Wir wollten KI einsetzen. Aber zuerst mussten wir herausfinden, wofür.

Ende September stand ich gemeinsam mit Katrin Birr, Geschäftsführerin der Gebrüder Friedrich Werft, auf der Bühne der 7. KI-Landeskonferenz Schleswig-Holstein.

Unser Thema: „Datensouveräne KI in die Praxis bringen – we did it!“ Dabei wollten wir keine fertige KI-Strategie präsentieren und auch keine zwanzig Minuten über Modelle, Server oder irgendwelche Architekturdiagramme sprechen. Wir wollten erzählen, wie ein mittelständisches Unternehmen überhaupt angefangen hat, mit KI zu arbeiten. Denn am Anfang gab es weder einen großen Masterplan noch eine fertige Antwort darauf, welche Prozesse irgendwann von KI unterstützt werden sollten.

Es gab eigentlich nur die Überzeugung: Wir müssen uns damit beschäftigen.

Wofür brauchen wir KI überhaupt und wie behalten wir dabei die Kontrolle über unsere Daten, unser Know-how und unsere Arbeit?

Diese Frage hat uns durch den gesamten Vortrag begleitet.

Die Aufzeichnung startet direkt bei unserem Vortrag. Wer lieber auf YouTube schaut, kann hier ab 3:36:30 einsteigen. Das offizielle Programm der 7. KI-Landeskonferenz führt unseren Beitrag in der Session „Souveräne KI II“.

Eigentlich wussten wir am Anfang nur: Wir müssen loslegen

Katrin hat das auf der Bühne ziemlich offen beschrieben. Sie wusste, dass KI etwas verändern wird. Gleichzeitig wusste sie noch nicht, was das für die Gebrüder Friedrich Werft konkret bedeutet.

• Welche Anwendungen brauchen wir?
• Was davon funktioniert überhaupt?
• Was bringt uns tatsächlich etwas?
• Und womit fangen wir an?

Diese Situation finde ich rückblickend fast interessanter als viele der Lösungen, die später daraus entstanden sind. Denn wenn Unternehmen heute über KI sprechen, entsteht schnell der Eindruck, man müsse zuerst sehr genau wissen, wohin die Reise geht. Welche Modelle eingesetzt werden. Welche Plattform die richtige ist. Wie die perfekte Architektur aussieht. Was irgendwann automatisiert werden soll. So sind wir bei der Werft nicht gestartet.

Katis erste Frage war im Grunde viel einfacher: Was können wir damit anfangen, das uns wirklich hilft? Im Vortrag haben wir dafür das Bild einer Seereise benutzt. Der Hafen war bekannt, irgendwo hinter dem Horizont musste etwas sein, aber die genaue Route gab es noch nicht. Das klingt vielleicht etwas unkomfortabel. War es auch.

Verstehen müssen und loslegen dürfen sind zwei verschiedene Dinge.

Damit meine ich nicht, dass Unternehmen einfach irgendwo KI anschließen und schauen sollten, was passiert. Gerade wenn Unternehmensdaten, Kundeninformationen oder interne Prozesse betroffen sind, braucht es klare Grenzen. Aber wir hätten auch sehr lange über die perfekte Lösung diskutieren können, ohne herauszufinden, wo KI im Arbeitsalltag überhaupt einen sinnvollen Platz hat. Dafür brauchten wir zunächst keinen Masterplan. Wir brauchten ein echtes Problem.

Unser erster Erfolg war erstaunlich unspektakulär

Der erste Anwendungsfall war ein Protokoll-Agent: Notizen hinein, ein vernünftiges Protokoll heraus. Das klingt heute fast banal. Und wahrscheinlich war genau das ein Teil seines Erfolgs. Denn hinter diesem kleinen Anwendungsfall steckte ein sehr reales Problem. Die Mitarbeiter sollten eigentlich stärker geführt werden und mehr Zeit vor Ort verbringen. Stattdessen landete immer mehr Zeit am Schreibtisch: Protokolle, Befunde, Dokumentation. Also haben wir nicht mit der Frage angefangen:

Was kann KI alles?

Sondern mit einer deutlich einfacheren Frage: Kann sie uns bei genau dieser Arbeit Zeit zurückgeben?

Der Protokoll-Agent konnte das. Aus diesem ersten Ansatz ist später unter anderem die Befundungs-App entstanden. Das Interessante daran war für mich weniger, dass eine KI ein Protokoll schreiben kann. Das konnte man technisch ziemlich schnell zeigen. Viel wichtiger war etwas anderes: Plötzlich war KI für die Menschen im Unternehmen keine abstrakte Technologie mehr. Da war eine konkrete Aufgabe, die vorher Arbeit gemacht hatte, und jetzt gab es ein Werkzeug, das dabei helfen konnte. Der Nutzen ließ sich sehen. Man musste ihn nicht erst erklären.

Genau an dieser Stelle wurde es für uns spannend. Denn mit dem ersten funktionierenden Anwendungsfall kamen automatisch die nächsten Fragen.

• Was passiert, wenn die Aufgaben komplexer werden?
• Wie zuverlässig funktioniert das mit größeren Datenmengen?
• Welche Informationen darf die KI eigentlich verarbeiten?
• Und vor allem: Wie reagieren die Menschen darauf, wenn KI nicht mehr nur Thema einer Präsentation ist, sondern plötzlich Teil ihrer eigenen Arbeit wird?

Genau da begann der deutlich schwierigere Teil unserer Reise.

Im Vortrag erzählen Katrin und ich den Weg vom ersten kleinen Use Case bis zu den späteren Anwendungen ausführlicher. Hier geht es zur Aufzeichnung.

Die größte Hürde hatte zunächst wenig mit KI zu tun

Katrin hat auf der Bühne gesagt, dass die größte Hürde zunächst die Unsicherheit der Menschen war.

• Was passiert mit meiner Arbeit?
• Was bedeutet diese Technologie für mich?
• Soll die KI mich unterstützen oder irgendwann ersetzen?
• Und was kann sie überhaupt?

Das lässt sich meiner Meinung nach nicht allein mit einer Schulung oder einer Präsentation beantworten. Katrin hat deshalb etwas ziemlich Einfaches gemacht. Wenn in einer Besprechung eine Frage auftauchte und niemand die Antwort wusste, hat sie gesagt: Dann fragen wir jetzt einmal die KI. Nicht als große Demonstration, sondern einfach im Alltag. Und irgendwann kam statt der abstrakten Angst die Reaktion: Das ist ja gar nicht so falsch. Menschen mussten langsam an die Technologie herangeführt werden und Raum bekommen, selbst damit zu experimentieren.

Für mich steckt darin eine wichtige Erkenntnis.

Wo KI die eigene Arbeit berührt, geht es irgendwann nicht mehr nur um Werkzeuge. Es geht um die eigene Rolle.

Wenn ich jahrelang für bestimmte Aufgaben verantwortlich war und plötzlich ein System einen Teil davon übernehmen kann, ist die Frage „Was kann die KI?“ vielleicht gar nicht die erste Frage, die mich beschäftigt. Die interessantere ist möglicherweise: Was bedeutet das für mich? Genau deshalb halte ich es für problematisch, KI-Einführung ausschließlich als Technologieprojekt zu betrachten. Man kann das beste Modell auswählen, eine saubere Infrastruktur aufbauen und technisch alles richtig machen.

Wenn die Menschen im Unternehmen das Gefühl haben, dass etwas über ihre Köpfe hinweg eingeführt wird, hilft einem die beste Architektur nur begrenzt.

Und natürlich wurde es irgendwann unbequem

Nach den ersten Erfolgen kamen die Anwendungsfälle, bei denen es nicht mehr ganz so einfach war. Ein Beispiel war die Inventurbewertung. PDFs sollten ausgelesen und Informationen verarbeitet werden. Und dort wurde ziemlich schnell sichtbar, dass nicht jede Aufgabe mit ein bisschen Prompting erledigt ist.

• Die Daten müssen brauchbar sein.
• Die Menge der Daten spielt eine Rolle.
• Die Modelle waren zu diesem Zeitpunkt deutlich schwächer als heute.
• Und ja: Das Ganze hat Geld gekostet.

Teilweise auch mehr Aufwand, als man sich am Anfang vorgestellt hatte. Katrin hat diese Phase im Vortrag ziemlich treffend als holprig beschrieben. Gleichzeitig war jeder dieser Versuche wichtig, weil dadurch deutlicher wurde, wo die tatsächlichen Grenzen lagen.

Das gehört für mich genauso zur Geschichte wie die erfolgreichen Anwendungen. Nicht jeder KI-Versuch funktioniert sofort, nicht jeder Prozess lohnt sich, und ein Prototyp, der beeindruckend aussieht, ist noch lange kein Werkzeug, das zuverlässig im Unternehmensalltag funktioniert.

Das klingt eigentlich selbstverständlich. Bei KI wird dieser Unterschied aber erstaunlich schnell vergessen. Vielleicht auch deshalb, weil es inzwischen sehr einfach geworden ist, innerhalb weniger Minuten etwas zu bauen, das ziemlich überzeugend aussieht. Die schwierigere Frage kommt danach:

Funktioniert es auch noch beim zehnten, hundertsten oder tausendsten Durchlauf?

Und was kostet es uns, es zuverlässig dorthin zu bringen?

Datenschutz war für uns keine Stopptaste

Irgendwann kommt bei fast jedem KI-Projekt dieselbe Frage: Was passiert mit unseren Daten? Im Vortrag habe ich dafür das Bild der Fahrrinne benutzt.

Datenschutz ist für uns keine Bremse. Er ist eine Rahmenbedingung.

Eine Fahrrinne sagt einem Schiff schließlich auch nicht, dass es nicht fahren darf. Sie beschreibt, wo es sicher fahren kann. Genau so sollten wir meiner Meinung nach auch bei KI darüber nachdenken. Denn je mehr ein KI-System tatsächlich arbeitet, desto relevanter wird die Frage, worauf dieses System zugreifen kann.

• Dokumente.
• Kundendaten.
• Interne Prozesse.
• Know-how.
• Vielleicht irgendwann sogar Systeme, in denen es selbst Aktionen ausführen darf.

Dann geht es nicht mehr nur darum, ob ein Chatbot eine Information verarbeitet. Dann geht es um die Frage: Wer führt eigentlich einen Teil unserer Arbeit aus und wer bekommt dafür Zugang zu unseren Daten und unserem Wissen? Im Vortrag war genau das der Übergang zur Frage nach Souveränität. Für mich bedeutet datensouveräne KI deshalb nicht einfach nur: möglichst viel lokal betreiben. Es geht um Kontrolle.

• Zu wissen, wo Daten liegen.
• Zu wissen, wer darauf zugreifen kann.
• Zu wissen, welche Abhängigkeiten wir eingehen.
• Und im besten Fall auch die Möglichkeit zu behalten, einzelne Komponenten später wieder auszutauschen.

Je tiefer KI in Unternehmensprozesse hineinwächst, desto schwerer wird es, diese Fragen erst nachträglich zu beantworten.

Welche Arbeit gehört in die Fahrrinne und welche ins offene Meer?

Dieser Teil unseres Vortrags ist wahrscheinlich derjenige, der mir selbst am besten gefällt. Denn irgendwann standen wir vor der Frage, welche Arbeit eine KI eigentlich übernehmen soll. Und dabei hat uns wieder die Seereise geholfen.

Die Fahrrinne

Es gibt Arbeit, die einer Fahrrinne ähnelt.

• Der Weg ist klar.
• Die Schritte wiederholen sich.
• Die Datenquellen sind bekannt.
• Bestimmte Regeln gelten immer wieder.

Genau dort können Agenten interessant werden. Bei Gebrüder Friedrich betrifft das zum Beispiel Anweisungen, Qualitätsunterlagen oder Baudokumentation. Im Vortrag haben wir unter anderem über einen Qualitätsagenten gesprochen. Ein Agent ist dabei für mich zunächst nichts Magisches. Im Grunde bekommt er eine klar definierte Aufgabe, kann auf die dafür notwendigen Informationen oder Werkzeuge zugreifen und arbeitet innerhalb eines vorher bestimmten Rahmens. Das ist die Fahrrinne.

Das offene Meer

Aber nicht jede Arbeit funktioniert so. Ein Projektleiter muss Situationen bewerten, eine Führungskraft muss auf Menschen reagieren, und Probleme sehen jeden Tag etwas anders aus. Kreative Arbeit lässt sich oft gerade nicht vollständig in einen festen Ablauf pressen. Das ist das offene Meer.

Auch dort kann KI sehr hilfreich sein, aber vielleicht eher als Sidekick: als jemand, den ich fragen kann, der Informationen aufbereitet, Möglichkeiten zeigt, Widersprüche findet oder mir hilft, schneller zu einer Entscheidung zu kommen. Die Entscheidung selbst bleibt dann bei mir.

Fahrrinne	Offenes Meer
Wiederholbare Abläufe	Situative Aufgaben
Bekannte Datenquellen	Offener Informationsbedarf
Klare Regeln und Grenzen	Abwägung und Kontext
Agent / Workflow	Assistent / Sidekick

Vielleicht ist genau diese Unterscheidung wichtiger als die Frage, welches Modell wir benutzen.

Welche Art von Arbeit liegt eigentlich vor uns?

Ist der Ablauf wiederholbar und klar beschreibbar? Dann lohnt sich vielleicht ein Agent. Ist die Aufgabe offen, situativ und von individuellen Entscheidungen abhängig? Dann brauchen wir möglicherweise keine Automatisierung, sondern einen guten Assistenten.

Die Unterscheidung zwischen Fahrrinne und offenem Meer ist ein zentraler Teil unseres Vortrags. Die vollständige Aufzeichnung startet hier direkt bei unserer Session.

Der Kompass ist keine Technologie

Das führt zurück zu der Frage, mit der wir angefangen haben: Wofür brauchen wir KI überhaupt? Bei Gebrüder Friedrich wurde die Antwort im Laufe des Projekts immer klarer. KI soll Zeit zurückgeben.

• Zeit für die Mitarbeiter.
• Zeit für Kunden.
• Zeit für Führung.
• Zeit für die Dinge, bei denen Menschen tatsächlich gebraucht werden.

Genau diese Zweckfrage war im Vortrag unser Kompass. Und ich merke, dass diese Frage für mich selbst immer wichtiger wird. Ich beschäftige mich inzwischen ziemlich viel mit Modellen, Agenten, Schnittstellen und damit, was sich technisch automatisieren lässt. Gerade deshalb muss ich mich immer wieder daran erinnern:

Nur weil etwas technisch möglich ist, haben wir noch keinen guten Grund gefunden, es zu tun.

Ein Prozess wird nicht automatisch besser, nur weil eine KI darin vorkommt. Und eine schlechte Aufgabe wird nicht sinnvoller, weil sie automatisiert wurde. Vielleicht müssen wir deshalb häufiger einen Schritt zurückgehen. Nicht: Welche KI können wir hier einsetzen? Sondern: Warum machen wir diese Arbeit überhaupt und was wollen wir dadurch besser machen? Wenn die Antwort darauf unklar ist, wird uns wahrscheinlich auch das nächste Modell nicht retten.

„Der Mensch im Mittelpunkt“ reicht mir als Antwort nicht

Im Vortrag haben wir das Bild des Leuchtfeuers benutzt. Der Mensch bleibt am Ende der Orientierungspunkt. Das klingt erst einmal ziemlich selbstverständlich. Vielleicht inzwischen sogar ein bisschen zu selbstverständlich. Fast jeder Vortrag über KI enthält irgendwann den Satz, dass der Mensch im Mittelpunkt stehen müsse. Interessant wird es aber erst dann, wenn daraus konkrete Entscheidungen entstehen.

• Was darf die KI nur vorbereiten?
• Was darf sie selbst ausführen?
• Wo muss ein Mensch kontrollieren?
• Wo muss er entscheiden?
• Und wer trägt die Verantwortung, wenn etwas schiefgeht?

Katrin hat im Vortrag ein gutes Beispiel genannt. Eine Kollegin begleitet Veränderungsprozesse in Unternehmen. Gerade dort liegt viel Arbeit in Dingen, die sich schwer automatisieren lassen: Menschen durch Unsicherheit führen, Vertrauen aufbauen, zuhören, Situationen beurteilen. KI kann ihr dabei Arbeit abnehmen. Aber der Zweck ist nicht, diesen menschlichen Teil zu ersetzen. Der Zweck ist, wieder mehr Zeit dafür zu bekommen.

Ich finde diese Perspektive deutlich hilfreicher als die pauschale Diskussion darüber, ob KI Arbeitsplätze ersetzt oder nicht. Vielleicht sollten wir viel genauer auf einzelne Tätigkeiten schauen.

• Welche Teile davon sind Routine?
• Welche brauchen Erfahrung?
• Welche brauchen Verantwortung?
• Welche brauchen Beziehung?
• Und welche davon wollen wir überhaupt automatisieren?

We did it? Ja. Fertig sind wir trotzdem nicht.

Unser Vortrag hieß bewusst: „Datensouveräne KI in die Praxis bringen – we did it!“ Das klingt erst einmal ziemlich endgültig. Ist es aber nicht. Der eigentliche Erfolg bei Gebrüder Friedrich besteht für mich darin, dass KI inzwischen nicht mehr nur ein Thema ist, über das gesprochen wird. Sie wird benutzt, im Arbeitsalltag und für konkrete Aufgaben. Und trotzdem würde niemand behaupten, dass die Reise damit abgeschlossen ist.

Katrin hat das am Ende des Vortrags selbst gesagt: Es gibt inzwischen kaum einen Tag, an dem sie KI nicht für irgendetwas nutzt. Gleichzeitig entwickelt sich die Technologie ständig weiter. KI ist damit kein Projekt, das irgendwann mit einem grünen Haken abgeschlossen wird. Vielleicht ist genau das der Punkt, den Unternehmen akzeptieren müssen. Wir werden vermutlich nicht den einen Moment erleben, an dem jemand sagt: Jetzt haben wir KI eingeführt. Fertig.

Es wird neue Modelle, neue Möglichkeiten, neue Risiken und neue Prozesse geben. Und wahrscheinlich werden wir einige Dinge, die wir heute für sinnvoll halten, in zwei Jahren wieder anders machen. Das ist für mich kein Argument gegen den Einsatz von KI. Es ist eher ein Argument dafür, die Fähigkeit aufzubauen, damit umzugehen.

Was ich heute anders sehe als am Anfang

Wenn ich auf das Projekt zurückblicke, gibt es ein paar Dinge, die ich heute anders gewichten würde.

Mit einem realen Problem anfangen

Ich würde immer wieder mit einem realen Problem anfangen. Nicht mit der Plattform. Nicht mit dem Modell. Und möglichst auch nicht mit einem Workshop, in dem fünfzig mögliche KI-Use-Cases gesammelt werden, von denen später keiner umgesetzt wird. Wenn Menschen im Unternehmen gerade mehrere Stunden mit einer Aufgabe verbringen, die sie nervt und die sich sauber beschreiben lässt, ist das wahrscheinlich interessanter als die Frage, wie eine vollständige KI-Strategie für die nächsten fünf Jahre aussehen könnte.

Menschen müssen KI selbst erleben können

Man kann sehr viel über KI erklären. Aber irgendwann müssen Menschen selbst damit arbeiten. Eine gute Präsentation schafft vielleicht Verständnis. Ein Werkzeug, das einem tatsächlich Arbeit erspart, schafft Erfahrung. Das ist etwas anderes.

Nicht jede Arbeit sollte gleich automatisiert werden

Fahrrinne und offenes Meer. Nicht jeder KI-Einsatz muss ein Agent sein. Manchmal ist ein guter Assistent genau das Richtige. Manchmal braucht es einen klaren Workflow. Und manchmal sollte die KI einfach nur die Finger davon lassen.

Souveränität früh mitdenken

Wenn KI nur gelegentlich für einen Text benutzt wird, kann man viele Architekturfragen noch relativ entspannt betrachten. Wenn sie aber beginnt, auf interne Daten zuzugreifen, Prozesse zu übernehmen und Teile der eigentlichen Arbeit auszuführen, wird die Frage nach Kontrolle deutlich wichtiger. Und genau deshalb sollte sie möglichst früh gestellt werden.

Die Landeskonferenz war für mich deshalb eher Zwischenstand als Abschluss

Für mich war der Vortrag auf der KI-Landeskonferenz deshalb weniger die Präsentation eines abgeschlossenen Projekts. Es war eher ein guter Moment, einmal zurückzuschauen. Am Anfang stand bei Gebrüder Friedrich eigentlich nur das Gefühl: Wir müssen uns mit KI beschäftigen. Heute gibt es reale Anwendungen. Agenten. Erfahrungen. Dinge, die funktionieren. Dinge, die nicht funktioniert haben. Und vor allem wesentlich bessere Fragen. Das gefällt mir an diesem Projekt wahrscheinlich am meisten.

Wir haben nicht irgendwann die perfekte KI-Strategie gefunden. Wir haben angefangen, ausprobiert, Grenzen entdeckt, Dinge wieder verworfen, andere weiterentwickelt und daraus langsam ein klareres Bild bekommen.

Wofür brauchen wir KI überhaupt und wie souverän wollen wir bleiben?

Ich glaube nicht, dass es darauf eine allgemeingültige Antwort gibt. Aber jedes Unternehmen sollte seine eigene kennen.

---

Weiterführende Links

• Offizielles Programm der 7. KI-Landeskonferenz 2026
• Übersicht zur 7. KI-Landeskonferenz Schleswig-Holstein
• Aufzeichnung des Vortrags auf YouTube