Anmeldung Registrierung
Auto Hell Dunkel
Erweiterte Suche

Digital Success | Erfolgreich den Wandel meistern Archiv

111 Episoden
42 Minuten
Was machen Eulen, Pinguine und Orcas im Entwicklungslabor eines Automotive-Zulieferers? Und wie wird daraus ein Lüfter, der 4 bis 5 dB leiser ist und 10 bis 15 % effizienter – bei einem Produkt, das seit Jahrzehnten optimiert wird? Darüber spreche ich mit Dr. Uli Christian Blessing, der bei Mahle in der Entwicklung an KI-getriebener Produktinnovation arbeitet. Uli ist Co-Autor unseres Buchs „Das ABC der Digitalisierung“; diese Folge ist Teil der ABC-Insights-Sonderserie. Die Folge hatten wir bereits Februar aufgenommen, aber der Sommer war super voll & daher kommt leider erst jetzt der Release. Das ändert aber gar nichts an der Sache, im Gegenteil: es ist umso relevanter!

Uli ordnet nämlich die KI-Landschaft im Mittelstand sauber ein: Automation (Industrie 4.0) ist abgehakt, Digitalisierung verstanden, AI in der Produktentwicklung ist der größte ungenutzte Hebel – konkret in der Kombination aus prädiktiver und generativer KI, die Simulationszeiten von Wochen auf Sekunden drückt.

Case 1 – Eulenlüfter (Plug-in-Hybrid-Kühlmodul, das nachts leise sein muss): Iterationszyklus von 4-6 Wochen auf 1,5-2 Tage. Drei Hebel: CAD über Blender (Gaming-Tool) per Prompting, 3D-Druck am Nachmittag, Akustikmessung am nächsten Tag. Plus 50-60 Hardware-Designs entlang bionischer Vorbilder (Eule, Hai, Fledermaus, Buckelwal – auch bewusst schlechte als Negativ-Beispiele). Ergebnis: 4-5 dB leiser, 60 % Schalldruckreduktion, 10-15 % Effizienz.

Case 2 – Pinguin-Blower (Klimaanlagen-Lüfter im E-Auto): KI-Boost-Loop mit Partner Neural Concept. 1000 CFD-Simulationen als Trainingsbasis, danach 30 Millionen Designs in 30 Minuten. Klassische Experten erwarteten 0,5 % – herausgekommen sind 15 % Effizienz und 5 dB. Die beste Geometrie ähnelt einer Pinguin-Flosse.

Ulis Lessons Learned: Datenqualität schlägt Datenmenge – lieber 1000 saubere Datensätze neu erzeugen als zehntausend unsaubere aus dem Archiv. Datenraum bewusst erweitern, auch durch absichtlich schlechte Designs. Offene Fehlerkultur: 10- bis 50-mal straucheln ist normal. Erfolgsteam: KI-Enthusiast + Domain-Experten + CFD-Simulant + externer Compute-Partner – klein, schlagkräftig, im Serienentwicklungsprozess eingebettet.

Ulis Schlussbotschaft: Bei aller Sorge um China und die US-Hyperscaler – in Baden-Württemberg sitzt ein riesiger Domain-Datenschatz. Wer den mit moderner KI sauber kombiniert, muss sich nicht verstecken.

Vernetze dich: 

Uli Christian Blessing auf LinkedIn: https://www.linkedin.com/in/dr-ing-uli-christian-blessing-0ba88994/

Heiko Loeffler auf LinkedIn: https://www.linkedin.com/in/heiko-loeffler-digitalsuccess/
47 Minuten
Wie macht ein traditioneller Hersteller von Labor- und Analysegeräten (bspw. für PCR-Tests) seine Komponenten zu intelligenten Diagnosesystemen – ohne zusätzliche Sensorik, ohne proprietäre Cloud und auch noch Open Source? Darüber spreche ich mit Josua Printz, der bei Bürkert das Thema Valve Insight verantwortet. Josua ist Co-Autor unseres Buchs „Das ABC der Digitalisierung“; diese Folge ist Teil der ABC-Insights-Sonderserie.​

​

Der Ausgangspunkt: In den Geräten der Bürkert-Kunden (Pharma, Lebensmittel, Labor- und Analytik wie PCR-Tests) sind oft 8 bis 12 kleine analoge Ventile verbaut. Zustandsüberwachung bisher nur über Zusatzsensorik pro Ventil – teuer, komplex und nachhaltigkeits-technisch ein Albtraum. Bürkerts Trick mit den patentierten Whisper-Valves: Während des Schaltens erzeugt der besondere Aktor eine charakteristische Stromkurve, die die ganze Diagnose enthält (ob das Ventil vollständig geschaltet hat, ob es verklebt oder blockiert ist, ob Schaltzeit und Konditionen passen).​

​

Das Solution Design: ML-Modelle laufen on-edge auf bestehender Kundenelektronik – keine zusätzliche Platine pro Ventil, keine Cloud (viele Geräte haben gar kein Internet). Standard-Algorithmen (Umschalterkennung, Schaltzeit) sind vortrainiert; Advanced-Algorithmen können kundenspezifisch nachtrainiert werden. Den Umwelttechnikpreis 2025 des Landes Baden-Württemberg gab es genau dafür: weniger Ausschuss plus eingesparte Elektronik.​

​

Bemerkenswert ist die Open-Source-Entscheidung: Die Algorithmen liegen auf GitHub – Bürkert verdient an der Ventiltechnik, nicht an Lizenzen. Plus: Bürkert ist in der Open Industry 4.0 Allianz, im VDMA-Fluid-AI-Projekt und unterstützt offene Standards wie die Verwaltungsschale. Bewusste Designentscheidung gegen Lock-in.​

​

Die strategische These: Europäische Unternehmen können sich nicht mehr nur durch Qualität differenzieren. Es braucht Value Stacking – intelligente Services auf bestehender Hardware. Bei Bürkert heißt das: vom traditionellen Ventilhersteller zur Technologie- und Dienstleistungsmarke. Valve Insight ist nicht das eigene neue Geschäft, sondern Differenzierungshebel für das Kerngeschäft Whisper-Valves.​

​

Vernetze dich: ​

Josua Printz auf LinkedIn: https://www.linkedin.com/in/josua-printz/ ​

Heiko Loeffler auf LinkedIn: https://www.linkedin.com/in/heiko-loeffler-digitalsuccess/​

https://github.com/Buerkert/ValveInsight ​

www.burkert.com/ValveInsight​
50 Minuten
In dieser Folge spreche ich mit Dr. Ralf Belusa, Digital- und Transformations-Executive mit Stationen u.a. bei Hapag-Lloyd (144 Länder) und Speaker auf Digitalgipfel und Münchner Management Colloquium. Seine These: Hyperscaler kennt jeder als Nvidia, Google, Microsoft. Aber der entscheidende Hyperscaler der nächsten Jahre ist keine Technologie, sondern die eigene Organisation.

Wir starten mit einem Realitätscheck: KI-Adoption läuft überall, aber viele Success Cases werden rosiger gemalt als sie sind. Dazu spürbare Transformations-Müdigkeit und eine neue Arbeitsverdichtung: Zwei Stunden hybrides Arbeiten mit Agenten fühlen sich an wie sechs. Gegenmittel: bewusst bildschirmfreie Zeiten zum Sortieren.

Dann zum Kern: Was macht einen Organisations-Hyperscaler aus? Ralfs Anti-Pattern-Test ist einfach. Wenn Sätze fallen wie „Das können wir jetzt nicht machen, wir haben gerade Budget-Prozess / Jahresabschluss / Strategieworkshops“, bist du keiner. Hyperscaler integrieren Veränderung in den Flow, statt sie an Projektanträgen und Lenkungskreisen sterben zu lassen.

Das Framework bauen wir Baustein für Baustein auf: To-dos je Abteilung sammeln und auf Zeitschienen clustern, Outcome-Fragen stellen („Warum machen wir das?", denn Ziele sind erschreckend oft schlampig gesetzt), Rhythmen etablieren (Woche für Hypercare, Monat fürs Meiste, 90 Tage für den Rest), Kontinuität halten. Ralfs Warnung: „Sobald die Kontinuität wegbricht, seid ihr raus."

Zwei Prinzipien stechen heraus. Erstens: Es muss einfacher sein als das, was heute läuft, sonst ist es das Falsche. Mehr schaffen mit weniger Arbeit, keine Dashboard- und Reporting-Friedhöfe. Zweitens: Kultur, Lernen und Framework laufen parallel, nicht nacheinander („two or three games at the same time“). Und Kulturarbeit braucht keine neuen Formate, sie gehört in die bestehenden Rhythmen integriert.

Mein Lieblings-Take: die Zahnfee-Story. In einem globalen Call verliert die Tochter einer Kollegin einen Zahn, das Meeting wird kurz zur Zahnfee, und Wochen später erinnern sich alle an das Meeting samt Inhalten. Ralfs Punkt: Wir brauchen geistige Anker, damit Business-Inhalte hängen bleiben. Sein Closing: Es klingt schwerer als es ist. Positiv rangehen, jeden Tag ein bisschen besser.

Vernetze dich:

Dr. Ralf Belusa auf LinkedIn: https://www.linkedin.com/in/ralfbelusa/

Heiko Loeffler auf LinkedIn: https://www.linkedin.com/in/heiko-loeffler-digitalsuccess/

Digital Success Operating System: https://digital-success-2.kit.com/58039e8c92
50 Minuten
84 % der GPUs stehen in den USA, nur 7 % in Europa. Was bedeutet das, wenn ein Mittelständler einen Rechtsabteilungs-Agenten live nimmt  und der ab 15 Uhr plötzlich US-Recht statt deutsches Recht zitiert? Darüber spreche ich mit Stefan Brock, Head of HPEs neuem AI Center of Excellence für Central Europe. Eine Folge über souveräne KI, das Ende der POC-Spielwiese und den ehrlichen Sprung in den 24/7-Betrieb.

Stefan bringt 25+ Jahre Erfahrung mit – ex-CTO, Production Architecture bei Swisscom, IT-Architecture-Lead bei Swissport – und begleitet heute Unternehmen auf dem Weg in eine datenzentrische, agentenfähige Organisation. Wir gehen dorthin, wo es weh tut: dass Agenten heute schon de facto wie virtuelle Mitarbeiter geführt werden müssen – mit Berechtigungsprofilen, Verfügbarkeit, Verantwortung – und dass viele dieser „Mitarbeiter“ nachmittags ab 15 Uhr nicht mehr da sind, wenn die Last aus den USA hochfährt.

Im Kern steht das Betriebsmodell. Stefans Bild: DevOps ist eine gute Basis, aber KI verändert sich zur Laufzeit – durch Drift, Bias, Prompt Injection. Wer 100 oder 1000 Agenten produktiv betreiben will, muss jeden Agenten als „Smart Contract“ designen: Bin ich 24/7 verfügbar? Habe ich einen Rollback? Was passiert, wenn der neue Agent 40 Schnittstellen hat und der alte nur 10? Aus seiner CTO-Zeit bringt Stefan das „Telefonnummer-Prinzip“ mit: Wer um 1 Uhr nachts den Agenten reparieren muss, sitzt nicht in der Entwickler-Bubble – er hat 2.000 andere Applikationen auf dem Radar und braucht einen Knopf, nicht einen System-Prompt.

Als Daten-Fundament destilliert Stefan drei der zehn Designprinzipien, die er für datenzentrische Organisationen formuliert hat: Data Owner auf der Fachseite (Vorstandsthema, nicht IT), federated Data Hub als Drehscheibe (multi-tenant, multi-cloud) und Publish/Subscribe plus Data Lakehouse für nahe Echtzeit – sonst hat der Supply-Chain-Agent nur die Bestände von vorgestern.

Dazu Stefans pointierte Stack-These: Jeder DAX-Konzern baut sich gerade seinen eigenen NVIDIA-Open-Source-Stack nach – Stefan nennt das den Jugend-forscht-Modus. Sein Catena-X-Gedanke: Warum nicht ein gemeinsamer Stack? Plus der Reframe für die Talentlücke: gemischte Teams aus Erfahrenen und Studierenden, junge Leute mit Vorstands-Exposure.

Stefans Schlussbotschaft: „Wir sind in der Phase, wo wir Geld verdienen wollen. Alles mit KI muss messbar ROI oder NPS beeinflussen – und 24/7 laufzeitfähig sein. Nicht mehr nur Plattform oder POC. Wertbeitrag.“

Vernetze dich: 

Stefan Brock auf LinkedIn: https://www.linkedin.com/in/stefan-brock/

Heiko Loeffler auf LinkedIn: https://www.linkedin.com/in/heiko-loeffler-digitalsuccess/
33 Minuten
In dieser Folge des Digital Success Podcasts spreche ich mit Sebastian Emmeluth, Director Integration Services bei DKV Mobility, dem größten Anbieter für On-the-Road-Payment in Europa. Sebastian verantwortet den gesamten Datenaustausch der Gruppe: Integrationsplattform, Middleware, API-Management, Partner-Onboarding und Real-time Data Processing. Diese Datenautobahn ist die Voraussetzung dafür, dass KI in einem Konzern überhaupt etwas bewegen kann.

Wir starten mit einem Blick auf DKV Mobility: 74.000 Akzeptanzstellen, über 1,1 Mio. Ladepunkte, Mautabwicklung, Telematik, Fraud Prevention und Predictive Maintenance. KI ist hier längst kein Marketingthema mehr, sondern operativer Hebel.

Seine zentrale These: AI ist kein Werkzeug, sondern das neue Betriebssystem. Im Bewerbungsgespräch fragt er nicht mehr „Können Sie KI?“, sondern „Was haben Sie letzte Woche gelernt? Was machen gerade Ihre Agenten?“ Wer AI auf den Co-Pilot-Commodity-Modus reduziert, verschenkt das eigentliche Potenzial, nämlich eine neue Schicht in der Wertschöpfung.

Wir sprechen über die drei Grundlagen, die sitzen müssen, bevor KI-Projekte wirklich Wirkung entfalten: Datenqualität, Governance und Enablement. Wer Governance als 500-Seiten-Selbstzweck betreibt, baut sich am Ende einen sehr leeren Käfig. Und wer Enablement nur als Pflichttraining für die Everyday-User ausrollt, lässt die eigentlichen Multiplikatoren, die Führungskräfte, außen vor und wundert sich über die Adoption-Rate auf der Folie.

Außerdem diskutieren wir die Balance zwischen Quick Wins und Governance, warum die gefühlte Governance meist größer ist als die echte, warum Co-Pilot mehr kann als die meisten Unternehmen je ausgereizt haben und warum CHROs zwingend mit am Vorstandstisch sitzen müssen, Stichwort Junior-Senior-Effekt und Peter-Prinzip.

Sebastians Rat an CDOs zum Schluss: Vergesst die Adoption-Folie. Geht zu den größten Skeptikern im Haus, die haben den höchsten Mehrwert. Lebt es vor, sprecht offen über euer eigenes Scheitern und behandelt KI nicht als Alien-Software, sondern als neues Betriebssystem.

Vernetze dich:

Sebastian Emmeluth auf LinkedIn: https://www.linkedin.com/in/sebastian-emmeluth/

Heiko Loeffler auf LinkedIn: https://www.linkedin.com/in/heiko-loeffler-digitalsuccess/
41 Minuten
Diese Folge ist besonders: live aufgenommen auf der TAC EAM 2026 in Berlin, mit drei Perspektiven auf demselben Podium. Christian Scherer (Team Lead Business Consulting TFM, Schwarz Digits), Zacharias Walker (SAP Consultant DB Systel, DSAG-Kernteam KI im EAM) und Boris Mohr (Chief Product Owner S/4HANA Private Cloud & On-Premise EAM, SAP). Anwender, Berater, Hersteller in einer Runde.

Boris zum Produkt: SAP liefert Q2-Q4 2026 über 30 Agenten aus, die die komplette Instandhaltungs-Prozesskette abdecken. Wichtige Klarstellung: KI ist nicht gleich LLM. Vieles bleibt klassisches Machine Learning, und die Vermischung ist Fehlerquelle Nummer eins beim Ableiten der eigenen Roadmap.

Christian schlägt den Titel-Bogen: der Weg vom Notizbuch zur produktiven Umsetzung startet mit ehrlicher Bestandsaufnahme. Bei Schwarz wurden allein für einen Teil einer Sparte dreistellige Anzahl Cases gesammelt, >90% Prozent kein KI-Case, im 1-stelligen Prozent-Bereich dafür echte Juwelen mit echtem Hebel. Beispiel Priorisierung:

Eiscreme-Kühlanlage vs. eine von 50 Büroklimaanlagen, die Ausfallwahrscheinlichkeit und Auswirkung entscheidet .

Zacharias legt die Datenschicht drunter: Ohne saubere Datenbasis kein Wertbeitrag. Wenn 30 Prozent aller Fehlercodes „sonstiges" sind, empfiehlt die KI später auch „sonstiges". Sein Weg: Wertbeitrag definieren, Ist-Soll-Gap analysieren, dann Use Case umsetzen. Klassische Einsatzplanung mit Routenoptimierung ist der greifbarste Business-Case.

Ausblick: Boris zeichnet die vollautonome Kette (Fehler Meldung Screening Auftrag Techniker auf Tablet). Vertrauen bleibt der Engpass. Software wird für Agents designt, nicht mehr für Menschen. Mein Take: Schmeißt euren Prozess in Copilot rein und lasst euch die Hebel selbst zeigen J.

Vernetze dich:

Christian Scherer auf LinkedIn: https://www.linkedin.com/in/christian-scherer-12561364/

Zacharias Walker auf LinkedIn: https://www.linkedin.com/in/zacharias-walker-4528441b2/

Boris Mohr auf LinkedIn: https://www.linkedin.com/in/boris-mohr-25b89926/

Heiko Loeffler auf LinkedIn: https://www.linkedin.com/in/heiko-loeffler-digitalsuccess/
57 Minuten
Warum versanden so viele KI-Initiativen zwischen PoC und produktivem Betrieb? Und wo liegt der echte Hebel für Differenzierung, wenn Co-Pilot, GenAI-Stack und Agentic-AI-Demo gerade Commodity werden? Darüber spreche ich mit Heinrich Suhr – 23 Jahre Mercedes-Benz (zuletzt globale IT von Marketing & Sales), Gast-Autor unseres Buchs „Das ABC der Digitalisierung“ und heute Senior Advisor unter dem Namen consuhrtium. Diese Folge ist Teil der ABC-Insights-Sonderserie.

Heinrichs zentrales Modell für den Weg vom PoC in die Skalierung sind drei Phasen mit ganz unterschiedlichen Freiheitsgraden: Phase 1 als isolierte Sandbox ohne Real-Daten und mit maximaler Innovationsfreiheit. Phase 2 als Vision-getriebener vertikaler Durchstich auf einem zukunftsfähigen Stack, mit Anbindung an Identity, Access & Co. Phase 3 als bewusstes Go-Wide, in dem auch Lieferanten an die Hand genommen werden. Sein wichtigster Punkt: Nicht alles muss Phase 3 werden – oft sind zwei, drei Märkte genug. Bewusst stoppen ist Führung, nicht Verzicht.

Beim Thema Data Ownership zieht Heinrich eine klare Grenze: Die IT verantwortet Architektur und Pipelines, das Business definiert, was ein Datenpunkt bedeutet. Sein Lieblingsbeispiel: „Wann ist ein Auto verkauft? Geld auf dem Konto? Vom Hof gerollt? Beim Händler abgegeben?“ Solange diese Frage nicht im Business beantwortet ist, bringt auch die sauberste IT-Pipeline keinen Wert. Im „grauen Bereich“ dazwischen sitzen die entscheidenden Teams: Digital-Business-Leute und IT, die sich nicht mehr in „wir vs. ihr“ aufteilen lassen.

Auf der EAM-Ebene formuliert Heinrich drei Kriterien gegen den zerfasernden Stack: Transparenz herstellen, Use Cases nach Fachlichkeit gruppieren und Erwartungsmanagement etablieren (95 % der Versuche werden im Funnel gekillt – das ist Lean, das muss von Anfang an offen kommuniziert werden). Beim Golden Record für Daten genauso pragmatisch: Greenfield ja, Brownfield mit 30 Jahren Werks-IT meist nein – lieber Übersetzungs-Layer als milliardenschwere Harmonisierung ohne Wertbeitrag.

Zum Schluss die Kulturperspektive: Strategiearbeit wird oft vernachlässigt, weil die ehrliche Retrospektive („hier waren wir nicht gut, hier hören wir auf“) beiseitegeschoben wird. Wer das nicht kann, reitet tote Pferde länger als nötig. Plus sein zentraler Hebel: Digital-Strategie ist nicht IT-Strategie. Wer AI ernst meint, muss Prozesse digital denken – nicht Prozesse nur digital machen.

Vernetze dich: 

Heinrich Suhr auf LinkedIn: https://www.linkedin.com/in/heinrichsuhr/ 

Heiko Loeffler auf LinkedIn: https://www.linkedin.com/in/heiko-loeffler-digitalsuccess/

Consuhrtium: https://consuhrtium.com/
51 Minuten
Beschreibung

In dieser Folge spreche ich mit Matthias Holder, Head of AI bei der Uzin Utz SE, dem global aufgestellten Ulmer Mittelständler und Komplettanbieter für Bodensysteme. Matthias hat einen ungewöhnlichen Weg: Sprachwissenschaften Englisch/Spanisch studiert, dann PIM/DAM, mit der ChatGPT-Welle ab Herbst 2022 dann Head of AI. Sein Grundton: pragmatisch, tempo-orientiert, ohne Buzzword-Bingo.

Wir starten mit seinem Change-Management-Framework. Kernbotschaft: KI ist kein Tech-, sondern Management-Thema. Datenqualität hält Matthias oft für die bequemste Ausrede. Er zeigt, wie man auch mit ungelöstem SAP-Programm einen kompletten Rollout stemmen kann.

Sein Move: Nach einem Piloten mit ChatGPT Enterprise (150 Accounts gegen einen sechsstelligen Betrag) hat er sich für das KI-Cockpit der P19 GmbH entschieden. Bezahlbar, für jeden Mitarbeitenden zugänglich, ohne Wer-braucht-das-Diskussion. 1.500 Mitarbeitende plus Praktikanten/Werkstudenten mit Zugang, acht Modelle pay-per-use, plus weiterhin Enterprise-Accounts für Poweruser und Sonderfälle.

Konkrete Use Cases: Marketing mit Midjourney und Co statt Stockfotos und lippensynchron übersetzten Anwendungsvideos. Softwareentwicklung mit Cursor AI im Professional Vibe Coding (schneller, teils besser). QS mit KI als weiterem Augenpaar im Wareneingang (nicht schneller, aber sicherer). Einkauf mit KI-Analysetools für Preisverhandlungen, einer von vielen Cases, die aus der Organisation kamen.

Das Fundament sind seine Formate: verpflichtende EU-AI-Act-Schulung, modulare Aufbauschulungen in 4 Levels, monatliches AI-Expert-Netzwerk, AI-Café mit Erlaubnis für private Fragen, Cross-Company-Treffen, Abteilungsworkshops. Plus verlässliche Vorstands-Kommunikation: Niemand wird wegen KI entlassen. Ehrlich dazu: Veränderungsbereitschaft muss da sein.

Matthias-Closing: Sucht nicht nach Gründen, warum es nicht geht. Sucht die Cases, die funktionieren. Fangt einfach an, gebt Gas, schafft Akzeptanz. Und: leistet euch einen richtigen Head of AI mit Team.

Vernetze dich:

Matthias Holder auf LinkedIn: https://www.linkedin.com/in/real-matthias-holder/

Heiko Loeffler auf LinkedIn: https://www.linkedin.com/in/heiko-loeffler-digitalsuccess/
1 Stunde 7 Minuten
Wie verankert man Innovation systematisch im Mittelstand, wenn Zölle, Energiepreise und Tagesgeschäft die Zukunftsarbeit wegfressen? Und wie unterscheidet man echtes Innovationsmanagement vom Workshop-Theater? Darüber spreche ich mit Dennis Böcker, ex-Bosch, Mitautor der ISO 56002 für Innovationsmanagement und heute selbstständiger Innovationsberater. Teil der ABC-Insights-Sonderserie.

Dennis benennt die 3 Killer im Innovationsprozess: fehlende strategische Verknüpfung, Ressourcen-Roulette und Messungs-Vakuum. Sein KMU-Bild: 47 parallele Projekte, 0 abgeschlossen nach 18 Monaten. Seine These: Innovationstheater entsteht nicht durch die Methode (Hackathon, Design Thinking, Venture Clienting können brillant funktionieren), sondern durch die fehlende aufnehmende Struktur drumherum.

Im Kern: Sein pragmatisches IMS – nicht Bürokratiemonster, sondern Rückgrat. 3 Grundlagen: Kontext, Innovationsstrategie inkl. Portfolio (70-20-10, Horizont-Modell) und Rollen & Entscheidungsrechte (Innovation Council mit echtem Mandat, kein Bittsteller). 3 operative Hebel: Stage-Gate-Light mit harten Kill-Kriterien, Outcome-Messung (Leading + Lagging Indicators) und cross-funktionale Einbindung mit vorab geklärten Standard-Freigaben (Legal, IP, Einkauf).

Highlight: Dennis’ Hurricane-Chart-Methode als Antwort auf die CFO-Frage „was bringt das in 5 Jahren?“ – statt linearer Umsatzlinie ein Unsicherheits-Funnel über alle Treiber, der durch Validierungs-Schritte enger wird. Heute KI-automatisiert, CFO-tauglich. Plus Beispiele: die Bosch-Mining-Lockbox aus Pappschachtel + Arduino, direkt beim Kunden weiterentwickelt; Mahle-Radiallüfter mit 15 % statt 0,5 % GenAI-Prozessverbesserung.

Zum Schluss der KI-Layer entlang des Prozesses: Marktanalyse, Persona-Entwicklung, Ideen-Validierung, Prototypen, Lessons Learned. Heikos Ergänzung: Kontextwissen × KI × Disziplin = Compound-Hebel. Dennis’ Takeaways: Innovation braucht System, nicht Aktionismus. Status-Quo vor Toolbox. Pragmatisch starten, kontinuierlich ausbauen.

Vernetze dich: 

Dennis Böcker auf LinkedIn: https://www.linkedin.com/in/dennisboecker/ 

Heiko Löffler auf LinkedIn: https://www.linkedin.com/in/heiko-loeffler-digitalsuccess/
45 Minuten
Wie verändert KI die R&D-Landschaft eines Unternehmens mit 50.000 Mitarbeitern, 60 Ländern und Produkten von Vileda bis Hochleistungsdichtungen? Darüber spreche ich mit Gregor Kempf, Head of Freudenberg Technology Platforms. Eine Folge zwischen Materialentwicklung, Virtual Factory und der starken These: KI gehört nicht in ein extra Silo, sondern in die DNA des Unternehmens.

Gregor verantwortet die zehn Technology Platforms der Freudenberg-Gruppe – die Einheit, die quer zu den Geschäftsgruppen Domain-Expertise mit neuen Technologien verbindet. Wir sprechen über die Wachstumsfelder Gesundheitswesen, Lebensmittelverarbeitung, Energiesicherheit und humanoide Robotik – und Gregors klare Position: KI ist die Zukunft von Material-, Prozess- und Produktentwicklung, gehört also in jede Plattform, nicht in einen eigenen KI-Tower.

Am Anker-Case Virtual Factory wird konkret, was das bedeutet: vom 3D-Scan einer Halle mit CAD-Planung bis zu Omniverse-Abbildern mit tausenden Setup-Simulationen pro Stunde. Aus mathematischen Optimierern, agentenbasierten KI-Workflows und physikbasierten Modellen wird ein Baukasten – und aus guten Ideen über gestaffelte Pilotprojekte echte Skalierung in den Geschäftsgruppen. Sein Erfolgsmaß: Wirksamkeit, Top-Line auf, Kosten runter – gemessen bei den Konzerngruppen, nicht in der Zentrale.

Zwei Konzepte tragen den Wandel kulturell: das Frontloading-Prinzip – weniger Leute, die im Labor manuell das 50. Material mischen, mehr Gehirnschmalz in die Konzeption geschlossener KI-Kreisläufe – und der Scientific Innovator: Geschäftsgruppen entsenden High-Potentials für ein bis drei Jahre zu FTI, bauen Domain-Kompetenz in neuen Technologien auf und kehren als Brücke zurück. Damit vermeidet die Zentraleinheit den Elfenbeinturm und die Geschäftsgruppen bekommen ihre eigene Wissensspritze.

Zum Schluss der Ausblick: Die Phasen „Geschäft läuft gut“ und „Geschäft disruptiert“ werden kürzer. Domain-Expertise verliert dabei nicht an Wert – sie wird der eigentliche Differenzierungsfaktor neben Daten, Umsetzungskompetenz und KI. Gregors Lieblingsbeleg: Vor Einführung des Fernsehers sagten 96 % der Befragten, sie würden sich kein solches Gerät kaufen. Technologie lässt sich nicht aufhalten – man muss sie nur so in der DNA verankern, dass Menschen mehr Chance als Risiko sehen.

Vernetze dich: 

Gregor Kempf auf LinkedIn: https://www.linkedin.com/in/gregorkempf/

Heiko Loeffler auf LinkedIn: https://www.linkedin.com/in/heiko-loeffler-digitalsuccess/
31 Minuten
Was unterscheidet eine echte Enterprise-AI-Strategie von einem reinen Produktivitätsversprechen? Und wie ehrlich darf man eigentlich werden, wenn der Vorstand 10x erwartet und die Realität bei 2x liegt? Darüber spreche ich mit Markus Rautert, CTO bei adidas, direkt nach seinem Vortrag in Lissabon. Eine Folge zwischen Whiteboard-Rechnung, Responsible-AI-Leitplanken und dem ehrlichen Blick auf den Faktor Mensch.

Im Kern: Markus rechnet vor, wie sich ein klassisches 100-k€-Projekt (acht Personen, fünf Wochen, 500 € Tagessatz) mit AI auf 20 bis 50 k€ reduzieren lässt – aber er bricht den 10x-Hype offen: realistisch liegen die meisten Sachen eher bei 2x. Das „klingt schlechter als 10x“, heißt aber nichts anderes als: drei Wochen schneller für die Hälfte des Preises. Daraus folgt seine ungewöhnlich klare These zur Einkaufslogik: das Wort AI steckt in „fAIr“. Wenn der Lieferant mit AI schneller liefert, darf er nicht bestraft werden – beide müssen sich auf eine neue Bewertung einigen.

Wir sprechen über die Leitplanken, die adidas unter dem Stichwort Responsible AI gesetzt hat: Human Oversight, ethische Grundsätze, klare Trennung zwischen zentralen Vorgaben (Sicherheit, ethische Mindeststandards) und lokalem Spielraum (Länderrichtlinien). Markus’ ehrlicher Punkt: Viele Konzepte sind heute schlicht nicht reif – man muss erlauben, später aber auch wieder einbremsen können. Und: Es bleibt eine Wahl, kein Mandat. Die Aufgabe der Tech-Führung ist, das Risiko sauber darzustellen.

Beim Faktor Mensch dreht Markus den verbreiteten Satz „Lerne AI oder verliere deinen Job“ bewusst um: „Werde mit AI so wertvoll, dass das Unternehmen dich mehr braucht.“ Aus Angst wird Einladung. Im Organisationsbild bedeutet das den Schritt von der klassischen Pyramide über Gartners Diamanten hin zu seinem Bild des Spear: ein bewusst kleineres, aber existierendes Junior-Fundament, das mit AI-Tools steiler und schneller in Senior-Rollen wächst – weil die Lernkurve heute eine andere ist als vor fünf Jahren.

Zum Schluss der nüchterne Blick: KI-Hype, Informationsüberflutung, Risiko einer Blase. Markus’ Frage: Wie viel Veränderung verkraftet eigentlich eine Organisation – und die Menschen darin? Und sein Rat: bewusst entschleunigen, Sachen mal „gescheit machen“ statt jedem Modell hinterherzulaufen.

Vernetze dich: 

Markus Rautert auf LinkedIn: https://www.linkedin.com/in/markus-rautert/ 

Heiko Loeffler auf LinkedIn: https://www.linkedin.com/in/heiko-loeffler-digitalsuccess/ 
48 Minuten
Was kann moderne Softwaretechnologie für ein Problem leisten, das die Welt mit Maßband, Papier und Bleistift bisher nicht in den Griff bekommen hat? Darüber spreche ich mit Stefan Ferber, ex-Bosch-Geschäftsführer mit 23 Jahren Konzern-Historie, Gastautor unseres Buchs „Das ABC der Digitalisierung“ und heute Co-Founder und CTO des Climate-Tech-Startups TREEO. Diese Folge ist Teil der ABC-Insights-Sonderserie.

Im Zentrum steht ein eindrückliches Geschäftsmodell: TREEO vermisst einzelne Bäume in tropischen Aufforstungsprojekten in Indonesien und Uganda – per Smartphone, mit roter Referenzkarte, Computer Vision und allometrischer Formel. Eine der größten Baum-Datenbanken der Welt: 4,7 Millionen Einzelmessungen. Kunden wie Stihl, Ravensburger oder die Bosch Stiftung finanzieren 50 % der Pflanzung vor, lokale Landwirte werden pro überlebenden Baum bezahlt. Stefans Befund: 90 % der gängigen Klimazertifikate haben keine echte Klimawirkung, weil Impact, lokales Geschäftsmodell und westliches Klimaweltbild nicht zusammenpassen.

Wir gehen tief in den Tech-Stack – das ABC aus dem Buch wird konkret. A für AI: Computer Vision erkennt Baumrinde und Karte, neue LLMs schlagen klassische CNNs. B für Big Data: 4,7 Mio. Messungen vs. 10–100 ausgebuddelte Bäume klassischer allometrischer Formeln. C für Cloud: Google Cloud Platform, API-first, Firebase als Notanker. Lieblings-Pointe: Bei TREEO managt der Sohn des Founders die IT-Infrastruktur als Nebenjob –> Cloud-First macht das überhaupt erst möglich.

Was er aus 30+ Jahren Tech-Welle mitgenommen hat: Die wichtigste Führungsaufgabe ist Kommunikator und Vermittler zwischen Domänen, vom Förster in Indonesien bis zum Software-Entwickler in Kampala, die sich zunächst nicht verstanden haben, weil „Data-Problem“ für den einen „SIM-Karten-Guthaben“ und für den anderen „Datenbank-Inkonsistenz“ bedeutet.

Zum Schluss der Ausblick: TREEO will mit eigenen Ground-Truth-Daten die Satellitenmessung (neuer ESA Biomass Sensor seit Januar) kalibrieren – potenziell ein eigenes Folge-Geschäftsmodell. Und Stefans Kernbotschaft an den deutschen Mittelstand: Es war noch nie so leicht wie heute, Geschäftsziele mit Software zu erreichen. ABC zusammen denken – AI, Big Data, Cloud – und endlich starten.

Vernetze dich: 

Stefan Ferber auf LinkedIn: https://www.linkedin.com/in/stefferber/ 

Heiko Loeffler auf LinkedIn: https://www.linkedin.com/in/heiko-loeffler-digitalsuccess/

TREEO Website: https://treeo.one/de/
40 Minuten
Wie automatisiert man die Auftragsverarbeitung bei rund 100.000 Kunden und mehreren Hunderttausend Bestellungen pro Jahr, wenn der Auftrag mal als saubere Tabelle, mal als Fax, mal als Freitext eingeht? Und was passiert, wenn ein LLM im Proof-of-Concept glänzt und dann am ganzen Produktkatalog scheitert? Darüber spreche ich mit Jörn Ossowski (Head of IT, OU Materials Europe bei tk accelis), zum zweiten Mal im Podcast und Co-Autor unseres Buchs „Das ABC der Digitalisierung“. Diese Folge ist Teil der ABC-Insights-Sonderserie.

Im Mittelpunkt steht smart ORDER, das Programm, mit dem Aufträge automatisch ins ERP wandern, ohne den Menschen aus dem Prozess zu nehmen. Jörn erzählt offen, warum der erste Anlauf scheiterte („technisch hingestellt, dann übergeben“) und was den Wendepunkt brachte: ein Business-Sponsor, der Leute aus der Linie fest dem Projekt zugeordnet hat. Aus dem IT-Projekt wurde ein gemeinsames Produkt mit Ownership in der Linie und einem gesunden Wettbewerb um die Dunkelbuchungsquote – von 20 % am Anfang auf heute über 70 % bei den strukturierten Belegen.

Der zweite Sprung ging vom strukturierten zum unstrukturierten Beleg. Im PoC mit kleinem Produktkatalog war das LLM ein Traum – mit dem ganzen Katalog brach es zusammen, weil sich Varianten in winzigen Nummern unterscheiden. Die Lösung war kein besseres Modell, sondern eine Kombination aus klassischem Machine Learning, LLM-basierter Übersetzung in ein technisches Format und einer deterministischen Suche, die Plausibilität gegen den realen Produktkatalog prüft. Heute liegt auch hier eine zweistellige Dunkelquote, mit klarer Konfidenz-Steuerung über die Top-1- bis Top-N-Trefferposition.

Der zweite Teil ist Jörns ehrlicher Blick auf den AI-Alltag in der eigenen Entwicklung: Agents als „suchen und ersetzen auf Steroiden“ beim Refactoring, Claude als CSS-Sparringspartner für UI-Themen, und warum gute Architektur die eigentliche Voraussetzung dafür ist, dass Sprachmodelle nicht halluzinieren müssen. Plus zwei offene Themen: Wie kommen wir zur nächsten Senior-Generation, wenn alle Juniors mit LLMs starten? Und wie gehen wir mit der gestiegenen kognitiven Last um?

Was diese Folge besonders macht, ist Jörns nüchterner Blick: PoC-Erfolge sind nicht der Beweis, dass es skaliert. Experimente dürfen fehlstarten. Und der größte Hebel kommt nicht aus dem Modell, sondern aus der Zusammenarbeit von IT, Business und Kunden – inklusive des Mutes, den Kunden zu fragen, ob er sein Bestellformat ein bisschen strukturierter halten würde.

Vernetze dich: 

Jörn Ossowski auf LinkedIn: https://www.linkedin.com/in/j%C3%B6rn-ossowski-00244577/

Heiko Loeffler auf LinkedIn: https://www.linkedin.com/in/heiko-loeffler-digitalsuccess/
53 Minuten
Wie baut man eine KI- & Datenstrategie, die nicht im Wunschzettel-Stadium stecken bleibt? Und wie sieht das Betriebssystem aus, in dem Menschen und Agenten zusammenarbeiten? Darüber spreche ich mit Romina Medici, die genau das in einem Großunternehmen operativ aufgebaut hat, inklusive einer internen P&L von rund 25 Millionen Euro.

Romina vertritt eine klare Haltung: Eine Datenstrategie muss umsetzbar sein, nicht nur high level und politisch korrekt. Sie denkt das große Ganze, baut es aber in kleinen "Chunks" mit echtem Fokus, und mit dem Anspruch, innerhalb der ersten 90 Tage einen konkreten, messbaren Wert zu liefern. Die Güte eines Zielbilds erkennt sie nicht an schönen Sätzen, sondern an der Ebene darunter: an Key Results und Messgrößen, an denen man sich auch traut zu scheitern.

Das Herzstück des Gesprächs ist ihr Profit-Center-Gedanke: Wenn Menschen intern für das bezahlen, was du anbietest, hast du den Wertnachweis geführt. Governance und Strategie müssen grundfinanziert bleiben, aber Plattformen, Datenqualität und Produkte können sich selbst tragen. Romina erzählt offen von den Überraschungen dabei: wo sie trotz besserem und günstigerem Angebot auf irrationale Widerstände stieß, und wo ihr Data Catalog im Self-Service von rund 600 auf über 2.600 User durch die Decke ging und zur Cash Cow wurde.

Im Operating-Model-Teil grenzt sie Projekt-, Service- und Product-Modell sauber voneinander ab und zeigt den konkreten Org-Aufbau ihrer produktorientierten Organisation: von Product Managern über Product Owner bis zu den Scrum-Teams mit Lead Engineer. Sie erklärt, warum Silos meist kein Haltungs-, sondern ein Anreizproblem sind, und wie gemeinsame Incentives in cross-funktionalen Teams das auflösen.

Zum Schluss der Blick nach vorn: die hybride Workforce aus Menschen und Agenten, warum das Product Operating Model abgelöst werden wird (nur das Womit ist noch offen), und der direkte Effekt auf die P&L. Ihr Rat: jetzt die Fundamente legen, und als Unternehmen, das bisher hinten lag, womöglich genau den Sprung machen, der einen nach vorne bringt.

Vernetze dich: 

Romina Medici auf LinkedIn: https://www.linkedin.com/in/romina-medici/ 

Heiko Loeffler auf LinkedIn: https://www.linkedin.com/in/heiko-loeffler-digitalsuccess/?skipRedirect=true 
47 Minuten
Was, wenn Strategiearbeit nicht mehr in PowerPoint-Hinterzimmern stattfindet, sondern in einem laufenden System, das Markt, Ziele, Projekte und Menschen verzahnt? Darüber spreche ich mit Christian Underwood, Co-Founder von StrategyFrame und Betreiber dessen, was er selbst die weltweit erste voll-agentische AI-Strategieplattform nennt. Sein zweiter Besuch im Podcast nach zwei Jahren, in denen aus dem ersten Prototyp ein durchgängiges, AI-First aufgebautes Produkt geworden ist, das er dreimal komplett neu gebaut hat.

Christians These ist klar: Strategieentwicklung ist heute kein Beratungsprojekt mehr, sondern ein Implementierungsprozess für ein neues System. Er nennt die Kategorie, die er gerade aufbaut, Strategic Decision Intelligence (SDI), die Lücke zwischen ERP und CRM, dort wo bisher PowerPoint, Excel und das stille Kämmerlein der Berater stehen. Wir sprechen darüber, warum klassische Strategiezyklen unter der heutigen Geschwindigkeit (Märkte, Wettbewerber, Zölle, Regulatorik) zusammenbrechen, warum 80–90 % Wahrheit aus den wirklich relevanten Daten meistens mehr wert sind als drei Jahre Stammdatenharmonisierung, und warum die Antwort eben nicht „wir brauchen erst den Kulturwandel“ lauten kann.

Im Kern steht das 4-Layer-Modell, mit dem Christian SDI greifbar macht: Market Intelligence (Marktdaten crawlen und direkt im Vertrieb nutzbar machen), Strategic Intelligence (Strategy Frame, OKR und Projekt-Portfolio vereint, chat-basiert – inkl. OKR-Voice-Update vom Bauleiter auf der Baustelle), Organizational Intelligence (Strategievermittlung in vier Wochen Team-Meeting mit Pulse-Check per QR-Code) und Decision Intelligence (Decision Boards fürs C-Level mit These-Antithese-Synthese-Logik, 1-zu-1-Sparring auf den eigenen Daten, mobile-first).

Was diese Folge besonders macht, ist die operative Tiefe: warum Halluzinationen kein Naturgesetz sind („eins plus eins ist zwei, man muss nur wissen, wie“), warum CRM-Daten meist nicht aussagen, wie viele Kunden ein Unternehmen wirklich hat, und warum klassische Berater-Pitches verloren werden, wenn der Inhaber das Menschenbild hat, seine Leute hätten „keine Zeit und seien zu blöd“ für Strategie. Christians wichtigster eigener Lern-Hebel beim Aufbau eines AI-Produkts: jeder im Team, CFO, CPO, Founder, begleitet mindestens einen Kunden im Jahr selbst.

Zum Schluss der Blick nach vorn: Bauchentscheidungen bleiben, aber unreflektierte Daten-Lücken werden zur grob fahrlässigen Führungspraxis. Strategie demokratisiert sich, Beratungskosten halbieren sich, Entscheidungen werden mobil getroffen. Wer das jetzt nicht aufsetzt, läuft Gefahr, in fünf Jahren nicht mehr zu wissen, womit er eigentlich Geld verdient.

Vernetze dich: 

Christian Underwood auf LinkedIn: https://www.linkedin.com/in/christianunderwood/

Heiko Löffler auf LinkedIn: https://www.linkedin.com/in/heiko-loeffler-digitalsuccess/

Mehr zu StrategyFrame: www.strategyframe.ai

Christians eigener Podcast: „Hoffnung ist keine Strategie“