„Kontext ist entscheidend“, sagt Chris Peart von Snowflake

9. Juni 2026

Chris Peart, Sales Leader bei Snowflake Canada, erklärt, wie einheitliche Daten, verlässlicher Kontext und Agentic AI verändern, wie Unternehmen Informationen in konkrete Maßnahmen übersetzen. Er zeigt, warum „Kontext entscheidend ist“, während führende KI-Modelle zunehmend austauschbar werden. Außerdem erklärt er, wie eine einheitliche AI Data Cloud über AWS, Azure und GCP hinweg die fragilen Strukturen klassischer Architekturen ersetzt. Snowflake Cortex und CoWork liefern Wissensarbeitenden sofort Antworten, statt sie wochenlang auf Engineering-Teams warten zu lassen.

Darüber hinaus spricht er über die Zukunft agentischer Systeme und den kulturellen Wandel, den Unternehmen für erfolgreiche KI-Nutzung brauchen: warum „niemand irgendjemandem irgendetwas verkauft“ und Kunden Ergebnisse kaufen, warum kanadische Unternehmen im internationalen Vergleich zurückfallen, weil sie zu vorsichtig agieren, und warum die nächste Entwicklungsstufe aus autonomen Agenten besteht, die über Unternehmensgrenzen hinweg mit anderen Agenten verhandeln.

Die Folge beantwortet 3 Fragen:

• Warum Ihre Daten, nicht das gewählte Modell, im agentischen Zeitalter den eigentlichen Wettbewerbsvorteil ausmachen
• Wie eine gesteuerte Kontextschicht aussieht und warum sie die Grundlage für vertrauenswürdige Agenten bildet
• Warum kanadische Unternehmen bei KI hinter internationalen Wettbewerbern zurückfallen und was nötig ist, um dies zu ändern

Mark Kohout: Hallo und willkommen zum Adastra Podcast. Mein Name ist Mark Kohout und ich leite den Bereich Data and AI Governance bei Adastra North America. Adastra ist ein globaler Systemintegrator für Daten, KI und Cloud. In der heutigen Folge geht es um die cloud-agnostische Datenplattform von Snowflake. Bei mir im Studio in Toronto ist Chris Peart. Mit ihm spreche ich darüber, wie Snowflake Kunden dabei unterstützt, ihr Geschäft mit Daten und KI weiterzuentwickeln. Chris ist Sales Leader bei Snowflake Canada. Dort betreut er strategische Enterprise-Kunden in Ostkanada. Vor Snowflake war er bei SAS, Salesforce und Intelex tätig. Chris lebt in Toronto und ist Absolvent der Wilfrid Laurier University. Chris, danke, dass du heute dabei bist.

Chris Peart: Schön, hier zu sein, Mark. Ich freue mich auf unser Gespräch.

Mark Kohout: Starten wir mit dir. Du gehörst seit 2018 zu den Gründungsmitgliedern von Snowflake Canada. Nimm uns noch einmal mit in diese Anfangszeit. Wie habt ihr Snowflake damals erstmals kanadischen Unternehmen vorgestellt?

Chris Peart: Es ist schon beeindruckend, wenn man bedenkt, dass Snowflake seit 2018 in Kanada aktiv ist. Die Botschaft war damals gar nicht so anders als heute. 2018 haben wir noch nicht über KI gesprochen. Aber wir haben darüber gesprochen, Daten zusammenzuführen, Datensilos aufzulösen und Unternehmen dabei zu helfen, aus ihren Daten mehr Wissen und konkrete Maßnahmen abzuleiten, indem sie diese Daten auf einer zentralen Datenplattform nutzbar machen.

Mark Kohout: Eine zentrale Datenquelle.

Chris Peart: Genau. Über AWS, Azure und GCP hinweg.

Mark Kohout: Und das gilt bis heute.

Chris Peart: Ja. Diese Botschaft hat sich weiterentwickelt. Es geht immer noch um diese zentrale Datenquelle. Aber heute enthält diese Quelle auch den Kontext, den Ihre KI-Agenten und KI-Projekte brauchen, um im produktiven Einsatz wirksam zu sein, nicht nur in der Pilotphase.

Mark Kohout: Ihr integriert KI also direkt in die Plattform.

Chris Peart: KI war in gewissem Maße schon immer Teil der Snowflake-Plattform. Jetzt übernimmt sie einfach eine größere Rolle.

Mark Kohout: Wenn ich richtig liege, hast du mit dazu beigetragen, Snowflake auf rund 100 Millionen US-Dollar jährlichen Produktumsatz zu skalieren.

Chris Peart: Ich bin kein Buchhalter, deshalb kann ich diese Zahlen nicht bestätigen. Aber wir haben in Kanada ein starkes Geschäft aufgebaut. Wir haben Unternehmen dabei geholfen, aus ihren Daten Nutzen zu ziehen, vom kleinen Familienbetrieb bis hin zu den größten Banken, Versicherungen, Einzelhändlern, Herstellern und Luftfahrtunternehmen. Sie alle haben unterschiedliche Anforderungen an Daten und KI. Aber sie alle können mit Snowflake von einer einheitlichen, gesteuerten und zentralen Datenplattform profitieren.

Mark Kohout: Das spricht für die Flexibilität und Skalierbarkeit der Plattform. Was waren auf diesem Weg von 2018 bis heute einige der entscheidenden Momente oder Herausforderungen?

Chris Peart: Eine der größten Herausforderungen war, Menschen zu zeigen, was Snowflake wirklich ist. Wir stehen für einen neuen Blick auf Daten. Früher musste man Daten in einem Data Lake sammeln und dann ETL nutzen, um Daten zwischen Data Lakes und Data Warehouses zu verschieben. Das macht die Architektur komplexer, erhöht die Kosten und macht sie fragil. Wir mussten beweisen, dass das, was wir in Snowflake tun, keine Magie ist. Es fühlte sich vielleicht wie Magie an. Aber eigentlich ging es darum, das zu nutzen, was AWS, Azure und Google Cloud Snowflake als starke Partner ermöglichen: schneller Erkenntnisse aus Daten zu gewinnen. Es hat einen Moment gedauert, bis Kunden das wirklich greifen konnten. Aber heute sieht der Markt das sehr deutlich.

Ich gebe dir ein Beispiel. Es gibt zwei Arten von Menschen. Die einen loggen sich morgens in ihre Datenplattform ein und müssen erst herausfinden, wie sie eine neue Funktion nutzen können. Sie möchten einen Copilot oder ein LLM einsetzen. Also müssen sie ihre Umgebung prüfen, sicherstellen, dass sie auf der neuesten Version sind, einen Upgrade-Zyklus durchlaufen und schauen, was dabei kaputtgeht. So arbeiten Menschen typischerweise mit Softwareplattformen.

Die andere Seite ist das, was Snowflake macht. Wir haben ein Produkt: Snowflake, die AI Data Cloud. Wenn Kunden sich einloggen, können sie zum Beispiel sagen: „Ich möchte Snowflake Cortex nutzen.“ Sobald die Funktion in der Private Preview, Public Preview oder allgemein verfügbar ist, ist sie einfach da. Es gibt keine Upgrades zu verwalten, keine Sorgen um Hardware und keine Cutovers. Kunden nutzen die Funktion direkt in ihrer sicheren, gesteuerten Plattform.

Mark Kohout: Es gibt also eine Kontrollschicht, die sicherstellt, dass die Daten für den jeweiligen Zweck geeignet sind und sauber gesteuert werden.

Chris Peart: Zu 100 Prozent.

Mark Kohout: Kommen wir dazu, wie KI Unternehmen bei der Weiterentwicklung ihres Geschäfts unterstützt. Kannst du erklären, wie Snowflake CoWork und Cortex zusammenhängen?

Chris Peart: Snowflake CoWork ist die Schnittstelle, über die Wissensarbeitende mit Snowflake interagieren.

Mark Kohout: Eine Benutzeroberfläche also.

Chris Peart: Genau, ein aufgeräumtes Frontend. Nutzer können Fragen stellen und sehr schnell Antworten erhalten. Cortex ist das Gehirn darunter.  Cortex übernimmt das passende Routing. Wenn eine wissensarbeitende Person eine Frage stellt, erstellt Cortex einen SQL-Befehl, der die Daten abruft. Liegen die Daten in unstrukturierter Form vor, nutzt Cortex Vektoreinbettungen, um die relevanten Informationen aus dieser Quelle zu ziehen. Ziel ist es, Wissensarbeitenden schneller zu Erkenntnissen zu verhelfen, indem sie Antworten über eine einfache Chat-Oberfläche erhalten.

Mark Kohout: Das ist ein konkretes Beispiel für kurze Time-to-Market und schnellen Erkenntnisgewinn. Wenn ein Fachanwender CoWork zum ersten Mal nutzt, was kann er nun tun, was vorher nicht möglich war?

Chris Peart: Wahrscheinlich haben alle Wissensarbeitenden, die zuhören, großartige Dashboards. Die Idee dahinter ist, Dashboards und Reports zu haben, die alle möglichen Fragen eines Fachanwenders beantworten. Aber das ist ein unerreichbares Ziel. Als Wissensarbeiter hat man zu jeder Antwort, egal ob Diagramm, Dashboard oder Report, wahrscheinlich drei bis fünf Folgefragen. Klassischerweise bedeutet das: Man schreibt eine E-Mail an das Datenteam. Das Team zieht die Daten, entwickelt eine Pipeline, bereinigt die Daten und schickt sie zurück. Bis die Antwort da ist, weiß man oft schon nicht mehr, warum man die Frage überhaupt gestellt hat.

Mark Kohout: Das klingt nach einem Datenbereitstellungs-Engpass, der nur darauf wartet, zu entstehen.

Chris Peart: Zu 100 Prozent. Mit Snowflake CoWork kannst du diese Folgefragen stellen und sofort Antworten bekommen. So kannst du Hypothesen prüfen und schnell reagieren.

Mark Kohout: Man kann also seiner geschäftlichen Intuition und Neugier direkt folgen, sobald sie entsteht.

Chris Peart: Denk an ein Unternehmen wie Fanatics, eine beeindruckende globale Sportmarke. Sie machen Sportmarketing und Merchandising für Formel 1, NBA, Tennis …

Mark Kohout: Also für die großen Ligen.

Chris Peart: Und die NHL. Fanatics sammelt jeden Tag 2 Milliarden Signale darüber, was einzelne Sportfans mögen, was sie nicht mögen und wie sich diese Aufmerksamkeit nutzen lässt. Wir sind hier in Toronto. Fanatics weiß also, wie sie mich am besten ansprechen. Wir nehmen diese Folge während der Eastern und Western Conference Finals im Eishockey auf. Sie wissen, dass es mein persönlicher Albtraum wäre, die Habs möglicherweise im Stanley Cup Finale gegen Mitch Marners Vegas Golden Knights spielen zu sehen. Fanatics versteht, wie sich die Rahmenbedingungen für einzelne Konsumenten verändern und wie sich daraus mehr Umsatz erzielen lässt, bei mir oder in der gesamten Greater Toronto Area, während wir entsetzt zusehen.

Mark Kohout: Übrigens: Go Habs.

Chris Peart: Ich habe nichts gegen die Habs.

Mark Kohout: Chris, durch alles, was du erzählst, zieht sich ein roter Faden. Es geht um Agilität, darum, Daten und KI als strategische Ressource zu nutzen, und darum, durch schnelle Reaktionsfähigkeit Wettbewerbsvorteile zu schaffen. Gibt es weitere Use Cases, bei denen du dachtest: „Genau dafür haben wir das gebaut“?

Chris Peart: Absolut. Es gibt einen kanadischen Kunden, ein beeindruckendes Cybersecurity-Unternehmen namens eSentire. Das Unternehmen sammelt täglich 25 Petabyte an Cybersecurity-, Netzwerkverkehrs- und Infrastrukturdaten. Diese Daten stellt eSentire seinen Threat-Detection-Agenten zur Verfügung. So können sie erkennen, ob böswillige Akteure bereits in einem Netzwerk aktiv sind oder versuchen, einzudringen. Und das gelingt eSentire in großem Maßstab zu deutlich geringeren Kosten als früher. Dadurch kann das Unternehmen noch mehr Bedrohungen erkennen und die Sicherheit seiner Kunden weiter verbessern.

Mark Kohout: Das ist ein enormer Umfang. Hast du erlebt, dass Kunden konkrete, messbare Ergebnisse berichten? Für Führungskräfte ist das immer ein zentrales Thema, aber es kann schnell vage werden.

Chris Peart: Um messbare Ergebnisse zu erzielen, muss man den aktuellen Zustand messen. Viele Menschen wollen messbare Ergebnisse mit KI erreichen, ohne ihren aktuellen Zustand wirklich zu verstehen. Mein Team arbeitet daran, diesen Ausgangspunkt zu verstehen. So können wir gemeinsam mit dem Kunden belastbare Kennzahlen definieren, zum Beispiel höhere Umsätze, geringere Kosten oder weniger Risiko.

Ein Beispiel: Siemens Energy, ein großer Hersteller im Energiesektor, der Turbinen und große Maschinen baut, hatte mehr als 800.000 technische Dokumente. Neue Wissensarbeitende mussten diese Dokumente verstehen, um effektiv arbeiten zu können. Es hätte eine neue wissensarbeitende Person etwa sieben Jahre ununterbrochenes Lesen gekostet, dieses Wissen aufzunehmen, ganz abgesehen davon, es auch zu behalten. Siemens Energy hat den gesamten unstrukturierten Dokumenttext in Snowflake geladen und nutzt CoWork. So können neue Wissensarbeitende, die Maschinen reparieren oder neue Turbinen entwickeln, auf dieses institutionelle Wissen zugreifen und Probleme schneller lösen.

Mark Kohout: Es gibt einen alten MBA-Spruch über Wissensmanagement: „Siemens weiß nicht, was Siemens weiß.“ Mit Snowflake weiß Siemens jetzt, was Siemens weiß.

Chris Peart: Das habe ich noch nie gehört, Mark, aber ich finde es großartig.

Mark Kohout: Die Rechnung für die Lizenzgebühren schicke ich dir später. Was du über Siemens erzählt hast, passt auch sehr gut zum Thema KI-gestützte Transformation. Als Datenmanager schauen wir oft zuerst auf strukturierte und semi-strukturierte Daten. Dabei steckt enorm viel Wissen in Dokumenten, auf die bisher kaum jemand zugreifen konnte. Jetzt sprechen alle über Agentic AI. Wir hatten uns gerade erst an LLMs gewöhnt, und schon verändert die Autonomie von Agenten die nächste Diskussion. Wie blickt Snowflake auf Agenten und autonome Workflows?

Chris Peart: Generative KI beantwortet Fragen und hilft zu verstehen, warum etwas so ist. Agentic AI geht einen Schritt weiter: Der Agent kann auf Basis dieser Antworten Aufgaben ausführen, ohne dass ein Mensch eingreifen muss. Für uns ist dabei klar: Kontext ist entscheidend. Führende KI-Modelle überholen sich laufend gegenseitig, darunter Anthropic, OpenAI, Gemini, Grok, Open-Source-Modelle und chinesische Modelle. Dadurch werden die Modelle selbst zunehmend austauschbar.

Mark Kohout: Es geht also nicht darum, dass am Ende ein einziges Modell alles dominiert.

Chris Peart: Genau. Wenn jeder das jeweils beste Modell nutzen kann, entsteht der eigentliche Wettbewerbsvorteil durch die eigenen Daten und den Kontext, den ein Unternehmen daraus schafft. Wenn Agenten künftig autonom mit anderen Agenten zusammenarbeiten, wird dieser Kontext noch wichtiger. Wer ihn sicher, gesteuert und über eine semantische Schicht zugänglich macht, über AWS, Azure und Google Cloud hinweg, kann schneller handeln und mehr Nutzen erzielen als die Konkurrenz.

Mark Kohout: Welche Plattformfunktionen ermöglichen solche agentischen Abläufe?

Chris Peart: Aus Snowflake-Sicht lässt sich die Orchestrierung über Snowflake CoWork und Snowflake Cortex Code steuern. Wir kürzen das zu Snowflake CoCo ab. Damit kannst du Befehle ausführen und dieselbe Abfolge aus Frage, Antwort und Aktion nutzen, um mit MCP-Servern in anderen Anwendungen zu arbeiten, zum Beispiel Google, Workday, Salesforce, ServiceNow und SAP. So lassen sich direkt Aktionen ausführen.

Ich glaube, wir bewegen uns auf eine Welt zu, in der ein Supply-Chain-Agent bei einem Einzelhändler einen möglichen Produktengpass erkennt und selbstständig eine Einkaufsvereinbarung mit einem Sales-Agenten bei einem Anbieter verhandelt. Ich kenne noch niemanden, der schon vollständig dort ist. Aber ich sehe, dass es in diese Richtung geht. In so einer Realität gilt: Wenn deine Daten nicht an einem Ort liegen, gesteuert und sicher, mit dieser Kontextschicht …

Mark Kohout: Dann bricht es auseinander.

Chris Peart: Genau, dann bricht es auseinander. Die Unternehmen, die das für sich nutzen, werden am Ende vorne liegen.

Mark Kohout: Spannend. Es geht also vom „Human in the Loop“ zum „Human above the Loop“, also zu Menschen, die überwachen. Kommen wir zu Kundenbeziehungen. Du warst bei SAS, Salesforce und jetzt sehr erfolgreich bei Snowflake. Was hast du darüber gelernt, was eine gute Kundenbeziehung ausmacht?

Chris Peart: Ehrlich gesagt geht es am Ende um Vertrauen. Niemand verkauft irgendjemandem irgendetwas. Kunden kaufen Software. Sie kaufen Ergebnisse. Ich kann niemanden auf magische Weise dazu bringen, etwas zu tun, das er nicht tun will. Die Person auf Kundenseite kauft nicht so häufig Software, wie ich sie verkaufe. Sie setzt damit ihre Karriere und ihren Ruf aufs Spiel. Sie geht eine Wette ein. Deshalb muss sie verstehen: Die Person, die ihr gegenübersitzt, also mein Team und ich, handelt in ihrem persönlichen und beruflichen Interesse. Dafür gibt es viele Wege. Aber am Ende muss klar sein: Wenn sie mit uns arbeitet, ist das nach Abschluss der Entscheidung sowohl persönlich als auch beruflich gut für sie.

Mark Kohout: Das klingt, als würdet ihr Teil ihres Teams werden, fast wie ein vertrauensvoller Berater.

Chris Peart: Genau das versuchen wir. Und wir versuchen, uns dieses Vertrauen jeden Tag neu zu verdienen. Wenn ein Kunde einen Dollar für Snowflake oder die Zusammenarbeit mit meinem Team und mir ausgibt, soll er dafür zehn Dollar zurückbekommen. Denn dann wird er gerne zehn Dollar investieren, um hundert Dollar zurückzubekommen.

Mark Kohout: Was können wir als Nächstes tun?

Chris Peart: Genau. Wir wollen diesen Kreislauf aufrechterhalten, damit Kunden aus der Beziehung und aus ihren Investitionen in die Plattform dauerhaft überdurchschnittlich viel Nutzen ziehen.

Mark Kohout: Jetzt, wo KI ein so zentraler Teil der Snowflake-Story geworden ist: Wie verändern sich dadurch die Kundengespräche?

Chris Peart: Wir können zeigen, wie Snowflake selbst KI nutzt.

Mark Kohout: Ihr lebt also vor, wovon ihr sprecht.

Chris Peart: Zu 100 Prozent. Wir gehen extrem gut vorbereitet in Kundentermine, weil wir Snowflake CoWork nutzen, um die Herausforderungen der Kunden und die Probleme zu verstehen, die sie lösen wollen. So verdichten wir sehr viel Wissen zu einer konkreten Gesprächsgrundlage. Genau dort zeigen wir, wie wir diesen Wandel auch in den Organisationen unserer Kunden unterstützen können, in Sprints von 90 bis 180 Tagen.

Mark Kohout: Gilt das für Unternehmen jeder Größe? Du hast kleine Familienbetriebe und S&P-500-Unternehmen erwähnt. Erkennst du Muster, wer wirklich Nutzen erzielt, also wer aus Investitionen in Daten- und KI-Plattformen am meisten herausholt?

Chris Peart: Gute Frage. Für mich sind es die Menschen, die bereit sind, ein Risiko einzugehen, auch mal zu scheitern und daraus zu lernen. Scheitern gehört zum Leben dazu. Man kommt weder durchs Leben noch durchs Geschäftsleben, ohne zu scheitern. Ich habe viele Meetings und Kundengespräche, aus denen nichts wird. Das passiert. Aber diejenigen, die solche Rückschläge aushalten und daraus lernen, erzielen am schnellsten Nutzen. Ich bin Kanadier, geboren und aufgewachsen in Toronto. In Kanada sind wir im Vergleich zum Rest der Welt oft vorsichtiger. Wir verweisen auf regulatorische Anforderungen und andere Themen, um diese Vorsicht zu rechtfertigen. Ich möchte alle Kanadier, die diesen Podcast hören, herausfordern: Unsere Wettbewerber stehen vor denselben regulatorischen Anforderungen und denselben Problemen, ob in Großbritannien, Australien, Neuseeland oder südlich der Grenze in den USA. Trotzdem gehen sie größere Wetten ein und erzielen mit KI schneller Erfolge als wir. Ich würde gern sehen, dass wir dieses Narrativ drehen. Diejenigen, die bereit sind, dieses Risiko einzugehen, gewinnen. Es ist beängstigend, das verstehe ich. Aber es gibt Wege, positive Ergebnisse schneller zu erreichen, wenn man mit Snowflake und dem Team von Snowflake zusammenarbeitet.

Mark Kohout: Vielleicht ist genau das ein Schlüssel zu mehr Risikobereitschaft: sich etwas zuzutrauen, auch wenn man scheitern kann, und dabei schnell zu lernen. Entscheidend ist aber auch, die Risiken zu verstehen und zu wissen, wie man sie begrenzt. Wenn man scheitert, dann klug und mit Lernkurve. Viele der Kontrollen, über die wir bei einer Plattform wie Snowflake gesprochen haben, sind dafür zentral.

Chris Peart: Genau das ist der große Punkt bei Snowflake. Was wir anders machen: Snowflake ist eine einzige Plattform, verfügbar über AWS, Azure und Google Cloud. Man muss keine mehreren Instanzen oder Accounts verwalten. Es gibt eine Oberfläche, die sicher, gesteuert und vertrauenswürdig ist. Auch wenn man generative KI und Snowflake CoWork nutzt, erhält man nur Zugriff auf Daten, die zur eigenen Sicherheitsrolle passen.

Mark Kohout: Über RBAC.

Chris Peart: Genau, über Role-Based Access Control, also rollenbasierte Zugriffskontrolle. Man sieht nie Daten, die man nicht sehen darf, etwa Dokumente zu Fusionen und Übernahmen oder Gehaltsinformationen. Für dich als Person, die mit der KI arbeitet, und für die Agenten, die dich unterstützen, gelten dieselben Sicherheits- und Zugriffsrechte wie für dich selbst. Dadurch können sie nichts tun, was außerhalb deiner Rolle im Unternehmen liegt.

Mark Kohout: Chris, du nimmst mir gerade meine letzte Frage vorweg. Genau darauf wollte ich hinaus. Du hast ziemlich überzeugend erklärt, warum Snowflake der richtige Ausgangspunkt ist. Was rätst du Daten- und Business-Verantwortlichen, die uns zuhören und noch zögern, loszulegen?

Chris Peart: Ganz einfach: Geht auf ai.snowflake.com. Dort gibt es eine kostenlose Testversion. Du kannst allein starten, nur mit deinem Hund und einer Kreditkarte. Oder du skalierst das Ganze bis zu einem Fortune-500-Unternehmen. Die Erfahrung und die Plattform sind in beiden Fällen dieselben. Das Ziel ist, dass Menschen echten Nutzen aus ihren Daten ziehen.

Mark Kohout: Dann muss nur noch der Hund die Kreditkarte in Ruhe lassen. Chris, unsere Zeit ist um. Vielen Dank, dass du dir in dieser vollen Woche Zeit genommen hast, um deine Perspektive auf cloudgestützte KI zu teilen und darauf, wie Snowflake Kunden dabei hilft, sie praktisch umzusetzen. Für mich bleiben vor allem diese Punkte hängen: Agilität, also dass man schneller starten kann, als viele denken. Und dass das kontrolliert möglich ist, mit einheitlichen Daten und KI-Tools, die direkt in die Plattform integriert sind. Nochmals vielen Dank, dass du bei uns warst.

Chris Peart: Danke für die großartige Partnerschaft. Ich weiß das wirklich zu schätzen, Mark.

Mark Kohout: Und an unser Publikum: Wenn euch die heutige Diskussion gefallen hat, liked und abonniert diese Podcast-Reihe. Dort gibt es weitere Einblicke in daten- und KI-gestützte Business Transformation. Bis zum nächsten Mal. Danke fürs Zuhören und macht’s gut.