00:05:58 · Felix Rösner
[00:05:58] S2: Ja, also ich glaube, der einen Seite war das meine Erfahrung von Eleven wechseln. Auf der anderen Seite, als ich da mich mit Christoph auch wieder zusammengetan haben habe, nachdem ich jeweils aus San Francisco in die Ostbossen zurückgekommen ist, war eben dann auch seine Geschichte zu hören. Er er war bei einem Roll-up aus aus San Francisco, was quasi andere große, ja, professionelle Servicefirmen aufgekauft hat, eben mit der Absicht, diese mit KI von Grund auf zu transformieren. Das heißt, er war wirklich an der Stelle, wo er dann irgendwie nach Pennsylvania oder nach Atlanta gefahren ist, sich neben die Kunden gesetzt hat und über Wochenend lang versucht hat, zu verstehen, wie die Kunden arbeiten, eben dann auch zu identifizieren, wie sie KI eben oder wie sie ihre Arbeit mit KI eben argumentieren können. Und ich glaube, er konnte aus so First Hand Perspektive extrem gut davon berichten und auch schildern, wo die Ineffizienzen dieses Prozesses liegen und wieso dieser Prozess vielleicht auch aus First Principle Sicht nicht besonders optimal ist. Als wir uns das dann weiter angeschaut haben, sieht man natürlich zur gleichen Zeit irgendwie links und rechts auf LinkedIn hunderte Stellenanzeigen für Forward Deployed Engineers, die irgendwie aufgepoppt sind. Und dieser Begriff ist quasi son, ja, fast son Modebegriff, würde ich sagen, in der Tech Welt geworden. Und genau, und das hat uns dann das hast Du veranlasst, eben auch tiefer da da reinzuschauen.
00:07:16 · Jan Thomas, Felix Rösner
[00:07:16] S1: Musst Du vielleicht kurz erklären, ne, kommt von Palantir, glaube ich, haben das so am meisten, glaube ich, vorangetrieben. Musst Du vielleicht mal kurz erklären, was die Idee dahinter ist. [00:07:22] S2: Genau, also die Idee dahinter ist quasi, dass, ja, vor allem würde ich sagen, wie Du schon sagst, bei Palantir in so' Enterprise im Enterprise Segment, dass dort natürlich, ja, Prozesse extrem komplex sind, sodass Produkte quasi nicht von der Stange implementiert werden können. Das heißt, was was Palantir dann sogar gemacht hat, war dann eben Forward Deployed Engineers zu highern. Können Engineers sein. Mittlerweile sind das auch, würde ich sagen, so Tech Savy Consultants häufiger. Es gibt mittlerweile auch Deployment Strategists, die für, würd ich sagen, eine ähnliche Rolle übernehmen, die dann quasi in diese großen Firmen gegangen sind und wirklich erst mal diese Firma von von a bis z gescannt haben, zu verstehen, hey, wie funktioniert dort über Arbeiten überhaupt Arbeit? Welche Prozesse gibt es? Und was sind überhaupt die Use Cases, die Sinn machen, dort zu dort zu implementieren? Das ist natürlich ein extrem, ja, und manueller Aufwand, der eben auch, ja, ziemlich viel den Unternehmen kostet. [00:08:15] S1: Son bisschen wie, ne, fast so McKinsey Logik, ne, würde ich fast sagen, so Unternehmensberater, die reingehen, idealerweise nach Stunden bezahlt werden.
00:08:15 · Jan Thomas, Felix Rösner
[00:08:15] S1: Son bisschen wie, ne, fast so McKinsey Logik, ne, würde ich fast sagen, so Unternehmensberater, die reingehen, idealerweise nach Stunden bezahlt werden. [00:08:22] S2: Ja, genau. Es ist, ich glaub, ich glaub, ja, McKinsey Logik trifft's ganz gut, ne? Ich glaube, so der der der Archetype 1 Beraters, vor allem auch in der IT Beratung, ist ist ziemlich ähnlich. Ich glaube, es gibt dann, ich glaub, bei Palantir hier oder auch bei bei anderen Firmen gibt's, glaub ich, so sehr unterschiedliche Degrees an ihr, wie viel Produkt gibt es überhaupt und wie viel ist die Arbeit überhaupt reiner quasi Servicearbeit und und und Custom Implementierung von IT Lösungen. Genau, aber an an sich kann man das, glaube ich, sehr gut mit den typischen Aufgabenbereichen 1 Beraters vergleichen, ja. [00:08:52] S1: Und was hat Christoph erzählt? Ich find das ja superspannend, glaube ich, oder oder irgendwie auch total inspirierend, ne? Man sich die ganze Zeit quasi neben Leute da danebensetzt versucht zu verstehen, wie die arbeiten, wie das Unternehmen funktioniert und dann zu überlegen, wenn man auf der anderen Seite KI versteht und die Möglichkeiten von KI, dann zu überlegen, wie könnte man son Unternehmen eigentlich transformieren? Ist ja ein superspannender Bereich und dann ist vielleicht ein bisschen die Frage, warum seid ihr dann trotzdem da rausgekommen, wo ihr jetzt quasi rausgekommen seid?
00:09:14 · Felix Rösner
[00:09:14] S2: Ja, total. Genau, also vielleicht erst mal zur ersten Frage, wie funktioniert das überhaupt? Also die 1. Frage, die dann meistens den Kunden gestellt wird, ist irgendwie, hey, habt ihr Dokumentation von euren Prozessen? Könnt ihr uns darüber sein? Können wir uns irgendwie dementsprechend einlesen und schon mal irgendwie son son Vorsprung schaffen, bevor wir überhaupt in die Workshops et cetera gehen. Ich glaube, leider ist es häufig so, dass Prozesse, ja, kaum dokumentiert sind oder die Dokumentation halt unglaublich veraltet ist. Ich glaub, wir kennen das irgendwie alle selber von unseren Ideen, die wir mal hatten und auf Notion umgesetzt haben mit irgendwelchen Libraries, die dann am Ende des Tages doch recht schwierig sind, up to date zu halten. Und ja, ich glaube, so ist es halt noch mal sag ich mal, in in älteren Unternehmen, in traditionellen Unternehmen. Das heißt, es gibt schon, ja, extrem wenig Substanz, auf die man aufbauen kann und dann ist es wirklich, ja, ein interviewartiger Prozess, ne. Man man setzt sich mit den Leuten zusammen. Man hofft natürlich erst mal, dass die Leute irgendwie die jeweiligen Prozesse relativ ähnlich bearbeiten. Aber Christ meinte dann auch so, recht schnell kommt man dann zu dem Punkt und merkt, okay, hier sind irgendwie 20 Leute, die für diesen jeweiligen Prozess zuständig sind. Aber ja, über die letzten Dekaden haben quasi alle relativ individuelle Wege entwickelt, wie sie diese Prozesse bearbeiten und das erst mal so zu harmonisieren und so zusammenzufassen in quasi ein Standard Operating Procedure ist halt unglaublich viel Arbeit. Es sind unglaublich viele Post its involviert auf Whiteboards und sehr viele Interviews und Nachfragen. Et cetera. Und genau und und und vielleicht so so dann der der Schritt, wieso sind wir dorthin gekommen, wo wir wo wir dann sind? Ich glaub, das Problem haben wir so sehr klar identifiziert, so im Sinne von, hey, am Ende des Tages ist es unglaublich wichtig, dass Unternehmen sozusagen ein eigenes Verständnis haben, wie ihre Arbeit funktioniert. Weil nur wenn man dieses Verständnis hat, dann kann man auch vernünftig Initiativen priorisieren. Man kann Opportunitäten identifizieren, vielleicht mit Technologie oder ohne Technologie Prozesse effizienter zu machen.
00:11:12 · Felix Rösner
Und wenn man das Verständnis eben nicht hat, ist man immer quasi auf externe Dienstleister angewiesen in Form von, ja, Forwardabled Engineers oder Consultants, die eben ja diese Prozesse erst mal mappen und an aufzeichnen. Was natürlich dann auch, sobald diese weg sind, dann wieder veraltet. Also das heißt, das ein sehr wiederkehrendes Problem. Und dann haben wir aber auf der zweiten Seite auch gedacht, okay, is like the most and busious thing, was wir bauen können? Also wollen wir irgendwie ein Tool bauen, was wir for theployed engineers zur Verfügung stellen, damit die dann quasi unsere Daten oder unsere Informationen benutzen, quasi deren Produkt zu implementieren? Und dann ist natürlich der größte Teil der Wertschöpfungskette bei den Softwareunternehmen selber, die die Software implementieren und eben nicht bei uns. Und ich glaube, wir haben so über die letzten, ja, wahrscheinlich 18 Monate schon eben so diese exponentiellen, dieses exponentielle Wachstum an Fähigkeiten von Coding Agents oder auch KI Assistenten mitbekommen und sind irgendwie dann auch so zum Schluss gekommen, so, hey, es gibt am Ende des Tages keinen Grund, warum dieses Wachstum oder dieser dieser Slope irgendwie so stagnieren sollte in den nächsten in den nächsten Monaten. Und am Ende des Tages waren wir alle sehr konviktet, dass wir in' Welt leben werden, wo es auf der einen Seite ja sone Art Software Engineering Bandence gibt. Das heißt, alles, was ich irgendwie so granular beschreiben kann, was ich bauen will, kann ich bauen, solange ich's eben beschreiben kann. Und er hat gesagt, okay, wenn wir jetzt schon diese Task machen und in Unternehmen reingehen und eben Prozesse wirklich bis auf das granularste Detail beschreiben und und analysieren, dann können wir eben diese Informationen auch benutzen, diese, ja, KI Coworker, wie wir sie nennen, auch bei den Unternehmen selber zu implementieren. Und ja, das haben wir uns dann auf die Fahne geschrieben, haben das mit, ja, erst mal ein, 2 Kunden getestet. Das hat unglaublich gut funktioniert.
00:12:59 · Felix Rösner, Jan Thomas
Also auch wenn dieser ganze dieses ganze Journey von Daten aufnehmen bis KI, Coworker implementieren natürlich noch nicht voll automatisiert war, haben wir einfach gemerkt, was für ein Effizienzgewinn es ist, wenn wir eben nicht diese ganzen Interviews machen müssen, nicht die ganze Discovery machen müssen, sondern wenn wir diese Informationen wirklich alle aus Daten ablesen können. [00:13:19] S1: Na, sag mal, wo ihr gerade steht und auch vielleicht, wo ihr hinwollt, ne? Aber das klingt ja nach' eigentlich nach' großen Opportunity, ne? Zeitgleich, man man kennt das ja, dass oft Startups auch eine tolle Idee haben und dann trotzdem die Adaption im Markt irgendwie zu langsam geht oder oder der ROI sich nicht sofort irgendwie bemessen lässt. Wo steht ihr? Was sind so die Herausforderungen grade? Dann vielleicht mal so ultimativ, was glaubst Du, was entsteht für ein Unternehmen?