Erst das Fundament, dann die KI: Wie man aus KI-Wildwuchs eine Roadmap macht

Stefan Nitschke von der AÜW Gruppe hat gezeigt, warum KI in der kritischen Infrastruktur erst mit Regeln, Architektur und den eigenen Leuten Tempo aufnimmt.

Stefan Nitschke ist eigentlich der Typ, der sagt: Es gibt keine Wand, durch die wir nicht durchkommen. Dann kam KI, und er musste zum ersten Mal überhaupt Menschen ausbremsen. Er verantwortet bei der AÜW Gruppe (Allgäuer Überlandwerk) die Geschäftsfeldentwicklung und damit auch die KI-Initiative. 450 Mitarbeitende, 85.000 Kundinnen und Kunden, kritische Infrastruktur. Heißt: Cyberangriffe sind Alltag, NIS2 legt die Latte hoch, und Abrechnungsdaten oder Netzpläne haben in einem offenen Chatbot nichts verloren.

Nutzung ohne Wirkung

Die Ausgangslage beschreibt Stefan als irgendwo zwischen Hype und Wildwuchs: Kolleginnen und Kollegen kommen von Konferenzen mit einem Anbieter im Gepäck zurück, nutzen privat ChatGPT und wollen Piloten starten. Nur einen Business Value konnte das Management kaum erkennen. Einfach Lizenzen ausrollen? Sein Vergleich dazu: Fukushima kennt jeder, Urlaub machen will dort trotzdem keiner. Bekanntheit ist nicht Begehrlichkeit, und Nutzung ist nicht Wirkung. Spätestens wenn bei 450 Enterprise-Lizenzen die Meldung „Token aufgebraucht“ kommt, will man wissen, was eigentlich rausgekommen ist.

100 Leute im Workshop, aber nicht wegen der Pain Points

Die AÜW hat rund 100 Mitarbeitende in Workshops geholt. Überraschend offen: Die Pain Points der Energiewirtschaft kennt man ohnehin, die könne man „nachts um drei runterbeten“. Ziel war, die Leute einzubinden und sie über ihre eigenen Prozesse nachdenken zu lassen. Herausgekommen sind 106 mögliche Use Cases, bewertet nach Wirkung und Machbarkeit, verdichtet auf 27 Fokusinitiativen. Jeder Use Case hat in einem eigenen Tool einen One-Pager mit Pain Point, User Story und Definition of Done. Und die Roadmap lebt: Eine Fokusinitiative kann morgen geparkt werden, wenn eine bessere kommt.

Zwei Bots, zwei LLMs, null CRM

Stefans Lieblingsbeispiel gegen Insellösungen: Der Kundenservice wünscht sich einen Voicebot. Angelernt mit eigenem LLM auf Website und PDFs. Und wie ist der Chatbot angebunden? Gar nicht. Also zwei Systeme bei zwei Anbietern für dieselbe Aufgabe, die man doppelt füttern muss, und ins CRM schreibt keiner von beiden. Dazu die ehrliche Rechnung: Ein bis zwei Euro pro Anruf machen einfache Fragen wie „Kann ich meinen Abschlag ändern?“ nicht automatisch billiger. Gemessen wird deshalb, was eine Aufgabe heute kostet und was morgen mit KI, inklusive laufender Kosten, Qualität und gewonnener Zeit, etwa für ein echtes Beratungsgespräch statt Warteschleife.

Regeln bremsen nicht

Der langweiligste Teil ist für Stefan der wichtigste: Organisationsanweisung, Rahmenbetriebsvereinbarung und klare Antworten darauf, welche Daten in welchem System verarbeitet werden dürfen, „kinder- und vorstandstauglich“ formuliert. Copilot läuft in der eigenen Azure-Umgebung, höher klassifizierte Daten bleiben draußen. Der Betriebsrat war von Anfang an dabei und sitzt ohnehin schon im Changeboard für IT-Prozesse. Das Argument, das trägt: 70 Neueinstellungen in 18 Monaten, weil Batteriespeicher, Wärmewende und E-Mobilität dazukommen. KI soll entlasten, nicht ersetzen.

Der Engpass sitzt nicht im Rechenzentrum

Eine Frage aus einem Beratungsprojekt hat Stefan hängen lassen: Worauf buche ich eigentlich die Zeit, in der ich mich in KI einarbeite? Dahinter steckt ein Rollenwechsel. Wer eine KI-Assistenz hat, muss plötzlich selbst führen, Ziele setzen und Ergebnisse prüfen. Das Team, das jetzt die Marktkommunikation automatisieren soll, kommt gerade aus zwei Jahren S/4HANA-Umstellung und ist entsprechend müde. Ein Vier-Stunden-Workshop ist da ein Zehntel der Woche. Eine echte Qualitätsverbesserung durch Copilot merkt man laut Stefan deshalb bisher nur in einzelnen Bereichen. Die schönste Wendung: Die Kolleginnen und Kollegen, die heimlich mit eigenen Agents experimentiert hatten, sind heute die besten Multiplikatoren. Statt Schatten-KI bekommen sie jetzt eine Sandbox auf einem eigenen Server, mit Claude Code und innerhalb der Gesamtarchitektur.

Stefans drei Kernsätze:
• Das Fundament ist unbequem, zahlt sich aber aus.
• Regeln bremsen nicht, erst wenn klar ist, was erlaubt ist, kann man Tempo aufnehmen.
• Und der Engpass ist nicht die Technologie, sondern der Mensch.

Du möchtest genauer verstehen, wie Stefan die KI-Roadmap geplant hat und was der dabei gelernt hat? Schau dir die Aufzeichnung an.

Jetzt anmelden um die Aufzeichnung zu sehen