Brücken statt nur Modelle bauen

Wenn Fachbereich und Data Science wirklich zusammenarbeiten – entsteht echter Nutzen | Sandra Wissing

„Wir brauchen eine KI-Lösung.“

Sagen viele. Doch was sie wirklich brauchen, ist erstmal ein gemeinsames Verständnis.

Fachbereiche und Data-Teams reden oft aneinander vorbei.

Die einen kennen den Prozess, die anderen die Algorithmen – aber Mehrwert entsteht nur, wenn beide Seiten gemeinsam denken und sprechen lernen.

In dieser Folge spreche ich mit Sandra Wissing, Data Scientist bei FIEGE, über genau diese Herausforderung:

Wie gute Zusammenarbeit zwischen Business und Data Science aussieht – von der Use-Case-Identifikation bis zum skalierbaren KI-Produkt.

Was du aus der Folge mitnimmst:

  • Wie Data-Teams durch clevere Fragen echte Business-Probleme greifbar machen

  • Welche Formate FIEGE nutzt, um Bottom-up-Ideen mit strategischem Überlegungen zu verbinden

  • Warum Kommunikation, Vertrauen und Erwartungsmanagement der Schlüssel zur erfolgreichen Zusammenarbeit sind

  • …und vieles mehr.

Viel Spaß beim Anhören!


👉 Falls du es verpasst hast 👈

Hier sind zwei der kürzlich veröffentlichten Podcast-Folgen, die du gehört haben solltest:


Bist du bereit, gemeinsam einen noch größeren Mehrwert für die Community zu schaffen?

Jetzt Podcast-Interview anfragen

Weitere Folgen

Wie Unternehmen AI-Projekte so aufsetzen, dass aus technischer Machbarkeit echte Adoption und Wirkung entsteht

Ein KI-Agent ist schnell gebaut.Strategischen Mehrwert fürs Unternehmen daraus zu machen, ist der deutlich schwierigere Teil.Und genau an dieser Stelle bleiben viele Unternehmen hängen. Darüber habe ich mit Susanne Zach, Partner / AI & Data Lead bei EY, gesprochen.Denn die eigentliche Herausforderung beginnt nicht beim ersten KI-Agenten.Sondern bei der Frage:Wie wird aus einem ersten KI-Use-Case ein Vorhaben, das im Unternehmen echten Wert schafft?In der Podcast-Folge spielen wir diese Reise Schritt für Schritt durch:Wie starte ich überhaupt?Wie identifiziere ich die richtigen Potenziale?Wie priorisiere ich Use Cases sinnvoll?Woran erkenne ich, welcher Use Case sich zuerst eignet?Und wie komme ich vom POC zu einer Lösung, die wirklich skalierbar ist?Denn der erste POC ist nicht der Beweis, dass man es geschafft hat.Er ist nur der Punkt, ab dem die eigentliche Arbeit beginnt.Viel Spaß beim Anhören! Jetzt Podcast-Folge anhören! 👉 Falls du es verpasst hast 👈 Hier sind zwei der kürzlich veröffentlichten Podcast-Folgen, die du gehört haben solltest:Das Agentic-AI-Playbook von McKinsey & RoboyoWie aus Daten Produkte werden, die Mehrwert schaffen (Ein Blick in eine Bank)Bist du bereit, gemeinsam einen noch größeren Mehrwert für die Community zu schaffen?Jetzt Podcast-Interview anfragenPowered by beehiiv

Folge anhören »