Warum scheitern Softwareprojekte jeder Größe so häufig? In dieser Episode benennen wir drei zentrale Ursachen, die zu millionenteuren Verzögerungen, Frust und politische Grabenkämpfen führen:

1. Gnadenbasierte Zuarbeit: Kritische Abhängigkeiten ohne formales Commitment – willkommen im Ressourcenroulette.
2. Agiles Chaos: Scrum auf dem Papier, aber ohne Product Owner, Vision oder Verantwortung.
3. Greenfield-Fantasien: Statt evolutionärer Erweiterung wird die Legacy-Anwendung „entsorgt“ – und mit ihr die Planbarkeit.

Wir sprechen darüber, wie diese Muster entstehen, warum sie so selten angesprochen werden – und wie man sie aufbrechen kann.

 Für alle, die Projekte führen, priorisieren oder verantworten – und sich nicht mit „wird schon schiefgehen“ zufriedengeben.

Originalität, Kreativität - diese Konzepte sind Teil dessen, was uns zu Menschen macht. Kann KI – die ja immer menschenähnlicher wird – auch kreativ und originell sein? Was bedeutet es für uns, wenn wir uns das Verfassen von Texten von KI abnehmen lassen? 

In dieser Episode streifen wir ein paar eher philosophische Fragen, die aus unserer Sicht bisher unbeantwortet sind und vielleicht auch zu selten gestellt werden.

KI-Agenten, auch als Agentic AI bekannt, sind autonome Komponenten, die spezifische Aufgaben ohne menschliche Intervention ausführen. Modularität und  Orchestrierung von Multiagentensystemen (MAS) ermöglichen komplexere und skalierbare Lösungen auf Basis von generativer KI. Die Verwendung von Agenten kann die Fehleranfälligkeit verringern und die Wartbarkeit verbessern. 
Der Hype um Agentic AI mag zwar übertrieben sein, aber die zugrunde liegenden Konzepte und Frameworks wie Semantic Kernel bieten wertvolle Werkzeuge für die Praxis.

Data Warehouse, Data Lake, Data Lakehouse - die Begriffe eskalieren stetig. Aber was brauche ich wirklich für welchen Zweck? Reicht meine alte (und teure) Datenbank oder würde ein "Data Lakehouse" mein Geschäft so richtig weiterbringen?

Gerade in der Kombination mit Generativer KI sind die Möglichkeiten so vielfältig wie verwirrend. Gemeinsam mit Christian Schömmer setzen wir uns vors Datenhaus am See und gehen der Sache auf den Grund.  

Nach der etwas kritischen Sicht auf generative KI in der letzten Episode geht es diesmal um den konkreten Einsatz: Kann man generative KI schon in Geschäftsprozessen integrieren und wenn ja, wie geht das genau. 

Es stellt sich heraus: Wenn man zwei oder drei Grundregeln beachtet, treten die meisten der Probleme in den Hintergrund und die coolen Möglichkeiten generative KI kommen relativ risikofrei zur Geltung. 

Wir gehen sehr konkret darauf ein, wie wir eine Compliance-Anwendung gebaut haben, die maximal von Large Language Models profitiert, ohne auf menschliche Kontrolle und "Accountability" zu verzichten. 

In dieser Podcast-Episode von "Digitale Wissenswissen" dreht sich alles um die Integration von generativer KI in Geschäftsprozesse und warum das bisher eher schleppend läuft.
Ein großes Thema sind natürlich "Halluzinationen", also falsche, aber plausible Antworten. Aber auch Unter- oder Über-Alignment und banale Dinge wie Performance können das KI-Integrationsprojekt abrupt und endgültig stoppen.
Keines dieser Probleme ist unlösbar, aber man sollte sich erstmal die Grenzen dieser Technologie bewusst machen, bevor man sich blauäugig in ein Großprojekt stürzt.
Whitepaper zur Folge: https://neomo.link/3

Warum suchen Nutzer immer schon lieber mit Google als auf meinem Portal? Warum frage Menschen jetzt lieber ChatGPT als Google? 
Wir sprechen über die größten Herausforderungen und Entwicklungen in der Suchtechnologie und beleuchten die oft enttäuschende Leistung von Suchfunktionen auf großen Nachrichtenportalen. 

Wir sehen so viele Cloud Migrationen im Keim ersticken, weil die einfache Lösung "Lift & Shift" propagiert wird.
In dieser Episode stellen wir dar, warum dieser Ansatz zwar attraktiv klingt, aber eigentlich alle Cloud-Vorteile außen vorlässt und statt dessen meistens enorme Kostensteigerungen mit sich bringt. 
Natürlich gehen wir auch drauf ein, wie es besser geht.