Antifragil in der VUKA-Welt: Digitale Transformation zwischen Regulierung und Realität🔥

Tom Hohenadel ist Geschäftsprozessmanager in einem Scale-Up, frisch gebackener Doktor und Mitgründer eines Tools, das Prozessdokumentation endlich für alle zugänglich machen soll. Im Gespräch räumen er und Christof mit einem hartnäckigen Missverständnis auf: Prozessdokumentation ist kein Selbstzweck. Ob man für den Auditor, für die Automatisierung oder als Erklärmodell dokumentiert, macht einen riesigen Unterschied für Tiefe, Format und Aufwand. Wer das nicht trennt, produziert Waste in beide Richtungen.

Key Takeaways:

• Ziel zuerst, Modell dann. Wer für den Auditor dokumentiert, braucht kein BPMN mit 150 Symbolen. Wer automatisieren will, muss viel tiefer rein. Beides gleichzeitig zu versuchen ist Ressourcenverschwendung.
• Prozesse gehören in den Fachbereich, nicht ins BPM-Kämmerlein. Wer die Sprache des Fachbereichs nicht kennt, baut Modelle, die niemand versteht. Der Fachbereich soll seine Prozesse selbst dokumentieren, mit leichter Begleitung.
• BPMN-Regeln brechen ist manchmal richtig. Wenn ein formal falsches Modell im Fachbereich besser ankommt und nicht für Automatisierung genutzt wird, ist es das bessere Modell.
• Input-Output-Management ist unterschätzt. Viele Unternehmen haben sauber dokumentierte Einzelprozesse, aber dysfunktionale Übergaben dazwischen. SIPOC (oder der von Tom bevorzugte POC-SIP-Ansatz) macht Mismatches sichtbar.
• Prozessmanagement unter 200 Leuten braucht ihr wahrscheinlich nicht. Direkte Abstimmung und ein gemeinsames Dokument reichen. Kein BPMN-Tool nötig.
• Schatten-IT ist ein Motivationsindikator, kein Problem. Wenn Leute sich eigene Lösungen bauen, weil die Standard-Tools nicht reichen, zeigen sie Engagement. Null Schatten-IT bedeutet oft: Null Eigeninitiative.
• Prozesse so abstrakt wie nötig, so konkret wie möglich. Vor allem in wachsenden Unternehmen: Was sich ständig ändert, nicht statisch dokumentieren. Was fix sein muss, genau festhalten.

Links & Ressourcen:

• Tom Hohenadel auf LinkedIn https://www.linkedin.com/in/thohenadl/https://www.linkedin.com/in/thohenadl/
• BPMN (Business Process Model and Notation) – Standardnotation für Prozessmodellierung: https://www.bpmn.org
• Camunda – Workflow Engine mit BPMN-Unterstützung und Zeitvisualisierung: https://camunda.com
• Makigami-Diagramm – Lean-Methode zur Prozessanalyse mit Zeitebenen
• SIPOC – Supplier Input Process Output Customer, Methode zur Prozessabgrenzung

• Palantir – Im Gespräch erwähnt als Beispiel für Datennormalisierung aus vielen Quellen: https://www.palantir.com
• In höchster Not – Bergrettung in Bayern – Toms Content-Empfehlung, ARD Mediathek: https://www.ardmediathek.de

Oliver Ulbrich arbeitet als Sparringspartner für Datenstrategie mit einem klaren Fokus: Klarheit statt Komplexität. Im Gespräch mit Christof geht es darum, warum gut gebaute Dashboards trotzdem niemand nutzt, wie Prototyping den Unterschied macht und weshalb das teuerste Problem in Reporting-Projekten nicht die Daten sind, sondern die Meetingkultur rund ums Verschieben von Entscheidungen. Beide sind sich einig: Wer nicht weiß, welche Entscheidung er treffen will, braucht kein Dashboard, sondern zuerst eine klare Frage.

Key Takeaways

• Bevor du ein Dashboard baust, kläre welche Entscheidung damit getroffen werden soll. Alles andere ist Dekoration.
• Das teuerste Missverständnis in Reporting-Projekten sind die Meetings, in denen dieselben Fragen immer wieder vertagt werden, weil die entscheidenden Dinge vorher nicht festgelegt wurden.
• Prototyping spart Zeit und Geld, aber nur rund 10 % der Unternehmen machen es konsequent. Der Hauptgrund: Es wird keine Zeit dafür eingeplant.
• Die Abweichung ist wichtiger als der absolute Wert. Wer nur weiß, dass der Umsatz 2,5 Millionen beträgt, hat keine Information. Wer weiß, dass er 300.000 unter Plan liegt, muss handeln.
• KPIs entstehen oft durch Politik und Gewohnheit, nicht durch strategische Überlegung. Gewachsen ist das häufigste Wort in diesem Kontext.
• Weniger KPIs können mehr leisten. Ein Unternehmen mit 10 sauber definierten Kennzahlen ist oft besser gesteuert als eines mit 200 halbgaren.
• Real-Time-Daten sind selten so notwendig wie behauptet. Die entscheidende Frage ist: Was würdest du in diesem Moment anders tun, wenn du die Zahl jetzt siehst?

Links & Ressourcen

• Oliver Ulbrich auf LinkedIn (Stichwort: Klarheitspartner, Datenstrategie)
• Buch-Empfehlung von Oliver: „Kompass für die Seele" – So bringen Sie Erfolg in ihr Leben
• DORA Report (Google / DevOps Research and Assessment) – State of DevOps
• Konzept: Least Burdensome Principle (FDA) – im Gespräch erwähnt im Kontext regulierter Umgebungen
• Begriff: Not-To-Do-Liste – von Christof als Leseempfehlung erwähnt

Dashboards gibt es überall. Genutzt werden die wenigsten. Oliver Ulbrich sagt fast täglich Führungsteams, dass sie KPIs weglassen sollen – nicht hinzufügen. Was das teuerste Missverständnis in Reporting-Projekten ist und warum Prototyping trotzdem kaum jemand macht, das gibt es in der vollen Folge – ab nächstem Freitag im ChaosHacker-Talk.

Toni Garcia, Global CIO at Neuraxpharm and former CISO, comes with a clear position: agility and pharma compliance are not opposites — you just need to know which parts of a project require waterfall and which can be agile. He's equally direct about cybersecurity: people are not the weakest link, they are the strongest layer of defense. The conversation moves between hacker mindset, C-level leadership reality, and what actually makes teams perform under pressure.

Key Takeaways

• Agile works in pharma if you split the project correctly: URS creation and validation follow waterfall, implementation can be agile.
• Security and digital transformation are not enemies — they share the same path and depend on each other to succeed.
• Hackers are agile by default: they try, fail, and adapt. IT departments need to learn the same behavior.
• People are the solution to cybersecurity, not the problem. No firewall stack replaces a well-trained, alert team.
• The most important KPI for a high-performing team is not a metrics dashboard — it's whether the team experiences decisions and priorities as clear and fair on a daily basis.
• Perfect does not mean error-free. Zero-day vulnerabilities can hit anyone. Accepting that imperfection is part of the equation is what allows you to act at all.
• As a CIO, the real job is giving the team time, budget, and good decisions — not solving every problem yourself.

Links & Resources

• DORA (DevOps Research and Assessment) – Google Cloud research program on software delivery performance: https://cloud.google.com/devops
• DORA State of DevOps Report 2024 (: https://dora.dev/research/2024/dora-report/
• ISO 27001 – Information Security Management System (mentioned by Toni as the most valuable framework): https://www.iso.org/isoiec-27001-information-security.html
• Neuraxpharm (Toni's current organization): https://www.neuraxpharm.com
• Book Accelerate by Nicole Forsgren, Jez Humble, Gene Kim – scientific foundation of DORA metrics: link not found, please search separately (ISBN: 9781942788331)

Toni Garcia has been CISO and CIO at the same time — in one of the most regulated industries in the world. In this teaser, he tackles three uncomfortable questions: Are security and transformation really opponents? Can agile actually work in pharma? And when does a hacker decide to become a manager?

More at Friday

Viele Unternehmen behandeln Labore wie ein weiteres IT-System.
Genau da fängt das Problem an.

In dieser Folge spreche ich mit Marc darüber, warum Digitalisierungsprojekte im Labor so oft scheitern - und warum das nichts mit fehlender Technologie zu tun hat.

Die eigentliche Ursache liegt tiefer: falsche Denkmuster, fehlende Trennung von IT und OT, und der Versuch, komplexe physische Prozesse mit klassischen IT-Methoden zu erschlagen.

Wir reden über reale Beispiele - von Produktionsausfällen durch simple IT-Mechanismen bis hin zu absurden Sicherheitskonzepten, die in der Praxis nicht funktionieren.

Und wir gehen dahin, wo es spannend wird:
Wie sieht eine Architektur aus, die wirklich funktioniert?
Welche Rolle spielen Standards wie SILA oder OPC UA?
Und warum ist „Compliance“ oft selbstgemachtes Chaos?

Am Ende bleibt eine unbequeme Erkenntnis:
Digitalisierung im regulierten Umfeld scheitert selten an Technik - sondern fast immer an Entscheidungen.

🔑 Key Takeaways

• Labore sind keine klassische IT-Umgebung
  Wer sie so behandelt, produziert Probleme - technisch, organisatorisch und wirtschaftlich.
• Das größte Missverständnis: Alles ist „IT“
  In Wahrheit reden wir über physische Prozesse, Automatisierung und Operational Technology.
• Digitalisierung scheitert am Anfang - nicht am Ende
  Wenn Anforderungen nicht vom Ergebnis her gedacht werden, baut man am Bedarf vorbei.
• Security ist nicht gleich Security
  In der IT zählt oft Vertraulichkeit und Integrität.
  Im Labor und in der Produktion dominiert Verfügbarkeit.
• Standards sind notwendig - aber nicht ausreichend
  SILA, OPC UA & Co. helfen - aber sie lösen nicht das Gesamtproblem.
• Netzwerksegmentierung ist kein „Nice-to-have“
  Sondern die Grundlage, um unterschiedliche Sicherheitsniveaus überhaupt betreiben zu können.
• Die wichtigste Ressource fehlt oft: Übersetzer
  Menschen, die sowohl IT als auch Labor/Produktion verstehen.
• Compliance ist kein Naturgesetz
  Wenn sie Prozesse blockiert, wurde sie falsch implementiert - nicht falsch vorgeschrieben.
• DevOps gehört ins Labor
  Versionierung, Automatisierung, Security Checks - alles gelöste Probleme. Werden nur oft ignoriert.
• Entscheidungen sind immer unsicher
  Wer wartet, bis alles sicher ist, trifft keine Entscheidungen mehr.

🔗 Inhalte & Referenzen aus der Episode

• 📚 „The Mythical Man-Month“ - Frederick P. Brooks Jr.
  Klassiker über IT-Projektmanagement - erschreckend aktuell, obwohl aus den 70ern.
• 🔧 SILA (Standardization in Lab Automation)
  Framework zur Standardisierung von Gerätekommunikation im Labor
• 🔧 OPC UA (inkl. LADS)
  Industriestandard für sichere Maschinenkommunikation - zunehmend relevant im Laborumfeld
• 🧩 Allotrope / AnIML
  Standards für strukturierte Labordaten und Ergebnisformate
• ⚙️ DevOps & Git-basierte Workflows
  Grundlage für „Compliance by Design“ und reproduzierbare Prozesse

Labore gehören zur IT-Landschaft?
Klingt logisch. Ist aber falsch.

In diesem Teaser sprechen wir über genau diesen Denkfehler - und warum er einer der Hauptgründe ist, warum Digitalisierungsprojekte im regulierten Umfeld scheitern.

Außerdem:

• Warum Cybersecurity in kleinen Unternehmen oft zu spät kommt
• Wieso viele Digitalisierungsinitiativen schon am Anfang kippen
• Und warum „mehr Digitalisierung“ nicht immer die richtige Antwort ist

Ein kurzer Vorgeschmack auf die kommende Episode - mit ein paar unbequemen Wahrheiten.

Die komplette Folge erscheint nächste Woche.

IT Asset Management hat ein Imageproblem.

Klingt nach Inventarliste, Excel und Verwaltung. Also genau nach dem Zeug, das keiner freiwillig anfasst.

Im Gespräch mit Alexander van der Steeg wird ziemlich schnell klar:
Das Thema ist alles andere als „nice to have“.

Es ist die Grundlage dafür, ob du dein Unternehmen überhaupt unter Kontrolle hast.

Wir sprechen darüber,

• warum fehlende Transparenz der eigentliche Risikotreiber ist
• weshalb Excel-Listen in regulierten Umfeldern brandgefährlich werden
• und warum viele Unternehmen genau an der Stelle scheitern, bevor es überhaupt losgeht

Spoiler:
Nicht die Technologie ist das Problem. Sondern die Entscheidung, sich wirklich damit auseinanderzusetzen.

• Podcast Empfehlung:
  UNF#CK YOUR DATA - Christian Krug
• Gesprächspartner:
  Alexander van der Steeg und Christof Layher

Wir reden ständig über Daten, KI und Automatisierung.
Aber wir übersehen das Fundament: Sprache.

In dieser Folge spreche ich mit Tom Winter über ein Problem, das in fast jedem Unternehmen existiert – und selten sauber adressiert wird:
Wir verwenden die gleichen Begriffe, meinen aber unterschiedliche Dinge.

Was harmlos klingt, wird im Kontext von KI richtig teuer.
Denn Large Language Models arbeiten genau mit diesen Begriffen. Wenn die Bedeutung unscharf ist, skaliert die KI nicht Wissen – sondern Missverständnisse.

Wir sprechen darüber, warum Terminologie mehr ist als ein „Wörterbuch“, wie Taxonomien und Ontologien daraus echte Entscheidungsgrundlagen machen und warum viele aktuelle KI-Ansätze genau hier an ihre Grenzen stoßen.

Und wir schauen auf eine unbequeme Wahrheit:
Digitale Transformation scheitert nicht an Technologie – sondern an fehlendem gemeinsamen Verständnis.

Key Takeaways

• Gleiche Begriffe bedeuten nicht automatisch das Gleiche – Kontext entscheidet
• Terminologie ist die Grundlage für saubere Kommunikation und Datenverarbeitung
• Taxonomien und Ontologien machen Bedeutung strukturiert und maschinenlesbar
• Klassische KI-Ansätze (z. B. RAG) stoßen bei Mehrdeutigkeit schnell an Grenzen
• Ohne semantische Klarheit steigt das Risiko von Fehlinterpretationen und Halluzinationen
• Unternehmen brauchen keine zentrale Datenbank für alles – aber eine zentrale Referenz für Bedeutung
• Datensilos sind nicht das Problem – fehlende Verbindung zwischen ihnen schon
• Eine saubere semantische Basis ist Voraussetzung für skalierbare, agentenbasierte KI-Systeme
• Sprache ist kein „Soft-Thema“, sondern kritische Infrastruktur für Digitalisierung

Links aus der Episode

• Buch: Fuzzy Thinking
• Verein: Deutscher Terminologietag (DTT)

Daten sind überall.
Nur bringen sie erstaunlich selten etwas.

Warum?

Weil Unternehmen glauben, das Problem sei technisch.

Ist es nicht.

In dieser Folge spreche ich mit Thomas Gengler (Head of BI Services bei der Phoenix Group) über das, woran Dateninitiativen wirklich scheitern:

• Unterschiedliche Definitionen statt gemeinsames Verständnis
• „Wir brauchen alle Daten“ statt klarer Use Cases
• KI-Hype ohne Datenbasis
• Excel-Schattenwelten trotz moderner BI-Tools

Und ja - auch über das, was funktioniert.

💥 Darum solltest du reinhören

Wenn du Verantwortung trägst für:

• IT
• Daten
• digitale Transformation
• oder einfach Entscheidungen

Dann kennst du diese Situationen.

Und wahrscheinlich auch den Frust dahinter.

🧠 Was du mitnimmst

• Warum Datenintegration selten ein Technikproblem ist
• Wieso „alle Daten“ der Anfang vom Ende ist
• Wie echte Datenprodukte entstehen (nicht nur Reports)
• Warum Self-Service kein Risiko ist - sondern Pflicht
• Wieso Datenkultur kein Buzzword ist, sondern harte Führungsarbeit

Und ein Satz, der hängen bleibt:

KI skaliert deine Datenqualität.
Nicht deine Intelligenz.

🏭 Praxis aus einem regulierten Umfeld

Wir reden nicht über Startups.

Sondern über:

• internationale Strukturen
• regulatorische Anforderungen
• heterogene Systemlandschaften

Also genau die Realität, in der die meisten Organisationen stecken.

📌 Empfehlung aus der Folge

Lean Startup von Eric Ries

Nicht wegen des Buzzwords.

Sondern wegen einer unbequemen Wahrheit:Du kannst ein Jahr lang etwas perfekt bauen -und trotzdem komplett am Bedarf vorbeiarbeiten.

Christof Layher

Thomas Gengler

Seine Bücher

🔚 Zum Mitnehmen

Daten schaffen keinen Wert.

Die Entscheidung, die du damit triffst, schon.

Wenn du das Gefühl hast, dein Unternehmen diskutiert noch über Tools statt über Wirkung:

Dann solltest du diese Folge hören.