Wir nutzen ChatGPT und andere KI-Werkzeuge für Texte, Bilder, Analysen und Entscheidungen. Doch wem gehört die Infrastruktur dahinter? Wo liegen unsere Daten? Wer verdient an der Nutzung – und wie viel Wissen und Wertschöpfung bleiben in Österreich oder Europa?
In Folge #35 von „Vom Hype zum Handeln“ spreche ich mit Julian Just von der AI Factory Austria darüber, wie Unternehmen trotz internationaler Plattformen handlungs- und entscheidungsfähig bleiben.
JETZT REINHÖREN in Folge 35 >> mit AI & Innovation Expert Julian Just
Einblicke und Tipps für eine souveräne KI-Nutzung
Souveränität ist nicht Autarkie
„Es geht jetzt nicht darum, autark zu sein. Es geht darum, Entscheidungsmöglichkeiten zu haben und Abhängigkeiten zu reduzieren.“
Julian Just
Unternehmen können weiterhin ChatGPT, Claude, Gemini oder andere internationale Angebote verwenden. Souverän handeln sie, wenn diese Entscheidung bewusst getroffen wird und echte Alternativen bestehen – etwa wenn sich Preise, Leistungen, Rechtslagen oder Geschäftsmodelle verändern.
Drei Dimensionen der KI-Souveränität
Julian unterscheidet drei Dimensionen, mit denen Unternehmen ihre Situation greifbar machen können:
Technologiesouveränität: Welche Wahlmöglichkeiten bestehen bei Hardware, Software und KI-Modellen? Kann das Unternehmen zwischen verschiedenen Technologien wechseln?
Datensouveränität: Wo liegen die Daten, wer kann darauf zugreifen und sind die Datenflüsse transparent? Das ist besonders wichtig bei sensiblen Unternehmens-, Personen- oder Gesundheitsdaten.
Betriebssouveränität: Kann eine KI-Anwendung selbst oder mithilfe eines geeigneten Partners betrieben werden? Sind Fachwissen, Rechenleistung und eine belastbare Betriebsstruktur vorhanden?
Für die meisten KMU ist ein eigenes Rechenzentrum keine realistische Lösung. Regionale Partner können Infrastruktur, Auslastung und Wissen bündeln. Besonders relevant ist das bei sensiblen Anwendungen, etwa in Krankenhäusern: KI kann administrative Aufgaben erleichtern, doch Gesundheitsdaten brauchen verlässliche technische, rechtliche und organisatorische Rahmenbedingungen.
Die Cloud hat einen Ort – und Eigentümer
„Die Cloud“ klingt leicht und ortlos. Tatsächlich steht dahinter eine physische und wirtschaftliche Infrastruktur: Energie, Flächen, Hardware, Kühlung und Fachkräfte. Darauf bauen Chips, Modelle, Plattformen und schließlich die konkrete Anwendung auf.
Diese Wertschöpfungskette hilft Unternehmen, genauer hinzuschauen:
Welche Technologie wird verwendet und wo wird sie betrieben?
Wer kontrolliert sie und wer profitiert wirtschaftlich?
Welche realistischen Alternativen gibt es?
Auch europäische Rechenkapazitäten internationaler Konzerne bedeuten nicht automatisch europäische Kontrolle oder regionale Wertschöpfung. Regionale Infrastruktur schafft mehr Gestaltungsspielraum, bringt aber auch Verantwortung für Energieversorgung, Kühlung und Umweltverträglichkeit mit sich.
Drei Hebel für mehr Wahlmöglichkeiten
1. Offene Modelle prüfen: Offene und sogenannte Open-Weight-Modelle können auf einer selbst gewählten Infrastruktur betrieben werden. Das kann mehr Kontrolle über Daten und Betrieb ermöglichen. „Offen“ bedeutet jedoch nicht automatisch „souverän“ – entscheidend bleibt, wer das Modell betreibt und welche Komponenten weiterhin von einzelnen Anbietern abhängen.
2. Das passende Modell wählen: Nicht jede Zusammenfassung, Klassifizierung oder interne Assistenzaufgabe benötigt das leistungsstärkste und teuerste System. Unternehmen sollten klären, welche Qualität tatsächlich gebraucht wird, welche Daten verarbeitet werden und ob ein kleineres oder europäisches Modell genügt.
3. Modular bauen: Wenn eine Anwendung fest mit einem Modell oder Anbieter verbunden ist, wird ein Wechsel teuer. Abstraktionsschichten und Werkzeuge wie LiteLLM können unterschiedliche Modelle über eine einheitliche Schnittstelle ansprechen und den Austausch erleichtern.
Ein praktischer Souveränitätscheck für Unternehmen
Nutzung erfassen: Welche KI- und Cloud-Dienste sind bereits im Einsatz?
Risiko bewerten: Welche Anwendungen und Daten sind besonders kritisch?
Bedarf prüfen: Braucht der Workflow wirklich dieses Modell und diesen Anbieter?
Wechselmöglichkeiten testen: Sind Modelle, Schnittstellen und Anbieter austauschbar?
Alternativen und Partner erproben: Welche offenen, europäischen oder regionalen Lösungen passen?
KI sollte dabei nicht nur auf bestehende Abläufe gesetzt werden. Manchmal ist es sinnvoller, vom gewünschten Ergebnis auszugehen und den Prozess mit den heutigen Möglichkeiten neu zu entwerfen.
Anlaufstellen und Alternativen
Die AI Factory Austria unterstützt KMU, Start-ups, Forschungseinrichtungen und öffentliche Institutionen bei Orientierung, Kompetenzaufbau, ersten Tests und der Vernetzung mit passenden Partnern.
Die Nennungen sind eine Ausgangsliste zur eigenen Prüfung und keine pauschale Empfehlung für jeden Anwendungsfall.
Fazit: Wahlmöglichkeiten entstehen nicht von selbst
KI-Souveränität beginnt nicht mit einem eigenen Rechenzentrum, sondern mit Transparenz: Welche Systeme nutzen wir, wohin fließen unsere Daten und welche Alternativen haben wir? Wer diese Fragen heute beantwortet, kann Kompetenzen, Partnerschaften und technische Wechselmöglichkeiten aufbauen – und morgen noch selbst entscheiden.
Über den Gast
Gesprächspartner
Julian Just ist AI & Innovation Expert bei der AI Factory Austria (AI:AT) und Postdoc-Forscher im Team Innovation and Entrepreneurship am Institut für Management und Marketing der Universität Innsbruck. Dort untersucht er, wie KI- und NLP-Systeme die frühe Phase von Innovationsprozessen verändern – vom Problemverständnis über die Ideenfindung bis zur Bewertung und Auswahl.
Host in Folge 35 ist Petra Liebl, Expertin für digitales Marketing mit KI und langjährige Unternehmensberaterin mit Schwerpunkt Marketing.
Mit ihrem digitalen und Marketing-Background geht es Petra darum, den Blick weg von Tools hin zum zentralen Erfolgsfaktor digitaler Transformation zu lenken: dem aktiven Gestalten von und für Menschen in Organisationen – und dabei Chancen ebenso wie kritisches Denken und Handeln im Umgang mit KI-Tools zu fördern.
Erfolgreiches Marketing beginnt nicht bei KI, sondern bei deinen Stärken, deiner Tonalität und deiner Zielgruppe. Deshalb hat Petra FELIX entwickelt: ein KI-Marketing-System für KMUs und Einzelunternehmer:innen, das markentreue Texte und Social-Media-Posts liefert – ganz ohne KI-Vorwissen.
Petra Liebl – Content Bakery: Als erfahrene Onlineexpertin und zertifizierte Digitalberaterin verbindet Petra Strategie, digitales Marketing und KI zu wirkungsvollen Online-Lösungen für Unternehmer:innen.
Videos mit KI erstellen: Was so simpel klingt, erfordert in der Praxis viel Arbeit – auch wenn es dank KI viele Helferlein gibt, um in Eigenregie hochwertige Videos zu erstellen. Vor allem jedoch steht am Anfang jeder erfolgreichen Kommunikation eine entscheidende Weichenstellung: Wie kann das Marketingziel erreicht und die gewünschte Wirkung erzielt werden?
Und genau dort trennt sich die KI-Spreu vom wirklichen Weizen, der auf das Ziel fokussiert.
Fakt ist: Die Produktion wird günstiger, der Zugang barriereärmer. Aber das vermeintliche Versprechen: Einfachheit und oder mehr Effizienz beim Erstellen von Videos mit KI – stimmt das wirklich?
Darüber spreche ich mit Felix Gorbach – der als Dozent die nächste Generation von Video-Produzenten ausbildet. Felix ist seit 20 Jahren in Medienbranche tätig, vielseitiger Künstler und Gründer der Blue Box Digital Video (2006).
Was macht den Unterschied zwischen Wunsch und Wirkung aus? Was macht gezielte Kommunikation im KI-Zeitalter aus?
KI-Demo: Zwischen Verlockung und Funktion
Keine Frage, KI hat Türen geöffnet und baut Barrieren ab. Was einst tagelang an Schnitt und Nachbearbeitung brauchte, lässt sich heute mit professionellen Tools und Wissen vielefach rascher realisieren. So entstehen Texte, Bilder und auch Videoanimationen oft von Menschen, die kein oder wenig Marketing- oder Produktionswissen mitbringen.
JETZT REINHÖREN in Folge 34 >> mit Medienexperte und Künstler Felix Gorbach
Felix verrät, was es für Wirkung wirklich braucht:
Die Rolle der Vorbereitung – das unsichtbare Drittel
Erfahrung in der Medienbranche zeigt: Das eigentliche Herz der Videoproduktion schlägt vor dem Dreh. Besonders, wenn es um Unternehmensidentität geht. Statt alles dem Zufall oder einer KI-Vorlage zu überlassen, investieren Profis ein Drittel der Gesamtzeit in strategische Fragen: Welche Botschaft steht im Zentrum? Welcher Nutzen soll transportiert werden? Und vor allem – wie kann die Zielgruppe am emotionalen Punkt abgeholt werden?
Ob klassisch oder mit KI produziert: Wer Wirkung will, muss liefern können, bevor das erste Bild entsteht. Die Vorarbeit bestimmt nicht nur die Richtung, sondern auch die Glaubwürdigkeit und Echtheit des Films. Gut geführte Marken setzen hier auf Werkzeuge wie das Markensteuerrad – es verankert Nutzen, Attribute, Tonalität und Bildsprache und schafft einen klaren Kompass für alles, was folgt.
Wo KI glänzt, und wo nicht
Markenführung und Storytelling – Menschen gefragt
Nehmen wir zwei Beispiele: Eine Friseurin startet mit voller Leidenschaft in die Selbstständigkeit, ein Buchhalter positioniert sich am Markt. Beide könnten die KI bitten, Social-Media-Videos zu erstellen. Ohne strategischen Input entstehen austauschbare Clips – beliebig und flüchtig.
Erst durch echte Geschichten und emotionale Anker, die bei echten Menschen zünden, wird ein Video zum Markenbotschafter. Emotionen und Motive sind zutiefst menschlich. KI kann mithelfen, eine Story nach einer Experten-Vorlage zu modellieren. Aber welcher Funke zündet – das bleibt eine menschliche und eine Expert:innen-Entscheidung.
Ein Beispiel aus Felix’ Praxis zeigt das deutlich: Die Vorbereitung ist alles, der Prozess deshalb entscheidend. 180 Stunden Vorbereitung für einen einzigen Jubiläumsfilm – nicht, um schöne Bilder zu komponieren, sondern um die Basis zu legen: Markenidentität fühlbar zu machen. Das unterscheidet beliebigen Video- und sonstigen Content von zielgerichteter Markenwirkung.
Social Media – Miniclips, Frequenz und das Spiel mit der Wiederholung
Die Zeit der großen Imagefilme ist – zumindest auf Social Media – vorbei. Was zählt, sind Miniclips und Wiedererkennungswert. Und genau hier spielt KI eine ihrer Stärken aus.
Clips lassen sich mit KI schneller anpassen und in Serie veröffentlichen. Wichtig bleibt, dass ein Redaktionsplan die Kontinuität sichert und regelmäßig analysiert wird, welche Inhalte wirklich Resonanz erzeugen.
KI kann helfen, Trends auszuwerten und die Performance zu messen. Doch das Gespür für die eigene Zielgruppe bleibt durch Algorithmen schwer ersetzbar.
Der Trick dabei: nicht einfach Masse produzieren, sondern aus jedem einzelnen Clip lernen. Jeder Clip ist ein Lern-Experiment. Erst die konsequente Auswertung – von der Formulierung bis zur Typografie, vom Sound bis zum eingesetzten KI-Modell – führt schrittweise zum tiefen Verständnis der eigenen Community.
Kann KI kreativ sein? Muster statt Magie
Große Modelle wie ChatGPT oder Gemini sind hervorragend darin, vorhandene Muster zu kombinieren. In der kreativen Praxis ist das ein zweischneidiges Schwert: Wer außergewöhnliche Markenkommunikation will, muss liefern, was niemand erwartet hat. KI kann inspirieren, Fragmente neu zusammensetzen und sogar ein Stück weit überraschen – doch gelingt es ihr, tatsächlich Neues zu schaffen? Gerade im Video mit KI bleibt echte Innovation nach wie vor menschlich.
Der Unterschied zwischen Substanz und promptgetriebenem Output zeigt sich spätestens dann, wenn Wirkung gefragt ist. Kreativität ist kein Algorithmus, der passende Elemente nach Wahrscheinlichkeitsrechnung zusammenfügt. Sie braucht so etwas wie kreative Reibung, Rückfragen und das aktive Durcharbeiten bis zur unerwarteten Lösung.
Was KI im Videoprozess wirklich leisten kann: So hat es Felix in seiner Ausstellung umgesetzt
Ein Ausstellungsprojekt von Felix Gorbach zum Thema Radikalisierung im Netz bringt es auf den Punkt:
Recherche, konzeptionelle Tiefe und die Gestaltung von Gegenerzählungen waren entscheidend, um dem Publikum einen nachhaltigen Erkenntnisgewinn zu bieten.
KI steuerte Charaktermodelle und Szenen bei. Die finale Botschaft und deren Glaubwürdigkeit gingen aber erst durch intensive menschliche Kontrolle und inhaltliche Korrektur ans Ziel.
Das zeigt wieder: Ein „Video mit KI“ zu erstellen ist meist der letzte Schritt. Und nur so stark wie das vom Menschen ersonnene Konzept und die Zielsetzung dahinter.
Mehr Substanz und Klasse, weniger Masse
KI revolutioniert die Produktion von Text, Bild und Video – zumindest zum Teil. Was sie nicht revolutioniert: die Zielsetzung und die Wirkung. Markenaufbau und Kommunikation brauchen Entwicklungen, die über einfache Vorgaben hinausgehen.
Wer Wirkung erzielen möchte, muss sich der Unsichtbarkeit der eigentlichen Arbeit bewusst sein: Ein Drittel der Zeit gehört der Vorbereitung, dem Nachbohren, dem Suchen nach Substanz.
KI liefert in Teilen Effizienz und Tempo, aber Kreativität bleibt das Territorium der Menschen. Wer diesen Weg geht, wird mit Videos überzeugen, die nicht nur glänzen, sondern prägen.
Takeaways für die Praxis
Die Wirkung entscheidet sich vor dem Dreh. Bevor Kamera oder Tool zum Einsatz kommen, muss klar sein, wen du erreichen willst und was die Person danach denken, fühlen oder tun soll.
Ein Drittel der Zeit gehört der Vorbereitung. Was unsichtbar bleibt, entscheidet über Glaubwürdigkeit – bei 180 Stunden für einen Jubiläumsfilm genauso wie beim 20-Sekunden-Clip.
Das Markensteuerrad gibt den Kompass. Nutzen, Attribute, Tonalität und Bildsprache einmal sauber festhalten – danach lässt sich jede Produktion daran ausrichten.
Erzähle den Nutzen, nicht die Dienstleistung. Die Friseurin verkauft Selbstwert, der Buchhalter Planungssicherheit. Aus diesem Nutzen entsteht der Hook, nicht aus der Leistungsbeschreibung.
Social Media braucht Miniclips und einen Redaktionsplan. Nicht ein großer Imagefilm wirkt, sondern Frequenz und Wiedererkennbarkeit über viele kleine Formate.
Jeder Clip ist ein Lern-Experiment. Formulierung, Typografie, Sound, eingesetztes Modell: Wer konsequent auswertet, lernt seine Community wirklich kennen.
KI erkennt Muster – Neues bleibt menschlich. Für die Annäherung, Recherche und Analyse ist KI stark. Positionierung, Qualitätsurteil und die Frage „passt das zu mir?“ bleiben deine Entscheidung.
Über Felix Gorbach: Medienschaffender, Gründer von BLUEBOX Digital Video
Felix Gorbach ist seit rund 20 Jahren in der Medienbranche zuhause und führt die Innsbrucker Videofirma BLUEBOX Digital Video.
Er begleitet Unternehmen über den gesamten Kommunikationsprozess: von der Marktrecherche über Konzeption und Storytelling bis zur fertigen Produktion – vom Imagefilm bis zur Social-Media-Kampagne mit Bewegtbild. Sein Zugang ist konsequent strategisch: Erst wenn Markennutzen, Tonalität und Zielgruppe geklärt sind, wird produziert.
Daneben gibt er sein Wissen an der Werbe-Designakademie weiter und ist in der Fachvertretung der Film- und Musikindustrie der Wirtschaftskammer aktiv.
Wie weit KI in der Gestaltung tatsächlich trägt, hat er zuletzt im Stadtmuseum Hall ausgelotet: Für eine Rauminszenierung zum Thema Radikalisierung im Netz waren sämtliche Medien KI-generiert – der wesentliche Teil jedoch: Recherche, Auseinandersetzung mit Quellen dagegen penibel von Expert:innen und Menschen geprüft und für gut befunden.
Host in Folge 34 ist Petra Liebl, Expertin für digitales Marketing mit KI und langjährige Unternehmensberaterin mit Schwerpunkt Marketing.
Mit ihrem digitalen und Marketing-Background geht es für Petra darum, den Blick weg von Tools, hin zum zentralen Erfolgsfaktor für digitale Transformation zu lenken: Dem aktiven Gestalten von und für Menschen in Organisationen – und dabei den Blick für Chancen aber auch kritisches Denken und Handeln im Umgang mit KI-Tools zu schärfen.
Erfolgreiches Marketing beginnt nicht bei der KI, sondern bei deinen Stärken, deiner Tonalität und deiner Zielgruppe. Deshalb hat Petra FELIX entwickelt: ein KI-Marketing-System für KMUs und Einzelunternehmer, das markentreue Texte und Social-Media-Posts liefert – ganz ohne KI-Vorwissen.
Mehrere Prompts sind als Workflow zB in Assistenten integriert. Diese Assistenten liefern ‚automatisch‘ – also ohne zusätzliches Prompting – fertige Ergebnisse für bestimmte Aufgaben.
Petra LIEBL – Content Bakery Als erfahrene Onlineexpertin und zertifizierte Digitalberaterin verbindet Petra Strategie, digitales Marketing und KI zu wirkungsvollen Online-Lösungen für Unternehmer:innen.
„Wir wollen den Blick weg von Technik, hin zum zentralen Erfolgsfaktor für digitale Transformation lenken: Dem aktiven Gestalten von und für Menschen in Organisationen.“
Im Podcast Vom Hype zum Handeln“ tauchen wir in weiteren Folgen noch tiefer in einzelne Aspekte ein, lassen Experten zu Wort kommen und stellen praktische Beispiele aus der Unternehmenspraxis vor. Dabei werden sowohl erfolgreiche Implementierungen als auch Lernerfahrungen aus weniger erfolgreichen Versuchen geteilt, um Unternehmen den Weg in die KI-gestützte Zukunft zu erleichtern.
In „Vom Hype zum Handeln“ …
beleuchten wir verschiedene Anwendungsfelder
teilen wir eigene Erfahrungen und Insights
bieten wir Experteninterviews mit Praktikern
stellen wir konkrete Implementierungsbeispiele vor
besprechen wir KI-Entwicklungen
Deine Gastgeberin
Petra LIEBL – Marketing-Beratung und Digitalisierungsexpertin Content Bakery
Wie unfair ist KI wirklich? Warum künstliche Intelligenz unsere Vorurteile nicht erfindet, sondern verdichtet – und was jede und jeder Einzelne dagegen tun kann.
Bitte eine KI, dir einen Menschen zu zeigen. Dann noch einen. Und noch einen.
Was zurückkommt, ähnelt sich erstaunlich: jung, makellose Haut, sehr symmetrisches Gesicht. Menschen, die offenbar nie zu wenig geschlafen haben. Kurz: Sie entsprechen einer geschönten Norm.
Ist die KI deshalb unfair? Oder zeigt sie uns nur schonungslos, welche (Vor)-Bilder wir ihr geliefert haben?
In dieser Folge spreche ich mit Simone Scholz – Data Scientist, heute selbstständige KI-Trainerin mit Schwerpunkt auf fairer künstlicher Intelligenz. Ihr Weg führte von der Bühne der Wiener Staatsoper über Jahre bei A1 in die Welt der Daten.
JETZT REINHÖREN in Folge 33 >> mit Data Scientist Simone Scholz
Simones Einblicke und Tipps für faire KI:
Die KI erfindet wenig – sie verdichtet mehr
Hinter dem Chatbot steckt Mathematik. Wahrscheinlichkeitsrechnung und Mustererkennung, trainiert auf enormen Datenmengen. Diese Mustererkennung komprimiert genau das, was wir Menschen vorgelebt haben – und spielt es geballt zurück. Deshalb nehmen wir Diskriminierung über die KI oft stärker wahr als im Alltag.
Bias, kurz übersetzt: Verzerrung. Jeder Mensch hat sie, ob er will oder nicht – digital übertragen wir diese Verzerrungen sie in die Daten, die wir täglich millionenfach produzieren
Warum Instagram im Bildgenerator landet. Ein großer Teil der Trainingsdaten stammt aus Social Media. Dort zeigen wir uns von der Schokoladenseite: schlechte Haut? Filter drüber. Müde Augen? Anderes Posing. Wir dokumentieren nicht, wie wir aussehen, sondern wie wir aussehen möchten.
„Würdest du dich trauen, morgen in der Früh nach dem Aufstehen gleich ein Selfie zu machen und auf Instagram hochzuladen? Wenn das Millionen Menschen machen, weiß der Algorithmus in kürzester Zeit, wie wir wirklich ausschauen.“
Simone Scholz
Wir sprechen darüber:
✔ warum KI-Bilder von Menschen fast immer gleich aussehen
✔ wo Verzerrung entsteht: in den Daten, im Algorithmus oder in der Evaluierung
✔ was der Amazon-Recruiter und Predictive Policing über Skalierung verraten
✔ wie du Stereotype schon im Prompt durchbrichst
✔ warum diverse Teams der wirksamste Bias-Filter sind
✔ was der EU AI Act an Transparenz verlangt
Denn am Ende geht es nicht darum, ob KI Vorurteile hat. Die hat sie – weil wir sie haben. Es geht darum, sie zu erkennen, bevor ein System sie tausendfach multipliziert.
Wo die Verzerrung entsteht
Verzerrung sitzt nicht an einer Stelle: Sie kann in den Trainingsdaten stecken, im Algorithmus selbst oder erst in der Evaluierung auftauchen. Am häufigsten sind es die Daten. Aus historischen Mustern lernt das System, dass es eben üblich ist, bei der Wohnungsvergabe unfair zu handeln – und liefert genau das zurück.
Der Kredit, der nicht vergeben wurde. Eine Bank verweigert einer Frau einen Kredit – aus wirtschaftlicher Vorsicht und durchaus gut gemeint, um sie vor Altersarmut zu schützen. Umgekehrt betrachtet: Vielleicht will diese Frau mit dem Kredit ein Business aufbauen und damit genau der Altersarmut entgehen.
Dieselbe Sachlage, zwei Blickwinkel, kein eindeutiges Richtig oder Falsch. Ein Problem versteht man meist erst durch die Brille der Betroffenen.
Der Unterschied heißt Skalierung
Das Amazon-Recruiting-Tool. Der Konzern trainierte eine KI darauf, Top-Kandidat:innen zu identifizieren. Weil in der Vergangenheit überwiegend Männer eingestellt worden waren, wählte das System vor allem Männer aus. Hätten zwei Personalverantwortliche diesen Bias, wären es zwei. Wird ein solcher Algorithmus als Service weiterverkauft, sind es Tausende.
Predictive Policing in den USA. Die Polizei kontrollierte über Jahre primär dunkelhäutige Menschen. Der Algorithmus las daraus: Dunkelhäutige Menschen werden häufiger kriminell. Sein Vorschlag: noch öfter kontrollieren. Ein Selbstläufer, der sich mit jeder Runde bestätigt.
Aus so einer Spirale kommt man nur heraus, wenn man sich das Problem bewusst macht. Meist braucht es dafür jemanden von außen, der fragt: Was macht ihr da eigentlich?
Damit sind wir wieder beim Human in the Loop: KI führen, statt ihr zu folgen.
Was du selbst tun kannst: die KI erziehen
Stereotype im Prompt durchbrechen. Nutze die Rollenzuweisung bewusst gegen das Klischee: „Du bist eine erfahrene Rechtsanwältin.“ „Du bist eine erfahrene Chirurgin.“
Widersprechen statt übernehmen. Kommt ein diskriminierendes Ergebnis zurück, sag es der KI – und korrigiere die Sichtweise.
„Das Schöne an diesen KI-Chatbots ist, dass es ein Dialog ist. Somit kann ich die KI auch ein wenig erziehen. Wenn das Millionen von Menschen so machen, dann bringen wir ihr ganz schnell bei: Hey, das geht auch anders.“
Simone Scholz
Werte mitgeben – kontinuierlich. Eine KI, die Unsinn gelernt hat, kann auch das Gegenteil lernen. Entscheidend ist, dranzubleiben: nicht einmal korrigieren, sondern immer wieder.
Was Unternehmen tun können
Messen und dann diskutieren. Mathematische Metriken zeigen, ob ein Vorhersagemodell verzerrt ist. Die Zahl allein entscheidet nichts – es braucht die Auseinandersetzung darüber, was folgt. Die Bandbreite reicht von „wir passen an“ bis „wir lassen diesen Produktlaunch, weil er zu unfair ist“.
Nicht jede Ungleichbehandlung schadet. Du bekommst ein Angebot per Mailing, deine Freundin nicht – bekommt sie es im Shop trotzdem, ist niemandem geschadet. Heißt es dort aber „das bekommen Sie nicht“, und der einzige Grund ist Geschlecht oder Herkunft, dann ist es negative Diskriminierung.
Diverse Teams als Superfilter. Verzerrung fällt vor allem denen auf, die sie am eigenen Leib kennen. Vielfalt in Alter, Herkunft und Geschlecht ist keine Imagefrage, sondern eine Frage der Fehlererkennung.
Was der EU AI Act verlangt. KI-generierte Bilder sollen gekennzeichnet werden, bei Videos gleich zu Beginn, bei Texten im öffentlichen Bereich. Und wer Bewerbungen weitgehend autonom vorsortieren lässt, muss die Bewerber:innen informieren. Härter wird die Nachvollziehbarkeit: Bei klassischen Regressionsmodellen ließ sich erklären, warum ein Ergebnis zustande kam – bei heutigen Deep-Learning-Systemen kaum noch.
Jedes Sandkorn zählt
Das Muster ist älter als die KI: Medikamente sind oft auf einen durchschnittlichen Mann dosiert – und für eine deutlich leichtere Frau womöglich überdosiert. Neu ist nur, wie schnell und wie oft die Verzerrung jetzt wirkt.
„Ich bin zwar nur ein kleines Sandkorn. Aber wir sind so viele Menschen auf dieser Erde – und wenn jeder sein Sandkorn in ein Loch schmeißt, dann haben wir dieses Loch bald gefüllt.“
Simone Scholz
Und ein Punkt liegt mir besonders am Herzen, gerade für kleine Unternehmen: Übernimm KI-Texte nie eins zu eins. Wenn in deinen Texten nicht mehr du erkennbar bist, sondern die Maschine, ist die Persönlichkeit weg – und damit die Marke.
Takeaways für die Praxis
Bias ist kein KI-Problem, sondern ein Datenproblem. Frag bei auffälligen Ergebnissen: Welche Daten stecken dahinter – und wessen Realität bilden sie ab?
Durchbrich Stereotype schon im Prompt. Weise Rollen bewusst gegen das Klischee zu: die erfahrene Chirurgin, die erfahrene Rechtsanwältin.
Widersprich, wenn der Output diskriminiert. Chatbots sind ein Dialog – sag der KI, was nicht stimmt.
Gib der KI deine Werte mit – dauerhaft. Einmal korrigieren reicht nicht.
Rechne mit dem Skalierungseffekt. Zwei voreingenommene Personalverantwortliche betreffen ein Unternehmen. Ein voreingenommener Algorithmus betrifft Tausende.
Setz auf diverse Teams. Verzerrung erkennt am ehesten, wer sie selbst erlebt hat.
Prüf deine Transparenzpflichten. KI-Bilder kennzeichnen, bei autonomen Entscheidungen informieren – und Texte immer mit der eigenen Stimme versehen.
Über Simone Scholz: Data Scientist, KI-Trainerin mit Fokus auf Fair AI
Gesprächspartnerin
Simone begann ihre Laufbahn nicht in der Technik, sondern im Ballett – bis auf die Bühne der Wiener Staatsoper. Was sie am Leistungssport überzeugte, war der Fairnessgedanke: Herkunft zählt nicht, die eigene Leistung schon.
Als Data Scientist bei A1 hat sie anschließend vieles mitgestaltet – von Marketinganalysen bis zum Change Management. Heute ist sie selbstständige KI-Trainerin und beschäftigt sich intensiv mit fairer künstlicher Intelligenz und Female AI.
Diese Kombination macht ihren Blick besonders: Sie kennt die Mathematik hinter den Modellen und stellt zugleich die Frage, für wen ein Ergebnis eigentlich gerecht ist.
Host in Folge 33 ist Petra Liebl, Expertin für digitales Marketing mit KI und langjährige Unternehmensberaterin mit Schwerpunkt Marketing.
Mit ihrem digitalen und Marketing-Background geht es für Petra darum, den Blick weg von Tools, hin zum zentralen Erfolgsfaktor für digitale Transformation zu lenken: Dem aktiven Gestalten von und für Menschen in Organisationen – und dabei den Blick für Chancen aber auch kritisches Denken und Handeln im Umgang mit KI-Tools zu schärfen.
Erfolgreiches Marketing beginnt nicht bei der KI, sondern bei deinen Stärken, deiner Tonalität und deiner Zielgruppe. Deshalb hat Petra FELIX entwickelt: ein KI-Marketing-System für KMUs und Einzelunternehmer, das markentreue Texte und Social-Media-Posts liefert – ganz ohne KI-Vorwissen.
Mehrere Prompts sind als Workflow zB in Assistenten integriert. Diese Assistenten liefern ‚automatisch‘ – also ohne zusätzliches Prompting – fertige Ergebnisse für bestimmte Aufgaben.
Petra LIEBL – Content Bakery Als erfahrene Onlineexpertin und zertifizierte Digitalberaterin verbindet Petra Strategie, digitales Marketing und KI zu wirkungsvollen Online-Lösungen für Unternehmer:innen.
„Wir wollen den Blick weg von Technik, hin zum zentralen Erfolgsfaktor für digitale Transformation lenken: Dem aktiven Gestalten von und für Menschen in Organisationen.“
Im Podcast „Vom Hype zum Handeln“ tauchen wir in weiteren Folgen noch tiefer in einzelne Aspekte ein, lassen Experten zu Wort kommen und stellen praktische Beispiele aus der Unternehmenspraxis vor. Dabei werden sowohl erfolgreiche Implementierungen als auch Lernerfahrungen aus weniger erfolgreichen Versuchen geteilt, um Unternehmen den Weg in die KI-gestützte Zukunft zu erleichtern.
In „Vom Hype zum Handeln“ …
beleuchten wir verschiedene Anwendungsfelder
teilen wir eigene Erfahrungen und Insights
bieten wir Experteninterviews mit Praktikern
stellen wir konkrete Implementierungsbeispiele vor
Alles App oder was? Warum eine klickbare KI-Demo – ein sog. Prototyp – noch kein fertiges Produkt ist – und was zum Start zu bedenken und für Produktivität essenziell ist, wenn man eine Demo mit KI erstellen möchte.
Es dauert keine fünf Minuten. Ein Satz in Alltagssprache, ein paar Klicks in Lovable, Bolt oder Replit – und auf dem Bildschirm erscheint eine App. Sie sieht aus wie ein fertiges Produkt.
Und genau da beginnt das Missverständnis.
In dieser Folge spreche ich mit Markus Gwiggner – seit 25 Jahren Agentur-Chef bei styleflasher in Wörgl – über den Unterschied zwischen Schein und Sein: zwischen dem, was eine KI-Demo zeigt, und dem, was ein produktives System ausmacht.
KI-Demo: Zwischen Verlockung und Funktion
Schnell ist nicht fertig. Was früher Tage oder eine Woche dauerte, steht heute in vier bis acht Stunden – eine saubere, klickbare Demo.
Markus Gwiggner, seit 25 Jahren Agentur-Chef bei styleflasher, kennt die Falle dahinter:
Die letzten 20% machen den Unterschied zw. Sein und Schein:
👉 „Man hat sehr schnell 80 Prozent eines Projekts final und meint, jetzt geht man sofort über die Ziellinie.
👉 Man muss wissen: Die letzten 20 Prozent sind die schwierigsten- und die entscheidenden. ABER: Von diesen 20% sieht man in der Demo nichts.
JETZT REINHÖREN in Folge 32 >> mit eCommerce-Experte Markus Gwiggner
Wir sprechen darüber, worauf es bei Apps und Shops ankommt.
✔ warum eine Demo heute in 4–8 Stunden entsteht – und per se nur „Karosserie“ ist
✔ was hinter dem schönen Frontend fehlt: Logik, ERP-Anbindung, Datenquellen
✔ warum Security und Datenschutz über No-Code-Tools schnell zum Problem werden können
✔ wieso es essenziell ist zuerst die Anforderung zu kennen – und erst dann die Technologie auszuwählen
✔ was mit dem Entwickler-Nachwuchs passiert, wenn KI die Junior-Aufgaben übernimmt
✔ warum SEO und GEO zusammengehören – und wie Datenqualität zum Brennglas wird
Denn am Ende geht es nicht darum, ob KI beeindruckende Oberflächen bauen kann. Das kann sie. Es geht darum, ein funktionierendes, nachhaltiges und managebares System zu erhalten – und die Voraussetzungen zu schaffen, damit KI als Beschleuniger für gute Entscheidungen dienen kann.
Nicht um die vermeintliche Abkürzung – die das Wesentliche (Funktionalität und Sicherheit) außen vor lässt.
Eine Demo ist ein Versprechen – kein Produkt.
Die blinden Flecken: Sicherheit. Funktion. Daten
Funktionierende Applikationen lassen sich schnell zusammenbauen – aber es gibt immer ein Sicherheitsrisiko: Authentifizierung, Zugänge, der eine Fall, den niemand (auch die KI nicht) bedacht hat. Es gibt genug Beispiele, wo No-Code- und Vibe-Coding-Projekte an großen Security-Problemen gescheitert sind.
Ein Hotel, sagt Petra, will sein Angebotswesen nicht über ein Tool laufen lassen, bei dem niemand weiß, wo die personenbezogenen Daten landen.
Warum die Logik (erfahrene) Menschen braucht..
Ein aktuelles Beispiel: eine cloudbasierte Software für Skischulen.
Eine Familie bucht einen Skiurlaub – der Kurs geht für die Eltern zwei Tage, für die Kinder die ganze Woche, die Leihausrüstung sieben Tage, und wenn man einen Tag früher abreist, muss man kulant und buchhalterisch korrekt stornieren können. Den Kalender klickt man sich schnell zusammen. Aber diese Prozesslogik mit all ihren Eventualitäten? „Da steht die KI an.“
Markus Gwiggner:
Es braucht Konzeption, Softwarearchitektur und Expert:innen – die Tools helfen beim Coden, nicht beim Verstehen.
Und wer ist der der Architekt der Zukunft?
Der Beruf verschiebt sich: Wo früher viel Code selbst geschrieben wurde, geht es heute ums Verstehen und Spezifizieren der Architektur – coden tun die Tools.
Aber Markus warnt vor einer Lücke:
„Was es definitiv braucht, ist Experten-Entwicklungskompetenz – und zwar noch lange.“
KI übernimmt gerade die einfacheren Junior-Aufgaben, an denen früher aus der Praxis für zukünftige Produzkte gelernt wurde. Auch durch Trial und Error.
„Irgendwann fehlen uns die Senior-Entwickler.“
Ein Muster, das weit über die IT hinausreicht – und wie Petra ergänzt: Es wurde bereits in Studien nachgewiesen, dass zB medizinische Kompetenz verloren geht, wenn die KI zu viel abnimmt.
Lernen hat einen Wert, der über das Ergebnis hinausgeht: Es geht nicht um KI oder nicht KI..
Es geht darum, die Hausaufgaben zu machen.
Wir betonen:
👉„KI ist wie ein Brennglas“
KI macht sichtbar, was in Sachen Datenqualität in den letzten Jahren versäumt wurde.
Wer autonome Agenten losschicken will, während die eigenen Daten nicht stimmen, wird scheitern.
Das gilt auch fürs Marketing: zB 👉 SEO ist nicht tot.
SEO und GEO gehören zusammen, mit Schema.org und maschinenlesbaren Daten als Basis.
Takeaways für die Praxis
Die letzten 20 Prozent entscheiden. 80 Prozent stehen schnell – doch der Rest (Logik, Integration, Sonderfälle) ist der schwierige Teil. Plane ihn als eigenes Projekt, nicht als kleinen Sprung.
Eine Demo ist eine Diskussionsgrundlage. Nutze KI-Prototypen in der Angebotsphase, um Ideen sichtbar zu machen – aber verkauf und kauf sie nicht als fertiges Produkt.
Anforderungen vor Technologie. Erst das gemeinsame Bild: Welches Problem, welche Nutzer, welche Prozesse? Dann das Tool – nie umgekehrt.
Security und Datenschutz sind kein Detail. Prüfe Authentifizierung, Berechtigungen und wo personenbezogene Daten liegen. Ein Connector per Klick ist keine produktive Unternehmenslösung.
Kompetenz bleibt Führungsaufgabe. KI lässt sich nur so gut steuern, wie das eigene Fachwissen reicht. Sorge dafür, dass in deinem Team weiter Erfahrung entstehen kann.
Anforderung schlägt Trend. Ob individuelle Web-App oder native App – entscheide nach dem echten Anwendungsfall, nicht nach dem, was gerade modern ist.
Erst die Hausaufgaben, dann die Agenten. Ohne saubere Datenqualität keine autonomen KI-Prozesse. KI ist ein Brennglas – sie macht Versäumnisse sichtbar.
Über Markus Gwiggner: E-Commerce-Experte, IT-Ausschuss der WK Tirol
Gesprächspartner
Markus ist Mitgründer und Geschäftsführer der styleflasher GmbH in Wörgl – einer Web-, Onlineshop- und App-Agentur, die er seit dem Jahr 2000 führt.
In 25 Jahren hat er unzählige digitale Produkte vom ersten Prototyp bis in den Dauerbetrieb begleitet, ua. seit rund 20 Jahren auch E-Commerce-Lösungen.
Als langjähriges Mitglied im IT-Ausschuss (UBIT) der WK Tirol und ehemaliger Landesvorsitzender des WdF Tirol blickt er auf die digitale Entwicklungen – mit einem profunden Praxis-Blick, der weit über einzelne IT- oder KI-Tools hinausgeht.
Host in Folge 32 ist Petra Liebl, Expertin für digitales Marketing mit KI und langjährige Unternehmensberaterin mit Schwerpunkt Marketing.
Mit ihrem digitalen und Marketing-Background geht es für Petra darum, den Blick weg von Tools, hin zum zentralen Erfolgsfaktor für digitale Transformation zu lenken: Dem aktiven Gestalten von und für Menschen in Organisationen – und dabei den Blick für Chancen aber auch kritisches Denken und Handeln im Umgang mit KI-Tools zu schärfen.
Erfolgreiches Marketing beginnt nicht bei der KI, sondern bei deinen Stärken, deiner Tonalität und deiner Zielgruppe.
Deshalb hat Petra FELIX entwickelt: ein KI-Marketing-System für KMUs und Einzelunternehmer, das markentreue Texte und Social-Media-Posts liefert – ganz ohne KI-Vorwissen.
Mehrere Prompts sind als Workflow zB in Assistenten integriert. Diese Assistenten liefern ‚automatisch‘ – also ohne zusätzliches Prompting – fertige Ergebnisse für bestimmte Aufgaben.
Petra LIEBL – Content Bakery
Als erfahrene Onlineexpertin und zertifizierte Digitalberaterin verbindet Petra Strategie, digitales Marketing und KI zu wirkungsvollen Online-Lösungen für Unternehmer:innen.
„Wir wollen den Blick weg von Technik, hin zum zentralen Erfolgsfaktor für digitale Transformation lenken: Dem aktiven Gestalten von und für Menschen in Organisationen.“
Im Podcast Vom Hype zum Handeln“ tauchen wir in weiteren Folgen noch tiefer in einzelne Aspekte ein, lassen Experten zu Wort kommen und stellen praktische Beispiele aus der Unternehmenspraxis vor. Dabei werden sowohl erfolgreiche Implementierungen als auch Lernerfahrungen aus weniger erfolgreichen Versuchen geteilt, um Unternehmen den Weg in die KI-gestützte Zukunft zu erleichtern.
In „Vom Hype zum Handeln“ …
beleuchten wir verschiedene Anwendungsfelder
teilen wir eigene Erfahrungen und Insights
bieten wir Experteninterviews mit Praktikern
stellen wir konkrete Implementierungsbeispiele vor
besprechen wir KI-Entwicklungen
Deine Gastgeberin
Petra LIEBL – Marketing-Beratung und Digitalisierungsexpertin Content Bakery
KI spart Zeit. KI automatisiert Routinen. KI steigert die Effizienz. Das stimmt – und das ist gut so. Aber reicht das als Maßstab für nachhaltige KI?
Wenn wir bei Kindern akzeptieren, dass sie Rechnen, Lesen und Schreiben lernen müssen – obwohl es längst Taschenrechner und KI gibt – dann stellt sich dieselbe Frage auch im Berufsleben: Was wollen wir als Menschen weiterhin selbst können? Und was geben wir bewusst ab?
In dieser Folge von Vom Hype zum Handeln spreche ich mit Roman Mesicek – Nachhaltigkeitsberater, Unternehmer und Lehrender – über eine Perspektive, die im KI-Diskurs oft fehlt: Nachhaltigkeit. Nicht nur als Stromverbrauch. Sondern als Frage nach Kompetenz, Verantwortung und dem, was wir als Gesellschaft langfristig wollen.
KI zwischen Entlastung und Verantwortung
Roman Mesicek kommt nicht aus der KI-Welt – sondern aus der Nachhaltigkeit.
Genau diese Perspektive macht den Unterschied:
👉 Er stellt nicht nur die Frage „Was kann KI?“, sondern
👉 „Was wollen wir als Menschen weiterhin selbst können?“
Und das ist eben selten die x.te Mitschrift, die wir dann gar nicht lesen
.
JETZT REINHÖREN in Folge 31 >> mit Nachhaltigkeits-Professor Roman Mesicek
Wir sprechen darüber, warum nachhaltige KI weit mehr im Blick hat, als den Stromverbrauch.
✔ warum Nachhaltigkeit weit mehr ist als der Energieverbrauch von Rechenzentren
✔ wann Effizienz durch KI echte Entlastung bringt – und wann nur zusätzliche Aktivität
✔ welche sozialen Konsequenzen entstehen, wenn Lernorte verschwinden
✔ warum Datensouveränität und europäische Modelle unterschätzte Nachhaltigkeitsfaktoren sind
✔ was es bedeutet, wenn Juniors keine einfachen Aufgaben mehr übernehmen
✔ wie nachhaltige KI-Nutzung konkret aussieht – jenseits von Verboten und Hypes
Denn am Ende geht es nicht darum, KI zu bremsen. Sondern darum, sie mit Bedacht einzusetzen – und zu verstehen, was wir dabei in Kauf nehmen.
Effizienz ist kein Selbstzweck.
Zehn Personen in einem Meeting lassen dieselbe Besprechung transkribieren. Jede erstellt danach eine eigene KI-Zusammenfassung. Am Ende hat niemand dasselbe Ergebnis – und niemand weiß mehr, ob ein gemeinsames Verständnis entstanden ist.
Denn jeder Effizienzgewinn sollte vorab die Gegenfrage mit Ja beantworten können: Brauche ich das überhaupt?
Nachhaltigkeit hat viele Dimensionen.
Der Stromverbrauch von Rechenzentren ist real – aber er variiert enorm. Eine Textanfrage ist nicht dasselbe wie ein permanent laufendes Agentensystem. Hinzu kommen Datensouveränität, ESG-Anforderungen und die Frage, welche Modelle und Anbieter zum eigenen Wertegerüst passen. Die „nachhaltige KI“ gibt es nicht. Aber es gibt bewusstere und weniger bewusste Entscheidungen.
Soziale Nachhaltigkeit wird unterschätzt.
Empfang, Protokoll, Recherche, Kundenservice – viele Tätigkeiten, die heute automatisiert werden, galten als langweilig. Gleichzeitig waren sie Lernorte. Wer als Junior nie selbst recherchiert, analysiert oder Protokoll geführt hat, kann später die Qualität von KI-Ergebnissen schwerer beurteilen.
Lernen hat einen Wert, der über das Ergebnis hinausgeht.
Nicht der kürzeste Weg zum fertigen Output ist das Ziel – sondern das Verständnis, das auf dem Weg entsteht. Das gilt für die Schule genauso wie für Unternehmen. Wer nie selbst recherchiert, schreibt oder analysiert hat, kann auch die Qualität von KI-Ergebnissen schwerer beurteilen – und genau das wird zum Problem.
Die nachhaltigste KI-Nutzung ist nicht die vollständige Automatisierung.
KI dort, wo sie stark ist: Vorrecherche, Zusammenfassungen, Strukturierung, Routinen. Mensch dort, wo er unverzichtbar bleibt: Entscheidungen, Verantwortung, Kreativität, Kundenbeziehungen, ethische Fragen.
Roman betont:
👉 KI kann einzelne Tätigkeiten ersetzen, aber vor allem
👉 sollte sie möglichst viele Menschen wirksamer machen.
Takeaways für die Praxis
Effizienz braucht immer die Gegenfrage. Bevor du einen Prozess automatisierst: Brauche ich diesen Output wirklich – oder erzeuge ich nur Aktivität?
Nachhaltigkeit ist mehr als Stromverbrauch. Prüfe auch: Wo liegen meine Daten? Welche Anbieter passen zu meinen Werten? Was sind meine ESG-Anforderungen?
Soziale Nachhaltigkeit beginnt im Unternehmen. Überlege, welche Tätigkeiten Lernorte sind – und ob du sie wirklich vollständig automatisieren willst.
Wer KI-Ergebnisse beurteilen soll, braucht Fachkompetenz. KI kann nur so gut gesteuert werden, wie das eigene Fachwissen reicht. Kompetenzaufbau bleibt Führungsaufgabe.
Vorsichtig eingesetzt heißt: bewusst eingesetzt. Nicht jedes Tool, das verfügbar ist, muss sofort genutzt werden. Weniger, dafür gezielter.
Die nachhaltigste KI-Nutzung ist Mensch-Maschine-Kollaboration. KI für Routinen und Vorbereitung. Mensch für Entscheidung, Verantwortung und Beziehung.
Wir stehen ganz am Anfang dieser Debatte. Die Fragen zur sozialen Nachhaltigkeit von KI werden lauter werden. Wer sie heute stellt, ist vorbereitet.
Über Roman Mesicek: Forscher, Unternehmer, Professor und Berater
Gesprächspartner Roman Mesicek ist Nachhaltigkeitsberater, Mitgründer mehrerer Unternehmen und Lehrender an verschiedenen Hochschulen im DACH-Raum. Als Gründer der Sustainability Academy sorgt er für Micro-Learning zum Thema Nachhaltigkeit.
Host in Folge 31 ist Petra Liebl, Expertin für digitales Marketing mit KI und langjährige Unternehmensberaterin mit Schwerpunkt Marketing.
Mit ihrem digitalen und Marketing-Background geht es für Petra darum, den Blick weg von Tools, hin zum zentralen Erfolgsfaktor für digitale Transformation zu lenken: Dem aktiven Gestalten von und für Menschen in Organisationen – und dabei den Blick für Chancen aber auch kritisches Denken und Handeln im Umgang mit KI-Tools zu schärfen.
Erfolgreiches Marketing beginnt nicht bei der KI, sondern bei deinen Stärken, deiner Tonalität und deiner Zielgruppe.
Deshalb hat Petra FELIX entwickelt: ein KI-Marketing-System für KMUs und Einzelunternehmer, das markentreue Texte und Social-Media-Posts liefert – ganz ohne KI-Vorwissen.
Mehrere Prompts sind als Workflow zB in Assistenten integriert. Diese Assistenten liefern ‚automatisch‘ – also ohne zusätzliches Prompting – fertige Ergebnisse für bestimmte Aufgaben.
Petra LIEBL – Content Bakery
Als erfahrene Onlineexpertin und zertifizierte Digitalberaterin verbindet Petra Strategie, digitales Marketing und KI zu wirkungsvollen Online-Lösungen für Unternehmer:innen.
„Wir wollen den Blick weg von Technik, hin zum zentralen Erfolgsfaktor für digitale Transformation lenken: Dem aktiven Gestalten von und für Menschen in Organisationen.“
Im Podcast Vom Hype zum Handeln“ tauchen wir in weiteren Folgen noch tiefer in einzelne Aspekte ein, lassen Experten zu Wort kommen und stellen praktische Beispiele aus der Unternehmenspraxis vor. Dabei werden sowohl erfolgreiche Implementierungen als auch Lernerfahrungen aus weniger erfolgreichen Versuchen geteilt, um Unternehmen den Weg in die KI-gestützte Zukunft zu erleichtern.
In „Vom Hype zum Handeln“ …
beleuchten wir verschiedene Anwendungsfelder
teilen wir eigene Erfahrungen und Insights
bieten wir Experteninterviews mit Praktikern
stellen wir konkrete Implementierungsbeispiele vor
besprechen wir KI-Entwicklungen
Deine Gastgeberin
Petra LIEBL – Marketing-Beratung und Digitalisierungsexpertin Content Bakery
