In dieser Episode des AI FIRST Podcasts spricht Felix mit Franziska Kripp (Group AI Enablement Lead) und Norbert Wirth (Global VP Data) von Payback über die KI-Transformation eines der datengetriebensten Unternehmen Deutschlands. Mit 35 Millionen Nutzern und über 700 Partnern zeigt Payback, wie man von frühen Machine-Learning-Experimenten zu einer skalierbaren KI-Strategie gelangt.

Inhaltsübersicht

• Payback als datengetriebenes Unternehmen – Warum Daten das eigentliche Herzstück des Loyalty-Programms sind
• Die KI-Reise vor GenAI – Von klassischem Machine Learning zur Transformer-Architektur
• AI Governance als Enabler – Wie Legal und Data gemeinsam den Rahmen für KI-Einsatz geschaffen haben
• Build vs. Buy Entscheidungen – Wann Payback selbst baut und wann eingekauft wird
• AI Enablement im Unternehmen – Franzis Mission, KI in der gesamten Organisation zu demokratisieren
• Use Cases in der Praxis – Von Customer Service bis Qualitätssicherung durch Agenten
• AI Strategy Board – Wie Use Cases nach vier Dimensionen bewertet werden
• Agentic Commerce – Die Zukunftsvision: Systeme nicht nur UX-, sondern auch AX-optimiert

Über die Gäste

Franziska Kripp ist Group AI Enablement Lead bei Payback. Sie kommt ursprünglich aus dem Marketing und bringt ihre Change-Management-Expertise ein, um KI im gesamten Unternehmen zu demokratisieren. Mit Brownbag-Sessions, internen Kommunikationsstrategien und einer Use-Case-Datenbank aktiviert sie Hunderte von Mitarbeitern für den produktiven KI-Einsatz.

Norbert Wirth ist Global VP Data bei Payback und verantwortlich für Data Engineering, Data Science, Machine Learning Engineering und Analytics. Er arbeitet seit den Anfängen künstlicher neuronaler Netze in diesem Feld und hat die KI-Strategie bei Payback maßgeblich mitgestaltet.

Detaillierte Inhaltszusammenfassung

Payback als Datenunternehmen

Payback ist ein Multipartner-Loyalty-Programm mit 35 Millionen Nutzern in Deutschland und über 700 Partnern – von Drogerien über Lebensmitteleinzelhändler bis hin zu Amazon. Norbert betont: "Viele denken, die Punkte sind essentiell. Ich sage immer ganz schnippisch: Eigentlich sind es die Daten."  Ohne Daten funktioniert das Geschäftsmodell nicht, weshalb auch die Verantwortung im Umgang damit sehr ernst genommen wird.

Die KI-Reise: Von Machine Learning zu Transformern

Schon vor GenAI setzte Payback intensiv auf Machine Learning – für Targeting, Zielgruppenidentifizierung und Kampagnensteuerung. Der echte Wendepunkt kam 2017 mit dem Paper "Attention is all you need" der Google-Forscher. Norbert beschreibt es als "Paukenschlag" und "Erdbeben", das die Möglichkeiten fundamental veränderte.  Besonders die Anbindung von Daten an Large Language Models durch RAG-Architekturen machte KI für Unternehmen wie Payback erst richtig spannend.

AI Governance als Fundament

Ein entscheidender Erfolgsfaktor war die frühe Entwicklung eines mehrdimensionalen Governance-Modells. Payback baute auf bestehende Data- und Model-Governance auf und ergänzte eine spezifische AI-Governance-Schicht.  Zentrale Aspekte waren:

• Risikokategorisierung (Consumer-facing = höchste Risikostufe)
• Human-in-the-Loop-Verfahren für kritische Anwendungen
• Enge Zusammenarbeit mit technisch interessierten Legal-Kollegen
• Vorbereitung auf kommende Regulatorik (EU AI Act)

Build vs. Buy: Die richtige Entscheidung treffen

Payback verfolgt eine klare Strategie: Commodity wird eingekauft, Kernwertschöpfung selbst gebaut. Der Customer Service wurde beispielsweise eingekauft, da spezialisierte Anbieter hier professionelle Lösungen bieten. Bei einem eigenen Chatbot-Projekt lernte das Team jedoch, dass Baukastensysteme für unternehmenskritische Anwendungen oft nicht ausreichen – die Guardrails waren entweder zu eng oder zu locker.

AI Enablement: Demokratisierung von KI

Franzi startete mit einem Grassroot-Ansatz: Brownbag-Sessions, in denen gemeinsam Prompts geschrieben wurden, Use-Case-Wettbewerbe mit Board-Pitches und früher Zugang zu Gemini für alle Mitarbeiter.  Ihre Mission geht über reines Training hinaus – sie baut eine Use-Case-Datenbank auf, vernetzt Teams und schafft Strukturen, damit aus Experimenten messbare Business Cases werden.

Das AI Strategy Board: Vier Dimensionen für Use Cases

Um die Flut an KI-Ideen zu filtern, etablierte Payback ein AI Strategy Board mit vier Bewertungsdimensionen:

1. Efficiency – Macht uns der Case effizienter?
2. Mehrwert – Generiert er zusätzlichen Geschäftswert?
3. Qualität – Verbessert er die Qualität unserer Arbeit?
4. Strategic – Ist er für unsere strategische Positionierung unverzichtbar?

Praxisbeispiel: Qualitätssicherung durch Agenten

Ein konkreter Use Case: Ein Agent prüft den Abgleich zwischen menschlich formulierten Briefings und deren technischer Umsetzung im System.  Der Agent arbeitet im Human-in-the-Loop-Modus und gibt Hinweise auf mögliche Abweichungen. Das Spannende: Dieser "kleine" Case ist bewusst als Sprungbrett für größere Automatisierungen konzipiert – wenn der Agent beide Seiten versteht, kann er perspektivisch auch die Umsetzung selbst übernehmen.

Agentic Commerce: Die Zukunft des E-Commerce

Norbert sieht einen fundamentalen Wandel: "Du kannst sowas nicht mehr rein User-orientiert bauen, du musst es auch Agenten-orientiert bauen."  Systeme müssen künftig nicht nur UX-optimiert sein, sondern auch AX-optimiert (Agent Experience). Für Payback mit über 700 Partnern bedeutet das: Anknüpfungsfähigkeit für externe Agenten schaffen und eigene agentenbasierte Experiences im Ökosystem entwickeln.

Kernaussagen

"Viele denken, die Punkte sind essentiell. Ich sage immer ganz schnippisch: Eigentlich sind es die Daten. Ohne Daten funktionieren wir einfach nicht."

"Das Paper 'Attention is all you need' war für uns ein Paukenschlag – ein Erdbeben, das uns buchstäblich wachgerüttelt hat."

"Du kannst sowas nicht mehr rein User-orientiert bauen, du musst es auch Agenten-orientiert bauen. Die Agent Experience muss stimmen."

"Alles was Commodity ist, kaufen wir ein. Alles was zentral ist für unsere Wertschöpfungskette, da neigen wir dazu, selber zu bauen."

Fazit und Takeaways

Diese Episode zeigt eindrucksvoll, wie ein datengetriebenes Unternehmen den Weg von frühen ML-Experimenten zu einer skalierbaren KI-Strategie meistert. Die wichtigsten Learnings:

• Governance vor Skalierung: Ein solides Governance-Framework mit Legal-Einbindung ist die Voraussetzung für ernsthafte KI-Implementierung
• Datenanbindung ist der Schlüssel: Erst die Verbindung von LLMs mit Unternehmensdaten (z.B. via RAG) macht GenAI wirklich wertvoll
• Build vs. Buy bewusst entscheiden: Commodity einkaufen, Kernwertschöpfung selbst kontrollieren
• Klein starten, groß denken: Lean Cases bauen, die als Sprungbrett für größere Automatisierungen dienen
• Enablement braucht Struktur: Grassroot-Begeisterung allein reicht nicht – es braucht professionelle Begleitung
• Agent Experience wird zum Imperativ: Wer im E-Commerce relevant bleiben will, muss auch für KI-Agenten optimieren

Ausblick 2026

Norbert prognostiziert: "AI legt den Schalter um in einen Real-World-Modus."  Agenten werden immer zentraler – sowohl in der Konsumentenwelt als auch in Unternehmensprozessen. Oft noch mit Human-in-the-Loop, aber die Systeme werden komplexer. Payback hat "ein paar ziemlich coole Sachen im Köcher" – Details bleiben geheim, aber der Tipp: App runterladen und beobachten, was passiert.

Zum Gast: Norbert Wirth
Zum Gast: Franziska Kripp
Zum Host: Felix Schlenther