Wie die Salzburg AG mit einer neuen Crowdinvesting-Plattform die Energiewende vorantreibt

15.12.2025

NACHLESE | FOLGE 2

KI in der Praxis: „Die meisten Probleme kann man tatsächlich ohne Agents lösen“

Nachlese. Die zweite Folge der neuen Staffel der brutkasten-Serie "No Hype KI" ging der Frage nach, was genau es für den erfolgreichen Einsatz von KI in Unternehmen braucht und wo Fallstricke liegen.

/artikel/no-hype-ki-staffel-2-folge-2

✨ AI Kontextualisierung

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

In vielen Unternehmen sah der Einstieg in KI oft erstaunlich ähnlich aus: Ein Tool wurde lizenziert, ein POC wurde gebaut, eine Demo funktionierte – und danach begann das eigentliche Problem. Plötzlich standen Fragen im Raum, die vor dem ersten Prompt niemand gestellt hatte: Welche Daten durften überhaupt hinein? Wer trug die Verantwortung, wenn ein System falsch lag? Und was passierte, wenn „Agenten“ nicht nur Antworten formulierten, sondern Handlungen auslösten?

Um diese Fragen drehte sich die Diskussion in der zweiten Folge der brutkasten-Serie „No Hype KI“. Mit dabei waren Andreas Thomasch, CTO von Lenovo für Deutschland und Österreich, Christian Casari von ONTEC AI, Leftshift.One-Co-Founder Patrick Ratheiser und Agentic-AI-Expertin Sarah Eschenbacher.

„Will ich einen Proof of Concept machen, um meinen Vorstand zu beeindrucken?“

Gleich zu Beginn appellierte Andreas Thomasch an Unternehmen, den Blick zuerst nach innen zu richten. „Es ist wichtig, als Unternehmen erstmal ein bisschen Nabelschau zu machen und selber zu gucken, was kann ich denn selber und wie ready bin ich denn für das Thema“, sagte er. Dazu zählte er Skills, Datenstrukturen und die Umgebung, in der KI später laufen sollte.

Thomasch unterschied in der Diskussion zwischen zwei Arten von POCs: „Will ich erst einen Proof of Concept machen, um Skills aufzubauen oder will ich einen Proof of Concept machen, um meinen Vorstand zu beeindrucken?“ Beide Ziele führten in seiner Erfahrung zu völlig unterschiedlichen Projekten und zu sehr verschiedenen Erwartungen.

Patrick Ratheiser rückte den Fokus noch weiter weg von Tools. In vielen Unternehmen sah er den Reflex, sich „mal ein Tool“ zu holen und dann zu schauen, was man damit tun konnte. „Ich würde im ersten Schritt mit Hausverstand rangehen und schauen, was habe ich überhaupt für Anwendungsfälle, was habe ich für Use Cases?“, sagte er. Erst danach lohnt sich für ihn die Tool-Frage.

Technische und organisatorische Fundamente „verheiraten“

Für Sarah Eschenbacher beginnt alles mit der Problemdefinition. „Grundsätzlich brauche ich einfach ein spezifisches Problem, das ich angehen will und lösen will“, sagte sie. Dazu gehörte für sie eine klare Erfolgsmessung: „Ich muss wissen, wie ich den Erfolg dann messen kann, ob das Projekt funktioniert, ob es mir KPIs steigert.“ Ohne Datenlage, die eine Evaluation erlaubte, sah sie keinen sinnvollen Startpunkt.

ONTEC-AI-Experte Christian Casari wiederum denkt in zwei Achsen, wenn er über die Grundlagen sprach. „Man kann prinzipiell unterteilen in technische Fundamente und in organisatorische Fundamente“, sagte er. Auf der technischen Seite sah er Skills, Infrastruktur und Daten, auf der organisatorischen Seite Use Cases, KPIs und eine Organisation, die KI-Projekte tatsächlich trug. „Die beiden muss man verheiraten“, betonte er, sonst entstand in seinen Augen eine typische Schieflage: Man kauft ein Tool, aber niemand weiß, was er damit sinnvoll tun sollte.

„Die meisten Probleme kann man tatsächlich ohne Agents lösen“

Beim Thema Agents herrschte in vielen Management-Teams erkennbar Erwartungsdruck. Sarah Eschenbacher nahm diesem Hype in der Diskussion bewusst Tempo. „Auch wenn ich eine sehr hohe Begeisterung für Agents habe, glaube ich, dass man die meisten Probleme tatsächlich ohne Agents lösen kann, teilweise sogar ohne AI-basierte Automatisierungstechniken“, sagte sie.

Dabei stellt sich auch die Frage, wie sich Agents überhaupt definieren lassen. Eschenbacher lieferte eine nüchterne Definition: „Ganz unromantisch gesagt, ist ein Agent eigentlich Software, die man um ein LLM herumbaut.“ Das Modell erhält Tools, etwa API-Zugänge oder Datenbank-Schnittstellen, plant nächste Schritte, prüft Zwischenergebnisse und korrigiert sie.

Besonders sinnvoll sind Agents für die Expertin dort, wo Daten und Systeme historisch gewachsen und verstreut liegen. Mitarbeiter:innen investieren in einem solchen Szenario viel Zeit, um die richtigen Informationen zu finden. Ein spezialisierter Agent kann Systemlandschaften verbinden und etwa SQL-Abfragen übernehmen – auch wenn im Team dafür die Expertise fehlte.

„Grenzen und Risiken von Agents“

Christian Casari erinnerte daran, dass viele Menschen dieses Prinzip bereits nutzten: „Jeder verwendet ChatGPT. Wenn ich ChatGPT zu aktuellen Themen befrage, recherchiert es im Internet. Das ist eigentlich schon ein Agent“, sagte er. In einem Projekt entwickelte sein Team einen digitalen Assistenten für einen Autovermieter, der Daten aus mehreren Datenbanken kombinierte und so Anfragen beantwortete, die ein reines Dokumenten-System nicht abdecken konnte.

Je mehr Freiheit ein Agent erhält, desto größer schätzt Casari das Risiko ein. Hat ein System viele Optionen, viele Tools, viele Wege – dann hat es auch viele Fehlerquellen. Entwickler:innen müssen damit rechnen und Fallbacks planen. Er verglich die Situation mit einer neuen Mitarbeiterin, von der niemand erwartete, dass sie auf Anhieb alles richtig machte.

Patrick Ratheiser warnte zusätzlich vor falschen Versprechen auf Social Media: „TikTok-Agentic-Boys“, die in kurzen Clips ankündigen, ganze Unternehmen in wenigen Klicks automatisieren zu können. In der Realität sollte man aber zuerst prüfen, ob sich ein Problem nicht ohne KI lösen ließ – durch Prozessänderungen oder einfache Digitalisierung.

Ratheiser berichtete dabei von einem Geschäftsführer, der ein Kommunikationsproblem zwischen Sales und Produktmanagement mit einem Chatbot lösen wollte: „Das ist zwar wunderbar, macht aber wenig Sinn“, sagte Ratheiser. Potenzial für Agents sieht er dort, wo Prozesse klar beschrieben, Daten sauber angebunden und Verantwortlichkeiten geklärt waren – nicht als Ersatz für Kultur- oder Organisationsarbeit.

Prozesse, Daten und Haftung

Genau an dieser Stelle setzte Andreas Thomasch nach. Wenn ein Unternehmen Prozesse nicht beschreiben konnte, wenn unklar blieb, woher Daten kamen und wer wofür verantwortlich war, lieferte ein Agent aus seiner Sicht keinen brauchbaren Output. Vor allem dort, wo bestehende Abläufe automatisiert oder beschleunigt werden sollten, standen zuerst Prozess- und Datenarbeit an.

Parallel dazu sah Thomasch eine zweite Linie. Wenn ein Unternehmen ein neues Produkt oder eine neue Dienstleistung entwickelte und dafür Prozesse und Datenzugänge ohnehin neu aufzog, konnte es KI von Anfang an mitdenken und dabei intern die Voraussetzungen schaffen. Als typisches Feld nannte er HR-Prozesse, die oft gut dokumentiert waren und damit eine solide Basis für KI-Unterstützung boten.

Beim Thema Haftung blieb er nüchtern. Besonders in Bereichen wie HR sah er „human in the loop“ als Standard. Ein Agent konnte Schritte vorbereiten, Daten bündeln und Manager:innen durch Masken führen. Die finale Entscheidung traf aber ein Mensch, vor allem dort, wo es um kritische Entscheidungen ging.

Warum POCs immer noch scheiterten

Trotz besserer Modelle und Tools blieb Patrick Ratheiser eine Zahl in den vergangenen Jahren unverändert. „81 Prozent scheitern mittlerweile wieder mal nach dem POC“, sagte er und ergänzte, dass diese Aussage grob gesagt seit zehn Jahren gültig sei. Eine aktuelle Studie bestätige diesen Wert.

Die Muster ähnelten einander. Unternehmen wählten falsche oder zu komplexe Anwendungsfälle, die Erwartungshaltung schoss nach oben, und Datenqualität blieb Nebensache. „Wir nehmen alle Daten vom Unternehmen, am besten alle Dokumente, jagen die in der GPT rein und dann wird schon alles gut. Das wird nicht funktionieren“, sagte Ratheiser.

Christian Casari steuerte dazu sein Lieblingsbild bei: „Garbage in, garbage out. Ich kann ja das beste Auto haben. Wenn ich glatte Reifen habe und draußen ist glattes Eis, werde ich wahrscheinlich die PS nicht auf die Straße bringen“, sagte er. Ohne Daten, die zum Problem passten, blieb jedes Modell ein teures Experiment.

Mehrwert über mehrere Use Cases

Lenovo-CTO Andreas Thomasch verwies auf die Notwendigkeit einer Struktur. Einen ROI nur über einen einzelnen Use Case zu rechnen, hielt er für schwierig. „Der Aufwand für meinen ersten Use Case ist vermutlich genauso hoch für die nächsten neun folgenden“, sagte er. Deswegen empfahl er, einen Datenbereich als Ganzes „KI-ready“ zu machen und von Beginn an mehrere Use Cases mitzudenken. Wenn einer scheiterte, blieben andere übrig, die den Invest stützten.

Beim Start-Setup setzte Thomasch auf einen klaren Schritt. Er plädierte dafür, eine eigene Umgebung zu schaffen, in der sich KI-Workloads innerhalb der bestehenden Security- und Governance-Prozesse ausprobieren ließen. Eine kleine Sandbox, die IT und Fachbereiche gemeinsam nutzten, half seiner Erfahrung nach, bevor jemand den produktiven Rollout verlangte.

Cloud, On-Prem und Energie

Die Frage, wo KI-Anwendungen laufen sollen, muss laut Thomasch schon zu Beginn eines Projekts geklärt werden. Fachabteilung und IT sollten früh festlegen, ob relevante Daten in der Cloud liegen, on-premise oder in einer hybriden Struktur. Viele Unternehmen landen ohnehin in einem Mischmodell, weil ihre Datenlandschaft bereits verteilt war, wie Thomasch ausführt.

Christian Casari brachte eine Dimension ein, die in Strategierunden häufig zu kurz kam. „Die aktuellen politischen Entwicklungen sollten uns zumindest ein bisschen zum Nachdenken geben“, sagte er. Für ihn zählt vor allem, wie kritisch Daten waren. „Wenn ich meinen Datenschatz, also das, was meine Firma ausmacht, in Daten habe, und das liegt on-premise, ich werde den Teufel tun und das in die Cloud geben und dann noch mit einem Large-Language-Model bearbeiten.“ Weniger kritische Daten sah er dagegen als gute Kandidaten für skalierbare Cloud-Lösungen.

Hybride Szenarien mit lokalen Systemen, Private-Cloud-Ansätzen und Cloud-Komponenten passten für beide gut zu einem weiteren Engpass: Energie. Thomasch erinnerte daran, dass Rechenzentren ihr Energiebudget nicht beliebig erhöhen konnten. Die Frage, welche Modelle auf welcher Infrastruktur liefen, entwickelte sich damit zu einer wirtschaftlichen Notwendigkeit.

Große Modelle, kleine Modelle

Im Alltag beobachtet Patrick Ratheiser einen deutlichen Gegensatz zwischen technischen Möglichkeiten und realem Einsatz. Er berichtete von einem Projekt an der Universität Graz. „Für 30.000 Studenten brauche ich kein GPT-5.1-Modell. Da reicht das Mini vollkommen“, sagte er. Dort ging es um einfache Fragen zu Urlaubstagen oder Abläufen, nicht um literarische Experimente.

Das eigentliche Problem sieht er in der Erwartungshaltung. Viele Mitarbeiterinnen und Mitarbeiter verglichen interne Systeme mit den großen, frei zugänglichen Modellen am Handy. „Das fühlt sich halt einfach nicht an wie ChatGPT“, höre er häufig. Mit solider Aufklärung über Funktionsweise und Trade-offs sieht er aber eine Chance, kleinere Modelle dort zu akzeptieren, wo sie ausreichten – und gleichzeitig Kosten und Energieverbrauch zu senken.

Christian Casari schärfte dieses Bild mit einer Analogie – einem LKW, der zehn Meter fährt, um eine Wurstsemmel zu holen. „Momentan erschlagen wir alles mit diesen großen LLMs“, sagte er. In vielen Fällen reichte aus seiner Sicht – um im Bild zu bleiben – „ein Rad oder vielleicht sogar zu Fuß“. Auch preislich sieht er starke Unterschiede. Zwischen einem großen Modell und der Mini-Variante lag nach seiner Einschätzung eher ein Hundertstel der Kosten als ein kleiner Aufschlag.

Agents-Expterin Sarah Eschenbacher warnte gleichzeitig vor falschen Hoffnungen: „Bessere Modelle machen Agents nicht unbedingt besser“, sagte sie. Für sie liegt das Potenzial eher in Kombinationen. Unternehmen konnten spezialisierte kleine Modelle als Tools nutzen, etwa für besonders kritische Daten, und größere Modelle dort einsetzen, wo sie den größten Mehrwert brachten. Energieeffizienz bleibt für sie ein Schlüsselbegriff.

Wenn Unternehmen loslegen

Insgesamt zeigte die Diskussion, dass es der Erfolg von KI-Projekten in vielerlei Hinsicht an den Organisationen selbst hängt. Christian Casari brachte das auf eine einfache Formel. Für ihn diente gesunder Menschenverstand als Kompass, nicht als Störfaktor. Teams sollten klären, wo sie standen, wohin sie wollten und was sie im Haus hatten – und erst danach über Tools und Modelle entscheiden.

Sarah Eschenbacher lenkte den Blick außerdem auf die Größe der Vorhaben. Sie rät Unternehmen, keine Monster-Use-Cases zu planen, sondern spezialisierte Agents für klar umrissene Aufgaben zu bauen. Kleine, fokussierte Projekte erzeugten in ihrer Sicht mehr Wirkung als ein „Alles-Könner“, der in der Praxis niemandem wirklich half.

Patrick Ratheiser plädierte in der Schlussrunde dafür, sich nicht von der Wunschliste der Chefetage treiben zu lassen, wenn dort sofort der komplexeste Use Case auftauchte. Er bevorzugte kleine, gut geschnittene Anwendungsfälle und verstand AI-Literacy als Pflichtprogramm. Unternehmen sollten ihre Leute fit machen, ihnen Tools geben und Experimente ermöglichen, damit eine lernende Organisation entstand.

Andreas Thomasch wiederum richtete seinen Appell an die IT-Seite. Sie sollte nicht warten, bis der Druck aus den Fachbereichen stieg, sondern sich vorbereiten, eine Umgebung für KI-Workloads aufbauen und eigenes Know-how sammeln. „Die Frage von der Fachabteilung wird kommen“, sagte er. Wer dann bereits eine Antwort hatte – technisch, organisatorisch und mit Blick auf die Daten –, holte KI aus der theoretischen Debatte in die tägliche Arbeit.

Deine ungelesenen Artikel:

Martin Pacher

02.09.2026

Greiner-Packaging-CFO über KI in der Industrie: „Wir Österreicher sehen oft zuerst die Risiken“

Margit Kendler ist CFO von Greiner Packaging, einer Sparte der Greiner Gruppe. Im Interview am European Forum Alpbach spricht sie über drei KI-Fokusfelder, das Potenzial humanoider Robotik in der Produktion und die EU-Verpackungsverordnung. Außerdem erklärt sie, warum sie die Einführung von KI an frühere SAP-Projekte erinnert und wieso Österreich beim Thema KI mutiger werden sollte.

/artikel/greiner-packaging-cfo-interview-ki-ppwr-alpbach

Martin Pacher

02.09.2026

Greiner-Packaging-CFO über KI in der Industrie: „Wir Österreicher sehen oft zuerst die Risiken“

/artikel/greiner-packaging-cfo-interview-ki-ppwr-alpbach

Kaum ein Thema beschäftigt die heimische Industrie derzeit so stark wie die Adaption von Künstlicher Intelligenz. Während vielfach die These vertreten wird, dass Europa das Rennen um generative KI verloren hat, werden der Industrie bei der KI-Adaption gute Chancen eingeräumt. Die Industriellenvereinigung hat dazu eine eigene KI-Taskforce eingerichtet, die mittlerweile bei ihrer Halbzeit angelangt ist. Mit deren Vorsitzendem, Keba-CEO Christoph Knogler, haben wir im aktuellen brutkasten-Printmagazin ein ausführliches Cover-Interview über industrielle KI als Europas Chance geführt.

Wie das Thema in der Verpackungsindustrie ankommt, zeigt der Blick zu Greiner Packaging: Die Sparte der Greiner Gruppe mit Hauptsitz im oberösterreichischen Sattledt erwirtschaftete 2025 einen Umsatz von 902 Millionen Euro, steht damit für mehr als 45 Prozent des Gruppenumsatzes und beschäftigt fast 4.900 Mitarbeiter:innen an 30 Standorten in 15 Ländern. Im Interview am European Forum Alpbach spricht CFO Margit Kendler über drei KI-Fokusfelder von der Kundeninteraktion bis zur Verwaltung, die Folgen der EU-Verpackungsverordnung (PPWR) und darüber, warum sie die Einführung von KI an die SAP-Projekte ihrer frühen Berufsjahre erinnert.

brutkasten: Greiner Packaging wächst trotz eines schwierigen Marktumfelds. Was sind die Gründe?

Margit Kendler: Unsere Stärke ist, dass wir sehr gute Produkte haben und diese kontinuierlich weiterentwickeln, auch in Richtung Nachhaltigkeit und der rechtlichen Anforderungen, etwa der PPWR. Dazu kommen langjährige Partnerschaften mit unseren Kunden, die wir gemeinsam weiterentwickeln können. Dadurch schaffen wir es auch in wirtschaftlich herausfordernden Zeiten, über den Markt hinaus zu wachsen.

Herausfordernde Zeiten in Bezug auf den Markt?

Im Sinne von Zeiten, in denen die gesamte geopolitische Lage instabiler wird. Beim Rohmaterial-Sourcing ist etwa die Straße von Hormus immer wieder ein Thema. Trotz widriger Umstände schaffen wir es aufgrund der langjährigen Erfahrung unserer Teams und der verlässlichen externen Kontakte, gute Lösungen für unsere Kunden zu finden. Das zeichnet Greiner Packaging aus.

Künstliche Intelligenz war bei der Jahrespressekonferenz der Greiner Gruppe ein Thema. Welche Hebel sehen Sie in der Verpackungsindustrie, um die Produktivität zu steigern?

Wir sehen im Moment bei Greiner Packaging drei Fokusbereiche. Der erste ist Richtung Kunden: Wie interagieren wir in Zukunft mit Kunden, wo wünschen sie sich automatisiertere Prozesse, weil sie auf ihrer Seite ebenfalls Prozesse anstoßen? Und wo bleibt der persönliche Kontakt weiter wichtig? Gerade bei Produktentwicklungen wird der persönliche Kontakt wichtig bleiben.

Die zweite Stoßrichtung ist die Produktion. Da geht es um Datenauswertung, die man mit KI effizienter machen kann. Viele Daten sind vorhanden, aber wie nutzen wir sie am besten? Dazu kommt alles, was weiterentwickelte Robotics in Richtung Humanoid ist. Der dritte Teil ist die Verwaltung: alles, was an Berichtsanforderungen im Sinne von Nachhaltigkeit und Ähnlichem anfällt. Wo kann man Datensammlung und Dokumentation sinnvoll in eine KI überführen?

Es gibt die These, dass Europa bei generativer KI das Rennen verloren hat, bei der KI-Adaption in der Industrie aber gute Chancen hat. Auf welche Modelle setzen Sie?

In der Produktion haben wir erste Erfahrungen gesammelt. Im Moment nutzen wir die vorhandenen Modelle und screenen, was am Markt aufkommt. Es ist so schnelllebig, dass immer die Frage ist: Kommt man überhaupt zur Anwendung oder gibt es schon wieder die nächste Entwicklungsstufe? Wichtig ist uns aber, dass die europäische Datensouveränität gestärkt wird und dass Unternehmen unterstützt werden, die diesen europäischen Fokus haben, um den Standort und Europa zu stärken.

Greift man da spezifisch auf europäische Modelle wie Mistral zurück?

Natürlich sehen wir uns europäische Lösungen an und wollen diese einsetzen, wenn sie uns den entsprechenden Nutzen bringen. Wir freuen uns über technologische Initiativen, die Europa gesamthaft als Standort stärken.

Margit Kendler im Gespräch mit brutkasten-Chefredakteur Martin Pacher beim European Forum Alpbach | (c) brutkasten / Haris Dervisevic

Welche Aufgaben übernimmt KI aktuell bei Greiner Packaging?

Eher am Ende der Produktion, im Verpackungsbereich und Richtung Lager. Im Durchfluss der Produktion ist schon sehr viel automatisiert. Man muss differenzieren: Wo brauche ich tatsächlich KI und was geht bereits über klassische Automatisierung, also Roboterarme oder Verpackungsstraßen. Es geht wirklich nur noch um die Lücken, die etwa im Bereich Qualitätskontrolle bestehen. Und man muss genau schauen, bei welchen Stückzahlen sich Robotik auszahlt. Gerade beim händischen Assembly ist die Frage, ob die Roboter mit ihren Achsen schon gut genug sind.

Die Entwicklung ist enorm rasant. Wie bleibt man da als CFO up to date und wie fließt das in die Strategie ein?

Es beginnt mit einem tiefen Grundinteresse. Und dann nutze ich eine Mischung aus Workshops, Schulungen und Foren wie dem European Forum Alpbach, wo ich KI-Termine wahrnehme, dazu Newsletter und vieles mehr. Intern gibt es auf Gruppenebene eine Taskforce zu KI, die selektiert, welche Anwendungsfälle es für uns als Sparte oder übergreifend für die gesamte Gruppe gibt.

Wo ist die Schnittstelle zwischen Innovation und Ihrer Arbeit?

Als erfolgreiches Unternehmen muss man darauf achten, sich nicht auf den Lorbeeren auszuruhen. Nur weil es jetzt gut ist, braucht man trotzdem den Blick in die Zukunft. Bei uns ist Innovation sehr produktgetrieben: Welche Barriereeigenschaften gibt es, wie ist die Haltbarkeit eines Joghurts in dem Becher? Das wird stark durch die Verpackungsverordnung getrieben, wo es um Rezyklierfähigkeit und den Einsatz recycelter Materialien geht. Andererseits geht es um die Frage, wie wir in 15 Jahren erfolgreich sind. Dafür haben wir Stage-Gate-Prozesse. Ein großes Thema ist auch Reuse, also Mehrfachnutzung versus Einmalnutzung.

Und Innovation umfasst nicht nur die Produkte selbst, sondern auch das, was um das Produkt herum ist: Serviceleistungen, Lieferung, wie wir unsere Kunden servicieren. Bei Reuse stellt sich die Frage, ob man nur das Produkt macht oder auch Services rund um den Reuse anbietet. Im Endeffekt geht es immer darum, wettbewerbsfähig zu bleiben.

Schaut man sich dafür auch neue Geschäftsfelder an?

Wir haben uns das gerade angeschaut. Wir haben etwa die Becher für den Song Contest gemacht. Einer meiner früheren Arbeitgeber war Ifco, die die Obst- und Gemüsekisten an die Supermarktketten vermieten. Das war ein klassischer Reuse-Anbieter, bei dem das Waschen, Ausbringen und Einsammeln Teil des Geschäftsmodells war. Und auch bei Greiner Packaging evaluieren wir, welche Alternativen und neuen Geschäftsmodelle spannend sein könnten.

Die Verpackungsverordnung gilt seit 12. August. Der Handelsverband fordert ein Moratorium, weil es noch viele Unsicherheiten gibt. Wie nimmt man das bei Greiner Packaging wahr?

Es führt kein Weg an Verordnungen vorbei. Wir haben eine Welt, und wenn sie verbraucht ist, ist sie verbraucht. Diese strengeren Regelungen machen Sinn. Die Schwierigkeit ist, dass wir uns als großes Unternehmen deutlich leichter tun, weil wir die Ressourcen haben. Und selbst für uns ist es ein sehr hoher Aufwand, alle Dokumentationen zu liefern und die Lieferkette ordentlich zu dokumentieren. Ich verstehe daher die kleineren Unternehmen, für die das ein umso höherer Aufwand ist. Ob ein Moratorium die Lösung ist, weiß ich nicht. Man sieht es bei der Diskussion Verbrenner versus Elektroauto: Diese langfristige Unsicherheit – wird es A oder B – ist schwierig, weil man bis zur Entscheidung alle Wege parallel verfolgen muss.

Der K3-Becher ist eines Ihrer Premium-Produkte und seit vielen Jahren auf dem Markt. Jetzt gibt es mit r100 eine neue Generation. Was treibt solche Innovationen: Regulatorik oder Eigenantrieb?

Eine Mischung. Der K3 entstand aus dem Wunsch, ein nachhaltigeres Produkt zu schaffen. Es ist eine Kombination aus Kundenanforderungen, rechtlichen Vorgaben und dem Eigenantrieb, es noch besser zu machen, mit Leichtgewicht, Banderolen und Rezyklierfähigkeit. Die nächste Generation ist gerade in Entwicklung. Ein weiterer Trend ist Monomaterial: Oft hat man beim Joghurt den klassischen Aluminium-Topper. Wenn die Leute den nicht abreißen, kann nicht sortiert werden und der Becher geht in der Wiederverwertung verloren. Ist alles das gleiche Material, ist es deutlich leichter.

Arbeitet man dafür auch mit externen Partnern zusammen, etwa Startups?

Im Moment nicht, aber es ist immer am Radar, um zu schauen, was sich am Markt entwickelt und ob sich Kooperationen anbieten.

Die IV-KI-Taskforce ist bei Halbzeit. Wie schätzen Sie die Verpackungsbranche bei der KI-Adaption ein?

Generell ist mein Eindruck, dass Österreich mehr die Risiken als die Chancen sieht. Die Amerikaner denken mehr in Möglichkeiten, deshalb sitzen dort viele der KI-Unternehmen. Wir Österreicher sehen oft zuerst die Risiken, und solange diese nicht gemeistert sind, fängt man nicht an, über die Möglichkeiten nachzudenken. Um den Anschluss zu halten, brauchen wir mehr Offenheit und eine gute Balance zwischen Risiko und Chance.

Ein reiner Tool-Rollout geht oft nach hinten los, wenn die Organisationsentwicklung nicht mitgedacht wird. Wie gehen Sie vor?

Am Berufsanfang war ich SAP-Beraterin und habe SAP eingeführt. Ich finde es nicht so anders. Egal welche Technologie man einführt, man muss die Menschen mitnehmen. Viel zu oft wird der Mensch nicht mitgedacht. Ob ich von R/2 auf R/3 oder von R/3 auf Hana umsteige oder eine KI dazubaue: Es ist immer die gleiche Frage. (Anm. d. Red.: R/2, R/3 und Hana bezeichnen aufeinanderfolgende Generationen der SAP-Unternehmenssoftware, deren Umstellung jeweils große Migrationsprojekte in Unternehmen auslöste) Wie arbeiten wir dann anders, welche Kompetenzen werden gebraucht und wie muss ich diese rechtzeitig schulen? Ich sehe das in unserer Verantwortung als Arbeitgeber, dass unsere Mitarbeiter:innen mitwachsen.

Gibt es Ängste, dass Jobs wegrationalisiert werden?

Jobs ändern sich einfach. Was ich bei uns erlebe: Wir haben viele Early Adopter. Es gibt seit Langem das Angebot, KI zu nutzen, plus wöchentliche Online-Kaffeerunden für Best-Practice-Sharing. Wir haben Kolleg:innen, die schon viel mit Agenten arbeiten. Viele sehen die Arbeitserleichterung im Täglichen, weil die KI Routinetätigkeiten übernimmt. Sorgen, wegrationalisiert zu werden, erlebe ich im Moment nicht.

Was ich auch stark merke: Kolleg:innen, die spezifische Skills nicht haben, können plötzlich Themen lösen. Ein Kollege, der nicht im Controlling ist und kein Excel- oder PowerPoint-Meister, konnte über die KI alles so darstellen, wie es gebraucht wurde. Das hat ihn einen halben Tag gekostet. KI erlaubt, gewisse Ausbildungsschritte zu überspringen. Dafür sind andere Ausbildungen nötig.

Greiner Packaging ist auch außerhalb Europas vertreten. Wie nehmen Sie die KI-Regulierung in Europa wahr?

Der EU AI Act erhöht die Anforderungen an Unternehmen, schafft aber gleichzeitig Vertrauen in die Technologie. Für uns ist entscheidend, KI innovativ, aber auch verantwortungsvoll einzusetzen. Wer beides beherrscht, wird langfristig erfolgreicher sein.

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