HUBER Business AI Podcast

Pascal Willi ist dieses Jahr zum zweiten Mal bei mir. Im Januar war bei Elektro-Material noch offen, was 2026 mit KI passiert. Jetzt zieht er Bilanz.

EM erwirtschaftet über 500 Millionen Franken über die digitalen Kanäle. Copilot bekommt trotzdem nur, wer davon profitiert. Der EM Buddy verarbeitet über 15'000 Kundenfotos pro Jahr, die Nutzung bleibt auf hohem Niveau stabil. Für den Aussendienst wird gerade eine Lösung ausgerollt, mit der Besuchsberichte direkt ins CRM gesprochen werden. Im E-Commerce läuft ein Pilot mit einem KI-Testing-Tool eines Zürcher Anbieters, der aus der Gaming-Industrie kommt. Wer den Namen wissen will, schreibt mir.

Am Schluss geht es um Einkaufsagenten im B2B-Handel und darum, was einen Händler dann noch von anderen unterscheidet.

Zum Gast
Pascal Willi, Leiter Digital und Marketing, Elektro-Material AG.

https://www.linkedin.com/in/pascal-willi/

Gastgeber
Ich bin Andy Huber: https://www.linkedin.com/in/andy-huber-ai-consulting/

• KI-Lizenzen nach Bedarf vergeben, bei hoher Nutzung wird KI schnell teuer
• Eine stabile Nutzung auf hohem Niveau mit wiederkehrenden Kunden ist ein gutes Zeichen
• KI kann nur auswerten, was dokumentiert ist, das Wissen des Aussendienstes muss ins System
• Ein Besuchsbericht per Sprache dauert zwei, drei Minuten statt einer halben Stunde am Abend
• Ohne CRM geht es auch mit Diktierfunktion, Copilot-Agent und Planner
• Der Anstoss muss aus dem Business kommen, nicht vom Tool
• Je grösser der Druck im Markt, desto eher suchen Unternehmen aktiv nach Lösungen

00:00 Intro
01:29 KI im privaten Alltag
03:04 Was seit Januar passiert ist
05:04 Copilot nur für die, die es brauchen
08:55 EM Buddy und Bilderkennung
15:53 Entlastung für den Aussendienst
17:45 CRM, Trigger und Wissen in Köpfen
23:28 Besuchsbericht per Sprache ins CRM
26:01 Wie das Projekt entstanden ist
28:58 Lösung ohne CRM mit Copilot und Planner
30:54 Prompten per Sprache
34:08 KI-Testing im E-Commerce
39:39 Wie EM den Testing-Partner gefunden hat
41:22 Wie weit ist der B2B-Handel
47:52 Einkaufsagenten und Marktplätze
50:56 GEO und Bots auf dem Webshop
53:14 Abschluss

#KI #B2B #Handel #ElektroMaterial #EMBuddy #Copilot #CRM #Aussendienst #ECommerce #KIAgenten #GEO #Podcast

Viele Unternehmen setzen KI heute ein, um bestehende Prozesse schneller zu machen. Oliver Engelbrecht sieht darin einen ersten Schritt. Das volle Potenzial liegt für ihn dort, wo Unternehmen ihre Abläufe und ihr Betriebsmodell neu denken. Wer das nicht tut, ist in ein bis zwei Jahren nicht mehr Follower, sondern im Nachteil.

Im Gespräch geht es darum, was dafür vorausgesetzt ist. Oliver spricht über Infrastruktur, Daten und Schnittstellen, über die Rolle der Geschäftsleitung und über den Druck, den Procurement-Outsourcer mit Spar-Garantien auf Einkaufsorganisationen ausüben. Er erklärt, warum er KI als Top-down-Entscheid sieht und weshalb die Investitionsbereitschaft gerade steigt.

Dazu kommt ein konkreter Use Case. Ein Voice-Agent beantwortet Anfragen von Bedarfsträgern und Lieferanten an den Einkauf, angebunden an ERP und Ticket-System. Oliver rechnet vor, was das bei einem Team von 15 Mitarbeitenden ausmacht. Zum Schluss geht es um die Frage, wann Einkaufs- und Verkaufsagenten miteinander verhandeln und wo der Mensch weiterhin entscheidet.

Zum Gast: Oliver Engelbrecht https://www.linkedin.com/in/oliengelbrecht/

Gastgeber: Andy Huber https://www.linkedin.com/in/andy-huber-ai-consulting

• Das Grundwissen zu KI ist bei vielen angekommen. Der Unterschied entsteht in der Umsetzung im Unternehmen.
• Prozessoptimierung bringt erste Effekte. Den grösseren Hebel hat, wer Abläufe und Betriebsmodell neu denkt.
• Ohne Infrastruktur bleibt KI ein Werkzeug für Einzelne. Cloud, Schnittstellen und saubere Daten sind die Voraussetzung.
• KI ist ein Entscheid der Führung. Es braucht Kapazität, Budget und die Bereitschaft, die eigene Organisation zu hinterfragen.
• Der Druck kommt auch von aussen. Procurement-Outsourcer garantieren Einsparungen und zahlen zurück, wenn sie diese nicht erreichen.
• Voice AI ist im Einkauf einsetzbar. Anfragen zu Ausschreibungen oder zum Lieferantenprozess lassen sich mit Anbindung an ERP und Ticket-System beantworten.
• Agenten verhandeln heute vor allem bei einfachen Kategorien. Bei komplexen Beschaffungen unterstützen sie, ersetzen aber nicht.
• Bei Neueinstellungen zählt das Mindset. Gefragt sind Leute, die ihre Kategorie weiterentwickeln wollen und nicht nur abwickeln.

• 00:00 Intro
• 01:10 KI in Olivers Alltag
• 03:22 Von der IT über UBS und SIX zur Big Four
• 12:20 Der Lehrgang Procurement AI Expert
• 15:08 Was sich in Schulungen verändert hat
• 15:52 Optimieren oder neu denken
• 18:41 Skills, Mindset und junge Talente
• 19:47 Ist die Infrastruktur bereit?
• 21:05 KI als Entscheid der Führung
• 25:21 KI auf Ebene Geschäftsleitung
• 29:09 Prozesse neu denken statt digitalisieren
• 29:52 Prozess-Engines und Voice AI im Einkauf
• 33:32 Schnelle Antworten als Mehrwert
• 34:18 Mit einem Bot reden?
• 37:20 Verhandelt bald Agent mit Agent?
• 40:06 C-Teile und Katalogbestellungen
• 42:24 Was neue Mitarbeitende im Einkauf mitbringen
• 44:24 Verabschiedung

Viele Unternehmen haben Microsoft Copilot getestet und sind zum Schluss gekommen, ChatGPT sei besser. Pascal Brunner-Nikolla kennt diesen Ruf aus über 400 Copilot-Projekten. Er erklärt, wie er entstanden ist und wo Copilot heute im Vergleich steht.

Im Gespräch geht es um die Lücke zwischen gefühlter und belegbarer Produktivität. Viele Mitarbeitende fühlen sich mit KI produktiver, nur ein Teil der Unternehmen kann das auch nachweisen. Pascal erklärt, warum gewonnene Zeit im Arbeitsalltag sofort wieder verschwindet und weshalb der Einstieg über den konkreten Arbeitstag einer Rolle besser funktioniert als ein allgemeiner Überblick.

Dazu kommen Use Cases aus seinen Projekten. Ein Agent durchsucht rund 4'000 Vertragselemente zu Garantieleistungen von Produktionslinien, ein weiterer unterstützt die Unternehmenskommunikation. Pascal spricht auch über Datenhaltung in der Schweiz, über Schatten-AI und darüber, warum die Einstellungen vor dem Start geprüft werden sollten.

Zum Gast: Pascal Brunner-Nikolla, Head of Modern Work bei Campana & Schott Schweiz und Microsoft MVP. Jeden Montag erscheint sein Newsletter «Copilot Your Day».

• Follow me on LinkedIn
• https://copilotyourday.com/links/
• https://www.newsletter.copilotyourday.com/
• Zugang zu den Cheatsheets
• LinkedIn Learning Kurse zu Copilot

Gastgeber: Andy Huber. https://www.linkedin.com/in/andy-huber-ai-consulting/

Takeaways

• Eine Lizenz ist noch keine Nutzung. Wie beim Fitness-Abo im Januar braucht es neue Routinen, damit Copilot im Alltag ankommt.
• Persönliche Produktivität ist noch kein Business Impact. Messbaren Nutzen zeigen vor allem Unternehmen, die ihre Prozesse neu denken.
• Gewonnene Zeit wird sofort wieder absorbiert. Wer sie für wertschöpfende Aufgaben nutzen will, muss das bewusst planen.
• Beim Arbeitstag ansetzen. Wer den Alltag einer Rolle durchgeht und an einzelnen Schritten zeigt, wo Copilot hilft, erreicht die Mitarbeitenden eher.
• Die meisten haben kein Modellproblem. Entscheidend ist, wie KI in den Arbeitsalltag integriert wird.
• Verbote verschieben das Problem. Ohne gutes internes Angebot laden Mitarbeitende Firmendaten in private Tools hoch.
• Vor dem Go-live die Einstellungen prüfen. Ein bis zwei Wochen später starten ist besser, als nachträglich Freigaben korrigieren zu müssen.

• 00:00 Intro
• 01:11 KI in Pascals Alltag
• 02:57 Pascal Brunner-Nikolla und Campana & Schott
• 03:59 Der Weg zum Copilot-Experten
• 06:08 Am Ball bleiben bei diesem Tempo
• 10:04 Was Unternehmen von KI erwarten
• 14:04 Wenn gewonnene Zeit verpufft
• 16:53 Daten und Organisation als Fundament
• 18:26 Ist Copilot schlechter als ChatGPT
• 21:37 Warum das Modell selten das Problem ist
• 23:25 Fitness-Abo und AI-Fitness
• 24:05 Use Cases mit Wirkung
• 27:16 On-prem, Cloud und Migration
• 29:46 Datenschutz und Datenhaltung in der Schweiz
• 31:46 Schatten-AI und KI-Richtlinien
• 34:33 Überforderte IT und Technical Readiness
• 36:28 Change und Technik im gleichen Team
• 38:01 Selber machen oder Unterstützung holen
• 41:00 Wie wir in zwei Jahren arbeiten
• 42:43 Verabschiedung

Faserplast führt mit rund 30 Leuten sechs Geschäftsbereiche, von der Regenwassernutzung über die Wasserschadensanierung bis zur Teichtechnik. CEO Marc Beck erklärt, warum die Digitalisierung dort mit Aufräumen begann. Fast zehn Jahre lang wurden Sortiment, ERP und Stammdaten bereinigt.

Auf dieser Basis entstand die KI-gestützte Artikeleröffnung. Pro Produkt sind fast 300 Felder zu füllen. Irgendwann hatte das Team keine Lust mehr darauf. Heute füllt die KI vieles vorab aus und erstellt einen Marktbericht, bevor ein Artikel aufgenommen wird. Ein Mensch prüft weiterhin.

Marc erzählt, wie aus einer Schnittstellenfrage der eigene Datenhub FAPA Connect wurde und wie Faserplast Restplatten mit KI-Unterstützung in den Online-Shop bringt. Er spricht auch über eine Wissensdatenbank, die nur mit Quellennachweis antworten darf, und über das Risiko, wenn nur noch wenige wissen, wie die selbst gebauten Lösungen funktionieren.

Gast: Marc Beck https://www.linkedin.com/in/marcbeck-faserplast

Host: Andy Huber https://www.linkedin.com/in/andy-huber-ai-consulting

• Digitalisierung beginnt mit Aufräumen. Sortiment, ERP und Stammdaten zuerst bereinigen. Erst dann bringt KI einen Nutzen.
• Datenpflege hört nie auf. Faserplast macht bei jeder physischen Inventur auch eine Dateninventur. Löschen gehört dazu.
• Ein hoher Anspruch braucht Unterstützung. Die 300 Felder pro Artikel sind erst wieder machbar, seit die KI vorbefüllt und Regeln direkt bei der Eingabe anzeigt.
• Eigene Schnittstellen bringen Tempo. Mit dem eigenen Datenhub ist Faserplast nicht mehr von externen Partnern abhängig.
• Die Belegschaft mitnehmen. Eine interne KI-Plattform mit Umfragen und verschiedenen Schulungsformaten verhindert, dass sich das Projektteam von den Mitarbeitenden entfernt.
• Gute Ideen kommen vom Kunden. Das Restplatten-Tool entstand aus wiederholten Kundenanfragen nach Reststücken.
• Wer selbst baut, muss auch selbst betreiben. Das Wissen über eigene Lösungen darf nicht an einzelnen Personen hängen.

• 00:00 Intro
• 00:45 Marc Beck und Faserplast
• 02:01 Sechs Geschäftsbereiche mit 30 Leuten
• 04:09 Der Auslöser, aufräumen statt Bazar
• 06:06 Saubere Stammdaten und die Leute mitnehmen
• 08:08 Artikeleröffnung mit 300 Feldern
• 12:57 FAPA Connect, der eigene Datenhub
• 14:40 Interne Kompetenz statt externer Partner
• 16:29 KI-Plattform und Hackathon
• 19:37 Wer das Thema treibt
• 21:11 Prozesse kennen und dokumentieren
• 23:43 Wie man Prozesse aufnimmt
• 25:07 Warum Dokumentation so wichtig ist
• 27:39 Restplatten im Online-Shop
• 31:23 Neue Angebote aus Kundenbedürfnissen
• 32:23 Die Wissensdatenbank mit Quellennachweis
• 38:14 Empfehlung für Einsteiger, Daten aufräumen
• 40:25 Faserplast in drei Jahren und Agentic Commerce
• 42:22 Die Kehrseite, Abhängigkeiten und Betrieb
• 43:34 Verabschiedung

Wenn du in deinem Unternehmen wissen willst, welcher KI-Anwendungsfall sich bei dir wirklich rechnet und ob deine Daten dafür bereit sind, dann lass uns reden. Ich begleite Geschäftsleitungen und Verwaltungsräte genau bei dieser Frage. Und wenn du für deinen Führungsanlass einen Referenten zum Thema suchst, melde dich ebenfalls per Linkedin

Reto Gamper hat bei Unilever, Ciba Vision, Steinfels Swiss, Bogar und Avosano Veränderungen verantwortet. Vom Turnaround bis zum Zusammenschluss zweier gleich grosser Pharma-Grosshändler.

Er erklärt, warum ein Change nur mit dem Team gelingt und weshalb der Chef danach zurückstehen muss. Am Beispiel einer geschlossenen Verteilzentrale mit 300 Kunden zeigt er, wie Kundenfeedback einen fertigen Plan verändert hat.

Im zweiten Teil geht es um datengestützte Vertriebssteuerung. Und um eine Kundenbefragung mit sechs Fragen, die abwanderungsgefährdete Kunden zu Fans gemacht hat.

Zum Gast: Reto Gamper, Verkaufs- und Change-Profi, zuletzt verantwortlich für Verkauf und Einkauf bei Avosano.

https://www.linkedin.com/in/r-gamper/

Gastgeber: Andy Huber. https://www.linkedin.com/in/andy-huber-ai-consulting/

Takeaways

• Ohne Team kein Change. Ist das Ziel gesetzt, muss der Chef zurückstehen und machen lassen.
• Den Plan mit Kunden testen. Beim Transfer von 300 Kunden hat erst das Kundenfeedback gezeigt, dass eine zweite Variante nötig war.
• Transaktionsdaten sind Gold. Sie zeigen, welcher Aussendienst welche Segmente verkauft und wo Cross- und Upselling-Potenzial liegt.
• Kurz fragen, schnell reagieren. Sechs Fragen mehrmals im Jahr, wöchentlich ausgewertet, haben die Abgangsrate gesenkt.
• KI bereitet vor, der Mensch baut Vertrauen auf. Briefings und Auswertungen werden schneller, der persönliche Kontakt bleibt.

Kapitel

• 00:01 KI im Alltag
• 00:38 Retos Stationen von Unilever bis Avosano
• 02:57 Das Muster hinter jedem Change
• 05:36 Wenn der Plan auf die Kunden trifft
• 08:05 Umgang mit Widerstand im Team
• 09:13 Change im Konzern und im KMU
• 11:25 Leitplanken und Firmenwissen schützen
• 12:12 Wie fit ist der Vertrieb bei Daten
• 15:25 Datengesteuert statt nach Routine
• 18:13 Mehrwert im Kundengespräch
• 21:22 Die richtigen KPI im Vertrieb
• 23:57 Trigger statt Excel-Listen
• 27:41 Kundenbefragung als Frühwarnsystem
• 33:22 Besuchsrapporte und Transkription
• 39:34 Verabschiedung

Oswald entwickelt, produziert und vermarktet seine Produkte selbst. Die Traditionsmarke treibt heute 14 KI-Projekte parallel voran.

Franco Kölliker ist Co-CEO sowie Chief Digital und Marketing Officer bei Oswald.

Er erzählt, wie eine KI das Werbebudget auf die Kanäle verteilt und das gleiche Budget damit 300 Prozent mehr Wirkung bringt.

Die Suche auf der Website hat sein Team in fünf Arbeitstagen durch eine KI-gestützte Suche ersetzt. Die Conversion der Suchenden stieg von 4,5 auf fast 40 Prozent.

Nicht alles lief nach Plan. Beim Chatbot hat das Team unterschätzt, wie viel Prozesswissen und wie viele Leitplanken es braucht. Es ging sechs Monate, bis er für alle Kunden gut genug war.

Im Gespräch geht es auch um Copilot im Backoffice, um die Frage, wie man die Leute mitnimmt, und darum, wo bei einer Traditionsmarke der Mensch bleiben muss.

Gast: https://www.linkedin.com/in/franco-kölliker-74a1ab86/

Host: https://www.linkedin.com/in/andy-huber-ai-consulting/

• Klein anfangen. Oswald hat nicht mit einem grossen KI-Projekt gestartet, sondern mit vielen kleinen Projekten, die schnell Wirkung zeigen. Heute laufen 14 parallel.
• Die KI schlägt vor, der Mensch entscheidet. Die Budgetsteuerung im Performance Marketing war nach drei Monaten Testphase besser als die manuelle Steuerung. Die Freigabe bleibt beim Menschen.
• Produktdaten allein reichen nicht. Ein Chatbot braucht Prozesswissen und klare Leitplanken. Sonst empfiehlt er Produkte, die gar nicht im Sortiment sind.
• Eine feste Frist bündelt die Kräfte. Für die neue Suche hatten Agentur und Projektleitung fünf Arbeitstage. KI hat dabei auch bei der Programmierung geholfen.
• Nicht auf perfekte Daten warten. Der Einstieg gelingt über repetitive Tätigkeiten. Die Daten werden parallel verbessert.
• Die Menschen sind der wichtigste Faktor. Gute Daten und dokumentierte Prozesse nützen wenig ohne Leute, die das Thema aus eigenem Antrieb vorantreiben.
• Jede Lizenz braucht einen Business Case. Copilot ist im Backoffice breit im Einsatz. Ob eine Person eine Lizenz braucht, wird trotzdem jedes Mal geprüft.

• 00:00 Intro
• 01:32 KI im privaten Alltag, Kochen und Smart Home
• 02:44 ChatGPT, Claude und Gemini statt Google
• 03:54 Franco und Oswald
• 05:49 Zielgruppen, von B2C bis Export
• 06:38 Die ersten Use Cases, Performance Marketing und Chatbot
• 10:22 Agentur oder in-house
• 10:49 KI in der Geschäftsleitung, Business Case und Testphase
• 13:03 Daten, Prozesse und die Menschen
• 14:06 Die zweite Führungsstufe mitnehmen
• 16:42 Kreativität und A/B-Tests mit Visuals
• 18:43 Copilot im Backoffice
• 19:02 Wie das Team Copilot gelernt hat
• 20:49 KI als Change-Projekt
• 22:12 Was KI für das Kundenerlebnis bedeutet
• 24:16 Schnellere Antworten, höhere Erwartungen
• 26:08 Wo der Mensch bleiben muss
• 27:56 KI-generierte Inhalte und menschliche Kontrolle
• 29:18 KI-Agenten am Telefon
• 31:54 Nicht auf perfekte Daten warten
• 34:30 Neue Suche in fünf Tagen
• 35:51 Wie weit die Branche ist
• 37:15 Rückstand aufholen
• 38:00 KI-Kompetenz bei der Rekrutierung
• 39:05 Oswald in drei Jahren
• 41:44 Was KI nicht kann, der Geschmack
• 42:30 Verabschiedung

Siemens ist über 175 Jahre alt und im Projektgeschäft gross geworden. Seit 2022 bietet der Konzern auf seiner eigenen Plattform auch Lösungen von Partnern an.

Mario Fürst verantwortet Siemens Xcelerator in der Schweiz. Auslöser für die Plattform war Feedback aus dem Markt. Viele Kunden finden die passenden Lösungen und Partner für ihre Digitalisierungsprojekte nicht. Intern stellte sich eine andere Frage. Wieso etwas ändern, wenn das Geschäft gut läuft?

Wir sprechen über Industrial AI und Simulationen, die heute in wenigen Stunden laufen. Über einen KI-Agenten, der Ingenieure beim Programmieren von Steuerungen unterstützt. Und darüber, wann der KI-Agent eines Kunden selbst auf der Plattform einkauft.

Gast: https://www.linkedin.com/in/mario-fürst-35291b12a/

Host: https://www.linkedin.com/in/andy-huber-ai-consulting/

• Die Qualität entscheidet über den Nutzen. Viele Projekte sind früher gescheitert, weil die Qualität nicht dort war, wo sie sein musste. Erst wenn die digitale Simulation der Realität entspricht, entsteht ein echter Nutzen.
• Simulationen laufen heute in wenigen Stunden. Lösungen, die vor 20 Jahren drei bis vier Tage gerechnet haben, schaffen das mit Physical AI in einem Bruchteil der Zeit.
• KMU sind oft schneller. Grosskonzerne haben die stärkeren Strategien und planen langfristiger. Eine allgemeine Aussage zur Industrie lässt sich nicht machen.
• Kein Anbieter kann alles allein. Deshalb stellt Siemens Partnerlösungen neben die eigenen. Geprüft wird, welche Lösungen sich ergänzen.
• Je grösser das Angebot, desto wichtiger die Suche. KI im Backend und die richtigen Keywords führen Besucher je nach Zielgruppe zur passenden Lösung.
• KI kann grosse Investitionen ersetzen. Mit Kameradaten und KI-gestützter visueller Qualitätskontrolle lässt sich zum Beispiel ein Röntgenscanner für rund 1 Million einsparen.
• Private Nutzung erleichtert den Einstieg im Beruf. Wer den Nutzen von KI privat erlebt hat, setzt sie auch im Vertrieb schneller ein.

• 00:00 Intro
• 00:07 KI im Alltag, Reiseplanung mit der Familie
• 03:16 Von IoT zu Industrial AI, was sich verändert hat
• 05:34 Warum Skalierung heute im Fokus steht
• 06:54 Wie weit die Industrie ist, KMU und Grosskonzerne
• 08:11 Techstandort Schweiz und Robotik
• 08:37 Was Siemens Xcelerator ist
• 10:38 Der Marktplatz auch für Nicht-Kunden
• 12:04 Für welche Branchen die Plattform gedacht ist
• 12:27 Warum Siemens auf Offenheit setzt
• 14:57 Widerstände intern und wie man sie überwindet
• 17:54 Globale Plattform, lokale Partner
• 19:34 Wie Unternehmen Marketplace Seller werden
• 20:31 Was die Zertifizierung bedeutet
• 21:02 Die richtige Lösung finden, KI im Backend
• 23:37 Wie die Plattform bekannter werden soll
• 25:28 Der Eigen Engineering Agent im TIA Portal
• 26:57 KI-Use-Cases von der Entwicklung bis zur Produktion
• 31:38 AI Lab und Guardrails im Grosskonzern
• 34:03 Wie Mario KI im Arbeitsalltag nutzt
• 34:46 KI im Vertrieb
• 36:51 Menschen mitnehmen, vom privaten Nutzen ins Geschäft
• 40:38 Wann der KI-Agent des Kunden einkauft

Eine Bestellung kommt als PDF herein und muss ins ERP. Klingt nach einer Aufgabe für jedes Tool. Genau daran scheitern die meisten KI-Projekte im Handel.

Marcel Rassinger war CIO von BRACK.Alltron. Heute baut er mit aikyma für den Handel KI-Lösungen. Sein Befund ist nüchtern. Die Anbindung an SAP oder Business Central ist der einfache Teil. Schwierig wird es Sonderwünschen in Notizfeldern und bei Wissen, das nur in den Köpfen der Mitarbeitenden steckt.

Warum aus einem KI-Projekt schnell ein Prozess- und Datenprojekt wird und wo sich der ROI wirklich rechnet.

Zum Gast: Marcel Rassinger, studierter Physiker, früher CIO der Competec-Gruppe, heute Co-Founder und CTO von aikyma in Basel.

Gast: https://www.linkedin.com/in/marcel-rassinger-0b1b74/

Website:https://aikyma.ai/

Host: https://www.linkedin.com/in/andy-huber-ai-consulting/

• Die technische Anbindung ist heute der einfache Teil. Mit KI-Tools bekommt man die Verbindung zu SAP oder Business Central schnell hin. Der Aufwand steckt in den Prozessen dahinter.
• Die Prozesse laufen anders, als sie dokumentiert sind. Was im Kopf des Managements und in der Prozessbeschreibung steht, ist selten das, was im Tagesgeschäft tatsächlich passiert.
• Agenten wie neue Mitarbeitende behandeln. Jemand erklärt ihnen, wie das Unternehmen funktioniert. Marcel nennt das selbst edge und teilweise bleeding edge.
• Ein Mitarbeitender allein reicht als Quelle nicht. Erst die Spiegelung im Kreis von Teamleitern und Entscheidungsbefugten bringt ein belastbares Bild.
• Aus dem KI-Projekt wird ein Prozess- und Datenprojekt. In den Feedback-Runden zeigt sich, was ein Bug ist, wo der Prozess uneinheitlich ist und wo schlicht die Daten nicht stimmen.
• 100 Prozent sind nicht das Ziel. Die Fleissarbeit soll wegfallen, entscheiden soll der Mensch dort, wo entschieden werden muss.
• Human in the Loop ist eine zweite Integrationsschicht. Nicht nur ins System, sondern in die Organisation. Die Feedback-Schlaufe läuft über Zuständigkeiten, Mails und Menschen.
• Ohne Management-Unterstützung geht es in komplexen Fällen nicht. Wer ein Tool kauft und es wie ein Excel behandelt, wird damit nicht weit kommen.

00:00 Intro

00:17 Marcels Lieblings-KI-Tool

02:32 Vom Physikstudium ins Internetbanking

05:24 Was vom Physikstudium geblieben ist

06:19 Wohin sich KI entwickelt

11:05 Die CIO-Rolle vor zehn Jahren und heute

13:51 KI deckt die alten Baustellen auf

17:01 Was aikyma genau macht

18:23 Wenn der Teufel im Detail steckt

19:14 Die Kunden, bei denen es tatsächlich schnell geht

19:35 Gewachsene Systeme und die Adresse aus Shanghai

25:33 Wenn jeder den Prozess anders auslegt

26:40 Feedback-Runden mit Teamleitern und Entscheidern

28:40 Aus dem KI-Projekt wird ein Prozess- und Datenprojekt

29:42 Der ROI und die einfache Rechnung

33:02 Human in the Loop und die Integration in die Organisation

34:57 Kultur, Fehler und der Umgang damit

35:41 Change-Management-Projekte

36:37 Wie Mitarbeitende auf die Automatisierung reagieren

39:47 Was Unternehmen an KI-Projekten falsch verstehen

41:18 Ausblick, 80 Prozent der Bürokratie sind automatisierbar

45:56 Wenn Software fast gratis wird

Google, Nvidia, Meta, OpenAI, Anthropic. Warum sitzen diese Firmen ausgerechnet in Zürich?

Christian Lüscher arbeitet seit vier Jahren daran, dass diese Frage im Ausland überhaupt gestellt wird. Als PR-Manager der Greater Zurich Area macht er einen Wirtschaftsraum von neun Kantonen sichtbar – ab 2027 sind es zehn. Sein Befund ist nüchtern: Niemand in San Francisco, Schanghai oder Tel Aviv weiss automatisch, was Zürich zu bieten hat. Rund 100 Ansiedlungen pro Jahr entstehen nicht durch Inserate, sondern durch Netzwerkarbeit – 80 Prozent davon werden aktiv angebahnt.

Wir sprechen über Google als Leuchtturm: seit 20 Jahren hier, rund 5'000 Mitarbeitende, grösster Entwicklungsstandort ausserhalb der USA und über 200 Firmengründungen, die aus diesem Umfeld entstanden sind. Über die Zürcher AI-Karte mit rund 200 Firmen, die tatsächlich Forschung und Entwicklung betreiben. Und über den nächsten Schub, den Christian nicht bei KI sieht, sondern in der Robotik: Das Hirn der Roboter wird hier entwickelt, in Labs, die man von der Strasse aus gar nicht sieht.

Dazu die Kehrseite: Wohnungspreise, Verdrängung, Wachstumsmüdigkeit. Christian ordnet ein, welchen Anteil die Ansiedlungspolitik daran wirklich hat – und warum er trotzdem für eine Annäherungs- statt eine Vermeidungsstrategie plädiert.

Zurich AI Festival, Ende September bis Anfang Oktober: https://www.zurichaifestival.ch/

Christian Lüscher: https://www.linkedin.com/in/luschair/

Andy Huber: https://www.linkedin.com/in/andy-huber-ai-consulting/

TAKEAWAYS

• Google war der Leuchtturm. 20 Jahre, 5'000 Mitarbeitende, über 200 Firmengründungen aus diesem Umfeld.

• Cluster ziehen Cluster an. Die Erfolgreichen suchen die Nähe zueinander.
• Der nächste Hype ist Robotik, nicht KI. Das Hirn der Roboter entsteht in Zürich.
• Talent kommt vor Firma. Die Formel lautet Technology, Tax, Talent.
• Lebensqualität ist ein harter Standortfaktor, kein weicher.
• Die Ansiedlungen machen unter zwei Prozent der Zuwanderung aus.
• Vermeidung ist keine Strategie. Annäherung statt Rückzug ins Reduit.
• Standortfaktor Nummer eins ist Zusammenarbeit – auf allen Ebenen.

KAPITEL

00:00 Intro

01:49 Vom Journalismus zur Standortförderung

05:12 Was die Greater Zurich Area genau macht

07:00 Neun Kantone, ab 2027 zehn

07:45 Büros in den USA und China: Netzwerkarbeit statt Werbung

09:34 Warum das nichts mit Tourismuswerbung zu tun hat

11:22 Was die Organisation leistet – und was nicht

14:14 Wer dahintersteckt: Public-Private-Partnership

15:13 Google in Zürich: grösster Standort ausserhalb der USA

17:59 Die AI-Karte: 200 Firmen mit Forschung und Entwicklung

19:55 Robotik: «Grossmacht Zürich» und die versteckten Labs

23:43 Warum jetzt? Die Dynamik der letzten 36 Monate

24:35 Talent, Hochschulen und die Formel der 3 T

26:36 Zürisee, Techno, Lebensqualität als harter Faktor

28:26 Die Karten – und was sie sonst noch zeigen

30:45 Die Kehrseite: Wohnungspreise und Verdrängung

33:00 Zuwanderung: der reale Anteil der Ansiedlungen

36:25 Zürich in den 90ern – wie weit der Standort gekommen ist

37:48 Ökosystem: Hochschulen, Konzerne, Startups

38:50 Über 200 Firmengründungen aus dem Google-Umfeld

40:36 Was es braucht, damit der Standort vorne bleibt

44:09 Standortfaktor Nummer eins: Zusammenarbeit

Baut die Schweiz künstliche Intelligenz selber oder kaufen wir sie künftig einfach ein? Marcel Salathé hat die Frage durchgerechnet: Der Co-Direktor des AI Center der EPFL kommt auf rund eine Milliarde Franken pro Jahr, ein Bruchteil dessen, was in den USA in diese Technologie fliesst. Passiert nichts, sagt er, werden wir vollständig abhängig von Amerikanern und Chinesen und wer die Technologie besitzt, bestimmt Preis und Zugang. Ein Gespräch über das Schweizer Modell Apertus, über ein Departement für Technologie, das es in Bern nicht gibt, darüber warum KI privat längst funktioniert und in Unternehmen harzt – und was das für unsere Kinder in der Schule heisst.

Gast: Marcel Salathé https://www.linkedin.com/in/salathe/

Host: Andy Huber https://www.linkedin.com/in/andy-huber-ai-consulting/

Takeaways

• Eine eigene Schweizer KI kostet rund eine Milliarde pro Jahr. Für Modelle und Ökosystem, nicht für den weltweiten Betrieb – ein kleiner Prozentsatz dessen, was die grossen Anbieter investieren. Die Schweiz wäre damit durchaus kompetitiv.
• Ohne Entscheid wird die Abhängigkeit zum Fakt. «Dann werden wir vollständig abhängig sein von Chinesen und Amerikanern.» Für Unternehmen heisst das: Die Technologie, auf der die eigenen Prozesse laufen, gehört jemand anderem.
• Apertus ist Vorarbeit, Als Forschungsprojekt wertvoll, insgesamt aber «massiv unter seinem Potenzial». Für ein konkurrenzfähiges Modell braucht es Ressourcen im Faktor hundert.
• Individuell klappt KI, institutionell harzt es. Der Grund ist nicht fehlender Wille: Die Technologie arbeitet nicht deterministisch, sondern probabilistisch – und fein austarierte Unternehmensprozesse kommen damit schlecht zurecht.
• Die Schule muss den Prozess bewerten, nicht das Resultat. Wer im Fitnessstudio die Maschine für sich arbeiten lässt, hat am Schluss keine Muskeln. Genau das passiert, wenn nur das abgegebene Dokument zählt.

Kapitel

00:00  – Intro und Einordnung

00:11  – Wie Marcel Salathé KI im Alltag nutzt – und wo bewusst nicht

02:18  – Sein Setup: 80 Prozent Codex, 20 Prozent Claude

03:27  – Modell auf dem eigenen Laptop: 27 Sekunden gegen 37 Minuten

05:13  – Das AI Center der EPFL und die Rolle als Co-Direktor

06:54  – Warum er «Kompass Künstliche Intelligenz» geschrieben hat

09:35  – Wer das Buch liest – und was zurückkommt

11:12  – Vom Biologen zur KI: warum das Tempo nie neu ist

14:47  – Der Sprung in die Wirtschaft – und wo er stockt

15:10  – Warum Institutionen härter kämpfen als jeder Einzelne

18:10  – Drei Typen von Unternehmen: bereit, willig, überholt

20:26  – Die Schweiz im KI-Ranking ganz unten – und warum das richtig war

23:25  – Braucht Bern ein Departement für Technologie?

24:41  – USA und China: Milliarden für Rechenzentren

25:55  – Die Rechnung: eine Milliarde Franken pro Jahr

27:05  – Apertus: «massiv unter seinem Potenzial»

31:20  – Schule, Kinder und der Vergleich mit dem Fitnessstudio

34:48  – KI an der EPFL: wie Prüfungen heute funktionieren

38:52  – Die Fähigkeiten der Zukunft: das T-shaped Skillset

46:31  – In fünf Jahren: hat die Schweiz ihre Chance genutzt?