# AI Transformation in Regulated Payment Services

**Podcast:** AI FIRST Podcast
**Published:** 2026-10-16

## Transcript

Herzlich willkommen zum AI First Podcast.
Heute zu Gast ist Jakob von Ingelheim, der Chief Risk and Transformation Officer bei UNSA.
UNSA ist ein Zahlungsdienstleister aus Europa mit über 90.000 Händlern, für die sie die Zahlungen abwickeln.
Und es gibt noch einen spannenden Hintergrund und zwar hat UNSA in den letzten Jahren 14 Unternehmen gekauft und integriert.
Allein das ist natürlich schon eine riesige Transformationsaufgabe.
Und jetzt hat sich Jakob auch noch der KI-Transformation angenommen.
Da haben sie in den letzten Jahren ganz klare Value-Cases gefunden, umgesetzt, können klaren Wertbeitrag auch vorlegen.
Ich glaube, daraus gibt es schon eine ganze Menge zu lernen.
Treiben aber auch natürlich die breite KI-Adoption in der Organisation, bringen die Teams, die Führungskräfte in Bewegung, um sich diesem Thema anzunehmen.
Da gibt es heute eine ganze Menge zu lernen.
Viele, viele Themen dabei.
Jakob, schön, dass du da bist.
Felix, ich freue mich auch auf heute.
Danke, dass ich da sein darf.
Erzähl doch einmal kurz zum Start, wer du bist und was ihr genau bei UNSER macht und wie auch das Unternehmen so entstanden und sich in den letzten Jahren entwickelt hat.
Ah, gerne.
Ich bin der Chief Risk and Transformation Officer bei UNSER, wie du ja gerade schon gesagt hast.
Der Titel ist vielleicht nicht so ganz gewöhnlich, sondern...
ist so entstanden.
Ich glaube, heute reden wir ja im Wesentlichen über das Transformation-Thema und da kommt im Grunde unsere Geschichte ins Spiel.
Wir sind eine Merger-Companie aus 14 Einzelfirmen entstanden über die letzten fünf, sechs Jahre, zusammengekauft.
Und natürlich mit einer Strategie und mit einem Sinn, also nicht nur sozusagen irgendwie wahllos zusammengekauft, sondern am Ende wollen wir oder sehen wir unsere Mission da drin, dem Handel zu helfen, dass er sich digitalisiert mit Zahlungs- und Softwarelösungen entlang der gesamten Wertschöpfungskette.
Das heißt, was wollen wir erreichen?
Wir wollen sowohl im Online als auch im Offline was man vielleicht gängigerweise Omnichannel nennt, wollen wir mit unseren Lösungen die Händler unterstützen, die Daten zusammenfügen, den ganzen Prozess, den ganzen Ablauf, soweit es geht, automatisieren und standardisieren, sodass der Händler sich auf seine wesentlichen Tätigkeiten, das Verkauf seiner Ware oder Dienstleistung konzentrieren kann und wir alles im Hintergrund machen dürfen.
Was ist am härtesten, wenn man aus 14 Unternehmen eins machen muss?
Am härtesten ist eine gute Frage.
Ich glaube, was sozusagen am längsten dauert, ist die Leute mitzunehmen.
Es waren ja 14 Einzelunternehmen, die auch alle für sich eine absolute Daseinsberechtigung hatten, die wir aus einem ganz bestimmten Grund gekauft haben, die alle profitabel waren und die alle ihre eigene Kultur hatten.
diese, ich sag mal, 14 Kulturen und diese 14 unterschiedlichen Typos von Mensch zusammenzufügen, das würde ich sagen, war nicht vielleicht das Härteste, würde ich sagen, ist die falsche Überleglichkeit, aber sicherlich das, was am längsten dauert.
Erkennst du da Parallelen auch zur KI-Transformation?
Ehrlich, damit auch was.
Also man sieht da auch ähnliche Sachen.
Also zum Beispiel...
Was mir aufgefallen ist über diese Zusammenfügen der Firmen, ist die Tatsache, dass es natürlich auch, wir haben ganz unterschiedliche Firmen gekauft.
Also wir haben zum Beispiel eine Inkassofirma, die gibt es seit 40, 45 Jahren.
Da gibt es alle, nicht jedes Jahr, aber jedes zweite Jahr feiern wir da ein Zugehörigkeitsjubiläum von 40 Jahren plus.
Das heißt, ich bin zwar ein bisschen über 40, aber so ganz alt, sehr viel älter bin ich noch nicht.
Und gleichzeitig haben wir Firmen gekauft, die gibt es jetzt seit irgendwie, ich weiß nicht, sieben, acht Jahren.
Da kann man sich vorstellen, dass das einfach sehr unterschiedlich ist, wie so Abläufe sind.
Und das ist irgendwas ähnliches, was ich auch bei der KI, würde ich sagen, sehe.
Am Ende muss es uns als Menschen und uns als Mitarbeiter und Mitarbeiterinnen helfen.
Und das schätzt jeder so ein bisschen anders ein.
Aber das ist auch normal, völlig normal.
Und wenn ich es richtig verstanden habe, liegt das KI-Thema ja jetzt bei dir.
Würde ich gerne nochmal verstehen, wie ihr das organisiert habt.
Weil in anderen Unternehmen gibt es ja dann einen Chief AI Officer.
Oder das wird irgendwie an der IT aufgehangen oder irgendwo anders.
Wie kommt es, dass das bei dir im Transformation-Bereich angesiedelt ist?
Also wir haben auch eine Chief Product und AI Officerin seit viereinhalb Monaten, Isabel.
Und wir haben uns entschieden, das natürlich wie viele andere auch sehr eng ans Produkt dran zu...
daran zu legen, denn dort sehen wir ganz klar auch die wesentlichen Mehrwerte, die AI liefern kann in den Produkten, die wir im Grunde genommen auch unseren Kunden, sprich den Händlern liefern können.
Aber wir haben eben auch den Bereich des internen Effizienzgewinnung, würde ich mal so sagen.
Der Teil ist bei mir, wo man eben mehr sozusagen sich wirklich mit den Bereichen, mit den Mitarbeitern, Mitarbeiterinnen hinsetzt und versucht, Potenziale zu identifizieren.
Das sind von kleinen Agents oder mittelkleinen Agents zu irgendwelchen Apps, zu irgendwelchen, ja, oftmals, vielleicht sind es auch gar nicht AI im klassischen Sinn, sondern man identifiziert Automatisierungspotenziale.
in einem Prozess.
Und das kann dann auch dazu führen, dass wir es eben ins AI-Team geben, also wieder zu meiner Kollegin rüber, um dort eben dann auch eine größere Lösung zu bauen als nur ein, ich sage mal, ein Klein-Agent.
Aber so haben wir es so ein bisschen im Moment aufgebaut und aufgestellt.
Okay, also dann kommt ihr ja aus einer sehr spannenden Zeit, wo ihr aus ganz vielen unterschiedlichen Unternehmen eines gemacht habt.
Jetzt kam KI in den letzten Jahren und ihr seid losgegangen und musstet schauen, in welchen Bereichen liegt denn jetzt das größte Potenzial für KI.
Es ist ja mittlerweile Common Sense, dass man jetzt nicht überall nur so ein bisschen KI raufstreuselt, um die individuelle Produktivität zu steigern, sondern der Weg muss irgendwie in die Prozesse reinkommen.
Wie seid ihr da bei euch vorgegangen?
Wir haben auf der einen Seite die sicherlich Herausforderung, aber haben die Herausforderung auch als eine Chance gesehen.
Wir sind ja reguliert.
Wir haben in drei verschiedenen Ländern eine nicht ganz Vollbanklizenz, aber sozusagen man kann sich vorstellen wie eine kleine Banklizenz, eine sogenannte ZAG oder Payment Provider Lizenz.
Und die erfordert von uns auch, dass wir alle Prozesse von Level 1 bis 3 in einen Katalog aufnehmen und dort auch bestimmte Parameter festhalten.
Und im Grunde genommen haben wir uns diese regulatorische Vorgabe vor anderthalb Jahren als Basis genommen und haben gesagt, wir versuchen jetzt daraus zu identifizieren, welche unserer Abläufe, Prozesse sind am nächsten dran, dass man sie schon mit AI unterfüttern kann.
dass man AI dort schon implementieren kann.
Und daraus ergab sich eine Matrix.
Und an dieser Matrix haben wir angefangen, uns durchzuarbeiten.
Da sind wir auch noch längst nicht am Ende.
Aber das ist im Grunde genommen der Ursprung, wo wir herkamen.
So, und jetzt mal vielleicht ein bisschen konkrete Beispiele.
Ein wesentlicher Kernprozess ist das sogenannte Onboarding.
Also wieder aus der Regulatorik getrieben.
Wir müssen jeden Händler, der mit uns zusammenarbeitet, müssen wir einer KYC-Prüfung unterziehen.
Das bedeutet, wir müssen ihn identifizieren und den wirtschaftlich Berechtigten dahinter identifizieren.
Also KYC steht für Know Your Customer, glaube ich.
Ganz genau, ja.
Know Your Customer.
Und wir...
Das ist ein sehr manueller Prozess gewesen, in dem Unterlagen vom Händler eingereicht wurden, wir das abgeglichen haben mit externen Datenquellen und dann, wenn es gepasst hat, in unser System übertragen haben und damit sozusagen eine Datenbasis geschaffen haben.
Und diesen Prozess haben wir...
Schritt für Schritt uns in kleinere Häppchen aufgeteilt und gesagt, welche von diesen Unterschritten können wir mit AI füttern, welchen können wir automatisieren.
Auch das, wie vorhin schon mal gesagt, muss man glaube ich auch immer ein bisschen separieren.
Nicht alles ist zwangsläufig direkt AI.
Vieles kommt auch mit dem Willen AI, dass man eben dann auch merkt, naja, vielleicht könnten wir hier mal irgendwie eine Schnittstelle bauen, vielleicht kann man hier irgendwie sozusagen auch anders den Prozess automatisieren.
Aber da haben wir in den letzten 18 Monaten fast 90 Prozent höhere Geschwindigkeit erzielen können.
Das heißt, wir haben vor 18 Monaten 46, 47 Tage gebraucht im Durchschnitt für so ein Onboarding.
Auch da muss man, glaube ich, nochmal klarstellen, nicht weil wir so langsam sind, sondern weil das eben auch ein Hin und Her zwischen den verschiedenen...
der Parteien ist, insbesondere auch dem Händler und man muss extern was anfragen und man wartet auch viel.
Und wir sind da jetzt bei irgendwie acht Tagen im Mittel und das ist eben ein wahnsinniger Erfolg, den wir da vorweisen können.
Es gibt noch viele andere Beispiele, aber das ist zum Beispiel so ein ganz großer Prozess, über den wir uns freuen und wo wir aber auch sagen, da geht sicherlich noch mehr, weil auch dort noch manuelle Teilschritte drin sind, die man sicherlich auch noch mehr automatisieren kann.
Ja, super Beispiel.
Und ich glaube, das ist genau das, wonach jetzt alle suchen.
Wo haben wir die Möglichkeit, so einen Kernprozess so auf den Kopf zu stellen, dass wir dann auf einmal diesen Effizienzgewinn, Geschwindigkeitsgewinn haben, den Engpass aufgelöst bekommt.
Das ist ja auch für Kunden, für alle Seiten ist das ja ein Mehrwert, der da auf einmal entsteht.
Kannst du nochmal sagen, weil die Frage ist ja, vielleicht auch andere kennen irgendwie diesen Kernprozess und wissen, da ist jetzt ein großer Engpass, aber es sind ja komplexe Prozesse.
Du hast externe Abhängigkeiten und Schnittstellen noch mit drin bei euch insbesondere.
Du hast wahrscheinlich mehrere Abteilungen von eurer Seite, unterschiedliche Systeme, auf die zugegriffen wird und so weiter.
Das sind ja so gelebte Prozesse, die recht komplex werden im Laufe der Zeit und die dann irgendwie so funktionieren, weil man sich so organisiert hat.
Wie seid ihr da konkret vorgegangen, um diesen Prozess so zu verstehen, dass ihr ihn dann auch quasi neu denken könnt, um diesen Geschwindigkeitsvorteil zu erreichen?
Wir haben dort, das ist eine gute Frage, also wir haben dort begonnen damit, dass wir uns den Prozess, auch dort die Daten rausgezogen haben.
Also was wir erstmal verstehen mussten ist, welche Unterschritte gibt es?
Die gab es auf dem Papier, in dem Prozesskatalog sind die alle schön niedergeschrieben und da sieht das auch alles wahnsinnig gut und sinnvoll aus.
Aber das hilft einem natürlich noch nicht zu sagen, wo sind die Bottlenecks in der Realität.
Und wir haben am Ende unser CRM-System, was eine bestimmte Schrittabfolge verlangt, haben wir dort die Daten rausgezogen, haben geguckt, wie oft...
Die eine Order, wo sozusagen welchen Status ist, wie oft geht sie wieder zurück, wie schnell kann sie weitergedrückt werden, wie viele Leute sind da drin involviert.
Und daraus haben wir eben so Unterpakete gebaut.
Also ich nehme jetzt mal ein Beispiel, ein konkreteres Beispiel, was man sich vielleicht mehr vorstellen kann.
Wir brauchen eigentlich fast für alle Gegebenheiten einen Handelsregisterauszug, um sicherstellen zu können, dass das wirklich ein eingetragener gesellschaft ist.
Ein Handelsregisterauszug, das ist auch nicht eine Schnittstelle, sondern da gibt es ganz viele in Deutschland und die sehen alle ziemlich ähnlich aus, aber sind natürlich, so wie es halt leider oftmals ist, nicht alle ganz gleich.
Und da haben wir zum Beispiel ein kleines Tool drauf gesetzt, was uns hilft, die wesentlichen Daten, die wir dafür brauchen, die Handelsregister-ID als Beispiel, Das ist ein Teil des AI und wir können auch audit-sicher nachweisen, dass wenn diese ID irgendwie dreimal auf so einem Blatt Papier draufsteht, dass wir sagen können, wir haben die ID von oben rechts genommen, für den Fall der Fälle, dass sie irgendwie in der Mitte oder weiter unten aus irgendwelchen Gründen eben unterschiedlich ist.
Und so haben wir uns dort Schritt für Schritt durchge...
durchgearbeitet und eben gesagt, da, wo wir am meisten Zeit verlieren, wo die Mitarbeiter und Mitarbeiterinnen am meisten manuelle Schritte machen müssen, das sind eigentlich unsere wesentlichen Punkte, weil wie du schon gerade richtig gesagt hast, am Ende will sowohl der Händler als auch wir, dass das möglichst schnell geht.
Der Händler will irgendwie seine Ware verkaufen, er braucht dafür eine Payment-Methode und wir würden...
Wir würden uns freuen, wenn er live ist, weil nur wenn er live ist, können wir Umsatz machen.
Und dann habt ihr ja trotzdem eine ganze Menge Kunden und es läuft dann doch nicht immer alles rund.
Deswegen gibt es ein Support.
Ist bei euch ja auch ein großes Anwendungsgebiet.
Genauso auch wie in vielen anderen Unternehmen.
Mittlerweile ja auch im Bereich, wo der Reifegrad von KI schon ein Level erreicht hat, wo man recht viel machen kann.
Wie habt ihr bei euch im Support KI integriert?
Das haben wir im Grunde genommen zwei bis drei Bereiche, wo man es gleich, glaube ich, ganz gut erläutern kann.
Wir haben ein Help Center, da haben wir auch eine AI drauf und dort können ungefähr 50 Prozent der Anfragen ganz beziehungsweise teilgelöst werden durch die AI.
Was kommt da so rein ungefähr?
Da kommen so Fragen.
Also das ist oftmals was, was von Endverbrauchern kommt.
Also zum Beispiel haben wir einen Rechnungskauf, da kommen dann so Fragen, ich habe irgendwie die Rechnung verloren oder auf welches Grund soll ich überweisen?
Solche Arten von Fragen oder auch, weil wir eben die, wenn du was kaufst beim Händler, sind wir der Dienstleister im Hintergrund, aber aus Regulatorik.
läuft das Konto auf uns und wir schreiben dich gewissermaßen an, auch wenn vieles davon White Label ist.
Und dann kommen so Fragen wie, warum muss ich jetzt an unser bezahlen?
Ich habe doch bei Decathlon gekauft.
Und das kann man, bevor da irgendjemand eine E-Mail schreibt und wir die Antwort geben müssen, kann man natürlich da relativ viel standardisierte Antworten geben.
Und das hilft wahnsinnig, einfach um das erste Level da rauszunehmen.
Dann haben wir auch in dem Bereich unserer Inkasso-Gesellschaft, das finde ich auch ein ziemlich spannender Use Case.
Das machen wir ja nicht nur oder vornehmlich für Drittparteien, also nicht für unsere Forderungen, sondern eben für viele, viele andere Parteien da draußen.
Und da kann man sich vorstellen, da hat man nochmal ein bisschen andere Thematiken.
Kunden und Kundinnen, die in Zahlungsschwierigkeiten geraten sind, aus welchen Gründen auch immer.
Und das ist aber auch natürlich kein irgendwie positiv behaftetes Thema.
Also wenn man selber irgendwie eine offene Rechnung hat und eigentlich merkt, das ist irgendwie ein ganz schön knapper Moment auf dem Konto, dann mit jemandem telefonieren ist oftmals nicht so ganz, ist nicht das, was man intuitiv machen möchte.
Und da haben wir über eine WhatsApp-App, und auch mit AI können wir da zum Beispiel Ratenvereinbarungen anbieten.
Das konnten wir vorher auch schon, aber dafür musste jemand anrufen und dann so weiter und so fort.
Und jetzt kann man das sozusagen mit, ja, kann man das schriftlich machen, was einmal diese Hämmerung wegnimmt, aber, und das ist das andere, was eben eigentlich super cool ist, wir können das, glaube ich, in 37 oder 38 verschiedenen Sprachen jetzt.
Das heißt auch diese Hürde, dass es irgendeine Art von Sprachbarriere da gibt, die wir in der Vergangenheit oftmals auch gemerkt haben, dass sozusagen da vielleicht der Wille ist, aber nicht hundertprozentig verstanden wurde, was sozusagen jetzt passieren muss oder wie auch immer, die kann man daraus auch total rausnehmen.
Und das ist einfach ein total cooler Use Case, in dem wir eben auch merken, dass wirklich auch, ich glaube, 30, 35 Prozent mehr Raten, Vereinbarungen pro Woche geschlossen werden, was dazu hinweist oder dazu führt, dass die Lösung gefunden wird für dieses Thema.
Der Kunde oder der Verbraucher hat eine Lösung und wir wissen auch, dass die Forderung beglichen wird.
Also es ist sozusagen auch da ein gewisses Win-Win für die Parteien involviert.
Okay, also ich habe die ausstehende Rechnung, kann sie gerade nicht begleichen.
Finde bei euch die Info, dass ich bei WhatsApp eine Nummer schreiben kann.
Da ist dann eine KI dahinter, habe ich verstanden.
Und die kann dann zum Beispiel auf den Account und so weiter zugreifen, sich das anschauen und kann dann einen Vorschlag machen, der dann von dem Kunden akzeptiert werden kann.
Genau.
Auch da bin ich transparent.
Für den Verbraucher sieht es so aus, als wäre das vollautomatisch.
Ich bin da mal offen.
Es muss am Ende bei uns intern noch jemanden ein Knöpfchen drücken.
Aber auch das möchte ich behaupten, können wir in den nächsten Wochen, aber Monaten können wir das auch beheben.
Ja, hätte ich jetzt als nächstes gefragt.
Also geht es wirklich schon alleine so raus?
Wir haben bei uns auch aktuell noch in den meisten Fällen die Regel, dass alles, was nach extern kommuniziert wird, wird vorher noch einmal von einem Menschen.
geprüft.
Ich glaube, Human in the Loop, ich weiß gar nicht mehr, ob das noch das richtige Konzept ist.
Ich tendiere immer mehr dazu, dass wir zu Human on the Loop kommen und in einem Loop eine KI eher noch die Kontrollschleife übernimmt und der Mensch on the Loop dafür notwendigen Kriterien und Testfälle bereitstellt.
Aber trotzdem, ich meine, das ist ja schon ein wichtiger Vorgang, wo es wahrscheinlich Sinn macht, wenn da nochmal jemand prüft.
Ganz genau.
Also ich bin da völlig bei dir.
Auch zu dem Thema, das wir vorhin hatten, Onboarding, auch da gibt es sicherlich, vom Grundsatz haben wir da das Thema, dass wir alle Händler werden in drei Gruppen.
Low-Risk, Medium-Risk, High-Risk.
Und Low-Risk ist etwas, was ein relativ einfaches Geschäftsmodell ist.
Ich sage jetzt mal, ein Friseur mit einer kleinen GmbH oder UG, wo es einen Gesellschafter gibt, es ist relativ klar, wer der der Wirtschaft die Berechtigte ist und die Unterlagen sind irgendwie online beziehbar.
Da kann man...
fairerweise sagen, da kommt man relativ schnell an einen Punkt, wo eine KI im Grunde genommen das machen kann, was ein Human auch machen kann.
Mitunter vielleicht auch sozusagen fehlerfreier, vor allem wenn es sozusagen nur um Datenextraktion geht, weil irgendwann sozusagen das menschliche Auge und die menschliche Konzentration bei solchen wiederkehrenden, repetitiven Tätigkeiten ganz natürlich irgendwann auch ein bisschen nachlässt.
Aber das Schöne ist im Grunde genommen für uns als unser, wir haben so viele neue Händler, dass das Ziel wäre, dass man sagen kann, für diese Low Risks brauchen wir keinen Human mehr in the Loop, sondern wie du es richtigerweise sagst, on the Loop mit Stichproben und Kontrollen und so weiter und so fort.
Und die Leute, die ganzen Experten und Expertinnen, die wir in den Teams haben, können sich eben auf die Fälle konzentrieren, die sehr viel komplexer sind, wo man wirklich dahinter die Struktur verstehen muss.
Und dann haben wir eben auch dafür mehr Zeit und haben damit auch dort können wir sehen, dass wir im Grunde genommen nicht nur eine höhere Qualität haben, sondern auch schneller durchkommen, weil die Leute irgendwie sich darauf konzentrieren können.
Ich bin noch einmal auf das Support-Thema, ist mir noch ein Gedanke gekommen.
Und zwar, hattet ihr auch darüber nachgedacht, diesen Case übers Telefon an eine KI abzugeben?
Weil das, sagte ich, wäre erstmal der offensichtlichste Fall, zu sagen, ich möchte nicht mit einem Menschen sprechen, aber dann positioniere ich das als einen KI-Agent, Telefonagent und mit dem kann ich dann sprechen.
Ein Voice Agent meinst du wahrscheinlich, oder?
Ja, genau.
Genau, also das haben wir auch in Teilbereichen, testen wir damit auch rum, auf jeden Fall.
Also das ist etwas, was auf jeden Fall auch auf der Agenda ist und da muss man eben auch wieder die richtige Lösung finden, weil manchmal sind es sozusagen sensiblere Daten, da wollen wir dann auch sicher gehen, dass es sozusagen eben...
es nicht den Fall gibt und auch wenn es den nur einmal in 100 Mal gibt, aber dass ich nicht irgendwie mich anrufen kann und deine Daten kriege oder vice versa.
Aber klar, das ist sozusagen, wenn man ein bisschen weiterdenkt, ist das natürlich genau der oder ein Aspekt in der ganzen Kette, den wir testen und den man auch sich total vorstellen kann, dass das hilft.
Wie ist das denn, wenn ihr jetzt solche Cases umsetzt?
Baut ihr sowas selbst?
Habt ihr dafür ein Team?
Oder kauft ihr euch da Lösungen vom Markt ein?
Wir haben ein AI-Team, ein dezidiertes AI-Team, was sich für solche Themen dann verantwortlich zeichnet.
Und die entscheiden dann, ob man es selber bauen kann oder ob wir versuchen, das über eine Lösung, eine externe Lösung abzuholen.
Denn auch da, es gibt natürlich, ich weiß, jeder von uns, es gibt wahnsinnig viele Dienstleister da draußen und da machen auch viele, glaube ich, einen tollen Job.
Aber wenn jetzt sozusagen jeder Bereich seine eigene Dienstleister-Idee hier reinträgt, dann wird es vielleicht kurzfristig gut, aber mittel- bis langfristig chaotisch.
Und von daher sozusagen sagen wir, das AI-Team ist das, was dann entscheidet, dass es vielleicht eine...
Komplexitätslevel, was wir selber nicht mehr abdecken können oder wo wir wissen, da gibt es extern super Lösungen und dann kann man das sozusagen darüber machen.
Habt ihr auch schon angefangen, irgendwelche Kernsysteme bei euch abzulösen durch selbst gebaute Software?
Kernsysteme, auch natürlich immer eine Definitionssache.
Ja, also eure, weiß ich nicht, eure CRM Salesforce abgelöst und dann selbst CRM gebaut oder Marketing Automation oder euer Support Ticketing System oder sowas.
Geistern ja die wildesten Geschichten durchs Internet und die einen sagen so, die anderen sagen so.
Ja, was macht ihr?
Wir gehören noch nicht zu der Kasse, die jetzt durch das CRM System durch irgendein AI-System ersetzen.
Da sind wir noch nicht.
Und da sind wir, glaube ich, auch von unserer, komme ich wieder zu dem gewissen Anker, den wir haben, aber der hilft eben auch oftmals so ein bisschen zur Steuerung, zu unserer Regulatorik.
Also wir haben eben auch mindestens einmal im Jahr hier sehr gute, aber natürlich sehr bedachte Wirtschaftsprüfer im Haus, die sich das auch anschauen.
Und auch da...
Am Ende des Tages müssen wir alle Sachen immer erklären können und können eben keine Blackboxes bauen.
Und deswegen ist da vielleicht so eine gewisse Grundsatzhürde bei uns.
Und wo die Reise hingeht in den nächsten fünf, sechs, zehn Jahren, das vermag, glaube ich, keiner so richtig zu sagen.
Aber Stand heute sind die wesentlichen Systeme, nennen wir sie mal Kernsysteme, sind alles noch entweder...
Systeme, die wir zwar selber gebaut haben, aber über Jahre hinweg gebaut haben oder aber externe Lösungen.
Du hattest mir in der Vorbereitung noch von einem Case erzählt, den ich ganz interessant fand.
Und zwar macht ihr ja Zahlungsabwicklung.
Betrug spielt da eine große Rolle.
KI kann jetzt immer mehr genutzt werden, um zu betrügen.
Also Cybercrime geht extrem nach oben.
Cybersecurity wird immer wichtiger.
Und da wird eine...
natürlich KI dann auch wieder eingesetzt, um möglichst frühzeitig mögliche Betrugsfälle zu erkennen und sich davor zu schützen.
Ihr habt da einen Case im Bereich Adverse Media Screening auch umgesetzt.
Kannst du da einmal nochmal durchführen, was ihr da gebaut habt?
Da haben wir, also das Thema kommt wieder aus diesem ganzen Händlerbereich.
Also wir müssen sozusagen einmal im Onboarding, aber dann auch in der laufenden Zusammenarbeit.
die Händler dahingehend screenen, wie man sagt, auf Adverse Media.
Also die Grundlogik, die dahinter steckt, zu sagen, naja, vielleicht gibt es negative Presse über einen Händler oder einen der dort wesentlichen Mitarbeiter oder Geschäftsführer, Geschäftsführerin.
Und das müssen wir mit einfließen lassen in unsere Entscheidungsfindung, ob wir mit dem zusammenarbeiten wollen oder fortlaufend zusammenarbeiten.
Da kann man sich vorstellen, dass das natürlich irgendwie so ein Bereich ist.
Es gibt viel Media, also alles, was online steht, ist erstmal irgendwie eine Art von Media.
Und wenn man jetzt einen relativ gängigen Namen hat, wie, ich nehme jetzt mal Thomas Müller, dann kann man sich vorstellen, wie viel Treffer so ein Screening pro Tag, pro Minute findet.
für Thomas Müller.
Davon ist wahrscheinlich 99 Prozent der Fußballer und die anderen ein Prozent sind erstens mal die Relevanten, weil wir mit dem Fußballer nicht zusammen, also in meinem Kenntnisstand, nichts mit dem zusammenarbeiten.
Und da muss jeder Fall bis zu einem gewissen Punkt sich angeschaut werden und dann gesagt werden, es trifft nicht zu oder ich schaue tiefer hin so.
Und im Durchschnitt hatten wir dort, ich glaube in der Vergangenheit, ungefähr 15 Minuten Zeitaufwand pro Treffer.
Wir haben das schon ziemlich limitiert, dass es natürlich in dem Fall von Thomas Müller auch irgendwie mit der GmbH zusammenhängen muss oder vielleicht mit der URL und so weiter und so fort.
Aber nichtsdestotrotz haben wir da...
viele, viele Treffer jeden Tag und dann kostet die Mitarbeiter in dem Bereich ungefähr, oder kostete 15 Minuten und das haben wir jetzt runtergekriegt durch das AI-Screening, was es einfach noch viel granularer uns ausspielt und wirklich auf den Kunden, mit dem wir zusammenarbeiten, sehr viel genauer, passgenauer draufkriegt, auf unter drei Minuten.
Also auch da sozusagen fast 80 Prozent Verbesserung in der Zeit, die wir darauf verwenden müssen.
Und der Umkehrschluss ist natürlich, naja, vielleicht seht ihr jetzt Sachen nicht, aber wir haben uns bis heute keinen Fall bekannt, wo man sagen könnte, der ist durchgerutscht, der wurde nicht identifiziert.
Von daher können wir sozusagen relativ breiter Brust sagen, was wir da gebaut haben, hilft wirklich, uns darauf zu fokussieren, auf die wesentlichen Fälle.
und die nicht so wesentlichen Fälle sehr viel schneller sozusagen ab-weg-klicken zu können, sage ich jetzt mal so.
Sehr schön.
Also ich finde alle drei Cases großartig, Onboarding-Support, das Media-Screening.
Auf der einen Seite gibt es natürlich...
Prozesse für unterschiedlichste Arten von Datenschnittstellen und so weiter durchlaufen werden müssen, um zum Ergebnis zu kommen.
Beim anderen hast du irgendeine Art von Dokumentation, vielleicht auch noch Informationen über den Kunden, musst darauf Fragen beantworten.
Beim letzten gibt es eine ganze Menge unstrukturierter Daten, die durch Sucht verarbeitet werden müssen.
Also alles, wo die Fähigkeiten von KI einfach gut zu passen.
Und es scheint ja mit den Ergebnissen, die du berichtet hast, dass sich eure initiale Prozessanalyse und diese Use-Case-Matrix, die ihr aufgebaut habt, ausgezahlt habt und dass ihr da auf die richtigen Fälle gestoßen seid.
Jetzt ist es ja so, dass die beste KI der Welt trotzdem relativ wenig bringt und auch die beste Use-Case-Analyse relativ wenig bringt, wenn man a.
keinen Menschen hat im Unternehmen, die das nutzen wollen und b.
vielleicht auch nicht die Führungskräfte so richtig dahinter bekommt, das Thema in ihre Prozesse, ihre Abteilung, ihre Ergebnisse zu integrieren und das voranzutreiben.
Ich sehe das oft in KI-Teams, die tolle Ideen haben, viel Initiative zeigen, aber einfach die Priorität in den Fachabteilungen nicht hoch genug ist, um jetzt wirklich was zu verändern.
Und dann hat man am Ende den KI-Chatbot eingeführt, mit dem so ein bisschen Alltagsproduktivität gesteigert wird, wo aber nichts im Ergebnis ankommt.
Also, die Menschenseite.
Was habt ihr gemacht, um diesen...
Wandel in der Arbeitsweise, in den Prozessen so ins Laufen zu bringen, um solche Cases umzusetzen.
Aber ihr habt ja auch noch ein bisschen mehr da gemacht.
Vielleicht kannst du davon nochmal berichten.
Wir haben auch letztes Jahr oder ungefähr letztes Jahr standen wir an einem ähnlichen Punkt, den du gerade beschrieben hast.
Wir hatten ja unser AI und da hatten wir nette Nutzerzahlen, aber sozusagen wir kamen nicht so richtig aus diesem Aus dieser Situation heraus, dass es im Grunde genommen die Alltagsproduktivität beeinflusst hat.
Und wir haben uns dann überlegt.
Also unser, ich hake nochmal kurz ein, unser AI war so ein internes JetGPT.
Genau, ganz genau, ja.
Wo man eben ein paar Fragen stellen kann, wer macht das, wer macht jenes.
Das Klassische, was dann sozusagen auch durch wahrscheinlich viele Unternehmen durchgeht.
Naja, die Antwort war jetzt irgendwie nicht so richtig.
Ich weiß doch, dass, ich weiß nicht, das Team da rechts es macht und die AI sagt, das Team da links würde es machen, wo man dann auch sagen muss, ja, es basiert ja auch auf bestimmten sozusagen Daten, Inputs.
Wenn die Prozessbeschreibung nicht ist oder die Policies, auf der es da noch drin steht, dann kann die AI auch keine Magie machen.
Also das war sicherlich auch ein Punkt, wo sozusagen auch vielen im Unternehmen nochmal bewusster wurde, dass man eben solche Dokumentationspunkte nicht nur für irgendeinen Prüfer macht, sondern wir in eine Phase rutschen, wo das einfach auch für AI relevant wird.
Ich würde sagen, der wesentliche Knackpunkt war eigentlich, dass wir Anfang dieses Jahres eine sogenannte AI Week gemacht haben, wo wir allen Mitarbeitern und Mitarbeiterinnen grundsätzlich gesagt haben, sie dürfen an so vielen Sessions teilnehmen, wie sie wollen.
Wir haben versucht, wie der Name sagt, über eine ganze Woche verschiedenste Online Sessions anzubieten, mit ein bisschen extern, aber auch ganz viele interne.
die aus ihren eigenen Erfahrungen gezeigt haben, in welchem Bereich, in welchem Teilbereich, in welchem vielleicht auch sehr, sehr kleinem Thema sie AI nutzen.
Und das hat meiner persönlichen Wahrnehmung nach ziemlich viel Berührungsängste mit AI rausgenommen, aus dem Tagesgeschäft.
Da gibt es natürlich Leute, die irgendwie...
irgendein Reporting automatisiert haben, wo sie vorher, ich weiß nicht, 30 Mal Copy-Pasten machen müssen, haben sich einen kleinen Agent gebaut, der das ausfüllt.
Oder es gab das Beispiel, wo es gezeigt wurde, dass jemand, der sozusagen für uns so Events mitorganisiert, einfach mal allen gezeigt hat, wie er AI nutzt, um das zu planen, um zu...
zu wissen, welche Hotels müssen wir vorbuchen und so weiter und so fort, wie nah sind die und wie man einfach daraus relativ schnell einen Mehrwert für alle stiften kann.
Also die AI Week war ein ziemlich großer Erfolg, muss man sagen, um Ideen zu generieren, aber auch um eben diese Berührungsängste rauszunehmen aus der Mitarbeiterschaft.
Und dann haben wir als zweites, wir haben ja natürlich auch immer so Hackathons und dann haben wir den nächsten Hackathon dafür genutzt, dass wir eben sagen, ganz bewusst, es gibt Hackathons für und um AI.
Und dort konnte man dann wirklich seine eigenen Ideen mit reinbringen.
Und da ist wahnsinnig viel entstanden an kleinen Agents, an auch Apps, die selbst gebaut wurden.
Ich glaube, das Letzte, was ich gehört hatte, ist, dass wir, glaube ich, jetzt mittlerweile 107 oder 108 Apps haben und irgendwie fast 60 Agents, die von den Mitarbeitern gebaut wurden.
Nicht von irgendwelchen externen, sondern von Mitarbeitern und Mitarbeiterinnen.
was ich eine tolle Zahl finde, weil es einfach zeigt, dass es da entwickelt sich was und das geht in die absolut richtige Richtung.
Aber, und das ist glaube ich auch der Punkt, den du ja auch eingangs gesagt hast, Führungskräfte, ich habe zum Beispiel in meinem Bereich von allen Führungskräften Anfang des Jahres in die Ziele geschrieben, dass sie selber einen Agent bauen müssen, egal was es ist.
Es kann noch so klein sein, es kann noch so sozusagen, es sollte schon etwas mit der Firma zu tun haben und mit dem Geschäft zu tun haben, aber irgendwas, einfach damit man als Führungskraft selber sich damit mal beschäftigt, selber ein Gespür dafür entwickelt, wie groß ist der Aufwand, was muss ich dafür machen, kann ich das machen oder kann ich es nicht machen.
Und daraus kann man einfach sehen, dass ich das in die richtige...
gedankliche Richtung entwickelt.
Man muss aber auch, glaube ich, fair sein, dass in vielen, ich finde sozusagen, wenn man den Leuten so zuhört, außerhalb der eigenen Firma, dann hat man immer so das Gefühl, AI ist eigentlich schon fast, also wer es jetzt noch nicht perfekt kann, der ist eh schon abgehängt.
Ich glaube, man muss auch fair sein.
Das dauert alles auch ein bisschen, bis man sich wirklich in dieses Thema eingearbeitet hat, bis man wirklich verstanden hat, was man damit machen kann.
Und diese Zeit, muss man auch gewähren.
Also die Zeit zum Lernen und die Zeit zum Ausprobieren, die muss man der Firma und den Mitarbeitenden allen gewähren.
Und wie viele von den Führungskräften haben das gemacht?
Das ist eine gute Frage.
Nein, das Jahr ist ja noch nicht vorbei.
Ich habe aber, das ist eine gute Frage.
Bitte nicht, Herr Wack, geht's da los.
Genau, nein, ich habe gerade bei meinen schon geguckt und ich glaube, von den neun haben wir auf jeden Fall über die Hälfte das Ziel schon auf 100 Prozent gesetzt.
Das heißt, da ist schon was und allen anderen.
weil wir immer jedes Quartal auch nochmal sozusagen gemeinsam draufschauen auf die Ziele.
Und da habe ich auch nochmal ein bisschen Reminders geschickt.
Aber wir gehen da in eine gute Richtung.
Also ich bin relativ bullish, das sollten wir uns im Januar nochmal unterhalten, dass ich dann sagen kann, okay, wir haben da 100 Prozent erreicht oder 90 zumindest.
Ja, ich finde das schön, weil es so pragmatisch ist.
Ich sehe manchmal riesengroße, komplexe Trainingsprogramme und Lernreisen über Monate hinweg.
Aber am Ende braucht es eine klare Erwartungshaltung.
Jeder muss sich mal Zeit nehmen, seinen Laptop aufmachen und vielleicht so ein bisschen eine Anleitung, wie man da hinkommt.
Aber dann heißt es einfach mit KI zusammenarbeiten und im Zweifelsfall die KI fragen, was man denn für einen Agent bauen könnte.
in seiner Rolle und sich ein paar Fragen stellen lassen.
Aber auch da muss man einmal hinkommen, aber dann hat man recht schnell so diese Linie überschritten, wo viele auch nicht mehr zurückwollen.
Ich finde es ein schönes pragmatisches Ziel.
Auch ein Ansatz dazwischen vielleicht noch gewählt, den hätte ich noch erwähnen können.
Wir haben KI-Botschafter pro Bereich und das sind Leute, die sozusagen so ein bisschen mehr Early Adopters sind in dem Bereich und die sich bereit erklärt haben, gesagt haben, okay, ich bin der KI-Botschafter und da kann man sozusagen, weil man die Person in der Regel kennt, weil die sozusagen in einem Team ist oder zumindest in der gleichen Funktion, einfach mal fragen, ich hänge hier an dem Ding, wie komme ich denn hier über diese Hürde?
Und oftmals hilft es schon und wenn das nicht hilft, dann macht der KI-Botschafter auch das Intro zum AI-Team, dass man auch da nochmal Hilfe holen kann.
Also das ist eben genau wie du sagst, es ist irgendwie wichtig, dass man es greifbar macht, dass man den Nutzen greifbar macht und dann, glaube ich, können wir da alle in den nächsten Monaten, Jahren da einfach viel, viel von dem...
ich sage immer, dem Nervigen des Alltags, auf jeden Fall aus dem Alltag rausnehmen.
Ich glaube nicht, dass jeder hier sozusagen das neueste Modell immer braucht und auch die ganz großen Lösungen bauen muss, aber der Alltag, dass man den immer produktiver und immer effizienter gestalten kann, Daran glaube ich schon ganz fest.
Und das ist etwas, was am Ende bottom-up passieren muss.
Jeder von uns weiß, glaube ich, was ihn oder sie am meisten beschäftigt im Alltag.
Und da kann man sich manchmal helfen lassen durch irgendeine Art von AI.
Passen wir einmal zusammen.
Ihr habt eine Prozessanalyse gemacht, darüber die Cases mit einem klaren Wertbeitrag gefunden, die zum Teil auch umgesetzt.
Du hast jetzt mal...
Drei davon heute beschrieben im Support Onboarding Media Screening und habt auch das Ganze kulturell getrieben, um so eine breite Adoption hinzubekommen, sowohl für alle Mitarbeitenden.
Die AI Week hattest du da als ein Format genannt, was gut für euch funktioniert hat, aber auch klare Ziele bei den Führungskräften verankern und auch da vor allem erstmal mit der Technologie ins Doing bringen.
Wie...
denkst du denn jetzt von hier aus über die nächsten Schritte nach?
Also jetzt kommen wir langsam ans Ende des Jahres 2026, bis sicherlich auch schon in der Planung langsam fürs nächste Jahr.
Was sind so die nächsten Schritte, die du glaubst, die ihr jetzt gehen müsst im Zuge von der KI-Transformation?
Ich glaube, es gibt für uns zwei Aspekte.
Es gibt einmal die interne Sicht, über die wir uns jetzt viel unterhalten haben.
Da gibt es noch viele andere Bereiche, die man sich vorstellen kann, ob es jetzt im Bereich von Accounting ist, ob es im Bereich auch von Risk Management, über was man sich auch viel unterhalten kann.
Da kann man noch viel machen und da muss man sich einfach jeden Tag ein bisschen nach vorne bewegen.
Aber was für uns ein spannender Punkt ist, sozusagen auf der externen Sicht, ist das Thema Gentic Commerce, also dass ein KI-Agenten zukünftig Produkte suchen und dann am Ende auch kaufen können.
Das ist etwas, was man ja, glaube ich, diejenigen, die sich in der Umgebung beschäftigen und aufhalten, merken, das ist etwas, was mehr und mehr kommt.
Und da versuchen wir natürlich mit unser auch vor allem uns darauf zu fokussieren, dass man da Kompetenz, das Bezahlen auch da so etabliert, dass es natürlich rechtssicher ist, dass es natürlich nachvollziehbar ist.
und dass es auch vertrauensvoll ist.
Aber nichtsdestotrotz, am Ende werden wir uns alle in diese Richtung entwickeln, dass es irgendeine Art von Agentic Commerce geben wird, in der man sagt, ich möchte eine rote Hose kaufen und ein Agent weiß natürlich meine Größe und weiß aber auch, dass mir...
diese Hose mehr gefällt als die, dass ich eher ein Jeans-Träger bin als ein Geno-Träger oder was auch immer.
Und dass das etwas ist, was da kommt.
Und da sehen wir ganz viele Möglichkeiten.
Und da sind wir auch mit allen, die da in dieser Kette drin sind, Plattformen, Händler, Schemes und so weiter, in engem Austausch, um da eben gemeinsam die Lösung zu bauen.
Wo stehen wir da heute?
Seht ihr schon Transaktionen, die von Agenten ausgelöst werden?
Seht ihr da einen Trend?
Ich kann das gar nicht einschätzen.
Man sieht, also die Lösungen, die heute da sind, sind im Grunde genommen noch so Zwischenschritte, dass ein Agent dann auf eine Website geht, die es gibt und das sozusagen in einer Art und Weise dann versucht vorauszufüllen.
Geht aber in vielen Bereichen nicht, weil sozusagen das gegen irgendwelche Firewalls läuft.
Man sieht es auch auf der Händlerseite, dass es einfach dort den Bedarf gibt, sich damit zu beschäftigen, mit uns zusammen auch zu verstehen, welche Lösungen kann man da anbieten, wie können wir sicherstellen, dass eben nicht da irgendeine Art von Missbrauch betrieben wird.
Und das ist etwas, was wir sehen, was kommt mehr und mehr.
In Prozentzahlen ist es noch sehr, sehr gering, was da passiert.
Aber es ist natürlich total spannend.
Also wenn man sich jetzt so einen Muse-Agent von Meta zum Beispiel anschaut und da werden ja jetzt noch mehr von diesen Konsumentenagenten kommen, die in der Breite ausgerollt wurden, die verstehen dann immer besser, genau wie du es gesagt hast, wer du bist, was deine Präferenzen sind, dann kann man auf einem sicheren Weg vielleicht Zahlungsdaten oder ähnliches hinterlegen und die können dann für einen irgendwie einmalige oder wiederkehrende Einkäufe machen.
Ich war scheinlich vor einem Jahr oder so noch viel kritischer, hätte ich gesagt, boah, weit von weg, so einem Agent meine Kreditkarte zu geben.
Aber die Infrastruktur, die Technologie entwickelt sich ja auch weiter, um das auf einem sicheren Wege zu ermöglichen.
Jetzt, wo diese personalisierten Agenten kommen, die auch...
mit der Nutzung dazulernen, sehe ich das schon mehr.
Also da bin ich gespannt, wenn ihr da weiter seid.
Lasst uns da super gerne nächstes Jahr auch nochmal eine Folge zu aufnehmen.
Sehr gerne, Felix.
Ja, komm.
Für heute erstmal vielen, vielen Dank, dass du uns mal mitgenommen hast durch eure KI-Reise und vor allem, dass du Einblicke in eure Cases gegeben hast.
Ich finde, das sind sehr schöne Beispiele für Prozesse, die es auch in anderen Unternehmen gibt.
Und ihr habt das in einem regulierten Umfeld gut umgesetzt bekommen.
Also Glückwunsch dazu.
Klasse, vielen, vielen Dank und ich wünsche euch weiterhin viel Erfolg.
Für Felix hat es großen Spaß gemacht und ja, auf hoffentlich bald mal wieder.