#65AI Governance bei Payback: Wie Legal und Data gemeinsam den Weg für KI freimachen
Intro
In dieser Episode des AI FIRST Podcast spricht Felix mit Franziska Kripp, Group Enablement Lead, und Norbert Wirth, Global VP Data bei 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 – und warum solide AI Governance die Voraussetzung für erfolgreiche Skalierung ist. Die beiden Gäste gewähren tiefe Einblicke in Build-vs-Buy-Entscheidungen, Enablement im Unternehmen und die Vision von Agentic Commerce.
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
- 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
- Ausblick 2026 – AI im Real-World-Modus und was Payback im Köcher hat
Über die Gäste
Franziska Kripp ist Group 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 Zusammenfassung
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 Datenbasis ist das Fundament für alle KI-Anwendungen bei Payback. Das Unternehmen verarbeitet täglich Millionen von Transaktionen und nutzt diese Informationen, um personalisierte Angebote zu erstellen, Partner-Kampagnen zu steuern und das Nutzererlebnis kontinuierlich zu verbessern.
Viele denken, die Punkte sind essentiell. Ich sage immer ganz schnippisch: Eigentlich sind es die Daten. Ohne Daten funktionieren wir einfach nicht.
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 (Retrieval-Augmented Generation) machte KI für Unternehmen wie Payback erst richtig spannend. Die Transformer-Architektur ermöglichte es, komplexe Muster in den Daten zu erkennen und natürlichsprachliche Interaktionen auf einem völlig neuen Level zu realisieren.
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)
Die frühzeitige Einbindung des Legal-Teams erwies sich als strategischer Vorteil. Anstatt KI-Projekte nachträglich durch Compliance-Hürden zu bremsen, wurde gemeinsam ein Rahmenwerk entwickelt, das Innovation ermöglicht und gleichzeitig rechtliche Risiken minimiert.
Build vs. Buy: Die richtige Entscheidung treffen
Payback verfolgt eine klare Strategie: "Alles was Commodity ist, kaufen wir ein. Alles was zentral ist für unsere Wertschöpfungskette, da neigen wir dazu, selber zu bauen." 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. Diese Erfahrung führte zu einer differenzierteren Betrachtung: Standard-Tools für Standardprozesse, eigene Entwicklungen für strategische Kernbereiche.
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 Enablement-Programm setzt bewusst auf niedrigschwellige Formate, um Berührungsängste abzubauen. Gleichzeitig wird darauf geachtet, dass die Begeisterung in strukturierte Projekte mündet. Die Use-Case-Datenbank dient dabei als zentrales Repository, in dem erfolgreiche Implementierungen dokumentiert und für andere Teams zugänglich gemacht 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:
- Efficiency – Macht uns der Case effizienter?
- Mehrwert – Generiert er zusätzlichen Geschäftswert?
- Qualität – Verbessert er die Qualität unserer Arbeit?
- Strategic – Ist er für unsere strategische Positionierung unverzichtbar?
Diese Matrix hilft dabei, Ressourcen auf die wirkungsvollsten Projekte zu fokussieren und gleichzeitig sicherzustellen, dass sowohl Quick Wins als auch strategische Langfristprojekte verfolgt werden.
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. Dieser iterative Ansatz minimiert Risiken und schafft gleichzeitig einen klaren Pfad zur Skalierung.
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. Wenn KI-Agenten im Namen von Nutzern Einkäufe tätigen oder Angebote vergleichen, müssen Schnittstellen und Datenstrukturen so gestaltet sein, dass maschinelle Interaktionen reibungslos funktionieren.
Du kannst sowas nicht mehr rein User-orientiert bauen, du musst es auch Agenten-orientiert bauen. Die Agent Experience muss stimmen.
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. Die nächsten Monate werden zeigen, wie sich die Vision von Agentic Commerce in konkrete Produktfeatures übersetzt.
Kernaussagen
- Daten als Kernwert — "Viele denken, die Punkte sind essentiell. Ich sage immer ganz schnippisch: Eigentlich sind es die Daten. Ohne Daten funktionieren wir einfach nicht." Datengetriebenes Geschäftsmodell, Loyalty-Programm
- Der Transformer-Wendepunkt — "Das Paper 'Attention is all you need' war für uns ein Paukenschlag – ein Erdbeben, das uns buchstäblich wachgerüttelt hat." Transformer-Architektur, GenAI-Startschuss
- Agent Experience als Imperativ — "Du kannst sowas nicht mehr rein User-orientiert bauen, du musst es auch Agenten-orientiert bauen. Die Agent Experience muss stimmen." Agentic Commerce, AX-Optimierung
- Build vs. Buy Strategie — "Alles was Commodity ist, kaufen wir ein. Alles was zentral ist für unsere Wertschöpfungskette, da neigen wir dazu, selber zu bauen." Kernwertschöpfung, strategische Differenzierung
Fazit und Takeaways
Für Unternehmen mit KI-Ambitionen
- 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
- Risikokategorisierung etablieren: Consumer-facing Applications erfordern höchste Governance-Standards
Für Enablement und Change Management
- 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
- Use-Case-Datenbank aufbauen: Erfolgreiche Implementierungen dokumentieren und teilen
- Brownbag-Sessions nutzen: Niedrigschwellige Formate schaffen Zugänge und bauen Berührungsängste ab
Für E-Commerce und Plattformen
- Agent Experience wird zum Imperativ: Wer im E-Commerce relevant bleiben will, muss auch für KI-Agenten optimieren
- Multipartner-Ökosysteme vorbereiten: Schnittstellen müssen agentenfreundlich gestaltet werden
- Human-in-the-Loop als Übergangsphase: Agenten zunächst assistierend einsetzen, dann schrittweise mehr Autonomie geben
Diese Episode zeigt eindrucksvoll, wie ein datengetriebenes Unternehmen den Weg von frühen ML-Experimenten zu einer skalierbaren KI-Strategie meistert. Der bewusste Fokus auf Governance, strukturiertes Enablement und die frühzeitige Auseinandersetzung mit Agentic Commerce macht Payback zu einem Vorreiter in der praktischen KI-Implementierung im deutschen Markt.
