KI-Demokratisierung: Wie Schäfer Shop 500 Mitarbeiter zu KI-Anwendern macht

Intro

In dieser Episode spricht Host Felix Schlenther mit Felix Jochmus-Stöcke, Head of Data & AI Foundation beim Schäfer Shop, über das ambitionierte Ziel, alle 500 Mitarbeitenden am Standort Betzdorf zu befähigen, selbstständig KI-Tools zu nutzen und eigene Prozesse zu automatisieren. Das Gespräch zeigt, wie ein mittelständischer B2B-Händler KI nicht als reines IT-Projekt versteht, sondern als unternehmensweite Transformation — mit Multiplikatoren, Mini-Bootcamps und einer klaren Haltung: Jeder kann und soll KI nutzen. Ein Praxisbericht über Demokratisierung, Citizen Development und die Frage, welche Zutaten es wirklich braucht, um KI in die Breite zu bringen.

Inhaltsübersicht

Felix Jochmus-Stöckes ungewöhnlicher Weg von der Philosophie über Produktdaten zum Head of Data & AI bei Schäfer Shop
Die zweigleisige Strategie: Datenzentralisierung und generative KI parallel vorantreiben
Warum sich Schäfer Shop als B2B-Händler nicht leisten kann, bei generativer KI abzuwarten
Der Citizen-Developer-Ansatz: 500 Mitarbeitende sollen eigene KI-Workflows bauen können
Make als zentrale Automatisierungsplattform und warum es gegenüber Zapier und n8n gewonnen hat
Open WebUI als datenschutzkonforme ChatGPT-Alternative für den internen Einsatz
Mini-Bootcamps, AI-Pizza-Events und Multiplikatoren als Enablement-Formate
Konkrete Use Cases: Compliance-Recherche, Produkttexte, Werbemittelproduktion und Arbeitszeugnisgenerator
Warum viele kleine Fünf-Prozent-Lösungen mehr Impact haben als ein großer KI-Agent
Die Rolle von Geschäftsführungs-Commitment und einem ermöglichenden Datenschutzbeauftragten
Realistische Erwartungen als größte Herausforderung: zwischen Hype und Ablehnung die Mitte finden

Über den Gast

Felix Jochmus-Stöcke ist Head of Data & AI Foundation beim Schäfer Shop, einem B2B-Händler für Büroausstattung mit rund 1.000 Mitarbeitenden in der DACH- und Benelux-Region. Sein Werdegang ist ungewöhnlich: Nach einem Philosophiestudium landete er über eine Weiterbildung zum Content Manager im Produktdatenbereich bei Schäfer Shop. Über acht Jahre entwickelte er sich dort zum Leiter des Data- und KI-Bereichs. In seiner vor rund einem halben Jahr neu geschaffenen Position verantwortet er die Datenzentralisierung und die unternehmensweite KI-Strategie — mit dem Ziel, jeden einzelnen Mitarbeitenden zum KI-Anwender zu machen.

Detaillierte Zusammenfassung

Von der Philosophie zur KI: Ein ungewöhnlicher Karriereweg

Felix Jochmus-Stöcke beschreibt seinen Einstieg bei Schäfer Shop als „kleinen Unfall": Nach dem Philosophiestudium arbeitslos, empfahl ihm das Arbeitsamt eine Weiterbildung zum Content Manager. Statt mit Inhalten arbeitete er jedoch mit Produktdaten — und fand dort seine Berufung. Über acht Jahre hinweg baute er sein Wissen im Datenbereich aus und übernahm schließlich die neu geschaffene Rolle als Head of Data & AI Foundation.

Die Position vereint zwei strategische Stränge: Zum einen die Zentralisierung der bisher in Silos verteilten Unternehmensdaten, zum anderen den Aufbau einer KI-Infrastruktur, die auf diesen Daten aufsetzt. Felix betont, dass beide Stränge untrennbar verbunden sind — ohne saubere Datenbasis keine funktionierenden KI-Anwendungen.

Warum KI für einen B2B-Händler existenziell ist

Auf die Frage, warum es fatal wäre, sich nicht mit generativer KI zu beschäftigen, antwortet Felix pragmatisch: „Weil sonst macht's dein Konkurrent." Schäfer Shop sieht KI als wettbewerbskritisch auf zwei Ebenen. Extern erwarten Großkunden zunehmend KI-Kompatibilität — ein Kunde arbeite bereits daran, seinen internen Chatbot mit dem von Schäfer Shop zu verbinden. „Die schließen dich aus, wenn du das in zwei Jahren nicht kannst", beschreibt Felix die neue Realität.

Intern sieht er enormes Potenzial bei der Automatisierung von Backend-Prozessen, die zu kürzeren Lieferzeiten und schnellerer Kundenbetreuung führen. Felix zieht den Vergleich zum Internet Ende der 90er: „Wenn du Ende der 90er jemanden gefragt hast, warum machst du einen Online-Shop — das ist irgendwie offensichtlich." Der aktuelle Moment sei die letzte Chance, noch vor der Welle zu sein statt hinterherzulaufen.

Parallel dazu nutzt Schäfer Shop bereits klassische KI-Methoden im Bereich Data Science: Recommendation Engines für den Katalogversand haben den ehemals 1.500-seitigen Printkatalog auf zielgerichtete, personalisierte Ausgaben reduziert.

Der Citizen-Developer-Ansatz: Technologie, Menschen, Commitment

Felix beschreibt drei zentrale Zutaten für die KI-Transformation. Die erste ist zugängliche Technologie. Schäfer Shop setzt auf Make als zentrale Automatisierungsplattform — ein visuelles Workflow-Tool, mit dem sich tausende Software-Konnektoren ohne Programmierkenntnisse verbinden lassen. Im Vergleich zu Zapier und n8n überzeugte Make durch seine intuitive Bedienbarkeit: Ungeschulte Kollegen bauten beim ersten Testen eigenständig einen E-Mail-Agenten mit OpenAI-Anbindung.

Für den direkten Chat-Zugang hat das Team eine Open WebUI-Instanz aufgesetzt — ein Open-Source-Frontend, das die OpenAI-API datenschutzkonform nutzt. So können Mitarbeitende ChatGPT-ähnlich arbeiten, ohne persönliche Plus-Accounts zu benötigen, während das Unternehmen die Kontrolle über Modellauswahl und Datenverarbeitung behält.

Die zweite Zutat sind Menschen mit dem richtigen Mindset. Felix' Vision ist radikal: „Ich traue das jedem Mitarbeiter, jeder Mitarbeiterin bei uns im Haus zu, das zu bedienen." Er unterscheidet klar zwischen dem Schreiben von Machine-Learning-Algorithmen und dem Nutzen von ChatGPT oder Make — letzteres sei für jeden erlernbar. Die dritte Zutat ist das Commitment der Geschäftsführung. „KI muss hier Teil davon sein und mir auch den Rücken stärken, das dann ins Unternehmen zu bringen", betont Felix. Ohne freigegebene Kapazitäten für Schulungen und ein klares Signal von oben würde die Initiative im Sande verlaufen. Als vierte Zutat nennt er einen ermöglichenden Datenschutzbeauftragten, der KI nicht verhindert, sondern sicher gestaltet.

Unser AI-Team ist der ganze Shop. Und da wollen wir gerne hin.

Enablement in der Praxis: Bootcamps, Multiplikatoren und AI-Pizza

Das Schulungskonzept setzt auf mehrere Formate. Kernstück sind zweitägige Mini-Bootcamps für Gruppen von 15 bis 20 Personen, betreut von drei bis vier Teammitgliedern. Inhalt: Prompting, Make-Workflows, KI-Integration in den eigenen Arbeitsalltag. Bereits vor dem Start gab es 60 bis 70 freiwillige Anmeldungen. Felix' Versprechen: „Ich wiederhole das so oft, bis jeder, der Bock hat, das kann."

Darüber hinaus baut Schäfer Shop ein Netzwerk aus KI-Multiplikatoren auf — Mitarbeitende aus verschiedenen Fachbereichen, die nach der Ausbildung als Anlaufstelle in ihren Teams fungieren. Die Vision: Eine wachsende Community, die irgendwann zum Selbstläufer wird. Flankiert wird das durch informelle Formate wie die AI-Pizza-Events, bei denen 30 bis 40 Interessierte bei Pizza über KI-Themen diskutieren und sich mit internen Experten austauschen.

Ein verpflichtendes Element gibt es bereits: eine einstündige KI-Grundkompetenzschulung für alle Mitarbeitenden, entstanden aus der EU-KI-Verordnung. Felix nutzte sie gemeinsam mit dem Datenschutzbeauftragten als Kommunikationskanal, um Strategie und Haltung ins gesamte Unternehmen zu tragen.

Frühe Erfolge und die Kraft der kleinen Lösungen

Die wirkungsvollsten Use Cases kommen oft ungeplant aus den Teams selbst. Ein Mitarbeiter aus dem Compliance-Bereich baute eigenständig mit Perplexity eine wöchentliche automatisierte Recherche zu neuen EU-Verordnungen — ohne dass das KI-Team davon wusste. „Der kam irgendwann um die Ecke und sagt: Ich habe hier mal was gebaut, darf ich dir das mal zeigen?" Die Rechtsabteilung sparte dadurch erheblich Zeit. Der Kollege wurde direkt ins KI-Team geholt.

Im Marketing entstehen Anwendungen für Produkttexte und Werbemittelproduktion. Projektmanager lassen sich Projektpläne generieren. In Workshops, die früher drei Tage dauerten, entstehen mit ChatGPT-Unterstützung in zwei Stunden bessere Ergebnisse. Felix' zentrale Erkenntnis: „Wenn sich jeder so diese zwei, drei, vier, fünf Prozentlösungen in der Woche Arbeitszeit einspart, da hat das einfach in Summe einen totalen Impact."

Gleichzeitig evaluiert das Team größere Value Cases entlang der Wertschöpfungskette — Kundenkommunikation im Vertrieb, Automatisierung im Rechnungswesen. Hier prüft Schäfer Shop bewusst, welche Lösungen selbst gebaut werden und wo spezialisierte Dienstleister oder CRM-Erweiterungen sinnvoller sind.

Die größte Herausforderung: Realistische Erwartungen schaffen

Als größte Herausforderung nennt Felix nicht den Datenschutz oder die Technik, sondern das Erwartungsmanagement. Manche Abteilungen planen ihre Zukunft mit der Vorstellung, KI werde bald alles erledigen — von der Datenerfassung bis zum Versand. Andere lehnen die Technologie grundsätzlich ab. „Irgendwo zwischen den Extremen liegt die Wahrheit", sagt Felix, und warnt davor, bei der aktuellen Entwicklungsgeschwindigkeit Prognosen abzugeben, die näher am einen oder anderen Pol liegen.

Sein Ansatz: Auf Augenhöhe kommunizieren und anerkennen, dass auch er selbst sich manchmal abgehängt fühlt. „Mir fällt die Kinnlade runter, wenn ich mir AI-News hole. Ich fühle mich immer abgehangen. Und das, obwohl ich mich mit dieser Technologie eigentlich 24/7 beschäftige. Wie muss sich jemand fühlen, der echt überhaupt gar keine Berührungspunkte hat?"

Kernaussagen

KI-Demokratisierung statt Zentralisierung — „Unser AI-Team ist der ganze Shop. Und da wollen wir gerne hin." Nicht ein großes KI-Team, sondern jeder Mitarbeitende soll KI nutzen können. Citizen Development, Enablement
Viele kleine Lösungen schlagen den großen KI-Agenten — „Wenn sich jeder so diese zwei, drei, vier, fünf Prozentlösungen in der Woche Arbeitszeit einspart, da hat das einfach in Summe einen totalen Impact." Fünf-Prozent-Lösungen, Bottom-up-Innovation
Geschäftsführungs-Commitment als Voraussetzung — „KI muss hier Teil davon sein und mir auch den Rücken stärken, das dann ins Unternehmen zu bringen." Ohne freigegebene Kapazitäten scheitert jede KI-Initiative. Top-down-Support, Kapazitäten
Vertrauen in die Mitarbeitenden — „Ich traue das jedem Mitarbeiter, jeder Mitarbeiterin bei uns im Haus zu, das zu bedienen." KI-Tools nutzen ist keine Raketenwissenschaft. Low-Code, Zugänglichkeit
Erwartungsmanagement als größte Herausforderung — „Mir fällt die Kinnlade runter, wenn ich mir AI-News hole. Ich fühle mich immer abgehangen." Auf Augenhöhe kommunizieren, Ehrlichkeit schafft Vertrauen. Change Management, Kommunikation

Fazit und Takeaways

Für Mittelständler, die KI in die Breite bringen wollen

Demokratisierung statt Zentralisierung: Nicht ein großes KI-Team aufbauen, das alles selbst entwickelt, sondern jeden Mitarbeitenden befähigen, eigene Workflows zu bauen. Die Summe vieler kleiner Automatisierungen schlägt den einen großen KI-Agenten.
Zugängliche Tools wählen: Plattformen wie Make senken die Einstiegshürde drastisch. Wenn ungeschulte Mitarbeitende beim ersten Versuch einen funktionierenden Workflow bauen, ist das Tool richtig gewählt.
Multiplikatoren aus den Fachbereichen: KI-Botschafter, die aus der eigenen Abteilung kommen, schaffen mehr Akzeptanz als externe Experten oder ein zentrales IT-Team.
Geschäftsführungs-Commitment sichern: Ohne freigegebene Kapazitäten für Schulungen und ein klares Signal von oben scheitert jede KI-Initiative an der Alltagspriorität.

Für KI-Verantwortliche und Change-Manager

Auf Augenhöhe kommunizieren: Die Geschwindigkeit der KI-Entwicklung überfordert auch Experten. Ehrlichkeit darüber schafft Vertrauen bei Mitarbeitenden, die Berührungsängste haben.
Klein starten, schnell zeigen: Konkrete Zeitersparnisse bei alltäglichen Aufgaben überzeugen mehr als abstrakte Strategiepräsentationen. Ein Compliance-Mitarbeiter, der eigenständig einen Recherche-Workflow baut, ist die beste Werbung.
Datenschutz als Enabler, nicht als Blocker: Ein Datenschutzbeauftragter, der KI ermöglicht statt verhindert, ist eine der unterschätzten Zutaten für eine erfolgreiche Transformation.

Für Einzelpersonen und Early Adopter

Einfach anfangen: Die Technologie ist so zugänglich wie keine zuvor. Wer ChatGPT bedienen kann, kann auch einen Make-Workflow bauen. Der Einstieg erfordert keine Programmierkenntnisse.
Eigene Prozesse hinterfragen: Jede wiederkehrende Aufgabe ist ein potenzieller Automatisierungskandidat. Die besten Use Cases kommen oft von den Menschen, die den Prozess am besten kennen.

Schäfer Shop zeigt, dass KI-Demokratisierung im Mittelstand keine Utopie ist — sondern eine Frage von Haltung, Struktur und der Bereitschaft, Menschen zu vertrauen. Die Wiedervorlage steht: In zwei Jahren soll jeder der 500 Mitarbeitenden am Standort KI im Arbeitsalltag nutzen.

Wenn sich jeder so diese zwei, drei, vier, fünf Prozentlösungen in der Woche Arbeitszeit einspart, da hat das einfach in Summe einen totalen Impact.