Discover
Beyond AI
Beyond AI
Author: Beyond AI
Subscribed: 19Played: 947Subscribe
Share
© Copyright 2026 Beyond AI - The Erium Podcast
Description
Jeden Tag passiert etwas in der Welt der KI, von dem die meisten Menschen nie erfahren.
Nicht weil es geheim ist sondern weil es fast niemand so erklärt, dass es wirklich hängen bleibt.
Beyond AI ändert das. Dr. Theo Steininger arbeitet seit fast zehn Jahren täglich mit KI nicht nur auf Konferenzbühnen, sondern mit echten Unternehmen, echten Daten und echten Problemen. In diesem Podcast nimmt er uns mit in diese Welt: Was die Modelle heute wirklich können, wo sie noch kläglich scheitern und was das für die Art bedeutet, wie ganze Branchen arbeiten und entscheiden. Gemeinsam mit Gästen aus Forschung, Industrie und der Praxis jeder mit seinem eigenen Blickwinkel darauf, was KI in ihrer Welt gerade wirklich verändert. Immer nah an der Realität. Immer ehrlich. Nie abstrakt.
Für alle, die wissen wollen, was wirklich passiert nicht nur, was gerade im Trend liegt.
Nicht weil es geheim ist sondern weil es fast niemand so erklärt, dass es wirklich hängen bleibt.
Beyond AI ändert das. Dr. Theo Steininger arbeitet seit fast zehn Jahren täglich mit KI nicht nur auf Konferenzbühnen, sondern mit echten Unternehmen, echten Daten und echten Problemen. In diesem Podcast nimmt er uns mit in diese Welt: Was die Modelle heute wirklich können, wo sie noch kläglich scheitern und was das für die Art bedeutet, wie ganze Branchen arbeiten und entscheiden. Gemeinsam mit Gästen aus Forschung, Industrie und der Praxis jeder mit seinem eigenen Blickwinkel darauf, was KI in ihrer Welt gerade wirklich verändert. Immer nah an der Realität. Immer ehrlich. Nie abstrakt.
Für alle, die wissen wollen, was wirklich passiert nicht nur, was gerade im Trend liegt.
126 Episodes
Reverse
Wer täglich mit einer KI-App arbeitet, weiß ziemlich genau, was noch besser gehen könnte. Welche Schritte Zeit kosten, welcher Button wirklich hilft und welche Sonderfälle regelmäßig auftauchen. Dieses Wissen ist Gold wert, wenn aus einer ersten Idee ein Werkzeug werden soll, das im Team gerne benutzt wird.
Theo und Maksim sprechen darüber, wie KI-Apps nach dem Go-live weiterentwickelt werden. Maksim hat eine klare Vorstellung davon, wer dabei die Verantwortung übernehmen sollte: jemand, der die Anwendung selbst nutzt und die Arbeit dahinter kennt. Die technische Unterstützung können IT oder ein AI Center of Excellence liefern – etwa beim Testen, bei Modellwechseln und mit gemeinsamen Standards.
Die beiden zeigen, wie gute Testfälle dabei helfen, Verbesserungen verlässlich einzuführen. Sie besprechen auch, wie aus einem Funktionswunsch eine passende Lösung wird. Manchmal ist das ein neuer Button. Manchmal übernimmt ein KI-Agent die seltene Zusatzaufgabe, und die Oberfläche bleibt angenehm übersichtlich.
Am Beispiel einer Meetinganalyse wird es konkret: Vertrieb und Projektmanagement brauchen unterschiedliche Auswertungen, können aber dieselbe technische Grundlage nutzen. Gemeinsame Daten und ein vertrauter Aufbau machen es leichter, Anwendungen miteinander zu verbinden und gezielt zu erweitern.
Zur Weiterentwicklung gehört auch das Vereinfachen. Manche Aufgaben, für die früher aufwendige Speziallösungen nötig waren, lassen sich inzwischen direkt an einen Agenten übergeben. So entsteht wieder Zeit für die Ideen, die im Arbeitsalltag tatsächlich etwas bringen.
Die ersten Apps werden übers Wochenende gebaut, die Ideenliste wird immer länger. Doch wenn Bugs behoben und die Anwendungen gepflegt werden müssen, sind manche der größten KI-Fans schon beim nächsten Tool.
Viktoria und Theo kennen das aus Kundenprojekten und aus dem eigenen Team. Sie sprechen darüber, was nach der ersten Begeisterung passiert und welche Leute ein KI-Projekt langfristig weiterbringen. Dabei treffen sehr unterschiedliche Reaktionen aufeinander: Manche wollen sofort alles ausprobieren, andere finden jeden Fehler. Einige haben Angst um ihren Job. Und wieder andere nicken freundlich, loggen sich aber nie ein.
Gerade die Nörgler können ziemlich hilfreich sein. Wer genau zeigt, was bei der praktischen Arbeit nicht funktioniert, gibt dem Team die Chance, eine App, einen Bot oder einen Agenten besser zu machen. Das setzt allerdings voraus, dass Kritik ernst genommen wird – auch wenn schon viel Arbeit in der Lösung steckt. Die beiden erzählen, wie sie mit den verschiedenen Nutzertypen umgehen, wann ein Gespräch unter vier Augen hilft und welche Sorgen sich nicht einfach wegreden lassen.
Außerdem geht es darum, aus den vielen Ideen die passenden auszuwählen. Nicht alles muss umgesetzt werden, nur weil es mit KI inzwischen möglich ist.
Das ERP bei WP Kemper ist dreißig Jahre alt. Microsoft Copilot war nach rund einem halben Jahr wieder raus. Johannes Rohde verantwortet beim Hersteller von Maschinen für Großbäckereien die digitale Transformation. Er erzählt Theo, was beim Copilot-Test nicht funktioniert hat und weshalb sein Team lieber ChatGPT nutzt.
An Arbeit mangelt es auch ohne Copilot nicht: Über die Jahre sind rund um das alte ERP zahlreiche Access-Datenbanken, Excel-Listen und einzelne Lösungen entstanden. Ein zentrales Data Warehouse soll den Zugriff auf die Daten vereinfachen und einen späteren ERP-Wechsel erleichtern.
Bei neuen Apps setzt Johannes auf die Mitarbeiter aus den Fachabteilungen. Zwölf Ideen stehen auf der Liste. Eine davon kommt direkt aus der Produktion: Eine App soll die Bereitschaftsplanung erleichtern, inklusive Urlaubswünschen und der Frage, wer letztes Weihnachten schon dran war. Die IT unterstützt bei der Umsetzung mit Power Apps. Trotzdem bleibt einiges zu lernen – und Zeit, die neben dem Tagesgeschäft erst einmal gefunden werden muss.
Für diese selbst gebauten Helfer gilt eine klare Grenze: Fällt eine App aus, muss die Arbeit trotzdem weitergehen können. Theo und Johannes besprechen, wie Mitarbeiter selbst Verbesserungen umsetzen können, ohne dass die Firma von einer schlecht betreuten Anwendung abhängig wird.
Auch im Service gibt es einiges zu tun. Nach mehreren Monaten Montage steht im Bericht manchmal nur: „Maschine aufgestellt“. Johannes hat konkrete Ideen, wie KI den Technikern die Dokumentation erleichtern könnte – damit ihre Arbeit ausführlicher festgehalten wird, ohne dass sie dafür länger am Schreibtisch sitzen müssen.
Mitarbeiter bezahlen ChatGPT aus eigener Tasche, damit sie ihre Arbeit erledigen können. Die Firma findet’s praktisch. Theo und Maksim eher nicht. Denn während noch über die offizielle KI-Freigabe diskutiert wird, landen längst Firmendaten in privaten Accounts – und nebenbei entstehen Apps, von denen die IT noch nie gehört hat.
Dabei ist Selberbauen mit KI längst eine ernsthafte Alternative zum Softwarekauf. Theo und Maksim sprechen darüber, wann es sich lohnt, alte Software abzulösen, und was man besser weiterhin einkauft. Für die Reisekostenabrechnung fällt die Entscheidung anders aus als für einen Prozess, der die Firma von ihrer Konkurrenz unterscheidet. Und manchmal ist die Wartungsrechnung für das alte System das überzeugendste Argument für einen Neubau.
Nur ist eine schnell gebaute App noch lange nicht fertig betreut. Solange jemand damit einmalig eine Auswertung macht, bleibt vieles überschaubar. Sobald die Kollegen jeden Morgen darauf angewiesen sind, braucht es jemanden, der weiß, wo sie läuft, wie man sie repariert und wer während seines Urlaubs übernimmt. Die beiden besprechen, wie Unternehmen solche Ideen aus dem Team aufgreifen können, bevor daraus die nächste heimlich betriebene Firmen-IT wird. Denn Schatten-KI verschwindet kaum, solange die erlaubte Alternative den Leuten ihre Arbeit schwerer macht.
„Da gibt es keine Ausnahmen.“ Bei diesem Satz wird Viktoria in KI-Projekten hellhörig. Denn was für die Kollegen seit Jahren zum Alltag gehört, landet noch lange nicht im Testdatensatz. Die Demo funktioniert, beim Rollout stolpert die Lösung über das dritte Dokument – und plötzlich müssen die Leute nacharbeiten, denen die KI eigentlich Arbeit abnehmen sollte.
Viktoria und Theo sprechen darüber, wie man solche Überraschungen früher findet. Das beginnt schon bei der Auswahl des Problems: Der erste Use Case, den jemand in die Runde wirft, ist selten gründlich durchgerechnet. Und hinter dem Wunsch, zwei Excel-Tabellen loszuwerden, steckt manchmal eine IT-Landschaft, die komplett umgebaut werden müsste.
Dann geht’s ans Datenchaos: Erst aufräumen oder gleich die KI drauflassen? Die beiden besprechen, wo sie beim Sortieren hilft und wo sie bloß mit viel Rechenleistung überspielt, dass niemand weiß, welche Daten eigentlich stimmen. Das kann in einer Demo beeindruckend aussehen. Die Rechnung für den täglichen Betrieb möchte man trotzdem nicht bezahlen.
Außerdem geht es um die Leute, die so ein Projekt zusammenhalten: jemanden, der die Sonderfälle kennt, jemanden, der Entscheidungen trifft – und eine Verbindung zwischen dem, was die Mitarbeiter brauchen, und dem, was die Geschäftsführung vorhat.








