KI-Transformation bei RWE: Wie ein Energieriese mit der schnellsten Technologie unserer Zeit umgeht

Intro

In dieser Episode spricht Felix mit Dr. Max Schumm, Co-Lead des AI-Teams im Bereich Corporate Transformation bei RWE. Das Gespräch gibt tiefe Einblicke in die KI-Transformation eines der größten Energieunternehmen Europas: Wie RWE in weniger als zwei Monaten über 4.500 Mitarbeitende für generative KI begeisterte, welche Use Cases vom Offshore-Windpark bis zum Energiehandel bereits laufen, und wie das Unternehmen den Spagat zwischen Innovation und kritischer Infrastruktur meistert. Max teilt konkrete Erfahrungen aus AI-Sprints, erklärt die Rolle von Guidelines und AI-Prinzipien, und diskutiert, wie KI die Arbeitsweise grundlegend verändern wird – ohne dass Menschen aufhören sollten zu denken.

Inhaltsübersicht

Max Schumms Rolle als Brückenbauer zwischen IT und Business in der Corporate Transformation bei RWE
Traditionelle KI-Anwendungen vor der Gen-AI-Ära: Von Drohnen-Inspektionen bis zum KI-gestützten Energiehandel
Die dezentrale Struktur von RWE mit Operating Companies und deren eigenen IT-Abteilungen
Entwicklung einer robusten AI-Guideline unter Berücksichtigung des EU AI Acts
Der Company GPT: Wie RWE in unter zwei Monaten ein Drittel der Büromitarbeiter aktivierte
Das Drei-Säulen-Modell: Top-Down-Cases, Bottom-Up-Enablement und strukturierte AI-Sprints
Herausforderungen in der kritischen Infrastruktur und der Umgang mit Regulierung
Die Bedeutung von AI-Champions und der Übergang von "bitte nutzt die Technologie" zu "bitte helft uns dabei"
Risiken des "Verlernens" von Prozessen und die Wichtigkeit menschlicher Entscheidungsfindung
Ausblick auf Agenten, Workflows und die Zukunft der Arbeit

Über den Gast

Dr. Max Schumm ist Co-Lead des AI-Teams im Bereich Corporate Transformation bei der RWE AG. In dieser Rolle fungiert er als Brückenbauer zwischen IT und Business und orchestriert die KI-Initiativen des Energiekonzerns. Sein Team ist Teil der Corporate Transformation Gruppe, die von Change-Prozessen über Organisationsoptimierung bis hin zu Digital- und AI-Transformation ein breites Spektrum abdeckt. Seit zwei Jahren treibt Max gemeinsam mit der IT die digitale und KI-gestützte Transformation bei RWE voran. Dabei koordiniert er ein virtuelles AI-Team über die gesamte Gruppe hinweg und bringt seine Expertise in einem Unternehmen ein, das als einer der größten Energiehändler Europas zur kritischen Infrastruktur gehört.

Detaillierte Zusammenfassung

Die Rolle der Corporate Transformation bei RWE

RWE ist als Holding-Struktur organisiert, mit der RWE AG an der Spitze und mehreren sogenannten Operating Companies, die für die Stromerzeugung verantwortlich sind. Die Corporate Transformation Gruppe in der AG ist eine "eierlegende Wollmilchsau", wie Max es beschreibt: Sie kümmert sich um Change-Prozesse, Prozess- und Organisationsoptimierung, Events und seit zwei Jahren auch um Digital- und AI-Transformation.

Das vierköpfige Team mit Max als Verantwortlichem für das AI-Thema versteht sich als Brücke zwischen zwei Welten. "Das Business versteht meistens nicht die IT und andersrum ist es in der Regel auch so, dass die IT gar nicht so richtig weiß, was das Business versucht zu erreichen und was die Needs sind", erklärt Max. Diese Vermittlerrolle ist entscheidend für den Erfolg der KI-Transformation, besonders in einem dezentral organisierten Konzern wie RWE.

Zusätzlich wurde ein virtuelles AI-Team gegründet, das Max gemeinsam mit der IT leitet. Der Begriff "Lead" bedeutet hier weniger hierarchische Führung, sondern vielmehr Orchestrierung – das Zusammenhalten verschiedener Initiativen und das Steuern in eine gemeinsame Richtung über alle Unternehmensbereiche hinweg.

KI vor ChatGPT: Bewährte Anwendungen im operativen Geschäft

Bevor generative KI die Arbeitswelt veränderte, setzte RWE bereits seit Jahren auf traditionelle KI-Methoden in seinen operativen Geschäften. Zwei Beispiele illustrieren die Bandbreite dieser Anwendungen besonders eindrucksvoll.

Im Bereich Offshore Wind bei RWE Renewables werden die Rotorblätter der Windparks in der Nordsee regelmäßig auf Abnutzungserscheinungen kontrolliert. Eine komplexe und kostspielige Aufgabe, die normalerweise den Einsatz von Schiffen oder Hubschraubern erfordert. RWE nutzt hier eine Kombination aus Drohnen und Computer Vision: Die Drohnen erstellen hochauflösende Bilder der Rotorblätter, während künstliche Intelligenz diese analysiert und detaillierte Aussagen über den Zustand trifft. Auf Basis von Predictive Maintenance kann die KI vorhersagen, wann tatsächlich menschliche Experten vor Ort sein müssen – eine erhebliche Effizienzsteigerung in einem logistisch anspruchsvollen Umfeld.

Das zweite Beispiel stammt aus dem Energiehandel. RWE Supply & Trading ist einer der größten Energiehändler Europas, mit einem Trading-Floor, der aussieht "wie an der Börse". Seit kurzem betreibt RWE in den USA ein AI-Lab, das hochpräzise Wettervorhersagen erstellt – deutlich genauer als die Tagesschau, wie Max schmunzelnd anmerkt. Diese Prognosen sind entscheidend für Kauf- und Verkaufsentscheidungen im Stromhandel und zeigen, wie datengetrieben das Geschäft ist.

Beide Beispiele zeigen: KI war bei RWE schon vor dem Hype um ChatGPT ein etabliertes Werkzeug, allerdings vor allem in spezialisierten, operativen Anwendungen.

Der Start der Gen-AI-Transformation: Pragmatisch und reguliert zugleich

Als ChatGPT Ende 2022 die Welt veränderte, hatte Max das "perfekte Timing" – er war gerade bei RWE gestartet. Die Reaktion im Unternehmen überraschte ihn positiv: "Wir sind zum einen überrascht gewesen, wie viel Interesse auch so in der gesamten Mannschaft besteht, solche Tools zu nutzen."

RWE reagierte schnell und strukturiert. Ein Projekt wurde aufgesetzt, um drei zentrale Fragen zu klären: Welcher Mehrwert steckt in der Technologie? Was kann RWE damit anfangen? Und welche Rahmenbedingungen braucht es? Die Antwort auf die ersten beiden Fragen war schnell klar – natürlich gab es Mehrwert und natürlich sollte RWE sich damit beschäftigen.

Die dritte Frage führte zur Entwicklung einer umfassenden AI-Guideline, die bereits alle Anforderungen des EU AI Acts berücksichtigt. Als Unternehmen der kritischen Infrastruktur muss RWE besonders vorsichtig sein. "Wir sind sehr dezentral in vielen Themen aufgestellt", erklärt Max, und diese dezentrale Struktur mit eigenen IT-Abteilungen in den Operating Companies machte klare, zentrale Leitplanken umso wichtiger.

Was am Anfang nach einem zähen, bürokratischen Prozess klang, erwies sich als strategischer Vorteil: "Es hilft uns jetzt extrem. Also wir haben diese Guideline, die ist aktiv und bei uns bei RWE zum Beispiel haben wir nicht diesen Wust an 50, 60 verschiedenen Systemen, die einfach mal ausprobiert worden sind, wo alle Daten reingeschmissen worden sind." Stattdessen gibt es klare Regeln und Prozesse, auch für neue Tools wie die AI-Funktionen in Jira und Confluence.

"In der aktuellen Form der Transformation rund um Generative AI ist es eher andersrum. Da kommen die Kolleginnen und Kollegen auf uns zu sagen, Max, das ist so eine tolle Technologie, ich habe das da und da gesehen, ich habe das hier und hier ausprobiert. Bitte unterstützt uns, das jetzt sofort in unsere Unternehmung, in unser Team mit einzubringen."

Die sechs AI-Prinzipien: Mensch im Mittelpunkt

Neben der rechtlich getriebenen Guideline entwickelte RWE sechs AI-Prinzipien, die für Mitarbeitende leichter verständlich und anknüpfungsfähig sind. Das wichtigste: "Der Mensch muss im Mittelpunkt stehen." RWE will damit klar framen, dass bei aller Technologiebegeisterung der Mensch der Fokus des Handelns bleibt.

Die Prinzipien decken auch technische Aspekte wie Datenschutz und Cyber Security ab und sind mit den RWE-Werten und den Essential Behaviours – den internen Verhaltensrichtlinien – verknüpft. Diese Verankerung in der bestehenden Unternehmenskultur machte die Prinzipien sofort anschlussfähig und akzeptiert.

Das Ergebnis dieser sorgfältigen Vorbereitung: Kein Wildwuchs an Tools, kontrollierte Nutzung, schnelle Freigabeprozesse für neue Funktionen und eine klare Richtung für alle Beteiligten. RWE kann dadurch "relativ smooth und relativ kontrolliert" steuern, welche Tools genutzt werden – ein erheblicher Vorteil gegenüber Organisationen, die zunächst ohne Leitplanken experimentierten und nun versuchen, die Geister wieder einzufangen.

Company GPT: Von null auf 4.500 Nutzer in zwei Monaten

Ein zentraler Meilenstein der Transformation war die Einführung des Company GPT, einer unternehmensweiten Plattform für generative KI. Das Ergebnis übertraf alle Erwartungen: "Wir haben jetzt in weniger als zwei Monaten über 4.500 Nutzer generieren können. Das ist ungefähr grob ein Drittel von den Personen, die regelmäßig vorm Computer sitzen."

Der Company GPT ist bewusst niedrigschwellig gestaltet: Alle Mitarbeitenden mit Laptop und Internetzugang können ihn nutzen, es ist schlicht ein Online-Browser-Tool. Begleitet wird die Plattform von einem internen AI-Portal mit Basic-Enablement-Materialien: Wie nutze ich das Tool? Wie schreibe ich einen Prompt? Wie baue ich mir ein Personal-GPT?

Diese Kombination aus einfachem Zugang und grundlegender Befähigung ermöglicht einen echten Bottom-Up-Ansatz: Mitarbeitende können selbstständig experimentieren, Erfahrungen sammeln und die Technologie in ihren Arbeitsalltag integrieren. Die hohe Akzeptanz zeigt, wie sehr sich die Transformation von früheren Digitalisierungswellen unterscheidet.

Max erinnert sich an seine frühere Organisation, wo die Hauptaufgabe darin bestand, Menschen zu überzeugen, überhaupt digitale Tools zu nutzen. "In der aktuellen Form der Transformation rund um Generative AI ist es eher andersrum. Da kommen die Kolleginnen und Kollegen auf uns zu sagen, Max, das ist so eine tolle Technologie, ich habe das da und da gesehen, ich habe das hier und hier ausprobiert. Bitte unterstützt uns, das jetzt sofort in unsere Unternehmung, in unser Team mit einzubringen."

Diese Umkehrung – von "Bitte nutzt die Technologie" zu "Bitte helft uns, diese Technologie einzusetzen" – macht die Arbeit der Transformationseinheit deutlich einfacher und ermöglicht es, sich auf den wichtigeren zweiten Schritt zu konzentrieren: die Identifikation echter Mehrwerte.

Das Drei-Säulen-Modell: Top-Down, Bottom-Up und AI-Sprints

RWE verfolgt eine Kombination aus drei Ansätzen für die Use-Case-Entwicklung, wie Max detailliert erläutert.

Top-Down identifiziert das Unternehmen größere, strategische Cases. Ein frühes Beispiel ist der CV-Matcher: Bewerberinnen und Bewerber können ihren Lebenslauf auf der Website hochladen und erhalten automatisch passende Stellenvorschläge. Ein klassischer Gen-AI-Use-Case, den viele Unternehmen früh ausprobierten, und eine bewusste strategische Entscheidung der Unternehmensführung.

Bottom-Up ermöglicht der Company GPT allen Mitarbeitenden, selbst mit der Technologie zu experimentieren und eigene Anwendungsfälle zu entdecken. Die Plattform bietet dabei genug Freiheit zum Ausprobieren, bleibt aber durch die Guidelines im kontrollierten Rahmen.

Die dritte Säule sind strukturierte AI-Sprints, die Max und sein Team in einzelnen Abteilungen durchführen. Der Ablauf ist klar definiert:

Enablement: Alle Teammitglieder werden auf das gleiche Wissensniveau gebracht – vom KI-Enthusiasten, der bereits eigene Agents gebaut hat, bis zur Kollegin im letzten Karriereviertel, die froh ist, bisher noch nichts davon gehört zu haben.
Ideation Session: Das Team identifiziert gemeinsam, was in der täglichen Arbeit am meisten nervt und welche Aufgaben repetitiv sind. Überraschung: Selbst "so super kreative Einheiten wie zum Beispiel Accounting" kommen mit einer riesigen Liste an Ideen aus dem Workshop.
Validierung und Konzeption: Das Transformationsteam unterstützt bei der Bewertung der Machbarkeit – Sind die Daten vorhanden? Wo ist der größte Mehrwert? Welche Risiken gibt es? Können wir uns einen Fehler leisten oder brauchen wir einen Double-Check?
Prozessintegration: Mit Post-its an der Wand wird der bestehende Prozess visualisiert und überlegt, wo der Company GPT mit einem AI-Assistenten helfen kann und wie der Prozess dafür angepasst werden muss.
Implementierung und Change: Das Team achtet darauf, dass nicht nur die Technologie eingeführt wird, sondern auch die organisatorischen Aspekte berücksichtigt werden: Wie verändern sich KPIs? Was müssen vor- und nachgelagerte Rollen tun? "Wie lernen denn neue Kolleginnen und Kollegen überhaupt noch das eigentliche Geschäft von euch, wenn sie nur noch die Maschine bedienen?"

Diese AI-Sprints sind bewusst kurz und intensiv gehalten: Maximal vier bis fünf Wochen, damit das kleine Transformationsteam mehrere Sprints parallel begleiten kann. Das Ziel ist nicht, alles selbst zu machen, sondern die Teams zu befähigen, nach dem Sprint selbstständig weitere Use Cases umzusetzen.

Skalierung: Von Online-Learnings bis AI-Champions

Die Frage der Skalierung ist entscheidend: Wie kann ein kleines Transformationsteam einen Konzern mit tausenden Mitarbeitenden transformieren?

RWE setzt auf mehrere Hebel. Neben dem Transformationsteam in der AG gibt es gespiegelte Transformationseinheiten in den Operating Companies, die ein starkes Netzwerk bilden. Zusätzlich bietet HR zusammen mit dem AI-Team Online-Learnings und individuelles Lernen an: Ein AI-Basics-Kurs, ein Prompting-Basic-Training und spezielle Inhalte für Führungskräfte sind auf der Plattform Success Vector verfügbar.

Das ehrgeizige Ziel: Bis Ende des Jahres mit allen Führungskräften auf AG-Ebene mindestens einmal über KI gesprochen haben. So wird das Thema komplett in die Mannschaft getragen.

Mittelfristig setzt RWE auf AI-Champions – Personen in jedem Team oder übergeordneten Bereich, die das Thema vorantreiben und als Multiplikatoren fungieren. Die Hoffnung: "Dass es dann so zur Normalität wird, dass die Teams da selber mit umgehen können."

Trotzdem wird es weiterhin eine zentrale Einheit geben müssen, glaubt Max. Ihre Aufgabe: "Weiter innovieren, weiter schauen, was kommt denn nach diesem Corporate GPT und dem AI-Assistenten." Der Blick auf die nächste Evolutionsstufe – Agenten, Workflows, Integrationen mit Tools wie Power Automate – und die Übersetzung dieser Innovationen für die Organisation.

Datenqualität und pragmatische Lösungen

Bei allen Erfolgen gibt es auch Herausforderungen. Eine zentrale Frage ist die Datenstruktur: Sind die Daten zugänglich? Sind sie so klassifiziert, dass man damit arbeiten kann? Max beobachtet hier eine zweigeteilte Realität: "Die Daten sind manchmal sehr gut vorhanden. Manchmal ist das tatsächlich eine der Baustellen, die wir aktuell sehen."

Entscheidend ist jedoch die Reaktion der Organisation: Sie "streckt sich" und fragt, welche Datenstruktur die richtige ist und wie sie möglichst schnell bereitgestellt werden kann. RWE zeigt sich erstaunlich pragmatisch: "Vielleicht nicht für den End-to-End-Prozess, aber dennoch für drei, vier, fünf Schritte in diesem Prozess, wo wir dann die Technologie so nutzen und auch so anwenden können, wie wir es gerade aktuell machen können."

Diese Pragmatik – nicht auf die perfekte Lösung zu warten, sondern mit dem zu starten, was möglich ist – treibt die Transformation voran. Ein aktuelles Beispiel: Die Kolleginnen und Kollegen analysieren, wie der Prozess abläuft, wenn ein Windrad auf einem Feld aufgestellt wird – ein papierintensiver Vorgang, bei dem Gen-AI unterstützen könnte.

Die Frage des Verlernens: Wenn Menschen Prozesse abgeben

Eine der nachdenklichsten Fragen, die Max in den Use-Case-Validierungen stellt, ist: "Seid ihr euch bewusst, dass ihr diesen Prozess verlernen werdet, den ihr da in diese KI-Maschine bringt?"

Es folgt die entscheidende Anschlussfrage: "Wollt ihr das verlernen? Ist das was, wo ihr das Risiko eingehen wollt, diesen Prozess zu verlieren?" Oft ist die Antwort "Ja" – wenn es sich um repetitive Aufgaben handelt, die nicht zur Kernkompetenz gehören. Aber manchmal eben auch nicht.

Max zieht einen treffenden Vergleich: "Wir wissen auch alle, wie gut wir in einer fremden Stadt ohne Google Maps durch die Gegend fahren im Auto, das ist definitiv was, was ich verlernt habe und vielleicht aber auch nie gelernt habe." Die Abhängigkeit von Technologie ist nicht neu, aber mit KI erreicht sie eine neue Dimension.

Diese Frage des Verlernens verknüpft Max mit dem wichtigsten der sechs AI-Prinzipien: Mensch im Mittelpunkt. Es klingt "ein bisschen cheesy", wie er zugibt, aber es bedeutet konkret: "Am Ende oder am Anfang oder im Optimalfall auch zwischendrin sollte der Mensch schon nochmal seine Human Intelligence anschalten bei solchen Themen."

Die Gefahr, aufzuhören zu denken, ist real. Max teilt Felixs Beobachtung eines Reddit-Posts, in dem ein Vater beschrieb, wie seine Tochter jeden Gedanken, jede Idee, jede Frage sofort in ChatGPT eingibt, ohne selbst nachzudenken. Felix selbst hat sich eine Regel gesetzt: "Es gibt zwei Momente, aber ich muss einmal selbst drüber nachdenken. Entweder am Anfang oder am Ende. Aber einmal muss selbst mein Kopf anspringen."

"Ich glaube, dass wenn wir alle etwas mehr Zeit haben, über wichtige Entscheidungen nachzudenken, uns die Qualität unserer Arbeit ganz anders bewusst wird und dass wir auch viel besser und viel schneller Entscheidungen treffen."

Transformation der Arbeit: Qualität statt nur Geschwindigkeit

Wie wird KI die Arbeit grundlegend verändern? Max hat dazu eine differenzierte Perspektive, die über einfache Effizienzsteigerungen hinausgeht.

Zunächst erwartet er, dass KI hilft, den demografischen Wandel auszugleichen: "Wir haben in vielen Bereichen auch bei uns schon die Schwierigkeit, gute neue Mitarbeitende zu finden. Und ich könnte mir vorstellen, dass die Unterstützung von Generative AI da sehr helfen kann, das auszugleichen."

Wichtiger noch: Die Art und Weise, wie wir arbeiten, wird sich ändern. Max reflektiert: "Wenn ich mal so überlege und reflektiere, wie viele Sachen an so einem Arbeitstag nebenbei passieren, dann sind es ziemlich viele und bei wie vielen Sachen man eigentlich deutlich mehr und deutlich länger darüber nachdenken sollte, sind es ehrlich gesagt auch relativ viele."

Hier liegt für ihn das größte, oft unterschätzte Potenzial: "Ich glaube, dass wenn wir alle etwas mehr Zeit haben, über wichtige Entscheidungen nachzudenken, uns die Qualität unserer Arbeit ganz anders bewusst wird und dass wir auch viel besser und viel schneller Entscheidungen treffen."

Die Vision: Nicht nur schneller werden, weil das Umfeld schneller wird, sondern qualitativ besser arbeiten. Wenn die Maschine Termine organisiert und PowerPoint-Folien formatiert, kann man sich auf den Inhalt konzentrieren. Wenn repetitive Aufgaben automatisiert sind, bleibt mehr Zeit fürs Nachdenken. "Wir sind gerade ganz häufig in Organisationen im Blindflug unterwegs. Wir machen einfach, wir erledigen unsere Aufgaben und wir denken gar nicht so richtig drüber nach."

Dieser Qualitätssprung könnte dazu führen, dass Unternehmen tatsächlich innovativer werden – "nicht, weil sie bewusst Innovationsprozesse anstoßen mit der freigewordenen Zeit, sondern weil sie vielleicht einfach bewusst da über Dinge nachdenken."

Die Zukunft: Agenten, Workflows und neue Speziallösungen

Der Blick in die Zukunft zeigt: Der Company GPT ist erst der Anfang. Max sieht bereits die Grenzen des aktuellen Systems und nennt als nächste Schritte:

Verknüpfung in andere Systeme und Workflows
Aufbau komplett digitaler Prozesse
Agentenmodelle, die eigenständig komplexe Aufgaben übernehmen
Integration mit Tools wie Power Automate für Workflow-Automatisierung

Zudem erwartet er, dass es für spezifische Anwendungsfälle sehr spezialisierte Tools geben wird: "Wenn wir jetzt darauf schauen, dass wir einen sehr spezifischen Legal Case haben, der immer wieder vorkommt, weil es irgendwelche AGBs sind oder irgendwelche Verträge, dann bin ich mir ziemlich sicher, dass wir entweder eine abgewandelte Form unseres Company-GPTs haben oder dann einen spezifischen Anbieter, der dieses Problem sehr, sehr gut lösen kann."

Die Strategie: Zunächst mit dem Company GPT die Effizienz in der Breite um 15 Prozent anheben, dann schauen, wo die Grenzen liegen und welche Probleme noch nicht gelöst werden können. Dort dann mit spezialisierten Lösungen ansetzen.

Felix ergänzt den aktuellen Stand der Technik (zum Aufnahmezeitpunkt 13. März): ChatGPT ermöglicht bereits das Setup eigener Agenten mit Workflows, Datenbankanbindungen werden immer einfacher, Workflow-Logiken sind der nächste Schritt. Die Vision: Sowohl synchron (ich arbeite direkt mit einem Assistenten) als auch asynchron (Workflows laufen im Hintergrund auf meinen Daten) arbeiten zu können.

Max stimmt zu, betont aber: "Wir müssen es aber auch immer den Endnutzerinnen und Nutzern so schmackhaft machen und den Mehrwert erkennen, der da ist, weil sonst sind es total tolle und interessante Tools" – aber eben nur Spielereien wie Gedichte schreiben oder Einladungskarten gestalten. Der Use Case muss im Zentrum stehen: "Wo können wir den Kolleginnen und Kollegen die Arbeit abnehmen, damit sie sich auf wichtigere oder vielleicht auch intensivere, kreativere Aufgaben konzentrieren können."

Kernaussagen

Rasante Adoption — "Wir haben jetzt in weniger als zwei Monaten über 4.500 Nutzer generieren können. Das ist ungefähr grob ein Drittel von den Personen, die regelmäßig vorm Computer sitzen." Company GPT, niedrigschwelliger Zugang, Bottom-Up-Enablement
Brückenbauer-Rolle — "Das Business versteht meistens nicht die IT und andersrum ist es in der Regel auch so, dass die IT gar nicht so richtig weiß, was das Business versucht zu erreichen und was die Needs sind. Und da versuchen wir, die Brücke zu spannen." Corporate Transformation, Orchestrierung, IT-Business-Alignment
Leitplanken als Vorteil — "Wir haben diese Guideline, die ist aktiv und bei uns bei RWE zum Beispiel haben wir nicht diesen Wust an 50, 60 verschiedenen Systemen, die einfach mal ausprobiert worden sind, wo alle Daten reingeschmissen worden sind, sondern wir haben da ganz klare Regeln am Anfang gehabt." AI-Guideline, EU AI Act, kontrollierte Innovation
Umkehr der Transformationsdynamik — "In der aktuellen Form der Transformation rund um Generative AI ist es eher andersrum. Da kommen die Kolleginnen und Kollegen auf uns zu sagen, Max, das ist so eine tolle Technologie, ich habe das da und da gesehen, ich habe das hier und hier ausprobiert. Bitte unterstützt uns, das jetzt sofort in unsere Unternehmung, in unser Team mit einzubringen." Pull statt Push, intrinsische Motivation, Akzeptanz
Qualität durch Nachdenken — "Ich glaube, dass wenn wir alle etwas mehr Zeit haben, über wichtige Entscheidungen nachzudenken, uns die Qualität unserer Arbeit ganz anders bewusst wird und dass wir auch viel besser und viel schneller Entscheidungen treffen." Qualitätssprung, bewusstes Arbeiten, Innovation durch Reflexion
Bewusstes Verlernen — "Seid ihr euch bewusst, dass ihr diesen Prozess verlernen werdet, den ihr da in diese KI-Maschine bringt?" Risikobewertung, Kernkompetenz, Mensch im Mittelpunkt

Fazit und Takeaways

Für Transformations-Verantwortliche in Großunternehmen

Leitplanken vor Experimentierfreude: RWEs Ansatz, erst eine robuste AI-Guideline mit Berücksichtigung des EU AI Acts zu entwickeln, zahlte sich aus. Statt unkontrolliertem Tool-Wildwuchs gibt es klare Prozesse und kontrollierte Innovation.
Prinzipien als Brücke: Die sechs AI-Prinzipien (besonders "Mensch im Mittelpunkt") sind einfacher verständlich als rechtliche Guidelines und verknüpfen KI mit bestehenden Unternehmenswerten – das schafft Akzeptanz.
Dreigleisig fahren: Die Kombination aus Top-Down-Cases, Bottom-Up-Enablement und strukturierten AI-Sprints deckt sowohl strategische Großprojekte als auch dezentrale Innovation ab.
Kurze, intensive Sprints: Vier bis fünf Wochen von Enablement über Ideation bis zur Implementierung ermöglichen es kleinen Teams, viele Bereiche parallel zu begleiten und zur Selbstbefähigung zu führen.

Für Fachbereiche und Teams

Die Frage des Verlernens stellen: Bevor ein Prozess automatisiert wird, bewusst entscheiden, ob man bereit ist, dieses Wissen und diese Fähigkeit abzugeben – nicht jede Automatisierung ist sinnvoll.
Repetitive Arbeit identifizieren: Die besten Use Cases entstehen aus der Frage "Was nervt euch am meisten und ist repetitiv?" – selbst vermeintlich unkreative Abteilungen wie Accounting haben riesige Ideenlisten.
Pragmatisch starten: Nicht auf perfekte Daten oder End-to-End-Automatisierung warten, sondern mit drei bis fünf Prozessschritten beginnen, wo die Technologie heute schon helfen kann.
Change mitdenken: Technologie-Einführung ist nur der Anfang – KPIs, Rollen, Lernprozesse für neue Mitarbeitende müssen mitgedacht werden.

Für die individuelle Arbeitsweise

Die Maschine wie einen neuen Kollegen behandeln: Dieser Ansatz funktioniert erstaunlich gut – man muss sie anlernen, mit Daten füttern, aber auch zurechtweisen und Grenzen setzen.
Einmal selbst denken: Ob am Anfang oder am Ende eines Prozesses – mindestens einmal muss der eigene Kopf anspringen, um nicht ins gedankenlose Delegieren zu verfallen.
Vom Schneller zum Besser: Das größte Potenzial liegt nicht nur in Effizienzsteigerung, sondern in der gewonnenen Zeit für bewusstes Nachdenken über Inhalte statt Formatierung – ein oft unterschätzter Qualitätssprung.

RWEs Transformation zeigt: Auch große, regulierte Konzerne können KI schnell und breit einführen, wenn sie strukturiert vorgehen, klare Leitplanken setzen und dabei pragmatisch bleiben. Der Erfolg liegt in der Balance zwischen zentraler Steuerung und dezentraler Befähigung, zwischen Innovation und Verantwortung, zwischen Effizienz und bewusstem Denken. "Das ist einfach die schlechteste Form der KI, mit der wir da umgehen müssen", wie Max zum Abschluss betont.

#29KI-Transformation bei RWE: Wie ein Energieriese mit der schnellsten Technologie unserer Zeit umgeht