Deswegen Herzlich Willkommen, Marketing Leadership Series, Marketing Automation Goes AI. Was sind so die Lessons Learned zu erfolgreichen Umsetzungen? Was wir mit euch machen wollen, und da freue ich mich sehr, dass ich hier von zauberhaften Kolleginnen und Kollegen begleitet werde, unterschiedliche Cases sich mal anzugucken. Deswegen herzlich willkommen. Anja, danke, dass du mit dabei bist, von WIT als Fashion-Bekleidungshaus. Wir haben Alexander König von Adler Mannheim. Andreas Schneider, der verantwortlich ist bei Roche Diagnostics für das ganze Thema Digital Marketing, Digital Sales Enablement und vonseiten Fressnapf der Kollege Mirco Visse, der verantworte für Marketing und Automatisierung. Also Ziel ist es wirklich, sich ganz unterschiedliche Industrie-Szenarien mal anzugucken und zu sagen, wie mache ich das denn und wie mache es denn vor allen Dingen erfolgreich. Deswegen also von Herzen schon mal an euch, herzlichen Dankeschön, dass euch bereit erklärt hat, auch mal eure Cases zu teilen und mal so einen Blick hinter die schönen Powerpoint-Welten tatsächlich zuzulassen. Die Agenda heute Nachmittag, ich werde ganz kurz ein Intro machen zum Thema Hintergrund der Marketing Tech Leadership Series. Dann zwei, drei Ergebnisse rausziehen aus dem Marketing Tech Monitor 2026, die die Grundlage dafür sind. Und dann schauen wir uns tatsächlich diese Cases einmal an. Sowohl von Fressnapf, Adler Mannheim, Wittgruppe mit Anja und Roche Diagnostics und danach noch Gelegenheit haben auch für Fragen und Diskussionen. Also was sind wirklich Lessons Learned? Und das heißt, was uns treibt, und das ist auch die Anmoderation für den Marketing Tech Monitor jetzt seit 2019 bereits, wo wir knapp immer 1600 bis 1800 Kolleginnen und Kollegen im DACH befragen, wie mache ich denn etwas? Ich glaube zutiefst, dass der Markt voll ist mit allen möglichen Angeboten, links und rechts. Und was ich immer suche, gemeinsam mit meinen Kollegen, ist so, wie mache ich das denn richtig? Also ich brauche jetzt nicht Kim Kardashian on stage, sondern mal so ein Deep Dive. Was sind denn da Erfahrungen, Lessons learned? Und auch die Frage an die Kolleginnen und Kollegen mit den Fallbeispielen. Wenn du ein weißes Blatt Papier hättest, du würdest das gleiche Thema nochmal neu anfangen. Was würdest du gleich machen oder was würdest Du komplett anders machen? Das heißt, wir suchen den Anspruch, den wir mit dem Marketing Tech Monitor jetzt seit 2019 frönen, auch hier gerecht zu werden oder dem zu folgen. Deswegen, ich weiß, wenn ich die Anmeldeliste gesehen habe, es haben sich knapp 185 Kolleginnen und Kollegen angemeldet, dass relativ viele von euch auch teilgenommen haben am Marketing Back Monitor, was sie mir zurückgespielt haben. Wir hatten dieses Jahr knapp 1600 Unternehmen drinnen. Wir haben eine sensationelle Rücklaufquote bekommen mit 414 Unternehmen, die die quantitativen Umfrage ausgefüllt haben, wo mich die Kollegen vom Statista gefragt haben, ob ich den Antworten dann immer in der Tiefgarage auflaue, um sie dann dazu zu zwingen, den Fragebogen auszufüllen. Und wir hatten halt noch um 30 qualitative Experteninterviews und haben dieses Jahr noch Mitarbeitende auch statistisch repräsentativ befragt und zu sagen, das eine ist die Führungsperspektive, das andere ist die Mitarbeiterperspektive. Was kommt denn von diesen ganzen Sachen bei euch an und wo klemmt es denn bei euch im Wesentlichen? Thema Marketing-Automatisierung, dass wir, glaube ich, die letzten 20, 25 Jahre ausgiebig an allmöglichen Foren und dergleichen diskutiert haben. Und die Frage ist ja, inwieweit habt ihr das denn umgesetzt und wie weit kommt das denn tatsächlich Unternehmen zum Tragen? Deswegen schauen wir einmal rein. Wenn du dir das anguckst, über alle Anwendungen im Bereich Marketing und Automatisierung, sind das meist wahre Feature Monster. Teilweise mit eigenen Datenbanken ausgestattet, teilweise mit einer Analyse-Optimierungslogik versehen, mit Testing, A/B-Testing, Attribution teilweise. Du hast ein Kampagnenmanagement dahinter, Engagement-Management mit Web-Landing-Pages und dergleichen, bis hin zu Lead-Managements und auch Integrations-Szenarien. Das ist gewuchert über all die Jahre und tatsächlich ganz viele Sachen werden da als Functions und Features angeboten. Das war so unglaublich. Schaut man sich das mal an, ich habe vom Status des Marketing-Tech-Monitors in 2019 einmal angeguckt, wie haben sich denn Marketing-Automatisierungsplattformen tatsächlich entwickelt? Und da sieht man, dass sie sich noch weiter entwickelt haben. Also du hast schon ein riesen Angebot. 2019 kamen dann so regelbasierte Trip-Kampagnen dazu, 2020 ganz viel CRM-Integration bis hin zu Gen.i. Und heute hast du also Next Best Action, automatisierte Customer Journey-Interaktion bis hin zu tatsächlich möglichst weitgehend automatisieren und eine autonome Optimierung der Customer Journey zu machen. Also das, was du hast als Bauchladen, da ist alles drin, was das Marketing-Automatisierer-Herz eigentlich sich wünschen könnte. Es gibt kaum etwas, was nicht verfügbar ist. Und die Frage ist jetzt nur die... Schafft man es denn als Unternehmen, all diese Vielzahl an Gestaltungsmöglichkeiten und -optionen tatsächlich am Ende des Tages sinnvoll umzusetzen? Und eine der Zahlen aus dem Marketing-Tech-Monitor war, dann haben wir auch exklusiv abgefragt, bei Marketing-Automatisierung. Wie weit nutzt es denn? Und 62 Prozent sagen, ja, wir nutzen es nicht voll aus. Die meisten sagen, na ja, eigentlich nutzen wir das ganz oft nur als E-Mail-Engine, laden die Daten rein und raus, aber nicht mehr. Also die Vielzahl an Optionen, die ich habe, nutzen wir eigentlich kaum aus. Nur vier Prozent sagen, wir nutzen es aus. Und wenn du das mal ganz platt siehst, musst du sagen, over-tooling und under-deliver. Das heißt, ich habe mir das wo rein geholt, teuer eingeführt, mit ganz viel Herzblut, wo ja auch ganz viele Kolleginnen und Kollegen dann jeweils reinarbeiten müssen. Also richtig zum Laufen gebracht, haben wir es noch nicht. Das liegt nicht an der jeweiligen Lösung, sondern wie mache ich das denn tatsächlich im jeweilige Unternehmen? Wir haben auch mal abgefragt, was glaubst du denn tatsächlich aus deiner eigenen Wahrnehmung und Perspektive, wie viel Prozent der Funktionalitäten du wirklich ernsthaft nutzt? Und dann kommt immer wieder raus, wir nutzen vielleicht 25, vielleicht 30 Prozent der functionalitäten, mehr nicht. Und das heißt, du hast gar kein Tool-Problem, sondern das Problem ist tatsächlich, wie bringe ich denn sowas zum Arbeiten, um die operativen Prozesse zu unterstützen? Deswegen freue ich mich sehr, dass wir uns dann gleich vier Cases angucken können, wie man das am sinnvollsten macht. Und, und das ist auch ehrlich gesagt nichts Neues, gleichzeitig scheitern halt eine Vielzahl an Projekten. 70 bis 80 Prozent der Projekte im Bereich KTD dürfen Customer Interaction, also nicht nur bei Marketing und Automatisierung, sondern insgesamt. Ob das nur Attac ist, Marketing, Resource Management oder CRM. Wenn man das mal quer rechnet, dann kommst du alleine nur IT-Kosten aus so was rund 21 Milliarden Euro in 2026 alleine im DACH. Wir haben das über die letzten Wochen und Monaten mal mit 35 oder fast 40 Unternehmen, all möglichen Workshops, verprobt und ich denke also, dass irgendeiner dann mal aufspringt und sagt, ja, nee, das kann ja gar nicht sein. Alle, die mal wirklich mit den Gummistiefeln im Maschinenraum gewesen sind, nicken dazu nur wissend und sagen, jo, das ist so, bei uns sind auch ein paar Projekte, die nicht so richtig laufen. Also es ist keiner da, der dann sagt, nee, das kann ja gar nicht sein, sondern alle sagen eigentlich irgendwie so: ja, das wissen wir. Es war bei uns auch schon so. Wir haben Sachen gehabt, die wir nicht richtig eingeführt haben. Deswegen die Frage heute Nachmittag ist wirklich die, beim Bereich Marketingautomatisierung. Wie führe ich das denn ein? Wie mache ich das tatsächlich am elegantesten? Wie mache das erfolgreich? Und wie setze ich auch Projekte am Ende des Tages wirklich ernsthaft erfolgreich um? Und das ist kein Tool-Problem, sondern wirklich: wie bringe ich eine Organisation dazu, im Gleichklang, meine Prozesse im Gleich Klang mit den Tools zu funktionieren? Am Ende ist das Tool ein Enabler und das Tool soll etwas besser, schöner, effizienter machen und nicht umgekehrt. Das ist ja kein Selbstzweck. Deswegen freue ich mich auf den ersten Case. Stage frei für dich, Mirco. Tatsächlich, wie macht man das denn bei Fressnapf? Mirco? Ralf, vielen Dank. Damit fangen wir an. Wer ist Fressnapf eigentlich genau? Ein bisschen für euch zur Orientierung. Wir sind mittlerweile seit 1990 am Markt, damals mit einem Markt gegründet von Thorsten Töller, der immer noch im Unternehmen ist. Und gerade diese Woche, ich weiß nicht, wer es mitbekommen hat, haben wir den dreitausendsten Markt in Frankreich eröffnet, aber nicht in Frankrig, den dretausendste, insgesamt den Dreitausenden. Wir sind in mittlerweile in 15 Ländern aktiv. Dabei sind wir in unseren Kernländern auch Marktführer. Nicht immer firmiert unter Fresnampf logischerweise, ganz oft unter MaxiZo und teilweise in Italien auch ganz andere Naming, wie zum Beispiel AK Planet. Wir sind insgesamt über 20.000 Mitarbeiter und natürlich sind wir online und im Retail tätig und das auch in ziemlich allen Ländern. Ein Schritt weiter. Was mache ich mit meinem Team? Was machen wir im Team? Wir verantworten insgesamt sieben Länder. Das sind vor allem Länder, bei denen wir unser Loyalty-Programm Friends implementiert haben. Und diese Länder insgesamt stehen die für ungefähr 25 Prozent des E-Mail-Umsatzes hinsichtlich automatisierter Kommunikationen, was ich persönlich als guten Erfolg darstellen möchte, weil wir 2023, 2024 gestartet sind, viel transaktionale Kommunikation, die rausgegangen ist, und mittlerweile einen ordentlichen Betrag dazu leisten, dass wir im E-Mail einen guten Umsatz erzielen und das über automatisierte Kommunikation. Wie machen wir das? Wir haben im ersten Schritt uns überlegt, dass wir erst mal relativ platt anfangen und den verschiedenen Ländern ein sogenanntes Automation-Menü zur Verfügung stellen. Das heißt, die Länder können aus den Kommunikations-Journeys - Willkommens-Journey, Zweitkaufstrecke, Replenish, Churn-Prevention, Win-Back-Kommunikation - wählen und entsprechend ihre personalisierten Journeys aufsetzen. Ich komme gleich noch ein bisschen mehr ins Detail. Das ist der eine Part, den wir im Team verantworten. Der andere Part, und der ist der meist deutlich spannendere, ist das Thema personalisierte Angebote. Und dort ist natürlich das Thema Daten und auch in Zukunft dann mehr AI-Einsatz gefragt. Das machen wir vor allem mit mittlerweile über 240 personalisierten Angeboten über alle Länder. Dort können auch die Länder dann wählen, was sie implementieren. Die bieten dann immer so einen Blumenstrauß an. Hinsichtlich zum Beispiel Turn Prevention, wo wir ein Scoring-Modell implementiert haben oder unsere Steigerung des individuellen Bestellwerts in der sogenannten Spendstretch, wo wir ganz viel Kommunikation aufgebaut haben und jeder Kunde in ein Segment einsortiert wird und dann entsprechend eine Rabattierung erhält. Also ihr könnt euch merken, auf der einen Seite sind wir für personalisierte Kommunikations- und Angebote zuständig und auf der anderen Seite bilden wir den ganzen Automatisierungsschatz ab, hinsichtlich transaktionaler und getriggerter Kommunikation. Hinter der Automation steht natürlich im Kern die Herausforderung, das Ganze so zu bilden, dass es funktioniert. Und dabei sind uns vor allem und mir im Kern drei, vier Herausforderungen in den letzten Jahren untergekommen, die ich gerne heute mitbringen möchte. Denn aus meiner Perspektive waren das die, die uns am meisten beschäftigt haben. Und das war zunächst natürlich das Thema Datensilos, was wir zu Beginn anfassen mussten, weil alle Daten lagen irgendwo. Das heißt, die Kernfrage im Vordergrund war, Wie schaffen wir die Garten-Grundlage für unsere personalisierte Kommunikation? Dann hatten wir immer so ein bisschen das Thema Ad-hoc-Kommunikation und automatisierte Kommunikations. Das heißt, natürlicherweise war das Business auch ad hoc getrieben. Kurzfristige Sales-Wünsche waren da, Kampagnen mussten heute raus, damit der Umsatz der Woche noch erreicht wird. Das ist natürlicherweise heute auch noch in Teilen so und das konkurriert mit unseren planbaren und personalisierten Journeys. Wir haben mittlerweile einen ganz guten Weg gefunden. Ich komme gleich noch in Detail dazu, wie wir das gemacht haben. Also ein bisschen in die Richtung, wie wir KI auch bei uns einsetzen, kommt in den Thema Dezentralskalieren, wo lokale Teams Freiheiten brauchen, von uns unterstützt werden, weil gleichzeitig auch die Marke aber Regeln hat. Unterstützen wir da hinsichtlich der Umsetzung in den verschiedenen Ländern. Und natürlich das Thema, wie können wir den Analysezugang zu unseren Analysekapazitäten erweitern? Weil wir da, so wie viele natürlich, Fragestellungen haben, die uns umsetzen wollen, aber nicht genug Analyzekapazität haben. Erstes Thema, Data Engineering, Datensilos auflösen. Wie gesagt, unsere größte Herausforderung und die Grundlage für alles weitere danach ist das Data Engineering. Auch heute sitze ich quasi in jedem Meeting und sage, wir brauchen mehr Data Engineers, wir brauchen mehr Data engineers, weil aus meiner Perspektive damit die Skalierung erst möglich ist. Was war damals unser Problem? Und was haben wir dann danach gelöst? Unser Problem damals auf der linken Seite, seht ihr das in dem Chart, ist dann noch gewesen, dass wir fünf, im Kern fünf verschiedene Datensilos hatten und diese in verschiedenen Systemen lagen, wie zum Beispiel SAP BWW, Emarsys, Adobe. Die APIs waren langsam und fehleranfällig. Die Realtime-Kommunikation war unmöglich. Also im Prinzip realtime war dann zwei Tage später. Das heißt, unser Ziel und unsere Lösung war erstmal die Implementierung all unserer Daten in einer Plattform. Dabei war vor allem wichtig natürlich der Kundenschlüssel, das heißt die Kommunikation zwischen den Datensilos und dann die Implementierung in einem Plattform benötigt, einen Kundensschlüssel, den wir dann implementiert haben. Dahinter sitzt noch ein anderes Projekt oder Produkt, was diesen Kunden-Schlüssel und die persönlichen Informationen der Kunden beinhaltet. Aber das war unser Key und unser erster Schritt in diese Richtung. Das heißt, wir konnten danach ein konsistentes Kundenbild ermitteln und das konnten wir natürlich dann nutzen für getriggerte Kommunikations, für Segmentierungen, für Messungen. Und unsere ganz roughe, unsere Dateninfrastruktur sieht folgendermaßen aus, wir nutzen Snowflake, haben da unsere ganzen Rohdaten und Segmente, die dort gebildet werden. Dann einen Schritt weiter in die Thema Audiencegestaltung. Das machen wir in Helium. Ich habe da so ein bisschen versucht, die Datensilos mal so zu zeigen. Dann kombinieren wir Pet-Profile-Informationen mit den Transaktionsdaten beispielsweise. Und dann am Ende pushen wir das ganze Thema über die ERP zu Emarsys, wo dann die automatisierte Kommunikation rausgeht. Also im Kern, Data Engineering ist Punkt eins aus meiner Perspektive der Enabler gewesen, der bei uns überhaupt erst mal das ganze Thema Automatisierung und auch in den nächsten Schritten den KI-Einsatz ermöglicht. Zweites Thema, der Zielkonflikt, insbesondere ganz zu Beginn, weil er bei uns sehr groß war, weil wir natürlich da in dem Kampagnenmodus noch gearbeitet haben, wir aber aus dem Team heraus eigentlich personalisieren und automatisieren wollten. Das heißt so das Thema Tempo und kurzfristiger Sales Bedarf versus relevant personalisiert und Signal basiert. Wir haben uns dann ganz klar am Customer Life Cycle orientiert und das kann ich auch nur als Tipp mitgeben. Habt ein Konstrukt, bei dem ihr sagt, okay, ihr wollt den Weg gehen und somit unseren Kunden mit euren Kunden kommunizieren. Uns hat das enorm geholfen, am Ende dort die Tension für zu bekommen und auch die Durchsetzungskraft, dann auch nicht immer jede Kampagne raushauen zu müssen, sondern auch über den Customer Lifecycle zu gehen und den Kunden mittelfristig zu bespielen und nicht nur ganz kurzfristig mit Rabatten. Aus meiner Perspektive so ein bisschen Entscheidungsregel, einmal und zeitkritisch, dann gerne ad hoc. Aber wenn es wiederholt wird und wenn es signalbasiert ist, dann sofort als Journey automatisieren. Alles natürlich vor dem Hintergrund von Kapazitäten. Aber das ist so das, was ich in den letzten Jahren bei uns kennengelernt habe und was ich auch als recht praktikabel empfunden habe. Ich glaube, jetzt wird es ein bisschen spannender, weil wir jetzt noch ein bisschen in den Bereich KI gehen. Jetzt haben wir vor allem so eine kleine Challenge, die wir bei Fressnapf, was wir in den letzten Jahren haben. Wir sind den Weg der Dezentralisierung gegangen. Das heißt, aus der Zentrale heraus sollten die Länder mehr Möglichkeiten der Gestaltung bekommen. Für uns im Team hieß das, wir sind verantwortlich für Emarsys, wir sind für Daten. Wie können wir denn jetzt garantieren, dass die einzelnen Länder so kommunizieren, wie wir das wollen? Und wie können wir personalisierte Inhalte skalieren? Und da insbesondere für euch natürlich. Ihr könnt euch das vorstellen, aber für uns ist das natürlich noch ein weiterer Aspekt, der relativ komplex ist. Wir haben nicht nur den Kunden Mensch, sondern wir haben insbesondere den Kunden Tier. Und der Kunde Mensch kauft, wenn das Tier zufrieden ist. Und vor allem mit dem Produkt zufrieden ist. Wenn wir jetzt ein bisschen in einzelne Themen reingehen, wir haben zum Beispiel über 400 Hunderassen. Und die Frage war so ein bisschen, wie können wir am Ende personalisieren und personalisierte Inhalte ausspielen. Insbesondere vor dem Hintergrund der Skalierung. Das heißt, früher war es so, da saß jemand, der die Kampagne entsprechend mit Inhalt gefüllt hat, dann eine neue Kampagnie aufgebaut hat und mit Inhalte gefüllt hat. Wir haben uns da einen Weg überlegt und den auch in die Länder entsprechend skaliert, der so ein bisschen in die Lösung der Agentsic CRM geht, ich würde das noch nicht so nennen, das kommt ja später aus meiner Perspektive. Es ist nur so ein erster Aspekt, wie wir personalisierte Inhalts skalieren können. Wir haben nämlich die Top 20 Hunderassen ausgesucht, die schon so rund 75-80% der Kommunikation dann entsprechend abdecken. Haben das Ganze mit Co-Pilot in Inhalte gesteckt, so wie wir uns das vorstellen, haben es dann in Tabellen geladen, in Snowflake, um sie dann in Emarsys automatisiert über die Emarsys Scripting Language auszuspielen. Das hört sich jetzt ein bisschen technischer an, ich erkläre es kurz. Wir können, wenn der Kunde uns Profilinformationen gibt, wie zum Beispiel, er hat einen Golden Retriever, ein Terrier oder andere Rassen, was jetzt auf Hund- spezifisch gemünzt ist. Dann können wir entsprechend in der Tabelle nachschauen, okay, der Kunde hat ein Hundprofil mit Golden Retriever und bekommt entsprechend das Bild XY ausgespielt und bekommt auch die Informationen zusammen Golden Retrier ausgespielt. Wir sehen, dass das deutlich mehr Engagement beim Kunden erzeugt und dementsprechend natürlich auch für die Personalisierung gut funktioniert. Wir sind also in den ersten Schritten jetzt gerade und merken, dass es gut funktioniert, wir wollen das natürlich skalieren. Im Moment machen wir das in der Willkommensstrecke für unsere Kunden, damit es dort natürlich direkt für den Kunden auch ersichtlich ist. Und die weiteren Ausbaustufen sind natürlich dann über den Customer-Life-Cycle verstreut. Am Ende wollen wir das auch in jeglicher Kommunikation haben. Die Komplexität ist ein bisschen erstmal natürlich die Inhalte auch dann in Snowflake zur Verfügung zu stellen, um es dann zu skalieren. Aber der Weg funktioniert. Für uns ein Learning gewesen, für uns ein cooler Schritt in die Richtung personalisierte Inhalten skalieren. KI als zusätzlicher Qualitätsmanager ist so ein bisschen die Überschrift über den Part, bei dem wir unsere Challenge darin hatten, dass die Länder unser Corporate-Design in den Templates und in ihrem E-Mail-Marketing haben sollten. Wir haben uns dann relativ simpel in Copilot, weil das ganze Unternehmen Copilot nutzt, einen Quality-Agenten gebaut und Quality-Agent heißt, wir haben unser Team im Prinzip gefragt, welche Informationen würdet ihr jemandem geben, der neu in dem Thema ist und gerade eine E-Mail raussenden möchte, in den Ländern dann entsprechend die Ad-hoc-Kommunikation. Wo würdet ihr sagen, auf was müsst ihr achten, was ist wichtig und insbesondere, was möchten wir denn eigentlich, was die Länder entsprechend unserer Template-Vorgaben umsetzen? Heißt also, wir haben unser Wissen zusammengenommen und haben diesen Agenten so gebaut, dass das Framework entstanden ist. Das funktioniert jetzt folgendermaßen: relativ einfach, ein Mitarbeiter aus einem Land kann so eine fertige E-Mail und sein fertiges Template als Screenshot hochladen. Ihr seht das hier oben so ein bisschen klein dargestellt. Die Fragestellung ist vorab gepromptet. Das muss er gar nicht. Er muss nur anklicken, was er genau haben möchte. Und danach, ich habe es jetzt hier auf Deutsch dargestellt, kommt dann entsprechend der Output aus der KI. Das ist nur ein kleiner Screenshots bezogen auf den CTA. Da gibt es wesentlich mehr, das war ein richtig langes Pamphlet, was da dann rauskommt. Das kann man auch kürzen. Ich habe ja erst mal nur einen kleinen Aspekt mitgebracht für euch, damit ihr euch grob vorstellen könnt, in welche Richtung das geht. Für uns total hilfreich, weil wir gar nicht die Kapazitäten haben, jede E-Mail zu checken und die ganze Zeit unseren Mitarbeitern in den Ländern genau zu sagen, was wir eigentlich möchten von denen. Deswegen ein cooler Case, relativ simpel, aber mit viel Impact aus unserer Perspektive. Last but not least, das Thema Skalieren ohne Analysten. Im Zuge der letzten Jahre hat sich bei uns viel getan rund um das Thema Daten. Wir sammeln ganz viele Daten in unserem Kundenbindungsprogramm und können dementsprechend mehr und mehr Themen für die Personalisierung nutzen. Was aber nicht gestiegen ist natürlich die Möglichkeiten und die Kapazitäten im Data Center. Dementsprechend sind wir mittlerweile in der Lage und haben uns dadurch ein bisschen selbst enabled, unsere eigenen Fragestellungen über ein KI-Modell zu lösen. Das heißt, bei uns im Team kann jeder Marketeer seine Fragesteller in den Snowflake-Cowork KI-Agenten eintippen. Ein ganz normaler Prompt. Ich habe noch Screenshots vorbereitet, wie ihr sehen könnt. Im Hintergrund funktioniert das relativ simpel, also für uns auch möglich, das selbst damals zu erstellen. Wir hatten da keine Data-Science-Unterstützung und auch kein Data Engineer. Wir brauchten einfach nur, und das ist der Kerntipp hier eigentlich, saubere Tabellen. Wir haben uns damals entschieden dafür, dass wir zunächst erst mal Transaktionstabellen nehmen und Kundenprofile, das waren zwei simple Tabellen, in denen beide der Kundenschlüssel drin war. Und diese beiden haben wir in einem semantischen Modell in die KI geschoben und haben gesagt, dann schau dir doch mal, also in Snowflake entsprechend sowieso verfügbar, aber dann in dem semantischem Modell der KI gesagt, schau die mal bitte diese beiden Tabellen an, interpretier sie und übersetzt sie für dich. Was da rausgekommen ist, ist, dass wir simple Geschäftsfragen stellen können, wie zum Beispiel, wie viele aktive Hundehalter über 60 haben wir, also klassische Frage, die grob in ein Use-Case enden könnte. Und das semantische Modell übersetzt diese Begriffe, die im Kern da drin sind, wie aktiv. Heißt also, hat der Kunde gekauft, Hundehalter über 60, welches Alter hat der kunde und ist er überhaupt Kunde? Diese Abfrage geht dann zu Snowflake Cowork und das Ernüseergebnis ist innerhalb von kürzester Zeit nutzbar und bietet eine Orientierung für den Marketeer, danach seine Kampagne zu bauen, weil er weiß, wie groß ist das Segment, wie verhalten sich die Kunden, was ist der Durchschnittsbogen, wie sehen die Profile aus und so weiter. Das Ganze sieht dann so aus, wir haben hier die Übersicht, so wie ihr das auch aus den LLMs kennt, die ihr so nutzt, auf der linken Seite, relativ simpel, habe ich jetzt eingetippert, welche Hunderassen gibt es. Und das Ergebnis rechts, seht ihr dann, die KI erklärt auch dann jedes Mal, was sie genau tut. Ich habe das jetzt ausgeblendet. Aber am Ende kommt dann tatsächlich eine sehr gute Liste. Hier zum Beispiel 498 Hunderassen, die es bei uns in den Haustierprofilen gibt. Die Daten sind natürlich nicht echt, aber die einzelnen Auflistungen der Hunderasse und der Profile gibt es dann für uns verfügbar. Und wir können dementsprechend unsere Kampagnen besser ausspielen, weil wir ein viel, viel besseres Gefühl dafür haben, was steckt eigentlich genau unseren Kunden Daten drin. Wofür nutzen wir das noch? Finde ich persönlich ganz spannend. Wir haben mittlerweile einige Use-Cases. Neben dem, dass wir natürlich gucken, wie groß das Segment ist. Ist es überhaupt sinnvoll für eine Kampagne? Sollten wir das überhaupt umsetzen? Ist natürlich die Frage, kann ich am Ende den Daten vertrauen? Also wir hatten zum Beispiel dann Cases wie wenn ein Hund über 20 Jahre alt ist, ist die Wahrscheinlichkeit schon nicht mehr groß, dass dieser Hund bei uns im System aktiv ist, obwohl der Kunde noch kauft. Das sind so Themen, wo man dann so ein bisschen gucken muss, ob man da die richtige Kommunikation ausspielt. Mittlerweile unterstützen wir auch den Kundenservice mit diesen Informationen, die natürlich dann über Kundenschüsse gehen, die wir dann entsprechend ins System hochladen und danach fragen, okay, welche Customer ID hat welche Pet-Profile und dann können wir entsprechend den Kundeservice unterstützen. Heißt also, es gibt ganz viele Use-Cases, die wir mittlerweile lösen können. Im Kern aber für uns das Wichtige, wir können Kampagnen aufsetzen und brauchen nicht mehr jeden Tag die Analyseabteilung fragen. Wie groß denn Segmente sind, was wir denn genau machen können. Wir brauchen die Dashboards nicht, die wir früher gebraucht haben. Wir können also alles selbst lösen. So, das waren im Schnelldurchlauf ein paar Themen, die ich euch gerne mitbringen wollte. Meine Lessons Learned der letzten Jahre: die Datensilus auflösen, Dateninfrastruktur aufbauen, Datenqualität sichern. Ich hab's extra ganz oben hingeschrieben, weil es die Grundlage ist für alles. Habt ihr das gelöst, habt ihr einen großen Schritt Richtung, Agentic CRM, Agentic Automation gelegt und könnt dann weiterarbeiten. Ich würde auch den Tipp geben, mit kleinen, klarabgrenzenden Use Cases starten, was ich im Unternehmen teilweise für Anforderungen höre. Da bin ich mir sicher, dass wir das erst mal noch nicht umsetzen können. Trotzdem denkt jeder KI, löst gerade alles, aber fängt mit kleinen Use Case an. Wiederkehrende Kommunikation in Richtung Automatisierung, auch konsequent automatisieren. Es hilft vor allem, dort die Abgrenzung zum Ad-hoc-Geschäft zu haben. Relevanz vor Reichweite, Einfachheit vor Komplexität. Ich glaube, das ist relativ logisch und für uns wichtig gewesen. Und auch ein Lessons learned von unserer Seite aus von Anfang an kanalübergreifend denken. Ganz wichtig. Vielen Dank. Cooler Case, vielleicht eine Frage. Also wirklich, ich finde den Case einfach super. Nur die Frage ist dann die am Ende des Tages, sagst du, lass uns erst tatsächlich Daten aufräumen, bevor wir irgendwas draufbauen. Ich habe das mal mit den Kollegen von der TUI, die haben gesagt, ja, wir müssen das eine machen und das andere. Also wir müssen es irgendwie parallel übereinander geschoben bekommen. Wie siehst du das? Würdest du sagen, nee, räume erst mal deinen Datenhaushalt auf, denn sonst bringt das nichts. Ich bin mir sicher, dass das der bessere Weg ist, insbesondere wenn es danach um Skalierung geht. Also die Cases werden ja nicht kleiner, die werden eher größer. Die Anforderungen in diese Richtung Agentsic CRM werden größer und größer und das parallel zu gestalten ist mit Sicherheit eine Lösung, die für einige Unternehmen dann entsprechend funktionieren kann. Sind die Daten aber in Datensilos, halte ich das nicht für den richtigen Weg. Also die Infrastruktur ist schon aus meiner Perspektive das A und O um am Ende in dem Bereich Automatisierung. Zu skalieren und insbesondere in KI zu denken und dann zu optimieren. Damit bist du natürlich in den meisten Firmen erstmal der Party-Pupper, wenn die dir da sagt, lass mir ein paar Cases realisieren, und du sagst, ja, ist alles ganz nett und das wird da nichts bringen, wenn wir nicht die Daten irgendwann mal beisammen haben. Sehr gut. Sehr gut. Danke an dich. Wir wechseln einmal rüber zu Alexander. Alexander hat ein Produkt, das wahrscheinlich ähnlich aktivierend ist wie das eigene Haustier. Denn Sport - Adler Mannheim, in der SAP-Arena - es gibt wahrscheinlich kaum Sachen, die mehr aktiviernd sind wie Fußball, als auch, was ich lernen durfte, Ice Hockey. Deswegen, Alexander, freuen wir uns sehr drauf. Wie machst du das denn? Leute, die ja grundsätzlich schon mal begeistert sind von deinem Produkt, diese Begeisterung noch weiter fortzuführen. Alexander, stage is yours. Dankeschön, ich fange mal mit der Fensterteilung an. Sehr gut. Ja, ich hätte nie gedacht, dass ich mal sagen kann, bleiben wir mal doch in der Tierwelt. Aber ich freue mich sehr, heute bei euch zu sein in so mit lustigen Kreisern an großen Unternehmen als Eishockey Club aus der deutschen Eishockey Liga. Mein Name ist Alexander, bin Marketing Director in Sales seit mittlerweile acht Jahren der Adler Mannheim und der SAP Arena. Und in dieser Funktion beschäftigt mich natürlich hauptsächlich mit Themen wie Sponsorships, wie Mediaplanung, wie Partnermanagement etc. Aber im Kern würde ich mich eher als Beziehungsmanager bezeichnen oder uns eigentlich als ganzes Team als Bezieher bezeichnet. Wir möchten euch vorstellen, die Firma hat sicherlich sehr unterschiedliche Zielgruppen. Und bei uns kommt einfach diese Emotionalität dazu. Wenn wir darüber sprechen, dass wir haben Menschen, die seit 30, 40 Jahren bei uns in der Dauercard im Stehblock stehen und wirklich ihr letztes Hemd für den Club geben. Wir haben Familien, die zum ersten Mal vielleicht heute Abend in die Arena kommen und ein Spiel anschauen, um einfach Unterhaltung zu haben. Wir haben Businesspartner, die wiederum ganz andere Ansprüche haben, weil sie viel Geld investieren, um in unserer Business zu sein und dementsprechend ist es sehr, sehr stark, mit Technologie arbeiten zu können, weil wir natürlich diese Beziehung, die wir in B2B fast eins zu eins teilweise haben. Auch Anfang über die letzten Jahre in die Breite in B2C, im Fanbereich, zu bringen. Für alle, die uns vielleicht noch nicht so kennen, Eishockey gibt's im Mannheim seit 1938. In der Zeit achtmal Deutscher Meister geworden. Wir dürfen über 12.500 Fans pro Heimspiel bei uns in der SAP Arena begrüßen. Macht ca. 350 Fans pro Saison. Und wir sind wahrscheinlich die einzige Stadt, ich hab noch keine andere gesehen, die am Bahnhof ihre Gäste nicht mit Fußballclubs oder ähnliches begrüßt, sondern tatsächlich mit dem hiesigen Eishockeyclub. Aber wir haben natürlich nicht nur Spaß und schauen, wo unsere Logos zur Geltung kommen, sondern wir versuchen, ein ernsthaftes Business zu machen. Auch wenn es mit Sport natürlich sehr mit Entertainment zu tun hat. Und da gibt es eine wirkliche Besonderheit. Ich beschäftige mich jetzt seit 20 Jahren, seit meiner Diplomarbeit mit dem Thema Profisport und Beziehungsaufbau. Und die Hauptprobleme sind natürlich, das wurde auch gerade schon angesprochen, das Thema Silos. Wir haben das Glück, dass wir, oder die Vorgänger, da war ich noch gar nicht im Boot, dass da die Entscheidung getroffen wurde, schon 1998, zu sagen, wir versuchen, ausschließlich auf eine Datenbasis zu gehen und sitzen auf SAP-Produkten, vom ERP mittlerweile bis zum Spieltag und bis zur App, und dementsprechend sind wir auch ein Stück weit so eine Art Tech-Labor mit Adler Mannheim und der SAP-Arena, was uns sehr viel Freude macht und noch immer wieder herausfordernd ist. Wie sieht unser Geschäftsmodell aus? Die großen drei Bauchschleine, kann man sagen, sprechen wir über das Public Ticketing, also normale Tickets, dann die VIP-Tickets, Hospitality und Sponsoring, jeweils ungefähr ein Drittel. Und flakiert wird es von den Medienrechten und von Merchandising. Der eine oder andere, der sich vielleicht mit Fußball auskennt, wird sich jetzt wundern, weil im Fußball die Medienrechte wahrscheinlich der größte Brocken ist. Das ist bei uns anders. Wir arbeiten mit unseren Fans, mit den Menschen. Und das ist einfach unser Hauptmodell. Ja und genau hier setzt unser Problem auch an, ein positives Problem. Aber Spieleplätze und Sponsoring-Inventar sind einfach begrenzt. Und wir haben das Glück mit den Adlern hier eine starke Marke in der Region zu haben, die nach wie vor Menschen zieht. Wir haben hohe Auslastungen von über 95 Prozent in der Arena. Wir sind nahe in ausverkauften Hospitality-Bereichen. Auch Sponsoring, unsere Partner, auf die wir sehr, sehr stolz sind, halten uns die Treue auch in schwierigen wirtschaftlichen Zeiten. Und das hat uns einfach zu diesem Punkt geführt, an dem wir heute sind, dass wir natürlich immer wieder im Vertrieb stark wachsen wollen, aber wir haben eigentlich kein Vertriebsproblem, sondern wir haben ein Skalierungsproblem. Und daher ist unsere Antwort, unser strategischer Rahmen from volume to value. Wir wollen eben nicht mehr ausschließlich auf Reichweite optimieren, auf Masse, sondern wir versuchen immer mehr den Wert aller einzelnen Beziehungen, die wir jetzt schon vor Ort haben, einfach in den Mittelpunkt zu stellen. Und wenn man über mehrteilige Beziehungen spricht, das ist zwar kein technologisches Lessons Learned, aber das war für uns ein organisatorisches bei uns im Club. Dann haben wir erst mal losgearbeitet und überlegt, okay, wie können wir mehr Umsätze generieren? Wie können wir Klicks generieren? Aber wir sind irgendwann zu dem Punkt gekommen, dass wir uns überlegt haben, was ist denn eigentlich eine gute Beziehung in diesem Club, in diesem Unternehmenskontext? Und für uns war es dann die Antwort zu sagen, unsere Fans sollen sich verstanden fühlen, unsere Fans sollten sich erinnert fühlen und unsere Fans, auch wenn man sich nicht immer persönlich kennt und auch wenn wir Entscheidungen treffen, die nicht immer zwangsläufig jedem Fan gefallen, wertgeschätzt fühlen. Also die Frage dahinter, wie entsteht Vertrauen? Und wenn man das jetzt versucht technologisch umzusetzen, dann hatten wir trotz allem, dass wir seit über 20, 25 Jahren auf ähnlichen Systemen arbeiten, ähnliche Probleme wie vielleicht viele von euch. Die Datenlage in unterschiedlichen Systemkomponenten dadurch fehlte Kontext. Und wir sind ein kleines Team. Wir reden hier von, sagen wir mal, 20, 25 Personen in der Geschäftsstelle, von Marketing über Sales bis zum Ticketing. Dementsprechend war auch die Zeit für uns nie ausreichend. Um wirklich zu personalisieren, um Inhalte anzupassen. Und dieser fehlende Kontext und diese zwar Mengen an Daten, aber die... Verbindung, die fehlende Verbindung hat dazu geführt, dass wir auch dieses Predictive Analytics, das vorhin schon auf einem Chart war, dass es für uns sehr, sehr schwer war, Ableitungen aus der Vergangenheit zu treffen. Wir haben Newsletter zwar gemacht, aber natürlich aus Kapazitätsgründen sehr ähnliche Inhalte. Das heißt, auch die Botschaften, die an verschiedenste Fangruppen mit ähnlichen Inhalten gingen, klang dann eher nach Marketing als nach echter Kommunikation. Und wir haben eben viele manuelle Schritte gebraucht. Und da war uns einfach klar vor drei Jahren, da war es schon viel länger, aber wir waren vor drei in der Lage, eben eine gemeinsame Datengrundlage zu schaffen. Und da hatten wir das Glück, dass sie natürlich in der Basis schon vor uns lagen, wo wir mit der Engagement Cloud jetzt einfach dieses Tool haben, dieses Tool zur Verfügung hatten, was zum einen unsere Basisdaten zusammengeführt hat und verwertbar gemacht hat und natürlich aber auch unsere Kontakte und Auswertungen. Heute Abend wird noch mal was Neues an Start gehen, da kommen wir gleich drauf in dem Case. Das sind drei Cases, die ich mitgebracht habe, die uns enorm geholfen haben und die uns einfach auch, was die Fan-Akzeptanz angeht, enorm weiter geholpen haben. Wir hatten, wie gesagt, dieses isolierte Newsletter für viel manuelle Arbeit und durch den Engagement Cloud, durch das System, konnten wir eben Interessen und Verhalten zusammenführen. In dem Beispiel bezüglich die Commerce-Aktivitäten im Ticketing, im Merchandising. Aber selbst, bis hin zu Food& Beverage im Stadion, was wir zusammenführen können. Man bekommt bei uns mittlerweile Punkte, Loyalty-Punkte, auf Food& Bearage-Einkäufe, was natürlich auch ein relevanter Umsatztreiber ist. Und die KPI's da unten, die sind schön. Das ist natürlich toll zu zeigen. Aber für uns war es am Ende des Tages einfach auch der Beweis. Das werden wir die Menschen besser kennen und wenn wir da relevantere Inhalte ausspielen, dass wir wirklich enorme Zuwachsraten haben. Also ein ganz kurzes Beispiel, vielleicht ist für den einen anderen schon standardisiert, aber alleine die Ansprache von Familien, die am Sonntag zum ersten Mal kommen in einer Willkommensstrecke und einem Die-hard-Fan, der seit vielen Jahren in der Dauerkarte, sozusagen mit der Dauerkarte steht, hier relevante Unterschiede zu machen. Die komplette Anreise-Journey bis zum ersten Besuch abzubilden. Und bei dem anderen viel mehr auf Taktik, auf wirkliches Detail- und Reiseokniwissen zu gehen, hat dazu geführt, dass wir da sehr gutes Feedback bekommen und in den Zahlen einfach auch erkennen, dass wir da auf dem richtigen Weg sind. Was uns mittlerweile dazu führt, dass gerade die Justheit der Kommunikation zu einem echten Umsatzhebel geworden ist und wir Kontrolle teilweise überaus verkauft und nicht bekommt. Das ist der Case, der heute Abend live geht. Wir haben die Engagement Cloud an unsere App angebunden. Und in der Vergangenheit war es einfach so. Früher ging ein breiter Push an alle User. Also egal, wo du warst, wenn wir jetzt schreiben würden, herzlich willkommen in der Arena und du bist gerade im Urlaub auf Mallorca, kriegst du einen Push - "herzlich willkommen in die Arena" - ist natürlich Käse. Insofern war das sehr, sehr eingeschränkt in den Möglichkeiten, die wir hatten, überhaupt sinnvoll und relevante Pushes zu geben. Wir können jetzt triggerbasiert Pushes an unsere Fans ausspielen. Heute Abend werden wir eine Premiere haben beim Spielen. Also alle, die über den Triggerticket kaufen und Durchgang durch das Accesssystem bekommen erst mal eine Herzlich-Willkommensnachricht und abgestimmt auf die Werbung im Stadion, dann auch den Spieltagstil des Tages mit einem rabattierten T-Shirt, was eben aber nur die Menschen bekommen, die wirklich vor Ort sind. Auf Basis von Zeit und Accessträger. Ein weiterer Case, der uns sehr viel Nerven und auch Geld gespart hat in den letzten Jahren, dass wir nicht nur viele Daten haben, sondern die zusammengeführt viel besser nutzen konnten, sodass wir jetzt die Spieltags-Auslastungen sehr, sehr gut prognostizieren können auf Basis von Gegner, von Tag, von Jahreszeit, von auch Temperatur, von Tabellensituationen, sodas wir auch die ungefähre Verlaufskurve mittlerweile besser einschätzen können und während wir vielleicht vor fünf Jahren noch in Hektik verfallen wären, wenn vier Wochen vor einem Spiel noch die Hälfte leer gewesen wäre. Wenn wir heute sehr genau sagen, ob wir trotzdem on track sind oder ob wir tatsächlich was tun müssen, was wieder darum dazu führt, dass wir viel gezielter auf Basis unserer Ticket-Historien auch Werbung schalten können und auch natürlich mit Direct-Mailings noch mal Fans aktivieren können, die auf Basise unseres Datenwissens relevant sind und die Interesse haben könnten, bei diesem Spiel dabei zu sein. Und noch kein Ticket haben. Du hast es mehrfach angesprochen. Deiner Leib- und Magenthemen - die Lessons Learned. Was uns wirklich wichtig war, wenn wir unser Team auch immer mitnehmen wollten in die neuen Möglichkeiten, dass auch wirklich so eine Begeisterung entsteht und auch ein Mitdenken entsteht an diesen neuen Möglichkeiten. Dann war es schon so, dass es gut war, ein gemeinsames Zielbild zu haben. Wir haben den Club als Buddy sozusagen definiert. Wir haben gesagt, wir wollen wie jemand sein, mit dem man abends am Tisch sitzt, über Eishockey quatscht. Der weiß, der mich kennt, der weiß, wo ich stehe. Wer weiß, was ich wissen habe in diesem Bereich. Und das so als Zielbild. Genau, das ist auf jeden Fall für uns ein wichtiger Hebel gewesen, um auch eine Vorstellung für jeden zu geben, der sich nicht täglich mit diesem Thema auseinandersetzt. Also eher schon so ein großes Zielbild, aber auf der anderen Seite, wie vorhin auch die Kollegen von Fressner angedeutet, klein starten. Wir hatten dann Worklops, die haben auch mega Spaß gemacht, haben die ganze Wende voll gekritzelt. Mit Fan-Journeys und Touchpoint-Maps, die mit hunderten von Datenpunkten oder beziehungsweise Touchpoint punkten und das sah dann alles sehr sophisticated aus und am Schluss wusste da wieder keiner wo anfangen soll. Das heißt wirklich den kleinstmöglichen Use-Case, das war unser Ansatz, suchen, schnell Ergebnisse finden, sich gemeinsam freuen, sehen, dass es was bringt und dann Schritt für Schritt vorarbeiten. Hilft sowohl im Kollegenkreis Aber auch natürlich sich intern so rechtfertigen, was um Budgets angeht und was den Weg angeht, den man da einschlägt. Und auch, ich glaube, wir kriegen ganz viel technische Learnings heute Abend noch. Für mich war ein Riesenunterschied, als wir angefangen haben, nicht nur im kleinen Kreis sich spannende Sachen auszudenken, sondern aus jedem Team Leute ins Boot zu holen, die neugierig waren, die Bock hatten, in diese Richtung zu denken, neue Themen auszuprobieren. Gleichen Use-Case entwickeln, ausprobieren, überprüfen und wenn es gut gelaufen ist, direkt weitermachen. Das so als unsere wichtigsten Learnings, die mehr nicht technischer Natur. Ja, und ich glaube keine Präsentation im Jahr 2026 ohne AI und natürlich kommen wir nicht drum herum. Wir sind heute, Stand heute helfen uns KI Funktionalitäten bei den Produktempfehlungen, bei den Ticketprognosen und selbstverständlich auch in Textunterstützung, wenn es um Mailings etc. geht. Aber das sind, glaube ich, wirklich Basissachen. Aktuell arbeiten wir an dem Thema Joule für Datenabschlagen in natürlicher Sprache. Die CX-AI-Tools von SAP sind auch gerade in der Implementierung, sodass auch unser Shop, unser Warenwirtschaftssystem und auch die gesamte Betextung hier deutlich schneller werden soll. Und als nächstes darauf aufbauend eben die Agents, mit denen unsere Fans dann angebunden an die Systeme deutlich individualisierter und deutlich spezifizierter sprechen können, als es in der Vergangenheit der Fall war. Und die Roadmap für die nächsten Jahre, die sieht vor, dass wir dieses Body-Prinzip eben auch in die in die AI-Ära bringen. Wir wollen als persönliche Ansprechpartner wahrgenommen werden. Dieses Gedächtnis, was ihr sicherlich alle kennt, wenn ihr Chatbots benutzt. Ihr referenziert auf Anfragen von früher, also wenn das freigegeben ist, wenn Ihr das wollt. Und dass einfach Zusammenhänge klargemacht werden, dass Zusammenhängen dem Fan helfen, einfach noch näher an den Club zu kommen. Ein gemeinsames Fangedächtniss, das ist das Ziel. Wir wollen jedem einen eigenen Agent an die Seite stellen und so diese Idee eines Buddys, eines lernenden Buddys mit Erinnerung, mit Verständnis, mit Wertschöpfung für die Zukunft an die Seite stellen. Abschließend noch mal gesagt, wir haben gesagt, wir fangen immer mit kleinen Kunden und Fanproblemen an. Wir schauen, was wir aus den Daten an Verständnissen für unsere Fans rausholen können. Und dann schauen wir, welche Wirkung unsere Maßnahmen haben. Versuchen, schnellstmöglich in die eine oder andere Richtung weiter zu gehen. Und dann ist, damit schließt sich der Kreis. Wir hoffen, dass das gewünschte Ergebnis immer weiter in die Richtung geht. Dass der Fan sagt, ich fühle mich von euch verstanden. Ich merke, dass ihr euch an mich erinnert und ich werde wertgeschätzt. Und das soll sozusagen die Bewahrheitung unserer Strategie sein. From volume to value. Vielen Dank. Super. Danke an dich. Danke auch nochmal zurück zu Mirco. Was ihr beide im Kern sagt, ist nicht verzetteln, sondern lasst uns klar anfangen nach Sylvia Roosevelt: keep your eyes on the stars, put your feet on the ground. Thema eins. Zweites Thema ist, glaube ich, was ich von euch beiden schon mal mitgenommen habe, ist tatsächlich inhaltlich auch klar zu sein. Was wollen wir denn machen? Also nicht nur viel zu machen, sondern wirklich inhaltliche. Unter sich die Organisation mitzunehmen. Endeffekt ist es ja ein Enabler, um etwas besser, schöner, toller zu machen und keinen Selbstzweck. Deswegen ganz spannend. Zwei tolle Cases, in was grundsätzliches hinein. Und ich freue mich sehr. Wie macht Anja das denn bei? Bitte, wie macht ihr das? Ihr seid ja ein Omni-Channel-Händler, tatsächlich mit Online-Katalog und mehr als 100 Filialen noch. Wie geht ihr denn damit um? Und wie schaffst du denn tatsächlich, Kundeninteraktionen zu automatisieren? Anja. Ja, hi erstmal. Danke Ralf. Hi, ich bin die Anja. Ich bin von der WITT-Gruppe und weiß, die euch nix sagt. Wir sind Teil der Otto Group. Und wie Ralf gerade schon gesagt hat, Multi-Channel-Händler, also stationäre Filialen, Online-Shop und auch ganz viel Katalog noch. Denn unsere Kundin ist die Frau 50 Plus. Also wir sind in der Fashion-Branche und auch in neuen Ländern vertreten. Hatten im letzten Geschäftsjahr über 1,2 Milliarden Euro Umsatz. Und wer maßgeblich dazu da beteiligt war, das seht ihr diese Leute da unten. Das ist nämlich meine Abteilung, das Direct Message Marketing. Wir sind aktuell 20 Leute, auch Werkstudenten mit eingerechnet und Teilzeitkräfte, aber trotzdem schon eine sehr große Mannschaft. Wir kümmern uns in der WITT-Gruppe um alle E-Mail und Mobile Push Aktivitäten. Und wir nutzen auch die E-mail Marketing Plattform SAP Engagement Cloud, also Emarsys. Und eine unserer KPIs, die wir auch regelmäßig monitoren, die vielleicht ein bisschen seltsamer ist für viele, sind die Monthly Message Reached. Also das sind fast fünf Millionen unique Kund:innen, die wir jeden Monat mit unseren Kanälen bespielen. Genau, ich habe die Automatisierungsmöglichkeiten in der WIT-Gruppe immer ein bisschen geclustert, beziehungsweise wie wir hier aufgestellt sind. Technisch, wir haben es jetzt auch schon ein bisschen gehört, ist es immer gut, einen Single Point of Truth zu haben mit dem Data Warehouse. Bei uns ist es tatsächlich schon auch so. Allerdings fehlt uns noch das große CRM, was wir gerade erst anbinden und migrieren. Und bis dahin werden erst mal alle Offline- und Online-Daten bei uns ins Data Warehouse zusammengeführt. Aber natürlich schicken wir auch alle Daten, die wir haben, also die Kundendaten, Produktdaten und Salesdaten zu Emarsys. Die Daten gehen dann auch wieder ins Data-Warehouse zurück. Und somit kriegen wir aktuell auch schon Scoring-Modelle bei uns aus dem Data-Warehouse, also Kunden-Klosterungen und auch schon Predictive-Purchase-Daten. Also wann sollten wir am besten den Kunden als nächstes bespielen? Und in SAP, in Emarsys selbst, gibt es ja auch noch genug Automatisierungsmöglichkeiten wie Abbruchstrecken, aber auch schon die ersten KI-Features, mit denen man automatisieren kann. Strategisch gesehen sind wir im E-Commerce-Bereich vor allem an zwei Zielen interessiert. Das eine ist die Optimierung der internen Geschäftsprozesse und das ist, glaube ich, gar nicht mal so zu unterschätzen. Wir haben es von mir auch schon gehört, es gibt AI-Assistants, denen man Fragen stellen kann oder die man auch mal zur Qualitätskontrolle schicken kann. Wir versuchen hier ganz viel manuelle Arbeit zu ersetzen, um die Zeit besser zu nutzen. Und das andere ist die klassische Marketing-Automation, also Optimierung der Kundenansprache. Wir versuchen hier ganz viel mit Personalisierung den Kunden besser anzusprechen und unser großes Ziel bei uns in der Abteilung, im Direct-Message-Marketing, ist bis 2030 50% unserer Umsätze aus Triggermails zu bekommen. Da waren wir Anfang des Jahres noch bei 7%, was schon eine relativ große Lücke noch darstellt, bis zu den 50%, muss ich aber ehrlich zugeben. Aber wir sind auf dem besten Weg, also durch die Migration zu Emarsys haben wir auch, da komme ich auch gleich noch dazu, viele neue Mails onboarden können, die davor nicht möglich waren. Deswegen sind wir jetzt schon einige Prozentpunkte näher an den 50 als noch vor einem dreiviertel Jahr. Organisatorisch haben wir uns auch im E-Commerce-Gereich und auch bei uns in der Abteilung seit 2023 umstrukturiert. Da komme ich gleich noch genauer drauf. Es ist aber auch Gott sei Dank so, dass wir bei der WITT-Gruppe online Weiterbildungen haben zum Thema Automatisierungen und auch zum Umgang mit KI. Genauso wie es Best Practices gibt bei uns im Otto-Konzern, um das Thema auch noch weiter voranzutreiben. Beim Thema Daten ist es so, wir haben es jetzt auch schon oft gehört, die Datensilos, die es gibt, die gibt es bei uns natürlich auch. Wir versuchen allerdings ganz viel mit Workarounds hier für mehr Aktualität und auch für mehr Verbindungen zu sorgen. Also beispielsweise verschicken wir unsere Newsletter, unsere ganzen E-Mail-Nachrichten nicht mit demselben Tool, wie wir unsere Mobile-Push-Notifications verschicken, was natürlich schon fatal ist auf den ersten Blick. Weil wir dann noch gar nicht wissen, wenn jemand eine Push-Notification bekommt von uns, ist es derselbe Kunde, der vor 10 Minuten vielleicht eine Triggermail bekommen hat und hat die Push-notification gar nicht nötig. Wir versuchen also durch KI, teilweise fragen wir auch ganz platt, ich habe hier das Tool und ich habe das Tool und vielleicht kannst du mir eine Idee geben, wie ich die beiden vereinkam, wie bekomme ich die Daten von A nach B. Das sind so Sachen, die wir auch versuchen mit der KI zu recherchieren. Allerdings machen wir jetzt schon so ein Running Gag bei uns intern, weil wir uns eine kleine Schatten-IT aufbauen, weil wir die Daten so ein bisschen am Data Warehouse auch vorbeischieben. Das ist natürlich nur eine Zwischenlösung, bis wir unser richtiges CRM-System haben, um dann letztendlich die Daten von dort überall hin zu verbreiten, damit es keine Daten Schiefstände mehr gibt. Und die Daten, die wir jetzt endlich in Echtzeit haben, seitdem wir bei Emarsys sind, die sind natürlich gold wert, also die Abrufstrecken, die man ja auf jeden Fall schon kennt, aber auch die Produktupdates, also bei niedrigen Bestand, bei Reduzierungen oder Back-in-Stock-Mails funktionieren natürlich super und mein Tipp wäre hier auch auf jeden fall, das Tool auf Herz und Nieren zu prüfen und auch zu gucken, was kann das Tool auch wirklich alles. Also oftmals wird ja bei Tool-Präsentationen vielleicht auch nicht jede Möglichkeit oder jede Klickmöglichkeit gezeigt. Und ich habe jetzt beim Onboarding mit Emarsys ganz viel Zeit auch verbracht, selbst mich in dem Tool ein bisschen zu beschäftigen und zu sehen, was ist alles möglich. Und da ganz viele kleine Kniffe noch entdeckt für neue Mailings, sodass wir jetzt ganz viele unterschiedliche Abbruchmails haben, viele, die auch nur auf einem View basieren. Also ich habe einen Artikel angesehen und der wird dann in preisreduziert - der muss noch nicht mehr am Warenkorb gelegen sein - und trotzdem schicke ich dem Kunden eine Mail, aber natürlich nicht mit Prio 1, wie ein Warenkopp-Abruchmailing, sondern vielleicht eher Prio 5 oder 6. Aber es sind zumindest viele unterschiedliche Möglichkeiten, den Kunden zu erreichen. Lieber verschicke ich viele unterschiedlich E-Mails als ein Triggermailing, was dafür öfter ausgeht. Und wir haben auch mittlerweile schon öfter mal versucht, und das habe ich auch gerade schon so eng angedeutet, die KI für die Recherchezwecke zu nutzen, sodass ich zum Beispiel kürzlich erst die Dokumentation von Emarsys die KI hat durchlesen lassen und dann unseren Online-Shop ein bisschen erklärt habe und dann gefragt habe, Was für Daten könnte ich denn noch aus dem Online-Shop zu Emarsys schicken? Und was kann ich damit im E-Mail-Marketing denn tun? Und da sind wirklich richtig coole Ideen rausgekommen, wie zum Beispiel, dass ich mir geben lasse, was die Kunden gefiltert haben im Online- Shop, nach was sie sortiert haben oder zum Beispiel auch, was sie oben in die Suchleiste eingegeben haben und auf welche Landing-Page die da gekommen sind. Sind sie eventuell auf eine Error-Seite gekommen und sind nicht weitergekommen im Shopping-Verhalten. Das wäre natürlich allein schon, diese Info zu haben, dass sie auf einer Error-seite war. Mit der kann ich schon was anfangen. Und das sind alles Dinge, die man so gar nicht auf dem Schirm hat, die aber alle möglich sind. Und es sind vielleicht alles nischige Use Cases, aber insgesamt runden die dann das Einkaufserlebnis trotzdem stark ab. Genau, wir haben natürlich auch schon ganz viel versucht zu automatisieren, zum Teil eben interne Geschäftsprozesse, wie zum Beispiel ein Prozess, der über ganz viele unterschiedliche Kollegen gelaufen ist, bei uns im E-Mail-Marketing, in Kunden-Service, dann wieder in Vertrieb. Also es um die Gutschein-Anlage ging und hier haben wir mit Power Automate zum Beispiel einen Prozess geschaffen, damit diejenigen, die in der Prozesskarte gerade dran sind mit einem To-Do, nur noch automatisch über eine Teams-Benachrichtigung angepingt werden. Hier, du hast einen Auftrag, du musst diesen Gutscheincode testen und wenn es erledigt ist, hackt man es in Teams ab und der nächste wird benachrichtigt. So hat man diese ganzen Hin- und Herzschätze, ich bin jetzt fertig, deutlich verkürzt und das auch ohne IT-Kapazitäten in Anspruch zu nehmen. Denn diese ganzen internen Optimierungen, das sind alles Kollegen von mir, die im E-Mail-Marketing eigentlich sind und die wir eben abgestellt haben für diese Automatisierungen. Wir haben auch ganz viele Prozesse schon mit Google-Chrome-Extensions optimieren können und es gibt natürlich aber auch in dem Maße selbst, habe ich ja gerade schon gesagt, so das eine oder andere KI-Feature oder Automatisierung-Features wie zum Beispiel das Send-Time-Optimization oder eben Backend-Stock, was man auf jeden Fall auch nutzen sollte und das mit super wenig Aufwand verbunden ist. Und was wir gerade dabei sind, ist, dass wir auch versuchen, in unserem CMS-System über Google-Script eine eigene Anbindung zu erstellen, so dass wir bei ganz vielen Mails auch nur noch mit Platzhaltern arbeiten. Das ist so ähnlich wie das, was Mirco vorhin gezeigt hat, dass man in der Mail dann selbst kaum noch wirklich Content sieht, sondern eigentlich nur noch Platzhalter. Und das eigentliche Pflegen findet im CMS statt und daraus bespeist sich dann nicht nur der Newsletter, sondern auch der Online-Shop und eventuell noch andere Online-Marketing-Kanäle. Wir haben auch im Vertrieb ein sehr interessantes Projekt gerade am Laufen, das heißt New-Customer-Prediction. Und dort wird nach dem Erstkauf eines Kunden mit ganz vielen unterschiedlichen Attributen berechnet, wann denn der Zweitkauf vermutlich stattfinden wird oder was der Kunde eben noch braucht, um den Zweitkauf dann tatsächlich zu tun. Das geht ganz stark auch aus der Offline-Welt, also auf welchem Katalog er zum Beispiel bestellt hat. Und Wenn es dann ins Online-Modell rein switcht, dann bekomme ich bei uns im E-Mail-Marketing eine Markierung für den Kunden, heute braucht der einen Gutschein und dann verschicken wir die Kampagne dorthin und da sind wir gerade noch am Testen und ich bin gespannt, ob dort die versprochenen Zweitkäufe dann auch tatsächlich stattfinden. Unter Emarsys ist es ja so, dass es auch schon zum Beispiel einen AI-Assisted Report-Bilder gibt. Also dort kann ich dann Fragen einstellen, wie viele Klicks habe ich diese Woche generiert mit meiner Bankop-Abbruch-Mails. Oder sonstige e-mailbasierte Fragen, genauso wie es jetzt seit kurzem einen Content Composer gibt, der auf Basis der vergangenen Mails, die ich gebaut und verschickt habe, und auf die Reaktion meiner Zielgruppe auch Content von selbst baut. Also hier müssen wir auf jeden Fall auch nochmal, oder hier müssen wir auf einmal ins Testing gehen, weil es hört sich super spannend an und das ist ja genau die Richtung, wo wir eigentlich auch hinwollen. Und was denn in den Startlöchern steht oder was wir, wo gerade schon in der, ich sag mal, Forschungs- Phase sind. Wir wollen unsere Mobile-Push-Notifications eigentlich voll automatisiert erstellen mit nur wenigen Klicks. Das ist tatsächlich so, dass unser Werkstudent gerade mit ganz viel Fleiß, auch über Google-Script, eine Oberfläche erstellt, die sich dann auf eine Exentabelle bezieht, die sowieso schon wie eine Art Briefing-Datei genutzt wird. Da wären wir wieder beim Thema Daten. Dort steht nämlich sowas wie Headline und dann der Text, Subline, der Text button, Link. Es steht alles eh schon da. Und sonst müssen quasi die Kollegen alles händisch rüberkopieren ins Tool und so zapft dieses System genau dieses Excel-File an und verschickt mit wenigen Klicks dann die Push automatisch. Wir haben es auch schon getestet, aber ein paar Optimierungen fehlen noch, aber wir sind auf jeden Fall begeistert, dass auch so etwas ohne IT-Kapazität möglich ist. Was auch noch unser Ziel ist, dass wir irgendwann unsere E-Mail-Kampagnen auch komplett über Länder distribuieren können und die sich dann komplett automatisch übersetzen. Das wäre auf jeden Fall die Kirsche auf der KI-Torte und wo die Reise ja auf jeden Fall auch noch hingeht, ist, dass ich irgendwann einen AI-Assisted-Segment oder Automation-Bilder auch habe, in dem ich dann sagen kann, heute will ich alle Kunden anschreiben, die schon meinen roten Pullover gekauft haben und das möchte ich jede Woche sonntags machen, so ungefähr. Das komplett erstellt. Genau, unsere Reorganisation. Die 2023 passiert ist. Wir haben damals schon festgestellt, dass das Thema Automatisierung gerade bei uns im E-Mail-Marketing zu kurz kommt, denn eigentlich ist der Kanal prädestiniert dafür zu automatisieren. Wir hatten auch zwei Kollegen bei uns in der Abteilung, die sich super für das Thema interessiert haben und die haben wir dann tatsächlich auch abgestellt aus dem Tagesgeschäft. Die haben keine Newsletter mehr gebaut, sondern die sollten sich mit ihrer kompletten Arbeitszeit dem Thema Automatisierungen, KI-Einsatz und Prozessoptimierung widmen. Es war am Anfang eigentlich alle relativ skeptisch, auch die beiden Kollegen selbst. Die hatten nämlich Angst, dass sie nicht ausgelastet sind. Und es war am Anfang auch ein bisschen, ja, es hat eine gewisse Findungsphase einfach gebraucht. Aber gleichzeitig wurde dann bei uns im E-Commerce auch ein cross-funktionales Smart-Tech-Team gegründet, wo die beiden Kolleginnen aus meiner Abteilung auch mit involviert waren. Und dort ging es dann tatsächlich erst richtig los. Also die Kollegen aus den anderen Abteilungen, aus den Online-Marketing-Kanälen, die waren auch sehr interessiert an dem Thema, haben sich auch eingelesen und weitergebildet. Und dieses Wissen, was dann dort entstanden ist und was dann auch in diesen cross-funktionalen Terminen geteilt wurde, das war wirklich Gold wert. Also meine zwei Kollegen haben dort so viel gelernt und sind mit so viel Ideen auch zurückgekommen. Dann gab es noch eine Phase, wo alle Kollegen bei uns im E-Commerce, und das sind über 100 Leute, aufgerufen worden sind. Also wir haben jetzt hier ein Martech-Team und die würden sich um Automatisierungsideen kümmern. Rech doch mal die Ideen ein. Das hat ein bisschen gedauert, bis da wirklich mal Ideen kamen, was natürlich am Anfang ein bisschen einschüchtern dann auch wirkt, weil vielleicht war das doch ein Schmarrn, dass wir die zwei abgestellt haben. Dann kamen aber die ersten Ideen und die ersten Sachen wurden umgesetzt. Und als dann viele von den E-Commerce Kollegen festgestellt haben, solche Prozesse kann man automatisieren oder dafür steht man überhaupt darunter, was alles möglich ist. Seitdem ist dieses Team ausgelastet und hat eine unglaublich lange Backlog-Liste, die quasi gar nicht abzuarbeiten ist mit den Kapazitäten. Also da muss auf jeden Fall erst ein bisschen Verständnis geschaffen werden, bis da wirklich was an Ideen reingekommen ist. Unserer Erfahrung nach haben wir die KI bisher wirklich hauptsächlich als Denkpartner mit eingesetzt. Ich habe gerade vorhin schon ein paar Beispiele genannt, also gerade so für die Recherche zu bestimmten Customer-Journey-Phasen oder auch Trigger-Optimierungen oder überhaupt welche Triggerpunkte es gibt. Dafür haben wir KI schon sehr häufig benutzt und waren auch wirklich sehr zufrieden mit den Ergebnissen. Ihr habt es ja auch schon rausgehört, Coding Assistenz ist bei uns ein Riesenthema, IT Ressourcen sind unglaublich knapp bei uns. Deswegen versuchen wir so viele Prozesse wie möglich, ohne die IT-Ressourcen, aber dafür mit Coding Assistance von der KI zu automatisieren. Und wir nutzen uns tatsächlich auch relativ häufig, um das Kundenfeedback zu bündeln. Wir haben an unterschiedlichen Touchpoints immer wieder Umfragen, bei denen die Kunden auch im Freifeld antworten können. Und diese ganzen Umfragen von tausenden Antworten zu bünden, da macht die KI tatsächlich auch einen sehr guten Job. Wo wir noch ein bisschen skeptisch sind, ist, für uns, wenn die KI Bilder oder Texte erstellt, sei es jetzt für Newsletter oder für einen Online-Shop, bei den Bildern ist es oft so, dass unsere Webdesigner auch noch mal ein bisschen nachbessern müssen, weil man es einfach trotzdem zu stark sieht. Und jetzt ist unsere Kundin zwar 50 plus, aber ja, teilweise wollen wir trotzdem nicht, dass sie denken, dass man sich keine Mühe mehr gibt. Deswegen sind wir noch der Meinung, oder zumindest ist es mit der KI, die wir zu verwenden. Dass wir sie noch nicht ohne Qualitätskontrolle auf die Kunden... loslassen können. Genau, zur Wirkung. Ich hab's jetzt auch schon. Paar Mal erwähnt, die Arbeitszeiteinsparungen, die wir durch diese internen Prozessoptimierungen haben, sind wirklich sehr groß. Wir haben wirklich das Gefühl, dass wir seit mehreren Monaten fachlich gesehen uns endlich mal auch um Themen kümmern können, die schon seit längerer Zeit im Backlog liegen, weil viele manuelle Prozesse einfach wegfallen. Natürlich ist aber auch der ganze Marketing-Automation-Punkt ein großes Thema. Die KI-Berechnungen Und auch zum Beispiel die Recommendations, die wir anzeigen. Unser Recommendation Tool, was auch viel auf KI basiert, fördert gezielt die Ansprache und auch der Einsatz von Gutscheinen, wenn er vielleicht gar nicht nötig ist, spart natürlich Geld. Wir haben auch mit vielen Kollegen auch gesprochen. Viele waren am Anfang auch sehr skeptisch, was die Automatisierungen betrifft, gerade wenn man viele manuelle Prozesse oder Arbeiten schon sehr lange macht. Aber dadurch, dass die Kollegen trotzdem festgestellt haben, es ist einfach keine doppelte Pflege mehr. Und auch viele von unseren Systemen, von unserer Software, ist teilweise 10, 15 Jahre alt und selbst entwickelt. Und die Eingabe-Masken sind dementsprechend. Deswegen war da die Zufriedenheit schon groß, auch wenn natürlich gleichzeitig dieses Voranschreiten der KI und der Automatisierung bei vielen Leuten auch Unsicherheit auslöst. Also wir hatten auch schon das ein oder andere Gespräch, wo Leute aus unterschiedlichen Online-Marketing-Kanälen dann schon die Befürchtung geäußert haben, dass sie ihren Job irgendwann nicht mehr geben wird, weil den die KI dann macht. Und bisher konnten wir immer mit einem Gewissens noch sagen, Selbst wenn das passiert, es wird immer Arbeit für dich geben und es wird nicht so weit kommen, dass du hier kein To-Do mehr hast. Die letzte Folie. Lessons Learned. Datenqualität hatten wir schon ganz viel. Garbage in garbage out. Ich glaube, ihr wisst, was gemeint ist. Die Komplexität der Systemintegration, sowohl bei der Integration von Emarsys als auch bei unserem Recommendation-Tool, haben wir uns das grundsätzlich einfache vorgestellt, was dann auch einfach an unseren uralten Daten und Systemen liegt. Hier würden wir wahrscheinlich grundsätzlich mehr Zeit und auch mehr Ressourcen einplanen. Wir haben auch festgestellt, dass Automation nicht von selber läuft. Also wir haben trotzdem festgestellt dass man Automation-Strecken, sei es jetzt Trigger-Sstrecken oder auch Produkt-Recommendations oder interne Prozesse trotzdem monitoren muss und auch optimieren muss. Wenn eine Trigger-Strecke, die nach zwei oder drei Jahren einfach immer durchläuft und nie optimiert worden ist, hat mit Sicherheit Optimierungspotenzial. Und auch Testing ist währenddessen immer mal wieder gut. Zeigt meine Recommendation Engine wirklich personalisierte Produkte an oder zeigt sie einfach immer nur die Bestseller an? Und den Punkt hatte ich gerade auch schon, Verständnis schaffen. Also allein bei uns die Kollegen aufzuklären, was die KI alles kann oder was mit Automatisierung möglich ist, hat so viele neue Ideen eingebracht, die dann auch zur Umsetzung gefunden haben. Was auch gar nicht passiert wäre, wenn immer nur die gleichen Leute in ihren Kämmerchen gehockt wären und vor sich hin überlegt hätten. Also das Thema am besten schon. Breit streuen, damit auch jeder abgeholt ist und jeder Ideen anbringen kann. Du, danke an dich. Was ihr alle drei letztendlich gerade eben schon gesagt habt, ist ja auch wirklich was, es ist nicht One-Silver-Bullet-Solution, sondern es ist eine Journey. Und das bedeutet auch ganz viel Resilienz tatsächlich, dem Tagesdruck mal standhalten und zu sagen, ganz ehrlich, ihr Lieben, ich muss auch ein paar Hausaufgaben dann machen und Sachen eher sauber aufbauen als versuchen, quick fixes reinzubauen. Deswegen freue ich mich sehr, last but not least, der letzte Case für heute. Andreas, wie macht man das bei Roche Diagnostics? Ihr habt ja auf der einen Seite wirklich hardcore Business-to-Business Geschäft. Und auf der anderen Seite Business-to-Consumer. Andreas, the stage is yours. Ja, danke schön, danke, vielen Dank. Mein Rechner funktioniert so, dass ich jetzt euch nicht mehr sehe. Das heißt, ich hoffe, ihr seht die Slides dann zumindest. Machen wir. Sehr gut, sehr gut. Also danke noch mal für die Einladung. Und freut mich natürlich, dass ich die Gelegenheit habe, mal zu zeigen, wie das in dem Consumer, aber natürlich auch in dem Business-to-Business-Umfeld aussieht. Allerdings in einem regulierten Umfeld. Und da ich in einem regularen Umfeld arbeite, seht ihr auch gleich an dem nächsten Slide, aber ganz kurz mal noch zur Einführung. Wer ist Roche Diagnostik? Ich glaube, spätestens seit der Pandemie. Wissen viele Leute den Unterschied zwischen einem PCR-Test und einem Antigen-Tests. Da ist die Diagnostik zum ersten Mal jedem klar geworden. Jeder hat in seinem Leben einen Bluttest gehabt. Die Diagnose ist dazu da, Blut- und Molekulartests zu machen oder andere Diagnosen zu machen, um Krankheiten oder Entzündungen etc. zu erkennen. Wir machen aber auch unter anderem direkt mit dem Patienten-Engagement, und zwar ganz speziell im Diabetisch-Umfeld. Da komme ich gleich noch mal drauf zurück. Rorsch ist ein Gesundheitsunternehmen in Familienbesitz. Wir haben 100.000 Mitarbeiter. Wir haben zwei Divisionen. Das eine ist die Pharmabiotechnologie-Division. Und das andere ist die Diagnostik- Division. Ich sitze in der Diagnostic- Division schon seit über 20 Jahren in verschiedenen Rollen. Ich bin global verantwortlich. Vielleicht was man noch sagen muss, wir sind verantwortliche für den gesamten digitalen Content in allen digitalen Kanälen. Und auch für die dazugehörige, also die Businessverantwortlichen, für die dazzugehörigen Martech-Technologien, Approval-Systeme, DAM-Systeme und auch für den Sales-Teil des CRM-Systems, was besonders im Zusammenhang mit Marketing, Automation ein Riesenvorteil ist, weil wir die Integration eigentlich mit unserer IT-Organisation selber bauen können. Und zusätzlich haben wir innerhalb der Diagnostik ein sogenanntes AI-Domain-Modell. Das heißt, es gibt divisionale Domain-Leader. Das heißt ich bin verantwortlich für das Thema AI im Marketing und Sales. Und dass ich im Umfeld, in der, im regulierten Umfeld arbeite, sieht man an diesem Slide. Ich mache kurz darauf verwerksam, dass ich als Andreas Schneider spreche, natürlich mit all den Erfahrungen, die ich bei Roche Diagnostik gesammelt habe. Aber es kann sein, dass sich bestimmte Dinge erkläre, die nicht unbedingt eins zu eins so bei Roche umgesetzt werden. Weil für mich ist auch wichtig, dass man einfach mal das regulierte Umfeld im Gesundheitswesen zeigt und alles, was damit zu tun hat. Der zweite Disclaimer ist ein persönlicher. Wenn man unten sieht Gemini Notebook, also ich bin da transparent. Das seht ihr auch gleich an den Slides. Die Inhalte der Slides kommen von mir. Ich habe KI benutzt, um die Slides zu designen. Also nur, dass das klar ist. Ich habe mich nicht die Inhalten kommen immer noch von dem Menschen Andreas Schneider. Ganz kurze Beobachtung. Im regulierten Umfeld, Life Science oder auch im Medizintechnik, Health Care oder auch in das wir In-vitro-Diagnostik, das sind die Bluttests, die ich genannt habe, oder Molekulartests. Die Situation, die wir hier haben, ist, wir haben vorhin ganz am Anfang gehört, wir haben Feature Monster und so sieht es in der Medizientechnik oder in der Life Science auch oft aus. Viele Firmen, wie auch wir, können sich sehr, sehr starke, teure Plattformen leisten. Allerdings ist der Business Value, der Return of Investments oftmals unterdurchschnittlich. Das ist teilweise in der Technologie geschuldigt oder der Adaption, aber es ist teilweise auch dem Umfeld geschuldet, in dem wir uns befinden. Auf der einen Seite haben die Patienten, und jetzt rede ich von Patienten direkt oder die Consumer, die haben die Erwartungshaltung von dem, wie sie im täglichen Leben digital engagieren. Wir haben drei super Beispiele gesehen, wie das heute super funktioniert. Auf der anderen Seite bewegen wir uns in einem Umfeld, wo wir ganz starke Regularien haben, wann wir was sagen dürfen, wie wir es sagen müssen und ob wir es überhaupt sagen dürfen. Und wenn wir bestimmte Aussagen treffen, wie die mit wissenschaftlichen Studien fundiert sein müssen, sodass wir nicht Behauptungen aufstellen, die nicht korrekt sind. Der Grund, oder was ihr öfters seht, ist MLR-Freigabe. Das steht für Medical, Legal und Regulatory Regularien. Und zwar geht es darum, dass in jedem Land, in jedem Gesundheitssystem, die Regeln anders sind, wie eine Medizintechnikfirma wie Roche, bestimmte Dinge promoten darf. Das heißt, was dürfen wir sagen, mit wem dürfen wir sprechen? Ich nenne nachher Beispiele, auch Anwendungsbeispiele. Und das kann man vielleicht auch für die gesamten anderen Industrien, die in einem regulierten Umfeld sind, behaupten. Ich habe mal drei Beispäle mitgebracht, die auch in diesen KI, Orchestrierungen und Automatisierung als Use-Case gelten, einfach, dass man mal sieht, was wir tun können. Das eine ist zum Beispiel eine prädiktive Telemetrie. Als Beispiel, es gibt für Diabetes-Patienten das sogenannte Continuous-Glucose-Monitoring-Sensoren. Das sind Sensoren, die bringt man am Körper an, meistens am Arm. Die laufen in real-time, senden die Daten meistens in eine App auf dem Handy. Anschließend kann der Patient sehen, wie der Blutzuckerspiegel sich orientiert. Und bestimmte Diabetes-Patienten geben sich dann Insulin oder sie ernähren sich dementsprechend, sodass der Blutzuckersiegel, was wir nennen, in der Range bleibt. Diese Sensoren müssen in regelmäßigen Abständen ausgetauscht werden. Das heißt, man kann auf der Basis von den Sensorentaten sagen, man gibt dem Patienten die Information, in zwei, drei, fünf Tagen läuft der Sensor ab. Man stellt sicher oder lässt bestätigen, dass der Patient einen Ersatzsensor hat. Die Schwierigkeit ist noch in diesem Bereich, dass je nach Gesundheitssystem muss der Patient zu seinem Arzt, kriegt wieder eine Verschreibung, muss die einreichen, bevor man überhaupt was schicken darf. Man sieht schon, es gibt Automatisierungswege, die gut, einfach funktionieren und dann gibt es auch immer wieder... Probleme mit dem End-to-end-Journey, würde ich jetzt mal sagen. Das zweite ist der Content, also ein Content-Supply. Da ist natürlich viele versuchen, automatisiert personalisierte Inhalte zu erstellen und die dann auch automatisch nach Kundenprofilen zu publizieren. Da haben wir ja drei tolle Beispiele gesehen. Das Problem ist ganz einfach, dass auf der Medizintechnik oder in der Vitro-Diagnostik-Seite die Regularien einfach in jedem Land anders sind. Das heißt, man nimmt KI, um zum Beispiel die lokalen und regionalen Richtlinien mit dem Content abzugleichen und somit diesen Approval-Prozess, also es müssen wirklich medical, legal und regulatory Menschen über diesen Content gucken und sagen, dass der entsprechend korrekt ist. Was man natürlich machen kann inzwischen, man kann das KI unterstützt vorbereiten, sodass KI die Richtlinie im Prinzip kennt und darauf hinweist, 80 Prozent des Textes ist unerfänglich, aber hier sind Bereiche, die sind Grauzonen. Dann würden Menschen darüber gehen und sich das angucken. Dann haben wir im Prinzip noch einen zusätzlichen Nutzen. Da wird es dann wirklich kritisch, wenn man z.B. Diabetespatient ist, ist das Verhalten, die Bewegung, die Ernährung, Nahrungsaufnahme hatten Auswirkungen auf den Blutzuckerspiegel und damit natürlich auch auf den Gesundheitszustand des Patienten. Man kann mit anderen Daten von anderen Apps oder Fotos von der Nahrung, die man aufnimmt, gibt es verschiedene Apps, die aufzeigen, wie viel Kalorien, wie viel Blutzucker und welchen Einfluss auf den Blutzuckerspiegel hat. Man kann bestimmte Ernährungsempfehlungen abgeben. Auch hier wird es besonders kritisch, weil man gibt gesundheitsverhaltende Anweisungen, die bei Diabetespatienten lebenskritisch sein können. Auch das unterliegt sehr großen regulativen Maßstäben. Das sind einfach mal so drei Beispiele. Der Punkt im Prinzip in dem regulativen Umsatz, warum KI oftmals in diesem medizintechnisch bereich scheitert, ist, es gibt eigentlich null Toleranz für Halluzination. Das heißt, die Art und Weise, wie man bestimmte Sätze formuliert, kann dazu führen, dass man eine ganz andere Aussage für einen diagnostischen Zustand trifft. Was wiederum heißt, dass man, wenn man dynamischen Content zusammenstellen will, braucht man ein Bausteinmodell, was im Prinzip die einzelnen Module, diese Content-Module miteinander verbindet. Das Problem ist nur, es kann sein, dass die Aussage von einem Modul im Konflikt mit einem anderen Modul liegt. Das heißt, man muss im Prinzip auch noch, was wir Claim-Management machen. Das heißt was behaupten wir auf der einen Seite, was behaupten wir auf anderen Seite und passt der Content zusammen? Dann ist natürlich nochmal das nächste Problem die Privatsphäre. Das heißt, wir reden hier auch von Patientendaten. Wir reden auch von Gesundheitsdaten. Der Messwert von Blutzucker ist geschützte Gesundheitsdaten. Ich kann diese Daten auch nicht einfach verwenden, um bestimmte Trackings zu machen oder Personalisierung. Dann ist natürlich das Ganze auch auditierbar. Das heißt die Behörden prüfen im Prinzip diese Vorgänge. Das heißt alles, was man tut, muss so dokumentiert sein in bestimmten Audit-Trails etc. Dass man alles lückenlos nachweisen kann, was man generiert hat und publiziert hat und wer was gesehen hat. Und jetzt kriegt ihr schon ein Gefühl dafür, dass das Ganze sehr, sehr, sehr umständlich ist und natürlich dann alle viele, viele Schwierigkeiten haben, das Ganze noch zu managen. Und insofern ist unsere Empfehlung oder meine Empfehung, wenn es darum geht, in einem regulierten Umfeld sich sicher in KI-Marketing zu bewegen, ist eigentlich Wichtig ist eher eine Integration als Austausch von Daten, also nicht zu versuchen, die Daten aus einem System in ein anderes System zu überspielen, sondern sie in den sicheren, regulierten Silos zu lassen und sie aber dann mit den entsprechenden Konformitäten über eine Mittellayer etc. Auszuwerten. Also diese Middleware ist eine sehr, sehr kritische Komponente. In der Medizintechnik ist eigentlich Human in the Loop als Gatekeeper ein absolutes Muss. Das heißt, völlig autonome KI-Automatisierung ist nahezu unmöglich. Insofern muss immer wieder ein Human-Check gemacht werden. Und das ist im Prinzip dann die Basis dafür, dass man bestimmte Silo-Automatisierungen erstellen kann. Und das is es schon von meiner Seite. Ich hoffe, ich konnte ein bisschen klarmachen, wie die Welt in der Medizintechnik funktioniert in dem regulierten Bereich. Und ja, bin ready für Fragen, falls welche da sind. Spannter Case, danke an euch alle erst mal für die Cases. Wenn jeder von euch mit einem Satz zusammenfassen würde. Anja, was ist dein zentrales Take-Away? Wir sitzen auf der grünen Wiese, starten das Ganze neu. Wo würdest du zuerst hingucken? Was ist das Ding, wo du sagst, da gucke ich drauf. Das ist jetzt vielleicht ein bisschen nicht das, was man erwarten würde. Aber was bei uns schon ein riesen Unterschied gemacht hat, waren die Leute. Also wir hatten Kollegen, die sich für das Thema interessieren, die dafür brennen, die sich da weiterbilden wollten, die da neugierig waren und mehr erfahren wollten. Und die haben da ganz, ganz viel ins Rollen gebracht. Und ich wüsste gar nicht, wo wir wären, wenn wir nicht diese Manpower gehabt hätten mit diesen Interessen und auch diesem Wissen. Es geht um die Organisation at the end of the day. Also ich gehe mit dem Punkt von Anja auf jeden Fall mit. Wir hatten so zwei, drei Personen, die Bock auf den Themenbereich haben, den wir verantworten und die sind die Themen mit uns angegangen. Und insbesondere, das habe ich eben schon gesagt, das Thema Dateninfrastruktur, Datensilos auflösen. Ich bleibe dabei, ohne diesen Themenbereich vollends hinzubekommen, ist das Thema KI-Integration relativ schwierig, insbesondere in der Skalierung für andere Länder. Auch dort gilt das Thema Datensilus auflösen, damit alle auf die gleichen Daten zugreifen können, die gleichen Schlüssel verstehen und dann am Ende das gleiche Mindset haben. Ich glaube, das wäre für mich immer noch der Punkt, den ich immer wieder genauso verteidigen würde. Andreas, bei dir? Same story, wir starten nochmal neu. Was machen wir? Ich würde sagen, die Datensilos sind bei uns auch natürlich ein Krisenthema und die Datentsicherheit. Und wie stellt man sicher, dass man sich innerhalb der Rahmenbedingungen, die einem bei uns natürlich sehr eng gesteckt werden, wie stellt mir das sicher, dass man dann sauber arbeitet? Und ich unterschreibe das mit den Menschen. Man braucht auch einfach auch Menschen, die offen sind, dafür Dinge auszuprobieren, obwohl man hart reguliert ist, aber Dinge dann auch einfach mal auszutesten und auch mal die Grauzonen zu durchleuchten. Wo kann man tatsächlich Dinge erreichen? Und wo ist man einfach so eingeschränkt, dass wir definitiv nicht automatisieren kann. Last but not the least, Alexander, wir starten nochmal neu durch, wo willst du hingucken? Ich will nicht alles wiederholen, ich will es mit zwei Sätzen sagen. Mein erster Chef im CRM-Bereich hat gesagt, get your data straight, das hat er immer und immer wiederholt, also die Daten. Und der Coach, die Mannschaft, der sagt immer, you need the best characters in the locker room. Das heißt auch wieder, die Menschen entscheiden über wo und wer. Man braucht für die besten Charaktere übertragen auf die Tische.