enthus TechPulse
enthus
Beschreibung
Podmon Kategorien
Upgrade dein Konto, um kontextuelle Kategorien zu sehen!
Veröffentlichungshistorie
Episodenübersicht
enthus TechPulse Folge 4 2026 - IT & KI mit JD Brustik von HPE
IT-Infrastruktur im Fokus von KI und Plattform-Strategien
Der Blick richtet sich auf die Verbindung von IT-Strategie, moderner Infrastruktur und KI. Ziel ist, Infrastruktur so zu gestalten, dass sie KI-Lasten trägt, Betriebs- und Plattformstrategien integriert denken und Automatisierung sowie Standardisierung vorantreiben. Die Diskussion verdeutlicht, wie IT-Architektur heute als Motor des Unternehmens fungieren kann, indem sie Agilität, Kosteneffizienz und robuste Betriebsabläufe in Einklang bringt.
Standardisierung, Automatisierung und Ökosystem-Ansatz
Ein zentrales Thema ist die Abkehr vom Best-of-Breed-Denken hin zu orchestrierten Ökosystemen. Standardisierung, Automatisierung und Vereinfachung stehen im Vordergrund, um Komplexität zu senken und Resilienz zu erhöhen. Das Ziel ist, verschiedene Systeme, Plattformen und Clouds in einer offenen, integrierten Umgebung zu bündeln, die sich durch gemeinsame Sprache und zentrale Orchestrierung steuern lässt.
On-Premise vs. Public Cloud und Datenhoheit
Es wird eine klare Tendenz hin zu eigener Plattform und On-Prem-Lösungen diskutiert, insbesondere aus Gründen der Kostenkontrolle, Governance und Rechenzentrums-Standards. Public Cloud bleibt wichtig für Entwicklung, doch Kernwertschöpfung soll in kontrollierbaren Umgebungen erfolgen. Datenhoheit, regulatorische Anforderungen und geopolitische Überlegungen prägen die Entscheidung, wo KI-Modelle operieren und wie Daten verwaltet werden.
Sicherheit, Observability und autonome Betriebsmodelle
Die Sicherheitsbelastung erhöht sich durch KI-Agenten und permanente Lasten. Automatisierung, Self-Driving Network/IT und umfassende Observability werden als notwendig beschrieben, um Angriffe in Echtzeit zu erkennen und zu mitigieren. Herkömmliche Betriebsmodelle verlieren an Relevanz; stattdessen geht es um resiliente, autonome Systeme, die Daten, Netzwerke und Infrastruktur ganzheitlich steuern.
enthus TechPulse Folge 3 2026 - Strategytalk mit Tobi Nehren von Areto
Zusammenhang von Strategie, Daten und Resilienz
In einer zunehmend komplexen, volatilen Geschäftswelt werden Strategieentwicklung, Daten und Technologie enger miteinander verknüpft. Im Gespräch wird deutlich, wie Unternehmen Daten als wertvolle Ressource nutzen können, um Entscheidungen zu verbessern, Agilität zu erhöhen und sich gegen geopolitische sowie wirtschaftliche Spannungen besser zu wappnen. Der Fokus liegt darauf, warum Datenqualität und organisatorische Anpassungen für eine wirkungsvolle Strategie essenziell sind.
Wichtige Herausforderungen: Datenqualität, Organisation und ROI
Ein zentraler Punkt ist die Datenqualität: Ohne klares Verständnis der Datenbedeutung und effektives Qualitätsmanagement liefern Initiativen keinen messbaren ROI. Daten müssen in der Organisation verankert und mit der Unternehmensstrategie verknüpft werden, damit Dashboards und KI-gestützte Erkenntnisse wirklich genutzt werden. Strukturen, Prozesse und Verantwortlichkeiten müssen angepasst werden, damit Daten nicht nur gesammelt, sondern auch genutzt werden.
KI, Governance und Kontext
KI-gestützte Systeme erfordern klare Kontextlogic und Governance. Transparenz über Berechnungen ist wichtig, damit Ergebnisse mit der Unternehmensstrategie übereinstimmen. Kontextreiche Eingaben und eine kohärente Wissensbasis unterstützen, dass KI-basierte Antworten sinnvoll bleiben. Eine Balance zwischen technischer Umsetzung und organisatorischer Steuerung ist nötig, um Qualität und Compliance sicherzustellen.
Szenarioplanung, Umsetzung und Einsatz im Mittelstand
Szenarien helfen, Vielfalt an möglichen Zukünften zu berücksichtigen und Handlungsoptionen flexibel zu priorisieren. Im Mittelstand ist es sinnvoll, strategische Initiativen in einem nachvollziehbaren Backlog zu bündeln, um rasch auf Veränderungen reagieren zu können. Die Verbindung von Strategie, Technik und operativen Routinen ermöglicht es, schwierige Entscheidungen pragmatisch umzusetzen und Weiterentwicklung kontinuierlich voranzutreiben.
enthus TechPulse Folge 2 2026
Governance, Datenqualität und Rollen
Kritische Basis für KI-gestützte Prozesse ist eine klare Governance. Wichtig sind Data Owner, Data Stewards und definierte Prozesse, wer Daten erfassen, wer sie nutzen und wer Verantwortlichkeiten trägt. Datenqualität beeinflusst AI-Modelle direkt. Übergabepunkte zwischen Fachbereichen und Prozessen müssen gut beleuchtet sein, damit Eingaben und Ergebnisse zuverlässig sind. Eine strukturierte Governance kalkuliert Risiken, Compliance und Verantwortlichkeiten, ohne operative Abläufe zu behindern.
Praxisnähe, Automatisierung und Guardrails
Die Realität zeigt, dass Automatisierung und KI oft zusammen genutzt werden, aber Governance, Datenqualität und Sicherheitsrahmen nicht vernachlässigt werden dürfen. Halluzinationen von Modellen lassen sich durch Guardrails und Verifikation minimieren. Menschliche Entscheidungen bleiben maßgeblich, insbesondere bei sensiblen Prozessen. Interne Beta-Phasen helfen, Störungen zu erkennen, bevor Systeme produktiv gehen, und sichern eine kontrollierte Einführung von AI-gestützten Strecken.
Enablement, Kultur und konkrete Schritte
Erfolg entsteht, wenn Fachbereiche mit technischen Experten zusammenkommen. Pair-Programming, Co-Workshops und domänenübergreifende Teams beschleunigen die Umsetzung. Wichtig ist ein realistischer Einstieg mit Use-Case-Workshops, begleitetem Enablement und unmittelbarem Praxisbezug. Ziel ist, dass Mitarbeitende Tool-Einsatz selbstbewusst gestalten, statt passiv auf Anweisungen zu warten. So entsteht Verantwortung und Innovationskraft im Alltag.
Erfolgsmessung, Kennzahlen und Takeaways
Nutzen zeigt sich oft in Zeitersparnis und Prozessergänzungen statt in Umsatz direkt. In der Regel genügt eine ROI-Schätzung der eingesparten Arbeitszeit, verbunden mit Qualitäts- und Effektivitätsmetriken der Datenverarbeitung. Klare Must-Haves umfassen Governance-Konzept, sichere Sandbox-Umgebung, und zeitliche Ressourcen im Leadership. Das Ziel ist, Datenqualität zu erhöhen, Prozesse zu optimieren und Mitarbeitende zu befähigen, Verantwortung zu übernehmen.