Transkription der Folge:
Joubin Rahimi:
Grandios, dass ihr wieder dabei seid zu einer neuen Folge von insights! Mein Name ist Joubin Rahimi und heute darf ich begrüßen Gaylord Aulke. Und Gaylord und ich haben uns kennengelernt auf einer Unternehmerreise in Thailand, die mega war und hatten richtig tolle Talks und deswegen kam ich nicht, umher zu sagen: Komm, Gaylord, lass mal deine insights nicht nur mir im Taxi und in den Meetings teilhaben, sondern der weiten Welt. Hallo, Gaylord. Schön, dass du da bist.
Gaylord Aulke:
Hallo, ich freue mich auch. Schön, dass ich eingeladen wurde.
Joubin Rahimi:
Magst du mal zwei, drei Sätze zu dir und zu dem, was du typischerweise sagst, sagen, damit wir uns alle ein Bild machen können?
Gaylord Aulke:
Ja, mein Name ist Gaylord Aulke. Ich habe ein Beratungsunternehmen in Stuttgart, das heißt 100 Days GmbH. Wir machen Enabling von Softwareprojekten und Know-How-Transfer zu Softwareteams. Und ich selber habe Informatik und Soziologie studiert und versuche, das Ganze mal aus technischen und weniger technischen Aspekten zu betrachten. Und das ist mega spannend, schon der Name 100 Days.
Joubin Rahimi:
Wie seid ihr drauf gekommen?
Gaylord Aulke:
Wir haben uns, ehrlich gesagt, überlegt, wie können wir das Unternehmen nennen und hatten dann ganz viele Ideen gewälzt. Und letztendlich kam es dann zu dem Thema, wir sind in der agilen Welt sehr stark verhaftet und wir möchten iterativ arbeiten und tatsächlich Ergebnisse liefern. Und mit 100 Days ist das Thema, Manager werden in der Regel bei neuen Positionen nach 100 Tagen bewertet, was sie bereits so geschafft haben. Und die Idee war für uns zu sagen, wir machen in 100 Tagesschritten Änderungen in Unternehmen und Softwareteams. Deswegen 100 Days.
Joubin Rahimi:
Den Namen finde ich super und resonierte direkt mit Wolli, der mich begleitet hat und mir. Und jetzt mag der eine oder andere vielleicht sagen: Dann sind wir ja Konkurrenten. Und jetzt sehe ich so oder so nicht so. Aber ihr habt ja ganz spezielle Nische auch und ihr seid ja bei einem bestimmten Zeitpunkt typischerweise ganz, ganz spitz unterwegs. Und magst du da zwei oder drei Sätze dazu erzählen, wo ihr da aktiv seid?
Gaylord Aulke:
Ja, normalerweise werden wir dazugerufen von Unternehmen oder Investoren, wenn es darum geht, neue Challenges zu bewältigen in einem Softwareprozess. Also wenn ein Team mit neuer Technologie arbeiten muss, neue Versionen von etwas bauen muss oder einfach eine Herausforderung hat, die sie vorher noch nicht hatten, kommen wir oft dazu, um aus unserem Netzwerk Leute dazu zu steuern, die dann Prototypen bauen, etwas voranbringen und dann in die Hände des Unternehmens zurückgeben und Know-How-Transfer machen. Deswegen, das ist eigentlich so der Sweet Spot von uns, dass wir Unternehmen helfen, neue Herausforderungen zu bewältigen.
Joubin Rahimi:
Und damit seid ihr immer Leading Edge dabei. Es geht um die neuen Herausforderungen typischerweise und du hast gesagt, ihr macht viel im AI-und IoT-Bereich.
Gaylord Aulke:
Ja.
Joubin Rahimi:
Das ist eine Mischung, weil viele reden immer nur über AI, aber ihr habt ja dann das Ganze auch noch mal wieder spitzer gemacht, AI und IoT.
Gaylord Aulke:
Genau, weil wir herausgefunden haben, dass wir ganz gut funktionieren im übergreifenden Bereich von unterschiedlichen Techniken. Und im Bereich IoT gibt es ja diesen Low-End-Bereich, wo man quasi Sensoren einfach irgendwo verdrahtet und solche Dinge, aber inzwischen gibt es neue Technologien von Nvidia und anderen Herstellern, die es ermöglichen, auch im IoT-Bereich tatsächlich an der Edge, wie wir sagen, also direkt vor Ort irgendwo am Straßenrand oder irgendwo tatsächlich die Auswertung von Daten direkt live zu machen. Und das nennen wir Edge AI, wobei AI ist für mich immer so ein Thema. Wenn es Machine Learning ist, ist es wahrscheinlich in Python programmiert. Wenn es AI ist, ist es in Powerpoint gebaut. Wir machen Machine Learning-Algorithmen, die direkt vor Ort in kleinen Systemen, die mit 10 Watt Leistungsaufnahme arbeiten, funktionieren können und da Daten direkt verdichten können. Das ist so in letzter Zeit unser Hauptaufgabengebiet.
Joubin Rahimi:
Das hört sich natürlich mega nerdy an.
Gaylord Aulke:
Ist es.
Joubin Rahimi:
Schlussendlich ist er: Okay, bin ja auch ein Nerd. Insofern finde ich das ja immer mega, aber die Fragestellung ist ja immer: Was bringt das dann? Was ist der Mehrwert? Oder was können so Cases sein? Danach lächt es ja quasi jeder Unternehmenslenker, um was besser zu machen oder neu zu machen.
Gaylord Aulke:
Die Welt da draußen ist natürlich ultra-komplex und es gibt unheimlich viele Dinge zu beobachten und zu sehen und dann eben auch daraus irgendwelche Informationen abzuleiten. Und die Idee ist, dass wir vor Ort Systeme aufbauen können, die Informationen direkt dort verdichten, wo sie anfallen. Ein Beispiel: Verkehrsüberwachung. Da hängt eine Kamera irgendwo im Baum und guckt sich eine Kreuzung an. Die nimmt ein Video auf, aber das Video wird nicht gespeichert, sondern es wird direkt vor Ort analysiert. Es wird direkt vor Ort mit Machine Learning-Algorithmen geschaut, was für Fahrzeuge sind an welcher Stelle, wie bewegen die sich und was kann man daraus ableiten an Informationen für Verkehrssteuerung oder solche Dinge. Und die Informationen, die daraus entstehen, werden dann per LTE direkt in die Zentrale vermittelt, in near real time, wie wir sagen, und daraus kann man dann entsprechende Schlüsse ziehen. Das ist zum Beispiel ein Anwendungsfall, den man damit aufbauen kann.
Joubin Rahimi:
Das, was ihr dann ja neu macht, ihr macht es dann an der Edge. Warum hat das einen Mehrwert gegenüber: Ich transportiere das gesamte Video, LTE hört sich so an, als ob das gehen würde, in die Zentrale und lass es da dann verarbeiten? Über einen großen Hobel. IBM hat ja gesagt, man braucht nur drei Großrechner.
Gaylord Aulke:
Ja, genau. Das hat zwei Aspekte. Der eine Aspekt ist, dass ich die Rechenpower sozusagen verteilen kann überall hin, wo sie gebraucht wird und nicht so viel Kommunikationskanäle belasten muss mit den Daten, sondern ich kann die Daten vorher verdichten. Und was sinnvolles daraus machen. Der andere Punkt ist Datenschutz zum Beispiel. Wenn wir ein Video aufnehmen, dann geht das genau 30 Zentimeter von der Kamera in die CPU oder in die GPU und dort wird es direkt verarbeitet. Und dann weiß hinterher niemand mehr, wer wann über die Kreuzung gelaufen ist, sondern es wird mir nur noch vermerkt, so eine Person von A nach B gelaufen zu dem Zeitpunkt.
Joubin Rahimi:
Und das war übrigens ein Punkt, der mich dann auch getriggert hatte für unsere Kunden, weil die Laufwegeanalyse in den entsprechenden Filialen ist ja auch mega interessant oder auch in der Großstadt, im Einkaufszentrum. Und meistens wird das dann ja über Kameras gemacht und das wird dann auch eingesammelt und du hast dann immer die Themenstellung der Speicherung der Daten und des Datenschutzes und das wird man ja komplett damit übergehen. Du musst dann nicht mit Hilfsgrücken wie Bluetooth oder WLAN im System dann agieren, weil da nimmst du vielleicht auch die kleinen Kinder gar nicht mit oder andere Sachen.
Gaylord Aulke:
Ja, wobei mir jemand letztens sagte, dass allein schon das Aufzeichnen und das 30 Zentimeter Transportieren des Videos, auch wenn es danach gleich wieder gelöscht wird, schon datenschutzrechtlich relevant sein könnte. Das ist immer die Frage: Wie extrem will man sich da positionieren? Aber ich denke, wir machen einen ganz guten Ansatz, die Daten überhaupt nicht irgendwo hin zu transportieren, sondern direkt wegzuverarbeiten. Aber Datenschutz ist natürlich immer ein sehr spannendes Thema.
Joubin Rahimi:
Ja, klar. Ich kenne einige, die sagen: Das wird ja auch gespeichert. Da sage ich, ja, aber nur eine millisekunde. Ja, aber es wird gespeichert.
Gaylord Aulke:
Ja, genau. Das ist in der GPU für eine fünfzehntel Sekunde und diese Speicherung ist bereits, DSGVO, relevant theoretisch.
Joubin Rahimi:
Ich sage mal, diejenigen, die es dann blockieren wollen, die argumentieren so. Ich glaube aber, dass man in der Rechtsprechung, ohne dass ich Jurist bin und keine Beratung mache. Und ich glaube halt auch, auch wenn man immer beim Richter, wie sagt man noch, entweder auf hoher See oder vor Gericht, weißt du nicht, was beim Hauptpunkt kommt. Aber die Intention ist ja, dass man nicht kein Schabernack macht und das ist eine technische Notwendigkeit, ich glaube. Das wird sich dann überfügen in dem Zuge und jemand, der unternehmerisch denkt, wird sagen: Okay, das Restrisiko, das es gibt, kann ich wahrscheinlich auch tragen. Also so wird es mir persönlich gehen.
Gaylord Aulke:
Genau. Und das Spannende an so einer Stelle ist, dass man … Also einerseits glaube ich, dass dieses Risiko sehr gering ist, dass man jetzt wegen dieser 30 Zentimeter datenschutzrechtlich belangt wird. Das Spannende, was man da an der machen kann, ist, man kann Anomaliedetection machen. Man kann schauen, wo auf der Kreuzung, zum Beispiel, kommt das irgendwie zu Problemen oder wo sind Problemzonen? Wo wird besonders schnell gefahren? Wo treffen sich vielleicht Autos oder was auch immer. Oder im Markt, zum Beispiel, könnte man sich überlegen, zu schauen, ob da irgendwelche Irregularitäten stattfinden oder was auch immer unsere Kunden an Ideen haben. Das Interessante an Dienstleistern ist ja meistens, sie können sich in die oder wir können uns in die Ideen unserer Kunden reindenken, wenn sie dann da sind, aber wir haben jetzt selber keine Produkte. Also die Idee, für was eigentlich gewollt wird, müsste schon von demjenigen kommen, der uns beauftragen wird.
Joubin Rahimi:
Ich hätte direkt noch eine neue Idee. In Köln am Media Park haben sie in so einer Kurve die Verkehrsführung geändert und geht so eine Linkskurve und es geht rechts dann auch noch mal runter in das Parkhaus oder in die Parkhäuser des Mediaparks. Und das haben sie zum einen auch ein bisschen abgetrennt. Das heißt, du musst dann schon ein bisschen rechts rüber und hast dann so einen kleinen, also so einen hohen Bordstein, nicht wirklich hoch. Da gibt es zwei neue Gefahrenquellen. A)Diejenigen, die sich nicht auskennen, die fahren gar nicht ganz rechts rüber, weil das sieht so ein bisschen nach Fahrradweg aus, ist aber keiner, die ziehen dann aber zum Schluss dann: Ich muss da rein, rüber. Und das kollidiert mit einer Gefahrenquelle, die für beide interessant ist, die, die spät reinziehen und die, die auch richtig die Kurve gefahren sind. Und wenn man grün hat, haben auch die Fahrradfahrer grün. Und du musst stehen, um zu gucken. Die Intention ist natürlich, Verkehr verlangsamen. Wenn ich das tagtäglich beobachte, die Fahrradfahrer müssen schon aufpassen. Da sind im Zweifel auch die Schwächeren. Die, die schon nicht vorher rechts waren. Also die müssen dann auch gar nicht so hart einschlagen. Die sind immer viel schneller unterwegs. Da frage mich, da wäre so eine Prediction auch cool.
Gaylord Aulke:
Also das sprich, vorher simulieren, wie sich so eine Änderung auswirken würde. Auch interessant. Simulationstechnik würde man natürlich eher auf dem Server machen irgendwo zentral, aber direkt vor Ort könnte man natürlich schauen, wie solche Situationen tatsächlich passieren und ob sie passieren und so. Das wäre jetzt zum Beispiel was, wo man analysieren könnte.
Joubin Rahimi:
Ja, und da kommt direkt eigentlich meine Frage an dich als Spezialisten: Wenn ich dann, ich sage mal, ganz viel von dem echten Leben an den Verkehrskreuzungen aufnehme und das schlussendlich ja doch zentral, also Edge dann verdichte und dann zentral aufnehme und ihr baut ein neuronales Netz dafür auf, das könnte ich dann ja für die Prediction nehmen und das dann als Service dann auch für die Städteplaner verwenden oder für die Städte, die da neue Sachen bauen. Also ist das ein Pattern, das, was du auch siehst im Netz bei euren Kunden, dass sie sagen, wir analysieren erst mal, wie es ist, um dann eigentlich auch die Prediction besser machen zu können oder fangen andere mit an und dann so?
Gaylord Aulke:
Auf jeden Fall. Genau. Das Ziel ist auf jeden Fall Prediction. Also erst mal natürlich Analyse, zu schauen, was passiert tatsächlich, dann daraus Modelle abzuleiten und dann daraus Predictions ableiten zu können. Das ist natürlich so die Kette am Ende, wobei die wenig tatsächlich durchgezogen wird bis zum Ende momentan. Das muss man halt auch sagen. Bei den meisten bleibt es schon beim Anschauen und Analysieren der Daten. Und daraus leiten sich aber natürlich immer irgendwelche Entscheidungen ab oder irgendwelche Ideen, aber dass man jetzt mit IT-Systemen daraus irgendwelche, sagen wir mal digitalen Zwillinge oder sowas macht, um Dinge zu predicten und da irgendwie Situation vorab zu simulieren oder so etwas, habe ich selten gesehen. Also passiert sicher an einigen Stellen, aber ich persönlich hatte da bisher noch nicht so viel mit zu tun.
Joubin Rahimi:
Vielleicht ist es ja auch einfach eine Evolution. Wir nehmen jetzt die Sachen auf, verstehen das, um dann die Prediction besser machen zu können und nicht Annahmen und die Analysen dann immer wieder gegenzumatchen.
Gaylord Aulke:
Ich glaube, die Leute müssen auch erst mal, also die Menschen, die das dann entscheiden sollen oder die solche Modelle aufbauen, müssen auch erst mal mit den neuen Möglichkeiten der Technologien erst mal sich ein bisschen vertraut machen. Momentan, früher war das ja so, gerade beim Verkehrszahlen, zum Beispiel, da sitzen irgendwelche Leute und drücken auf Knöpfe und zählen dann, wie viele Autos sind da durchgefahren. Und das kann man natürlich nur nicht endlos lange machen. Und jetzt kann man halt solche Systeme halt aufbauen, die automatisch nicht nur gucken, wie viele Autos sind gefahren, sondern auch, wo sind die genau lang gefahren, wie schnell sind die zu welchem Zeitpunkt gefahren und so. Da geben sich ganz neue Auswertungsmöglichkeiten. Und wenn die Wenn die Daten dann da sind, kann man natürlich rückblickend das Ganze dann noch mal simulieren und schauen, wie sich Änderungen auswirken würden.
Joubin Rahimi:
Das ist mega wichtig. Es ist so wie bei Webanalyse. Wenn du sagst, wir wollen ein neues System aufsetzen und fragen, wie viel Traffic hattest du im gesamten Jahr, ist das total irrelevant. Na, total nicht, aber eigentlich ist es irrelevant, weil die Frage ist, welche Peaks hattest du? Hast du durchgängig Live-Heal? Dann ist das was ganz anderes. Ich habe viermal im Jahr 10 mal so hohen Peek, den müssen wir abfangen. Da kann man ganz anders denken.
Gaylord Aulke:
Genau. An anderer Stelle haben wir auch schon Traffic analysiert und so. Und auch da kann man natürlich Anomaliedetection machen oder sich halt Predictions entwickeln, basierend auf trainierten Modellen, wie sich Dinge entwickeln werden. Man könnte sich vorstellen, in der Regel ändert sich Traffic nicht explosionsartig, sondern da passiert irgendwas vorher und dann geht der irgendwie hoch oder so etwas. Vielleicht kann man dann schon vorher irgendwelche Maßnahmen ergreifen oder die Leute vom Support irgendwie schon mal suchen und aufwecken, wenn irgendwie sich abzeichnet, dass bald irgendwas Blödes passiert.
Joubin Rahimi:
Jetzt haben wir über den konkreten Case gesprochen. Danke schon mal. Jetzt bin ich Unternehmer, Geschäftsführer, CDO und sage: Ich muss was tun. Und als Upline Manager, also jemand, der die Richtung vorgibt, ist ja den richtigen Rahmen zu schaffen. Ganz, ganz wichtig. Was würdest du jemandem raten, der sagt: Ich muss was verändern. Ich brauche ein neues Produkt beispielsweise. Ich brauche eine Innovation, was ein sinnvolles Vorgehen ist, zum einen, und wie die Rahmenparameter sinnvoll gesteckt werden? Also von organisatorisch, Team-Staffing. Klar, Geld betrifft das auch immer, aber das kommt drauf an wahrscheinlich. Aber was sind Key Learnings, wo du sagst, das hat einen erfolgreichen Kunden von euch ausgemacht?
Gaylord Aulke:
Die erfolgreichsten Kunden haben Dinge ausprobiert und dann langsam erweitert. Man hat oft irgendwelche Ideen, die vielleicht im Ansatz gut sind und muss erst mal zwei bis drei oder fünf Ansätze ausprobieren, zu verstehen, was davon tatsächlich zieht. Jetzt können wir natürlich mit IoT-Geräten nicht so einfach A/B-Testing machen, wie man es auf einer Website machen kann. Aber trotzdem sollte man Ansätze verproben und möglichst früh Prototypen bauen oder so etwas und versuchen, da irgendwie Feedback zu bekommen, was tatsächlich gebraucht wird und was sinnvoll auszurollen ist und was auch technisch tatsächlich stabil möglich ist. Wir haben sehr große Überraschungen erlebt, wie diese Systeme sich dann in der Realität tatsächlich verhalten, wenn da mal drei Stunden die Sonne drauf scheint oder so etwas oder wenn ein Wind kommt und das Gerät sich ein bisschen bewegt oben auf dem Mars und solche Geschichten. Das eine Thema ist, man soll möglichst früh Prototyp machen und die den verproben. Wie gesagt, 100 Days. Wir sind aus einem agilen Umfeld. Wir möchten immer gerne lieber einmal etwas ausprobieren, als 30 Seiten Papier über was zu schreiben. Und das andere Thema ist, man muss schauen, ob die Struktur, die man aufgebaut hat, um so ein Projekt zu treiben, auch zu dem Projekt passt, weil Unternehmen oft eine interne Struktur haben, die ist so, wie sie ist und dann will man damit ein Projekt machen und damit ein neues Produkt erstellen und so. Und da kommt halt das Soziologiestudium wieder durch. Das Produkt, was du erzeugst, spiegelt immer das Team wieder, was das Produkt erzeugt hat, oder die Struktur des Teams, dass das Produkt erzeugt hat. Und da muss man schauen, dass man versucht, eine passende Struktur aufzubauen für das entsprechende Thema, was man angehen will. Das überrascht viele Unternehmen, die vorher mit anderen, die zum Beispiel vorher Services gemacht haben und dann ein Produkt machen wollen, dass ein Produktgeschäft völlig anders funktioniert als Servicegeschäft. Und Firmen, die vorher relativ einfache Hardwareprodukte rausgeschoben haben und jetzt plötzlich so ein KI-Produkt an den Start bringen möchten, sind auch manchmal überrascht, wie komplex dann so eine Software plötzlich sein kann und wie schwierig das ist, das tatsächlich zu vermitteln und im Support unterzubringen. Und da braucht man unter Umständen andere Prozesse und andere Strukturen, als man die vorher hatte. Also wie gesagt, schnell ausprobieren und dann flexibel genug sein, auch Strukturen und Methoden anzupassen, das sind, glaube ich, meine zwei Hauptthemen dabei. Da muss natürlich das Business-Modell passen und so was alles, aber das ist ja eh
Joubin Rahimi:
richtig und klar.
Gaylord Aulke:
Das ist ja wichtig, genau.
Joubin Rahimi:
Das Thema, wenn ich bisher a verkauft habe, dann ist ein anderer Typus des Verkaufs auch anders in der Umsetzung, Erstellung und weitere Betreuung. Klingt im Nachgang immer einfach, wenn man drinsteckt. Es ist manchmal wieder viel schwerer, das dann zu erkennen für sich.
Gaylord Aulke:
Genau. Hinterher ist man immer klüger.
Joubin Rahimi:
Das stimmt. Ich hoffe auch, jeder, der jetzt zugehört, ist klüger und zugeguckt hat. Herzlichen Dank für die insights und für die Zeit.
Gaylord Aulke:
Sehr gern.
Joubin Rahimi:
Ich freue mich, dass wir weiterhin im Austausch bestimmt ja bleiben und dass wir uns kennengelernt haben Anfang des Jahres. Für mich war es eine Bereicherung und ja, für jeden auch, der hier mir zuhört und zuschaut. Genauso insofern, wenn ihr eigene Gedanken und Ideen habt, packt sie unten in die Kommentare oder fragt Gaylord doch einfach direkt an. Gaylord, danke dir.
Gaylord Aulke:
Vielen Dank auch. Wiederschauen.
