## Pfadnavigation 1. [ Startseite ](/) 2. [ AI FIRST Podcast ](/podcast/ai-first-podcast) 3. KI in der Organisation verankern: Strategien von PAYBACK # KI in der Organisation verankern: Strategien von PAYBACK **Podcast:** [AI FIRST Podcast](/podcast/ai-first-podcast) **Erscheinungsdatum:** 9. Januar 2026 **Länge:** 00:59:10 [ Link zur Episode (extern) ](https://podcasters.spotify.com/pod/show/felix-schlenther/episodes/KI-in-der-Organisation-verankern-Enablement--Governance-bei-PAYBACK-e3da29i) ![KI in der Organisation verankern: Enablement & Governance bei PAYBACK](https://www.botcaster.de/sites/default/files/styles/podcast_n_episode_metadata_image_1x/public/2026-08/41650605-1782909126926-ce9ac78cd7473.jpg.webp?itok=0xKEsSWd) ### KI in der Organisation verankern: Enablement & Governance bei PAYBACK 9. Januar 2026 · [AI FIRST Podcast](/podcast/ai-first-podcast) Wie schafft es ein etabliertes, datengetriebenes Unternehmen, über den Hype hinaus generative Künstliche Intelligenz (KI) systematisch und wertstiftend in seine Prozesse zu integrieren? Im AI FIRST Podcast gibt Host Felix Schlenther gemeinsam mit seinen Gästen von Payback, Franziska Kripp (Group AI Enablement Lead) und Dr. Norbert Wirth (Global VP Data), einen tiefen Einblick in diese komplexe Reise. Sie beleuchten, wie Payback den Sprung von ersten spielerischen Experimenten zu skalierbaren Business-Anwendungen gemeistert hat - eine Blaupause, die für viele Entscheider:innen relevant ist. Im Zentrum stehen dabei zwei entscheidende Hebel: eine robuste Governance als Fundament für Innovation und ein durchdachtes Enablement-Programm, das die gesamte Belegschaft mitnimmt und begeistert. ## Das Wichtigste auf einen Blick - **Governance als Startschuss:** Der entscheidende Schritt für Payback, um von experimentellen KI-Projekten zu skalierbaren Lösungen zu kommen, war die Etablierung eines soliden Governance-Modells. In enger Zusammenarbeit mit der Rechtsabteilung wurden klare Risikokategorien und Kontrollmechanismen geschaffen, die eine sichere und verantwortungsvolle Implementierung ermöglichen. - **Begeisterung statt Zwang:** Franziskas Erfolgsrezept für die unternehmensweite KI-Einführung lautet Sog statt Druck. Statt starrer Vorgaben setzt sie auf ein Lernbuffet mit vielfältigen Angeboten, spielerische Elemente und die Stärkung von internen Multiplikatoren, um Neugier und Eigeninitiative zu fördern. - **Kaufen bei Standards, Bauen im Kerngeschäft:** Payback verfolgt eine klare Strategie: Standardlösungen wie im Kundenservice werden eingekauft (Buy), um technische Schulden zu vermeiden. Für Anwendungen, die tief in der eigenen Wertschöpfungskette verankert sind und maximale Kontrolle erfordern, wird auf Eigenentwicklungen gesetzt (Build). - **Systematische Priorisierung:** Ein interdisziplinäres AI Strategy Board bewertet neue KI-Ideen anhand von vier klaren Kategorien: Effizienzsteigerung, Wertgenerierung, Qualitätsverbesserung und strategischer Nutzen. Dies stellt sicher, dass Ressourcen auf die Projekte mit dem größten Potenzial gelenkt werden. - **Die Zukunft ist agentenbasiert:** Payback bereitet sich aktiv auf eine Zukunft des Agentic Commerce vor. Systeme müssen nicht nur für die User Experience (UX), sondern auch für die Agent Experience (AX) optimiert werden, damit KI-Agenten nahtlos mit der Plattform interagieren können. ## Vom Experiment zur Strategie: Der entscheidende Faktor Governance Payback nutzte schon lange vor dem Aufkommen generativer KI maschinelles Lernen für Kampagnensteuerung und Zielgruppenanalysen. Der wahre Wendepunkt, so erklärt Norbert, war jedoch das Google-Paper Attention Is All You Need von 2017 und die darauf folgende Möglichkeit, große Sprachmodelle (LLMs) mit den eigenen Unternehmensdaten zu verknüpfen. Anfängliche Projekte, wie die KI-gestützte Erstellung des Maskottchens Pointy, liefen unter dem Motto Jugend forscht. Ziel war es, Erfahrungen zu sammeln und ein Gefühl für die Technologie zu entwickeln, auch ohne direkten Business-Case. Das Management unterstützte diesen explorativen Ansatz bewusst. Der Übergang zur Professionalisierung gelang jedoch erst durch einen unerwarteten Hebel: Governance. Anstatt die Technologie unkontrolliert wachsen zu lassen, setzte sich Payback frühzeitig mit der Rechtsabteilung zusammen. Gemeinsam entwickelten sie ein mehrschichtiges Governance-Modell, das auf bestehenden Strukturen wie der Data- und Model-Governance aufbaute. Die neue KI-Governance-Schicht definiert klare Risikokategorien - eine kundennahe Anwendung hat beispielsweise ein höheres Risiko als ein internes Tool. Dieses Framework, das auch Aspekte des kommenden EU AI Acts vorwegnahm, schuf das notwendige Vertrauen und die Sicherheit, um KI-Anwendungen im gesamten Unternehmen zu skalieren. Es wurde zur Grundlage, um Ideen schnell zu bewerten und sicher umzusetzen. ## Kaufen oder selber bauen? Die richtige Balance für KI-Lösungen Die Frage, ob eine KI-Lösung extern eingekauft oder intern entwickelt werden sollte, beantwortet Payback pragmatisch. Norbert erläutert, dass für Standardanwendungsfälle, sogenannte Commodities, klar der Buy-Ansatz gilt. Ein Beispiel hierfür ist der Kundenservice. In diesem Bereich gibt es bereits hochprofessionelle Anbieter von Conversational-KI-Systemen, sodass eine Eigenentwicklung keinen strategischen Vorteil bieten, sondern nur unnötige technische Komplexität erzeugen würde. Geht es jedoch um Prozesse, die den Kern der Wertschöpfungskette von Payback berühren, ist Build die bevorzugte Option. Eine frühe Erfahrung mit einem Baukasten-System für einen Chatbot zeigte die Grenzen von Standard-Tools auf: Die Guardrails ließen sich nicht präzise genug einstellen, was entweder zu übervorsichtigen oder unkontrollierten Antworten führte. Die Erkenntnis daraus: Für geschäftskritische Anwendungen, bei denen eine hohe Anpassungsfähigkeit und volle Kontrolle über die Funktionalität entscheidend sind, ist die Eigenentwicklung der bessere Weg. Dabei bedeutet Build nicht, das Rad neu zu erfinden, sondern auf bestehenden Komponenten wie vortrainierten Modellen und Orchestrierungs-Frameworks aufzubauen. ## Begeisterung entfachen: Wie KI-Enablement im ganzen Unternehmen gelingt Während die technische und strategische Steuerung zentral vorangetrieben wurde, war für die breite Adaption im Unternehmen ein anderer Ansatz nötig. Hier kommt Franziska ins Spiel, die aus dem Marketing in ihre Rolle als AI Enablement Lead wechselte. Ihre Mission: Alle Mitarbeitenden zu befähigen, KI-Tools für mehr Effizienz und Qualität zu nutzen, um Freiräume für kreative und strategische Aufgaben zu schaffen. Ihr Ansatz basiert auf dem Prinzip Sog statt Druck. Anstatt die Mitarbeitenden zu Schulungen zu verpflichten, schuf sie ein Lernbuffet, das für jeden Lerntyp und jedes Skill-Level das passende Angebot bereithält - von Videos über interaktive Workshops bis hin zu einem KI-Agenten, der Fragen beantwortet. Ein zentrales und äußerst erfolgreiches Werkzeug war ein grafisch ansprechender One-Pager mit fünf einfachen Grundregeln, wie etwa dem Grundsatz Human-in-the-Loop: Der Mensch bleibt immer verantwortlich, die KI ist nur ein Co-Pilot. Diese klare und zugängliche Kommunikation, gepaart mit spielerischen Elementen und dem gezielten Fördern von neugierigen Heavy-Usern als Multiplikatoren, löste eine Welle der Begeisterung aus und sorgte dafür, dass die Nutzung von KI organisch im Unternehmen wuchs. ## Von der Idee zum Business Case: Use Cases systematisch bewerten und skalieren Die durch das Enablement freigesetzte Kreativität führte zu einer Fülle von Ideen aus allen Unternehmensbereichen - von der Klonung des Wissens einer wichtigen Kollegin in einen digitalen Agenten bis hin zur Automatisierung dröger Abgleichprozesse. Um diese Flut an Ideen zu kanalisieren, etablierte Payback ein AI Strategy Board. Dieses Gremium, so Norbert, bewertet und priorisiert potenzielle Anwendungsfälle anhand von vier klar definierten Impact-Kategorien: 1. **Effizienz:** Spart der Case Zeit oder Ressourcen? 2. **Wertgenerierung:** Steigert der Case den Geschäftserfolg? 3. **Qualität:** Macht der Case Prozesse sicherer oder besser? 4. **Strategischer Impact:** Ist der Case für die strategische Positionierung des Unternehmens unverzichtbar? Bei der Umsetzung verfolgt Norberts Team oft einen Ansatz, der klein beginnt, aber groß denkt. Ein Beispiel ist ein Agent, der zunächst nur die manuelle Umsetzung eines Briefings mit dem Originalauftrag abgleicht (Qualitätssicherung). Die dabei gesammelten Learnings bilden die Basis, um in einem nächsten Schritt den gesamten Prozess zu automatisieren, sodass der Agent das Briefing direkt selbst im System umsetzt. ## Die Zukunft des Handels: Agenten als neue Kunden Mit Blick auf die Zukunft rückt das Thema Agentic Commerce stark in den Fokus. Norbert antizipiert eine Welt, in der KI-Agenten im Auftrag von Menschen Transaktionen durchführen, Angebote vergleichen und einkaufen. Dies erfordert ein grundlegendes Umdenken: Digitale Plattformen müssen nicht mehr nur für eine gute User Experience (UX) optimiert sein, sondern auch für eine reibungslose Agent Experience (AX). Das bedeutet, dass Systeme so gestaltet sein müssen, dass Agenten Informationen einfach und strukturiert auslesen und Aktionen zuverlässig ausführen können. Für Payback als Multipartner-Plattform ist dies eine zentrale strategische Herausforderung, um auch in einer von Agenten geprägten E-Commerce-Welt relevant zu bleiben und den Nutzern weiterhin den besten Mehrwert zu bieten. ## Praktische Schritte: Paybacks Blaupause für die KI-Implementierung Aus der Erfahrung von Payback lassen sich konkrete Schritte ableiten, die du auch in deinem Unternehmen anwenden kannst, um KI erfolgreich zu implementieren: 1. **Schaffe ein solides Fundament durch Governance:** Bevor du in die Breite gehst, arbeite eng mit deiner Rechts- und Compliance-Abteilung zusammen. Definiert gemeinsam klare Spielregeln, Risikoklassen und Verantwortlichkeiten. Dieses Framework gibt deinem Team die Sicherheit, innovativ zu sein, ohne unkalkulierbare Risiken einzugehen. 2. **Erzeuge Begeisterung durch gezieltes Enablement:** Setze auf Freiwilligkeit und Neugier. Erstelle leicht verständliche Materialien (wie einen One-Pager), biete verschiedene Lernformate an und nutze spielerische Ansätze. Identifiziere und fördere KI-Enthusiasten in verschiedenen Teams - sie werden zu deinen wichtigsten Botschaftern. 3. **Sammle und bewerte Ideen systematisch:** Etabliere einen klaren Prozess, um Anwendungsfälle aus dem gesamten Unternehmen zu sammeln. Nutze ein Bewertungssystem mit Kriterien wie Effizienz, Wertschöpfung und strategische Relevanz, um die vielversprechendsten Projekte zu identifizieren und Ressourcen gezielt einzusetzen. 4. **Fange klein an, aber denke groß:** Nicht jeder Anwendungsfall muss von Anfang an ein riesiges Projekt sein. Starte mit einem überschaubaren Prototypen (Proof of Value), um schnell zu lernen und Erfolge zu zeigen. Plane aber von vornherein, wie eine erfolgreiche Lösung später skaliert und in größere Prozesse integriert werden kann. --- version="1.0" encoding="UTF-8"? .st0 { fill: #010101; } .st1 { fill: #b0c0b3; } .st2 { fill: #3b3a3b; } .st3 { fill: #3a3a3a; } .st4 { fill: #5e7185; } .st5 { fill: #f9eddd; } .st6 { fill: #000100; } .st7 { fill: #aebeb3; } .st8 { fill: #fefefe; } .st9 { fill: #7f93a8; } .st10 { fill: #f8f0df; } .st11 { fill: #fbf0df; } .st12 { fill: #afbfb2; } .st13 { fill: #f7eedd; } .st14 { fill: #fdfdfd; } Botcaster **Zusammengefasst von Anja Schirwinski** Ich beschäftige mich beruflich wie privat mit Künstlicher Intelligenz - von konkreten Tools im Arbeitsalltag bis zu den größeren Fragen, die dabei aufkommen. Viele der Themen, die in Podcasts besprochen werden, begegnen mir in Projekten immer wieder. Deshalb fasse ich hier die für mich interessantesten Podcastfolgen zusammen und ordne sie aus der Praxis ein. [Mehr über das Projekt Botcaster](/ueber-uns) ## Themen - [ KI-Strategie ](/podcasts/themen/ki-strategie) - [ Mitarbeitende befähigen ](/podcasts/themen/mitarbeitende-befaehigen) **Hinweis:** *Diese Zusammenfassung wurde mit Hilfe von KI aus dem Transkript der Podcast-Episode generiert.* Alle Inhalte auf Botcaster beruhen auf öffentlich zugänglichen Podcasts rund um Künstliche Intelligenz. Wir fassen die Episoden nach bestem Wissen zusammen, übernehmen jedoch keine Gewähr für Vollständigkeit, Aktualität oder Richtigkeit der Inhalte. Die Rechte an den Original-Podcasts und -Inhalten liegen ausschließlich bei den jeweiligen Urheber:innen.