76% tägliche Nutzung: So gelingt KI-Adoption im Mittelstand

Intro

In dieser Folge spricht Felix Schlenther mit Florian Grunwald, Director IT bei LAUDA, über die erfolgreiche KI-Integration in einem mittelständischen Unternehmen. LAUDA, ein weltweit führender Hersteller von Temperiergeräten und -anlagen mit 620 Mitarbeitenden, zeigt beispielhaft, wie ein Hidden Champion innerhalb weniger Monate eine unternehmensweite KI-Plattform aufbaut, 76 Prozent tägliche Nutzung erreicht und dabei 1,62 Millionen Euro jährlich einspart. Florian gibt konkrete Einblicke in Strategie, technisches Setup, Nutzungszahlen und die kulturelle Transformation — ein Praxisbericht mit Vorbildcharakter für den deutschen Mittelstand.

Inhaltsübersicht

LAUDA setzt KI als strategischen Hebel ein, um mit begrenzten Ressourcen wettbewerbsfähig zu bleiben und mit großen Playern mitzuhalten.
Die KI-Strategie wurde als Teil der Digitalstrategie 2023 erarbeitet — mit einem kombinierten Top-Down- und Bottom-Up-Ansatz über alle Fachbereiche hinweg.
Statt eines eigenen Company-GPT auf OpenAI-Basis entschied sich LAUDA bewusst für eine multimodale Plattform, um Vendor-Lock-in zu vermeiden.
In Partnerschaft mit dem Startup Select Code entstand die LAUDA GPT-Plattform mit mittlerweile sieben bis acht spezialisierten Apps.
Konkrete Use Cases umfassen DeepL-Integration für Dokumentenübersetzung, Meeting-Transkription mit WhisperX und eine KI-gestützte IT-Support-App.
Multistep-Workflows ermöglichen komplexe Automatisierungen ohne Programmierkenntnisse — von Zeugniserstellung bis strategische Analysen.
Die Nutzungszahlen sind beeindruckend: 400 registrierte Nutzer, 76 Prozent tägliche Nutzung, über 70.000 Prompts insgesamt.
Drei Machine-Learning-Use-Cases wurden in sechs statt geplanter 36 Monate umgesetzt: Predictive Maintenance, GitHub Copilot und Darktrace für E-Mail-Security.
Darktrace eliminierte Phishing-Vorfälle vollständig und spart 15.000 Stunden jährlich an manueller E-Mail-Verwaltung.
Die Gesamteinsparung aller KI-Projekte beläuft sich auf 1,62 Millionen Euro jährlich nach Abzug der Kosten.
Für 2025 plant LAUDA einen neuen Data Vault, Voice-Agentensysteme und die Integration autonomer Agenten in Kundenservice und Rechtsabteilung.

Über den Gast

Florian Grunwald ist Director IT bei LAUDA, einem weltweit führenden Hersteller von innovativen Temperiergeräten und Anlagen mit Sitz in Süddeutschland. In seiner Rolle verantwortet er die gesamte IT-Strategie, Infrastruktur und Digitalisierung des Unternehmens. Unter seiner Führung wuchs das IT-Team von drei auf 17 Mitarbeitende. Florian hat die KI-Integration bei LAUDA von der Strategieentwicklung bis zur Implementierung vorangetrieben und dabei eine der erfolgreichsten KI-Adoptionen im deutschen Mittelstand aufgebaut — mit messbaren Ergebnissen in Nutzung, Effizienz und Kosteneinsparung.

Detaillierte Zusammenfassung

KI als strategischer Imperativ im Mittelstand

LAUDA ist als Hidden Champion mit über 620 Mitarbeitenden weltweit in Branchen von Automobil und Chemie bis Biotechnologie und Pharma aktiv. Für Florian Grunwald ist KI kein technisches Spielzeug, sondern ein echter Business Enabler:

KI ist kein reines IT-Thema. Sie betrifft das gesamte Unternehmen und verändert Geschäftsprozesse, Entscheidungswege oder sogar Geschäftsmodelle.

Die KI-Strategie wurde Mitte 2023 als integraler Bestandteil der Digitalstrategie erarbeitet. LAUDA verfolgte dabei einen kombinierten Top-Down- und Bottom-Up-Ansatz: Management, IT und Strategieabteilung definierten die Vision, während Key-User-Workshops in den Fachbereichen konkrete Use Cases sammelten und Akzeptanz schufen. Eine interne Kampagne fragte Mitarbeitende direkt, welche Technologien sie im Alltag unterstützen könnten — dieses Feedback floss direkt in das Anforderungsprofil ein.

Drei strategische Ziele wurden definiert: Erstens die Sicherstellung von Compliance und Datenschutz als Grundlage. Zweitens die Entscheidung für eine multimodale Plattform statt eines proprietären Company-GPT. Drittens die Umsetzung von drei Machine-Learning-Use-Cases innerhalb von drei Jahren — ein Ziel, das bereits nach sechs Monaten übertroffen wurde.

Die LAUDA GPT-Plattform: Multimodal statt Vendor-Lock-in

Die technologische Kernentscheidung war bewusst gegen einen reinen OpenAI-basierten Company-GPT. Florian erkannte früh, dass eine Ära der Spezialisierung kommen würde, in der unterschiedliche Modelle für unterschiedliche Aufgaben optimal sind. „Wir wollten uns nicht wieder die nächste Abhängigkeit eines Big-Tech-Unternehmens begeben", erklärt er die Entscheidung für Plattformoffenheit.

Da LAUDAs 30 interne Entwickler auf Embedded Software spezialisiert sind und keine Frontend- oder Cloud-Expertise mitbringen, ging das Unternehmen eine Partnerschaft mit dem Startup Select Code ein. Innerhalb von drei Monaten Entwicklungszeit entstand die LAUDA GPT-Plattform — eine multimodale Lösung, die tagesaktuell alle gängigen KI-Modelle integriert. Der Kontakt kam über LAUDAs CFO zustande, der den Select-Code-Gründer bei einem Hochbegabten-Gründerwettbewerb kennengelernt hatte.

Mittlerweile laufen sieben bis acht spezialisierte Apps auf der Plattform. Die DeepL-Integration ermöglicht nicht nur manuelle Dokumentenübersetzung, sondern die automatisierte Übersetzung kompletter Arbeitsanweisungen und Marketingdokumente — im Originalformat. Eine Meeting-Transkriptions-App nutzt das WhisperX-Modell über das Startup Cladia und erstellt vollständige Protokolle mit Sprechererkennung — deutlich besser als die Microsoft-Teams-Bordmittel. Die IT-Support-App analysiert Anfragen, unterscheidet zwischen Service-Requests, Incidents und Problemen, schlägt Lösungen vor und erstellt bei Bedarf automatisch kategorisierte Tickets für das richtige Team.

Multistep-Workflows und kultureller Wandel

Ein besonderes Feature der Plattform sind Multistep-Workflows — mehrstufige KI-Automatisierungen, bei denen verschiedene Modelle nacheinander für unterschiedliche Aufgaben eingesetzt werden. Florian nennt ein konkretes Beispiel: Eine Analyse der Auswirkungen der US-Wahl auf LAUDAs Geschäft. Im ersten Schritt wird das politische Programm analysiert, dann branchenspezifische Auswirkungen bewertet, Firmendaten integriert und am Ende ein Executive Paper für die Geschäftsführung generiert — über mehrere Modelle hinweg, einschließlich ChatGPT o1 für komplexe Gedankenketten.

Das Entscheidende: Diese Workflows sind ohne Programmierkenntnisse erstellbar. Die KI kann sogar den Workflow selbst vorgenerieren — inklusive Modellauswahl und Prompt-Struktur. Um die Adoption voranzutreiben, forderte Florian von jeder Abteilung fünf bis zehn Workflows pro Monat. Die Umsetzung läuft über KI-Botschafter (Key User), die sich monatlich treffen, neue Technologien evaluieren und Use Cases aus ihren Bereichen einbringen.

Der kulturelle Wandel von Skepsis zu Begeisterung dauerte sieben bis acht Monate. Entscheidend waren die frühe Einbindung der Mitarbeitenden, transparente Kommunikation zu Datenschutz und DSGVO sowie ein zweiwöchiger Release-Zyklus, der kontinuierlich neues Feedback einarbeitete. „Das war der Punkt, wo es gekippt ist und die Mitarbeitenden unfassbar viel Spaß und Freude hatten, unseren LAUDA GPT zu nutzen", beschreibt Florian den Wendepunkt.

Machine Learning: Predictive Maintenance, Copilot und Darktrace

Neben generativer KI setzt LAUDA gezielt Machine Learning ein. Das Predictive-Maintenance-Projekt in Zusammenarbeit mit der Hochschule Aalen zielt darauf ab, Temperiergeräte durch Vibrations- und Viskositätssensoren intelligenter zu machen. Neuronale Netze erkennen Anomalien und prognostizieren Verschleiß — ein Projekt, das die Langlebigkeit der Produkte weiter steigern soll.

In der Softwareentwicklung setzt LAUDA den GitHub Copilot ein, den Florian als den performantesten Code-Assistenten am Markt einschätzt. Besonders wertvoll: Die Möglichkeit, verschiedene KI-Modelle je nach Programmiersprache zu hinterlegen — ein anderes Modell für Embedded Software als für .NET-Implementierungen. Alle Softwareprojekte, auch die von Tochterunternehmen, wurden innerhalb eines halben Jahres auf GitHub konsolidiert.

Der dritte Use Case ist Darktrace für E-Mail-Security. Die Software nutzt NLP-Technologie und bewertet E-Mails wie ein Mensch über ein Scoring-System: Domain-Alter, Echtheitszertifizierung, KI-generierter Text, Kommunikationshistorie mit dem Absender. Das Ergebnis: „Wir sparen uns dadurch 15.000 Stunden im Jahr an manueller E-Mail-Verwaltung. Und die Software läuft ohne Betriebsaufwand." Seit der Einführung gab es keinen einzigen Phishing-Vorfall mehr.

Nutzungszahlen und der Blick nach vorne

Die Zahlen sprechen für sich: Von 630 Mitarbeitenden sind 400 als Nutzer registriert, 76 Prozent davon prompten täglich. Bereits in der ersten Woche nach Einführung wurden 2.000 Prompts abgesetzt, mittlerweile sind es über 70.000 insgesamt bei 350 bis 450 Prompts pro Tag. Eine detaillierte Kosten-Nutzen-Analyse ergab: 1.000 Stunden monatliche Einsparung durch die LAUDA GPT-Plattform (12.000 Stunden bzw. 7,5 FTE jährlich), 25.000 Euro eingesparte Agentur- und DeepL-Kosten, weitere 450 Stunden monatlich durch spezialisierte Apps und 5 bis 10 FTE durch Machine-Learning-Lösungen.

Für 2025 plant LAUDA einen neuen Data Vault, der On-Premises-Data-Lakes und Azure Cloud verbindet und die Grundlage für RAG-basierte Anwendungen schafft. Geplant sind außerdem Advanced Voice Agentensysteme für Kundenservice, Vertrieb und Empfang sowie die Integration autonomer Agenten — etwa die juristische KI Noxtua für Vertragsprüfung und Rechtsempfehlungen.

Von der Automatisierung bis hin zur strategischen Entscheidungsfindung — es ist ein sehr spannender Weg, der sowohl unsere internen Prozesse als auch das gesamte Kundenerlebnis auf das nächste Level heben wird.

Kernaussagen

KI als Unternehmensthema — KI ist kein reines IT-Thema. Sie betrifft das gesamte Unternehmen und verändert Geschäftsprozesse, Entscheidungswege oder sogar Geschäftsmodelle. Geschäftsprozesse, Entscheidungswege, Geschäftsmodelle
Massive Einsparungen durch E-Mail-Security — 15.000 Stunden im Jahr an manueller E-Mail-Verwaltung eingespart. Und die Software läuft ohne Betriebsaufwand. Darktrace, Phishing-Prävention
Strategische Vision — Von der Automatisierung bis hin zur strategischen Entscheidungsfindung — ein Weg, der interne Prozesse und das gesamte Kundenerlebnis auf das nächste Level hebt. Automatisierung, Kundenerlebnis
Plattformoffenheit statt Vendor-Lock-in — LAUDA wollte sich nicht wieder die nächste Abhängigkeit eines Big-Tech-Unternehmens begeben. Multimodale Plattform, Unabhängigkeit
Kultureller Wendepunkt — Der Punkt, an dem es kippte und die Mitarbeitenden unfassbar viel Spaß und Freude hatten, den LAUDA GPT zu nutzen. Adoption, Change Management

Fazit und Takeaways

Für IT-Verantwortliche im Mittelstand

Multimodale Plattform statt Vendor-Lock-in: Wer sich auf einen einzigen KI-Anbieter festlegt, verliert Flexibilität und Verhandlungsmacht. Eine offene Plattform, die tagesaktuell verschiedene Modelle integriert, verhindert Schatten-KI und hält mit dem Markt Schritt.
Partnerschaften statt Eigenentwicklung: Ohne spezialisierte Entwickler ist die Zusammenarbeit mit Startups oder Dienstleistern der schnellere Weg. LAUDA brauchte drei Monate mit Select Code statt Jahre interner Entwicklung.
Fertige Lösungen evaluieren: Für E-Mail-Security, Code-Assistenz und viele weitere Bereiche gibt es ausgereifte KI-Produkte. Die Kunst liegt in der Auswahl und Integration, nicht in der Neuentwicklung.
Kosten-Nutzen-Analyse aufsetzen: LAUDAs Zahl von 1,62 Millionen Euro jährlicher Einsparung entstand durch eine systematische Analyse. Solche Zahlen sind die beste Argumentation gegenüber der Geschäftsführung.

Für Führungskräfte und Strategieverantwortliche

KI in die Unternehmensstrategie integrieren: KI ist kein IT-Projekt, sondern ein strategischer Hebel, der Geschäftsprozesse, Produkte und Kundenbeziehungen transformiert.
Top-Down und Bottom-Up kombinieren: Die Vision kommt vom Management, die Use Cases aus den Fachbereichen. Key-User-Workshops und KI-Botschafter-Programme schaffen Akzeptanz und generieren praxisnahe Anwendungsfälle.
Kulturwandel braucht Zeit und Transparenz: Bei LAUDA dauerte es sieben bis acht Monate von der Skepsis zum Hype. Entscheidend waren Schulungen, DSGVO-Transparenz und ein schneller Release-Zyklus, der Feedback sichtbar in neue Features umsetzte.
Schatten-KI ernst nehmen: Wenn die interne Lösung nicht mindestens so gut ist wie ChatGPT, nutzen Mitarbeitende private Accounts — und Firmendaten landen in externen Systemen.

Für den Einstieg

Klein starten, schnell iterieren: LAUDA begann mit einem dreistündigen Piloten auf Basis von GPT-3.5. Der Erfolg kam durch zweiwöchige Feature-Releases und kontinuierliches Nutzer-Feedback.
Messbare Ziele setzen: Drei Machine-Learning-Use-Cases in drei Jahren war das Ziel — nach sechs Monaten waren alle umgesetzt. Konkrete, ambitionierte Ziele treiben die Organisation.

LAUDAs Geschichte zeigt: KI-Adoption im Mittelstand ist keine Frage des Budgets oder der Unternehmensgröße, sondern der strategischen Klarheit, der richtigen Partnerschaften und des Muts, Mitarbeitende von Anfang an einzubinden. Wer diese drei Faktoren zusammenbringt, kann in überschaubarer Zeit messbare Ergebnisse erzielen.