Fehlt Deutschland der Mut für das KI-Zeitalter, Herr Dettmers?

Sprecher 1: Hallo am Samstag, auch in dieser Woche, zu unserer CEO-Ausgabe von Table Today. Schön, dass Sie dabei sind. Wir reden heute über ein interessantes Unternehmen, genauer gesagt mit dem CEO eines wirklich interessanten Unternehmens, nämlich Stepstone. Der CEO heißt Sebastian Detmers. Der Arbeitsmarkt hat sich in Deutschland sehr verändert und auch die Art und Weise, wie wir unsere Arbeitsstellen finden. Früher, da werden sich die Älteren daran erinnern, waren die Wochenendausgaben der Zeitung immer so dick, dass sie kaum in die Briefkastenschlitze passten. Und der Hauptgrund war, dass die Stellenanzeigen die Zeitungen so aufgeblasen hatten. Auch ein bisschen der Wohnungsmarkt, aber vor allem die Stellenanzeigen. Gesuche und Angebote wurden dort platziert. Mittlerweile läuft dieses Geschäft natürlich digital ab und Stepstone ist so etwas wie der Amazon der Jobbörse. Die Arbeitsvermittlung ist in Deutschland natürlich ein Riesenthema und das Problem ist nicht mehr anders als früher, dass wir zu viele Arbeitslose haben, sondern das Problem ist viel eher, dass es nicht genügend qualifizierte Arbeitnehmerinnen und Arbeitnehmer gibt. Und wenn es an Manpower fehlt, dann ist das ein Haupthindernis für das Wachstum in diesem Land, auf das wir doch alle warten. Schon um das zu finanzieren, worüber wir gestern in unserem Podcast gesprochen haben, zum Beispiel das teure Gesundheitssystem. Es gibt aber Hoffnung und darüber spricht Sebastian. Jan Detmers von StepStone. Und die Hoffnung beruht in diesem Fall auf der künstlichen Intelligenz. Denn je mehr Prozesse automatisiert werden, desto produktiver kann ein Unternehmen sein, ohne mehr Menschen beschäftigen zu müssen. Der Arbeitsmarkt verändert sich und eben aus dem Grund hat Stepstone das Thema KI ganz vorne platziert in der Prioritätenskala. Der Redaktionsleiter unserer CEO-Tables, Alex Hoffmann, hat mit Sebastian Detmers gesprochen, wie KI den Arbeitsmarkt noch weiter verändern wird und was deutsche Unternehmen tun müssen, um zukunftsfähig zu sein.

Sprecher 2: Hallo Sebastian, herzlich willkommen im Table Podcast Studio.

Sprecher 3: Danke sehr.

Sprecher 2: Sebastian, in deinem Buch »Die große Arbeiterlosigkeit«, nicht Arbeitslosigkeit, Arbeiterlosigkeit, schreibst du vom Fehlen von Arbeitskraft in Deutschland, das zu massiven Veränderungen in der Arbeitswelt führen wird. Das Buch ist 2022 erschienen, seitdem hat sich einiges geändert. KI ist zum allbeherrschenden Thema geworden. Die Arbeitslosenzahlen sind nochmal in die Höhe gegangen, damals von gut über zwei, jetzt knapp über drei Millionen Menschen in Deutschland, die keine Arbeit haben. Das Buch ist damals sehr zur Kenntnis genommen worden, auch weil du schon auch mal ein paar Ansagen gemacht hast. Mindestlohn von 20 Euro zum Beispiel kommt im Buch vor. Halten die Thesen in deinem Buch heute noch oder sind mittlerweile sogar noch schärfere Maßnahmen notwendig?

Sprecher 3: Ja, ich habe mir auch darüber Gedanken gemacht. habe nochmal ins Buch reingeschaut und mich die Frage gestellt, was ist eigentlich wahr geworden? Und in vielen Dingen glaube ich, dass ich nicht nur ganz gut vorhergesagt habe, was jetzt passiert, sondern ich war fast noch zu konservativ in der Drastik der Entwicklung. Denn das Buch beschäftigt sich ja in Wirklichkeit mit zwei Dingen. Einmal der Demografie, also den Geburtenraten und der Entwicklung der Bevölkerung in Deutschland und in der ganzen Welt. Aber auch mit der Frage der Produktivität. Also was schaffen eigentlich die Menschen, die dann noch arbeiten? Denn da haben wir ein Phänomen, dass die Produktivität über die Jahre oder Jahrzehnte sogar immer weiter zurückgegangen ist und wir mittlerweile eine stagnierende oder sogar sinkende Produktivität pro Kopf haben. Ich habe das so geschrieben, wenn eine stagnierende oder sinkende Bevölkerungszahl auf eine stagnierende Produktivität trifft, dann erleben wir möglicherweise jahrzehntelange Rezessionen. Und ich habe das ein bisschen polemisch formuliert, dachte ich damals, es könnte auf Jahrhunderte der industriellen Revolution ein Jahrhundert des industriellen Rückschritts folgen. Natürlich habe ich das jetzt nicht als Prognose gesagt, sondern ich habe gesagt, das ist die Gefahr, wenn wir nicht dagegen steuern. Und wir müssen uns der Frage stellen, wie funktionieren wir als Gesellschaft mit einer jetzt alternden, bald schrumpfenden Bevölkerung? Und wie schaffen wir es vor allem, den Produktivitätszuber wieder zu zünden? So drei Jahre später, wir haben ja 22 in wirtschaftlichen Aufschwung erlebt, stecken wir genau in dieser Klemme fest. Die Bevölkerung stagniert weitestgehend. Wir merken, dass wir große Probleme in Zukunft bekommen werden auf dem Arbeitsmarkt, wenn wir uns anschauen, was dort nachrückt und was oben, also beim Renteneintrittsalter ausscheidet. Und wir kriegen dieses Produktivität. Aktivitätsthema einfach nicht in den Griff.

Sprecher 2: Aber wir haben doch so viele Tools. Jetzt kommt noch KI dazu. Woran liegt es, dass wir so unproduktiv geworden sind?

Sprecher 3: Also das ist eine Frage, über die zerbrechen sich Wissenschaftler interessanterweise vor allen Dingen außerhalb Deutschlands schon eine ganze Weile den Kopf. Da nennen die das Productivity Paradoxon oder Puzzle. Und da gibt es gar nicht so eine große Erklärung, sondern es gibt ganz viele kleine. Erstmal müssen wir feststellen, den größten Teil der Menschheitsgeschichte gab es eigentlich gar keinen Fortschritt. Also Produktivitätssteigerung, so wie wir sie kennen aus den letzten Jahrzehnten, ist eine totale Ausnahme. So und was passiert jetzt erstens? Gibt es überhaupt noch genug Innovationen? Können wir uns gleich darüber unterhalten? Ich glaube ja. Zweite Frage, wird diese Innovation schnell genug adaptiert? Wir haben bei allen großen Innovationen, angefangen von der Dampfmaschine, Telefon, Internet, Smartphones immer gesehen, es dauert ungefähr eine Generation, bis große Innovationen auch tatsächlich in der Breite ankommen, alternde Gesellschaften. Haben einfach längere Adaptionszyklen, was neue Technologien angeht. Ist das ein Problem? Dann die Gründungsquote, sehr niedrig in Deutschland, fast auf dem niedrigsten Niveau. Dafür immer mehr Menschen, die im öffentlichen Dienst arbeiten. Auch das eine Disbalance, die dazu führt, dass einfach wenig Innovationen aus jungen Unternehmen und Startups entstehen. Also ich habe jetzt ein paar Gründe erwähnt, es gibt noch andere. Es gibt nicht so den einen ganz, ganz herausragenden Grund. Die Frage, die man sich als Land, als Volkswirtschaft immer wieder stellen muss, ist, wo kommt der nächste Produktivitätsturbo her? Genauso wie das... in der Vergangenheit immer der Fall war, bei der Automatisierung der Industrie, bei der Einführung von Computern. Wie schaffen wir es, ich formuliere das mal in so einer schmissigen Analogie, wie schaffen wir es, die Arbeit, für die wir heute acht Stunden brauchen, morgen vielleicht in vier oder in zwei Stunden zu erledigen? Das sind die Fortschritte gewesen, die unsere Vorfahren erlebt haben und das müssen wir wieder erreichen.

Sprecher 2: Und ist KI die Antwort auf die Frage?

Sprecher 3: KI ist, ich glaube, die wichtigste Antwort, die wir heute auf dieses Thema haben. Ich sehe kaum eine andere Antwort, denn die Wirtschaft besteht ja zum größten Teil aus dem Dienstleistungssektor und die Automatisierung in der Industrie haben wir längst abgehakt, genauso in der Landwirtschaft. Dort werden überall Maschinen eingesetzt. In einer modernen Fabrik sehen wir nicht mehr viele Menschen. Wir sehen diese Menschen aber in den Büros. Und da arbeiten sie immer noch zu einem ganz großen Teil repetitiv, machen jeden Tag das Deiche. Und da brauchen wir natürlich keine Roboter oder Maschinen, sondern wir brauchen die Algorithmen, also die künstliche Intelligenz. Und die Kernfrage wird jetzt sein, setzen wir die künstliche Intelligenz wirklich so ein, dass sie Arbeit automatisiert, dass sie uns produktiver macht? Oder ist sie ein kleines Gimmick am Rand und wir überlassen es anderen Ländern und anderen Unternehmen, die Produktivitätsgewinne, die ja sicher möglich sind mit künstlicher Intelligenz, für sich zu nutzen?

Sprecher 2: Es gibt mehrere Studien, dass immer weniger Berufseinsteiger direkt einen Job finden. Ihr habt die wahrscheinlich größte Job-Datenbank in Europa. Seht ihr das auch in euren Daten?

Sprecher 3: Ja, wir sehen das in unseren Daten. Wir sehen, dass die Einstiegsjobs gerade 45 Prozent 45 Prozent unter dem Fünfjahresdurchschnitt liegen. Da haben wir natürlich auch diese super starken Jahre dabei, 2022, wo wir diesen enormen Jobboom erlebt haben. Aber wir beobachten das. Da muss man aber unterscheiden. Es gibt zwei Trends, die sich dort überlagern. Das eine ist die Konjunktur. Wir stecken in der Rezession fest. Dadurch stellen Unternehmen insgesamt weniger ein und gerade Einstiegsjobs leiden darunter. Das zweite ist aber tatsächlich die Frage, wie bereiten sich die Unternehmen gerade vor auf das Zeitalter der künstlichen Intelligenz? Denn es ist nicht so, dass einfach Einstiegsjobs abnehmen oder eine konjunkturelle Krise haben, sondern wir sehen dort Unterschiede. Gerade die Jobs sind betroffen. Wo ich in Zukunft mit künstlicher Intelligenz wirklich Arbeit vollständig automatisieren kann. Also was ist das zum Beispiel? Das ist die Buchhaltung, das sind Jobs im Personalwesen, Jobs im Marketing. Also Dinge, die ich heute eigentlich schon relativ gut mit künstlicher Intelligenz automatisieren kann. Wo beobachten wir das nicht? Überall da, wo die künstliche Intelligenz eben nicht automatisiert. Im Handwerk, in der Pflege. Insofern ist es ein differenziertes Bild und es passt ganz gut auch zu unserer Einschätzung, wo künstliche Intelligenz am meisten zu Veränderungen führen wird.

Sprecher 2: Ich höre aber auch raus, dass viele Unternehmen sich eben noch nicht gut genug auf die Situation vorbereiten gerade.

Sprecher 3: Das lässt sich ja auch ganz einfach in den Zahlen ablesen, denn am Ende geht es ja nicht einfach darum, ob ich künstliche Intelligenz einsetze oder nicht, sondern es geht in erster Linie darum, werde ich als Unternehmen produktiver. Also schaffe ich deutlich mehr Umsatz oder Gewinn mit der gleichen Anzahl von Mitarbeitern. Oder wenn ich meinen Umsatz nicht steigern kann, schaffe ich das auch mit weniger Menschen. Das ist die Realität. Das war immer schon Fortschritt und das hat auch zu dem Wohlstand, den wir heute in diesem Land erleben, ganz maßgeblich beigetragen. Schauen wir uns das an. Die Produktivität stagniert. Wir treten auf der Stelle seit 2019, Wohlstand sogar seit 2018. Also ja, wir sehen eine ganze Menge Bemühungen, aber in der breiten Masse führt es noch nicht zu dem Wohlstandsgewinn, wie es das tun müsste. Und ich glaube, da spielen wieder verschiedene Dinge eine Rolle. Erstens, es dauert einfach, bis ich diese Algorithmen implementiert habe und wirklich dafür gesorgt habe, dass sie mich produktiver machen. Das Zweite ist aber auch, gehen wir eigentlich tatsächlich mit dem Willen zur, ich formuliere es bewusst so ein bisschen aggressiv, schumpeterschen Zerstörung an diese Sache ran. Sind wir bereit, Prozesse ganz anders zu denken? In der Privatwirtschaft, aber natürlich auch in der öffentlichen Verwaltung. Zu sagen... Geht es darum, jetzt einem Mitarbeiter ein Tool an die Hand zu geben, die vielleicht meinen Alltag etwas leichter macht? Oder geht es darum, wirklich gesamte Geschäftsprozesse zu automatisieren? Und so, da haben wir noch eine ganze Menge Hausaufgaben zu erledigen.

Sprecher 2: StepStone ist eine Tech-Company. Ihr solltet ja als gutes Beispiel vorangehen. Was sind denn so die großen KI-Entwicklungen, an denen ihr gerade arbeitet, die euch produktiver machen können?

Sprecher 3: Ja, Stepstone ist ja eine Plattform, die Menschen mit Jobs verbindet oder wir könnten das auch noch schöner formulieren, Menschen mit Menschen verbindet, die zusammenarbeiten wollen. Und damit bilden wir ja auf unserer Plattform eine zutiefst menschliche Plattform. menschliche Entscheidung ab. Also wenn wir uns jetzt entscheiden würden, miteinander zusammenzuarbeiten, dann geht es natürlich um Qualifikationen. Was habe ich vorher gemacht? Welche Erfahrungen bringe ich mit? Aber auch passen wir eigentlich zusammen? Können wir uns vorstellen, zusammenzuarbeiten? Und das ist eine irre komplexe Entscheidung. Wir merken selbst, wenn wir mal diese Entscheidung treffen müssen, wie sehr wir mit uns ringen, ob wir die richtige Entscheidung treffen. Es ist also keine, die sich ganz einfach in irgendeinem Datenmodell abbilden lässt. Und hier hilft die künstliche Intelligenz auf einmal, Menschen in all ihrer Vielschichtigkeit zu verstehen, auch zu verstehen, wie unterschiedlich Jobs sind. Es macht natürlich einen ganz großen Unterschied, ob ich ein Arzt bin, eine Pflegekraft bin oder ob es um eine Einstiegstätigkeit gibt oder einen Gelegenheitsjob, wo es vielleicht nur darum geht, habe ich einen Führerschein und eine Arbeitserlaubnis. Und in all dieser Vielschichtigkeit schafft es einfach die künstliche Intelligenz, uns Antworten auf Fragen zu geben, die wir selbst menschlich gar nicht gut beantworten können. So, was heißt das jetzt in der Praxis? Die künstliche Intelligenz wird der ganz große Matchmaker. Wir werden bald ein Tool haben, einen kleinen Agenten in unserer Hosentasche, der eigentlich permanent Ausschau hält für uns. Gibt es da einen besseren Job? Was auch immer besser für dich bedeutet. Mehr Geld, weniger pendeln, vielleicht auch kürzer arbeiten, was auch immer das ist. Beim attraktiveren Arbeitgeber sein und der auch Unternehmen permanent dabei hilft, die richtigen Mitarbeiter zu finden. Denn es ist ja auch aus volkswirtschaftlicher Sicht ein irres Puzzle, was wir dort ständig versuchen zu lösen mit zig Millionen von Arbeitnehmenden und Millionen von Jobs und Hunderttausenden von Unternehmen. Und die Künstliche Intelligenz wird einfach dieses Puzzle viel, viel besser legen können und damit wird sie auch ganz maß. Es geht mich dazu beitragen, dass die Wirtschaft wieder besser funktioniert und dass Menschen glücklicher sind in ihrem Job.

Sprecher 2: Und was heißt bald? Du hast ja vorhin selber gesagt, es kommt doch ziemlich auf die Geschwindigkeit an, dass es schnell vorangeht. Wenn du sagst, wir haben das bald in der Hosentasche, skizzier doch mal so eine Timeline.

Sprecher 3: Erstens, wir haben schon in der Hosentasche, wir haben längst Algorithmen gebaut, die haben wir mit zig Millionen tatsächlich von Jobs historisch und Nutzerverhalten trainiert, um Menschen den richtigen Job vorzuschlagen. Also heute schicken wir unseren Nutzern mit einer Push-Notification einen Job aufs Smartphone, wenn wir glauben oder wenn der Algorithmus denkt, das ist der passende Job. Wir können unseren Nutzern sagen, wie gut passt du eigentlich auf diesen Job und wie hoch ist die Wahrscheinlichkeit, dass du diesen Job auch tatsächlich bekommst. Und das Gleiche funktioniert natürlich auch für Arbeitgeber. Früher habe ich eine Stellenanzeige veröffentlicht, gewartet, dass sich jemand bewirbt. Vielleicht hat sich auch mal keiner beworben. Heute veröffentliche ich eine Stellenanzeige und ich bekomme sofort passende Kandidaten vorgeschlagen mit Hilfe von Künstlicher Intelligenz. Kann die einladen zum Interview, kann die einladen, sich zu bewerben, kann sie direkt ansprechen. Das sind die Vorstufen des dann letzten Schritts, dass das Ganze wirklich autonom abläuft. Dass ich eigentlich nur noch Ja drücke, wenn die Künstliche Intelligenz mir vorschlägt, ich habe einen passenden Job gefunden, soll ich dich mal mit dem Rekruter in Verbindung bringen. Das wird natürlich nicht dazu führen, dass Menschen automatisiert eingestellt werden. Am Ende dieses Prozesses steht in den allermeisten Fällen zumindest immer noch ein Kennenlernen, ein persönliches Gespräch. Aber das einfach viel, viel schneller und auch viel, viel passender, sodass wir weniger Zeit verschwenden müssen mit dem Abschicken unzähliger Bewerbungen auf nicht passende Jobs. dem Durcharbeiten von unpassenden Bewerbungen und vielleicht sitzen in Vorstellungsgesprächen, wo wir nach kurzer Zeit in Wirklichkeit merken, es passt überhaupt nicht. Also die KI wird der ganz große Matchmaker und die Algorithmen davon haben wir gebaut. Jetzt müssen wir noch dafür sorgen, dass die Unternehmen sich daran anpassen in ihren Prozessen, denn da stellen wir natürlich fest, dass noch ganz viel so läuft, wie in den letzten 30, 40 Jahren der Fall war. Aber ich glaube, die Gewinnung von Mitarbeitern steht wahrscheinlich vor der größten technischen Revolution in ihrer Geschichte.

Sprecher 2: Nun wissen wir aber auch, dass künstliche Intelligenz immer ein Bias mitbringt. Wie geht ihr damit um?

Sprecher 3: Ja, das ist eine ganz interessante Diskussion. Ich hole mal vielleicht ganz kurz aus. Es gibt den EU-AI-Act, also die Regulierung von künstlicher Intelligenz auf europäischer Ebene, die viele unserer Anwendungen als Hochrisikosystem beschrieben hat. Das ist die höchste Form der Regulierung. Warum? Natürlich geht es hier um ganz wichtige Prozesse, also der Auswahl von Mitarbeitenden. Und es gibt eben dieses Thema der Ungerechtigkeit, des Biases. Der ist aber per se ja erstmal nicht maschinengemacht, sondern er ist menschengemacht. Wenn wir über Diskriminierung sprechen, der Arbeitswelt, dann kommt sie nicht daher, dass Maschinen oder Algorithmen diskriminieren, sondern dass wir Menschen Vorurteile haben und diskriminieren. Das heißt, wenn wir jetzt annehmen, dass die Maschinen Vorurteile, Biases haben, ist es ja nicht die Sorge davor, dass sie das wirklich haben, sondern dass diese Maschinen von unserem schlechten Entscheidungsverhalten lernen. Und die Aufgabe ist es also nicht per se, die künstliche Intelligenz zu regulieren, sondern dafür zu sorgen, dass sie nicht zu viel von den schlechten Entscheidungsverhalten von uns Menschen abschaut. Natürlich können wir jetzt sagen, das ist ein großes Risiko. In Wirklichkeit ist es eine riesige Chance. Die künstliche Intelligenz ist natürlich a in der Lage, diese Biases zu verhindern und uns auch aufmerksam zu machen auf die Biases, die wir in unserem Entscheidungsverhalten haben. Wenn du jetzt hergehst und sagst, ich lade von 100 potenziellen Bewerbern immer wieder die gleichen, nach bestimmten soziodemografischen Kriterien, Menschen zum Vorstellungsgespräch ein oder stelle sie ein, dann wird die künstliche Intelligenz das irgendwann feststellen und wird sagen, pass mal auf, du triffst für dein Unternehmen nicht die besten Entscheidungen. Wir als Unternehmen, und das ist das ganz Wichtige, das auch zu verstehen in einer Marktwirtschaft, haben ja überhaupt kein Interesse darin, Biases in unseren Algorithmen zuzulassen. Wir verdienen Geld damit, dass wir unseren Nutzern helfen, allen Nutzern helfen, einen Job zu finden und wir helfen den Unternehmen dabei, die Stellen bestmöglich zu besetzen. Und deswegen investieren wir auch eine ganze Menge da rein. Wir haben selbst Ethical AI Teams, die die ganze Zeit sich die Algorithmen anschauen, schauen, ob sie Biases haben, Wege finden, diese Biases zu vermeiden und auch zu verhindern, dass der Algorithmus einen Umweg findet, um diesen Bias, der menschengemacht erstmal ist, wieder irgendwie in die Algorithmen einzubauen. Das testen wir auch und insofern... Können wir sagen, unsere Algorithmen sind ja nie 100% biasfrei, das versuchen wir zwar, aber sie sind wesentlich gerechter und neutraler als menschliches Verhalten.

Sprecher 2: Ihr seid ja auch in vielen anderen Ländern unterwegs, wenn du das vergleichst international. Schränkt euch die Gesetzgebung in Deutschland und Europa ein?

Sprecher 3: Ich glaube, dass der EU-AI, so wie er jetzt steht, Und wie er angedacht ist, auch von der Europäischen Union gut ist, weil er erstmal einen Rechtsrahmen schafft, der verlässlich ist und auch für uns umsetzbar ist. Ich glaube, dass was ganz entscheidend wichtig ist, auch dann in der Umsetzung, in der nationalen Anwendung nicht wieder so ein Flickenteppich entstehen zu lassen, wie wir es bei zum Beispiel der Datenschutz-Grundverordnung hatten oder überhaupt im deutschen Datenschutz, sondern dass wir dort einheitliche Regelungen haben, die verlässlich sind, sodass du als Unternehmen nicht nur einheitlich in Deutschland agieren kannst, sondern idealerweise auch einheitlich in Europa. Aber ich glaube, die großen Regelungen, wie wir sie heute haben, der EU-AI-Act, auch der Digital Markets Act, Service Act, das sind alles gute Gesetzgebungen, die erstmal einen Rechtsrahmen schaffen im digitalen Raum innerhalb von Europa, der einheitlich ist und der auch von allen Ländern einheitlich angewendet werden kann. Und das müssen wir jetzt eben in Deutschland und in allen anderen Ländern auch so tun.

Sprecher 2: Der Digital Services Act, da gab es ja gerade auch schon ein bisschen Turbulenzen, weil in Verhandlungen im Zollstreit mit den USA im Prinzip geopfert werden sollte, dass große US-Tech-Konzerne in Deutschland mitreden dürfen. Du hast dich ja auch mit einigen anderen dagegen massiv gestemmt. Was ist eine Forderung, die du an die Politik stellen würdest, dass nicht... Dazu sehr nachgegeben wird, um an anderer Stelle eben bei den Zöllen jetzt voranzukommen.

Sprecher 3: Also jetzt diskutieren wir ja gerade, das ist zumindest, was ich aus der Presse lese, den Digital Services Act. Da, wo ich mich für stark gemacht habe, ist die Diskussion, die wir vor den Sommerferien hatten, das war der Digital Markets Act, wo gerüchteweise der auch zum Teil der Verhandlungsmasse im Zollstreit Der Digital Markets Act regelt im Wesentlichen faire Wettbewerbsbedingungen im digitalen Raum in Europa. Und das bedeutet nichts anderes, als dass im digitalen Raum genau das gilt, was auch sonst in der Wirtschaft gilt. Wir haben freie Märkte. Jeder kann sich im Wettbewerb versuchen, frei zu behaupten. Aber Monopolsituationen dürfen nicht ausgenutzt werden. Das haben wir auch immer schon so gehabt. Dafür haben wir in Deutschland eine Monopolkommission gehabt. Im digitalen Raum gibt es aber sogenannte Gatekeeper, also Services, durch die fast alle Internetnutzer erst einmal durch müssen, um dann ins Internet, wo es diesen Wettbewerb gibt, zu gelangen. Und die Sorge ist, dass ein Gatekeeper und dazu zählen Unternehmen wie Google, Microsoft, Apple, dass die Gatekeeper ihre Position nutzen, um ihre eigenen Services in den Vordergrund zu stellen. Und der Digital Markets Act, der regelt das. Deswegen ist es ein wichtiges rechtliches Instrumentarium. Das ist auch dann vor der Sommerpause schon wieder vom Verhandlungstisch genommen worden. Insofern bin ich damit ganz zufrieden.

Sprecher 2: Wie siehst du generell die Entwicklung von KI in Europa, Deutschland, Europa? Es wird ja oft kritisiert, dass Europa im Prinzip nur ein eigenes Large Language Model hat, das international mithalten kann, das auf Länderebene sehr wenig passiert. Stichwort digitale Souveränität. Brauchen wir die in Europa? Brauchen wir ein eigenes Large Language Model oder gibt es mittlerweile so viele KI-Ansätze, dass sich jeder schon seine Tools bauen kann?

Sprecher 3: Ja, das ist so ein bisschen der Blick in die Glaskugel. Was wird passieren? Wie entwickeln sich diese Märkte? Aktuell scheint... Es ist ja so zu sein, dass es viele miteinander konkurrierende Large Language Models gibt, die auch schnell technische Vorsprünge aufholen. Meine Meinung und auch unsere Meinung aktuell ist, das wird im Grunde genommen ein Commodity werden. Klingt jetzt komisch für eine so wahnsinnig innovative Anwendung, die eine Basistechnologie darstellen wird für ganz viele Anwendungen, die darauf gebaut werden. Und ich glaube, man darf die Diskussion um künstliche Intelligenz auch nicht ausschließlich auf Large Language Models verkürzen. Es gibt sehr viele andere Anwendungen, die auch künstliche Intelligenz sind, die aber nichts mit Large Language Models zu tun haben oder auf Large Language Models aufbauen. Da, wo wir Souveränität brauchen, ist die Datensouveränität. Denn der eigentliche Wert aus künstlicher Intelligenz wird erst dann geschaffen, wenn ich die Intelligenz verknüpfe mit Daten, mit Geschäftsprozessen. Und da haben wir auch in Deutschland, denke ich, eine riesige Chance. Wir haben diese sehr, sehr starke Industrie. Wir haben natürlich auch viele starke National Champions. Da ist es wichtig, dass wir dort künstliche Intelligenz Algorithmen verknüpfen mit den Daten, auch sicherstellen, also Unternehmen, das ist eine Aufforderung nicht an die Politik, sondern an die Wirtschaft, diese Daten nicht leichtfertig aus der Hand zu geben, sondern eigene KI-Anwendung zu bauen. Denn wie gesagt, der eigentliche Wert entsteht aus den Daten. Bei uns entsteht der Wert ja nicht daraus, dass es Large Language Models gibt, sondern dass wir sie trainieren können mit Millionen von Jobentscheidungen, mit Millionen von Stellenanzeigen, mit Millionen von Lebensläufen. Dadurch schaffen wir es überhaupt erst, wirklich ein gutes Matchmaking anzubieten. Das kann die künstliche Intelligenz nicht per se, sondern man muss es ihr beibringen und man muss es ihr eben dann, wie du willst, das eben besprochen haben, auch auf eine ethisch korrekte Art und Weise beibringen. Nein, was wir brauchen, ist jetzt eine Wirtschaft, die Gas gibt, die sich die Frage stellt, wie wende ich das an, welche Daten habe ich, mit denen ich wirklich einzigartige Dinge bauen kann. Beobachte ich übrigens auch bei vielen Unternehmen, dass das gerade geschieht. Da brauchen wir vielleicht auch ein bisschen Ungeduld, aber auch ein bisschen Geduld, wenn wir nur dabei am Zuschauen sind. Ungeduld brauchen wir unbedingt, wenn wir es gerade umsetzen. Aber da bin ich guter Dinge.

Sprecher 2: Was heißt das für die Unternehmen? Was heißt das auch zum Beispiel im Bereich Führung? Wie muss sich Führung im Unternehmen neu aufstellen, um mit KI, also mit den veränderten Verhältnissen durch KI umzugehen?

Sprecher 3: Ja, da sind zwei Dinge ganz entscheidend. Das erste ist, wie führe ich eigentlich durch diese Transformation? Denn wir sind vielleicht alle begeistert von den Möglichkeiten, die KI bietet, aber gleichzeitig haben ja ganz viele Menschen Angst vor der Künstliche Intelligenz. Und das ist keine ganz abstrakte Angst, sondern wir haben eben über die Arbeitsmarktdaten gesprochen, auch eine ganz konkrete Angst, nämlich wird es meinen Job in dieser Form auch noch geben. Und ich glaube, das kriege ich als Feedback mit, ganz viele Unternehmen kämpfen gerade damit, dass zwar eine latente Begeisterung, eine abstrakte Begeisterung dafür da ist, wenn es aber um die konkrete Anwendung geht, wird KI nicht konsequent genug angewendet. Das ist auch kein Wunder, weil keiner disruptiert ja gerne seinen eigenen Arbeitsplatz. Das heißt, ich brauche eine gute Mischung aus A, natürlich muss ich meine Mitarbeiter mit auf die Reise nehmen und Schulungen durchführen, sie weiterbilden, damit sie künstliche Intelligenz hin und anwenden können. Aber ich muss auch Entscheidungen treffen. Was sind die Prozesse, die Geschäftsprozesse? Prozesse, die ich jetzt digitalisiere. Wo werde ich in Zukunft mehr Menschen beschäftigen, wo weniger und wo vielleicht auch keine Menschen mehr? Und das sind Entscheidungen, die muss ich heute treffen. Das sind nicht alles immer nur schöne und bequeme Entscheidungen, sondern dazu gehören auch unbequeme Entscheidungen. Genauso wie das in der Industrie in den vielen Jahrzehnten bis hierhin auch der Fall war. So, das ist das eine, Transformationen erfolgreich managen. Das zweite Thema ist, wie führe ich nicht nur Menschen, sondern wie führe ich auch die künstliche Intelligenz? Diese Algorithmen arbeiten ja im Grunde genommen wie Mitarbeiter, aber wie unerfahrene Mitarbeiter. Ich muss sie also trainieren, ihren Job zu erledigen. Ich muss verstehen, wie sie denken und ich muss verstehen, welche Chancen sich ergeben. Ich muss aber auch verstehen, wo ich vielleicht nochmal kontrollieren sollte, wo ich nochmal nachschärfen sollte. Und zu verstehen, dass eine Künstliche Intelligenz, die mich produktiver macht, erstmal angelernt werden muss, dass ich dort Zeit investieren muss, das ist ganz wichtig. Insofern jetzt hybrid zu führen, ich führe ein Team von Mitarbeitern, aber ich führe auch vielleicht ein Team von Algorithmen, das ist ganz wichtig. Also insofern, ja, ich muss nicht Large Language Model Engineer werden. Aber ich muss ein erfahrener Anwender werden. Ich muss wissen, was sie kann und ich muss wissen, was die Künstlerin jetzt nicht kann. Und ich glaube, insofern wird sich auch Führung verändern. Es wird ein hybrides Modell werden aus menschlicher und technischer Führung.

Sprecher 2: Und gibt es dafür schon das passende Verständnis, Know-how auch in den Unternehmen und wird das aufgebaut?

Sprecher 3: Ja, in den USA gibt es aktuellen Trend, wo das Thema angefangen wird zu diskutieren. Ich würde sagen, das hat noch diese Hype-Far. Also im Moment ist es ein cooles Thema, es wird experimentiert, dann wird das in dem klassischen Hype-Cycle wahrscheinlich in den nächsten Monaten erstmal wieder ein bisschen verschwinden und es werden schlechte Erfahrungen gemacht werden. Aber auf eine ganz natürliche Art und Weise wird das zum ganz normalen Werkzeugkasten von Führungskräften, wahrscheinlich ja von allen Mitarbeitern, aber insbesondere von Führungskräften gehören. Also ja, wir sehen dort Anfänge in Deutschland, ehrlich gesagt, wird in den Anfängen und ganz an der Oberfläche das Thema diskutiert, aber noch nicht in der Tiefe.

Sprecher 2: Ich halte mal fest, wir müssen bei KI noch sehr, sehr viel dazulernen. Wir müssen auch mal mutig sein, bestehende Strukturen einzureißen. Sebastian, ganz herzlichen Dank, dass du heute im Table Podcast warst.

Sprecher 3: Danke für die Einladung.