AI im Traditionsunternehmen: Wie Hochland Künstliche Intelligenz wertstiftend einsetzt

Intro

In dieser Folge des AI FIRST Podcast spricht Felix Schlenther mit Albert Heim, Director Digital Business & AI bei Hochland, über die bemerkenswerte KI-Reise eines traditionsreichen Familienunternehmens. Albert gibt tiefe Einblicke, wie Hochland bereits seit 2020 – also lange vor dem ChatGPT-Hype – künstliche Intelligenz strategisch implementiert hat. Von der Vorhersage von Produktionsproblemen über die Optimierung von Logistikprozessen bis hin zum unternehmensinternen "Hochland GPT": Das Gespräch zeigt eindrucksvoll, dass auch mittelständische Traditionsunternehmen KI erfolgreich einsetzen können, wenn sie pragmatisch vorgehen und den messbaren Geschäftswert konsequent in den Mittelpunkt stellen.

Inhaltsübersicht

Hochlands strategische Entscheidung für KI bereits 2020 im Rahmen der Vision 2025
Der pragmatische Start mit externer Expertise und schrittweiser Aufbau interner Kompetenzen
Konkrete Use Cases: Von Pumpvorhersagen in der Schmelzkäseproduktion bis zur Stromlastoptimierung
Die zentrale Rolle der Geschäftswertmessung bei jedem KI-Projekt
Technische Umsetzung mit Azure OpenAI Services und das interne "Hochland GPT"
Das Konzept der KI-Botschafter zur Verbreitung von KI-Wissen im Unternehmen
Learnings aus vier Jahren KI-Implementierung: Datenqualität, schrittweises Vorgehen und realistische Erwartungen
Die Bedeutung von niedrigschwelligen KI-Tools für die Mitarbeiterakzeptanz
Zukunftsausblick: KI wird alle Bereiche verändern, aber pragmatisch und evolutionär

Über den Gast

Albert Heim ist Director Digital Business & AI bei Hochland, einem der führenden Käsehersteller Europas. In seiner Rolle verantwortet er die digitale Transformation und KI-Strategie des Traditionsunternehmens, das 2027 sein 100-jähriges Jubiläum feiert. Albert hat die KI-Reise von Hochland seit 2020 maßgeblich geprägt – von den ersten analytischen Machine-Learning-Projekten bis zur unternehmensweiten Einführung generativer KI-Tools. Mit einem pragmatischen und geschäftswertorientierten Ansatz hat er gezeigt, wie auch mittelständische Familienunternehmen erfolgreich KI implementieren können, ohne sich vom Hype treiben zu lassen.

Detaillierte Zusammenfassung

Der strategische Start: Vision 2025 und die frühe KI-Weichenstellung

Hochland begann seine KI-Reise bereits 2020 – zu einem Zeitpunkt, als ChatGPT noch nicht existierte und künstliche Intelligenz hauptsächlich ein Expertentool war. Die Entscheidung fiel im Rahmen der Unternehmensvision 2025, bei der drei strategische Digitalisierungssäulen definiert wurden: interne Prozesseffizienz, Plattformökonomie und künstliche Intelligenz.

Die strategische Vision umfasste drei Kernaspekte: KI als selbstverständliches Werkzeug etablieren, in fünf Visionsfeldern konkrete KI-Projekte umsetzen und erlebbare KI-Services für Mitarbeiter schaffen. Entscheidend war dabei die Erkenntnis, dass Hochland nach 20-25 Jahren Digitalisierung über einen wertvollen Datenschatz verfügte, der mit KI-Methoden neue Wertschöpfungspotenziale eröffnete.

Vom Partnermodell zur internen Expertise

Zu Beginn der KI-Reise verfügte Hochland über keine nennenswerte interne KI-Expertise. Albert Heim lernte die Gründerin von Ehrenmüller, einem KI-Spezialisten, auf einer Daten- und KI-Konferenz kennen. Diese Partnerschaft erwies sich als Glücksfall: Während Ehrenmüller mit 5-6 Mitarbeitern die technische Expertise bereitstellte, konnte sich Albert auf die interne Stakeholder-Koordination konzentrieren.

Dieses Partnermodell ermöglichte einen pragmatischen Start ohne großen internen Ressourcenaufbau. Im Laufe der Zeit erkannte Hochland jedoch die Notwendigkeit, eigene Kapazitäten aufzubauen. Heute arbeiten zwei interne Mitarbeiter vollzeit am Thema KI: ein Kollege mit technischem Fokus und eine Kollegin mit Schwerpunkt auf Konzeption, Beratung und Projektmanagement.

Erste Use Cases: Breit aufgestellt und pragmatisch

Die ersten KI-Projekte bei Hochland waren bewusst breit über verschiedene Unternehmensbereiche gestreut. Ein frühes Projekt befasste sich mit Pumpproblemen in der Schmelzkäseproduktion. Beim Schmelzen und Pumpen von Rohwaren traten immer wieder ungeklärte Probleme auf. Der KI-Ansatz: Können Maschinenparameter und Rohwarencharakteristika Vorhersagen ermöglichen, die vor einem Problem warnen?

Ein weiteres Projekt adressierte die Logistik: Während Hochland bisher nur eine tagesgenaue Liefervorhersage lieferte, wünschten sich Kunden präzisere Zeitfenster – ähnlich wie von Amazon oder DHL gewohnt. Durch die Analyse historischer Ist-Ablieferungswerte konnte ein KI-Modell entwickelt werden, das genauere Lieferzeitpunkte vorhersagt. Diese ersten Projekte waren bewusst pragmatisch angelegt: Man suchte Bereiche, die offen für das Thema waren. Die Projekte dauerten meist zwei bis drei Monate und dienten primär dem Lernen.

Geschäftswertmessung als zentrales Prinzip

Ein Alleinstellungsmerkmal der Hochland-KI-Strategie ist die konsequente Fokussierung auf messbaren Geschäftswert. Diese strikte Regel dient nicht primär der nachträglichen Rechtfertigung, sondern schafft Klarheit über den eigentlichen Use Case, die Umsetzung und die Prozessveränderungen.

Hochland unterscheidet zwei Hauptkategorien der Wertermittlung:

Zeitersparnis: Ein Beispiel ist das automatisierte Auslesen von Ablieferbelegen. Spediteure liefern monatlich 5.000-6.000 Belege mit Stempeln der tatsächlichen Ankunftszeit. Eine KI-Lösung liest nun diese Stempelbilder aus, vergleicht Soll- und Ist-Zeiten und reduziert den manuellen Aufwand um 95%. Durch Multiplikation der eingesparten Stunden mit einem durchschnittlichen Arbeitgeberstundensatz ergibt sich ein klarer Euro-Wert.

Direkte Kosteneinsparungen: Bei der Stromlastspitzen-Vorhersage zahlt sich KI direkt aus. Netzbetreiber belohnen Unternehmen, die gleichbleibenden Stromverbrauch aufweisen. Wenn ein KI-Modell Lastspitzen vorhersagt, können Gegenmaßnahmen ergriffen werden. Gelingt es, über drei Monate solche Spitzen zu vermeiden, überweist der Netzbetreiber direkt 40.000-50.000 Euro.

Wenn wir den Geschäftswert nicht ermitteln können, dann machen wir auch nicht weiter.

Hochland GPT: Der Durchbruch zur breiten Akzeptanz

Während die ersten analytischen Machine-Learning-Projekte wertvoll waren, blieb ihre Wirkung auf einzelne Abteilungen beschränkt. Den echten Wendepunkt markierte die Einführung von "Hochland GPT". Dieses interne Tool basiert auf Azure OpenAI Services und bietet allen Mitarbeitern eine ChatGPT-ähnliche Schnittstelle – jedoch mit Datenschutz innerhalb des europäischen Azure-Tenants.

Die Entscheidung gegen ChatGPT Enterprise fiel bewusst: Es erfüllte als Consumer-Produkt nicht die Anforderungen. Auch der Microsoft Copilot wurde geprüft, erfüllte aber anfangs weder bei Geschäftswert noch bei Ergebnisqualität die Erwartungen. Die Azure-OpenAI-Lösung bot den besten Kompromiss zwischen Funktionalität, Datenschutz und Kontrolle.

Aktuell haben etwa 500 der knapp 2.500 Mitarbeiter in Hochland Deutschland Zugang zu Hochland GPT. Die nächsten geplanten Features umfassen Bildgenerierung, File-Upload-Funktionen und vor allem die Anbindung interner Datenquellen für spezifische Use Cases wie Konsumentenanfragen oder HR-Chatbots.

Du tippst da was rein, du kriegst direkt was zurück, du hast direkt diesen Wow-Effekt.

Das Netzwerk der KI-Botschafter

Um KI-Wissen im Unternehmen zu verbreiten und Use Cases zu identifizieren, hat Hochland ein Netzwerk von 11 KI-Botschaftern aufgebaut. Diese Mitarbeiter aus verschiedenen Bereichen wurden nicht top-down bestimmt, sondern freiwillig rekrutiert.

Die KI-Botschafter erfüllen drei zentrale Aufgaben: Sie sind Ansprechpartner in ihren Bereichen, sie kommunizieren neue Entwicklungen und zeigen Kollegen, wie Tools funktionieren, und sie erarbeiten in Workshops konkrete Use Cases. Nach einer Basisschulung durch das zentrale KI-Team agieren sie als Multiplikatoren und Sparringspartner.

Technologie-Entscheidungen und Datenherausforderungen

Die technologische Basis der KI-Strategie hat sich über die Jahre entwickelt. Die Entscheidung für Microsoft Azure als Cloud-Plattform wurde schon vor der KI-Reise getroffen und erwies sich als Glücksfall, da die Azure OpenAI Services eine EU-konforme Nutzung ermöglichen.

Der Microsoft 365 Copilot wurde Anfang 2024 geprüft, aber zunächst nicht ausgerollt: Der Geschäftswert stand in keinem vernünftigen Verhältnis zu den Kosten. Ein zentrales Learning: Datenqualität und -integration sind entscheidend für erfolgreiche KI-Projekte. Hochland verfügt über Daten aus 20-25 Jahren Digitalisierung, aber diese in verwendbarer Form und vernetzt zur Verfügung zu stellen, bleibt eine Herausforderung.

Kernaussagen

Früh starten zahlt sich aus: Der Start bereits 2020 ermöglichte Hochland, den ChatGPT-Hype Ende 2022 gelassen aufzunehmen und in die bestehende Strategie zu integrieren. Lernvorsprung, Strategieintegration
Geschäftswert als Gatekeeper: Kein KI-Projekt ohne nachweisbaren Business Value – das schafft Klarheit über Use Case und Umsetzung, von Zeitersparnis (95% weniger manueller Aufwand) bis zu direkten Einsparungen (40.000-50.000 Euro durch Stromlastoptimierung). ROI-Orientierung, Transparenz
Niedrigschwellige Tools schaffen Akzeptanz: "Hochland GPT" auf Azure-Basis brachte den Wow-Effekt – im Gegensatz zu spezialisierten ML-Projekten ist der Nutzen sofort erlebbar. 500 von 2.500 Mitarbeitern nutzen es bereits. Mitarbeiterakzeptanz, Skalierung
Partnermodell als pragmatischer Einstieg: Ohne interne KI-Expertise startete Hochland mit dem externen Partner Ehrenmüller – und baute parallel interne Kapazitäten auf. Heute arbeiten zwei Vollzeit-KI-Mitarbeiter im Unternehmen. Kompetenzaufbau, externe Expertise
KI-Botschafter als Multiplikatoren: 11 freiwillige Mitarbeiter aus verschiedenen Bereichen verbreiten KI-Wissen, beantworten Fragen und erarbeiten in Workshops neue Use Cases – dezentral und nachhaltig. Change Management, dezentrale Adoption
Datenqualität bleibt die eigentliche Hürde: Viele Daten zu haben ist eine Sache – sie in verwendbarer Form und vernetzt zur Verfügung zu stellen, ist die eigentliche Herausforderung für anspruchsvolle KI-Projekte. Datenintegration, Datenpipelines
Pragmatisch bleiben statt Hype folgen: KI wird alle Bereiche verändern, aber kaum Arbeitsplätze komplett ersetzen. Der Wandel braucht ruhige, rationale Begleitung – nicht technologischen Überschwang. Change Management, realistische Erwartungen