AI & Transformation

Vier Situationen, ein Muster: KI ist Thema, aber selten schon Betriebsfähigkeit.

Bei Transport- und Infrastrukturunternehmen taucht KI meist schon auf der strategischen Agenda auf, einzelne Piloten laufen, aber ein Datenfundament, das Advertising- und Marketing-Anwendungsfälle zuverlässig trägt, fehlt häufig noch.

Bei Retail-Unternehmen wird KI oft für Personalisierung und Targeting diskutiert, doch die zugrunde liegenden Retail-Media-Daten sind selten sauber genug strukturiert, um mehr als oberflächliche Anwendungsfälle zu tragen.

Bei App- und Plattform-Anbietern existieren KI-Funktionen häufig schon im Produkt, etwa Empfehlungen, Chat oder Automatisierung, während KI im Advertising- und Marketingbereich meist eigenständig und unkoordiniert bleibt, mit unklaren Verantwortlichkeiten.

Bei Organisationen mit eigenen Mitgliederkanälen wird KI oft für Content-Erstellung getestet, aber selten mit der Frage verbunden, wie sie Mitgliederdaten und Targeting-Entscheidungen tatsächlich verbessern könnte.

In allen vier Fällen ist KI kein Fremdwort mehr, aber selten schon Teil eines belastbaren Betriebs. Was oft fehlt, ist die Reihenfolge: erst Datenfundament, Verantwortlichkeiten und Use-Case-Priorisierung, dann Skalierung. Genau das strukturiere ich, mit einem KI-Audit, der Datenlage, Prozesse und wirtschaftliche Hebel bewertet, oder mit direkter Begleitung beim Aufbau erster produktiver Anwendungsfälle.