie Daten- und KI-Strategien jenseits der Hochglanz-Sales-Pitches funktionieren.
In dieser Episode räumen die beiden mesakumo-Experten radikal mit den typischen KI-Mythen auf und zeigen, warum der Mittelstand keine Milliarden-Budgets braucht, sondern pragmatische Lösungen auf Augenhöhe.
Ein paar Dinge, die hängengeblieben sind:
Der größte Blind Spot im Mittelstand:
Viele CFOs und Geschäftsführer lassen sich von Tech-Buzzwords blenden und unterschätzen die eigene Datenqualität fundamental. Wer seine Stammdaten über Jahre vernachlässigt hat, dem hilft auch kein KI-Zauberstab. Erst kommt die solide Datenbasis, dann die künstliche Intelligenz – sonst skaliert man nur den Schaden statt des Nutzens.
Wirtschaftlichkeit jenseits von „20 Minuten Zeitersparnis“:
KI-Projekte scheitern oft am Controlling, weil theoretische Zeiteinsparungen von Mitarbeitern berechnet werden, die am Ende nie auf dem Konto der Firma landen. Echter Impact entsteht durch messbare Prozess- und Materialeffizienz, wie das Vermeiden von teurem Teile-Overhead in der Produktion.
Keine Angst vor Fehlern (Fail Fast real gelebt):
Der Markt verändert sich nicht mehr in Monaten, sondern in Wochen. Wer aus Angst vor dem unperfekten Use Case erstarrt, hat schon verloren. Lieber drei Monate mutig in die falsche Richtung laufen, schnell lernen, anpassen und iterieren, als auf das eine perfekte Konzept zu warten.
Die Kunst der Übersetzung auf Augenhöhe:
Erfolgreiche Projekte wie beim Referenzkunden Bauder zeigen: Es braucht kein starres Strategiepapier für die Schublade. Echte digitale Wirkung entsteht, wenn man das Management emotional mitnimmt und den Teams direkt einsatzbereite Best Practices, Styleguides und Schulungskonzepte an die Hand gibt.
Glaubst du, dass der deutsche Mittelstand bei KI aktuell zu zögerlich agiert, oder ist die Skepsis gegenüber den großen Werbeversprechen der Tech-Anbieter sogar gesund?
____LinkedIn Profile____
LinkedIn Profil von Tim Kappel: https://www.linkedin.com/in/tim-kappel-9b054560/
LinkedIn Profil von Dominik Brosa: https://www.linkedin.com/in/dominik-brosa/
LinkedIn Profil von Rocky Khan: https://www.linkedin.com/in/khanrocky/
____Business Book____
Gedruckte KI-Bücher? Veralten viel zu schnell. Tim und Dominik bekennen sich in der Folge als echte „Kinder des Internets“. Statt dicker Wälzer nutzen sie dynamische Plattformen wie Medium und kuratierte Online-Quellen, um technologisch immer exakt am Puls der Zeit zu bleiben.
️ Vom globalen Großkonzern direkt in den Maschinenraum des deutschen Mittelstands: Tim Kappel und Dominik Brosa wissen genau, wie Daten- und KI-Strategien jenseits der Hochglanz-Sales-Pitches funktionieren.
In dieser Episode räumen die beiden mesakumo-Experten radikal mit den typischen KI-Mythen auf und zeigen, warum der Mittelstand keine Milliarden-Budgets braucht, sondern pragmatische Lösungen auf Augenhöhe.
Ein paar Dinge, die hängengeblieben sind:
Der größte Blind Spot im Mittelstand:
Viele CFOs und Geschäftsführer lassen sich von Tech-Buzzwords blenden und unterschätzen die eigene Datenqualität fundamental. Wer seine Stammdaten über Jahre vernachlässigt hat, dem hilft auch kein KI-Zauberstab. Erst kommt die solide Datenbasis, dann die künstliche Intelligenz – sonst skaliert man nur den Schaden statt des Nutzens.
Wirtschaftlichkeit jenseits von „20 Minuten Zeitersparnis“:
KI-Projekte scheitern oft am Controlling, weil theoretische Zeiteinsparungen von Mitarbeitern berechnet werden, die am Ende nie auf dem Konto der Firma landen. Echter Impact entsteht durch messbare Prozess- und Materialeffizienz, wie das Vermeiden von teurem Teile-Overhead in der Produktion.
Keine Angst vor Fehlern (Fail Fast real gelebt):
Der Markt verändert sich nicht mehr in Monaten, sondern in Wochen. Wer aus Angst vor dem unperfekten Use Case erstarrt, hat schon verloren. Lieber drei Monate mutig in die falsche Richtung laufen, schnell lernen, anpassen und iterieren, als auf das eine perfekte Konzept zu warten.
Die Kunst der Übersetzung auf Augenhöhe:
Erfolgreiche Projekte wie beim Referenzkunden Bauder zeigen: Es braucht kein starres Strategiepapier für die Schublade. Echte digitale Wirkung entsteht, wenn man das Management emotional mitnimmt und den Teams direkt einsatzbereite Best Practices, Styleguides und Schulungskonzepte an die Hand gibt.
Glaubst du, dass der deutsche Mittelstand bei KI aktuell zu zögerlich agiert, oder ist die Skepsis gegenüber den großen Werbeversprechen der Tech-Anbieter sogar gesund?
____LinkedIn Profile____
LinkedIn Profil von Tim Kappel: https://www.linkedin.com/in/tim-kappel-9b054560/
LinkedIn Profil von Dominik Brosa: https://www.linkedin.com/in/dominik-brosa/
LinkedIn Profil von Rocky Khan: https://www.linkedin.com/in/khanrocky/
____Business Book____
Gedruckte KI-Bücher? Veralten viel zu schnell. Tim und Dominik bekennen sich in der Folge als echte „Kinder des Internets“. Statt dicker Wälzer nutzen sie dynamische Plattformen wie Medium und kuratierte Online-Quellen, um technologisch immer exakt am Puls der Zeit zu bleiben.
56 Minuten
Send us Fan Mail
110 Jahre Deichmann. 4.700 Filialen. 30 Länder. Und eine Datenplattform, die das alles zusammenhalten muss.
Kevin Haferkamp ist Head of Data Platform and Engineering bei Deichmann — und hat in den letzten Jahren eine Architektur in Produktion gebracht, die aus isolierten Systemen eine echte unternehmensweite Datenplattform gemacht hat. Deichmann ist mittlerweile offizielle Databricks Customer Story. Wer das kennt, weiß: Das ist kein Proof of Concept. Das ist echte Produktion.
In der aktuellen Episode von Masters of Data & AI spricht er über den Weg dorthin — und was als nächstes kommt.
Ein paar Dinge, die hängengeblieben sind:
**Zum Abschied von Snowflake:**
Nicht weil Snowflake schlecht ist — sondern weil Deichmann irgendwann gemerkt hat, dass sie immer weniger davon nutzen und immer mehr von Databricks. Zwei große Plattformen mit konkurrierenden Workloads macht keinen Sinn. Der letzte Use Case, der noch auf Snowflake lief, war ausgerechnet der Lake Base Use Case. Jetzt läuft alles auf Databricks. Und man ist happy.
**Zu Lake Base und dem PostgreSQL-Trick:**
SAP Emarsys braucht relationale Daten. Databricks ist kein relationales System. Die Lösung: eine PostgreSQL-Instanz, die Daten aus dem Lakehouse in Sekunden synchronisiert — statt wochenlanger Eigenentwicklung. Deichmann war Early Adopter, hat das Feature mitgeformt, und läuft heute damit europaweit.
**Zum Semantic Layer als eigentlichem KI-Hebel:**
Wenn der Semantic Layer nicht stimmt, bringt KI nichts. Kevin ist überzeugt: Datenmodellierung ist nicht tot — sie ist heute wichtiger als je zuvor. Wer jetzt ein sauberes semantisches Fundament baut, kann seinen Stakeholdern Ad-hoc-Analytics, KI-gestützte Auswertungen und Self-Service per Prompt ermöglichen. Das ist nur ein Prompt entfernt — aber nur wenn die Basis stimmt.
**Zu KI Use Cases bei Deichmann:**
Markdown Optimization läuft seit sechs Jahren und bespielt gerade die Top-Märkte mit Version 2.0. KI-Fotostudio für Produktgenerierung ohne aufwändige Shootings — bereits getestet. Logistik-Forecasting mit ML. Und ein Fußmessgerät im Store, das über die Jahre Daten gesammelt hat, die jetzt wirklich genutzt werden können. Fast fail als gelebte Kultur — nicht als Buzzword.
**Zur größten Lesson Learned:**
Technik ist beherrschbar. Menschen nicht immer. Die teuersten Fehler bei Deichmann waren keine Cluster-Crashe — sondern Kommunikation, die aneinander vorbeigegangen ist. Gute Absicht schützt nicht vor schlechter Wirkung.
____LinkedIn Profile____
LinkedIn Profile von Konrad Sippel: https://www.linkedin.com/in/kevin-haferkamp-09907ba0/
LinkedIn Profile von Rocky Khan: https://www.linkedin.com/in/khanrocky/
____Business Buch____
*Dungeon Thinking* von Dirk Lerner — keine klassische Managementliteratur, sondern eine fiktive Unternehmensgeschichte, die durch verschiedene Data-Challenges führt. Kevin liest es immer wieder, weil er sich darin wiedererkennt — und jedes Kapitel neue Reflexionspunkte liefert.
110 Jahre Deichmann. 4.700 Filialen. 30 Länder. Und eine Datenplattform, die das alles zusammenhalten muss.
Kevin Haferkamp ist Head of Data Platform and Engineering bei Deichmann — und hat in den letzten Jahren eine Architektur in Produktion gebracht, die aus isolierten Systemen eine echte unternehmensweite Datenplattform gemacht hat. Deichmann ist mittlerweile offizielle Databricks Customer Story. Wer das kennt, weiß: Das ist kein Proof of Concept. Das ist echte Produktion.
In der aktuellen Episode von Masters of Data & AI spricht er über den Weg dorthin — und was als nächstes kommt.
Ein paar Dinge, die hängengeblieben sind:
**Zum Abschied von Snowflake:**
Nicht weil Snowflake schlecht ist — sondern weil Deichmann irgendwann gemerkt hat, dass sie immer weniger davon nutzen und immer mehr von Databricks. Zwei große Plattformen mit konkurrierenden Workloads macht keinen Sinn. Der letzte Use Case, der noch auf Snowflake lief, war ausgerechnet der Lake Base Use Case. Jetzt läuft alles auf Databricks. Und man ist happy.
**Zu Lake Base und dem PostgreSQL-Trick:**
SAP Emarsys braucht relationale Daten. Databricks ist kein relationales System. Die Lösung: eine PostgreSQL-Instanz, die Daten aus dem Lakehouse in Sekunden synchronisiert — statt wochenlanger Eigenentwicklung. Deichmann war Early Adopter, hat das Feature mitgeformt, und läuft heute damit europaweit.
**Zum Semantic Layer als eigentlichem KI-Hebel:**
Wenn der Semantic Layer nicht stimmt, bringt KI nichts. Kevin ist überzeugt: Datenmodellierung ist nicht tot — sie ist heute wichtiger als je zuvor. Wer jetzt ein sauberes semantisches Fundament baut, kann seinen Stakeholdern Ad-hoc-Analytics, KI-gestützte Auswertungen und Self-Service per Prompt ermöglichen. Das ist nur ein Prompt entfernt — aber nur wenn die Basis stimmt.
**Zu KI Use Cases bei Deichmann:**
Markdown Optimization läuft seit sechs Jahren und bespielt gerade die Top-Märkte mit Version 2.0. KI-Fotostudio für Produktgenerierung ohne aufwändige Shootings — bereits getestet. Logistik-Forecasting mit ML. Und ein Fußmessgerät im Store, das über die Jahre Daten gesammelt hat, die jetzt wirklich genutzt werden können. Fast fail als gelebte Kultur — nicht als Buzzword.
**Zur größten Lesson Learned:**
Technik ist beherrschbar. Menschen nicht immer. Die teuersten Fehler bei Deichmann waren keine Cluster-Crashe — sondern Kommunikation, die aneinander vorbeigegangen ist. Gute Absicht schützt nicht vor schlechter Wirkung.
____LinkedIn Profile____
LinkedIn Profile von Konrad Sippel: https://www.linkedin.com/in/kevin-haferkamp-09907ba0/
LinkedIn Profile von Rocky Khan: https://www.linkedin.com/in/khanrocky/
____Business Buch____
*Dungeon Thinking* von Dirk Lerner — keine klassische Managementliteratur, sondern eine fiktive Unternehmensgeschichte, die durch verschiedene Data-Challenges führt. Kevin liest es immer wieder, weil er sich darin wiedererkennt — und jedes Kapitel neue Reflexionspunkte liefert.
53 Minuten
Send us Fan Mail
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.
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.
45 Minuten
Send us Fan Mail
50.000 Menschen haben durch ihn Data Science gelernt. Nicht in teuren Seminaren — sondern online, zugänglich, direkt.
Prof. Dr. René Brunner ist Professor an der Macromedia University München, CEO von Datamics und Gastgeber von Deutschlands meistgehörtem Data Science Podcast. Er lebt in zwei Welten gleichzeitig — Hörsaal und Beratungsprojekt, Theorie und Produktion.
In der aktuellen Episode von Masters of Data & AI spricht er über die Zukunft von Data Science, was Unternehmen beim KI-Einstieg falsch machen — und warum eine einzige Eigenschaft über Karrieren entscheidet.
Ein paar Dinge, die hängengeblieben sind:
Zum Big Data Déjà-vu: Als Big Data aufkam, haben Unternehmen Millionen in Systeme investiert und zehn Data Scientists eingestellt — ohne zu wissen, was die eigentlich machen sollen. KI heute ist fast identisch. Jeder weiß, er muss es machen. Der direkte Businesswert? Noch unklar. Das Erwachen kommt.
Zur Zukunft von Data Science: Der klassische Data Scientist — Modelle trainieren, Lifecycle managen, Use Cases finden — wird seltener. Die Richtung geht klar zu LLM-basierten Systemen, RAG-Architekturen und End-to-End Agentenpipelines. Wer sich nicht anpasst, sitzt bald rum und hat nichts zu tun. Wer umsteigt, hat mehr Möglichkeiten als je zuvor.
Zum Wettbewerb aus Osteuropa: Nearshore-Anbieter drücken auf Preise und Kapazitäten — weltweit, nicht nur aus Osteuropa. René's Antwort: Qualität, Erfahrung, persönlicher Kontakt. Und kollaborieren statt konkurrieren. Operative Tätigkeiten können ausgelagert werden. Strategie und Erfahrung nicht.
Zur einen Eigenschaft: Nicht SQL. Nicht Python. Nicht Machine Learning. Die eine Eigenschaft, die René bei jedem sucht — ob Student, Junior oder Senior — ist Selbstmotivation zum Weiterlernen. Wer wartet, bis ihm jemand alles beibringt, ist im falschen Job. Der Markt verändert sich wöchentlich. Wer lernen lernt, bleibt immer relevant.
Zur Wirkung von Datamics: Ein Schüler macht einen Python-Kurs. Bekommt ein Praktikum am Uniklinikum München. Wird jetzt an der UC Berkeley promovieren. Ein Richter aus der Türkei zieht nach Deutschland, macht Kurse, startet eine neue Karriere. Das ist der eigentliche ROI.
Was denkt ihr — ist Selbstmotivation zum Lernen erlernbar, oder hat man sie einfach?
️ Die ganze Episode jetzt auf Masters of Data, AI & BI — Link in den Kommentaren.
____LinkedIn Profile____
LinkedIn Profile von Prof. Dr. René Brunner: https://www.linkedin.com/in/renebrunner/
LinkedIn Profile von Rocky Khan: https://www.linkedin.com/in/khanrocky/
____Business Buch____
Business Adventures von John Brooks — zwölf klassische Business-Geschichten, von Bill Gates empfohlen. René schätzt es, weil es die Grundlagen von Business auf zeitlose Weise herunterbricht und zeigt, was man falsch machen kann — und was richtig.
50.000 Menschen haben durch ihn Data Science gelernt. Nicht in teuren Seminaren — sondern online, zugänglich, direkt.
Prof. Dr. René Brunner ist Professor an der Macromedia University München, CEO von Datamics und Gastgeber von Deutschlands meistgehörtem Data Science Podcast. Er lebt in zwei Welten gleichzeitig — Hörsaal und Beratungsprojekt, Theorie und Produktion.
In der aktuellen Episode von Masters of Data & AI spricht er über die Zukunft von Data Science, was Unternehmen beim KI-Einstieg falsch machen — und warum eine einzige Eigenschaft über Karrieren entscheidet.
Ein paar Dinge, die hängengeblieben sind:
Zum Big Data Déjà-vu: Als Big Data aufkam, haben Unternehmen Millionen in Systeme investiert und zehn Data Scientists eingestellt — ohne zu wissen, was die eigentlich machen sollen. KI heute ist fast identisch. Jeder weiß, er muss es machen. Der direkte Businesswert? Noch unklar. Das Erwachen kommt.
Zur Zukunft von Data Science: Der klassische Data Scientist — Modelle trainieren, Lifecycle managen, Use Cases finden — wird seltener. Die Richtung geht klar zu LLM-basierten Systemen, RAG-Architekturen und End-to-End Agentenpipelines. Wer sich nicht anpasst, sitzt bald rum und hat nichts zu tun. Wer umsteigt, hat mehr Möglichkeiten als je zuvor.
Zum Wettbewerb aus Osteuropa: Nearshore-Anbieter drücken auf Preise und Kapazitäten — weltweit, nicht nur aus Osteuropa. René's Antwort: Qualität, Erfahrung, persönlicher Kontakt. Und kollaborieren statt konkurrieren. Operative Tätigkeiten können ausgelagert werden. Strategie und Erfahrung nicht.
Zur einen Eigenschaft: Nicht SQL. Nicht Python. Nicht Machine Learning. Die eine Eigenschaft, die René bei jedem sucht — ob Student, Junior oder Senior — ist Selbstmotivation zum Weiterlernen. Wer wartet, bis ihm jemand alles beibringt, ist im falschen Job. Der Markt verändert sich wöchentlich. Wer lernen lernt, bleibt immer relevant.
Zur Wirkung von Datamics: Ein Schüler macht einen Python-Kurs. Bekommt ein Praktikum am Uniklinikum München. Wird jetzt an der UC Berkeley promovieren. Ein Richter aus der Türkei zieht nach Deutschland, macht Kurse, startet eine neue Karriere. Das ist der eigentliche ROI.
Was denkt ihr — ist Selbstmotivation zum Lernen erlernbar, oder hat man sie einfach?
️ Die ganze Episode jetzt auf Masters of Data, AI & BI — Link in den Kommentaren.
____LinkedIn Profile____
LinkedIn Profile von Prof. Dr. René Brunner: https://www.linkedin.com/in/renebrunner/
LinkedIn Profile von Rocky Khan: https://www.linkedin.com/in/khanrocky/
____Business Buch____
Business Adventures von John Brooks — zwölf klassische Business-Geschichten, von Bill Gates empfohlen. René schätzt es, weil es die Grundlagen von Business auf zeitlose Weise herunterbricht und zeigt, was man falsch machen kann — und was richtig.
56 Minuten
Send us Fan Mail
️ Vom Werkzeugmacher zum CEO eines globalen KI-Beratungsunternehmens — ohne Plan, ohne Roadmap. Nur eine erhobene Hand zur richtigen Zeit.
Klaus Aschauer hat Cosmo Consult von zwei Standorten und 70 Mitarbeitern zu über 50 Standorten, 1.500 Mitarbeitern und knapp 200 Millionen Umsatz weltweit aufgebaut. In der aktuellen Episode von Masters of Data & AI spricht er offen über 30 Jahre Unternehmertum, das Ende eines Geschäftsmodells — und was danach kommt.
Ein paar Dinge, die hängengeblieben sind:
Zum Thema Burnout und Leidenschaft: Klaus war in 25 Jahren an zwei Händen abzählbar morgens aufgestanden und hatte keinen Bock. Seine Erklärung: Wenn du für das brennst, was du tust, kannst du gar nicht ausbrennen. Kein Psychologe der Welt wird ihm das ausreden.
Zum Recruiting und der Kosmonaut-Kultur: Früher haben sie nur Menschen eingestellt, mit denen sie abends gerne ein Bier trinken würden. Diese Philosophie hat sich unbewusst durch die gesamte Organisation gezogen — und ist heute einer der Hauptgründe für den niedrigen Toxizitätsfaktor im Unternehmen. Skills kann man beibringen. Attitude nicht.
Zur Branchenfokussierung: Jeder Auftrag ist ein guter Auftrag — das stimmt nicht. Cosmo hat früh erkannt, dass Branchenexpertise den Sales Cycle verkürzt, die Implementierung beschleunigt und dem Kunden schneller echten Mehrwert bringt. Wer alles kann, kann nichts richtig.
Zum Ende von Time & Material: Klare Ansage: Das klassische Stundensatzmodell stirbt aus. Cosmo bewegt sich Richtung Subscription und Outcome-basierter Beratung. Nicht "ich habe heute sechs Tickets bearbeitet" — sondern "du hast gar keine Tickets mehr, dafür zahlst du eine monatliche Pauschale." Das ist die Zukunft.
Zu KI im Mittelstand: Der Neid ist riesig, der Schlüssel fehlt noch. Fast jeder Mittelständler weiß, dass er sich mit KI beschäftigen muss. Aber wie man anfängt — das ist die eigentliche Frage. Genau da sieht Cosmo die größte Chance.
Wie seht ihr das — ist Outcome-basierte Beratung die Zukunft, oder bleibt Time & Material in bestimmten Nischen noch lange relevant?
️ Die ganze Episode jetzt auf Masters of Data, AI & BI — Link in den Kommentaren.
____LinkedIn Profile____
LinkedIn Profile von Klaus Aschauer: https://www.linkedin.com/in/klaus-aschauer/
LinkedIn Profile von Rocky Khan: https://www.linkedin.com/in/khanrocky/
____Business Buch____
Hit Refresh von Satya Nadella — wie Microsoft sich neu erfunden hat. Für Klaus eine echte Inspiration für Cosmos eigene Transformationswellen. Rocky empfiehlt ergänzend Amp It Up von Frank Slootman — die Story hinter Snowflakes Wachstum.
️ Vom Werkzeugmacher zum CEO eines globalen KI-Beratungsunternehmens — ohne Plan, ohne Roadmap. Nur eine erhobene Hand zur richtigen Zeit.
Klaus Aschauer hat Cosmo Consult von zwei Standorten und 70 Mitarbeitern zu über 50 Standorten, 1.500 Mitarbeitern und knapp 200 Millionen Umsatz weltweit aufgebaut. In der aktuellen Episode von Masters of Data & AI spricht er offen über 30 Jahre Unternehmertum, das Ende eines Geschäftsmodells — und was danach kommt.
Ein paar Dinge, die hängengeblieben sind:
Zum Thema Burnout und Leidenschaft: Klaus war in 25 Jahren an zwei Händen abzählbar morgens aufgestanden und hatte keinen Bock. Seine Erklärung: Wenn du für das brennst, was du tust, kannst du gar nicht ausbrennen. Kein Psychologe der Welt wird ihm das ausreden.
Zum Recruiting und der Kosmonaut-Kultur: Früher haben sie nur Menschen eingestellt, mit denen sie abends gerne ein Bier trinken würden. Diese Philosophie hat sich unbewusst durch die gesamte Organisation gezogen — und ist heute einer der Hauptgründe für den niedrigen Toxizitätsfaktor im Unternehmen. Skills kann man beibringen. Attitude nicht.
Zur Branchenfokussierung: Jeder Auftrag ist ein guter Auftrag — das stimmt nicht. Cosmo hat früh erkannt, dass Branchenexpertise den Sales Cycle verkürzt, die Implementierung beschleunigt und dem Kunden schneller echten Mehrwert bringt. Wer alles kann, kann nichts richtig.
Zum Ende von Time & Material: Klare Ansage: Das klassische Stundensatzmodell stirbt aus. Cosmo bewegt sich Richtung Subscription und Outcome-basierter Beratung. Nicht "ich habe heute sechs Tickets bearbeitet" — sondern "du hast gar keine Tickets mehr, dafür zahlst du eine monatliche Pauschale." Das ist die Zukunft.
Zu KI im Mittelstand: Der Neid ist riesig, der Schlüssel fehlt noch. Fast jeder Mittelständler weiß, dass er sich mit KI beschäftigen muss. Aber wie man anfängt — das ist die eigentliche Frage. Genau da sieht Cosmo die größte Chance.
Wie seht ihr das — ist Outcome-basierte Beratung die Zukunft, oder bleibt Time & Material in bestimmten Nischen noch lange relevant?
️ Die ganze Episode jetzt auf Masters of Data, AI & BI — Link in den Kommentaren.
____LinkedIn Profile____
LinkedIn Profile von Klaus Aschauer: https://www.linkedin.com/in/klaus-aschauer/
LinkedIn Profile von Rocky Khan: https://www.linkedin.com/in/khanrocky/
____Business Buch____
Hit Refresh von Satya Nadella — wie Microsoft sich neu erfunden hat. Für Klaus eine echte Inspiration für Cosmos eigene Transformationswellen. Rocky empfiehlt ergänzend Amp It Up von Frank Slootman — die Story hinter Snowflakes Wachstum.
50 Minuten
Send us Fan Mail
1990 gegründet. Kein Cloud, kein KI, kein LinkedIn.
Und trotzdem — oder genau deswegen — ist Opitz Consulting heute eine der beständigsten IT-Beratungen Deutschlands. Knapp 2/3 aller DAX-Konzerne als Kunden. Über 35 Jahre. Und ein Demeter-zertifizierter Bauernhof mit Scottish Highland Rindern auf dem Firmengelände.
In der aktuellen Episode von Masters of Data & AI spricht Rocky mit Rolf Scheuch — Mitgründer und Chief Strategy Officer von Opitz Consulting — über drei Jahrzehnte Wandel, Fehler und echten Unternehmergeist.
Ein paar Dinge, die hängengeblieben sind:
Zum Durchbruch 2003: Weg vom klassischen Codetippen, hin zu Frameworks und Templates — und damit zur automatisierten Code-Generierung in großem Maßstab. Das war der Moment, wo Opitz dem Markt einen Schritt voraus war. Mut zur Zukunft, ein halbes Jahr lang tief nachgedacht. Das war der echte Wendepunkt.
Zur größten Lessons Learned: Niederlassungen, die zu eigenständig wurden und auseinanderdrifteten — Synergien weg, Reibung drin. Und eine Schweizer Niederlassung, die sie wieder schließen mussten, weil der lokale Markt unterschätzt wurde. Unverblümt formuliert: „Das war Scheiße."
Zu KI und echtem Business Impact: Ein Automobilkunde wollte die Qualitätssicherung von Türen automatisieren. Tausende Audiodateien, neuronales Netz drauf — und plötzlich kann ein Lehrling mit den Ohren eines Meisters hören. Shopfloor-Kosten runter, Meisterstunden frei für anderes. Das ist KI mit echtem Hebel.
Zu Messen und Leads: Klare Ansage: Gartner-Konferenzen bringen keine Leads. Hannover Messe auch nicht mehr. Was funktioniert? Masterclasses. Wissen teilen. Relevanz zeigen. Der Rest kommt über Mundpropaganda und Partnernetzwerke — Oracle, AWS, Pyramid.
Zur Zukunft: Prozessuale KI wird die IT-Landschaft grundlegend verändern. Nicht als Chatbot-Spielzeug, sondern als System, das echte Transaktionen abschließt. Wer seine Kernprozesse darüber ansprechen kann, gewinnt. Alle anderen bleiben in der Dialogwüste stecken.
Und ja — die schönste Highland-Kuh Deutschlands 2018 hieß Robin. Und war Teil des Opitz-Portfolios.
____LinkedIn Profile____
LinkedIn Profile von Rolf Scheuch: https://www.linkedin.com/in/rolf-scheuch-6925a85b/
LinkedIn Profile von Rocky Khan: https://www.linkedin.com/in/khanrocky/
____Inspiration statt Businessbuch____
Kein Buch — Rolf informiert sich heute gezielt über das Internet und TED Talks. Fokus auf konkrete Fragen, akademische Quellen inklusive. Das Bücherregal mit 40 Titeln aus den 90ern steht noch — aber wird nicht mehr geöffnet.
1990 gegründet. Kein Cloud, kein KI, kein LinkedIn.
Und trotzdem — oder genau deswegen — ist Opitz Consulting heute eine der beständigsten IT-Beratungen Deutschlands. Knapp 2/3 aller DAX-Konzerne als Kunden. Über 35 Jahre. Und ein Demeter-zertifizierter Bauernhof mit Scottish Highland Rindern auf dem Firmengelände.
In der aktuellen Episode von Masters of Data & AI spricht Rocky mit Rolf Scheuch — Mitgründer und Chief Strategy Officer von Opitz Consulting — über drei Jahrzehnte Wandel, Fehler und echten Unternehmergeist.
Ein paar Dinge, die hängengeblieben sind:
Zum Durchbruch 2003: Weg vom klassischen Codetippen, hin zu Frameworks und Templates — und damit zur automatisierten Code-Generierung in großem Maßstab. Das war der Moment, wo Opitz dem Markt einen Schritt voraus war. Mut zur Zukunft, ein halbes Jahr lang tief nachgedacht. Das war der echte Wendepunkt.
Zur größten Lessons Learned: Niederlassungen, die zu eigenständig wurden und auseinanderdrifteten — Synergien weg, Reibung drin. Und eine Schweizer Niederlassung, die sie wieder schließen mussten, weil der lokale Markt unterschätzt wurde. Unverblümt formuliert: „Das war Scheiße."
Zu KI und echtem Business Impact: Ein Automobilkunde wollte die Qualitätssicherung von Türen automatisieren. Tausende Audiodateien, neuronales Netz drauf — und plötzlich kann ein Lehrling mit den Ohren eines Meisters hören. Shopfloor-Kosten runter, Meisterstunden frei für anderes. Das ist KI mit echtem Hebel.
Zu Messen und Leads: Klare Ansage: Gartner-Konferenzen bringen keine Leads. Hannover Messe auch nicht mehr. Was funktioniert? Masterclasses. Wissen teilen. Relevanz zeigen. Der Rest kommt über Mundpropaganda und Partnernetzwerke — Oracle, AWS, Pyramid.
Zur Zukunft: Prozessuale KI wird die IT-Landschaft grundlegend verändern. Nicht als Chatbot-Spielzeug, sondern als System, das echte Transaktionen abschließt. Wer seine Kernprozesse darüber ansprechen kann, gewinnt. Alle anderen bleiben in der Dialogwüste stecken.
Und ja — die schönste Highland-Kuh Deutschlands 2018 hieß Robin. Und war Teil des Opitz-Portfolios.
____LinkedIn Profile____
LinkedIn Profile von Rolf Scheuch: https://www.linkedin.com/in/rolf-scheuch-6925a85b/
LinkedIn Profile von Rocky Khan: https://www.linkedin.com/in/khanrocky/
____Inspiration statt Businessbuch____
Kein Buch — Rolf informiert sich heute gezielt über das Internet und TED Talks. Fokus auf konkrete Fragen, akademische Quellen inklusive. Das Bücherregal mit 40 Titeln aus den 90ern steht noch — aber wird nicht mehr geöffnet.
54 Minuten
Send us Fan Mail
Nicht jeder Hype wird zur Plattform. Aber manche Technologien verändern alles — wenn man früh genug hinschaut.
Benjamin Bohne war bei Cloudera, Hortonworks, Confluent und MongoDB. Hat mehrere IPOs miterlebt. Und hat dabei ein System entwickelt, mit dem er früh erkennt, welche Technologien wirklich gewinnen — und welche nur laut sind.
In der aktuellen Episode von Masters of Data & AI spricht er über Technologie-Instinkt, Unternehmenskultur und was einen echten Sales Champion ausmacht.
Ein paar Dinge, die hängengeblieben sind:
Zum Thema Technologie-Bewertung: Bauchgefühl alleine reicht nicht. Benjamin schaut auf vier Dimensionen: Marktadaption, Business Impact, Partnerlandschaft und Architektur. Und er warnt: Sustainability Software steht in jedem Geschäftsbericht — aber kaum ein Unternehmen macht damit wirklich Geld. Hype und Priorität sind zwei verschiedene Dinge.
Zu Hidden Champions gerade jetzt: Datentransformation bleibt massiv unterschätzt. Ohne sauberes Datenfundament keine funktionierende KI. Unternehmen wie dbt Labs wachsen genau deshalb. Und europäische KI-Unternehmen wie Mistral gewinnen gerade geopolitisch bedingt massiv an Relevanz — ein Shift, den viele noch unterschätzen.
Zur Unternehmenskultur: Ein tolles Produkt rettet keine schlechte Kultur. Benjamin hat das selbst erlebt — ist für eine gehypte Technologie in ein Unternehmen gegangen, hat seine Due Diligence nicht gemacht, und war nach einem halben Jahr wieder weg. Kultur ist kein Soft Skill. Es ist ein Entscheidungskriterium.
Zum idealen Sales Player: Empathie ist nicht verhandelbar. Wer nicht auf Menschen eingehen kann, wird keinen Champion aufbauen. Dazu kommen Business-Verständnis, Coachability, Accountability — und ein belastbares Netzwerk. Erfahrung hilft, ist aber nicht alles. Was zählt: Kann jemand einen Deal Review in echtem Detail durchgehen?
Das Netzwerk bleibt der entscheidende Informationsvorsprung. Was KI liefert, sieht jeder. Was dein Netzwerk weiß — das nicht.
Wie seht ihr das — ist Technologie-Instinkt erlernbar, oder hat man ihn einfach?
️ Die ganze Episode jetzt auf Masters of Data, AI & BI — Link in den Kommentaren.
____LinkedIn Profile____
LinkedIn Profile von Benjamin Bohne: https://www.linkedin.com/in/benjamin-bohne-65132016/
LinkedIn Profile von Rocky Khan: https://www.linkedin.com/in/khanrocky/
____Business Buch____
Kein klassisches Businessbuch — Benjamin verlässt sich auf Fachliteratur, Open Source Communities und vor allem sein Netzwerk. Der beste Informationsvorsprung kommt nicht aus Büchern, sondern aus Gesprächen mit den richtigen Menschen.
Nicht jeder Hype wird zur Plattform. Aber manche Technologien verändern alles — wenn man früh genug hinschaut.
Benjamin Bohne war bei Cloudera, Hortonworks, Confluent und MongoDB. Hat mehrere IPOs miterlebt. Und hat dabei ein System entwickelt, mit dem er früh erkennt, welche Technologien wirklich gewinnen — und welche nur laut sind.
In der aktuellen Episode von Masters of Data & AI spricht er über Technologie-Instinkt, Unternehmenskultur und was einen echten Sales Champion ausmacht.
Ein paar Dinge, die hängengeblieben sind:
Zum Thema Technologie-Bewertung: Bauchgefühl alleine reicht nicht. Benjamin schaut auf vier Dimensionen: Marktadaption, Business Impact, Partnerlandschaft und Architektur. Und er warnt: Sustainability Software steht in jedem Geschäftsbericht — aber kaum ein Unternehmen macht damit wirklich Geld. Hype und Priorität sind zwei verschiedene Dinge.
Zu Hidden Champions gerade jetzt: Datentransformation bleibt massiv unterschätzt. Ohne sauberes Datenfundament keine funktionierende KI. Unternehmen wie dbt Labs wachsen genau deshalb. Und europäische KI-Unternehmen wie Mistral gewinnen gerade geopolitisch bedingt massiv an Relevanz — ein Shift, den viele noch unterschätzen.
Zur Unternehmenskultur: Ein tolles Produkt rettet keine schlechte Kultur. Benjamin hat das selbst erlebt — ist für eine gehypte Technologie in ein Unternehmen gegangen, hat seine Due Diligence nicht gemacht, und war nach einem halben Jahr wieder weg. Kultur ist kein Soft Skill. Es ist ein Entscheidungskriterium.
Zum idealen Sales Player: Empathie ist nicht verhandelbar. Wer nicht auf Menschen eingehen kann, wird keinen Champion aufbauen. Dazu kommen Business-Verständnis, Coachability, Accountability — und ein belastbares Netzwerk. Erfahrung hilft, ist aber nicht alles. Was zählt: Kann jemand einen Deal Review in echtem Detail durchgehen?
Das Netzwerk bleibt der entscheidende Informationsvorsprung. Was KI liefert, sieht jeder. Was dein Netzwerk weiß — das nicht.
Wie seht ihr das — ist Technologie-Instinkt erlernbar, oder hat man ihn einfach?
️ Die ganze Episode jetzt auf Masters of Data, AI & BI — Link in den Kommentaren.
____LinkedIn Profile____
LinkedIn Profile von Benjamin Bohne: https://www.linkedin.com/in/benjamin-bohne-65132016/
LinkedIn Profile von Rocky Khan: https://www.linkedin.com/in/khanrocky/
____Business Buch____
Kein klassisches Businessbuch — Benjamin verlässt sich auf Fachliteratur, Open Source Communities und vor allem sein Netzwerk. Der beste Informationsvorsprung kommt nicht aus Büchern, sondern aus Gesprächen mit den richtigen Menschen.
43 Minuten
Send us Fan Mail
Würdest du wirklich all deine Daten der KI geben — und darauf vertrauen, dass niemand mitlest?
Genau diese Frage hat sich Christof Fetzer gestellt. Und daraus wurde ein Unternehmen.
In der aktuellen Episode von Masters of Data & AI spreche ich mit einem der wenigen Menschen, die gleichzeitig Serial Entrepreneur und aktiver Wissenschaftler sind — über 130 publizierte Papers, drei gegründete Firmen, und eine Technologie, die Daten selbst während der Verarbeitung in der Cloud vollständig verschlüsselt.
Ein paar Dinge, die hängengeblieben sind:
Zum Thema Confidential Computing: Die verbreitete Fehlannahme ist, dass ein Klick auf „Confidential VM" beim Cloud Provider ausreicht. Tut es nicht. Der Provider kann sich trotzdem Zugriff verschaffen. Echter Schutz bedeutet, dass selbst ein erfolgreicher Angriff nur verschlüsselte Daten liefert — wertlos ohne den Schlüssel.
Zum Use Case Automobilzulieferer: Konkurrenten müssen für ein gemeinsames Produkt zusammenarbeiten — aber keiner will sein IP offenlegen. Mit Confidential Computing können alle Modelle gemeinsam berechnet werden, ohne dass ein Zulieferer die Daten des anderen sieht. Resultat: schnellere Time-to-Market, ohne Anwälte, ohne Datenlecks.
Zu KI und Security: KI generiert Code — aber Code mit Bugs. Als Verteidiger musst du alle Schwachstellen finden. Als Angreifer reicht eine. Verschlüsselung auf Hardwareebene schließt diese Lücke, weil selbst ein Backdoor im Code nur verschlüsselte Daten ausliefert.
Zu Wachstum ohne Sales: Keine aktive Vertriebsmannschaft, kein Outbound. Stattdessen: wissenschaftliche Publikationen, eine Community Edition mit mehreren tausend Nutzern, und Entwickler, die das Tool intern weiterempfehlen. Erst testen, dann kaufen — und dann zahlen die Produktivkunden die Weiterentwicklung.
Gartner prognostiziert: In den nächsten vier bis fünf Jahren wird Confidential Computing zum Standard. Wer jetzt noch wartet, holt das nicht mehr auf.
____LinkedIn Profile____
LinkedIn Profile von Christof Fetzer: https://www.linkedin.com/in/christof-fetzer/
LinkedIn Profile von Rocky Khan: https://www.linkedin.com/in/khanrocky/
____Business Buch____
The Innovator's Dilemma von Clayton M. Christensen
Würdest du wirklich all deine Daten der KI geben — und darauf vertrauen, dass niemand mitlest?
Genau diese Frage hat sich Christof Fetzer gestellt. Und daraus wurde ein Unternehmen.
In der aktuellen Episode von Masters of Data & AI spreche ich mit einem der wenigen Menschen, die gleichzeitig Serial Entrepreneur und aktiver Wissenschaftler sind — über 130 publizierte Papers, drei gegründete Firmen, und eine Technologie, die Daten selbst während der Verarbeitung in der Cloud vollständig verschlüsselt.
Ein paar Dinge, die hängengeblieben sind:
Zum Thema Confidential Computing: Die verbreitete Fehlannahme ist, dass ein Klick auf „Confidential VM" beim Cloud Provider ausreicht. Tut es nicht. Der Provider kann sich trotzdem Zugriff verschaffen. Echter Schutz bedeutet, dass selbst ein erfolgreicher Angriff nur verschlüsselte Daten liefert — wertlos ohne den Schlüssel.
Zum Use Case Automobilzulieferer: Konkurrenten müssen für ein gemeinsames Produkt zusammenarbeiten — aber keiner will sein IP offenlegen. Mit Confidential Computing können alle Modelle gemeinsam berechnet werden, ohne dass ein Zulieferer die Daten des anderen sieht. Resultat: schnellere Time-to-Market, ohne Anwälte, ohne Datenlecks.
Zu KI und Security: KI generiert Code — aber Code mit Bugs. Als Verteidiger musst du alle Schwachstellen finden. Als Angreifer reicht eine. Verschlüsselung auf Hardwareebene schließt diese Lücke, weil selbst ein Backdoor im Code nur verschlüsselte Daten ausliefert.
Zu Wachstum ohne Sales: Keine aktive Vertriebsmannschaft, kein Outbound. Stattdessen: wissenschaftliche Publikationen, eine Community Edition mit mehreren tausend Nutzern, und Entwickler, die das Tool intern weiterempfehlen. Erst testen, dann kaufen — und dann zahlen die Produktivkunden die Weiterentwicklung.
Gartner prognostiziert: In den nächsten vier bis fünf Jahren wird Confidential Computing zum Standard. Wer jetzt noch wartet, holt das nicht mehr auf.
____LinkedIn Profile____
LinkedIn Profile von Christof Fetzer: https://www.linkedin.com/in/christof-fetzer/
LinkedIn Profile von Rocky Khan: https://www.linkedin.com/in/khanrocky/
____Business Buch____
The Innovator's Dilemma von Clayton M. Christensen
46 Minuten
Send us Fan Mail
Nach über zwei Dekaden im Beratungsgeschäft hätte Sascha Schmitz einfach weitermachen können.
Stattdessen hat er sich für einen Neustart entschieden — als Chief Strategy Officer bei sumIT in der Schweiz. Ein kleineres Unternehmen, ein neuer Markt, und eine klare technologische Wette: Databricks.
In der aktuellen Episode spricht er über den Wechsel, seine Strategie — und was echtes Vertrauen im Beratungsgeschäft wirklich bedeutet.
Ein paar Dinge, die hängengeblieben sind:
Zum Warum des Wechsels: Nicht Geld, nicht Titel — sondern Unternehmertum. Sascha wollte selbst gestalten, mit allen Risiken und allen Vorteilen. Summit bot ihm die größte unternehmerische Freiheit. Das war der ausschlaggebende Punkt.
Zur Technologiewette auf Databricks: Nicht weil es die einzig richtige Plattform ist — sondern weil man nur mit voller Überzeugung wirklich gutes Business Development machen kann. Und weil Plattformeinführungen in 90 % der Fälle Unternehmenstransformationen sind, keine reinen IT-Projekte.
Zum Trusted Advisor-Prinzip: Kunden kommen nach zehn Jahren wieder — wenn man ihnen wirklich geholfen hat. Nicht weil man der Günstigste war, sondern weil man das Problem gelöst hat. Vertrauen entsteht nicht durch Rechthaberei, sondern durch ehrliche Beratung auf Augenhöhe — und dann den Weg des Kunden konsequent mitzugehen.
Zur Führungsphilosophie: Intelligente Mitarbeiter einstellen und ihnen dann die Intelligenz verbieten — das ergibt keinen Sinn. Sascha setzt auf Stärken, nicht auf das Ausbügeln von Schwächen. Wer jemanden holt, der besser ist als man selbst, wächst. Wer ihn kleinhalten will, verliert beide.
Der Schweizer Markt für Databricks ist gerade offen. SumIT hat eine einzigartige Oracle-Expertise als Basis. Und Sascha hat 20 Jahre Financial Services im Gepäck. Die Kombination ist kein Zufall.
____LinkedIn Profile____
LinkedIn Profile von Sascha Schmitz: https://www.linkedin.com/in/sascha-schmitz-0747725b/
LinkedIn Profile von Rocky Khan: https://www.linkedin.com/in/khanrocky/
____Inspiration statt Businessbuch____
Kein Businessbuch — Sascha sagt, was ihn wirklich geprägt hat, war die Praxis. Kundensituationen über 20 Jahre. Fehler machen dürfen. Und daraus lernen.
Nach über zwei Dekaden im Beratungsgeschäft hätte Sascha Schmitz einfach weitermachen können.
Stattdessen hat er sich für einen Neustart entschieden — als Chief Strategy Officer bei sumIT in der Schweiz. Ein kleineres Unternehmen, ein neuer Markt, und eine klare technologische Wette: Databricks.
In der aktuellen Episode spricht er über den Wechsel, seine Strategie — und was echtes Vertrauen im Beratungsgeschäft wirklich bedeutet.
Ein paar Dinge, die hängengeblieben sind:
Zum Warum des Wechsels: Nicht Geld, nicht Titel — sondern Unternehmertum. Sascha wollte selbst gestalten, mit allen Risiken und allen Vorteilen. Summit bot ihm die größte unternehmerische Freiheit. Das war der ausschlaggebende Punkt.
Zur Technologiewette auf Databricks: Nicht weil es die einzig richtige Plattform ist — sondern weil man nur mit voller Überzeugung wirklich gutes Business Development machen kann. Und weil Plattformeinführungen in 90 % der Fälle Unternehmenstransformationen sind, keine reinen IT-Projekte.
Zum Trusted Advisor-Prinzip: Kunden kommen nach zehn Jahren wieder — wenn man ihnen wirklich geholfen hat. Nicht weil man der Günstigste war, sondern weil man das Problem gelöst hat. Vertrauen entsteht nicht durch Rechthaberei, sondern durch ehrliche Beratung auf Augenhöhe — und dann den Weg des Kunden konsequent mitzugehen.
Zur Führungsphilosophie: Intelligente Mitarbeiter einstellen und ihnen dann die Intelligenz verbieten — das ergibt keinen Sinn. Sascha setzt auf Stärken, nicht auf das Ausbügeln von Schwächen. Wer jemanden holt, der besser ist als man selbst, wächst. Wer ihn kleinhalten will, verliert beide.
Der Schweizer Markt für Databricks ist gerade offen. SumIT hat eine einzigartige Oracle-Expertise als Basis. Und Sascha hat 20 Jahre Financial Services im Gepäck. Die Kombination ist kein Zufall.
____LinkedIn Profile____
LinkedIn Profile von Sascha Schmitz: https://www.linkedin.com/in/sascha-schmitz-0747725b/
LinkedIn Profile von Rocky Khan: https://www.linkedin.com/in/khanrocky/
____Inspiration statt Businessbuch____
Kein Businessbuch — Sascha sagt, was ihn wirklich geprägt hat, war die Praxis. Kundensituationen über 20 Jahre. Fehler machen dürfen. Und daraus lernen.
45 Minuten
Send us Fan Mail
Prodyna hat jeden großen Tech-Wandel seit 1999 überlebt.
David, Chief Strategy Officer, war zu Gast bei Rocky im Masters of Data Podcast — und hat erklärt, wie man sich nicht einmal, sondern mehrfach komplett neu erfinden musste.
Das Muster ist immer dasselbe: Externer Schock erzwungene Transformation neue Chance für alle, die schnell handeln.
Open Source nach Lehman Brothers. Cloud ab 2019. Und jetzt KI.
Ein paar Dinge, die hängengeblieben sind:
Zu „Jede Aufgabe sollte mit einem Prompt beginnen": Wer etwas tut, ohne KI einzusetzen, soll sich fragen: Warum eigentlich nicht? Klingt simpel — aber genau dieser Kulturwandel ist schwerer als jede technische Migration.
Zum Ende des Tagessatz-Denkens: KI entkoppelt Output von Köpfen. Prodyna bewegt sich gezielt Richtung outcome-basierter Delivery. Kunden, die noch in Tagen und Köpfen rechnen, werden das bald spüren.
Zur Code-Verifikation als neuem Engpass: KI produziert Code schneller als jeder Mensch. Die Lücke? Genug qualifizierte Menschen, die prüfen ob er sicher ist und das richtige Problem löst.
Die meisten KI-Projekte aus 2023 laufen heute nicht mehr. Wer diese Welle übersteht, behandelt KI als strategische Entscheidung — nicht als Demo.
Wie seht ihr das — ist outcome-basierte Abrechnung die Zukunft, oder denken Kunden noch zu sehr in Tagessätzen?
____LinkedIn Profile____
LinkedIn Profile von David: https://www.linkedin.com/in/david-wainwright-917ab476/
LinkedIn Profile von Rocky Khan: https://www.linkedin.com/in/khanrocky/
____Inspiration statt Businessbuch____
Kein Buch — David liest täglich FAZ und Handelsblatt. Geopolitik ist für ihn ein zentraler Input für jede Technologiestrategie.
Prodyna hat jeden großen Tech-Wandel seit 1999 überlebt.
David, Chief Strategy Officer, war zu Gast bei Rocky im Masters of Data Podcast — und hat erklärt, wie man sich nicht einmal, sondern mehrfach komplett neu erfinden musste.
Das Muster ist immer dasselbe: Externer Schock erzwungene Transformation neue Chance für alle, die schnell handeln.
Open Source nach Lehman Brothers. Cloud ab 2019. Und jetzt KI.
Ein paar Dinge, die hängengeblieben sind:
Zu „Jede Aufgabe sollte mit einem Prompt beginnen": Wer etwas tut, ohne KI einzusetzen, soll sich fragen: Warum eigentlich nicht? Klingt simpel — aber genau dieser Kulturwandel ist schwerer als jede technische Migration.
Zum Ende des Tagessatz-Denkens: KI entkoppelt Output von Köpfen. Prodyna bewegt sich gezielt Richtung outcome-basierter Delivery. Kunden, die noch in Tagen und Köpfen rechnen, werden das bald spüren.
Zur Code-Verifikation als neuem Engpass: KI produziert Code schneller als jeder Mensch. Die Lücke? Genug qualifizierte Menschen, die prüfen ob er sicher ist und das richtige Problem löst.
Die meisten KI-Projekte aus 2023 laufen heute nicht mehr. Wer diese Welle übersteht, behandelt KI als strategische Entscheidung — nicht als Demo.
Wie seht ihr das — ist outcome-basierte Abrechnung die Zukunft, oder denken Kunden noch zu sehr in Tagessätzen?
____LinkedIn Profile____
LinkedIn Profile von David: https://www.linkedin.com/in/david-wainwright-917ab476/
LinkedIn Profile von Rocky Khan: https://www.linkedin.com/in/khanrocky/
____Inspiration statt Businessbuch____
Kein Buch — David liest täglich FAZ und Handelsblatt. Geopolitik ist für ihn ein zentraler Input für jede Technologiestrategie.
50 Minuten
Send us Fan Mail
What happens when hypergrowth meets heritage?
Fernando — Head of Engineering at C&A — has lived in two completely different tech worlds: IBM enterprise, scale-ups like Farfetch and HelloFresh, and now one of Europe's most iconic fashion brands with 1,300 stores.
In the latest episode of Masters of Data & AI, he unpacks the real story behind C&A's transformation.
A few things that stuck with me:
On operations as a hidden superpower: Traditional retailers have a discipline around tech ops that scale-ups often lack. Black Fridays at C&A? "The chillest ones I've had in years." That stability became the foundation for faster delivery, not an obstacle to it.
On software engineering as a team sport: No solo genius ships a platform transformation. Fernando looks for people who communicate with empathy, collaborate across functions, and keep the human factor front and centre — especially as AI enters the delivery pipeline.
On the lesson no book will teach you: Bring conviction, but stay genuinely open to what the organisation already knows. Transformation fails when it's done to people instead of with them.
On AI: C&A is already using Stable Diffusion for garment design and exploring agent swarms for merchandising and supply chain. The real opportunity isn't in the hype — it's in getting the data layer right first.
Does legacy infrastructure give traditional companies an underrated reliability edge — or does it always slow them down?
____LinkedIn Profile____
LinkedIn Profile of Fernando: https://www.linkedin.com/in/fernandoveiga/
LinkedIn Profile of Rocky Khan: https://www.linkedin.com/in/khanrocky/
____Business Book____
Accelerate by Nicole Forsgren — science-backed, practical, and Fernando calls it transformational for how he thinks about engineering delivery.
What happens when hypergrowth meets heritage?
Fernando — Head of Engineering at C&A — has lived in two completely different tech worlds: IBM enterprise, scale-ups like Farfetch and HelloFresh, and now one of Europe's most iconic fashion brands with 1,300 stores.
In the latest episode of Masters of Data & AI, he unpacks the real story behind C&A's transformation.
A few things that stuck with me:
On operations as a hidden superpower: Traditional retailers have a discipline around tech ops that scale-ups often lack. Black Fridays at C&A? "The chillest ones I've had in years." That stability became the foundation for faster delivery, not an obstacle to it.
On software engineering as a team sport: No solo genius ships a platform transformation. Fernando looks for people who communicate with empathy, collaborate across functions, and keep the human factor front and centre — especially as AI enters the delivery pipeline.
On the lesson no book will teach you: Bring conviction, but stay genuinely open to what the organisation already knows. Transformation fails when it's done to people instead of with them.
On AI: C&A is already using Stable Diffusion for garment design and exploring agent swarms for merchandising and supply chain. The real opportunity isn't in the hype — it's in getting the data layer right first.
Does legacy infrastructure give traditional companies an underrated reliability edge — or does it always slow them down?
____LinkedIn Profile____
LinkedIn Profile of Fernando: https://www.linkedin.com/in/fernandoveiga/
LinkedIn Profile of Rocky Khan: https://www.linkedin.com/in/khanrocky/
____Business Book____
Accelerate by Nicole Forsgren — science-backed, practical, and Fernando calls it transformational for how he thinks about engineering delivery.
50 Minuten
Send us Fan Mail
Dr. Luca Fiaschi has earned the right to say that.
In the latest episode of Masters of Data & AI, I sat down with Luca Fiaschi, Partner at PyMC Labs and former Chief Data & AI Officer at Mistplay. Someone who has been both the enterprise buyer AND the boutique consultancy expert. That dual perspective is rare — and it makes for a very different kind of conversation.
A few things that stuck with me:
Pricing is the most powerful data problem there is. At Alibaba — 15% reduction in delivery time through route optimization. At HelloFresh — massive retention lift by splitting discounts across boxes instead of front-loading them. At Mistplay — revenue tripled in three years through dynamic pricing engines. The pattern? Whoever understands price elasticity with data, wins.
"$40 discount" vs. "10 free meals." Exact same offer. Completely different conversion rate. Because people don't love discounts — they love free things. That's behavioral data science in its purest form.
AI is eating software — but the timing matters. Luca sees two remaining competitive moats: exclusive data access and distribution networks. Features, UX, security compliance? Increasingly copyable. What used to buy you years of advantage now buys you maybe a few months.
What VP Data should actually be asking — but isn't. Not just "how trustworthy are your agents?" — that's table stakes. The real question is: "How can we rethink our entire business processes around AI?" The difference between automation and actual transformation.
What most people in data are dramatically underestimating: The pace. Exponential growth is nearly impossible for the human brain to intuitively grasp. Luca's mindset: if a problem seems unsolvable today — wait three weeks. Some new model is probably already solving it.
And what's left for humans in a world where AI writes the code, builds the models and runs the analysis?
Intent — knowing what you actually want. And taste — whether what comes out is good or just slop.
____LinkedIn Profile____
LinkedIn Profile of Dr. Luca Fiaschi: https://www.linkedin.com/in/lfiaschi/
LinkedIn Profile of Rocky Khan: https://www.linkedin.com/in/khanrocky/
____Business Buch_______
Hard things - Ben Horrowitz.
Dr. Luca Fiaschi has earned the right to say that.
In the latest episode of Masters of Data & AI, I sat down with Luca Fiaschi, Partner at PyMC Labs and former Chief Data & AI Officer at Mistplay. Someone who has been both the enterprise buyer AND the boutique consultancy expert. That dual perspective is rare — and it makes for a very different kind of conversation.
A few things that stuck with me:
Pricing is the most powerful data problem there is. At Alibaba — 15% reduction in delivery time through route optimization. At HelloFresh — massive retention lift by splitting discounts across boxes instead of front-loading them. At Mistplay — revenue tripled in three years through dynamic pricing engines. The pattern? Whoever understands price elasticity with data, wins.
"$40 discount" vs. "10 free meals." Exact same offer. Completely different conversion rate. Because people don't love discounts — they love free things. That's behavioral data science in its purest form.
AI is eating software — but the timing matters. Luca sees two remaining competitive moats: exclusive data access and distribution networks. Features, UX, security compliance? Increasingly copyable. What used to buy you years of advantage now buys you maybe a few months.
What VP Data should actually be asking — but isn't. Not just "how trustworthy are your agents?" — that's table stakes. The real question is: "How can we rethink our entire business processes around AI?" The difference between automation and actual transformation.
What most people in data are dramatically underestimating: The pace. Exponential growth is nearly impossible for the human brain to intuitively grasp. Luca's mindset: if a problem seems unsolvable today — wait three weeks. Some new model is probably already solving it.
And what's left for humans in a world where AI writes the code, builds the models and runs the analysis?
Intent — knowing what you actually want. And taste — whether what comes out is good or just slop.
____LinkedIn Profile____
LinkedIn Profile of Dr. Luca Fiaschi: https://www.linkedin.com/in/lfiaschi/
LinkedIn Profile of Rocky Khan: https://www.linkedin.com/in/khanrocky/
____Business Buch_______
Hard things - Ben Horrowitz.
