#175 - Energy meets AI?! Wie E.ON mit Daten die Energiewende vorantreibt

00:00:04: Was ich sehr schätze bei der ION, wir haben wirklich Top-Level-Management-Attention auf das Thema AI.

00:00:08: Unser Managing Director ist zugleich auf Chief Data & AI Officer und wir treiben das Thema sehr aktiv voran.

00:00:14: Wir haben eine eigene AI-Strategie bei der ION entwickelt und pushen das Thema wirklich aktiv nach vorne.

00:00:24: Servus und

00:00:28: hallo.

00:00:30: Hi und herzlich willkommen zum ITCS-Pizzatime-Tech-Podcast.

00:00:33: Heute sind wir hier mit Sebastian Schwarz, der Head of Data and AI, Products und Plattforms von der EON.

00:00:38: Bitte erzähle einfach mal was zu dir, wer bist du, was machst du?

00:00:44: Servus, erst mal Danke für die Einladung.

00:00:46: Freut mich hier zu sein, schön in Frankfurt.

00:00:48: Ich bin Sebastian, ich bin thirty-six Jahre alt.

00:00:50: Ich bin schon seit sieben Jahren in der EON-Gruppe.

00:00:53: Seit September bin ich verantwortlich für alle Data- und AI-Plattformen innerhalb der EON-Gruppe, also für alle Gesellschaften.

00:01:00: Und genau, vorher war die Auftragung bei der EON so ein bisschen zweigeteilt, hab ich eigentlich zwei verschiedene Sachen gemacht, als wir angefangen haben.

00:01:07: Da sprechen wir, glaub ich, nachher noch ein bisschen dazu, zur Evolution so ein bisschen, aber zwar angefangen haben, war es so ein bisschen Data Lab, das war damals so, was man gemacht hat.

00:01:15: Und später waren wir so internal Tech Consulting und hab ich ein größeres Team aufgebaut.

00:01:19: Und gerade im Energy Retail-Bereich dann Projekte umgesetzt mit unseren internen Kunden.

00:01:24: Genau.

00:01:25: Genauso privat, eine Tochter.

00:01:27: Ansonsten hab ich eine Management-Position jetzt, aber im Herzen bin ich immer noch Nerd, würd ich sagen.

00:01:32: Hab auch noch einen Talk gegeben am Augusten Hacker-Kongress in Europa, letzten Winter, im Dezember.

00:01:38: Da war auch AI-Bezug.

00:01:40: Hab ich eine AI gebaut, die meinen World Record aus Niet-for-Speed brechen soll.

00:01:44: Das klingt cool.

00:01:45: Die Menschen sind immer noch besser, aber so eine halbe Sekunde bin ich noch weg mit Reinforcement Learning, aber es dauert nicht mehr lang.

00:01:50: Sehr cool.

00:01:51: Vielleicht können wir da auch nach dem Podcast noch ein bisschen mehr darüber sprechen, das klingt auf jeden Fall lustig.

00:01:55: Heute ein bisschen mehr Fokus danach auf Data und AI bei EON, aber das klingt natürlich auch sehr spannend und eigentlich echt mal einen ganz coolen Hands-on Beispielfall.

00:02:03: Cool.

00:02:03: Dann mal unsere klassische Frage, wie Leon immer sagt, die wichtigste Frage unseres Podcasts.

00:02:07: Was ist eigentlich deine Lieblingspizza?

00:02:09: Ja, das ist eine gute Frage.

00:02:10: Und ich hab tatsächlich die Pizza genommen, die die meisten Deutschen gern mögen.

00:02:13: Pizza Salami.

00:02:15: Ja, Klassiker.

00:02:15: Und Klassiker, Salsiccia picante ist die Lieblingspizza.

00:02:19: Also doch gern ein bisschen schärfer.

00:02:20: Bisschen schärfer, ja.

00:02:21: Bisschen schärfer.

00:02:21: Ich hab mal den Doku gesehen über die Losteria.

00:02:24: Die ist

00:02:24: ja eine große Kette, die gibt's ja überall in Deutschland, meine ich.

00:02:26: Salsiccia picante ist mit die beliebteste Pizza.

00:02:28: Kann ich

00:02:29: auch gut vorstellen, ja.

00:02:31: In der Doku haben sie gesagt, er hat so ein Insider, in Anführungsstrichen gesagt, vierzig Prozent der Bestätigungen ist Tasi Chapikante.

00:02:36: Vierzig Prozent, nicht schlecht.

00:02:37: Vierzig

00:02:37: Prozent.

00:02:38: Ich

00:02:38: muss mal eine Statistik aufbauen mit den Pizzen, die wir hier so alle gehört haben von den Lieblingspizzen noch nie gemacht.

00:02:44: Vielleicht kriegen wir da auch vierzig Prozent raus.

00:02:46: Bei uns ist es gleich recht divers eigentlich.

00:02:47: Wir haben mich ein bisschen vorbereitet und wie anderen Podcasts gehört, hab ich gehört, Pizza mit Rucola ist irgendwie hoch im Kurs.

00:02:51: Parma Rucola ist recht häufig.

00:02:53: Das hab ich tatsächlich noch nie probiert.

00:02:57: Also Rucola schon natürlich, aber nicht diese Kombination.

00:03:00: Kannst du mal machen.

00:03:01: Salsiccia picante auf jeden Fall.

00:03:04: Ist auf jeden Fall auch immer eine

00:03:05: gute Wahl.

00:03:06: Kann man nichts falsch machen.

00:03:07: Weißt du noch, was man kriegt?

00:03:08: und schmeckt immer gut.

00:03:09: Ja, ich bin auch manchmal so ein bisschen hin und herbelegen, ob mal was Neues oder doch irgendwie dieses klassische, was ich immer wähle.

00:03:15: Irgendwie verfalle ich trotzdem immer wieder mein Klassiker.

00:03:18: Letztes Letzt hatte ich eine Capricciosa, aber das ist eher so die Ausnahme.

00:03:21: Da hatte ich irgendwie Bock drauf.

00:03:22: Manchmal muss man auch ein bisschen was anderes wechseln.

00:03:25: Cool.

00:03:25: Dann kommen wir mal zurück zu Ehren und zu dir und deinem Werdegang so ein bisschen.

00:03:29: Wie bist du eigentlich zu Ehren gekommen?

00:03:31: Was hast du davor gemacht und was hast du vielleicht auch mal studiert davor?

00:03:34: Ja, ganz gute Frage.

00:03:36: Ich meine, was habe ich als Hintergrund?

00:03:37: Ich habe VWL und Statistik studiert tatsächlich.

00:03:39: Also ich habe im Bachelor VWL studiert.

00:03:42: Und dann haben wir die ganzen quantitativen Themen viel Spaß gemacht.

00:03:44: Also empirische Ökonomie, Statistik.

00:03:46: Ich glaube, ich war eine der wenigen, der Statistik drei und vier im Nebenfach freiwillig belegt hat.

00:03:51: Und hab dann halt gemerkt, also das taugt mir, da hab ich auch sagen wir mal ein competitive Edge.

00:03:55: gegenüber den Studienkollegen, den ganzen VWL, BWL-Kollegen, die wir damals hatten, und dann hab ich einfach entschieden, okay, Master, ich wechsle Studienfach, das ging ja dann auch mit Bachelor-Master-System, hab ich Studienfach gewechselt und war auch der Einzige, der das gemacht hat, aber ich hab dann Statistik im Master.

00:04:10: studiert.

00:04:11: Und dann hab ich zu der Zeit schon bei der Telefonika gearbeitet.

00:04:14: Damals war AI und Machine Learning und so war noch weit weg.

00:04:17: Das hat man so im Studium gemacht.

00:04:18: AI hat noch keiner von gesprochen, also das muss man auch sagen.

00:04:21: Wir haben eher quantitative Methoden natürlich gemacht und Prognosemodelle schon.

00:04:25: Alles, was heute so auch der AI-Begriff umfasst, wenn man darüber redet.

00:04:30: Und hatte eine super Werkstellentenstelle, muss ich sagen, bei der Telefonika damals.

00:04:34: Die haben mich dann direkt fest übernommen und hab damals so eine Analytics gemacht, also ... Klassiker damals war so auf der SQL-Datenbank zu Analysen fahren.

00:04:43: Und das hab ich vierneinhalb Jahre gemacht.

00:04:45: Hab dann die Möglichkeit gehabt, bei der MAN Truck & Bus ein neues Team im Date & Air-Bereich aufzubauen.

00:04:50: Cool.

00:04:50: Das ist dann zwei Jahre gemacht.

00:04:52: Und die Herausforderung war halt, wir haben so ein neues agiles Team gemacht.

00:04:55: und schön in der IT waren wir aufgehängt und haben das gemacht.

00:04:58: Aber wenn man's über das Business nachdenkt bei der MAN, dann sind die halt wasserfallmäßig aufgestellt.

00:05:02: Die definieren, wie viele Trucks für unser Bauen Ende des Jahres.

00:05:05: Und dann wird's runterkaskadiert auf die Schraube.

00:05:07: Da war's natürlich schon ein Challenging, wenn wir sagen, wir machen Agil, der Rest der Firma macht Wasserfall.

00:05:12: Ich

00:05:13: glaub, wir haben coole Projekte gehabt, wir haben auch coole was geliefert.

00:05:15: Aber ich hatte ein gutes Angebot von der EON.

00:05:17: Ein alter Kollege von der Telefonika ist damals zu EON gegangen und hat mich dann angerufen und hat gesagt, hey, Sebastian, wir haben ein geiles Angebot hier.

00:05:25: Hast du nicht Bock?

00:05:26: Die Situation war auch ganz lustig.

00:05:29: Ich stand gerade in der Autowerkstatt.

00:05:30: Der Auto hatte gerade jährlichen Service.

00:05:32: Meine Tochter war drei Tage alt.

00:05:35: Mein alter Vorgesetzter schreibt mir auf Twitter, hey, Sebastian, hast du nicht Bock, was Neues zu machen?

00:05:39: Wir haben eine gute Stelle für dich bei der EON.

00:05:41: Damals

00:05:42: noch?

00:05:43: Schlaust du dir an, hast du Bock, dich zu bewerben?

00:05:45: Ich hab gesagt, hey, passt ganz gut.

00:05:48: Zurückgerufen, dann bin ich am nächsten Tag nach München gefahren.

00:05:51: Ich wohne bei Augsburg, bin nach München gefahren, hab mir ... Angehört, was es für eine Stelle gibt, was es geht.

00:05:58: Bewerbungsgespräch geführt, alles sauber durchgezogen.

00:06:01: Und dann waren wir uns relativ schnell einig.

00:06:03: Dann meinte er, Sebastian, man kann's so anfangen.

00:06:05: Dann sag ich so, ich hab nachgeschaut, ich hab sechs Wochen zum Quartal Kündigungsfrist.

00:06:09: Wenn ich morgen kündige, kann ich ihn sechs Wochen anfangen.

00:06:12: Wenn wir zwei Tage länger warten, dann muss ich leider drei Monate warten.

00:06:15: Und sechs Wochen.

00:06:17: Und dann hat er mir ein Let-of-Intent geschickt am selben Tag.

00:06:20: Nach dem Gespräch oder zwei, drei Tage nach dem Gespräch.

00:06:23: gekündigt und bin zur Irren gekommen.

00:06:25: So war die Story, wo ich zur Irren gekommen bin, im Prinzip.

00:06:28: Also eigentlich wegen dem Kfz-Termin.

00:06:30: Wegen dem Kfz-Termin.

00:06:31: Wegen Twitter.

00:06:33: Heute ex.

00:06:33: Nee, genau.

00:06:35: Nee, aber das war echt ... Ich hab mir das angeschaut.

00:06:37: Die Irren war damals schon sehr advanced, muss man sagen.

00:06:39: Verglichen mit den anderen Teams, die ich gesehen hab, war die Irren schon am weitesten.

00:06:45: Der Kollege Giorgio ist auch heute noch da, der hat mir gezeigt, was wir gemacht haben.

00:06:48: Ich hab gedacht, da muss ich hin.

00:06:50: Coole Firma, auch cooler Purpose, muss ich sagen.

00:06:53: Weil es ist ja nicht nur, wir machen Maschinen-Learning-Modelle und unser Geschäft zu verbessern.

00:06:57: Klar, machen wir auch, macht jeder.

00:06:59: Aber gerade die Energiewende, Sustainability, Klimawandel waren zu große Themen, die mich angespannt haben, dann zu ihr und zu kommen.

00:07:05: Ja, mega nice.

00:07:06: Klimawandel nach einem ... Witzigen Zufall irgendwie, aber hat sich alles gut gefügt.

00:07:10: Heute sitzen wir hier bei uns und kannst über Eon und deine neue Stelle auch erzählen.

00:07:14: Genau, sieben Jahre bin ich schon da.

00:07:17: Hat alles gepasst damals.

00:07:19: Wenn wir jetzt schon von Eon sprechen, ich meine, den meisten ist Eon wahrscheinlich generell ein Begriff, aber vielleicht kannst du generell noch mal ein bisschen Eon erklären, was macht Eon alles?

00:07:27: Ist ja nicht nur unbedingt Energie.

00:07:30: Ja, also Eon ist auf alle Fälle mal einer der führenden Energieanbieter in Europa oder vor allem auch in Deutschland.

00:07:37: Und die EON hat so ein bisschen zwei große Bereiche, sag ich mal, in denen wir tätig sind.

00:07:41: Das eine ist das Endkundengeschäft, nennen wir Customer Solutions.

00:07:46: Also wenn du zum Beispiel einen Energievertrag mit der EON hast, dann hast du den mit der EON Energie Deutschland GmbH, also einer EON-Tochtergesellschaft.

00:07:53: Und solche Gesellschaften gibt's in vielen europäischen Ländern in Italien, in Schweden, in den Niederlanden.

00:07:59: Da ist das Ascent.

00:08:00: Also wir haben einmal dieses Endkundengeschäft Customer Solutions.

00:08:03: Und dann noch so größere Blockheizkraftwerke mit E- und Infrastructure Solutions, wo halt Business-Kunden quasi Kunden sind.

00:08:11: Und dann haben wir noch das Netzgeschäft mit den Energienetzen.

00:08:13: Mit einer Bayernwerk zum Beispiel, mit einer Averkond, die auch zur E- und Gruppe gehören.

00:08:16: Also zwei große Bereiche Energy Networks und Customer Solutions.

00:08:20: Und so ein bisschen Zahlen zu geben.

00:08:22: Die E- und Gruppe, also zum Beispiel die Data und die Einlösung, die wir machen, machen wir für die ganze E- und Gruppe.

00:08:27: Die ganze E- und Gruppe mit allen Jahren.

00:08:29: Tochtergesellschaften hat siebenundsechtausend Mitarbeiter.

00:08:32: Insgesamt, wir haben knapp siebenundvierzig Millionen Endkunden, die angeschlossen sind und eins Komma sechs Millionen Kilometer Kabel, Energienetze.

00:08:43: Also, um die Dimension klarzumachen.

00:08:45: Das ist keine kleine Firma, das ist natürlich eine sehr große Firma.

00:08:47: Ja,

00:08:47: das stimmt natürlich.

00:08:48: Eins Komma sechs Millionen Kilometer Kabel.

00:08:50: Da habe ich mir auch noch nie Gedanken gemacht, wie lang diese Kabel sind.

00:08:53: Ja.

00:08:54: Witzig.

00:08:54: Cool.

00:08:55: Du bist jetzt schon seit rund zehn Jahren generell im Data- und AI-Umfeld, jetzt auch schon seit sieben Jahren bei der EON, dort in dem Feld

00:09:01: tätig.

00:09:02: Welche Phasen hast du so miterlebt?

00:09:04: Wie war das für dich?

00:09:05: Ja, das war ganz interessant, weil wir haben schon kurz darüber geredet, ich hab Statistik studiert und VWL studiert und als ich damals angefangen hab, Statistik zu studieren, ne?

00:09:12: Was war das, das ist das?

00:09:13: Das ist das, das ist das, das war das, das war das, das war das, das war das, das war das, das war das, das war das, das war das, das war das, das war das, das war das, das war das, das war das, das war das, das war das, das war das, das war das,

00:09:18: das war das, das war das, das war das, das, das war das, das war das, das war das, das war das, Da hat keiner

00:09:20: gewusst, dass ... Kurz vor dem Weltuntergang.

00:09:21: Ja, kurz vor dem Weltuntergang.

00:09:23: Da hat keiner über AI gesprochen oder über große Potenziale von AI.

00:09:28: Das war alles Zukunftsmusik.

00:09:29: Das gab es nicht.

00:09:31: Selbst Machine Learning war so, ja.

00:09:33: Als ich Statistik studiert hab, hat man gesagt, Deep Learning und neuronale Netze ist überholt.

00:09:39: Mach mal was anderes heutzutage.

00:09:41: Das wusste keiner.

00:09:42: Ich hab's gemacht, weil ich Bock drauf hatte, weil es immer Spaß gemacht hat.

00:09:46: zu rechnen, Modelle zu bauen und diesen Programmierpartnern auch noch zu haben, das Ganze zu implementieren.

00:09:52: Und ja, so die Phasen bei der Telefonika.

00:09:55: damals, als ich angefangen habe, war nicht nur bei der Telefonika so, sondern ganz generell so.

00:10:00: Da gab es ein paar Firmen, die haben sich halt größere Analytics-Abteilungen geleistet, die Telefonika zum Beispiel, weil, ich meine, die haben ja mehr oder weniger kein physisches Produkt, die verkaufen SIM-Karten.

00:10:11: und Mobilfunkverträge.

00:10:13: Dann wird das Datenvolumen oder die Calls, die du machst, darüber abgewickelt.

00:10:16: Aber die haben ja de facto kein physisches Produkt in dem Sinne, das sie selber herstellen.

00:10:20: Und für die war schon immer wichtig, dass sie gut Analytics machen können, dass sie gut ihre Kunden steuern können und die Tarife gut ausspielen können.

00:10:27: Das heißt, die hatten schon eine gute Analytics-Abteilung.

00:10:29: Und das war die erste Phase, wo ich reingekommen bin.

00:10:32: Da hat man klassische Analysen gemacht.

00:10:35: Wie viel Verbrauchen, vier G-Kunden mit diesen Smartphones zum Beispiel, so was haben wir ausgewertet.

00:10:40: Also relativ einfache Analysen vom Konzept her.

00:10:44: Aber auch Fun Fact, als ich angefangen habe bei der Telefonik, wurden die vier G-Nitze gerade aufgebaut.

00:10:50: Ich hab als Werkstudent damals angefangen, das LTE-Reporting zu machen.

00:10:53: Da hatten wir, glaub ich, sieben Kunden.

00:10:56: Also, ganz am Anfang.

00:10:57: Ganz andere Zahl

00:10:58: heute.

00:10:59: Ganz andere Zahl heute.

00:11:00: Heute gibt's fünf G, und vier G hat fast jeder.

00:11:02: Aber damals

00:11:03: ... Drei G wird abgeschaltet.

00:11:05: Drei G wird abgeschaltet oder wurde abgeschaltet, weiß ich gar nicht

00:11:08: genau.

00:11:08: Oder Edge wurde abgeschaltet, glaub ich, auf jeden Fall.

00:11:10: Edge wurde ... ja, ich weiß gar nicht genau.

00:11:12: Aber die drei G-Nerze wurden abgeschaltet, sukzessive, und wurde alles auf vier G migriert in den letzten Jahren, soweit ich weiß.

00:11:17: Aber das war so die erste Phase, also SQL-Analysen.

00:11:21: groß auf die Oracle Datenbank damals gegangen, weil der Telefoniker, die gibt's bestimmt immer noch, muss ich sagen, zurückwirkend betrachtet eine der best gepflegten Datenbanken, die ich je gesehen habe bei der Telefoniker.

00:11:32: Also, Q-Ros an alle, die noch bei der Telefoniker sind, ne?

00:11:34: Richtig gute Datenbank.

00:11:36: Und dann kam so die zweite Phase, dann kam so Data Science auf.

00:11:40: Vorher waren wir so Analyst und dann war ich einer der ersten Data Scientist bei der Telefonika, dann war das so hip.

00:11:46: Was ist ein Data Scientist?

00:11:47: Ja, heute ist es ein etablierter Begriff und damals war es eher so, es ist irgendwie so die Schnittmenge zwischen Statistiker, aber so ein Statistiker, der auch programmieren kann und Modelle implementieren kann.

00:11:55: Das kam dann auf und so ab im Jahr zwölfzehn, sechzehn, siebzehn, acht zwölf, da hat man dann so ... Überall gesehen, dass die Leute so Data Labs aufbauen.

00:12:05: Die Technologie hat sich weiterentwickelt.

00:12:07: Die Leistung auf den Rechnern war da.

00:12:09: Die Daten waren zum ersten Mal verfügbar.

00:12:11: Big Data war auch ein großes Thema damals.

00:12:12: Wer sich daran erinnern kann, so Hadoop-Cluster und so.

00:12:15: Weil die Zeit, die hat man das so aufgebaut.

00:12:19: Auch die Zeit, wo ich dann zur MAN gekommen bin.

00:12:21: Und die Schnittmenge, die Zeit, die hat man dann stattgefunden, von der Telefoniker zur MAN.

00:12:28: Da war Big Data so ein Sport-Topic und Data Science kam so auf und jeder hat so ein Data Lab gemacht.

00:12:33: VW hat so ein VW Data Lab gehabt, das gibt es glaube ich immer noch, bin mir nicht ganz sicher.

00:12:38: Und jeder hat mal ausprobiert, was kann ich mit meinen Daten machen, was kann ich für Prognose-Modelle machen, kann ich Productive Maintenance vielleicht machen, kann ich irgendwie Prognosen machen, was sind die besten Preise, die ich anbieten sollte.

00:12:46: Aber alles so... Ja, so spielerisch.

00:12:50: Das war eher so researchmäßig.

00:12:52: Okay, wir haben jetzt hier Daten.

00:12:53: Was machen wir damit?

00:12:54: Wie können wir die Firma verbessern?

00:12:56: Man hat klassischerweise so Kostcenter, hat halt Geld gekostet, hast ein bisschen Applied-Research gemacht und hast geschaut, dass du die ersten Ansätze so ein bisschen in die Firma treiben kannst und mal zeigst, was der Mehrwert ist.

00:13:07: Das war die zweite Phase nach der Analytics-Phase.

00:13:10: Dann kam die dritte Phase, da war ich bei der EON, da waren wir am Anfang ein bisschen in Datalab und haben diese Innovation gemacht, so ein bisschen Research gemacht.

00:13:19: Hatten superviele gute Leute, auch mit akademischen Background, viele mit PhD, viele mit Doktor, und haben das in die Firma getrieben.

00:13:26: Und dann sukzessives, dann weitergerinnert gesagt hat, du willst ja nicht nur Innovation und Research machen, du musst ja auch den Wert heben.

00:13:32: Du musst es auch verankern in der Gesellschaft und du musst es auch in Produktion bringen.

00:13:36: Und dann hat sich das Feld halt immer weiterentwickelt.

00:13:38: Dann gab's halt so was wie Machine Learning, Machine Learning Operations.

00:13:41: Wie baust du den Stack auf, den Technologiestack?

00:13:43: Wie kannst du die Modelle warten in der Produktion?

00:13:45: Wie bringst du überhaupt in die Produktion?

00:13:47: Und nicht nur irgendwie auf deinem lokalen Laptop.

00:13:49: Und das war dann so die dritte Phase, sag ich mal, also das ganze zu produzionalisieren.

00:13:54: wird immer noch stark aus diesem Data Lab rausgetrieben.

00:13:56: Und dann die letzten drei Jahre, auch bei der EON, war dann auch mehr der Ansatz, wo man gesagt hat, jetzt müssen wir mal einen Hebel dahinter kriegen, müssen das gescheiten, monetarisiert kriegen.

00:14:04: Bei uns intern war's dann so, das ist nicht in vielen Firmen so, soweit ich weiß, aber bei uns intern war's dann so.

00:14:09: Wir sind dann vom Kostcenter zum Profitcenter geworden, dann sukzessive hatten wir kein internes Budget mehr, sondern sukzessive hieß es dann, okay, ihr macht ja geile Sachen, die internen Klienten, also zum Beispiel bei mir die einzelnen Energy Retail-Gesellschaften.

00:14:22: Wenn es den Wert bringt, den ihr verspricht, dann zahlen die sich auch gerne dafür, weil wenn die Positiven ROI haben, dann könnt ihr sich auch verkaufen.

00:14:30: Und dann hat sich es verwandelt in so eine interne Tech-Consulting, sagen wir mal.

00:14:34: Und dann war ein Profi-Center und dann hatte ich meine eigene P&L und war dafür verantwortlich, quasi den Revenue wieder reinzuholen durch Kundenprojekte, die wir intern hatten mit unseren internen Klienten.

00:14:45: Ja,

00:14:46: gerade auch durch die neue, die ganzen KI-Anwendungen, die jetzt entstehen, also generell durch Large Language-Modell oder auch andere Formen von KI, sind natürlich auch ganz neue Business-Anwendungen halt einfach entstanden, die sich jetzt, wie du gerade schön beschrieben hast, über die letzten Jahre einfach entwickelt haben.

00:14:59: Auf jeden Fall.

00:15:00: Die vierte Phase hat angefangen mit dem Launch von ChatGPT und dem AI-Hype, der uns viele Türen geöffnet hat.

00:15:07: Auf jeden Fall.

00:15:07: Auch wenn man das Team anschaut, dass ich damals hatte zu dem Launch von ChatGPT, haben wir so acht, neun Leute im Team.

00:15:16: Jetzt hab ich kurz nicht das Team gewechselt, aber dann haben wir es aufgebaut auf über dreißig Leute.

00:15:21: Stand heute.

00:15:22: Alles profitabel im Sinne von, wir kommen auf unsere Kosten intern.

00:15:26: Cool, genau.

00:15:27: Hast du es auch schon mehr in die Richtung angerissen?

00:15:29: Wie geht dir generell bei EON mit AI jetzt um?

00:15:32: Was ist da euer Mehrwert?

00:15:33: Wie entsteht das alles?

00:15:34: Ja, also, wir haben, was ich sehr schätze bei der EON, wir haben wirklich Top-Level-Management-Attention auf das Thema AI.

00:15:41: Unser Managing Director ist zugleich auf Chief Data und AI-Office.

00:15:44: Und wir treiben das Thema sehr aktiv voran.

00:15:46: Wir haben eine eigene AI-Strategie bei der EON entwickelt und pushen das Thema wirklich aktiv nach vorne.

00:15:54: Genau.

00:15:55: Cool, wenn ihr das so aktiv pusht, welche Anwendungen findet ihr im Bereich Data in AI für euch?

00:16:01: Was ist da die Möglichkeit in der Anwendung?

00:16:04: Ja, genau, das ist so eine Kernfrage, wie definiert man jetzt die AI?

00:16:07: Also, viele, wenn sie AI sagen, dann sprechen sie typischerweise von diesen Latch-Language-Modellen.

00:16:11: Das ist aber nur ein Aspekt, das bedienen wir natürlich auch.

00:16:14: Da haben wir unsere eigene Genial-Plattform zum Beispiel aufgebaut, die wir schon länger gelonscht haben, die wir auch für alle Mitarbeiter der EON gelonscht haben.

00:16:21: die für alle verfügbar ist, wo wir halt die Latch-Language-Modelle erst mal für jeden verfügbar gemacht haben, in einem sicheren Rahmen mit dem Betriebsrad abgestimmt und so, dass jeder das in seiner täglichen Arbeit nutzen kann.

00:16:32: Haben wir verschiedene Offerings.

00:16:33: Das eine nennen wir Ask Me Anything.

00:16:35: Das ist, wenn man so will, sag ich mal, ein Drop-in-Replacement für JETGBT, aber nicht limitiert auf die Open AI-Modelle, sondern wir haben jetzt die fünf großen Modellfamilien angeschlossen.

00:16:44: Cool.

00:16:46: Und das kann jeder innerhalb der EON nutzen.

00:16:47: Das war ein Projekt, das wir in meinem Team zusammen mit dem Plattformkollegen damals, das ich übernommen hab, vorangetrieben haben.

00:16:53: Ist es dann so, dass man die Modelle quasi einzeln aktiv ansteuern kann, oder wird das so ein bisschen automatisch redirected nach dem, was der Nutzen oder was der Prompt jetzt quasi gerade ist?

00:17:00: Niemand kann die Modelle explizit auswählen.

00:17:03: Also wenn man sagt, man möchte jetzt gerne Mistral nutzen, dann kann man das machen.

00:17:06: In Ask Me Anything.

00:17:07: Cool.

00:17:08: Der einzige Punkt ist, es gibt so eine kleine Weiche im Backend.

00:17:12: Wenn wir zu viel Traffic zum Beispiel auf einem ... Modell haben, wo nicht viel Kapazität drauf haben.

00:17:16: Dann gibt's eine Weiche, dann wird's umgeleitet, z.B.

00:17:18: auf GPT-Dreifünf.

00:17:19: So als Backup, aber sonst kann man das Modell explizit auswählen und sagen, ich möchte jetzt mit Claude nutzen oder ich möchte Mistral nutzen oder ich möchte Gemini nutzen.

00:17:27: Der Default ist die GPT-Modellfamilie, die ist am besten verfügbar.

00:17:31: Und wir nutzen die Azure-Infrastruktur, das ist halt einfach direkt verfügbar und hat die meiste Kapazität.

00:17:36: Ja, cool.

00:17:38: Genau, also das sind so die AI-Themen mit Latch-Language-Modellen, die decken wir gut ab.

00:17:41: Da gibt's natürlich auch Use-Cases, die sich jetzt weiterentwickeln.

00:17:44: Z.B.

00:17:45: im Kundenservice haben wir Use-Cases, die wir da weiterentwickeln.

00:17:48: Aber wir haben auch die klassischen Themen, die man jetzt auch ein nennt im Maschinenordnungsbereich mit Prognosemodellen, wo wir halt predictive maintenance solutions haben, z.B.

00:17:57: für die Blockheitskraftwerke oder wo wir im Netz starke Projekte haben Richtung.

00:18:02: Da gibt's ganz coole Projekte Richtung Ecological Corridor Management.

00:18:06: Da geht's im Prinzip darum, man hat diese overhead Stromtrassen.

00:18:09: Ja.

00:18:11: Und die Vegetation, die darf nicht reinwachsen.

00:18:13: Die Bäume und die Sträucher.

00:18:15: Dann gibt's Kamerabildern von Helikoptern, von Drohnen, von Leider-Images.

00:18:20: Dann geht's darum, wo schicke ich zum ... Also, ein bisschen flapsig gesagt, wo schicke ich zuerst die Leute mit der Kettensäge hin.

00:18:25: Was priorisiere ich?

00:18:26: Wo schneide ich zuerst die Büsche und die Bäume zurück, dass ich die Netze schützen kann und die Energie liefern können.

00:18:32: Cool.

00:18:32: Da haben wir auch unterstützt mit Data Science und Methoden.

00:18:35: Mhm.

00:18:37: Okay, das heißt, das fällt jetzt schon so ein bisschen in deinen Aufgabenbereich rein, in deinen Product and Platform Part?

00:18:43: Der erste Teil fällt da rein.

00:18:45: Also die Genii-Plattform, die fällt auf jeden Fall in meinen Aufgabenbereich rein.

00:18:48: Die anderen Themen, die ich genannte, die waren IA-Projekte.

00:18:50: Das habe ich vor September gemacht für Energy Retail im Prinzip, wo wir halt gesagt haben, hey.

00:18:55: Klient hat ein Problem.

00:18:57: Wir gehen ran.

00:18:57: Ich hab Leute, die sich auskennen.

00:18:59: Wir können end-to-end die Lösung implementieren.

00:19:01: Und jetzt auch so ein bisschen die Abgrenzung zum neuen Bereich, also der alte Bereich, der macht Projekte, den gibt's auch weiterhin, der wächst auch weiterhin, wird auch weiterhin fortgeführt auf jeden Fall.

00:19:10: Und im neuen Bereich, da kümmern wir uns jetzt halt um Plattformen und Produkte, wo wir halt sagen können, da können wir mehr Wert anbieten für die ganze Firma.

00:19:18: Und das sind nur ein Kunde, der das nutzen kann intern, sondern mehrere.

00:19:21: Und da haben wir zum Beispiel die Ion-Genial-Plattform gesehen, wo wir gesagt haben, wir möchten die Language-Modelle jedem in der Firma zur Verfügung stellen.

00:19:28: Und das geht ja auch relativ generisch, weil Text geht rein, Text geht raus, Domain ist relativ egal, funktioniert mit allen Domains gut.

00:19:35: Dann haben wir gesagt, hey, wir brauchen nicht nur Projekte, sondern wir wollen auch Zynägien heben.

00:19:39: und ja, Produkte und Plattformen anbieten innerhalb der Ion für Entwickler, aber auch für Endanwender.

00:19:45: Das ist jetzt auch grad schon wieder Produkt und Plattform genannt.

00:19:47: Vielleicht kannst du da noch mal so ein bisschen den Unterschied zwischen den beiden einmal rausarbeiten.

00:19:51: Ja, also ich würde sagen, der Übergang da ist so ein bisschen fließend.

00:19:54: Also wenn man jetzt die GNI-Plattform anschaut, sag ich, ist eine Plattform.

00:19:59: Aber auf der Plattform haben wir halt zwei Produkte, zwei wesentliche Produkte.

00:20:02: Das eine ist Ask Me Anything als Replacement for Chatchabity, sag ich mal.

00:20:05: Und wir haben einen Produkt, das wir Chat for Data nennen, wo du deine eigenen... Daten mitnehmen kannst, die mit der Gruppe teilen kannst.

00:20:11: Dann kannst du so Information, Discovery oder Content Generation machen auf der Plattform.

00:20:17: Genau, bei der Unterbau, der E- und Generei-Plattform ist zum Beispiel ein API-Backend, um diese verschiedene Modelle, die wir haben, anzusprechen in einer gleichen Art und Weise und generell auch.

00:20:27: Custom Solutions, sag ich mal.

00:20:29: Wenn es ein Kunde sagt, hey, ask me anything and chat, für das reicht mir nicht für mein Newscase.

00:20:32: Ich möchte gern was Geiles in meinem Auditbereich bauen, zum Beispiel.

00:20:36: Dann können wir die Plattformkomponenten nutzen, die wir haben, und neue Produkte bauen oder neue Projekte darauf aufsetzen.

00:20:42: Also ich sag jetzt mal ganz flapsig vielleicht auch, also quasi wie so ein Art Lego-Bau-Kasten, was sozusagen die Plattform ist, und dann die einzelnen Steinchen sind für die Produkte.

00:20:50: Richtig.

00:20:51: Wir wollen einfach, dass neue Eiprodukte schneller starten können und dass wir die Grundlagen dafür haben.

00:20:57: Dann gibt es natürlich so klassische Produkte oder klassische Plattformen, die wir anbieten unter einen Rahmenverträge haben mit externen Vendoren, wie zum Beispiel Databricks, die wir halt auch zur Verfügung stellen.

00:21:06: Da haben wir dann so ein bisschen Value-Add-Services, wo wir sagen, Databricks kannst du auch selber auf der Azure hochfahren, wenn du Bock hast.

00:21:12: Aber was du bei uns halt noch bekommst, du bekommst Blueprints dafür, du bekommst firewall-freie Schaltungen.

00:21:18: Im koppelten Environment musst dich immer vielen Leuten abstimmen.

00:21:20: Du hast Architektur-Choices, die wir schon getroffen haben und du hast einfach ein Headstart mit den Produkten und Building Blocks, die wir anbieten.

00:21:26: Ja, macht natürlich dann die gesamte Entwicklung einfach viel schneller.

00:21:29: Genau, das ist genau das Ziel.

00:21:31: Genau, du hast es auch schon so ein bisschen wieder angerissen mit Governance und auch so, wenn man jetzt Corporate irgendwas einführen möchte, muss man natürlich auch gucken, dass es dann wieder mit den Setzgebern etc.

00:21:39: pp übereinstimmt.

00:21:40: Wie geht

00:21:41: ihr da konkret mit Governance und Sicherheit jetzt um, zum Beispiel auch irgendwie Halluzinationen, Datenschutz, Auditability.

00:21:47: Ja.

00:21:48: Genau, ist ein gutes Thema, wird eigentlich komplett abgedeckt von der AI-Strategie.

00:21:51: Da gibt's verschiedene Workstreams, da gibt's einen technologischen Platforms-Workstream, aber da gibt's genauso einen Ethics- und legal-Workstream.

00:21:58: Und da sind wir echt in enger Abstimmung mit allen Governance-Bodies, sag ich mal, innerhalb der ION, dass wir da Sachen für unsere internen Mitarbeiter anbieten, die Compliance sind, in jedem Sinne.

00:22:08: Und die IT-Security natürlich abdecken, die den Datenschutz abdecken, die den AI-Act.

00:22:14: natürlich berücksichtigen.

00:22:16: Und da gibt's ja auch schon Schritte, die schon implementiert sind und die jetzt weiter ausgerollt werden.

00:22:20: Das haben wir alles im Rahmen dieser Eistrategie einmal zentralisiert und gebündelt.

00:22:24: Genau,

00:22:25: also quasi direkt wieder nahtlos verwoben mit quasi euren Compliance-Abteilungen, die dann on the fly so ein bisschen mit reingucken.

00:22:31: Was ihr da gerade macht, was eure Projekte angeht, ist das alles.

00:22:34: Genau, da gibt es viele Prozesse, die schon aufgesetzt sind, aber die sind auch integraler Bestandteil der R-Strategie, dass wir das halt ganzheitlich betrachten und nicht nur sagen, hey, Laschnengels-Modelle sind jetzt da, let's go, müssen wir machen, sondern wir haben da einen holistischen Blick drauf und betrachten alle Streams dabei.

00:22:49: Cool.

00:22:50: Genau, du hast auch das Thema Halluzination angesprochen und wie wir damit umgehen, das ist natürlich ein... Ein Kernfeature von Latch-Language-Modellen, Halluzinationen.

00:22:58: Da haben wir eng zusammengearbeitet mit den Bestimmungsgremien bei der ION und intern, wie wir das handhaben wollen.

00:23:04: Aber unser Key-Leitspruch war immer, wir wollen die Technologie nicht verbieten, was zur Halluzination kommen soll.

00:23:09: Das heißt, wenn du heute auf unsere Genial-Plattform gehst, haben wir da auch ein großes Statement, wo normal da steht, kannst du Halluzinationen kommen, prüft ein Statement oder prüft deine Antworten einfach noch mal darauf.

00:23:19: Das ist dann so ein bisschen ... in die Richtung Mitarbeiter gespielt, aber wir haben auch viele Trainings- und interne Lernangebote zu dem AI-Thema, viele Knowledge-Sessions gemacht, dass die Leute

00:23:26: dafür ...

00:23:27: Genau sensibilisiert sind, wie kann man damit umgehen?

00:23:30: Und nicht alles ist einfach blind drausnimmt und weiternutzt.

00:23:33: Aber im Kern würde ich auch sagen, das war ja früher auch nicht anders.

00:23:36: Also, früher, wenn man eine Google-Suche gemacht hat, zum Beispiel, muss man auch mal double-checken, stimmt das denn?

00:23:41: Kann theoretisch ja jeder alles schreiben im Online.

00:23:44: Ja, auch auf Wikipedia natürlich.

00:23:45: Auch

00:23:45: auf Wikipedia natürlich, ne?

00:23:46: Ich glaub, die haben gute QR inzwischen auf Wikipedia.

00:23:49: Aber es kann ja auch überall passieren.

00:23:51: Nicht nur bei Latsch-Language-Modellen.

00:23:52: Da natürlich insbesondere ist, klar.

00:23:54: Cool.

00:23:55: Kommen

00:23:55: wir jetzt so ein bisschen zu einem anderen, sagen wir mal, karrierebezogenen Thema.

00:23:59: Es geht so ein bisschen darum, du warst ja früher, bist quasi als Fachexperte von einem Statistikstudium eingestiegen, hast auch so ein bisschen, sagst du ja selber, auch immer noch so ein bisschen Nerd im Herzen, bis quasi als Nerd-Fachexperte eingestiegen und mittlerweile aber auch in der Führungsposition.

00:24:12: Wie ist das für dich abgelaufen?

00:24:13: Wie war das so?

00:24:14: Für mich war es so ein Übergang.

00:24:18: Ich sag immer so scherzhaft.

00:24:19: Früher war ich jemanden, dessen Namen ein Axel eingetragen wurde.

00:24:22: Heute trage ich Namen selber in Axel ein.

00:24:23: Aber es war für mich so ein fließender Übergang.

00:24:26: Ich hab nie den Anspruch gehabt, als ich mit dem Studium aufgehörte.

00:24:28: Aber ich hab gesagt, ich möchte mal Manager werden.

00:24:30: Ich möchte mal in Leitde-Funktion kommen.

00:24:31: Das war nie so mein Ansatz.

00:24:33: Mein Ansatz damals bei der Telefoniker war so ein bisschen egal.

00:24:37: Was ich hier mache, das mach ich sowieso gerne.

00:24:38: Programmieren und mich mit Statistik beschäftigen.

00:24:41: Ist ja cool, dass mich noch jemand dafür bezahlt.

00:24:44: Dann hab ich gemerkt, ich hab mich weiterentwickelt.

00:24:46: Ich hab gute Projekte gehabt.

00:24:48: Ich hab auch gute Führungskräfte gehabt, ganz am Anfang auf jeden Fall.

00:24:51: Dann war's halt Junior, dann war's das Specialist, dann war's das Senior.

00:24:54: Ich hab auf jedem Level versucht, zu überzeugen.

00:24:56: Das hat mir auch Spaß gemacht.

00:24:58: Ich hab's wahnsinnig gerne gemacht.

00:25:00: Aber irgendwann war ich dann so an einem Punkt, wo ich gesagt hab, hey.

00:25:03: Ich hab alles gesehen, du kannst noch so gut sein als Senior Developer und du kannst zehnmal besser sein als die anderen, aber dein Tag hat trotzdem nur vierzehn Stunden.

00:25:10: Und dein Arbeitstag hat trotzdem gesetzlich zumindest nur acht Stunden.

00:25:13: Und bist irgendwo limitiert, dann hab ich mir gedacht, der nächste logische Schritt für mich ist einfach in Führungsrolle zu gehen.

00:25:20: Es war gar nicht so, dass ich zu meinem Chef gesagt hab, ich möchte jetzt eine Führungsrolle haben, weil ich glaub, da hab ich mehr Impact.

00:25:24: Das hab ich mir jetzt vorgedacht, aber mein damaliger Führungskraft kam dann auf mich zu und hat gesagt, hey, wir schneiden hier ein bisschen neu.

00:25:30: Wir machen die Abteilung neu.

00:25:32: Hast du nicht Lust, ein Team zu übernehmen?

00:25:34: Und dann hab ich so ein Team gehabt mit fünf, sechs Leuten, die vorher meine Kollegen waren.

00:25:37: Das war dann auch so eine andere Herausforderung, wenn man so zum Kollegen, zum Chef wird.

00:25:41: Aber das hat gut für mich funktioniert.

00:25:43: Dann war ich Teamlead.

00:25:46: Und der damalige Head-Off hat sich dann entschieden, die Firma zu wechseln.

00:25:49: Dann war die Stelle da und dann ... hab ich mich in Position gebracht.

00:25:52: Dann war das halt so der nächste Schritt.

00:25:53: Das hat sich dann so natürlich entwickelt, sag ich mal.

00:25:56: Ich war erst Teamlead, hatte fünf Leute, dann war ich Head Off, da hatte ich zwei Teams unter mir.

00:26:01: Dann kam halt die Phase, die ich vorhin schon beschrieben hab, wo ich gesagt hab, wir sehen starkes Wachstum, wir wachsen jetzt und bauen das Team auf.

00:26:08: Dann kamen andere Challenges dazu, weil irgendwann hatte ich fünfzehn Leute, die direkt an mich verportet haben.

00:26:13: Und da hat man schon viel zu tun.

00:26:16: Da

00:26:16: kommt von allen Ecken irgendwas auf.

00:26:17: Irgendjemand hat immer ein Problem, dass man dann lösen muss.

00:26:19: Und dann wird man auch schnell zum Bottleneck und da muss man aufpassen.

00:26:22: Weil klar, der Klassiker ist mal operative Themen, so Urlaubsanträge.

00:26:26: Und dann machen die Leute alle Projekte.

00:26:28: Und wenn man seniors hat.

00:26:30: Dann funktioniert das schon ganz gut.

00:26:31: Dann kann man auch Fünfzehn Leute haben.

00:26:32: Wenn die das selber vorantreiben, dann machen wir nur ab und zu.

00:26:35: Und die laufen alleine.

00:26:36: Aber gerade, wenn es dann mal zwei, drei, vier Projekte gibt, wo es hakt und man rein muss, dann kommt man schon in Schwitzen, sag ich mal.

00:26:42: Das glaube ich gerne.

00:26:43: Ich

00:26:43: hatte mal so eine Situation, da war ich in der Herdaufstelle schon, hatte irgendwie Fünfzehn Leute.

00:26:47: Und da hatte ich zwei Wochen Urlaub.

00:26:49: Da hab ich gesagt, hier Person A, du machst mal den Teilbereich.

00:26:52: Person B, du kümmerst dich um den Teilbereich, während ich nicht da bin.

00:26:55: Dann war ich zwei Wochen im Urlaub, hab nicht viel gehört, hab gedacht.

00:26:58: Alles smooth, lief alles gut.

00:26:59: Dann kam ich wieder zurück.

00:27:00: Die Mutter haben

00:27:01: drin.

00:27:02: Nee, das haben die gut gemacht.

00:27:04: Dann hab ich mit beiden so one-to-one gemacht und gesagt, hey, machen wir eine Übergabe.

00:27:07: Was war so los die letzten zwei Wochen?

00:27:09: Dann haben die gesagt, hey, Sebastian, wir wussten gar nicht, was du alles machst.

00:27:12: Wir waren schon alleine am Limit.

00:27:14: Und wir haben die Sachen zu zweit gemacht, die du alleine machst.

00:27:17: Und ... Sag mal mehr im Team, was du hier zu tun hast, das wird gar nicht den Leuten so klaren.

00:27:22: Aber dann bist du an so eine Position, wo du sagst, ich hab fünfzehn Leute, wahnsinnig viel zu tun und wir wachsen aber weiter.

00:27:28: Und dann kam die nächste interessante Phase, wo du dann gesagt hast, hey, das machst du nicht mehr direkt, du brauchst jetzt Teamleads.

00:27:35: Und dann hab ich eine Führungsebene unter mir aufgebaut und zwei richtig gute Teamleads auch gefunden.

00:27:40: Richtig stolz auf die beiden, was die geleistet haben und wie die die Abteilung noch mal vorangebracht haben damals.

00:27:45: Ja, und das war dann so die nächste Phase.

00:27:47: Also, erst war so der Fachexperte, dann ist so der Teamlead geworden, dann Head Off.

00:27:51: Und dann hast du so Manager unter dir gehabt, die du selber eingestellt hast und eingelernt hast und hast die Strukturen hochgezogen.

00:27:56: Das war super interessant, auch viel dabei gelernt.

00:27:59: Das

00:27:59: glaub ich gerne.

00:28:00: Waren jetzt dann diese neuen Teamleads, die du dann eingestellt hast, auch noch ehemalige Kollegen von dir damals oder quasi neue Einsteiger?

00:28:07: Beides.

00:28:08: Also der eine Kollege, der damals gekommen ist, der war schon im Team, den habe ich quasi zum Teamlead befördert.

00:28:13: Und die andere Stelle, da hatten wir gerade keinen, der sich angeboten hat, keinen, der jetzt ein guter Fit war.

00:28:18: Und dann haben wir extern gesucht.

00:28:20: Und dann habe ich jemanden extern eingestellt.

00:28:22: Perfekter fließender Übergang zu quasi Einstellungsgesprächen oder so.

00:28:25: Wie gehst du damit um, wenn du jetzt jemand neuen finden möchtest, einstellen möchtest, für entweder vielleicht eine Team-Liedposition oder aber auch für jemand vom Team?

00:28:34: Wen sucht ihr da auch oder wie geht ihr davor?

00:28:36: Ja, das ist eine sehr gute Frage, weil ich hab schon gesagt, wir hatten jetzt so ein, zwei Jahre, und es geht auch weiter, des großen Wachstums, wo wirklich viele Leute eingestellt haben.

00:28:44: Und auch wenn ich mit meinen Piers so in anderen Firmen spreche, ist das echt eine Luxussituation, dass man Leute einstellen kann.

00:28:49: Wir haben vorhin so ein bisschen über Kostcenter und Profizenter gesprochen.

00:28:52: Gerade wenn man Kostcenter ist, muss man natürlich um jede Stelle kämpfen, weil die Kostiefirma im Wesentlichen, also im Anführungsstrichen Geld.

00:28:57: Wir waren an Profizenter und es hieß einfach, okay, Sebastian, du kannst im Prinzip so viele Leute einstellen, wie du möchtest.

00:29:02: Am Ende müssen die Zahlen grün sein.

00:29:04: Du musst Projekte für die Leute haben.

00:29:05: Und die Utilisation muss gut sein.

00:29:07: Klassisches Consulting-Geschäft.

00:29:08: Da hatte ich halt viele Freiheiten und konnte mein Team selber gestalten.

00:29:13: Grundsatz war immer, wir wollen entlieferfähig sein.

00:29:15: Und wir wollen natürlich Leute haben, die wir in interne Projekte verstarfen können, dass sie nicht auf der Bank sitzen.

00:29:21: Und nachdem wir aber so viel Demand an Hiring haben, hatten wir dann auch die Gelegenheit, richtig gute Prozesse aufzusetzen dafür.

00:29:28: Und das habe ich im Team bei mir etabliert.

00:29:31: Das habe ich bei meinen Teamleads etabliert.

00:29:33: Und was wir im Prinzip machen, wir haben natürlich Interview-Light-Fan.

00:29:36: Und der Prozess, den wir normalerweise fahren, ist, wir haben zwei oder drei Interviews, die wir auch kurz nacheinander machen, also nicht so eine Woche das, sondern zwei Wochen später das andere, haben es teilweise geblockt gemacht an einem Tag, wo wir gesagt haben, hey, wir haben einen General-Interview.

00:29:48: Das war typischerweise mit mir oder mit dem Teamlead später, also mit der Führungskraft.

00:29:52: Wo es darum ging, ein bisschen Softskills abzuprüfen.

00:29:55: Passte ins Team.

00:29:56: Warum will der zu ehrenkommen, zum Beispiel?

00:30:00: Wie sieht er seine Rolle?

00:30:01: Passt das alles?

00:30:02: Ist er reflektiert?

00:30:03: Passt die Softskills, sag ich mal?

00:30:05: Und dann haben wir ein zweites Interview gemacht, als wir immer Tech-Interview genannt haben, auch mit der Aufgabenstellung.

00:30:10: Weil ich typischerweise technische Leute eingestellt hab, also Data-Scientists und Data-Engineers.

00:30:14: Selbst bei den Teamleads hatten wir auch eine Aufgabenstellung, aber die war eher, wie skaliert es unser Business hier?

00:30:20: Da hatten wir einen Pool an Kollegen, wo wir gesagt haben, er ist ein Seniors, wir hatten einen Pool an Aufgaben.

00:30:25: Und haben die dann immer ins Rennen geschickt ins Interview.

00:30:28: Und als Drittes dann haben wir noch eine Runde optional angeboten, so ein bisschen ... Ich weiß gar nicht, wie wir das genannt haben, aber es war die Runde ... Hey, du kannst noch mal mit zwei Kollegen dich austauschen bei der EON, die bei uns im Team sind, um ein bisschen zu gucken, wie es denn arbeiten bei der EON und wie ist die Gantine so zum Beispiel.

00:30:44: Wir sind die Standorte, das haben die Leute auch mal ganz gern angenommen.

00:30:48: Aber im Idealfall hatten wir an einem Tag alle drei Interviews nacheinander.

00:30:52: Und die Kandidaten waren dann schon so, hey, drei Stunden Interview ist schon anstrengend und volle Konzentration.

00:30:58: Aber das Schöne war, wir sind dann oft am Nachmittag zusammengekommen und konnten eine schnelle Entscheidung treffen.

00:31:03: Man musste nicht ewig warten, sondern wir haben am Nachmittag uns intern die Karten gelegt, alle aus den Interviews kamen zusammen.

00:31:09: Ich hab beide aber auch nie jemand aus meinem Team overruled und hab gesagt, hey, der war im Generalinterview super gut, wenn die gesagt haben.

00:31:14: Technologie war nix.

00:31:15: Ich hab nicht gesagt, den holen wir, sondern hab ich immer aufs Team gehört.

00:31:19: Weil wir auch den Anspruch haben, dass unser Standard halt gehalten wird.

00:31:22: Das war mir das Wichtigste.

00:31:23: Wir stellen nicht nur Leute ein, um schnell irgendwie Demand abzufrühstücken, den wir haben, sondern die Qualität muss passen, die Leute müssen ins Team passen.

00:31:30: Da hab ich auch keine Ausnahmen gemacht.

00:31:33: Und wir sind aber auch schnell mit allen Leuten zusammengekommen am Freitag intern, haben uns dann ausgetauscht.

00:31:38: Wie fanden wir den oder die Kandidatin?

00:31:40: Und haben dann eine Entscheidung getroffen.

00:31:43: Gehen wir damit weiter oder nicht weiter?

00:31:45: Oft am Freitag, typischerweise hab ich dann Montag-Dienstag schon die Leute angerufen und hab gesagt, hey, wir haben uns entweder für dich entschieden oder wir haben uns dagegen entschieden.

00:31:52: Ich mein, das ist ja auch nicht nur für euch praktisch, wenn ihr direkt das alles noch frisch auf den Kopf habt, was ihr gerade alles für Eindrücke bekommen habt, sondern auch natürlich dann auch irgendwo auch, sag ich mal, ein bisschen fairer, vielleicht für die Bewerber einfach, oder Bewerberinnen, dass sie sich halt dann auch einfach schneller quasi ... Bescheid wissen, was abgeht, und vielleicht weiterumschauen können.

00:32:09: Oder wissen, okay, cool, das hat geklappt.

00:32:11: Vielleicht ist es genau das, was ich will.

00:32:13: Ja, absolut.

00:32:14: Wir haben auch viele Vorteile für uns gesehen, aber viele für den Kandidaten oder die Kandidaten gesehen.

00:32:19: Das Schlimmste ist, wenn man so ein Vorstellungsgespräch hat, dann hört man so zwei Wochen nix.

00:32:23: Das habe ich auch schon gehört, man hat fünf Runden, und es streckt sich über zwei Monate.

00:32:28: Das ist natürlich auch anstrengend.

00:32:31: Da finde ich, unser Prozess ist besser für uns und für die Kandidaten, für die Bewerber.

00:32:35: glaub ich auf jeden Fall.

00:32:37: Jetzt hab ich da jetzt nicht die Erfahrung mit, aber rein so als Laie hört sich das auf jeden Fall nach einem plausiblen Weg an.

00:32:43: Ich find's auch jetzt zum Beispiel gut, wenn du sagst, okay, ich bin zwar sozusagen hier oben derjenige, der am Ende des Tages vielleicht die Entscheidung trifft, aber wenn jetzt hier mein Team sagt, hier ist nicht der Fit für uns, dann passt das halt einfach nicht ins Team.

00:32:54: Korrekt.

00:32:55: Am Ende treff ich als Führungskraft die Entscheidung, wenn wir reinholen.

00:32:58: Es gab auch Leute, die im Tech-Unterview brilliert haben, wo ich aber gesagt haben, seh ich nicht, passt nicht.

00:33:03: Aber was ich nie gemacht hab, ist, wenn jemand gesagt hat, die Technik ist nicht passend, dann war's für mich ein No-Go, dann hab ich die Person nicht geholt.

00:33:12: Weil, dann wird's schwierig, dann wird's schwierig.

00:33:15: Dann kann man natürlich sagen, ich glaub, die entkann sich gut entwickeln und die Anlagen sind da.

00:33:19: Aber dann hast du auch immer so eine Diskussion im Team, wo du sagst, du lässt uns hier Tech-Interview machen und am Ende triffst du trotzdem die Entscheidung und hätten uns sparen können.

00:33:26: Das ist auch so ein Punkt.

00:33:28: Da fehlt dann irgendwie der Purpose für die Leute, die sich die Zeit dafür

00:33:30: haben.

00:33:30: Genau.

00:33:31: Ich habe gesagt, ihr macht das Tech-Interview und ihr macht das auch richtig gut, bitte, und nach den Standards, die wir haben.

00:33:36: Aber dafür vertraue ich auch eure Meinung am Ende.

00:33:39: Ja, voll.

00:33:40: Du hast auch gesagt, verschiedene Standorte zum Beispiel.

00:33:42: Welche Standorte sind das dann in Deutschland?

00:33:44: Kommt darauf an auf die Gesellschaft.

00:33:46: Die EON ist groß.

00:33:47: Jetzt, wenn ich von der EON Digital Technology GmbH spreche, also der IT und Digital Arm von der EON, wo ich angestellt bin, wo wir quasi ... IT-Lösungen und AI-Lösungen für die ganze Gruppe machen.

00:34:00: Dann haben wir zwei Hauptstandorte.

00:34:03: Die Hauptstandorte sind Essen, wo die Zentrale auch ist, und München.

00:34:06: Das sind die beiden größten Standorte.

00:34:09: Nachdem wir eine große Firma haben, haben wir Kollegen in Hamburg.

00:34:13: Wir haben Kollegen in Berlin.

00:34:14: Wir haben mehrere kleinere Standorte.

00:34:17: Ich hab einen Kollegen, der ist in Regensburg.

00:34:20: da ist die Bayernwerk als Netzgesellschaft, aber da haben wir auch Büros zum Beispiel.

00:34:24: Ja, so ist auch ein bisschen breiter aufgestellt hier in Deutschland.

00:34:26: Genau, also wir sind breiter aufgestellt in Deutschland und das hilft uns auch, um wirklich die besten Talente zu finden, die besten am Markt zu finden, weil wir einfach viele Locations anbieten können.

00:34:33: Also du kannst fast überall in Deutschland bei uns wohnen und du hast einen Standort, den du gut erreichen kannst.

00:34:39: Ja, das ist schon auf jeden Fall ein großer Vorteil.

00:34:41: Wir haben

00:34:41: auch einen Standort in Frankfurt, by the way.

00:34:43: Wir haben nicht viele Leute, aber wir haben auch einen Standort in Frankfurt und das ist ein großer Vorteil für uns im Hiring.

00:34:48: Und unser Arbeitsmodus ist auch hybrid.

00:34:50: Wir arbeiten on-site zusammen, aber wir arbeiten auch viel remote zusammen.

00:34:53: Geht auch gar nicht anders.

00:34:54: Also mein Team ist auch verteilt zwischen den Standorten.

00:34:56: Das heißt, dass ich mal einen Tag hab, wo ich sage, da hab ich nur Meetings in München zum Beispiel, ist ganz selten.

00:35:02: Gerade zu Corona-Zeiten, klar, da haben wir alles remote gemacht in der Zeit lang.

00:35:06: Jetzt gibt's wieder Bestrebungen, wieder mehr ins Office zu gehen, weil du auch Vorteile hast, im Office zu

00:35:10: arbeiten.

00:35:11: Personal Connection ist ganz anders.

00:35:13: Schnell, gerade wenn's umruckelt, wenn man sich zusammensetzt und daran arbeitet.

00:35:17: Ich hab viele Hackertons gemacht früher.

00:35:19: Wenn man da sieht, was man in zwei Tagen oder einem Tag erreichen kann, wenn man zusammensitzt, das funktioniert remote nicht so gut.

00:35:25: Das stimmt.

00:35:26: Und ja, schrittweise geht's wieder zurück ins Büro.

00:35:29: Wir haben immer noch eine super flexible Homeoffice-Regelung.

00:35:32: Man kann viele Tage im Homeoffice arbeiten, keine fixen Tage, die man ins Büro muss.

00:35:37: Das Einzige, was ich dann im Team dieses Jahr eingeführt hab, wo ich gesagt hab, hey, wir machen unsere Team-Meetings, die wir einmal im Monat haben, die machen wir wieder on-site.

00:35:45: Und dann kommen die Leute an ihren Standort und haben gesagt, unsere drei Hauptstandorte im Team sind Berlin, Essen und München.

00:35:51: Und dann haben wir eine Videokonferenz, wo wir die drei Räume zusammengeschaltet haben.

00:35:55: Das war aber sehr, sehr positiv.

00:35:57: Da gab es den einen oder anderen gesagt, ich hab schon weiter anreise und so zum Büro.

00:36:00: Aber am Ende waren alle sehr, sehr happy damit, weil wir wieder zusammengekommen sind.

00:36:04: Wenn es nicht ins Bohr gegangen hat, dann gesehen ... Ja, ich bin im Büro und aus dem wir sind vier andere da.

00:36:09: Wo sind alle anderen zwanzig Leute im Homeoffice?

00:36:12: Das hat viel fürs Team getan und das war sehr positiv.

00:36:17: Abseits der Sachen, die du jetzt schon genannt hast, warum ist Eon noch für Data on the Island besonders spannend?

00:36:22: Es gibt so zwei Aspekte, die ich sehe bei der Eon.

00:36:24: Also A, offergleichen mit anderen Firmen, möchte ich hier kein Eigenlob aussprechen, aber wir sind sehr stayed-off die Art unterwegs im Data on the Island Bereich.

00:36:32: Wir haben richtig gute Leute aufgebaut, richtig gute Leute da und wir haben richtig, richtig gute Projekte.

00:36:36: die wir in den Ländergesellschaften machen können.

00:36:39: Bei uns musst du nicht erst Daten schrubben, um was aufbauen zu können, sondern du kannst loslegen und die Machine Learning und Data-Themen sind etabliert.

00:36:45: Wir haben die Plattformen dafür, wir haben Akzeptanz und Business dafür, und man kann richtig gute Themen bei der EON umsetzen.

00:36:53: Das ist der eine Punkt.

00:36:54: Der andere Punkt ist, warum auch viele Leute zu uns kommen, wir haben so ein Purpose mit Energiewende und Sustainability.

00:37:03: Also, die EON entwickelt sich ja ... im Netzbereich zu einer Gesellschaft, wo die erneuerbaren Energien natürlich stark vorangetrieben werden, die Netzanschlüsse der Photovoltaikanlagen zu bewältigen, die jetzt überall aufgebaut werden, Batteriespeicherkraftwerke, die jetzt neue dazu kommen, auch der ganze Themenbereich Richtung Immobility.

00:37:22: Also wenn man bei uns arbeitet, wenn man bei uns Data Science macht oder Data Engineering oder AI.

00:37:26: Whatever AI is, by the way.

00:37:28: Man arbeitet am richtigen Thema und man arbeitet dahingehend, dass man irgendwann klimaneutral ist, was die Energieerzeugung und was den Energieverbrauch in Deutschland angeht.

00:37:37: Ja, und ich sage mal, auf kurz, mittel- und langfristige Sicht braucht man auch in Zukunft weiterhin Energie.

00:37:43: Das heißt, so gesehen ist es auch, sag ich mal, eine sehr sichere Arbeit gewesen.

00:37:47: Das ganze Strombusiness und Energieversorgung, die EON hat ja selber keine Erzeugung mehr.

00:37:52: Wir haben ja noch die Energienetze und wie gesagt die Kundenlösungen.

00:37:55: ist ein sicheres Business.

00:37:57: Jeder braucht es, jeder hat einen Energievertrag, jeder hat Strom zu Hause.

00:38:00: Wir werden auch weiterhin brauchen.

00:38:02: Auch wenn wir vorhin über AI gesprochen, die ganzen Modelle, die ganzen Rechtenzässe, die brauchen wahnsinnig viel Strom und Energie.

00:38:10: Da bringe ich ein bisschen so ein Inception-Loop bei euch.

00:38:12: Es ist genau so ein bisschen Inception-Loop, da hab ich immer mal darüber nachdenkt.

00:38:15: Aber gerade Limiting Factor für neue Rechtenzentren, für KI ist auch, wo kriegt die Energie her?

00:38:22: Wo kann ich die am besten hinbauen, wo auch der Netzanschluss groß genug ist?

00:38:25: Auf jeden Fall.

00:38:26: Welche konkreten Rollen sucht ihr jetzt bei euch in den Teams?

00:38:28: Welche typischen Positionen sind da offen?

00:38:31: Die klassischen Positionen, die wir immer suchen, sind Data Scientists und Data Engineers im e-mail-Bereich.

00:38:36: Dann gibt es noch ein paar Architektenrollen, die wir auch haben.

00:38:39: Aber Data Scientists und Data Engineers suchen wir eigentlich durchgehend.

00:38:44: Ja.

00:38:45: Wenn ihr als Data Scientist denkt nach dem Podcast, okay, cool, die EON klingt auf jeden Fall spannend, nach einem sicheren Arbeitgeber mit vielen spannenden Projekten, wo man einen Teil haben kann, dann schaut einfach mal rein.

00:38:55: Wo soll man sich am besten melden, wo soll man sich am besten bewerben?

00:38:58: Am besten auf eon.com gehen, Stellenbörse checken, da sind alle Ausschreibungen drin, die wir haben.

00:39:02: Genau, den Link findet ihr natürlich auch direkt in den Schauen uns bei uns unten in den Podcast-Beschreibungen.

00:39:08: Du bist jetzt mittlerweile über sieben Jahren oder seit sieben Jahren bei EON dabei?

00:39:12: Was schätzt du am meisten?

00:39:13: Wie waren die sieben Jahre für dich?

00:39:15: Ich würd sagen, super lehrreich waren die sieben Jahre für mich.

00:39:18: Wir haben schon über meine Transition gesprochen, vom Fachexperten zum Head-off.

00:39:21: Das hat alles bei der Ion stattgefunden.

00:39:23: Bei der MAN hatte ich eine Chief Data Scientist-Rolle.

00:39:26: Da war ich so ein bisschen deprimus unter Paares, aber auch noch sehr fachlich unterwegs.

00:39:31: Ich hab da eine wahnsinnige Entwicklung durchgemacht bei der Ion.

00:39:35: Die verschiedenen Phasen hatte ich alle bei der Ion.

00:39:37: Er wurde immer supported von meinen Führungskräften, muss ich auch sagen.

00:39:41: Klar, es war ein bisschen Glück dabei, sag ich mal, weil das dieses AI-Thema so fliegt und dass es so viel größer wird, auch noch mal mit den Latch-Language-Modellen.

00:39:49: Das wusste ich nicht, dass ich zu Ähren gekommen bin.

00:39:52: Was ich aber sagen muss, die EON war immer vorne dabei, schon als ich angefangen habe, in dem Datalab-Setup, waren wir State of the Art unterwegs und es hat sich auch immer so weiterentwickelt und wir hatten auch immer die Management-Attention und auch den Support, da um die Themen voranzutreiben.

00:40:07: Also das finde ich gut, wir haben den Management Attention und der ganze Konzern hat sich in die Richtung umgebaut, dass man auch digital und AI wirklich als Key Enabler sieht, um die Energiewende managen zu können.

00:40:17: Und ansonsten hast du schon gesagt, ihr seid ein super sicherer Arbeitgeber, super gute Arbeitsumgebungen und viele Büros, die wir haben.

00:40:23: Auch so ein Side-Espekt, wir haben auch richtig gute Hardware.

00:40:25: Das hat man auch nicht überall.

00:40:26: Ich kann mich an Firmen erinnern, wo man dann irgendwie kommt, dann kriegt man so ein HP oder so ein Lenovo Windows Notebook und hat keine Atmenrechte und kann erst mal nichts machen.

00:40:34: Bei der EON hatten wir schon seit dem Jahr zwei Tausend Achtzehn, aber auch schon jetzt etabliert, haben wir halt MacBooks, auf dem man als Entwickler richtig gut arbeiten kann, wo wir alle unsere Modelle laufen lassen können, wo wir alles machen können, wo du eine gescheite Konsole hast.

00:40:46: um richtig gut arbeiten zu können.

00:40:48: Das darf man auch nicht unterschätzen.

00:40:49: Im Daily-Business vergisst man relativ schnell.

00:40:51: Viele Firmen haben da auch nachgezogen, weil sie gemerkt haben, die Nussmaschine ist man teilweise schon beschränkt, aber das ist auch so ein cooler Aspekt bei der Ion.

00:41:01: Mehr auf jeden Fall.

00:41:02: Gibt's sonst noch weitere Perks quasi, das von Marcantine in den Mund genommen, gibt's irgendwie in dir hinsicht noch weitere Perks, warum das jetzt besonders interessant sein könnte?

00:41:10: Am Ende kriegst du die Leute nicht über Perks oder den viel beschriebenen Obstkorb.

00:41:13: In der Kaffeeküche, den haben wir natürlich auch, aber am Ende kommen die Leute gerade die bei uns arbeiten, die sind super motiviert und die wollen einfach geile Themen machen.

00:41:21: Die wollen geile I.I.

00:41:22: Themen machen und die wollen sich da weiterentwickeln und neue Sachen lernen.

00:41:25: Und das ist auch der Key-Fokus, den ich immer gesagt habe, meine Leute, hey, wir wollen hier... gute Projekte machen und wir wollen, dass ihr euch gut weiterentwickeln könnt.

00:41:32: Das ist so der Hauptansporn für die Leute, deswegen hab ich den Fokus eher so darauf.

00:41:35: Ansonsten gibt's bei der EO natürlich, wir haben viele Standorte, hab ich schon gesagt.

00:41:38: Man kann quasi überall in Deutschland bei uns wohnen und bei uns arbeiten.

00:41:42: Fast überall, sag ich mal.

00:41:44: Die Kantinen sind gut an allen Standorten, kann ich auch sagen.

00:41:48: Aber ansonsten hat man auch so ein paar andere Benefits, also man kann Workation machen.

00:41:51: bis zu einer gewissen Anzahl an Tagen im Jahr, kann man vom Ausland aus arbeiten, wenn man das möchte.

00:41:56: Man kann bei uns viel Hybrid arbeiten und Homeoffice schätzen, auch viele Leute jetzt.

00:42:00: Man hat natürlich ein paar Mitarbeiter Benefits, die klassischen, die man so kennt.

00:42:03: Das wären so die Hauptbenefits, die ich sagen würde.

00:42:05: Aber ich glaub, der Keyfaktor ist, bei uns hast du Purpose, wenn du im Data- und Allbereich arbeitest, und wir haben geile Projekte.

00:42:11: Sehr cool.

00:42:12: Jetzt gehört also, schaut gerne bei Iron vorbei.

00:42:15: Auch könnt euch wahrscheinlich direkt bei Sebastian melden, wenn es direkt was ist.

00:42:18: Gerne.

00:42:19: Vorher kam mir noch eine Frage auf, die ich mir dachte, wenn du sagst, bist du häufiger bei Hackathons gewesen früher.

00:42:23: Ist das vielleicht auch was, worüber du schon mal nachgedacht hast, jetzt in einem Einstellungsprozess oder vielleicht generell mal bei euch im Team irgendwie anzuküllen?

00:42:32: Ich find Hackathons eigentlich ganz cool, weil es so eine Challenge ist.

00:42:34: Du hast vierundzwanzig Stunden Zeit und nach vierundzwanzig Stunden musst du liefern.

00:42:37: Und wenn du nix lieferst, kannst du die beste Idee haben, kannst du nicht gewinnen.

00:42:42: Also du hast eine harte Deadline und musst was liefern.

00:42:44: Und ich hab viele Hackathons gemacht, so in, ja, so zwei, siebzehn, achtzehn rum, sag ich mal, als ich noch in der fachlichen Rolle war.

00:42:52: Und das war immer so die Kernerausforderung und auch da zu sehen, wie die Leute rangehen.

00:42:55: Also ich hab viele gesehen, die dann sagten, boi, ich hab so Data und der iHackathons gemacht.

00:42:59: Bauen möglichst gutes Prognosemodell und machen eine Prognose auf Daten, wo wir die Antwort kennen und am Ende schaust du halt,

00:43:05: wie gut es funktioniert.

00:43:06: Genau, wie gut es funktioniert.

00:43:08: Und da haben wir auch, also von vier Hackertons haben wir drei gewonnen und einen sind wir zweiter geworden.

00:43:14: Knapp vorbei, aber trotzdem gut.

00:43:15: Genau, trotzdem gut.

00:43:17: Ich weiß auch, wovon ich rede da.

00:43:18: Ich hab viele Teams gesehen, die gesagt haben, wir machen total State-of-the-art-Modelle.

00:43:22: Die haben von den zwanzig Stunden, die man hatte, die haben die zwanzig Stunden gebraucht, um ihr Modell hinzustellen, ihr Prognosemodell aufzubauen.

00:43:29: Nach zwanzig Stunden haben sie gemerkt, Mist funktioniert der gar nicht so gut.

00:43:32: Dann hast du keine Chance mehr, was anderes zu machen, weil du hast noch vier Stunden.

00:43:35: Zwei brauchst du für eine Präsentation.

00:43:37: Die anderen zwei kannst du noch was hinwurschteln.

00:43:39: Aber da kriegst du nichts mehr Gutes hin.

00:43:41: Deswegen hab ich allen gesagt, wenn du so ein Hackathon machst, Der erste Punkt ist, fange ich sofort an, irgendwas zu implementieren, wo du denkst, das ist das Beste.

00:43:51: Nimm dir eine Stunde Zeit mit deinem Team oder zwei Stunden und überleg dir mal, was könnte funktionieren.

00:43:55: Und dann fängst du mal an, so ein Baseline zu bauen.

00:43:57: Und dann siehst du schon, wo die Probleme sind.

00:43:59: Wo sind überhaupt die Kern-Challenge bei diesen Problemen, das du hast.

00:44:02: Das nimm ich auch nicht mal ganz klar.

00:44:05: dann entwickelst du dich langsam nach vorne.

00:44:07: Aber mach nicht so einen Ansatz, wo du zwanzig Stunden brauchst und dann erst ziehst du auf viel.

00:44:11: Keine gute Idee.

00:44:12: Also fangen wir zu einer Baseline ein, schauen, wo die wirklich ein Problem sind und dann setz dich zusammen und schau, wie du die Haupthebel hast, um das Modellbesser zu machen oder deinen Problembesser zu lösen.

00:44:21: Und wir haben es jetzt nicht im Einstellungsprozess genutzt.

00:44:23: Da haben wir eher so ... Das ist dann auch mit die Herausforderung jetzt, mit Clotcode und mit JetGbt, wie willst du überwachen, dass das jemand selber gemacht hat?

00:44:30: Also haben wir drüber nachgedacht.

00:44:31: Wir haben ab und zu Aufgaben vergeben, aber da haben wir typischerweise ... Hacker schon gemacht oder keine Aufgabe als Hausaufgabe mitgegeben, sondern wir haben typischerweise dann eher so gemacht, hey, überlegt dir, du musst so ein Modell bauen, wie würdest du vorgehen, um zu gucken, wie geht die Person vor?

00:44:45: Was wir aber schon gemacht haben, ist, dass wir auf bestimmte Messen gehen, z.B.

00:44:49: auf die Via-Devalopas-Messe, dass wir auch interne Hackathons machen.

00:44:53: Und dass wir durchaus auch da mal gucken, wir haben eine Kooperation, vielleicht in die Richtung gedacht, wir haben auch eine Kooperation mit der TU München am Start, wo wir so ein Seminar unterstützen, wo die Studierenden dann Praxisprojekte machen.

00:45:04: Und es ist kein Hackathon, aber da gehen wir rein und sagen, wir haben eine Challenge von der EON.

00:45:09: bringen dann anonymisierte Daten mit oder Open Source Daten, die wir haben und sagen, es ist auch wirklich ein Problem, das wir haben.

00:45:14: Wir haben es jetzt schon sieben Semester gemacht, immer sehr erfolgreich und sagen, das ist wirklich ein Problem, das wir haben.

00:45:19: So sehen die Daten aus, so ist die Fragestellung.

00:45:21: Und ihr habt jetzt nicht vierundzwanzig Stunden Zeit, aber ihr habt euer Semesterzeit, liefert uns eine Antwort darauf und arbeitet es und da kamen richtig gute Ergebnisse raus.

00:45:28: Und da hat sich auch die ein oder andere Bewerbung bei uns ergeben, wo wir gesagt haben, hey, die haben einen guten Ansatz.

00:45:33: Sehr cool.

00:45:34: Und solche Leute können wir bei uns gebrauchen.

00:45:36: Ich glaube, ihr wart auch schon mal, wenn ich mich nicht alles täuscht, in den München bei der ITCS dabei.

00:45:41: Ja, waren wir.

00:45:42: Genau.

00:45:43: Also auch da, vielleicht seid ihr auch zukünftig mal wieder dabei, wäre auf jeden Fall cool.

00:45:46: Und auch was du gerade angesprochen hast, dazu haben wir jetzt durch euch auch recht neu ein Produkt, Xeam, was quasi auch so Online-Challenges quasi anbietet für zum Beispiel als auch euch.

00:45:55: Ich weiß nicht, ob ihr Kunden mal wart, aber all die haben da zum Beispiel mal ein Erfolgsprojekt, ähnlich wie du es gerade eigentlich beschrieben hast, wo man dann hat, aus so... Hands-on-Projekten, wo man irgendeine Aufgabe stellt, wo dann halt verschiedene Leute sich drauf bewerben und irgendwelche Lösungen versuchen zu erarbeiten.

00:46:09: Und da haben die dann auch irgendwie zwei coole Köpfe rausgezogen, die sie dann eingestellt haben.

00:46:13: Ja, sowas lohnt sich.

00:46:15: Also ich sag's doch immer, wir haben viele Leute auch eingestellt, die Empfehlungen waren.

00:46:18: Also alte Kollegen oder Leute, die man mal kannte, weil ich sag, wenn du mal mit jemandem wirklich zusammengearbeitet hast und siehst ... wie die Person arbeitet und was daraus gekommen ist.

00:46:28: Da hast du schon ein tausendmal besseres Bild, als wenn ich zwei Stunden mit jemanden spreche.

00:46:30: Auf jeden Fall.

00:46:31: Also, da haben wir immer drauf gesetzt.

00:46:32: Und das hat für uns sehr gut funktioniert.

00:46:34: Sehr spannend.

00:46:35: Cool.

00:46:35: Ich danke dir schon mal für diesen Podcast hier mit dir.

00:46:38: Sehr gerne.

00:46:38: Über die vielen Einblicke von ihr und was du so machst, wie deine Karriere sich entwickelt hat, war auf jeden Fall sehr spannend.

00:46:44: Wir kommen jetzt zum Abschluss.

00:46:45: noch mal so ein bisschen zu einem, sag ich mal, persönlicheren Wort.

00:46:48: Hast du irgendwelche Lieblings-Podcasts?

00:46:49: Bist du jemand, der Podcast gern hört?

00:46:51: Wenn nicht, kein Problem.

00:46:53: Ich muss sagen, ich bin kein Podcastgein, ne?

00:46:55: Also wenn ich jetzt mal mit meinem Chef spreche, dann sage ich, ja, ich höre den hier über Immobilienentwicklungen, ich höre den hier über Business, über KI, über... diese Geschichten.

00:47:02: Da kann ich nicht so gut mitreden.

00:47:04: Ich höre einen Podcast, den höre ich regelmäßig, aber eher so freizeitmäßig.

00:47:07: Das ist fest und flauschig.

00:47:09: Ich glaube,

00:47:09: schon mal gehört, ich kann mich nicht krammen.

00:47:11: Ja, mit Jan Böhmermann und Olli Schulz.

00:47:12: Das ist einer der meistgehörten Podcast in Deutschland oder sogar der meistgehörte Podcast.

00:47:16: Den höre ich aber typischerweise dann so auf längeren Autofahrten.

00:47:19: Wenn ich ein bisschen Unterhaltung brauche, dann höre ich mit dem Podcast an.

00:47:22: Ansonsten ... bin ich eher der Typ, ich schau mir wahnsinnig viele Dokus an.

00:47:26: Also mein Geht-Pleasure ist, eine Doku auf YouTube anschauen.

00:47:30: Ich glaub, es gibt keine Spiegel-TV-Dokuletzen, drei Jahre, die ich nicht gesehen hab.

00:47:34: Der Klassiker, den ich dann anschau, ist irgendwie so, vierundzwanzig Stunden mit dem Hausmeister durch Berlin.

00:47:38: Ist eher so die Themen, die ich mir so anschaue.

00:47:40: Und die zum Zeitgeschehen im Wesentlichen.

00:47:43: Ja,

00:47:44: cool.

00:47:45: Gibt's da außer das Hausmeisterwarten noch eine andere Dokusache, die dich besonders interessiert, ein Dokuthema?

00:47:51: Mich interessiert eigentlich viel, muss ich sagen.

00:47:53: Ich hab tatsächlich mal überlegt, auf LinkedIn so ne Section zu machen, so Empfehlungen für ... Weil viele empfehlen so Podcasts oder Bücher.

00:48:01: Auch gute Themen.

00:48:02: Ich hab gesagt, lass mal YouTube-Kanäle empfehlen, weil da gibt's auch richtig gute Doku-Kanäle.

00:48:06: Aber Sachen, die ich empfehlen kann, ist halt Fern.

00:48:10: Zum Beispiel kann ich empfehlen.

00:48:11: Athletic Interest, die schaut sich mal so ein bisschen Business-Entwicklung im Sport an.

00:48:15: Den finde ich wahnsinnig gut gemacht.

00:48:17: Simplicissimus auf Deutsch.

00:48:18: Sehr zu empfehlen.

00:48:19: Vox

00:48:19: auch da so ein bisschen deren ...

00:48:20: Vox auch zu empfehlen, Veritasium auch super beliebt.

00:48:25: Ja, so in die Richtung, so was schau ich gerne an.

00:48:26: Ja, cool.

00:48:27: Da

00:48:27: habt ihr auf jeden Fall auch noch mal ein paar coole Empfehlungen bekommen für vielleicht diverse YouTube-Channels, wo man auch was lernt und was Spannendes irgendwie mitbekommt.

00:48:35: Sehr cool, danke.

00:48:36: Hast du noch irgendwas, was du den Hörerinnen mit auf den Weg geben möchtest?

00:48:40: Ja, hab ich ein bisschen darüber nachgedacht auf der Herfahrt.

00:48:42: Was kann ich noch mitgeben?

00:48:43: Wir haben viel über Karriere geredet und Karriereplanung und wie man vorankommt.

00:48:47: Ich hab meine Karriere nicht direkt geplant und gesagt, in fünf Jahren möchte ich da sein.

00:48:52: Fand ich immer schwierig, weil vor fünf Jahren wusste ich nicht, dass er EI kommt.

00:48:56: Ich glaub, keiner konnte das so gut hervorhersehen, dass das so groß

00:49:00: wird.

00:49:00: Wenn man das könnte, braucht man sich um seine Finanzen keine Sorgen mehr machen.

00:49:03: Aber was ich immer empfehlen würde, ist ... Gerade wenn man Berufseinsteiger ist oder sich überlegt, was möchte man machen.

00:49:10: Ich empfehle den Leuten immer, mach nicht das, wo du denkst, da kann man viel Geld verdienen.

00:49:14: Mach das, wo du sagst, da hab ich Bock drauf.

00:49:16: Mach das, wo du auch glaubst, dass du besser bist als die anderen.

00:49:19: Weil ich glaub, dann gibt's viele Felder, wo du Karriere machen kannst.

00:49:21: Dann musst du sagen, ich geh jetzt nicht in Blockchain oder KI oder irgendwas rein, sondern ich mach einfach das, dass ich gut kann, wo ich mir vorstellen kann, das könnte ich auch irgendwie vierzig Jahre lang machen.

00:49:31: Da hab ich Spaß dran.

00:49:32: Und der zweite Faktor ist, da bin ich auch besser als andere.

00:49:35: Sonst wird's schwierig.

00:49:36: Wenn die Leute immer sagen, macht das, wo dein Herz drin hängt, dann denk ich mal, wenn mein Herz bei Fußballspielen ist und ich ein schlechter Kreisliga-Fußballspieler bin, wird's schwierig, damit Geld zu verdienen.

00:49:48: Dann

00:49:48: vielleicht zum DFB.

00:49:50: Ja, dann vielleicht zum DFB.

00:49:52: Aber das ist schwierig.

00:49:54: Muss auch was sein, wo man sagt, da hab ich Bock drauf.

00:49:57: Das kann ich aber auch wirklich gut.

00:49:58: Bei mir war's so Statistik und Wahrscheinlichkeitsrechnung, wo ich im Studium gemerkt hab, das macht mir Spaß.

00:50:04: Und von den ganzen BWL- und VWL- Studenten am Anfang macht den allerwenigsten Spaß.

00:50:08: Und die allerwenigsten sind auch irgendwie gut da drin.

00:50:11: Das ist wirklich ein Fach, wo viele Leute im VWL-Studium ein Statistik II belegen in München.

00:50:17: Das macht man halt so im vierten oder fünften Semester dann.

00:50:19: Weil man's muss.

00:50:20: Weil man's muss, ja.

00:50:21: Ist halt Pflicht, ne.

00:50:22: Aber es ist schwierig für viele Leute.

00:50:24: Und du kannst es zwar beliebig oft wiederholen, aber irgendwann geht dir halt die Regelstudienzeit aus und die extra Semester, die du machen kannst.

00:50:30: Und für einige war das so die Endstation dann, weil sie Statistik nicht geschafft haben.

00:50:34: Und ich habe gemerkt, gut, ich hab ne Eins Null geschrieben, für mich war es irgendwie kein Problem.

00:50:38: Ich hab Statistik drei und vier im Lebenfach genommen.

00:50:40: Und dann wusste ich halt, was ich mache, ne?

00:50:42: Meine Eltern haben immer gefragt, was willst du mit Statistik machen?

00:50:44: Was macht man denn da überhaupt?

00:50:46: Ich komm so aus einer Familie, wo es wenig Akademiker geht, eigentlich nur meine Tante.

00:50:52: So gut wie niemand Abitur gemacht, niemand studiert.

00:50:54: Die konnten damit nichts anfangen.

00:50:56: Was machst du denn mit Statistik?

00:50:57: Ich hab gesagt, ja, da kann man die Versicherung gehen oder zum Rückversicherer oder in Banken.

00:51:01: Dann kann man so Medelle rechnen.

00:51:03: Das war zu der Klassik her, bevor die Machine-Learning und der Item so kamen.

00:51:07: Aber ich wusste, das kann nicht gut und da hab ich Lust drauf.

00:51:10: weiterentwickelt.

00:51:11: Und sowas würde ich halt auch jedem empfehlen.

00:51:13: Also schaut, was ihr gut könnt, schaut, worauf ihr Lust habt.

00:51:16: Und da kann man jeden Bereich eine Karriere machen.

00:51:19: Ja,

00:51:19: sehr cool.

00:51:20: Vor allem, wenn ihr jetzt Tech-interessiert seid, ist zum Beispiel auch unsere Messe sowohl jetzt kommend in ... München, am vierundzwanzigsten Zehnten, also dann noch mal im November in Frankfurt, falls ich nach dem, wo ihr seid und den Podcast hört, könnt ihr auch da vorbeikommen und euch mal über verschiedene Tech-Themen informieren, verschiedene Arbeitgeber kennenlernen, eh und jetzt glaube ich, diese Jahr leider nicht in München dabei, aber ihr habt auf jeden Fall heute hier die Gelegenheit bekommen, euch über eh und zu informieren und habt auch die Möglichkeiten, in den Shownauts euch dort zu bewerben.

00:51:45: Also ihr habt es gehört, macht das, worauf ihr Lust habt und dann findet sich der Weg schon irgendwie.

00:51:49: Absolut, absolut.

00:51:51: Vielen Dank.

00:51:51: Dankeschön, dass du hier warst.

00:51:53: Danke.

00:51:53: Und für die Zuhörerinnen da draußen noch mal, liked und bewertet gerne diese Folge.

00:51:58: Schreibt uns einen Feedback, wenn ihr was habt oder noch gerne hören möchtet.

00:52:02: Schreibt uns eine Mail oder über unsere Social Media Accounts at ITCS-Unterstrich-Konferenz.

00:52:07: Und wir hören uns beim nächsten Mal.

00:52:08: Ciao,

00:52:09: ciao.

00:52:11: Ciao.