Wie führt ein Unternehmen generative KI ein, wenn das eigene
Geschäft auf hochsensibler IP basiert und ein Großteil des Markts
in China liegt? In dieser Folge von IT-Tacheles spricht Host Volker
Gruhn mit Burkhard von Spreckelsen, Chief Development Officer bei
Elmos. Elmos ist ein Dortmunder Hidden Champion und Weltmarktführer
in einer Automotive-Halbleiter-Nische. Lange Zeit stand das
Unternehmen auf dem Standpunkt: GenAI lieber nicht. Heute ist das
Unternehmen gesprungen. Und zwar kontrolliert. Burkhard nimmt uns
mit in die Praxis: von der risikoorientierten KI-Strategie über
eine Whitelist freigegebener Tools (u. a. ChatGPT, GitHub Copilot,
Copilot in M365) bis zur Sandbox, in der neue Modelle ohne
Produktivdaten getestet werden können. Dabei wird klar: KI wird
nicht eingeführt, weil es „cool" ist, sondern weil sie auf
profitables Wachstum und konkrete Unternehmensziele einzahlen muss.
Besonders spannend: Elmos misst erste Effekte. Ohne Zwang, nur
durch Bereitstellung der Tools, berichten Teams von spürbaren
Zeiteinsparungen. Und Burkhard beschreibt, warum der große Sprung
erst dann kommt, wenn Unternehmen Arbeitsweisen nicht nur
beschleunigen, sondern neu designen. Highlights dieser Folge: • Vom
Verbot zur Nutzung: Wie aus "GenAI geht bei uns nicht" eine
kontrollierte Einführung wurde • Risikoorientierung statt
Bauchgefühl: Welche Daten dürfen in die Cloud und welche bleiben
strikt intern? • Tool-Strategie in der Realität: Warum „ein
wichtiger Anbieter" oft besser ist als ständiges Tool-Hopping •
Sandbox-Mindset: Experimentieren mit neuen Modellen, ohne
produktive Systeme zu gefährden • Use vor Case: Warum Freigabe und
Freiwilligkeit oft schneller skaliert als Top-down-Anordnungen • KI
und Führung: Vier Thesen, was im Top-Management trotz KI bleibt
(Verständnis, Purpose, People, Judgment) • Qualität, Testing,
Automotive: Warum Safety-Ansprüche KI-Nutzung besonders
herausfordernd und besonders lohnend machen Für wen lohnt sich die
Folge? Für alle, die KI unter realen Restriktionen einführen
müssen, beispielsweise in Industrie, Automotive, Engineering,
R&D oder regulierten Umfeldern. Und für Entscheiderinnen und
Entscheider, die wissen wollen, wie man KI pragmatisch skaliert,
ohne die Organisation zu überfordern.
Kommentare (0)
Melde dich an, um einen Kommentar zu schreiben.