OMR Podcast: Wie deutsche Unternehmen KI wirklich einsetzen

Nur 17 Prozent der deutschen Unternehmen setzen künstliche Intelligenz produktiv im Tagesgeschäft ein — der Rest experimentiert, plant oder wartet ab. Genau diese Lücke zwischen Anspruch und Wirklichkeit hat der OMR Podcast von Philipp Westermeyer in seiner aktuellen KI-Schwerpunktfolge unter die Lupe genommen und dabei ein differenziertes Bild gezeichnet, das weit über die übliche Tech-Euphorie hinausgeht.

Der OMR Podcast als Seismograf der deutschen Digitalwirtschaft

Der OMR Podcast gehört zu den meistgehörten Wirtschafts- und Digitalformaten im deutschsprachigen Raum. Westermeyer interviewt regelmäßig Gründer, Investoren und Manager, die nicht aus PR-Abteilungen sprechen, sondern aus der operativen Praxis. In der aktuellen Folge mit KI-Schwerpunkt wurde eine Frage verhandelt, die viele Unternehmen intern beschäftigt, öffentlich aber selten offen diskutiert wird: Was bringt KI tatsächlich, und was ist noch Versprechen?

Die Antworten, die dabei zutage kamen, lassen sich nicht auf einen einfachen Nenner bringen. Während einige Gesprächspartner von messbaren Effizienzgewinnen in der Content-Produktion, im Kundensupport oder in der Softwareentwicklung berichten, schildern andere ernüchternde Pilotprojekte, die nach wenigen Monaten still eingestellt wurden. Das Muster, das sich abzeichnet, ist bekannt aus der Technologiegeschichte: Frühe Anwender gewinnen Erfahrungswissen, der breite Markt hinkt hinterher.

Was Unternehmen wirklich tun — und was sie vorgeben zu tun

Die im Podcast diskutierten Praxisbeispiele decken sich mit dem, was Branchenbeobachter seit Monaten beschreiben: Es gibt eine wachsende Kluft zwischen Unternehmen, die KI strategisch verankert haben, und solchen, die mit isolierten Tools experimentieren, ohne eine übergreifende Strategie. Dabei lassen sich grob drei Kategorien von KI-Anwendern unterscheiden.

Die erste Gruppe sind die sogenannten Early Adopters — Unternehmen, die KI bereits tief in ihre Workflows integriert haben. Dazu zählen vor allem Tech-Startups, Marketingagenturen und größere Medienunternehmen, die generative KI für Texterstellung, Bildgenerierung und Datenanalyse nutzen. Hier sind die Effizienzgewinne real und messbar.

Die zweite Gruppe sind die Experimentatoren: Unternehmen, die aktiv testen, aber noch keine unternehmensweite Strategie entwickelt haben. Sie nutzen KI-Tools punktuell — etwa für die Zusammenfassung von Meetings, die automatische Beantwortung von Standardanfragen im Kundenservice oder die Unterstützung beim Schreiben von Code. Diese Gruppe ist zahlenmäßig die größte. Wer wissen möchte, was ein konkretes KI-Werkzeug im Büroalltag leisten kann, findet im Praxistest von Microsoft 365 Copilot im Arbeitsalltag eine detaillierte Einordnung.

Die dritte Gruppe sind die Abwartenden — oft mittelständische Unternehmen, die zwar den Handlungsbedarf erkennen, aber auf klarere Regulierung, niedrigere Einstiegshürden oder konkretere Erfolgsbelege warten. Gerade diese Gruppe wird durch die zunehmende Regulierungsdebatte in ihrer Zurückhaltung bestätigt. Was auf sie zukommt, beschreibt der Überblick zu EU AI Act in der Praxis und den konkreten Pflichten für Unternehmen ausführlich.

Konkrete Anwendungsfälle aus dem Podcast

Im OMR Podcast wurden mehrere konkrete Einsatzszenarien besprochen, die stellvertretend für breitere Trends stehen. Besonders häufig genannt wurde der Bereich Kundenkommunikation: Chatbots und KI-gestützte Assistenzsysteme übernehmen zunehmend die erste Anlaufstelle im Support, können Standardanfragen autonom bearbeiten und eskalieren komplexe Fälle an menschliche Mitarbeiter. Unternehmen berichten hier von Kosteneinsparungen im zweistelligen Prozentbereich.

Ein weiteres häufig diskutiertes Feld ist die interne Wissensverarbeitung. KI-Systeme, die auf unternehmenseigene Dokumente, Handbücher und Datenbanken zugreifen können, ermöglichen es Mitarbeitern, Informationen schneller zu finden und aufzubereiten — ein Anwendungsfall, der besonders in wissensintensiven Branchen wie Recht, Beratung und Versicherung an Bedeutung gewinnt. Dass sich auch große Beratungsunternehmen zunehmend von KI-Anbietern unter Druck gesetzt sehen, zeigt der Bericht über OpenAI und Anthropic, die in die Unternehmensberatung drängen.

Darüber hinaus sprachen die Podcast-Gäste über KI in der Logistik und Supply-Chain-Optimierung — ein Bereich, in dem Mustererkennungsalgorithmen bereits seit Jahren im Einsatz sind, nun aber durch große Sprachmodelle eine neue Dimension erhalten. Wer verfolgt, wie Plattformgiganten ihre Infrastruktur für externe Anbieter öffnen, findet relevanten Kontext im Artikel darüber, wie Amazon seine Logistikdienste für externe Unternehmen öffnet.

Fachkräftemangel trifft auf Automatisierungsdruck

Eine besonders kontroverse Diskussion im Podcast drehte sich um die Frage, ob KI Arbeitsplätze vernichtet oder schafft. Die Antwort, die sich aus den Gesprächen destillieren lässt, ist nuanciert: KI verändert Tätigkeitsprofile, bevor sie ganze Berufe ersetzt. Routineaufgaben in der Sachbearbeitung, der Textverarbeitung und der Datenerfassung werden schneller automatisiert als ursprünglich gedacht. Gleichzeitig entsteht neuer Bedarf an Personen, die KI-Systeme einrichten, überwachen und optimieren können. Eine fundierte Einschätzung dazu, welche Berufsfelder in Deutschland konkret unter Druck geraten, liefert die Analyse zu KI und Jobs in Deutschland und den tatsächlich gefährdeten Berufen.

Bitkom hat in einer aktuellen Befragung festgestellt, dass mehr als die Hälfte der Unternehmen, die KI einsetzen, gleichzeitig angeben, dass sie dadurch mehr qualifiziertes Personal benötigen — nicht weniger. Das klingt paradox, erklärt sich aber dadurch, dass KI-gestützte Prozesse neue Überwachungs-, Qualitätssicherungs- und Entwicklungskapazitäten erfordern.

Warum deutsche Unternehmen zögern — und was sie antreibt

Das Zögern vieler deutscher Unternehmen hat strukturelle Ursachen, die im Podcast ebenfalls angesprochen wurden. Allen voran steht die Datenschutzfrage: Wer KI-Systeme einsetzt, die auf Kundendaten oder interne Dokumente zugreifen, bewegt sich in einem regulatorischen Spannungsfeld zwischen der DSGVO, dem neuen EU AI Act und internen Compliance-Anforderungen. Viele Rechtsabteilungen reagieren mit Vorsicht — manchmal bis zur Lähmung.

Hinzu kommt das Problem der Qualitätskontrolle. Generative KI produziert Fehler, die auf den ersten Blick nicht erkennbar sind — sogenannte Halluzinationen, also sprachlich plausible, inhaltlich aber falsche Ausgaben. Für Unternehmen, die in regulierten Branchen tätig sind oder mit sensiblen Informationen arbeiten, ist das ein ernstes Risiko, das aufwendige Prüfprozesse erfordert.

Gartner hat in seinem aktuellen Hype-Cycle-Bericht festgestellt, dass generative KI den sogenannten Gipfel überschritten hat und sich nun im „Tal der Enttäuschungen" befindet — jenem Abschnitt, in dem frühe Übertreibungen auf nüchterne Praxiserfahrungen treffen. Das bedeutet nicht das Ende der Technologie, sondern den Beginn ihrer Reifung. IDC ergänzt, dass Unternehmen, die jetzt in Kompetenzaufbau investieren, mittelfristig erhebliche Wettbewerbsvorteile erzielen können.

Die Podcast-Debatte als Spiegel einer Branche im Wandel

Was den OMR Podcast in dieser Folge auszeichnet, ist nicht das Fehlen von Euphorie — die ist durchaus vorhanden —, sondern das Beharren auf Konkretion. Westermeyer und seine Gesprächspartner fragen nicht, ob KI die Arbeitswelt verändern wird, sondern wie, wann und unter welchen Bedingungen das gelingt. Das ist eine reifere Debatte als noch vor zwei Jahren, als viele Unternehmen allein durch das Vorhandensein eines KI-Strategiepapiers Investorenvertrauen gewinnen konnten.

Die Lehren, die sich aus den Fallbeispielen im Podcast ziehen lassen, klingen fast banal, sind in der Praxis aber schwer umzusetzen: KI-Projekte gelingen, wenn sie mit einem konkreten Geschäftsproblem beginnen, nicht mit einer Technologieauswahl. Sie scheitern, wenn interne Prozesse nicht angepasst werden, wenn Mitarbeiter nicht eingebunden sind oder wenn die Erwartungen an Automatisierungsgrade unrealistisch hoch sind.

Statista-Daten zeigen, dass die Investitionsbereitschaft in KI unter deutschen Unternehmen aktuell so hoch ist wie nie zuvor — zugleich aber auch die Skepsis gegenüber tatsächlichen Ergebnissen. Diese Ambivalenz ist nicht irrational, sondern Ausdruck einer Branche, die gelernt hat, aus Hype-Zyklen klüger zu werden. Podcasts wie jener von Philipp Westermeyer leisten dabei einen Beitrag, der über Unterhaltung hinausgeht: Sie dokumentieren den Stand einer kollektiven Lernkurve — und machen deutlich, dass der interessanteste Teil dieser Geschichte erst beginnt.