AI for the rest of us: Wie KI endlich für alle zugänglich wird

Intro

Während sich die KI-Debatte fast ausschließlich um Developer, Marketer und Wissensarbeiter dreht, wird eine riesige Gruppe systematisch übersehen: Krankenschwestern, Lageristen, Verkäufer, Dachdecker – die 80% der Arbeitskräfte ohne Firmen-PC. Martin Böhringer, Gründer und CEO von Staffbase, einem der wenigen deutschen Tech-Unicorns, zeigt, wie KI endlich auch für diese Menschen funktioniert. Von Chemnitz aus entwickelt sein Team KI-Lösungen, die nicht ersetzen, sondern befähigen – für jene Millionen von Frontline-Mitarbeitern, die ChatGPT nie nutzen werden. Eine Vision, bei der am Ende nicht die Technologie die größte Herausforderung ist, sondern das Menschliche zu bewahren.

Inhaltsübersicht

Staffbase: Von Chemnitz zum globalen Marktführer für Employee Experience Platforms mit über 1.000 Kunden weltweit
Die vergessenen 80%: Warum Non-Desk-Worker andere KI-Lösungen brauchen und der ROI dort größer ist
Replacement vs. Augmentation: Der fundamentale Unterschied zwischen Wissensarbeit und Frontline-Arbeit
Conversational AI als Game-Changer: Der KI-Assistent in der Hosentasche für Fragen im Arbeitsalltag
Personalisierte KI-Podcasts in der Muttersprache jedes Mitarbeiters – Content für unterwegs
Warum Standard-Tools wie Copilot für Non-Desk-Worker scheitern: Benutzbarkeit, Adoption und Kontrolle
Das Kontrolldilemma: Unternehmenssprache, CEO-O-Töne und die Angst vor KI-Verwässerung
Datenqualität als strategischer Burggraben: Kuratiertes Unternehmenswissen als Right-to-Play
Staffbase' interne KI-Transformation: Von 3-4x Effizienz zur Prozess-Neuerfindung ohne Legacy
Kontextdokumente als Skalierungshebel: Wie Subject Matter Experts sich selbst skalieren
Die größte Herausforderung in drei Jahren: Mitarbeiter gut informiert, aber einsam – das Menschliche bewahren

Über den Gast

Martin Böhringer ist Gründer und CEO von Staffbase, einem der wenigen deutschen Tech-Unicorns mit Hauptsitz in Chemnitz. Nach seinem Studium der Wirtschaftsinformatik gründete er vor elf Jahren Staffbase, das sich vom sechsköpfigen Hinterzimmer-Team zum globalen Marktführer für Employee Experience Platforms entwickelt hat – mit über 1.000 Kunden weltweit, von Sydney bis New York.

Staffbase hat die Kategorie "Employee Experience Platform" nicht nur geprägt, sondern auch die Technologie dahinter entwickelt. Die Mission: Das klassische Intranet – bisher nur für Menschen mit Firmenrechner verfügbar – auf das private Smartphone von Non-Desk-Workern bringen. Martin treibt die KI-Transformation sowohl im Produkt als auch intern voran und setzt auf einen pragmatischen, menschenzentrierten Ansatz: Augmentation statt Replacement. Sein Fokus liegt auf jenen 80% der Arbeitskräfte, die keinen Schreibtisch haben: Krankenschwestern, Lageristen, Busfahrer, Einzelhandelsmitarbeiter.

Detaillierte Zusammenfassung

Die vergessenen 80%: Non-Desk-Worker als unterschätzter Markt

Martin beginnt mit einer fundamentalen Beobachtung: Die aktuelle KI-Diskussion konzentriert sich fast ausschließlich auf die 20% der Mitarbeiter am Schreibtisch – Developer, Marketer, Sales, Wissensarbeiter. Doch 80% der Arbeitskräfte weltweit sind Frontline-Worker: Krankenschwestern, Lageristen, Kassierer, Dachdecker, Menschen am Fließband, Postboten, Busfahrer.

Das Potenzial ist enorm: "Wenn wir die 80% Frontline-Mitarbeiter nur 5% effizienter machen, ist der ROI gigantisch – größer als 10% bei den 20% Wissensarbeitern." Doch diese Zielgruppe wird systematisch übersehen, weil sie keinen Firmenrechner und oft nicht mal eine E-Mail-Adresse haben. Sie können ChatGPT oder Copilot nicht einfach nutzen – nicht aus technischen Gründen, sondern weil die Tools nicht für ihre Arbeitsrealität gebaut sind.

Staffbase: Von der Mitarbeiter-App zur KI-Platform

Staffbase startete vor elf Jahren mit der Mission, das klassische Intranet – nur für Menschen mit Firmenrechner verfügbar – auf das private Smartphone von Non-Desk-Workern zu bringen. Was als Mitarbeiter-App für Unternehmensnews, Policies und Prozesszugang begann, ist heute eine umfassende Employee Experience Platform mit über 1.000 Kunden weltweit.

Mit KI wird daraus jetzt ein völlig neues Kapitel. Martins Vision: Jeder Mitarbeiter hat einen KI-Assistenten in der Hosentasche, der sofort auf Fragen antwortet – wie ein erfahrener Kollege, der immer zur Verfügung steht. Die Herausforderung: Diesen Zugang zu bieten, auf das private Handy zu kommen und eine Relevanz zu erarbeiten, dass Menschen die App überhaupt runterladen und nutzen wollen.

Replacement vs. Augmentation: Der entscheidende Unterschied

Martin macht eine wichtige Unterscheidung zwischen zwei Arten, wie KI Value generiert: Replacement und Augmentation. Bei Knowledge-Arbeit (Coding, Marketing, Sales, Customer Support) führt KI mittelfristig zu Replacement. "Wir gehen gerade durch eine Augmentation-Phase, aber am Ende werde ich statt zehn Leuten, die heute Content Marketing machen, noch einen Menschen haben, der den AI-Agenten bei der Arbeit zuschaut und steuert."

Bei Non-Desk-Arbeit ist das fundamental anders: "Es ist aktuell noch nicht klar, wie ein AI-Agent ein Dach decken soll." Natürlich könnte man argumentieren, dass irgendwann Roboter kommen, die physische Arbeit übernehmen – aber davon sind wir noch weit entfernt. Bei Frontline-Arbeit geht es also nicht um Replacement, sondern um Augmentation: Die KI unterstützt den Menschen bei Entscheidungen, beantwortet Fragen, gibt Zugang zu Wissen – aber ersetzt nicht die physische Arbeit oder die menschliche Interaktion mit Kunden.

Das macht Non-Desk-Arbeit zu einem besonders nachhaltigen und ethisch klaren KI-Anwendungsfeld.

Conversational AI: Der KI-Assistent in der Hosentasche

Der Kern-Use-Case ist simpel, aber wirkungsvoll: Ein Mitarbeiter hat während der Arbeit ein Problem und braucht eine Information. Beispiele aus der Praxis, die Martin nennt:

Postbote: "Der Brief ist hier zur Hälfte aufgerissen – stecke ich den jetzt noch rein oder geht er zurück zu Base?"
Krankenschwester: "Ich habe gerade einen Patienten, der ist vegan und laktoseintolerant. Haben wir für den was in der Kantine?"
Busfahrer: "Hier blinkt was am Armaturenbrett – was bedeutet das?"
Verkäufer: "Diese neuen Sportschuhe – was sind die Besonderheiten, die ich dem Kunden sagen soll?"

Die KI hat Zugriff auf kuratiertes Unternehmenswissen – Bedienungsanleitungen, Policies, FAQs, Prozesse, Produktinformationen – und kann in natürlicher Sprache antworten. Die kleine Nutzerhürde des Pre-AI-Zeitalters – App öffnen, suchen, Artikel finden, durchlesen – wird eliminiert. Stattdessen: Frage stellen, Antwort bekommen, sofort weitermachen.

Es ist aktuell noch nicht klar, wie ein AI-Agent ein Dach decken soll.

Der nächste Schritt: Nicht nur Information, sondern auch Aktion. Die KI legt das Ticket im ServiceNow an, startet den Wartungsprozess, dokumentiert das Problem – ohne dass der Mitarbeiter sich durch komplizierte User-Interfaces klicken muss.

Personalisierte KI-Podcasts: Content für unterwegs

Ein besonders innovatives Feature, das Martin demonstriert, sind KI-generierte, personalisierte Podcasts. Das Problem: Frontline-Mitarbeiter haben keine Zeit, täglich 10-20 Minuten Artikel im Intranet zu lesen. Sie sind unterwegs, am Fließband, auf der Station – Voice-Content funktioniert besser, auf dem Weg zur Arbeit, in der Mittagspause.

Staffbase nutzt KI, um automatisch Podcasts zu generieren, die:

Personalisiert sind – basierend auf Rolle, Interessen, bisherigem Verhalten, ähnlichen Mitarbeitern
In der Sprache des Mitarbeiters ausgespielt werden – egal ob Deutsch, Englisch, Türkisch, Polnisch
Hochrelevante Zusammenfassungen bieten – 2-3 Minuten statt 20 Minuten Lesezeit
Trotzdem unternehmensseitige Kontrolle ermöglichen – Tonalität, Fokus, Priorisierung

Die Reaktionen sind begeistert: "Leute, die es hören, fühlen sich connected mit dem, was im Unternehmen passiert. Sie fühlen sich wertgeschätzt. Der Podcast wird in deiner Sprache ausgespielt." Mitarbeiter sind so gut informiert wie nie – ohne zusätzlichen Zeitaufwand.

Viele Kunden hatten Pre-AI-Podcasts bereits probiert, scheiterten aber an hohen Produktionskosten und fehlender Personalisierung. Mit KI ist beides gelöst.

Warum Copilot und Standard-Tools für Non-Desk-Worker scheitern

Martin erklärt, warum Standard-Enterprise-KI-Tools wie Microsoft Copilot für diese Zielgruppe nicht funktionieren:

1. Benutzbarkeit: Copilot ist für Knowledge Worker optimiert – viele Skills, viele Daten, viele Tools (Excel, Word, Outlook, Teams). Der Spagat zu einfacher Benutzbarkeit für Non-Desk-Worker, die diese Tools nicht nutzen, gelingt nicht. "Das ist praktisch ein Ferrari, der dir aber gar nichts bringt, weil du eigentlich nur in der Tiefgarage unterwegs bist."

2. Adoption: Ohne echten Mehrwert laden sich Mitarbeiter keine weitere App runter – schon gar nicht auf ihr privates Handy. Die Mitarbeiter-App muss auch nicht-KI-Mehrwerte bieten, um überhaupt Adoption zu erreichen: lokale News (Heinz hat sein 30-jähriges Betriebsjubiläum), Speiseplan in der Kantine, Social Wall, Fotos vom Firmenevent. Erst wenn die App einen Platz im Alltag hat, kann KI draufgesattelt werden.

3. Kontrolle: HR- und Kommunikationsabteilungen haben massive Bedenken vor unkontrollierter KI. Was, wenn der CEO-Name falsch ausgesprochen wird? Was, wenn die KI den langen CEO-Artikel zusammenfasst und sich auf das Unwesentliche konzentriert statt auf die Kernbotschaft? Was, wenn die Unternehmenssprache verloren geht? Enterprise braucht Kontrolle über Tonalität, Narrativ, Fokus.

Das Kontrolldilemma: Unternehmenssprache vs. KI-Effizienz

Ein zentrales Thema, das Martin immer wieder betont: Enterprise-Kunden brauchen Kontrolle. Die Menschen, mit denen Staffbase arbeitet – HR, Corporate Communications – haben eine klare Mission: Die richtigen Botschaften zur richtigen Zeit in der richtigen Tonalität an die Mitarbeiter bringen.

Die Ängste sind konkret:

Ton und Sprache: Darf die KI Witze machen? Wie förmlich ist sie? Passt das zur Unternehmenskultur?
CEO-O-Töne: Der CEO hat eine wichtige Botschaft zu Strategie, Werten, Veränderung. Die KI fasst den Artikel zusammen – "Wovor alle riesige Angst haben: dass am Ende alle nur noch mit der KI reden und meine Botschaft oder der O-Ton von meinem CEO komplett verwässert wird."
Falsche Aussprache: Bei Voice-Interfaces ein echtes Problem – Namen, Firmennamen, Produktnamen.
Falscher Fokus: Die KI fasst einen langen Artikel zusammen, konzentriert sich aber auf Nebensächlichkeiten statt auf die Kernaussage, die HR/Comms rüberbringen wollten.

Staffbase bietet deshalb granulare Kontrolle: Unternehmen können festlegen, welche Inhalte wie zusammengefasst werden, welchen Ton die KI nutzt, welche Themen priorisiert werden, welche O-Töne unverändert bleiben. "Aus Unternehmenssicht habe ich trotzdem das Gefühl, dass ich Kontrolle darüber habe, was die KI mit meinen Inhalten macht."

Das ist der Balanceakt: KI-Effizienz und Personalisierung, aber in einer kontrollierten Umgebung.

Datenqualität als strategischer Burggraben

Staffbase' Right-to-Play basiert auf kuratiertem Unternehmenswissen. Im Intranet liegt ein redaktionell gepflegtes Subset des gesamten Unternehmenswissens – genau jene Informationen, die Mitarbeiter für ihren Job brauchen.

"Das ist der zentrale Grund, warum wir glauben, dass wir einen Right-to-Play haben als Intranet-Anbieter." Dieses Wissen ist:

Strukturiert und gut organisiert – von menschlichen Editoren kuratiert
Überschaubar im Umfang – nur ein Subset, nicht das komplette SharePoint-Chaos
Bereits auf Mitarbeiter-Relevanz optimiert – jemand hat sich Gedanken gemacht, was Mitarbeiter wirklich brauchen

Das macht es zur idealen Datenbasis für KI. Externe KI-Anbieter können vielleicht ein besseres Interface bauen – aber ohne Zugang zu diesen kuratierten Daten bleibt der Mehrwert begrenzt. Sie sprechen vielleicht eine API an, haben aber keine Kontrolle über Datenqualität, Struktur, Aktualität.

Martin räumt ein: Auch im Intranet-Umfeld gibt es Datenstruktur-Herausforderungen. Aber im Kern ist das Subset viel handhabbarer als das gesamte Unternehmenswissen – und damit der strategische Burggraben.

Staffbase' interne KI-Transformation: Von Augmentation zur Prozess-Neuerfindung

Martin beschreibt offen die interne Journey: Staffbase nutzt heute KI in vielen Bereichen mit 3-4x Effizienzsteigerung durch Augmentation – ein Mensch schafft mit KI so viel wie drei bis vier Menschen vorher. Bereiche wie Kundensupport, Content Marketing, Engineering profitieren massiv.

Der Ansatz: Nicht einfach Gemini-Lizenzen für alle verteilen. Das bringt vielleicht 3-5%, aber nicht die fundamentale Transformation. Die entscheidende Frage ist: "Wie würde dieser Prozess aussehen, wenn wir heute neu gründen würden – ohne Legacy-Systeme, ohne Pre-AI-Buchhaltung, ohne Pre-AI-CRM?"

Dezentrale Neuerfindung: Teams sitzen selbst zusammen, überlegen, wie sie mit KI arbeiten würden, und erfinden ihre Prozesse neu. Management stellt Tools bereit (Gemini, GPT) und schafft Motivation – aber die Prozessmodellierung passiert nicht zentral durch Berater, sondern dezentral durch die Teams selbst.

Die Hero-Story: Martin erklärt die interne Kommunikation so: "Du wirst nicht durch KI ersetzt, sondern durch Menschen, die KI nutzen. Wenn du heute Weltklasse sein willst – im Marketing, im Sales, in der Entwicklung – geht das nur über KI." Staffbase sitzt in Chemnitz, konkurriert mit dem Silicon Valley. Top of the League sein geht nur, wenn das Team die besten Leute hat – und die Besten werden, indem sie KI nutzen.

Ein großer Vorteil: Staffbase wächst deutlich. Die Effizienzen zeigen sich nicht durch Entlassungen, sondern durch Wachstum ohne proportionale Headcount-Erhöhung.

Kontextdokumente als Skalierungshebel: Subject Matter Experts skalieren sich selbst

Ein faszinierender Trend, den Martin beobachtet: Kontextdokumente tauchen überall auf. Normalerweise wird Wissen implizit weitergegeben – wie bin ich freundlich zu einem Kunden, wie führe ich ein Kundengespräch, wie priorisiere ich in diesem Prozess. "Ganz viele Sachen sind eigentlich implizit, was ich mir abgucke von meinen Kollegen."

Jetzt schreiben Subject Matter Experts – die Menschen, die ein bestimmtes Thema am besten können im Unternehmen – dieses implizite Wissen in Kontextdokumente für die KI. Die KI kann dann anderen Mitarbeitern helfen, genauso gut zu sein wie der Experte.

"Diese Manager skalieren sich selber." Der Experte schreibt einmal auf, wie der Prozess optimal läuft, welche Nuancen wichtig sind, welche Fehler zu vermeiden sind. Die KI trainiert neue Mitarbeiter auf dieses Niveau – ohne dass der Experte jedes Mal persönlich schulen muss.

Das ist eine neue Form der Wissensteilung, die Pre-AI nicht möglich war. "Das begeistert mich komplett, weil du am Ende diese Skalierung hinbekommst, viel besser, als wir es jemals vorher in der Lage waren."

Die Herausforderung in drei Jahren: Das Menschliche bewahren

Martin spult drei Jahre nach vorne: Permanenter Dialog mit einem persönlichen Chief of Staff. Jeder Mitarbeiter kann jederzeit fragen. Neue Produktreihen werden als 30-Sekunden-Info im morgendlichen Podcast ausgespielt. Sicherheitsschulungen laufen über den Agenten. Der Assistent hat Zugriff auf alle Q&As, alle Prozesse, alle Policies.

"Der Mitarbeiter kann vieles von seinem Hirn auslagern, so wie das viele Wissensarbeiter heute auch schon machen, und hat dadurch Zugang auf viel mehr Informationen, kann viel bessere Entscheidungen treffen."

Aber – Martin endet mit einem überraschenden, fast melancholischen Thema: "Ich glaube, die zentrale Herausforderung, wenn wir uns in zwei oder drei Jahren wieder treffen, ist: Wie bewahre ich denn das Menschliche überhaupt?"

Ein Unternehmen ist nicht nur eine Gruppe, die ein Produkt herstellt. Es ist eine Gruppe von Menschen, die an etwas Gemeinsames glauben, die etwas Gemeinsames machen. Wenn aber am Ende jeder nur noch mit der KI spricht, gibt es dieses "Wir" gar nicht mehr. "Ich habe gar keinen Grund, noch einen Kollegen zu fragen, weil die KI alles besser weiß."

Mitarbeiter werden so gut informiert sein wie noch nie, aber so einsam sein wie noch nie.

Die Vision ist klar: Die nächste große Herausforderung wird sein: Wie integrieren wir authentisch-menschliche Momente in die KI-Interaktion? Nicht fake-menschlich, sondern echt-menschlich: "Hey, dein Kollege Felix hat das und das gemacht, willst du ihm Kudos geben?"

Die technische Transformation ist lösbar. Die soziale Komponente – das Gefühl von Zugehörigkeit, von Team, von menschlicher Verbindung – wird die eigentliche Herausforderung.

Kernaussagen

KI ersetzt nicht – Menschen, die KI nutzen, ersetzen — "Du wirst nicht durch KI ersetzt, sondern durch Menschen, die KI nutzen. Wenn du heute Weltklasse sein willst – im Marketing, im Sales, in der Entwicklung – geht das nur über KI." Augmentation, Weltklasse, KI-Kompetenz
Non-Desk-Arbeit bleibt menschlich — "Es ist aktuell noch nicht klar, wie ein AI-Agent ein Dach decken soll. Bei Non-Desk-Arbeit geht es nicht um Replacement, sondern um Augmentation – und das ist der entscheidende Unterschied." Frontline-Worker, Replacement vs. Augmentation
Der ROI der vergessenen 80% — "Wenn wir die 80% Frontline-Mitarbeiter nur 5% effizienter machen, ist der ROI gigantisch – größer als 10% bei den 20% Wissensarbeitern." ROI, Effizienz, Non-Desk-Worker
Prozess-Neuerfindung statt Tool-Rollout — "Das Hauptproblem, um Effizienzen zu heben, ist nicht, dass jeder jetzt eine Gemini-Lizenz kriegt. Sondern die Frage: Wie würde dieser Prozess aussehen, wenn wir heute neu gründen würden – ohne Legacy-Systeme?" Transformation, Legacy, Neuerfindung
Die Angst vor Kontrollverlust — "Wovor alle riesige Angst haben: dass am Ende alle nur noch mit der KI reden und meine Botschaft oder der O-Ton von meinem CEO komplett verwässert wird." Enterprise-Kontrolle, Tonalität, CEO-Kommunikation
Das Menschliche bewahren — "Die zentrale Herausforderung in drei Jahren: Mitarbeiter werden so gut informiert sein wie noch nie, aber so einsam sein wie noch nie. Wir müssen das Menschliche bewahren." Zugehörigkeit, Einsamkeit, menschliche Verbindung
Einfachheit schlägt technische Tiefe — "Die technische Tiefe dieser Features ist gar nicht weltbewegend. Das Entscheidende ist, die Technik so einfach zu verpacken, dass du sie tatsächlich zu diesen Mitarbeitern hinbekommst." Usability, Adoption, Frontline
Subject Matter Experts skalieren sich selbst — "Diese Manager schreiben jetzt Kontextdokumente für die KI – und skalieren sich damit selbst. Die KI trainiert andere Mitarbeiter auf ihr Niveau." Kontextdokumente, Wissenstransfer, Skalierung

Fazit und Takeaways

Für Unternehmen mit Frontline-Mitarbeitern

Die 80% Non-Desk-Worker sind die größte ungenutzte Effizienz-Chance – 5% Effizienzgewinn bei 80% der Belegschaft schlägt 10% bei 20% Wissensarbeitern
Standard-KI-Tools (Copilot, ChatGPT) funktionieren für diese Zielgruppe nicht – nicht aus technischen, sondern aus Usability-, Adoption- und Kontroll-Gründen
Erfolg erfordert: Einfachheit in der Bedienung, klarer Mehrwert für Adoption (nicht nur KI, auch News, Speiseplan, Social Wall), Kontrolle über Tonalität und Narrative
Voice-Formate und personalisierte Inhalte sind Schlüssel zur Adoption – Frontline-Mitarbeiter haben keine Zeit zum Lesen, aber hören unterwegs
Der ROI liegt nicht in Features, sondern in tatsächlicher Nutzung – die beste KI bringt nichts, wenn sie auf privaten Handys nicht runtergeladen wird

Für Software-Unternehmen in der KI-Transformation

Der strategische Burggraben liegt in kuratierten, qualitativ hochwertigen Daten – nicht in der KI-Technologie selbst, sondern im Zugang zu sauberem, strukturiertem Unternehmenswissen
Augmentation schlägt Replacement im Enterprise-Kontext – 3-4x Effizienz ist realistisch, wenn Menschen mit KI arbeiten statt ersetzt werden
Echte Effizienz entsteht durch Prozess-Neuerfindung, nicht durch Tool-Rollout – die Frage "Wie würden wir das heute neu aufbauen?" ist entscheidend
Die größte Herausforderung ist nicht Technologie, sondern Change Management – dezentrale Teams müssen Prozesse selbst neu erfinden, Management stellt Tools und Motivation bereit
Fehler über der Wasserlinie erlauben, unter der Wasserlinie vermeiden – schnell experimentieren in kontrollierten Umfeldern, keine KI-Risiken bei kritischer Infrastruktur
Kontextdokumente als Skalierungshebel nutzen – Subject Matter Experts schreiben ihr Wissen auf, KI trainiert andere auf ihr Niveau

Für die Zukunft der Arbeit

KI wird Arbeit nicht nur effizienter, sondern auch einsamer machen – wenn jeder nur noch mit der KI spricht, verschwindet das "Wir" im Unternehmen
Die nächste große Herausforderung: Menschliche Verbindung trotz KI-Vermittlung bewahren – nicht fake-menschlich, sondern echt-menschliche Momente integrieren
Unternehmen müssen aktiv Design-Entscheidungen treffen, um Zugehörigkeit zu erhalten – KI kann informieren und befähigen, darf aber nicht isolieren
Die technische Revolution ist lösbar – die soziale Komponente wird entscheidend – gut informierte, aber einsame Mitarbeiter sind kein Erfolgsmodell

#69AI for the rest of us: Wie KI endlich für alle zugänglich wird