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?

Wie führt man ein Unternehmen im technischen Handel als Geschwisterpaar und bringt gleichzeitig über 40 KI-Anwendungen in den produktiven Betrieb? Diese Folge ist live auf der Bühne der SCORE 2026 in Zürich entstanden. Elisabeth und Max Meister führen in dritter Generation die Ludwig Meister GmbH in Dachau, rund 300 Mitarbeitende und 125 Millionen Euro Umsatz und standen zum ersten Mal gemeinsam auf einer Konferenzbühne. Ein Gespräch über den eigentlichen Hebel hinter dem Wachstum (saubere Daten, nicht KI), über OKR als Betriebssystem der Firma, über Pickroboter und KI-Kontrolle im Wareneingang, darüber warum sie ihre Software lieber selber bauen und was sie einem anderen Geschwisterpaar auf keinen Fall empfehlen würden.

Elisabeth Meister: https://www.linkedin.com/in/elisabeth-meister/

Max Meister: https://www.linkedin.com/in/maxmeister82/

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

• Saubere Daten sind der strategische Hebel, nicht KI: Wer eine Datenquelle wirklich versteht, entwickelt schnell und schlank – wer sie nicht versteht, jagt Fehler wie den Liefertermin «31.12.2999» durch seine Modelle.
• OKR wirkt nur konsequent: Auch der Geschäftsführer darf nicht mit 18 neuen Ideen zurückkommen und das Team umsteuern. Depriorisieren ja aber immer mit Begründung.
• Über 40 KI-Anwendungen im Einsatz, entstanden dezentral in den Abteilungen statt als Grossprojekt von oben.
• Digitalisieren möglichst weit weg vom Kunden: Pickroboter im AutoStore und KI-Kontrolle im Wareneingang lernen intern, bevor Fehler beim Kunden landen. Der Pickroboter war in drei Monaten in Betrieb.
• Selber bauen statt kaufen: Was der Wettbewerb ebenfalls einkaufen kann, ist keine Differenzierung. Die eigene Never-Out-of-Stock-Software erkennt automatisch, welcher Artikel in neun Monaten ausgeht – bei zehn Monaten Wiederbeschaffungszeit.
• Fast 30 Prozent der Belegschaft gehen in den kommenden Jahren in Pension. Die grösste Herausforderung ist nicht die Technik, sondern 20 bis 30 Jahre Produkt-, Prozess- und Marktwissen im Unternehmen zu halten.

• 00:00 – Intro & Einordnung
• 01:35 – SCORE 2026: Ludwig Meister in Zahlen
• 03:10 – Wie Elisabeth und Max in die Firma gekommen sind
• 05:34 – Die Aufteilung der Verantwortung unter Geschwistern
• 07:53 – Der eigentliche Hebel: eine saubere Datenbasis
• 09:29 – Datenpflege als Führungsaufgabe
• 10:36 – OKR als Betriebssystem: konsequent priorisieren
• 11:57 – Wie lange es dauerte, bis OKR wirklich funktionierte
• 13:45 – Über 40 KI-Anwendungen, dezentral entstanden
• 14:37 – Der Pickroboter im AutoStore
• 15:43 – Lens: KI-Kontrolle im Wareneingang
• 16:38 – Warum sie ihre Software selber bauen
• 18:00 – Never Out of Stock als echte Differenzierung
• 18:49 – Warum der Wettbewerb durch KI nicht schneller aufholt
• 19:31 – 30 Prozent gehen in Pension: Wissen sichern
• 21:37 – Kultur: Verantwortung abgeben und vorleben
• 23:03 – Technischen Handel attraktiv machen
• 25:24 – Wenn Mitarbeitende beim Wandel nicht mitkommen
• 27:29 – Was sie keinem anderen Geschwisterpaar empfehlen würden
• 29:30 – Fun Fact: die erste eigene Firma mit 13 und 10

Wie bringt ein Händler mit über 1'400 Mitarbeitenden KI vom einzelnen Use Case auf die Ebene des ganzen Unternehmens? Tobias Quelle, CIO von BRACK.ALLTRON und zuvor bei Digitec Galaxus und Otto.de im digitalen Handel unterwegs, nimmt uns mit hinter die Kulissen: von der AI-Engine im Einkauf über Produktdatenanreicherung mit LLMs und Agentic Coding bis zur Shopping-App, die in drei Monaten live ging. Ein Gespräch darüber, warum die Motivation der Mitarbeitenden nie das Problem war, wie ein AI Circle aus 20 Leuten Ordnung in fragmentierte Aktivitäten bringt und weshalb KI aus schlechten Daten keine guten macht.

Gast: https://www.linkedin.com/in/tobiasquelle/

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

• Die Motivation war nie das Problem. 92 Prozent der Mitarbeitenden stehen KI positiv gegenüber, gut 50 Prozent nutzen sie bereits. Gefehlt haben Transparenz, Koordination und Leitplanken – nicht Überzeugungsarbeit.
• Der AI Circle als Nucleus. Rund 20 Personen aus allen Unternehmensbereichen, je 20 Prozent ihrer Arbeitszeit, eigene Sprintlogik und vier Workstreams über 15 Monate: Tools und Datenschutz, Befähigung, Operating Model, Use Cases.
• Geschwindigkeit ist wichtiger als Perfektion. Grosse Vorhaben in kleine Meilensteine brechen, so schnell wie möglich am Kunden testen, Zielwerte vorher definieren – auch wenn der Business Case noch nicht sauber rechenbar ist.
• Ein Formel-1-Motor macht aus einem Traktor keinen Rennwagen. KI löst keine Datenprobleme. BRACK.ALLTRON hat deshalb im Rahmen der IT-Reorganisation einen eigenen Data-Bereich aufgebaut.
• Make if it's core, buy if it's non-core. Tobias' Rat an mittelgrosse Händler: Nur die geschäftskritischen Fähigkeiten selbst aufbauen, für den Rest bewusst externe Katalysatoren holen.
• Der Blick nach vorn: LLMs werden zum ganz normalen Traffic-Kanal, wie es SEO, Newsletter und Direct Traffic sind. Wer seine Produktdaten nicht strukturiert lesbar macht, wird nicht gefunden.

• 00:00 – Intro & Einordnung
• 01:35 – Wie Tobias KI privat und geschäftlich nutzt
• 03:29 – Warum er sich bewusst nicht auf ein Modell festlegt
• 04:32 – Der Auftrag als CIO: 36 neue Jobprofile statt Systemmodernisierung
• 07:12 – Kleine cross-funktionale Teams & die Brücke zum Business
• 09:34 – Fünf Stossrichtungen: wo der grösste KI-Hebel liegt
• 11:56 – Den Überblick behalten: Power to the people
• 14:31 – Lernkultur: Schulterblick statt Schulungskatalog
• 16:11 – Von bottom-up zur Strategie: die konkreten Use Cases
• 20:24 – Der AI Circle: 20 Leute, 20 Prozent Zeit, vier Workstreams
• 23:55 – Die Mitarbeiterumfrage & was daraus folgte
• 25:27 – Wie misst man den Nutzen von KI?
• 29:03 – Business Case ohne belastbare Zahlen
• 31:47 – Datenqualität: der Formel-1-Motor im Traktor
• 35:57 – Was mittelgrosse Händler tun können
• 38:41 – Ausblick: LLMs als neuer Traffic-Kanal
• 41:44 – Fazit & Verabschiedung

Wie schafft ein Büro- und Lagerausrüster mit 650 Mitarbeitenden in neun Ländern den Spagat zwischen Digitalisierungsanspruch und operativer Realität? Michael Gilgen, Geschäftsführer von Schäfer Shop Schweiz und zusätzlich verantwortlich für die Benelux-Länder, nimmt uns mit hinter die Kulissen: von dem eigenen Data Team über KI-gestützte Aussendienstler bis zu Bots, die Ausschreibungen prüfen. Ein Gespräch darüber, was heute schon funktioniert, wo konkrete Zahlen noch fehlen und warum auch ein KMU mit unperfekten Daten einfach anfangen sollte.

Gast: https://www.linkedin.com/in/michael-gilgen/

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

• Data zuerst: Schäfer Shop baut seit rund 2,5 Jahren eine eigene «Data Foundation» auf, die Basis, um KI überhaupt sinnvoll einzusetzen.
• KI entlastet den Aussendienst spürbar: automatische Terminerfassung per Spracheingabe, strukturierte Kundendaten vor jedem Besuch und Look-Alike-Kunden als neue Leads.
• Bots übernehmen die Fleissarbeit bei Ausschreibungen – sie prüfen Compliance und passende Produkte, wo früher enormer manueller Aufwand nötig war.
• Selbstkritischer Blick: KI wird bisher eher für Kostensparungen genutzt als für neues Umsatzwachstum – eine Erkenntnis, die vielen Unternehmen bekannt vorkommen dürfte.
• «Quick and dirty» schlägt «perfekt»: Michael investiert lieber in eine schnelle Lösung als in eine, die lange auf sich warten lässt – Time-to-Market zählt.
• Der Blick nach vorn: individuelle Preise und agentische Verhandlungen zwischen Einkaufs- und Verkaufsagenten – die persönliche Beratung vor Ort bleibt trotzdem.

• 00:00 – Begrüssung & wie Michael KI privat nutzt
• 01:52 – Lieblingstools im Vergleich: Copilot, ChatGPT & Claude
• 03:28 – Schäfer Shop: vom Katalog zu PBS, Planung & Aussendienst
• 05:51 – Die Chance für den Mittelstand gegen die grossen Player
• 07:57 – Der Ursprung: die Data Foundation vor 2,5 Jahren
• 11:26 – KI im Aussendienst: Kundendaten, Termine, Diktat
• 14:49 – Akzeptanz im Team & Look-Alike-Kunden für Leads
• 18:43 – Noch keine harten KPIs – aber eine klare Tendenz
• 21:21 – Zwei Wege zu Use Cases: Effizienz & neue Value Proposition
• 23:16 – Konkreter Kundennutzen: schnellere Offerten & 360-Grad-Blick
• 26:54 – Governance: PMO, Ticketsystem & Priorisierung
• 28:14 – Selbstkritisch: mehr Kostensparen als Umsatzwachstum
• 32:41 – Make-or-Buy & «Quick and dirty» statt perfekt
• 33:56 – Change Management: Trainings & Widerstand im Team
• 37:49 – Ausblick: Webshop, persönliche Beratung & Agentic Commerce
• 41:53 – Rat an Mittelständler ohne saubere Datenbasis

Fabio Mätzler hat Cohaga vom Studentenjob an der Uni Basel zu einem Unternehmen mit 30 Mitarbeitenden, 2 Millionen Franken Umsatz und über 2'000 Kunden aufgebaut – sechs Jahre lang gebootstrappt, seit Frühling 2026 mit siebenstelligem Funding. Und genau dann kommt der Bruch: AI-Tools machen das Kerngeschäft mit Firmenadressen für jeden zugänglich.

In dieser Folge erzählt Fabio, wie er die Disruption im eigenen Sales-Alltag gespürt hat, warum er nicht gespart, sondern investiert hat und wie mit Ranq ein neues Produkt entstand, das Kunden in die Antworten der KI-Chatbots bringt. 168 Kunden und über 400'000 Franken Umsatz, bevor die Plattform überhaupt live ist.

Gast: https://www.linkedin.com/in/fabio-m%C3%A4tzler-2917b6163/

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

Die wichtigsten Takeaways:

• Disruption erkennt man im Kundengespräch, nicht im Reporting – wer nah am Sales ist, spürt den Shift zuerst
• Qualität schlägt Preis: Schlechte Daten kosten mehr als teure Adressen, wenn Schweizer Löhne dahinterstehen
• Der Shift von SEO zu GEO ist real – KI-Chatbots zitieren Vergleiche, lokale Inhalte und Verzeichnisse mit Autorität
• Human in the Loop bleibt: Multi-Agent-Systems liefern den Output, Menschen kontrollieren bis zur Fehlerquote unter 1,5 Prozent
• Fokus statt Verzetteln: Zwei Produkte – Outbound und Inbound – statt zehn halbe Lösungen
• LinkedIn funktioniert mit Konsistenz und Polarisierung, nicht mit Perfektion

Kapitel:

• 00:00 – Intro und AI im Privaten: bewusste Abgrenzung
• 01:51 – Was macht Cohaga: vom Adress-Broker zum Leadhub
• 04:15 – Unternehmergeschichte: vier gescheiterte Ventures vor dem Durchbruch
• 07:16 – Wachstum ohne Investoren: von 65'000 auf 1,8 Millionen Umsatz
• 11:07 – Learning by Doing: Rollenteilung, externe Expertise, Make or Buy
• 15:37 – Qualitätsversprechen: Handrecherche trifft Multi-Agent-Systems
• 19:40 – Die Disruption: AI macht das Kerngeschäft angreifbar
• 24:04 – Rank erklärt: der Shift von SEO zu GEO
• 30:41 – Zielgruppen: warum KMU zuerst kommen
• 33:23 – LinkedIn-Strategie: Memes, Polarisierung und 100 Prozent inhouse
• 40:21 – Ausblick: Skalieren, Exit-Ambitionen und die nächsten zwei Jahre

Wie wird aus einem über 80-jährigen Industrieunternehmen ein KI-Vorreiter? Daniela Hermle verantwortet das Digital Office bei Schunk – dem Spezialisten für Spanntechnik und Greifsysteme mit Hauptsitz in Lauffen am Neckar (Baden-Württemberg) und rund 3'700 Mitarbeitenden weltweit. Im Gespräch mit Andy Huber erzählt sie, wie Schunk die ganze Organisation auf die KI-Reise mitgenommen hat – vom eigenen Schunk-GPT bis zum weltweiten Rollout. Ehrlich, praxisnah und voller Learnings für alle, die KI wirklich in den Alltag bringen wollen.

Gast: https://www.linkedin.com/in/daniela-hermle-08471530/

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

Key Takeaways

• Kultur schlägt Technologie: «Pioniergeist» als Wert macht KI-Adoption erst möglich.
• Skeptiker gewinnt man mit Sicherheit, nicht mit Druck – Kommunikation ist alles.
• Nicht jedes Problem braucht KI – manchmal reicht ein simples Formular.
• Erfolg heisst Nutzen, nicht POCs: Adoption und Wirkung messen statt Tools zum Selbstzweck.
• Management-Commitment plus Machermentalität als Fundament.
• Wer heute noch nicht startet, verliert den Anschluss – der Druck wird nur höher.

Kapitel

• 00:00 Intro & Begrüssung
• 00:24 KI im Alltag: privat analog, geschäftlich Vollgas
• 02:58 Wer ist Schunk? Digital Office & Team
• 04:43 Pioniergeist: KI im Industrieunternehmen
• 08:02 Die Reise seit 2021: Strategie & Rollout
• 12:14 Hürden & Prozesse auf dem Prüfstand
• 16:00 Formate: Tech Talk & «KI in 60 Sekunden»
• 17:41 Erfolg messen: Adoption & Nutzen
• 20:32 Nicht immer KI – manchmal reicht ein Formular
• 24:41 Schunk-GPT, Copilot, Infrastruktur & Daten
• 29:42 Menschen mitnehmen & Skeptiker überzeugen
• 32:35 Erfolgsfaktoren & Ausblick: Agentic AI
• 37:30 Benchmark & Rat an Nachzügler

Wie bringt ein Grosskonzern wie die SBB künstliche Intelligenz in den Arbeitsalltag ohne den Menschen zu verlieren? Daniel Wegmüller, Senior Content Creation Manager bei der SBB und gelernter Texter, nimmt uns mit hinter die Kulissen: von der KI-Automatisierung der jährlichen Länderkampagnen über die ernüchternde «One-Shot»-Illusion bis zum Leitprinzip «mehr Mensch dank KI». Ein Gespräch über das, was heute schon funktioniert, wo der Flow an ihre Grenzen stösst und warum Däni überzeugt ist, dass uns Technik am Ende mehr Menschlichkeit bringt.

Gast: https://www.linkedin.com/in/daniel-wegm%C3%BCller/

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

• «One Shot» ist eine Illusion. Einmal briefen, Knopf drücken, fertige Texte für alle Kanäle – das klappt nur bei strikt definierten Inputs (Preis, Rabatt, Reisezeit). Sobald es kreativ wird, braucht es den Menschen, der iteriert.
• KI ist stark im Muster-Erkennen, schwächer im guten Reproduzieren. Zwischen «erkennen» und «wirklich gut machen» liegt ein grosser Schritt – gerade bei bildlicher Sprache und eigenem Stil.
• «Mehr Mensch dank KI», nicht «KI statt Mensch». Bei der SBB wächst die KI-Initiative bewusst von unten nach oben – die Use Cases kommen aus dem Alltag der Teams.
• Expertise wird wichtiger, nicht unwichtiger. Wer begründen kann, warum etwas (nicht) funktioniert, bleibt zentral. AI-Skills sind kein Nice-to-have mehr.
• Der Blick nach vorn: In 2–3 Jahren hat jede:r seinen eigenen, richtig guten KI-Assistenten – und genau darin liegt die Chance auf mehr Zeit für den Menschen.

• 00:00 – Intro & wie Däni KI privat nutzt (Ferienplanung, Kühlschrank, bester Kaffee)
• 01:21 – Lieblingstool: warum Claude
• 04:05 – «Mehr Mensch dank KI»: die Haltung der SBB
• 06:21 – Das Projekt: Länderkampagnen automatisieren
• 08:11 – Die One-Shot-Illusion: wo KI funktioniert – und wo nicht
• 12:53 – Vorgehen mit Agentur, Systemprompt & iteratives Arbeiten
• 14:24 – Das Team mitnehmen: Begeisterung & Verunsicherung
• 21:07 – Führung, Kultur & der AI-Anlass «Restkompetenz Mensch?»
• 22:42 – «Schaffe ich mich selber ab?» – der Wert des Menschen
• 26:29 – Aktuelle Projekte & Tools (n8n, Asana Team-Mates)
• 33:08 – Die Rolle von IT & Security
• 37:12 – Ausblick: dein persönlicher KI-Assistent & mehr Menschlichkeit

In dieser Folge ist Andreas Kyburz zu Gast, Geschäftsführer von Procure Swiss, dem Fachverband der Einkäuferinnen und Einkäufer. Mit Andreas sprechen ich darüber, wie KI den Beruf des Einkäufers neu definiert, welche Skills in Zukunft entscheidend sind und über das Szenario, in dem ein Einkaufsagent direkt mit einem Verkaufsagent Konditionen verhandelt.

Andreas bringt es auf den Punkt: KI verkleidet das Problem schlechter Daten nicht – sie macht es grösser. Saubere Stammdaten und ein echtes Grundverständnis bleiben darum die Basis. Gleichzeitig diskutieren ich mit ihm, warum mit KI eher mehr als weniger Stellen entstehen können und wie sich die Arbeit vom Repetitiven hin zu Beziehung, Vertrauen und Strategie verlagert. Zum Schluss gibt Andreas Einblick in den neuen Lehrgang «Procurement AI Expert» – die erste dedizierte KI-Ausbildung für Einkäufer der Schweiz.

Gast: https://www.linkedin.com/in/andreas-kyburz/

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

Key Takeaways

• KI macht schlechte Daten nicht kleiner, sondern grösser – saubere Stammdaten sind das Fundament für jeden sinnvollen KI-Einsatz.
• Mut zum Experimentieren, aber auch Mut zum Abwarten: Nicht jeder Prozess muss heute automatisiert werden, vieles löst sich in 6 Monaten von selbst.
• KI verschiebt die Arbeit, statt sie wegzunehmen – Routine fällt weg, Interpretation, Risikoabwägung und Beziehungspflege gewinnen an Gewicht.
• Das menschliche Element bleibt: Vertrauen, Verhandlung und Lieferantenpflege lassen sich nicht restlos an Maschinen übergeben.
• Grundwissen bleibt Pflicht – wer nicht einschätzen kann, ob ein KI-Resultat plausibel ist, fliegt im Blindflug.
• Gratis-Lizenzen gehören nicht in den geschäftlichen Einsatz; Datenschutz (Schweizer DSG) ist kein KI-spezifisches, aber ein zentrales Thema.
• Verweigerung ist keine echte Option: Über versteckten Einkauf (Personal, IT, Beschaffung) betrifft KI früher oder später jedes Unternehmen.
• Am Ende entscheidet die Unternehmenskultur – Menschen mitnehmen und begeistern ist wichtiger als die reine Technik.

Kapitel

• 00:01 – Intro & Vorstellung des Gasts
• 01:06 – Wer ist Andreas Kyburz? ProCure Swiss & sein Alltag mit KI
• 02:28 – Lieblingstool und die ersten Aha-Erlebnisse mit KI
• 04:51 – KI auf der Geschäftsstelle: Stand und Vorgehen
• 05:50 – Strategie bei rasantem Tempo
• 07:25 – Akzeptanz, Vertrauen und die Angst vor Arbeitsplatzverlust
• 08:19 – Mehr statt weniger Stellen?
• 09:26 – Was die Mitglieder beschäftigt: das KI-Paradoxon
• 12:36 – Herausforderungen: Compliance, Regulierung, Datenschutz
• 13:41 – Gratis-Lizenzen und Schweizer Datenschutz
• 15:46 – Use Cases aus Schweizer Unternehmen (Roche, SBB & Co.)
• 17:14 – Die entscheidende Fähigkeit: Prozesse und Daten vernetzen
• 18:29 – Stammdaten als Fundament: «KI macht schlechte Daten grösser»
• 21:11 – Aus- und Weiterbildung im Einkauf
• 24:04 – Future Skills der Einkäuferin der Zukunft
• 26:04 – Agentisches Verhandeln: Einkaufsagent trifft Verkaufsagent
• 38:02 – Was passiert mit Unternehmen, die KI ignorieren?
• 41:21 – Wie Andreas am Thema dranbleibt
• 43:31 – Schlussworte