09.12.2025
NACHLESE | FOLGE 1

„Jedes KI-Projekt, das nicht business-getrieben ist, ist falsch“

Nachlese. In der ersten Folge der neuen Staffel von "No Hype KI" ging es darum, wie man KI im Spannungsfeld zwischen Business und Technik erfolgreich in Organisationen verankert.
/artikel/no-hype-ki-staffel-2-folge-1

„No Hype KI“ wird unterstützt von ACP, EY, ITSV, KEBA Group, Lenovo, Microsoft, ONTEC AI und der Universität Graz.


In vielen Unternehmen beginnt künstliche Intelligenz bei Tools, Modellen und Piloten – und bleibt genau dort stecken. Gleichzeitig soll aus Experimenten auch echter Geschäftsnutzen entstehen. In der ersten Folge der zweiten Staffel von „No Hype KI“ ging es um genau dieses Spannungsfeld: Christoph Mayer (EY | Partner, AI & Data), Christian Casari (ONTEC AI | Head of AI Partnerships & Sales), Marcus Kautsch (ACP | Senior Consultant) und Ana Simic (Propeller – AI Consultancy | Founderin) diskutieren, warum KI ohne klare Business-Ziele, Führung und Governance fast zwangsläufig in der Sackgasse landet.

Gleich zu Beginn wurde dabei deutlich, wie weit Anspruch und Realität auseinanderliegen: Mayer betonte, dass KI „vorwiegend ein Business-Thema und weniger ein technisches Thema“ sei, Casari warnte: „Jedes Projekt, wenn es nicht businessgetrieben ist, ist falsch.“ Kautsch sprach vom „Friedhof der Proof-of-Concepts“, und Simic beschrieb, wie Angst, Unsicherheit und unterschiedliche digitale Reifegrade in den Teams viele Initiativen ausbremsen. Die Diskussion drehte sich damit weniger um die nächste Modellgeneration als um die Frage, wie Organisationen, Führungskräfte und Mitarbeitende mit der Geschwindigkeit und Tragweite dieser Technologie umgehen.

Business zuerst, Technik folgt

Mayer beantwortete die Leitfrage dabei deutlich. Aus seiner Sicht und aus Sicht von EY sei künstliche Intelligenz ein Business Thema, weil der Nutzen im Fachbereich entstehe und Technik nur dann wirke, wenn „das Business von Anfang an mit an Bord ist“. EY begleitet Unternehmen deshalb von der KI-Strategie über die Umsetzung bis zum Change Management und Fragen, die aus AI Act und Ethik entstehen.

Kautsch und Casari bestätigten diesen Zugang. ACP arbeitet als IT-Systemhaus seit Jahren mit KI und legt mit einer eigenen Gesellschaft besonderen Fokus darauf, „den Nutzen aus der KI-Technologie auch tatsächlich beim Unternehmen herauszukitzeln“. ONTEC AI setzt Lösungen mit generativen Modellen um, mit Schwerpunkt auf Sprachmodelle und Retrieval Anwendungen. Casari bezeichnete dabei jedes Projekt als falsch, „wenn es nicht businessgetrieben ist“, weil man „früher oder später über einen ROI spricht – besser früher“, sonst löse ein Team ein Problem, „das gar nicht da ist“.

Führung, Angst und Use Cases

Simic verwies auf die Rolle der Menschen und jene der Führung. „Mein Fokus ist definitiv auf dem Business und auf den Business Leader“, sagt sie. Sie hat in der Vergangenheit in großen Konzernen Digitalisierungs- und KI-Projekte verantwortet und begleitet heute Führungskräfte. Die Technologie sieht sie nicht als Engpass, denn gute Lösungen ließen sich inzwischen „relativ günstig“ einkaufen. Der eigentliche Kraftakt liegt für sie darin, „den Wert daraus zu generieren und Mitarbeitende engagiert und mit Freude auf dieser Reise mitzunehmen“.

In vielen Organisationen beobachtet Simic eine horizontale und eine vertikale Ebene. Horizontal führen Unternehmen etwa interne Chatbots ein und sagen zu ihren Teams, sie sollen damit experientieren und Use Cases finden. Vertikale Use Cases in Einkauf, Supply Chain, HR, Administration oder Vertrieb bewertet sie als entscheidend, weil sich dort Prozesse, Kosten und Nutzen konkret beziffern lassen und der klassische ROI greifbar wird. Aus Studien leitet sie ab, dass Unternehmen auf Konzernebene nicht mehr als drei große Use Cases gleichzeitig priorisieren sollten, weil „sieben Großprojekte parallel“ die Organisation überfordern.

Fundament, Reifegrade und ein historischer Moment

ACP-Experte Marcus Kautsch wiederum lenkte den Blick auf die Geschwindigkeit der Entwicklung. Wer früher im klassischen „Gartner Hype Cycle“ noch mehrere Jahre zwischen Hype und produktivem Einsatz sah, erlebe jetzt, dass Wellen enger zusammenrücken und Technologien rasch auftauchen und verschwinden. „Darauf warten, dass so etwas fertig ist, wie in einem klassischen IT-Projekt, wird nicht passieren“, sagte er und forderte Unternehmen auf, mit Unfertigem umzugehen und in Evolutionsstufen zu denken.

Dabei spielt für Kautsch die Einbettung eine zentrale Rolle. Wenn Use Cases nicht sauber verankert sind, landen sie für ihn „am Friedhof der Proof of Concepts“, weil Governance, Integration oder strategische Anbindung fehlen. Er verwies dazu auf eine Studie, laut der rund 95 Prozent der Unternehmen noch keinen echten Nutzen aus KI ziehen. Casari wiederum hob den Wert der technischen Basis hervor: Mit Verweis auf den Hausbau sagt er, dass ohne solides Fundament jedes Projekt einstürze. Gemeint waren: Daten, Plattformen und Basis-Skills, die in vielen Organisationen noch fehlen.

Wie groß die Spannweite an digitalen Kompetenzen ist, zeigte seine Anekdote aus einem Kundenprojekt. Dort empfand ein Mitarbeiter die Nutzung der Plattform als mühsam, weil er einen Link jedes Mal neu in den Browser kopieren musste. Casari berichtete trocken: „Der hat nicht gewusst, dass man bookmarken kann.“ Simic untermauerte den Eindruck mit Zahlen aus einer globalen Microsoft Studie, laut der in Österreich rund 29 Prozent der Menschen KI wöchentlich nutzen.

Kautsch nennt die Situation historisch, weil Automatisierung bisher vor allem Blue-Collar-Tätigkeiten verändert habe und nun zum ersten Mal in großem Stil Knowledge Worker betreffe, was einerseits Produktivitätsgewinne, andererseits veränderte Jobprofile und Unsicherheit erzeugt.

Governance soll keine Bremse sein

Auf der formalen Ebene stellt sich die Frage, wie sich KI in eine Organisation einbetten lässt. Mayer sagte dabei klar: „Es sind Governance-Strukturen notwendig“, und er riet davon ab, KI einfach frei laufen zu lassen, weil das Thema in die Unternehmensstrategie gehört und grundlegende Fragen nach Geschäftsmodell, Effizienz und Beziehung zu Kundinnen und Kunden klärt. Wer diese Fragen erst am Ende eines Projekts an die Rechtsabteilung delegiert, erlebt aus seiner Sicht häufig ein klares „geht nicht“ und bleibt mit einem technisch funktionierenden, aber blockierten Piloten zurück.

Kautsch plädierte für ein „Center of Excellence“, das Vertreterinnen und Vertreter aus Technik, Fachbereichen, Recht und Compliance vereint. Diese Einheiten sollen nicht bremsen, sondern Guardrails definieren, in denen Innovation möglich ist, und Regulierung sieht er wie Verkehrsregeln, die vor allem dafür sorgen, dass alle sicher ankommen. Casari erinnerte daran, dass viele rechtliche Fragen nicht völlig neu sind, weil Datenschutz und Datensouveränität Unternehmen seit der Einführung der Datenschutzgrundverordnung beschäftigen, und betont, dass Regulierung gerade bei einem so mächtigen Werkzeug wie KI Vertrauen schafft.

Simic beobachtet, dass manche Unternehmen Governance und Regulierung als Ausrede verwenden, um langsam zu bleiben, während andere die Bedeutung von KI klar benennen und den Governance-Prozess in wenigen Wochen aufsetzen.

KI-Agents

Ebenfalls thematisiert wurde in der Runde das Thema Agentic AI. Kautsch hielt dazu fest, dass es zwar sehr autonome Agenten in der Theorie gibt, in der Praxis aber vor allem definierte Rollen und klare Grenzen zählen, und er forderte Unternehmen auf festzulegen, bis wohin ein System selbständig handeln darf und ab welchem Punkt ein Mensch entscheidet, weil Verantwortlichkeit für ihn zentral bleibt. Simic beschrieb Agents als neue Form der Zusammenarbeit zwischen Mensch und Maschine, erinnert an das „Magiergefühl“, wenn Menschen Outputs beurteilen sollen, deren Entstehung sie nicht nachvollziehen können, und sieht zugleich eine Chance, Arbeit neu zu gestalten. Casari betrachtet Agents pragmatisch als Bausteine einer digitalen Belegschaft.

Deine ungelesenen Artikel:
05.08.2026

„Der Transfer ist das Schwierigste“: Ex-BMW Tech-Scouting-Leiter Frank Möbius über Technologie-Früherkennung

Technologie-Trends zu erkennen ist heute einfach, sie ins Kerngeschäft zu übersetzen bleibt die eigentliche Hürde. Frank Möbius hat BMWs Tech-Früherkennung sechs Jahre verantwortet und erklärt im brutkasten-Gespräch, woran der Transfer scheitert und wie er gelingt.
/artikel/der-transfer-ist-das-schwierigste-ex-bmw-tech-scouting-leiter-frank-moebius-ueber-technologie-frueherkennung
05.08.2026

„Der Transfer ist das Schwierigste“: Ex-BMW Tech-Scouting-Leiter Frank Möbius über Technologie-Früherkennung

Technologie-Trends zu erkennen ist heute einfach, sie ins Kerngeschäft zu übersetzen bleibt die eigentliche Hürde. Frank Möbius hat BMWs Tech-Früherkennung sechs Jahre verantwortet und erklärt im brutkasten-Gespräch, woran der Transfer scheitert und wie er gelingt.
/artikel/der-transfer-ist-das-schwierigste-ex-bmw-tech-scouting-leiter-frank-moebius-ueber-technologie-frueherkennung
Frank Möbius (links) | (c) BMW Group

Knapp 30 Jahre war Frank Möbius bei BMW. Zuletzt leitete er in der Konzernforschung den Bereich Technologiemanagement und -prognose und koordinierte das weltweite Netzwerk der BMW Technology Offices vom Silicon Valley bis Tokio. Seit 2023 gibt er seine Erfahrung als Senior Innovation Advisor bei der UnternehmerTUM GmbH in München, Europas größtem Gründerzentrum, weiter. Im Interview erklärt er, wie systematische Technologie-Früherkennung funktioniert, warum die meisten Unternehmen am Transfer der daraus gewonnenen Erkenntnisse scheitern und wie KI die Tech-Trenderkennung vereinfacht hat.


brutkasten: Sie waren fast 30 Jahre bei BMW. Wie sind Sie dort zum Thema Innovation gekommen?

Frank Möbius: Ich habe an der Uni Stuttgart Maschinenbau, Fachrichtung Fahrzeugtechnik studiert und nach dem Diplom Anfang 1990 meinen ersten Job bei der Lufthansa Technik in Frankfurt gefunden. Dort durfte ich die damals neuartigen stangenlosen Flugzeugschlepper mitentwickeln und 1992 den neuen Flughafen München damit ausrüsten – meine erste Berührung mit Innovationen und ihrer Einführung im Massengeschäft. Ich verließ die Lufthansa nach ein paar Jahren, um an der Uni Kaiserslautern über Robotik zu promovieren. Nach der Promotion kam ich 1996 zu BMW, meiner Wunschfirma in meiner Wunschstadt. Dort konnte ich viele unterschiedliche Funktionen übernehmen: erst arbeitete ich vier Jahre im Versuchsfahrzeugbau, dann vier Jahre im Personalwesen, ein lehrreicher “Side Step” für einen Ingenieur!

(c) BMW Group

Mitte 2004 durfte ich eine Abteilung für Vorentwicklung und Innovationsmanagement im Bereich Antriebsproduktion übernehmen. Daraus entstand meine Rolle im damals neuen elektrifizierten Antrieb für BMW – von der strategischen Inhouse-Entscheidung und fachlichen Befähigung der Firma bis zur Großserie: über zehn Jahre lang war ich für die Industrialisierung und später Entwicklung von Hochvoltbatterien verantwortlich, vom ersten A-Muster mit einem sehr kleinen Team bis zu 100 Mitarbeitenden. 2017 bin ich schließlich in die Forschung gewechselt und habe dort das Team “Technologiemanagement und -prognose” übernommen, das später in die Einheit “Open Innovation” integriert wurde.

Was macht so eine Open-Innovation-Einheit in einem Konzern konkret?

Mit Open Innovation Methoden erkennt und verwertet man frühzeitig innovative Signale und Trends, die außerhalb der eigenen Unternehmensgrenzen stattfinden. Wir schauen bewusst in Branchen jenseits des Automobilbaus: Consumer Electronics, Luft- und Raumfahrt, Medizin, Computing, Biomaterialien, etc. Immer mit der Frage im Hinterkopf: Was können wir davon für das eigene Kerngeschäft nutzen? Konkret: Technologische Trends aus der Cross-Industrie frühzeitig erkennen, verstehen, bewerten, ein Proof-of-Concept-Projekt durchführen, z. B. mit einem Startup, einer Uni, einem Fraunhofer-Institut, etc. und diese Ergebnisse dann in die Firma für die eigenen Produkte, Services und Prozesse transferieren.

(c) BMW Group

BMW hat dafür eine eigene Abteilung aufgebaut. Wie hängen die einzelnen Bausteine zusammen?

2015 wurde die Technologie-Früherkennung mit dem Technologie-Trendradar ins Leben gerufen, fast gleichzeitig wurde die BMW Startup Garage gegründet. Das Radar ist zunächst ein Visualisierungs- und Kommunikationstool: wir platzieren die erkannten Technologien nach Kategorien und Reifegraden, um frühzeitig aufzeigen zu können, was sich technologisch weltweit tut. Aber diese Erkenntnisse stehen erstmal nur auf dem Papier. Entscheidend ist nach Bewertung und Priorisierung die Verwertung dieser Erkenntnisse, der sogenannte Transfer. Dieser erfolgt dann oft mit Startups.

Hier kommt die BMW Startup Garage zum Einsatz. Sie betreibt Venture Clienting, d. h. sie investiert nicht, sondern scoutet im Netzwerk der internationalen BMW Tech Offices die besten Startups und koordiniert Innovationsprojekte mit den betroffenen BMW-Fachbereichen, die meist das Budget dafür stellen. Diese Startups müssen schon reifer sein, also ein stabiles Team, eine robuste Finanzierung, ein fertiges Produkt – ggf in anderen Branchen – und am besten schon erste Kunden haben. Das Ziel dabei ist immer, dass das Startup ein regulärer Lieferant für BMW werden kann, wir nennen das  “startup as a supplier”. Erst wenn die Lösung des Startups wirklich bei BMW zum Einsatz kommt – in Produkt, Service oder Prozess -, entsteht Impact!

Daneben gibt es das Team BMW iVentures als klassischer Risikokapital-Investor, der ebenfalls über das BMW Tech Office Netzwerk auch in ganz frühphasige Startups investiert. Außerdem gehört dazu ein BMW-interner Incubator und eine Crowd Innovation Plattform.

Wie läuft systematische Tech-Trenderkennung bzw. Tech-Scouting im Alltag ab?

Es gibt vier Prozessschritte: Scouten und Strukturieren, Diskutieren und Bewerten, Visualisieren und Vorbereiten und dann der Transfer in die passenden BMW-Fachbereiche und die dortige Umsetzung. Den ersten Schritt haben früher Mitarbeitende und Werkstudierende gemacht, heute erledigen das maßgeschneiderte KI-Agenten. Für den zweiten Schritt braucht man die Experten: Fachleute von intern und extern. Ggf wird zu einem bestimmten Tech-Trend eine Studie erstellt. Für den dritten Schritt sitzt man in Workshops zusammen und erarbeitet einen Vorschlag für das nächste Trendradar und mögliche Scouting- oder Prototypen-Projekte. Von einer Liste mit über hundert Themen bleiben dann vielleicht vierzig übrig, die auf das Trendradar kommen und fünf, die dann tiefergelegt werden.

(c) BMW Group

Und dann kommt der Teil, an dem viele scheitern.

So ist es! Die ganzen modernen Technologien und Trends kann man heute recht einfach im Netz recherchieren, Generative AI hilft dabei. Das Entscheidende aber ist am Ende: Was leitet das Unternehmen daraus ab? Nur neues Wissen, eine Produktverbesserung oder gleich ein neues Geschäftsmodell? Einfacher gesagt: was mache ich damit morgen besser als heute? Das ist das Schwierige, der Transferprozess. Dieser hat inhaltliche, strukturelle, finanzielle aber auch menschliche Aspekte. Der Transfer einer neuen, erstmal riskanten Technologie aus einer anderen Branche in die eigene Firma ist oft schwierig. Auch bei BMW hat es ein paar Jahre gedauert, bis erste Erfolge kamen und das Vorgehen akzeptiert war.

Was ist das Rezept, damit es funktioniert?

Man holt die Personen, die später die Erkenntnisse umsetzen sollen, frühzeitig in den Prozess mit hinein. Sie dürfen die Startups mit bewerten, sie erfahren sofort, wenn eine neue Technologie für ihren Fachbereich tiefergelegt werden soll, diese wird dann gemeinsam bewertet. Dafür gibt es in der BMW Startup Garage für jedes Ressort einen konkreten Schnittstellenpartner. Dann geht man gemeinsam in den betroffenen Fachbereich, organisiert die Ressourcen und plant das Projekt, damit das Startup den Prototypen bauen kann. Wichtig: für das Startup-Projekt wird oft das Geld des späteren Fachbereichs verwendet. Das erzeugt zusätzliches Commitment! Und das Zweite ist die Hierarchie: Wenn Du einen Bereichsleiter oder Geschäftsführer hast, der voll hinter Open Innovation steht und auch mal in oberen Etagen politisch unterstützt, dann funktioniert es deutlich besser, auch in Krisenzeiten mit Budgetknappheit.

(c) BMW Group

Was raten Sie einem Unternehmen, das ohne viel Budget mit Technologiemanagement starten will?

Man muss nicht gleich zehn Leute einstellen. Oft genügt erstmal eine Person mit den nötigen Ressourcen und Befugnissen, dazu evtl. einen Studierenden und ein paar Teilkapazitäten in den relevanten Fachbereichen als Unterstützung. Ggf hilft am Anfang auch eine externe Trendagentur oder ein passender Toolanbieter. KI-Kenntnisse sind wichtig, um einen KI-Agenten nutzen oder einen eigenen aufbauen zu können. Ein gutes, internationales Netzwerk in alle relevanten Industrien ist ebenso wichtig, denn inzwischen betreiben die meisten großen Firmen Technologie-Früherkennung im Rahmen von Corporate Foresight, man kann von ihnen lernen und Best Practices übernehmen. Ich habe aus meinen über 6 Jahren in dieser Rolle eine Liste mit den zehn wichtigsten Lessons Learned zusammengeschrieben. Da steht alles drin, was man braucht, man muss es halt nur noch machen.

Was machen Sie heute bei UnternehmerTUM?

UnternehmerTUM hat drei Zielgruppen: Talente, Startups und Unternehmen – vom großen  Corporate und Mittelstand bis zum Familienunternehmen. Meine Hauptarbeit liegt in der Innovationsberatung, wo ich meine BMW-Erfahrung einbringen kann. Daneben bin ich Startup-Mentor, halte Vorlesungen, unterstütze die Internationalisierung der UnternehmerTUM und betreue Delegationen. Und ich baue gerade einen KI-gestützten Technologie-Trendradar-Prozess für die UnternehmerTUM, die TUM Venture Labs und ihre Partner und Kunden auf. Der ist nochmal deutlich umfangreicher als ein Radar für die Automobilindustrie. Wir haben dafür einen KI-Agenten gebaut, der weltweit schwache Tech-Signale erkennt, also Technologien, die noch kein messbarer Trend sind. Diesen KI-Agenten trainiere ich täglich. Gerade für Mittelständler und Familienunternehmen ist das sehr hilfreich, weil sie in der Regel nicht das Netzwerk und die Möglichkeiten großer Firmen haben.

(c) BMW Group

Gibt es ein Beispiel aus Ihrer BMW-Zeit, das zeigt, was Open Innovation bewirken kann?

Aus der Tech-Trenderkennung und der Startup-Arbeit wurden in den letzten Jahren schon viele Projekte zu Quantum Computing, Fahrzeug-Satelliten-Kommunikation, Gesundheitsdaten-Monitoring im Fahrzeug, Panorama-Displays, In-Car-Gaming u.v.m. erfolgreich transferiert. Einiges davon ist schon im Auto zu erleben, manches wird noch kommen. Mein Lieblingsbeispiel ist das farbwechselnde Auto: keine klassische Trenderkennung, aber ein erfolgreicher Cross-Industry-Transfer und vielleicht sogar ein Trendsetter! Eine Mitarbeiterin von mir hatte vor vielen Jahren die mutige Idee, die Display-Funktionen eines E-Readers aufs Auto zu übertragen. Sie hat sich die E-Ink-Panels besorgt, einen Prototypen entwickelt und damit nach vielen Experimenten mit einigen Helfern den BMW iX Flow aufgebaut – übrigens anfangs im MakerSpace der UnternehmerTUM. Mit diesem Auto war sie mit BMW 2022 in der Schwarz-Weiß-Version und ein Jahr später mit dem BMW i VISION Dee in der Farbversion mit großem Erfolg auf der CES in Las Vegas: The Color-Changing Car! Das ist für mich der perfekte Cross-Industry-Transfer: Ich übertrage eine erfolgreiche Technologie aus einer Industrie in eine völlig andere und habe einen Nutzen daraus. Ob das in irgendeiner Form mal in Serie kommt? Wer weiß …

Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

„Jedes KI-Projekt, das nicht business-getrieben ist, ist falsch“

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

„Jedes KI-Projekt, das nicht business-getrieben ist, ist falsch“

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

„Jedes KI-Projekt, das nicht business-getrieben ist, ist falsch“

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

„Jedes KI-Projekt, das nicht business-getrieben ist, ist falsch“

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

„Jedes KI-Projekt, das nicht business-getrieben ist, ist falsch“

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

„Jedes KI-Projekt, das nicht business-getrieben ist, ist falsch“

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

„Jedes KI-Projekt, das nicht business-getrieben ist, ist falsch“

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

„Jedes KI-Projekt, das nicht business-getrieben ist, ist falsch“

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

„Jedes KI-Projekt, das nicht business-getrieben ist, ist falsch“