Macher und Maschinen

Rainer Keller, Geschäftsführer der Metalltechnik Vils (Tirol), bringt eine klare Perspektive mit: KI ja, aber nur dort, wo sie wirklich was bringt. Kein Hype, keine Verbote, sondern Digitalisierung auf "landwirtschaftliche Art". Wir sprechen über Präzisionsfertigung für Großteile, die Krise in der Automobilindustrie, 4-Tage-Woche aus wirtschaftlicher Not und warum KI den Menschen nicht ersetzen, sondern unterstützen soll. TL;DR

„Digitalisierung auf landwirtschaftliche Art": Nur einsetzen, wo man konkret Ernte sieht – kein Buzzword-Schubladendenken. KI als Unterstützer, nicht Veränderer: Laut Rainer verändert ein Unternehmen nur der Mensch – KI kann unterstützen, aber nicht führen. Positiv-Beispiel Instandhaltung: Maschinenfehlercodes per KI auswerten statt Manuals durchsuchen – klarer, sofortiger Nutzen. Personalabbau ist nicht das Ziel: Das größte Kapital sitzt nicht auf der Bank, sondern an den Maschinen. Gemeinsamer Rahmen statt Verbote: Mitarbeiter sollten bei der KI-Einführung mitgestalten – nicht per Direktive geführt werden. Kapitelmarken

00:00 – Begrüßung & wer ist Rainer Keller? 00:57 – Karriereweg: Spedition, Maschinenbau, Konzern 04:13 – Wechsel in die Geschäftsführung bei Metalltechnik Vils 07:19 – Herausforderungen: Aufträge, Automotive-Krise, Wettbewerb mit Asien 11:22 – 4-Tage-Woche: erzwungen, aber gelernt 14:14 – Was Metalltechnik Vils macht: Großteile, Hochpräzision, Lohnfertigung 19:48 – Musterteile, Kundenbeziehungen und lange Anlaufzeiten 20:21 – Unternehmensgruppe Allgaier: Kunststoffspritzguss als Schwesterunternehmen 22:29 – KI im Unternehmen: Rainers Haltung und Vorsicht 25:33 – Das Mail-Problem: neue Technologie, alte Fehler 28:25 – Positiv-Beispiel: Instandhalter nutzt KI zur Fehlerdiagnose 30:13 – Agentische KI: sinnvoll, wenn sie wirklich entlastet 33:52 – Klarer Rahmen statt Verbote: gemeinsam bestimmen 36:14 – Verändert KI das Unternehmen? Rainers klare Antwort 37:41 – Menschen als wertvollstes Kapital 44:30 – Kurzfragen: Regulierung, Chance/Risiko, Hype oder Impact? Themenüberblick

Rainer bringt 40+ Jahre Erfahrung aus Konzern und Mittelstand mit. Und eine klare Haltung zu KI: Nutzen vor Hype. Metalltechnik Vils hat sich auf hochpräzise Großteilfertigung spezialisiert (Toleranzen bis 1/6000 mm), die kaum aus Asien replizierbar ist. Die 4-Tage-Woche kam nicht aus Überzeugung, sondern aus Überlebensnotwendigkeit. Bei KI setzt das Unternehmen aktuell bewusst auf Zurückhaltung mit Weitblick: Schulung zuerst, gemeinsamen Rahmen abstecken, dann gezielt dort einführen, wo Zeit tatsächlich gespart wird – wie in der Instandhaltung. Gast

Rainer Keller – Geschäftsführer, Metalltechnik Vils


Unternehmenshomepage Keywords

KI, Maschinenbau, Lohnfertigung, Großteilfertigung, Präzisionsfertigung, Mittelstand, Digitalisierung, 4-Tage-Woche, Automotive, Tirol Call-to-Action

Wenn dir die Folge gefallen hat: Abonniere den Podcast und teile sie mit jemandem, der KI im Industriebetrieb mit Hausverstand angehen will.


Musik über Soundstripe lizenziert.


Code: A5QXDW0MXZSDEJIO


Code: LVGIAO8SDA2TW76D

Ein Kunststoffproduzent mit mehreren Standorten in Deutschland, Polen und den USA hatte täglich Stunden verloren, weil Vertriebsmitarbeiter manuell ein zentrales Postfach durchsuchten, um echte Anfragen von Spam und Lieferantenmails zu trennen. Heute läuft das vollständig automatisch, DSGVO-konform, ohne eine einzige Fehlzuordnung. Wie genau wir das aufgebaut haben erfahrt ihr in dieser Folge. Deine Links

KI-Engpass Analyse anfragen Website TL;DR

Manuelle Postfach-Sichtung: 20–30 Min./Person/Tag 7 Mitarbeiter = 2–3,5 Stunden täglich verloren. Lösung: DSGVO-konformes Preprocessing (PII-Entfernung via Code) + Klassifizierungs-Skill (Sprachmodell + Konfigurationsdatei). Regeln für Zuordnung (Produkt/Region/Art) liegen in einer pflegbaren Konfigurationsdatei – kein Code-Know-how nötig. Bewusst als klassische Automatisierung gebaut (nicht als autonomer Agent): volle Transparenz, kein Black-Box-Verhalten. Bonus: Das System schreibt automatisch Statistiken (Anfragetypen, Volumen, Standort-Auslastung). Kapitelmarken

00:00 – Problem: Stunden täglich für Postfach-Sortierung 01:20 – Das Setup: 7 MA, mehrere Standorte, ein gemeinsames Postfach 02:00 – Schritt 1: DSGVO – PII-Entfernung vor dem LLM (kein KI-Schritt) 02:30 – Schritt 2: Klassifizierungs-Skill (echter Vertrieb / Spam / Kaltakquise / intern) 03:30 – Konfigurationsdatei: Regeln wartbar ohne Code 04:15 – Warum klassische Automatisierung statt Agent 04:47 – Ergebnis: Zeitersparnis, Qualität, Reaktionszeit, Statistik 06:00 – Für wen ist das relevant? 07:11 – Stolpersteine & nächste Schritte Themenüberblick

Die Herausforderung war nicht Technik, sondern Prozessklarheit: Welche E-Mail gehört wohin und nach welchen Regeln? Erst wenn das sauber definiert ist, kann man es einem System übergeben. Für die Umsetzung: PII-Entfernung per Code (nicht KI), dann Klassifizierung per Skill mit gepflegter Konfigurationsdatei, dann Weiterleitung. Bewusst als transparenter Schritt-für-Schritt-Ablauf gebaut. In der Industrie meist die bessere Wahl als ein vollautonomer Agent. Der Use Case funktioniert für jeden Betrieb mit einem zentralen Postfach, egal ob ein oder mehrere Standorte. Keywords

KI, E-Mail-Automatisierung, Vertrieb, Klassifizierung, DSGVO, Kunststoffindustrie, Prozessoptimierung, Postfach, Mehrstandort, Automatisierung


Wenn du wissen willst, wo bei euch solche Zeitfresser stecken: KI-Engpass Analyse anfragen (Link oben in den Show Notes).

Viele Industriebetriebe verlieren täglich Stunden, bevor ein Angebot überhaupt rausgeht – weil zuerst geklärt werden muss: Ist das technisch machbar? In dieser Use-Case-Folge zeige ich, wie man solche Machbarkeitschecks mit einem Skill + Berechnungsskripten aufsetzt: Das Sprachmodell orchestriert, die Rechnung läuft verlässlich im Code. Ergebnis: schnellere Reaktionszeit im Vertrieb, weniger Unterbrechungen für Techniker, bessere Erst-Einschätzung.


KI-Engpass Analyse / Beratung TL;DR – Was du mitnehmen solltest

Der Engpass liegt oft vor der Kalkulation: technische Vorprüfung blockiert die erfahrensten Leute. Sprachmodelle sind fürs Rechnen unzuverlässig rechnen muss ein Skript, nicht das LLM. Setup-Idee: Anfrage einlesen Parameter extrahieren passende Berechnung auswählen Ergebnis einordnen. Nutzen: pro Angebot mehrere Stunden sparen; in Summe schnell ~2h/Tag (Beispiel V‑Met). Voraussetzung: Fachwissen muss zumindest teilweise strukturierbar sein (nicht nur „im Kopf“). Kapitelmarken (Timestamps)

00:00 – Warum Angebots-Machbarkeitschecks in Industrie so viel Zeit fressen 01:10 – Das Problem: Know-how sitzt bei den erfahrensten Personen 02:31 – Lösungsteil 1: Skill + Berechnungsskripte (Code statt LLM-Rechnen) 04:56 – Lösungsteil 2: Agent orchestriert (E-Mail/Docs lesen rechnen Antwort bauen) 06:45 – Business Impact: Zeit, Kosten, Geschwindigkeit im Vertrieb 07:22 – Für wen es passt + Voraussetzungen + typische Stolpersteine 09:10 – Nächste Schritte + Verweis auf die Folge mit Noah Witwer Themenüberblick

Im Fokus steht der technische Vorab-Check: Eine Anfrage kommt rein, aber bevor ein Angebot möglich ist, braucht es Material-/Toleranz-/Grenzprüfungen. Die Lösung: ein KI-System, das Parameter aus Anfrage und Unterlagen extrahiert, die richtigen Berechnungsskripte ausführt und die Ergebnisse verständlich für Vertrieb/Technik zusammenfasst. Wichtig: Das ist eine interne Vorschätzung, keine zertifizierte Statik. Der größte Hebel ist meist nicht Technik, sondern das Strukturieren von Wissen und ein sauberer Prozess. Verweise

Episode mit Noah Witwer (V‑Met) Keywords

KI, Angebotserstellung, Machbarkeitsprüfung, Vorprüfung, Metallverarbeitung, Maschinenbau, Sonderfertigung, Automatisierung, Vertrieb, Prozessoptimierung Call-to-Action

Wenn du wissen willst, ob das bei euch Sinn macht: KI-Engpass Analyse anfragen (Link oben in den Show Notes).

Patrick Schleich erzählt von seinem Weg von McKinsey über Interimmanagement zur Unternehmensnachfolge und wie er bei Cleanroom Technology Austria innerhalb eines Jahres mithilfe von KI Wissen schneller verfügbar macht, Angebote beschleunigt und die Kundenerfahrung im B2B neu denkt. Außerdem: warum On-Prem für kritische Infrastrukturen relevant wird und welche Use Cases als Nächstes kommen. TL;DR

Unternehmensnachfolge statt Start-up: Ein bestehendes, profitables Geschäft zu übernehmen kann ein besseres Risk-Reward-Profil haben als „von null“ zu gründen. Wissensaufbau ist der Turbo: KI hilft besonders dort, wo viel Know-how existiert, aber wenig dokumentiert ist (interne Academy, schnelleres Onboarding). B2B Customer Experience als Wettbewerbsvorteil: Schnellere, verständlichere Angebote (inkl. Simulationen) erhöhen Qualität und Conversion. KI wirkt zuerst im Overhead: Vertrieb Angebot Planung Dokumentation sind die Hebel – gebaut wird weiter „mit zwei Händen“. On-Prem wird relevant: Bei sensiblen Kundendaten, Plänen und ERP-Zugriff kann eine lokale LLM-Strategie (NIS2/Compliance) sinnvoll sein. Kapitelmarken

00:00 – Einstieg & wer Patrick Schleich ist 02:13 – Einstieg bei Cleanroom Technology Austria 02:26 – Studium, schneller Pivot & McKinsey 06:20 – Arbeitsrealität in der Beratung: Mythos vs. Praxis 08:00 – Warum der Exit kam: Freiheit, Unternehmertum, kleinere Strukturen 10:42 – Unternehmensnachfolge: Kaufen statt gründen 12:20 – So läuft eine Übernahme ab (LOI, Due Diligence, Finanzierung) 17:32 – Was Cleanroom Technology Austria macht: Reinräume erklärt 22:12 – Märkte, Regionalität & Qualitätsanspruch 24:05 – KI im Unternehmen: die drei großen Hebel 36:09 – On-Prem vs. Cloud, Compliance & kritische Infrastruktur 41:30 – Wunsch-Use-Case: Planung „auf Knopfdruck“ + Dokumentation 43:53 – Kurzfragen: Regulierung, Chance/Risiko, Hype vs. Impact Themenüberblick

Patrick erklärt, warum er Unternehmensnachfolge attraktiver findet als ein Start-up und wie so ein Kaufprozess praktisch abläuft. Danach gibt er einen Einblick in Reinräume (Pharma, Halbleiter, Medizintechnik) und warum Qualität und Regionalität in der Umsetzung entscheidend sind. Im KI-Teil geht es um drei Hebel: Wissen kodifizieren (interne Academy), Angebote/Planung schneller und verständlicher machen (Customer Experience) sowie Automatisierung im Overhead bis zur Dokumentation. Zum Schluss diskutieren wir On-Prem-LLMs im Kontext von NIS2/Compliance und die nächsten großen Use Cases. Gast

Patrick Schleich – Geschäftsführer, Cleanroom Technology Austria


LinkedIn Unternehmens LinkedIn


Cleanroom Technology Austria Keywords

KI, Industrie, Reinraum, Unternehmensnachfolge, Anlagenbau, Angebotskalkulation, Customer Experience, Automatisierung, On-Prem, NIS2, Compliance


Wenn dir die Folge gefallen hat: Abonniere den Podcast und teile sie mit jemandem, der KI im Industrieumfeld pragmatisch einsetzen will.