Podcaster
Episoden
19.07.2026
45 Minuten
Wie schafft ein Büro- und Lagerausrüster mit 650 Mitarbeitenden in neun Ländern den Spagat zwischen Digitalisierungsanspruch und operativer Realität? Michael Gilgen, Geschäftsführer von Schäfer Shop Schweiz und zusätzlich verantwortlich für die Benelux-Länder, nimmt uns mit hinter die Kulissen: von dem eigenen Data Team über KI-gestützte Aussendienstler bis zu Bots, die Ausschreibungen prüfen. Ein Gespräch darüber, was heute schon funktioniert, wo konkrete Zahlen noch fehlen und warum auch ein KMU mit unperfekten Daten einfach anfangen sollte.
Gast: https://www.linkedin.com/in/michael-gilgen/
Host: https://www.linkedin.com/in/andy-huber-ai-consulting/ Key Takeaways
Data zuerst: Schäfer Shop baut seit rund 2,5 Jahren eine eigene «Data Foundation» auf, die Basis, um KI überhaupt sinnvoll einzusetzen. KI entlastet den Aussendienst spürbar: automatische Terminerfassung per Spracheingabe, strukturierte Kundendaten vor jedem Besuch und Look-Alike-Kunden als neue Leads. Bots übernehmen die Fleissarbeit bei Ausschreibungen – sie prüfen Compliance und passende Produkte, wo früher enormer manueller Aufwand nötig war. Selbstkritischer Blick: KI wird bisher eher für Kostensparungen genutzt als für neues Umsatzwachstum – eine Erkenntnis, die vielen Unternehmen bekannt vorkommen dürfte. «Quick and dirty» schlägt «perfekt»: Michael investiert lieber in eine schnelle Lösung als in eine, die lange auf sich warten lässt – Time-to-Market zählt. Der Blick nach vorn: individuelle Preise und agentische Verhandlungen zwischen Einkaufs- und Verkaufsagenten – die persönliche Beratung vor Ort bleibt trotzdem. Kapitel
00:00 – Begrüssung & wie Michael KI privat nutzt 01:52 – Lieblingstools im Vergleich: Copilot, ChatGPT & Claude 03:28 – Schäfer Shop: vom Katalog zu PBS, Planung & Aussendienst 05:51 – Die Chance für den Mittelstand gegen die grossen Player 07:57 – Der Ursprung: die Data Foundation vor 2,5 Jahren 11:26 – KI im Aussendienst: Kundendaten, Termine, Diktat 14:49 – Akzeptanz im Team & Look-Alike-Kunden für Leads 18:43 – Noch keine harten KPIs – aber eine klare Tendenz 21:21 – Zwei Wege zu Use Cases: Effizienz & neue Value Proposition 23:16 – Konkreter Kundennutzen: schnellere Offerten & 360-Grad-Blick 26:54 – Governance: PMO, Ticketsystem & Priorisierung 28:14 – Selbstkritisch: mehr Kostensparen als Umsatzwachstum 32:41 – Make-or-Buy & «Quick and dirty» statt perfekt 33:56 – Change Management: Trainings & Widerstand im Team 37:49 – Ausblick: Webshop, persönliche Beratung & Agentic Commerce 41:53 – Rat an Mittelständler ohne saubere Datenbasis
Gast: https://www.linkedin.com/in/michael-gilgen/
Host: https://www.linkedin.com/in/andy-huber-ai-consulting/ Key Takeaways
Data zuerst: Schäfer Shop baut seit rund 2,5 Jahren eine eigene «Data Foundation» auf, die Basis, um KI überhaupt sinnvoll einzusetzen. KI entlastet den Aussendienst spürbar: automatische Terminerfassung per Spracheingabe, strukturierte Kundendaten vor jedem Besuch und Look-Alike-Kunden als neue Leads. Bots übernehmen die Fleissarbeit bei Ausschreibungen – sie prüfen Compliance und passende Produkte, wo früher enormer manueller Aufwand nötig war. Selbstkritischer Blick: KI wird bisher eher für Kostensparungen genutzt als für neues Umsatzwachstum – eine Erkenntnis, die vielen Unternehmen bekannt vorkommen dürfte. «Quick and dirty» schlägt «perfekt»: Michael investiert lieber in eine schnelle Lösung als in eine, die lange auf sich warten lässt – Time-to-Market zählt. Der Blick nach vorn: individuelle Preise und agentische Verhandlungen zwischen Einkaufs- und Verkaufsagenten – die persönliche Beratung vor Ort bleibt trotzdem. Kapitel
00:00 – Begrüssung & wie Michael KI privat nutzt 01:52 – Lieblingstools im Vergleich: Copilot, ChatGPT & Claude 03:28 – Schäfer Shop: vom Katalog zu PBS, Planung & Aussendienst 05:51 – Die Chance für den Mittelstand gegen die grossen Player 07:57 – Der Ursprung: die Data Foundation vor 2,5 Jahren 11:26 – KI im Aussendienst: Kundendaten, Termine, Diktat 14:49 – Akzeptanz im Team & Look-Alike-Kunden für Leads 18:43 – Noch keine harten KPIs – aber eine klare Tendenz 21:21 – Zwei Wege zu Use Cases: Effizienz & neue Value Proposition 23:16 – Konkreter Kundennutzen: schnellere Offerten & 360-Grad-Blick 26:54 – Governance: PMO, Ticketsystem & Priorisierung 28:14 – Selbstkritisch: mehr Kostensparen als Umsatzwachstum 32:41 – Make-or-Buy & «Quick and dirty» statt perfekt 33:56 – Change Management: Trainings & Widerstand im Team 37:49 – Ausblick: Webshop, persönliche Beratung & Agentic Commerce 41:53 – Rat an Mittelständler ohne saubere Datenbasis
Mehr
12.07.2026
44 Minuten
Fabio Mätzler hat Cohaga vom Studentenjob an der Uni Basel zu einem Unternehmen mit 30 Mitarbeitenden, 2 Millionen Franken Umsatz und über 2'000 Kunden aufgebaut – sechs Jahre lang gebootstrappt, seit Frühling 2026 mit siebenstelligem Funding. Und genau dann kommt der Bruch: AI-Tools machen das Kerngeschäft mit Firmenadressen für jeden zugänglich.
In dieser Folge erzählt Fabio, wie er die Disruption im eigenen Sales-Alltag gespürt hat, warum er nicht gespart, sondern investiert hat und wie mit Ranq ein neues Produkt entstand, das Kunden in die Antworten der KI-Chatbots bringt. 168 Kunden und über 400'000 Franken Umsatz, bevor die Plattform überhaupt live ist.
Gast: https://www.linkedin.com/in/fabio-m%C3%A4tzler-2917b6163/
Host: https://www.linkedin.com/in/andy-huber-ai-consulting/
Die wichtigsten Takeaways:
Disruption erkennt man im Kundengespräch, nicht im Reporting – wer nah am Sales ist, spürt den Shift zuerst Qualität schlägt Preis: Schlechte Daten kosten mehr als teure Adressen, wenn Schweizer Löhne dahinterstehen Der Shift von SEO zu GEO ist real – KI-Chatbots zitieren Vergleiche, lokale Inhalte und Verzeichnisse mit Autorität Human in the Loop bleibt: Multi-Agent-Systems liefern den Output, Menschen kontrollieren bis zur Fehlerquote unter 1,5 Prozent Fokus statt Verzetteln: Zwei Produkte – Outbound und Inbound – statt zehn halbe Lösungen LinkedIn funktioniert mit Konsistenz und Polarisierung, nicht mit Perfektion
Kapitel:
00:00 – Intro und AI im Privaten: bewusste Abgrenzung 01:51 – Was macht Cohaga: vom Adress-Broker zum Leadhub 04:15 – Unternehmergeschichte: vier gescheiterte Ventures vor dem Durchbruch 07:16 – Wachstum ohne Investoren: von 65'000 auf 1,8 Millionen Umsatz 11:07 – Learning by Doing: Rollenteilung, externe Expertise, Make or Buy 15:37 – Qualitätsversprechen: Handrecherche trifft Multi-Agent-Systems 19:40 – Die Disruption: AI macht das Kerngeschäft angreifbar 24:04 – Rank erklärt: der Shift von SEO zu GEO 30:41 – Zielgruppen: warum KMU zuerst kommen 33:23 – LinkedIn-Strategie: Memes, Polarisierung und 100 Prozent inhouse 40:21 – Ausblick: Skalieren, Exit-Ambitionen und die nächsten zwei Jahre
In dieser Folge erzählt Fabio, wie er die Disruption im eigenen Sales-Alltag gespürt hat, warum er nicht gespart, sondern investiert hat und wie mit Ranq ein neues Produkt entstand, das Kunden in die Antworten der KI-Chatbots bringt. 168 Kunden und über 400'000 Franken Umsatz, bevor die Plattform überhaupt live ist.
Gast: https://www.linkedin.com/in/fabio-m%C3%A4tzler-2917b6163/
Host: https://www.linkedin.com/in/andy-huber-ai-consulting/
Die wichtigsten Takeaways:
Disruption erkennt man im Kundengespräch, nicht im Reporting – wer nah am Sales ist, spürt den Shift zuerst Qualität schlägt Preis: Schlechte Daten kosten mehr als teure Adressen, wenn Schweizer Löhne dahinterstehen Der Shift von SEO zu GEO ist real – KI-Chatbots zitieren Vergleiche, lokale Inhalte und Verzeichnisse mit Autorität Human in the Loop bleibt: Multi-Agent-Systems liefern den Output, Menschen kontrollieren bis zur Fehlerquote unter 1,5 Prozent Fokus statt Verzetteln: Zwei Produkte – Outbound und Inbound – statt zehn halbe Lösungen LinkedIn funktioniert mit Konsistenz und Polarisierung, nicht mit Perfektion
Kapitel:
00:00 – Intro und AI im Privaten: bewusste Abgrenzung 01:51 – Was macht Cohaga: vom Adress-Broker zum Leadhub 04:15 – Unternehmergeschichte: vier gescheiterte Ventures vor dem Durchbruch 07:16 – Wachstum ohne Investoren: von 65'000 auf 1,8 Millionen Umsatz 11:07 – Learning by Doing: Rollenteilung, externe Expertise, Make or Buy 15:37 – Qualitätsversprechen: Handrecherche trifft Multi-Agent-Systems 19:40 – Die Disruption: AI macht das Kerngeschäft angreifbar 24:04 – Rank erklärt: der Shift von SEO zu GEO 30:41 – Zielgruppen: warum KMU zuerst kommen 33:23 – LinkedIn-Strategie: Memes, Polarisierung und 100 Prozent inhouse 40:21 – Ausblick: Skalieren, Exit-Ambitionen und die nächsten zwei Jahre
Mehr
05.07.2026
42 Minuten
Wie wird aus einem über 80-jährigen Industrieunternehmen ein KI-Vorreiter? Daniela Hermle verantwortet das Digital Office bei Schunk – dem Spezialisten für Spanntechnik und Greifsysteme mit Hauptsitz in Lauffen am Neckar (Baden-Württemberg) und rund 3'700 Mitarbeitenden weltweit. Im Gespräch mit Andy Huber erzählt sie, wie Schunk die ganze Organisation auf die KI-Reise mitgenommen hat – vom eigenen Schunk-GPT bis zum weltweiten Rollout. Ehrlich, praxisnah und voller Learnings für alle, die KI wirklich in den Alltag bringen wollen.
Gast: https://www.linkedin.com/in/daniela-hermle-08471530/
Host: https://www.linkedin.com/in/andy-huber-ai-consulting/
Key Takeaways
Kultur schlägt Technologie: «Pioniergeist» als Wert macht KI-Adoption erst möglich. Skeptiker gewinnt man mit Sicherheit, nicht mit Druck – Kommunikation ist alles. Nicht jedes Problem braucht KI – manchmal reicht ein simples Formular. Erfolg heisst Nutzen, nicht POCs: Adoption und Wirkung messen statt Tools zum Selbstzweck. Management-Commitment plus Machermentalität als Fundament. Wer heute noch nicht startet, verliert den Anschluss – der Druck wird nur höher.
Kapitel
00:00 Intro & Begrüssung 00:24 KI im Alltag: privat analog, geschäftlich Vollgas 02:58 Wer ist Schunk? Digital Office & Team 04:43 Pioniergeist: KI im Industrieunternehmen 08:02 Die Reise seit 2021: Strategie & Rollout 12:14 Hürden & Prozesse auf dem Prüfstand 16:00 Formate: Tech Talk & «KI in 60 Sekunden» 17:41 Erfolg messen: Adoption & Nutzen 20:32 Nicht immer KI – manchmal reicht ein Formular 24:41 Schunk-GPT, Copilot, Infrastruktur & Daten 29:42 Menschen mitnehmen & Skeptiker überzeugen 32:35 Erfolgsfaktoren & Ausblick: Agentic AI 37:30 Benchmark & Rat an Nachzügler
Gast: https://www.linkedin.com/in/daniela-hermle-08471530/
Host: https://www.linkedin.com/in/andy-huber-ai-consulting/
Key Takeaways
Kultur schlägt Technologie: «Pioniergeist» als Wert macht KI-Adoption erst möglich. Skeptiker gewinnt man mit Sicherheit, nicht mit Druck – Kommunikation ist alles. Nicht jedes Problem braucht KI – manchmal reicht ein simples Formular. Erfolg heisst Nutzen, nicht POCs: Adoption und Wirkung messen statt Tools zum Selbstzweck. Management-Commitment plus Machermentalität als Fundament. Wer heute noch nicht startet, verliert den Anschluss – der Druck wird nur höher.
Kapitel
00:00 Intro & Begrüssung 00:24 KI im Alltag: privat analog, geschäftlich Vollgas 02:58 Wer ist Schunk? Digital Office & Team 04:43 Pioniergeist: KI im Industrieunternehmen 08:02 Die Reise seit 2021: Strategie & Rollout 12:14 Hürden & Prozesse auf dem Prüfstand 16:00 Formate: Tech Talk & «KI in 60 Sekunden» 17:41 Erfolg messen: Adoption & Nutzen 20:32 Nicht immer KI – manchmal reicht ein Formular 24:41 Schunk-GPT, Copilot, Infrastruktur & Daten 29:42 Menschen mitnehmen & Skeptiker überzeugen 32:35 Erfolgsfaktoren & Ausblick: Agentic AI 37:30 Benchmark & Rat an Nachzügler
Mehr
28.06.2026
42 Minuten
Wie bringt ein Grosskonzern wie die SBB künstliche Intelligenz in den Arbeitsalltag ohne den Menschen zu verlieren? Daniel Wegmüller, Senior Content Creation Manager bei der SBB und gelernter Texter, nimmt uns mit hinter die Kulissen: von der KI-Automatisierung der jährlichen Länderkampagnen über die ernüchternde «One-Shot»-Illusion bis zum Leitprinzip «mehr Mensch dank KI». Ein Gespräch über das, was heute schon funktioniert, wo der Flow an ihre Grenzen stösst und warum Däni überzeugt ist, dass uns Technik am Ende mehr Menschlichkeit bringt.
Gast: https://www.linkedin.com/in/daniel-wegm%C3%BCller/
Host: https://www.linkedin.com/in/andy-huber-ai-consulting/ Deine Takeaways
«One Shot» ist eine Illusion. Einmal briefen, Knopf drücken, fertige Texte für alle Kanäle – das klappt nur bei strikt definierten Inputs (Preis, Rabatt, Reisezeit). Sobald es kreativ wird, braucht es den Menschen, der iteriert. KI ist stark im Muster-Erkennen, schwächer im guten Reproduzieren. Zwischen «erkennen» und «wirklich gut machen» liegt ein grosser Schritt – gerade bei bildlicher Sprache und eigenem Stil. «Mehr Mensch dank KI», nicht «KI statt Mensch». Bei der SBB wächst die KI-Initiative bewusst von unten nach oben – die Use Cases kommen aus dem Alltag der Teams. Expertise wird wichtiger, nicht unwichtiger. Wer begründen kann, warum etwas (nicht) funktioniert, bleibt zentral. AI-Skills sind kein Nice-to-have mehr. Der Blick nach vorn: In 2–3 Jahren hat jede:r seinen eigenen, richtig guten KI-Assistenten – und genau darin liegt die Chance auf mehr Zeit für den Menschen. Kapitel
00:00 – Intro & wie Däni KI privat nutzt (Ferienplanung, Kühlschrank, bester Kaffee) 01:21 – Lieblingstool: warum Claude 04:05 – «Mehr Mensch dank KI»: die Haltung der SBB 06:21 – Das Projekt: Länderkampagnen automatisieren 08:11 – Die One-Shot-Illusion: wo KI funktioniert – und wo nicht 12:53 – Vorgehen mit Agentur, Systemprompt & iteratives Arbeiten 14:24 – Das Team mitnehmen: Begeisterung & Verunsicherung 21:07 – Führung, Kultur & der AI-Anlass «Restkompetenz Mensch?» 22:42 – «Schaffe ich mich selber ab?» – der Wert des Menschen 26:29 – Aktuelle Projekte & Tools (n8n, Asana Team-Mates) 33:08 – Die Rolle von IT & Security 37:12 – Ausblick: dein persönlicher KI-Assistent & mehr Menschlichkeit
Gast: https://www.linkedin.com/in/daniel-wegm%C3%BCller/
Host: https://www.linkedin.com/in/andy-huber-ai-consulting/ Deine Takeaways
«One Shot» ist eine Illusion. Einmal briefen, Knopf drücken, fertige Texte für alle Kanäle – das klappt nur bei strikt definierten Inputs (Preis, Rabatt, Reisezeit). Sobald es kreativ wird, braucht es den Menschen, der iteriert. KI ist stark im Muster-Erkennen, schwächer im guten Reproduzieren. Zwischen «erkennen» und «wirklich gut machen» liegt ein grosser Schritt – gerade bei bildlicher Sprache und eigenem Stil. «Mehr Mensch dank KI», nicht «KI statt Mensch». Bei der SBB wächst die KI-Initiative bewusst von unten nach oben – die Use Cases kommen aus dem Alltag der Teams. Expertise wird wichtiger, nicht unwichtiger. Wer begründen kann, warum etwas (nicht) funktioniert, bleibt zentral. AI-Skills sind kein Nice-to-have mehr. Der Blick nach vorn: In 2–3 Jahren hat jede:r seinen eigenen, richtig guten KI-Assistenten – und genau darin liegt die Chance auf mehr Zeit für den Menschen. Kapitel
00:00 – Intro & wie Däni KI privat nutzt (Ferienplanung, Kühlschrank, bester Kaffee) 01:21 – Lieblingstool: warum Claude 04:05 – «Mehr Mensch dank KI»: die Haltung der SBB 06:21 – Das Projekt: Länderkampagnen automatisieren 08:11 – Die One-Shot-Illusion: wo KI funktioniert – und wo nicht 12:53 – Vorgehen mit Agentur, Systemprompt & iteratives Arbeiten 14:24 – Das Team mitnehmen: Begeisterung & Verunsicherung 21:07 – Führung, Kultur & der AI-Anlass «Restkompetenz Mensch?» 22:42 – «Schaffe ich mich selber ab?» – der Wert des Menschen 26:29 – Aktuelle Projekte & Tools (n8n, Asana Team-Mates) 33:08 – Die Rolle von IT & Security 37:12 – Ausblick: dein persönlicher KI-Assistent & mehr Menschlichkeit
Mehr
21.06.2026
44 Minuten
In dieser Folge ist Andreas Kyburz zu Gast, Geschäftsführer von Procure Swiss, dem Fachverband der Einkäuferinnen und Einkäufer. Mit Andreas sprechen ich darüber, wie KI den Beruf des Einkäufers neu definiert, welche Skills in Zukunft entscheidend sind und über das Szenario, in dem ein Einkaufsagent direkt mit einem Verkaufsagent Konditionen verhandelt.
Andreas bringt es auf den Punkt: KI verkleidet das Problem schlechter Daten nicht – sie macht es grösser. Saubere Stammdaten und ein echtes Grundverständnis bleiben darum die Basis. Gleichzeitig diskutieren ich mit ihm, warum mit KI eher mehr als weniger Stellen entstehen können und wie sich die Arbeit vom Repetitiven hin zu Beziehung, Vertrauen und Strategie verlagert. Zum Schluss gibt Andreas Einblick in den neuen Lehrgang «Procurement AI Expert» – die erste dedizierte KI-Ausbildung für Einkäufer der Schweiz.
Gast: https://www.linkedin.com/in/andreas-kyburz/
Host: https://www.linkedin.com/in/andy-huber-ai-consulting/
Key Takeaways
KI macht schlechte Daten nicht kleiner, sondern grösser – saubere Stammdaten sind das Fundament für jeden sinnvollen KI-Einsatz. Mut zum Experimentieren, aber auch Mut zum Abwarten: Nicht jeder Prozess muss heute automatisiert werden, vieles löst sich in 6 Monaten von selbst. KI verschiebt die Arbeit, statt sie wegzunehmen – Routine fällt weg, Interpretation, Risikoabwägung und Beziehungspflege gewinnen an Gewicht. Das menschliche Element bleibt: Vertrauen, Verhandlung und Lieferantenpflege lassen sich nicht restlos an Maschinen übergeben. Grundwissen bleibt Pflicht – wer nicht einschätzen kann, ob ein KI-Resultat plausibel ist, fliegt im Blindflug. Gratis-Lizenzen gehören nicht in den geschäftlichen Einsatz; Datenschutz (Schweizer DSG) ist kein KI-spezifisches, aber ein zentrales Thema. Verweigerung ist keine echte Option: Über versteckten Einkauf (Personal, IT, Beschaffung) betrifft KI früher oder später jedes Unternehmen. Am Ende entscheidet die Unternehmenskultur – Menschen mitnehmen und begeistern ist wichtiger als die reine Technik.
Kapitel
00:01 – Intro & Vorstellung des Gasts 01:06 – Wer ist Andreas Kyburz? ProCure Swiss & sein Alltag mit KI 02:28 – Lieblingstool und die ersten Aha-Erlebnisse mit KI 04:51 – KI auf der Geschäftsstelle: Stand und Vorgehen 05:50 – Strategie bei rasantem Tempo 07:25 – Akzeptanz, Vertrauen und die Angst vor Arbeitsplatzverlust 08:19 – Mehr statt weniger Stellen? 09:26 – Was die Mitglieder beschäftigt: das KI-Paradoxon 12:36 – Herausforderungen: Compliance, Regulierung, Datenschutz 13:41 – Gratis-Lizenzen und Schweizer Datenschutz 15:46 – Use Cases aus Schweizer Unternehmen (Roche, SBB & Co.) 17:14 – Die entscheidende Fähigkeit: Prozesse und Daten vernetzen 18:29 – Stammdaten als Fundament: «KI macht schlechte Daten grösser» 21:11 – Aus- und Weiterbildung im Einkauf 24:04 – Future Skills der Einkäuferin der Zukunft 26:04 – Agentisches Verhandeln: Einkaufsagent trifft Verkaufsagent 38:02 – Was passiert mit Unternehmen, die KI ignorieren? 41:21 – Wie Andreas am Thema dranbleibt 43:31 – Schlussworte
Andreas bringt es auf den Punkt: KI verkleidet das Problem schlechter Daten nicht – sie macht es grösser. Saubere Stammdaten und ein echtes Grundverständnis bleiben darum die Basis. Gleichzeitig diskutieren ich mit ihm, warum mit KI eher mehr als weniger Stellen entstehen können und wie sich die Arbeit vom Repetitiven hin zu Beziehung, Vertrauen und Strategie verlagert. Zum Schluss gibt Andreas Einblick in den neuen Lehrgang «Procurement AI Expert» – die erste dedizierte KI-Ausbildung für Einkäufer der Schweiz.
Gast: https://www.linkedin.com/in/andreas-kyburz/
Host: https://www.linkedin.com/in/andy-huber-ai-consulting/
Key Takeaways
KI macht schlechte Daten nicht kleiner, sondern grösser – saubere Stammdaten sind das Fundament für jeden sinnvollen KI-Einsatz. Mut zum Experimentieren, aber auch Mut zum Abwarten: Nicht jeder Prozess muss heute automatisiert werden, vieles löst sich in 6 Monaten von selbst. KI verschiebt die Arbeit, statt sie wegzunehmen – Routine fällt weg, Interpretation, Risikoabwägung und Beziehungspflege gewinnen an Gewicht. Das menschliche Element bleibt: Vertrauen, Verhandlung und Lieferantenpflege lassen sich nicht restlos an Maschinen übergeben. Grundwissen bleibt Pflicht – wer nicht einschätzen kann, ob ein KI-Resultat plausibel ist, fliegt im Blindflug. Gratis-Lizenzen gehören nicht in den geschäftlichen Einsatz; Datenschutz (Schweizer DSG) ist kein KI-spezifisches, aber ein zentrales Thema. Verweigerung ist keine echte Option: Über versteckten Einkauf (Personal, IT, Beschaffung) betrifft KI früher oder später jedes Unternehmen. Am Ende entscheidet die Unternehmenskultur – Menschen mitnehmen und begeistern ist wichtiger als die reine Technik.
Kapitel
00:01 – Intro & Vorstellung des Gasts 01:06 – Wer ist Andreas Kyburz? ProCure Swiss & sein Alltag mit KI 02:28 – Lieblingstool und die ersten Aha-Erlebnisse mit KI 04:51 – KI auf der Geschäftsstelle: Stand und Vorgehen 05:50 – Strategie bei rasantem Tempo 07:25 – Akzeptanz, Vertrauen und die Angst vor Arbeitsplatzverlust 08:19 – Mehr statt weniger Stellen? 09:26 – Was die Mitglieder beschäftigt: das KI-Paradoxon 12:36 – Herausforderungen: Compliance, Regulierung, Datenschutz 13:41 – Gratis-Lizenzen und Schweizer Datenschutz 15:46 – Use Cases aus Schweizer Unternehmen (Roche, SBB & Co.) 17:14 – Die entscheidende Fähigkeit: Prozesse und Daten vernetzen 18:29 – Stammdaten als Fundament: «KI macht schlechte Daten grösser» 21:11 – Aus- und Weiterbildung im Einkauf 24:04 – Future Skills der Einkäuferin der Zukunft 26:04 – Agentisches Verhandeln: Einkaufsagent trifft Verkaufsagent 38:02 – Was passiert mit Unternehmen, die KI ignorieren? 41:21 – Wie Andreas am Thema dranbleibt 43:31 – Schlussworte
Mehr
Über diesen Podcast
HUBER BUSINESS AI evaluiert die strategische und
operative Implementierung von Künstlicher Intelligenz in
Unternehmen. Im Dialog mit Entscheidungsträgern analysiert Andy
Huber validierte Use Cases hinsichtlich ihrer Wertschöpfung und
Skalierbarkeit. Der Fokus liegt auf der technologischen Basis
sowie der Bewältigung von Transformationshürden im Change
Management. Gäste legen ihre Vorgehensweise offen, von der
Grundlagenarbeit über die kulturelle Adoption der Belegschaft bis
zur Lösung konkreter Implementierungsprobleme
Abonnenten
Episode teilen
HUBER Business AI Podcast
#25 Andreas Kyburz (Procure Swiss): Die Einkäufer:innen der Zukunft
Close
Kommentare (0)
Melde Dich an, um einen Kommentar zu schreiben.