#34 Zwischen Bundesliga und Boardroom: Was CTOs vom Profisport lernen - Mit Dr. Stefan Kühn

In dieser Episode von Becoming CTO Secrets spricht Philipp Deutscher mit Dr. Stefan Kühn, CTO von Sporting Rock und Datenscout beim FC St. Pauli.

Stefan ist promovierter Mathematiker mit High-Performance-Computing-Background und hat seine Karriere an der Schnittstelle von Daten, Algorithmen und Software aufgebaut – unter anderem bei Instana, Snap und AirUp. Heute verantwortet er als CTO Produkt, Technologie und Data für eine cloudbasierte SaaS-Plattform für Sportverbände und arbeitet parallel datengetrieben an Transferentscheidungen im Profifußball.

Gemeinsam sprechen sie darüber,
 • wie der Übergang vom Data Scientist zur CTO-Rolle gelingt,
 • warum Datenarbeit weniger Technik- als Kulturfrage ist,
 • wie man datengetriebene Entscheidungen in widerständigen Organisationen etabliert,
 • was Unternehmen vom Profisport über Training, Resilienz und Vorbereitung lernen können,
 • und warum CTO-Wirksamkeit nichts mit „der beste Experte im Raum“ zu tun hat.

Eine Episode für CTOs, angehende Tech-Leader und alle, die Verantwortung unter Unsicherheit übernehmen wollen.

Transcript

Philipp Deutscher (00:00)
Hallo und herzlich willkommen zu Becoming CTO Secrets, dem Podcast über den Weg vom Entwickler zum strategischen Tech Leader mit echten Geschichten, Learnings und Insights von CTOs. Ich bin Philipp Deutscher, externer CTO, CTO Coach und Unternehmer. Und bevor wir heute starten, ein kurzer Hinweis in eigener Sache. Als CTO

begleite ich Tech Leader auf dem Weg zu mehr Verantwortung.

Klarheit und Wirkung. Und in meiner Becoming-CTO-Community treffen sich jede Woche über 50 CTOs und angehende Führungskräfte zum Austausch auf Augenhöhe. Wenn jemand aus der Hörerschaft tiefer einsteigen will, der Link dazu ist in den Show Notes. Jetzt aber zu unserem heutigen Gast. Das ist nämlich Dr. Stefan Kühn, der CTO von Sporting

Stefan ist promovierter Mathematiker, kommt aus der Welt des High Performance Computings.

und hat seine Karriere an der Schnittstelle von Daten, Algorithmen und Software aufgebaut, unter anderem bei Instana, Snap und Airup. Und wer genau aufgepasst hat, ja, Instana hatten wir auch schon mal hier indirekt mit dem Gründer und ehemaligen CEO Mirko Novakovic, aber das nur am Rande von heute. Also unser Gast Stefan, verantwortet bei Sporting Rock Produkt, Tech und

für eine cloudbasierte SaaS-Plattform für Sportverbände. Und ganz nebenbei ist er auch noch Datenscout beim FC St. Pauli, wo seine Modelle

Transferentscheidungen mitprägen. Da wollen wir auch noch drüber reden. Mit ihm spreche ich natürlich darüber, wie man als Data Scientist in die CTO-Rolle hineinwächst und wie man datengetriebene Entscheidungen in kulturell widerständigen Umfeldern verankert und natürlich auch was Tech-Leader vom Profisport lernen können. So, ganz schön durchgestolpert durch den Einstieg. Das macht aber nichts, Stefan. Herzlich willkommen.

Stefan Kühn (01:36)
Herzlich Willkommen Philipp, freut mich sehr hier zu sein.

Philipp Deutscher (01:39)
Sehr gut, trotz der ganzen Verstäuber am

Hoffentlich verstäubern die beim St. Pauli nicht so viele Bälle. Wenn du heute... Bitte? Aktuell leider schon. Ja, wenn man auf die aktuelle Tabelle schaut, dann sieht es nicht so gut aus. Stefan, Sperr zwei Seiten. Wenn du heute jemandem in 1, 2, 3 Sätzen erklären musst, was du machst als CTO von Sporting Rock, aber auch als Datenscout bei St. Pauli, wie würdest du deine Rolle beschreiben?

Stefan Kühn (01:45)
Aktuell leider schon. Aktuell leider schon, aber das wird wieder besser.

Ja, also beides hört sich auf den ersten Blick sehr technisch an. Als CTO bin ich natürlich eher in einer strategischen und koordinativen Rolle unterwegs und beschäftige mich mit Themen wie Architektur, Organisationsentwicklung und habe so einen Blick auf das gesamte System. Und als Datenscout oder Data Scientist beim FC St. Pauli bin ich halt sehr operativ hands on und für mich alleine verantwortlich. Aber das verbindende Element für mich ist einfach

Das Verständnis der Value Streams, der Wertschöpfungsketten, in die ich eingebunden oder für die ich verantwortlich bin. so generell der systemische Blick in allen Rollen versuche ich zu verstehen, was passiert, wie passiert es und kann ich darauf positiv Einfluss nehmen.

Philipp Deutscher (02:46)
Sehr gut. die Rolle als Datenscout, die bist du nicht auch im Rahmen deiner Rolle als CTO von Sporting Rocks, sondern das sind zwei komplett unabhängig voneinander stattfindende Rollen und Verantwortlichkeiten.

Stefan Kühn (02:59)
Genau, die sind komplett unabhängig voneinander. Das eine ist mein Hauptjob, ein Vollzeitjob für die Sportverbände, die Welt besser machen. Und das andere ist schon ein sehr langjähriges Hobby, wo ich auch das Glück habe, eben beim Verein angestellt zu sein und das richtig als Mitarbeiter ausüben zu dürfen für die Profimannschaft, für den Lizenzbereich, Spieler-Scouting, datenbasiert mitzubetreiben.

Philipp Deutscher (03:23)
Was hat dich denn damals, also ich habe ja angekündigt, bist Mathematiker, du hast promoviert, du bist schon früh mit High Performance Computing Background in Verbindung geraten und hast dann halt auch relativ früh an der Schnittstelle von genau diesen Themen, Algorithmen, Daten, Programmierung und so hast du gearbeitet. Was hat dich denn damals aus der wissenschaftlichen Welt raus in die Industrie gezogen?

Stefan Kühn (03:47)
Also da gab es tatsächlich unterschiedliche Gründe. Der Hauptgrund ist wahrscheinlich die höhere Flexibilität, man in der Wirtschaft hat. Zusätzlich zu den viel dynamischeren Herausforderungen und eine generell höhere, schnellere Entwicklungsgeschwindigkeit.

In der Forschung hatte ich natürlich sehr viel mit Cutting-Edge-Algorithmen zu tun. In dem Wirtschaftsbereich, in den ich zuerst gewechselt bin, hatte ich da zusätzlich auch noch ein bisschen Cutting-Edge-Technologie. Also es gab noch die andere Dimension, dass tatsächlich die universitäre Forschungslaufbahn zumindest in der Postdoc-Zeit nicht so gut kompatibel ist mit Familienplanung. ja, ich war verheiratet, hatte eine kleine Tochter und dann hätte man jetzt noch mal ein paar Stationen im Ausland, zwei Jahre hier, zwei Jahre da.

dort und das war nicht so ganz unsere Vorstellung. Dann habe ich lieber sozusagen den Weg in die Wirtschaft gewählt, wo ich dann alleine auch relativ flexibel in Deutschland und der Welt arbeiten konnte. Aber meine Familie konnte an einem zentralen leben und meine Tochter groß werden und das waren so die Hauptthemen, die mich dazu bewogen haben, dann die Wissenschaft zu verlassen, auch wenn ich natürlich vom Mindset her nach wie vor sehr wissenschaftlich denke und das grundlegende Prinzip da eigentlich immer beibehalten habe.

Philipp Deutscher (05:05)
Ja, das ist eine gute Überleitung zu der Frage, wie dieser Teil denn jetzt noch eine Rolle spielt in deiner Rolle als CTO, als Datenscout bei St. Pauli. Wie lebst du das?

Stefan Kühn (05:17)
Grundsätzlich finde ich die Idee des wissenschaftlichen Arbeitens zumindest der, ich habe angewandte Mathematik gemacht, ist so halb empirisch, ich mal. Da lernt man eben auch aus Daten und versucht Entscheidungsfindungen zu verbessern. Als CTO ist meine Hauptaufgabe

gute Entscheidungen zu treffen und in allen Bereichen, sei es das Hiring, Teambuilding. Und da habe ich mich eben auch neben dem Bauchgefühl und dem allgemeinen Menschenverständnis auch immer auf die entsprechenden Daten und Analysen verlassen. Als Data-Scout oder Data-Scientist bei FC St. Pauli, da überwiegen die Daten. Es gibt auch Bauchgefühl oder Vorlieben, aber ...

Da ist eben auch wichtig, datenbasiert Entscheidungen zu treffen. Und insofern hatte ich da mit der angewandten Mathematik eigentlich das nötige Rüstzeug und habe auch festgestellt, dass das tatsächlich in vielen Bereichen eine sehr nützliche, sehr nützliche Hilfestellung war, dass man über Algorithmen, algorithmisches Wissen verfügt, was ja zum Beispiel auch in unserem heutigen Schul- und Bildungssystem quasi überhaupt nicht gelehrt wird. Das ist auch leider eines der

größeren Versäumnisse, die hoffentlich auch bald behoben werden können.

Philipp Deutscher (06:30)
ein besserer Data Scientist, wenn man Mathematiker ist.

Stefan Kühn (06:33)
Also ich persönlich habe da vielleicht einen gewissen Bias. Ich würde denken grundsätzlich ja, denn die solide Mathematik oder Statistik, die zu dem Beruf dazugehört, das Denken in Experimenten, in Hypothesen, Hypothesentests, das sind alles Dinge, die ich von Grund auf gelernt habe, genauso wie das iterative Arbeiten, die mathematische Optimierung, die sozusagen meine fachliche Heimat ist, hat von dem grundlegenden

Prozessmodell, zum Beispiel auch sehr viele Ähnlichkeiten mit agiler Softwareentwicklung, wo man diesen Bild-Measure-Learn-Cycle hat oder sozusagen man hat eine Hypothese, man macht einen Schritt, man guckt, wie gut es ist geworden und genauso arbeiten mathematische Optimierungsalgorithmen. Wenn man die Mathematik, die Technik lernt und eine gewisse Abstraktionsfähigkeit besitzt, dann kann man das sehr gut übertragen auf verschiedene Bereiche in der Welt und daraus, sage ich mal, Vorgehensmodelle für sich entwickeln, für seine Arbeit und für unterschiedliche Bereiche. Natürlich nicht übertreiben, wie

ist nun mal eben nicht nur mathematisch, sondern auch sehr persönlich über zwischenmenschliche Beziehungen sehr stark geprägt. die beiden Bereiche kombiniert, da kommt man schon recht weit, finde ich.

Philipp Deutscher (07:46)
Sehr gut. Wir wissen ja alle, CTOs fallen nicht vom Himmel und wachsen nicht auf den Bäumen und du wurdest auch nicht als CTO geboren. Du wurdest auch nicht als Data Scientist geboren, aber als solcher bist du in deiner Karriere gestartet. Warst dann unter anderem bei Code Centric, später bei Instana. Was waren in den Rückblicken die wichtigsten Schritte auf dem Weg vom individualen Contributor? ja, so nennt man es ja mittlerweile.

hin zur Führungskraft. Das ist ja ein Schritt, den vielleicht einige herbeisehnen, aber die allerwenigsten wirklich schaffen oder machen.

Stefan Kühn (08:21)
Also das Thema Führung ist ja auch...

durchaus sehr interessantes und kontroverses Thema. viel Literatur dazu. Meine persönliche Geschichte ist eher, dass ich eigentlich immer schon auch sehr früh versucht habe, Verantwortung zu übernehmen. Also jetzt auch schon, keine Ahnung, ich war Schulsprecher, ich war an der Uni AStA-Vorsitzender. Ich habe eigentlich immer nach Wegen gesucht, Verantwortung zu übernehmen und in der Regel anderen zu helfen. Der Weg jetzt sozusagen in eine technische Führungsrolle ist natürlich

auch nochmal davon geprägt, dass man bestimmte Voraussetzungen, ist technisches Verständnis, mitbringen muss und erwerben muss. Und da muss ich sagen, da war natürlich die Mathematik ein wichtiger Teil, aber für eine CTO-Position fehlt da noch ein ganzes Stück. Und da hatte ich aber das Glück, dass ich dann nach der wissenschaftlichen Lauchbahn, wo ich sozusagen die mathematische Fachlichkeit gelernt habe, wo ich auch tolle Vorbilder hatte. hatte wirklich tolle, mein Doktorvater war ein ganz toller Forscher zum einen, aber auch ein sehr

auch menschlich ein großes Vorbild. Das hat mich auch sehr geprägt. Aber da hatte ich auch eben das Glück, in eine Firma zu kommen mit Quotzentrik und später sozusagen das Instana Projekt, wo technische Exzellenz extrem groß geschrieben wurde und auch bis heute groß geschrieben wird. Und darüber habe ich dann eben

mich konstant weiterentwickeln können, habe immer wieder meine Kontorzone verlassen aus dem eigentlichen Kernbereich und mir immer wieder neue Herausforderungen gesucht. Erst auf der technischen Seite und dann in Richtung Führung, angefangen mit Projektverantwortung, Hiring, Recruiting, Mitarbeiterentwicklung, Teamaufbau und so weiter. Also es hat auch bisschen gedauert. Es war jetzt kein Prozess von heute auf morgen, vielleicht eine zehnjährige Entwicklung, würde ich sagen. Und jetzt fühle ich mich aber auch bereit.

Philipp Deutscher (10:04)
Hast du dich irgendwann ganz bewusst

auf diesen Weg gemacht? auch ganz bewusst gesagt, ich möchte jetzt CTO werden oder ich möchte jetzt Führungskraft werden oder bist du mehr oder weniger in diese Rolle reingerutscht durch und es war eine logische Konsequenz der Entscheidungen, die du getroffen hast, aber keine bewusst im Vorfeld getroffenen Entscheidungen.

Stefan Kühn (10:21)
Es war jetzt keine bewusst im Vorfeld getroffene Entscheidung, aber jeder Schritt hatte eine sehr konsistente Logik, wie ich finde. Das war ein bisschen davon geprägt, ich, als ich anfing mit Data Science in den Organisationen, ich war, gab es das oft noch nicht. Ich war oft der Erste oder einer von wenigen, die so etwas gemacht haben. Ich war oft der Erste, der das Ganze mit dem Business-Verständnis irgendwie zusammengebracht hat, also verschiedene Disziplinen.

Ja, connected hat. Ich war oft in einer Übersetzerrolle, heute noch in einer Übersetzerrolle zwischen eben dem Management, zwischen den Kunden, zwischen den Entwicklern, also technischen Domänen, Business Domänen, kommerziellen Domänen und habe diese, habe da festgestellt, dass es insbesondere auf der Führungsebene ein großes Vakuum gab, also vor einigen Jahren.

ganz besonders was den Bereich Daten und Data Science angeht und habe mich eben dann auch bewusst dazu entschieden, solche Aufgaben zu suchen, wo ich dann eben diese strategische Ebene aktiv selber bearbeiten kann und nicht nur, sag ich mal, als fachlicher Berater bottom up.

das Management berate, sondern dann selber den Weg in die Management-Ebene suche, ⁓ dort das Know-how sozusagen, was ich habe, vor Ort einzubringen und im Team mit meinen Management-Kollegen und Kolleginnen dann die Gesamtsituation zu verbessern. Und das hat mich im Endeffekt auch...

Philipp Deutscher (11:39)
Gab es da einen konkreten Moment bei dir?

Gab es einen konkreten Moment oder eine Phase, in der du dann gesagt hast, jetzt geht es nicht nur mich als individuellen Contributor, es geht nicht mehr nur Coding, es geht nicht nur die Modelle, sondern es geht tatsächlich hier ⁓ Organisation, Verantwortung, Entscheidung für andere und so weiter.

Stefan Kühn (11:56)
Ja, gab es tatsächlich. Und zwar war das in meiner Zeit bei Xing, wo ich dann als Lead Data Scientist oder wie auch immer die Rolle da offiziell hieß, ich war im Prinzip auf der Individual Contributor Ebene, habe das Datenmodell, unser Hauptalgorithmic, sozusagen entwickelt, verantwortet im Tandem mit den Softwareentwicklern und dem ganzen Entwicklungsteam, Produktmanagern und so weiter. Und da

Gab es aber einen entscheidenden Schritt, dass eben bei Xing leider die einzelnen Abteilungen nur sehr begrenzt zusammengearbeitet haben. Und das Problem ließ sich sozusagen nur auf der Management-Ebene lösen. Nicht auf der, also die Kollaboration auf der Individual Contributor-Ebene war da, aber die strategische Steuerung auf der Management-Ebene, die hat quasi verhindert, dass eine bestimmte Zusammenarbeit stattfand. Einfach weil die Ressourcensteuerung auf einer zentralen Ebene lief.

Und da gab es eben einige Dinge, die waren recht offensichtlich nicht im Interesse der gesamten Firma. Und da konnte man aber aufgrund dieser unterschiedlichen Inzentivierung bottom-up recht wenig tun. da außer eben beraten und dann hoffen, dass das irgendjemand auf der höheren Ebene entsprechend aufnimmt. Oder ich sag mal so...

Mir ist es in dem Moment nicht gelungen. habe vielleicht auch noch nicht über das nötige Werkzeug verfügt, die entsprechende Überzeugungsarbeit zu leisten. Aber es hat mich auf jeden Fall motiviert, meine Arbeitsumgebung anders zu gestalten und eben dann selber.

die Entscheidung zu treffen für bestimmte Dinge, zumindest für Bereiche. Ich habe sozusagen, ich habe das auch zuerst intern versucht, bei Xing auch über sozusagen Gespräche mit dem bis hin zum C-Level vielleicht eine andere Rolle zu finden, in der ich das machen kann, zum Beispiel über die zentrale Data Science Unit die Verantwortung zu übernehmen und die Prozesse ändern zu können. Aber das hat leider auch nicht funktioniert und ich bin dann aber auf eine, meine erste

Philipp Deutscher (13:33)
Wie hast du das gemacht?

Stefan Kühn (14:00)
offizielle Head-of- oder Abteilungsleitungsrolle gewechselt bei Tom Taylor damals, wo wir ein Greenfield-Projekt, sozusagen die Datenabteilung komplett neu aufgebaut haben. Das war das erste Mal, ich dann auch diesen gestalterischen Spielraum hatte und auch einen sehr tollen Chef.

Philipp Deutscher (14:17)
Jetzt musste ja an dem Wechsel von Xing, heute New Work, musste ja jemand die Entscheidung treffen und sagen, ich glaube, Stefan Kühn ist nicht nur ein sehr guter Data Scientist, er ist sogar der richtige Head of für das, was wir vorhaben. Und Tom Taylor ist jetzt auch nicht super klein. Also wie kam es dazu, dass du von einer Senior Data Scientist Rolle mehr oder weniger von heute auf morgen in eine

in eine Heddaf-Rolle reingerutscht bist. Was hat's dafür gebraucht? Wen musstest du überzeugen und wie?

Stefan Kühn (14:50)
Also tatsächlich war das war für mich auch eine Frage, wie dieser Sprung eigentlich vonstatten geht. Denn oftmals ist es ja so, die meisten Rollen vergeben an Personen mit der entsprechenden Erfahrung. Ich hatte das Glück, dass sie auch über eine persönliche Empfehlung, also über einen Bekannten

da in Kontakt gekommen bin mit dem Hiringmanager und dass der zufälligerweise auch früher mal bei Xing war als VP Analytics, aber zu einer Zeit, wo ich noch nicht da war. Und wir hatten sozusagen dann eigentlich sehr schnell einen ganz guten Draht zusammen. Er hat mir erklärt, was er vorhat. Ich habe ihm erklärt, was mein Background ist und wie ich das angehen könnte und sehr gut verstanden. Also es war auch wieder so, ja, sonst zu sagen. Wobei ich würde auch denken, dass da die menschliche Ebene wahrscheinlich den Ausschlag gegeben hat, dass wir einfach wirklich gut

miteinander kommunizieren konnten und wir sind auch heute noch befreundet. Insofern hat es einfach gepasst und war sicherlich einer der Momente in meinem Leben, wo ich auch Glück hatte, diesen Schritt machen zu können, denn es ist nicht selbstverständlich, dass man das so schnell und so unkompliziert hinbekommt.

Philipp Deutscher (15:58)
Das ist richtig. Jetzt habe ich aber interessanterweise in den vergangenen Wochen eine Abfrage gemacht über den Linked-in-Sales-Navigator. Das ein sehr mächtiges Tool, dem du deine Linked-in-Zielgruppe sezieren kannst oder dir genauer anschauen kannst. Dabei ist festgestellt, dass in den vergangenen 90 Tagen über 500 neue CTO-Stellen entstanden sind. Also erst mal CTO.

Stefan Kühn (16:13)
Mhm.

Philipp Deutscher (16:24)
Menschen in CTO-Rollen reingekommen sind und haben ein bisschen tiefer gebohrt und haben festgestellt, dass über 400 von diesen 500 vorher kein CTO sind, jetzt aber. Ich glaube, man denkt immer, man muss CTO werden, man muss CTO gewesen sein, um die besten Chancen zu haben, irgendwo CTO werden zu können. Aber ich glaube, man vergisst, wie viele kleine Unternehmen tagtäglich entstehen.

die diese Rolle neu schaffen und die sie meistens mit Leuten besetzen, die diese Rolle vorher noch nicht hatten. Und dann ist da eher die Frage, wie bereitest du dich vor auf die Rolle, für so was wahrgenommen zu werden? Und ich nehme an, genauso verhält es sich auch mit diversen Leadership-Rollen. Gut, jetzt ist wie gesagt von Taylor kein Start-up. Aber trotzdem, ich glaube, es entstehen mehr dieser Rollen neu, als man das vielleicht im ersten Moment denkt. Und genauso viele neue Opportunities entstehen dadurch.

Stefan Kühn (17:13)
Auf jeden Fall, das kann ich Sie unterstützen. Und wie du auch sagst, es ist ja auch eine Frage. Ich wäre wahrscheinlich nicht CTO geworden bei New Work, sondern jetzt eben bei einer kleineren, start-upigeren Firma, wo meine Erfahrung viel relevanter ist. Währenddessen bei größeren Firmen unterscheide sich die Rolle ja ganz erheblich. Hier habe ich ja auch noch einen sehr engen Bezug zu den Entwicklern. Ich kenne alle persönlich, ich arbeite mit allen zusammen. Bei größeren Firmen ist das ganz anders.

Philipp Deutscher (17:37)
Das ist richtig. Und viele fragen sich ja auch, sie, also du bist ja nicht der Erste und auch nicht der Einzige, der sich die Frage gestellt hat, wie komme ich jetzt von meiner Rolle in eine, in meiner Rolle mit mehr Führungsverantwortung, mit mehr allgemeiner Verantwortung. Hast du irgendwie identifizieren können, Skills es da für braucht? Vielleicht, welche waren für dich kritischer als die reine technische Exzellenz, als du diesen Sprung gewagt hast von der

von der Data Sciences Rolle in der Führungsrolle.

Stefan Kühn (18:07)
Also bei mir, ich würde sagen, das ist eben schon bisschen angedeutet, ich glaube, was wirklich hilft, ist zum einen Empathie, zum anderen die Fähigkeit der Perspektivübernahme, sich in andere Rollen hinein zu versetzen. als Individual Contributor ist es völlig okay, hauptsächlich aus seiner eigenen Perspektive zu gucken. Aber je mehr Verantwortung man übernimmt, umso mehr muss man einfach auch der Lage sein.

die Dinge mit den Augen anderer zu sehen und sich von seiner eigenen Meinung ein Stück weit nicht zu sehr beeinflussen zu lassen, sag ich mal. Da gibt sicherlich auch eine andere Meinung, aber meine Meinung ist eben, dass die Führungskräfte für das Team da sind. Und sozusagen dieses inverted pyramid model.

Ja, sozusagen das die das sozusagen ganz oben die individuelle Kontributor sind und die werden gestützt und sozusagen stabilisiert von denen von den Führungskräften, die ihn eigentlich versuchen, die die optimale Arbeitsumgebung zu schaffen. Ja, das ist so ein bisschen auch mein mein mein Ansatz. Also ich bin nicht der, der alle Entscheidungen trifft und und genau sagt, wo es langgeht, sondern ich bin der, der versucht zu verstehen, wie das Gesamtsystem am besten gestaltet sein muss, sodass alle

guten Gewissens ihre Höchstleistung bringen können, ohne dabei kaputt zu gehen, sondern sich idealerweise wohlfühlen und Spaß haben. Und dieses ist für mich auch ein Mindset-Thema, das war eine generelle Einstellung. Ich finde, man sollte auf der Arbeit Spaß haben, man sollte sich wohlfühlen, man sollte das gerne machen und gerne machen können. Und das ist einfach für mich auch immer so ein ganz, ganz wichtiges Element.

Es gehört eben auch natürlich ein gewisses architektonisches Verständnis dazu. Also gewisse Hard Skills sind auch nötig. Man kann nicht einfach nur mit gutem Willen und Freundlichkeit, sag ich mal, Führungskraft werden. Also zumindest meine Meinung, dass man da auch idealerweise auch wirklich Expertise mitbringt. Und das war, es ist gar nicht so wichtig, glaube ich, wo genau die Expertise liegt. Aber für mich war immer entscheidend, dass man in einem Bereich mal gesehen hat, wie tief es eigentlich geht, also wie echte Expertise aussieht.

dann eben auch in anderen Bereichen beurteilen zu können. Also vielleicht gesagt nicht die Fachlichkeit exakt beurteilen zu können, aber zu beurteilen zu können, wie tief die Expertise von jemandem denn wirklich geht. Und dafür gibt es auch Indikatoren. Dafür muss ich nicht jeden einzelnen Fachbereich kennen. Aber ich glaube, es gibt schon so ein gewisses, es hilft einem gesehen zu haben. Je weiter es geht, auch ein bisschen vielleicht die

Demut an der Stelle. Wie gesagt, ich hatte vorhin meinen Doktorvater erwähnt, der war ein viel, viel, viel besserer Mathematiker, als ich es jemals hätte sein können. Das macht einen dann schon auch ein bisschen, sag ich mal, demütig über die eigenen Grenzen. Das heißt nicht, dass ich ein schlechter Mathematiker war oder sowas, aber das heißt einfach, dass ich durchaus weiß, dass es noch sehr viel weitergeht. Das ist jetzt...

Vielleicht ist das das, wo so bisschen Impostor-Syndrom helfen kann. Dass man einfach versteht, ich verwalte hier einen Bereich, der ist viel größer, als dass ich ihn mit meiner eigenen fachlichen Expertise abdecken könnte. Und das hilft mir dann zu verstehen, dass ich auch ein Team von echten Experten brauche, genau diesen großen Bereich gut zu verwalten. Nicht nur zu verwalten, sondern zu gestalten und voranbringen zu können. Und das ist so was, was mich auch antreibt.

Philipp Deutscher (21:19)
Genau, der Rolle als CTO musst du jetzt aber

nicht mehr der beste Mathematiker und auch nicht der beste Data Scientist sein, der bestmögliche CTO für das Unternehmen sein zu können. Ich glaube, darin unterscheidet sich dann doch nochmal ganz maßgeblich den Vergleich, den du gemacht hast zwischen dir und dem Doktorvater und vielleicht dir als CTO und deinen Mitarbeitern. Ich glaube, das ist nochmal eine ganz andere Betrachtungsweise. wirst als CTO, musst du einfach gar nicht mehr der beste Data Scientist im Unternehmen sein.

Aber es macht natürlich als Doktorvater enorm Sinn, du ein besserer Mathematiker bist als die Leute, die bei dir promovieren. Das wäre zumindest mal hilfreich.

Stefan Kühn (21:56)
Ja, genau, das stimmt. Mir ging es bei dem Vergleich auch wirklich nur die fachliche Expertise. Meine Rolle als CTO ist wirklich, ich sollte der beste Organisator sein. Das ist das, was ich versuche und in der Weise auch ein ganz guter Kommunikator, mich selber nicht zu wichtig nehmen, sondern auch den anderen entsprechend Raum- und Entfaltungsmöglichkeiten geben.

und Verständnis für die Wertschöpfungsketten, für die Value Streams zu haben, die wir erfüllen können. Und natürlich auch ein Verständnis für Risiken und für Kosten. Das sind unterschiedliche Ebenen, die ich versuche, auch von meinem Team fernzuhalten, damit sie sich auf die Entwicklung, das Bauen, die Produktentwicklung vor allen Dingen konzentrieren können.

Philipp Deutscher (22:33)
Du hast ja auch sehr unterschiedliche Kontexte erlebt. Vom klassischen deutschen Modehandel, Tom Taylor meine ich damit, über Unternehmen wie Zalando oder Xing slash Newwork. Dann hast du mit Snap so Hypergrowth Startup da wahrscheinlich mit dabei mit massiven Investitionsfokus. Wie unterschiedlich wird dort jeweils über Daten nachgedacht und entschieden? Oder ist es am Ende des Tages gleich?

Stefan Kühn (22:41)
Ja.

Ja.

nein, es ist sehr, unterschiedlich. Ich fange vielleicht mal bei Snap an, weil diese Hyperscaler, Hypergrowth-Mentalität ist schon sehr anders, wir das hier in Deutschland überhaupt kennen. Da wird grundsätzlich hauptsächlich in Investitionen gedacht. Das war natürlich auch noch zu einer Zeit, wo das Geld ein bisschen billiger war. Da war es auch.

völlig okay, wenn man ein großes Minus gemacht hat, solange das Wachstum stimmt. Aber dieser Fokus auf Wachstum und eben mehr Investitionen als Kosten zu managen, das ist schon sehr interessant und das kann man auch sehr aggressiv, in Anführungszeichen, aggressiv, sehr progressiv gestalten. Auf der anderen Seite führt das eben auch dann dazu,

dass man vielleicht manche Entscheidungen ein bisschen zu leicht trifft. Also auch Snap ist danach eben in der Post-Corona-Zeit durch eine Phase von Layoffs gegangen, wovon ich dann letzten Endes auch betroffen war. Also dieses Hypergrowth, das geht dann auch ganz schnell in die andere Richtung. Was ich aber sozusagen durchaus auch bewundere, ist die Fähigkeit, schnell und sehr entschlossene Entscheidungen zu treffen. Und das findet man halt in den, ich mal...

eher sehr traditionell geprägten Firmenkulturen. Hier in Deutschland, Tom Taylor zum Beispiel, man das eben nicht so sehr. Da werden die Entscheidungen oft bis zum letzten hinaus gezögert. Es wird sehr auf kleinteilige Kosten geschaut. Und auch der Datenbereich wird gar nicht so sehr als Investition in die Zukunft verstanden, sondern eher als operative Kosten in der Jetztzeit als Luxus. Und das ist tatsächlich...

Philipp Deutscher (24:36)
Ist das eine Frage zwischen

Hypergrowth und nicht Hypergrowth, also eher etabliertem Unternehmen, oder ist das eine Frage zwischen amerikanischer Kultur und europäischer oder deutscher Kultur?

Stefan Kühn (24:45)
Ja, das vielleicht wahrscheinlich ein bisschen von beidem. Also zum Beispiel habe ich ja auch bei Cozentric oder dann später in Stana, wo hat es ja den Mirko Novakovic, meinen früheren Chef angesprochen.

Er hat ja auch eine sehr, eine Firma hier in Deutschland gegründet, Krozentrik, wo ich dann gearbeitet habe. Und der hat aber auch ein sehr, sehr positives, zukunftsorientiertes Mindset. Und das ist auch was, was eben jetzt in Firmen wie Instana eingegangen ist oder jetzt Dash Zero. Ich glaube, das ist wirklich nicht zwingend eine, eine, sag ich mal, europäische versus amerikanische Mentalität oder deutsch versus amerikanisch. Das ist einfach eine, ist man offen sozusagen für Veränderungen dafür, die sinnvollen Dinge zu tun.

Ich glaube, da haben wir vielleicht mit unserer etwas bürokratisch geprägteren Kultur natürlich noch mehr Arbeit vor uns. Aber es ist auf jeden Fall möglich, das auch anders zu handhaben.

Philipp Deutscher (25:37)
Wir hatten gerade eben über die unterschiedlichen Art und Weise, Daten über Daten nachgedacht wird in den verschiedenen Unternehmenskontexten. Wo war es denn aus deiner persönlichen Sicht am besten?

Stefan Kühn (25:49)
Ja, ist eine gute Frage. Ja, ja, Also bei Snap war es am komfortabelsten, weil es tatsächlich einfach unfassbar viel an Plattformen das war, da muss man sich ja auch mal vorstellen, wie viele Personen dort in dem Bereich tätig sind. Also da geht es ja nicht nur ⁓ Data Scientists wie mich, Algorithmen bauen, sondern da gab es ganze Teams, haben Company-wise Experimentation-Plattformen gebaut.

Philipp Deutscher (25:50)
War's bei Snap?

Stefan Kühn (26:17)
Also wirklich mit einem hohen Maß an Automatisierung, wo quasi das Ziel auch war, dass alle Angestellten dann sehr einfach Experimente durchführen können im Live-System. Das mit einem sehr hohen Maß an Dokumentation, automatisierter Auswertung, da werden Metriken vollautomatisch berechnet, mit allen statistischen sozusagen Teststeam, die man sich wünscht, vollautomatisiert. Das ist natürlich ein

gewisser Luxus. Auf der anderen Seite darf man nicht vergessen, dass Entscheidungsqualität nicht

100 Prozent von Daten abhängt, sondern es geht einfach auch schon sehr viel ⁓ das Experimentation Design, die Fragen, die man eigentlich stellt. Und diese Dimension von Arbeiten mit Daten ist für mich in meiner Erfahrung eigentlich die Wichtigere. Und das ist tatsächlich dann eine Sache, das hängt auch sehr viel von den handelnden Personen ab, eben dieser Offenheit, verstehe ich, was ich tue oder bin ich einfach auch nur ein Rädchen im System und habe zwar eine tolle Maschinerie mich herum, aber kann sie eben nicht richtig nutzen?

weil ich eben kein Gefühl für das System habe. wenn du mich jetzt in ein Formel-1-Auto setzt, werde ich auch nicht sonderlich schnell damit fahren können oder vielleicht recht schnell einen Unfall bauen. Aber es gibt schon auch eine gewisse, könnte man das nennen, das ist dann eben

Ja, eine Sache, die man vielleicht wie ein Handwerk lernt oder wo noch bisschen Kunst mit dazu gehört. Ich würde auch sagen, eben auch so Dinge wie Unternehmensführung, echter entrepreneurial spirit, die sind nicht so leicht.

Textbücher oder Uni-Kurse zu vermitteln, sondern da ist ein bisschen die gelebte Dynamik wichtig. Und das ist im Datenbereich, ich, besonders so. Und ich habe schon tatsächlich an einigen Stellen das Erlebte, wie Leute durch intelligente Fragestellungen sozusagen also mehr erreicht haben als durch die Anwendung mathematisch perfekter Algorithmen.

Philipp Deutscher (28:14)
Ja, sehr guter Punkt. hatten auch, ich erinnere mich im Vorgespräch, dass wir über das Thema gesprochen hatten, wo das Data-Thema und das Machine Learning-Thema und die Teams im Unternehmen aufgehangen sind. Und ich behaupte, dass diese Entscheidung auch maßgeblich das beeinflusst, wie mit Daten gearbeitet wird, wie sie verarbeitet werden, welche Wirkung man damit entfaltet. Und da macht das einen Unterschied, glaube ich, ob das Thema Data beim CTO liegt, beim CFO oder beim COO. Wie siehst du das?

Oder wie, ja du bist jetzt CTO mit dem Background, wahrscheinlich wird das Thema bei dir aufgehangen sein. Aber wie ist es, wie hast du das in anderen Unternehmen erlebt? Wo war das Thema da aufgehangen?

Stefan Kühn (28:54)
Ja, also mir aktuell habe ich den Luxus, dass es bei mir aufgehangen ist. Aber ich habe auch schon alles erlebt, wie du gesagt hast, also auch die unterschiedlichen Bereiche. Manchmal ist es auch geteilt. in der, der schon mal XING erwähnt, da waren früher die Analysten beim CFO und die Data Scientists beim CTO. Also da hatte man sozusagen die Datenwertschöpfungskette in zwei Organisationseinheiten gepackt. Das kann dann trotzdem funktionieren auf der, ja, sag ich mal, kollaborativen Individual Contributor-Ebene.

Aber es ist nicht die beste organisatorische Entscheidung.

Das Hauptproblem, was ich erlebt habe am Management von Daten, Experten, Datenabteilungen, ist, dass das hauptsächlich bei einem Cost Center behandelt wird und eben nicht als Kerninnovationsprodukt, was eine Firma wirklich nach vorne bringen kann. Natürlich heißt das nicht, dass man ganz viele Ressourcen jetzt darauf verschwenden muss,

Proof of Concepts zu bauen. Da gibt es ja auch genug Beispiele, wie ineffizient das funktioniert. Aber es ist eben kein technisches Thema. Das Arbeiten mit Daten erfordert technisches Know-how, erfordert Datenohoher, aber es erfordert eben auch Produkt- oder Businessverständnis. Das ist eine Sache, wo eben viele Dinge zusammenkommen. Und in meiner Erfahrung ist das so bisschen das Zusammenspiel von CTO und Chief Product Officer und dann eben CEO oder jemand, der die Business-Ebene repräsentiert. Und da haben wir in in den gängigen Organisationsstrukturen, haben wir keine gute Heimat.

für sozusagen die Datenwertschöpfungsketten. Und das ist so bisschen auch mein Beweggrund, warum ich in der Management-Ebene jetzt auch bin, eben dieses Umfeld zu schaffen und dieses Verständnis. Aber ich würde sagen, wir müssen wegkommen von diesem Managen von Kosten und sozusagen lieber auf einer klaren Kostenbasis versuchen, die größtmögliche Innovationen rauszuholen und positive Veränderungen. Arbeiten mit Daten...

Philipp Deutscher (30:45)
Das wäre wahrscheinlich auch mein Ansatz gewesen.

Wenn die Data-Rolle beim CTO aufgehangen ist, dann ist die Wahrscheinlichkeit, dass es Teil der Value Creation ist und ist höher, als wenn du sie beim CFO aufhängst,

Stefan Kühn (30:57)
Ja, also zumindest die, sagen wir mal, die Denkweise in einer Finanzabteilung ist ja grundsätzlich

reaktiv ein Stück weit. Also man beobachtet, was reinkommt und plant dann entsprechend. Ja, man macht auch Forecasts, aber wirklich sozusagen extrapoliert aus der Vergangenheit und es ist eher eine Planungsabteilung. Es ist keine Abteilung, die kreativ gestaltet, Risiken eingeht, Experimente macht oder Bets, also sozusagen wetten, wie man das heutzutage ja auch formuliert. Und die Arbeit mit Daten erfordert eben, wie gesagt, ein gewisses Investment, aber eigentlich geht es darum, ⁓

Philipp Deutscher (31:10)
Guter Punkt,

Stefan Kühn (31:36)
gute Wetten auf die Zukunft zu machen und die leichtgewichtig zu verproben. ⁓

die bestmöglichen Entscheidungen für das Gesamtsystem zu treffen. das ist so diese Art zu arbeiten. In welcher Abteilung in der Firma, die am ehesten vorhanden ist, da würde ich die Datenabteilung hinbacken. es ist eigentlich, ja, oftmals, wenn man die handelnden Personen kennt, dann ist es vielleicht auch nicht so wichtig, ob das jetzt der CFO oder der CCO ist, wenn das jemand ist mit dem richtigen Mindset. Bei mir persönlich waren es tatsächlich mehr die CTOs oder, wenn ich mal das Glück hatte, tatsächlich ein...

Chief Data Officer oder ähnliches als Chef zu haben. Bei Snap war ich zum Beispiel in der Produktrolle, weil dort Data Science als Produktrolle gesehen wurde, Data Engineering als Engineeringrolle und die wurden immer so im Tandem losgelassen. Also das ist auch eine mögliche Art, das zu modellieren.

Philipp Deutscher (32:26)
Okay, dann lass uns mal über Sporting Rock sprechen. Wir haben das jetzt schon ein paar Mal angedeutet. Du bist CTO von Sporting Rock, aber wir wissen alle noch gar nicht, was Sporting Rock macht. Jetzt kann man vom Namen davon ausgehen und deinem Background. Es hat was mit Sport und mit Daten zu tun. Vielleicht kannst du in zwei, drei Sätzen mal erklären. Was macht Sporting

Was ist das für eine Company? Wie groß seid

Vielleicht kannst du das mal kurz umreißen für uns.

Stefan Kühn (32:48)
Gerne. Also Sporting Rock ist eine Firma, sitzt in Hamburg, ungefähr 30, 35 Mitarbeiter. sind noch recht klein. Und unser Ziel, unsere Aufgabe ist es, Sportverbände eine Software-SS-Service-Lösung bereitzustellen, mit der sie alle ihre Verbandsprozesse verwalten können, aber eben auch den Sport selber. Also das heißt, Ligen, Turniere.

Spiele, Schiedsrichterregeln, Ranglisten, alles was dazugehört. Live-Ticker, Data-Feeds für Live-Streaming, zum Beispiel bei deinen oder ähnlichen Streaming-Anbietern, solche Dinge und die.

Der Ursprung kommt sozusagen aus dem deutschen Feldhockey. Hier sind sehr viele, auch teils hochdekorierte ehemalige Hockeyspieler, die die Firma mit gegründet haben und einen, ja, also auch sozusagen den deutschen Hockeyverband als ersten Kunden hatten. Vor einigen Jahren damals noch an einer anderen Firma, die Computer Rock hieß, wurde das als erstes Projekt gebaut und dann ausgegründet vor zwei Jahren eben als Sporting Rock. Und da sind eben also

Was sehr angenehm ist, sind viele ehemalige Profisportler dabei, die eben auch dieses Profisport-Mindset mitgenommen haben. Und es ist ein Teamsport, das heißt alle versuchen im Team das Beste rauszuholen.

Und ja, ich komme jetzt natürlich sozusagen als Datenexperte. Ich habe jetzt keine Profisport-Erfahrung. Ich habe auch keine Profisport-Figur, sage ich mal. Aber ich habe immerhin auch ganz gut mal Schach gespielt im Jugendbereich, war auch mal Hamburger Meister. Also ich kenne ein bisschen. Aber tatsächlich kommt das eher, ja.

Philipp Deutscher (34:23)
Profisport-Mindset hast du dann. Aber vielleicht du kannst mir mal eine Sache

noch erklären, du hast mich gerade daran erinnert. Ich hatte das glaube ich auch im Zuge der WM in Deutschland 2006. Hatte ich das auch noch so im Hinterkopf damals als Jürgen Klinsmann die deutsche Nationalmannschaft übernahm und auf einmal hatte er irgendwelche Datenanalysten aus dem Hockey. Hat er glaube ich damals als erstes Mal irgendwo in den Fußballbereich integriert. Warum ist Hockey

Was natürlich in Deutschland eine große Sportart ist, aber natürlich von den gesamten Umsätzen, die das machst, eigentlich eine Randerscheinung im Vergleich zu anderen großen Sportarten. Wieso ist hier ein so großer Exposure zu Data entstanden, noch vor dem Fußball und noch vor anderen Sportarten, die weit mehr Umsatz machen wie Handball oder so was? Wieso ist da Hockey gerade so, die hat die Vorräterrolle übernommen?

Stefan Kühn (35:13)
Das ist eine gute Frage. Hängt vielleicht auch ein bisschen an einzelnen Personen. Also damals, wir haben 2006, das war ja der Bernhard Peters, der damals auch im Hockey Nationaltrainer war und der auch danach viel im Proffußball unterwegs war und jetzt sein Sohn Jan Peters hat auch da eine...

Philipp Deutscher (35:24)
Genau so hieß es ja.

Stefan Kühn (35:31)
auch mit so High Performance Focus, auch im Fußball und tatsächlich ist das aber aus, ja ich kann es nicht so ganz genau sagen, ist es auf jeden Fall ein sehr innovationsfreudiger Sport auf der einen Seite, also von den handelnden Personen dort und also der Bernhard Peters damals hat sich eben auch sehr viel in der gesamten Sportwelt umgeguckt. Der hat einfach innovative Trainingsmethoden, Spielanalysemethoden aus vor allen Dingen auch American Sports, wo ja grundsätzlich auch viel mehr

Datenanalyse gemacht wird, viel größere Investments auch da sind in diesem Bereich. Er ja sozusagen innovative Konzepte daneben auch in den Fußball gebracht. Das hat nicht alles immer funktioniert. Auch der Fußball ist eben ein Sport, der, sag ich mal, noch zumindest in Deutschland recht bodenständig ist, wo sehr viel über Bekanntschaft, Netzwerke, Vertrauen, über so eine gewisse Street Credibility funktioniert. Aber tatsächlich ist auch hier bei uns, also der Christian Richter, unser CEO, der ist auch eben als ehemaliger Hockeyprobe

auch sehr innovationsfreudig und vielleicht liegt es auch ein bisschen tatsächlich am Sport, dass man da vielleicht weil es eben nicht ganz so durchprofessionalisiert ist wie Fußball, dass man eben selber noch ein bisschen out of the box denken muss und denken kann. Vielleicht liegt es auch daran, dass die Hockeyvereine hier in Hamburg in der Regel auch so kombinierte Vereine sind, dass es oftmals so Hockey und Tennis zusammen, also man ist eben nicht nur in seiner eigenen Bubble, sondern hat vielleicht auch grundsätzlich ein bisschen mehr Exposure zu anderen Themen.

Auf jeden Fall ein sehr angenehmes Arbeitsumfeld und wie gesagt, ich bin sehr happy mit meinen Hockey-Kollegen.

Philipp Deutscher (37:02)
Sehr gut. Ja, das ist wirklich ein sehr spannendes Thema. Aber wahrscheinlich noch mal eine Idee für einen eigenen Podcast, wie sich denn das Data-Thema in Analytics gerade im deutschsprachigen Raum sehr aus dem Hockeybereich herausentwickelt hat. Du hast mir jetzt gerade noch mal sehr vor Augen geführt, es eine, Wahrnehmung hatte ich auch schon vorher und es ist komplett in Vergessenheit geraten. Aber kannst du irgendwie abschätzen, wie groß ist der Unterschied oder der Abstand von Analytics im Bereich Fußball?

Beispielsweise im Vergleich zu American Football oder Basketball, wo das, glaube ich, noch mal einen viel höheren Stellenwert hat. Ist das noch so groß oder ist das nur die öffentliche Wahrnehmung, weil Football oder Basketball einfach viel mehr auch mit Statistiken in der Berichterstattung arbeiten wie Fußball?

Stefan Kühn (37:42)
Also das ist auf jeden Fall die eine Dimension. Die American Sports sind viel, viel statistischer. Angefangen von Baseball, wo es ja sozusagen seinen Ursprung genommen hat, ist es ein durch und statistischer Sport. Football lässt sich am ehesten beschreiben, würde ich sagen, mit den Standardsituationen, die wir im Fußball haben. wo man einfach, also quasi jeder Spielzug ist eine neue Standardsituation. Das kann man wirklich sehr, sehr gut planen und dann...

⁓ natürlich auch das Spiel ist ganz ganz anders. Die Spielzüge im American Football sind sehr executionlastig. Es geht sehr Präzision und im Fußball

ist es einfach nach wie vor eine relativ ungeklärte Frage, was ist eigentlich die beste Strategie? Das Spiel ist eben so komplex, dass es bisher zu jeder Strategie dann wieder eine entsprechend gute Gegenstrategie gab. Also sagen wir Tiki-Taka, dann gab es das Gegenpressing und jetzt gibt es wieder mehr Ballbesitzungen, also ballorientierte Spielweisen.

Ich glaube, Fußball hat einfach diese Schwierigkeit als Beautiful Sport, wie man so sagt. Es gibt viel zu wenig Erfolgser- eignisse, ⁓ mit statistischen Methoden einfach abzuleiten, was ist die beste Taktik. Und der Sport ist darüber hinaus auch noch sehr fehlerlastig. Das heißt,

Die Hälfte aller Tore fällt dann eher nach Fehlern, die man natürlich auch provozieren kann, als dass sie durch herausgespielte individuelle Glanzleistungen sozusagen erfolgen. Und das macht den Sport halt auch sehr angenehm. Ich würde trotzdem sagen, wir, also wenn man die Investments vergleicht, dann wir sicherlich Größenordnung Faktor 10 oder 50 in manchen Reichen unter dem, was in American Sports investiert wird. Und da könnte man noch viel mehr rausholen.

Philipp Deutscher (39:16)
von der Qualität von Analytics.

Stefan Kühn (39:18)
Ja, das ist ganz interessant. Natürlich haben wir jetzt im American Sport auch ein Level erreicht, wo Analytics eine gewisse Commodity ist, währenddessen im Fußball tatsächlich sehr viel Ground Research gemacht wird. da war jetzt gerade erst letzten Monat auf einer Konferenz in Stockholm bei einem

auch Analytics Startup, wo dann eben Leute in Kooperation mit der Uni dort, Postdocs und Doktoranden, ihre Forschungsarbeiten vorstellen. Und da hat man dann eben wieder diesen Charme, dass die Forschungsarbeit ist noch sehr viel offener. Die Fragestellungen sind, sag ich mal, größer als die kleinteiligen Analysen, die jetzt eben in American Sports gemacht wird, da nochmal ein Epsilon an Effektivität rauszuholen. Da geht es im Fußball eben noch die grundlegenden Fragestellungen. Also was ist eigentlich ein guter Pass?

oder was es wäre jetzt in einer bestimmten Spielsituation die next best action, wie bewertet man, ob ein Spieler eine gute Entscheidung getroffen hat oder nicht. Das sind so Dinge, die finde ich persönlich wieder so oder da spricht es so meine Forscher-Säle an, sodass man da noch bisschen diesen großen Fragen auf die Spur kommen kann und da ist die Qualität der Forschung teilweise sehr gut, aber letzten Endes der

Wenn ich jetzt das mal vergleiche, welchen Impact die Datenanalyse hat im Vergleich zur wirklich fachlichen Fußballerfahrung. Ich war selber Profi, ich war zehn Jahre Trainer. Da ist der Datenanteil noch deutlich geringer.

Philipp Deutscher (40:45)
Du sagst

ja selber auch, dass es wahrscheinlich auch daran dass der amerikanische Sport sehr mehr execution driven ist und der europäische Sport, also gerade auch der Fußball, ist fluider und damit auch komplexer und damit vielleicht auch weniger von außen direkt coachable. Also ich erinnere mich daran, ich auch mal, ich weiß gar nicht, vielleicht war es auch Jürgen Klinsmann an der Stelle, weil er im amerikanischen Raum lange Zeit unterwegs war, der auch mal erklärt hat, dass es er in der MLS früher das

auch mal beobachtet hat, dass amerikanische Coaches da wie wild an der Seitenlinie rumspringen und versuchen auf das Spieleinfluss zu nehmen, weil die amerikanischen Spielformen dann eher Coaches-Sports sind, also sehr von den Entscheidungen der Coaches auch entschieden werden während des Spiels. Und Fußball ist eher ein Playersport, natürlich kriegen die eine Einstellung mit und eine Taktik und so weiter, aber wenn es dann auf dem Feld ist, dann kann der Trainer...

nur noch minimal irgendwo auf die Entscheidungen auf dem Platz einwirken. Und dass das auch so verschiedene Mindsets und verschiedene Herangehensweisen an Sport sind und die sich dann natürlich auch auf so Themen wie Analytics und so was auswirken. Das eine ist vielleicht eher explorativer, vielleicht auch mehr Research getrieben und das andere dann eher, ja, geht es jetzt die paar Prozent, die du noch mehr rausholen willst in der Execution dieses einen Spielzugs oder so.

Stefan Kühn (42:05)
Genau, also das ist auch tatsächlich ein sehr großer Unterschied. American Football, der Coach sagt den Spielzug an und dann dauert das Ganze fünf Sekunden. Und dann im Fußball sozusagen ist es ein kontinuierlicher Sport. Es gibt auch nicht wie im Handball oder so ein Zeitlimit, dass man einen Angriff abschließen muss, man immer Sequenzen hat, sondern man kann sehr kreativ sein. Man kann von sehr schnell sowas wie...

Drei Pässe bis zum Torabschluss oder sowas wie die Seven Seconds or Less Offense, damals im Basketball von Darrell Moray eingeführt wurde. Es gibt da sehr unterschiedliche Strategien von sehr kontrollierter Ballbesitz bis hin zu sofort den Weg zum Torsuchen. Und das ist

Philipp Deutscher (42:47)
7 Seconds

or Less war in den Phoenix Suns, das war vor Darrell Murray noch. Das war ein anderer Trainer. Darrell Murray war Manager bei Houston Rockets und da war 7 Seconds or Less schon 10, 15 Jahre her.

Stefan Kühn (42:51)
Auf alle Art und Weise, ja. Aber das, ja.

Ja, aber der hat das bei Justen auch ganz stark implementiert. Erfunden hat er das nicht. Grundsätzlich haben in den American Sports die Trainer einen viel größeren Einfluss auf das, auch spielfältig Währenddessen natürlich im Fußball, da sieht man auch in den Gehältern, im Endeffekt die...

Philipp Deutscher (43:04)
Genau, genau.

Stefan Kühn (43:21)
die Spielernamen alles überstrahlen. So jemand wie Messi, der darf einfach alles auf dem Feld machen, weil im Endeffekt die Kreativität, das was er mitbringt, das kann kein Trainer ihm vorgeben. Und generell ist Fußball ein Sport, der ist eher nach Prinzipien zu coachen und nicht nach Aktionen. Und das ist so bisschen der Unterschied. Also die Trainer heutzutage versuchen, also im normalen Spielschluss eben, wie gesagt, mit Prinzipien zu arbeiten und nicht eine genaue Passstaffette vorzugeben. Du hast einfach diese, du hast einfach diese

Komplexität, die dadurch entsteht, dass man das alleine durch, ja, also es gibt doch gar keine guten Algorithmen, diese Komplexität abzubilden. Aktuell arbeitet man eher so mit grafenbasierten Algorithmen, ja, die Anzahl an Data Scientists, das mal ausreichend gut gelernt haben, kannst du auch an, sag mal, zwei Händen abzählen. Da fehlt es auch dann methodisch an dem Verständnis. Also mit den normalen statistischen Methoden kommt man halt auch nur begrenzt weit und die wirklich

Ja, modernen Werkzeuge kennen einfach zu wenige, sie wie so eine Commodity eben überall einsetzen zu können.

Philipp Deutscher (44:27)
Sehr gut. sind wir auch ein bisschen, haben wir uns in den Untiefen des Sports auch noch nicht verirrt, weil das würde ich nicht sagen, gehört ja immer noch zum Thema. Aber vielleicht noch mal zurück zu Sporting Rock. Ihr seid ja sehr stark vertriebsgetrieben unterwegs. Ihr habt ja auch den Deutschen Paddle Verband und ich glaube, du hast gesagt, ihr sprecht mit Organisationen wie Hi-Rocks. Wie sehr beeinflusst es denn auch deine Tätigkeit als CTO, wenn die Sales Pipeline dann sagt auf einmal, wir brauchen jetzt Feature XY?

Stefan Kühn (44:37)
Ja.

Philipp Deutscher (44:55)
Auf der anderen Seite musst du aber immer noch die Notwendigkeiten, eine skalierbare Plattform zu bauen. Die musst du ja auch noch gerecht werden, die auch in fünf Jahren noch tragfähig ist. Also wie balancierst du das in deiner Rolle als CTO?

Stefan Kühn (45:05)
Das ist auch eine interessante Aufgabe. Tatsächlich versuchen wir auch, die Komplexität des Sports ein bisschen in Module herunterzubrechen. Wir versuchen damit, Ähnlichkeiten zu arbeiten. Welche Sportarten funktionieren grundsätzlich ähnlich, haben ähnliche Bedarfe.

Es gibt einfach zwei große Komplexitäten. Das eine ist das Verbandsmanagement, also welche Prozesse hat ein Verband und das kann eben sehr, ja gerade so ältere, gewachsene, gestandene Verbände haben dann teilweise ein sehr detailliertes, ja.

Prozessportfolio, währenddessen junge Verbände wie eben der Deutsche Paddelverband oder auch eben Hi-Rocks als zentrale Weltorganisation dann auch deutlich agiler unterwegs sind. Das ist eine sportunabhängige Komplexität, die muss man managen. Das ist dann ja auch durchaus bekannte Prozesse. Der sportliche Teil, natürlich sozusagen vielleicht für die meisten interessanter ist, da hat man eben Liegen, Turnierbäume, das ist auch alles recht sportartenunabhängig und die eigentliche Komplexität liegt eher in so Dingen wie Live-Ticks.

den entsprechenden Matchformaten, die es da zu abzubilden gibt und dann eben oftmals wie gesagt, die teilweise auch bis hin zu den ganzen Komplexitäten.

Philipp Deutscher (46:19)
ist die konkrete Schwierigkeit

bei den Live-Ticker.

Stefan Kühn (46:22)
Ja, die sind dann sehr, sportartspezifisch. Also welche Karten es gibt, welche Events, welche Daten überhaupt erhoben werden sollen. Da hat man eben jetzt haben wir zum Beispiel Lacrosse ist auch eine Sportart, der wir der wir zusammenarbeiten. Die haben dann eben Groundballs. Im Hockey ist es dann eben so was wie vielleicht Kreiseintritte, Strafecken, grüne Karten. Jeder Sport hat so seine, seine Eigenheiten und da.

Da kann man an der Stelle nicht mehr einen Tool für alle entwickeln, sondern da wird es dann eben sozusagen so ein paar verschiedene Versionen geben müssen. Aber idealerweise eben dann auch welche für Mannschaftssportarten, die recht ähnlich funktionieren. Solche Rückschlagssportarten oder Game Set Match, wir das intern nennen, was wie Paddle, Tennis, Tischtennis, die alle über so eine ähnliche Sportlogik verfügen, wo man zumindest das Look and Feel anpassen kann. Also das ist so bisschen die zweite Komplexität, wo wir dann eben natürlich auch vom Tooling her

können wir nicht mehr nur eine Software-SS-Service-Lösung haben, sondern da muss es einfach verschiedene, sozusagen, Customized-Lösungen geben. Und tatsächlich ist es aber, man darf nicht unterschätzen, wie komplex der Amateursport ist an der Stelle. Also wenn wir über Hockey reden, dann geht es ...

auch natürlich die Hockey-Bundesliga zum Beispiel, wo auch Hamburg sehr stark vertreten ist, sondern es geht auch ⁓ den ganzen Amateursport. Da sind, wir von 90.000 Sportlerinnen und Sportlern Jugendliegen, wo dann die Eltern involviert sein müssen. Also das ist nochmal eine ganz andere Komplexität. Und da geht es dann zum Beispiel auch darum, wie kann man einen Ergebnisdienst so gestalten, dass eben auch die Eltern, die am Spielfeld ran, dann das Ergebnis oder einen Spielbericht notieren, das irgendwie in einer Mobile-App eingeben können mit schlechter Konnektivität.

in unserer deutschen Internet-Konnektivitätswüste manchmal. Da haben wir ganz andere Herausforderungen. Das sind dann eben die Requirements, dann bei dem CTO auf den Tisch landen. Also wie können wir so ein System eben auch gestalten, dass es eben auch mit solchen Umweltbedingungen, sage ich mal, klar kommt.

Philipp Deutscher (48:04)
Dass das immer noch ein Thema ist, ja, okay.

Ist

der Ticker dann auch die größte technische und organisatorische Herausforderung, du hast, so eine generalisierbare cloudbasierte SaaS-Plattform zur Verfügung zu stellen für eben sehr viele Sportarten? Oder ist es dann das Datenerfassungsthema, das du gerade genannt hast, mit unter sehr komischen Bedingungen? Oder ist es dann doch was anderes?

Stefan Kühn (48:42)
Also ich würde sagen, auch gerade weil wir eben auch den Jugendsport mit verwalten, ganzen Amateur-Sport, das ist das Datenschutz und Sicherheit, wenn man ganz, ganz, ganz hohes, also ganz hohe Priorität genießen und mit das Wichtigste sind. ist auch einer der Gründe, warum sozusagen jetzt ich als eher Datenexperte in der CTO-Rolle bin, um einfach diesen Bereich guten Gewissens verwalten zu können, weil ich natürlich schon viele Systeme auch konzipiert oder auch betrieben habe, die sehr sensible Daten verwalten. Und da so ein Jahr die Komplexität

von so einem Live-Ticker ist eher an der Anwendungsentwicklung. Aber Anwendungsentwicklung ist jetzt kein Hexenwerk, wenn man das Requirements Engineering gut abbilden kann. Aber bestimmte Dinge, das ist auch da, wo wir eben versuchen, den Fokus darauf zu setzen, ist zum einen Datenschutz und Datensicherheit und dann auf der anderen Seite aber auch die Daten, die wir über den Sport erheben, nutzbar zu machen für die Verbände, für die Vereine, für die Sportaktiven. Also das ist dann eben die zweite Komponente. Ich hatte schon von sozusagen Datafeeds für Livestreaming gesprochen.

aber eben auch bis hin zu Performance Analysen oder die Dinge, die ich eben vielleicht jetzt im Fußball für den FC St. Pauli mache, wie man das vielleicht SS Service auch für Sportverbände zur Verfügung stellen kann oder für Sportarten, die eben keine Milliarden-TV-Verträge mit den großen amerikanischen Streaming-Glieds machen können. Und das ist so bisschen auch die Motivation, die uns alle hier bisschen bewegt, also mir auch den Alltagssport sozusagen zu stützen und ja.

Das ist das, wo ich die größte Herausforderung sehe.

Philipp Deutscher (50:14)
Sehr gute Überleitung auch zum Thema St. Pauli, das du jetzt gerade genannt hast. Ich habe gesehen, du bist seit acht Jahren, bist du Datenscout beim FC St.

Aktives System mit rund 13.000 Spieler, das ihr da analysiert.

Profile für Transferentscheidungen, die du miterstellst. Wie sieht dieser Daten- und Entscheidungsprozess von außen betrachtet aus? Und an welcher Stelle, da fließen dann deine Modelle konkret in die Entscheidungen ein?

Stefan Kühn (50:39)
Genau, ich würde mal bei dem grundsätzlichen Entscheidungsprozess anfangen. Also St. Pauli, auch wenn wir jetzt in der Bundesliga sind, sind in dem Pool, in dem wir sozusagen im Wettbewerb sind, sind wir ein kleiner Fisch. Das heißt, wir müssen smarter sein, geschickter sein, schneller sein als andere,

überhaupt Zugriff zu haben auf die Talente, bevor sie zu offensichtlich sind. Wir haben keine großen Transferbudgets. Wir haben jetzt in der letzten Transferphase das erste Mal, ja, so was wie vier, fünf Millionen Euro investiert in einen Spieler. Das ist natürlich, ja, wenn man jetzt an andere Vereine guckt, ist das das Peanuts. Aber der Prozess bei uns sozusagen ist natürlich, also er ist

auch überschaubar, weil wir ein kleines Team sind. Wir haben eine recht kleine Kaderplanungsabteilung. Wir haben aber ein sehr eingeschworenes Team, würde ich mal sagen. Wir verstehen uns sehr gut. Wir haben Vertrauen zueinander. Und im Wesentlichen ist es so, meine Arbeit besteht entweder daraus, dass ich konkret gefragt werde, hey, wir haben ja einen Kandidaten, weil er uns angeboten wurde oder weil wir einfach da den anderweitig entdeckt haben. Was kannst du uns denn mal datentechnisch über den über den sagen? Und dann sozusagen befrage ich eben die Software, die ich selbst geschrieben habe über die letzten Jahre, ⁓ die Daten, die wir haben, zu verarbeiten.

Und erstelle dann eben auch je nach Fragestellung Profile und vergleiche den Spieler dann vielleicht mit anderen Spielern, mit ähnlichen Spielern seine historische Entwicklung. Das ist jetzt auch kein vollständig standardisierter Prozess, aber sozusagen durchaus recht solide und wir haben glaube ich auch einen ganz guten Track-Record, das angeht, jetzt in den letzten Jahren, was die Transfers angeht.

Am liebsten mache ich aber der andere Teil, das ist, ich einfach die große Menge an Daten, die ich als Opfer haben, wie gesagt, im letzten Sommer haben wir 13.000 Spieler angeschaut, hauptsächlich aus Europa, oder hauptsächlich habe ich die angeschaut, tatsächlich in der Komplexität und versuche dann in diesem großen Pool die Nadeln in dem Heu auch zu finden, die uns weiterhelfen oder die Talente, die noch keiner auf dem Zettel hat oder wo ich denke, dass...

dass die entweder schon so gute Leistungen zeigen, dass sie uns weiterhelfen können oder dass sie kurz vor dem Sprung stehen. Und das ist so bisschen das... Die offensichtlich guten Spieler finden alle. Da braucht man in der Regel auch keine ausgefeilten Analysen. Es ist halt...

schwierig die zu finden, die Spieler zu finden, bevor sie so richtig gut werden. Und auch das klappt nicht immer, aber es klappt dann auch ausreichend oft. Wir können die natürlich auch nicht immer verpflichten. Aber dann erstelle ich eben auch Listen mit diesen Talenten und versuche sie dann in kleinen Kollegenkreis sozusagen zu promoten und versuche ein bisschen auch zu erklären, warum ich die jeweiligen Spieler empfehle. Und der Vorteil davon ist, dass wir sozusagen das auch oft nutzen können für die Zukunft.

mehr explorative Prozess, der von mir kommt, der ist eher dafür da, Spieler zu finden, die wir vielleicht eine Saison später verpflichten können. Ich versuche die sozusagen so früh auf unser Radar zu setzen, dass eben dann unser Live-Scouting, unser Video-Scouting dann einsetzen kann und dann die rechtzeitig gründlich evaluieren kann.

Philipp Deutscher (53:54)
Wie viel Fantasie oder Bauchgefühl muss man dann trotzdem noch haben als Verein, hier die richtigen Treffer zu landen? Also ich habe ein Beispiel aus der aktuellen Saison. Ein Shootingstar vom 1. FC Köln, Said El-Mallah, war vorher bei Gladbach, ist dort aussortiert worden. Jetzt zeigt jeder mit dem Finger auf Gladbach und sagt, wie konntet ihr, ihr seid ja total dämlich, den auszusortieren. Guck mal, was das für ein potenzieller Superstar sein kann.

Dann hieß es aber, glaube ich, aus deren Sicht, der war körperlich überhaupt nicht in der Lage, da dagegen zu halten mit seinem... Das heißt, er war noch gar nicht so weit. ist deswegen, vielleicht als Spätentwickler dann irgendwann hat er ganz schön aufgeholt. Aber dann brauchst du ja trotzdem jemanden, der hier eine Entscheidung trifft und das Potenzial sieht und die Fantasie hat, der kann das ja noch mal aufholen. Und dann wird er mit Sicherheit trotzdem nicht von einem Verein wie Bayern München gescoutet, sondern der wird dann halt von den kleinen Vereinen vielleicht aber auch in St. Pauli irgendwann gescoutet.

Ist das Teil der Wahrheit, dass du einfach, du hast ja selber gesagt, es wird teilweise komplett anders gescoutet mit komplett anderen Vorgaben, aber wie viel Bauchgefühl oder vielleicht auch Fantasie gehört denn tatsächlich noch dazu, neben all den Daten, die man schon hat?

Stefan Kühn (55:02)
Also Fantasie und Bauchgefühl auf jeden Fall. Es gehört aber auch natürlich dazu, auf welche Eigenschaften man sich jeweils fokussiert. Ich kann das bei Gladbach total verstehen, dass sie eben sagen, hey, wir gucken auf die körperlichen Attribute vielleicht zuerst und dann, das ist auch durchaus, das sind ja Dinge, man auch leicht einschätzen kann. Ist jemand robust, ist jemand präsent, körperlich präsent, ist jemand im Zweikampf durchsetzungsfähig. Ich persönlich würde auch eher zu den fußballerischen Qualitäten tendieren, denn

Das ist meiner Einschätzung nach etwas, was man schwerer lernen kann. Ich versuche das eher so zu betrachten. Ich versuche in den Daten die Dinge zu finden, die man schwer später entwickelt. Und bestimmte Dinge kann man aber ...

noch dazulernen und daran kann man arbeiten, im Training, in der persönlichen Entwicklung. Und das ist so bisschen das, wo jeder Verein sich ja auch seine eigene Philosophie hat, welche Attribute wirklich gesucht werden. Und deswegen kommt es oft vor, dass Spieler, die bei einem Verein auch sozusagen keine Chance bekommen haben oder nicht wertgeschätzt wurden, bei einem anderen Verein aufblühen. ist auch die Systemfrage natürlich, aber es ist eben, glaube ich, auch mehr diese Philosophiefrage an sich.

Philipp Deutscher (56:07)
Darf ich da nochmal kurz einhaken? du hast ja gesagt, also Technik kann ich jemandem ja nicht so gut beibringen. Aber auf der anderen Seite gibt es zum Beispiel im Basketball gibt es ja auch das Mantra, can't teach height. Also die Größe kannst du nicht trainieren. So Skills mit dem Ball und sowas kannst du ja im Gegensatz dazu trainieren. Wenn jetzt einer von der körperlichen Entwicklung noch unterentwickelt ist, musst du ja trotzdem die Fantasie haben, dass er sich da noch hinentwickeln kann, was ja auch nicht in deiner Macht liegt. Also noch viel weniger als ihm jetzt einfach ganz auf den Ball zu geben und sagen, jetzt machen wir diese Übung.

Also ich würde sagen, du kannst doch eher Technik trainieren wie die körperlichen Voraussetzungen.

Stefan Kühn (56:43)
Das stimmt natürlich. Fußball ist eher die Geschwindigkeit. You can't teach speed sozusagen. Und es gibt viele Trainer, die dann einfach sehr, sehr auf schnelle Spieler setzen. Auf der anderen Seite darf man Schnelligkeit auch nicht überwerten. Schnelligkeit kann man über das System ganz gut kompensieren. Also wenn du dir mal anschaust, gerade der FC St. Pauli hat letzte Saison die Klasse gehalten mit wahrscheinlich der langsamsten Dreierkette in der Abwehr in der Bundesliga-Geschichte oder in der neueren Bundesliga-Geschichte. das ist jetzt kein, ja, nur offensiv. Sie nehmen es nicht persönlich.

bestimmte Dinge kann man eben systemisch nicht so gut abdecken. Ich persönlich, ich verstehe natürlich auch die Innenverteidiger brauchen eine gewisse Größe, die Torhüter und so weiter. Es gibt bestimmte Rahmenbedingungen, aber...

Es ist dann eben auch oftmals wirklich das Talent, wenn wir jemanden wie Luka Dončić uns anschauen in der NBA oder auch Nikola Jokic, das sind Beispieler, die sind nicht besonders schnell.

auch wirken zumindest auch nicht sonderlich athletisch durchtrainiert und nicht immer so athletisch durchtrainiert wie zum Beispiel wie LeBron James, aber haben einen unheimlichen Einfluss auf das Spiel durch ganz andere Eigenschaften, weil sie das Spiel steuern und lesen können. Ich glaube, ist auch bisschen das, mir persönlich, ich finde sozusagen auch vielleicht diese Art von Spieletypen interessanter, die das Spiel für mich interessant und komplex machen. Klar, schnell laufen und höher springen. ⁓

Das sind einfach auch Fähigkeiten, das kann man nur begrenzt trainieren. Das ist auch immer ein gewisser Vorteil. Aber das ist für mich persönlich nicht so...

beeindruckend einerseits und auf der anderen Seite es ist auch nicht so schwer zu finden. Also das heißt da können wir vom Scouting her keinen Vorteil erzielen. Wir können dort einen Vorteil erzielen wo es um die nicht so klar zu bemessenden Qualitäten eines Spielers geht. Spielintelligenz, welche Entwicklungsfähigkeit hat er, welche Anpassungsfähigkeit. Also wir suchen auch sehr natürlich polyvalente Spieler die in verschiedenen Positionen möglicherweise einsetzbar sind, in verschiedenen Formationen. Das ist eine wie gesagt ein bisschen andere Philosophie.

Ja, aber vielleicht mal ein Beispiel, wo es leider nicht geklappt hat. Ich hatte mal, als er noch in der dritten Liga gespielt hat, Dennis Under vorgeschlagen bei uns, für damals, wir in der zweiten Liga waren und da...

konnte ich mich leider nicht durchsetzen. hieß es erst zu klein und zu dick. Und ich habe darauf verwiesen, also ich hoffe, ja, ja, sozusagen freundlicher formuliert, aber im Prinzip war das die Kernaussage. Und ja, ich habe halt darauf verwiesen, dass er einfach eine unheimliche Quote hat und sich kontinuierlich weiterentwickelt hat und dass ich glaube, dass er sich auch noch weiter, weiter entwickeln wird. Aber wie gesagt,

Philipp Deutscher (59:16)
Das war ja auch die

Winning-Formula für Moneyball im Basketball. Die haben ja auch all diese Nebenkriegsschauplätze, was für ein Selbstbewusstsein hat er denn, sieht ja gut aus und so was. war völlig irrelevant. hat nur auf die Daten geschaut, so kommt er auf die Base, ja oder nein. Wenn ja, dann haben sie ihn genommen, auch wenn er komplett unterbewertet war ansonsten. Das war ja dann das Erfolgsmodell. Aber das Thema noch mal irgendwie abzurunden.

Stefan Kühn (59:21)
Ja.

Ja.

Philipp Deutscher (59:44)
Vor acht Jahren, als du dann in diese Rolle reingekommen bist, gerade in so ein Metier, das damals noch viel stärker Bauchgefühl dominiert war, wie das jetzt aktuell der Fall ist, wie hast du es geschafft, mit deinem Ansatz, mit dem Thema Daten in das Umfeld hineinzukommen, ohne dass du als Störenfried wahrgenommen wurdest?

Stefan Kühn (1:00:02)
Also das nächste Mal vielleicht, wie bin ich überhaupt dazu gekommen? ich hatte damals, da war ich noch bei Cozentric, war im Business Development, da war auch Mirko noch mein Chef damals oder ich glaube schon der Uwe Friedrichsen, der CTO, als sein Nachfolger. Da hatte ich ein bisschen die Freiheit, Business Development zu machen und ich hatte mich damals eben mit Sports Analytics beschäftigt, weil das eben so ein Bereich war, der meiner Meinung nach total anders hilft, wo einfach die existierenden

Analysemethoden gerade im Fußball und auch in der Sportart einfach nicht so richtig gut waren. Das, veröffentlicht wurde, war oftmals mehr.

Glaube als Wissenschaft. Und da hatte ich dann eben auch mal ein paar Vereine angeschrieben, ⁓ mal zu gucken, hier vielleicht können wir eine Kooperation machen. Und tatsächlich hat der FC St. Pauli mir geantwortet, damals in Person von Tobias Henschel, interessanterweise ehemaliger Hockeyspieler, der sozusagen auch diesen innovativen Gedanken hatte, wir müssen einfach als Verein schlauer sein, wir müssen andere Wege gehen als andere, wenn wir bestehen wollen. Und dann hatte er mich so bisschen sozusagen mal da rein geholt, erstmal als extern.

Philipp Deutscher (1:00:51)
Da schließt sich der Kreis wieder.

Stefan Kühn (1:01:05)
gemacht und habe dann irgendwann einen kleinen Nebenjob sozusagen, damit ich zum Verein dazugehöre und auch entsprechend die Daten verarbeiten darf ohne große extra NDA oder sonstige Vereinbarungen. ja, dabei ist es bis heute geblieben und im Prinzip war erstmal die ersten Jahre waren tatsächlich sehr explorativ. Also ich habe mir angeschaut, welche Daten gibt es, welche Daten stellt die DFL bereit, welche Daten können wir vielleicht einkaufen oder haben wir damals eingekauft und ich habe das wirklich auch sehr im Hintergrund gemacht.

ersten Jahre da war nicht viel mit Transferentscheidungen beeinflusst. Da ging es erstmal darum, den Kaderplaner sozusagen, für die Kaderplanung zu gucken, okay, gibt es denn Data Assets, die wir nutzen können für uns und wenn ja, wie könnte das aussehen? Und nach ungefähr zwei Jahren hatte ich dann die Software in meiner Freizeit mehr oder weniger soweit entwickelt, dass ich da guten Gewissens, dass wir der guten Gewissens, sagen wir mal, Scouting-Entscheidungen ja nicht darauf basierend treffen, aber dass wir zumindest das mit berücksichtigen können.

Der erste Transfer war dann Leart Pakarada, wo wir das sozusagen ein bisschen auch genutzt haben oder das, wenn die sagen, dass es auf meine Initiative ausging. Aber es war immerhin Spieler, ich gesagt habe, hey, den sollten wir jetzt vielleicht mal genauer anschauen, weil der eben in bestimmten Bereichen außergewöhnliche Statistiken hat. ja, dann haben wir eben noch ein paar andere Spieler auch von Absteigern verpflichtet, wo wir zunächst kritisiert wurden. Warum wir denn?

nicht bessere Spieler holen würden und dann so wie Daniel Kofi-Kiré, der dann kurze Zeit später auch als bester Spieler der zweiten Liga tituliert wurde. Also wir haben sozusagen dann ein bisschen dieses, ja, wie finden wir unterbewertete Spieler Prinzip.

tatsächlich ganz gut umgesetzt. Wie gesagt, da gehen lange nicht alle Spieler auf meine Karte, zum Beispiel Elia Saath, der dann auch jetzt bei Augsburg spielt und aber in der zweiten Liga auch unfassbar wichtig für uns war. Da hatte ich überhaupt nichts mit zu tun, da hatten wir da gar keine Daten aus der Regionalliga. Deswegen, ich würde die Datenrolle grundsätzlich dann nicht überbewerten. Aber ich glaube, es hilft einfach nochmal so einen zusätzlichen Checkup zu haben. der einen Seite, also wenn wir jemanden verpflichten, ist sein Datenprofil auch über die Historie gesehen? Ist es irgendwie stabil? Gibt es da Dinge? Gibt es vielleicht Risiken, Schwachstellen?

Man kann einfach sehr viel umfassender auch bestimmte Dinge beurteilen als jetzt das sehr exemplarische Videoscouting oder Live-Scouting. Aber ich glaube, über die Jahre, haben einfach auch diese Vertrauensbasis, das ist einfach enorm wichtig. Ich nehme mich nicht wichtiger als die Leute dort. Ich bin total beeindruckt von dem Fachwissen, das sie dort haben und versuche meinen Beitrag einfach zu leisten.

Philipp Deutscher (1:03:31)
Welche Lektionen aus dem Profisport lassen sich denn auf das klassische Unternehmen übertragen, wenn es dann darum geht, datengetriebene Entscheidungen in so eine bestehende Kultur zu integrieren? Wo sind da Parallelen oder wo siehst du Parallelen und wo siehst du Grenzen?

Stefan Kühn (1:03:45)
Also...

Das tolle, aber auch sehr harte am Profisport ist das sehr unmittelbare Feedback. Also du kriegst sehr genau mit, ob du Erfolg hattest oder nicht. jetzt gerade in der jetzigen Phase St. Paulien war ein Unentschieden und davor neun Niederlagen in der Bundesliga. Das ist eine sehr harte Realität. Also man wird sehr, sehr stark mit seiner eigenen Leistung konfrontiert. Und auf der anderen Seite, was ich im Fußballleben oder im Profisport zu schätzen weiß, ist, das zu bewältigen, brauchst eine sehr hohe Resilienz.

und auch ein Glauben an sich selber und aber das ist eben auch das eigentlich Entscheidende der Wille zur Verbesserung. Also im Profisport wird einfach hauptsächlich trainiert. Das darf man nicht unterschätzen, wie viel Zeit die sozusagen Sportlerinnen und Sportler hinter den Kulissen einfach mit Arbeit verbringen, ohne dass es irgendwie gewürdigt wird, ohne dass es sichtbar wird und ich glaube dieses im Berufsalltag, wie ich das mitbekomme, ist so dieses

trainieren wollen, wirklich besser werden wollen, ist nicht so Teil der Kultur. Es ist eher ein...

Philipp Deutscher (1:04:53)
Du fängst auf die Begegnung, du immer wieder auf den Level deiner Vorbereitung.

Wenn du dich nicht vorbereitest, das genau das Riesenproblem. Bereite dich auf das vor, wo du hin willst und denke nicht dran, du wirst bereit sein. dafür bereit machen, wenn was um die Ecke kommt. So funktioniert die Welt nicht. Ich glaube, im Sport musst du das schnell realisieren. Und in der Arbeitswelt ... Ich glaube, einige noch mit dieser Lüge.

Stefan Kühn (1:05:19)
Ja, es gibt einfach sehr, sehr viel Komfortzone. Und ich meine, man muss auch dem Profisport, also ist natürlich auch wirklich hart. Also es darf man nicht unterschätzen, wie viel Zeit die Sportler wirklich mit dem Sport an sich verbringen und wie wenig Zeit eben für andere Dinge bleibt. Sondern es ist jetzt keine Sache, es gibt kein Modell, was man für die ganze Gesellschaft überstücken kann. Aber dieses Ambition Level, wie gesagt, diese Resilienz, dazu gehört, dieses Scheitern. Und das ist eigentlich sehr viel Scheitern und sehr wenig Feiern im Profisport.

Es gibt halt immer gesagt, die Hälfte der Teams geht als Verlierer vom Platz, ja immer. Das heißt, man muss auch das, man muss auch das akzeptieren, das Scheitern als Teil des Weges und es ist nicht immer nur Sonnenschein. Es gibt Verletzungen, es gibt Dinge, die sind nicht so planbar. Und dieses Mindset positiv zu bleiben, auf Weiterentwicklung zu setzen, ist einfach sehr, sehr wichtig und eben nicht dieses Ich bin da, wo ich bin, ich will da bleiben, Komfortzone und und ja.

Philipp Deutscher (1:05:54)
Weißt du es?

Stefan Kühn (1:06:13)
bis zum Ende meines Arbeitslebens. Das kenne ich eigentlich so nicht. Oftmals ist es auch eine gewisse Neugier. Was kommt denn eigentlich danach? Wie weit kann ich mich denn entwickeln? Das ist ja davon auch nicht unterschätzen. Viele Leute lassen da auch Chancen, persönliche Möglichkeiten für sich liegen, wo sie vielleicht auch nochmal andere Einsichten bekommen.

Philipp Deutscher (1:06:25)
Ja, sehr gut.

Stefan Kühn (1:06:39)
Also bei mir ist nicht so sehr der Sport, bei mir ist es eher die Datenanalyse. Ich versuche auch neue Methoden zu finden, neue Dinge, neue Wege zu gehen, mich persönlich Verantwortung zu übernehmen. Nicht weil ich es kann, sondern weil ich auch was lernen möchte. Und irgendwann kann ich es dann hoffentlich.

Philipp Deutscher (1:06:55)
Wenn du dir jetzt jüngere oder ambitionierte Entwickler anschaust, die in eine CTO, in head of data, a head of engineering Rollereien wollen, welche, also wir haben jetzt schon über eine gesprochen aus meiner Sicht, aber welche typischen Fehlernamen begegnen dir am häufigsten und was gibst du den Leuten mit oder was würdest du ihnen mitgeben?

Stefan Kühn (1:07:13)
Ich glaube, wenn man jetzt ganz neu in diese Entwicklerwelt reinkommt, da haben wir zum einen diesen

AI-Hype und ich persönlich, bin der Meinung, folge nicht jedem Hype, sondern investiere in echte Hard-Skills für dich selbst. Also es ist schön Assistenten für alles zu haben, es ist aber noch besser eine gewisse Kompetenz selbst zu haben. Und ich glaube, gesagt, das muss man natürlich nicht in allen Bereichen haben, aber man sollte irgendwie für sich versuchen, diese eine Säule zu finden, der man ruht, ein Stück weit.

Philipp Deutscher (1:07:37)
Ja, richtig.

Stefan Kühn (1:07:49)
Als ich so in diese Führungsrolle reingewachsen bin, da gab es immer dieses Bild dieser T-Shaped Personality. Also man sollte für sich auch ein gewisses Ziel vor Augen haben. Wie will ich eigentlich wachsen? Und ich denke, so die erste Phase ist, wie gesagt, diese erste Säule und dann das T so ein bisschen die angrenzenden Bereiche. Das ist eigentlich so das Persönlichkeitsprofil. Und wenn man das erreicht hat für sich, dann finde ich, sollten alle selber gucken, wo wollen sie als nächstes hin? Wollen sie die?

Wollen Sie sozusagen mehr als eine Säule haben? Wollen Sie vielleicht auch eine ganz andere oder so wie ich jetzt vielleicht mehr eine Führungsrolle parallel zu einer Individual Contributor Rolle oder ähnliche Wege gehen? Ich glaube einfach, dass die Ausgangsbasis sollte diese eine Säule sein, wo man weiß, wo man herkommt, dass man wirklich weiß, was man kann und was kann man nicht. Ich glaube, ein typischer Fehler, den ich sozusagen oft gesehen habe, ist so eine gewisse Overconfidence.

Das ist in manchen Bereichen auch hilfreich, weil, wenn man jetzt vor amerikanischen Investoren pincht, die gucken glaube ich sehr viel auf Overconfidence oder auf sehr confidente Leute, die eben auch dann durchhalten dann genug. Aber Overconfidence in bestimmten Bereichen ist okay. Overconfidence sozusagen ⁓ die eigenen Fachkenntnisse betreffend finde ich immer schwierig.

Philipp Deutscher (1:09:09)
Ja, und dann

wird dann auch gerne vermischt, dass so die eigene Kompetenz und das, man wirklich schon getan hat, vielleicht dem Enthusiasmus irgendwas tun zu können, der Zukunft sich hinzuentwickeln. Und da findet so ein fließender Übergang statt und vermischt dann Kompetenz mit Enthusiasmus und stellt dann irgendwann später, wenn man Challenge wird, fest, da war doch mehr Enthusiasmus dabei, als tatsächlich, Herr Wille, das durchzuziehen. Sehr schön. Ja, Stefan.

Stefan Kühn (1:09:27)
Ja.

Ja.

Philipp Deutscher (1:09:36)
Vielen lieben Dank schon mal. Wir sind jetzt nämlich schon am Ende der heutigen Episode angekommen, die ein bisschen länger ging, weil wir auch ein paar Schleifen gedreht sind zum Thema Sport, was ich sehr, sehr schön fand. Aber ich habe noch eine Runde Rapid Fire Fragen mitgebracht zum Schluss, wenn du noch bisschen Zeit hast.

Stefan Kühn (1:09:52)
Sehr gerne, hat mir übrigens auch sehr gut gefallen und Sport. gesagt, in allen meinen Berufen bin ich dem Sport sehr verbunden.

Philipp Deutscher (1:09:58)
Sehr gut. ich weniger bisher außer bei Tipico. Das war eher Sport wetten. Da ist natürlich auch viel Emotion mit am Spiel. ich kann mich mit deinem, mit dem was Sporting Rock macht und du auch im Bereich Data Science und so kann ich mich sehr gut mit identifizieren. Das finde ich sehr klasse. Also erste Rapid Fire Frage. Mathe oder Programmieren? Was hat dich stärker geprägt?

Stefan Kühn (1:10:19)
Mathe. Ganz klar. Programmieren war immer das, was ich zu vermeiden suchte, was aber überhaupt nicht geklappt hat. Es wurde immer mehr.

Philipp Deutscher (1:10:21)
Hätte ich jetzt auch gedacht, nach dem was du vorhin erzählt hast.

Dann,

glaube, ich weiß die Antwort dafür auch schon, aber erzähl's mir trotzdem. Startup, Hypergrowth oder deutscher Mittelstand? So welches Umfeld würdest du einer jungen Führungskraft für maximales Lernen in kurzer Zeit empfehlen?

Stefan Kühn (1:10:41)
Startup Hypergrowth für … ja, Startup Hypergrowth. Man lernt auch was, aber du lernst andere Dinge.

Philipp Deutscher (1:10:48)
Und ja, nicht in kurzer Zeit, sondern die Lernzyklen sind wahrscheinlich länger. Ich sollte nicht so süffis anklinken, wenn ich so was... Im Zweifel, Datensignal oder lieber Bauchgefühl?

Stefan Kühn (1:10:52)
Korrekt.

Datensignal.

Philipp Deutscher (1:11:01)
Sehr gut. Hast du ein Lieblingsstadion oder einen sportlichen Ort, an dem du Gänsehaut bekommst?

Stefan Kühn (1:11:06)
Also ich mag das Stadion von Altona 93 ganz gerne. Ich mag das Millanto natürlich auch wahnsinnig gerne, aber ich mag auch so diese etwas traditionelleren Kampfbahnen, ich mal, wie es sich hier nicht so unterricht heißt.

Philipp Deutscher (1:11:10)
Haha.

Sehr gut. Ein Buch, Podcast oder Vortrag, den jede angehende Tech-Führungskraft gelesen oder gehört haben sollte.

Stefan Kühn (1:11:28)
Podcast ist natürlich dein Podcast, den sollte jede Tech-Führungskraft gelesen haben. Aber nein, ein Buch kann ich natürlich empfehlen und zwar heißt das Turn the Ship Around von David Elmerkett. Ich kenne das sicherlich.

Philipp Deutscher (1:11:36)
Definitiv.

Stefan Kühn (1:11:41)
U-Boot Kapitän, der sein U-Boot das schlechteste der Flotte zum Vorzeige-U-Boot macht durch mitarbeiterorientierte Führung, ich mal sagen. Und da habe ich auch sehr viel daraus gelernt. Und ich hatte auch einen Chef damals interessanterweise auch bei Xing, der das wirklich gelebt hat. Und das hat mich auch sehr geprägt.

Philipp Deutscher (1:12:00)
Sehr gut. Es geht da viel Empowerment und Self-Organisation und keine Befehle geben, sondern Intent. Also ein wegweisendes Buch, vor allem und gerade, wenn man am Anfang von Leadership rollen steht, glaube ich. Letzte Frage. Eine vollkommen unrealistische Wunschfrage. Wenn du eine Sportart aussuchen dürftest in der Datenarbeit in den nächsten fünf Jahren so explodiert wie im Fußball, welche wäre es und warum?

Stefan Kühn (1:12:16)
Zeit.

Also ich glaube, ich würde Hyrox nehmen tatsächlich, weil das einfach eine faszinierende und sehr komplexe Sportart ist. hat, weiß nicht, wer es nicht kennt, so Fitnessracing. Da gibt es etappenweise Laufstrecken unterbrochen von bestimmten Fitnessstationen. Und das ist natürlich eine sehr komplexe Sportart und ganz toll zu optimieren, glaube ich. Und ja, jetzt nicht so, dass die einen Bedarf hätten an dieser Art von Datenanalyse. Aber ich persönlich bin eben auf der Suche nach

Komplexität und nach schwierigen Problemen. Und da bin ich eben mit dem Fußball auch schon ziemlich happy, muss ich sagen. Aber ja, High Rocks auf jeden Fall eine Sache auf meiner Watchlist.

Philipp Deutscher (1:13:09)
Sehr gut. Sehr gute Wahl. Stefan, hat mich sehr gefreut heute mit dir. War eine sehr gute Unterhaltung. Gerade auch weil wir in das Thema Data und Fußball und Sport ein bisschen tiefer eingetaucht sind und der eine oder andere das mitbekommen. Das interessiert mich auch privat natürlich. Deswegen konnte ich hier und da auch bisschen was zur Diskussion beitragen. Aber natürlich hat das vor allen Dingen von deinen Antworten gelegt, Stefan. Vielen lieben Dank und vielleicht gibt es auch noch mal einen zweiten Teil dazu.

Stefan Kühn (1:13:32)
Philipp, mich ist sehr gefreut. Gerne wieder. Und wie gesagt, deinen Podcast höre ich mir auch immer sehr gerne an.

Philipp Deutscher (1:13:37)
Super, danke dir, tschau tschau.

Stefan Kühn (1:13:39)
Ciao!