## Pfadnavigation 1. [ Startseite ](/) 2. [ AI FIRST Podcast ](/podcast/ai-first-podcast) 3. KI-Transformation beim VfL Wolfsburg: Strategien für Business und Sport # KI-Transformation beim VfL Wolfsburg: Strategien für Business und Sport **Podcast:** [AI FIRST Podcast](/podcast/ai-first-podcast) **Erscheinungsdatum:** 27. Februar 2026 **Länge:** 00:42:51 [ Link zur Episode (extern) ](https://podcasters.spotify.com/pod/show/felix-schlenther/episodes/Von-der-Geschftsstelle-bis-zum-Trainingsplatz-KI-Transformation-beim-VfL-Wolfsburg-e3fl8tb) ![Von der Geschäftsstelle bis zum Trainingsplatz: KI-Transformation beim VfL Wolfsburg](https://www.botcaster.de/sites/default/files/styles/podcast_n_episode_metadata_image_1x/public/2026-08/41650605-1782908367609-f042155ac0499.jpg.webp?itok=ci1Pz7fy) ### Von der Geschäftsstelle bis zum Trainingsplatz: KI-Transformation beim VfL Wolfsburg 27. Februar 2026 · [AI FIRST Podcast](/podcast/ai-first-podcast) Wie ein Bundesligaverein künstliche Intelligenz nutzt, um nicht nur auf dem Rasen, sondern auch in der Verwaltung zu gewinnen, ist eine Frage, die viele Unternehmen jenseits des Profisports beschäftigt. In der neuesten Folge des AI FIRST Podcast gibt Host Felix Schlenther Einblicke in die KI-Transformation des VfL Wolfsburg. Zu Gast sind Claudio Demmer, verantwortlich für Business Innovation, und Matthew Caron, Experte für Data Science im Sportbereich. Sie beleuchten zwei fundamental unterschiedliche Welten der KI-Anwendung: die Effizienzsteigerung in administrativen Prozessen durch generative KI und die Leistungsoptimierung im Sport durch prädiktive Modelle. Diese Episode zeigt eindrücklich, dass eine erfolgreiche KI-Strategie keine Einheitslösung ist, sondern tiefes Verständnis für die jeweiligen Fachbereiche erfordert - eine wertvolle Erkenntnis für Entscheider in jeder Branche. ## Das Wichtigste auf einen Blick - **Zwei Welten der KI:** Der VfL Wolfsburg verfolgt zwei getrennte KI-Strategien. In der Geschäftsstelle (Business) stehen generative KI und LLMs wie ChatGPT im Fokus, um Prozesse zu automatisieren und Kosten zu sparen. Im Sportbereich dominieren prädiktive Modelle und Machine Learning zur datenbasierten Leistungsanalyse und Entscheidungsfindung. - **Der Mensch im Zentrum der Transformation:** Claudio betont, dass der Schlüssel zur erfolgreichen KI-Adoption die Mitarbeiter sind. Durch spielerische Experience Sessions, frühzeitige Aufklärung und Workshops, die auf die realen Probleme der Angestellten eingehen, wurden Barrieren abgebaut und Vertrauen geschaffen. - **Kreative Anwendungsfälle durch Prozessverständnis:** Ein überraschender Use Case ist ein GPT für das Greenkeeping-Team, der Rasenkrankheiten anhand von Fotos erkennt. Solche Lösungen entstehen, wenn man nicht nach KI-Anwendungen sucht, sondern tief in die täglichen Arbeitsprozesse eintaucht und fragt: Welches Problem können wir hier lösen? - **Daten als entscheidende Grundlage:** Während im Sportbereich bereits eine immense und gut strukturierte Datenbasis existiert (Millionen von Datenpunkten pro Spiel), ist die Schaffung einer sauberen und zentralisierten Datenstrategie in der Verwaltung der nächste kritische Schritt, um das volle Potenzial von KI, insbesondere für KI-Agenten, zu heben. - **Die Zukunft des Sports ist ein Daten-Cockpit:** Matthew beschreibt die Vision, Trainern und Analysten während eines Spiels Live-Informationen wie in einem Formel-1-Cockpit bereitzustellen. Mit bald verfügbaren Skelett-Daten der Spieler wird die Datenmenge und -tiefe weiter explodieren, was Simulationen für Transfers oder Aufstellungen ermöglicht und Kreativität zur entscheidenden Fähigkeit macht. - **Führung im Wandel:** Die nächste Stufe der KI-Transformation wird laut Claudio die Führungskultur grundlegend verändern. Manager werden in Zukunft nicht nur Menschen, sondern auch KI-Agenten und ganze Agentensysteme leiten müssen. ## Zwei Welten der KI-Transformation: Geschäftsstelle vs. Sport Die Diskussion mit Claudio und Matthew offenbart, wie unterschiedlich der Einsatz von KI innerhalb einer einzigen Organisation aussehen kann. Auf der einen Seite steht Claudios Bereich, die Geschäftsstelle. Hier gleicht der VfL Wolfsburg vielen anderen mittelständischen Unternehmen. Der Fokus liegt auf der Effizienzsteigerung administrativer und kreativer Prozesse. Durch die flächendeckende Einführung von ChatGPT Enterprise für alle Mitarbeitenden konnten laut Claudio bereits erhebliche Erfolge erzielt werden. Konkret nennt er massive Kosteneinsparungen durch den Wegfall externer Dienstleistungen für Content-Erstellung, wie Live-Ticker oder Übersetzungen, sowie eine geschätzte Zeitersparnis von durchschnittlich 45 Minuten pro Mitarbeiter und Woche. Die KI dient hier als Werkzeug zur Automatisierung von Routineaufgaben und zur Unterstützung bei Text- und Bildgenerierung. Auf der anderen Seite steht Matthews Welt im Sportbereich, die technologisch einer hochspezialisierten Datenanalyse-Firma gleicht. Hier spielen generative LLMs eine untergeordnete Rolle. Stattdessen dreht sich alles um prädiktive KI und Machine Learning. Das Ziel ist nicht die Automatisierung von Büroarbeit, sondern die Optimierung der sportlichen Leistung auf dem Platz. Sein Team nutzt riesige Datenmengen - von GPS-Trackern der Spieler im Training bis zu 3,6 Millionen Datenpunkten pro Spiel aus den Stadionkameras -, um Muster zu erkennen, Wahrscheinlichkeiten zu berechnen und die Trainer bei taktischen Entscheidungen zu unterstützen. Die KI agiert hier als Analyse-Engine, die komplexe Zusammenhänge im Spielgeschehen sichtbar macht, die dem menschlichen Auge verborgen bleiben. ## Der Mensch im Mittelpunkt: Claudios Erfolgsrezept für die KI-Einführung Ein zentraler Erfolgsfaktor für die Einführung von KI in der Geschäftsstelle war Claudios menschenzentrierter Ansatz. Anstatt die Technologie als reines IT-Thema zu behandeln, wurde sie in seiner Innovationsabteilung verankert, die auf Transformationsprozesse spezialisiert ist. Er erkannte früh, dass die größte Hürde nicht die Technik, sondern die Akzeptanz der Mitarbeiter ist. Um Ängste abzubauen und Neugier zu wecken, organisierte sein Team spielerische Formate wie Mitarbeiter Experience Sessions. Dort konnten Angestellte ohne Druck verschiedene KI-Tools und sogar Technologien wie die Apple Vision Pro ausprobieren. Dieser Ansatz schuf eine offene und vertrauensvolle Atmosphäre. In den darauffolgenden Workshops wurde bewusst vermieden, über die abstrakten Möglichkeiten von KI zu philosophieren. Stattdessen skizzierten die Teams ihre eigenen, alltäglichen Arbeitsprozesse. Erst dann wurde gemeinsam analysiert, an welchen Stellen ein LLM wie ChatGPT konkrete Teilschritte übernehmen und den Prozess vereinfachen könnte. Aus dieser Methode entstanden über 250 identifizierte Anwendungsfälle, darunter auch der kreative Case des Rasen-GPTs. Dieser Ansatz stellt sicher, dass die KI-Lösungen echte Probleme lösen und von den Mitarbeitern als wertvolle Hilfe und nicht als Bedrohung wahrgenommen werden. ## Die Datenflut im Profisport: Matthews datengetriebener Ansatz Im Profisport ist eine datengetriebene Kultur bereits fest verankert. Matthews Herausforderung ist nicht der Mangel an Daten, sondern deren schiere Menge und Komplexität. Sein Team sammelt alles: physische Leistungsdaten aus dem Training, Gesundheitswerte und detaillierte Positions- und Eventdaten aus jedem Spiel. Allein die Bewegungsdaten der Spieler und des Balls umfassen 25 Datenpunkte pro Sekunde. Diese Daten fließen in eine zentrale Plattform, die als Grundlage für alle Analysen und KI-Modelle dient. Die spannendsten Anwendungsfälle sieht Matthew im Live-Einsatz während eines Spiels. Ziel ist es, den Analysten auf der Tribüne eine Art Cockpit zu bieten, das in Quasi-Echtzeit taktische Informationen liefert. KI-Modelle können beispielsweise automatisch Passmuster des Gegners erkennen, sich öffnende Räume identifizieren oder Formationswechsel prognostizieren - und das potenziell schneller und präziser als das menschliche Auge. Diese Informationen können dann in der Halbzeitpause oder bei Spielunterbrechungen an das Trainerteam weitergegeben werden, um taktische Anpassungen vorzunehmen. Es geht nicht darum, den Trainer zu ersetzen, sondern ihm eine zusätzliche, datengestützte Entscheidungsgrundlage zu liefern. ## Blick in die Zukunft: Von KI-Agenten und Echtzeit-Simulationen Für die Zukunft sehen beide Experten eine noch tiefere Integration von KI. Claudio prognostiziert, dass der nächste große Schritt die Agentisierung ganzer Arbeitsprozesse sein wird, bei der KI-Systeme autonom Aufgaben ausführen. Dies wirft jedoch grundlegende Fragen zur Unternehmensstruktur und zur Führung auf. Führungskräfte müssten lernen, nicht mehr nur Menschen, sondern auch intelligente Agenten zu managen. Im Sportbereich erwartet Matthew eine weitere Datenexplosion. Schon bald sollen sogenannte Skelett-Daten verfügbar sein, die nicht nur die Position, sondern die genaue Körperhaltung und Bewegung jedes Spielers erfassen. Dies erhöht die Datenpunkte pro Spiel von 3,6 Millionen auf geschätzte 40 Millionen. Solche detaillierten Daten ermöglichen weitaus komplexere Analysen und Simulationen, beispielsweise zur Bewertung potenzieller Transfers oder zur Vorhersage der Auswirkungen einer bestimmten Startelf. In einer Welt, in der Daten und Analysewerkzeuge allgegenwärtig sind, wird laut Matthew die menschliche Kreativität bei der Formulierung der richtigen Fragen und der Interpretation der Ergebnisse zum entscheidenden Wettbewerbsvorteil. ## Praktische Schritte zur KI-Einführung Aus Claudios Erfahrungen in der Geschäftsstelle lassen sich konkrete Schritte für eine erfolgreiche KI-Implementierung in jedem Unternehmen ableiten. Wenn du eine ähnliche Transformation planst, können dir diese Punkte als Leitfaden dienen: 1. **Verständnis und Vertrauen schaffen:** Beginne nicht mit der Technik, sondern mit den Menschen. Organisiere offene, spielerische Formate, in denen Mitarbeiter ohne Leistungsdruck erste Berührungspunkte mit KI haben. Reduziere Eintrittsbarrieren und baue eine Kultur der Neugier auf. 2. **Problemorientierte Workshops durchführen:** Führe Workshops durch, die sich auf die realen Schmerzpunkte und Arbeitsabläufe der Mitarbeiter konzentrieren. Lasse die Teams ihre Prozesse visualisieren und identifiziert dann gemeinsam, wo KI als Werkzeug einen echten Mehrwert schaffen kann. 3. **Fokus auf Nutzerfreundlichkeit legen:** Bei der Tool-Auswahl ist nicht immer das leistungsstärkste Modell die beste Wahl. Ein bekanntes und einfach zu bedienendes Tool wie ChatGPT kann die Adoption erheblich beschleunigen, da es die Hürden für den Einstieg niedrig hält. 4. **Datenstrategie frühzeitig angehen:** Eine saubere, zugängliche und zentralisierte Datenbasis ist das Fundament für fast alle fortgeschrittenen KI-Anwendungen. Auch wenn du mit einfachen LLM-Anwendungen startest, solltest du parallel daran arbeiten, Datensilos aufzubrechen und eine klare Datenstrategie zu entwickeln. --- 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.