Der KI-Podcast für Unternehmer

About Der KI-Podcast für Unternehmer

KI-Transformation ohne Filter. Norman Müller spricht mit führenden Köpfen über Chancen, Risiken und Innovationen. Kritisch, direkt, nah dran. www.ventureaistack.com (https://www.ventureaistack.com/s/podcast?utm_medium=podcast)

Publisher

Norman Müller

Category

business · technology

Language

de

Explicit

No

First episode

1 Jan 2016

Latest episode

10 Nov 2026

Latest episodes

1,319 episodes in the feed.

1. 

   10 Nov 2026

   Dein Team nutzt KI. Wer liest mit?

   Lars Moll, CEO und Mitgründer von NENNA.AI, spricht mit Norman Müller (https://www.linkedin.com/in/muellernorman/) darüber, wie Unternehmen KI einsetzen und dabei vertrauliches Wissen schützen können. Er erklärt, wie Datenmaskierung funktioniert, wo sie an Grenzen stößt und weshalb eine KI-Lizenz noch keine geregelte Einführung ersetzt. Das Gespräch führt von Schatten-KI und Zugriffsrechten zur größeren Frage: Wie verändert KI die Zusammenarbeit und Wertschöpfung eines Unternehmens? Lars bringt dabei auch seine Erfahrung aus dem digitalen Mediengeschäft und dem Wechsel vom Konzern in ein junges Technologieunternehmen ein. Kapitel * 00:00 Einstieg: KI nutzen und vertrauliches Wissen schützen * 01:10 Lars Moll: Vom Mediengeschäft zum KI-Unternehmer * 03:44 Warum der Wechsel vom Konzern ins Startup reizt * 05:24 Motivation, Bildung und das Wachsen eines Teams * 07:13 NENNA.AI: Eine KI-Plattform vom Datenschutz her gedacht * 09:55 Wer verantwortet die KI-Einführung im Unternehmen? * 15:35 Datensilos, Anbieterabhängigkeit und die Kontrolle über Wissen * 19:32 So erklärt Lars die Maskierung sensibler Daten * 25:29 Wo Datenmaskierung an ihre Grenzen stößt * 28:38 Schatten-KI: Was Unternehmen im Alltag übersehen * 34:11 Warum Verbote allein nicht weiterhelfen * 35:59 Gute Werkzeuge und der Nutzen für das ganze Unternehmen * 41:41 Kanada, politische Prioritäten und das Tempo der Umsetzung * 46:37 KI gemeinsam entwickeln: Vom Projekt zum laufenden Prozess * 48:58 Ausblick auf eine Fortsetzung und die persönliche Schlussfrage Wenn du unsere Arbeit unterstützen möchtest, freuen wir uns über ein bezahltes Abo. Jede Woche veröffentlichen wir neue Essays und Podcast-Folgen, auf die du kostenlos zugreifen kannst. Mein einem bezahlten Abo kannst du auch an unseren Podcast Live-Talks teilnehmen, im Live-Chat mitdiskutieren und dich im Substack Community Chat austauschen. Shownotes * Lars Moll auf LinkedIn: https://www.linkedin.com/in/larsmoll/ (https://www.linkedin.com/in/larsmoll/) * NENNA.AI: https://www.nenna.ai/ * NENNA Watch: Browsererweiterung gegen Schatten-KI: https://www.nenna.ai/watch (https://www.nenna.ai/watch) * Sicherheit und Datenschutz: Informationen des Anbieters: https://www.nenna.ai/sicherheit (https://www.nenna.ai/sicherheit) * NENNA.AI auf LinkedIn: https://www.linkedin.com/company/nenna-ai (https://www.linkedin.com/company/nenna-ai) Wer KI einführt, muss wissen, wohin die Daten gehen Eine E-Mail soll schneller fertig werden. Ein Vertrag braucht eine Zusammenfassung. Für die nächste Präsentation fehlen noch ein paar Argumente. Beschäftigte greifen zu KI, weil sie ihre Arbeit erledigen wollen. Ob die Geschäftsführung den verwendeten Dienst freigegeben hat, ist damit noch nicht geklärt. Ebenso wenig, welche Informationen gerade das Unternehmen verlassen. Über diesen Widerspruch spreche ich mit Lars Moll im VENTURE AI PODCAST. Lars hat viele Jahre im digitalen Mediengeschäft gearbeitet und ist heute CEO und Mitgründer von NENNA.AI. Er entwickelt und verkauft also selbst eine Lösung für das Problem, über das wir sprechen. Seine Produktbeschreibungen sind die Perspektive eines Anbieters. Interessant wird unser Gespräch dort, wo er erklärt, welche Entscheidungen Unternehmen trotzdem selbst treffen müssen. Die Geschäftsführung muss den Einsatz organisieren Wer KI-Lizenzen kauft, schafft zunächst Zugang. Danach beginnt die Arbeit: Welche Aufgaben sollen die Beschäftigten damit erledigen? Welche Informationen dürfen sie dafür verwenden? Wer prüft einen Anwendungsfall, bevor eine ganze Abteilung ihn übernimmt? Lars beschreibt Unternehmen, in denen Verantwortliche solche Fragen zusammenführen. Sie betrachten einen Ablauf vom Anfang bis zum Ende, entwickeln einen passenden Einsatz und stellen ihn den Menschen zur Verfügung, die ihn brauchen. Das unterscheidet sich erheblich davon, ein Werkzeug freizuschalten und jede Abteilung ihre eigene Lösung suchen zu lassen. Mich erinnert die entstehende Vielfalt an frühere Digitalisierungsphasen. Einzelne Teams bauen etwas, das ihnen hilft. Nach einiger Zeit muss die Organisation herausfinden, wie die Anwendungen zusammenpassen und wer für welche Daten zuständig ist. Mit KI kommt die Frage hinzu, welche Informationen die angebundenen Modelle überhaupt sehen dürfen. Die Geschäftsführung braucht dafür Menschen mit Fachwissen und klaren Zuständigkeiten. Sie muss aber selbst festlegen, welchen Nutzen das Unternehmen erreichen will und welche Voraussetzungen dafür gelten. Diese Entscheidung lässt sich nicht mit dem Lizenzkauf erledigen. Eine Maskierung schützt nicht jeden vertraulichen Zusammenhang Lars erklärt das Prinzip anhand einer Postkarte. Auf ihr kann eine harmlose Urlaubsnachricht stehen, aber auch etwas, das niemand offen verschicken würde. Sein Vergleich soll verdeutlichen, weshalb es einen Unterschied macht, welche Inhalte ein Unternehmen einem KI-Dienst übermittelt. Bei der von ihm beschriebenen Maskierung ersetzt NENNA sensible Angaben wie Namen oder Kontodaten durch Platzhalter. Das Modell soll den Text bearbeiten können, ohne die ursprünglichen Werte zu erhalten. Anschließend ordnet die Plattform die Angaben wieder zu, damit der Nutzer mit einem verständlichen Ergebnis weiterarbeiten kann. So beschreibt Lars die Funktionsweise; einen unabhängigen Wirksamkeitstest führen wir im Gespräch nicht durch. Auf meine Frage nach schwierigen Fällen benennt er eine wesentliche Grenze: Vertrauliches Wissen kann im Zusammenhang stecken. Eine technische Idee verliert ihren Wert nicht dadurch, dass jemand den Namen des Erfinders entfernt. Wer einen geheimen Prozess beschreibt, kann ihn auch ohne persönliche Angaben offenlegen. Deshalb reicht die Frage nach der Erkennung einzelner Datenfelder nicht aus. Unternehmen müssen entscheiden, welche Inhalte sie extern verarbeiten lassen und welche in einer kontrollierten lokalen Umgebung bleiben sollen. Dazu gehören auch Zugriffsrechte. Wenn ein Assistent auf Dokumente zugreift, muss geklärt sein, welche davon der jeweilige Nutzer sehen darf. Lars betont im Gespräch, dass ein bewusst eingerichteter Zugriff zum Schutzkonzept gehört. Beschäftigte brauchen eine brauchbare Alternative zum Privataccount Beim Thema Schatten-KI treffen zwei Anforderungen aufeinander. Unternehmen wollen ihre Informationen schützen. Beschäftigte wollen Werkzeuge nutzen, die ihre Arbeit erleichtern. Ein pauschales Verbot löst diesen Konflikt kaum, wenn der Bedarf im Alltag bestehen bleibt. Lars beschreibt Möglichkeiten, die Nutzung im Browser zu steuern. Ich halte dagegen: Wer privat mit aktuellen Modellen arbeitet, wird eine schlechte interne Alternative kaum bereitwillig nutzen. Gerade die experimentierfreudigen Beschäftigten erkennen, was technisch möglich ist. Sie können eine Einführung voranbringen, wenn das Unternehmen ihnen geeignete Werkzeuge und nachvollziehbare Regeln anbietet. Damit stellt sich auch die Frage nach der Abhängigkeit. Kann das Unternehmen das verwendete Modell wechseln? Bleiben Dokumente, Arbeitsabläufe und aufgebautes Wissen dabei zugänglich? Lars versteht Souveränität als Fähigkeit, solche Entscheidungen treffen zu können. Für die Auswahl einer Infrastruktur ist das ein konkreter Prüfauftrag. Ein Versprechen von Flexibilität muss sich am tatsächlichen Aufbau zeigen. Der Nutzen muss über die einzelne Präsentation hinausgehen Im letzten Teil verschiebt sich unser Gespräch. Wenn KI eine Präsentation schneller erstellt, spart ein Mensch Zeit. Die größere Frage lautet, ob das Unternehmen dadurch bessere Entscheidungen trifft oder bessere Produkte entwickelt. Ich beschreibe den Unterschied am Unternehmenswissen. Eine Präsentation kann auf den Notizen ihres Verfassers beruhen. Sie könnte aber auch relevante Erkenntnisse der Research-Abteilung und frühere Entscheidungen berücksichtigen, sofern der Zugriff dafür vorgesehen ist. Für diese Zusammenarbeit braucht es eine gemeinsame Vorstellung davon, wie die Organisation Wissen nutzen möchte. Lars fragt entsprechend, ob eine bestehende Aufgabe überhaupt noch in derselben Form notwendig ist. Wer jeden bisherigen Arbeitsschritt lediglich beschleunigt, prüft den Ablauf selbst noch nicht. Der mögliche Gewinn liegt auch darin, Produkte, Prozesse und die Zusammenarbeit neu zu gestalten. Dafür plädiere ich für eine länger… Get full access to VENTURE AI STACK at www.ventureaistack.com/subscribe (https://www.ventureaistack.com/subscribe?utm_medium=podcast&utm_campaign=CTA_4)

2. 

   5 Nov 2026

   TWO MINDS - ONE ESSAY | Wir profitieren von KI. Aber was hinterlassen wir unseren Kindern? (#1318)

   Zwei KI-Agenten diskutieren Norman Müllers Essay „Wir profitieren von KI. Aber was hinterlassen wir unseren Kindern?“. Ihr Streit beginnt beim Berufseinstieg: Wenn KI Recherchen, erste Entwürfe und andere Routineaufgaben übernimmt, gewinnen Nachwuchskräfte Zeit. Doch wo sammeln sie die Erfahrung, die sie später brauchen, um Ergebnisse zu prüfen und schwierige Fälle selbst zu lösen? Eine Perspektive sieht darin die Chance, junge Menschen früher an anspruchsvolle Aufgaben heranzuführen. Die andere verteidigt Lernräume, in denen sie Zusammenhänge durch eigene Versuche und Fehler verstehen. Die Agenten hinterfragen auch Normans Vorschläge: Werden Unternehmen gesparte Zeit tatsächlich in Betreuung investieren? Und wie lässt sich KI in Schulen und Betrieben so einsetzen, dass Menschen mit ihrer Hilfe selbstständiger werden? Im Mittelpunkt steht Enkelfähigkeit: Welche Möglichkeiten zu lernen und zu entscheiden geben wir an die nächste Generation weiter? Kapitel * 00:00 Wenn KI die Einstiegsaufgaben übernimmt: Befreiung oder Verlust? * 02:21 Wie Expertise entsteht und warum auch Erfahrene KI prüfen müssen * 04:38 Nachwuchs, Rentenwelle und die Grenzen von KI-Nachhilfe * 06:57 Lernräume neu gestalten: Was enkelfähige KI-Nutzung verlangt Liest du hier regelmäßig mit? Dann unterstütze unsere Arbeit mit einem bezahlten Abo. Wir haben die Paywalls abgeschafft. Jede Woche veröffentlichen wir neue Essays und Podcast-Folgen, auf die du kostenlos zugreifen kannst. Wenn du unsere Arbeit unterstützen möchtest, freuen wir uns über ein bezahltes Abo. Damit kannst du auch an unseren Podcast Live-Talks teilnehmen, im Live-Chat mitdiskutieren und dich im Substack Community Chat austauschen. Zugleich hilfst du uns, weitere Essays zu schreiben und spannende Podcast-Gäste einzuladen. Der Essay zur Folge Wir profitieren von KI. Aber was hinterlassen wir unseren Kindern? Warum KI-Transformation enkelfähig werden muss. VENTURE AI ACADEMY Unsere digitale Plattform ist Ihr Zugang zu praxisnaher Qualifizierung im Bereich Künstliche Intelligenz, kuratiert für Entscheider:innen und Teams im Mittelstand. Ob kompakte Webinare, vertiefende Online-Kurse oder interaktive Branchenformate: Hier lernen Sie, was Sie wirklich brauchen, um KI im eigenen Unternehmen sicher und gewinnbringend einzusetzen. Wenn du uns dabei unterstützen möchtest, diesen Podcast zu einer Allianz von Zukunftsarchitekten der KI-Transformation zu machen, in der wir offen über Chancen, Risiken und reale Erfahrungen mit Künstlicher Intelligenz sprechen, dann abonniere uns auf Substack (https://ventureaibriefing.substack.com), YouTube (https://youtube.com/@ventureaipodcast), Spotify (https://open.spotify.com/show/04T6zARQ1yGL6GFizAdb7u?si=0b28d98bd1514ff4) oder Apple Podcasts (https://podcasts.apple.com/de/podcast/venture-ai-podcast-zukunftsarchitekten-der-ki-transformation/id1096351916). Dein Abonnement kostet dich nichts, hilft uns aber sehr, noch mehr herausragende Persönlichkeiten für tiefgehende und inspirierende Podcast Gespräche zu gewinnen. Vielen Dank für deinen Support. Darüber hinaus laden wir dich ein, Teil der Plattform des Bundesverbands für KI-Transformation e.V. (https://www.venture-ai-germany.org) zu werden. Hier vernetzen sich mittelständische Unternehmen, KI Expertinnen und Experten, Startups sowie Vertreterinnen und Vertreter aus Forschung und Wissenschaft, um Wissen zu teilen, Erfahrungen auszutauschen und um an konkreten KI-Projekten zu arbeiten. In unserer Podcast Community kannst du dich einbringen, mitdiskutieren und den Bundesverband als Mitglied aktiv unterstützen und mitprägen. Zur Plattform: https://www.venture-ai-germany.space (https://www.venture-ai-germany.space) Vernetze dich mit Norman auf LinkedIn: https://www.linkedin.com/in/muellernorman (https://www.linkedin.com/in/muellernorman) Get full access to VENTURE AI STACK at www.ventureaistack.com/subscribe (https://www.ventureaistack.com/subscribe?utm_medium=podcast&utm_campaign=CTA_4)

3. 

   4 Nov 2026

   Welche Rezeptur verdient den nächsten Versuch? (#1317)

   Eine neue Rezeptur kann viele Versuche kosten, bevor sie die gewünschten Eigenschaften erreicht. Thomas Keller von Riegg & Partner intercorp spricht mit Norman Müller darüber, wie Unternehmen frühere Entwicklungsdaten für die Auswahl des nächsten Versuchs nutzen können. An Beispielen aus der Lebensmittel- und Kunststoffindustrie geht es um Vorhersagemodelle, die Bewertung von Ergebnissen und die Zusammenarbeit zwischen Entwicklern und KI. Wir unterscheiden technische Herstellbarkeit vom späteren Markterfolg und fragen, woran ein Unternehmen den Nutzen eines ersten Projekts erkennen kann. Kapitel * 00:00 Einstieg: KI für konkrete Produktentscheidungen * 01:39 Warum Thomas den Hebel in Forschung und Entwicklung sieht * 04:42 Rezepturen, Einflussgrößen und lernende Vorhersagemodelle * 08:01 Ein Kuchenbeispiel und zwei verschiedene Arten von Erfolg * 10:22 Zutaten verändern, Eigenschaften erhalten * 12:44 Entwicklungsgeschwindigkeit und wirtschaftlicher Nutzen * 15:10 Mit einem begrenzten Proof of Concept anfangen * 16:31 Verbesserungen am bisherigen Prozess messen * 18:02 Mensch, Maschine und die Idee einer neuen Schokolade * 20:24 Erfahrungswissen in Entwicklungsdaten nutzbar machen * 23:05 Geschmack, Messwerte und vergleichbare Bewertungen * 24:59 Vom Laborfeedback zur Wiederbestellung * 27:24 Vorhersagen in die bestehende Laborsoftware einbinden * 29:47 Realistische Ziele und bessere Datenerfassung * 32:19 Erwartungen an KI-Projekte und die Arbeit mit alten Daten * 34:18 Neue Kundenwünsche und die Grenzen vergangener Erfahrungen * 36:23 Was Unternehmen aus einem ersten Projekt lernen können * 39:29 Entscheidungen und Zusammenarbeit im Projektteam * 41:05 Modellverständnis, Partnerschaft und neue Vergütungsansätze * 44:36 Gemeinsame Teams und langfristige Zusammenarbeit * 46:14 Wenn erfahrene Entwickler das Unternehmen verlassen * 48:49 Rückblick, offene Fragen und Ausblick Liest du hier regelmäßig mit? Dann unterstütze unsere Arbeit mit einem bezahlten Abo. Wir haben die Paywalls abgeschafft. Jede Woche veröffentlichen wir neue Essays und Podcast-Folgen, auf die du kostenlos zugreifen kannst. Wenn du unsere Arbeit unterstützen möchtest, freuen wir uns über ein bezahltes Abo. Damit kannst du auch an unseren Podcast Live-Talks teilnehmen, im Live-Chat mitdiskutieren und dich im Substack Community Chat austauschen. Zugleich hilfst du uns, weitere Essays zu schreiben und spannende Podcast-Gäste einzuladen. Shownotes * Thomas Keller auf LinkedIn: https://www.linkedin.com/in/thomas-keller-intercorp-ki-software-entwicklung-beratung/ (https://www.linkedin.com/in/thomas-keller-intercorp-ki-software-entwicklung-beratung/) * Riegg & Partner intercorp. GmbH: https://www.intercorp.de/ (https://www.intercorp.de/) * KI in der Produktentwicklung: Ansatz und Leistungen von intercorp: https://www.intercorp.de/programmierung/ki-beratung-und-implementierung-aus-oberfranken/unsere-ki-leistungen-beratung-schulung-implementierung/implementierung/deep-learning (https://www.intercorp.de/programmierung/ki-beratung-und-implementierung-aus-oberfranken/unsere-ki-leistungen-beratung-schulung-implementierung/implementierung/deep-learning) * intercorp auf LinkedIn: https://de.linkedin.com/company/riegg-partner-intercorp/ (https://de.linkedin.com/company/riegg-partner-intercorp/) Was frühere Versuche über die nächste Rezeptur verraten können Ein Entwickler soll Zucker in einer Rezeptur ersetzen. Der Kuchen soll weiterhin schmecken, seine Konsistenz behalten und sich auf den vorhandenen Anlagen herstellen lassen. Mit einer anderen Zutat verändern sich möglicherweise mehrere Eigenschaften zugleich. Das Team muss ausprobieren, messen und nacharbeiten. Thomas Keller nutzt dieses Beispiel in unserem Gespräch, um die Aufgabe hinter einem Vorhersagemodell zu erklären. Er arbeitet bei Riegg & Partner intercorp an Projekten, die Daten aus früheren Entwicklungsversuchen für neue Entscheidungen nutzbar machen sollen. Im Podcast berichtet er von einem Lebensmittel- und einem Kunststoffhersteller. Die Kunden bleiben anonym. Mich interessiert daran die Entscheidung vor dem nächsten Versuch: Welche Variante sollte ein Team zuerst erproben? Kann es aus früheren Ergebnissen eine bessere Reihenfolge ableiten? Und was muss es weiterhin selbst überprüfen? Erst klären, welchen Erfolg das Modell einschätzen soll Ich übertrage den Ansatz zunächst auf die Frage, ob ein neuer Kuchen am Markt erfolgreich sein wird. Thomas grenzt die Aufgabe ein. Seine Projekte beginnen bei technischen Kriterien. Lässt sich eine Rezeptur herstellen? Erreicht sie die gewünschte Qualität? Bleibt sie unter den vorgesehenen Bedingungen verwendbar? Die spätere Nachfrage ist eine weitere Frage. Zwischen einem Versuch im Labor und einem Produkt, das Kunden wieder bestellen, liegen zusätzliche Schritte. Thomas beschreibt Rückmeldungen von Testern und Kunden. Erst später können Bestell- und Vertriebsdaten weitere Hinweise liefern. Dafür müssten die beteiligten Systeme und ihre Informationen zusammenpassen. Diese Trennung ist für mich der Ausgangspunkt einer vernünftigen Beauftragung. Wenn ein Unternehmen weniger Laborversuche braucht, ist das ein möglicher Nutzen. Ob das Produkt anschließend Käufer findet, muss es gesondert untersuchen. Für ein erstes Projekt lässt sich deshalb eine begrenzte technische Frage wählen, deren Ergebnis die Entwickler beurteilen können. Thomas beschreibt zwei Einsatzmöglichkeiten: Ein Modell kann Vorschläge für eine Rezeptur unterstützen oder vorhandene Ideen bewerten. In beiden Fällen soll es frühere Versuche als zusätzliche Orientierung nutzen. Der nächste praktische Test bleibt erforderlich. Auch ein misslungener Versuch muss verständlich dokumentiert sein In den Entwicklungsdaten findet Thomas eine Spur menschlicher Erfahrung. Welche Zutat hat ein Mitarbeiter verändert? Welchen Prozesswert hat er gewählt? Wie hat das Team das Ergebnis bewertet? Wer über Jahre Produkte entwickelt, hinterlässt in diesen Entscheidungen Informationen, die auch Kollegen helfen könnten. Damit ein Modell diese Daten nutzen kann, müssen Anforderung, Zusammensetzung und Ergebnis zusammengehören. Eine Bemerkung wie „zu weich“ lässt viele Fragen offen. Im Gespräch beschreibt Thomas Bewertungsskalen, mit denen Entwickler genauer festhalten, wie stark ein Ergebnis vom Ziel abweicht. Bei Lebensmitteln spielt außerdem die sensorische Beurteilung eine Rolle. Thomas erzählt von Teams, die sich auf eine gemeinsame Bewertung verständigen. Das beschreibt die Praxis dieser Fälle. Es ersetzt keine allgemeine Prüfung, wie verlässlich unterschiedliche Personen denselben Versuch beurteilen. Für das nächste Projekt würde ich mir deshalb einige vorhandene Versuchseinträge zeigen lassen. Kann jemand daraus nachvollziehen, was das Team erreichen wollte, was es tatsächlich ausprobiert hat und woran der Versuch scheiterte? Wenn diese Verbindung fehlt, beginnt die Arbeit bei der Erfassung. Thomas berichtet, dass solche Verbesserungen bereits während der ersten Workshops entstehen können. Der Vergleich mit dem bisherigen Prozess entscheidet über den Nutzen Thomas argumentiert, dass schon wenige vermiedene Versuche wirtschaftlich relevant sein können. Wie viel das ausmacht, hängt von Material, Personal, Anlagenbelegung und der Zahl der Entwicklungen ab. Seine Zahlen im Gespräch illustrieren diesen Gedanken. Wir legen damit keine überprüfte Erfolgsrechnung der beiden Kundenprojekte vor. Ein Unternehmen sollte vor einem Test festhalten, wie es die entsprechende Aufgabe bisher löst. Wie viele Versuche benötigt es? Welche Qualität muss es erreichen? Welche Kosten entstehen dafür? Anschließend lässt sich prüfen, ob die Unterstützung durch ein Modell den Ablauf verbessert. Zur Rechnung gehören auch Datenaufbereitung, Integration und laufende Betreuung. Ein schneller Vorschlag allein genügt als Maßstab nicht. Die Entwickler müssen damit arbeiten können und das Ergebnis anschließend praktisch überprüfen. Thomas legt deshalb Wert auf die Einbindung in die vorhandene Laborsoftware. Die Mitarbeiter sollen Vorhersagen dort erhalten, wo sie bereits arbeiten. Wenn eine zusätzliche Anwendung viele Umwege verlangt, kann sie im Alltag ungenutzt bleiben. Der Zugang zum Modell ist damit selbst ein Teil des Projekts. Offen bleiben im Gespräch konkrete Angaben zur Prognosegüte der beiden Vorhaben: Welche neuen Fälle wurden geprüft? Wie häufig lag das Modell falsch? Wie viel Aufwand fiel insgesamt an? Für eine Inv… Get full access to VENTURE AI STACK at www.ventureaistack.com/subscribe (https://www.ventureaistack.com/subscribe?utm_medium=podcast&utm_campaign=CTA_4)

Who has been a guest on Der KI-Podcast für Unternehmer

Names identified in recent episode analyses. Showing up to five guests.

• Christian Bennefeld
• Benjamin Ferreau
• Nadine Rippler
• Kirk & Data
• Prof Dr Alexander Lutz

Reach and audience

Public platform figures. Ratings count people who left a rating, not total listeners.

Apple Podcasts (US)

3.5 / 5

2 ratings

Spotify

4.8 / 5

21 ratings

Contact Der KI-Podcast für Unternehmer

Guest appearances

Does not typically book guests

Based on episode analysis; this does not confirm that the show is currently accepting guests.

Shows with a similar audience

• 

  Der Dirk Kreuter Podcast

• 

  {ungeskriptet} - Menschen mit Ecken und Kanten

• 

  AI to the DNA

• 

  LANZ & PRECHT

• 

  The Pioneer Briefing

• 

  t3n Interview

Questions about Der KI-Podcast für Unternehmer