Venture Clienting trifft KI: Wie Eberspächer mit Startup-Mentalität die Transformation beschleunigt

Intro

In dieser Episode des AI FIRST Podcast spricht Felix Schlenther mit Florian Dürr, der bei der Eberspächer Group für die digitale und KI-Transformation verantwortlich ist. Florian zeigt, wie der große Automobilzulieferer durch Venture Clienting — also die enge Zusammenarbeit mit Startups — KI-Projekte schnell von der Idee zu messbarem Wert bringt. Dabei wird deutlich, warum Eberspächer bewusst mit Machine Learning statt GenAI gestartet hat, wie das AI Ambassador Programm in wenigen Wochen 366 Mitarbeitende erreichte und warum sich das Unternehmen gegen Microsoft Copilot und für ein Startup entschieden hat.

Inhaltsübersicht

Quickfire Round: Florians liebste KI-Tools und die größte Missconception im Unternehmen.
Venture Clienting als Methode, Startup-Mentalität in den Konzern zu tragen.
Der typische Venture-Clienting-Prozess von der Longlist bis zum Pilotprojekt.
Build vs. Buy vs. Customize: Wann Eigenentwicklung, Einkauf oder Anpassung sinnvoll ist.
Machine Learning vor GenAI: Warum Eberspächer den unkonventionellen Weg gewählt hat.
BlockBrain als modellagnostische GenAI-Plattform und die bewusste Entscheidung gegen etablierte Enterprise-Lösungen.
Das AI Ambassador Programm mit 366 geschulten Kolleginnen und Kollegen und 120 Use Cases im Backlog.
Schulungsansatz: Von komplexen Demos hin zu einfachen Anwendungsfällen, die reale Probleme lösen.
Der Support-Helpdesk als konkreter Praxis-Use-Case mit engagierter Fachbereichsführung.
Organisation und Betrieb: Schlanke Prozesse, zentrale Steuerung beim CEO, dezentrale Befähigung.
Erfolgsfaktoren und Learnings für die langfristige KI-Transformation.

Über den Gast

Florian Dürr ist verantwortlich für die digitale und KI-Transformation bei der Eberspächer Group, einem großen Automobilzulieferer, der unter anderem Standheizungen, Klimaanlagen und Auspuffanlagen herstellt. Privat nutzt er Claude als strategischen Thought-Partner und für LinkedIn-Content. Im Unternehmen arbeitet er mit der GenAI-Plattform BlockBrain. Sein Team ist direkt beim CEO aufgehängt — bewusst nicht in der IT — und treibt von dort die KI-Strategie über Venture Clienting, Enablement und konkrete Use Cases voran.

Detaillierte Zusammenfassung

Quickfire Round: Florians KI-Alltag

Florian startet mit Einblicken in seine persönliche KI-Nutzung. Privat ist Claude in der nativen App sein Go-to-Tool: "Privat ist es definitiv Claude in der nativen App, weil ich Mobile-First-Nutzer bin. Die zwei Haupt-Use-Cases sind als AI-Advisor, strategischer Thought-Partner und für LinkedIn." Im Unternehmen nutzt er die GenAI-Plattform BlockBrain für vielfältige Anwendungsfälle.

Die größte Missconception im Unternehmen: Dass GenAI automatisieren und Excel-Probleme lösen kann. "Die größte Missconception ist, dass GenAI automatisieren kann und Probleme mit Excel lösen kann. Da sind ungefähr 30 Prozent der Use Cases Fälle, die wir eigentlich mit Excel oder Power BI, Power Automate lösen." Ein ernüchternder, aber wichtiger Reality-Check für jedes Unternehmen, das ein Ambassador-Programm aufsetzt.

Venture Clienting: Startup-Mentalität im Konzern

Venture Clienting bedeutet für Florian, die Startup-Mentalität ins Unternehmen zu tragen. Statt alles selbst zu entwickeln, arbeitet Eberspächer eng mit Startups zusammen, die spezifische Probleme besonders gut lösen. Der Prozess funktioniert sowohl im Push- als auch im Pull-Prinzip: Entweder kommt ein Problem aus dem Fachbereich, oder das Team identifiziert passende Startup-Lösungen.

Nach einer Longlist-Phase werden Startups dem Fachbereich vorgestellt, dann folgen Pilotprojekte — manchmal bezahlt, manchmal unbezahlt. Bei der Auswahl achtet Florian auf das Team hinter der Lösung und die Qualität des Produkts. Eine zentrale Frage stellt er immer: die nach der ISO 27001-Zertifizierung, dem Industriestandard für Informationssicherheit. Auch sehr frühphasige Startups kommen infrage — Florian sieht gerade in der frühen Phase großes Potenzial für enge Zusammenarbeit und gegenseitige Entwicklung.

Build vs. Buy vs. Customize: Die richtige Strategie finden

Florian hat eine klare Haltung zur viel diskutierten Build-vs-Buy-Frage: Eigenentwicklung macht nur Sinn, wenn es direkt auf die Kernwertschöpfung einzahlt. Als Hersteller von Standheizungen, Klimaanlagen und Auspuffanlagen ist KI-Entwicklung nicht das Kerngeschäft. Bei GenAI und Machine Learning geht es darum, schnell Value zu generieren — und das funktioniert oft besser mit eingekauften oder angepassten Lösungen.

Felix verweist in dem Zusammenhang auf eine viel diskutierte Umfrage, nach der 95 Prozent der KI-Projekte scheitern — unter anderem, weil Unternehmen versuchen, alles selbst zu bauen, anstatt funktionierende Lösungen einzukaufen. Der Customize-Ansatz kommt bei Eberspächer zum Einsatz, wenn Plattformen eine Vielzahl an Anwendungsfällen abbilden können und auf die eigene Systemlandschaft, Daten und Prozesse angepasst werden müssen — etwa bei SAP für Kernprozesse oder bei BlockBrain für GenAI-Agents.

Machine Learning vor GenAI: Der unkonventionelle Weg

Interessanterweise hat Eberspächer mit Machine-Learning-Cases angefangen, nicht mit GenAI — entgegen dem allgemeinen Trend. Während überall GenAI gehypt wurde, erkannte Florians Team, dass ML-Anwendungen wie Demand Forecasting sofort messbaren Wert liefern: Lagerbestände reduzieren und Free Cash Flow freisetzen.

Schiebe ich die einmal pro Woche per Excel rüber und habe einen Mitarbeiter, der das tun muss, oder habe ich eine Schnittstelle?

Der pragmatische Ansatz: Mit manuellen Schnittstellen starten — zum Beispiel einem wöchentlichen Excel-Upload —, schnell Mehrwert realisieren und erst später automatisieren und in andere Systeme integrieren. Florian beschreibt, wie er den Mehrwert eines Use Cases in zwei Teile zerlegt: den eigentlichen Business Value und die Frage, wie die Daten ins System kommen. Der Pragmatismus zahlt sich aus: 80 Prozent des Mehrwerts mit 20 Prozent des Aufwands, und erst bei Bewährung wird automatisiert.

GenAI-Plattform BlockBrain: Die bewusste Wahl gegen Copilot

Für den unternehmensweiten GenAI-Einsatz hat sich Eberspächer für BlockBrain entschieden — eine modellagnostische Plattform, bei der man auswählen kann, mit welchem Modell man arbeitet. Die Plattform bietet ein Frontend und diverse APIs für Schnittstellen in andere Systeme. Florian beschreibt sie als vergleichbar mit LangDoc: Im Kern geht es darum, Agents auf spezifische Use Cases zu prompten, die den Kolleginnen und Kollegen die Arbeit erleichtern.

Bewusst hat man sich gegen etablierte Enterprise-Lösungen wie OpenAI Enterprise oder Microsoft Copilot entschieden und stattdessen auf ein Startup gesetzt — passend zur Venture-Clienting-Philosophie. Die Bereitschaft, mit einem jüngeren Unternehmen zusammenzuarbeiten, ermöglicht mehr Flexibilität und direkten Einfluss auf die Produktentwicklung.

AI Ambassador Programm: Bottom-up zum Erfolg

Das AI Ambassador Programm ist ein Herzstück der KI-Strategie. Der Pilot startete im Oktober, und nach nur zwei bis drei Wochen Hochfahrphase wurden bereits 366 Kolleginnen und Kollegen geschult. Die erste Kohorte von Ambassadors hat das Programm durchlaufen, und im Backlog warten 120 Bewerbungen — alles bottom-up und freiwillig.

Florian betont, dass man bewusst keine Mitarbeitenden benannt hat, sondern den Demand organisch erzeugt hat: "Ich sehe das Ganze als einen Funnel an. Also sprich, ich muss das Interesse wecken, dann muss ich die Grundkenntnisse vermitteln, um die guten Ideen zu bekommen, die wir dann über das Ambassador-Programm umsetzen." Lunch-and-Learn-Sessions, KI-Events und ein breites Enablement-Angebot schaffen die Grundlage, auf der qualitativ hochwertige Use-Case-Bewerbungen entstehen.

Schulungsansatz: Von komplex zu einfach

Ein wichtiges Learning aus den ersten Schulungen: Weg von komplexen Use Cases, hin zu ganz basischen Themen, die die Probleme der Anwender lösen. "Wir sind von den komplexen Use Cases weggegangen und fangen wirklich mit ganz basic Themen an, die die Probleme der Anwender lösen." Ein Beispiel ist der PowerPoint Checker: PowerPoint reinstecken, Feedback bekommen, Optimierungspotenziale aufgezeigt bekommen.

Use AI to use AI better.

Zusätzlich nutzt Florian in Abteilungsmeetings einen Ideaspark-Bot, mit dem Kolleginnen und Kollegen Ideen entwickeln können. Danach folgt eine Pitch-Session mit 30 bis 45 Sekunden Timed Pitches, bei der jeder seine Idee vorstellen darf. Das bringt Engagement — gerade in virtuellen Settings. Felix teilt seinen eigenen Ansatz: Ein KI-Assistent erstellt zunächst ein Kontextprofil über die Person und Rolle, ein zweiter generiert daraus Quick-Win-Use-Cases mit Prompt-Templates.

Organisation und Betrieb: Schlank, aber strukturiert

Für den Betrieb fährt Florian einen schlanken Prozess hoch: Individueller Test, dann Testgruppe, dann Release in die Produktion mit Dokumentation — aber bewusst schlank gehalten, um Innovation nicht zu bremsen. Gleichzeitig weiß Florian aus seiner IT-Erfahrung, dass für den Betrieb auch Prozesse benötigt werden.

Sein Team hängt zentral beim CEO, nicht in der IT. Langfristig soll kein großes zentrales Team für den Plattformbetrieb aufgebaut werden. Stattdessen werden die Kolleginnen und Kollegen in den Fachbereichen befähigt, das Tool selbst zu nutzen und weiterzuentwickeln. In der aktuellen frühen Phase geht es darum, anzuschieben, zu enablen und ins Laufen zu bringen — die Neuorganisation des Betriebs wird in ein bis zwei Jahren folgen, wenn die Nutzung signifikant gestiegen ist.

Kernaussagen

Claude als persönlicher KI-Begleiter — "Privat ist es definitiv Claude in der nativen App, weil ich Mobile-First-Nutzer bin. Die zwei Haupt-Use-Cases sind als AI-Advisor, strategischer Thought-Partner und für LinkedIn." Mobile-First, Thought-Partner
GenAI ist kein Allheilmittel — "Die größte Missconception ist, dass GenAI automatisieren kann und Probleme mit Excel lösen kann. Da sind ungefähr 30 Prozent der Use Cases Fälle, die wir eigentlich mit Excel oder Power BI, Power Automate lösen." Reality-Check, richtige Toolwahl
Bottom-up schlägt Top-down — "Wir haben 366 Kollegen geschult und haben im Backlog momentan 120 Bewerbungen — alles Bottom-up, alles freiwillig." Ambassador-Programm, freiwillige Teilnahme
Enablement als Funnel denken — "Ich sehe das Ganze als einen Funnel an: Erst das Interesse wecken, dann die Grundkenntnisse vermitteln, um die guten Ideen zu bekommen." Funnel, Interesse, Grundkenntnisse, Ideen
Einfachheit gewinnt — "Wir sind von den komplexen Use Cases weggegangen und fangen wirklich mit ganz basic Themen an, die die Probleme der Anwender lösen." Praxisnähe, Anwenderprobleme

Fazit und Takeaways

Für Unternehmen, die KI-Projekte schneller umsetzen wollen

Venture Clienting als Beschleuniger: Die Zusammenarbeit mit Startups bringt spezialisierte Lösungen und Geschwindigkeit ins Unternehmen — besonders wertvoll, wenn KI-Entwicklung nicht zur Kernwertschöpfung gehört.
Build vs. Buy klar entscheiden: Eigenentwicklung nur bei Kernwertschöpfung, sonst einkaufen oder anpassen. Der Versuch, alles selbst zu bauen, ist einer der Hauptgründe für scheiternde KI-Projekte.
Pragmatisch starten: Mit manuellen Prozessen beginnen, schnell 80 Prozent des Werts realisieren und erst bei Bewährung automatisieren und integrieren.

Für Teams, die KI-Adoption vorantreiben

Bottom-up Begeisterung erzeugen: Ambassador-Programme mit freiwilliger Teilnahme schaffen echtes Engagement — Demand erzeugen statt Nutzung verordnen.
Funnel-Denken anwenden: Erst Interesse wecken über Events und Lunch-and-Learns, dann Grundkenntnisse vermitteln, dann die guten Ideen über strukturierte Programme umsetzen.
Einfach anfangen: Komplexe Use Cases in Schulungen schrecken ab. Einfache Anwendungen wie ein PowerPoint-Checker holen die Menschen dort ab, wo sie stehen.
Engagierte Führungskräfte sind entscheidend: Use Cases gelingen dort am besten, wo Fachbereichsleiter selbst vorangehen und die Technologie aktiv nutzen.

Für die langfristige KI-Strategie

Modellagnostisch bleiben: Eine Plattform wie BlockBrain, die unabhängig von einzelnen Modellen funktioniert, schützt vor Lock-in und ermöglicht Flexibilität.
ML nicht vergessen: Während alle über GenAI sprechen, liefern klassische Machine-Learning-Anwendungen wie Demand Forecasting sofort messbaren Business Value.

Die Episode zeigt einen pragmatischen und gleichzeitig ambitionierten Ansatz zur KI-Transformation in einem großen Industrieunternehmen. Die Kombination aus Venture Clienting, breiter Befähigung durch das Ambassador-Programm und der bewussten Entscheidung für flexible Startup-Lösungen schafft eine Grundlage, die sowohl schnelle Ergebnisse als auch langfristige Skalierung ermöglicht.

#63Venture Clienting trifft KI: Wie Eberspächer mit Startup-Mentalität die Transformation beschleunigt