podcast.de
Anmeldung
Anmeldung Registrierung
Auto Hell Dunkel
Erweiterte Suche
  1. Startseite
  2. Podcasts
  3. HUBER Business AI Podcast Podcast

Episoden

#36 Oswald: 14 KI-Projekte parallel bei einer Traditionsmarke, mit Franco Kölliker

43 Minuten
Oswald entwickelt, produziert und vermarktet seine Produkte selbst. Die Traditionsmarke treibt heute 14 KI-Projekte parallel voran.

Franco Kölliker ist Co-CEO sowie Chief Digital und Marketing Officer bei Oswald.

Er erzählt, wie eine KI das Werbebudget auf die Kanäle verteilt und das gleiche Budget damit 300 Prozent mehr Wirkung bringt.

Die Suche auf der Website hat sein Team in fünf Arbeitstagen durch eine KI-gestützte Suche ersetzt. Die Conversion der Suchenden stieg von 4,5 auf fast 40 Prozent.

Nicht alles lief nach Plan. Beim Chatbot hat das Team unterschätzt, wie viel Prozesswissen und wie viele Leitplanken es braucht. Es ging sechs Monate, bis er für alle Kunden gut genug war.

Im Gespräch geht es auch um Copilot im Backoffice, um die Frage, wie man die Leute mitnimmt, und darum, wo bei einer Traditionsmarke der Mensch bleiben muss.

Gast: https://www.linkedin.com/in/franco-kölliker-74a1ab86/

Host: https://www.linkedin.com/in/andy-huber-ai-consulting/

Takeaways

Klein anfangen. Oswald hat nicht mit einem grossen KI-Projekt gestartet, sondern mit vielen kleinen Projekten, die schnell Wirkung zeigen. Heute laufen 14 parallel.

Die KI schlägt vor, der Mensch entscheidet. Die Budgetsteuerung im Performance Marketing war nach drei Monaten Testphase besser als die manuelle Steuerung. Die Freigabe bleibt beim Menschen.

Produktdaten allein reichen nicht. Ein Chatbot braucht Prozesswissen und klare Leitplanken. Sonst empfiehlt er Produkte, die gar nicht im Sortiment sind.

Eine feste Frist bündelt die Kräfte. Für die neue Suche hatten Agentur und Projektleitung fünf Arbeitstage. KI hat dabei auch bei der Programmierung geholfen.

Nicht auf perfekte Daten warten. Der Einstieg gelingt über repetitive Tätigkeiten. Die Daten werden parallel verbessert.

Die Menschen sind der wichtigste Faktor. Gute Daten und dokumentierte Prozesse nützen wenig ohne Leute, die das Thema aus eigenem Antrieb vorantreiben.

Jede Lizenz braucht einen Business Case. Copilot ist im Backoffice breit im Einsatz. Ob eine Person eine Lizenz braucht, wird trotzdem jedes Mal geprüft.

Kapitel

00:00 Intro

01:32 KI im privaten Alltag, Kochen und Smart Home

02:44 ChatGPT, Claude und Gemini statt Google

03:54 Franco und Oswald

05:49 Zielgruppen, von B2C bis Export

06:38 Die ersten Use Cases, Performance Marketing und Chatbot

10:22 Agentur oder in-house

10:49 KI in der Geschäftsleitung, Business Case und Testphase

13:03 Daten, Prozesse und die Menschen

14:06 Die zweite Führungsstufe mitnehmen

16:42 Kreativität und A/B-Tests mit Visuals

18:43 Copilot im Backoffice

19:02 Wie das Team Copilot gelernt hat

20:49 KI als Change-Projekt

22:12 Was KI für das Kundenerlebnis bedeutet

24:16 Schnellere Antworten, höhere Erwartungen

26:08 Wo der Mensch bleiben muss

27:56 KI-generierte Inhalte und menschliche Kontrolle

29:18 KI-Agenten am Telefon

31:54 Nicht auf perfekte Daten warten

34:30 Neue Suche in fünf Tagen

35:51 Wie weit die Branche ist

37:15 Rückstand aufholen

38:00 KI-Kompetenz bei der Rekrutierung

39:05 Oswald in drei Jahren

41:44 Was KI nicht kann, der Geschmack

42:30 Verabschiedung

#35 Siemens: Warum der Konzern auf die offene Plattform Xcelerator setzt, mit Mario Fürst

43 Minuten
Siemens ist über 175 Jahre alt und im Projektgeschäft gross geworden. Seit 2022 bietet der Konzern auf seiner eigenen Plattform auch Lösungen von Partnern an.

Mario Fürst verantwortet Siemens Xcelerator in der Schweiz. Auslöser für die Plattform war Feedback aus dem Markt. Viele Kunden finden die passenden Lösungen und Partner für ihre Digitalisierungsprojekte nicht. Intern stellte sich eine andere Frage. Wieso etwas ändern, wenn das Geschäft gut läuft?

Wir sprechen über Industrial AI und Simulationen, die heute in wenigen Stunden laufen. Über einen KI-Agenten, der Ingenieure beim Programmieren von Steuerungen unterstützt. Und darüber, wann der KI-Agent eines Kunden selbst auf der Plattform einkauft.

Gast: https://www.linkedin.com/in/mario-fürst-35291b12a/

Host: https://www.linkedin.com/in/andy-huber-ai-consulting/

Takeaways 

Die Qualität entscheidet über den Nutzen. Viele Projekte sind früher gescheitert, weil die Qualität nicht dort war, wo sie sein musste. Erst wenn die digitale Simulation der Realität entspricht, entsteht ein echter Nutzen.

Simulationen laufen heute in wenigen Stunden. Lösungen, die vor 20 Jahren drei bis vier Tage gerechnet haben, schaffen das mit Physical AI in einem Bruchteil der Zeit.

KMU sind oft schneller. Grosskonzerne haben die stärkeren Strategien und planen langfristiger. Eine allgemeine Aussage zur Industrie lässt sich nicht machen.

Kein Anbieter kann alles allein. Deshalb stellt Siemens Partnerlösungen neben die eigenen. Geprüft wird, welche Lösungen sich ergänzen.

Je grösser das Angebot, desto wichtiger die Suche. KI im Backend und die richtigen Keywords führen Besucher je nach Zielgruppe zur passenden Lösung.

KI kann grosse Investitionen ersetzen. Mit Kameradaten und KI-gestützter visueller Qualitätskontrolle lässt sich zum Beispiel ein Röntgenscanner für rund 1 Million einsparen.

Private Nutzung erleichtert den Einstieg im Beruf. Wer den Nutzen von KI privat erlebt hat, setzt sie auch im Vertrieb schneller ein.

Kapitel 

00:00 Intro

00:07 KI im Alltag, Reiseplanung mit der Familie

03:16 Von IoT zu Industrial AI, was sich verändert hat

05:34 Warum Skalierung heute im Fokus steht

06:54 Wie weit die Industrie ist, KMU und Grosskonzerne

08:11 Techstandort Schweiz und Robotik

08:37 Was Siemens Xcelerator ist

10:38 Der Marktplatz auch für Nicht-Kunden

12:04 Für welche Branchen die Plattform gedacht ist

12:27 Warum Siemens auf Offenheit setzt

14:57 Widerstände intern und wie man sie überwindet

17:54 Globale Plattform, lokale Partner

19:34 Wie Unternehmen Marketplace Seller werden

20:31 Was die Zertifizierung bedeutet

21:02 Die richtige Lösung finden, KI im Backend

23:37 Wie die Plattform bekannter werden soll

25:28 Der Eigen Engineering Agent im TIA Portal

26:57 KI-Use-Cases von der Entwicklung bis zur Produktion

31:38 AI Lab und Guardrails im Grosskonzern

34:03 Wie Mario KI im Arbeitsalltag nutzt

34:46 KI im Vertrieb

36:51 Menschen mitnehmen, vom privaten Nutzen ins Geschäft

40:38 Wann der KI-Agent des Kunden einkauft

#34 KI legt Firmen lahm, versteht aber keine Bestellung – mit Marcel Rassinger, aikyma.ai

46 Minuten
Eine Bestellung kommt als PDF herein und muss ins ERP. Klingt nach einer Aufgabe für jedes Tool. Genau daran scheitern die meisten KI-Projekte im Handel.

Marcel Rassinger war CIO von BRACK.Alltron. Heute baut er mit aikyma für den Handel KI-Lösungen. Sein Befund ist nüchtern. Die Anbindung an SAP oder Business Central ist der einfache Teil. Schwierig wird es Sonderwünschen in Notizfeldern und bei Wissen, das nur in den Köpfen der Mitarbeitenden steckt.

Warum aus einem KI-Projekt schnell ein Prozess- und Datenprojekt wird und wo sich der ROI wirklich rechnet.

Zum Gast: Marcel Rassinger, studierter Physiker, früher CIO der Competec-Gruppe, heute Co-Founder und CTO von aikyma in Basel.

Gast: https://www.linkedin.com/in/marcel-rassinger-0b1b74/

Website:https://aikyma.ai/

Host: https://www.linkedin.com/in/andy-huber-ai-consulting/

Takeaways 

Die technische Anbindung ist heute der einfache Teil. Mit KI-Tools bekommt man die Verbindung zu SAP oder Business Central schnell hin. Der Aufwand steckt in den Prozessen dahinter.

Die Prozesse laufen anders, als sie dokumentiert sind. Was im Kopf des Managements und in der Prozessbeschreibung steht, ist selten das, was im Tagesgeschäft tatsächlich passiert.

Agenten wie neue Mitarbeitende behandeln. Jemand erklärt ihnen, wie das Unternehmen funktioniert. Marcel nennt das selbst edge und teilweise bleeding edge.

Ein Mitarbeitender allein reicht als Quelle nicht. Erst die Spiegelung im Kreis von Teamleitern und Entscheidungsbefugten bringt ein belastbares Bild.

Aus dem KI-Projekt wird ein Prozess- und Datenprojekt. In den Feedback-Runden zeigt sich, was ein Bug ist, wo der Prozess uneinheitlich ist und wo schlicht die Daten nicht stimmen.

100 Prozent sind nicht das Ziel. Die Fleissarbeit soll wegfallen, entscheiden soll der Mensch dort, wo entschieden werden muss.

Human in the Loop ist eine zweite Integrationsschicht. Nicht nur ins System, sondern in die Organisation. Die Feedback-Schlaufe läuft über Zuständigkeiten, Mails und Menschen.

Ohne Management-Unterstützung geht es in komplexen Fällen nicht. Wer ein Tool kauft und es wie ein Excel behandelt, wird damit nicht weit kommen.

Kapitel 

00:00 Intro

00:17 Marcels Lieblings-KI-Tool

02:32 Vom Physikstudium ins Internetbanking

05:24 Was vom Physikstudium geblieben ist

06:19 Wohin sich KI entwickelt

11:05 Die CIO-Rolle vor zehn Jahren und heute

13:51 KI deckt die alten Baustellen auf

17:01 Was aikyma genau macht

18:23 Wenn der Teufel im Detail steckt

19:14 Die Kunden, bei denen es tatsächlich schnell geht

19:35 Gewachsene Systeme und die Adresse aus Shanghai

25:33 Wenn jeder den Prozess anders auslegt

26:40 Feedback-Runden mit Teamleitern und Entscheidern

28:40 Aus dem KI-Projekt wird ein Prozess- und Datenprojekt

29:42 Der ROI und die einfache Rechnung

33:02 Human in the Loop und die Integration in die Organisation

34:57 Kultur, Fehler und der Umgang damit

35:41 Change-Management-Projekte

36:37 Wie Mitarbeitende auf die Automatisierung reagieren

39:47 Was Unternehmen an KI-Projekten falsch verstehen

41:18 Ausblick, 80 Prozent der Bürokratie sind automatisierbar

45:56 Wenn Software fast gratis wird

#33 Warum sind Google, Nvidia, OpenAI, Anthropic in Zürich? – Christian Lüscher, Greater Zurich Area

48 Minuten
Google, Nvidia, Meta, OpenAI, Anthropic. Warum sitzen diese Firmen ausgerechnet in Zürich?

Christian Lüscher arbeitet seit vier Jahren daran, dass diese Frage im Ausland überhaupt gestellt wird. Als PR-Manager der Greater Zurich Area macht er einen Wirtschaftsraum von neun Kantonen sichtbar – ab 2027 sind es zehn. Sein Befund ist nüchtern: Niemand in San Francisco, Schanghai oder Tel Aviv weiss automatisch, was Zürich zu bieten hat. Rund 100 Ansiedlungen pro Jahr entstehen nicht durch Inserate, sondern durch Netzwerkarbeit – 80 Prozent davon werden aktiv angebahnt.

Wir sprechen über Google als Leuchtturm: seit 20 Jahren hier, rund 5'000 Mitarbeitende, grösster Entwicklungsstandort ausserhalb der USA und über 200 Firmengründungen, die aus diesem Umfeld entstanden sind. Über die Zürcher AI-Karte mit rund 200 Firmen, die tatsächlich Forschung und Entwicklung betreiben. Und über den nächsten Schub, den Christian nicht bei KI sieht, sondern in der Robotik: Das Hirn der Roboter wird hier entwickelt, in Labs, die man von der Strasse aus gar nicht sieht.

Dazu die Kehrseite: Wohnungspreise, Verdrängung, Wachstumsmüdigkeit. Christian ordnet ein, welchen Anteil die Ansiedlungspolitik daran wirklich hat – und warum er trotzdem für eine Annäherungs- statt eine Vermeidungsstrategie plädiert.

Zurich AI Festival, Ende September bis Anfang Oktober: https://www.zurichaifestival.ch/

Christian Lüscher: https://www.linkedin.com/in/luschair/

Andy Huber: https://www.linkedin.com/in/andy-huber-ai-consulting/

TAKEAWAYS

Google war der Leuchtturm. 20 Jahre, 5'000 Mitarbeitende, über 200 Firmengründungen aus diesem Umfeld.

Cluster ziehen Cluster an. Die Erfolgreichen suchen die Nähe zueinander.

Der nächste Hype ist Robotik, nicht KI. Das Hirn der Roboter entsteht in Zürich.

Talent kommt vor Firma. Die Formel lautet Technology, Tax, Talent.

Lebensqualität ist ein harter Standortfaktor, kein weicher.

Die Ansiedlungen machen unter zwei Prozent der Zuwanderung aus.

Vermeidung ist keine Strategie. Annäherung statt Rückzug ins Reduit.

Standortfaktor Nummer eins ist Zusammenarbeit – auf allen Ebenen.

KAPITEL

00:00 Intro

01:49 Vom Journalismus zur Standortförderung

05:12 Was die Greater Zurich Area genau macht

07:00 Neun Kantone, ab 2027 zehn

07:45 Büros in den USA und China: Netzwerkarbeit statt Werbung

09:34 Warum das nichts mit Tourismuswerbung zu tun hat

11:22 Was die Organisation leistet – und was nicht

14:14 Wer dahintersteckt: Public-Private-Partnership

15:13 Google in Zürich: grösster Standort ausserhalb der USA

17:59 Die AI-Karte: 200 Firmen mit Forschung und Entwicklung

19:55 Robotik: «Grossmacht Zürich» und die versteckten Labs

23:43 Warum jetzt? Die Dynamik der letzten 36 Monate

24:35 Talent, Hochschulen und die Formel der 3 T

26:36 Zürisee, Techno, Lebensqualität als harter Faktor

28:26 Die Karten – und was sie sonst noch zeigen

30:45 Die Kehrseite: Wohnungspreise und Verdrängung

33:00 Zuwanderung: der reale Anteil der Ansiedlungen

36:25 Zürich in den 90ern – wie weit der Standort gekommen ist

37:48 Ökosystem: Hochschulen, Konzerne, Startups

38:50 Über 200 Firmengründungen aus dem Google-Umfeld

40:36 Was es braucht, damit der Standort vorne bleibt

44:09 Standortfaktor Nummer eins: Zusammenarbeit

#32 Marcel Salathé: Soll KI Service public sein?

49 Minuten
Baut die Schweiz künstliche Intelligenz selber oder kaufen wir sie künftig einfach ein? Marcel Salathé hat die Frage durchgerechnet: Der Co-Direktor des AI Center der EPFL kommt auf rund eine Milliarde Franken pro Jahr, ein Bruchteil dessen, was in den USA in diese Technologie fliesst. Passiert nichts, sagt er, werden wir vollständig abhängig von Amerikanern und Chinesen und wer die Technologie besitzt, bestimmt Preis und Zugang. Ein Gespräch über das Schweizer Modell Apertus, über ein Departement für Technologie, das es in Bern nicht gibt, darüber warum KI privat längst funktioniert und in Unternehmen harzt – und was das für unsere Kinder in der Schule heisst.

Gast: Marcel Salathé https://www.linkedin.com/in/salathe/

Host: Andy Huber https://www.linkedin.com/in/andy-huber-ai-consulting/

Takeaways

Eine eigene Schweizer KI kostet rund eine Milliarde pro Jahr. Für Modelle und Ökosystem, nicht für den weltweiten Betrieb – ein kleiner Prozentsatz dessen, was die grossen Anbieter investieren. Die Schweiz wäre damit durchaus kompetitiv.

Ohne Entscheid wird die Abhängigkeit zum Fakt. «Dann werden wir vollständig abhängig sein von Chinesen und Amerikanern.» Für Unternehmen heisst das: Die Technologie, auf der die eigenen Prozesse laufen, gehört jemand anderem.

Apertus ist Vorarbeit, Als Forschungsprojekt wertvoll, insgesamt aber «massiv unter seinem Potenzial». Für ein konkurrenzfähiges Modell braucht es Ressourcen im Faktor hundert.

Individuell klappt KI, institutionell harzt es. Der Grund ist nicht fehlender Wille: Die Technologie arbeitet nicht deterministisch, sondern probabilistisch – und fein austarierte Unternehmensprozesse kommen damit schlecht zurecht.

Die Schule muss den Prozess bewerten, nicht das Resultat. Wer im Fitnessstudio die Maschine für sich arbeiten lässt, hat am Schluss keine Muskeln. Genau das passiert, wenn nur das abgegebene Dokument zählt.

Kapitel

00:00  – Intro und Einordnung

00:11  – Wie Marcel Salathé KI im Alltag nutzt – und wo bewusst nicht

02:18  – Sein Setup: 80 Prozent Codex, 20 Prozent Claude

03:27  – Modell auf dem eigenen Laptop: 27 Sekunden gegen 37 Minuten

05:13  – Das AI Center der EPFL und die Rolle als Co-Direktor

06:54  – Warum er «Kompass Künstliche Intelligenz» geschrieben hat

09:35  – Wer das Buch liest – und was zurückkommt

11:12  – Vom Biologen zur KI: warum das Tempo nie neu ist

14:47  – Der Sprung in die Wirtschaft – und wo er stockt

15:10  – Warum Institutionen härter kämpfen als jeder Einzelne

18:10  – Drei Typen von Unternehmen: bereit, willig, überholt

20:26  – Die Schweiz im KI-Ranking ganz unten – und warum das richtig war

23:25  – Braucht Bern ein Departement für Technologie?

24:41  – USA und China: Milliarden für Rechenzentren

25:55  – Die Rechnung: eine Milliarde Franken pro Jahr

27:05  – Apertus: «massiv unter seinem Potenzial»

31:20  – Schule, Kinder und der Vergleich mit dem Fitnessstudio

34:48  – KI an der EPFL: wie Prüfungen heute funktionieren

38:52  – Die Fähigkeiten der Zukunft: das T-shaped Skillset

46:31  – In fünf Jahren: hat die Schweiz ihre Chance genutzt?
Alle Folgen ansehen (36)
In Podcasts werben
Schalte jetzt Werbung in Podcasts.

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
Webseite
Riverside: HD Podcast & Video Software | Free Recording & Editing
Urheberangabe
2026 Andy Huber
Durchschnittliche Länge
Ø 43 Min.
Erscheinungsweise
Wöchentlich
Letzter Check
vor 1 Std.
Zuerst veröffentlicht
vor 8 Mon.
Podcast melden

„HUBER Business AI Podcast“

Worum geht es? Danach fragen wir noch nach dem Grund.

Abonnenten

Teilen

Mein Archiv

Deine Privatkopie der Folgen, die du nicht verlieren willst.

Podcast-Folgen verschwinden. Feeds werden auf die letzten Episoden gekürzt, Hoster räumen alte Dateien ab, Formate wechseln den Anbieter und lassen ihr Archiv zurück. Mit „Mein Archiv“ sichert podcast.de die Folgen deiner Podcasts für dich — angefangen bei den ältesten, denn die sind zuerst weg.

  • Deine gesicherten Folgen bleiben hörbar, auch wenn das Original offline geht.
  • Auch Folgen, die im heutigen Feed gar nicht mehr stehen — podcast.de kennt sie noch.
  • Herunterladen bleibt möglich, solange die Folge beim Podcaster liegt. Der zählt seine Abrufe wie bisher.
Startet bald

Sei beim Start von Mein Archiv dabei

Mein Archiv ist fast fertig. Trag dich ein, dann bekommst du eine E-Mail, sobald es losgeht – und bist von Anfang an dabei. Wir schreiben dir nur zum Start, keine Werbung, keine Weitergabe deiner Daten.

Du bekommst zuerst eine Bestätigungsmail. Abmelden geht jederzeit. Datenschutz