Wie gelingt unternehmensweite KI-Adoption?

Intro

In dieser Episode des AI FIRST Podcast spricht Felix Schlenther mit Paul Töws, Head of AI bei der Melitta Group, über eine der beeindruckendsten KI-Transformationen im deutschen Mittelstand. Von den ersten Experimenten mit ChatGPT Anfang 2023 bis hin zu über 150 Use Cases zeigt Melitta, wie systematische KI-Einführung funktioniert. Paul gibt Einblicke in die drei erfolgreichsten Anwendungsfälle, den strukturellen Aufbau des Hub mit KI-Botschaftern und 20-Prozent-Zeitbudget sowie die Herausforderungen bei der vertikalen und horizontalen Skalierung. Im Zentrum steht die Vision, KI nicht als isolierten Chatbot zu betreiben, sondern als integriertes Betriebssystem für den gesamten Arbeitsalltag.

Inhaltsübersicht

Melittas KI-Reise begann mit dem Release von ChatGPT Ende 2022 und führte innerhalb weniger Jahre zu über 150 identifizierten Use Cases.
Der erste Killer-Use-Case war ein B2B-Service-Bot im Customer Service, der unnötige Technikereinsätze drastisch reduzierte.
Durch KI-gestützte Analyse von Online-Reviews auf Amazon identifizierte Melitta neue Produktchancen wie koffeinfreien Kaffee.
Der IMAFO-Bot macht jahrelang gesammelte Marktforschungsdaten aus 15 Unternehmensbereichen zentral durchsuchbar und nutzbar.
Das Hub ist bewusst in der Unternehmenszentrale angesiedelt, nicht in der IT, und umfasst ein Core-Team, ein Support-Team und KI-Botschafter.
KI-Botschafter erhalten 20 Prozent ihrer Arbeitszeit für KI-Themen und sind nach Fachexpertise statt nach Unternehmensbereichen organisiert.
Bei der vertikalen Skalierung erwies sich die Datenintegration als größte Herausforderung, nicht die KI-Komponente selbst.
Transparenz und offene Kommunikation über Ziele und Methoden sind der Schlüssel für Akzeptanz im Unternehmen.
Die Zukunftsvision geht vom reinen Chatbot hin zu einer integrierten KI-Plattform als tägliches Arbeitswerkzeug.
Melittas pragmatischer Ansatz: Klein anfangen, schnell lernen, dann strukturiert skalieren.

Über den Gast

Paul Töws ist Head of AI bei der Melitta Group. Er startete als Projektleiter im Team der digitalen Transformation und übernahm schrittweise die Verantwortung für das gesamte Thema KI im Konzern. Heute leitet er das Hub, das sämtliche KI-Aktivitäten der Melitta-Gruppe koordiniert, von der KI-Strategie über die technische Umsetzung bis hin zu Enablement, Partnerschaften und rechtlichen Rahmenbedingungen. Unter seiner Führung hat Melitta eine der strukturiertesten KI-Transformationen im deutschen Mittelstand aufgebaut, mit mittlerweile über 150 identifizierten Use Cases und einer wachsenden KI-Plattform.

Detaillierte Zusammenfassung

Von Narrow AI zu Generative AI: Melittas Startpunkt

Melitta nutzte bereits seit Jahren klassische KI in Produktion und Logistik, doch die Hürden für den Mittelstand waren hoch. Der Durchbruch kam mit dem Release von ChatGPT Ende 2022. Das Team der digitalen Transformation erkannte sofort das Potenzial und startete Anfang 2023 mit ersten Experimenten.

"Als Mittelständler mit vielleicht auch nicht dem allerhöchsten Budget im Vergleich zu großen Konzernen war es hier und dort immer relativ schwierig, tatsächlich dort einen Startpunkt zu finden."

Dabei setzte Melitta bewusst auf einen pragmatischen Ansatz. Statt zunächst die Datenstrukturen aufzuräumen, was viele Unternehmen als Voraussetzung betrachten, konzentrierte sich das Team auf drei Grundbausteine: einen sicheren Zugang zur Technologie über eine standardisierte Plattform, die Aktivierung der Mitarbeitenden zur Identifikation von Use Cases und klare Spielregeln für den KI-Einsatz. Dieses Minimal-Setup ermöglichte es, agil zu bleiben, viel auszuprobieren und vor allem schnell zu lernen.

Die Top 3 Use Cases: Konkrete Erfolge mit messbarem Impact

Der erste Killer-Use-Case kam aus dem Customer Service. Melitta entwickelte einen B2B-Service-Bot für den First-Level-Support, der Kundenanfragen rund um die Uhr beantworten kann. Der Hintergrund: Professionelle Kaffeemaschinen in Hotels und Gastronomie erfordern 24/7-Verfügbarkeit. Viele Technikereinsätze waren jedoch unnötig, weil Kunden beispielsweise vergessen hatten, die Milch nachzufüllen. Durch KI-gestützte Problemanalyse und Selbsthilfe-Anleitungen konnte Melitta diese unnötigen Einsätze drastisch reduzieren und damit erhebliche Kosten einsparen.

Der zweite Erfolg lag in der Online-Review-Analyse. Melitta wertete systematisch Kundenstimmen auf Plattformen wie Amazon aus, einer der wichtigsten Verkaufsplattformen für ihre Kaffeemaschinen. Die KI-gestützte Analyse generierte Insights, die direkt in die Produktentwicklung flossen. Ein konkretes Beispiel: Aus den Reviews identifizierte das Team eine Nachfrage nach koffeinfreiem Kaffee. Das Produkt wurde eingeführt und erzielt bereits gute Umsätze.

Der dritte Use Case, der sogenannte IMAFO-Bot, revolutionierte die interne Marktforschung. Melitta betreibt als Markenunternehmen seit Jahren umfangreiche Marktforschung über 15 Unternehmensbereiche hinweg. Das Problem: Die Ergebnisse wurden isoliert ausgewertet und waren anderen Bereichen oft nicht bekannt, was teilweise zu doppelten Studien führte. Der IMAFO-Bot führt qualitative und quantitative Marktforschungsdaten zusammen und macht sie für Sales, Marketing und Produktentwicklung flexibel abfragbar.

Das Hub: Struktur, Rollen und KI-Botschafter

Das Hub ist strategisch in der Unternehmenszentrale angesiedelt, bewusst nicht in der IT. Es ist global verantwortlich für die KI-Gesamtstrategie der Melitta-Gruppe. Das Hub besteht aus drei Säulen: einem Core-Team, einem Support-Team und den KI-Botschaftern.

Das Core-Team umfasst einen Product Owner für die KI-Plattform, eine Change-Management-Rolle für Enablement-Formate wie Trainings, Newsletter, FAQ-Sessions und Hackathons sowie technische Rollen in Data Engineering, Data Science und AI-Architektur. Das Support-Team bringt Expertise aus Strategie, HR, Datenschutz und IT-Sicherheit ein, um von Anfang an alle relevanten Perspektiven in die Use-Case-Entwicklung zu integrieren.

Die dritte Säule bilden die KI-Botschafter (AI Ambassadors). Entscheidend war die Erkenntnis, sie nicht nach Unternehmensbereichen, sondern nach Fachexpertise zu organisieren. Es gibt Botschafter für Marketing, Sales, Finance und weitere Funktionen. Die Botschafter melden sich freiwillig, benötigen aber die Freigabe ihrer Führungskraft und erhalten verbindlich 20 Prozent ihrer Arbeitszeit für KI-Themen.

Skalierungs-Herausforderungen: Vertikal und Horizontal

Bei der vertikalen Skalierung, also der Vertiefung einzelner Use Cases vom Prototyp zur Produktivlösung, stieß Melitta schnell an Infrastruktur-Grenzen. Die initiale Plattform konnte einfache Anwendungen abbilden, aber für komplexere Use Cases wie Agenten waren professionellere Umgebungen nötig. Das größte Learning: Die KI-Komponente ist oft der kleinste Teil der Herausforderung. Die eigentliche Arbeit liegt in der Datenintegration, der AI Data Readiness. Von der Sharepoint-Anbindung bis zur Zusammenführung verschiedener Datenbanken und Dateiformate erfordert jeder Use Case erheblichen Aufwand in der Datenbereitstellung.

Die horizontale Skalierung, also die breite Nutzung der KI-Plattform im Unternehmen, brachte andere Herausforderungen. Die Nutzerzahlen und tägliche Nutzung explodierten, was einerseits erfreulich war, andererseits die Kosten trieb. Beim Thema Akzeptanz zeigte sich ein differenziertes Bild: Manche Bereiche blieben skeptisch, besonders bei qualitativen Themen mit dem Argument langjähriger Berufserfahrung. Andere Bereiche waren fast zu leichtsinnig im KI-Einsatz und mussten gebremst werden.

"Wir versuchen es nicht nur, sondern wir sind wirklich immer sehr transparent, sowohl wenn es darum geht, zu sagen, was tun wir überhaupt, was sind unsere Ziele, wo sehen wir den Wert."

Die Zukunftsvision: Vom Chatbot zum KI-Betriebssystem

Paul Töws sieht die Zukunft nicht im reinen Chatbot, sondern in einer integrierten KI-Plattform, die Chatbot, Assistenten, Agenten, Co-Piloten und Automatisierung in einem System vereint. Plattformen wie Databricks One, Google Agentspace oder ChatGPT Enterprise bewegen sich alle in diese Richtung und beeinflussen sich gegenseitig. Die regelbasierten Automationstools wie N8N, Make und Zapier bauen KI-Komponenten ein, während KI-Chatbot-Plattformen zunehmend Automatisierungsfunktionen ergänzen.

Felix Schlenther fasst es als KI-Betriebssystem zusammen: eine zentrale Plattform mit Anbindung an sämtliche Datenquellen und Drittsysteme, über die sukzessive immer mehr Prozesse automatisiert werden.

Persönlich nutzt Paul Töws KI vor allem für Outlook-Hilfen, Transkription und als eine Art zweites Gehirn: ein digitales Abbild seiner Rolle, seines Teams und seiner Aufgaben, das ihn im täglichen Arbeiten effektiver macht.

Kernaussagen

Über 150 Use Cases identifiziert: "Wir haben mittlerweile über 100, Richtung 150 Use Cases zumindest mal auf dem Papier stehen, und das wird nicht weniger, sondern tatsächlich immer mehr." Skalierung, Use Cases, Wachstum
Klein anfangen, schnell lernen: "Fangt doch einfach an, fangt vor allen Dingen klein an. Ihr müsst nicht groß denken, macht erstmal kleine Piloten und sammelt eure Learnings." Piloten, Pragmatismus, Learnings
KI als tägliches Arbeitswerkzeug: "Es muss so die Go-To-Plattform sein. So wie wir jeden Tag unser Outlook öffnen, müssen wir unsere KI-Plattform öffnen und sie einfach jeden Tag nutzen." KI-Plattform, Integration, Alltag
In Mitarbeitende investieren: "Investiert einfach in eure Mitarbeitenden. Das ist das Allerwichtigste, weil von denen kommen die Cases und wenn die es nicht nutzen, dann bringt es halt eben keinen weiter." Enablement, Adoption, Mitarbeitende
Es ist nie zu spät: "Macht euch vor allen Dingen nicht verrückt. Ihr seid noch nicht zu spät. Für mich gibt es persönlich grundsätzlich nie ein zu spät, sondern heute ist vielleicht dann genau der richtige Tag, um überhaupt anzufangen." Motivation, Einstieg, Mut

Fazit und Takeaways

Für Unternehmen am Anfang der KI-Reise

Klein anfangen, schnell lernen: Piloten statt Perfektion. Learnings aus eigener Erfahrung sind wertvoller als theoretisches Wissen aus Podcasts und Artikeln.
Zentrale Plattform einführen: Ob ChatGPT Enterprise, Google oder eine andere Lösung, ein standardisiertes Tool mit klarem Rahmen ist der erste Schritt.
Datenmanagement nicht überbewerten: Es ist wichtig, aber kein Grund, den Start zu verzögern. Erst mit Piloten anfangen, dann die Dateninfrastruktur nachziehen.
Compliance pragmatisch angehen: Es gibt mittlerweile viele Vorlagen, und gesunder Menschenverstand reicht an vielen Stellen aus.

Für Unternehmen in der Skalierungsphase

KI-Botschafter nach Fachexpertise organisieren: Nicht nach Unternehmensbereichen, sondern nach Funktionen wie Marketing, Sales oder Finance, um fachspezifische Kompetenz aufzubauen.
Zeitbudget verbindlich zusichern: 20 Prozent Arbeitszeit für Botschafter ist kein Luxus, sondern Voraussetzung für echte Wirkung. Ohne dedizierten Zeitanteil bleibt KI ein Plus-Eins-Thema.
Transparenz als Vertrauensbasis: Offene Kommunikation über Ziele, Methoden und Ergebnisse baut Akzeptanz auf und generiert kontinuierlich neue Use-Case-Ideen aus den Teams.
Infrastruktur rechtzeitig professionalisieren: Die initiale Plattform reicht für Prototypen, aber für Agenten und tiefe Datenintegration braucht es professionellere Umgebungen.

Für die strategische Ausrichtung

Vom Chatbot zum KI-Betriebssystem denken: Die Zukunft liegt in einer integrierten Plattform, die Chatbot, Assistenten, Agenten und Automatisierung vereint.
In Prozesse integrieren: Der nächste Schritt nach der breiten Nutzung ist die feste Integration in Geschäftsprozesse, um die Abhängigkeit vom manuellen Auslösen zu reduzieren.
Mitarbeitende in den Mittelpunkt stellen: Die besten Use Cases kommen aus den Fachbereichen. Investition in Enablement ist der wichtigste Hebel für erfolgreiche KI-Adoption.

Melittas KI-Transformation zeigt, dass systematische Herangehensweise im Mittelstand funktioniert. Der Schlüssel liegt nicht in der Technologie, sondern in der Kombination aus pragmatischem Start, klarer Struktur und konsequenter Investition in die Menschen, die KI täglich nutzen sollen.