24.09.2015

Google Österreich Chef: “Wir brauchen keine Menschen, die sich anpassen”

/artikel/google-oesterreich-chef-wir-brauchen-keine-menschen-die-sich-anpassen
"Flexibilität" ist der gemeinsame Nenner von alten Unternehmen und neuen Mitarbeitern.

Haben Top-Manager zwangsweise einen geradlinigen Lebenslauf mit Einser-Notendurchschnitt und langer Karriere im Unternehmen? Google Österreich Chef Markus Kienberger, CEO der Deutschen Bank in Österreich Christian Ohswald und Roland Toch, CEO der Wirecard CEE lassen bei den Manageers Career Days in der Wiener Hofburg tief blicken.

Ein geradliniger Lebenslauf ist oft nicht mehr das, wonach in der Arbeitswelt gesucht wird. Auf beiden Seiten: Recruiter suchen das “gewisse Etwas” im Lebenslauf, der Mitarbeiter will andererseits die Chance haben, sich zu entfalten. Diese beiden Einstellungen gehen oft nicht Hand in Hand. Auch der Startup-Boom trägt sicher seinen Teil dazu bei, dass immer mehr vor allem junge Menschen sich selbst verwirklichen wollen. Herkömmliche Unternehmen stehen vor großen Herausforderungen: Sucht man nun nach jenen Menschen, die viele Jahre im Unternehmen tätig sein wollen oder nach den hungrigen Innovativen, die wie ein frischer Windzug in die Firma kommen, um etwas verändern, aber vielleicht schnell wieder das Unternehmen verlassen? Von beiden Seiten wird heute mehr Flexibilität erwartet – dies könnte auch das Motto beim Eröffnungs-Panel am zweiten Tag in der Wiener Hofburg gewesen sein. Braucht man als Manager in Top Position immer noch einen geradlinigen, objektiv “perfekten” Lebenslauf?

Bildschirmfoto 2015-09-24 um 13.00.34

“Ich habe mein erstes Studium nicht durchgezogen”, verrät Markus Kienberger, der Country Manager von Google Österreich. ‘Verloren’ sei die Zeit trotzdem nicht gewesen, denn es war die Phase im Leben gewesen, in der er sich neu orientiert habe. Nach zwei Jahren hat der Manager aufgehört und angefangen, Soziologie zu studieren. “Freunde, Familie haben damals Druck gemacht, weil die Jobchancen als “brotlos” gelten. Aber das Studium hat mich interessiert und darum hab ich es trotzdem durchgezogen”.

Fast wäre Kienberger auch auf der Uni geblieben und hätte eine akademische Laufbahn angestrebt. Doch die Strukturen gerade im universitären Betrieb sind starr. Der Manager erkannte, dass er in diesem Umfeld nicht dorthin kommen würde, wo er hinwollte. Darum ging es für ihn in die Privatwirtschaft. “Die Geschwindigkeit der Veränderung wird zunehmen – wir brauchen keine Leute, die sich anpassen, sondern Veränderung zulassen”, meint er. Bei Google sucht man nach der ‘Naivität’, die Kinder haben: Sie fragen die großen Fragen, wie “Warum fahren Leute mit dem Auto durch die Stadt?” und es schwingt dabei bereits mit, dass es eigentlich ganz anders sein könnte.

Bildschirmfoto 2015-09-24 um 13.00.52

Für welche Karriere man sich auch entscheidet, wichtig sei es, sich ein Ziel vor Augen zu halten- das meint zumindest Roland Toch von Wirecard. “Wie im Sport, darf man seine Ziele nicht aus den Augen verlieren”, so der Top Manager. Seine Karriere hat der Manager in einer Bank begonnen, bevor er in einem Startup anfing, um nach einigen Jahren wieder in einen Konzern zu gehen. “Flexibilität ist wichtig”, so Toch, aber “Manchmal habe ich das Gefühl, dass Menschen immer mehr Ausreden finden, sich nicht zu entscheiden.” Darum: Es sei wichtig, zu wissen, wohin man will.

Bildschirmfoto 2015-09-24 um 13.00.41

“Unerwartete Umwege stellen sich oft im Nachhinein als nützlich heraus”, meint Christian Ohswald, CEO der Deutschen Bank in Österreich. Mit einem durchschnittlichen bis schlechten Notendurchschnitt bei der Matura, “habe ich mich in den ersten Jahren meines Jusstudiums vor allem darüber gefreut, dass ich die Matura geschafft habe”, scherzt der Banker. Während die Eltern dachten, der Sohn würde brav Jus studieren, “habe ich eigentlich das Leben studiert”, so Ohswald. Motorrad Fahren, Reisen n ferne Länder, vieles war wichtiger, als die schweren Bücher der Rechtswissenschaften. Gelernt habe er trotzdem: soziale Kompetenz, die heute wichtiger ist, denn je. Offen sein, für neues und vielleicht ist es auch der Grund, dass die Midlife-Crisis kein Thema war. “Ich hatte nie das Gefühl, dass ich was versäumt habe”. Doch irgendwann fasste Ohswald dann doch ein Ziel, er wollte Manager werden. “Ich dachte, Manager haben ein Dienstauto ein eigenes Büro und verdienen gut”, ohne eigentlich zu wissen, was man als Manager genau tut. Dieses Ziel habe er aber relativ rasch verfolgt.

Ohswald arbeitet auch direkt mit Studenten zusammen. Dabei hat er festgestellt, dass das Bild, wie der Arbeitsalltag in einer Bank aussieht, stark von der Vergangenheit geprägt sei: “Junge Menschen glauben, dass man bei Google in einem Büro mit bunten Wänden arbeitet, bei Red Bull durchgehend auf Party ist, aber bei einer Bank? Da führt man langweilige Kundengespräche. Dabei ist es nicht mehr so, dass die Krawatte immer getragen werden muss. Auch die Bank Branche verändert sich. Und auch Banker tragen iWatches”, so der CEO.

Deine ungelesenen Artikel:
27.01.2025

Open Source und KI: “Es geht nicht darum, zu den Guten zu gehören”

Nachlese. Die Nutzung von Open-Source-Modellen eröffnet Unternehmen auch im KI-Bereich weitreichende Möglichkeiten. Es gibt dabei aber auch einiges zu bedenken. Darüber und mehr diskutierten in Folge 5 von "No Hype KI" Stephan Kraft von Red Hat, Florian Böttcher von CANCOM Austria, Natalie Ségur-Cabanac von Women in AI und Patrick Ratheiser von Leftshift.One.
/artikel/no-hype-ki-folge-5
27.01.2025

Open Source und KI: “Es geht nicht darum, zu den Guten zu gehören”

Nachlese. Die Nutzung von Open-Source-Modellen eröffnet Unternehmen auch im KI-Bereich weitreichende Möglichkeiten. Es gibt dabei aber auch einiges zu bedenken. Darüber und mehr diskutierten in Folge 5 von "No Hype KI" Stephan Kraft von Red Hat, Florian Böttcher von CANCOM Austria, Natalie Ségur-Cabanac von Women in AI und Patrick Ratheiser von Leftshift.One.
/artikel/no-hype-ki-folge-5

“No Hype KI” wird unterstützt von CANCOM AustriaIBMITSVMicrosoftNagarroRed Hat und Universität Graz.

Kollaborativ, transparent, frei zugänglich und nicht profit-orientiert – mit Open-Source-Software wird eine Reihe von Eigenschaften assoziiert. Und oftmals stehen bei der Nutzung ethische Überlegungen im Zentrum. Dabei gibt es auch ganz praktische Gründe, die für eine Verwendung durch Unternehmen sprechen – auch bei der Implementierung von KI-Anwendungen, ist Stephan Kraft, Community Advocate & Business Development OpenShift & Application Services bei Red Hat, überzeugt. In Folge fünf der Serie “No Hype KI” diskutierte er dieses und weitere Themen mit Florian Böttcher, Solution Architect bei CANCOM Austria, Natalie Ségur-Cabanac, Policy Lead bei Women in AI und Patrick Ratheiser, Gründer & CEO von Leftshift.One.

“Thema ein Stück weit aus dieser emotionalen, moralisierenden Ecke herausholen”

“Ich will das Thema ein Stück weit aus dieser emotionalen, moralisierenden Ecke herausholen”, sagt Stephan Kraft. Für Red Hat als weltweit führenden Anbieter für Open-Source-Lösungen für Unternehmen gehen die Argumente für eine Nutzung nämlich weit darüber hinaus. “Es geht nicht darum, Open Source als Selbstzweck zu sehen, um zu den Guten zu gehören”, so der Experte. Tatsächlich sei die Verwendung von Open Source gerade bei der Etablierung von KI im Unternehmen für Startups und KMU eine wichtige Weichenstellung.

Offenheit, um Diskriminierung entgegenzuwirken

Auch Natalie Ségur-Cabanac sieht Open Source als “Key Technology” im KI-Bereich. Für “Women in AI” spiele die Offenheit eine zentrale Rolle: “Diese Offenheit braucht es, um Diskriminierung entgegenzuwirken.” Open Source verbessere den Zugang für Frauen zur Technologie, die Abbildung von Frauen in den Daten und es vergrößere die Möglichkeiten in der Forschung. Man müsse aber auch aufpassen, ob Software wirklich so offen sei, wie behauptet, sagt sie bezogen auf die aktuellen Diskussionen rund um OpenAI, das sich – ursprünglich als offenes Projekt gestartet – zum profitorientierten Unternehmen entwickelte. Es brauche auch eine klare Definition, was “open” sei.

Masse an Möglichkeiten

Leftshift.One-Gründer Patrick Ratheiser betont auch die schiere Masse an Möglichkeiten, die Open Source bietet. “2021 hatten wir weltweit Zugriff auf circa 5.000 Open-Source-Modelle. Jetzt sind es bereits mehr als eine Million.” Die Nutzbarkeit sei also klar gegeben, zudem biete die Technologie eine gewisse Unabhängigkeit und werde über ihre Vielfalt zum Innovationstreiber.

Ist Open Source immer die beste Lösung?

Doch bedeutet das, dass Open Source immer die optimale Lösung ist? Ratheiser sieht das differenziert: “Es ist ganz wichtig zu erkennen, was der Kunde braucht und was in dem Fall gerade notwendig ist. Egal, ob es nun On-Premise, in der Cloud, Open Source oder Closed Source ist.” Florian Böttcher von CANCOM Austria pflichtet hier bei: “Wir setzen genau so auf hybrid.”

Datenstruktur im Hintergrund ist entscheidend

Ein Thema, bei dem bei Open Source Vorsicht geboten ist, spricht Natalie Ségur-Cabanac an. Besonders wichtig sei es bei KI-Anwendungen, eine gute Datenstruktur im Hintergrund zu haben. “Die Verantwortung, dass ein Modell mit sauberen Daten trainiert worden ist, liegt bei den Anbietern. Bei Open Source verschwimmt das ein bisschen. Wer ist wofür zuständig? Das ist eine Herausforderung für die Compliance zu schauen, wo man selbst verantwortlich ist und wo man sich auf einen Anbieter verlassen kann.”

Compliance: Großes Thema – mehr Sichereheit mit professioneller Unterstützung

Stephan Kraft hakt hier ein. Genau aus solchen Gründen gebe es Unternehmen wie Red Hat, die mit ihrem Enterprise-Support für Open-Source-Lösungen die Qualitätssicherung auch im rechtlichen Bereich übernehmen. “Das ist ein ganz wichtiger Teil unseres Versprechens gegenüber Kunden”, so Kraft. Unbedacht im Unternehmen mit Open Source zu arbeiten, könne dagegen in “Compliance-Fallen” führen, pflichtet er Ségur-Cabanac bei.

Das sieht auch Patrick Ratheiser als Thema bei Leftshift.One: “Unsere Lösung ist Closed Source, wir setzen aber im Hintergrund Open Source ein. Wichtig ist, dass wir dem Kunden Compliance garantieren können.” Stephan Kraft empfiehlt Unternehmen bei der Open-Source-Nutzung: “Man kann nicht immer gleich die neueste ‘bleeding edge’-Lösung nehmen sondern sollte etwas konservativer herangehen.”

Infrastruktur: Gut planen, was man wirklich braucht

Unabhängig davon, ob man nun Open Source oder Closed Source nutzt, braucht es für die Nutzung von KI die richtige Infrastruktur. “Es kommt natürlich auf den Use Case an, den ein Unternehmen umsetzen will. Da sind die Anforderungen an die Infrastruktur sehr unterschiedlich”, grenzt Florian Böttcher ein. CANCOM Austria unterstützt seine Kunden in genau der Frage. Anwendungen wie das Training von KI-Modellen würde aus gutem Grund kaum in Österreich umgesetzt. “KI ist sehr stromhungrig und entwickelt viel Hitze. Das ist schwierig für ein eigenes Data-Center im Unternehmen, gerade wenn man die Strompreise in Österreich ansieht”, so Böttcher.

“Rechenleistungs-Hunger” von KI könnte sich in Zukunft verringern

Wichtig sei es letztlich, sich als Unternehmen sehr klar darüber zu sein, was man umsetzen wolle. “Danach, welche Software-Lösung man für seinen Use Case einsetzen muss, richtet sich auch die Infrastruktur”, so Böttcher. Er erwarte aber auch, dass die KI-Modelle im nächsten Entwicklungsschritt effizienter werden und der “Rechenleistungs-Hunger” sich verringere.

Patrick Ratheiser ergänzt: “Es ist grundsätzlich eine Kostenfrage.” Unternehmen müssten sich sehr gut überlegen, ob sie ein eigenes LLM (Large Language Model) betreiben und dieses sogar selbst trainieren wollen, oder lieber doch eine Usage-basierte Lösung wählen. Er sehe bei österreichischen Unternehmen – auch bei größeren – eine klare Tendenz zur zweiten Variante. “Es lässt sich deutlich schneller einrichten, ist kalkulierbarer und auch viel schneller skalierbar”, erklärt Ratheiser.

Etwa im Forschungsbereich sei es jedoch wichtig und notwendig, auch eigene LLMs und die damit verbundene Infrastruktur zu betreiben. Doch auch die Möglichkeit von hybriden Lösungen biete sich an. “Man kann mittlerweile auch Teile in der Cloud lassen und Teile On-Premise. Man kann etwa nur ein datenschutzsicheres LLM selbst betreiben”, erklärt der Experte, der auch bei der Wahl der genutzten Modelle einen hybriden Ansatz empfiehlt: “Man braucht nicht für alle Use Cases das neueste Modell. Manchmal braucht man überhaupt kein LLM.”

Datenschutz: Einige Herausforderungen bei LLMs

Stichwort: Datenschutz. Hier schafft die europäische Datenschutzgrundverordnung (DSGVO) im KI-Bereich besondere Herausforderungen, weiß Natalie Ségur-Cabanac, die vorab betont: “Ich persönlich halte die DSGVO für ein gutes Regulierungswerk, weil sie sehr viel Spielraum gibt. Ich sage immer: Datenschutz ist sehr komplex, aber nicht kompliziert.” Konkret seien etwa der Grundsatz der Zweckbezogenheit, also dass man Daten nur für konkrete Zwecke einsetzen darf, und dass man sie minimierend einsetzen muss, relevant für den KI-Bereich. “Da haben wir schon einen Konflikt, weil man ja [bei LLMs] erst einmal schaut, was man aus möglichst vielen Daten machen kann”, so die Expertin.

Ist KI rechtlich innerhalb der EU sogar per se in einem Graubereich?

Auch Transparenzbestimmungen – sowohl in der DSGVO als auch im AI-Act der EU – seien zu beachten. “Wenn ich KI verwende, muss ich auch wissen, was drinnen ist”, fasst Ségur-Cabanac zusammen. Ist KI also rechtlich innerhalb der EU sogar per se in einem Graubereich? “Nein, das glaube ich nicht. Aber man muss seine Hausaufgaben schon gut machen”, sagt die Expertin. Wichtig sei daher auch die im Rahmen des EU-AI-Acts eingeforderte KI-Kompetenz in Unternehmen – im technischen und rechtlichen Bereich.

KI-Kompetenz als zentrales Thema

Patrick Ratheiser stimmt zu: “Neben der Technologie selber sind bei unseren Kunden die Mitarbeiter ein Riesen-Thema. Man muss sie nicht nur wegen dem AI-Act fit bekommen, sondern es geht darum, sie wirklich auf die Anwendungen einzuschulen.” Wichtig seien dabei auch die Kolleg:innen, die sich bereits mit dem Thema auskennen – die “Pioniere” im Unternehmen. “AI Literacy ist sicherlich das Thema 2025 und in nächster Zeit. So, wie wir gelernt haben, mit dem Smartphone umzugehen, werden wir es auch mit generativer KI lernen”, so Ratheiser.

“Einfach einmal ausprobieren”

Stephan Kraft ergänzt: Neben einer soliden Datenbasis und der notwendigen Kompetenz brauche es bei KI – gerade auch im Bereich Open Source – noch etwas: “Einfach einmal ausprobieren. Es braucht auch Trial and Error. Das ist vielleicht oft das Schwierigste für CFOs und Geschäftsführer.” Dieses Ausprobieren sollte aber innerhalb eines festgelegten Rahmens passieren, damit die KI-Implementierung gelingt, meint Natalie Ségur-Cabanac: “Unternehmen brauchen eine KI-Strategie und müssen wissen, was sie mit der Technologie erreichen wollen.” Auch sich mit den zuvor angesprochenen rechtlichen Anforderungen – Stichwort Compliance – zu beschäftigen, komme zeitlich erst nach der Festlegung der Strategie.


Die gesamte Folge ansehen:

Die Nachlesen der bisherigen Folgen:

Folge 1: “No Hype KI – wo stehen wir nach zwei Jahren ChatGPT?

Folge 2: “Was kann KI in Gesundheit, Bildung und im öffentlichen Sektor leisten?

Folge 3: “Der größte Feind ist Zettel und Bleistift”: Erfolgsfaktoren und Herausforderungen in der KI-Praxis”

Folge 4: KI-Geschäftsmodelle: “Wir nutzen nur einen Bruchteil dessen, was möglich ist”


Die Serie wird von brutkasten in redaktioneller Unabhängigkeit mit finanzieller Unterstützung unserer Partner:innen produziert.

No Hype KI
Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

Google Österreich Chef: “Wir brauchen keine Menschen, die sich anpassen”

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Google Österreich Chef: “Wir brauchen keine Menschen, die sich anpassen”

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Google Österreich Chef: “Wir brauchen keine Menschen, die sich anpassen”

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Google Österreich Chef: “Wir brauchen keine Menschen, die sich anpassen”

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Google Österreich Chef: “Wir brauchen keine Menschen, die sich anpassen”

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Google Österreich Chef: “Wir brauchen keine Menschen, die sich anpassen”

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Google Österreich Chef: “Wir brauchen keine Menschen, die sich anpassen”

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Google Österreich Chef: “Wir brauchen keine Menschen, die sich anpassen”

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Google Österreich Chef: “Wir brauchen keine Menschen, die sich anpassen”