Die unbequeme Wahrheit über Datenprojekte in der Industrie (mit Christian Krug)

Felix Schlenther (0:01)

Herzlich willkommen zum AI FIRST Podcast. Heute zu Gast ist Christian Krug, den du vielleicht vom Unfuck Your Data Podcast kennst. Richtiges Data-Urgestein.

Neben dem Podcast arbeitet er noch als Global Data Architekt bei Frauscher Sensortechnik. Und wir sprechen heute darüber, was man in dieser Rolle eigentlich macht, welche Herausforderungen dir so begegnen und wie du sie löst. Und natürlich interessiert mich auch besonders, was du in den letzten drei Jahren an Fuck Your Data von deinen Gästen so gelernt hast. Christian, schön, dass du hier bist.

Christian Krug (0:36)

Danke Felix. Die Erwartungshaltung ist jetzt nicht niedrig.

Data-Urgestein sind immer so die Momente, wo ich mich so richtig, die Leute mich als Urgestein, wie so dieses Ding so, ja, ich bin keine, ja, ich bin alt.

Felix Schlenther (0:52)

Christian, erzähl mal, du machst jetzt den Podcast seit drei Jahren, sprichst dort hoch und runter mit allen möglichen Menschen über, über Daten, auch immer mehr auch über KI, gehört er irgendwie mittlerweile zusammen. Sag mal, was würdest du sagen, was sind so die Sachen, die du gelernt hast in diesen Jahren von deinen Gästen und was hat sich vielleicht auch verändert im Laufe der Zeit?

Christian Krug (1:15)

Also was ich dir sagen kann, das Thema, was sich verändert hat, ist relativ offensichtlich, es ist KI-lastiger als am Anfang. Also ich habe angefangen mit diesen ganz klassischen BI-Themen, wo ich auch herkomme, datentechnisch gesehen, also Business Intelligence, ich habe ganz viel strukturierte Daten gemacht, dann kam unstrukturierte dazu und heutzutage, musst du eigentlich immer AI mitdenken. Und das ist auch so, dass was rauskommt in den ganzen, in den ganzen Gesprächen, damals, als ich angefangen habe, war es halt so, dass die Leute schon gesagt haben, okay, du musst dieses, ich nenne es mal traditionelle KI, also nicht generative KI, musstest du damals schon mitdenken, wo du sagst so, wir machen ein Finanzreporting und dann müssen wir mitdenken, dass wir Machine Learning Algorithmen für unser Forecasting machen. Oder wenn du andere Analysen machst, dass du sagst so, wenn du Web Shop oder Marketing Analytics machst, dass du eine Recommendation Engine KI-technisch mitdenkst.

Heute hat sich das natürlich geschiftet mit generativer KI, die jetzt in der Wahrnehmung vieler Menschen außerhalb von der Data- und KI-Bubble ist. AI gleich generative KI ist gleich Jet-GPT. Das haben sie vom Marketing her sehr, sehr gut gemacht. Und das solltest du heutzutage so mitdenken. Das ist so für mich die große Veränderung. Was ich gelernt habe, ist, es ist ein bisschen beruhigend und beunruhigend gleichzeitig, wir haben alle die gleichen Probleme. Egal, ob du rein schaust. Also, die sind ein bisschen unterschiedliche Nuancen. Aber Großkonzerne sind an manchen Stellen etwas weiter, haben aber alle ähnliche Hürden. Mittelständler, kleine Unternehmen, wenn du da mit den Leuten redest, dann sagen die, ja, das sind die Probleme, die wir auch haben. Das hat Gast XY ähnlich erzählt. Also, wir haben alle die gleichen Herausforderungen. Und das heißt, wenn du dich wieder erkennst in den Problemen anderem, dann ist es so, okay, ja, dann bist du schon mal so richtig abgebogen, dass du sagst so, ja, okay, ich bin jetzt nicht total oft.

Felix Schlenther (3:09)

Gute Zusammenfassung kann ich tatsächlich nur unterschreiben. In deinem richtigen Job bist du ja Global Data Architect. Und wir sprechen da gleich mal drüber, was du eigentlich in dieser Rolle machst. Ich habe viele Fragen dazu. Aber eigentlich kommst du ja von der dunklen Seite, der Macht, dem Consulting-Bereich. Und bist jetzt auf die helle Seite gewechselt. Zumindest ist so die, so unterteile ich das, würde ich sagen.

Wie war dieser Schritt für dich und warum hast du den getan, aus dem Consulting dann wirklich in eine operative Rolle, auch mit richtig Skin in the Game, in der Umsetzung, in einem Industrieunternehmen?

Christian Krug (3:53)

Ehrlicherweise, die Antwort hat mehrere Facetten. Also ich sage mal Consulting, wenn ihr irgendjemanden den Einstieg machen will in den Data-Bereich, geht ins Consulting. Da habt ihr eine Lernkurve, das ist echt stark. Und ihr seht viel, ihr kriegt viel Erfahrungen, ihr kriegt viel mit. Ich war dann irgendwann so ein bisschen, ich sage mal davon müde, halt alle paar Monate oder spätestens nach einem Jahr so den Kunden oder das Projekt zu wechseln. Das ist halt oft so, dass du da bist, um die, ja sorry, Drecksarbeit, Anführungszeichen zu machen. Du setzt es um, du baust es auf. Aber wenn diese Dinge dann wirklich in die Skalierung, in den Mehrwert kommen, bist du als Berater oft schon weg. Also zumindest, wenn du deinen Job richtig gemacht hast. Also es gibt auch Berater, die versuchen dann oder Beratungsunternehmen, die versuchen dann Jahrzehnte da drin zu bleiben.

Macht das nicht, liebe Unternehmen, liebe Berater, arbeitet auch nicht dahin. Und dann wollte ich so ein bisschen rein, wie du sagst, du hattest dieses Skin in the Game. Also Ralf Ginzinger hatten so einen schönen Vergleich gehabt. Als Berater bist du immer an der Seitenlinie, wie so der Trainer und denkst dir, wo ich könnte den Elfmeter besser schießen. Du kannst aber maximal reinschreien und sagen so, jetzt passt doch nach links rüber. Wenn der Spieler nicht nach links passt, dann denkst du dir so, ich hätte es viel besser gemacht. Und jetzt ist halt, wenn du dann im Unternehmen drin bist, dann halt, ja, man musst dir jetzt zeigen, dass du es tatsächlich besser machen würdest.