KI-Adoption bei der Energieversorgung Mittelrhein

“KI ist kein Hype, sondern eine deutliche Veränderung für uns alle.”

Wie bringt man 1.000 Mitarbeitende zu KI? Markus Cramer, Senior Projekt- und Anwendungsmanager für Künstliche Intelligenz, Energieversorgung Mittelrhein (evm), gibt im Podcast AI & Why von Simon Biela einen selten offenen Einblick. Es geht um Adoption und Governance, die nicht bremst. Und um Use Cases, die im Alltag wirklich entlasten.

‍

Markus, ganz provokant zum Start: Wie viel von eurem KI-Erfolg ist echte Veränderung im Unternehmen und wie viel ist einfach gute interne Kommunikation?

‍

Veränderung ist ein langer Weg. Irgendwann bist du vielleicht tatsächlich ein durchgetaktetes KI-Unternehmen, in dem jeder Mitarbeiter automatisch darüber nachdenkt, wie er KI-Lösungen nutzen kann oder sie bereits im Arbeitsalltag einsetzt. Momentan ist das weder bei uns noch in vielen anderen Unternehmen der Fall.

‍

Unser Projekt hat das Thema “Begleiten von KI” im Fokus. Viele Mitarbeiter verstehen inzwischen, dass KI kein Hype ist, sondern eine deutliche Veränderung für uns alle. Und trotzdem gibt es Bereiche, da ist es noch nicht angekommen. Das ist frustrierend, weil der Weg steinig ist. Aber es ist der Weg, den du gehen musst. Und bei 1.000 Mitarbeitern gilt, dass wenn du schon mal die ersten im Boot hast, dann ist das erstmal ein guter Start. Und dann schauen wir, wo wir in zwei Jahren stehen.

‍

Was unterscheidet die Bereiche, in denen KI gut angenommen wird, von denen, wo es nicht so ankommt? Liegt das an den Menschen oder ist es das Berufsbild?

‍

Das ist eine Kombination von beidem. Wenn du in einem technischen Bereich bist, dann bist du vielleicht relativ weit weg von digitalen Lösungen. Du musst eine gewisse digitale Affinität auch für KI haben und ein Verständnis, wie Daten funktionieren.  Ich rede fast immer über Daten und Prozesse und ganz wenig darüber, wie Sprachmodelle funktionieren.

‍

‍

Und dann musst du KI-Lösungen auch anbieten. Ein Beispiel ist der Microsoft Copilot-Chat. Im Kundenservice ist das recht klar und die Anwendungsfälle sind sehr schnell und sehr konkret zu identifizieren. Dazu gehört etwa ein optimiertes Kundenanschreiben zu erstellen oder Anfragen strukturiert zu beantworten. Das sind unmittelbare, praxisnahe Hilfen, die Teams ohne lange Vorlaufzeit einsetzen können.

‍

In anderen Bereichenist die Situation deutlich anders. Dort ist der Copilot Chat vielleicht nur wenig im Einsatz. Entsprechend muss man differenziert prüfen, welche Fachbereiche welchen Bedarf haben, welche Lösungen heute bereits passen, welche morgen relevant werden und welche Fähigkeiten oder Tools gegebenenfalls erst beschafft werden müssen. Erst daraus ergibt sich ein tragfähiger Weg für die Einführung.

‍

Wie habt ihr angefangen?

‍

Wir sind im November 2023 gestartet. Am Anfang war der Auftrag bewusst offen. Wir haben uns mit regionalen Unternehmen und anderen Energieversorgern unterhalten und uns ein Bild verschafft, was KI ist und was das für uns bedeuten kann. In den ersten Monaten haben wir uns dann zusammen hingesetzt und konkretisiert. Welche Quick Wins gibt es, wie gehen wir praktisch damit um und wie bauen wir das strategisch auf. Gemeinsam mit einem Beratungspartner haben wir daraus Ziele abgeleitet, mittelfristig wie langfristig, und uns auf eine Richtung verständigt. Diese Linie verfolgen wir seitdem relativ stringent.

‍

Klingt erstmal ziemlich „frei“. Aber viele Unternehmen sagen: Ohne ROI, ohne harte Zahlen läuft gar nichts. War das bei euch ein Thema?

‍

Zu Beginn hieß es bei uns vor allem, sich die Technologie anzuschauen und zu bewerten, was sie für uns bedeutet und welche Auswirkungen sie haben kann. Ab dem Moment, in dem man konkreter wird, landet man zwangsläufig bei einer ROI-Betrachtung. Man könnte theoretisch sagen: 50.000 Prompts, jede Anfrage spart eine Minute und multipliziert mit einem Stundensatz ergibt das eine schöne Zahl. So sauber lässt sich das in der Praxis aber nicht rechnen.

‍

Was wir stattdessen sehr klar wahrnehmen, ist Entlastung im Alltag. Kollegen und Kolleginnen berichten, dass KI bei bestimmten Themen spürbar entlastet oder ermöglicht, deutlich mehr zu leisten. Und dieser Punkt ist für uns als Energieversorger zentral. Wir stehen unter hohem Druck und kommen von einer Krise in die nächste. Gleichzeitig müssen wir die Energiewende stemmen. Netze umbauen mit bestehendem Personal ist schwer vorstellbar. Dafür brauchen wir digitale Entlastung, und KI kann dabei ein wichtiger Baustein sein. Parallel muss das Basisgeschäft natürlich weiterlaufen.

‍

Funktioniert KI-Transformation neben dem normalen Job oder braucht es Menschen, die wirklich Zeit dafür haben?

‍

Wenn man eine digitale Transformation ernsthaft betreibt, gehört eine KI-Transformation heute dazu und dafür braucht es Menschen mit klaren Rollen und auch Zeit. Bei uns war es am Anfang so, dass wir zunächst überhaupt verstehen mussten, was wir eigentlich brauchen und wie wir das sinnvoll organisieren. Ohne Verantwortlichkeiten, die zumindest eine zentrale Steuerung übernehmen, wird es aus meiner Sicht schwierig.

‍

„Nebenbei“ funktioniert das nur sehr begrenzt. Dann probiert man vielleicht mal einen Prompt aus, aber die entscheidenden Themen bleiben liegen. Governance, die Mitnahme zum Beispiel vom Betriebsrat und die Einbindung der Mitarbeitenden müssen vorbereitet und begleitet werden. Dafür braucht es auch immer eine saubere Diskussionsgrundlage. Das kostet Zeit. Ich war zu Beginn zu 30 bis 40 Prozent meiner Arbeitszeit dafür freigestellt, und das ist, ehrlich gesagt, eher das Minimum, wenn man nicht direkt größere Teams aufsetzt.

‍

Wie habt ihr dann skaliert? Also vom Kernteam hin zu vielen, die das weitertragen?

‍

Der zweite Schritt war der Aufbau eines Teams aus dem gesamten Unternehmen. Dafür haben wir zwölf Personen aus zentralen Kernbereichen zusammengebracht, gezielt qualifiziert. In ihren Bereichen haben sie dann als Multiplikatoren gewirkt. Parallel dazu haben wir eine Reihe von Aufklärungs- und Informationsformaten umgesetzt, um das Thema im Unternehmen zu verankern. Da ging es darum, was KI ist, wie sie funktioniert und wo sie ganz konkret unterstützen kann.  Aus diesen Formaten heraus haben wir auch gemeinsam überlegt, welche Prompts zum Start für einzelne Bereiche sinnvoll sind, um die Einstiegshürde bewusst niedrig zu halten und erste Anwendungen schnell möglich zu machen.

‍

Von Beginn an haben wir außerdem den Betriebsrat eingebunden. Er wird fortlaufend informiert, weiß, welche Vorhaben wir verfolgen, wie die Lösungen funktionieren und welche Ergebnisse wir sehen. Und bei Themen, bei denen es Klärungsbedarf gibt, ist für uns selbstverständlich, dass wir darüber gemeinsam sprechen.

‍

Governance ist ja oft der Punkt, wo Innovation stirbt. Wie jongliert ihr Datenschutz, ISMS, Betriebsrat, ohne dass alles stehen bleibt?

‍

Für uns sind klare Prozesse der entscheidende Hebel. Im Unternehmen gibt es dafür feste Rollen und Zuständigkeiten, etwa den Datenschutzkoordinator, Kollegen und Kolleginnen aus dem ISMS sowie den Betriebsrat, je nach Thema kommt auch der Personalbereich hinzu. Wenn ein neuer Use Case aufkommt, wird er gemeinsam bewertet und, wo erforderlich, auch rechtlich geprüft.

‍

Wir besprechen dann, wie wir mit dem Vorhaben umgehen. Daraus entsteht eine belastbare Bewertung, auf deren Basis wir eine Entscheidung treffen. Wichtig ist dabei das Miteinander. Es geht nicht darum, Innovation auszubremsen, sondern sie sauber abzusichern. Gestoppt werden bei uns eher einzelne Tools als ganze Ideen. Häufig kommt jemand mit einem „super Tool“ um die Ecke, dann geht es um Dokumentation, Monitoring, Freigaben und auch um die Frage der Wirtschaftlichkeit. Und manchmal ist die Konsequenz dann schlicht, dass das für uns in Summe keinen Sinn ergibt. Also führen wir es nicht ein.

‍

Wo kommen bei euch die Use Cases her und was heißt das konkret, wenn „1.000 Mitarbeitende zu KI“ nicht nur eine Folie sein soll?

‍

Zunächst einmal haben wir nicht „80 Use Cases umgesetzt“, sondern systematisch eingesammelt. Insgesamt sind dabei 130 Ideen zusammengekommen, unter anderem über eine Mitarbeiterbefragung, bei der wir ganz konkret herausfinden wollten, welche Use Case gesehen werden und welche Ideen vorhanden sind.

‍

Zusätzlich treiben wir die Identifikation und Konkretisierung über eine interne Community. Sie umfasst rund 80 Personen, bei uns heißen sie „WicKInger“. Die KI-Assistenten nennen wir „WicKIs“. Das Ganze war am Anfang bewusst nah am Thema Wissensmanagement aufgebaut. Die Wikinger gehen in die Bereiche und Teams, zeigen konkrete Möglichkeiten und helfen dabei, aus einer Idee einen Ansatz zu machen, den man bewerten und weiterentwickeln kann.

‍

Wichtig ist dabei, nicht nur nach dem einen großen Leuchtturm zu suchen, sondern nach breiten, alltagstauglichen Themen. Ein weiteres Beispiel ist das Input-Management. Viele Bereiche erhalten täglich hunderte oder tausende E-Mails, die manuell sortiert und weitergeleitet werden. Wenn man dieses Muster erkennt, kann der nächste Schritt eine Automatisierung sein oder ein Assistent, der E-Mails zunächst klassifiziert. Anschließend schaut man in den Folgeprozess. Wo werden Informationen heute noch in Excel-Listen mit Fristen erfasst, und was lässt sich dort sinnvoll vereinfachen oder mit KI unterstützen? So wird aus einer ersten Idee Schritt für Schritt ein Prozess, den man strukturiert verbessern kann.

‍

Kann jeder Mittelständler von eurer Reise etwas lernen?

‍

Ich bin überzeugt: Das funktioniert grundsätzlich überall. Entscheidend ist, dass man sich vom reinen Technologie-Blick löst und stattdessen fragt, welchen konkreten Vorteil Mitarbeitende im Alltag haben. Wenn ich das als „alter“ Marketingmensch formuliere, geht es um den USP und Consumer Benefit, also um den Nutzen und nicht um KI als Selbstzweck.

‍

Dazu kommen zwei Grundlagen, die jedes mittelständische Unternehmen leisten kann, nämlich Mitarbeitende mitzunehmen und sie zu befähigen, die neuen Möglichkeiten sinnvoll zu nutzen. Welche Lösung dafür im Einzelfall die richtige ist, muss man sich natürlich anschauen. Aber es ist kein Hexenwerk, strukturiert vorzugehen und sich zu fragen, welche Bereiche haben wir, welche Aufgaben fallen dort an, welche Use Cases sind realistisch und was ist wirtschaftlich? Damit hat man ehrlich gesagt bereits einen großen Teil der Basisaufgabe erledigt. Und dann bleibt die Kür, nämlich die letzten zehn Prozent, die den Unterschied machen, zu sehen und umzusetzen.

Redaktioneller Hinweis: Dieses Interview basiert auf der AI & Why Podcast-Episode “Wie bringt man 1.000 Mitarbeitende zu KI?” mit Markus Cramer. Für eine bessere Lesbarkeit wurde das Gespräch redaktionell bearbeitet und sprachlich leicht angepasst, ohne die inhaltlichen Aussagen zu verändern.

Jetzt Podcast hören