Round-Table: KI zwischen Hype und Nutzen in der Praxis

Generative KI, ChatGPT & Co. haben das Thema Künstliche Intelligenz in die Mitte der Gesellschaft katapultiert – auch in die Unternehmenswelt. Aber was davon hat echte Substanz? Und wie kommen Unternehmen über die ersten Spielereien hinaus zu realem Business-Nutzen? Beim Round-Table kamen Entscheider unterschiedlichster Branchen zusammen – und Benny Gosper war mittendrin. Hier kommt seine persönliche Nachlese. 

Zwischen Buzzword und Business Case: Was lässt sich wirklich mit KI-Use-Cases erschließen – und was (noch) nicht? 

Ich bin Benny – Business Development Manager bei Medialine, Vater, Tech-Enthusiast und ehrlich gesagt: Ich liebe diese intensiven, direkten Gespräche mit Leuten, die nicht in der Theorie steckenbleiben, sondern konkret etwas bewegen wollen. Beim Round-Table zur KI, den wir gemeinsam mit DIGBIZ LEADER Media gehostet haben, waren Vertretern aus Energie, Produktion, Handel, Beratung und Gesundheitswesen zugegen. Es war für mich mehr als eine Podiumsdiskussion – es war ein Realitätscheck. 

Die zentrale Frage lautete: Welches Potenzial lässt sich JETZT mit KI Use Cases erschließen – für das reale operative Geschäft, nicht für die PowerPoint-Folie? 

Ein Round-Table mit Substanz – und einer wichtigen Gemeinsamkeit 

Mit dabei waren: 

• Rupert Schindler (Energie Steiermark AG) 
• Christian Neubauer (Barmherzige Brüder Österreich) 
• Simon Leski (Mayr-Melnhof Holz) 
• Eustachius Kreimer (K&Ö Service GmbH) 
• Sarah Stryeck (EY, vormals RCPHE) 
• Markus Löschnigg (Medialine AG Austria) 
• Und ich selbst – Benny Gosper (Medialine Group) 

Was uns verbunden hat: Wir alle haben Erfahrung mit KI-Projekten – und wissen deshalb auch, wo sie richtig Arbeit machen, nicht nur Magie versprechen. 

„Zu groß gedacht“ – mein Blick auf typische Fehler in KI-Projekten 

Ich sehe oft, dass Unternehmen ihre ersten KI-Projekte mit viel zu großen Visionen starten – und dann frustriert abbrechen. Ein Klassiker: „Wir bauen jetzt ein Chatbot-System für unseren Kundenservice, das alles versteht und jeden Fall lösen kann.“ 

Meine Rückfrage ist dann immer: 

 👉 Wie seid ihr strukturell aufgestellt? 

 👉 Gibt’s eine saubere Datengrundlage – oder liegt die Hälfte noch in Excel-Sheets oder gar in Köpfen? 

 👉 Habt ihr ein Team mit den Skills, um das System nicht nur zu bauen, sondern auch zu trainieren und weiterzuentwickeln? 

KI bedeutet: Kontinuierlich lernen, Feedback einbauen, Daten in Bewegung halten. Das ist keine Einmal-Aktion. Wer dafür keine Systematik etabliert, verliert die Kontrolle über sein eigenes Projektziel. 

Markus Löschnigg bringt’s auf den Punkt: KI ist (meist) Statistik – aber jetzt wird’s generativ 

Was mir besonders hängen geblieben ist, war ein Satz von Markus Löschnigg:

Genau das. Vieles von dem, was als revolutionär verkauft wird, gab’s in ähnlicher Form schon vor zehn, fünfzehn Jahren – besonders im Online-Handel oder in der Produktion. Das ist mehr als ein cleverer Vergleich – es ist ein Reality-Check für die Branche. Markus hat sehr deutlich gemacht, dass viele sogenannte KI-Lösungen eigentlich klassische datengetriebene Algorithmen sind, wie wir sie seit Jahrzehnten in Business Intelligence und Forecasting nutzen. 

Der Unterschied ist: Jetzt haben wir mehr Daten, mehr Rechenpower und neue Werkzeuge. Die Grundprinzipien bleiben, aber der Hebel ist größer. Der entscheidende Bruch mit der Vergangenheit liegt für ihn nicht in der Existenz von KI, sondern in der Skalierung und Systematisierung durch neue Datenmengen. Wo früher einzelne Reports aus strukturierten ERP-Systemen ausreichten, liegen heute Milliarden von Datenpunkten aus CRM, IoT, Kundenfeedback, Webtracking – verteilt, unstrukturiert und wachsend. Kein Mensch kann das mehr „per Excel“ bewältigen. 

Was ich an Markus’ Sicht besonders schätze: Er sieht KI nicht als Black Box, sondern als Teil eines Kontinuums. Für ihn ist der entscheidende Unterschied der generative Aspekt – also die Fähigkeit, aus bestehenden Daten neue Informationen zu erzeugen, nicht nur Muster zu erkennen. 

Und er hat auch auf etwas sehr Wahres hingewiesen:

Das kann ich aus meiner Praxis nur bestätigen. Wenn der Impuls nicht vom Business kommt, wird’s ein Technikprojekt ohne echten Mehrwert. 

Der Realitätscheck aus den Branchen – und was ich daraus mitnehme 

Besonders ehrlich und reflektiert waren die Statements von Rupert Schindler (Energie Steiermark) und Christian Neubauer (Barmherzige Brüder). 

Rupert meinte: „Beim Proof of Concept sieht alles gut aus. Im Kerngeschäft mit echten Daten stößt KI schnell an ihre Grenzen.“ 

Das erlebe ich oft genauso. Viele KI-Tools glänzen im Demo-Modus, aber wenn sie in produktive Systeme integriert werden sollen, beginnt die harte Arbeit – an Datenqualität, an Schnittstellen, an Change Management. 

Christian brachte einen anderen, extrem wichtigen Punkt: „KI funktioniert nicht, wenn der Mensch nicht mitgeht. Es braucht echtes organisationales Buy-in.“ 

Wenn eine Ärzte-Hotline plötzlich von einem Chatbot beantwortet wird, verliert man sofort das Vertrauen der Nutzer– auch wenn der Bot technisch vielleicht gar nicht schlecht ist. Erfolg misst sich nicht nur an Genauigkeit, sondern auch an Akzeptanz und Wirkung im Alltag.

Was ich Unternehmen bei KI-Use-Cases empfehle 

Ich rate Unternehmen immer: Fangt nicht bei der Technologie an, sondern bei der Frage: Wen wollt ihr mit KI konkret entlasten – und wie? Zwei typische Nutzenhebel kristallisieren sich aus meiner Erfahrung klar heraus: 

1. 📈 Produktivitätsgewinn durch Entlastung, z. B. automatische Protokollerstellung nach Meetings, intelligente Priorisierung im Service, Vorschlagslogik bei E-Mails oder Dokumentenprüfung.
2. 💰 Zusätzliche Wertschöpfung durch neue Modelle, z. B. Upselling durch smarte Produktempfehlungen, prädiktive Wartung in der Produktion, Forecasts in der Supply Chain. 

Und: Startet klein. Ein Ziel wie „90 % Trainingsgenauigkeit“ bei einem Use Case ist pragmatisch, machbar und ein guter Startpunkt für Iterationen. Lasst euch nicht verrückt machen von 100 %-Visionen – die kommen vielleicht später, aber nicht am Anfang. 

KI braucht Struktur – nicht nur gute Ideen 

Was ich besonders wichtig finde: KI-Projekte sind keine Inseln. Sie brauchen eine tragfähige Architektur. Das heißt: 

• Zentrale Feedback-Schleifen aufsetzen 

• Ergebnisse versionieren und rückführbar machen 

• Compliance-Checks frühzeitig integrieren 

• Datenhaltung absichern (Backup, Recovery, Governance) 

• Und nicht zuletzt: die Infrastruktur so bauen, dass Modelle nachtrainiert und skaliert werden können 

Deshalb arbeiten wir bei Medialine mit Plattformansätzen, die Flexibilität und Governance kombinieren. Nur so lassen sich Systeme entwickeln, die nicht nur funktionieren, sondern auch reifen. 

Fazit: KI ist keine Abkürzung – aber ein lohnender Weg 

Was ich aus dem Round-Table mitgenommen habe? 

 KI ist weder Magie noch Enttäuschung – sondern ein Werkzeug. Und wie bei jedem Werkzeug hängt der Nutzen davon ab, wer es einsetzt, mit welcher Idee und auf welcher Grundlage. 

Ich bin fest davon überzeugt: 

 👉 KI wird Teil der DNA moderner Unternehmen. 

 Aber das passiert nicht automatisch. Es braucht Mut, Struktur, realistische Ziele und gute Partner. 

Für mich ist klar: Unternehmen, die jetzt die ersten belastbaren, echten Use Cases umsetzen – nicht nur als Showcase, sondern im Kerngeschäft – haben einen massiven Vorsprung. 

Und wenn ich als Vater (denn ja, bin ich auch!) eine Sache gelernt habe, dann: Manchmal geht es nicht darum, alles sofort zu verstehen – sondern darum, dranzubleiben und kontinuierlich zu lernen. 

So ist es auch mit KI. 

Kontaktformular

Sind wollen mehr über KI für Ihr Unternehmen erfahren? Über das Kontaktformular stehen wir Ihnen gern jederzeit zur Verfügung.