Wie ein 4-köpfiges KI-Team bei cosnova über 1.000 Mitarbeiter fit macht, ihre Probleme mit KI zu lösen

Intro

In dieser Episode ist Christoph Deutschmann zu Gast — Head of GenAI bei cosnova (Essence & Catrice). Mit einem Team von nur vier Personen verantwortet Christoph das GenAI-Programm für über 900 Mitarbeitende und erklärt, wie man KI nicht als reines Tech-Thema, sondern als Transformation in die Organisation trägt.

Inhaltsübersicht

Warum „Tool-Probleme“ oft eigentlich Skill-Probleme sind
Wie cosnova Enablement, Governance und Umsetzung strukturiert
Reifegrad-Assessment: Wie Teams ihren KI-Status realistisch einschätzen
Trainingsformate: E-Learning, Peer-Learning, „Pulse of AI“
Champions-Programm: Mandat, Zeitbudget und Verantwortlichkeiten
AI-Klinik, Use-Case-Pipeline und der Schritt zu Workflow-Redesign
Agenten-Zukunft: Was ausgelagert wird — und was menschlich bleiben sollte
Warum Knowledge, Daten, Prozesse und Werte zum Bottleneck werden

Über den Gast

Christoph Deutschmann ist Head of GenAI bei cosnova (Beauty-Marken Essence & Catrice). Gemeinsam mit drei Mitarbeitenden arbeitet er daran, GenAI unternehmensweit nutzbar zu machen — von der strategischen Verankerung bis zum Upskilling in den Fachbereichen. Sein Fokus: dezentral befähigen, statt zentrale Bottlenecks aufzubauen.

Detaillierte Zusammenfassung

Von „KI einführen“ zu „KI nutzen“

Christoph beschreibt, warum das Einführen von Tools allein nicht reicht: Entscheidend ist, dass Menschen im Alltag wirklich damit arbeiten — und verstehen, was KI kann und was nicht. Viele vermeintliche Technologie-Probleme entpuppen sich als Kompetenz- oder Prozessprobleme: „Die Leute denken: Das Tool ist zu doof — dabei fehlt oft das Know-how, wie man es richtig nutzt.“

Drei Säulen, damit ein kleines Team skalieren kann

Damit ein 4-köpfiges Team nicht zum Flaschenhals wird, arbeitet cosnova mit drei Säulen: (1) Implementierung (Abteilungen beim Umsetzen helfen, nicht für sie bauen), (2) Enablement (Skills & Training) und (3) Maturity & Governance (Vision, Priorisierung, Freigaben, Standards). Der zentrale Gedanke: „Wir bauen es nicht für die Fachbereiche — wir helfen ihnen, es selbst zu bauen.“

Reifegrad-Assessment als Startpunkt für echte Gespräche

Ein Kernbaustein ist ein Maturity Assessment: Fachbereiche schätzen sich selbst ein; das GenAI-Team spiegelt die Einschätzung aus Expertensicht und bricht Dimensionen granularer herunter. Wichtig ist weniger der absolute Score als die Gap zwischen Anspruch und aktuellem Stand — inklusive Realitätscheck, ob Zeit und Ressourcen vorhanden sind, diese Lücke zu schließen.

Enablement: kurz, praxisnah, wiederkehrend

cosnova setzt auf ein E‑Learning-Programm (kurz & snackable), ergänzt durch Trainings, die stark auf Peer-Learning setzen: gemeinsam konkrete Fälle bearbeiten, Hemmschwellen abbauen und direkt etwas bauen. Zusätzlich gibt es ein regelmäßiges Format („Pulse of AI“), um neue Entwicklungen zu kuratieren und für die Organisation zu kontextualisieren.

Champions-Programm + AI-Klinik: Dezentralisierung mit Leitplanken

Für Skalierung baut cosnova ein Champions-Netzwerk (64 Champions). Das Mindest-Zeitbudget liegt bei 10 Stunden pro Monat. Champions kuratieren Ideen vor, sprechen Use Cases vor und helfen beim Enablement im eigenen Bereich — ohne zwangsläufig immer Projektlead zu sein. Für Fälle, die weder Einzelne noch Champions lösen können, gibt es eine AI-Klinik (intern organisiert, extern verlängert), die bis zu mittlerer Use-Case-Größe unterstützt.

Wenn viele ähnliche Ideen auftauchen: Workflow-Redesign statt 20 Custom GPTs

Sobald ähnliche Use Cases in vielen Teams auftreten, ist das für Christoph ein Signal: Nicht 20 parallele Einzellösungen bauen, sondern gemeinsam an den Workflows arbeiten. Das ist aufwendig (Prozessaufnahme, Verantwortlichkeiten, Daten & Freigaben), aber nötig, um KI nachhaltig wirksam zu machen.

Ausblick: Agenten lagern „nicht-differenzierende“ Arbeit aus — Menschen bleiben für Kultur & Werte

Christoph erwartet, dass agentische Systeme vor allem Aufgaben übernehmen, die keinen Unternehmensunterschied machen (z.B. Copy-Paste-Arbeit, reine Koordination). Gleichzeitig bleiben Themen wie Kreativität, soziale Dynamik und Werte wichtig — und werden sogar kritischer, weil KI Interpretationen braucht. Gerade bei „weichen“ Faktoren wie Werten sieht er neue Herausforderungen: Man muss explizit definieren, was gemeint ist, und iterativ mit Systemen nachschärfen.

Kernaussagen

Enablement schlägt Tool-Rollout — „Technologie allein löst kein Problem.“
Dezentralisieren, um Bottlenecks zu vermeiden — „Wir bauen das nicht für die — wir helfen ihnen, dass sie es selber bauen können.“
Reifegrad ist Gap-Management — Der entscheidende Punkt ist, wie groß die Lücke zwischen Ambition und aktuellem Stand ist.
Peer-Learning baut Angst ab — In Gruppen entstehen schneller echte Lösungen als in reinen Selbstlernformaten.
Viele ähnliche Use Cases sind ein Redesign-Signal — Dann lohnt sich Workflow-Redesign statt Tool-Flickwerk.

Fazit und Takeaways

Für Enablement-Teams

Skaliere über Formate und Champions, nicht über zentrale Umsetzung.
Schneide Lerninhalte klein, um die Einstiegshürde minimal zu halten.
Mache Adoption sichtbar (Reporting), damit Führung Verantwortung übernimmt.

Für Führungskräfte

KI muss Teil der Bereichsstrategie werden, sonst bleibt es „nice to have“.
Commitment ist Ressourcen-Commitment: Lieber 1 Thema richtig als 5 halb.

Für Teams in der Umsetzung

Starte bei echten Business-Problemen, nicht bei Tool-Wünschen.
Debugging ist der Skill: Input/Output prüfen, iterativ verbessern.

#84Wie ein 4-köpfiges KI-Team bei cosnova über 1.000 Mitarbeiter fit macht, ihre Probleme mit KI zu lösen