Was passiert, wenn zwei Unternehmen nicht nur Systeme, sondern auch Denkweisen zusammenführen müssen? In der zweiten Folge der neuen Podcast-Reihe von MY DATA IS BETTER THAN YOURS spricht Host Jonas Rashedi mit Dr. Sören Erdweg von der Provinzial über genau diese Herausforderung – und über den kulturellen und technischen Umbau nach einer Fusion. Sören war ursprünglich als Data Scientist gestartet und verantwortet heute als IT-Projektleiter große Datenprojekte im Konzern. Er berichtet, wie operative Systeme und historische Datenbestände zusammengeführt werden – mit dem Ziel, ein konsolidiertes Data Warehouse aufzubauen, das nicht nur für Reporting, sondern auch für moderne KI-Modelle nutzbar ist. Dabei wird klar: Die größte Herausforderung ist nicht die Technologie. Es sind die unterschiedlichen Modelle, fachlichen Logiken und Erwartungshaltungen und der Weg, sie miteinander in Einklang zu bringen. Sören erklärt, wie die Provinzial ein gemeinsames Zielbild schafft, wie übergreifende Teams aus IT und Fachbereich aufgebaut werden und was nötig ist, um aus Einzelinitiativen nachhaltige Plattformen entstehen zu lassen. Auch über konkrete Anwendungsfälle wird gesprochen: von Vorhersagemodellen und der Analyse von Kundenverhalten bis zur Anwendung von GPT-Modellen in einem stark textbasierten Umfeld wie der Versicherung. Zum Schluss geht’s noch um die Frage: Ist das Data Game eigentlich ein Sprint oder ein Marathon? Sörens Antwort: beides – und genau deshalb so spannend. MY DATA IS BETTER THAN YOURS ist ein Projekt von BETTER THAN YOURS, der Marke für richtig gute Podcasts. Zum LinkedIn-Profil von Sören: https://www.xing.com/profile/Soeren_Erdweg Zur Webseite der Provinzial Versicherung: https://www.provinzial.de/west/ Zu allen wichtigen Links rund um Jonas und den Podcast: https://linktr.ee/jonas.rashedi Zeitstempel mit Inhaltsbeschreibung: 00:00 Intro und Begrüßung 01:05 Rückblick auf Teil 1 01:28 Vorstellung Sören 02:15 Datenprojekte und Systemkonsolidierung nach der Fusion 04:33 Vom Data Scientist zum IT-Projektleiter 07:31 Herausforderungen der Datenmodellierung in der Versicherung 09:51 Kulturelle Unterschiede und dezentrale Datenlogiken 13:54 Zielbild: ein gemeinsames Data Warehouse 16:50 Fachbereiche als Schlüssel zur Datenstrategie 18:00 Hub-and-Spoke-Modell aus der Praxis 20:38 Learnings aus früheren Projekten 25:39 KI-Anwendungen 27:54 Herausforderungen bei Empfehlungssystemen im Versicherungsumfeld 30:23 GPT und Textverarbeitung im Versicherungsbereich 33:31 Innovationsspielraum versus Ressourcenrealität 34:57 Lessons Learned: Was funktioniert in der Praxis? 39:50 Private Datennutzung