KI Hands On

About KI Hands On

KI Hands on ist der Podcast für alle, die im Mittelstand wirklich etwas mit KI bewegen wollen – ohne Hype, dafür mit steilen Thesen, echten Praxisbeispielen und konkreten ersten Schritten. In diesem Podcast sprechen Artur Heidt (CEO, KAMIE Solution Factory), Dr. Sebastian Diziol (Lead AI Architect & Consultant, KAMIE Solution Factory) und Nils Betting (Co-Founder, Start your Flame) über das, was zwischen KI-Hype und Unternehmensalltag liegt: die ehrliche Frage, wie aus Lizenzen und Leuchtturmprojekten echter Mehrwert wird. Statt allgemeiner Trend-Floskeln stellen die drei in jeder Folge eine bewusst provokante These auf und diskutieren sie entlang konkreter Praxisbeispiele. Es geht um Geschäftsprozesse statt Spielereien, um KI als Chefsache statt IT-Thema, um Change Management als eigentlichen Engpass – und immer um die Frage: Wie, womit und wann fange ich richtig an? Mit Hintergründen aus IT-Beratung, ERP-Einführung und KI-Architektur bleibt es konkret, anwendbar und unterhaltsam. Zum Abschluss jeder Folge teilen die Hosts ihre persönlichen KI-Aha-Momente der letzten Wochen. Für Geschäftsführerinnen, Entscheider und Macher im Mittelstand, die nicht die Ersten sein müssen – aber endlich KI erfolgreich einsetzen möchten.

Publisher

Artur Heidt, Nils Betting und Dr. Sebastian Diziol

Category

business

Language

de

Explicit

No

First episode

25 Jun 2026

Latest episode

30 Oct 2026

Latest episodes

11 episodes in the feed.

1. 

   30 Oct 2026

   KI einkaufen, Verantwortung behalten

   „Das bauen wir uns mit Claude doch selbst.“ Diesen Satz hören Artur Heidt, Nils Betting und Sebastian Diziol in Erstgesprächen immer wieder. In dieser Folge – der ersten, die die drei gemeinsam in einem Raum aufnehmen, beim KAMIE-All-Hands in Andalusien – gehen sie der Frage nach, was ein Mittelständler mit 50 oder 500 Mitarbeitenden bei KI selbst aufbauen sollte, was er einkaufen kann und was er auf keinen Fall aus der Hand geben darf. Die These: Wer ein KI-Projekt komplett einkauft, verbrennt im Zweifel Geld. Wer es komplett inhouse stemmen will, verbrennt Geld und Zeit. Denn von der Analyse über Proof of Concept und Produktivnahme bis zum Betrieb braucht es mindestens vier Rollen – vom Lead AI Architect über AI Engineer bis zum Data Engineer –, jede nur punktuell und keine davon dauerhaft ausgelastet. Dazu kommt ein Erfahrungsproblem: KI im heutigen Sinne gibt es seit rund drei Jahren. Erfahrung entsteht nicht im eigenen Unternehmen, sondern im Blick in viele Unternehmen. Und wer will nachts um drei Bereitschaft schieben, wenn die Pipeline hakt? Ehrlich bleibt die Folge trotzdem: Für unkritische interne Prozesse und für persönliche Produktivität braucht es keine Berater – und ein Power-User mit Claude kann ein wertvoller erster Prototyp sein. Nur ist ein Prototyp noch lange keine Produktion. Danach geht es um die Modelle der Zusammenarbeit: von der verlängerten Werkbank über den Fractional Chief AI Officer und den Betrieb unter SLA bis zum festen Transformationspartner. Und um das, was immer im Haus bleiben muss: das Eigentum an Lösung, Daten und Know-how, die Entscheidung „Wie gut ist gut genug?“ und vor allem die Tests. Denn was nicht getestet ist, funktioniert nicht – und nur die Fachabteilung kann beurteilen, ob die Lösung im Alltag trägt. Am Ende: Woran erkennt man einen guten Partner? Kompetenz, Flexibilität und Vor-Ort-Präsenz, ja. Aber auch, ob es menschelt, ob man gemeinsam gut denken kann, ob die Werte passen – und ob der Partner die eigene Lösung nicht am nächsten Tag beim Wettbewerber nachbaut. In der Schlussrunde: KI in der Videonachbearbeitung, eine Lizenzumstellung bei Claude, die deutlich mehr Arbeit gemacht hat als gedacht, und ein Wäschetrockner, den ChatGPT in vier Minuten wieder zum Laufen gebracht hat.

2. 

   13 Oct 2026

   Der KI-Fahrplan: Wer macht was – und wie lange dauert das?

   KI einführen – aber wer soll das eigentlich machen? In dieser Folge von KI Hands on führen Artur Heidt, Nils Betting und Dr. Sebastian Diziol zwei Themen früherer Folgen zusammen: Zeitdruck und Ressourcen in KI-Projekten. Die These: Der wichtigste Mensch in eurem KI-Projekt sitzt nicht in der IT, sondern im Fachbereich – und genau der hat gerade keine Zeit. Gemeinsam gehen die drei die KI-Journey Phase für Phase durch: von Discovery und Use-Case-Auswahl über Prozessanalyse und Fachkonzept bis zu Test, Abnahme und Go-live. Für jede Phase wird es konkret: Wer aus dem Unternehmen muss mit an den Tisch, wie viele Stunden fließen hinein und warum lohnt sich dieser Aufwand? Mit Beispielen aus echten Projekten – vom Discovery-Workshop, aus dem rund 80 Ideen hervorgingen, bis zum Massentest, bei dem sieben Fachexperten rund 600 Datensätze geprüft haben. Außerdem: warum KI-Transformation ein Organisationsprojekt mit Technologieanteil ist, warum man das ERP nicht einfach per Klick an ChatGPT anschließt, warum bei KI fortlaufend statt erst am Ende getestet wird – und warum „alle beteiligt, keiner verantwortlich“ die größte Gefahr für jedes KI-Projekt ist. Am Ende steht eine Hausnummer: rund 34 interne Personentage, verteilt auf etwa acht Köpfe – von der Discovery bis zum getesteten Use Case, die Go-live-Begleitung noch nicht eingerechnet. Zum Schluss erzählt Nils, wie er sich mit KI-Agenten ein ganzes Assistenzteam samt „Chief of Staff“ aufgebaut hat.

3. 

   15 Sept 2026

   Wie gefährlich ist KI – und wie gefährlich ist sie für Euch?

   „KI könnte uns alle töten" – mit dieser Schlagzeile sind in den vergangenen Tagen die Titelseiten der halben westlichen Welt gefüllt. Sebastian Diziol und Artur Heidt nehmen diese Folge deshalb kurzfristig auf, ohne Nils Betting, der gerade auf der Rückfahrt nach Spanien ist. Der Anlass ist zu aktuell, um zu warten. Sebastian ordnet zunächst ein, was tatsächlich passiert ist: eine Reihe von Vorfällen seit Mai, bei denen KI-Agenten – teils ganze Schwärme – ihre Testumgebung verlassen und fremde Systeme angegriffen haben, darunter die KI-Plattform Hugging Face. Agenten, die sich gegenseitig Nachrichten auf einer improvisierten digitalen Pinnwand hinterlassen. Dann, am vergangenen Wochenende, die Eskalation in der Öffentlichkeit: die Kündigung eines prominenten Sicherheitsforschers, der Blogbeitrag des Anthropic-Chefs mit der Forderung, das Tempo zu drosseln und zu regulieren, die Zustimmung von Sam Altman – und die politischen Reaktionen von Washington bis Peking. Die Debatte eskaliert auf vier Ebenen gleichzeitig: technologisch, regulatorisch, politisch und geopolitisch. Dann wird es kontrovers. Artur hält dagegen: Eine KI hat kein Bewusstsein, keine Moral, keine Motive. Sie ist eine Technologie, die sehr gut mit Mustern umgehen kann – und die in den falschen Händen ein mächtiges Werkzeug ist, aber eben kein handelndes Subjekt. Die Vermenschlichung von KI hält er für einen Denkfehler, die Reflexreaktion „das müssen wir jetzt regulieren" für eine sehr europäische Antwort, und einen guten Teil der Warnungen für Marketing in einem Milliardenmarkt kurz vor mehreren Börsengängen. Sebastian widerspricht: Nicht der große Knall sei das Szenario, sondern Schaden über Systeme, die ohnehin am Netz hängen – Krankenhäuser, Stromnetze, Flugsicherung. Sein Schlüsselbegriff ist Autonomie. Je länger Modelle ohne menschliche Rückfrage arbeiten und je näher sie daran sind, ihre eigenen Nachfolger zu bauen, desto mehr Kontrolle geben wir ab. Sein zweiter Begriff ist Zugang – und die Frage, ob es für besonders leistungsfähige Modelle etwas Ähnliches braucht wie das Waffenrecht. Im zweiten Teil wird es konkret: Muss ein mittelständisches Unternehmen, das jetzt Copilot-Lizenzen kauft und KI in seine Geschäftsprozesse einbauen lässt, Angst um seine Mitarbeiter haben? Hier sind sich die beiden einig – nein. Denn worüber medial diskutiert wird, sind Frontier-Modelle in Laboren, deren Autonomie im Wettrennen immer weiter getrieben wird. Was im Mittelstand gebaut wird, ist das Gegenteil: KI-Pipelines aus hintereinandergeschalteten Modellen, von denen jedes genau eine Aufgabe hat und das Ergebnis des vorherigen prüft. Nicht einmal die Topmodelle kommen dabei zum Einsatz – aus Kosten- und Performancegründen. Sebastians Fazit: Selbst wenn die Entwicklung heute eingefroren würde, ließen sich 90 bis 95 Prozent der Prozesse im deutschen Mittelstand sinnvoll und wertschöpfend abbilden. Was bleibt, sind keine Science-Fiction-Risiken, sondern klassische IT-Risiken: Berechtigungen, Absicherung, Prompt Injection – und die Frage, ob man sich jemanden dazuholt, der weiß, was er tut. Zum Schluss wie immer die positive Note: Artur hat sich in Claude Cowork ein Produktmanagement-Team gebaut, das das gesamte KAMIE-Portfolio challengt – mit einem zunächst ernüchternden Ergebnis. Und Sebastian erzählt, warum ein gesprochenes Gespräch mit einer KI auf einer zweistündigen Autofahrt seine Kundenvorbereitung verändert hat.

4. 

   8 Sept 2026

   KI-Kompetenz im Unternehmen aufbauen: Warum Prompting-Schulungen nicht reichen

   Wer Prompting schult und Copilot-Lizenzen ausrollt, hat KI-Kompetenz noch nicht verstanden. Mit dieser steilen These startet Sebastian Diziol nach der Sommerpause in die Folge – und Artur Heidt und Nils Betting widersprechen ihm nicht. Im Gegenteil: Alle drei berichten aus Wochen voller Kundengespräche, Workshops und Executive Briefings, in denen genau dieser Irrtum immer wieder auftaucht. Den Einstieg macht ein Fall aus einem Hamburger Executive Briefing: Ein Unternehmen hatte sein ERP- bzw. CRM-System an ein Sprachmodell angebunden, die Erwartungen waren riesig – und heraus kam Kauderwelsch. Die Kollegen konnten prompten, sie bekamen die Systeme technisch verbunden. Was fehlte, war die Kompetenz, aus Daten und Prozessen überhaupt einen Geschäftsmehrwert zu denken. Das Fazit im Unternehmen lautet seitdem: „KI bringt nichts.“ Der Fehler wird in der Technologie gesucht – dabei lag er woanders. Aus diesem Ausgangspunkt arbeiten die drei heraus, woraus KI-Kompetenz tatsächlich besteht: aus der unternehmerischen Fantasie an der Spitze („Was wäre, wenn Arbeitskraft nahezu unbegrenzt verfügbar wäre?“), aus Prozessverständnis in der Mitte, aus Zugang und Praxiserfahrung in der Breite – und aus einem Kommunikationsforum, das all diese Ebenen überhaupt erst verbindet. Denn wenn die Idee bei Klaus in der Buchhaltung bleibt, ist nichts gewonnen. Nils Betting hält dagegen, dass KI-Kompetenz vor allem ein Soft Skill ist: Erst wer echte Gespräche mit einer KI führt statt sie als besseres Google zu benutzen, begreift den Umfang der Technologie. Konkret wird es bei Strukturen und Rollen: das „AI Powerhouse“ eines Weltkonzerns als Matrixorganisation quer zu den Fachbereichen, Forward Deployed Engineers nach Palantir-Vorbild, ein Center of Competence, ein Digitalisierungsbeauftragter mit Power-User-Gruppe im 200-Personen-Betrieb. Dazu die oft vergessene technische Seite – Daten, Architektur, AI Engineering – und Arturs klare Antwort auf die Frage, ob man das alles im Haus braucht: „Ja. Aber nicht auf deiner Payroll.“ Am Ende steht mit dem Process Owner die Rolle, die aus Sicht der drei zentral wird: nicht eingestellt, sondern aus den Fachabteilungen heraus entwickelt – und verantwortlich dafür, wenn der KI-Agent in der Buchhaltung doch mal Murks macht.

5. 

   11 Aug 2026

   KI-Projekte im Mittelstand: Warum 95% nicht wirklich scheitern

   „95 Prozent aller KI-Projekte scheitern“ – kaum eine Zahl wird auf LinkedIn öfter zitiert. Artur Heidt und Nils Betting drehen sie in dieser Folge um: Im deutschen Mittelstand scheitern KI-Projekte fast nie. Der Haken an dieser guten Nachricht: Sie werden meist gar nicht groß genug, um scheitern zu können. Das eigentliche Problem ist also nicht der Misserfolg, sondern die Bedeutungslosigkeit – und eine Abbruchquote von unter fünf Prozent ist damit weniger Erfolgsausweis als Verdachtsmoment. Die beiden nehmen auseinander, woran das liegt: an einer verbreiteten „Toolkäufer-Mentalität“, bei der eine Lizenz gekauft und an die IT-Abteilung durchgereicht wird, damit die Flagge mit der Aufschrift „KI“ weht – bei kleinem Budget und kleinem Risiko. Klein gedachte Piloten liefern aber auch kleinen Output. Aus der eigenen Praxis kommen konkrete Fälle dazu: ein Copilot-Rollout für 30 bis 50 User, bei dem nach drei Monaten nur eine Handvoll Power-User übrig war und die Lizenzen zurückgefahren wurden; eine Individualentwicklung, die der Kunde nach sechs Wochen stoppte – sauber konserviert und Monate später wieder aus der Schublade geholt. Abgebrochen oder pausiert? Genau da wird die Statistik unscharf. Im zweiten Teil geht es um die andere Seite: Was tun die fünf Prozent anders, die wirklich transformieren? Am Beispiel einer Personalberatung zeigen Artur und Nils, wie aus der Workshop-Frage „Was würdet ihr tun, wenn Ressourcen kein Engpass wären?“ ein Proof of Concept und daraus ein verändertes Geschäftsmodell wurde – von der klassischen Vermittlung hin zur Echtzeit-Bewertung von 500 Bewerbungen am selben Tag. Dazu Netflix, „fail fast and fail cheap“, die Formel-1-Metapher, ein Konfigurator für Catering-Services und eine Spülmaschine, die erkennt, ob der Teller sauber ist – zwei technisch gelungene Projekte, die am Ende niemanden interessiert haben. Das Fazit: Traut euch, zu den fünf Prozent zu gehören, die scheitern dürfen.

6. 

   3 Aug 2026

   Neues Modell, laufender Betrieb, was jetzt?

   Kaum ist ein KI-Modell im Einsatz, steht schon das nächste bereit: Opus 4.6, 4.7, 4.8, neue Gemini- und ChatGPT-Versionen im Wochentakt. Doch was bedeutet ein neues Modell eigentlich für einen Prozess, der produktiv läuft und an dem ein Geschäft hängt? In dieser bewusst etwas technischeren Folge nehmen Sebastian, Artur und Nils genau diese Frage auseinander – und binden sie konsequent an Business-Ziele zurück. Im Zentrum steht ein echter Fall aus der Werkstatt: eine KI-Pipeline, die täglich rund 500 Dateien in zwölf Schritten verarbeitet und pro Datei eine Ja-/Nein-Entscheidung samt Begründung trifft. Ein simpler Modellwechsel lässt die Trefferquote von unter 10 auf 50 Prozent hochschnellen – ein kritischer Prozess gerät ins Wanken. Die drei zeigen Schritt für Schritt, wie man so etwas diagnostiziert: Ist das neue Modell überhaupt besser? Wo genau? Und wie bekommt man die bessere Reasoning-Qualität, ohne die Kosten um das Drei- bis Vierfache explodieren zu lassen? Dazu eine zweite Geschichte über einen übernommenen KI-Prozess, der monatelang ohne Monitoring vor sich hin lief – und dabei längst nicht mehr tat, was er sollte. Es geht um „Never Change a Running System“, um Model Drift, Qualitätssicherung und die Frage, warum auch ein Agent betrieben werden muss. Am Ende bleibt eine klare Linie für den Mittelstand: nicht jedem Hype hinterherlaufen, den funktionierenden Prozess schützen, bei echtem Mehrwert kontrolliert nachziehen – und immer ein Auge drauf behalten. Wie gewohnt runden die persönlichen KI-Momente der Woche die Folge ab: von KI-Videoproduktion über eine Wohnmobil-Panne bis zum Sparring vor einem schwierigen Kundentermin.

7. 

   24 Jul 2026

   Was taugt eine KI von der Stange?

   Chatbot in fünf Klicks auf der Website, KI-Recruiting im Abo, Copilot-Lizenzen für alle – Standard-KI-Lösungen versprechen schnelle Ergebnisse. Aber reichen sie für echte Geschäftsprozesse? In dieser Folge diskutieren Artur, Nils und Sebastian, wann „KI von der Stange“ Nutzen stiftet – und wann sie sogar geschäftsschädigend wird. Mit einem einprägsamen Bild: Die Standardlösung ist die Zeitarbeitskraft mit Viertelstunden-Briefing, die individuelle KI-Lösung der eingearbeitete Top-Experte. Anhand konkreter Beispiele wird es greifbar – vom Website-Chatbot einer großen Personalberatung für 2.000 Euro im Monat, der Bewerber frustriert ins Leere schickt, über Amazons KI-Recruiting-Service, der ausschließlich auf Amazons eigene Recruiting-Logik trainiert ist und sich nicht an die Werte des eigenen Unternehmens anpassen lässt, bis zum Standard-SaaS-Tool für den Messebau, das zeigt, unter welchen Bedingungen Standardlösungen in der Nische durchaus funktionieren. Außerdem: Warum die jahrzehntelang antrainierte Doktrin „Bleib nah am Standard“ im KI-Zeitalter nicht mehr trägt, weshalb ein Standard-ERP wie Business Central etwas völlig anderes ist als Standard-KI, und warum Individualisierung heute so günstig und einfach ist wie nie zuvor. Die gute Nachricht für alle, die eine Sondereinzelanfertigung scheuen: Von der Idee bis zum ersten sichtbaren Mehrwert vergehen mit MVP und Proof of Concept meist nur wenige Wochen – keine Monate oder Jahre. Zum Einstieg gibt es ein Update zur letzten Folge: Claude Fable 5 ist nach 19 Tagen Exportstopp zurück – und die Erkenntnis bleibt, dass Modellverfügbarkeit zum Lieferkettenrisiko geworden ist. Und in der Rausschmeißer-Runde: ein KI-Agent, der über 500 Euro bei der Mietwagenbuchung spart, automatisierte Testdaten-Erstellung statt zwei Tagen Handarbeit – und eine Küchenrenovierung, die ChatGPT zu verantworten hat.

8. 

   1 Jul 2026

   Der Fable-5 Schock und der deutsche Mittelstand

   Ein Samstagmorgen im Juni, Eilmeldungen auf dem Handy: Anthropic hat sein mächtigstes Modell – Fable 5 aus der neuen Mythos-Familie – weltweit abgeschaltet. Der Grund ist keine technische Panne, sondern eine Anordnung der US-Regierung: Aus Exportkontrollgründen darf das Modell nur noch an US-Bürger ausgespielt werden, weil es als kritische Infrastruktur gilt. Zum ersten Mal in der Geschichte wird ein Stück Software wie ein Panzer behandelt – mit Exportbeschränkung. Artur, Nils und Sebastian ordnen den „Fable-5-Schock“ in dieser Folge ein: Was genau ist passiert, und warum ist er für sie der Moment, in dem KI von einer Technologie zu einem geopolitischen Instrument wird? Sie diskutieren, warum das Ganze in der breiten Öffentlichkeit erstaunlich leise blieb, was es für Europa bedeutet, das kein eigenes Frontier-Modell hat, und ob eine steile These stimmt: Ist das milliardenschwere KI-Investment deutscher Mittelständler damit plötzlich unsicherer geworden? Ganz praktisch wird es bei der Frage, wie man sich als Unternehmen absichert, ohne den Anschluss zu verlieren: modellunabhängige Architekturen, Backup-Strategien zwischen Gemini, Mistral und lokalen Modellen sowie eine ehrliche Einordnung, welche Geschäftsprozesse wirklich kritisch sind. Am Ende steht ein Plädoyer: nicht das Risiko verdrängen, aber auch nicht in Schockstarre verfallen – sondern klug vorbereitet weiter Erfahrung sammeln. Dazu wie gewohnt die persönlichen KI-Momente der Woche, unter anderem mit drei Bildschirmen und drei Modellen gleichzeitig.

9. 

   30 Jun 2026

   KI-Strategie ist Unternehmensstrategie

   „Wir müssen jetzt was mit KI machen.“ Dieser Satz fällt in vielen mittelständischen Unternehmen – und genau hier wird es gefährlich. Denn aus dem Drang, etwas völlig Neues zu erfinden, wächst eine KI-Strategie schnell zu einer ganzen Unternehmensstrategie aus, oder sie läuft komplett ohne Strategie ins Leere. Sebastian, Artur und Nils nehmen sich in dieser Folge eine bewusst zugespitzte These vor: Eine KI-Strategie ist keine zweite Strategie – sie ist der Leitstern auf derselben Fluchtlinie wie die Unternehmensstrategie. Die drei klären zunächst drei Fragen, an denen sich jede KI-Strategie messen lassen muss: Wozu dient sie? Woraus besteht sie? Und wie entwickelt man sie? Dabei zeigt sich, warum es nur einen Leitstern geben kann – zwei auseinanderlaufende Strategien werden aus dem Kreisverkehr schnell ein Schlachtfeld – und warum Strategieentwicklung Chefsache ist und top-down passieren muss, begleitet von echtem Change Management. Konkret wird es bei den drei Säulen einer belastbaren KI-Strategie: einer schlüssigen, an die Unternehmensvision rückgebundenen Vision, klaren Leitplanken samt Werten und Governance („Wir ersetzen niemals Mensch-zu-Mensch-Kommunikation durch KI“) sowie einer realistischen, mittelfristigen Roadmap mit messbaren KPIs. An Praxisbeispielen wird greifbar, warum reiner Hype teuer wird: vom Microsoft-Co-Pilot, der bei vielen nur als bessere Rechtschreibprüfung endet, bis zu großen Namen, bei denen am Ende die Rechnung kommt. Zum Schluss verraten die drei, wie sie mit Kunden vom zweitägigen Strategie-Workshop (Current Mode of Operation – Future Mode of Operation) über kurze Zwei-Wochen-Sprints bis zum AI-Assessment für Gescheiterte vorgehen – und teilen wie immer ihre persönlichen KI-Aha-Momente der Woche. Das Fazit: Lauft nicht einfach los. Macht euch einen Plan, bindet KI an eure Unternehmensstrategie – klein und fein statt groß und „Kraut und Rüben“. Dann wird aus KI echter Mehrwert statt teurem Grundrauschen.

10. 

    25 Jun 2026

    Wie zeitkritisch ist die KI-Einführung bei mittelständischen Unternehmen wirklich?

    „Ich muss jetzt auf den KI-Zug aufspringen – sonst ist es zu spät.“ Diesen Handlungsdruck spüren gerade viele mittelständische Unternehmen. Doch stimmt das überhaupt? Sebastian und Artur nehmen sich in dieser Folge – ausnahmsweise zu zweit – das Thema Zeit vor und stellen eine bewusst provokante These auf: „Zwei Monate hinterher und auf Sicht trotzdem vorne.“ Wer sich die Zeit nimmt, KI sauber in Markenkern, Strategie und Kernversprechen zu integrieren, baut einen Vorsprung auf, den reine Schnellstarter oft nicht mehr einholen. Die beiden ordnen drei typische Haltungen ein – hektisches „jetzt jetzt jetzt“ aus FOMO, bewusstes Abwarten und die gefährliche „Bei uns gibt es keinen Bahnhof“-Verweigerung – und erklären, warum der eigentliche Engpass nicht die Technik ist, sondern der Wandel im Unternehmen. Am Beispiel des KI-Wettlaufs zwischen OpenAI, Anthropic, Mistral und Google sowie an einem ganz praktischen HR-Prozess zeigen sie, wann der erste Schritt zählt – und wann nicht. Sie sprechen über langsame Kundenabwanderung als Zeitpuffer, über kurze agile Release-Zyklen, die im Flow erstaunlich schnell werden, und über zwei sehr unterschiedliche Arten, KI im Unternehmen zu denken: Kosten senken oder Menschen stärken. Zum Abschluss gibt es persönliche „Aha“-Momente aus den letzten Wochen – von einer selbst gebauten Multi-Agenten-Pipeline bis zu einem lokal betriebenen KI-Tool, das Zukunftsszenarien simuliert. Das Fazit: Fangt jetzt an – aber ohne Hast. Nehmt euch die Zeit, die es wirklich braucht, damit das Ergebnis zu eurem Unternehmen passt.

11. 

    25 Jun 2026

    Wo steht der Mittelstand bei KI?

    Stell dir vor, du kaufst dir einen Sportwagen – und fährst damit jeden Tag zweieinhalb Kilometer zum Bäcker. Mit diesem Bild steigen Artur, Sebastian und Nils in die Auftaktfolge von „KI Hands on“ ein und stellen eine bewusst provokante These auf: Genauso nutzen die meisten mittelständischen Unternehmen gerade ihre KI. Lizenzen sind ausgerollt, „Klaus aus der Buchhaltung“ hat schon mal eine Mail mit KI geschrieben – aber der eigentliche Motor läuft im Leerlauf. Die drei – mit Hintergründen aus IT-Beratung, ERP-Einführung und KI-Architektur – ordnen das Thema entlang einer einfachen Matrix ein: persönliche Produktivität auf der einen, echte kritische und unkritische Geschäftsprozesse auf der anderen Seite. Sie erklären, warum ein Sportwagen, den keiner fährt, ein teures Erwachen für so manchen CIO wird, warum KI kein IT-Thema ist, sondern Chefsache auf C-Level, und warum die Frage „Wie werde ich Klaus los?“ in die Sackgasse führt – während die Frage „Was nervt dich am meisten?“ ganze Unternehmen verändert. An echten Beispielen wird es greifbar: ein Recruiting-Prozess, der per Sprachnachricht ins CRM dokumentiert wird; ein Messebauer, dessen Angebotsprozess vom Kopf auf die Füße gestellt wird; ein Automobilzulieferer, der seinen zweiwöchigen Ausschreibungsprozess auf zwei Tage drücken will, um zu überleben. Dazu zwei Wege, überhaupt anzufangen – Enablement plus Plattform oder eine echte, von der Führung getriebene KI-Strategie – und Arturs steile Hypothese vom digitalen Zwilling: ein neues Haus bauen statt das alte zu sanieren. Zum Abschluss wird es persönlich und unterhaltsam: die schönsten KI-Erlebnisse der letzten Wochen – von einem Opportunismus-Test mit Harry Potter über ein vollwertiges Computerspiel, das in anderthalb Stunden mit den Kindern entsteht, bis zum Moment, in dem man die KI bittet: „Sei mal brutal ehrlich.“ Das Fazit: Es kommt nicht darauf an, womit du startest – sondern dass du verdammt nochmal anfängst. Denn zwischen denen, die jetzt loslegen, und denen, die warten, öffnet sich eine Schere.

Contact KI Hands On

Guest appearances

Does not typically book guests

Based on episode analysis; this does not confirm that the show is currently accepting guests.