Erfolgsprinzipien für KI-Integration in Produkten und Prozessen

Intro

In dieser Episode des AI FIRST Podcast spricht Felix Schlenther mit Julian Geiger, VP Artificial Intelligence bei der Nemetschek Group, Deutschlands zweitgrößter börsennotierter Softwarefirma nach SAP. Julian gibt Einblicke in die KI-Transformation eines Traditionsunternehmens, das seit über 60 Jahren die Baubranche mit Software bedient und sich nun von einer Finanzholding zur AI-First-Organisation wandelt. Das Gespräch deckt beide Seiten ab: die interne KI-Transformation mit 80 Prozent täglicher Nutzung sowie die Produktrevolution, die mit Konzepten wie Vibe-Architecting die gesamte Architektur-, Engineering- und Construction-Branche neu denkt.

Inhaltsübersicht

Die Nemetschek Group deckt seit 60 Jahren die komplette Wertschöpfungskette der Baubranche ab und transformiert sich gerade von einer Finanzholding zur integrierten Konzernstruktur.
AI-First bedeutet nicht, KI auf bestehende Prozesse aufzusetzen, sondern Prozesse fundamental neu zu denken und von zehn Schritten auf ein oder zwei zu reduzieren.
Product Manager erstellen mit Vibe-Coding MVPs in zwei bis drei Stunden statt in Engineering-Sprints, was den gesamten Downstream-Workload drastisch reduziert.
Über 80 Prozent der Mitarbeitenden nutzen täglich KI-Tools, angeführt von Perplexity als strategische Tool-Wette.
Julian warnt vor dem Special-Snowflake-Syndrom: Eigene KI-Tools zementieren oft schlechte Prozesse und binden unnötig Ressourcen.
Die Baubranche hat ein 90-40-20-Problem: 90 Prozent der Projekte über Budget, 40 Prozent der globalen CO2-Emissionen, 20 Prozent Materialverschwendung.
Vibe-Architecting soll Architekten ermöglichen, fünf Gebäudeentwürfe an einem Nachmittag zu erstellen statt in Wochen.
APIs verbinden den neuen AI Assistant mit der bestehenden 60 Jahre alten Codebase, statt alles auf der grünen Wiese neu zu bauen.
World Models mit physikalischem Weltverständnis könnten für die Baubranche und Robotik entscheidend werden.
Die AGI-Roadmap bis 2027 hält Julian für realistisch, warnt aber vor einer Fixierung auf AGI-Definitionen.

Über den Gast

Julian Geiger ist VP Artificial Intelligence bei der Nemetschek Group. Vor seiner Rolle bei Nemetschek war er als Product Lead bei Google und in der Strategieberatung bei BCG tätig, unter anderem im Bereich Manufacturing bei Google Cloud. Bei Nemetschek verantwortet er sowohl die interne KI-Transformation, etwa die Neuausrichtung der Softwareentwicklung als AI-First-R&D, als auch die produktseitige KI-Integration, mit der das Unternehmen die gesamte AEC-Branche (Architecture, Engineering, Construction) neu erfinden will. Julian kombiniert tiefes KI-Verständnis mit strategischem Blick auf Unternehmenstransformation.

Detaillierte Zusammenfassung

Nemetschek Group: Der versteckte Baubranche-Champion

Die Nemetschek Group ist seit über 60 Jahren mit Software für die Baubranche tätig und deckt die komplette Wertschöpfungskette ab, von Architektur über Engineering bis zur Bauausführung und dem Betrieb von Gebäuden. Mit globalen Marken wie Graphisoft ArchiCAD, Allplan und Bluebeam ist das Unternehmen in der Branche ein Marktführer und aktuell Aufstiegskandidat vom MDAX in den DAX.

Das Unternehmen befindet sich mitten in einer doppelten Transformation: Zum einen der Wandel von einer Finanzholding zu einer integrierten Konzernstruktur mit übergreifender Zusammenarbeit über alle Marken hinweg. Zum anderen die KI-Transformation, die diesen Wandel sowohl beschleunigt als auch den passenden Anlass dafür liefert. Julian Geiger erklärt: "Das ist natürlich ein Kontext, der die KI-Transformation noch umso spannender macht."

AI-First vs. KI-Pflaster: Prozesse fundamental neu denken

Julian unterscheidet klar zwischen zwei Ansätzen der KI-Einführung. Der erste: bestehende Prozesse und Organisationen beibehalten und KI obendrauf setzen, was etwa zehn Prozent Effizienzsteigerung bringt. Der zweite, wertschöpfendere Weg: Prozesse komplett neu denken und fragen, welche Schritte eliminiert werden können. "Habe ich in Zukunft auch noch zehn Schritte in diesem Prozess oder ist es nur noch einer oder zwei?"

Für die Umsetzung geht Nemetschek mit einem Top-Down-Ansatz vor: Zunächst wird der Prozess in grobe Einzelbausteine zerlegt und das KI-Potenzial pro Baustein bewertet, sowohl Stand heute als auch in ein bis zwei Jahren. Dann folgen schnelle iterative Tests. Bei Coding Assistants war klar, dass sie Mehrwert bringen würden, also wurde der Rollout intensiv begleitet mit Trainings. Die Learnings aus der Praxis, etwa im Umgang mit Legacy-Code, wären am Whiteboard nie entstanden. "Diese Schnelligkeit in der Umsetzung ist für uns extrem wichtig."

Organisatorisch setzt Nemetschek auf ein schlankes zentrales KI-Team, das über die gesamte Gruppenstruktur hinweg arbeitet, kombiniert mit dezentralen Ressourcen in den einzelnen Produktbereichen. Die Aufgabenverteilung folgt einer Matrix: Aufgaben mit hohem Koordinationsnutzen wie Regulatorik bleiben zentral, während produktspezifische KI-Arbeit die Verbindung aus KI-Expertise und Domänenwissen der Brands erfordert.

Interne Transformation: Von Perplexity bis Vibe-Coding

In der R&D-Kette denkt Nemetschek jeden Schritt mit KI neu. Product Manager nutzen Perplexity für Marktrecherche, Wettbewerbsanalyse und das schnellere Erstellen von Product Requirement Documents. Die Analyse von Product Metrics und Nutzungsmustern, früher aufgrund der Datenflut kaum möglich, wird durch KI erst realistisch.

Der größte Hebel liegt in der Beschleunigung von Idea-to-Validation. Mit Vibe-Coding erstellen Product Manager MVPs in zwei bis drei Stunden, die früher ein bis zwei Engineering-Sprints gekostet hätten. "Wir ermöglichen jedem unserer Product Manager, superschnell solche Konzepte zu testen und dann auch intern zu sozialisieren." Die frühe Validierung mit Prototypen erspart große Teile des Downstream-Workloads: Tech-Architecture-Diskussionen, ausufernde PRD-Abstimmungen und unnötige Engineering-Kapazität.

Beim Tool-Stack setzt Julian auf strategische Tool-Wetten statt Eigenentwicklungen. Mehr als 80 Prozent der Mitarbeitenden nutzen Perplexity täglich für Use Cases von Customer Support über Produktstrategie bis hin zu E-Mail-Formulierung. Julian warnt eindringlich vor dem Special-Snowflake-Syndrom: "Jedes Unternehmen glaubt, ein Special Snowflake zu sein. Aber ich habe drei Probleme mit diesem Ich-will-alles-intern-bauen." Erstens sollten Unternehmen sich auf differenzierende Kerntätigkeiten fokussieren. Zweitens fehlt den meisten die Kapazität und Kompetenz, mit Tools wie Perplexity oder ChatGPT gleichzuziehen. Drittens zementieren eigene Lösungen oft schlechte Prozesse, weil sie exakt auf bestehende Workflows zugeschnitten werden.

"Ich kann diese Lernkurve nicht alle zwei, drei Monate abschneiden und wieder auf ein neues Tool wechseln."

Bei der Tool-Auswahl rät Julian zu einer gewissen Steady Hand: Die Effizienzgewinne durch konsequente Adoption eines Tools überwiegen den marginalen Vorteil ständiger Wechsel zum jeweils neuesten Anbieter.

Produktrevolution: Das 90-40-20-Problem der Baubranche

Die AEC-Branche (Architecture, Engineering, Construction) leidet unter massiven strukturellen Problemen: 90 Prozent aller Projekte liegen über Budget und Zeitplan, 40 Prozent der globalen CO2-Emissionen stammen aus dem Gebäudesektor, und 20 Prozent des Materials wird verschwendet. Julian ordnet ein: "Ich kenne kaum eine andere Industrie, in der das akzeptabel wäre. Im Manufacturing wäre mit diesen Zahlen jeder Fabrikleiter seinen Job los."

Die Ursachen liegen in der Komplexität der Branche: Viele Stakeholder, strenge Regulierungen und ein Wasserfall-Prozess, bei dem Architekt, Ingenieur und Bauausführer sequenziell arbeiten statt iterativ. Änderungen im hinteren Teil der Wertschöpfungskette erzeugen enormen Rework in den vorderen Teilen.

Nemetscheks Ansatz: Die gesamte Wertschöpfungskette über Jobs to be done neu denken, unabhängig von bestehenden Workflows. Beim Architekten etwa löst KI das Bandbreitenproblem zwischen kreativer Vision und Tool-Umsetzung. Heute kostet jede Designidee Stunden manueller Arbeit mit tausenden Buttons und manueller Konfiguration. Das Konzept Vibe-Architecting soll multimodale Interfaces schaffen, über die Architekten in superschneller Iteration mit KI arbeiten können. "Fünf verschiedene Gebäudeentwürfe an einem Nachmittag statt in Wochen."

Technisch setzt Nemetschek auf Modularisierung statt Neubau. Der neue AI Assistant nutzt die APIs der bestehenden Produkte, um mit der 60 Jahre alten Codebase zu interagieren. Das neue AI-Interface läuft auf einem komplett anderen Stack mit einheitlicher Cloud-Plattform, verbindet sich aber über APIs mit der bisherigen Welt. Julian sieht die Zukunft in einer Kombination aus Large Language Models, klassischer KI und regelbasierten Workflows, wobei KI den 80-Prozent-Stand liefert und der Mensch die letzten 20 Prozent mit voller Kontrolle gestaltet.

Zukunftsausblick: World Models, Agentic AI und AGI

Julian identifiziert zwei entscheidende Trends. Erstens Agentic AI: Die Technologie entwickelt sich schnell weiter, ist aber für kritische Anwendungen noch nicht robust genug, besonders was Halluzinationen betrifft. Nemetschek startet mit weniger kritischen Anwendungsfällen in der Softwareentwicklung und im Customer Support.

Zweitens World Models, wie etwa Genie 3 von Google. Für die Baubranche besonders relevant, weil sie ein physikalisches Verständnis der Welt reflektieren, das klassische LLMs nicht haben. Julian sieht darin Potenzial für deutlich robustere KI-Plattformen für Use Cases in der realen Welt.

Zur AGI-Roadmap aus dem AI-2027-Report zeigt sich Julian vorsichtig optimistisch: Die bisherigen Projektionen sind on track, und die Investitionen in KI-Coding-Automation beschleunigen die Entwicklung. Gleichzeitig warnt er vor der Fixierung auf eine starre AGI-Definition: "Selbst wenn wir jetzt heute aufhören würden, KI zu entwickeln, hätten wir wahrscheinlich zehn Jahre vor uns, KI richtig einzusetzen und Workflows und Tools neu zu denken."

Kernaussagen

Prozesse neu denken, nicht optimieren: "AI-First bedeutet nicht, KI obendrauf zu setzen, sondern Prozesse komplett neu zu denken. Habe ich in Zukunft auch noch zehn Schritte in diesem Prozess oder ist es nur noch einer oder zwei?" AI-First, Prozesstransformation, Effizienz
Keine Special Snowflakes: "Jedes Unternehmen glaubt, ein Special Snowflake zu sein. Aber eigene KI-Tools zementieren oft schlechte Prozesse, indem ich genau die Tools, die ich baue, auf diese Prozesse zuschneide." Build vs. Buy, Tool-Strategie, Eigenentwicklung
Das 90-40-20-Problem: "Die Baubranche hat ein 90-40-20-Problem: 90 Prozent aller Projekte über Budget, 40 Prozent aller CO2-Emissionen global aus dem Gebäudesektor und 20 Prozent vom Material wird verschwendet." AEC-Branche, Nachhaltigkeit, Ineffizienz
KI als Bandbreiten-Befreiung: "Wenn ich diese Bandbreitenprobleme zwischen kreativer Vision und Tool-Umsetzung auflöse durch KI, dann haben wir wirklich was verändert." Vibe-Architecting, Kreativität, Produktivität
Nicht auf AGI warten: "Selbst wenn wir jetzt heute aufhören würden, KI zu entwickeln, hätten wir wahrscheinlich zehn Jahre vor uns, KI richtig einzusetzen und Workflows und Tools neu zu denken." AGI, Implementierung, Handlungsdruck

Fazit und Takeaways

Für die interne KI-Transformation

Schnell Erfahrungen sammeln: Nicht zu lange analysieren, sondern mit ein bis zwei Use Cases starten. Ein einfacher Perplexity- oder ChatGPT-Rollout baut Berührungsängste ab und generiert erste Learnings.
Prozesse neu denken, nicht nur optimieren: Der Unterschied zwischen zehn Prozent Effizienz und fundamentalem Wandel liegt im Mut, Organisationen, Prozesse und Tools gleichzeitig zu verändern.
Strategische Tool-Wetten statt Eigenentwicklung: Marktübliche Tools wie Perplexity bringen kontinuierliche Innovation ohne internes Entwicklungsteam. Eigene Lösungen lohnen sich nur, wenn kein marktübliches Tool passt.
Adoption intensiv begleiten: Rollouts mit Trainings begleiten und aus der Praxis lernen. Die Learnings aus der realen Nutzung sind wertvoller als jede Whiteboard-Analyse.

Für die KI-Integration in Produkten

Jobs to be done statt Workflows optimieren: Bestehende Workflows sind durch aktuelle Tools geprägt. AI-First heißt, beim eigentlichen Job anzusetzen und den Workflow von Grund auf neu zu denken.
Legacy als Chance durch APIs: Bestehende Codebase muss kein Hindernis sein. Modularisierung über APIs ermöglicht moderne AI-Interfaces auf altem Fundament.
80/20-Prinzip anwenden: KI liefert den 80-Prozent-Stand, der Mensch behält volle Kontrolle über die letzten 20 Prozent. Das schafft Vertrauen und bessere Ergebnisse.
Branchenprobleme radikal angehen: KI bietet die Chance, nicht nur innerhalb bestehender Systeme zu optimieren, sondern strukturelle Probleme ganzer Industrien fundamental zu adressieren.

Für die strategische Ausrichtung

Nicht auf AGI warten: Der heutige Stand der KI reicht bereits für fundamentale Verbesserungen. Wer wartet, verschenkt Jahre an Vorsprung.
World Models und Agentic AI beobachten: Physikalisches Weltverständnis und autonome Agentensysteme werden die nächste Welle der KI-Anwendungen treiben.
Gewinner von Mittelmäßigen trennt der Mut: Nicht die Technologie selbst differenziert, sondern die Bereitschaft, Unternehmen, Produkte und Prozesse wirklich neu zu denken.

"Wenn ich diese Bandbreitenprobleme zwischen kreativer Vision und Tool-Umsetzung auflöse durch KI, dann haben wir wirklich was verändert."

Nemetschek zeigt exemplarisch, wie ein Traditionsunternehmen die KI-Transformation auf beiden Ebenen vorantreibt: intern durch konsequente Adoption und Prozessneugestaltung, extern durch die Vision, eine der größten und ineffizientesten Branchen der Welt fundamental zu verändern. Die Kombination aus strategischer Klarheit, pragmatischer Umsetzung und dem Mut zum Neudenken macht den Ansatz besonders lehrreich.