Afleveringen
-
Fabian Jaeckert und Tim tauchen tief in die Welt der SEO und GEO Analytics ein. Fabian erklärt, wie sich die Strategien durch KI und neue Technologien verändern und was Unternehmen jetzt beachten müssen, um sichtbar zu bleiben. Die Beiden diskutieren die neuesten Entwicklungen im Bereich KI-Tools, Sichtbarkeitsanalysen und die Bedeutung einzelner GEO-KPIs. Freut Euch auf tiefe Einblicke in die Zukunft der KI im Marketing und einen wertvollen Marktüberblick zu GEO-Analysetools!
TakeawaysPlatz 1-Ranking ist nicht mehr alles.KI ersetzt Klicks durch Empfehlungen.Brand Mentions beeinflussen die Sichtbarkeit in KI-Systemen.Der treffsicherste Trumpf für KI-Sichtbarkeit sind integrierte SEO, Social Media und PR.
Kapitel00:00:00 Intro: Warum gutes GEO so schwierig ist
00:02:05 Wer ist Fabian Jaeckert?
00:04:45 [Anzeige] Haufe Akademie: Masterclass
00:05:24 Kostenlos starten: Die Google Search Console
00:07:56 Warum eine SEO-Suite Geld kosten muss
00:09:25 Search Console vs. SEO-Suite: Der Unterschied
00:14:41 Woher kommen die Daten der SEO-Tools?
00:18:41 Ganz nüchtern: Warum Platz 1 bei Google nichts mehr bringt
00:22:40 Die neue KPI: Brand Mentions statt SEO-Klicks
00:24:31 KI User Journey Beispiel: Umzugskartons kaufen mit Gemini
00:27:57 Wie viel war Ratgeber-Traffic aus SEO-Zeiten wirklich wert?
00:31:06 Ratgeber-Content zieht für KI-Sichtbarkeit nicht mehr
00:33:01 Customer Journey werden durch KI kürzer
00:37:42 Sichtbarkeits-Hack 1: Mystery Prompting!
00:39:48 Sichtbarkeits-Hack 2: Auf Kriterien statt Keywords optimieren
00:43:04 Der erste Analyse-Schritt: Was sind meine Prompts?
00:44:23 GEO-Tools: Worauf sollte man achten?
00:47:48 AI Overviews vs. ChatGPT vs. Claude: Wer gewinnt die Nutzer?
00:50:19 GEO-Tool Marktüberblick: Traditionelle SEO-Tools, Startups, Copycats
00:53:25 Datenqualität: Sind Vibecoding-Tools schlechter?
00:56:46 Welche KPIs sind für GEO wichtig?
00:59:47 Sichtbarkeits-Hack 3: Multidimensionale Teams aus Content, PR und Social
01:01:25 Zitierungen: Der große Affiliate-Hebel
01:05:06 Was gehört auf ein GEO-Dashboard?
01:07:23 Analyse Hack: GEO-Rohdaten in die KI füttern?
01:10:06 Achtung: Don't let AI make you look stupid
01:13:06 Outro und Verabschiedung
LinksFabian Jaeckert auf LinkedIn: https://www.linkedin.com/in/fabianjaeckert/
Fabians Jaeckerts & Benjamin O’Daniels Podcast: https://www.jaeckert-odaniel.com/podcast/
-
In dieser Episode spricht Tim mit Alexander Korn von Microsoft über die Verbindung von Gaming, Programmieren und Data Literacy. Alexander teilt spannende Einblicke in die Nutzung von Fabric, Power BI und KI im Coding sowie die Zukunft der Datenplattformen von Microsoft. Er zeigt, wie er mit seinen Kindern in nur einer Woche ein Jump'n'Run-Spiel in Microsoft Fabric entwickelt. Tim und Alexander sprechen über KI-gestützte Entwicklung, Gamification im Reporting und den Umgang mit Kindern bei Tech-Projekten. Und das Beste: Sogar sein Sohn Ben hat sich vor das Mikro getraut und teilt seinen Blick auf Vibe Coding, was er daraus gelernt hat und wie viel Spaß ihm der Umgang mit Technologie macht.
TakeawaysKomplexe Zusammenhänge brauchen kreative FormateGamification kann Data Literacy verbessernMit Tools wie GitHub Copilot und Fabric können auch Nicht-Programmierer funktionierende Anwendungen bauenFrühe Tech-Erfahrungen für Kinder sind wertvoll, wenn sie spielerisch bleibenKI spart Zeit und eröffnet neue Möglichkeiten, aber bei sensiblen Daten, Sicherheit und Qualität braucht es weiterhin menschliches Urteilsvermögen
Kapitel00:00:00 Intro: Warum wir kreative Formate für Data Literacy breuchen
00:02:03 [Anzeige] Haufe Akademie: Masterclass
00:02:32 Wer ist Alex Korn? Plus: Special Guest Ben
00:04:37 Die Idee mit dem Pie-Chart Jump & Run
00:06:52 Ben übernimmt: Meine Switch hat Interesse geweckt
00:09:56 Tims Endgegner: die fliegende Ente (ein Bug!)
00:11:53 Cheatcode 'LEBEN' und mehr Items
00:13:07 Was Ben gelernt hat
00:17:16 Was treibt Alex an? Coden mit den Kids
00:19:18 Test & Learn: Von Python zur HTML-Seite in Fabric
00:20:42 Der Knackpunkt: Wie viel Kontrolle gibst Du der KI ab?
00:22:45 Was ist Microsoft Fabric eigentlich?
00:25:06 Vibe Coding mit GitHub Copilot & Claude
00:26:40 MCP & Playwright: Die KI testet sich selbst
00:29:02 Mama als Endgegner? Wenn die Ideen explodieren
00:30:22 Lob vom Fabric-Team: Microsofts erstes Game in Fabric
00:31:49 Kinder & Technik: Wo ziehst Du die Grenze?
00:33:35 Tims Eieruhr: Warum Erziehung mit starren Regeln versagt
00:36:08 Sind Games die Kunstwerke unserer Zeit?
00:37:43 Grenzen selbst erkennen, Gaming als Skill
00:40:01 Gamification im Reporting: Die Gemba-Idee
00:41:01 Vom Pie-Chart-Hüpfen zur IBCS-Lernplattform
00:42:54 Welche Genres gehen noch? Retro-Games als Vorbild
00:44:16 Text-Adventures fürs Reporting-Storytelling
00:46:19 Wie Du ohne Programmierkenntnisse startest
00:48:41 Wo Du Alex findest
00:49:35 Outro und Verabschiedung
LinksBlogartikel von Alex: https://actionablereporting.com/2026/03/16/jump-and-run-fabric-for-kids/
LinkedIn Post von Alex: https://www.linkedin.com/posts/alexanderkorn_microsoftfabric-vibecoding-powerbi-activity-7439336292943011840-fUMI
Visual Studio Code: https://code.visualstudio.com/download
Tutorial für GitHub Copilot in VS Code: https://code.visualstudio.com/docs/setup/copilot
Github Repo für Beispiele: https://github.com/microsoft/awesome-rayfin
Community templates für Rayfin: https://github.com/microsoft/awesome-rayfin
Test Automation mit Playwright: https://playwright.dev/
Dig Dogs: https://www.playdosgames.com/online/dig-dogs-streetbusters/
[Anzeige] Haufe Akademie: KI-WeiterbildungBei der Haufe Akademie gibt es eine zertifizierte Weiterbildung zum KI Manager. Dort lernst Du, welche Potenziale und Anwendungsfälle Künstliche Intelligenz im Business bietet, wie Du wirtschaftlich erfolgreiche KI-Projekte identifizierst und welche Konzepte hinter Machine Learning und Data Mining stehen.
Weitere Informationen findest Du unter:
https://haufe-akademie.de/ki
-
Zijn er afleveringen die ontbreken?
-
Tim und Oliver Ulbrich teilen ihre Erfahrungen mit Dashboards, Anforderungsanalyse und Kommunikation in Projekten. Sie diskutieren, wie Missverständnisse vermieden werden können und wie eine enge Abstimmung mit Stakeholdern gelingen kann. Die Beiden tauchen tief in die Welt der Dashboard-Entwicklung und des Data-Projektmanagements ein. Oliver teilt seine wertvollen Erfahrungen und bewährte Methoden, um erfolgreiche Dashboards zu erstellen, die tatsächlich genutzt werden. Kleiner Spoiler: Wenn Du Anforderungen richtig erfasst und das Prototyping effizient hältst geht die Übergabe an die Nutzer ganz leicht von der Hand!
TakeawaysMach Dir Gedanken um Deinen Dashboard Requirement ProzessFühre Prototyping in kurzen Iterationen durchBeziehen die Nutzer frühzeitig in die Entwicklung einPlane eine strukturierte Übergabe zum Ende des Projekts
Linkshttps://www.tdwi.eu/wissen/studien-buecher/e-books/self-service-analytics
https://www.oliverulbrich.de/
Kapitel00:00:00 Intro und Vorstellung von Oliver Ulbrich
00:00:58 Tim, der Mietvertrag-MONK
00:06:31 Diese Folgen mit Oliver sind auch interessant
00:07:48 Worum es heute geht
00:08:13 [Anzeige] Haufe Akademie: Masterclass
00:09:06 Gescheitert: Dashboard beim Energieversorger
00:10:52 Zweiter Anlauf: 80% Energie in Anforderungen gesteckt
00:13:31 Warum Multi-Stakeholder Dashboards oft floppen
00:18:41 Kann KI Dein Dashboard allein bauen?
00:21:13 KI ersetzt das Stakeholder-Gespräch nicht!
00:23:24 Weg vom Lastenheft: Lieber gemeinsam entwickeln.
00:24:19 Anforderungsanalyse machst Du entweder vorne oder hinten
00:26:22 Wir merken erst im Gespräch was wir wollen
00:29:10 Mehr Blickwinkel bereichern das Ergebnis
00:30:38 Olivers Idee: Der Analytics Enablement Partner
00:32:02 Fail-Beispiel: Architekt, ein Haus mit fünf Zimmern bitte!
00:33:22 Vasa-Projekte: Wenn die Anforderungsanalyse baden geht
00:35:28 Kluge Lösung: Der TDWI-Dashboard-Requirement-Prozess
00:42:45 Anforderungen vom Fachbereich ins Datenmodell übersetzen
00:44:21 Oliver rastet aus: Warum Echtzeit?!
00:47:25 Achtung: Der psychologische Effekt von Warum-Fragen
00:49:31 Gedankenblitz: KI als Sparringspartner für Requirements
00:53:01 Gute Prozesse klingen aufwendig, gehen aber schnell
00:54:49 Die Dashboard-Übergabe richtig nutzen
01:00:00 Rolle umkehren: Vom Bittsteller zum Entwicklungspartner
01:01:37 Outro und Verabschiedung
[Anzeige] Haufe Akademie: Marketing & Sales Analytics MasterclassBei der Haufe Akademie gibt es eine Weiterbildung, die sehr gut zu unserem Thema der Podcastfolge passt: Die Masterclass zum Marketing & Sales Analyst!
In mehreren Kursen (plus Abschlussprüfung):
bekommst Du einen Einstieg in Strategien und Werkzeuge, Tracking-Strategien, Analysen, Visualisierung und KImachst Du erste Schritte und setzt zum Beispiel Dein erstes Marketing & Sales Dashboard umerfährst Du, wie du KI Use Cases & Tools auswählst und danach in die Umsetzung gehstZur Masterclass: https://www.haufe-akademie.de/analyst
Weitere Angebote: https://www.haufe-akademie.de/future
-
In diesem Podcast-Interview diskutieren Thomas Fontaine von Mazda und Tim, wie Unternehmen KI sinnvoll und effizient einführen können. Thomas von Mazda teilt Einblicke in die Make-or-Buy-Entscheidungen bei KI, kluge organisatorische Rahmenbedingungen, die Nutzung von Databricks und die Bedeutung von Governance und Qualität bei KI-Projekten.
TakeawaysHektisch und schnell einzuführen, ist nicht verlässlich.Qualität und Governance sind entscheidend.Databricks ist wie Google Cloud Platform on steroids.
Kapitel00:00:00 Intro und Vorstellung von Thomas Fontaine
00:04:24 [Anzeige] Haufe Akademie: Weiterbildung zum KI-Manager
00:05:38 Die rhetorische Frage: Kann man KI schnell und hektisch einführen?
00:06:36 Gen AI vs. Machine Learning: Was bringt Unternehmen wirklich voran?
00:07:32 Warum ChatGPT bei Podcast-Kapiteln halluziniert
00:09:59 Schatten-IT: Wenn die private Kreditkarte zum KI-Tool führt
00:11:14 Governance-Grundlagen: Qualität, Datenschutz und EU AI Act
00:13:41 Wie Mazda seinen mehrstufigen KI-Governance-Prozess aufgesetzt hat
00:16:04 Synergien erkennen: Wenn ein Agent-Wunsch zur Databricks-Lösung wird
00:17:16 Cross-funktionale Teams: Freiwillige Arbeit mit echtem Impact
00:20:03 AI ist eine Make-or-Buy-Entscheidung
00:21:22 Embedded AI: Wenn Qualtrics plötzlich OpenAI nutzt
00:23:50 Kundenfeedback in 15 Sprachen: übersetzt und klassifiziert mit Databricks
00:28:30 Die AI-Matrix: Schritte zur richtigen Make-or-Buy-Entscheidung
00:32:08 Prozesse vor Technologie: Warum Lift-and-Shift scheitert
00:33:41 Mehrwert messen und dokumentieren für mehr Budget
00:36:51 Was Databricks in Sachen KI alles kann
00:40:19 Geil: Das Dashboard, mit dem man chatten kann
00:46:57 Outro und Verabschiedung
[Anzeige] Haufe Akademie: KI-WeiterbildungBei der Haufe Akademie gibt es eine zertifizierte Weiterbildung zum KI Manager. Dort lernst Du, welche Potenziale und Anwendungsfälle Künstliche Intelligenz im Business bietet, wie Du wirtschaftlich erfolgreiche KI-Projekte identifizierst und welche Konzepte hinter Machine Learning und Data Mining stehen.
Weitere Informationen findest Du unter:
https://haufe-akademie.de/ki
VorschauIn zwei Wochen sprechen Oliver Ulbrich und Tim darüber, warum Dashboard-Projekte so häufig scheitern. Anhand eigener Erfahrungen zeigen die beiden, welche Fehler sie selbst gemacht haben, was sie daraus gelernt haben und warum die Anforderungsanalyse heute einen zentralen Bestandteil ihrer Projekte ausmacht. Außerdem verraten sie, welche Vorgehensweisen ihre Dashboards heute erfolgreicher machen und für deutlich bessere Ergebnisse bei Umsetzung, Review und Übergabe sorgen.
-
Tim spricht mit Marco Geuer darüber, wie wir Datensilos in Unternehmen aufbrechen können. Silos und Abteilungsgrenzen verlaufen in der Praxis ja oft identisch. Daher hilft oft eine verbesserte Zusammenarbeit, wenn wir sie aufbrechen wollen. Marco erklärt, wie Führungsmodelle, Incentives und organisatorische Veränderungen dabei helfen, und wie Co-Creation den Erfolg von Unternehmen beeinflussen kann. Kleiner Spoiler: "Viel hilft viel" ist auch in diesem Kontext ein Trugschluss. Marco unterscheidet daher zwischen komplizierten, komplexen und systemischen Problemen. Je nachdem, was genau vorliegt, kann Co-Creation auch zu viel des Guten sein. Führungskräfte müssen in unterschiedlichen Situationen die richtigen Methoden anwenden, um Innovation und Effizienz zu fördern.
TakeawaysOhne organisatorische Veränderungen geht's nicht.Co-Creation ist kein Allheilmittel.Micromanagement kann in unkomplexen Umfeldern sogar sinnvoll seinVertrauen und offene Kultur sind Grundpfeiler für erfolgreiche Co-Creation.Führungskräfte müssen die richtigen Fragen stellen.Das Organisationssystem muss sich nach dem Kunden richten.
Kapitel00:00:00 Intro und Ausblick auf die nächste Folge
00:02:31 [Anzeige] Haufe Akademie: Weiterbildung zu Digital Transformation und Innovation
00:03:48 Wer ist eigentlich Marc Geuer? Argh!
00:04:06 Historische Entstehung von Silos in Unternehmen
00:07:25 Was sind Silos und woher kommen sie?
00:10:02 Wie man Datensilos zwischen Marketing und Sales aufbricht
00:14:54 Wie man Datensilos einfach aufbrechen kann
00:21:02 Ursachen von Silobildung und Widerständen
00:23:14 Motivation und Incentives für bessere Zusammenarbeit
00:26:37 Rolle der Führungskräfte bei Co-Creation
00:33:57 Notwendigkeit organisatorischer Veränderungen
00:35:09 Wann ist Micromanagement sinnvoll?
00:36:39 Wasserfall- vs. agile Methoden: Wann macht was Sinn?
00:43:22 Führungskräfte befähigen
00:45:27 Das sagen die Daten: Macht Co-Creation erfolgreicher?
00:47:12 Wie schlechte Planungsprozesse Datensilos begünstigen
00:51:27 Führen Teamziele zur Trägheit der Einzelnen?
00:57:05 Co-Creation ist nicht immer sinnvoll
00:58:54 Skalierung von Co-Creation im Unternehmen
01:03:59 Co-Creation braucht kluge Ressourcenplanung!
01:07:56 Outro
QuellenNegative Effekte von Silos
Produktivität –20 % in Silo-Unternehmen vs. kollaborative Organisationen https://www.corcentric.com/blog/company-silos-create-a-shortfall-for-cfos/40–65 % der Führungskapazität gebunden in wertlosen cross-funktionalen Prozessen https://www.mckinsey.com/capabilities/people-and-organizational-performance/our-insights/want-to-break-the-productivity-ceiling-rethink-the-way-work-gets-doneSiloisierte Budgetentscheidung: Marketing ohne cross-funktionale Abstimmung führte zu 30 % Marktanteilsverlust https://www.mckinsey.com/industries/retail/our-insights/deconstructing-silos-to-discover-savings-the-end-to-end-excellence-playbook-for-retailersSilos sind der meistgenannte Bremsfaktor für Profitabilität, Wachstum und Resilienz https://www.mckinsey.com/capabilities/people-and-organizational-performance/our-insights/the-need-for-speed-in-the-post-covid-19-era-and-how-to-achieve-itPositive Effekte von Co-Creation
+21 % häufiger überdurchschnittlich profitabel bei starker cross-funktionaler Kollaboration https://www.insightful.io/blog/cross-departmental-collaboration-multiplies-resultsKollaborative Innovation korreliert signifikant positiv mit finanzieller Performance https://pmc.ncbi.nlm.nih.gov/articles/PMC10157133/Co-Creation verbessert sowohl finanzielle als auch operative Kennzahlen https://www.sciencedirect.com/science/article/abs/pii/S0148296319302383Unternehmen, die Silos abgebaut haben, verbessern Innovation, Geschwindigkeit und Kundenzufriedenheit gleichzeitig https://www.mckinsey.com/capabilities/people-and-organizational-performance/our-insights/how-to-capture-the-elusive-performance-edge-in-true-transformations
[Anzeige] Haufe Akademie: Weiterbildung zu Digital Transformation und InnovationBei der Haufe Akademie gibt es eine Weiterbildung, die sehr gut zu Co-Creation passt: Die Masterclass zum Digital Transformation und Innovation Manager. In mehreren Kursen geht es um
die Grundlagen digitaler Transformationdie Entfaltung von Kreativität unddie psychologischen Aspekte der Bedeutung im digitalen WandelPlattformökonomie in UnternehmenZur Masterclass: https://haufe-akademie.de/transformation-innovation
Weitere Angebote: https://www.haufe-akademie.de/future
VorschauIn zwei Wochen sprechen Thomas Fontaine von Mazda und Tim nun endlich über Beschaffungsstrategien für KI-Lösungen. Grundsätzlich gibt’s da ja zwei Alternativen “Make or buy” wie bei so vielen unternehmerischen Entscheidungen. Thomas erzählt, wie Mazda Deutschland an diese Frage herangeht und verrät ganz nebenbei dabei, mit welchem Tool er Dashboards baut, denen man im Chat Fragen stellen kann.
-
Moritz Küffner und Tim erkunden die Kraft der kooperativen Kommunikation (KoKomm). KoKomm ist ein "Wirkzeug", das Konflikte löst, Selbstvertrauen stärkt und die Zusammenarbeit in Unternehmen spürbar verbessert. Moritz teilt seine persönliche Reise, wissenschaftliche Hintergründe und praktische Tipps für eine bessere Kommunikation im Alltag und Beruf. Freut Euch auf kluge Gedanken, z.B. über schnelle und reife Lösungen im Vergleich oder das Konzept der Tanzbereiche. Moritz teilt wertvolle Einsichten, wie man Konflikte besser versteht, Lösungen nachhaltiger gestaltet und die Zusammenarbeit in Teams verbessert.
TakeawaysSchnelle Lösungen sind keine reifen Lösungen.Wenn das Kopfkino angeht, frag Dich: Könnte es auch anders sein?Wer den Verteidigungsblick hat, ist auch immer im Angriffsmodus.Selbstvertrauen ist kein Fremdvertrauen.Viele Blickwinkel auf das gleiche Thema erlauben bessere Ergebnisse.
Kapitel00:00:00 Intro und persönliche Einordnung der Folge
00:02:36 Kennt Ihr das, wenn Euch die Politik im Weg steht?
00:03:28 Tim: Meine eigenen Kommunikationsprobleme und was sich verändert hat
00:04:55 Moritz: KoKomm ist lediglich neu kombiniertes Wissen
00:06:00 Was Ihr von dieser Folge erwarten könnt
00:06:20 [Anzeige] Haufe Akademie: Marketing- und Sales Analyst Masterclass
00:07:39 Tiankai klingeln jetzt bestimmt die Ohren
00:08:11 Persönliche Geschichte: Wie Moritz zu KoKomm gekommen ist
00:09:15 Gute Kommunikation hilft, Probleme gar nicht erst entstehen zu lassen
00:11:00 Hauen und Stechen bei der Lotto-Show mit Ulla Kock am Brink
00:12:45 Persönliche Geschichte: Tims Erfahrungen mit Marketing, Vertriebs- und Data-Abteilungen
00:14:29 Selbstvertrauen als Schlüssel für Kommunikationskompetenz
00:16:47 Persönliche Geschichte: Wie Tim zu KoKomm gekommen ist
00:18:07 Der "Mauerfall" a.k.a. firmenweites Kommunikationstraining
00:19:11 Viele Perspektiven führen zu besseren Lösungen
00:21:14 Wie innere Haltung Potenziale erreichbar macht
00:24:30 Die unfassbar guten Wortspiele von Moritz
00:25:29 Wie wir uns auf Kosten Anderer stabilisieren
00:30:48 Achtung: Perfektionismus produziert Verlierer!
00:33:38 Moritz dreht frei: Das ist KoKomm!
00:37:38 Selbstvertrauen schafft Fremdvertrauen!
00:40:28 Wie wir zum Trump und Hitler werden
00:43:14 ProSoNös oder: Konflikte entstehen durch Schmerzen
00:44:56 Selbstsicher sein erfordert eigene Trigger zu kennen
00:47:46 Moritz hat Pipi in den Augen
00:50:06 Das Leben ist kein Nullsummenspiel
00:54:42 Der Unterschied zwischen schnellen und reifen Lösungen
00:58:59 Die „Zauberfrage“: Könnte es auch anders sein?
01:04:22 Wenn sich Tanzbereiche überschneiden: Marketing, Sales und Analysten
01:07:49 Herr Ebner, Sie sind diplomatisch wie ein Panzer!
01:08:53 Es gibt keine Musterlösung, aber Muster für jede Lösung!
01:13:01 Tipps um schon morgen besser kommunizieren zu können
01:18:29 Der Dreiklang des Kommunikationserfolgs
01:19:17 Buchempfehlungen von Moritz
01:21:17 Die Erweiterung der horizonterweiternden Zauberfrage
01:26:47 Wie KI im Kommunikationsalltag helfen kann
01:28:14 Outro
[Anzeige] Haufe Akademie: Marketing & Sales Analytics MasterclassBei der Haufe Akademie gibt es eine Weiterbildung, die sehr gut zu unserem Thema der Podcastfolge passt: Die Masterclass zum Marketing & Sales Analyst!
In mehreren Kursen (plus Abschlussprüfung):
bekommst Du einen Einstieg in Strategien und Werkzeuge, Tracking-Strategien, Analysen, Visualisierung und KImachst Du erste Schritte und setzt zum Beispiel Dein erstes Marketing & Sales Dashboard umerfährst Du, wie du KI Use Cases & Tools auswählst und danach in die Umsetzung gehstZur Masterclass: https://www.haufe-akademie.de/analyst
Weitere Angebote: https://www.haufe-akademie.de/future
VorschauIn zwei Wochen sprechen Marco Geuer von Blueforte und Tim darüber, wie wir Datensilos entgegenwirken können. Wenig überraschend spielt Zusammenarbeit eine Rolle. Warum sie aber oft schwierig ist und wo da der Teufel im Detail liegt, das decken Marco und Tim dann in zwei Wochen auf.
-
00:00 Intro und Vorschau
01:36 [Anzeige] Haufe Akademie: Marketing- und Sales Analyst Masterclass
02:52 Vorstellung von Meike Wizani und voestalpine
05:00 Das Grundproblem: Wir haben Daten, aber keinen Prozess!
06:17 Das veraltete Rollenbild zwischen Marekting & Sales
08:30 Digitales Marketing für 70jährige Kundenbeziehungen
09:22 Warum Lead Management in guten Zeiten wichtig ist
11:06 Wir haben Daten, aber was bringt das wirklich?
13:18 Zwei große Daten-Herausforderungen im Lead Management
14:51 Kontext macht kalte Leads erst konvertierbar
17:10 Lead Management ist wie Dating
18:32 KI im Lead Management: Hilft das wirklich?
20:20 Wenn Erwartungen zwischen Marketing & Sales kollidieren
22:11 Wer ist eigentlich verantwortlich für Leads?
23:34 Wann ist ein Lead wirklich „Sales Ready“?
24:50 Datenqualität zwischen Marketing und Sales als Lösung
26:28 PoCs als Hack für mehr Datenqualität
28:37 Warum zu viele Leads Sales und Kunden schaden
32:19 E-Commerce: Die Sales-Kollegen im Marketing-Gewand
34:50 Ideal Customer Profiles: Welche Kunden braucht Sales denn?
37:30 Datenqualität schlägt Datenmenge
38:37 Welche Daten bringen wirklich Entscheidungen?
39:27 Komplexe Zielgruppenstrukturen erfordern differenzierte Datenqualität
43:25 Das Problem der Datenpflege im Vertrieb
45:30 Ideal Customer Profile regelmäßig aktualisieren
46:52 Wie man Datenchaos CRM und ERP-System verhindert
49:17 Lead Management ist nicht nur Toolfrage
50:50 Fazit: Es gibt nicht die "eine" Lösung für Lead Management
ShownotesMeike Wizani und Tim tauchen tief in die Zusammenarbeit zwischen Marketing und Sales ein. Meike teilt ihre Erfahrungen, Mythen und Best Practices, um datenbasiert Prozesse zu optimieren und die Brücke zwischen beiden Abteilungen zu stärken. Es geht um Datenqualität, Systemintegration und strategische Zusammenarbeit, um den Lead-Management-Prozess zu optimieren.
TakeawaysDaten sind die Basis für effektives Lead-Management.Die Datenqualität von Leads ist entscheidend dafür, dass die Zusammenarbeit zwischen Marketing und Sales gut klappt.Systeme wie CRM und ERP müssen auf die individuellen Bedürfnisse der Abteilungen angepasst werden.Power BI ist super, um Daten aus verschiedenen Marketing- und Sales-Systemen gemeinsam zu visualisieren und zu analysieren.Datenpflege ist eine kontinuierliche Aufgabe, die klare Verantwortlichkeiten im Unternehmen erfordert.
[Anzeige] Haufe Akademie: Marketing & Sales Analytics MasterclassBei der Haufe Akademie gibt es eine Weiterbildung, die sehr gut zu unserem Thema der Podcastfolge passt: Die Masterclass zum Marketing & Sales Analyst!
In mehreren Kursen (plus Abschlussprüfung):
bekommst Du einen Einstieg in Strategien und Werkzeuge, Tracking-Strategien, Analysen, Visualisierung und KImachst Du erste Schritte und setzt zum Beispiel Dein erstes Marketing & Sales Dashboard umerfährst Du, wie du KI Use Cases & Tools auswählst und danach in die Umsetzung gehstZur Masterclass: https://www.haufe-akademie.de/analyst
Weitere Angebote: https://www.haufe-akademie.de/future
VorschauIn zwei Wochen spricht Tim bei Datendurst mit Moritz Küffner zum Thema kooperative Kommunikation. Die Fähigkeit empathisch kommunizieren zu können ist die Grundlage jeder guten Zusammenarbeit. Oft haben wir die richtigen Tools, genug Geld und genug Leute mit dem richtigen Fachwissen, aber trotzdem fluppt es nicht. Deswegen ist Kommunikation heutzutage neben Technologie und Daten ein weiterer wichtiger Grundpfeiler für jeden Organisations- und Strategieansatz für Data & Analytics. Moritz Küffner ist absoluter Experte in diesem Feld. Freut Euch also auf eine Superfolge Datendurst!
-
00:00 Intro und Ankündigung der nächsten Folge zu Silos zwischen Marketing & Sales
02:07 [Anzeige] Haufe Akademie: Marketing- und Sales Analyst Masterclass
03:27 Warum Daten im Healthcare Marketing oft zur Nebensache werden
04:49 Welche Vorteile Daten für Kampagnen und Management bringen
07:28 Manpower und Datenkompetenz: Warum Analysen oft liegen bleiben
08:05 Das skurrile Beispiel mit der Twitter-Follower-Analyse
10:00 Warum Entscheidungen oft nicht datenbasiert getroffen werden
10:47 Was hilft: Handlungsempfehlungen als To Do in Jira & Trello anlegen
11:52 Was noch hilft: Dashboards gemeinsam entwickeln
13:17 Was noch hilft: Klare Verantwortung für Umsetzung von Handlungsempfehlungen
15:00 Kurze Kampagnenlaufzeiten und verlorene Learnings
15:45 Wie Algorithmen unter kurzen Kampagnen leiden
17:31 Warum es im Healthcare Marketing besonders schwierig mit Daten ist
19:00 Tim steht auf dem Schlauch: HWG-Elefant oder Katze?
20:01 Regulierung als Leitplanke: Was mit Daten trotzdem möglich ist
21:18 Warum strenge Regeln im Healthcare Marketing wichtig sind
23:26 Warum die Angst vor dem Datenschutz oft unbegründet ist
27:42 Wie Healthcare Marketing den besseren Umgang mit Daten schaffen kann
29:48 Warum anfangs kleine Workshops sinnvoll sind
30:30 Konkrete Anwendungsfälle für datenbasiertes Healthcare Marketing
32:10 Technologie, Prozesse, Kultur, Skills und Wissensmanagement als Schlüssel
32:59 Was man heute schon tun kann, um besser mit Daten zu arbeiten
34:08 Outro: Feedback, Bewertungen und Kommentare
ShownotesTim Ebner und Nicole Freude diskutieren die Herausforderungen und Chancen von Data & Analytics im Healthcare Marketing. Sie beleuchten regulatorische Hürden, organisatorische Barrieren und praktische Lösungsansätze, um datenbasierte Strategien effektiv umzusetzen.
TakeawaysMacht anfangs kleine Workshops: Welche Möglichkeiten der Datennutzung gibt es?Geht einen Schritt auf den Datenschutz zu: Welche Verarbeitungen sind unkritisch?Verzahnt Erkenntnisse mit Kampagnenprozessen, am Besten direkt als To Do in Jira oder TrelloPlant Zeit für Analysen und Umsetzung von Empfehlungen einEntwickelt Dashboards gemeinsam mit Analysten und Marketing TeamLeitet Handlungsempfehlungen gemeinsam ab
MasterclassBei der Haufe Akademie gibt es eine Weiterbildung, die sehr gut zu unserem Thema der Podcastfolge passt: Die Masterclass zum Marketing & Sales Analyst!
In mehreren Kursen (plus Abschlussprüfung):
bekommst Du einen Einstieg in Strategien und Werkzeuge, Tracking-Strategien, Analysen, Visualisierung und KImachst Du erste Schritte und setzt zum Beispiel Dein erstes Marketing & Sales Dashboard umerfährst Du, wie du KI Use Cases & Tools auswählst und danach in die Umsetzung gehstZur Masterclass: https://www.haufe-akademie.de/analyst
Weitere Angebote: https://www.haufe-akademie.de/future
VorschauIn zwei Wochen spricht Tim mit Meike Wizani von Voestalpine darüber, wie wir Datensilos zwischen Marketing und Vertrieb abbauen können. Meike hat Ihre Karriere im Vertrieb gestartet und ist inzwischen ins Marketing gewechselt. Dort hat sie die Rolle des Übersetzers zwischen den beiden Abteilungen übernommen, und dabei sehr spannende Erfahrungen im Lead Management gesammelt. Ihr könnt Euch also auf eine spannende Folge freuen!
Datendurst bei LinkedIn: https://www.linkedin.com/company/datendurst/
-
00:00 Intro und Ankündigung der nächsten Folge zu Healthcare Marketing
01:13 Was Dich in dieser Folge erwartet
01:46 Anzeige: Marketing & Sales Analyst Masterclass
02:46 Hamburger Goldkehlchen: Warum Tim im Männerchor singt
07:26 Brace for Impact: Unsere ersten Data Engineering Bruchlandungen
09:42 Datensilos: Die Krankheit in unseren Marketing-Abteilungen
11:18 Tim Wiegels Data Engineering Erfahrungen bei Goodgame Studios
12:51 Nicht nur Technik: Warum Teams und Prozesse mitziehen müssen
13:29 Tim Ebners Data Engineering Erfahrungen bei innogy.C3
13:59 UTM-Standards und IDs: So wird Tracking anschlussfähig
15:10 Lust auf ein Marketing-DWH mit Supermetrics, Google Sheets und SQL?
18:11 UTM-Pain, Attribution und Blackbox-Logiken von Google und Meta
21:01 Warum Google Sheets trotzdem ein sinnvoller Start ist
22:24 Der Wendepunkt: Ab wann ein Data Warehouse nötig wird
23:48 Raw, Refined, Gold: Die Layer-Logik einfach erklärt
26:38 Business-Logiken im Refined Layer: Kosten, Währungen und Regeln
28:40 Gold Layer und Data Marts: ROI, ROAS und die Single Source of Truth
29:34 Ab welchem Data Layer MMM und CLV Berechnungen Sinn machen
30:10 Welche Datenmodellierung in Power BI & Co nicht empfehlenswert ist
31:05 Views oder Tabellen? Warum View auf View schnell weh tut
34:10 Wie roh sollten Rohdaten sein? Und was sind "heiße" Daten?
36:34 Lieber zu viel Rohdaten als zu wenig
38:11 Wie Star Layer dein DWH schlanker und schneller machen
41:52 Warum saubere Layer Analytics und AI-Projekte einfacher machen
42:40 Echtzeit-Modelle vs. GenAI: Welche Datenqualität gebraucht werden
45:12 AI skaliert Chaos: Was ohne gute Daten schiefläuft
49:10 Womit anfangen? Tools, Datenbank und erste Schritte
52:16 Outro: Feedback, Bewertungen und Haufe-Hinweis
ShownotesTim Ebner und Tim Wiegels teilen ihre Erfahrungen und Herausforderungen beim Aufbau eines Marketing Data Warehouses. Sie diskutieren die typischen Anfangsprobleme, wie wichtig eine gute Datenstruktur ist und wie man Silos in Marketing und anderen Unternehmensbereichen überwindet. Als Ergebnis winken bessere Analysen und Entscheidungen. Tim und Tim tauchen tief in die Architektur eines effizienten Marketing Data Warehouse ein. Tim Wiegels erklärt dabei die vier wichtigsten Layer, die wichtig sind um die Datenverarbeitung vereinfachen, die Performance steigern und Kosten senken. Streamt rein und erfahrt praktische Tipps für den Aufbau und die Nutzung dieser Layer, um Data Engineering im Marketing smarter zu gestalten.
Der Instagrammer, der regelmäßig versucht ChatGPT, Claude und Gemini ins Boxhorn zu jagen, ist übrigens father_phi, erreichbar unter: https://www.instagram.com/father_phi
TakeawaysAlle Daten sollten in ihrer höchsten Granularität in einem Raw Layer gespeichert werden.Vermeide Views auf Views, um Performancekosten zu minimieren.Nutze Pipeline-Tools wie Airflow oder dbt für automatisierte Datenprozesse.Der Gold Layer liefert die wichtigsten KPIs wie ROI und ROAS in sauberster Datenqualität.AI-Projekte sollten auf dem Gold Layer oder höher aufbauen, um angemessene Ergebnisse zu sichern.
[Anzeige] Haufe Akademie: Marketing & Sales Analytics MasterclassBei der Haufe Akademie gibt es eine Weiterbildung, die sehr gut zu unserem Thema der Podcastfolge passt: Die Masterclass zum Marketing & Sales Analyst!
In mehreren Kursen (plus Abschlussprüfung):
bekommst Du einen Einstieg in Strategien und Werkzeuge, Tracking-Strategien, Analysen, Visualisierung und KImachst Du erste Schritte und setzt zum Beispiel Dein erstes Marketing & Sales Dashboard umerfährst Du, wie du KI Use Cases & Tools auswählst und danach in die Umsetzung gehstZur Masterclass: https://www.haufe-akademie.de/analyst
Weitere Angebote: https://www.haufe-akademie.de/future
VorschauIn zwei Wochen spricht Tim bei Datendurst mit Nicole Freude über Datennutzung im Healthcare Marketing. Nicole ist schon seit 14 Jahren Beraterin in diesem Bereich und hat dementsprechend schon viel gesehen. Ihr könnt Euch also auf eine spannende Folge freuen!
Datendurst bei LinkedIn: https://www.linkedin.com/company/datendurst/
-
00:00 Intro und Vorschau
02:07 Vorstellung von Diana Ackermann
02:51 [Anzeige] Haufe Akademie: Data Expert Masterclass
03:55 Moment mal: Was ist eigentlich KNIME? (kurzer Exkurs)
04:49 Wie Diana und Tim sich kennen gelernt haben
07:07 Shoutout: Bewerbt Euch auf eine Podcastaufnahme!
07:37 Einstieg in Power BI: Leicht oder schwierig?
08:28 Warum Power BI am Anfang trügerisch einfach wirkt
09:15 Wann Power BI plötzlich komplex wird
09:56 Datenmodellierung, Power Query und DAX erklärt
11:07 Was Power BI über Visualisierung hinaus Alles kann
14:00 Power BI im Vergleich zu anderen BI-Tools
15:03 Schnelle MVP-Dashboards vs. professionelle Datenarchitektur
16:01 Warum Datenmodellierung entscheidend ist
16:42 Fazit: Einstieg leicht, Experte werden schwierig
18:10 Warum Templates beim Einstieg helfen können
18:39 Warum viele Power BI unterschätzen
19:20 Workspaces, Zugriffsrechte und Chaos in BI-Systemen
20:05 Chaos vermeiden: Strategie & Dokumentation
22:15 Wann ein Pro Account Sinn macht
24:35 Jeden Monat gibt's neue Features
25:25 Der Moment, in dem Power BI kompliziert wird
26:18 Grundfragen einer Power BI Strategie (Bonus: Dianas Checkliste)
27:50 Wie man Berechtigungskonzepte richtig umsetzt
29:00 Praxisbeispiel aus der Beratung
34:31 Analytics für Dein Dashboard: Nutzungsberichte
37:35 Dashboard-Nutzungsberichte richtig interpretieren
38:40 Wie man UX von Dashboards verbessert
44:26 Automatisierungs-Hack: Dynamische Texte und Anmerkungen
45:40 Wie Diana Power BI gelernt hat
49:53 Guter Mix: Learning by Doing und Zertifizierung
51:06 Geheimtipp: Ohne Job Praxiserfahrung sammeln
53:41 Workout Wednesdays: Tableau & Power BI Challenges
54:17 Kleiner Hack: Dokumentation in ChatGPT hauen!
ShownotesIn dieser Episode von Datendurst spricht Tim Ebner mit Diana Ackermann über Power BI, ein weit verbreitetes Microsoft-Tool zur Datenvisualisierung und -analyse. Diana teilt ihre Erfahrungen und gibt Einblicke, wie man Power BI effektiv lernen kann. Sie erklärt, dass der Einstieg zwar leicht ist, aber die Komplexität schnell zunimmt, wenn man tiefer in die Materie eintaucht. Themen wie Datenmodellierung, Berechtigungskonzepte und Strategien für die Nutzung von Power BI werden behandelt. Zudem gibt Diana Tipps, wie man Praxiserfahrungen sammeln kann, auch wenn man noch keinen Job hat.
Und Diana schenkt Euch auch etwas: Ihre Checkliste für einen guten Start in Power BI:
https://datavizdiana.com/checkliste-power-bi-start/#download
TakeawaysDer Einstieg in Power BI ist recht leicht, aber es wird schnell komplex.Datenmodellierung ist entscheidend für den Erfolg in Power BI.Dynamische Titel und Annotations verbessern die Nutzererfahrung.Challenges sind eine gute Möglichkeit, um praktische Erfahrungen zu sammeln.Man sollte die Zahlen im Dashboard nicht nur zeigen, sondern auch interpretieren.Ein Basic Account ermöglicht den schnellen Einstieg in Power BI.Die richtige Strategie ist entscheidend für die Nutzung von Power BI.
[Anzeige] Haufe Akademie: Data Expert MasterclassBei der Haufe Akademie gibt es eine Weiterbildung, die sehr gut zu unserem Thema der Podcastfolge passt: Die Data Expert Masterclass!
In mehreren Kursen (plus Abschlussprüfung):
bekommst Du einen Einstieg in Big Data, Machine Learning und professionelle Datenanalysemachst Du erste Schritte und setzt komplette Datenprozesse mit KNIME umerfährst Du, wie du aus PoCs tragfähige Datenprodukte entwickelstlernst Du, wie Du LLMs, RAGs und KI als Automatisierungsbaustein einsetztZur Masterclass: https://www.haufe-akademie.de/data
Weitere Angebote: https://www.haufe-akademie.de/future
VorschauIn zwei Wochen spricht Tim bei Datendurst mit Tim Wiegels über Data Engineering für Marketing Analytics und AI. Tim war früher Vice President of Data bei FREE NOW, was die meisten von Euch noch als MyTaxi kennen dürften. Heute ist er Berater für alle Data Themen rund um Marketing Analytics und AI und Stammgast im Podcast von Jonas Rashedi. Ihr könnt Euch also auf eine spannende Folge freuen!
Datendurst bei LinkedIn: https://www.linkedin.com/company/datendurst/
-
00:00 Intro und Vorschau
00:45 Community-News & Hörerfeedback
02:12 Vorstellung von Britta Behrens
03:11 [Anzeige] Masterclass Business Automation Manager
04:31 Automatisierung auf LinkedIn »und ich bin auf Bali«
07:12 Warum vollständige Automatisierung keine gute Idee ist
09:52 KI-Content auf LinkedIn: Zahlen & Realität
11:00 Seelenloser Content und fehlende Wertschätzung
13:37 Woran erkennt man KI-Posts?
16:06 Engagement Pods & Fake-Reichweite
18:18 Thumbstopper & Aufmerksamkeit im Feed
21:30 Automatisierte Kontaktanfragen
23:27 Strategisches Networking statt Massenansprache
24:24 Wie der LinkedIn-Algorithmus wirklich funktioniert
30:45 AI-Slop: Content-Müll im Feed
31:30 Warum schlechter Content trotzdem Reichweite bekommt
33:19 So trainierst du deinen LinkedIn-Feed
35:09 Warum auf LinkedIn automatisiert wird
36:00 Risiken und Regeln bei Automation
38:00 LinkedIn ist keine Sales-Automation Plattform
39:27 Auf LinkedIn basierte E-Mail-Generatoren
41:50 Alte Vertriebsmethoden in LinkedIn gepresst
45:22 Brittas Tipps für Dein LinkedIn
48:51 Impact statt Impressions
52:09 Tools für Social Selling mit LinkedIn
ShownotesIn unserer heutigen Episode diskutiert Tim Ebner mit Britta Behrens (Certified Marketing Expertin für LinkedIn Marketing, B2B-Marketing und Social Selling) über die Herausforderungen und Chancen von LinkedIn in Verbindung mit KI. Vorweg: Eine vollständige Automatisierung des LinkedIn-Accounts ist eine schlechte Idee. Wir klären die Risiken seelenlosen Contents und wie du ihn am besten erkennen kannst. Britta erklärt, wie der LinkedIn-Algorithmus den Newsfeed steuert und wie man seinen Newsfeed trainieren kann.
Business-Experten mit hoher fachlicher Expertise haben natürlich keine Zeit, auf KI-Tools zu verzichten. Vor allem nicht auf LinkedIn. Richtig, nur wie kann man auf LinkedIn organischen Content effektiv umsetzen? Britta und Tim sprechen über die Bedeutung von strategischem Networking sowie die Auswirkungen des LinkedIn-Algorithmus auf die Sichtbarkeit von Inhalten.
Auf euch warten wertvolle Tipps für eine erfolgreiche LinkedIn-Strategie, wie man Social Selling mit Tools effektiv und effizient betreibt, warum Impressions irrelevant sind und warum früher nicht alles besser war.
[Anzeige] Haufe Akademie: Business Automation Manager:inBei der Haufe Akademie gibt es eine Weiterbildung, die sehr gut zu unserem Thema der Podcastfolge passt: Die Masterclass zum Business Automation Manager!
In mehreren Kursen (plus Abschlussprüfung) lernst du:
Automatisierungspotenziale in Geschäftsprozessen zu erkennen, zu bewerten und erfolgreich umzusetzen,Geschäftsprozesse methodisch zu optimieren und gezielt mit KI-Technologien zu verknüpfen, um Automatisierungsprojekte effektiv umzusetzen,moderne Automatisierungstechnologien wie KI, NoCode-/LowCode-Tools und Plattformen wie Zapier und die Microsoft Power Platform effektiv einzusetzen, um Effizienz und Produktivität in deinen Geschäftsprozessen zu steigern undAutomatisierungslösungen als strategisches Werkzeug einzusetzen und nachhaltig im Unternehmensalltag zu verankern.Zur Masterclass: https://www.haufe-akademie.de/future-jobs-classes/business-automation-manager
Weitere Angebote: https://www.haufe-akademie.de/future
VorschauIn zwei Wochen spricht Tim bei Datendurst mit Diana Ackermann von »Diana Ackermann Data Analytics & Consulting« über PowerBI: vom einfachen Einstieg bis zu maßgeschneiderten Analysen und Visualisierungen. Besonders klasse: Diana hat eine Checkliste für Dashboarding-Strategien mit PowerBI mitgebracht, die euch in den Shownotes zum Podcast mit ihr zum Download angeboten wird.
Datendurst bei LinkedIn: https://www.linkedin.com/company/datendurst/
-
01:28 Intro
02:37 [Anzeige] Haufe Akademie: KI-Weiterbildung
04:17 Customer Centricity bei Freenet
08:03 Transaktionale Befragungen
16:05 Kundenzufriedenheit braucht Pflege
23:01 Rollenbild: Advokat des Kunden
32:00 Loyale Kunden vs. Schnäppchenjäger
37:41 Strukturierte Feedback-Auswertung
41:59 Halt! Warum verlässt Du den Warenkorb?
42:48 Daten-Demokratisierung und Datenschutz
49:20 Interne Kommunikation als Erfolgsfaktor
54:16 Zukunftsthemen
Tim spricht heute mit Anke Schramm, Vice President Market Research and Customer Advocacy bei Freenet. Anke ist Expertin für Behavioral Economics. Thema heute: Was bedeutet Customer Centricity und wie kann das, speziell in der Telko-Branche, zielführend umgesetzt werden?
[Anzeige] Haufe Akademie: KI-WeiterbildungBei der Haufe Akademie gibt es eine Weiterbildung, die sehr gut zu Customer Centricity passt: Die Masterclass zum Digital Transformation und Innovation Manager. In mehreren Kursen geht es um
die Grundlagen digitaler Transformationdie Entfaltung von Kreativität unddie psychologischen Aspekte der Bedeutung im digitalen WandelPlattformökonomie in UnternehmenZur Masterclass: https://haufe-akademie.de/transformation-innovation
Weitere Angebote: https://www.haufe-akademie.de/future
Customer Centricity bei FreenetBei Freenet bedeutet Customer Centricity Kunden-Input schon bei der ersten Produkt-Idee über die gesamte Wertschöpfungskette live einzubeziehen. Das führt weiter über die Konzeption und Produktion bis in den Markt, und von da ab permanent. Sodass alle Phasen ein agiles Vorgehen ermöglichen, um sofort reagieren zu können.
Transaktionale Befragungen erfolgen live, permanent und mit GefühlTransaktionale Befragung steht für permanentes Monitoren, Datensammeln, Auswerten und ggf. Reagieren. Vierteljährliche Umfragen reichen nicht. Jede Transaktion ist eine Möglichkeit um Feedback einzuholen. Das muss nicht in Hyperaktivität enden, sondern schärft vielmehr das Gefühl, wie Kundenfeedbacks zu bewerten sind. Ist z. B. etwas Common Sense oder lassen sich auch in einzelnen Stimmen neue Ideen und Perspektiven identifizieren? Wie lässt es sich in die Prozesse einarbeiten?
Kundenzufriedenheit braucht PflegeKundenzufriedenheit ist zu Beginn einer Kundenbeziehung meist höher als im späteren Verlauf. Deshalb muss man Kundenbeziehungen pflegen wie eine gute Partnerschaft: hinhören, ernstnehmen, aber vielleicht auch mal überraschen, z. B. mit neuen Angeboten. Das fördert unter anderem Loyalität, aber auch Preisbereitschaft. Tim gibt an dieser Stelle kurz den Telekom-Influencer ;)
Wenn Du wissen willst, was ein Daten-Pömpel in der Kommunikation der Deutschen Telekom bewirkt hat, schau doch mal hier vorbei: https://youtu.be/MOwFmBB-m4w?si=14VfEOA1-zEoUSfG
Rollenbild: Advokat des KundenAus der Kombination von Expertisen in Datenanalyse und Verhaltensökonomie, lassen sich wertvolle Beiträge im Sinne der Kundenzufriedenheit für die Wertschöpfungskette des Unternehmens leisten. Im Rollenverständnis als Interessenvertreter des Kunden werden Briefings für die jeweils relevanten Abteilungen formuliert. Handlungsempfehlungen erfolgen stets aus Kundensicht.
Kundenbeziehung ist nicht alles: loyale Kunden vs. SchnäppchenjägerJe genauer eine Kundenbeziehungsdauer planbar ist, desto »leichter« sind Produkte und Maßnahmen zu entwickeln. Der Trend in der Telko-Branche geht zum monatlich kündbaren Tarif. Hier wird es für Verhaltensökonomen spannend: Wie kriege ich Loyalität konsistent erhöht, obwohl jemand jederzeit kündigen kann? Auf jeden Fall ist Kundenzufriedenheit nicht der einzige entscheidende Faktor.
Strukturierte Feedback-Auswertung: Automatisierung, KI und GefühlDie Themenclusterung und -auswertung mit Hilfe von KI ist bei 30.000 Feedbacks pro Monat essenziell. Das beinhaltet auch eine semantische Segmentierung, die Wortwahl und Emotionen verknüpfen kann. Anke Schramm beschreibt hier, wie sie und ihre Abteilung trotzdem zusätzlich noch ein persönliches Gefühl für einzelne Feedbacks entwickeln können.
Daten-Demokratisierung Datenschutz im Alltag von FreenetCX Daten sind bei Freenet für alle Mitarbeiter komplett einsehbar. Das erfordert spezielle Datenschutz-Maßnahmen: Einerseits wird der persönlichen Bezug in den einsehbaren Daten entfernt. Andererseits stellen entsprechende Arbeitsverträge sicher, dass der Datenschutz eigehalten wird.
Interne Kommunikation als ErfolgsfaktorZu den wichtigsten Maßnahmen zählen bei Freenet:
eine interne SharePoint-Seiteder digitale »Jammer-Kanal«, einmal pro Woche werden Insights etwas umgänglicher dargestellt, mit weiterführenden Linksautomatisierte Frühwarn-AlertsQuartals-Community-Insights-NewsletterCX-Workshops
Halt! Warum verlässt Du den Warenkorb?Anke Schramm spricht über eine kleine Befragung im Warenkorb, und wie ihre Ergebnisse mit den allgemeinen Verhaltensdaten (Clickpfade, Heatmaps etc.) kombiniert werden: Das Checkout-Abbrecher-Formular.
ZukunftsthemenNeben alltäglichen Zukunftsthemen, wie technisch und in Bezug auf das Gefühl für die Kunden immer weiter zu entwickeln und zu testen, nennt Anke Schramm einige konkrete Punkte, die Ihr bei der Weiterentwicklung von datenbasierter Customer Centricity bei Freenet wichtig sind:
Datenfusionierungen, wie am Beispiel des Checkout-Abbrecher-FormularsTransaktionale Behaviour-Daten, Feedbacks und operative Daten kommerziell noch stärker relevant machenEntwicklung eigener KI-AgentenSynthetische Daten dort, wo Feedback schwer zu erheben ist
VorschauIn zwei Wochen spricht Tim bei Datendurst mit Britta Behrens, LinkedIn Top Voice zu B2B Marketing, darüber, wie Du Dein LinkedIn zu 100% mit KI automatisieren kannst
Datendurst bei LinkedIn:
https://www.linkedin.com/company/datendurst/
-
00:01 Anmoderation
00:44 Vorschau: Customer Centricity bei Freenet
01:15 Heute zu Gast: Christian Schröder von DSK 360
03:36 [Anzeige] Weiterbildung zum New Business and Risk Strategist
04:55 KI-Compliance: Bürokratie oder Denkwerkzeug?
06:56 EU-Digitalgesetze setzen auf Selbstverantwortung
12:05 AI-Compliance besteht aus mehreren Rechtsbereichen
13:01 NIS2: Informationssicherheit als Existenzsicherung
16:02 Social Engineering als unterschätzte Gefahr
18:29 Ziel und Logik des EU-AI-Act
19:49 Weißt Du, was die KI mit Deinen Daten macht?
23:10 Daten löschen funktioniert in KI-Systemen nicht
25:25 Ausstehende Änderungen an der KI-Verordnung der EU
34:02 Abwarten ist keine Strategie
34:51 Wie Du KI-Compliance strukturiert angehst
37:27 Standardisierte Dokumentation für alle Rechtsbereiche
41:00 Wie lassen sich KI-MVPs mit KI-Compliance verbinden?
48:48 Kann KI bei AI-Compliance helfen?
52:46 Dank an Christian Schröder und Abmoderation
Im Gespräch mit Christian Schröder, Berater bei DSK 360, widmet sich Tim dem Thema AI-Compliance. Wie geht man AI-Compliance richtig an? Warum sorgt sie in vielen Unternehmen für Chaos? Und wie lässt sich das Thema strukturiert und sinnvoll umsetzen, ohne Innovation auszubremsen?
Über Christian Schröder von DSK 360Christian Schröder ist Berater für Datenschutz, Informationssicherheit und künstliche Intelligenz bei der DSK 360 GmbH. Sein Schwerpunkt liegt auf der praxisnahen Umsetzung von DSGVO, NIS2 und AI-Compliance.
Christian bei LinkedIn: https://www.linkedin.com/in/christian-schroeder-dsk360
DSK 360: https://dsk360.de/
So gehst Du AI-Compliance strukturiert an:Zuständigkeiten und Verantwortlichkeiten klärenManagementsystem aufbauenAnwendungsfälle und Zwecke definierenSysteme risikobasiert klassifizierenRolle klären: Anbieter oder BetreiberPflichten und Risiken für Betroffene und Technik bewertenEinheitliche Dokumentation für EU-AI-Act, DSGVO und NIS2 nutzenEine gemeinsame Dokumentationsbasis spart Aufwand und erhöht die Qualität der Compliance.
[Anzeige] Weiterbildung zum New Business and Risk StrategistDie Haufe Akademie bietet eine Weiterbildung zum New Business and Risk Strategist. In der Masterclass geht es um Zukunftskompetenzen, strategisches Risikomanagement und Compliance in dynamischen Märkten. Die Weiterbildung ist förderfähig für Arbeitnehmende und Selbstständige.
Zur Masterclass: https://www.haufe-akademie.de/newbusiness
Weitere Angebote: https://www.haufe-akademie.de/future
KI-Compliance: Bürokratie oder Denkwerkzeug?Compliance wird oft als lästige Bürokratie wahrgenommen. Richtig umgesetzt schafft sie jedoch operativen Mehrwert, bereits in der Konzeptionsphase von KI-Anwendungen.
EU-Digitalgesetze setzen auf SelbstverantwortungDie EU setzt auf Selbstverantwortung der Unternehmen. Wer den risikobasierten Ansatz versteht, gewinnt Gestaltungsspielraum statt Einschränkungen.
AI-Compliance besteht aus mehreren RechtsbereichenNeben dem EU-AI-Act spielen auch DSGVO und Informationssicherheit (NIS2) eine zentrale Rolle. AI-Compliance ist immer interdisziplinär zu betrachten.
NIS2: Informationssicherheit als ExistenzsicherungNIS2 zielt auf die Sicherheit von Unternehmenssystemen ab. Besonders relevant: Viele Cyberangriffe erfolgen nicht technisch, sondern über Social Engineering. Vertrauen, Druck und Autorität werden gezielt ausgenutzt.
Ziel und Logik des EU-AI-ActDie KI-Verordnung soll Innovation ermöglichen und gleichzeitig Risiken kontrollierbar machen. Einheitliche Regeln sollen Wildwuchs vermeiden und Vertrauen schaffen.
Passende Folge zum EU-AI-Act mit Sirke Reimann:
https://www.youtube.com/watch?v=95xAtbiO9cQ
Datenkontrolle und KI-SystemeAnwender müssen entscheiden, wie Daten genutzt werden dürfen. Bei KI-Systemen ist das oft intransparent, insbesondere wenn Subverarbeiter Daten zum Training verwenden.
Daten löschen in KI-SystemenDSGVO-Betroffenenrechte gelten auch für KI. Da klassische Löschkonzepte hier kaum greifen, ist es entscheidend, vorab festzulegen, welche Daten überhaupt in KI-Systeme gelangen dürfen.
AI-Act: Änderungen in DiskussionIm Rahmen eines Omnibusverfahrens prüft die EU Anpassungen am AI Act, etwa Fristverlängerungen oder Erleichterungen für KMU. Der Kern der Verordnung bleibt jedoch bestehen. Abwarten ist keine Strategie.
KI-MVPs und ComplianceAuch MVPs lassen sich compliant umsetzen. Wichtig sind klare Rahmenbedingungen, fachliche Begleitung und der bewusste Umgang mit sensiblen Daten.
Kann KI bei AI-Compliance helfen?KI kann bei Dokumentation und Analyse unterstützen. Blindes Vertrauen ist jedoch gefährlich. Menschliche Kontrolle bleibt unverzichtbar.
VorschauIn zwei Wochen spricht Tim bei Datendurst mit Anke Schramm, Vice President of Market Research and Customer Advocacy bei Freenet, über datenbasierte Customer Centricity.
Datendurst bei LinkedIn:
https://www.linkedin.com/company/datendurst/
-
Tim spricht heute mit Ann-Cathrin Schäfer. Sie ist seit fünf Jahren Senior Data Analytics Specialist bei Otto. Zentrale Fragen dabei sind: Wie ist Otto in Sachen Communication Analytics (Comms Analytics) aufgestellt? Wie entwickeln sich die Analysen dort, seitdem Ann-Cathrin da ist? Wie stellt sie sich die Zukunft dieses Bereiches vor?
[Anzeige] Data Analyst Weiterbildung bei der Haufe AkademieTim stellt die Haufe Akademie als Sponsor des Podcasts vor und weist auf die Masterclass zu Data Analytics hin. Sie beinhaltet den Einstieg in Big Data, Machine Learning und professionelle Datenanalyse. Hier setzt Ihr unter anderem komplette Datenprozesse mit KNIME um. Am Ende der Masterclass (Präsenzkurse und Webinare) und nach bestandener Prüfung erhaltet Ihr das Zertifikat zum Data Analyst.
Tipp am Rande: Werft auch mal einen Blick in deren FAQs zu Fördermöglichkeiten für Arbeitnehmer und Selbstständige.
https://www.haufe-akademie.de/data
https://www.haufe-akademie.de/faqs
Analyse heißt: Zahlen liefern UND interpretierenAnn-Cathrin steht im permanenten Austausch mit CVDs für die Datenerhebungen sowie operativen Teams und Kommunikationsverantwortlichen. Ihre Aufgabe beinhaltet ganz wesentlich die Interpretation gesammelter Daten.
Offenheit gegenüber Daten ist GrundvoraussetzungDie Offenheit aller Abteilungen bei Otto ist die Grundvoraussetzung dafür, dass Ann-Cathrin ihre Auswertungen transparent und konstruktiv Allen zur Verfügung stellen kann.
Ganzheitliches Monitoring und dynamische, strategische EinbindungAnn-Cathrin fasst ihr Monitoring derzeit aus folgenden Quellen zusammen:
a) externe Dienstleister: Medien-Resonanzanalysen und Reportings
b) intern: Social-Media-Analysen, Social Listening, Pressearbeit und Medienmonitoring
Nur aus der ganzheitlichen Betrachtung lässt sich sinnvoller Input generieren und strategisch einbauen.
Steuerung durch mehr Flexibilität und GeschwindigkeitDie Datenauswertung ist genauso wichtig wie die strukturierte, permanente Datensammlung. Entsprechend kann auch ein so großer Konzern wie Otto auf allen Ebenen konzertiert und tagesaktuell reagieren.
Prioritäten entwickeln sich im gegenseitigen AustauschAnn-Cathrin kann bei der Datenauswertung im Einzelfall selbständig entscheiden, wen sie dringlich und zuerst unterrichtet. Anschließend bekommt sie Feedback, ob die Entscheider den Einzelfall genauso werten. So können sich Strategie und Maßnahmen intern dynamisch weiterentwickeln.
Analyse der internen Kommunikation bei OttoDie interne Kommunikation und die interne Themenkonjunktur wird bei Otto über das Intranet, Kommentare und Meetings wie das monatliche Townhall-Meeting analysiert. Qualitatives Feedback im Sinne von Umfragen ist aus Compliance-Gründen meistens schwierig.
Die vier Schritte des Analytics Value Escalator1. Descriptive Analytics: Was ist rückblickend passiert? (Hindsight)
2. Diagnostic Analytics: Warum ist was passiert? (Insight)
3. Predictive Analytics: Was wird passieren? (Foresight)
4. Prescriptive Analytics: Wie können wir Handlungsempfehlungen automatisiert herleiten und/oder umsetzen? (Assistance / KI)
Potenzial von KI in Comms AnalyticsBei der Codierung von großen Datenmengen oder dem Clustern von tausenden Kommentaren kann KI sehr beschleunigt arbeiten. Aber die Abstimmungen mit Compliance, Entwicklung und Testen von Agents, automatisierten Workflows und Modellen brauchen eine lange, intensive Vorarbeit.
Beispiel für KI in der Analyse der KommunikationAus Ann-Cathrins Sicht eignet sich KI in der Datencodierung für die Reputationsmessung: Zuordnung von Reputationsdimensionen, Reputationswerten sowie Sentiments. Daraus kann eine Gesamtreputation abgeleitet werden.
Fremdwahrnehmung vs. IdealbildBeispiel für ein Ziel solcher Analysen: Wie passt die Fremd- oder die Wahrnehmung in Social Media oder in den Medien zu unserem Idealbild, das wir darstellen wollen? Damit können Kommunikation und Reaktion auf Entwicklungen qualitativ verbessert und beschleunigt werden.
Podcast Datendurst: Links zu verwandten ThemenCompliance, Vorbereitungszeit von KI:
https://www.youtube.com/watch?v=_SiXbFdZ8_Q
Verteilungsprozesse zwischen Social Media, Presse und internen Stakeholdern:
https://www.youtube.com/watch?v=FsXtEZS2cyE
Ausblick, nächste FolgeIn 14 Tagen spricht Tim mit dem Datenschützer Christian Schröder über KI-Compliance und wie man das richtig macht.
Links zur Podcast-FolgeOtto: https://www.otto.de
Ann-Cathrin Schäfer: https://www.linkedin.com/in/ann-cathrin-schaefer/?originalSubdomain=de
Kapitel01:00 Anmoderation
02:13 [Anzeige] Haufe Akademie, Sponsor & KI-Weiterbildung
03:17 Analyse heißt: Zahlen liefern UND interpretieren
05:07 Offenheit gegenüber Daten ist Grundvoraussetzung
08:01 Ganzheitliches Monitoring und dynamische, strategische Einbindung
10:07 Steuerung durch mehr Flexibilität und Geschwindigkeit
11:45 Prioritäten entwickeln sich im gegenseitigen Austausch
16:37 Analyse der internen Kommunikation bei Otto
18:18 Die vier Schritte des Analytics Value Escalator
21:09 Potenzial von KI in der Datenanalyse
22:43 Beispiel für KI in der Analyse
25:36 Fremdwahrnehmung vs. Idealbild
27:04 Abmoderation
-
Tim spricht mit Christian Kelm über Amazon Analytics, Relevanzmechaniken und die Tatsache, dass der Algorithmus im Kern eine einfache Zählmaschine ist. Christian zeigt, wie Händler ihre Sichtbarkeit durch Kundensignale, Produktdetailseiten und Datenanalysen beeinflussen können.
Einstieg und Vorstellung von Christian KelmTim begrüßt Christian Kelm und führt in das Thema „Amazon Analytics” ein. Er arbeitet seit vielen Jahren mit Amazon-Daten und beschäftigt sich mit Ranking-Mechaniken und Händlersemantik.
Lerne Christian kennen: https://www.linkedin.com/in/christian-otto-kelm/
Erfahre mehr über die AMALYZE AG: https://www.linkedin.com/company/amalyze/
Die zentrale These zum Amazon-AlgorithmusChristian erläutert seine These: Der Amazon-Algorithmus ist weniger mystisch, als oft behauptet wird. Entscheidend sind das Kundenverhalten, Relevanzsignale und die Fähigkeit der Händler, die Marktbedingungen zu erfüllen.
Haufe Akademie: Masterclass Marketing & Sales AnalyticsTim stellt den Sponsor des Podcasts, die Haufe Akademie, vor und verweist auf die Masterclass zum Marketing und Sales Analyst. Teilnehmende lernen dort, Marketing- und Sales-Aktivitäten datenbasiert zu steuern. Unter https://haufe-akademie.de/analyst erfährst du mehr.
Zählmaschine, Relevanz und KundeninteraktionenDer Algorithmus basiert im Kern auf Klicks, Reaktionen auf Detailseiten und Kaufverhalten. Diese Signale werden gezählt und in Rankings überführt.
„Zunächst muss man sich bewusst machen, dass es sich hierbei um eine reine Zählmaschine handelt. Nichts weiter. Im Rahmen der A Company kann man sich ein paar alte Patente angucken. Im Endeffekt geht es nur um Relevanz, also eine Sortierung nach Relevanz in einem riesigen Produktkatalog.”
Schau Dir hier das erste Patent von A9 an: https://patents.google.com/patent/US20030195877A1/
Bewertungen, Preise und indirekte SanktionenSinkende Sternebewertungen oder unpassende Preiserhöhungen führen zu weniger Klicks und somit zu schlechteren Platzierungen. Amazon „bestraft“ nicht aktiv, sondern das Kundenverhalten erzeugt die Rankingveränderung.
Preisgefüge und Keyword-RelevanzJe nach Keyword unterscheiden sich die Preisniveaus, etwa bei Goldarmbändern. Händler müssen verstehen, ob ein Begriff die Material- oder die Farbintention widerspiegelt.
Volatilität der SuchergebnisseitenBei Produkten mit klaren Anforderungen, wie beispielsweise Wagenhebern, sind die Suchergebnisseiten träge. In anderen Kategorien verändern sich die Rankings aufgrund des Nutzerverhaltens und der Variantenvielfalt häufig.
„Das heißt, die Volatilität unter diesem Keyword „Wagenheber” ist extrem niedrig, weil es sich um Wagenheber handelt, die den Wagen heben können.”
Kundensprache, Ameisenalgorithmus und KaufmannsparadoxonChristian nutzt den Begriff „Ameisenalgorithmus”, um kollektives Kundenverhalten zu erklären. Das Kaufmannsparadoxon wiederum zeigt, wie Amazon Suchergebnisse aus mehreren aufeinanderfolgenden Käufen ableitet.
Erfahre mehr über den Ameisenalgorithmus: https://wirtschaftslexikon.gabler.de/definition/ameisenalgorithmus-54002
Cross-Selling-Effekte in SuchergebnissenIn Suchergebnislisten erscheinen unerwartete Produkte, weil Käufer bestimmte Artikel häufig kombiniert erwerben. Amazon verkürzt diese Customer Journey, indem das Unternehmen diese Muster abbildet.
Produktanforderungen und TitellogikAmazon-Titel wirken oft überladen, weil Händler ihre Anforderungen direkt in den Titel packen. Die Gewichtung des Titels für das Ranking ist jedoch geringer als von Vielen angenommen.
Google-Amazon-Weiterleitungen und Ranking-EffekteChristian beschreibt, wie Google-Suchphrasen zu Amazon-URLs weiterleiten und Rankings beeinflussen können. Dabei spielen Canonical-URLs und Keyword-Kombinationen eine technische Rolle.
„Wenn Amazon-Produkte in Google-Rankings auftauchen, liegt das an der Canonical-URL. Die lässt sich selber schreiben. Wenn du in den Titel fünf Wörter schreibst und einen Bindestrich einsetzt, wird die Canonical-URL automatisch erstellt.”
Beispiel Pinkes Kühlpad: Ranking über PDP-TargetsDurch das Targeting anderer pinker Produkte über die PDP (= Product Detail Page) statt über Keywords konnte ein Kühlpad in zahlreichen Keyword-Umfeldern ranken. Dieser Ansatz nutzt Kaufpfade statt der klassischen Keyword-Relevanz.
SEO, PPC und Targeting-StrategienFür Christian bedeutet SEO, die Sprache der Kunden zu verstehen und deren Suchintention abzuleiten. PPC ergänzt dies durch Sichtbarkeit an Positionen, die organisch noch nicht erreichbar sind.
„Suchmaschinenoptimierung auf Amazon bedeutet, die Sprache der Kunden zu lernen. Kundisch ist die Sprache der Kunden: Was wird im Suchfeld eingegeben und wo geht der Pfad des Kunden lang?”
Brand Analytics, Product Opportunity Explorer und Category InsightsAmazon stellt umfangreiche Datenquellen bereit, darunter Suchvolumina, Klickanteile, Preispunkte und saisonale Muster. Mithilfe dieser Daten können Händler Marktpotenziale und Wettbewerbsdynamiken bewerten.
Erfahre mehr zum Product Opportunity Explorer: https://sell.amazon.com/tools/product-opportunity-explorer
Werbedaten, KPIs und die Amazon Marketing CloudIn der Advertising-Konsole fehlen zentrale Kennzahlen wie die Conversion Rate oder die Kosten pro Bestellung, die jedoch berechenbar sind. Die Amazon Marketing Cloud ermöglicht tiefere Analysen von Kundenpfaden und Werbewirkung.
-
Tim spricht mit Simon Bongers darüber, warum Business Intelligence (BI) weit über Visualisierungen hinausgeht und wie Datenmodelle, Governance und agile Produktentwicklung zusammenspielen. Anhand konkreter Beispiele aus der BI-Praxis von ROSE Bikes demonstriert Simon, wie Datenqualität, Modellierung und Prozesse fundierte Entscheidungen ermöglichen.
Begrüßung und WeihnachtsauftaktTim eröffnet die Folge im Weihnachtssetting und stellt Simon von ROSE Bikes vor. Direkt zu Beginn geht es darum, wie Fahrräder und BI gleichermaßen Geschenke mit Wirkung sein können.
Lerne Simon kennen:
https://www.linkedin.com/in/simon-bongers-b061431ba/?originalSubdomain=de
ROSE Bikes und ROSE DigitalSimon erläutert die Struktur von ROSE Bikes und seiner Tochter ROSE Digital, die aus einer übernommenen Agentur hervorgegangen ist. Heute bündelt ROSE Digital den gesamten IT-Bereich inklusive Business Intelligence (BI).
Erfahre mehr zu ROSE Bikes unter
- https://www.rosebikes.de/,
- https://www.instagram.com/rose_bikes/?hl=de,
- https://www.instagram.com/rosecircle/
- oder https://de.linkedin.com/company/rose-bikes
[Anzeige] Haufe Akademie: Sponsor & KI-WeiterbildungTim stellt die Haufe Akademie als Sponsor des Podcasts vor und weist auf die Future Jobs Classes hin. Im Fokus steht die zertifizierte Weiterbildung zum KI-Manager, in der die Teilnehmenden lernen, KI-Potenziale in Unternehmen zu erkennen und umzusetzen: https://haufe-akademie.de/ki
Mythos BI: Warum bunte Charts nicht reichenCharts sind nur die letzte und sichtbare Schicht eines BI-Produkts. Entscheidend sind Kontext, Definitionen und die Herkunft der Daten. Ohne eine valide Grundlage bleibt jede Visualisierung oberflächlich.
Integration mehrerer DatenquellenSimon beschreibt, wie Daten aus Meta, LinkedIn und weiteren Systemen über eine API ins Core-Data-Warehouse geladen werden. Anschließend werden die Daten abgeglichen, geprüft und kombiniert .
Komplexität durch Mapping und DatenvalidierungIDs, Kampagnennamen oder Nutzerkennungen unterscheiden sich je nach System und müssen daher sauber gemappt werden. Erst dieses Mapping ermöglicht integrierte Auswertungen und korrekte Kennzahlen.
Umrechnungskurse und wirtschaftliche EffekteWährungen, Fakturadaten und Wechselkursänderungen können zu Abweichungen zwischen Auftrag und Rechnungswert führen. Diese Effekte müssen im Reporting transparent abgebildet werden.
Erklärung: „Fakturadaten" sind Daten auf Rechnungen und anderen Abrechnungsbelegen.
Dimensionen- und Faktenmodell nach KimballSimon erläutert das Prinzip der zentralen Faktentabellen und der angebundenen Dimensionstabellen. Das Modell ermöglicht klare Schlüsselbeziehungen und konsistente Berechnungen im Reporting.
Weitere Details zum Modell von Kimball: https://bit.ly/4a5168l
Beispiel: Datumsdimension und WirtschaftsjahrDa Kalender- und Wirtschaftsjahre unterschiedlich verlaufen können, muss eine Datumsdimension zusätzliche Attribute bereitstellen. Damit lassen sich Year-to-Date-Analysen oder abweichende Geschäftsjahre korrekt abbilden.
Performance, Struktur und die Schneeflocken-MetapherDas Modell wird je nach der Zahl der angebundenen Dimensionen als Stern oder Schneeflocke dargestellt. Diese Struktur fördert die Performance und erleichtert spätere Filterlogiken.
Erfahre mehr über das Sternschema: https://www.databricks.com/de/glossary/star-schema
Rolle des Product Owners bei BIDer Product Owner steuert die Produktentwicklung des BI-Systems, priorisiert Anforderungen und bildet die Schnittstelle zu Stakeholdern. Er entscheidet, was umgesetzt wird – wie dies geschieht, liegt beim Team.
Vom BI Engineer zum Product OwnerSimon berichtet, wie er aus dem Engineering in die Rolle des Product Owners wechselte, um das BI-Team agiler aufzustellen:
„[…] Dann durfte ich eine Schulung machen, mich also auch fachlich weiterentwickeln, ein Zertifikat erwerben und mich anschließend quasi selbst Product Owner nennen. Das mache ich jetzt auch im Team.“
Scrum vs. Kanban im BI-TeamWährend Scrum mit zweiwöchigen Sprints für Fokus und Verlässlichkeit sorgt, führt Kanban in der Praxis oft zu Priorisierungskonflikten. Kleine, klar geschätzte Aufgaben ermöglichen aber planbares Arbeiten.
Großprojekt: Neues ERP, neues PIM, neues BIROSE hat sein ERP-System, sein PIM-System, seine Datenbank und sein BI-Frontend nahezu gleichzeitig erneuert. Der Umbau nahm viel Zeit in Anspruch und erforderte eine enge Zusammenarbeit zwischen der IT-Abteilung und den Fachbereichen.
Was gute BI Produkte für das Geschäft bedeutenGute BI Produkte liefern konsistente Kennzahlen und vermeiden somit Diskussionen über unterschiedliche Zahlenstände. Sie unterstützen datenbasierte Entscheidungen in verschiedensten Bereichen wie Vertrieb, Logistik und Management.
Zusammenarbeit zwischen Marketing und SalesMarketing- und Vertriebsdaten werden gemeinsam betrachtet, um Kampagnen, Abverkauf und Lagerreichweiten aufeinander abzustimmen. So lassen sich Budgets effizient einsetzen und Produktgruppen gezielt steuern.
„Bei Rose funktioniert das Zusammenspiel zwischen Marketing und Sales sehr gut. Wenn jetzt zum Beispiel eine Marketingaktion läuft, dann werden entsprechend die Sales- und Marketingstrategien miteinander abgestimmt.”
-
In Teil 2 gehen Tim und Sascha tiefer in ihren Führungsalltag in Data-Teams ein. Sie ordnen die Google Oxygen Attributes ein, sprechen über Enablement statt Tool-Engpässe und über knifflige Situationen, die Führungskräfte mittragen müssen.
Einführung und Kernthese zu Tool-ExpertiseSascha eröffnet die zweite Folge mit der These, dass Analysten keine reinen Tool-Experten sein sollten. Power BI gilt beispielsweise als Standardwerkzeug, mit dem Teams end-to-end arbeiten können.
Hier geht’s zum ersten Teil: https://open.spotify.com/episode/0U0lOp2hQDWyfdFLJJAL3c
[Anzeige] Masterclass Marketing & Sales AnalystKennst du schon die „Marketing & Sales Analyst” Masterclass der Haufe Akademie? Wenn du mehr über das Angebot erfahren möchtest, schau unter haufe-akademie.de/analyst vorbei.
Google Oxygen Attributes als FührungsrahmenTim nutzt die Google Oxygen Attributes for Great Managers gerne als Wertegerüst für seinen Führungsstil. Sie sind in die Kategorien „Develop your team” und „Get things done” unterteilt. Tim erklärt im Detail, was das bedeutet.
Mehr zu den Google Oxygen Attributes: https://www.inc.com/marcel-schwantes/google-research-says-what-separates-best-managers-from-rest-boils-down-to-8-traits.html
Inklusives Team-Umfeld, psychologische Sicherheit und OnboardingUnter „Develop your team“ geht es um respektvollen Umgang, Diversität und psychologische Sicherheit, insbesondere aufgrund täglicher Fehler im Data-Kontext. Tim beschreibt zum Beispiel seine Onboarding-Routine mit Zeit am ersten Tag und einem kleinen Willkommensritual.
Micromanagement vermeiden, Innovation fördernMicromanagement wird als Bremsklotz für Data-Teams angesehen. Führungskräfte sollten stattdessen Freiheit geben, Anleitung bieten und Innovation sowie wohlüberlegte Risikobereitschaft fördern.
Fokus auf Lösungen statt Problem-DelegationEin Problem anzusprechen bedeutet, mit Lösungsvorschlägen zu kommen. So bleibt die Verantwortung beim Problemfinder und Aufgaben werden nicht an Andere delegiert.
One-on-Ones: Ziele, Herausforderungen, EntwicklungTim nutzt das Format der One-on-Ones für Reviews, gemeinsame Zielsetzungen und die Besprechung aktueller Herausforderungen. Auf diese Weise entstehen Entwicklungsgespräche, Weiterbildungspläne und Leistungsfeedbacks.
Vision und Strategie fürs TeamIm Teil „Get things done“ dreht sich alles um eine klare Teamvision, die regelmäßig überprüft und bei Bedarf angepasst wird. Daraus leiten sich Ziele, Ownership und Priorisierung ab.
Hindernisse entfernen: Data Governance im MergerTim schildert einen Merger-Fall, in dem sich Meetings aufgrund ungeklärter Datenzugriffe im Kreis gedreht haben. Tim half in diesem Fall seinen Mitarbeitern dabei, auf Grenzen der Compliance hinzuweisen und diese auch durchzusetzen .
Bessere und effizientere E-MailsSascha und Tim besprechen die Email-Charta. Das sind Regeln für kürzere und klarere E-Mails. Hierdurch werden Kommunikation und Zusammenarbeit effizienter. Dazu gehören z.B. Betreff-Tags wie EOM („End of Message“) oder NNTA („No need to reply“).
Starfish Retro als Feedback-FormatTim empfiehlt die Starfish-Methode (Start/Stop/Keep/More/Less) für Retros in kniffligen Situationen oder zum Rückblick auf abgeschlossene Projekte. Sie dient dazu Feedback strukturiert und konstruktiv zu sammeln. Sascha rät dazu, sie nur punktuell einzusetzen, damit sie nicht zur Routine wird.
Erfahre mehr über die Starfish-Methode: https://www.teamretro.com/retrospectives/starfish-retrospective/
Generalisten statt Tool-Experten: Power BI/SQLSascha erzählt, warum er nach dem Weggang eines Power-BI-Experten bewusst einen Generalisten eingestellt hat. Tools wie Power BI und SQL sind für ihn Grundlagen, die eigentliche Leistung liegt in der Gedankenarbeit hinter einer End-to-End-Analyse.
Meeting-Hygiene, Daily und Jira/ConfluenceSascha und Tim sprechen über Engpässe bei Meetings und Regeln wie „no agenda, no attender“. Kurze Dailys und ein leichtgewichtiges Jira-/Confluence-Board schaffen Transparenz über Aufgaben und Blocker.
Knifflige Führungsaufgaben und Circle of InfluenceIm letzten Drittel des Podcast sprechen Tim und Sascha über disziplinarische Themen wie Probezeit, Kündigung oder sogar Abmahnungen. Außerdem diskutieren sie Top-down-Entscheidungen, für die sie sich einsetzen müssen, und nutzen dafür den „Circle of Influence” als Tool für mehr Resilienz.
Mehr zum Circle of Influence: https://asana.com/de/resources/circle-of-influence
Delegieren, Scope Creep und Vasa-ProjektZum Abschluss verbindet Tim Delegation mit der Gefahr von „Scope Creep” und erzählt die Geschichte der „Vasa” als Beispiel für fehlende Dokumentation und ständig wachsende Anforderungen. Tim und Sascha betonen die Bedeutung klarer Anforderungsdefinitionen, kontinuierlicher Tests und pragmatischer Kommunikation im Analytics-Alltag.
Die "Darwin gefällt das" Folge zum "Vasa" Projekt findest du unter https://open.spotify.com/episode/6DJTrSKLpLjeky0IUQ7BER?si=Vh8JXQhmTLu3rli3k3itkw .
-
Tim spricht mit Karen Gärtner über Datenkultur im Unternehmen: Warum sie die Basis für datengetriebenes Arbeiten ist, welche Rolle Vertrauen, Haltung und Strukturen spielen und wie kreative Formate wie Graffiti oder Data Escape Rooms helfen können, Silos aufzubrechen.
[Anzeige] Auf der Website haufe-akademie.de/future erfährst du mehr über die Masterclasses der Haufe Akademie rund um digitale Transformation, agiles Arbeiten und Corporate Learning.
Einführung und Vorstellung von Karen GärtnerKaren Gärtner ist IT-Architektin bei der Kasseler Verkehrs- und Versorgungsgesellschaft sowie Head of Training & Events bei der Data Management Association Deutschland (DAMA). Sie spricht über Datenkultur als Grundlage für gute Entscheidungen.
Lerne Karen kennen: https://www.linkedin.com/in/karen-gaertner/
Datenkultur als Thema der FolgeGemeinsam klären Tim und Karen, was Datenkultur bedeutet, weshalb sie oft unterschätzt wird und wie sie die Nutzung von KI fördert.
Daten und Prozesse als „Bruder und Schwester“Karen beschreibt, wie Prozesse und Daten einander bedingen. Prozesse erzeugen Daten und Daten geben Prozessen Richtung und Qualität. Beides gehört untrennbar zusammen.
Berührungsängste im Umgang mit DatenViele empfinden Datenarbeit als fremd oder zu komplex. Eine gute Datenkultur verringert diese Distanz, weckt Interesse für Daten und fördert das gemeinsame Verständnis zwischen Fach- und Daten-Teams.
Die Rolle der DAMA und das DMBoKKaren erklärt, was die DAMA macht: Sie setzt Standards im Datenmanagement, organisiert Community-Events und ist Herausgeberin des „Data Management Body of Knowledge“.
Warum Datenkultur Unternehmen stärktEine Datenkultur sorgt dafür, dass Daten nicht nur gesammelt, sondern aktiv genutzt werden. Sie schafft Vertrauen, fördert Mut und ermöglicht datenbasierte Entscheidungen.
Was Datenkultur ausmacht: Haltung, Werte, VerhaltenSie umfasst technische, organisatorische und emotionale Aspekte. Sie wird in Prozessen und Rollen sichtbar, in Vertrauen, Glaubenssätzen und Zusammenarbeit hingegen unsichtbar.
Wie man schlechte Datenkultur verändertFür einen Kulturwandel braucht es Zeit und Verständnis. Karen empfiehlt deshalb, zunächst das Unternehmen und sein Verhalten zu beobachten und dann schrittweise Veränderungen umzusetzen.
Silos erkennen und Unternehmenskultur analysierenDatensilos verhindern Transparenz. Mithilfe einer Analyse der Ist-Kultur können Offenheit, Datenflüsse und Kooperationsbereitschaft bewertet und verbessert werden.
Top-down und Bottom-up in der DatenkulturDatenkultur entsteht durch Bewegung von beiden Seiten. Die Führungsebene schafft Strukturen und Orientierung, während die Mitarbeitenden Ideen und Use Cases einbringen.
Strukturen schaffen: noninvasive Ansätze und HausbesucheAnstatt große Programme zu starten, empfiehlt Karen kleine Schritte: In bestehenden Prozessen ansetzen, Use Cases fördern und durch „Hausbesuche“ Vertrauen schaffen.
„Headroom“: Warum Zeit und Raum entscheidend sindWie in der Musik braucht auch die Datenarbeit Freiraum. Unternehmen sollten ihren Mitarbeitenden Zeit und Budget geben, um Neues auszuprobieren und Ideen zu entwickeln.
Datenkultur-Formate: Open Sessions, Data Escape Rooms, Lego Serious PlayKreative Formate fördern das Verständnis für ein Thema und machen es spannend. Ob Workshops, Data Days oder Lego Serious Play: Entscheidend ist, dass die Mitarbeitenden selbst aktiv werden.
Graffiti als Symbol für datengetriebenes ArbeitenKaren erzählt von einem Data-Day-Projekt, bei dem Mitarbeitende ein Graffiti zur digitalen Transformation gestalteten – als sichtbares Symbol ihrer gemeinsamen Datenarbeit.
Datenkultur und KI: Wie Vertrauen und Qualität KI ermöglichenEine reife Datenkultur ist Grundlage für sinnvolle KI-Anwendungen. Nur mit klaren Verantwortlichkeiten, guter Datenqualität und kritischem Denken kann KI Mehrwert schaffen.
Triff Karen!Beim Stammdatenforum des Deutschen Kongresses, das am 27. November 2025 stattfindet, bieten Fabienne Schnieders (TU Dortmund) und Karen Gärtner (DAMA) einen Workshop zum Thema „Data Culture“ an.
🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community:
👉 Neue Folgen sofort auf dem Schirm
👉 Direkt bei der Arbeit reinhören
👉 Wertvolle Folgen mit Kollegen teilen
👉 Mit Data & Analytics-Experten vernetzen
➡️ Jetzt beitreten!
https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM
Wir freuen uns auf dich! 💬
Mehr zu Datendurst und Host Tim:
https://www.linkedin.com/company/datendurst/
https://www.linkedin.com/in/ebner-tim/
Unterstütze den Podcast:
paypal.me/datendurst
-
Tim und Sascha sprechen darüber, wie sie zu ihren Führungsrollen bei RTL und innogy.C3 kamen, was gutes Onboarding für Führungskräfte ausmacht und wie man mit Karrierewünschen, schwierigen Teamdynamiken und der Kommunikationskultur umgeht.
[Anzeige] Auf der Website haufe-akademie.de/analyst erfährst du mehr über die Master Class "Marketing & Sales Analyst" des neuen Sponsors Haufe Akademie.
Einführung und Thema der Folge
Tim eröffnet die Episode mit Sascha Leweling von RTL. Gemeinsam sprechen sie über Führung in Data-Teams: vom Einstieg in die Rolle, über Teamkultur bis hin zu Kommunikation und Vertrauen.
Sascha ist dir vielleicht noch von dieser Folge bekannt: https://youtu.be/k3tvwCM0QuI?si=__MCzQFIafmZJ3m6
Von Data Science zur Führung: Saschas Weg bei Obi und RTL
Sascha beschreibt, wie er vom Data Scientist zum Head of Customer Analytics wurde. Der Übergang vom Fach- zum Führungsverantwortlichen brachte neue Perspektiven und Verantwortung mit sich.
Tims Einstieg in die Führungsrolle bei innogy.C3 während der E.ON-Übernahme
Tim erzählt, wie er in einer Umbruchsphase in die Führung gerückt ist – mit Restrukturierungen, Team-Abgängen und einem hohen Maß an Eigeninitiative.
Onboarding, Coaching und die Google Oxygen Attributes
Ein Coaching- und Mentoring-Programm half Tim dabei, seine Werte als Führungskraft zu entwickeln. Grundlage waren die Google Oxygen Attributes „Develop your team” und „Get things done”.
Mehr zu Google Oxygen Attributes: https://www.inc.com/marcel-schwantes/google-research-says-what-separates-best-managers-from-rest-boils-down-to-8-traits.html
Karriereentwicklung und Mitarbeiterbindung
Beide betonen, wie wichtig es ist, Mitarbeitende bei internen Wechseln zu unterstützen, statt sie zu blockieren. Talentbindung steht über Team-Ego.
Was macht Google Manager aus: https://rework.withgoogle.com/intl/en/guides/managers-research-behind-great-managers
Vertrauen, Transparenz und eine interne Wechselkultur
Eine offene Kommunikation über Karriereziele stärkt das Vertrauen im Unternehmen. Verschweigen oder Misstrauen schaden der Kultur langfristig.
Onboarding bei RTL: Vertrauen, Eigenverantwortung und Führungskräfteschulung
Saschas Start bei RTL war ein Sprung ins kalte Wasser: Micromanagement gab es nicht, dafür Vertrauen und Verantwortung vom ersten Tag an.
Das DISG Modell und Persönlichkeitstypen in Data-Teams
In beiden Onboardings wurde das DISG Modell – dominant, initiativ, stetig, gewissenhaft – als pragmatische Heuristik zur Teamzusammenstellung und Kommunikation angewendet.
Mehr zum DISG Modell: https://www.disg-modell.de/ueber-disg/einfuehrung/
Dominanz, Eigenwahrnehmung und Feedbackkultur
Tim reflektiert seine dominante Ausprägung und zeigt auf, wie die Übereinstimmung von Selbst- und Fremdbild dabei helfen kann, Konflikte konstruktiv zu lösen und die Kommunikation zu verbessern.
Strukturen bei RTL: Teamaufbau und Cloud-Migration
Sascha schildert die technischen und organisatorischen Veränderungen bei RTL: den Wechsel von On-Premise-Systemen zur Cloud sowie die Neuorganisation der Stakeholder-Strukturen.
New Ways of Working und Meetingkultur bei innogy.C3
Tim beschreibt, wie innogy.C3 agile Meetingstrukturen mit klaren Rollen, Transparenz, Check-ins und Fokus auf Zielorientierung etablierte.
Kooperative Kommunikation nach Moritz Küffner
Sie besprechen Küffners Ansatz der kooperativen Kommunikation, bei der es um Augenhöhe, das Vermeiden von Verlierern und das Nutzen schwieriger Situationen geht.
Mehr über Kooperative Kommunikation: https://www.kokomm.net/prinzip#kooperative-kommunikation
Fehlerkultur, Augenhöhe und Vertrauen im Team
Zum Abschluss geht es um Fehlermanagement im Data-Bereich: Fehler dürfen passieren, entscheidend ist, wie man als Führungskraft reagiert – mit Rückendeckung und Lernorientierung.
Officevibe im Detail: https://workleap.com/officevibe
🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community:
👉 Neue Folgen sofort auf dem Schirm
👉 Direkt bei der Arbeit reinhören
👉 Wertvolle Folgen mit Kollegen teilen
👉 Mit Data & Analytics-Experten vernetzen
➡️ Jetzt beitreten!
https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM
Wir freuen uns auf dich! 💬
Mehr zu Datendurst und Host Tim:
https://www.linkedin.com/company/datendurst/
https://www.linkedin.com/in/ebner-tim/
Unterstütze den Podcast:
paypal.me/datendurst
-
Wie gelingt eine Datenstrategie im Mittelstand? Tim spricht mit Stephan Hausberg über fehlende Datenkultur, Priorisierung, Agentic AI und den Weg vom Use Case zum Business Case.
Erfahre mehr über die Master Class „Marketing & Sales Analyst” des neuen Sponsors Haufe Akademie unter haufe-akademie.de/analyst.
Einführung und Thema der FolgeTim eröffnet das Gespräch mit Stephan über den „Endgegner Mittelstand“ und geht dabei der Frage nach, warum Datenstrategien dort oft schwer umzusetzen sind und wie es dennoch gelingt.
Vorstellung von Stephan HausbergStephan ist bei 1&1 Versatel vom Analysten bis zum Head of Data aufgestiegen und berät heute mit onemoreoption.ai Unternehmen zu Datenstrategie und -anwendung. Privat ist er Familienmensch und begeisterter Sportler, beruflich ein Problemlöser mit Leidenschaft für Daten.
Erfahre mehr über Stephan: https://www.linkedin.com/in/dr-stephan-hausberg-679750118/
Schau auch bei www.onemoreoption.ai vorbei.
Warum Data im Mittelstand so schwierig istIm Mittelstand fehlen oft Daten-Teams und eine etablierte Datenkultur. Viele Geschäftsführer treffen Entscheidungen aus Erfahrung, meist ohne eine datenbasierte Grundlage zu haben.
Bauchgefühl vs. DatenorientierungStephan betont, dass die Einstellung „Das haben wir schon immer so gemacht“ nicht immer falsch ist. Wichtig sei es, zu erkennen, wann Erfahrung trägt und wann sich die Rahmenbedingungen verändert haben.
Fehlende Teams, Ziele und PriorisierungTim beschreibt ein Beispiel aus dem Marketing eines mittelständischen Unternehmens, in dem eine einzelne Person für alles zuständig ist. Ohne klare Ziele und Prioritäten verpufft der Raum für Datenanalysen.
Führungskultur und Arbeitsrealität im MittelstandÜberforderung, Reizüberflutung und Fachkräftemangel erschweren datenorientiertes Arbeiten. Führung sollte klare Prioritäten setzen und Überlastung vermeiden.
Fokus auf Kerngeschäft und ZukunftsrisikenUnternehmen, die sich ausschließlich auf ihr Kerngeschäft konzentrieren und dabei Daten vernachlässigen, riskieren langfristig Wettbewerbsnachteile.
Wie man Daten im Mittelstand zum Fliegen bringtLaut Stephan beginnt es mit Wissenstransfer in Geschäftsführung, Aufsichtsräten und Teams. Denn oft fehlt das grundlegende Verständnis dafür, wie Daten Mehrwert erzeugen.
Beispiel: KI-Modell und fehlende AbstimmungEin Praxisbeispiel zeigt, wie ein KI-Projekt wegen mangelnder Abstimmung scheiterte, obwohl das Modell funktionierte. Fehlende Kommunikation führte dazu, dass der Nutzen nicht erkannt wurde.
Datenkultur durch kleine Erfolge und ExperimenteKleine Proofs of Concept helfen dabei, Neugier und Vertrauen aufzubauen. Fehler sind dabei unvermeidlich, entscheidend ist jedoch die Bereitschaft, aus ihnen zu lernen und zu experimentieren.
Use Cases vs. PlattformdenkenStephan betrachtet Use Cases als Einstieg und nicht als Endziel. Während sich Plattformansätze für Konzerne lohnen, sollte man im Mittelstand mit überschaubaren Projekten starten und später skalieren.
Agentic AI im Mittelstand: Chancen und GrenzenAgentic AI kann die Entwicklungszeit von Proofs of Concept zwar stark verkürzen, eine produktionsreife Umsetzung ersetzt es jedoch nicht. Der Gewinn liegt in der Experimentiergeschwindigkeit und nicht in fertigen Lösungen.
Schatten-KI und Risiken im AlltagViele Mitarbeitende nutzen KI bereits, obwohl es noch keine offiziellen Richtlinien gibt. Stephan warnt vor den damit verbundenen Datenschutzrisiken und fordert klare Regeln, Schulungen und Transparenz im Umgang mit KI-Systemen.
Prompt Engineering und SicherheitPrompt Injection, Datensicherheit und ethische Grenzen: Stephan erläutert auf humorvolle Weise, wie sich versteckte Befehle in Social Media Texte einschleusen lassen und welche Risiken damit verbunden sind.
Vom Use Case zum Business CaseLetztendlich geht es um die Übersetzung technischer Ideen in wirtschaftliche Argumente. Nur wenn Projekte messbare Effekte – etwa in Zeitersparnis – belegen können, überzeugen sie im Mittelstand. Vertrauen und Verständlichkeit sind dafür der Schlüssel.
🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community:
👉 Neue Folgen sofort auf dem Schirm
👉 Direkt bei der Arbeit reinhören
👉 Wertvolle Folgen mit Kollegen teilen
👉 Mit Data & Analytics-Experten vernetzen
➡️ Jetzt beitreten!
https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM
Wir freuen uns auf dich! 💬
Mehr zu Datendurst und Host Tim:
https://www.linkedin.com/company/datendurst/
https://www.linkedin.com/in/ebner-tim/
Unterstütze den Podcast:
paypal.me/datendurst
- Laat meer zien
