18.11.2026
Eilish Prioul
Was Sie erwartet
- Tims beruflicher Werdegang
- Was zum Bleiben motiviert
- Welche Daten genutzt werden und wie
- Herausforderungen in der Versicherungsbranche
- Daten sind einfach, Menschen nicht
- Vertrauen aufbauen und Data Champions finden
- Wie Tim Wandel begleitet und Menschen befähigt
- Wenn die Technik passt, aber die Kultur nicht
- Empfehlungen zum Weiterlernen
- Die zentrale Erkenntnis
FELD M in Conversation ist eine brandneue Interviewreihe mit spannenden Persönlichkeiten aus der Data- und Analytics-Branche. Im Kern handelt es sich um ein Fireside-Chat-Format (direkt in Ihr Postfach geliefert, wenn Sie sich hier anmelden). Ein Raum, in dem Menschen ihre Erfahrungen, Herangehensweisen und persönlichen Perspektiven teilen – jenseits von Frameworks und Theorien.
Wir hoffen, dass Sie, das Data Collective, Stimmen entdecken, die bei Ihnen Anklang finden und Sie inspirieren.

Zwischen Schnellboot und Öltanker mit der Vision im Mittelpunkt
“Menschen sind der Mittelpunkt, und Menschen sollte man mitnehmen. Business ist People Business. Du kannst viele tolle Trackings aufsetzen und Data Warehouses aufbauen. Am Ende, wenn es nicht auf Menschen wirkt, war es nichts wert. Und jedes Mal, wenn du irgendwas veränderst, musst du die Leute mitnehmen. ”
Tim Stahringer | Programm-Manager | HUK- COBURG
Dass es in der Datenwelt an spannenden Persönlichkeiten nicht mangelt, steht außer Frage. Schwieriger wird es, wenn man sich für den nächsten Interviewpartner von FELD M in Conversation entscheiden muss und plötzlich vor der Qual der Wahl steht.
Bei ihrem letzten Besuch im Münchner FELD M Büro lagerte Eilish diese Entscheidung darum kurzerhand an Kollegen Kai Brackmann aus: Wer falle ihm denn ein, wenn er an spannende Köpfe aus der Datenwelt denke? Vielleicht jemand aus dem Kreis FELD M Kunden?
Kai hatte schnell einen Vorschlag: Tim Stahringer, Programm-Manager im Data Analytics-Programm der HUK-COBURG, die mit über 13 Millionen Kundinnen und Kunden zum größten Versicherer für Privathaushalte in Deutschland zählt. Insgesamt ist er seit acht Jahren in der Versicherungsbranche tätig.
Eine Mail und nur zwei Wochen später – mit der Terminfindung ist es ja sonst so eine Sache, dazu später mehr – saß Eilish mit ihm im Teams-Call, und aus einem ersten Hallo wurden zwei Stunden Gespräch.
Dass Tim einen eigenen Blick auf seine Arbeit hat, wurde dabei schnell klar: Alles begann mit dem einfachen Wunsch, „irgendwas mit Daten zu machen“, zu einer Zeit, als der Begriff Data Science noch gar nicht existierte. Über die Jahre kamen Erfahrung in der Conversion-Optimierung und Analytics dazu, dann eine ganze Reihe an Werkzeugen und Prozessen. Seine wichtigste Lektion aber lautet bis heute: Immer die Vision im Blick behalten.
Beginnen wir am Anfang: Kannst du mir ein bisschen über deinen Karriereweg bei der HUK-COBURG Gruppe erzählen?
„Ursprünglich wurde ich als Customer Data Analyst in der HUK24 angestellt, bin dann aber schnell in die Product Owner-Rolle für das Thema Daten gewechselt.
Von da an ging es von einer PO-Stelle zur nächsten. Dann wurde das Data Analytics-Programm gegründet, wo ich als Product Owner ein Handlungsfeld bei der HUK24 betreut habe, konkret: wie man Data Analytics und Marketing zusammenbringt. Und vor eineinhalb Jahren bin ich als Programmmanager in die Data-Analytics-Abteilung gewechselt. Wir haben inzwischen etwa 30 Product Owner und Projektleiter im Programm, die alle an Daten- und Analytics-Themen arbeiten, und ich begleite sie in den Bereichen Training, Workshops und Change.“
HUK-COBURG, HUK24… an dieser Stelle lohnt sich vielleicht ein kurzer Blick auf die Konzernstruktur:
Die HUK24 ist eine von mehreren Gesellschaften unter dem Dach der HUK-COBURG, und zwar der Online-Versicherer des 1933 gegründeten Konzerns. Ihre Wurzeln reichen bis ins Jahr 2000 zurück, mitten in die Dot-Com-Blase – ein Schritt, der vom Weitblick der HUK-COBURG zeugt. Geblieben ist bis heute eine schlanke HUK24 mit rund 40 Mitarbeitenden plus etwa 200 im Support, die mit Rückendeckung des Konzerns ihre ganz eigene Geschwindigkeit entwickelt hatte.
Du hast sowohl für die HUK-COBURG als auch für die HUK24 gearbeitet – wie würdest du die beiden charakterisieren?
„Der größte Unterschied lag für mich im Tempo und in der Nähe zu den Entscheidern. Die HUK24 war bewusst klein gehalten. Kernfunktionen wie Rechnungswesen wurden in den Konzern ausgelagert, aber alle strategisch relevanten Themen waren in der HUK24 angesiedelt. Das hatte natürlich einen großen Einfluss auf die Arbeit. Jeder hatte Verantwortung über seinen Bereich, es gab keine Ebenen zwischen dir und dem Vorstand, und du konntest unternehmerisch und flexibel entscheiden und umsetzen. Die HUK24 konnte man sich als Schnellboot vorstellen.
Im Vergleich ist die HUK-COBURG eher der große Öltanker. Der ist stabil und mächtig, aber der bewegt sich auch langsamer. Logischerweise merkt man einen Unterschied: Auf einmal stimmt man sich nicht mehr mit zwei Leuten ab, sondern mit zwanzig.
Was ich aber auch sagen muss, und das habe ich damals bei der HUK24 gelernt: Wenn ich was schnell machen möchte, mache ich es allein. Wenn ich es gut machen möchte, mache ich es mit vielen.“
Was hat das konkret in der Praxis für dich geheißen? Was war über deine Rollen hinweg ähnlich, was unterschiedlich?
„Meine Herangehensweise war tatsächlich sehr ähnlich: Immer von der Vision aus zu denken. Wo will ich hin? Was ist das große Zielbild?
Sobald man die Vision hat – idealerweise gemeinsam mit dem Team entwickelt – kann man ableiten, was zu tun ist, um die Vision zu erreichen. Was sind die nächsten Schritte, und was für Kaskaden ergeben sich daraus? Welcher Tech-Stack wird gebraucht? Welche Leute und Rollen brauche ich? Das ist sehr ähnlich, egal wo ich war und in welcher Rolle.
Ein paar Dinge unterscheiden sich trotzdem. Erstens: Meine HUK24-Rollen waren oft sehr fokussiert auf Umsetzung – ein starker „Bias to Action“, wie man manchmal sagt; einfach machen.
Bei der HUK-COBURG ist deutlich mehr Planung gewünscht.
Im Rahmen von Datenprojekten: Wenn ich etwas im Prozess mit Data Analytics ändere, ändert sich der Prozess selbst. Das heißt, ich muss dafür sorgen, dass der neue Prozess auch gelebt wird. In einer kleinen Organisation ist das einfach. Ich rede mit drei Leuten, erkläre, wie es funktioniert, fertig. Bei der HUK-COBURG hingegen haben wir, z.B., einen neuen Prozess eingeführt, bei dem etwa 1.000 Sachbearbeiter betroffen waren. Diese Veränderung zu kommunizieren, in den Alltag zu bringen, Feedback einzuholen... bei einer solchen Größenordnung muss man die Leute wirklich mitnehmen. Nur so schafft der neue Prozess auch Mehrwert.“
In einer Zeit, in der ständiges Jobhopping fast schon als Karriererezept gilt, bist du der HUK-COBURG über viele Jahre treu geblieben. Was motiviert dich zu bleiben?
„Wenn ich jetzt reflektiere, warum ich schon so lange dabei bin, liegt das hauptsächlich an den vielen spannenden Projekten.
Ich habe mal eine Vorlesung zum Thema Versicherung gehört, und der Professor hat zu uns gesagt: Versicherung ist eigentlich eine sehr interessante Industrie, weil man immer denkt, dass es total langweilig ist – der Trick sind Projekte. Wenn man Projekte macht, merkt man das schnell – es gibt immer neue Veränderungen, neue Technologien, regulatorische Änderungen – und Arbeit über Abteilungsgrenzen hinweg.
Was mich unglaublich überrascht hat: Man kann sich als normaler Mitarbeiter auch in einem Konzern ein paar Leute suchen, die ein ähnliches Interesse haben, und gemeinsam ein Projekt machen. Und plötzlich kannst du die HUK-COBURG verändern, was Neues bauen oder neue Prozesse einführen. Das ist genau das, was ich in kleineren Unternehmen gelebt habe: Jeder kann Sachen verbessern und optimieren. Und das geht eben auch in einem solchen großen Unternehmen, wie bei der HUK-COBURG.“
Jenseits der Projekte wird bei euch mit ganz unterschiedlichen Daten gearbeitet. Kannst du mir ein paar Beispiele nennen?
„Die Versicherungsbranche hat viele unterschiedliche Berufe. Sogar Kunsthistoriker sind darin tätig, z.B. um zu bewerten, wie teuer Gemälde sind. Daher kann man sich vorstellen, dass auch die Datenvielfalt recht hoch ist.
Die HUK-COBURG macht primär Privatkundengeschäft. Wir bieten sowohl Kompositprodukte (Auto, Haus, Wohnung, usw.), als auch Rechtsschutz und Personenprodukte an, also alles, was mit dem Menschen selbst zu tun hat, primär Kranken- und Lebensversicherung.
Entsprechend gibt es eine große Datenvielfalt: von Krankenhausabrechnungen, über Bilder von defekten Fahrrädern bis hin zu Wertpapierkursen und Gerichtsprotokollen.
Die Daten sind datenschutztechnisch sehr strikt getrennt – sogar in separate Gesellschaften. Das heißt, ich kann nicht hingehen und sagen: Dieser Kunde hat ein Fahrrad versichert. Wann war der Kunde zuletzt krank? Das ist in Deutschland grundsätzlich sehr stark reguliert, und die HUK-COBURG geht beim Datenschutz noch darüber hinaus. Wir sind angehalten, nur das abzufragen, was wir auch wirklich benötigen.“
Und wie nutzt ihr diese Daten konkret?
„Einen Anwendungsfall meiner Kolleginnen und Kollegen finde ich persönlich besonders spannend: Rechnungsversand-Steuerung. Die HUK-COBURG schickt jedes Jahr etwa 14 Millionen Kfz-Rechnungen heraus und Kunden rufen oft bei Fragen zu ihrer Rechnung an. Das heißt, man muss überlegen, wann die Rechnungen am besten herausgeschickt werden, damit das Callcenter nicht überlastet wird.
Die Kollegen haben über Jahre Modelle gebaut, um für jeden Kunden zu entscheiden, wann der beste Zeitpunkt für den Rechnungsversand ist, und dabei Faktoren wie Churn und Callcenter-Auslastung berücksichtigt. Das wirkt sich direkt in messbaren Mehrwerten in Euro für die HUK-COBURG aus.
Dann gibt es das Thema Pricing. Wie teuer soll eine Police sein? Es gibt, glaube ich, niemanden, der Pricing so intensiv betreibt wie die Versicherungsbranche. Wir haben 14 Millionen Kfz-Verträge. Wenn ich einen Euro genauer bepreise, ist das sehr viel Geld. Methodisch ist Pricing basierend auf einem Prognosemodell. Man versucht, die Schadenbedarfe vorherzusagen, idealerweise auf einer möglichst granularen Ebene. Je besser die Aktuare (Versicherungsmathematiker) die Realität vorhersagen, desto besser wird die Risikoselektion.
Das heißt, als Versicherung möchte ich, dass eine Gruppe, die im Schnitt 500€ pro Jahr an Schäden verursacht, auch etwa 500€ zahlt. Wenn die Gruppe nur 400€ zahlt, dann müssen andere Kunden die Kosten tragen. Wenn die Gruppe 600€ zahlen müsste, geht sie vielleicht zu einem anderen Versicherer. Genauigkeit siegt und bei 14 Millionen Kfz-Verträgen sprechen wir schnell über Milliarden-Verluste bei falscher Tarifierung oder auch deutliche Gewinne. Diese gehen bei uns wieder auf unsere Kundinnen und Kunden zurück.”
Das klingt erstmal nach einer richtig guten Ausgangslage – jede Menge Daten, über Jahre gewachsen, und Methoden, um daraus echten Mehrwert zu ziehen. Mich würde jetzt interessieren, wie denn die andere Seite aussieht. Mit welchen Herausforderungen bist du bei Datenprojekten in der Versicherungsbranche konfrontiert?
„Mein Lieblingsspruch in diesem Kontext ist, dass das Schwierige bei Datenprojekten nicht die Methoden oder die Daten sind. Wenn ich den Stack durchgehe: Datenhaltung, ETL, Modellierung, das funktioniert alles gut. Wir haben sehr kompetente Kolleginnen und Kollegen, die nur an diesen Themen arbeiten.
Eine erste Hürde ist eine bessere Integration in die bestehende Infrastruktur. Da gibt es diverse Lösungen, aber wir haben noch nicht die eine richtige gefunden. Die HUK-COBURG hat eine komplexe IT-Infrastruktur, mit ganz vielen Services, ganz vielen Softwareentwicklern und regulatorischen Voraussetzungen. Der Traumzustand eines Data Scientists ist: Ich drücke auf einen Knopf und das neuentwickelte Modell ist live. Die Realität ist anders.
Die meines Erachtens größte Herausforderung bei allen Data Analytics-Projekten, die ich je gemacht habe, ist aber eine andere: Wie schaffe ich es, die Tools oder Prozesse in den Alltag zu überführen, sodass diese zur Normalität werden?
Nehmen wir als Beispiel das Thema Betrugserkennung. Bei uns gibt es viele Betrugssachbearbeiter. Wenn ein Data Scientist zufällig Fälle aussteuern möchte, um Daten zu sammeln, kann das zu Problemen führen. Warum? Ein Betrugsexperte sieht einen Fall und fragt sich: “Warum bekomme ich jetzt diesen Fall? Ist das System kaputt?” Deshalb müssen die Sachbearbeiter bzw. Nutzer integriert werden. Das ist noch relativ einfach bei 10 Mitarbeitenden, aber was mache ich, wenn 2.000 Leute betroffen sind? Das ist eine große Herausforderung. “
Und wie geht ihr damit um?
„Was generell gut funktioniert, ist, die Betroffenen frühzeitig einzubinden, idealerweise in einem Co-Creation-Ansatz. Wir wollen etwas machen, also sprechen wir mit den Personen, die den Prozess nutzen. Das Motto ist: Lasst uns von Anfang an gemeinsam über die Veränderung sprechen und idealerweise gemeinsam gestalten. Dabei kommt manchmal eine Lösung heraus, die total einfach ist, auf die vorher alleine niemand gekommen wäre.
Ein Beispiel, das ich genial fand: Im Bereich Schadenssachbearbeitung hatten wir einige Prüfschritte anhand von Wetterdaten und Ähnlichem automatisiert. Doch als wir uns die Prozesskennzahlen angeschaut haben, stellten wir fest, dass es bei den automatisch geprüften Fällen nicht weniger Bearbeitungsschritte gab als bei den manuell geprüften Fällen.
Irgendwas stimmte nicht. Also haben wir mit einigen erfahrenen Schadensachbearbeitern gesprochen. Diese sagten, die Mitarbeitenden prüfen alles nochmal, weil sie den automatischen Ergebnissen nicht trauen.
Die Lösung war simpel, aber genial. Wir haben bei jedem Schaden eine PDF angehängt, auf der stand: “Das haben wir geprüft, Haken. Das haben wir geprüft, Haken. Das musst du noch prüfen.” Diese kleine Veränderung hat dazu geführt, dass die manuellen Bearbeitungsschritte auf einmal deutlich runtergingen. Die Schadensachbearbeiter konnten sehen, was bereits geprüft wurde, wussten, dass es nicht mehr in ihrer Verantwortung lag, und konnten sich auf die übrigen Schritte konzentrieren.“
Nach gut einer Stunde Gespräch sammeln sich auch auf Eilishs Frageliste die Haken. Ein Punkt, der dabei immer wieder durchgeklungen ist, verdient aber noch einen eigenen Moment:
Da sieht man wieder, wie wichtig People bei dem Thema sind. Wie du gerade gesagt hast – das Schwierige sind nicht die Daten oder die Technik, es geht immer um die Menschen.
„Genau. Ein Modell zur Prüfung, ob Wetterdaten mit dem Schadenfall zusammenpassen, kann ein Data Scientist in zwei Wochen entwickeln. Aber dass Tausende von Sachbearbeitern hingehen, den Ergebnissen vertrauen und in ihre Arbeit integrieren, das ist, in solchen Fällen, die große Herausforderung.“
Das heißt, du arbeitest in deiner jetzigen Rolle je nach Projekt mit sehr vielen unterschiedlichen Menschen. Wie gehst du da ran? Ist da viel Politik im Spiel, oder geht es eher darum, Vertrauen aufzubauen? Muss man so etwas wie Data Champions finden, Leute, die sich wirklich für das Thema interessieren?
„Das Ziel des DA-Programms ist es, die HUK-COBURG als datengetriebenes Unternehmen aufzustellen. Das ist die Vision.
Und wie machen wir das genau? Wir haben Handlungsfelder, die von den Fachbereichen geleitet werden, jeweils über einen Projektleiter. Dazu gibt es Product Owner, die einzelne Use Cases betreuen. Meine Klienten sind primär die Product Owner und Projektleiter, die die Rolle des Champions oder Change Agents übernehmen.
Wir starten im Change-Team mit der Messung: Wo wollen wir hin? Wo sind wir gerade? Wo sind die Barrieren? Um dann die einzelnen Personen zu empowern, diese Veränderung voranzutreiben.
Der Auftrag ist Transformation. Prozesse verändern, Mitarbeitende mit neuen Fähigkeiten, Tools, Ansätzen und Methoden empowern. Bei Problemen, die für sie allein eventuell zu komplex oder politisch knifflig sind, unterstützen wir, meistens mit Workshop-Formaten oder Coaching, zum Beispiel, um Konflikte zu lösen, Klarheit zu schaffen oder Visionen zu entwickeln. Wir leben vor allem diesen Co-Creation-Ansatz.“
Bei all dem Wandel, den du begleitest, hat sich über die Jahre auch deine eigene Rolle gewandelt – weg von einzelnen Sachbearbeitern, hin zu einer strategischeren Ebene. Wie behältst du da den Bezug dazu, ob das, was du anstößt, bei den Leuten wirklich ankommt?
„Bei vielen Personalthemen scheinen insbesondere Gefühle und Intuition eine große Rolle zu spielen. Ich persönlich arbeite lieber datengetrieben, um zu entscheiden, wo es hingehen soll.
Für mich gibt es da zwei Säulen:
-
Einmal das Thema Enablement. Da gibt es viel Literatur, ganz klassisch etwa Kirkpatricks „Four Levels of Training Evaluation", also wie man Trainingserfolg misst. Aber wenig Unternehmen tun es konsequent. Viele messen, wie zufrieden jemand im Training war, machen vielleicht noch eine Wissensabfrage, und dann ist Schluss. Aber das eigentlich Spannende ist der Lerntransfer: Geht das Verhalten in den Alltag über?
-
Die zweite Säule ist Change. Wie misst man, wo man auf der Veränderungsreise steht? Da gibt es auch viel Forschung, und trotzdem messen das auch wenige Unternehmen, was ich irre finde. Es gibt zum Beispiel das COM-B-Modell, das wissenschaftlich gut fundiert ist und beschreibt, wie man Verhaltensänderungen bewirkt. Das Theoretical Domains Framework (TDF) arbeitet das wissenschaftlich noch detaillierter aus, das Behaviour Change Wheel macht es dafür verständlicher zugänglich.
Mein Ziel war, aus diesen Grundlagen einfache und praktikable Tools zu bauen, und mittlerweile haben wir dazu diverse Werkzeuge im Einsatz.
Bei einigen liegt der Fokus auf den Maßnahmen: Wie effektiv waren sie wirklich? Hat sich der Aufwand gelohnt? Was können wir daraus lernen (Lessons learned)? Bei anderen geht es darum, den aktuellen Stand der Veränderung zu verstehen und zu wissen: Was sollte ich als Nächstes tun, und wo konzentriere ich meine Kapazitäten? Haben die Leute noch gar nicht verstanden, warum wir uns verändern? Oder wissen sie wie, kriegen es aber nicht in die Anwendung, weil etwas fehlt?
Change ist ein Thema, das in Deutschland gefühlt oft vernachlässigt wird. Die Methoden gibt es, aber sie werden nicht immer eingesetzt. Es fühlt sich ein bisschen an wie die Frühzeiten von Data Analytics: Die Daten gab es, aber keiner hat sie so richtig genutzt. Das mache ich im Rahmen unseres Change-Teams im DA-Programm anders.“
Ein sehr schöner Ausblick für die Entwicklung der Branche. Gerade jetzt, wo durch technische Veränderungen so viel ins Rutschen kommt, scheint es mir immer wichtiger, im Blick zu behalten, wie Menschen mit Wandel umgehen. Apropos technische Veränderungen – welche aktuellen Entwicklungen siehst du kritisch, welche positiv?
„Das ist meine persönliche Meinung, aber mich stört das ‚KI als Heilsbringer‘-Narrativ, das sehr stark kommuniziert wird. Irgendjemand Schlaues (Roy Amara) hat mal gesagt, Veränderungen werden kurzfristig überschätzt und langfristig unterschätzt. Man hat den ganzen PR-Hype mitbekommen, laut dem man angeblich in einem Jahr keine Entwickler mehr benötigen wird. Das halte ich für überzogen. Wie das in zehn Jahren aussieht, das ist deutlich interessanter.
Was ich positiv wahrnehme, ist die Bereitschaft zum Ausprobieren. Einfach mal gucken, was funktionieren kann.
Was ich außerdem kritisch sehe, ist diese MIT-Studie zu den 95% gescheiterten GenAI-Use-Cases:
Trotz Investitionen von 30 bis 40 Milliarden Dollar in GenAI auf Unternehmensebene kommt dieser Bericht zu einem überraschenden Ergebnis: 95 % der Organisationen erzielen keinerlei Rendite. Die Ergebnisse fallen sowohl auf Käuferseite (Großunternehmen, Mittelstand, KMU) als auch auf Anbieterseite (Start-ups, Anbieter, Beratungen) so deutlich auseinander, dass wir von der „GenAI-Kluft" sprechen. Nur 5 % der integrierten KI-Piloten ziehen Werte in Millionenhöhe heraus, während die große Mehrheit ohne messbaren Effekt auf das Geschäftsergebnis verharrt.
The GenAI Divide: State of AI in Business 2025, ein neuer Bericht der NANDA-Initiative des MIT.
„Meines Erachtens wird die Studie von den KI-Pessimisten überbewertet. Ja, vieles ist noch nicht ausgereift, aber es braucht immer Zeit, um herauszufinden, wie man neue Technologie effektiv einsetzt.
Wenn man die Modelle und Tools benutzt und kritisch hinterfragt, sieht man ganz gut, was aktuell funktioniert und was nicht. Du kennst vielleicht den Gartner Hype Cycle. Ich glaube, wir sind über den Hype-Gipfel, aber bis die neuen Technologien produktiv werden und zum Alltag gehören, dauert es noch. Aber die Behauptung, in sechs Monaten gibt es keine Entwickler mehr? Nein, so schnell geht es nicht.“
Eilish: Es erinnert mich ein bisschen an das, was du über die Anfänge von Analytics erzählt hast. Da gab es erst kaum Nachfrage, dann ist alles explodiert, weil plötzlich alle Datenleute einstellen wollten. Genauso fühlt es sich gerade mit KI an. Auch bei FELD M sehen wir eine starke Nachfrage nach Themen wie KI-Strategie und KI-Use-Case-Design, aber eben auch, dass viele Unternehmen noch ganz am Anfang stehen. Dafür muss der kulturelle Fit auch etabliert werden. In dem Zusammenhang:
Gab es mal ein Projekt, das technisch super gelaufen ist, aber wo der kulturelle Fit einfach nicht da war?
„Es kommt immer zurück auf Menschen. Ich kann mal ein anonymes Beispiel erzählen. Wir hatten ein neues Tool, das Sachbearbeiterinnen und Sachbearbeitern sehr geholfen hätte. Verschiedene Modelle dahinter, und du siehst auf einen Blick, wonach du früher lange gesucht hast. Die Entwicklungszeit wäre vielleicht drei Wochen: Data Scientists und Machine Learning Engineers können schnell etwas bauen und sofort Mehrwert schaffen.
Das Projekt ist nicht gescheitert, es läuft noch, aber es hat ein Problem: Es muss in das bestehende System integriert werden. Wenn ein Team kurzfristig etwas in Python entwickelt und dann übergeben will, sagt der Softwareentwickler zu Recht: Ich habe den Code nicht geschrieben und außerdem nutzen wir eigentlich Java.
Wie ich am Anfang gesagt habe: Du kannst was schnell bauen und schnell hinstellen. Aber damit es wirklich gut und nachhaltig funktioniert, sollten Beteiligte lieber von Anfang an mitgenommen werden. Dazu gehört auch, Widerstand ernst zu nehmen. Widerstand wird häufig als „die wollen nicht" abgetan. Dabei gibt es fast immer sehr legitime Gründe, warum jemand nicht mitgehen möchte.
Eine Sache, die ich deshalb mittlerweile in jedem Projekt mache, ist zu fragen: Was sind eure Sorgen? Wenn ich ganz ehrlich bin, habe ich noch nie erlebt, dass jemand einen Widerstand hatte, der keinen Grund hatte. Widerstände sollte man nicht als Widerstand gegen das verstehen, was man tut, sondern als Sorgen, die man herausfinden und besprechen muss.“
Eilish: Das kann ich aus Marketing-Sicht nur bestätigen. Als ich bei FELD M angefangen habe, haben wir einen Website-Relaunch gemacht, und da gab es Sorgen, dass wieder teure Tools lizenziert werden, die dann nicht genutzt werden, weil genau das in der Vergangenheit passiert war. Im Interview mit Jesse Rothenberg, dem Head of Data and Insights bei Ableton, ist mir dafür ein schöner Begriff begegnet: organisationale Traumata. Die tragen wir alle mit uns rum.
Anderthalb Stunden sind mittlerweile vergangen. Auf die Frage, ob er noch Energie hat, antwortet Tim: „Ich kann quatschen. Das ist eins, das ich kann."
Ich habe noch ein paar etwas persönlichere Fragen zu Motivation und Empfehlungen. Danach holen wir uns beide einen großen Kaffee. Fürs Erste, gibt es ein Thema, das du ungern delegierst, weil du einfach sehr gerne selbst daran arbeitest?
„Nein, nicht wirklich. Ich bin ein Riesenfan von Peter Drucker: „The Effective Executive". Es ist mein Buchtipp Nummer eins für jeden Wissensarbeiter oder Manager. Das Buch ist von 1966, also schon uralt. Zum Thema Delegation steht Folgendes drin: Bei allen Aufgaben, die auf deinem Tisch landen, solltest du immer überlegen: Kann das jemand besser als ich? Wenn ja, dann soll es auch diese Person machen. Das heißt, auch wenn ich etwas gerne mache, wenn jemand es besser kann, kriegt es diese Person. “
Sehr konsequent! Wenn du aber andersrum etwas komplett automatisieren könntest, gäbe es da was?
Tim: Ja, Termine suchen. 100 Prozent.
Eilish: Oh, Gott. Da sprichst du mir aus der Seele.
Tim: Terminsuche ist eine Katastrophe, vor allem mit Externen, deren Kalender nicht einsehbar sind. Oder diese Situationen, wo man drei Leute hat, und keiner hat Zeit, aber wenn man einen einzigen Termin verschieben würde, hätten plötzlich alle drei Zeit. Wenn das jemand automatisiert, sehr gerne!
Du hast gerade Peter Drucker erwähnt. Welchen Quellen vertraust du generell für Lernen und Weiterbildung?
„Ich bin ein großer Fan der Klassiker. Lese Bücher und arbeite sie durch. Diese ganze News-Flut, LinkedIn hier, das neueste Ding da, da ist so viel dabei, das morgen schon keine Rolle mehr spielt.
Mein Ansatz dabei orientiert sich am Lindy-Effekt, den Nassim Taleb in „Antifragile" beschrieben hat. Der Lindy-Effekt besagt, dass Dinge, die schon lange existieren, wahrscheinlich auch in Zukunft noch lange existieren werden. Wenn wir seit 100 Jahren kochen, werden wir wahrscheinlich auch in 100 Jahren noch kochen. Wenn wir seit einem Jahr LLMs benutzen, bin ich mir nicht so sicher, ob wir das in 100 Jahren auch noch tun. Und das sehe ich auch beim Wissen.
In einem anderen Buch, „The Black Swan", hat Taleb auch Folgendes gesagt, das ich mir sehr zu Herzen genommen habe. Er hat gefragt: Liest du jeden Tag Nachrichten? Die meisten Menschen sagen ja. Dann fragst du: Was war gestern die Schlagzeile? Und die meisten haben keine Ahnung mehr. Seitdem ich das gelesen habe, versuche ich, nicht mehr zum neuesten Ding zu springen. Es spielt sowieso keine Rolle, und am Ende hat man nur Angst und Sorgen davon. Alles, was wirklich wichtig ist, kommt eh zu dir. “
Und eine letzte Frage: Wenn jemand nur die ersten zwei Minuten dieses Interviews liest, was ist die eine zentrale Erkenntnis über die Arbeit mit Daten, die du vermitteln möchtest?
„Menschen sind der Mittelpunkt, und Menschen sollte man mitnehmen. Business ist People Business. Du kannst viele tolle Trackings aufsetzen und Data Warehouses aufbauen. Wenn es nicht auf Menschen wirkt, war es am Ende nichts wert. Und jedes Mal, wenn du irgendwas veränderst, musst du die Leute mitnehmen.
Dazu gehört: ihre Sorgen aufnehmen, verstehen und besprechen. Hilf den Personen zu verstehen, warum wir das machen, was es für sie bringt, wie sie es nutzen können und wie es verankert wird. Das ist meine Kurzfassung des gesamten Interviews: Menschen, Menschen, Menschen. “
Eilish: Lustig, dass wir hier landen. Bei meinem ersten Interview mit Jesse ist es ähnlich gelaufen – faktisch angefangen, philosophisch geendet. Am Ende geht es bei diesen Fragen wirklich nur um den Menschen. Das war auch mein Gedanke hinter dieser Interview-Reihe. In einer Zeit, in der so viele Inhalte von KI generiert werden, finde ich es wichtig, von Mensch zu Mensch zu sprechen. Das vergessen wir alle manchmal, oder?
Tim: So blöd es klingt, manchmal habe ich das Gefühl, wir machen alles viel zu kompliziert. Wir sind alles nur Menschen. Und das vergisst man oft. Da greife ich mir auch selbst an die Nase. Und es resoniert sehr mit mir, was du da sagst: “von Mensch zu Mensch zu sprechen”. Ich kann mir gut vorstellen, dass man in 15 Jahren sagt: Ich wähle bewusst Mensch.