WEBVTT

00:00:00.370 --> 00:00:07.110
Bereit für 10 Tage voller Microsoft 365, Co-Pilot, KI-Azure und den Menschen, die die Zukunft der Arbeit gestalten.

00:00:07.730 --> 00:00:11.810
Diesen Januar ist die M365-Con zurück und wir legen noch einen drauf.

00:00:12.990 --> 00:00:17.910
Seien Sie bei Live-Sessions, Praxis-Demos und Expertenwissen von MBPs und Branchenprofis weltweit dabei.

00:00:18.770 --> 00:00:21.110
Keine generischen Folien. Kein endloses Buzzword-Bingo.

00:00:22.010 --> 00:00:23.370
Wir gehen echte Herausforderungen an.

00:00:23.790 --> 00:00:28.110
Co-Pilot-Studio, KI-Agenten, Fabrics, Sicherheit, Governance und Automatisierung.

00:00:28.110 --> 00:00:34.310
Egal ob IT-Profi, Entwickler oder Führungskraft, wir haben Sessions für jeden.

00:00:35.530 --> 00:00:39.930
An 10 vollen Tagen können Sie Technologien entdecken und sich mit der globalen Community vernetzen.

00:00:40.930 --> 00:00:44.310
Verfolgen Sie es live und bringen Sie praktische Erkenntnisse direkt in Ihr Unternehmen ein.

00:00:45.170 --> 00:00:50.550
Januar 2027, 10 Tage, eine Microsoft-Community. Die Registrierung ist jetzt geöffnet.

00:00:52.390 --> 00:00:54.710
Sichern Sie sich heute Ihren Platz.

00:00:54.710 --> 00:00:58.690
Das ist M365-Con.net.

00:01:00.190 --> 00:01:04.590
Melden Sie sich jetzt unter M365.net an. Wir sehen uns im Januar live.

00:01:05.130 --> 00:01:09.270
Wenn Microsoft Co-Pilot ein Power BI-Dashboard schneller erstellen kann als ein erfahrener Entwickler,

00:01:09.810 --> 00:01:11.170
was bedeutet das für die Zukunft Ihres Jobs?

00:01:11.770 --> 00:01:16.750
In diesem Video stellen wir genau diese Frage auf den Prüfstand in einem direkten Duell zwischen KI und menschlichem Fachwissen.

00:01:16.750 --> 00:01:20.190
Die eine Seite setzt auf jahrelange Erfahrung, die andere auf maschinelle Automatisierung.

00:01:21.050 --> 00:01:24.510
Die eine Frage, welche Seite liefert einen Wert, den man im geschäftlichen Alltag wirklich nutzen kann?

00:01:25.790 --> 00:01:27.850
Die große Angst, sind Entwickler ersetzbar?

00:01:28.390 --> 00:01:30.210
Die große Frage, die im Raum steht, ist simpel.

00:01:30.210 --> 00:01:37.250
Wenn Co-Pilot komplette Dashboards per Knopfdruck erstellt, was bleibt dann für die Menschen, die jahrelang trainiert wurden, dieselbe Arbeit manuell zu erledigen?

00:01:37.950 --> 00:01:40.430
Das ist keine Frage, die man einfach so beiseite wischen kann.

00:01:41.370 --> 00:01:49.030
Für Entwickler, die ihre Karriere auf Power BI-Dax und Datenmodellierung aufgebaut haben, ist das Tempo, mit dem Microsoft Co-Pilot vorantreibt, nicht nur aufregend, sondern beunruhigend, nicht nur ruhigend.

00:01:49.530 --> 00:01:50.990
Und diese Unbehagen kommt aus einer Serienquelle.

00:01:50.990 --> 00:01:55.590
Tools innerhalb von Microsoft 365 integrieren KI in atemberaubendem Tempo.

00:01:55.930 --> 00:02:00.070
Und jede neue Version verlagert mehr Arbeit von manueller Kontrolle hin zur Automatisierung.

00:02:01.230 --> 00:02:05.810
Funktionen, die früher Fachwissen oder Training erforderten, basieren heute auf Vorschlägen, die direkt von einer Maschine generiert werden.

00:02:06.690 --> 00:02:11.350
Wenn Ihr Lebensunterhalt von diesen Fähigkeiten abhängt, fragen Sie sich natürlich, ob man Ihnen den Boden unter den Füßen wegzieht.

00:02:11.850 --> 00:02:16.750
Es hilft auch nicht, dass wir alle Schlagzeilen kennen, in denen KI-Systeme Menschen in Bereichen übertreffen, die wir für unantastbar hielten.

00:02:16.750 --> 00:02:25.630
Maschinen, die Code schreiben, Sprachmodelle, die bei Berufsprüfungen gewinnen, KI, die in Sekunden realistische Entwürfe erstellt, für die man früher stundenlang kreativ arbeiten musste.

00:02:26.510 --> 00:02:28.090
Diese Geschichten formen eine mächtige Erzählung.

00:02:28.530 --> 00:02:29.950
Menschen straucheln, KI skaliert.

00:02:30.490 --> 00:02:32.850
Die Frage, die sich immer wieder einschleicht, ist, ob wir die nächsten auf der Liste sind.

00:02:33.190 --> 00:02:37.170
Da Co-Pilot direkt in das Microsoft-Ökosystem integriert ist, müssen sich Arbeitnehmer nicht einmal bewusst für den Wettbewerb bitten.

00:02:37.510 --> 00:02:39.910
Es ist direkt in die Tools eingebettet, die sie bereits für ihre Arbeit nutzen.

00:02:40.370 --> 00:02:40.990
So wächst die Spannung.

00:02:40.990 --> 00:02:47.270
Wenn die Software bereits auf ihrem Dashboard ist und sofort Ergebnisse liefert, wie lange dauert es, bis sie als gut genug gilt, um sie komplett zu ersetzen?

00:02:47.590 --> 00:02:47.990
Ersetzen.

00:02:48.890 --> 00:02:51.430
Doch Power BI ist weit mehr als nur ein Spielplatz für Drag-and-Drop-Diagramme.

00:02:52.270 --> 00:02:59.450
Unter der Oberfläche geht es darum, unübersichtliche Geschäftsdaten zu strukturieren, Definitionskonflikte zu lösen und sicherzustellen, dass die Zahlen reale Prozesse widerspiegeln.

00:03:00.350 --> 00:03:06.450
Jeder, der schon einmal ein Modell mit mehreren Fakten-Tabellen debuggen musste, weiß, dass zwischen visueller Attraktivität und analytischer Zuverlässigkeit Welten liegen.

00:03:06.950 --> 00:03:10.230
Dieser Kontext, dieses Urteilsvermögen, das ist nichts, was ein Algorithmus automatisch beherrscht.

00:03:10.230 --> 00:03:14.250
Man kann es ein wenig mit der Einführung von Taschenrechnern in Mathematikklassen vor Jahrzehnten vergleichen.

00:03:14.750 --> 00:03:16.430
Haben sie das Bedürfnis nach Mathematikern ausgelöscht?

00:03:16.990 --> 00:03:18.510
Was sie taten, war, die Voraussetzungen zu verändern.

00:03:19.010 --> 00:03:23.290
Plötzlich hatte grundlegende Arithmetik weniger berufliches Gewicht, weil Maschinen dies besser erledigten.

00:03:24.170 --> 00:03:26.950
Doch logisches Denken auf höherer Ebene und angewandte Logik gewann Bedeutung.

00:03:27.490 --> 00:03:29.530
Das ist dieselbe Neukalibrierung, die Entwickler hier vermuten.

00:03:31.090 --> 00:03:35.590
Die Forschung zeigt oft, dass KI dann aufblüht, wenn Regeln explizit und Aufgaben repetitiv sind.

00:03:36.250 --> 00:03:39.390
Geben sie eine Formel zur Optimierung und sie wird sie ermüdungsfrei bearbeiten.

00:03:39.730 --> 00:03:40.650
Aber Nuancen.

00:03:41.050 --> 00:03:46.450
Der Graubereich, in dem die richtige Antwort von der Unternehmenskultur oder lokalen Strategie abhängt, sind keine Stärken von Maschinen.

00:03:47.130 --> 00:03:49.690
Nehmen wir etwas so Praktisches wie Co-Pilot, der eine neue Kennzahl vorschlägt.

00:03:50.090 --> 00:03:52.890
Das Modell liefert vielleicht eine Summe oder einen Durchschnitt, der technisch korrekt aussieht,

00:03:53.170 --> 00:03:57.810
aber ein erfahrener Entwickler weiß, dass er einen Filterkontext oder einen Filterkontext oder eine Anpassung für die geschäftliche Bedeutung benötigt.

00:03:57.970 --> 00:03:59.790
Ein Kollege teilte einmal genau diesen Moment.

00:04:00.670 --> 00:04:05.430
Co-Pilot generierte DAX in weniger als drei Sekunden, aber er musste die Kennzahl dennoch prüfen und anpassen,

00:04:05.430 --> 00:04:09.470
weil die Maschine nicht verstehen konnte, was gültige Verkäufe in der Geschäftslogik tatsächlich bedeuteten.

00:04:10.970 --> 00:04:13.550
Die KI war effizient, aber Effizienz erforderte Aufsicht.

00:04:14.250 --> 00:04:15.390
Was bedeutet das also in der Praxis?

00:04:16.090 --> 00:04:20.310
Es bedeutet, dass wir abstrakte Annahmen über KI als Jobkiller nicht einfach für bare Münze nehmen dürfen.

00:04:21.170 --> 00:04:24.450
Wir müssen sehen, wie sie sich schlägt, wenn eine Aufgabe so viel Geschwindigkeit als auch Verständnis erfordert.

00:04:24.450 --> 00:04:31.130
Wir wollen wissen, ob Co-Pilot bei komplizierten Tabellen versagt oder ob er dem Chaos realer Anforderungen standhalten kann.

00:04:32.390 --> 00:04:33.750
Und genau hier ist dieses Experiment wichtig.

00:04:34.290 --> 00:04:37.030
Statt nur um die Angst herumzureden, setzen wir sie direkt ein.

00:04:37.930 --> 00:04:40.810
KI auf der einen Seite, menschliches Können auf der anderen, gleiche Herausforderung, gleicher Input.

00:04:41.690 --> 00:04:44.150
Wird Co-Pilot beweisen, dass manuelle Modellierung veraltet ist,

00:04:44.230 --> 00:04:47.090
oder wird der Entwickler zeigen, dass menschliche Interpretationen unverzichtbar bleiben?

00:04:47.590 --> 00:04:50.010
Dieses Video ist unser Weg, Spekulationen durch Beweise zu ersetzen.

00:04:50.010 --> 00:04:53.650
Sie werden sehen, wie Co-Pilot unter denselben Bedingungen wie ein Profi getestet wird

00:04:53.650 --> 00:04:56.610
und die Ergebnisse werden entweder Befürchtungen bestätigen oder zerstreuen.

00:04:57.190 --> 00:05:00.750
Vielleicht ist die Angst vor einem Ersatz übertrieben oder die Sorge ist in einer Weise berechtigt,

00:05:00.810 --> 00:05:01.850
die wir noch nicht zugeben wollten.

00:05:02.570 --> 00:05:04.110
So oder so, dieser Wettbewerb wird für Klarheit sorgen.

00:05:04.950 --> 00:05:07.630
Und wo wir gerade bei Klarheit sind, sehen wir uns den Aufbau der Herausforderung an.

00:05:07.790 --> 00:05:08.510
Mensch gegen Co-Pilot.

00:05:09.330 --> 00:05:12.950
Könnte ein Klick wirklich jahrelange strukturierte Praxis beim Aufbau von Datenmodellen schreiben,

00:05:13.030 --> 00:05:16.370
von DAX und Gestalten von Visuals ersetzen, die die richtigen Punkte für Entscheider hervorheben?

00:05:16.910 --> 00:05:18.150
Genau das werden wir jetzt auf die Probe stellen.

00:05:18.150 --> 00:05:19.530
Der Aufbau ist unkompliziert.

00:05:19.970 --> 00:05:21.950
Zwei Teilnehmer, eine Herausforderung, derselbe Datensatz.

00:05:22.670 --> 00:05:25.470
Auf der einen Seite ein Entwickler, der Power BI in- und auswendig kennt

00:05:25.470 --> 00:05:29.710
und unzählige fehlerhafte Beziehungen und falsch ausgerichtete Kennzahlen in produktiven Systemen behoben hat.

00:05:30.250 --> 00:05:31.330
Auf der anderen Seite Co-Pilot.

00:05:32.290 --> 00:05:36.710
Anstatt Formeln zu tippen oder Felder zu verschieben, hört er auf Prompts und erstellt automatisch Code und Diagramme.

00:05:37.570 --> 00:05:40.250
Ist es Geschwindigkeit gegen Urteilsvermögen, Automatisierung gegen Handwerkskonten?

00:05:40.890 --> 00:05:43.330
Und die entscheidende Frage, welche Methode funktioniert tatsächlich besser,

00:05:43.430 --> 00:05:45.230
sobald man etwas benötigt, auf das sich ein Unternehmen verlassen kann?

00:05:45.230 --> 00:05:48.430
Damit dies mehr als nur Theorie bleibt, haben wir eine Aufgabe gewählt,

00:05:48.570 --> 00:05:51.470
die genau das widerspiegelt, womit die meisten Profis täglich konfrontiert sind.

00:05:52.090 --> 00:05:54.610
Sie ist nicht so trivial, dass Demodaten sie in Sekunden lösen könnten,

00:05:54.710 --> 00:05:56.910
aber auch nicht so individuell, dass keine Maschine sie versuchen könnte.

00:05:56.910 --> 00:06:02.210
Beide Seiten erhalten einen Verkaufsdatensatz mit mehreren Tabellen, Bestellungen, Kunden, Produktdetails und Zeiträumen.

00:06:02.970 --> 00:06:04.250
Die Aufgabe ist einfach formuliert.

00:06:04.490 --> 00:06:08.050
Datenquelle verbinden, Beziehungen aufbauen, Kennzahlen für Umsatz und Gewinn erstellen

00:06:08.050 --> 00:06:09.810
und diese in einer Dashboard-Ansicht darstellen.

00:06:10.510 --> 00:06:12.270
Aber jeder, der mit Power BI gearbeitet hat, weiß,

00:06:12.350 --> 00:06:14.590
dass sich hinter dieser Formulierung eine Vielzahl von Herausforderungen verbindet.

00:06:14.810 --> 00:06:16.370
Beziehungen lassen sich nicht immer sauber zuordnen.

00:06:17.130 --> 00:06:19.110
Gewinnberechnungen können komplizierter sein, als sie scheinen

00:06:19.110 --> 00:06:22.630
und Visuals sehen im Standardlayout vielleicht gut aus, bedeuten aber ohne Kontext nur sehr wenig.

00:06:22.630 --> 00:06:25.870
Der Entwickler wird das Projekt wie bei Kundenprojekten angehen.

00:06:26.550 --> 00:06:28.710
Schritt 1. Die Quelltabellen auf Integrität prüfen.

00:06:29.450 --> 00:06:32.390
Schritt 2. Beziehungen gezielt definieren, anstatt Standards anzunehmen.

00:06:33.230 --> 00:06:37.290
Schritt 3. Kennzahlen entwerfen, die den Geschäftsanforderungen entsprechen, statt nur hohe Arithmetik.

00:06:37.910 --> 00:06:39.030
Das ist beständige methodische Arbeit.

00:06:39.550 --> 00:06:41.590
Der Ansatz vom Co-Pilot wirkt im Vergleich fast fremdartig.

00:06:42.010 --> 00:06:45.750
Sie schreiben einem Prompt, wie zeige Umsätze nach Kundenregion oder stelle eine Kennzahl für den Nettogewinn

00:06:45.750 --> 00:06:47.910
und wenige Sekunden später gedreht er die Ausgabe.

00:06:48.770 --> 00:06:51.450
Theoretisch kann einem Prompt mehrere Minuten manueller Arbeit umgehen,

00:06:51.450 --> 00:06:53.510
aber Geschwindigkeit allein macht es noch nicht korrekt.

00:06:54.230 --> 00:06:56.770
Wenn Co-Pilot eine Beziehung reinbasierend auf Spaltennamen aufbaute,

00:06:56.870 --> 00:06:59.150
fasst er möglicherweise nicht die tatsächliche Geschäftslogik.

00:06:59.790 --> 00:07:02.490
Ein Fehler bei der Fremdschlüsselzuordnung, den ein Mensch schnell bemerken würde,

00:07:02.590 --> 00:07:04.630
könnte unbemerkt in den Vorschlag von Co-Pilot gelangen.

00:07:05.190 --> 00:07:06.310
Hier kommt es auf das Wesentliche an.

00:07:06.730 --> 00:07:08.850
Es geht nicht nur darum, wer schneller ist, sondern wer Recht hat.

00:07:09.410 --> 00:07:11.370
Eine Fehlkalkulation in einer Übung ist harmlos.

00:07:11.950 --> 00:07:15.830
Eine Fehlkalkulation in einem Quartalsbericht kann Entscheidungen mit echten Kosten beeinflussen.

00:07:16.570 --> 00:07:20.030
Und doch ist der Reiz, einen Knopf zu drücken und sofort Ergebnisse zu erhalten, nicht von der Hand zu weisen.

00:07:20.030 --> 00:07:22.970
Es ist, als würden zwei Athleten im gleichen Wettbewerb antreten.

00:07:23.410 --> 00:07:25.310
Aber einer von ihnen wird von einer Maschine vorangetrieben.

00:07:26.170 --> 00:07:28.170
Im Sport verändert Technologie oft den Wettbewerb.

00:07:28.270 --> 00:07:30.710
Laufschuhe, Schwimmbekleidung, sogar Leistungsanalysen.

00:07:31.250 --> 00:07:32.390
Die Parallele hier ist dieselbe.

00:07:32.910 --> 00:07:35.730
Co-Pilot ist die entwickelte Technologie, die den Prozess selbst verändert.

00:07:36.470 --> 00:07:39.310
Während sich der Entwickler auf seine eigene geschulte Disziplin verlässt,

00:07:39.450 --> 00:07:43.010
liegt die Faszination darin zu sehen, ob technische Stärke wirklich Fachwissen schlägt.

00:07:43.670 --> 00:07:46.110
Was diesen Vergleich besonders interessant macht, ist das Anfangstempo.

00:07:47.050 --> 00:07:48.170
Co-Pilot startet schnell aus dem Blick.

00:07:48.170 --> 00:07:52.370
Wenige Sekunden nach Auswahl eines Datensatzes generiert es erste Visualisierung,

00:07:52.650 --> 00:07:55.770
erstellt berechnete Felder und füllt eine leere Vorlage mit Farbe.

00:07:56.790 --> 00:07:59.390
Auf den ersten Blick wirkt es wie ein Vorsprung, der ein Mensch niemals auffallen könnte.

00:08:00.130 --> 00:08:01.210
Aber Geschwindigkeit kann täuschen.

00:08:01.610 --> 00:08:04.870
Diese frühen Diagramme sehen vielleicht schick aus, sind aber möglicherweise von echten KPIs entkoppelt.

00:08:05.330 --> 00:08:09.950
Vielleicht wurde die Umsatzkennzahl falsch abgerufen oder Filter stimmen nicht mit den Berichtsanforderungen überein.

00:08:09.950 --> 00:08:12.070
Der frühe Glanz kann tiefe Menge verdecken.

00:08:12.710 --> 00:08:15.790
Für den Entwickler fühlt sich der Start langsamer an, da er währenddessen validiert.

00:08:16.590 --> 00:08:19.970
Er zeigt kein sofortiges Feuerwerk überlegt, ein Fundament, das eine genauen Prüfung standhält.

00:08:20.790 --> 00:08:23.030
Was genau werden wir also messen, um den Sieger zu kühlen?

00:08:23.870 --> 00:08:24.330
Drei Dinge.

00:08:24.670 --> 00:08:27.890
Geschwindigkeit, da schneller fertig zu sein bei nahenden Fristen einen klaren Wert hat.

00:08:27.890 --> 00:08:31.010
Genauigkeit, da falsche Zahlen nicht nur nutzlos, sondern gefährlich sind.

00:08:31.490 --> 00:08:35.790
Und Qualität, also wie brauchbar und verständlich das endgültige Dashboard für einen Manager oder Entscheidungsträger ist.

00:08:36.570 --> 00:08:40.130
Diese drei Punkte bieten ein faires Gleichgewicht zwischen roher Kraft und durchdachtem Design.

00:08:40.930 --> 00:08:44.870
Genau wie bei einem Sportwettkampf, wo schnelle Spielzüge Punkte bringen, aber Beständigkeit in Meistermacht.

00:08:45.630 --> 00:08:47.990
Sowohl auffällige Momente als auch stetige Ausführung zählen hier.

00:08:48.550 --> 00:08:49.890
Und genau das ist die Bühne, die wir aufgebaut haben.

00:08:50.250 --> 00:08:53.590
Zwei Spiele, ein gemeinsamer Datensatz, eine Mischung aus Mechanik, Logik und Präsentation.

00:08:54.250 --> 00:08:57.230
Nachdem der Rahmen geklärt ist, ist es Zeit, nicht mehr zu spekulieren, sondern zuzusehen.

00:08:57.690 --> 00:08:59.890
Sehen wir uns an, wie Co-Pilot die erste große Hürde nimmt.

00:08:59.950 --> 00:09:04.630
Den Weg vom Datensatz zum funktionierenden Ergebnis, ohne dabei zu stolpern, ohne dabei zu stolpern.

00:09:05.110 --> 00:09:07.090
Geschwindigkeit gegen Genauigkeit, die ersten Ergebnisse treffen ein.

00:09:07.670 --> 00:09:10.770
Schnell bedeutet nicht immer richtig, die ersten Ergebnisse hier machen das deutlich.

00:09:11.530 --> 00:09:12.570
Co-Pilot legt sofort los.

00:09:13.490 --> 00:09:19.150
Sekunden nach Erhalt des Datensatzes hat es bereits Balkendiagramme, Liniengrafiken und eine Handvoll DAX-Kennzahlen ausgespuckt,

00:09:19.310 --> 00:09:21.070
die auf den ersten Blick überraschend poliert aussehen.

00:09:22.010 --> 00:09:25.990
Für jemanden, der live zuschaut, entsteht zunächst der Eindruck, dass in Sekunden etwas erschaffen wird,

00:09:25.990 --> 00:09:28.810
wofür ein menschlicher Entwickler normalerweise viel Zeit benötigt.

00:09:29.710 --> 00:09:31.650
Diese Geschwindigkeit ist zweifellos beeindruckend.

00:09:32.270 --> 00:09:35.570
Doch die Herausforderung, die wir testen, besteht nicht nur da, wenn etwas schnell auf dem Bildschirm erscheint.

00:09:36.450 --> 00:09:40.270
Der wahre Test ist, ob man den Ergebnissen unter geschäftlichem Druck tatsächlich vertrauen kann.

00:09:41.090 --> 00:09:43.070
Im Vergleich dazu wirkt der menschliche Entwickler fast langsam.

00:09:43.870 --> 00:09:48.050
Er nimmt sich die Zeit, die Tabellen zu prüfen, Beziehungen nachzuvollziehen und Datentypen zu kontrollieren,

00:09:48.130 --> 00:09:49.810
bevor er überhaupt eine Visualisierung erstellt.

00:09:49.810 --> 00:09:54.850
Zunächst wirkt dies ineffizient, besonders im Vergleich zur sofortigen Produktivität von Co-Pilot.

00:09:55.690 --> 00:09:58.110
Aber eines ist wichtig, dieses langsamere Tempo ist Absicht.

00:09:58.930 --> 00:10:03.550
Jeder Schritt dient dazu, sicherzustellen, dass die Zahlen bei komplexen Abfragen oder Filtern später nicht falsch berechnet werden.

00:10:05.170 --> 00:10:09.390
Es mag nicht spektakulär aussehen, aber diese Basis sorgt für ein solides Fundament,

00:10:09.590 --> 00:10:12.570
anstatt einer Struktur, die beim ersten Test von Annahmen zusammenbricht.

00:10:12.570 --> 00:10:15.090
Und hier beginnt die Spannung zu steigen.

00:10:15.610 --> 00:10:17.210
Co-Pilot kommt mit den grundlangen Problemen zurecht.

00:10:17.710 --> 00:10:19.870
Die Berechnung des Gesamtumsatzes ist zum Beispiel kein Problem.

00:10:20.330 --> 00:10:24.170
Es erkennt das richtige Feld, wendet eine Summenformel an und generiert ein sauberes, funktionierendes Maß.

00:10:24.890 --> 00:10:28.010
Für Anfänger oder Manager, die nur einen groben Überblick wünschen, ist das bereits wertvoll.

00:10:28.870 --> 00:10:31.370
Doch sobald die Anforderungen über das Einfache hinausgehen, zeigen sich Risse.

00:10:31.810 --> 00:10:33.650
Nehmen wir so etwas wie die Gewinnmarge seit Jahresbeginn.

00:10:34.110 --> 00:10:36.510
Co-Pilot erstellt ein Maß, das in der Formel korrekt aussieht,

00:10:36.510 --> 00:10:39.970
aber bei der Anwendung spiegeln die Summen die beabsichtigte Geschäftslogik nicht wieder, nicht wieder.

00:10:40.450 --> 00:10:42.270
Filter wirken sich inkonsistent auf die Tabellen aus.

00:10:42.570 --> 00:10:44.570
Einige Kategorien werden überhöht dargestellt, andere zu niedrigen.

00:10:44.850 --> 00:10:47.130
Oberflächlich betrachtet sieht es wie ein funktionierendes Diagramm aus,

00:10:47.190 --> 00:10:48.690
aber genauer im Hinsehen führen die Ergebnisse in dir.

00:10:48.990 --> 00:10:50.590
Der Entwickler ist bei der gleichen Anfrage langsam.

00:10:51.030 --> 00:10:54.870
Anstatt sofort ein Maß zu erstellen, überprüft er genau, welche Spalten die Gewinnmarge definieren.

00:10:55.370 --> 00:10:57.190
Er berücksichtigt ausdrücklich Produktrabatte.

00:10:57.650 --> 00:11:00.770
Er stellt sicher, dass die Zeitintelligenzfunktionen auf die richtige Kalendertabelle verweisen.

00:11:01.170 --> 00:11:03.910
Diese zusätzliche Prüfung führt dazu, dass keine Visualisierung veröffentlicht wird,

00:11:03.910 --> 00:11:06.330
bevor sichergestellt ist, dass sie die tatsächliche Geschäftsmarge widerspiegelt.

00:11:06.790 --> 00:11:08.350
Der Prozess wirkt vorsichtig, weil es auch ist.

00:11:08.810 --> 00:11:09.350
Das ist der Unterschied.

00:11:09.350 --> 00:11:13.710
Co-Pilot zielt auf sofortige Ausgabe ab, während der Mensch die schrittweise Validierung priorisiert.

00:11:14.250 --> 00:11:17.050
Wenn sie selbst schon einmal versucht haben, einen komplexeren DAX-Ausdruck zu schreiben,

00:11:17.190 --> 00:11:18.690
sollte ihnen dieses Szenario bekannt vorkommen.

00:11:19.250 --> 00:11:22.590
Zuerst wirkt alles einfach, doch dann endet es schnell in einem Prozess von Versuch und Irrtum,

00:11:22.670 --> 00:11:25.290
sobald Filter, Beziehungen und benutzerdefinierte Logik ins Spiel kommen.

00:11:25.690 --> 00:11:28.910
Und es stellt sich heraus, dass die KI mit denselben Fallen kämpft, über die auch menschliche Lerner steuert.

00:11:29.310 --> 00:11:30.550
Grundlegende Arithmetik ist kein Problem.

00:11:31.050 --> 00:11:34.350
Sobald jedoch Filter, Kontextwechsel oder benutzerdefinierte Aggregationen erforderlich sind,

00:11:34.450 --> 00:11:35.290
wird es plötzlich wackelig.

00:11:35.290 --> 00:11:38.830
Es ist fast ein Lehrbuchfehler, Co-Pilot dabei zuzusehen, wie er falsch interpretiert,

00:11:38.910 --> 00:11:40.190
was als aktiver Kundenumsatz zählt.

00:11:40.290 --> 00:11:43.890
Ein Fehler, den man sofort erkennt, wenn man schon einmal eine falsch angewendete Berechnung debuggen musste.

00:11:44.690 --> 00:11:47.910
Dieser Unterschied ist wichtig, denn während schnelles Prototyping einen echten Mehrwert bietet,

00:11:48.010 --> 00:11:49.550
erfordern Produktionsumgebungen Zuverlässigkeit.

00:11:50.010 --> 00:11:51.550
Manager wollen nicht nur Zahlen, die schnell erscheinen,

00:11:51.610 --> 00:11:53.310
sie wollen Zahlen, die sie in einem Meeting verteidigen können,

00:11:53.390 --> 00:11:55.730
Zahlen, denen sie vertrauen, um Entscheidungen zu treffen, um Entscheidungen zu treffen,

00:11:56.030 --> 00:11:57.630
ohne die zugrunde liegende Mathematik hinterfragen zu müssen.

00:11:59.350 --> 00:12:03.870
Co-Pilots Vorsprung beim Erstellen von Entwürfen wäre fantastisch für Brainstorming oder erste Erkundungen.

00:12:03.870 --> 00:12:08.030
Doch in der Produktion wird das Risiko, dass kleine Abweichungen zu großen Berichtsfehlern anwachsen,

00:12:08.170 --> 00:12:09.110
zum begrenzenden Faktor.

00:12:09.710 --> 00:12:11.210
Der Kompromiss ist auf dem Bildschirm offensichtlich.

00:12:11.710 --> 00:12:15.690
Geschwindigkeit verschafft anfangs Anerkennung, aber Genauigkeit sichert langfristigen Wert.

00:12:16.330 --> 00:12:19.730
Jeder Zuschauer kann sehen, dass Co-Pilot diese erste Runde beim Tempo mühelos gewinnt.

00:12:20.190 --> 00:12:23.610
Es ist schwer, gegen sofortige Visualisierungen und automatisch generierte Kennzahlen zu argumentieren,

00:12:23.670 --> 00:12:25.030
die technisch gesehen ohne Aufwand funktionieren.

00:12:25.290 --> 00:12:26.930
Aber beim direkten Vergleich schleichen sich Zweifel ein.

00:12:27.270 --> 00:12:30.510
Wenn ohnehin jedes Diagramm doppelt geprüft werden muss, wie viel Zeit spart man dann wirklich?

00:12:30.510 --> 00:12:35.490
Vorerst hat Co-Pilot die erste Ziellinie schneller überquert, hinterlässt aber den Eindruck eines Athleten,

00:12:35.550 --> 00:12:38.410
der zu früh sprintet und nicht stabil genug wirkt, um das gesamte Rennen zu gewinnen.

00:12:39.310 --> 00:12:40.830
Und der eigentliche Test steht noch gar nicht an.

00:12:41.830 --> 00:12:44.710
Schnelle Visualisierungen zu erstellen ist eine Sache, aber wenn es darum geht,

00:12:44.810 --> 00:12:49.350
Tabellen zu verknüpfen, mehrere Beziehungen zu verwalten und den korrekten Filterkontext zu wahren, steigt der Druck.

00:12:49.790 --> 00:12:54.130
Da zählt die oberflächliche Geschwindigkeit weniger als die Anpassungsfähigkeit an geschäftliche Komplexität,

00:12:54.310 --> 00:12:55.750
was die nächste kritische Frage aufwirft.

00:12:55.750 --> 00:13:00.390
Sobald wir bei der relationalen Datenmodellierung ankommen, wird die Automatisierung an ihre Grenzen stoßen

00:13:00.390 --> 00:13:02.170
oder kann Co-Pilot sein Tempo beibehalten.

00:13:03.170 --> 00:13:05.050
Der Knackpunkt komplexe Datenmodellierung.

00:13:05.630 --> 00:13:06.530
Einfache Demos sind leicht.

00:13:06.990 --> 00:13:10.650
Der echte Test kommt, wenn die Daten nicht mehr sauber sind und anfangen, sich wie in der realen Welt zu verhalten.

00:13:11.370 --> 00:13:14.150
In dieser Runde der Herausforderungen verlagert sich der Fokus auf komplexe Modellierung.

00:13:14.970 --> 00:13:17.410
Anstatt mit einer ordentlichen Tabelle von Verkaufstransaktionen zu arbeiten,

00:13:17.630 --> 00:13:20.750
sehen sich sowohl Co-Pilot als auch unser Entwickler einem Datensatz mit mehreren Tabellen gegenüber.

00:13:20.750 --> 00:13:25.670
Es gibt Kundendatensätze, Produkt-Hierarchien, Verkaufsaufträge, Rabattabellen-Retouren

00:13:25.670 --> 00:13:28.050
und eine separate Kalendertabelle für Zeitintelligenz.

00:13:29.070 --> 00:13:33.230
Jeder, der schon einmal ein nicht-triviales Power BI-Modell erstellt hat, weiß, dass hier die Dinge oft scheitern.

00:13:34.270 --> 00:13:38.050
Ein schickes Diagramm bedeutet wenig, wenn das Fundament die Beziehungen und die berechneten Felder

00:13:38.050 --> 00:13:40.030
nicht der tatsächlichen Geschäftslogik standhalten.

00:13:40.910 --> 00:13:42.430
Co-Pilots-Ansatz ist hier die Automatisierung.

00:13:42.930 --> 00:13:46.330
Er betrachtet Spaltennamen, sucht nach ähnlichen Schlüsseln und schlägt Beziehungen vor,

00:13:46.470 --> 00:13:48.230
als wären sie offensichtliche Übereinstimmungen.

00:13:48.230 --> 00:13:51.990
Oberflächlich betrachtet klingt das hilfreich, aber in der Realität lassen sich Geschäftsdaten

00:13:51.990 --> 00:13:53.590
selten allein durch Spaltennamen sauber zuordnen.

00:13:54.130 --> 00:13:57.550
Zum Beispiel erkennt Co-Pilot eine Kunden-ID in zwei Tabellen und erstellt eine Verknüpfung.

00:13:58.250 --> 00:13:59.510
Technisch gesehen funktioniert es.

00:13:59.690 --> 00:14:03.650
Aber sobald das Modell mit aktiven gegenüber abgewanderten Kunden getestet wird, bläht der Join.

00:14:04.090 --> 00:14:07.370
Die Summen auf, da Statusfelder ignoriert werden, die hätten einbezogen werden müssen.

00:14:07.770 --> 00:14:09.850
Da, es liefert ein Ergebnis, aber nicht das Richtige.

00:14:10.450 --> 00:14:12.810
Das eigentliche Problem ist, dass die Ausgabe völlig in Ordnung aussieht,

00:14:12.870 --> 00:14:14.770
bis man hinterfragt, warum sich die Zahlen falsch anfühlen.

00:14:14.770 --> 00:14:18.930
Im Gegensatz dazu geht der Entwickler nicht davon aus, dass die Kunden-ID immer direkt verknüpft werden sollte.

00:14:19.930 --> 00:14:23.170
Er hält inne und prüft, wie das Unternehmen aktiver Kunde im Datensatz definiert.

00:14:23.910 --> 00:14:26.190
Dieses Bewusstsein verändert die Art und Weise, wie die Beziehung modelliert.

00:14:26.550 --> 00:14:29.270
Anstatt jeden Kunden zurück verknüpfen zu lassen, werden Filter eingefügt,

00:14:29.330 --> 00:14:31.330
sodass nur aktive Kunden in die Kennzahl einfließen.

00:14:31.970 --> 00:14:34.510
Es kostet mehr Zeit, aber die Summen entsprechen nun den Erwartungen.

00:14:35.270 --> 00:14:37.690
Dieser Unterschied verdeutlicht die Kernherausforderung, wo der Co-Pilot steht.

00:14:37.690 --> 00:14:41.650
Maschinen können Joints erraten, aber sie können die Nuancen organisatorischer Regeln,

00:14:41.670 --> 00:14:43.850
die nicht explizit im Schema stehen, nicht einfach anwenden.

00:14:44.650 --> 00:14:48.010
Ein weiteres Beispiel zeigt sich bei der Gewinnberechnung über mehrere Fakten-Tabellen hinweg.

00:14:48.890 --> 00:14:52.510
Co-Pilot erstellt automatisch eine Beziehung zwischen der Verkaufstabelle und der Rabatttabelle,

00:14:53.070 --> 00:14:56.830
wählt aber standardmäßig einen M zu N-Join, da beide Tabellen überschneidende Schlüssel enthalten.

00:14:57.190 --> 00:14:59.930
Jeder, der in Power BI mit M zu N-Beziehungen gearbeitet hat, weiß,

00:15:00.030 --> 00:15:03.290
dass dies zu aufgeblähten Aggregationen führen kann, besonders wenn Filter nicht korrekt angewendet werden.

00:15:03.730 --> 00:15:05.070
Co-Pilot gibt keinerlei Warnung aus.

00:15:05.070 --> 00:15:07.590
Das Diagramm, das es erstellt, sieht sauber aus,

00:15:07.650 --> 00:15:10.670
aber im Vergleich zur Version des Entwicklers schießen die Gewinnmargen unrealistisch in die Höhe.

00:15:11.230 --> 00:15:14.770
Aus geschäftlicher Sicht könnten diese aufgeblähten Zahlen das Management dazu verleiten, zu glauben.

00:15:15.090 --> 00:15:17.130
Die Leistung sei weitaus stärker, als sie tatsächlich ist.

00:15:17.770 --> 00:15:19.210
Der Entwickler erkennt das Problem schnell.

00:15:19.830 --> 00:15:24.010
Er strukturiert das Modell um, indem er die Rabattdaten normalisiert und in eine Brückentabelle auslagert.

00:15:24.970 --> 00:15:27.490
Dieser Schritt wandelt die Beziehung in eine 1 zu N-Beziehung um,

00:15:27.630 --> 00:15:30.950
was eine präzise Aggregation ermöglicht, die die geschäftlichen Bedingungen korrekt abbildet.

00:15:31.350 --> 00:15:33.390
Dieser Moment unterstreicht, warum Kontext alles ist.

00:15:33.670 --> 00:15:34.870
Für Co-Pilot ist ein Join einfach ein Join.

00:15:35.230 --> 00:15:38.310
Für einen BI-Entwickler ist ein Join eine Entscheidung mit direktem Einfluss darauf,

00:15:38.410 --> 00:15:40.190
wie das Management die Unternehmensleistung wahrnimmt.

00:15:40.830 --> 00:15:42.710
Dieser Unterschied ist der kritische Punkt, den wir bemerken,

00:15:42.770 --> 00:15:45.270
wenn wir von einfachen Aufgaben zur aussagekräftigen Modellierung übergehen.

00:15:45.670 --> 00:15:47.290
Es gibt auch das Thema der berechneten Felder.

00:15:48.050 --> 00:15:49.550
Co-Pilot kann DAX-Ausdrücke entwerfen,

00:15:49.890 --> 00:15:52.110
aber sobald Zeitintelligenz gefragt ist, wird es wackelig.

00:15:52.490 --> 00:15:56.510
Zum Beispiel schlägt es eine Kennzahl für den Vorjahresvergleich mit einer integrierten Funktion vor,

00:15:56.610 --> 00:15:59.150
wendet sie aber auf das Transaktionsdatum in der Auftragstabelle an,

00:15:59.230 --> 00:16:00.590
statt auf die dedizierte Kalendertabelle.

00:16:00.590 --> 00:16:03.570
Das Ergebnis zeigt Zahlen, die plausibel erscheinen,

00:16:03.690 --> 00:16:05.550
aber aufgrund fehlender Zeiträume leicht abweichen.

00:16:06.750 --> 00:16:09.590
In realen Szenarien bleiben solche subtilen Fehler oft unbemerkt,

00:16:09.650 --> 00:16:11.630
bis eine vierteljährliche Überprüfung Diskrepanzen aufdeckt.

00:16:12.430 --> 00:16:13.630
Der Entwickler weiß es natürlich besser.

00:16:14.210 --> 00:16:16.710
Er stellt sicher, dass die Berechnungen die korrekte Kalendertabelle verwenden

00:16:16.710 --> 00:16:18.350
und mit der Logik des Geschäftsjahres übereinstimmen.

00:16:18.430 --> 00:16:20.210
Es geht nicht nur darum, eine Formel zu schreiben,

00:16:20.290 --> 00:16:22.110
sondern zu wissen, welche Referenz die Ergebnisse liefert,

00:16:22.190 --> 00:16:23.430
auf die sich die Führungsebene verlässt.

00:16:23.930 --> 00:16:25.190
Der direkte Vergleich ist aufschlussreich.

00:16:25.930 --> 00:16:28.090
Co-Pilot liefert in Rekordzeit beeindruckende Ergebnisse,

00:16:28.090 --> 00:16:30.150
doch hinter der Sicherheit verbergen sich grundlegende Fehler.

00:16:30.710 --> 00:16:32.050
Der Entwickler mag langsamer erscheinen,

00:16:32.290 --> 00:16:35.110
aber die Genauigkeit seines Modells eliminiert das Risiko irreführender Berichte.

00:16:35.830 --> 00:16:37.010
Das unterstreicht eine einfache Wahrheit.

00:16:37.330 --> 00:16:39.330
KI erkennt Muster, versteht aber keine Bedeutung,

00:16:39.390 --> 00:16:41.370
solange die Regeln nicht explizit vorgegeben sind.

00:16:42.470 --> 00:16:44.190
Geschäftslogik liegt oft außerhalb des Datensatzes

00:16:44.190 --> 00:16:45.950
euren Gesprächen, Richtlinien und Kontexten,

00:16:45.990 --> 00:16:47.170
die Co-Pilot nicht ableiten kann.

00:16:47.670 --> 00:16:50.170
Hier hat menschliche Expertise nach wie vor die Nase vorn.

00:16:50.970 --> 00:16:52.850
Der automatisierte Arbeitsablauf wirkt reibungslos,

00:16:52.930 --> 00:16:54.510
bis sich Regeln ändern oder Unklarheiten auftreten.

00:16:55.210 --> 00:16:55.970
Dann zeigen sich die Respekt.

00:16:55.970 --> 00:16:58.470
Bei komplexer Modellierung geht es nicht darum,

00:16:58.550 --> 00:16:59.790
wie schnell ein Graph gerendert wird,

00:17:00.030 --> 00:17:02.190
sondern dass die Logik dahinter einer Überprüfung standhält.

00:17:03.190 --> 00:17:05.090
In dieser Runde zeigt der Entwickler genau das.

00:17:05.650 --> 00:17:07.550
Co-Pilot stolpert, der Mensch korrigiert

00:17:07.550 --> 00:17:10.010
und das endgültige Modell bildet das Geschäft präzise ab.

00:17:10.790 --> 00:17:12.890
Nachdem die Grundlagen stehen, verschiebt sich der Fokus erneut.

00:17:13.310 --> 00:17:15.370
Nachdem Modelle erstellt und Berechnungen getestet wurden,

00:17:15.490 --> 00:17:16.730
rückt die letzte Phase in den Fokus,

00:17:16.810 --> 00:17:18.050
das Ganze in Dashboards zu verwandeln,

00:17:18.110 --> 00:17:19.450
die Entscheidungsträger auch wirklich nutzen können.

00:17:20.090 --> 00:17:22.550
Der letzte Sprint, Dashboardqualität und Benutzerfreundlichkeit.

00:17:22.550 --> 00:17:24.730
Es geht nicht nur darum, ob die Zahlen stimmen.

00:17:25.170 --> 00:17:26.490
Ein funktionierendes Dashboard muss mehr tun,

00:17:26.530 --> 00:17:27.110
an Daten anzudrücken.

00:17:27.470 --> 00:17:28.930
Es muss die Nutzer direkt ansprechen.

00:17:30.130 --> 00:17:32.510
In dieser Phase geht es weniger um die Summe der Berechnungen

00:17:32.510 --> 00:17:34.210
als vielmehr um die Bedienbarkeit.

00:17:35.230 --> 00:17:36.850
Man kann das genaueste Modell der Welt haben,

00:17:37.050 --> 00:17:38.330
aber wenn Führungskräfte nicht sofort sehen,

00:17:38.390 --> 00:17:39.450
was wichtig ist, sinkt der Wert.

00:17:40.010 --> 00:17:41.670
Hier beginnen wir, eine ganz andere Art von Lücke

00:17:41.670 --> 00:17:43.450
zwischen Co-Pilot und dem Entwickler zu bemerken.

00:17:43.950 --> 00:17:45.750
Co-Pilot übernimmt mit seinem bloßen Tempo wieder die Führung.

00:17:46.170 --> 00:17:47.730
Innerhalb von Minuten füllt sich die Arbeitsfläche

00:17:47.730 --> 00:17:49.990
mit Diagramms, Slicern und automatisch erstellten Layouts.

00:17:50.630 --> 00:17:52.570
Es deckt die Grundlagen ab, Verkäufe nach Regionen,

00:17:52.710 --> 00:17:54.750
Umsatz im Zeitverlauf, Aufschlüsselungen nach Produktkategorien.

00:17:55.570 --> 00:17:56.690
Es ist unbestreitbar schneller,

00:17:56.850 --> 00:17:58.210
als jede Grafik von Hand zu erstellen.

00:17:58.730 --> 00:18:00.090
Die Automatisierung wirkt beeindruckend,

00:18:00.170 --> 00:18:01.750
da Dashboards, die einen Nachmittag dauern würden,

00:18:01.830 --> 00:18:02.710
fast augenblicklich erscheinen.

00:18:03.070 --> 00:18:04.570
Doch bei genauerer Betrachtung der Ergebnisse

00:18:04.570 --> 00:18:05.470
verfliegt die Begeisterung.

00:18:06.010 --> 00:18:07.430
Die Visualisierungen sind zwar ordentlich,

00:18:07.510 --> 00:18:09.030
wirken aber generisch fast wie Vorlagen.

00:18:09.730 --> 00:18:10.890
Es gibt keine echte Priorisierung.

00:18:11.290 --> 00:18:12.490
Umsätze erscheinen gleichwertig

00:18:12.490 --> 00:18:13.810
neben weniger kritischen Kennzahlen

00:18:13.810 --> 00:18:15.590
und Lücken in der Aussagekraft werden deutlich.

00:18:15.590 --> 00:18:17.490
Ein Manager, der das Dashboard durchsieht,

00:18:17.590 --> 00:18:19.370
erhält zwar Informationen, aber keine Geschichte dazu.

00:18:19.970 --> 00:18:22.330
Genau diese Geschichte betont der menschliche Entwickler.

00:18:23.190 --> 00:18:24.470
Anstatt Power BI-Diagramme

00:18:24.470 --> 00:18:25.970
einfach in Platzhalter einfügen zu lassen,

00:18:26.070 --> 00:18:26.650
fragt der Entwickler,

00:18:26.950 --> 00:18:28.650
was muss ein Entscheidungsträger als erstes sehen?

00:18:29.110 --> 00:18:30.010
Der Gewinn trennt ganz oben,

00:18:30.110 --> 00:18:31.950
der trennt zur Kundenabwanderung vor den regionalen Details.

00:18:32.310 --> 00:18:33.290
Der Kontext zeigt sich darin,

00:18:33.350 --> 00:18:35.330
wie Visualisierungen angeordnet, skaliert und beschriftet sind.

00:18:35.970 --> 00:18:37.610
Die Titel sind in verständlicher Geschäftssprache

00:18:37.610 --> 00:18:39.050
verfasst statt in rohen Datenbanknahmen.

00:18:39.650 --> 00:18:41.490
Das Endprodukt ist mehr als nur eine Reihe von Diagrammen.

00:18:41.490 --> 00:18:42.390
Es ist eine Geschichte.

00:18:42.810 --> 00:18:45.230
Es führt den Nutzer sinnvoll vom Überblick bis ins Detail.

00:18:46.130 --> 00:18:48.210
Man merkt, dass Zeit und Überlegungen das Dashboard prägen

00:18:48.210 --> 00:18:49.190
und nicht nur die Geschwindigkeit.

00:18:49.810 --> 00:18:51.170
Hier wird der Kontrast erst richtig deutlich.

00:18:51.770 --> 00:18:53.490
Co-Pilot kann sehr schnell viele Inhalte erzeugen,

00:18:53.570 --> 00:18:55.070
aber Quantität ist nicht gleich Qualität,

00:18:55.190 --> 00:18:56.290
besonders in der Analytik.

00:18:57.170 --> 00:18:59.050
In der ersten Version zeigt Co-Pilot beispielsweise

00:18:59.050 --> 00:19:02.050
die gesamten Rabattbeträge in einem markanten, isolierten Diagramm.

00:19:02.430 --> 00:19:03.750
Auf dem Papier ist das eine valide Kennzahl.

00:19:04.090 --> 00:19:05.250
Im Kontext bedeutet sie jedoch wenig,

00:19:05.330 --> 00:19:06.570
ohne sie mit den Margen zu verknüpfen.

00:19:07.390 --> 00:19:08.730
Die Geschäftsführung interessiert sich nicht

00:19:08.730 --> 00:19:10.090
für die rohe Summe der gewährten Rabatte.

00:19:10.410 --> 00:19:11.510
Sie interessiert sich dafür,

00:19:11.610 --> 00:19:13.230
ob diese Rabatte die Rentabilität schmälerten

00:19:13.230 --> 00:19:14.910
oder das Verkaufsvolumen angemessen steigerten.

00:19:15.590 --> 00:19:17.530
Diesen Zusammenhang erkennt K.I. nur schwer,

00:19:17.750 --> 00:19:18.890
da er das Verständnis erfordert,

00:19:18.950 --> 00:19:20.770
wie eine Kennzahl eine andere beeinflusst.

00:19:21.550 --> 00:19:23.390
Der Entwickler hingegen modelliert diesen Vergleich direkt

00:19:23.390 --> 00:19:24.870
und stellt Rabatte dem Brutto- und Nettogewinn

00:19:24.870 --> 00:19:25.830
im Zeitverlauf gegenüber.

00:19:26.810 --> 00:19:28.230
Die Geschichte wird sofort klarer,

00:19:28.290 --> 00:19:29.810
da sie erklärt, statt nur zu zeigen.

00:19:31.010 --> 00:19:32.110
Die Forschung zu Visualisierung

00:19:32.110 --> 00:19:33.330
und Business Intelligence Design

00:19:33.330 --> 00:19:33.950
zeigt immer wieder,

00:19:34.050 --> 00:19:34.930
dass die besten Dashboards

00:19:34.930 --> 00:19:36.250
nicht die mit den meisten Elementen sind,

00:19:36.350 --> 00:19:37.870
sondern die mit der stärksten Aussagekraft.

00:19:37.870 --> 00:19:40.530
Bewährte Methoden betonen Ansätze

00:19:40.530 --> 00:19:42.090
wie die Vermeidung von Diagrammüberladung,

00:19:42.230 --> 00:19:43.330
die Betonung von Vergleichen

00:19:43.330 --> 00:19:45.750
und die Ausrichtung von KPIs an Unternehmenszielen.

00:19:47.150 --> 00:19:48.950
Co-Pilot kann diese Praktiken nachahmen,

00:19:49.030 --> 00:19:50.010
wenn sie regelbasiert sind,

00:19:50.090 --> 00:19:51.330
wie etwa die Ausrichtung von Zahlen

00:19:51.330 --> 00:19:52.030
für die Lesbarkeit

00:19:52.030 --> 00:19:53.510
oder der Vorschlag eines Balkendiagramms

00:19:53.510 --> 00:19:54.430
statt eines Kreisdiagramms

00:19:54.430 --> 00:19:55.250
bei vielen Kategorien.

00:19:56.050 --> 00:19:57.290
Doch bei subtilen Best Practices

00:19:57.290 --> 00:19:57.830
bleibt die Kunst,

00:19:57.930 --> 00:19:58.850
das Wesentliche auszuwählen,

00:19:58.930 --> 00:19:59.850
außerhalb seiner Reichweite.

00:20:00.430 --> 00:20:01.330
Das erfordert Vertrautheit

00:20:01.330 --> 00:20:02.050
sowohl mit den Daten

00:20:02.050 --> 00:20:03.310
als auch mit der geschäftlichen Fragestellung.

00:20:03.850 --> 00:20:05.310
Der praktische Unterschied zeigt sich darin,

00:20:05.310 --> 00:20:05.910
wie die Dashboards

00:20:05.910 --> 00:20:07.230
auf verschiedene Zielgruppen wirken.

00:20:07.990 --> 00:20:08.990
Der Output von Co-Pilot

00:20:08.990 --> 00:20:10.130
wirkt wie ein polierter Entwurf,

00:20:10.230 --> 00:20:11.130
der für interne Analysen

00:20:11.130 --> 00:20:12.310
oder erste Brainstorming-Sitzungen

00:20:12.310 --> 00:20:13.170
nützlich sein könnte.

00:20:13.750 --> 00:20:14.550
Ein Team könnte ihn nehmen,

00:20:14.670 --> 00:20:15.690
anpassen und zu etwas Besserem

00:20:15.690 --> 00:20:16.230
weiterentwickeln.

00:20:16.630 --> 00:20:17.290
Aber fragen Sie sich,

00:20:17.330 --> 00:20:17.770
würden Sie damit

00:20:17.770 --> 00:20:18.730
in eine Vorstandssitzung gehen

00:20:18.730 --> 00:20:19.750
und ihn unverändert präsentieren?

00:20:20.310 --> 00:20:20.730
Wahrscheinlich nicht.

00:20:21.150 --> 00:20:22.010
Im Vergleich dazu entsteht

00:20:22.010 --> 00:20:22.910
das Dashboard des Entwicklers

00:20:22.910 --> 00:20:23.850
langsamer scheint aber sofort

00:20:23.850 --> 00:20:24.370
für eine Prüfung

00:20:24.370 --> 00:20:25.530
durch das Management bereit zu sein.

00:20:25.910 --> 00:20:26.630
Es besitzt Strukturen.

00:20:26.970 --> 00:20:27.930
Es vermittelt eine Absicht.

00:20:28.350 --> 00:20:28.970
Die Geschäftsführung

00:20:28.970 --> 00:20:30.510
könnte auf die wichtigsten Visualisierungen blicken

00:20:30.510 --> 00:20:31.290
und innerhalb von Sekunden

00:20:31.290 --> 00:20:32.150
kritische Trends verstehen.

00:20:32.310 --> 00:20:32.870
Was wir also sehen,

00:20:32.930 --> 00:20:33.990
ist eine Aufteilung des Nutzens.

00:20:34.310 --> 00:20:35.050
Co-Pilot ist ex...