Wo KI wirklich hingehört: Das CEE-Exchange-Interview

Im CEE-Exchange-Podcast des WIIW Executive Network — dem Peer-Netzwerk des Wiener Instituts für Internationale Wirtschaftsvergleiche für Führungskräfte in Zentral- und Osteuropa — spricht Host Fred Schneider mit OptimusFlow-Gründer Till Oberhummer über die Frage, die in jedem KI-Gespräch untergeht: nicht *ob* KI funktioniert, sondern wo sie konkret hingehört. Till war rund 13 Jahre General Manager Österreich (mit Verantwortung für Zentraleuropa) bei Western Union und Convera und hat dort KI- und Digitalisierungsprojekte ausgerollt — von automatisiertem Kunden-Onboarding bis zur KI-Analyse von Kundengesprächen, die später europaweit übernommen wurde.

Das Problem: alle reden über KI, kaum jemand weist ROI nach

Eine zweite WIIW-Zahl untermauert es: Nur etwa jeder zehnte Manager sieht bei KI einen echten Effekt auf die White-Collar-Arbeit, mehr als ein Drittel nennt ihn „marginal“. Und als größten Produktivitäts-Bremsklotz nannten die Befragten nicht die Technik, sondern organisatorische Komplexität — rund doppelt so stark wie Technologie.

Warum große Organisationen hängenbleiben: Silos statt Technik

Die größte Hürde sind laut Till Silos — Wissens-Silos und die ungeklärte Frage, wer überhaupt zuständig ist: sitzt KI im Business, in der IT, bei Security? Dazu der globale Druck, vorne mitzuspielen. Das ist selten eine technische, sondern eine kulturelle und Change-Frage. Die meisten Piloten bleiben deshalb bewusst flach und schmal, damit sie niemanden wirklich betreffen — und genau deshalb passieren die echten Rollouts nie.

Automatisierst du einen komplexen Prozess, ohne die Komplexität vorher zu verstehen, passiert das Schlimmste: Es wird nicht adoptiert. Die Leute arbeiten an der neuen Automatisierung vorbei, weil sie nie eingebunden waren, das System als Black Box erleben und kein Vertrauen haben. Dann stirbt der Pilot — meist, weil von Anfang an nie definiert war, *was „gut“ eigentlich heißt.*

Erst messbar machen, was „gut“ heißt

Der wichtigste Schritt: ein messbares Ziel statt Fluff. Nicht „glückliche Kunden“, sondern „Wartezeit bis zum Agenten um 15 % senken“ oder „Tickets um 30 % reduzieren“. Dann ein Startpunkt mit Daten, ein Pilot in einer Abteilung, Messung täglich/wöchentlich — und Rückmeldung an die Leute, die das System nutzen. Sie müssen sehen, dass es ihnen hilft, nicht dass es sie ersetzt.

Der erste Prozess: langweilig, repetitiv, regelbasiert

Die Low-Hanging-Fruit ist immer ein manueller, repetitiver Prozess, der Menschen bindet. E-Mail-Triage ist das Paradebeispiel: Eine qualifizierte Person verbringt Zeit mit etwas, das keine Qualifikation braucht. Genau das lässt sich messbar automatisieren. Was Manager davon abhält, ist meist zweierlei: ein Mindset des Auf-Nummer-sicher-Gehens — niemand will im Vorstand der Innovations-Treiber sein, solange es keine tausendfach erprobte Standardlösung gibt — und der Hut aus Security, Datenschutz und Arbeitsrecht, unter den alles erst muss.

Human-in-the-Loop: Regeln zuerst, KI für die Kanten

Tills wichtigstes Konzept — und es bleibt das wichtigste: gib KI keine völlige Freiheit. Ein Large Language Model ist ein Wahrscheinlichkeitsmodell; bei 1.000 klaren Ja-Fällen sagt es statistisch irgendwann „Nein“. Deshalb die Kombination: 75 bis 85 % der Fälle laufen rein deterministisch über Regeln (reiner Code, kein LLM). Nur die Edge-Cases — etwas widerspricht sich, etwas ist unklar — bekommt die KI. Und liegt deren Konfidenz unter einem Schwellenwert (z. B. 80–90 %), geht der Fall an den Menschen in der Schleife.

Finanzen & Operations: das „KI-Brain“ als Single Source of Truth

Der größte Hebel in Finance/Ops laut WIIW-Research: der Zustand der eigenen Daten. KI hilft, fragmentierte Daten zu strukturieren — Cash-Flow-Planung, Liquidität, ein interaktives Dashboard. Daten kommen per API (z. B. Bank-Aggregatoren wie Finapi), aus der Rechnungs-Software direkt, oder via Auslesen von PDFs und Screenshots. Ziel ist ein „KI-Brain“ — eine Single Source of Truth, die du fragen kannst: „Worauf warten wir bei Projekt X?“ — und die dich proaktiv warnt, wenn die Liquidität unter eine Schwelle fällt oder ein Vertrag überfällig ist.

Der häufigste Fehler zu Beginn

Was Till immer wieder sieht: Manager unterschätzen den Disconnect zwischen der Lösung und den Menschen, die sie umsetzen. Große Vision, aber nicht in Häppchen heruntergebrochen. Sein Bild: „Wenn ich auf einem Pferd reite und du redest von einer Rakete, ist das ein riesiger Sprung.“ Erst die Kutsche, dann das Auto, dann das Fliegen. Kleine, schnelle Siege, klar messbar — auf der Ergebnis- und der Menschen-Seite — die die Angst nehmen und in die große Vision einzahlen.

Genau dieses Vorgehen — einen manuellen Prozess identifizieren, regelbasiert automatisieren, KI für die Kanten, Mensch in der Schleife — ist, was wir bei OptimusFlow für DACH-KMU bauen. Dokumentierte Cases findest du in unseren Referenzen.