TechTalk | Voice of Digital

Einführung in das Digitallabor

Christian Dressel, Managing Director des Digitallabors bei Böhringer Ingelheim, spricht über die Rolle des Labors in der digitalen Transformation des Unternehmens. Das Digitallabor ist als explorative Einheit konzipiert, die sich mit der Identifizierung von Technologietrends und der Entwicklung digitaler Lösungen für die Pharmaindustrie beschäftigt.

Unterschied zwischen Digitallabor und IT-Abteilung

Das Digitallabor unterscheidet sich von einer klassischen IT-Abteilung durch seinen Fokus auf Innovation und Risikoerprobung. Während IT-Abteilungen Stabilität und Effizienz gewährleisten, fungiert das Digitallabor als Inkubator für neue Ideen.

Bedeutung von KI in der Pharmaforschung

Dressel erklärt, dass KI in der Pharmaforschung eine entscheidende Rolle spielt, insbesondere bei der Identifizierung von Targets für neue Medikamente. KI ermöglicht schnellere Simulationen und effizientere Validierungen, was zu Fortschritten in der Forschung führt.

Transformation der Arbeitsweise durch KI

Die Integration von KI verändert die Rollen in der Pharmaforschung. Mitarbeiter werden von operativen Aufgaben zu Koordinatoren von KI-Systemen, die autonom arbeiten und Entscheidungen unterstützen. Dies erfordert neue Skills und interdisziplinäre Teams.

Herausforderungen und Chancen der KI-Integration

Die Einführung von KI bringt Herausforderungen mit sich, insbesondere im Hinblick auf regulatorische Anforderungen und die Notwendigkeit, Mitarbeiter zu schulen. Dressel sieht jedoch Chancen für Wachstum und Innovation in der Branche.

Zukunftsvision von Böhringer Ingelheim

In fünf bis zehn Jahren wird Böhringer Ingelheim weiterhin Medikamente entwickeln, jedoch effizienter durch den Einsatz von KI. Die Forschung wird durch Echtzeitdaten von Smart Devices unterstützt, was die Entscheidungsfindung und Produktentwicklung optimiert.

Einführung in die Herausforderung der SEO im KI-Zeitalter

Im Gespräch zwischen Jürgen Hill und Vivian Minz wird die Transformation der Data-as-a-Service-Branche in Anbetracht der wachsenden Bedeutung von Künstlicher Intelligenz (KI) thematisiert. Vivian Minz, Expertin für digitale Datenwirtschaft, erläutert, wie sich das Geschäftsmodell von Statista aufgrund der Veränderungen im Nutzerverhalten und der Rolle von KI-Assistenten wandelt.

Die Bedrohung des traditionellen Geschäftsmodells

Das traditionelle SEO-basierte Geschäftsmodell wird durch KI unter Druck gesetzt, da Nutzer zunehmend direkt über KI-Assistenten Informationen abrufen, ohne auf externe Webseiten zuzugreifen. Dies führt zu einem Verlust von Traffic und damit auch von Monetarisierungsmöglichkeiten für Plattformen wie Statista, die stark auf Sichtbarkeit und organischen Traffic angewiesen sind.

Strategische Reaktionen auf die Disruption

Minz diskutiert verschiedene strategische Ansätze, um mit dieser Disruption umzugehen. Dazu zählt die Überlegung, Inhalte hinter Paywalls zu verstecken oder sich als vertrauenswürdige Quelle in den KI-Workflows zu positionieren. Die Notwendigkeit, die Sichtbarkeit im KI-Zeitalter neu zu definieren, wird betont.

Möglichkeiten der Monetarisierung und neue Geschäftsmodelle

Die Diskussion geht weiter zu Monetarisierungsansätzen, die über die traditionelle Sichtbarkeit hinausgehen. Die Einführung von MCP-Servern (Model Context Protocol) wird als Schlüsseltechnik vorgestellt, um Daten für KI-Modelle zugänglich zu machen und gleichzeitig die Kontrolle über diese Daten zu behalten.

Lessons Learned und Empfehlungen für IT-Entscheider

Abschließend gibt Minz wertvolle Ratschläge für IT-Entscheider, die sich in ähnlichen Transformationsprozessen befinden. Die zentrale Frage, ob man als Daten- oder Destinationsquelle agieren möchte, wird als entscheidend hervorgehoben, ebenso wie die Anpassung der Metriken zur Erfolgsmessung im neuen Ökosystem.

Souveränität als architektonisches Prinzip

Der Blick auf Cloud-Souveränität zeigt sich nicht als bloße Debatte, sondern als messbares Architekturprinzip. Kategorien wie Datensouveränität, Operationale Souveränität und technische Souveränität definieren, wer Zugriff hat, wer die Systeme betreibt und wie Technologien implementiert sind. Ziel ist ein Verständnis, wie Architekturentscheidungen langfristige Sicherheit, Kontrolle und Compliance ermöglichen.

Gestaltung flexibler, sicherer Multi-Cloud-Architekturen

Eine einheitliche „Single Pane of Glass“-Lösung ist weniger relevant als ein Framework aus unabhängigen Tools. Offene Standards, API-getriebene Interfaces und Open-Source-Pendanten ermöglichen Wechselbarkeit. Workloads können je nach Souveränitätsniveau auf Hyperscaler, souveränen Clouds oder On-Premise laufen, ohne dass Abhängigkeiten zu stark wachsen.

Standardisierung, Autonomie und Landing Zones

Standardisierung bildet das Fundament der Cloud, unterstützt durch Open-Source-Tools und die Bring-your-Own-Keys-Strategie. Landing Zones bündeln Integrationen in kundeneigene Umgebungen, sodass vorhandene Toolchains weiterverwendet werden können. Autonomie entsteht durch klare Interfaces, offene Standards und flexible Sicherheits- sowie Logging-Lösungen.

Vom Audit zur Umsetzung: Praxisleitfaden

Der Weg beginnt mit einer Erstanalyse der Souveränitätsbedürfnisse, gefolgt von einem Proof of Concept. Typische Stolperfallen liegen in Legacy-Interfaces, Egress-Kosten und Performance bei Multi-Cloud. Eine schrittweise Reise reduziert Schmerzpunkte und zeigt, wie Teilautonomie oder Teil-Souveränität praktisch umgesetzt werden kann.