CIO 059 – Künstliche Intelligenz und Machine Learning bei Brille24 – Interview mit Christophe Hocquet

Christophe Hocquet
Christophe Hocquet

Erfahren Sie in diesem Interview mit Christophe Hocquet, Geschäftsführer von Brille24, wie er die digitale Transformation im Unternehmen seit 2015 gestaltet. Wir sprechen über Anwendungsfälle und Nutzen von Künstlicher Intelligenz, Machine Learning und Deep Learning und darüber wie Sie als CIO den Wandel gestalten können.



CIO Podcast jetzt bewerten

Folgende Aspekte werden in der Podcast-Folge besprochen:

  • Ein Blick hinter die Begrifflichkeiten: Künstliche Intelligenz, Machine Learning und Deep Learning (02:00)
  • Ausgangslage bei Brille24 im Jahre 2015 (08:00)
  • Anwendungsfälle für Künstliche Intelligenz und Deep Learning bei Brille24 (11:25)
  • Know-How Aufbau bei Brille24 in den Bereichen Künstliche Intelligence, Machine Learning und Deep Learning und Arten der Zusammenarbeit (14:00)
  • Notwendige Fähigkeiten in Unternehmen, die Künstliche Intelligenz Anwendungsfälle umsetzen möchten (20:00)
  • Hürden oder Herausforderungen beim Einsatz von Künstlicher Intelligenz bei Brille24 (23:50)
  • Chancen und Vorteile durch die Nutzung von Künstlicher Intelligenz bei Brille24 (25:40)
  • Besonderheiten beim Einsatz Künstlicher Intelligenz in traditionellen Unternehmen im Gegensatz zu nativen Digitalunternehmen wir Brille24 (27:50)
  • Ein Tipp an CIOs und IT-Manager (33:50)

Christophe Hocquet hat beim Online-Optiker Brille24 seit 2015 die digitale Transformation vorangetrieben und dabei ein besonderes Augenmerk auf Künstliche Intelligenz gelegt. Angefangen bei KI-Kursen für alle Mitarbeiter bis hin zur Gründung der Forschungsunit Brille24 Research, in der heute 4 Vollzeit-KI-Spezialisten intelligente Lösungen für alle Bereiche des Unternehmens entwickeln. Schwerpunkte liegen hier auf künstliche neuronale Netze und Deep Learning.

Gemeinsam mit der Universität Oldenburg haben Christophe Hocquet und Brille24 in diesem Jahr, also 2019, zudem ein neues KI-Lab gegründet, in dem ein 15-köpfiges Team an Deep-Learning-Lösungen forscht. Zum Beispiel in den Bereichen E-Refraction, smarte Brillen und prädiktives Marketing.

Christoph Hocquet hält einen Master of Science in International Business von der Pariser Universität, Institut supérieur de gestion. Und seine Schwerpunkte und Interessen liegen im Bereich E-Commerce, Optik, Datenwissenschaften, also Deep Learning, Machine Learning und alles rund um Artificial Intelligence im Allgemeinen.

Die Brille24-Gruppe mit Sitz in Oldenburg wurde 2007 gegründet und Anfang 2019 an die EssilorLuxottica Group, einem Pariser Augenoptik-Konzern, bekannt durch Marken wie Oakley und Ray-Ban, verkauft. Brille24 ist aktuell mit Online-Shops unter anderem in Deutschland, Belgien, Frankreich, den Niederlanden, Portugal, Spanien und weiteren Ländern aktiv und hat über 1 Million Kunden in 117 Ländern.

Freuen Sie sich auf ein spannendes Interview. Wir freuen uns auf Ihre Kommentare zum Interview, diskutieren Sie mit.

Transkript des Interviews zum Nachlesen

  1. Petra Koch:

    Was verbirgt sich aus Ihrer Sicht hinter den Schlagworten Künstliche Intelligenz, Machine Learning und Deep Learning?

    00:02:34.9

  2. Christophe Hocquet:

    Guten Tag, Frau Koch und Hallo an alle Zuhörer. Danke für die Frage. In der Tat, künstliche Intelligenz, Machine Learning und insbesondere Deep Learning, da ist wohl jetzt hier gerade am meisten passiert in dieser Disziplin Deep Learning. Ist für mich jetzt eine sehr tiefgreifende Veränderung der Tech-Landschaft, der IT-Landschaft.

    Ich würde es vergleichen mit der ersten Welle, mit der Digitalisierung. Als das Internet kam, haben wir alle gespürt, da passiert was Großes. Das war natürlich am Anfang ein bisschen schwierig den Gesamtumfang von dieser Veränderung zu verstehen, aber man hatte das schon gespürt. Und jetzt passiert genau das Gleiche mit KI und Deep Learning. Es ist jetzt ja der Professor aus Standford, der Andrew Ng sagt, KI ist die neue Elektrizität. Ich finde, das ist sehr interessant als Darstellung. Ich glaube, es geht in diese Richtung, vielleicht noch stärker.

    Ich glaube, KI wird alles ersetzen, wo ein Mensch so mehr als 3 Sekunden überlegen kann oder überlegen muss für eine Aufgabe. Alles, was man beschreiben kann und mehr als 3 Sekunden, dann wird KI da eingreifen und das ersetzen.

    00:03:54.9

  3. Petra Koch:

    Also es gibt ja auch diese Unterscheidung zwischen schwacher KI und starker KI. Im Moment bewegen wir uns ja eher noch in dem Bereich schwache KI, oder?

    00:04:02.4

  4. Christophe Hocquet:

    Ja, einverstanden. Genau. Es gibt die sogenannten 3 Stufen. Sie haben recht, also diese schwache KI nennt man das. Das sind diese Applikationen, die wir jetzt im Moment haben. Also zum Beispiel AlphaGo spielte sehr, sehr gut, also er ist der beste der Welt sogar, aber zum einen, er weiß nicht, dass er Go spielt und zum zweiten, er kann nichts anderes tun als Go spielen. Insofern ist das eine starke Leistung, aber Sie haben recht, das ist schwache KI.

    Was nachher kommt, sind diese zwei Stufen, wovon zum Beispiel Elon Musk, da der Chef von Tesla und SpaceX da immer redet. Der sagt, da kommt jetzt hier Super-KI, die Super Artificial Intelligence. Das wäre die nächste Stufe, dass eine KI mehrere Anwendungen gleichzeitig machen kann. Also was weiß ich, Go spielen und auch Computer Vision machen, also Tiere erkennen und so weiter. Das wäre die nächste Stufe. Das wäre schon, klar, beeindruckend, aber ich glaube, wir sind nicht mehr so weit weg.

    Und die 3. Stufe, das ist hier diese allgemeine KI, also eine KI, die ein Gewissen hat und übernimmt hier im Prinzip Entscheidungen von Menschen. Aber da glaube ich, sind wir sehr, sehr weit von.

    00:05:25.7

  5. Petra Koch:

    Jetzt ist Künstliche Intelligenz so ein Oberbegriff. Machine Learning und Deep Learning wird ja meistens da drunter gefasst. Was macht das Spezifische nochmal aus? Können Sie da vielleicht noch mal ganz kurz darauf eingehen, aus Ihrer Sicht, was so die Besonderheiten bei Machine Learning und Deep Learning, das hatten Sie eben besonders hervorgehoben, sind?

    00:05:42.0

  6. Christophe Hocquet:

    Ja genau, Machine Learning ist nicht neu. Es ist schon fast 20 Jahre her, dass man mit Machine Learning Algorithmen arbeitet. Die Neuigkeit, die ist in Kanada entstanden von diesem englischen Professor, der da erfunden hat, dass wenn man eine Tiefe in die neuronalen Netze gibt, dann kommt man auf andere Ergebnisse.

    Also Machine Learning im Prinzip ist ein Algorithmus mit nur einem Layer, wenn man will, wenn man das so einfach erklären kann. Das hat keine Tiefe, also es ist im Prinzip ja nur eine Funktion, die das errechnet.

    Und Deep Learning, da gibt man mehrere Layer, also eine Tiefe in die neuronalen Netze und dann entscheidet im Prinzip das neuronale Netz, wie er zum Ergebnis kommt. Also ist das Paradigma mit Deep Learning, Machine Learning, die ist super interessant.

    Und das ist auch etwas, was die Leute in der IT manchmal nicht so richtig verstehen. Ich rede hier von traditionellen IT-Anwendungen. Ist das hier, bei Machine Learning der Algorithmus lernt mit Antworten. Also das heißt, bis jetzt haben wir in der IT, es ist alles regelbasiert. Wir schreiben Regeln und der muss tun, was man da geschrieben hat, er folgt dem Code.

    Mit Deep Learning ist es anders. Man gibt hier ihm die Antworten.

    Beispiel: Ich will das ja lernen, dass es ein Hund ist oder dass es eine Katze ist. Da muss ich ihm 100.000 oder 1 Million Bilder von Katzen zeigen und dann lernt er, wie er zu diesem Ergebnis kommt. Das heißt, er lernt mit den Antworten. Er sieht hier Bilder von Katzen, er hat die Antwort und er muss selber herausfinden, wie er dazu kommt. Wenn ich sage, er, ich meine das neuronale Netzwerk. Und das ist was ganz Besonderes, es ist ganz anders, ein Paradigma. Im Prinzip fast, also nicht das Gegenteil, aber schon eine Drehung mit, was wir bis jetzt hatten, mit der traditionellen IT.

    00:07:45.9

  7. Petra Koch:

    Ja, auf jeden Fall.

    00:07:47.4

  8. Christophe Hocquet:

    Genau. Ja, und was noch dazukommt, ist, das KI-Projekt wird ganz anders gestaltet als ein normales, traditionelles IT-Projekt.

    00:07:58.3

  9. Petra Koch:

    Vielleicht können wir da gleich nochmal darauf eingehen anhand Ihres Beispiels bei Brille24. Das wäre, glaube ich, auch super spannend für die Zuhörer. Vielleicht können Sie dazu erstmal beschreiben, was denn die Ausgangslage war, als Sie 2015 bei Brille24 gestartet sind? Weil Sie haben ja die ganze Reise, Einführung der Künstlichen Intelligenz da im Grunde vorangetrieben.

    00:08:19.7

  10. Christophe Hocquet:

    Ja genau. Und das ist sehr interessant und ich würde gerne heute bei Ihnen wirklich alles erzählen, also so viel wie möglich. Ich möchte nur, dass die Zuhörer von uns lernen können. Es geht ja heute wirklich nicht darum Brillen zu verkaufen, sondern wirklich Ihnen zu erzählen, worauf man achten muss.

    Also das heißt, am Anfang, 2015, stellen wir fest, das ist immer Teamwork, wir haben sehr viele Daten und wir machen aus unseren Daten nicht so viel. Wir wissen nicht ganz genau, wie man das Wissen aus diesen Daten rausnehmen kann. Und dann fangen wir an, uns mit Machine Learning zu beschäftigen und stellen fest erstmal, dass wir intern das Know-how nicht haben. Und da kommt erstmal die erste Frage: Wo findet man dieses Know-how? Besonders in Europa, in Deutschland, Europa.

    00:09:09.2

  11. Petra Koch:

    Sie sitzen ja auch, muss man vielleicht dazusagen, in Oldenburg, also jetzt nicht irgendwie im Start-up Hotspot Berlin oder Hamburg oder so, sondern noch so ein bisschen ländlicher.

    00:09:18.9

  12. Christophe Hocquet:

    Das stimmt. Ja, haben Sie recht. Das ist auch noch eine Herausforderung, klar. Deshalb greife ich zum Hörer und rufe beim DFKI [Deutsches Forschungszentrum für Künstliche Intelligenz] an, ich bin beim DFKI in Saarbrücken gelandet. Und das ist schon mal interessant zu sehen, so wie gesagt, in Europa sehr wenig Know-how vorhanden. Aber wie gesagt, ich habe Glück, ich bin in Deutschland und das ist schon ein bisschen besser als die anderen.

    Warum? Weil man hat hier mit dem DFKI seit ein paar Jahren schon erkannt, diese Disziplin erkannt, und man hat investiert in die Ausbildung. Und es gibt schon ein paar Talente. Nun, was stelle ich fest? Ich stelle fest, dass erstmal diese ganze DFKI leider zu wenig ausbilden und dass sie alle ausgekauft werden von Google, Facebook und Co. Und wenn ich das sage, es ist eine Realität, also der erste Kandidat, mit dem wir im Gespräch waren, ist nach USA abgehauen, wurde von Google abgeworben. Es ist nicht nur in der Zeitung, das passiert wirklich so.

    Die großen amerikanische Konzerne kommen nach Deutschland und bedienen sich. Sie brauchen sich nur das Organigramm von Google anzuschauen. Ich meine, KI-Chef, das ist Sebastian Thrun, der hat in Deutschland studiert beim DFKI und so weiter. Es gibt noch viel mehr. Und jetzt muss man als Firma hier vor Ort sagen, ich will auch KI machen und ich bin auch glaubwürdig. Und man muss auch glaubwürdig sein gegenüber den Kandidaten. Erstmal, weil viele Firmen hier in Deutschland und in Europa versuchen, KI-Projekte anzusetzen, aber es ist mehr eine PR-Mitteilung als was Richtiges durchgedacht. Wir wissen das auch, weil wir viele Kandidaten haben, die sich bei uns bewerben. Und die haben schon so eine Stelle, aber sagen, ja, es sind aber keine Daten vorhanden und da sind auch wenig Ideen, die wissen nicht richtig, was sie damit machen wollen, aber Hauptsache haben wir eine PR-Mitteilung veröffentlicht.

    00:11:11.9

  13. Petra Koch:

    Wenn Sie jetzt da sagen, okay, es gibt in Deutschland Spezialisten, aber die wollen auch dann was Richtiges machen, also die wollen nicht nur die Pressemitteilung, die leeren Versprechungen, sondern auch wirklich KI dann machen, wenn sie beim DFKI ausgebildet sind?

    00:11:25.8

  14. Christophe Hocquet:

    Ja, ganz genau. Und die würden auch hier bleiben, wenn man was Richtiges anbietet. Und das, was wir da gemacht haben bei Brille24, wir haben Anwendungen definiert, richtige Projekte, spannende Projekte. Also ich kann Ihnen ein bisschen was sagen zu den Projekten.

    00:11:41.2

  15. Petra Koch:

    Ja, gerne.

    00:11:41.6

  16. Christophe Hocquet:

    Reden über, was man nennt hier Predictive Inventory Planning. Also was heißt das? Dass man mit voraussagen kann, was man nächstes Jahr als Brille produzieren muss anhand von historischen Daten.

    Warum ist das interessant? Weil das geht direkt auf das Thema Nachhaltigkeit. Also keiner braucht hier Güterzüge voll von Brillen, die niemand kaufen will. Das ist Verschwendung. Und deshalb ist es, wenn man besser plant, ist es nicht nur bisher für die Firma, sondern auch besser für die Umwelt. Da helfen solche Algorithmen, Deep-Learning-Algorithmen, die vorhersagen können, mit nicht 100 Prozent, aber mit einer bestimmten Genauigkeit, was man nächstes Jahr produzieren kann oder produzieren muss. Also das ist das eine Projekt.

    Es gibt hier also eine ganze Reihe von anderen Projekten wie die Online-Refraktion. Wie nutzt man hier ein Smartphone, um seine Korrektionswerte zu bekommen, zumindest objektive Werte.

    Wir haben hier das Thema, wie liest man einen Brillenpass. Die meisten Leute haben ihre Werte auf einem Brillenpass. Das ist nicht so einfach zu lesen. Und wenn man ein Bild davon macht, können wir mit Algorithmen, Deep-Learning-Algorithmen das lesen, ohne dass der Kunde das eintragen muss.

    00:12:55.7

  17. Petra Koch:

    Ah, das ist natürlich praktisch.

    00:12:57.2

  18. Christophe Hocquet:

    Genau.

    00:12:57.8

  19. Petra Koch:

    Das heißt, der fotografiert einfach seinen Brillenpass ab und Sie finden da raus, was der genau für Sehstärke hat und für eine Brille braucht?

    00:13:05.7

  20. Christophe Hocquet:

    Genau. Und es gibt auch noch was sehr Interessantes. Man hat ja Schwierigkeiten, seine Pupillendistanz zu messen. Das ist der Abstand zwischen Ihren zwei Pupillen. Und dann haben wir eine Deep-Learning-Anwendung entwickelt, die ist übrigens live auf der Seite. Sie lassen sich hier fotografieren und die Algorithmen im Hintergrund rechnen, wie ihre Pupillendistanz ist. Und das macht auch das Leben viel einfacher.

    Sie brauchen nicht mehr zum Optiker zu gehen und sagen, ich hätte gerne diese Werte. Und das macht das Leben auch für unseren Kundenservice viel einfacher. Die müssen das nicht mehr per Hand rechnen, sondern die Algorithmen rechnen das direkt.

    Also es gibt so eine Reihe von ungefähr 20 Projekten, die wir definiert haben, und dann haben wir nach ersten Talenten gesucht. Und das ist der Punkt, was sehr interessant ist, ist erstmal, dieses Know-how ist im Moment nur vorhanden bei sehr jungen Leuten, also junge Studenten oder auch noch bei sehr kleinen Mini-Firmen, also Start-ups.

    00:14:05.5

  21. Petra Koch:

    Vielleicht dort nochmal ganz kurz. Sie hatten eingangs gesagt, dass Sie ja im Haus bei sich selber gar nicht das Know-how gefunden haben. Ist das denn jetzt auch aufgebaut worden über die Zeit? Haben Sie da irgendwie auch was gemacht, dass die Leute, die Sie schon hatten, da im Grunde auch das KI-Thema mitaufgreifen?

    00:14:21.4

  22. Christophe Hocquet:

    Ja, also was wir gemacht haben, ich stand hier vor der Mannschaft, Gesamtmannschaft, und wir haben hier eine KI-Ausbildung angeboten, kostenlos, natürlich auf Kosten von der Firma. Haben wir gesagt, wer sich melden will, ist willkommen, und zwar alle Abteilungen übergreifend.

    00:14:40.3

  23. Petra Koch:

    Okay. Also nicht irgendwie auf die IT beschränkt oder so, sondern wirklich für alle?

    00:14:44.2

  24. Christophe Hocquet:

    Nein, und das wäre auch meine nächste Botschaft heute. Ich glaube nicht, dass KI, also anders gesagt, IT hat nicht das Monopol auf KI, ganz im Gegenteil. KI ist eine neue Disziplin, wo man natürlich IT-Know-how braucht. Aber das ist genau jetzt der Punkt, wo die Leute von der IT eine Chance haben, mit anderen Disziplinen oder anderen Abteilungen zu arbeiten, die den kreativen Teil bringen und auch die ganzen Daten.

    Also ich würde sagen, ein typisches KI-Projekt besteht aus IT, Daten und Kreativität. Und klar, die Entwicklung kommt von der IT, aber die Daten meistens kommen vom Marketing oder von der Operations. Wie ist es im Lager, wie bewegt sich die Ware und so weiter? Und die Kreativität, ja, niemand hat das Monopol von der Kreativität in einer Firma. Es kann von jemand von der Fibu kommen, zum Beispiel? Der sagt, ich hätte gerne ein bisschen bessere Visibilität über die nächsten Monate, wie die Ware sich bewegt.

    00:15:47.6

  25. Petra Koch:

    Ja, klar, ist ja für die auch wichtig.

    00:15:50.1

  26. Christophe Hocquet:

    Genau. Und deshalb haben wir das wirklich für alle angeboten. Aus 200 Mitarbeitern haben 35 den Kurs mitgemacht. Und sehr interessant und total überraschend oder doch nicht, ist, die diejenigen, die am schnellsten fertig waren mit dem Kurs, waren keine Leute von der IT, sondern vom Marketing.

    00:16:08.9

  27. Petra Koch:

    Vom Marketing?

    00:16:10.1

  28. Christophe Hocquet:

    Genau.

    00:16:11.5

  29. Petra Koch:

    Die haben direkt den Anwendungsfall wahrscheinlich gesehen, oder?

    00:16:13.9

  30. Christophe Hocquet:

    Ja, genau. Vielleicht den Anwendungsfall gesehen. Die haben auch festgestellt, dass sie so viele Daten haben und dann fleißig hier mitgemacht und auch die Challenge gewonnen. Wir hatten eine kleine Challenge.

    00:16:26.2

  31. Petra Koch:

    Sehr gut!

    00:16:26.5

  32. Christophe Hocquet:

    Eine Reise nach London.

    00:16:28.2

  33. Petra Koch:

    Oh, das ist doch schön. Das motiviert ja wahrscheinlich dann auch den einen oder anderen, ne?

    00:16:32.1

  34. Christophe Hocquet:

    Ja genau.

    00:16:33.0

  35. Petra Koch:

    Ja, klasse. Und dann haben Sie sich das externe Know-how, Sie sagten eben, von Start-ups und von kleinen Firmen mit dazu geholt?

    00:16:39.9

  36. Christophe Hocquet:

    Genau. Und das ist ja das Problem für Großkonzerne oder mittelständische Firmen. Die haben eher finde ich immer Angst mit kleinen Start-ups zu arbeiten. Das ist immer eine Hürde. Da intern, keiner traut sich mit ganz jungen Firmen zu arbeiten. Und es bremst natürlich leider die Gründerstimmung in Deutschland, finde ich. Weil es ist schwierig sich zu entwickeln, wenn man keine Aufträge bekommt.

    Und die Aufträge können nur von den größeren Firmen kommen, die muss man überzeugen und als Kunde gewinnen. Und ich finde das schade, dass man intern bei Großkonzernen irgendwo immer sehr viel rechtfertigen muss, um mit kleineren Firmen zu arbeiten. Das ist ganz anders in den USA, ganz anders in China. Die trauen direkt der Innovationskraft dieser jungen Start-ups, die sehen die Vorteile, die sehen, dass die Kreativität, die Innovationskraft hier von kleineren Keimen, würde ich sagen, oder kleineren Organisationen kommt.

    Und was wir in Europa nicht tun, wir sind zu traditionell in unserer Denkweise und Arbeitsweise. Und man hat immer Angst die falsche Entscheidung zu treffen. Es wird immer er geredet, ja, ja, man lernt von Fehlern und so weiter, das ist aber auch wieder PR, weil am Ende will keiner richtig Fehler machen.

    00:18:01.3

  37. Petra Koch:

    Also das heißt, Sie haben ja im Grunde in der gleichen Situation gestanden. Brille24 ist ja vielleicht noch kleiner, aber Sie sind ja jetzt auch Mitglied eines großen Unternehmens, Sie sind jetzt auch Teil einer größeren Gruppe. Hat sich da für Sie was verändert jetzt in der Zusammenarbeit mit Start-ups? Oder Sie haben ja auch ein ganz neues Konstrukt entwickelt, haben Sie erzählt, mit der Uni, oder?

    00:18:22.9

  38. Christophe Hocquet:

    Genau. Wir haben jetzt ja den Konzern bewegt, hier eine Partnerschaft mit der Uni zu unterschreiben. Wir haben jetzt hier einen 3-Jahres-Vertrag mit der Uni Oldenburg unterschrieben. Und jetzt ist es so, dass wir Projektgruppe bekommen jedes Jahr, wir haben Meister-Arbeit, die auf unsere Themen geschrieben werden. Wir begleiten eine Menge Studenten jetzt. Also ich würde sagen, pro Jahr sind jetzt hier ungefähr 20 Studenten, die regelmäßig bei uns im Büro sind. Und das ist schon mal eine Kulturveränderung, weil jetzt haben Studenten Zugang zu unseren Räumen, nehmen manchmal teil an Meetings, obwohl sie Studenten sind.

    Und diese Offenheit, die war nicht gegeben, weil man hat schon ein paar Monate daran gearbeitet. Viele Leute haben gesagt, naja, und auch hier mit Sicherheit und Datenschutz und so weiter. Das wird immer noch komplizierter, leider. Aber ist einfach so. Ja. Also zum Thema Datenschutz muss man sagen, wir sind in Europa echt benachteiligt gegenüber USA und China. Also klar, ich sage nicht, man sollte nicht auf die Daten achten und Datenschutz, aber ich sage nur zwischen uns hier, weil die Zuhörer sind bestimmt konfrontiert jeden Tag mit DSGVO. Man darf sich wirklich ja manchmal fragen, ob die ist richtig gestaltet die DSGVO-Regelung. Aber gut.

    00:19:42.4

  39. Petra Koch:

    Im Moment müssen wir damit leben, also insofern …

    00:19:45.9

  40. Christophe Hocquet:

    Wir müssen.

    00:19:46.4

  41. Petra Koch:

    … muss man wahrscheinlich Wege finden, dass man das entsprechend mitberücksichtigt und sich aber trotzdem wettbewerbsmäßig eben auch aufstellen kann. Dass Sie sagen, da steht man ja im Wettbewerb mit anderen Firmen, die im Internet auch unterwegs sind.

    00:20:01.6

  42. Christophe Hocquet:

    Ja, und man sieht das auch von den GAFAs, diese großen …

    00:20:06.3

  43. Petra Koch:

    Google, Apple, Amazon, Facebook.

    00:20:09.8

  44. Christophe Hocquet:

    Facebook und so. Man liest hier regelmäßig, also Siri, hört alles zu, Alexa hört alles zu. Die Firmen geben das sogar selber zu. Die entschuldigen sich, aber kriegen dafür keine Strafe. Das ist ein bisschen finde ich auch für europäische Firmen, da sind wir echt benachteiligt.

    Also, weil insbesondere für KI, also Künstliche Intelligenz ist zwar eine Rakete, aber der Treibstoff, das sind die Daten. Also die Rakete fliegt nirgendwo, wenn man die Daten nicht hat. Und wir können in Europa die schönste Rakete bauen, die wir wollen, wenn wir keinen Zugang zu Daten haben, dann ist kein Treibstoff da.

    00:20:51.0

  45. Petra Koch:

    Ja, das stimmt. Sie hatten das jetzt eben auch schon gesagt, dass KI nicht nur auf die IT begrenzt ist, also nicht nur die Software-Fähigkeiten gebraucht werden. Jetzt haben Sie gerade noch gesagt, man braucht die Daten und die Kreativität.

    Aber wenn wir jetzt noch mal auf den IT-Teil gucken, da werden ja meistens Entwickler gesucht mit C, C++, Java, Python-Kenntnissen oder Frameworks wie TensorFlow. Ist das das, was man braucht für Künstliche Intelligenz, Software? Oder würden Sie sagen, das ist nur ein Teil davon?

    00:21:18.9

  46. Christophe Hocquet:

    Ja, das ist nur ein Teil davon. Klar, braucht man Entwicklungskompetenzen, also für Machine Learning, insbesondere Python, das ist ja die Programmiersprache für Data Science, ganz klar. Aber was fehlt, sind natürlich die Kreativität, die Ideen, welche Anwendung. Und die Anwendung zu gestalten ist natürlich, muss man sich mit der Disziplin beschäftigen und verstehen, also wie man das definieren kann. Es ist auch ein bisschen anders als die traditionelle IT. Und dann natürlich die Daten, klar. Die Daten, das ist, wie gesagt, der Treibstoff von der Rakete, von der KI-Rakete.

    00:22:00.4

  47. Petra Koch:

    Sie hatten jetzt eben ja einen Anwendungsfall beschrieben oder mehrere Anwendungsfälle beschrieben. Wenn wir uns da mal einen rausnehmen, war da schon das Ziel vorneweg bekannt und Sie sind quasi agil in Richtung Ziel gegangen, oder wie sind Sie da vorgegangen? Wussten Sie von vornherein schon, okay, das kann ein Ziel sein und Sie haben iterativ da gearbeitet? Oder wie gehen Sie dann in solchen Projekten vor?

    00:22:22.5

  48. Christophe Hocquet:

    Also es hat nicht alles beim ersten Mal alles geklappt. Das war schon kompliziert. Ich würde empfehlen für die Zuhörer, die jetzt hier Mut haben ein KI-Projekt aufzusetzen, ich würde empfehlen, erstmal hier mit kleineren Brötchen anzufangen. Also man muss ja kleine Anwendungen definieren, die Learning waren und dann kann man zum größeren Projekt.

    Also weil die Komplexitätskurve für KI-Projekte, die steigt ja rasant. Also das heißt, kleine Anwendungen sind greifbar, relativ schnell umzusetzen und man kann ganz schnell so kleine Quick-Wins erreichen, aber große KI-Anwendungen, also das Beispiel AlphaGo, was wir am Anfang erwähnt haben, zum Beispiel, das ist sehr, sehr komplex, sehr schwierig. Das ist richtig Rocket Science. Und da würde ich hier wirklich den Zuhörern empfehlen, nicht mit so einem Projekt anzufangen.

    00:23:18.7

  49. Petra Koch:

    Erstmal was Kleines, Greifbares. Wie sagt man so schön: das Minimum Viable Product.

    00:23:23.4

  50. Christophe Hocquet:

    Genau. Und dann baut man einen Kern von Leuten, von Data Scientists, die sich hier damit beschäftigen und skaliert nachher das Team und skalieren die Projekte auch.

    00:23:33.1

  51. Petra Koch:

    Okay.

    00:23:33.7

  52. Christophe Hocquet:

    Und die Teams, die sind sehr heterogen. Das ist ja das Wichtige. Nicht nur Top-Entwickler haben, sondern auch Leute, die kreativ sind, und Leute, die verstehen, was man aus Daten rausholen kann. Also diese Data Officer ist Teil von dem KI-Team.

    00:23:52.8

  53. Petra Koch:

    Ja klasse. Sie haben das gerade schon angesprochen. Es läuft nicht alles beim ersten Mal rund. Was waren so Hürden und Herausforderungen, die Sie am Anfang zu meistern hatten?

    00:24:00.8

  54. Christophe Hocquet:

    Es fängt bei Daten an. Also man glaubt, man hat die richtigen Bilder zum Beispiel, weil wir sehr viel mit Computer Vision gemacht haben. Also so zum Beispiel die PD-Distanz, Pupillen-Distanz zu messen, da braucht man Bilder von Gesichtern und dann hat man hier nicht die richtige Auflösung, dann ist Dataset nicht richtig. Also das ist schon sehr kompliziert, da verbringen Sie schon sehr viel Zeit mit den Daten. Also man will da natürlich, man will sehr schnell Ergebnisse sehen. Alle sind gespannt, wollen die, ja, das ist normal. Und dann fängt man an mit einem kleinen Datenset.

    Und die Daten sind ja nicht richtig vorbereitet, wurden nicht richtig annotiert, es geht um Annotieren von Bildern, so nennt man das in der KI-Welt. Und dementsprechend kann der Algorithmus nicht richtig lernen. Und dann gibt er falsche Ergebnisse raus und dann kommt hier schon die erste Enttäuschung, wo man denkt, ja, das wird ja nichts mit Deep Learning. Das sieht man doch sofort. Ah ja, nee, also. Oder man sucht hier in der Programmierung nach Erklärungen, man fängt an, hier die Gewichte über die neuronalen Netze zu versetzen oder die Loss function zu optimieren. Und daran liegt es gar nicht.

    Es liegt daran, dass die Antworten, die wir ihm gegeben haben, also die Bilder, die wurden entweder falsch annotiert oder das war nicht das richtige Format oder die Auflösung war nicht korrekt und so weiter.

    00:25:26.1

  55. Petra Koch:

    Okay, das heißt, man hat immer viele Bausteine, wo es irgendwo dran liegen kann. Man muss dann erstmal das Richtige finden, woran es hakt, ne?

    00:25:32.7

  56. Christophe Hocquet:

    Ja, ganz genau. Und deshalb mit kleinen Projekten anfangen, das wäre mein Tipp an die Zuhörer.

    00:25:41.2

  57. Petra Koch:

    Und wenn Sie jetzt so sehen für Brille24, was waren so die großen Chancen und Vorteile, die Sie dadurch jetzt nutzen können?

    00:25:49.2

  58. Christophe Hocquet:

    Gut, also die große Chance, wir haben ja versucht im Prinzip für uns unsere Customer Journey zu optimieren. Das heißt, ja, der Kunde, bei uns ist es schwierig eine Brille online zu bestellen. Deshalb ist der Markt noch sehr klein.

    Es sind so 4, 5 Prozent der Bevölkerung hier in Deutschland, die eine Brille online bestellt. Warum? Weil es so viele Hürden gibt. Wir brauchen ihre Korrektionswerte, Sie brauchen ihre Größe, sie wollen die Brille anprobieren und so weiter. Und die ganze Kundenerfahrung, man nennt das Customer Journey, die ist natürlich ein bisschen, online, die ist ein bisschen schwieriger als bei den Optikern. Und wie kann man die vereinfachen? Und wir haben gesehen, dass mit normalen herkömmlichen Tools, IT-Tools, man ist nicht weitergekommen.

    Und deshalb haben wir gesehen, die Antwort liegt die in einer KI-Anwendung. Wenn die KI das, also zum Beispiel die richtige Brille zu empfehlen, Sie loggen sich bei uns ein und schauen sich in einem virtuellen Spiegel und im Hintergrund laufen Algorithmen, die Ihnen eine Empfehlung machen je nach Modetrend oder je nach Verhalten auf der Seite, wissen, ob Sie markenaffin sind oder nicht und können eine Empfehlung bekommen. Und das macht für den Kunden das Leben viel einfacher, weil wir haben hier online sehr viel, eine große Auswahl, das ist ein Vorteil.

    Klar, können Sie bei uns fast alles finden, aber wenn Sie insbesondere mit Ihrem Smartphone anfangen, hier durch alle Referenzen zu gehen, das wird langsam mühsam, das dauert zu lange. Und deshalb ist die Empfehlung etwas, was Sie sehr wertvoll finden als Kunde. Und diese Empfehlung macht man entweder mit Algorithmen, KI-Algorithmen. Klar, kann man das auch mit einem Menschen machen, aber wie viele Leute brauchen Sie, um …

    00:27:41.5

  59. Petra Koch:

    Das ist eine Menge. Ja.

    00:27:43.2

  60. Christophe Hocquet:

    Genau. Und deshalb ist der KI-Tech-Einsatz ganz, ganz richtig.

    00:27:47.2

  61. Petra Koch:

    Brille24 ist ja als Digitalunternehmen auch gestartet. Wenn wir jetzt mal traditionelle Unternehmen nehmen, die haben ja vielleicht ähnliche Fragestellungen, die wollen auch ihre Customer Journey verbessern. Was sehen Sie denn da für Besonderheiten, wenn man jetzt in so einem klassischen traditionellen Unternehmen ist, was eigentlich auch nicht unbedingt direkt aus der Online-Welt kommt? Können Sie da irgendwie was hervorheben, worauf die achten könnten?

    00:28:11.6

  62. Christophe Hocquet:

    Ja, also es ist eine sehr gute Frage. Also erstmal, es müssen die Leute auch in E-Commerce, also im Digitalbereich, also Firmen wie Brille24 müssen erstmal erkennen, wir sind zwar, wir werden zwar angesehen als die Disruptor sozusagen, wir erschaffen die Disruption, aber wir werden und wir sind gerade von KI disruptet auch. Also das heißt, der Disruptor wie Brille24 muss lernen sich selber zu disrupten. Das ist der erste Schritt.

    Das bedeutet für traditionelle Firmen, es ist nicht zu spät. Das ist auch für uns eine Herausforderung. Also wir haben zwar einen kleinen Vorteil, weil wir die Daten schon besitzen oder zumindest bekommen, und bei traditionell Firmen, die keinen Online-Versand haben oder keinen Online-Anwendung, haben sie vielleicht nicht so viele Daten. Aber die haben auch Daten. Man muss auch hier lernen in einer Firma: Wo sind die Daten? Wie komme ich da ran?

    00:29:07.5

  63. Petra Koch:

    Viele Maschinenhersteller haben ja auch Sensordaten und so weiter. Da sind ja auch teilweise gerade in dem Operations-Bereich für die Instandhaltung und Wartung schon ganz, ganz viele Daten da, die eigentlich teilweise nur noch gar nicht für irgendwas verwendet werden.

    00:29:20.5

  64. Christophe Hocquet:

    Ja, das ist ein sehr interessantes Beispiel, was Sie da gerade erwähnen. Weil das war der Fall bei Kuka, diese Roboterfirma, die wurden von den, wir haben da viele Schlagzeilen gehabt über die Firma, die gekauft worden ist von einem chinesischen Investor. Kuka.

    00:29:34.6

  65. Petra Koch:

    Mhm (bejahend).

    00:29:35.1

  66. Christophe Hocquet:

    Da ist eine kleine KI-Start-up auf die Idee gekommen, diese Sensoren zu installieren bei Kuka. Also die hatten das selber nicht und ihre Dienste angeboten, hat angefangen ihre Daten zu sammeln und daraus zu lernen. Und am Ende hat Kuka dieses kleine Start-up gekauft. Ich weiß nicht mehr den Namen, aber der Fall ist relativ bekannt.

    00:29:57.1

  67. Petra Koch:

    Genau. Das war die Robotik-Firma. Spannende Sache.

    00:30:00.5

  68. Christophe Hocquet:

    Ja, aber das ist auch ein Beispiel, haben Sie recht, wo man sagt, das ist eine Firma, man könnte denken, Maschinenbauer sehr traditionell, aber nein, jede Firma hat Daten oder könnte zu Daten kommen, Produzierdaten. Erstmal, weil wir alle Daten produzieren die ganze Zeit jetzt mit Smartphone und Computer und so weiter.

    Genau. Also das wäre der erste Schritt für ein traditionelles Unternehmen. Wo finde ich meine Daten? Was kann ich aus meinen Daten machen? Und am Ende die Anwendung. Aber das ist auch, die Anwendung, sorry, das ist Strategie, das muss von der Geschäftsführung kommen. Das habe ich auch bei Brille24 auch gemacht.

    Der KI-Impuls, der kann von vielen unterschiedlichen Abteilungen kommen, also der Wunsch, aber am Ende, der Geschäftsführer, der Chef, der muss sich da hinstellen und sagen: Ja, das wollen wir tun und ich setze einen Teil der Ressourcen auf dieses Thema. Das ist sehr wichtig. Es ist zwar am Anfang ein Investment, das ist ein bisschen ein Sprung in Ungewissheit, in noch keine Ergebnisse garantiert.

    Aber ich würde sagen, nach drei, vier Jahren, wir uns hier mit KI beschäftigen, wir bedauern das überhaupt nicht und wir sind froh, dass wir den Schritt gemacht haben. Ja, wir haben am Anfang den Schritt gemacht ein bisschen, es waren sehr viel Risiken da. Wir hatten keine konkreten Vorstellungen, wie das Ergebnis sein könnte, aber wir haben das gemacht.

    Und ja, aber Management, das ist auch Mut, also Mut gehört zum Management. Man muss den Markt lesen, man sieht hier, wir sind nur am Anfang von der Digitalisierungswelle. Also die Digitalisierung der Gesellschaft, die Digitalisierung des Handels hat nur gerade angefangen. Also die Leute dürfen nicht denken, insbesondere die CIOs dürfen nicht denken, weil sie ein Smartphone haben oder einen Laptop, jetzt sind wir angekommen.

    Nein, wir sind bei 30 Prozent vielleicht von der Digitalisierung. Der Rest kommt noch und der wird von KI gestaltet. Also Deep Learning, NLP zum Beispiel, Natural Language Processing, das sind die Algorithmen, die die Sprache erkennen, also Siri, Alexa und so nutzen NLP. Oder Texte lesen. Es gibt noch viele andere Bereiche jetzt in KI, die sich entwickeln.

    Es gibt so einen Bereich, sehr gefragt im Moment, Reinforcement Learning, das ist ja, ob Algorithmen sich gegenseitig erziehen können. Das ist das Thema AlphaGo, genau, AlphaGo ist Reinforcement Learning. Und jetzt kommt, super spannend, also für Sie Breaking News, das ist frisch aus wirklich Berkeley, Kalifornien. Ich war da vor ein paar Wochen in Kalifornien, total interessant, der Professor Abel, also wieder so ein Europäer, der wurde aus USA abgeworben, ja, KI-Spezialist, und er setzt auf Imitation Learning. Total interessant. Schreibt jetzt gerade Algorithmen, wo er sagt, naja, wie lernen die Kinder von ihren Eltern? Die imitieren ihre Eltern.

    00:33:06.3

  69. Petra Koch:

    Ja, die machen alles nach. Genau.

    00:33:08.3

  70. Christophe Hocquet:

    Genau. Warum versucht man nicht, hier Maschinen so zu erziehen? Imitation Learning, dass die Maschine lernt von uns. Die machen nach, was wir tun. Und jetzt haben sie ein Riesenlabor, aber das ist Kalifornien, Silicon Valley. Da kriegt man sofort, wenn man so eine Idee hat, ein bisschen disruptiv, kriegt man sofort Unterstützung. Und ja, wir müssen lernen in Europa.

    Wirklich, das ist auch meine Botschaft, also wir müssen lernen viel mehr den jungen Leuten und diese disruptive Idee zu unterstützen und da zu investieren. Aber gut. Der Professor kriegt jetzt ein Labor und was Sie sehen, also ich habe die ersten Bilder gesehen, da sind die Roboter, die machen nach, was die Menschen tun, lernen von Menschen. Vielleicht ist das der richtige Weg? Vielleicht am Ende werden wir so die Maschinen erziehen mit Imitation Learning. Wer weiß?

    00:33:55.3

  71. Petra Koch:

    Ja, sehr gut. Welchen tipp haben Sie denn jetzt zum Schluss für CIOs und IT-Manager?

    00:34:00.1

  72. Christophe Hocquet:

    Ja, der Tipp ist ganz einfach, keine Angst haben. Ich glaube am Ende, man findet immer wieder Ausrede, kann man mit kleiner Firma arbeiten? Sind das nicht zu viele Risiken? Kann man Student vertrauen? Aber am Ende sind es für mich mehr Ausreden von Leuten, die sagen, okay, ich beherrsche dieses System aber nicht, ich habe Angst da, dass Leute sich damit vielleicht profilieren können oder dass ich nicht mitfolgen kann. Und die bremsen, diese Leute. Und ich sage, das ist schade, weil wir sind jetzt hier, die Welt hat sich komplett verändert.

    Das ist normal, dass man nicht alles weiß heutzutage. Es gibt keine CEOs und keine CIOs, die alles wissen, das ist nicht mehr möglich. Die Entwicklung geht so schnell voran. Ich meine, das Thema zum Beispiel, was ich gerade erwähnt habe, Imitation Learning, ich bin nicht sicher, dass viele Zuhörer das bis jetzt kennen. Einige schon, aber nicht alle.

    Weil das entsteht gerade und das ist so, die Innovationskraft ist jetzt mit Internet so frei jetzt, es beschleunigt sich. Also deshalb mein Tipp wirklich, keine Angst. Und als letzte Botschaft auch drauf achten, also den Markt ein bisschen mehr vorauslesen. Ich glaube, wir bewegen uns von Tech zu Deep Tech. Also das heißt, bis jetzt hatten wir alles auf CPU gesetzt. Wir haben alles auf Laptops, Smartphone und IT, also regelbasierte Software, und jetzt bewegen wir uns genau jetzt in den nächsten drei, vier Jahren Richtung Deep Tech.

    Deep Tech, das bedeutet Quantum Computing. Das bedeutet, KI, es ist nicht mehr CPU, sind Quantencomputer, die rechnen und viel schneller als in Machine Learning, Deep Learning Algorithmen. Es ist Nanotechnologie. Wenn man denkt, was die Kraft von einem Quantencomputer ist, es ist gewaltig.

    Und wenn man denkt, dass man KI-Anwendungen auf Quantencomputer haben kann, an dem Tag, wo das läuft, das wird die Welt komplett verändern, komplett. Ja, das war meine letzte Botschaft. Und ich würde empfehlen, dass man das nicht verpasst. Also alle CEOs drauf achten und sich schlaumachen, weil in den nächsten fünf bis zehn Jahren, das wird sich verbreiten viel schneller als man denkt.

    00:36:13.4

  73. Petra Koch:

    Ja, das glaube ich auch. Dankeschön Herr Hocquet, das hat echt Spaß gemacht das Interview. Vielen, vielen Dank für die ganzen Einblicke.

    00:36:19.7

  74. Christophe Hocquet:

    Ja, danke, Frau Koch. Danke.

    00:36:22.3

Ihr Feedback

Wir freuen uns über eine Bewertung des CIO Podcasts bei Apple Podcasts und den anderen Portalen!
Fünf Sterne stehen für „gefällt mir sehr gut“. Herzlichen Dank!

Wie gefällt Ihnen diese Folge des CIO Podcasts? Senden Sie Ihr Feedback, Anregungen und Wünsche einfach über das Kontaktformular direkt an die Redaktion des CIO Podcasts (nicht öffentlich):

[contact-form-7 id=“189″ title=“CIO Podcast“]

Weitere Podcast Folgen finden Sie hier.

Nach oben scrollen