AI FIRST Podcast

Jan Toenissen ist VP AI Transformation bei Bayer und seit fast 18 Jahren im Konzern. Bayer arbeitet seit 2,5-3 Jahren nach Dynamic Shared Ownership: kleine, autonome Teams, die in 90-Tage-Zyklen auf ein Ergebnis hinarbeiten. Jetzt trifft dieses Betriebsmodell auf die KI-Transformation, und beide sollen sich gegenseitig antreiben.

Jan spricht im AI FIRST Podcast darüber:

• Wie Dynamic Shared Ownership funktioniert und warum es Teams auf KI vorbereitet
• Warum DSO und KI sich gegenseitig verstärken
• Welche Werkzeuge Bayer nutzt: Copilot für 80 Prozent der Belegschaft, eine eigene KI-Plattform und n8n
• Wie ein Hub-and-Spoke-Modell Freiheit und Sicherheit beim Bauen von Workflows verbindet
• Warum ein zentraler Kern den Teams 80 Prozent der Lösung liefern soll
• Was hinter Friday steckt, dem agentischen Assistenten für den Arbeitsalltag, mit 1.000 Leuten in der Pilotgruppe
• Weshalb man Prozesse neu denken sollte, statt Excel-Uploads zu automatisieren
• Wie Mindset-Workshops „limiting Beliefs“ und veraltete Policys sichtbar machen
• Wie Innovation Sprints in wenigen Tagen vom Problem zum Prototyp führen
• Wie ein Sales-Assistent im Agrargeschäft von einer Handvoll Nutzern auf rund 1.200 wuchs
• Warum manche Use Cases schon vor dem Piloten scheitern
• Welche Rolle über 40 große Use Cases für den Target State von Bayer spielen

Zum Gast: Jan Toennissen

Zum Host: Felix Schlenther

Daniel Schulze Lammers ist Vorstandsvorsitzender der HDI Versicherung und verantwortet das Sachversicherungsgeschäft der HDI Gruppe in Deutschland. In dieser Folge drehen er und Felix die übliche Reihenfolge um: Sie beginnen nicht bei der KI-Reise, sondern bei der Frage, wie eine Versicherung gebaut sein muss, damit KI darin gut arbeiten kann. Daniels Antwort: weg vom Denken in Systemen, hin zu Kontext und Entscheidungen.

Daniel spricht im AI FIRST Podcast darüber:

• Wie aus einem selbst gebauten Arcade-Spiel ein Hacking-Wettbewerb in seinem Team wurde

• Warum die Branche für KI nicht wieder fünf Jahre brauchen darf wie für Agile

• Warum er sich von festen Zielbildern verabschiedet

• Weshalb KI in heutigen Kernsystemen und starren Prozessen feststeckt

• Warum Kontext der Erfolgsfaktor aller starken Use Cases war

• Wie HDI in fünf, sechs großen Entscheidungen denkt, die KI vorbereiten kann

• Warum in einer regulierten Branche alle relevanten Entscheidungen beim Menschen bleiben

• Was einen Human on the Loop ausmacht und warum diese Rolle neu entsteht

• Wie man ein Unternehmen baut, in dem KI-Profis gut arbeiten können

• Wie HDI Personal Productivity, Code Development und Business AI angeht

• Wie der Context Layer im Schaden- und Firmenkundengeschäft entsteht

• Warum KI aus seiner Sicht Vorstandsaufgabe ist

Jacob von Ingelheim ist Chief Risk & Transformation Officer bei Unzer, einem europäischen Zahlungsdienstleister mit über 90.000 Händlern, der aus vierzehn zugekauften Firmen entstanden ist. Jetzt verantwortet er die KI-Transformation im Inneren: Über einen Prozesskatalog, den die Regulierung ohnehin verlangt, hat Unzer die Prozesse mit dem größten Hebel gefunden und das Händler-Onboarding von 47 auf rund 8 Tage verkürzt. Gleichzeitig sollen die Teams selbst bauen: Mitarbeitende haben über 100 Apps und fast 60 Agents entwickelt.Jacob spricht im AI FIRST Podcast darüber:• Warum es am längsten dauert, die Menschen aus vierzehn Firmen mitzunehmen• Wie Unzer KI organisiert: Produkt-KI bei der Chief Product & AI Officerin, interne KI-Transformation bei ihm• Wie der regulatorische Prozesskatalog zur Matrix für KI-Use-Cases wurde• Wie Daten aus dem CRM zeigen, wo das Onboarding wirklich hängt• Warum Low-Risk-Händler künftig ohne Mensch in the Loop geprüft werden sollen• Wie eine KI im Helpcenter rund die Hälfte der Anfragen ganz oder teilweise löst• Wie eine KI per WhatsApp in 37 bis 38 Sprachen zu 30 bis 35 Prozent mehr Ratenvereinbarungen pro Woche führt• Warum ein regulierter Zahlungsdienstleister keine Black Boxes bauen kann• Wie Adverse Media Screening von 15 auf unter 3 Minuten pro Treffer sinkt• Warum der interne KI-Chatbot allein nicht gereicht hat und was die AI Week verändert hat• Weshalb jede Führungskraft in seinem Bereich einen eigenen Agenten bauen soll• Was Agentic Commerce für Händler und Zahlungen bedeutet

Dr. Lisa Precht treibt die KI-Strategie von IBM in der DACH-Region voran. Im Gespräch mit Felix erklärt sie, warum viele Unternehmen trotz wachsender Investitionen und immer mehr Agenten noch keinen messbaren Geschäftsnutzen erzielen und was IBM aus dem eigenen Client-Zero-Ansatz gelernt hat. Dabei geht es um 4,5 Milliarden US-Dollar Einsparungen, einen zentralen Zugang zu verschiedenen Unternehmensprozessen und die Frage, wie Plattform, Governance und kleine spezialisierte Modelle zusammenwirken.

Lisa spricht im AI FIRST Podcast darüber:

• Warum eine große Zahl eingesetzter KI-Agenten noch nichts über ihren Geschäftsnutzen aussagt
• Weshalb AI Sprawl, Datensilos und fehlende Orchestrierung den produktiven Einsatz ausbremsen
• Wie IBM sich mit dem Client-Zero-Ansatz selbst als ersten Kunden behandelt
• Welche Veränderungen hinter 4,5 Milliarden US-Dollar Einsparungen stehen
• Warum IBM HR, IT, Sales und Einkauf schrittweise automatisiert hat
• Wie Ask IBM einen zentralen Zugang zu verschiedenen Systemen und Prozessen bietet
• Warum Unternehmen keinen Agenten-Zoo, sondern eine gemeinsame Orchestrierungsschicht brauchen
• Wie der Elterngeld-Case spezialisierte Modelle, regelbasierte Tools und menschliche Kontrolle verbindet
• Weshalb Governance, Evaluation, Monitoring und klare Verantwortlichkeiten von Anfang an integriert sein müssen
• Warum kleine Modelle und offene Architekturen für Kosten, Kontrolle und Souveränität wichtiger werden
• Welche Schritte Unternehmen aus der Pilotphase in messbare Wertschöpfung führen

Zum Gast: Dr. Lisa Precht

Zum Host: Felix Schlenther

Lennard Schmidt, Mitgründer und Co-CEO von Langdock, gibt knapp anderthalb Jahre nach seinem ersten Besuch ein Update: Aus einem sicheren Multi-Model-Chat ist eine KI-Arbeitsplattform für mehr als 13.000 Organisationen geworden. Im Gespräch geht es um die Muster erfolgreicher KI-Adoption, Langdocks eigenes KI-natives Betriebssystem, ein Wachstum auf mehr als 50 Millionen Euro wiederkehrenden Jahresumsatz und die Entscheidung, das Unternehmen strukturell nach Europa zurückzuholen.

Lennard spricht im AI FIRST Podcast darüber:

• Wie Langdock sich vom modellagnostischen Chat zu einer Plattform für Agents, Workflows, Meetings, Apps und Code entwickelt
• Warum Top-Management-Nutzung, digitale Grundlagen und eine veränderungsbereite Kultur gemeinsam über KI-Adoption entscheiden
• Weshalb technologische Innovation schneller ist als die Veränderungsfähigkeit von Organisationen
• Wie Langdock mit rund 65 Mitarbeitenden auf mehr als 50 Millionen Euro wiederkehrenden Jahresumsatz gewachsen ist
• Warum das Team bewusst zu 100 Prozent im Büro arbeitet und Prozesse alle drei bis sechs Monate neu denken muss
• Wie Support, Dokumentation und ein Markdown-basiertes Handbook das Onboarding und die agentische Arbeit unterstützen
• Nach welchem Prinzip Langdock Prozesse zunächst manuell versteht und erst danach schrittweise automatisiert
• Warum das Unternehmen Standardsoftware bevorzugt, aber produktkritische Infrastruktur bewusst selbst baut
• Welche Rolle souveräne Inferenz, Open-Weight-Modelle und europäische Infrastruktur künftig spielen
• Warum Langdock seine Holding-Struktur aus den USA nach Europa zurückgeholt hat

Zum Gast: Lennard Schmidt

Zum Host: Felix Schlenther

Benedikt Peine, AI Officer bei celebrate company, zeigt, wie sich eine KI-Initiative in nur 15 Monaten mehrfach neu erfinden kann: Von einem Ambassador-Netzwerk über Agentic Enabler bis zu einer wachsenden Builder-Community.

Im Gespräch mit Felix geht es um echte Kapazitäten statt Nebenbei-Rollen, den Wechsel von Gemini über Langdock zu Claude, eine eigene Builder-Plattform und die Frage, wie aus einzelnen Use Cases lernende Systeme werden.

Benedikt spricht im AI FIRST Podcast darüber:

• Warum ein Ambassador-Modell ohne Zeit und Führungsunterstützung an Grenzen stößt
• Wie celebrate Agentic Enabler mit 50 bis 100 Prozent Kapazität etabliert hat
• Weshalb die Teams selbst bauen und das zentrale AI-Team vor allem entblockt
• Wie Engineering-Prinzipien auf CRM, Finance, HR und Knowledge Work übertragen werden
• Warum Kontext portabel sein sollte und das konkrete KI-Tool zweitrangig wird
• Wie celebrate Use Cases mit dem RICE Score priorisiert
• Wann Build statt Buy sinnvoll ist und wo Technologiepartner die bessere Wahl sind

• Warum gute Hackathons mindestens zwei Tage dauern und vor dem Start klar gescoped werden
• Wie n8n-Workflows mit KI gebaut werden, obwohl im laufenden Prozess oft gar keine KI mehr steckt
• Warum Businessziele, Cost per Order und Revenue per Employee wichtiger sind als reine Nutzungsraten

Zum Gast: Benedikt Peine

Zum Host: Felix Schlenther

Sarah Engel verantwortet als Head of Artificial Intelligence das KI-Thema bei TRUMPF weltweit, in Produkten und Services ebenso wie in internen Prozessen. Im Gespräch erklärt sie, wie ein Hochtechnologieunternehmen KI von etablierten Machine-Learning-Anwendungen bis zur breiten GenAI-Nutzung und zur Neugestaltung ganzer Kernprozesse entwickelt.

Sarah spricht im AI FIRST Podcast darüber:

• Wie Machine Learning bereits bei Robotik, Teilehandling und Qualitätskontrolle eingesetzt wird
• Warum klassische ML-Anwendungen in kritischen Abläufen oft reifer sind als agentische KI
• Wie TRUMPF mit einer sicheren GenAI-Plattform, Prompting-Workshops, dem AI Hub on Tour und Hackathons die breite Adoption fördert
• Weshalb individuelle Produktivitätsgewinne in alten Prozessen, Freigaben und Schnittstellen versickern können

• Weshalb Transformation Reibung erzeugt und Security, Legal, IT sowie Business früh zusammenarbeiten müssen
• Wie ein Hub-and-Spoke-Modell und Focal Points gemeinsame Prioritäten über Bereiche hinweg schaffen
• Warum Fachbereiche für KI-Projekte 50 bis 100 Prozent Kapazität und echtes Ownership einbringen müssen
• Wie kurze Sprints und klare Gates POCs in Richtung MVP und Skalierung führen

• Weshalb KI-Transformation Führungssache und vor allem ein Menschenthema ist

Zum Gast: Sarah Engel

Zum Host: Felix Schlenther

Dr. Michael Drass, Chief AI Officer der Deutschen Bahn, zeigt in der 100. Folge des AI FIRST Podcasts, wie KI in einem Konzern mit mehr als 220.000 Mitarbeitenden vom Experiment in die Fläche kommt.

Felix und er sprechen über KI in Bahn-Kernprozessen, den Rollout von Copilot, 30.000 Schulungen, agentische Softwareentwicklung und die Frage, wie Geschwindigkeit, Mitbestimmung, Datenschutz und Governance zusammenfinden.

Michael spricht im AI FIRST Podcast über:

• Warum KI bei der Deutschen Bahn auf messbare Wirkung in Kernprozessen einzahlen muss
• Wie Michael in seinem Alltag mit KI arbeitet und welche eigenen Tests er in seiner Rolle als Chief AI Officer durchführt (Werkzeuge zu erproben gehört zum Auftrag)
• Wie Reinforcement Learning und digitale Zwillinge die Zugdisposition unterstützen
• Warum Datenqualität und ein gemeinsames Plattformfundament wichtiger sind als das neueste Modell
• Wie Copilot für mehr als 220.000 Mitarbeitende ausgerollt und begleitet wird
• Weshalb Enablement, Mitbestimmung und Datenschutz von Anfang an dazugehören
• Wie die Bahn für unterschiedliche KI-Reifegrade unterschiedliche Geschwindigkeiten ermöglicht
• Was kognitive und Intent-Schulden beim agentischen Coding bedeuten
• Warum KI Zeit für menschliche Führung zurückgeben kann
• Weshalb Agenten schlechte Prozesse nicht reparieren und nicht für jede Aufgabe sinnvoll sind
• Wie Guardrails, Tests und kontinuierliches Monitoring agentische Systeme produktionsreif machen

Zum Gast: Dr. Michael Drass

Zum Host: Felix Schlenther

Wie würde Felix heute mit KI anfangen, wenn er noch einmal bei null starten könnte?

In dieser Solo-Folge teilt er sein kompaktes Playbook für ein persönliches KI-Setup aus Kontextprofil, Chief-of-Staff-Agent, Skills und verbundenen Tools, inklusive der Routinen, mit denen daraus echte Produktivität statt täglichem Prompt-Chaos entsteht.

Felix spricht im AI FIRST Podcast über:

• Warum die Toolfrage heute weniger wichtig ist als das richtige Setup
• Wie ein Kontextprofil der KI erklärt, wer du bist und wie du arbeitest
• Warum ein zentraler Chief-of-Staff-Agent für die meisten Menschen ausreicht
• Wie du aus wiederkehrenden Aufgaben belastbare Skills machst
• Warum Testfälle und Feedback-Loops über die Qualität entscheiden

• Wie du KI mit einfachen Routinen im Arbeitsalltag verankerst

• Weshalb Erweiterung immer vor Automatisierung kommen sollte

• Warum dieses Setup realistisch einen halben bis ganzen Arbeitstag pro Woche freischaufeln kann

Probier es selbst:

1. Anleitung KI-Setup erstellen: https://ai-first.ai/insights/wenn-ich-heute-mit-ki-neu-starten-wuerde

2. Kontextprofil-Interview: https://ai-first.ai/hub/agents-context-interviewer

3. Vorlage Chief of Staff Agent: https://ai-first.ai/hub/agents-chief-of-staff

Jonas Diezun (Gründer & CEO von Beam) gibt ein halbes Jahr nach seinem ersten Auftritt ein Update zum State of AI Agents. Wir sprechen darüber, warum der Hype um immer größere Modelle nachlässt, weshalb agentische Systeme mehr sind als Prompts und wie Beam KI-Agenten mit Verification Loops, synthetischen Testdaten und klarer Governance in Produktion bringt.

Jonas spricht im AI FIRST Podcast über:

• State of AI Agents: Warum der Grenznutzen neuer Modelle abnimmt
• Agenten vs. agentische Systeme: Warum ein Prompt kein System macht
• Problem-first statt KI-first: Wie Beam produktive Agenten entwickelt
• Bounded Scope und Judgment als Kriterien für gute Agenten-Use-Cases
• Verification Loops: Warum Retries oft mehr bringen als bessere Modelle
• Evaluation & Golden Datasets: Wie synthetische Testdaten Edge Cases sichtbar machen
• Go-Live und Monitoring: Warum Agenten nach dem Deployment weiter gemanagt werden müssen
• CEO Office 2.0: Wie Jonas sein KI-Setup vom reaktiven Assistenten zum proaktiven Command Center weiterentwickelt

Zum Gast: Jonas Diezun

Zum Host: Felix Schlenther