KI bei TRUMPF: Wie das Momentum genutzt wird, um sich als Organisation neu zu erfinden

Sarah Engel verantwortet als Head of Artificial Intelligence bei TRUMPF das KI-Thema weltweit, in Produkten und Services ebenso wie in internen Prozessen. In dieser Folge erklärt sie, wie das Hochtechnologieunternehmen etablierte Machine-Learning-Anwendungen, breite GenAI-Adoption und die Neugestaltung von Kernprozessen miteinander verbindet.

Im Gespräch wird deutlich: KI-Transformation ist kein reines Technologieprojekt. Sie braucht ein klares Mandat, echte Priorisierung, die Zusammenarbeit von Business, IT, Security und Legal – und Räume, in denen Mitarbeitende neue Erfahrungen mit KI sammeln können.

Über den Gast

Sarah Engel studierte Informatik und Kognitionswissenschaften. Ihr fachlicher Weg begann an der Schnittstelle zwischen menschlichem Gehirn und Technologie. In der Robotik beschäftigte sie sich unter anderem damit, neuronale Signale zu übersetzen, um Prothesen zu steuern.

Später arbeitete sie bei IBM im Bereich Cognitive Computing an der technischen Umsetzung unterschiedlicher KI-Projekte. Mit der Zeit verlagerte sich ihr Fokus auf KI-Strategie und die Frage, welche organisatorischen Hebel Unternehmen nutzen müssen, um mit KI innovativ und wettbewerbsfähig zu bleiben.

Etablierte KI in Produktion und Entwicklung

Als Sarah bei TRUMPF startete, war KI in den Forschungs- und Entwicklungsbereichen bereits seit Jahren verankert. Klassische Machine-Learning-Systeme unterstützen konkrete industrielle Aufgaben.

Bei der Blechverarbeitung können Kameras unterschiedlich geformte Teile erkennen. Ein System hilft dabei, Roboterarme zu steuern und die Teile richtig abzusortieren. In der Lasertechnik unterstützt KI bei der Qualitätskontrolle von Schweißnähten und kann zur Optimierung von Maschinenparametern beitragen.

Für solche klar umrissenen Aufgaben genügen teilweise kleine Modelle mit vergleichsweise wenig Trainingsdaten. Sarah betont, dass der Reifegrad klassischer Machine-Learning-Anwendungen häufig höher ist als der von generativer oder agentischer KI, besonders mit Blick auf die Verlässlichkeit in kritischen Abläufen.

Der T-Ansatz: breite Befähigung und tiefe Veränderung

Außerhalb der R&D-Bereiche gab es zunächst nur einzelne KI-Initiativen. Sarah setzte deshalb auf einen T-Ansatz. Die Horizontale schafft eine breite Grundlage, damit Mitarbeitende KI sicher im Arbeitsalltag einsetzen können. Die Vertikale richtet den Blick anschließend auf ausgewählte Domänen und Kernprozesse.

TRUMPF führte eine interne GenAI-Plattform ein und begleitete den Rollout mit zahlreichen Prompting-Workshops. Mit dem „AI Hub on Tour“ besuchte das Team Werke und Standorte unter anderem in den USA, China und Polen. Die Angebote reichten von grundlegender Bedienung bis zum Bau eigener Agenten.

Hackathons ermöglichten Teams, eigene Anwendungsfälle innerhalb eines halben oder ganzen Tages zu bearbeiten. Dabei erlebten Mitarbeitende, dass sie Lösungen selbst mitgestalten können, statt Probleme lediglich an ein zentrales KI-Team zu übergeben.

„Mindset an sich lässt sich nicht so leicht ändern. Ich kann nur Räume schaffen, es zu erfahren und neue Erfahrungen prägen dann, wie sich das Mindset von Menschen bildet.“

Warum individuelle Produktivität nicht genügt

Breite Adoption schafft Akzeptanz und erste Produktivitätsgewinne. Sie verändert jedoch noch keine Organisation. Wer mit KI schneller Texte, Präsentationen oder Zusammenfassungen erstellt, spart individuell Zeit. Diese Zeit kann in alten Prozessen, Freigabeschleifen und Schnittstellen wieder verloren gehen.

Deshalb geht TRUMPF zunehmend in die Vertikale. Statt nur einzelne Arbeitsschritte zu beschleunigen, betrachtet das Unternehmen seine Kernprozesse: Welche Schritte sind noch notwendig? Was lässt sich standardisieren oder automatisieren? Und wie kann der Gesamtprozess mit den vorhandenen technologischen Möglichkeiten neu gestaltet werden?

„Wir haben jetzt die Chance, mit der Technologie einen Schritt zurückzugehen und zu sagen: Was sind eigentlich unsere Kernprozesse im Unternehmen und wie sollen die in Zukunft aussehen?“

Ein KI-Agent muss nicht dieselben Handlungen ausführen wie ein Mensch. Der größere Hebel kann darin liegen, bisherige Schritte vollständig zu verändern oder zu eliminieren.

Transformation bedeutet Reibung

Kernprozesse in großen Organisationen sind über Jahre gewachsen. Sie hängen an Legacy-Systemen, Schnittstellen, regulatorischen Anforderungen und etablierten Verantwortlichkeiten. Veränderung erzeugt deshalb zwangsläufig Reibung.

„Transformation bedeutet auch Reibung. Es geht darum, sich in diese Reibung hineinzulehnen, sie zuzulassen und dann zu lösen.“

Viele KI-Projekte erreichen zwar das POC- oder MVP-Stadium, schaffen aber nicht den Sprung in die Skalierung. Häufig werden Anforderungen aus Cybersecurity, Regulatorik, IT-Architektur, Testing oder dem späteren Betrieb erst zu spät berücksichtigt.

TRUMPF entwickelt deshalb ein Operating Model, das relevante Stakeholder früh und abgestuft beteiligt. Ein POC muss noch nicht alle Anforderungen eines produktiven Systems erfüllen. Die entscheidenden Rahmenbedingungen sollten aber bereits im Design berücksichtigt werden.

Führung schafft Priorität

Vertikale KI-Transformation ist laut Sarah Führungssache. Fachbereiche sind bereits ausgelastet; neue Vorhaben benötigen deshalb bewusste Priorisierung. Führungskräfte müssen entscheiden, welche Aufgaben zurückgestellt werden und wo Freiräume für Veränderung entstehen.

Bei TRUMPF ist KI im unternehmensweiten Zielehaus verankert. Das Thema wird regelmäßig in der Mitarbeiterkommunikation aufgegriffen. Gleichzeitig werden konkrete Vorhaben und ihr erwarteter Mehrwert betrachtet – nicht KI um ihrer selbst willen.

Hub-and-Spoke für gemeinsame Prioritäten

TRUMPF organisiert die KI-Arbeit in einem Hub-and-Spoke-Modell. Ein kleines Zentralteam arbeitet mit Focal Points in Funktionsbereichen und Divisionen zusammen.

Dadurch werden parallele POCs sichtbar, Best Practices können geteilt und ähnliche Vorhaben gebündelt werden. Die Bereiche priorisieren gemeinsam wenige zentrale Use Cases, statt mehrere Lösungen unabhängig voneinander bis zur Skalierung weiterzuentwickeln.

Umsetzung mit echtem Business-Ownership

Ausgangspunkt eines Vorhabens ist ein konkretes Problem aus dem Business. Die Fachverantwortlichen bleiben fest im Team und bringen nicht nur kleine Restkapazitäten ein. Für priorisierte Projekte nennt Sarah einen Fokus von 50 bis 100 Prozent.

Ergänzt werden die Teams durch KI-Expert:innen und – je nach Vorhaben – Kolleg:innen aus IT, Security oder weiteren Bereichen. Sie arbeiten in kurzen Sprints von ein bis zwei Wochen. Zunächst wird in einem POC geprüft, ob die Lösung funktioniert und einen Mehrwert liefert. An einem Gate fällt anschließend die Entscheidung, ob das Vorhaben gestoppt oder in Richtung MVP und Skalierung weitergeführt wird.

Wie weit trägt eine zentrale GenAI-Plattform?

Sarah beobachtet, dass sich interne GenAI-Plattformen schnell weiterentwickeln. Anfangs dienten sie vor allem als sicherer Zugang, für einfache Aufgaben und schnelle POCs. Inzwischen können sie zunehmend auch Governance, Versionierung, Testing, Änderungsverläufe und Integrationen abbilden.

TRUMPF prüft deshalb laufend, welche internen Workflows direkt auf einer zentralen Plattform umgesetzt werden können und wann eine eigene Infrastruktur nötig ist. Bei kundenbezogenen Anwendungen erfolgt aktuell ein klarer Absprung auf entsprechend abgesicherte Systeme.

Physical AI muss nicht humanoid sein

Robotik ist eines der zentralen Innovationsthemen bei TRUMPF. In den Werken sind Roboter bereits aktiv, doch sie sehen nur selten humanoid aus. Für Sarah ist nicht entscheidend, ob ein Roboter einen Kopf, mehrere Arme, Rollen oder Beine besitzt. Seine Form sollte sich aus der konkreten Aufgabe ergeben.

Damit lässt sich ein zentraler Gedanke aus der digitalen Prozessgestaltung auf die physische Welt übertragen: Maschinen müssen menschliche Arbeitsabläufe und Limitierungen nicht imitieren, wenn eine andere Lösung effizienter ist.

Das industrielle Rennen heißt Adoption

Die Geschwindigkeit, mit der AI Labs neue Modelle veröffentlichen, ist für Industrieunternehmen nicht das entscheidende Rennen. Sie müssen nicht selbst das schnellste Modell entwickeln, sondern vorhandene technologische Möglichkeiten wirksam in ihre Organisation übersetzen.

„Unser Rennen in der Industrie ist eher die Adoption intern: Wie können wir produktiv und innovativ bleiben?“

Dafür braucht es Ambition, Management-Support und eine ganzheitliche Verantwortung über Technologie, Menschen, Prozesse und rechtliche Rahmenbedingungen hinweg.

Kernaussagen

1. Breite schafft die Basis: Sichere Infrastruktur, Enablement und praktische Erfahrungen ermöglichen die Adoption im Arbeitsalltag.
2. Die Tiefe bringt strukturelle Wirkung: Unternehmen sollten Kernprozesse neu gestalten, statt nur einzelne Schritte zu beschleunigen.
3. Reibung gehört zur Transformation: Legacy-Systeme, Governance und Verantwortlichkeiten müssen früh berücksichtigt werden.
4. KI ist Führungssache: Fachbereiche brauchen klare Prioritäten und echte Freiräume für die Umsetzung.
5. Business-Ownership ist unverzichtbar: Relevante Vorhaben funktionieren nicht mit Restkapazitäten oder einer vollständigen Übergabe an das KI-Team.
6. Die Form folgt der Aufgabe: Physical AI muss nicht humanoid sein, sondern funktional überzeugen.
7. Adoption entscheidet: Für Industrieunternehmen zählt, wie schnell Technologie sicher in produktive Arbeit übersetzt wird.

Fazit

TRUMPF verbindet breite KI-Befähigung mit der gezielten Neugestaltung von Kernprozessen. Entscheidend sind ein klares Mandat, gemeinsame Priorisierung, interdisziplinäre Umsetzung und die Bereitschaft, entstehende Reibung zu lösen. Im Mittelpunkt stehen dabei die Menschen: KI wird angenommen, wenn sie Arbeit spürbar verbessert und Mitarbeitende die Veränderung aktiv mitgestalten können.