# Trumpf's AI Strategy: From Horizontal Adoption to Vertical Transformation

**Podcast:** AI FIRST Podcast
**Published:** 2026-09-18

## Transcript

Herzlich willkommen zum AI First Podcast.
Heute zu Gast ist Sarah Engel, die Head of AI bei Trumpf, einem familiengeführten Hochtechnologie-Unternehmen aus...
Deutschland, Maschinenbau, bekannt für Werkzeugmaschinen, Lasertechnik, also richtig tiefe Ingenieurskultur.
Und sicherlich ist KI auch kein neues Thema für Trumpf, aber gewinnt an Relevanz.
Und Sarah ist dort vor etwas über anderthalb Jahren gestartet, um diese Transformation weiter voranzutreiben.
Und ich bin ganz gespannt, was du in der Zeit gelernt hast, wie du darüber nachdenkst, KI in solch einem Unternehmen.
zu bringen und was ihr bisher schon erreicht habt und für die Zukunft plant.
Sarah, schön, dass du da bist.
Felix, ich freue mich auf das Gespräch.
Erzähl doch einmal kurz, wer du bist und was deine Rolle und dein Mandat bei Trumpf ist.
Ich bin Sarah gesamtverantwortlich für KI bei Trumpf, das heißt global für KI in den Produkten und Services, also alles in Richtung Kunde geht und auch unsere Innovationsfähigkeit nach außen bringt.
Eis auf nach innen, wie können wir eigentlich intern auch effizienter werden und bessere Qualität bringen, auch für die Kunden produktiver werden, sodass alle Mitarbeitenden auch KI intern nutzen können.
Vor eineinhalb Jahren in etwa gestartet, seitdem echt auf einer guten Reise der KI-Transformation.
Vielleicht da auch zu Beginn, seit ich glaube so zehn Jahren oder so, macht Kippen schon echt viel im Bereich KI.
Vor allem in den R&D-Bereichen.
Und was aber schon neu war, ist es wirklich so, in alle Bereiche auszurollen.
Also das war der größte Impact jetzt auch, den man spürt, was da so vorangegangen ist.
Du bist ja auch nicht erst seit anderthalb Jahren in dem Bereich, sondern schon seit vielen Jahren beschäftigt dich KI.
Wie kam es denn dazu?
Wie bist du auf das Thema gekommen und was fasziniert dich daran?
Ich fasziniere total, wie unser menschliches Gehirn funktioniert und vor allem die Schnittstelle zur Technologie.
Also was können wir eigentlich von unserem menschlichen Gehirn und von dem Nervensystem lernen, um das auf Technologie zu übertragen?
Und so bin ich auch im KI-Bereich gerutscht quasi, im Studium schon Informatik und Kognitionswissenschaften, weil gerade auch mit Technologie kann man dann andersrum wieder versuchen zu modellieren.
Was hat man dann eigentlich verstanden, wie unser Gehirn überhaupt funktioniert, von baronalen Netzen etc.?
Und wenn man das dann modelliert, bekommt man auch da wieder Eindrücke, was wir schon wissen und wo es vielleicht auch nicht passt.
Also wir können es als Methode nutzen, um nochmal mehr über den Menschen auch zu erfahren.
Natürlich ist mittlerweile ein ziemlich starker Shift so auf dieses sehr stark auf Sprachverarbeitung in der Linguistik, wo KI sehr stark dabei unterstützt, verschiedene Aufgaben zu erledigen, gerade auch in der Sprachverarbeitung.
Von daher war das schon auch ein Shift.
Ich war Anfang in der Robotik unterwegs, gerade so Mensch-Maschine-Schnittstellen, um tatsächlich neuronale Signale abzugreifen vom Gehirn oder auch von Muskeln, um dann zum Beispiel, wenn jemand einen amputierten Arm hat, dann eine Prothese dran zu packen und die dann auch neuronal gesteuert werden kann.
Das heißt, da braucht es auch eine Übersetzung quasi von neuronalen Signalen über die Technologie, um dann so eine Prothese zu steuern.
Das war so mein Start.
Und habe dann natürlich nach unterschiedlichen Jobs auch in der Industrie gesucht.
Damals war KI noch nicht so der Begriff, der sinnvoller Breiteter war.
Und habe dann eben bei IBM in Cognitive Computing, wie ist der Bereich damals, gestartet in unterschiedlichen KI-Projekten, wirklich in der technischen Umsetzung.
Und jetzt zunehmend mehr als KI-Strategie, weil es mich interessiert, wo ist eigentlich der Gestaltungsspielraum?
Wo sind die Hebel, die wir in Organisationen haben, um hier wirklich das als Chance zu...
nutzen diese Technologie, um dann Unternehmen neu zu denken, da voranzukommen, sich weiterhin innovativ und auch kompetitiv aufzustellen in einem Markt, der schon sehr, sehr, sehr dynamisch ist aktuell.
Als du vor dann anderthalb Jahren bei Trumpf gestartet bist und so in das Unternehmen reingeschaut hast, wo hast du dort überall schon KI gefunden?
Du hast gesagt im R&D-Bereich.
Was habt ihr damit schon gemacht und was passierte vielleicht auch schon darüber hinaus?
Ich habe auch schon gesagt, Hochtechnologieunternehmen sind daher auch für mich total beeindruckend.
Also Ingenieure, Ingenieurskunst, Physiker, die echt exzellente Arbeit machen und vor allem in den R&D-Bereichen.
Da gab es auch schon KI-Teams, die dann gerade an der Robotik, also wie kann ich in der Produktionslinie beispielsweise, mit Werkzeugmaschinen, die rund um die Blechverarbeitung sind, aber das alles, was danach, also nachdem die Teile geschnitten wurden, Und dann auch auf dem Band landen.
Die Absortierung war eines der großen Themen, um überhaupt produktiver zu werden, auch in der Produktion.
Also das heißt, Ende zu Ende auf den Prozess abzudecken.
Und da hat man viel daran geforscht.
Mittlerweile gibt es die Produkte auch auf dem Markt.
Um diese Teile dann beispielsweise zu erkennen, dann auf den Greifarm zu steuern.
Wenn die Teile jedes Mal unterschiedlich sind, muss man früher natürlich die Roboter, die diese Teile dann auch greifen oder menschlich absortieren.
Auch das ist möglich.
Aber gerade wenn man bei den Robotern bleiben muss, dann muss das jedes Mal neu programmiert werden.
Und da haben wir jetzt Riesenchance, gerade mit Machine Learning, hier besser zu erkennen, viel flexibler zu erkennen, wo sind die Teile, wie müssen die gegriffen werden, wo muss man die danach auch hinsortieren.
Das ist jetzt so ein Beispiel.
Ein anderes ist in der Lasertechnologie, wenn man so Schweißnähte beispielsweise.
beispielsweise von Elektromotoren hat und auch da die Schweißnette auf Qualität zu kontrollieren.
Welche Teile muss ich dann eigentlich alles aussortieren oder welche genügenden Anforderungen, um es dann auch auszuliefern an den Kunden.
Auch hier kann KI unterstützen, um genau das zu erkennen und auch mit relativ wenig Trainingsdaten, also sehr kleinen Modellen, die dazu notwendig sind, um bessere Qualitätsergebnisse zu bekommen.
Das sind dann Kameras, die sich die Schweißnähte angucken und dann erkennen, wie sieht eine gute Schweißnaht aus und was ist vielleicht eine fehlerhafte Schweißnaht und dann irgendein Signal geben, um die Teile auszusortieren?
Bei den Roboterarmen kann man sich das vorstellen, dass man tatsächlich so kleine Kameras mit installiert, die dann die Fläche mit beobachten und das andere mit den Schweißnahten ist das in der Maschine sogar teilweise mit drin, dass man auch da sehen kann, wie gut ist eigentlich die Qualität davon, um dann auch die Parameter zu optimieren.
da führt, was dann auch automatisiert passieren kann.
Ja, ich finde das ja immer total spannend, weil heute ist der ganze Hype, dreht sich um KI-Agenten und Sprachmodelle und man könnte davon ausgehen, dass das KI ist und das Einzige, was es gibt, aber wie unfassbar facettenreich das Feld ist und was es schon so an unsichtbarer KI gibt, die seit Jahren auch teilweise in Kernprozessen drin ist und der wahrscheinlich bei euch mit einer hohen Drehzahl in solchen kritischen Prozessen echten Wert schafft.
die aber schon so etabliert ist und eben unsichtbar, dass da heute gar keiner mehr drüber spricht.
Also das Absurde ist ja, der Reifegrad ist auch viel höher in diesen klassischen Machine Learning Anwendungen.
Das heißt, da habe ich eine viel höhere Verlässlichkeit teilweise in den Modellen.
Es sind schon viel mehr Modelle da, die auch das greifen können.
Bei generativer KI kommen wir auch, also da sind wir auch schon in einem höheren Reifegrad, ist langsam unterwegs, aber gerade so agentische KI ist so frisch immer noch.
Also da hat man...
Man arbeitet da immer noch sehr stark dran, wie wird es zuverlässiger?
Gerade wenn es um sehr kritische Arbeitsabläufe geht, wird es noch nicht so häufig eingesetzt.
War denn dann dein Ansatz, als du gestartet bist, du hast diese Gesamtverantwortung, du hast sehr technische Bereiche, in die du dich vielleicht auch erstmal selbst reinarbeiten musstest, wo KI schon etabliert ist und vielleicht die Teams auch das schon verantwortet und weiterentwickelt haben.
Du hattest wahrscheinlich noch andere Bereiche.
die noch gar nichts mit KI gemacht haben.
Du hast, jetzt sind wir ja schon mal auch ein bisschen weiter, aber auch eine Technologie, die im Reifegrad vielleicht noch nicht da ist, wo aber ein extremer Hype sich darum dreht oder auch so eine Selbstbeschleinigung so langsam losgeht.
Das ist schon ein sehr spannendes, so ein großes Spannungsfeld.
Und dann noch in einem Unternehmen, was halt sehr, sehr technisch ist, global aufgestellt, mit sehr physischen Produkten und der Kern-DNA auch in eine Produktion von physischen Gegenständen.
Wie war dein Ansatz, dort jetzt vorzugehen, um die KI-Strategie auf- und umzusetzen?
Was ich beobachtet habe, ist, weil das so stark im R&D-Bereich schon verankert war und auch dort die Teams waren.
In den anderen Bereichen lag es ziemlich brach.
Also es waren so kleine Pflänzchen hier und da, wo mit KI schon gearbeitet wurde.
Und ich meine, das war der Zeitpunkt, da war generative KI in einer Runde und in der Nutzung, auch privat bei den Personen, aber auch schon in Unternehmen.
Und deswegen habe ich den Fokus erst mal darauf gesetzt.
Ich nenne es gerne so einen T-Ansatz.
Das heißt, der horizontale Teil von dem T.
Wir gehen in die volle Breite und brauchen eine Basis, dass Menschen überhaupt mal mit KI arbeiten können im Arbeitskontext.
Das heißt, nicht mehr eigene Tools oder hier oder da was Kleines selbstgebaut ist, sondern einfach eine wirklich gute Infrastruktur und auch die Trainings dazu, dass wir wirklich in der Breite eine Akzeptanz hinbekommen von KI.
Und das Schöne fand ich bei Trumpf, dass das hier auf so ein, da ist ein sehr fruchtbarer Nährboden da, weil das so interessierte, engagierte Leute sind, also sehr gute Filmenkultur und auch, glaube ich, schon auch durch den akademischen Grad oder auch so der Hochtechnologie sehr wie Neugierde da ist, sodass wir einen großen Erfolg hatten, gerade so in dem ersten Jahr, dass die Adoption Rates wirklich gut hochgegangen sind.
Wir haben dann intern auch da eine Gen.i.
Plattform ausgerollt.
damit es wirklich in alle Bereiche überhaupt mal kommen konnte.
Und von dem T braucht es natürlich dann auch die Vertikale und das ist das, wo wir gerade in so einer Transition sind.
Das braucht beides.
Also ich kann nicht in die Tiefe gehen und nur ganz wenige Projekte gezielt machen, Ende zu Ende, wenn ich die Basis nicht dafür habe, dass Menschen überhaupt verstehen, wie kann ich mit KI arbeiten oder auch die leichten, einfachen Produktivitätsgewinne in der täglichen Arbeit mitnehmen.
Das brauche ich als Basis, um dann jetzt in die Tiefe zu gehen und es braucht ein ganz anderes Management.
Also da kommen wir wahrscheinlich nachher auch nochmal dazu.
Wie geht man eigentlich jetzt in diesem vertikalen Bereich damit um, dass wir wirklich auch die Domänen transformieren und wirklich das volle Potenzial oder auch die Kraft der Technologie ausnutzen können?
Die Unternehmen sind ja noch in meiner Wahrnehmung in der horizontalen.
in dem T.
Also wir haben ja jetzt unterschiedliche Phasen, die schon früher angefangen haben, sind jetzt genau auch in dieser Vertikalen, wie können wir in die Prozesse rein, andere ein bisschen später losgelegt.
Da ist jetzt das Thema, wie schaffen wir es überhaupt erst mal, KI im täglichen Tun zu etablieren, auch die Offenheit und die Awareness zu schaffen.
Was waren für dich, wenn du sagst, ihr habt eine hohe Adoptionsrate erreicht, was waren für dich die Erfolgsfaktoren dafür?
Als erstes mal anerkennen, dass es das braucht und dass es so einen wichtigen Mehrwert hat, dass es in die Breite geht, KI in die Breite zu bekommen.
Und es hat auch ein volles Mandat gebraucht von Gesamtvorstand.
Also das war, glaube ich, so eins der Hauptkriterien auch gerade zu Beginn, dass es ins Rollen kann, dass wir hier auch zügig vorankommen können.
Und es hätte genügend Gründe gegeben, das zu verlangsamen, warum es nicht so vorangehen kann oder wir vielleicht doch nochmal warten.
Aber da wirklich gut voranzukommen und es auch anzuerkennen, dass es einen Mehrwert hat, diese Breite.
Dann ganz operativ überhaupt mal die Infrastruktur zu haben und vor allem die Enablements zu haben.
Also wir haben Prompting Workshops angeboten in vielfacher Zahl.
Wir haben AI Hub on Tour gemacht, wirklich in die verschiedenen Standorte, in die Werke gefahren, obwohl die ja viel an der Produktion arbeiten, vielleicht oft weniger mit den sprachlichen Daten.
Sie werden trotzdem wirklich in all die verschiedenen Bereiche auch gefahren, weltweit abgedeckt, auch da Richtung USA, Richtung China, in Polen, also wirklich bunt gemischte von den Standorten, um Raum zu schaffen, KI zu erfahren.
Und ich bekomme manchmal auch die Frage so, wie schaffst du es da, das Mindset umzulegen, weil viele Leute haben einfach so Angst davor.
Aber Mindset an sich lässt sich nicht so leicht ändern, sondern ich brauche ja, also das ist...
Das kommt von Menschen heraus.
Ich kann nur Räume schaffen, es zu erfahren und neue Erfahrungen prägen es dann, wie sich das Mindset auch von Menschen bildet.
Und das haben wir total deutlich gemerkt, dass in diesen Prompting-Workshops vor Ort, wenn wir einfach daneben stehen und die unterstützen bei dem Arbeiten mit KI, das zu kennenzulernen, dass die Barrieren total gesunken sind.
Und natürlich auch volles Level.
Also bei manchen erkläre ich wie beim Drag & Drop, also so ganz voll die Basics und dann mit anderen sind wir voll advanced unterwegs, die dann Agenten bauen und voll sophisticated irgendwie dieses und jenes Modell ausprobieren und schon echt viel damit arbeiten, wo wir dann auch immer wieder mal lernen, ach krass, diesen Use Case gibt es auch noch.
Das war uns nicht bewusst, dass das so Themen sind und dadurch können die sich selber schon helfen.
Und so das Prompting ist so der Einsteiger oder auch so ein Pflichttraining, damit man mal so Grundlagen erfährt.
Und darüber hinaus haben wir noch so Hackathons gemacht und die waren sehr erfolgreich.
Da haben sich Teams dann beworben mit ihrem Use Case, um die dann umzusetzen innerhalb von einem Heidentag.
Und das finde ich immer noch faszinierend, immer wieder, wenn wir Hackathons machen, wie zügig man so ein Use Case umsetzen kann und was da für eine Energie entsteht in den Teams.
Die kommen, manchmal haben die noch die Erwartung, ach.
wir bringen mal was mit, aber das AI-Hub-Team, das wird schon dann machen und die Lösungen bauen.
Und das zu sehen, wie selbstwirksam sie auch selber sein können, diese Lösungen zu schaffen und sich selber dann auch diesen Use Case zu bauen, das ist immer noch schön.
Das hatte ich auch auf LinkedIn von euch gesehen und ich weiß noch, da hatte irgendein Gewinnerteam auch geschrieben, was die gemacht haben und ich dachte, das ist total cool.
Ich kriege es jetzt leider nicht mehr zusammen.
Ich weiß nicht, vielleicht hast du es noch irgendwo im Hinterkopf, aber kann ich nur bestätigen.
Und das ist ja das Schöne, wenn man das in der Breite ausrollt.
Man könnte sagen, ja, dann haben Leute halt so ein bisschen Chatbot mit dem ein bisschen rumspielen können, aber ich glaube, dass die Wirkung, die Leute dann...
damit haben können, wenn sie verstanden haben, wie sie das in ihre eigene Arbeit integrieren können und man hat so ein bisschen Grassroots auch, dass auf einmal Dinge und Ideen hochploppen, auf die man sonst nicht gekommen wäre, doch noch unterschätzt wird.
Genau, und die wäre, also gerade wenn man so top-down manchmal auch freut in Unternehmen, da wäre man nie drauf gekommen, was da so an Use Cases kommen, die echt einen guten Werttreiber auch haben und auch der Return of Invest, das ist ja auch ein weiteres Erstaunliche.
Das ist so viel schneller auch realisiert, dass ich investiere so ein paar Tage und habe dann auch einen Return in den kleinen Themen.
Weiß nicht, dass es für alle zutrifft.
Bei manchen ist es schon auch, da braucht es einen größeren Invest und ist dann auch erst später realisiert.
Was ich gerade so wahrnehme, ist, dass auch so mit diesen Initiativen sind jetzt einige auch fortgeschritten und merken, okay, es ist natürlich ein größerer Kulturwandel, der ist nicht so einfach.
Die Leute wirklich...
über so, ich nutze KI als Schreibhilfe oder für Recherchen, so für einfache, horizontale, sagen wir mal, PC-Aufgaben zu nutzen, darüber hinaus zu kommen und merken aber gleichzeitig auch, das kostet natürlich alles Geld, das ist alles Aufwand und wir müssen irgendwo dieses Geld wieder herholen.
Und das ist jetzt die große Frage, wo kriegen wir das raus?
Und jetzt gibt es ja diesen einen Ansatz, dass ich das, was ich heute mache, mit KI beschleunige.
Also ich gucke mir heute an, was mache ich so für Aufgaben und welche Schritte gehe ich da und nutze dann für den einen oder anderen Schritt KI und den Rest mache ich wieder so.
Und dann wird jetzt schon immer klarer und das bestätigen auch sämtliche Studien, Berichte, Umfragen, dass irgendwie diese Produktivität, die man dann auf der Einzelpersonenebene hat, dann versickert in alten Prozessen, Freigabeschleifen ab.
Stimmungen, Schnittstellen, geht das verloren.
Und dann hattest du bei der letzten The Dog-Konferenz von LangDog, hattest du eine spannende Keynote gehalten, wo es darum geht, das Momentum zu nutzen, was dadurch entsteht, um eigentlich die Organisation nochmal neu zu erfinden oder sich als Unternehmen nochmal neu zu erfinden.
Und das fand ich ganz spannend, weil ich glaube, das ist genau die Frage, wie macht man das?
Wie erfinden wir uns als Unternehmen nochmal neu, aber nutzen diese Energie und das Momentum, von dem du gesprochen hast, um genau das zu tun.
Kannst du mal in deinen Worten beschreiben, was du damit meinst?
Was ich damit meine, ist eigentlich nicht nur inkrementell, jetzt so ein bisschen KI.
Ich kann ja schneller Zusammenfassungen machen oder mein Paper schneller schreiben oder die Präsentation schneller schreiben.
Also diese kleinen Produktivitätsgewinne, die braucht es natürlich auch.
Aber was ich damit meine, ist nicht so inkrementell, sondern wir haben jetzt die Chance mit der Technologie, wirklich mal diesen Schritt zurückzugehen, zu sagen, was sind eigentlich unsere Kernprozesse im Unternehmen und wie sollen die in Zukunft aussehen?
Und wie können wir die...
fundamental auch an manchen Stellen transformieren, sodass wir hier einen viel größeren Impact auch haben.
Wir haben so einen Wettbewerbsdruck an vielen Stellen, so in der Wirtschaft, gerade in Europa und im Standort Deutschland, dass wir das wirklich als Chance sehen können, dasselbe mal wieder zu hinterfragen.
Sind wir dann noch auf dem richtigen Weg?
Braucht es den Prozess überhaupt noch?
Braucht es genau diese Schritte, die da drin sind?
Und automatisieren wir jetzt eigentlich nur das, was viel zu viele Schritte Stand jetzt schon haben.
Oder mache ich einfach nur den gleichen menschlichen Prozess?
Ich denke jetzt gerade so an im R&D-Bereich, wie Software- oder Hardwareentwicklung auch passiert.
Super komplexer, umfangreicher Prozess.
Da kann ich jetzt drauf schauen, wie läuft der heute und welche Komponenten kann ich davon dann jetzt eigentlich verbessern?
Dann wird was in Jira geschrieben oder in Confluence.
Dann wird hier ein Stück Code geschrieben, dann muss es wieder ins Testing und so weiter.
Ins Review.
Und jetzt habe ich eigentlich die Möglichkeit, können wir uns nicht von manchen Dingen komplett lösen und unser Ziel anders oder viel schneller erreichen.
Auch da, das heißt nicht, dass es für alle zutrifft, aber wir können diesen Schritt zurück machen und es nochmal betrachten.
Und wir haben Technologien, mit denen wir einen großen Teil davon automatisieren können oder zumindest unterstützen können.
Wir müssen nicht mehr alles in den gleichen Formaten ablegen.
Auch da kann man agentisch oder...
KI-nativ vorgehen, um zu sehen, wie kann ich hier genau Mensch und KI gemeinsam in diesem Prozess den Prozess neu gestalten.
Kurz in eigener Sache.
Wenn dir der AI First Podcast gefällt und du mehr spannende Inhalte und hochkarätige Gäste hören möchtest, dann freue ich mich über deine Unterstützung.
Mit einer 5-Sterne-Bewertung und einem Abo für den Podcast hilfst du uns, sichtbarer zu werden und AI First weiterzuentwickeln.
Für dich und die gesamte Community.
Ich danke dir.
Wenn ich dir so zuhöre, dann klingt das total logisch und nachvollziehbar.
Und gleichzeitig frage ich mich, was braucht es?
Weil da arbeiten ja in diesen Kernprozessen Hunderte oder Tausende Menschen seit vielleicht Jahrzehnten.
dann ist das wahrscheinlich auch so organisch gewachsen.
Dann hast du vielleicht noch so ein paar ältere Systeme dort mit drin, die nicht miteinander sprechen, wo es dann die menschliche Human API gibt, die A und B miteinander verbindet.
Und irgendwie geben ja diese gewohnten Prozesse auch eine Sicherheit.
Und ich meine, wenn ich jetzt hier in meiner ...
kleinen süßen Firma mit ein paar Menschen sage, hey, lass uns mal diesen Prozess neu denken, dann setzen wir uns in ein Meeting, sagen, ach cool, lass das so machen und morgen stellen wir das anders um und machen wir das so.
Bei euch wahrscheinlich ein bisschen komplexer.
Also von diesem Gedanken, was sind dann deine nächste Schritte, um dort auch Schritt für Schritt in die Umsetzung gehen zu können?
Es sind unterschiedliche Faktoren.
Ich glaube, das Grundbewusstsein ist, Transformation bedeutet auch Reibung.
Also genau wenn wir dieses Thema neu denken und Themen angehen, Legacy Systems, die Prozesse, die sehr etabliert sind, entsteht Reibung.
Und das ist der größte Punkt, da sich reinzulehnen und diese Reibung zuzulassen und dann auch zu lösen.
Das ist die Grundhaltung, glaube ich, die es schon mal braucht.
Und dann braucht es darüber hinaus strukturelle Themen.
Also wie können wir das ganz strukturell verankern in der Organisation?
Wie können wir mit einer Methodik das auch realisieren?
Auch in der Umsetzung, wie arbeiten Teams konkret zusammen, auch von der technischen Infrastruktur?
Und die Faktoren müssen ineinander greifen, damit es überhaupt gelingen kann.
Es ist kein Wunder, dass so viele POCs und MBPs entstehen, aber...
So wenig davon geht überhaupt in die Skalierung, weil das genau der Punkt ist.
Haben wir ein Cyber Security Review?
Haben sie Regulatorik beachtet?
Haben wir denn überhaupt die Schnittstellen in die Legacy Systems?
Passen die Prozesse dazu?
Können wir das überhaupt kurzfristig umsetzen oder müssen wir dafür den nächsten Roadmapping-Prozess in einem Jahr abwarten?
Haben wir die Mitarbeitenden überhaupt abgeholt?
Können die das mitgestalten?
Haben wir das mitbedacht?
Das ist ordentlich durchgetestet.
Also das sind so viele Faktoren, die darauf...
einzahlen, dass es danach nicht mehr in die Produktion gehen kann.
Also noch dazu für so ein großes Unternehmen.
In kleinen, da kann man schnell mal noch auffangen, wenn dann auch was schief läuft.
Aber wenn hier die Sachen nicht mehr ordentlich ausgeliefert werden oder die Abrechnungen nicht mehr so laufen, wie man es braucht, dann ist es ein ganz schöner Schaden, der da auch entstehen kann.
Und genau da hinzuschauen, wie kann so ein Operating Model in Zukunft auch aussehen, wo diese Faktoren viel früher teilweise mitgedacht werden.
Ich muss nicht im POC schon die höchsten Anforderungen der Cyber Security anlegen, sondern ich kann auch das abstufen, aber es komplett rauszulassen bis zur Produktion ist auch made for failure.
Aber ich komme spätestens an den Punkt, wo ich es produktiv nehmen möchte.
Es sind so viele Anforderungen da, die ich bei Design von Anfang an gar nicht beachtet habe oder beachten konnte.
Und deswegen bauen wir das sehr inkrementell auf in dem Operating Model.
Was sollte erfüllt sein in dem POC?
Auch da sind in einem frühen Stadium schon die relevanten Stakeholder mit involviert.
Das ist so der strukturelle Teil.
Der methodische Teil ist, dass man interdisziplinär zusammenarbeitet.
Die tatsächlichen User sind dabei.
Wir haben Product Owner wirklich aus dem Business.
Wir haben technische Experten, Expertinnen dabei aus den verschiedenen Bereichen, die wir brauchen.
die dann sehr kurzzyklisch zusammenarbeiten, ohne davor in so einem klassischen Wasserfallansatz alles einmal runterzuschreiben, was dann in Zukunft passieren muss.
Sondern wir lassen es zu, dass da auch eine gewisse Flexibilität und Anpassungsfähigkeit da ist über den Zeitraum hinweg.
Schneller Ergebnisse zu sehen, hilft dann auch wieder den Usern Feedback zu geben, beziehungsweise die gestalten komplett selber mit und testen nicht mehr nur alleine.
Also auch da bietet KI die Möglichkeit, zum Gestalter...
Oder auch Implementierer dann selber wieder mitzuwerden, ohne technische Expertise.
Brauchst du doch, um das machen zu können.
Also wenn du, Sarah, jetzt sagst, hey, guck mal, wir haben hier im R&D-Prozess doch total die großartige Chance, jetzt KI zu nutzen, um diesem Prozess nochmal neu zu denken.
Da brauchst du doch am Ende auch die unterschiedlichste Fachbereiche, weil diese Prozesse ja wahrscheinlich auch über mehrere Bereiche durchgängig sind, dann zu dir sagen, ja, lass uns das machen.
Mit der gesamten Komplexität, die du ja auch gerade nochmal schön hervorgehoben hast, wie ich finde.
Aber die sind ja alle schon in der Regel ausgelastet.
Also, malerweise ist ja die Arbeitslast jetzt nicht zu gering in den meisten Unternehmen gerade.
Mit dem Wettbewerbsdruck, den du auch schon angesprochen hast.
Wie schaffst du das, dann von den Fachbereichen so den Beihand zu bekommen, dass die sagen, okay.
Let's go.
Lass uns das hier anschauen und in die Hand nehmen.
Führungssache ist vielleicht so das Stichwort, die Führungskräfte da wirklich an Bord zu nehmen.
Das bedeutet auch eine Priorisierung.
Wird darauf jetzt Zeit investiert und kann das woanders gestrichen werden?
Das ist wirklich keine einfache Aufgabe.
Und das ist manchmal super operativ, wo wir uns anschauen.
Oder auch die Führungskräfte sich dann mit den Mitarbeitenden anschauen.
Das sind die täglichen Aufgaben.
Was davon hat jetzt Prio, damit wir da Freiräume auch schaffen oder zumindest mal sagen, wir gehen jetzt auch zum Beispiel da in den POC, um frühzeitig auch prüfen zu können, funktioniert das Ganze, lohnt sich das da rein zu investieren, um dann auch da wieder immer in Abschnitten dann auch die Entscheidung zu treffen, investieren wir hier jetzt eigentlich weiter.
Also das heißt, es invest...
auf das zu reduzieren, was es auch wirklich braucht, um Mehrwert zu zeigen und die Führungskräfte als die Katalysatoren oder die Vorbilder auch, das ins Unternehmen zu tragen und auch mit ihren Mitarbeitern da Raum zu schaffen.
Und das ist nicht einfach.
Ich bin da viel im Austausch mit...
auch in den Funktionsbereichen, dass das natürlich gut funktioniert, dass man hier Synergien nutzt, dass man sich übergreifend schon mal zusammentut, dass nicht an zehn verschiedenen Stellen die gleichen Themen entstehen.
Und es ist ja auch manchmal, gerade in gewachsenen Organisationen, das Absurde, dass an zehn verschiedenen Stellen kann man so ein bisschen was nebenher machen.
Aber sobald es darum geht, eine Person da Vollzeit drauf zu bekommen, um wirklich Speed dahinter.
ist es viel schwieriger, diese eine Person zu bekommen und dieses volle Mandat, weil man dann eben viel stärker verteilen muss und das auch priorisieren muss.
Aber genau diesen Weg gemeinsam zu gehen, das gelingt nur über einen starken Support über Führungskräfte.
Und dann ja wahrscheinlich aber auch Priorisierung, oder?
Also ich erlebe es immer wieder, dass die KI-Teams total Herausforderungen haben, diesen Support von den Führungskräften zu bekommen und die notwendigen Veränderungen durchzusetzen, die es bedarf, um auch solche vertikalen Use Cases dann mal umzusetzen, Änderungen in den Prozessen zu machen, in das System ranzukommen, die Domänexperten zu haben, die Feedback geben können, die testen und so weiter.
Gibt es da von euch mal eine Ansage, dass das jetzt einfach Priorität hat und entsprechend auch priorisiert werden muss?
Oder war das so in der Kultur verankert?
Wie kam das?
Ich glaube, grundsätzlich in der Kultur ist verankert, wirklich vorne dran zu sein, neue Technologien zu nutzen, auch zu etablieren.
Das ist ein Grund.
So der Nährboden überhaupt mal dafür.
Dann auf einer Gesamtvorstandsebene ist es sehr klar ausgesprochen worden.
Wir haben ein Zielehaus, das über die gesamte Organisation gilt.
Darin ist es verankert seit jetzt so ein, zwei Jahren, dass es wirklich Führungskräfte dann auch in ihren Zielen mit drin haben und Teams.
Und es wird auch klar kommuniziert, dass es eins der Themen ist.
verbunden mit einem.
Wir möchten dann aber auch tracken, was sind denn konkret die Projekte und was ist auch der Mehrwert, der dabei rumkommt.
Also das ist nicht der KI-Willen, auch das beobachte ich viel.
Zum Glück wird das jetzt immer weniger und man stellt immer mehr die Frage, auch was ist der Mehrwert.
Aber das eigentlich grundsätzlich mit zu verankern, dass sich auch Mitarbeitende und Führungskräfte diese Frage mal wieder mal stellen.
Genau, also deswegen, das kam wirklich top down, also runterkaskadiert auf alle Ebenen.
Es gibt eine gute Kultur der Mitarbeiterinformationen bei Trumpf, dass es wirklich monatlich auch immer wieder mal Updates gibt, was sind da die Top-Themen, was ist uns gerade wichtig.
Und da ist häufig KI auch ein Thema.
Natürlich nicht das Einzige, da gibt es viele andere wichtige Themen, aber eben ein Thema.
Und es wird auch durch die Enablements kommen so viel Kraft auch aus der Breite zurück.
Also Mitarbeiter, die wollen ihre Arbeit auch verbessern, die wollen ihre Probleme lösen.
schon gemerkt, dass es wirklich Energie auch freisetzt.
Ich würde jetzt gerne nochmal verstehen, wie du hast schon ein bisschen über den methodischen Ansatz gesprochen, aber wie ist das dann?
Also du hast ja jetzt wahrscheinlich tausend Möglichkeiten, irgendwo anzusetzen und das Wichtigste ist ja so, choose your battles, also sauber zu priorisieren.
wo willst du jetzt wirklich reingehen, wo siehst du den größten Mehrwert, aber auch die Machbarkeit, ohne vielleicht schon alles zu wissen in dem Moment.
Wie macht ihr das?
Wie priorisiert ihr an welche, nennt ihr es eigentlich Anwendungsfälle oder guckt ihr euch nur noch so die ganzen Prozesse an oder wie strukturiert ihr das?
Das ist tatsächlich das Interessante, weil das ist wie so ein ...
Das wird ja ineinander verboben, dass Anwendungsfälle oft auch auf die Prozesse gemerkt werden können.
Aber tatsächlich ist es genauso, dass wir, manches kommt über die Anwendungsfälle rein, Probleme oder Herausforderungen, die auftreten in so einem Business.
Das sind dann eher so die Use Cases.
Und von der anderen Seite sehr strukturiert über die Top-Prozesse.
Und das ist auch sehr gut etabliert bei Trunk, so eine Business-Prozessorganisation.
dass man einen sehr guten Überblick darüber hat, was sind denn die Kernprozesse im Unternehmen und die gehen wir auch da sehr strukturiert jetzt durch, um da zu sehen, wo ist eigentlich Potenzial, KI zu unterstützen, nicht alleinig.
Das ist genau das Thema von, wir optimieren nicht nur ein bisschen und werfen mal KI drauf, sondern wir nehmen diesen Schritt zurück und schauen uns an, wie können wir eigentlich den Gesamtprozess bestmöglich gestalten mit den Mitteln, die wir haben.
Manchmal dieses Optimierung, manchmal diese Standardisierung, bisschen Automatisierung.
und auch KI, also verschiedene Hebel, die wir hier eigentlich einsetzen können.
Also erst optimieren, dann standardisieren und dann KI-sieren?
Ja, also das ist ja nicht so ein inkrementeller Prozess.
Erstmal machen wir das und dann das andere, sondern dass wir uns im Idealseil auch gemeinsam ansehen.
Und was kann man dann davon jetzt umsetzen?
Ist es vielleicht ein Prozessabschnitt oder ist es für einen Bereich Ende-zu-Ende-Prozess, der dann abgedeckt werden kann, um dann aufzuwachsen?
Wenn wir uns nur die Hamba-Projekte vornehmen, die jahrelang brauchen, dann kommen wir nicht vorwärts oder haben auch nicht mehr die Anpassungsfähigkeit.
Deswegen, das ist immer die Herausforderung mit KI.
Das ist nicht so eine klassische SAP-Transformation.
Und zu deiner Frage, die previsieren wir eigentlich.
Wir nutzen schon viel, versuchen viel die Synergien zu nutzen.
Also wir haben aufgebaut in so ein Hub-and-Spoke-Modell, das heißt ein kleines Zentralteam und dann die Spokes in den Funktionsbereichen.
Und in den Funktionsbereichen natürlich haben wir in den Werkzeugmaschinen, in der Lasertechnologie, also in den verschiedenen Divisionen, Elektronik, haben wir Sales Teams beispielsweise.
Und die holen wir uns zusammen, also sowohl auf der Management-Ebene holen wir die zusammen und haben gemeinsame Termine, als auch auf der mehr operativen Ebene über sogenannte Focal Points, also so Hauptansprechpersonen.
Und die priorisieren gemeinsam, was machen wir jetzt konkret im Sales-Umfeld.
Das ist der Vorteil, dass die dann mehr voneinander wissen, wo passiert eigentlich was.
Best Practices auch teilen können.
Vielleicht sind auch drei Sachen entstanden und die können viel leichter auch entscheiden, das funktioniert in dem Bereich besser oder das übernehmen wir noch.
Und für den Weg nach vorne priorisieren die so ihre Top 2, 3 Use Cases.
Und da unterstützen wir dann auch, dass die beschleunigt umgesetzt werden können.
Okay, also ihr guckt über die Business Units, wo gibt es Potenziale, sagen wir mal im Sales, über alle Business Units, die haben ständig Ausschreibungsprozesse, die super aufwendig sind, viel Kapazität bindet und da könnte man ja vielleicht KI einsetzen, weil wir haben schon tausendmal einen Ausschreibungsprozess teilgenommen, ganz viel Unterlagen, Dokumentation und so und dann pilotiert ihr das vielleicht mit einer Business Unit und schaut, was dann daraus funktioniert und das wird dann wieder kann dann genutzt werden und nochmal angepasst werden von den anderen Business-Units.
Also da, genau, das ist halt nicht in jeder Business-Unit jeder so an seinem eigenen Case.
Ja, oder manchmal gibt es auch schon drei verschiedene POCs und die macht man dadurch darüber überhaupt mal transparent und schraut sich auch an, wie wollen wir hier nach vorne gehen.
Weil gerade wenn wir es in die MVP und in die Skalierung bringen wollen.
ist es nicht sinnvoll, dass wir drei Projekte da weiterhin laufen lassen, sondern dann eher Richtung eins, das wir dann in die Skalierung bringen, aber von den anderen weiterhin lernen.
Wenn ihr dann so ein Case gefunden habt oder ich nenne es jetzt einfach mal Case oder Teilprozess oder Case, wie geht ihr dann in die Umsetzung und vor allem auch, wer arbeitet da mit wem zusammen?
Wir nennen das so ein Operating Model AI Impact Factory.
Das heißt, die aus dem Business, erstmal die Initiatoren, die sind fest dabei.
Und wir sagen auch hier, dass da nicht so Splitterkapazitäten mal so 10%, sondern da muss voller Fokus mit drauf.
Mindestens 50% bis 100% Cover muss wirklich aus dem Business auch kommen.
Okay, also es muss richtig Commitment sein und nicht so, wir schieben euch hier was auf die Rampe und jetzt, liebes KI-Team, macht mal und sagt Zeit, wenn es fertig ist.
Genau, und dann nehmen wir natürlich noch KI-Experten, Expertinnen dazu, die das dann auch mit umsetzen können.
Plus schauen wir uns mal an, was braucht das denn eigentlich darüber hinaus.
Brauchen wir vielleicht nochmal Security für das eine oder andere?
Brauchen wir die, um dann nochmal was gegen zu checken?
Brauchen wir IT?
Und welche IT-Ressourcen eigentlich, um dann die Schnittstellen auch sicherzustellen, um auch die Architektur ins Gesamtunternehmen mit einzubetten?
Und das bringen wir zusammen.
Die implementieren dann in relativ kurzen Sprints die Lösungen.
Also das heißt erst mal so ein POC, schauen sich an, was passt.
was funktioniert, wie gut funktioniert es denn eigentlich und gehen dann eigentlich in so ein nächstes Gate.
Wenn der Mehrwert wirklich gezeigt werden konnte, wird dann auch die Entscheidung getroffen, geht es weiter oder geht es nicht mehr weiter und dann eben weiter in die Implementierung Richtung MVP und dann auch Richtung Skalierung.
Was ist ein relativ kurzer Sprint bei Trump?
Ein bis zwei Wochen.
Okay.
Genau, also da ist schon gut was möglich.
Manchmal reicht auch schon, Hackerfond nochmal zu starten und eine Idee auszuprobieren, um zu merken, ob das Neverd bringt.
Und das ist so ein halber Tag bis Tag.
Ja, ihr habt gesagt, ihr habt so eine Gen.ai-Plattform eingeführt.
Was würdest du denn sagen, wo liegen die Grenzen?
Überlasse ich dir, ob du sagen willst, mit wem ihr da arbeitet.
Was würdest du sagen, wo liegen die Grenzen von so einer eingeführten horizontalen Plattform?
Beziehungsweise auch, was lässt sich darauf alles vielleicht auch schon umsetzen, womit man sonst gar nicht rechnen würde, weil man vielleicht gar nicht immer noch einen neuen Technologiepartner braucht oder was selbst entwickeln muss, was sich auch mit Bordmitteln lösen lässt.
Da sind wir auch immer noch in einem Prozess.
Am Anfang dachte ich sehr stark, das hilft uns, um überhaupt mal POCs zu machen, um die einfachen Aufgaben abzudecken und POCs, also die Use Cases überhaupt sichtbar zu machen.
Mittlerweile habe ich den Eindruck, die Plattform entwickelt sich so rasant weiter, dass wir immer mehr Verantwortung auch übernehmen können über die Plattform.
Da ist dann Governance mit abgedeckt, beispielsweise für Agenten oder auch Workflows, die darauf entwickelt werden können.
Und das ist halt einer der kritischen Faktoren.
Können wir eine Versionierung haben?
Können wir da Testing darüber abbilden?
Haben wir eine Einsicht, wer was wann geändert hat?
Das sind halt relevante Faktoren, um das dann auch wirklich live zu nehmen.
Der Übergang von dem Horizontalen in das Vertikale ist in manchen Bereichen jetzt zunehmend stärker.
Auch mit den Integrationen, die darüber mittlerweile stattfinden können, sei es in unserer eigenen Umgebung Richtung SharePoint-Teams, Mail und Kalender sind mit angebunden, aber auch unsere Datenintegrationsplattform ist gerade im Aufbau, dass wir auch Datenconnect haben, umso die Daten, die im Unternehmen darüber hinaus, also sehr unternehmenskritische Daten auch an manchen Stellen, dass man die auch zugänglich hat und dann auch in die Prozesse mit integrieren kann.
Also das heißt, wir sind in so diesem Übergangsmodus auch da zu explorieren, wie tief können wir eigentlich mit der generellen Plattform gehen und wann haben wir wirklich einen Absprung.
Also alles, was Richtung Kunde geht, haben wir aktuell auf jeden Fall einen Absprung.
Wir können vielleicht mal was betesten, aber ansonsten geht es auf eine eigene Infrastruktur, damit es dann auch entsprechend abgesichert ist und auch für Kunden nutzbar ist.
Aber was intern ist, ist schon interessant, wo wir gerade...
auch weiterhin am Testen sind.
Die verschiedensten Plattformen und ich will da gar nicht groß Namen nennen, die verschiedensten großen Plattformen, die man so im Unternehmen auch hat, bringen die meisten so die eigenen KI-Features mit, sei es für Workflow Automation oder für Agenten und Co.
Und testen das dann auch sehr häufig so im Gegeneinander und merken dann auch manchmal, dass wir bessere Resultate oder dann manchmal auch günstiger noch mal on top.
abdecken können über die interne Plattform, also über dieses horizontale Modell, das schon besser abgedeckt ist als das, was von anderen Anbietern kommt.
Wo man erst mal denken würde, das ist ja ein Kerngeschäftsmodell, aber bringt aktuell dann doch noch nicht die Leistung an allen Stellen.
Und auch hier ist es hochdynamisch.
Also auch da entwickelt es sich rasant weiter, sodass auch jetzt noch nicht der Zeitpunkt ist, wo man sagen kann, welchen Case lösen wir jetzt wovon ab.
Also ihr seid jetzt nicht mit allen in den letzten drei Monaten auf Claude gewechselt?
Nee.
Ja, ich finde es total spannend, weil ich finde, eine ganz großartige Eigenschaft von jetzt Language Models, generativer KI-Agenten ist, hat dieser demokratisierende Effekt, den es hat, weil ich mit natürlicher Sprache ...
so viele Dinge schon so viel besser lösen kann und auch heute noch mal so viel besser, als das vor ein oder zwei Jahren möglich war.
Da war das ja auch so ein Agenten oder so ein Workflow mal aufzusetzen, war ja schon noch echt ein bisschen fummelig, da musste man sich schon reinarbeiten.
Geht heute immer und immer einfacher, weil immer mehr KI diesen Prozess wiederum unterstützt.
Und es ist interessant, dass du das dann bestätigst, so wie ich jetzt rausgehört habe, dass Teams dann ihre internen Probleme, die auch schon technisch ein bisschen komplexer...
sind und weitergehen als, ich habe hier meinen Assistenten, mit dem ich schreiben kann, dass das jetzt auch immer mehr in die Teams kommt und auch diese vertikale Integration dann unterstützt.
Jetzt haben wir ganz, ganz viel über die, sagen wir mal, wie nennt ihr das, die Office-Bereiche oder die nicht Engineering-Produktionsnahen Bereiche?
Also indirekte.
die indirekte Bereiche gesprochen, also vor allem im KI, in den Büros, wo du ja auch reingekommen bist und gesehen hast, das lag noch eher brach.
Es gab einzelne Experimente und du hast jetzt so einen ganzheitlichen Ansatz mit deinem Tee, was du schön beschrieben hast, reingebracht.
Ihr habt es jetzt in der Horizontalen gut verankert und geht jetzt in die Vertikalen, indem ihr euch Cases, aber auch ganze Wertströme anschaut und euch dort vorarbeitet, wie ihr diese noch neu denken könnt.
Vieles bei euch passiert ja aber auch nicht im Büro, sondern in der Produktion und in der Entwicklung.
Wie kann ich mir das denn heute vorstellen?
Weil ich finde das Robotik-Thema einfach total spannend, aber mir fehlt so ein realistischer Blick darauf, was passiert heute schon mit Robotik und laufen bei euch schon die Humanoiden durch die Hallen und und arbeiten an den Maschinen und reparieren die und tragen Teile von A nach B?
Oder wie sieht das aus?
Genau, die Roboter sind sehr aktiv bei uns in der Fabrik oder in den verschiedenen Werken.
Aber es sind selten welche, die so aussehen wie Humanoide-Roboter.
Es wird natürlich ziemlich viel darauf projiziert, auch so Vermenschlichungen.
Also sowohl bei der Sprache merkt man es auch schon, dass es sich anfühlt, wie wenn ein Mensch spricht.
Und bei den Humanoiden wird es natürlich noch stärker sichtbar.
Ja, das ist ganz interessant, dass manchmal projizieren wir so KI auf das, was wir als Menschen kennen.
Also ein Roboter muss dann halt auch aussehen und so laufen und so wie ein Mensch.
Aber damit übertragen wir dann manchmal auch die menschlichen Limitierungen auf etwas, was diese Limitierung nicht haben müsste.
Also ein Bekannter von mir, der entwickelt gerade ein Pizza.
Roboter.
Und jetzt könnte man natürlich da auch so einen Greifarm oder so etwas machen, der die Pizza dann belegt, so wie das ein Mensch machen würde, ist aber tausendmal ineffizienter, als wenn ich einfach irgendwelche Düsen zum Beispiel von oben habe, die das raufportionieren oder irgendwelche Scheiben oder so, die die Pizza dann rausfahren und wieder reinholen.
Das sieht...
Also würde man wahrscheinlich gar nicht sagen, dass das ein Roboter ist, sondern eher so eine Maschine oder sowas.
Aber am Ende ist es eben auch Robotik, die aber für diesen Anwendungsfall die Form und Struktur hat, die das Problem am besten löst.
Also sehr menschenzentriert eigentlich gedacht auch in den Arbeitsabläufen und genau so dann auch wieder zu automatisieren, statt was wir allgemein nicht lösen.
Welche anderen Wege gibt es, die viel effizienter sind?
Schönes Beispiel.
Genau und das ist ja auch dann, auch wenn wir nochmal zurückkommen auf die digitalen Prozesse, ist es ja auch wieder ähnlich.
Nur weil ein Mensch gerade diese Aktion macht, heißt es jetzt nicht, dass wir den Agenten nehmen müssen, der auch genau diese Aktion macht, sondern wenn man sich das ganzheitlich anschaut, kann man vielleicht diese Aktion komplett eliminieren.
Jetzt bist du etwas über anderthalb Jahre bei Trump, hast einiges.
schon sehr erfolgreich umgesetzt.
Das klingt nach einem tollen Weg, auf dem ihr da seid.
Aber sicherlich gibt es nicht nur Sonnen, sondern auch einige Regentage, wie immer, wenn man sich mit solchen komplexen Prozessen und Transformationen beschäftigt.
Was waren denn so deine größten...
Learnings, die du gesammelt hast, weil ja hier auch ganz viele Menschen zuhören, die ebenfalls diese Transformation in ihren Unternehmen verantworten, vielleicht auch nicht immer die Ressourcen und Mittel und Möglichkeiten haben, wie du sie bei Trump vorfindest, hast natürlich auch eine große Organisation, in die das rein muss, aber vielleicht so ein paar Dinge, die du anderen mitnehmen kannst, die sich gerade auf dem Weg befinden, die dir geholfen haben oder geholfen hätten, wenn du nochmal neu starten würdest.
Ich glaube, ein Punkt ist, es braucht unglaublich viel Kraft und Ambition dahinter.
Also ich sehe diesen Handlungsdrang, der da ist in der Industrie und wie viel Energie das braucht, Unternehmen zu wandeln, dahin zu kommen.
Also weiterhin auch die Ziele zu setzen, auch das einzufordern in Organisationen.
vollen Management Support auch sich immer wieder einzuholen, dass wir hier beschleunigt vorangehen müssen.
Wir haben die Zeit schlicht ergreifend nicht, um wettbewerbsfähig auch zu bleiben, um weiterhin auch vorn dran zu bleiben, vor den Technologien sehr innovativ zu sein, wenn wir hier nicht zügig vorankommen.
Also das ist glaube ich so dieses...
Einfach so ein realistischer Blick, das muss man mitbringen.
Und ich glaube, das wird häufig unterschätzt, gerade wenn jemand noch nicht im KI-Bereich unterwegs ist, wie hoch diese Dynamik auf der einen Seite ist.
Wir haben nicht ein Ecosystem, das gerade schon geebnet ist.
Und wir können auch nicht darauf warten, bis sich das irgendwann legt.
Auch da merke ich immer wieder, dass da Vorstellungen da sind.
Ja, ja, irgendwann spielt sich das dann ein und dann ist es gesetzt und dann hast du so die klassischen.
Auch das können wir uns gar nicht leisten, so lange zu warten.
Und ich glaube auch nicht daran, dass es weniger dynamisch wird, sondern in manchen Bereichen sogar noch an Dynamik gewinnen wird.
Wir merken jetzt, dass die technischen Möglichkeiten so viel größer sind als das, was wir eigentlich schon ausnutzen.
Und es geht so dieses, ich nenne es auch gerne mal so dieses externe Rennen um das schnellste Modell.
Also gerade, wenn man die News beobachtet von den AI Labs.
Also das ist ja krass, wie in welcher Geschwindigkeit da neue Modelle rausgebracht werden mit noch mehr Fähigkeiten und so weiter.
Das ist nicht unser Rennen in der Industrie.
Also wir müssen da nicht standhalten, auch das neueste Modell und so weiter rauszubringen.
Aber wir sind auch in einem Wettrennen und unser Rennen ist eher die Adoption intern.
Wie können wir produktiv bleiben, innovativ bleiben und eben genau in diesen sehr dynamischen Umgebungen zu agieren?
Es braucht eine ganzheitliche Verantwortung.
Das war wirklich eins der Erfolgskriterien, denke ich, die ich auch hiermit aufgebaut habe.
Security, Legal, HR, all die verschiedenen Faktoren.
Und da gibt es viele weitere, mit denen wir eng zusammenarbeiten, um all die Themen voranzubringen.
KI ist kein Technologiethema und auch das klingt so einfach, aber in der Realität es umzusetzen mit so vielen verschiedenen Stakeholdern, weil es betrifft Menschenprozesse, die Technologie, die rechtlichen Rahmenbedingungen etc.
Also da sich dessen bewusst zu sein und einfach dran zu bleiben, diese Ambition auch weiterhin zu setzen, um da auch voranzukommen.
Das ist, glaube ich, eins der Hauptlearnings oder was ich auch anderen nochmal mitgeben würde.
Und der zweite Faktor ist, wie wichtig der Faktor Mensch ist.
Die Technologie ist nicht da aufgrund der Technologie wegen, sondern wirklich Menschen, wenn die merken, dass es ihnen weiterbringt oder die Arbeit leichter macht oder irgendwas dadurch besser wird, dann wird es auch angenommen oder wenn technische Möglichkeiten, also wenn ich zum Beispiel Erklärbarkeit auch habe oder nachvollziehen kann, woher eine Entscheidung kommt, dann wächst auch die Adoption-Lorde, wenn ich eben Chancen schaffe, Räume schaffe, das zu erleben und anzuwenden und das nicht zu unterschätzen, also da nicht einfach reingehen und wir machen jetzt einen Prozess besser, nein, wirklich diesen, lass uns die Menschen mitnehmen, das ist einer der größten Erfolgsfaktoren am Ende.
Sarah, vielen, vielen Dank, dass du hier warst, danke für die Einblicke in deine und eure Arbeit und ich wünsche euch weiterhin ganz viel Erfolg.
Danke dir, Felix, viel Spaß mit.