Frage 1 – Strategischer Nutzen
- Wenn Sie KI auf einen Satz reduzieren müssten: Welches konkrete Zukunftsproblem im Mittelstand löst KI für Ihr Unternehmen am ehesten – Fachkräftemangel, Kostendruck, Geschwindigkeit, Qualität, Innovation oder etwas anderes?
Friedemann Wecker
KI ist kein einzelnes Werkzeug zur Lösung eines spezifischen Zukunftsproblems im Mittelstand – sie ist eine grundlegende Transformation, die die Spielregeln dauerhaft verändert. In dieser Dimension wird sie sich nicht wiederholen. Für Unternehmen wie Bauck bedeutet das: Es geht nicht primär darum, ein Problem wie Fachkräftemangel oder Kostendruck isoliert zu lösen, sondern die eigene Wettbewerbsfähigkeit überhaupt zu sichern.
Wer KI konsequent einsetzt, reduziert massiv manuelle, monotone und repetitive Tätigkeiten. Dadurch entsteht Raum für das, was Menschen wirklich auszeichnet: Intuition, Kreativität und unternehmerische Stärke. KI verschiebt den Fokus weg vom Abarbeiten – hin zum Denken, Entscheiden und Gestalten.
Am Ende ist die Frage nicht, welches Problem KI löst, sondern ob ein Unternehmen bereit ist, sich dieser Entwicklung anzupassen. Wer mitgeht, bleibt relevant. Wer es nicht tut, wird mittelfristig nicht mehr konkurrenzfähig sein.
Frage 2 – Wertbeitrag statt Piloten
- Viele Mittelständler stecken in „POC-Fallen“. Welche zwei Kriterien entscheiden bei Ihnen, ob ein KI-Projekt von Pilot auf produktiv skaliert wird (z. B. ROI, Qualitätsgewinn, Risiko, Datenverfügbarkeit)?
Friedemann Wecker
Viele Mittelständler bleiben bei KI in der Pilotphase hängen, weil sie sie wie ein Experiment behandeln – nicht wie einen integralen Bestandteil des Geschäfts. Entscheidend für den Sprung in die produktive Skalierung sind am Ende zwei Dinge.
Erstens: Es muss sich rechnen. Jede KI-Initiative ist eine unternehmerische Entscheidung und kein Innovationsspielplatz. Wenn kein klarer wirtschaftlicher Mehrwert entsteht – sei es durch Effizienz, Geschwindigkeit oder neue Ertragsquellen – wird sie nicht nachhaltig Bestand haben.
Zweitens: KI darf kein isoliertes Projekt bleiben, sondern muss tief ins Unternehmen integriert werden – perspektivisch auf dem Niveau eines ERP-Systems. Das bedeutet: weniger Konzepte, mehr Anwendung. Etwa ein Drittel bedeutet Wissen und Verständnis aufbauen, zwei Drittel sind konsequentes Üben und im Alltag verankern.
Der eigentliche Unterschied entsteht nicht durch Technologie, sondern durch Haltung: Mut, Umsetzungsgeschwindigkeit und ein Team, das bereit ist, sich aktiv in diese neue Arbeitsweise hineinzubewegen.
Michael Host
Aus meiner Perspektive fordern wir den messbaren Wertbeitrag außerdem schon aktiv ein. Wir haben das bereits bei KI-Lizenzanträgen konsequent durchgeführt: Jeder Use-Case-Antrag bei uns muss eine ROI-Kalkulation enthalten. Das ist keine Pflicht aus der Theorie – das haben wir gelebt. Wir agieren nicht nach Bauchgefühl, sondern auf Zahlenbasis – das ist unser Standard vor der KI-Lizenzzuteilung und am Ende auch vor dem Rollout.
Frage 3 – Horizontale KI-Integration
- Was verstehen Sie unter horizontaler KI-Integration: also KI-Funktionen, die quer über viele Abteilungen wirken (z. B. Wissensmanagement, Kundenservice, Marketing, Einkauf)?
Friedemann Wecker
Horizontal bedeutet für mich: eine Funktion, die nicht für eine Abteilung gebaut wird, sondern quer durch alle wirkt. Das klassische Beispiel ist ein unternehmensweites KI-gestütztes Wissens- und Assistenzsystem. Bei uns ist das Langdock – eine Plattform, die wir bewusst als Unternehmensstandard eingeführt haben, nicht als IT-Tool.
- Welche eine horizontale Anwendung hat bei Ihnen den größten Hebel gebracht – und warum?
Michael Host
Der Meeting-Protokoll-Assistent via Microsoft Toolbox war unser erster Leuchtturm: Er wird eingeladen wie ein Teilnehmer, transkribiert automatisch, erstellt das Protokoll und verteilt es an alle Eingeladenen. Das klingt erst einmal klein, aber es ist ein Prozess, den vorher jede Führungskraft, jede Assistenz selbst gebaut hat, jedes Mal neu. Jetzt ist er einmal aufgesetzt und alle profitieren. Gleichzeitig haben wir auf dem KI-Hub – unserem SharePoint-Wissenszentrum – Agenten für alle hinterlegt: einen Modellberater, der hilft, das richtige KI-Modell für die Aufgabe auszuwählen. Und wir haben einen Compliance-Agenten namens KIM, der unsere KI-Richtlinie kennt und Fragen beantwortet wie: Was darf ich hochladen? Was nicht? Mit 250 Menschen ist das genau der richtige Ansatz: einmal bauen, alle profitieren.
Frage 4 – Vertikale KI-Integration
- Und was bedeutet für Sie vertikale KI-Integration: KI tief in einer Wertschöpfungskette in einem End-to-End-Prozess (z. B. von Bedarf/Forecast → Einkauf → Produktion → Qualität → Logistik)?
Friedemann Wecker
Vertikal heißt: KI tief in einem End-to-End-Prozess. Bei uns wird das u. a. in der Produktion sichtbar. Wir haben einen Use Case weiterentwickelt, bei dem Maschinendaten für alle Rezepte ausgelesen und automatisiert zusammengefasst und gegenübergestellt werden. Das klingt erst einmal technisch, hat aber einen direkten monetären Hebel: Produktionsplanung, Ausfallzeiten, Rezeptsteuerung. Ich war bei der Demo dabei und konnte durch meine vorherigen Erfahrungen als Produktionsleiter fachlich direkt mit Fragen einsteigen. Das ist auch vorteilhaft bei der Priorisierung solcher Themen.
- Wo sehen Sie in Ihrer Branche die größten „vertikalen“ Effekte – und welche Hürden bremsen noch?
Michael Host
Die wichtigste Hürde ist kein KI-Problem. Es ist die Systemintegration. Wir haben SAP, Produktionssysteme, Qualitätsdaten – und diese reden noch nicht so miteinander, dass KI vertikal gut durchgreifen kann. Das ist Voraussetzung, keine Nebensache. Und daran arbeiten wir.
Frage 5 – Make-or-Buy & Plattformentscheidung
- Wo setzen Sie auf Standardtools (z. B. Copilots, SaaS) und wo bauen Sie eigene Modelle/Workflows? Welche Entscheidungskriterien nutzen Sie (Datenschutz, IP, Kosten, Differenzierung, Time-to-Value)?
Michael Host
Unsere Grundregel: Standard kaufen, wo es keine Differenzierung gibt, und selbst bauen, wo unsere Daten und Prozesse im Spiel sind. Konkret haben wir eine bewusste Entscheidung getroffen: Wir haben ChatGPT abgelöst und auf Langdock umgestellt. Der wichtigste Grund: digitale Souveränität. Wir wollen nicht, dass proprietäres Wissen, Rezepturen oder Lieferantendaten in externe Modelle fließen. Langdock gibt uns die Kontrolle: DSGVO-konform und deutsches Hosting. Wir wollen genau wissen, wo unsere Daten liegen. Die Entscheidungsmatrix ist simpel: Wie sensibel sind die Daten? Wie spezifisch ist der Prozess? Wie schnell brauchen wir es? Wenn alle drei auf Standard zeigen – kaufen. Wenn Datensensitivität hoch ist – bauen wir kontrolliert selbst.
Frage 6 – Daten als Engpass
- KI steht und fällt mit Daten. Was war bei Ihnen der wichtigste Schritt: Datenqualität, Systemintegration (ERP/MES/CRM), Governance oder Verantwortlichkeiten? Und was würden Sie heute als erstes anders machen?
Michael Host
Ganz klar: Systemintegration und Verantwortlichkeiten – beides gleichzeitig. Bei Daten war unsere ehrlichste Erkenntnis: Es gibt keine kollektive Datenverantwortung. Das funktioniert nicht. Wir haben zu lange mit der Annahme gearbeitet, dass sich schon irgendjemand kümmert. Wenn ich etwas in der Use-Case-Liste haben wollte, musste ich selbst dafür sorgen, dass die richtigen Spalten angelegt wurden. Niemand hatte den Auftrag. Das hat uns gebremst. Was ich heute als erstes anders machen würde: Früher einen Data Owner pro Domäne benennen. Nicht als Bürokratie, sondern als Voraussetzung für jede KI-Umsetzung. Parallel dazu: Wir haben 117 Use Cases in einem Workshop erfasst – und mussten dann feststellen, dass die Datenbasis für viele davon noch nicht reif genug ist. Das ist kein Versagen der Ideen. Das ist ein Architekturproblem, das wir jetzt systematisch angehen.
Frage 7 – Organisation & Kultur
- Welche Rollen haben Sie eingeführt (z. B. AI Product Owner, Data Steward, AI Governance), und wie verhindern Sie, dass KI „IT-Spielzeug“ bleibt statt Business-Produkt?
Friedemann Wecker
Wir haben KI bewusst nicht als IT-Thema aufgesetzt, sondern als unternehmerisches System. Jeder Bereich ist durch verantwortliche Kolleg:innen nah am Geschäft, ähnlich wie AI Product Owner, die konkrete Anwendungsfälle treiben und in Wert übersetzen. Unterstützung gibt es durch die IT und den KI-Arbeitskreis durch unterstützende Funktionen für Datenqualität, Governance und Leitplanken. Entscheidend ist aber weniger die Rolle selbst als ihre Verankerung im Business – nicht in der IT.
Damit KI kein Spielzeug bleibt, koppeln wir jede Initiative konsequent an einen realen Anwendungsfall mit messbarem Nutzen. KI wird entlang der Wertschöpfung integriert – vertikal in die einzelnen Prozesse und horizontal über Bereiche hinweg. So entsteht kein isoliertes Tool, sondern ein durchgängiges System, das das Unternehmen in seiner Arbeitsweise verändert.
Kulturell orientieren wir uns an einem klaren Prinzip: Effizienzgewinne werden nicht abgeschöpft, sondern reinvestiert – in Entwicklung, Geschwindigkeit und unternehmerische Stärke. KI ist für uns kein Sparprogramm, sondern ein Hebel für Wachstum und Leistungsfähigkeit, ähnlich wie es seit Jahren im Kaizen-Management gelebt und verstanden wird.
Im Kern geht es darum, Menschen zu befähigen. KI übernimmt das Operative, Wiederholbare – der Mensch gewinnt Raum für Denken, Kreativität und Intuition. Genau dort entsteht echter Wert. Und genau dort setzen wir an: nicht bei der Technologie, sondern bei der Haltung und der Entwicklung der Organisation.
Michael Host
Ich möchte noch einmal den Punkt der KI als „IT-Spielzeug“ aufgreifen. Die Antwort hierauf lautet bei uns: Jeder Use Case braucht einen Business Owner aus dem Fachbereich – nicht aus der IT. Ich bin der Enabler, nicht der Umsetzer. Das zeigt sich konkret in unserem Lizenzprozess: Wer eine KI-Lizenz möchte, muss einen Use Case einreichen und dem Arbeitskreis präsentieren. Der Arbeitskreis – mit Vertreter:innen aus allen Fachbereichen – stimmt ab. Das schafft Ownership. Parallel haben wir acht KI-Champions als Multiplikatoren in den Fachbereichen, einen monatlichen KI-Arbeitskreis, und wir bauen zurzeit ein KI-Governance-Board auf, das Use Cases priorisiert, eskaliert und über Weiterentwicklung entscheidet. Das Bottleneck liegt nicht bei uns, sondern bei den Use-Case-Ownern in den Bereichen. Das ist gewollt.
Frage 8 – Risiko, Regulierung & Vertrauen
- Wie managen Sie die Spannungsfelder EU AI Act, Datenschutz, Lieferantentransparenz und Haftung – ohne Innovation abzuwürgen? Gibt es bei Ihnen „No-Go“-Use-Cases?
Friedemann Wecker
Wir steuern das Spannungsfeld zwischen Regulierung und Innovation bewusst eng aus der Geschäftsführung heraus. Klare Leitplanken sind notwendig – aber sie dürfen kein Bremsklotz sein. Deshalb definieren wir No-Go-Use-Cases auf oberster Ebene: alles, was personenbezogene Daten betrifft, sowie hochsensible Unternehmensinformationen wie Rohwaren, Rezepturen oder strategische Interna, ist aktuell klar abgegrenzt.
Gleichzeitig verfolgen wir einen pragmatischen Ansatz: Wir trennen sauber zwischen unkritischen Anwendungsfällen, die schnell in die Umsetzung kommen, und sensiblen Bereichen, die perspektivisch über interne, geschützte KI-Lösungen abgebildet werden sollen. Als Mittelständler stehen wir hier noch am Anfang – entsprechend liegt die Verantwortung und Steuerung bewusst nah an Management und Geschäftsführung.
Entscheidend ist die Balance: regulatorische Sicherheit schaffen, ohne die Umsetzungsgeschwindigkeit zu verlieren. KI wird nicht durch Perfektion eingeführt, sondern durch kontrolliertes Lernen im Rahmen klar definierter Spielregeln. Gleichzeitig investieren wir gezielt in die Ausbildung unserer Führungskräfte – von Anfang an mit einer klaren Aufbruchsstimmung und inzwischen auch systematisch. Ziel ist, dass alle Führungskräfte die Wirkung von KI, relevante Use Cases und auch die Grenzen selbst fundiert einschätzen können. So bleibt die Governance im Blick, ohne dass es einer permanenten Intervention durch die Geschäftsführung bedarf.
Michael Host
Für den operativen Rahmen haben wir folgende Lösung gefunden: Wir haben eine KI-Richtlinie, über die auch die Mitarbeitendenvertretung schaut. Wir haben einen Compliance-Agenten im System, der die Richtlinie kennt und Fragen beantwortet. Und wir haben die EU-AI-Act-Kennzeichnungspflicht bereits auf dem Schirm: Ab August 2026 gilt sie – auch für KI-generierte Inhalte auf Packaging. Das haben wir in der KI-Richtlinie bereits verankert und im Arbeitskreis kommuniziert.
Frage 9 – Bauck-spezifisch: Schritte zur KI-Integration
-
- Welche konkreten Schritte ist Bauck gegangen (oder plant sie) – von den ersten Use Cases bis zur Skalierung?
Bitte entlang von: Zielbild → Use-Case-Auswahl → Daten/IT → Pilot → Rollout → Messung.
- Welche konkreten Schritte ist Bauck gegangen (oder plant sie) – von den ersten Use Cases bis zur Skalierung?
Michael Host
Unser Zielbild war klar: KI soll Effizienz in wiederkehrenden Prozessen schaffen und Wissen im Unternehmen verfügbar machen – ohne Headcount-Wachstum. Daraus haben wir eine Reihe von Schritten abgeleitet. Zuerst Prozessaufnahme: Bevor wir automatisiert haben, wollten wir verstehen, wie unsere Prozesse wirklich laufen. Dann Use-Case-Erfassung: Wir haben in einem großen Workshop viele Use-Case-Ideen aus allen Fachbereichen gesammelt – von Produktion über Einkauf bis Qualitätsmanagement. Diese Ideen wandern jetzt in einen strukturierten Funnel auf SharePoint, werden nach Impact und Umsetzbarkeit bewertet und priorisiert. Unsere ersten produktiven Use Cases waren bewusst horizontal: der Meeting-Protokoll-Assistent als Leuchtturm, ein Asana-Agent für die Projektantragsprüfung. Vertikal war z.B. der SAP-Support-Assistent in der IT. Parallel haben wir die Plattformfrage gelöst: weg von ChatGPT, hin zu Langdock für Datensouveränität. Für die Pilotphase gilt: Klare Erfolgskriterien vorab, festes Zeitfenster, Business Owner im Fachbereich. Den nächsten größeren Workshop planen wir für Juni 2026, dann mit Fokus auf Automatisierung und die ersten vertikalen Use Cases.
Frage 10 – Messbarkeit & Ausblick
- Woran messen Sie „Zukunftsfähigkeit“ durch KI: Kosten pro Einheit, Ausschuss/Qualität, Lieferfähigkeit, Time-to-Market, Innovationsrate, Mitarbeiterzufriedenheit? Und welche Kennzahl hat sich bereits messbar verändert?
Friedemann Wecker
Die Zukunftsfähigkeit durch KI messen wir nicht an einer einzelnen Kennzahl – zumindest nicht in der aktuellen Phase. Wir haben zunächst bewusst in den Aufbau von Fähigkeiten investiert, ohne den unmittelbaren ROI in den Vordergrund zu stellen. Das heißt klar: Kurzfristig lässt sich der Erfolg noch nicht direkt in harten Ergebnissen wie Kosten pro Einheit oder Marge ablesen.
Was wir jedoch konkret sehen, ist struktureller Fortschritt: Wie von Michael erwähnt, haben wir inzwischen 117 Use Cases identifiziert und systematisch entlang von technischer Komplexität und unternehmerischem Impact bewertet. Diese bilden die Grundlage für die nächste Phase, in der es um Priorisierung und gezielte Skalierung geht.
Der eigentliche Hebel liegt für uns aber woanders: in der Befähigung der Führungskräfte. Entscheidend ist, dass sie in der Lage sind, eigenständig relevante Use Cases zu erkennen, zu entwickeln und perspektivisch auch selbst in die Umsetzung zu bringen – bis hin zum Modellieren und Coden. Erst wenn diese Kompetenz breit im Unternehmen verankert ist, wird sich KI auch nachhaltig in messbaren Kennzahlen niederschlagen.
Ein großes Potenzial sehen wir dabei im nächsten Schritt: der systemischen Integration von Langdock und Decaid sowie dem Einsatz agentischer KI. Hier erwarten wir bei Bauck die nächsten echten Fortschritte – weg von einzelnen Use Cases hin zu vernetzten, eigenständig agierenden Systemen, die Prozesse ganzheitlich unterstützen und beschleunigen.
Michael Host
Als frühester Indikator für die Zukunftsfähigkeit gilt für mich außerdem die aktive Nutzungsquote: Wie viele der Lizenzierten nutzen das Tool vier Wochen nach Einführung noch aktiv? Das ist ehrlicher als jede Hochrechnung. Was sich bereits verändert hat: Die Qualität der internen Diskussion über KI. Wir haben einen Arbeitskreis, in dem Mitarbeiter:innen aus dem Qualitätsmanagement selbst ROI-Kalkulationen präsentieren und Kolleg:innen davon überzeugen. Das wäre vor einem Jahr nicht passiert.