3 Erkenntnisse aus dieser Folge
- 01
GPT-4o war ein inkrementeller Sprung, kein revolutionärer. Die Sprach-Fähigkeiten sind beeindruckend, die Kern-Intelligenz hat sich weniger verändert.
- 02
Schaubilder in deutschen Unternehmen sind oft erschreckend schlecht — trotz verfügbaren Tools und Ausbildung. Das ist kein Tool-, sondern ein Kultur-Problem.
- 03
Data-Viz-Kompetenz ist ein unterschätzter Karriere-Hebel. Wer in Präsentationen saubere Visualisierungen liefert, sticht in 80 % der Meetings heraus.
Worum es in dieser Folge geht
Tim-&-Jonas-Format. GPT-4o ist gerade gelauncht worden, und wir bewerten. Und dann driften wir — wie oft — in Pop-Kultur und Business-Alltag, bevor wir zu einem ernsten Thema kommen: schlechte Schaubilder.
Die Storyline
GPT-4o — inkrementell, nicht revolutionär
Die Sprach-Fähigkeiten sind beeindruckend. Die Kern-Intelligenz hat sich im Vergleich zu 4 Turbo wenig verändert. Inkrementell, nicht revolutionär — und das ist okay.
Das ist unsere gemeinsame Einschätzung. GPT-4o hat neue Modalitäten (Voice, Sehen), aber die fundamentale Intelligenz-Qualität hat sich nicht sprunghaft verändert.
Das Schaubilder-Problem
Die echte Frage: Warum sind deutsche Business-Folien grafisch so schlecht, obwohl: - Tools verfügbar sind (PowerPoint, Tableau, Keynote) - Ausbildung existiert (Storyboarding, Data Viz) - Beispiele zugänglich sind (Bloomberg, NYT, WSJ)?
Tim und Jonas sind sich einig: Das ist Kultur. Niemand wird für schlechte Schaubilder bestraft. Niemand wird für gute belohnt. Also bleibt es mittelmäßig.
Der Karriere-Hebel
Wer in Meetings saubere Schaubilder liefert, sticht automatisch heraus. Das ist eine der niedrigschwelligsten Differenzierungen, die Karriere öffnen. Trotzdem investieren wenige bewusst in diese Kompetenz.
Was CDOs tun sollten
- Data-Viz als Team-Skill priorisieren. Nicht nur Analyse, sondern auch Darstellung.
- Schaubild-Reviews machen. Regelmäßig, systematisch.
- Personen, die gut visualisieren, sichtbar machen. Sie sind Multiplikatoren.
Warum mich das besonders umtreibt
Tim-&-Jonas bleibt produktiv, weil wir zwischen Alltag und ernsten Themen schwenken. Die Schaubilder-Diskussion am Ende ist für mich wertvoll — und Ausgangspunkt, in MDIBTY öfter über Data-Viz zu sprechen.
Jetzt reinhören
Jetzt reinhören
Diese Folgen könnten dich auch interessieren
Folge 323
Solo gegen alle: Wie 15 Jahre Datenhandwerk eine D2C-Brand allein tragen
Carlos Yniguez · 60Kollektiv
Folge 322
KI in NRW: Warum 90 % des Mittelstands noch nicht wirklich anfängt
Christian Temat · KI.NRW (Fraunhofer IAIS)
Folge 319
Warum Data Mesh ohne Data Citizens scheitert
Jonas Kell · Siemens Energy