Vom KI-Hype zum Mehrwert – generative KI entlang des Wertstroms einsetzen

Zusammenfassung

In dieser spannenden Episode lade ich dich ein, gemeinsam mit meinem Gast Alex das Zusammenspiel von Wertstromanalyse und generativer KI für Unternehmen neu zu entdecken. Wir zeigen, wie du mit Value Stream Mapping wertvolle Einblicke in Prozessabläufe gewinnst, Engpässe und Schwachstellen identifizierst und anschließend gezielt mit modernen KI-Lösungen verbesserst. Alex bringt greifbare Beispiele, wie die Integration von KI nicht nur repetitive Aufgaben automatisiert, sondern auch Qualität und Geschwindigkeit entscheidend verbessert.

Im Gespräch erfährst du, wie der Einsatz von generativer KI sich ganz natürlich aus der Praxis entwickelt hat und welche realistischen Erwartungen Unternehmen an diese innovative Technologie stellen sollten. Ein besonderes Augenmerk legen wir auf die Unternehmens- und Teamkultur: Alex räumt mit typischen Ängsten im Umgang mit KI auf und erklärt, warum Mensch und Maschine gemeinsam noch besser werden. Datenschutz, Integration und Akzeptanz im Team werden praxisnah und verständlich beleuchtet.

Diese Episode bietet dir wertvolle Impulse, wie du mit aktuellen KI-Tools wirkliche Verbesserungen in deinen Geschäftsprozessen erzielen kannst – ob in der Softwareentwicklung, im Service oder in der Produktion. Lass dich von den Chancen und Praxisbeispielen inspirieren und entdecke neue Potenziale für dein Unternehmen!

Episode direkt bei YouTube erleben

Episode direkt im Player abspielen

Transkript der Episode

Dierk

Herzlich willkommen zur 45. Episode mit dem Titel „Vom KI-Hype zum Mehrwert – generative KI entlang des Wertstroms einsetzen.“ Dieser Titel ist vergleichsweise lang, aber wir wollten in der heutigen Episode zwei Themen zusammenbringen und das führt dann eben auch mal zu einem längeren Titel. Ich freue mich auf dieses Thema, auf diese Verbindung der beiden Themen und auf meinen Gast Alex Lichtenberger. Ich kenne Alex und ich schätze ihn auch seit vielen Jahren und habe mit ihm vor ebenfalls vielen Jahren meinen ersten Podcast oder unseren ersten Podcast gegründet. Das war damals noch das Thema DevOps. Wir haben gerade mal nachgerechnet, das muss so 2017 gewesen sein. Zu Alex, in seinem LinkedIn-Profil stehen kurze und knackige Informationen. Die klären wir vielleicht gleich als erstes. Und insofern würde ich mal sagen, Alex, magst du dich kurz vorstellen oder auch länger vorstellen?

Alex

Ja, nicht zu lange, weil wir wollen uns ja dann dem eigentlichen Thema widmen, aber erstmal vielen Dank Dierk für die Einladung, freut mich sehr dabei zu sein und zu mir selber, ich bin Berater, Coach und Trainer und in dieser Rolle begleite und befähige ich Unternehmen, sagen wir mal so Herausforderungen des heutigen digitalen Zeitalters zu meistern. Und du hast das Wort Wertstrom erwähnt, also es tatsächlich so oft dreht sich, ich meine, vieles dreht sich um den Wertstrom. Also konkret heißt es dann, Menschen entlang der Wertschöpfungskennung zusammenbringen, Silos überwinden, die Zusammenarbeit verbessern und dann eben auch schauen, wo klemmt es, wo kann man automatisieren, unter anderem auch zum Beispiel mit generativer KI. Das ist ja dann das Thema dieses Podcasts. Und ja, ich versuche aber auch, weil das ja nur eine mögliche, versuche das auch wirklich ganzheitlich anzugehen, also so entlang Kultur, Prozesse, Technologie. Wenn es um Kultur geht, also Fragen wie, kann ich im Team oder im Unternehmen eine Kultur der kontinuierlichen Verbesserung etablieren? Dann auch, was schlussendlich reinkommt, ähnlich wie bei dir, auch diese Best Practices, IT Service Management, neue Zusammenarbeitsmodelle, Agilität, aber auch, DevOps, also wenn man es jetzt wertstrommäßig anschaut, also von der Idee bis etwas, ein Produkt, Service nutzbar ist, wie kann man da optimieren? Ich mache da auch viele Trainings dazu, neben Workshops und Beratung. Und ich versuche auch immer wieder neue Themen anzuschnallen, also AIOps ist auch ein Thema, Site Reliability Engineering, aber das ist so das eine Stammbein und Meine Philosophie ist da auch, weil ich habe mich dann vor fünf Jahren selbstständig gemacht, nachdem ich im Bekannten Unternehmensberatung den Bereich Lean auf Agile DevOps aufgehend habe. Meine Philosophie ist so Impact Matters, das ist auch der Name der Firma, weil schlussendlich diese Methoden, alles nur Mittel zum Zweck, was ja zählt, schlussendlich ist, ist der Impact, dass die Wert, den Wert, die Wirkung, ich denke, du siehst das ja gleich, Dierk. Und noch ganz kurz eben das andere Standbein. Ich habe vor vier Jahren ein Startup gegründet. Wir sind inzwischen zu dritt, also eigentlich bevor der ganze KI-Hype losgegangen ist. Das ist ein ganz anderer Bereich dann, wo es darum geht, mittels künstlicher Intelligenz Verschleiß an CNC-Werkzeugen zu erkennen und so die Standzeiten der Werkzeuge zu optimieren, Ich habe mich dann auch wieder ein bisschen mehr Richtung Technologie entwickelt. Ich habe also keine Angst, auch da mal mit Python dann ein Skript und KI-mäßig was umzusetzen, ein Modell zu trainieren. Ich denke, so die Themen, mal so grob, die mich beschäftigen, ja.

Dierk

Und das finde ich super interessant. Im Prinzip zwei Themen dabei. Einmal, dass du generative KI für deinen Beratungsjob, für deinen, ich sag mal, langjährigen Hauptjob anwendest. Das ist das Thema für heute. Dass du aber wirklich auch weißt, wenn du über KI sprichst, was das bedeutet, wirklich in der praktischen Anwendung. Weil eine KI, was du sagtest bei der Firma Technum, das ist ja wirklich, da steckst du ja wirklich richtig drin. Und das finde ich eben auch interessant. Interessant, dass wir eben, das hatten wir auch im Vorgespräch geklärt, dass wir uns beide nicht als den 175.000. KI-Berater sehen, der irgendwelche Prompts generiert und andere Dinge tut. Also, dass wir da wirklich uns auch versuchen, mit unserer langjährigen Erfahrung richtig zu positionieren und auch von den vielen KI-Beratern abzuheben, die derzeit am Markt aktiv sind. Also, wie gesagt, wir sprechen über das Thema vom KI-Hype zum Mehrwert, generative KI entlang des Wertstroms einsetzen. Du hast eben ja schon das Thema Wertstrom angesprochen. Ein Schritt noch ganz kurz zurück, bevor wir ins Thema einsteigen. Den Gästen meines Podcasts stelle ich immer die Frage, was hast du gedacht, als du zum ersten Mal den Begriff oder den Titel Business Akupunktur gehört hast?

Alex

Also als allererstes habe ich mir gedacht, typisch Dierk, weil wir kennen uns ja schon länger. Damals, als wir unseren Podcast gemacht haben, der Titel war, DevOps auf die Ohren und ins Hirn. Das war damals, glaube ich, auch schon deine Idee. Und es ist aber auch typisch Dierk, weil du bist auch ein Meister, sagen wir, von unkonventionellen Titeln, aber gleichzeitig aussagekräftigen Titeln. Und ich finde auch das sehr, sehr, sehr aussagekräftig, insofern, dass Akupunktur heißt für mich so, hinlegen, kleine Impulse, große Wirkungen. Ich glaube, genau so muss nämlich ein Outcast sein. Also ich glaube, das passt super.

Dierk

Super sehr schön super gut dann lass uns mal einstarten erstmal, dass du vielleicht mal ein bisschen erklärst, was ist Wertstromansatz, also was bedeutet über Wertstrom oder Value Stream und damit kannst du vielleicht gleich auch verbinden, was dich dazu bewogen hat, diesen Wertstromansatz auf die generative KI zu übertragen, also die generative KI damit einzubringen.

Alex

Also eigentlich war für mich die Wertstrom-Idee oder den Wertstrom-Ansatz, dass auf und das mit KI zu finden, das war für mich eigentlich recht naheliegend, das hat sich wie automatisch ergeben. Das Vorstellung beim Wertschirm, und oft sagt man auch, die meisten Leute sprechen von Value Stream, was man ja macht, und man überlegt sich ja, was bedeutet für unseren Kunden, und das kann interne oder externe Kunden sein, was bedeutet Wert, oder Wert in Form von Produkten oder Services, die man anbietet, und dann was sind die, wie arbeiten wir zusammen… um diesen Wert zu generieren, auch mal wertefrei. Das ist eben typisch, dass man in den heutigen siloisierten Unternehmen, man bringt dann Leute aus verschiedenen Bereichen zusammen, man sagt, okay, so arbeiten wir zusammen. Man versucht möglichst End-to-End, also jetzt ein Beispiel, der DevOps-Value-Stream, also von der Idee, das fängt eigentlich von Business an bis hin bis der Kunde, Das Produkt oder den Service geht hin und schaut dann zusammen, das hat es stark gesagt, nicht unbedingt vom Management, sondern die Leute, die in den Wertströmen arbeiten, wo klemmt es oder wo Nerven, wo haben wir Qualitätsprobleme, wo haben wir viel manuelle Arbeit. Und dann schaut, welche Problemstelle schauen wir zuerst an, wo können wir uns verbessern, wo können wir zum Beispiel automatisieren. Das ist so der Wertstrom, oder Value Stream Mapping, als Technik wird der oft verwendete Begriff verwendet. Und dann, irgendwie hat sich das wie automatisch ergeben, gesagt, ja gut, ich habe einen Value-Stream, weil ich mache das ab und zu mal so für Kunden und da gab es dann Situationen, ja, aber eigentlich ist dann nicht in diesem Schritt, den wir ja früher nie automatisieren konnten, könnte uns da nicht generative KI unterstützen. Ein Beispiel, das wäre jetzt vielleicht auch spannend, nehmen wir gerade mal das Beispiel von diesem Podcast. Das kann man ja auch als Value-Stream anschauen, weil du, Dierk, du bietest ja den Podcast an als Service für die Leute. Für die Leute bietet das einen Mehrwert. Aber du hast wahrscheinlich auch eine Prozedur dahinter. Die fängt dann an, irgendwie getriggert durch gewisse Periodizität oder vielleicht Ideen zu sagen, mit dem Alex könnten wir vielleicht mal einen Podcast. Oder du bereitest ein Skript vor vielleicht, wo du dann gewisse Fragen stellst, dann nimmst du den Podcast auf, dann schneidest du den Podcast. Am Schluss hast du einen Produzier-Podcast, so einen Value-Stream. Und wenn man das jetzt so wertstrommäßig, Value-Stream-mäßig anschaut, dann sagt man, ah, neu könnte man vielleicht das Skript machen. könnte vielleicht JGPT dabei. Also man hat plötzlich das Potenzial des Wertstroms, sieht man, wie generative Ka unterstützen kann, um diesen um es schneller zu machen, die Qualität zu verbessern. Das ist so, sagen wir, der Hintergrund, was Wertstromanalyse ist und wie eigentlich eine sehr naheliegende Idee, da auch neu generative KI zu berücksichtigen, wie die dort eine Rolle spielen kann.

Dierk

Ja, das finde ich interessant. Also ja, natürlich nutze ich für meinen Podcast Wertstrom KI-Unterstützung. Das wäre auch töricht, wenn ich es nicht machen würde. Jetzt haben wir ja so im Titel etwas drinstehen von KI-Hype und Mehrwert. Wo ist da für dich der Unterschied zwischen KI-Hype? echtem Mehrwert, also wo du mit deinem Angebot, Value Stream Mapping, Wertschirm Analyse und KI, wo bringst du dort oder wo bringt KI den echten Mehrwert?

Alex

Also das Phänomen des Hypes, so das… sehen wir oder haben ja nicht nur bei KI gesehen. Das ist ja oft, wenn, sagen wir, neue, typischerweise auch Technologien kommen, oder die beeindrucken, die, es kommen dann so Cases, die, die auch manchmal aufschrecken, ich meine, jetzt bei JGPT haben wir das, also das hat vor drei Jahren angefangen, die Fähigkeit, da Texte beeindruckend zu generieren, oder? Oft ist es am Anfang, man hat dann so wie eine sehr technologiezentrierte, sehr marketinggetriebene KI wird als Passwort genutzt, um modern zu werden. Und das ist dann wirklich der Unterschied zum Mehrwert, finde ich, ich nenne das die Proof of Concept-Falle. Es gibt viele Beispiele, man sieht es auch auf LinkedIn, wo jetzt neu mit Agenten, KI-Agenten, aber das zu operationalisieren im Unternehmen, also dann wirklich einzubinden in die konkret in die Prozesse des Unternehmens, dann mit den ganzen Daten etc. Das ist noch ein weiterer Schritt bis dorthin. Dann fehlende Integration, dann auch, du kennst sicher auch vom Gartner, es gibt ja diese Hype-Kurve, wenn etwas Neues kommt, also eben so die neueste Sau, die durchs Dorf getrieben wird, überhöhte Erwartungen, und dann braucht es halt ein Weilchen, bis man dann sieht, was ist wirklich realistisch, was ist das Potenzial. Und echter KI-Mehrwert heißt. Und deshalb ist für mich die Wertstromanalyse da auch so wertvoll, dass man das wirklich dann problemorientiert angeht. Entlang von realen Prozessen im Unternehmen, realen Values mit messbarer Wirkung, oft ist es ja nur heiße Luft, integriert, auch Daten, das heißt für mich echter KI-Mehrwert.

Dierk

Ja, das heißt, wenn ich das richtig verstehe, machst du nach wie vor einen Value Stream Analyse, du guckst dir den Wertstrom an, gemeinsam mit deinem Kunden und dann seht ihr auf Barsch dieser klassischen Analyse oder klassisch durchgeführten Analyse, wo klemmt es vielleicht ein bisschen, wo haben wir zu lange Liegezeiten, wo haben wir… keine vernünftige Durchlaufzeit, wo haben wir ein Bottleneck und so weiter. Und dann gehst du mit KI auf diese Problemstellungen zu und versuchst, diese Probleme, die ihr dort entdeckt habt, mit generativer KI zu lösen.

Alex

Ja, genau. Also die Wertstrom-Analyse ist ja nichts Neues. Es hat sich schon eine zweite Entwicklung, hat auch einen Revival bekommen mit der ganzen DevOps-Bewegung. Aber es ist schon, genau, es ist wie, ich denke, mit KI, generativer KI insbesondere, haben sich wie jetzt neue Spielräume eröffnet. Dinge, die man eben früher nicht angehen konnte. Also diese… Typisch alles, was man mit Text, Analyse, Zusammenfassung, man früher viel manuelle Arbeit und neu kann da KI unterstützen.

Dierk

Ja. Ja, jetzt haben wir eben schon ein bisschen über den aktuellen Marktstand gesprochen, also aus unserer jeweiligen Sicht. Du hast vom Gartner-Hype oder Gartner-Zyklus gesprochen, wo ich fast schon den Eindruck habe, dass die KI jetzt gerade wieder ein bisschen ins Tal der Tränen gelangt. Also die Erwartungen zu Anfang waren hoch, sind ja auch, ist ja auch, wie gesagt, ist ja immer so, es gibt immer erstmal hohe Erwartungen. Jetzt geht es ein bisschen nach unten, weil die Leute eben merken, Mensch, Was bedeutet das denn? Und es bedeutet eben nicht, sich einfach vor ein Chatbot zu setzen und eine Frage zu stellen und dann das Ergebnis sozusagen sofort umsetzen zu können oder so. Insofern ist es ja mit deiner Vorgehensweise schon so, dass man wirklich problemorientiert, lösungsorientiert vorgeht…. Was erlebst du denn in Unternehmen an Missverständnissen, wenn du jetzt kommst und sagst, Mensch, lass uns doch mit KI unterstützt dieses Problem angehen. Gibt es dann gleich das richtige Verständnis oder erlebst du, wie ich auch, eine ganze Reihe von Missverständnissen, von falschen Erwartungen,

Alex

Es hat sich natürlich über die Zeit ein bisschen verändert. Am Anfang war wirklich so, dass die Unternehmen vielleicht noch nicht so verstanden haben, was man damit, oder immer so im Sinne von realistischen Erwartungshaltungen, was man damit machen kann. Und inzwischen nutzt ja jeder generative KI, also im Sinne von Chatboten, so als Assistent. Aber da mal ist so typisch eben was realistische Erwartungshaltungen ist ein Punkt. Und das andere ist natürlich, oft ist ja mal, wenn man von außen kommt, Und ich versuche immer zuerst zu verstehen, das Unternehmen, welche Situation, und auch Kultur, Kultur ist etwas, was man respektieren muss, es ist einfach mal da. Und oft sind da Ängste da. Und die typische Angst mit KI ist, ja, mein Job wird obsolet, ich werde ersetzt. Und das ist ja… deutet für mich ein bisschen auf eine falsche Sicht, dass eben KI ist, dass eigentlich auch nur ein Tool unterstützt. Jetzt ist ein Riesenthema mit Softwareentwicklung, mit Vibe-Coding, das neu die KI codet. Aber das stimmt insofern nicht. Du brauchst immer noch einen Menschen, der eben die Outputs der KI kritisch hinterfragen kann. Man wird effizienter. Und das Missverständnis da, ich bin mein Job- dann los. Also ich meine, Automatisierung geschieht schon seit 200 Jahren, Industrialisierung, aber Jobs nicht weniger, was sind immer mehr geworden. Und es wird auch unterschätzt, glaube ich, eben so Daten, also das wenn man wirklich mit eigenen, oft geht es dann Unternehmensdaten, man will die reinbringen, oder Chatwiffer, und das ist eben schon noch, wird unterschätzt, glaube ich, auch Datenschutz, die Integration und alles.

Dierk

Und eben dann einfach nur andere Jobs oder veränderte Jobs. Ja, dann lass uns mal noch mal ein bisschen diese beiden Themen, Value Stream Mapping und generative KI zusammenbringen. Wie gehst du konkret vor, also vielleicht hast du auch ein paar Beispiele, wenn du entlang des Wertstroms Potenziale für generative KI identifizieren möchtest?

Alex

Ja, vielleicht auch ein Beispiel. Ich habe natürlich schon durch meine Historie, oder oft ist es so in IT-Abteilungen, und wenn wir dort von Wertströmen sprechen, oft geht es da von der Idee über die effektive Anforderung, Bauen, Testen, Deployen, Produktion. zusammen mit dem Business. Und da habe ich sehr, sehr viele, jetzt betrachten wir das mal unabhängig vom KI zuerst, sehr viele Value Stream Mappings durchgeführt. Und der erste Schritt, glaube ich, ist immer ganz entscheidend, den Scope zu setzen. Also, dass man sich im Klaren ist, okay, über welchen Value Stream sprechen wir jetzt genau. Weil wenn das zu Anfang nicht geklärt wird, dann kann es nachher einen riesen Durcheinander geben. Und dann über verschiedene Dinge. Also wir sagen, okay, wir sprechen jetzt, typisch wäre rund um einen Applikations-Service. Also beispielsweise können wir, was war das, eine Online-App, die es auch auf dem Mobiltelefon gab, die bestimmte Services zur Verfügung stellt, gewisse Funktionalitäten. Und dann… Was man dann macht ist, wenn man sagt, wir schauen uns für diesen Service, von der Idee bis im Produktionsarm und auch Support, schauen wir uns an. Und dann im nächsten Schritt überlegt man sich, ja gut, wer hat da alles ein Stake drin? Oft ist es ja so, ich meine, heute sprechen alle über Cross-Functional Teams, you build it, you own it, bis DevOps, sie sind alle in einem Team. Gut, abgesehen, dass das eh nicht realistisch ist. Und die Realität ist, man hat dann verschiedene Abteilungen, man geht hin, wer sollte da alles, was sind die Stakes, wer sollte alles da teilnehmen bei so einem Value Stream oder Wertstromanalyse. Und wenn man die mal identifiziert hat, man könnte jetzt direkt reingehen, in den Workshop zusammensitzen, sagen, ja, wo die Frage stellen, ja, wir arbeiten, wie arbeiten wir aktuell zusammen? Aber was wir dann, oder was ich jeweils gemacht habe, ist, so vorbereitet zum Workshop, einfach mal so Interviews, zum Beispiel ein Interview mit dem Produkt-Owner, so Fragen entlang des Wertstroms, einfach mal so feststellend, ohne zu werten, woher kommen deine Antworten, wie sprichst du mit dem Business, wo geht das hin, und dann mit den Entwicklern, wie arbeiten Produkte ohne, Testing, und dann mit all diesen Stakeholds, und dann versucht man eine sogenannte Auf Englisch sagen wir so, ich weiß gar nicht, wie wir es auf Deutsch sagen, so eine As-Is, ein As-Is-Value-Stream, also ein aktueller Wertstrom, wie arbeiten wir zusammen. Und mit dem geht man dann in den Workshop rein und entscheidend ist jetzt eben beim Workshop, weil das… die Wertschirmanalyse wurde stark durch das Lean-Management. Und Lean ist eben typisch, es gibt nicht irgendwo einen Consultant oder Manager, der sagt, so soll es sein, sondern da geht man dann auch als Externer mehr in die Rolle des Coaches und geht hin, okay, schau, das ist jetzt, haben wir bis jetzt festgestellt, so arbeiten wir aktuell zusammen. Und könnt ihr euch mit dem identifizieren? Habt ihr noch irgendwas hinzuzufügen? Und spannend ist eben schon bei diesem Schritt, wenn man ja nur mal darüber spricht, wie man zusammenarbeitet, gerade so in siloisierten Unternehmen, viele Probleme werden schon da gelöst. im Betrieb versteht plötzlich, warum sich der Produktowner so verhaltet, wie er sich verhält. Einfach mal diese, das, das ist so der, im Workshop dann der erste, und dann geht man hin, das ist sehr, würde ich sagen, sehr bodenständige Sache, oder? Jeder bekommt Post-its und dann raufschreibt, wo entlang dieses Wertstroms sind dann diese Fragen. Wo haben wir Qualitätsprobleme? Wo sind wir überlastet? Wo warten wir? Wo klemmt es? ja, auch Dinge, die man keine Lust drauf hat, etc. Und dann auch, jeder Teilnehmende hat dann die Chance, dann wird das visualisiert am Wertstrom, an der Wanda und dann sieht man bereits schon, okay, wo sind die Problempunkte. Dann ist so der nächste Schritt dann, sich zu einigen, okay, wo haben wir, was wollen wir als erstes angehen? Weil ich sage immer, weniger ist mehr, oder statt jetzt… Statt alle Herausforderungen auf einmal zu lösen, vielleicht dort, wo es am meisten klemmt, wo man auch das Gefühl hat, wo man mit wenig Aufwand was erreichen kann, clustert man diese Bereiche und geht dann one by one durch und sieht dann zum Beispiel, ah, bei der… wir haben die Herausforderung, dass wir im Sprint zum Beispiel nie unsere Sprintziele erreichen. Und man stellt sich an der Frage, warum ist das eigentlich so? Ah, okay, falsch geschätzt, vielleicht sieht man auch… Genau, genau. Genau, das ist dann im nächsten Schritt. Also könnte man, also wenn jetzt die Problemstellung da ist, der Softwareentwicklungsprozess, wir brauchen da wahnsinnig viel Zeit. Das ist die Frage, wie adressieren wir das? Ohne KI wäre das bis jetzt vielleicht ein bisschen schwierig gewesen. Aber in der Methodik, der nächste Schritt ist dann, dass man sagt, ja gut, was gibt es da für Möglichkeiten. Da muss man dann natürlich auch als extern, als Coach, dann vielleicht mal schon in die Rolle des Beratens sagen, du, ich habe dich schon mal über Vibe-Coding gesprochen. Ihr könnt direkt im Visual Code integriert oder mit Da gibt es verschiedene Lösungen dazu. Code ist sehr populär, wo ihr das integrieren könnt in euren Value-Steam und diesen Teil des Prozesses, wo ihr ja real viel Zeit verraten könnt, könnt ihr euch unterstützen. Das ist jetzt eine Möglichkeit. Oft dreht sich vieles, also ich bewege mich jetzt natürlich so immer an einem Beispiel von diesem DevOps-Value-Stream. Spannend wird es ja dann bei Business-Value-Streams. Da hatten wir das Beispiel, das war ein Sales-Team, das war für ein Industrieunternehmen, da kamen viele, also es ging um den Value-Stream von der Anfrage bis zur Offerte. Das war ein klar gescopter Value Stream. Wir haben festgestellt, wie arbeiten wir zusammen. Und eine Problemstellung war, dass die E-Mail, die Anfrage, die zu verstehen und die dann zu transformieren in ein strukturiertes CRM-System. Das hat viel Zeit gebraucht. Und da ist natürlich ein gefundenes Fressen für die KI. Da hat man hinten dran einen Bot, der das analysiert und in gewisses Format. Und da hat man dann Lösungen. Man hat konkret Time to Value oder auch Qualitätsgeräusche. Mit Metriken sprechen wir vielleicht auch noch darüber, wo man dann eine Verbesserung erzielt hat.

Dierk

Ja, das, lass uns da mal reingehen, weil das ist ja jetzt die Erklärung der Value Stream Methode. Wo und wie setzt du da generative KI ein? Also dass du da mal ein paar Beispiele bringst. Das heißt, das war jetzt mal ein Beispiel für den Einsatz. Gibt es auch ein paar andere Beispiele, wo du wirklich sagen kannst, hey, da haben wir durch das Value Stream Mapping, durch deine Vorgehensweise, wirklich sinnvolle, überraschende KI-Einsatzmöglichkeiten gefunden. Also, dass man Denn das, was ich bei dir rausgehört habe, ist, es geht darum mit deiner Vorgehensweise ja nicht darum, irgendein KI-Tool einzusetzen. Man könnte mal dieses mal jenes mal machen oder mein Kollege vom Golfplatz, der hat das und das eingesetzt. Also, dass man wirklich mit deinem Bein, dass man durch deine Methode rausgefunden hat, hey komm, da hakt es ganz besonders und da sollte man mal drüber nachdenken.

Alex

Also wenn man jetzt zum Beispiel, man kann es entlang von verschiedenen Value-Systemen, wenn wir jetzt bleiben bei Business IT bis DevOps Value-Systemen, zum Beispiel Testfallerstellungen aufgrund der Anforderungen, das ist auch etwas, wo man generativ, die traditionell viel manuelle Arbeit bringt, wo man generative KI einsetzen kann, dokumentieren oder auch Da habe ich zwar noch nicht wirklich selber erfahren, aber wenn man so Ideen, Produktideen, Visionen das so runterbrechen in Epics und User Stories. Ihr sagt, innerhalb von Value Streams haben wir einen Schritt. Dann spannend ist es generell in den Business-Value-Streams. Also wenn ich jetzt schaue, zum Beispiel die Lösung, die wir mit dem Start-up anbieten, da geht es dann darum in der Produktion von Werkzeugen, wo aktuell tatsächlich am Ende des Prozesses die Qualitätskontrolle, die findet manuell statt, also optisch, das ist vor allem bei den teuren Werkzeugen. Und da mit unserer Lösung kann man dann visuell, das ist jetzt nicht generativ, aber auch neuronale Netze dahinter, dann automatisiert, sagen, das ist gut, da hat es Ausbrüche drin, nicht gut. Und das auch wieder entlang des Wertstroms. Ja, genau für die Werkzeuge, aber für die zum Beispiel Werkzeugnutzer, Lohnfertiger, Auftragsfertiger, da geht es dann darum, die Frage, da gibt es Schritte, wo man Werkzeug austauschen muss, die sind relativ teuer, die werden notorisch einfach zu früh ausgetauscht, weil niemand etwas falsch machen will. Und mit unserer Lösung kann man das auf einen objektiven Level bringen, dann diese Entscheidung. Es gibt dann auch sehr branchenspezifische Gesundheitswesen, also diese Wertströme rund um von der Diagnose bis zur Therapie, wo dann vielleicht eine KI, es gibt also spezialisierte Modelle, die trainiert wurden auf Befunde, Und also Symptome daraus, ein Befund und dann Therapien, wo dann eben eine KI, ein Arzt unterstützen kann. Wieder als Unterstützung.

Dierk

Also hast du den einen der letzten Arbeitsschritte im Wertstrom entsprechend mit KI zu unterstützen? Du hast es schon gesagt, lass uns mal ein bisschen über Metriken und über eine Erfolgsmessung sprechen, weil das ja ein riesen Aspekt ist aus meiner Sicht bei der Wertstromanalyse. Wenn ich mir Wertströme anschaue, dass ich wirklich… nicht mit Vermutungen arbeite, nicht mit Einschätzungen. Das ist zwar auch mit drin, aber dann komme ich wirklich auf konkrete Zahlen. Ich habe konkrete Zahlen, ich muss konkrete Zahlen errechnen, um auch den Nutzen nachzuweisen. Hast du da ein paar Zahlen, hast du Erfahrungen, wo man durch den Einsatz von generativer KI, das ist ja das Thema dieser Podcast-Episode, wo man dort einfach bessere Metriken erreicht hat, also bessere Werte erreicht hat, wo man wirklich einen nachweisbaren Erfolg hatte.

Alex

In der Wertstromanalyse und jetzt unabhängig ob man dann den Wertstrom mit KI verbessert oder nicht, es gibt schon so klassische Metriken und zwar die eigentlichen Wertstrommessungen, nämlich vom Anfang bis zum Ende. Cycle Time, Time to Market, also wie lange geht es jetzt im Falle vom, ich habe den Offertprozess erwähnt, also von der Anfrage,… bis der Kunde die Offerte, das Angebot erhält, wie lange geht das? Ich glaube, das ist die ganz zentrale Metrik. Cycle Time, dann Wartezahlen, man kann auch innerhalb dieses Diese Metriker kann man dann noch Wartezeiten oder wie lange arbeiten die Leute daran, kann man messen. Aber was ich noch viel spannender finde, ist dann, ich spreche von der Nomenklatur, aber ich spreche dann vom sogenannten Outcome oder Realization Matrix. Sorry, dass ich die englischen Begriffe verwende, weil viele Kunden Englisch sprechen. Aber da geht es mir darum, der Wert, also nicht die Zeit, die es geht, bis es durchlaufen wird, sondern wie happy ist der Kunde damit. Oder Profit wurde damit, habe ich mehr Umsatz, mehr Profit. Das sind auch Metriken. Die Frage ist immer, wenn sich der Profit verbessert, ist das wirklich darauf zurückzuführen, dass ich da jetzt eine bestimmte Änderung im Wertstrom gemacht habe.

Dierk

Wenn ich jetzt, achso, ja, vielleicht nochmal auf die Methode und auf den Einsatz von generativer KI zu gucken. Du hast ja gesagt, das würde ich auch unterstützen, es ist sehr, sehr kommunikationsfördernd, wenn man solche Workshops mit Post-its macht, in Präsenz. Und Jetzt erlebe ich aber in meinem Business, also in meinen Trainings, aber auch in der Beratung, dass die Kunden immer noch online das durchführen wollen. Dass ich erlebe, dass viele Teams verteilt sitzen, also nur noch online, was heißt nur noch, also online zusammenarbeiten. Und dann kommen wir eigentlich sofort dazu, nach meiner Einschätzung, dass wir nicht mehr über solche haptischen Methoden sprechen, wie Zettel an der Wand kleben, sondern wir sprechen über digitale Abläufe. Wir sprechen darüber, dass wir so einen Workshop zum Beispiel digital gestalten, Das heißt, der erste Schritt wäre ja zu sagen, ich mache digitale Klebezettel, wenn die Menschen also digital zusammenarbeiten in so einem Value Stream Workshop. Es gibt aber auch Tools. Es gibt ja auch Tools, mit denen ich diese Wertströme erheben und visualisieren kann. Also wenn wir uns diese drei Möglichkeiten mal angucken, mit Post-its wirklich real an der Wand, mit Post-its auf einem digitalen Board, wie Miro, oder was auch immer es da gibt, oder mit einer entsprechenden Suite, mit einer entsprechenden Plattform zu arbeiten. Und Siehst du da Unterschiede im Einsatz von generativer KI? Weil du sagst ja, dass die generative KI einen Mehrwert bringt. Und ich kann sie ja an diesen drei Stellen einsetzen.

Alex

Also genau diese drei, das sind ja unterschiedliche Wege, das macht die Leute physisch entweder alle in einem Raum, was ich immer auch die beste Variante finde, man sieht sich auch, man sieht zueinander, man kann diskutieren, man kann… Aber online, also damals Corona, das waren wir gezwungen, auch solche Formate zu machen. Mit Miro habe ich da Erfahrung gemacht. Miro ist natürlich super für das. Man kann auch so virtuelle Post-its, man kann da rumschieben, Prozesse. Und am Anfang ist das für die Leute vielleicht ungewohnt. Irgendwann wird es dann normal. Es gibt auch Unternehmen, Also ich habe, das ist jetzt auch ein öffentlicher Case, ich habe auch über Value Stream Mapping schon am DevOps Meetups gesprochen, zum Beispiel mit der Swiss Re zusammen, viele Value Stream Mappers, und die sind von jeher, die sind extrem international, da gibt es praktisch keine Teams, auch vor Corona nicht, die an einem Tisch, also so am gleichen Raum. Und das ist halt ein Teil der Kultur, dass man dann solche Tools verwendet dann. um zu verstehen, wie arbeiten wir zusammen, wo Clams können wir verbessern, mit oder ohne KI einzusetzen. Ah, okay, du meinst die Tools selber, die KI einbehalten?

Dierk

Ja, weil die Frage ging so ein bisschen in die Richtung, das erleben wir alle, überall ist jetzt KI drin. Also jeder Anbieter sagt, dass in seinem Tool jetzt KI drin ist. Ich glaube, das ist Ich meine Tools auch selber, weil ich habe immer das klassische Beispiel von meiner kleinen Stratego-Spiele-App. Die wirbt seit Jahren auf dem Handy, wirbt seit Jahren mit, man kann gegen die KI spielen. Aber wenn man weiß, was KI ist und sich das dann so anschaut, dann sieht man, da ist nichts mit KI drin. Also das ist nur ein Titel, da ist nur so ein Dings draufgeklebt, weil man es damit besser verkaufen kann. Also ich will so ein bisschen darauf hinaus, wo Wo kann eine KI besser nutzen? Oder wo kann man eine KI besser nutzen? Wo kann sie helfen? Sie kann dir als Workshop-Moderator helfen. Das hast du ja schon ein bisschen ausgeführt. Jetzt würde ich so ein bisschen auch vielleicht ein bisschen in die Zukunft gucken. Wo kannst du dir vorstellen, könnte man Value Stream Mapping mit KI grundsätzlich ein bisschen aufpeppen, ein bisschen besser machen und vielleicht nicht nur aufpeppen, sondern auch wirklich noch wertvoller machen?

Alex

Ja, also das ist noch eine interessante Frage. Ich meine, KI, also jetzt im Sinne von integrativer KI, die ist ja gut, in Texte generieren, zusammenfassen. Und da kann ich mir schon vorstellen, ich habe es jetzt selber noch nie so genutzt, aber das dann Meeting oder Gespräch, es wird zusammengefasst von der KI. Das könnte einen Mehrwert bringen. Kann ich mir vorstellen, ja. Was natürlich schon, da denke ich jetzt ein bisschen weiter, weil man muss auch sehen, was sind die Limitationen von Value Stream Mapping. Value Stream Mapping kommt aus dem Lean Management, das ist so Continuous Improvement. Man hat einen Wert schon, man verbessert da, man verbessert dort. Und es gibt da den berühmten Spruch, die Glühbirne wurde nicht durch die kontinuierliche Verbesserung der Kerze erfunden. Das ist wirklich doch gut. Was eben eine Limitation manchmal ist, Value Stream Mapping ist, Man bewegt sich gedanklich und es hindert ein bisschen Out of the Box. Manchmal muss man auch Lösungen radikal neu denken. Typisch ist ja im DevOps, in dem wir automatisieren, noch dort ein bisschen…. Okay, wir bauen jetzt eine komplett neue Plattform, Container-basierte und da werden wir mit neuen Prozessen, mit neuen Leuten, Das ist dann mehr Revolution. Und ich glaube, bei der KI gibt es manchmal Lösungen, wo ich jetzt zum Beispiel dieser Offert-Prozess, statt dass ich diesen kleinen Schritt, ich lasse mir die Anfragen zusammenfassen, vielleicht gibt es eine Lösung, die das einfach auf sehr innovative Art und Weise den Welles ganz anders löst. Ja, nein, man muss dann einfach, ich meine damit, dass dann, manchmal ist eben der Value Stream Mapping oder Wertschirm Analyse, das ist nicht der richtige Weg. Also wenn man manchmal machen, etwas ganz neu denken will, dann ist es nicht so kontinuierlich, von so bottom up, das Bestehen, sondern manchmal ist es gut, manchmal auch das Bestehende zu vergessen und etwas neu zu denken.

Dierk

Macht. Ja, ja. Und da Könnte ich mir vorstellen, dass das mit einem KI-Einsatz so eine Limitation ist, und du hast ja auch gerade von Limitationen gesprochen, dass ja eine KI immer nur auf vergangenem Wissen aufbaut. Sie erkennt Muster und sie muss trainiert werden. Und diese kreativen Lösungen, die ja so etwas beinhalten, was wir Menschen besser können oder noch besser können als eine künstliche Intelligenz, also kreativ sein, Bewusstsein haben für etwas, dass dort zwar ein KI-Einsatz, Texte generiert, Zusammenfassung generiert, dass man mit einer KI auch vielleicht Dinge durchspricht, also dass man eine KI quasi als einen Gesprächspartner sieht, aber wenn es darum geht, diese radikalen Lösungen zu denken, so habe ich dich verstanden, da würdest du eine KI eher nicht sehen. Wenn ich jetzt nochmal so ein bisschen auch in die Zukunft gucke oder in die Praxis gucke, wir haben ja darüber gesprochen, dass KI ein Hype ist gerade. Der Meinung bin ich auch. Ich persönlich bin der Meinung, dass dieser Hype jetzt gerade so in dieses Tal reingeht, dass die Leute eben auch die Unternehmen merken, was das bedeutet. Also, es kommt nur Alex Sichtenberger daher und sagt, hey, ich mache jetzt Value Stream Mapping, mache ich mit generativer KI zusammen. Was erwartest du denn auf der anderen Seite, also bei deinen Kunden, was sie an Wissen mitbringen müssen für generative oder übergenerative KI?

Alex

Ich glaube, die Hürden sind relativ niedrig, weil jedes Unternehmen hat ja Value Streams. Wichtig ist einfach mal die Bereitschaft. Am Anfang ist das vielleicht ein Experiment, dass man sich das rauspickt, so ein Value Stream, die Leute zusammentrommelt. Und dann muss man halt die Fähigkeit, die es braucht, das… wo die Voraussetzung ist, dass dann die Leute dabei sind oder die dann Stake drin haben. Was ich dann auch schon gemacht habe, ist, weil eigentlich müssen sie noch nicht viel über KI wissen, was man dann einbauen kann in so ein Value Stream Mapping, so wie ein Teaser oder eine Awareness Session, wo man sagt, schau, das generative KI, das ist aktuell möglich, vielleicht dann auch branchenbezogenen, Es gab ein Beispiel mit der Fertigung, die ich gemacht habe. Und das inspiriert dann so ein bisschen, auch wenn es dann darum geht, wenn es irgendwo klemmt und man ist auf der Suche nach Lösungen. Man sieht, ah, da kann doch KI unterstützen. Also mit anderen Worten, es braucht eigentlich nicht so viel. Denke ich.

Dierk

Okay, weil ich hätte mir das überlegt, dass man auf jeden Fall, klar, man muss über den Einsatz oder die Einsatzmöglichkeiten von KI sozusagen etwas wissen. Man muss ein bisschen sich etwas vorstellen können. Was ich aber auch wichtig finde, ist, dass man sich über die Grenzen der KI bewusst wird und dass man zum Beispiel um Also ich könnte mir vorstellen, dass man sagt, okay, hier, das ist das Ergebnis. Wir haben jetzt hier einen Vegas Stream Mapping Workshop gemacht. Wir haben das Ergebnis. Wie gefällt dir das? Also ich könnte ja eine KI fragen, wie sie das bewertet. Das könnte ich machen. Jetzt muss ich aber sagen, aber, liebe KI, jetzt gib mir eine erste Antwort und dann sage ich mit einer zweiten Frage hinterher, so und jetzt bewerte mal deine Antwort. etwas kritischer, weil wir ja alle wissen, dass KIs sehr gerne sehr nett und sehr positiv sind. So, das heißt also, wenn die mir sagt, das ist eine gute Idee, dann würde ich es erstmal in Frage stellen und würde sagen, ey, liebe KI, nee, also natürlich muss man vorsichtig sein, man darf auch mit der KI, darf man natürlich höflich umgehen, aber dann sagt so, und jetzt guck das Ganze bitte mal kritisch an. Ist das wirklich so gut, wie ich es empfinde und wie du es gerade kommentiert hast?

Alex

Ja, das finde ich noch einen spannenden Ansatz. Es geht ja um die Frage, wie kann KI unterstützen, in so einem Workshop. Das ist also irgendwie dann eine andere Frage, wie kann KI unterstützen, um zum Beispiel den Wertstrom selber zu beschleunigen, also in den Prozessen, in den Values zu beschleunigen. Und was ja auch typisch ist, der KI, die wurde ja trainiert mit Daten, der KI fehlt aber oft, sagen wir, der unternehmensspezifische Kontext. Also kommen dann oft, sagen wir, generische Antworten, also eine Bewertung, sagen wir schon, vielleicht aus Best-Practice-Sicht, aber die nicht unbedingt jetzt mit der konkreten Problemstellung zu tun hat, in dem die Unternehmen drin ist.

Dierk

Na gut, und wenn ich jetzt ein bisschen auch in die Zukunft gucke, da könnte ich mir vorstellen, dass man ein Modell hat, eine KI hat, die mit vielen, vielen Daten trainiert worden ist, also mit echten Valuestream-Mapping-Daten. Und deswegen habe ich auch gefragt, eben nach einem Anbieter. Also wenn ich als Anbieter für eine Software zum Valuestream-Mapping unterwegs wäre, also wo ich wirklich Vagostreams erhebe, visualisiere, dass ich sagen würde, komm, ich brauche die Daten, weil Daten sind ja das Gold, sind ja das Geld und dann würde ich eben sagen, ich biete etwas an, damit die Menschen, die mit meiner Software arbeiten, wirklich konkrete Vorschläge bekommen, die vielleicht sogar schon relativ auf die Branche zugeschnitten sind, weil man Vergleichsdaten hat, mit denen man die KI trainiert hat.

Alex

Genau, wenn Daten, wenn die Daten da sind, KI ist nur so gut wie die Daten, mit denen sie gefüttert worden ist…. Und da ist auch in dem Kontext, man kann ja noch einen Schritt weiter gehen, also vom Mapping hin zum Value Stream Management. Weil Value Stream Mapping, so wie ich es erklärt habe, ist so eine eine einmalige Angelegenheit, einen schönen Workshop, oder? Wenn du Glück hast, passiert nachher, also wenn du Glück hast, das landet irgendwo im Backlog, das bekommt Priorität, die Leute arbeiten daran, aber oft ist einfach dann passiert dann nichts, aber dann Value-Strip-Management ist ja dann die Idee, dass man dann diese Metriken, über die wir gesprochen haben, auch nutzt, um den Values, den Wertstrom zu steuern, oder? Also dass man im Bereich DevOps gibt es, also diese Suiten, die laufend schauen, wie lange der Build-Prozess, Test-Failer hat, etc. Und dann haben wir so einen Dashboard, man sieht jederzeit, wie sich die Metriken, und das geht dann sogar Richtung Governance, und dann, wenn es irgendwo mal in eine falsche Richtung geht, dann, dass man sich die Frage stellt, ah, okay, warum war das jetzt so, dann ist dann vielleicht wieder ein Value Stream Mapping Workshop angesagt.

Dierk

Ja, denke ich, wir sind also einmal schön durchgegangen durch das ganze Thema. Gibt es irgendetwas, das ist ja immer so meine Abschlussfrage an meine Gäste, gibt es irgendetwas, wo du sagst, Mensch, das hast du noch nicht gesagt, das möchtest du nur darauf hinweisen oder wo du nochmal eine kleine Zusammenfassung geben wirst. Also insofern würde ich sagen, Feuer frei für deine letzten Worte in dieser Podcast-Episode.

Alex

Ja klar, man könnte noch über so viel sprechen, wir haben viele, denke ich, gemeinsam mit dem. Aber schon noch etwas, was ich sagen möchte, ist, dass oft ist eben dieser Ansatz nicht der richtige, weil es kommt auf den Arbeitskontext drauf an. Also wenn wir von repetitiver Arbeit sprechen, also eben diesen Value Streams oder die wiederholbar relativ geringe Variation, also eben vom Auftrag bis zur zum fertigen Produkt, Anfrage bis da, Störung bis Störung. Da ist Value Stream Mapping geeignet. Aber oft, und so hat ja auch ChatGPT angefangen, sprechen wir von anderen Arbeitskontexten, nämlich sogenannten Wissensarbeiter, Knowledge Worker. Da geht es dann nicht unbedingt um ein Value Stream, sondern ich… Das ist ja oft in dem Kontext, wo wir uns bewegen. Wir haben eine Problemstellung, die ist vielleicht einmalig und wir müssen dazu eine Lösung finden. Und dort hilft uns der Value Stream nicht, aber dort hilft uns natürlich die KI, einfach uns Antworten zu geben. Und dort ist aber der Ansatz ein ganz anderer. Dort geht es darum, dass ich mit der KI richtig umgehen kann. Also Stichwort Prompt Engineering, Kontext Engineering, das jetzt neu kommt. Aber das ist dann, was ich damit sagen will, in dem Szenario, wo man sich bewegt, ist dann Valuestream Mapping nicht das Richtige. Und was neu jetzt auch kommt, sind natürlich Agents, weil dort am Agent gibt man ja nur das Ziel vor und der findet dann den Weg dorthin autonom. Das ist dann auch noch eine spannende Angelegenheit. So jenseits von Value Streams, würde ich mal sagen. Ergänzung, ja. Dort, wo es Sinn gibt, genau. Da wird jetzt auch gehypt, ob dann wirklich so viele Anwendungsfelder gibt, wie oft gesagt, da bin ich mir nicht so sicher.

Dierk

Sehr schön. Oder auch als Ergänzung zu Value Streams, dass der auch da wirklich drauf schaut. Sehr schön. Ja, ja. Danke, Alex. Das war jetzt die 45. Episode. Jetzt wieder ein Hinweis an meine Zuhörenden. Also ich freue mich auf eure Fragen, auf euer Feedback. Da könnt ihr mir Kommentare schreiben unter die Episode. Je nachdem, wo ihr diese Episode hört. Es gibt ja die unterschiedlichsten Podcast-Portale, wo man das hören kann. Ihr habt auch vielleicht Fragen. Euch hat euch diese heutige Episode zu irgendetwas inspiriert, dass ihr eine Frage habt. Also insofern dürft ihr euch gerne bei mir melden mit Fragen, die ich auch vielleicht mal hier in so einem Podcast, in so einer Episode thematisieren kann. Ganz wie der Untertitel verspricht. Kleine Nadelstiche für ein lebendiges und erfolgreiches Business. Vielen Dank, Alex.

Alex

Danke dir, Dierk, dass ich da dabei sein durfte. Vielen Dank.