Otto bewertet zusammen mit der Universität St. Gallen jeden Monat über 200 KI-Ideen und behält am Ende nur eine Handvoll. Hinter dem Trichter steckt eine Methode, die zuerst nach dem Geschäftsproblem fragt und erst danach nach der passenden Technik. Für Entscheider zählt dieser Trichter mehr als jedes neue Modell, weil er zeigt, wo KI im eigenen Betrieb wirklich Geld bringt.
drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen
Die meisten Unternehmen starten bei KI-Anwendungsfällen mit der Technik und fragen, wo sich ein Sprachmodell einbauen lässt. Otto dreht die Reihenfolge um. Drei Jahre lang erforschte der Hamburger Handelskonzern mit der Universität St. Gallen, wie sich aus dem Wust an Ideen die wenigen herausfiltern lassen, die sich rechnen.
Das Wichtigste in Kürze
- Otto und die Universität St. Gallen entwickelten in drei Jahren ein KI-Ideation-Format, das monatlich über 200 Ideen liefert und auf die aussichtsreichen eindampft.
- Der Ansatz beginnt beim Geschäftsprozess, nicht beim Modell: erst das Problem, dann die realistische KI-Lösung.
- Den Wertbeitrag der gefundenen Anwendungsfälle beziffert Otto auf einen zweistelligen Millionenbetrag.
- Eine MIT-Studie von 2025 ordnet das ein: 95 Prozent der KI-Pilotprojekte in Unternehmen brachten keinen messbaren Ergebnisbeitrag.
Wie siebt Otto 200 Ideen im Monat?
Zuerst das Problem, dann die Technik. Im Ideation-Format beginnt das Team beim Prozess, nicht beim Werkzeug. Die Fachleute nehmen Bereiche wie die Wareneingangslogistik, das Qualitäts- und Compliance-Management oder die Vermarktung über Otto Advertising unter die Lupe und markieren die Stellen mit Verbesserungsbedarf. Erst danach prüft das Team, ob dafür eine realistische KI-Lösung existiert. So kommen im Monat über 200 Ideen zusammen, die anschließend nach KI-Eignung und Machbarkeit einsortiert werden.[1]
Aus diesem Trichter fließt nur ein Bruchteil in die Umsetzung. Das strategische Programm PushingAI begleitet die aussichtsreichsten Fälle bis in den Betrieb, den Rest sortiert Otto aus. Sechs begutachtete Forschungspapiere halten die Methode fest, damit auch andere Abteilungen sie anwenden können. Den Wertbeitrag der so gefundenen Anwendungsfälle beziffert der Konzern auf einen zweistelligen Millionenbetrag.
Warum die meisten KI-Projekte im Sand verlaufen
Die Technik ist selten das Problem. Eine viel zitierte MIT-Untersuchung aus dem Jahr 2025 fand heraus, dass 95 Prozent der KI-Pilotprojekte in Unternehmen keinen messbaren Beitrag zum Ergebnis lieferten. Nicht das Modell fehlte, sondern der klare Bezug zu einem Geschäftsprozess und der Weg von der Demo in den Alltag.
Ottos Trichter erzwingt genau diesen Praxisbezug, bevor Geld fließt. Dass der Hebel in der Umsetzung liegt und nicht im Modell, zeigt sich quer durch die Branche, etwa an Anthropics Milliardenwette auf die KI-Umsetzung. Auch im deutschen Mittelstand klafft eine Lücke zwischen Nutzung und Integration: Viele setzen KI ein, nur wenige verankern die Technik fest im Betrieb.
Der Engpass bei KI ist längst nicht mehr das Modell, sondern die Disziplin, aus hundert Ideen die drei zu wählen, die einen Prozess wirklich verbessern. Otto macht aus dieser Auswahl ein Handwerk, und genau daran scheitern die meisten.
— Markus Seyfferth, Chefredakteur Dr. Web
95 Prozent der KI-Pilotprojekte in Unternehmen brachten laut einer MIT-Studie von 2025 keinen messbaren Ergebnisbeitrag. Der Trichter von Otto zielt genau auf diese Lücke.
Was Mittelständler daraus mitnehmen
Die Methode zählt, das Werkzeug ist zweitrangig. Auch kleinere Betriebe kommen weiter, sobald sie zuerst den größten Prozessschmerz benennen und erst dann nach einer KI-Lösung suchen, statt einem Tool hinterherzulaufen. Der KI-Überblick von Dr. Web bündelt dafür laufend Praxisbeispiele.
Für den regulatorischen Rahmen sorgt der EU AI Act: Seit Februar 2025 müssen Anbieter und Betreiber für ausreichende KI-Kompetenz ihrer Beschäftigten sorgen. Otto liest daraus keine Verbotsliste. „Verantwortungsvolle KI-Nutzung erfordert Urteilsvermögen“, sagt Doktorand Simon Sturm; er plädiert für eine bewegliche Steuerung, die Kompetenz aufbaut, statt starr zu kontrollieren. Für Entscheider bedeutet das konkret: erst den Prozess mit dem größten Schmerz benennen, dann jede Idee nüchtern auf Machbarkeit und Wertbeitrag prüfen. Und die Belegschaft gehört früh geschult, nicht erst nach dem ersten Fehlstart.
Quelle
[1] OTTO Unternehmen: Pressemitteilungen zum KI-Forschungsprojekt mit der Universität St. Gallen
FAQ: KI-Anwendungsfälle bei Otto
Was ist ein KI-Ideation-Format?
Ein KI-Ideation-Format ist eine strukturierte Methode, um systematisch nach lohnenden KI-Anwendungsfällen zu suchen. Otto beginnt dabei nicht bei der Technik, sondern beim Geschäftsprozess: Zuerst benennt das Team das konkrete Problem und sucht danach die passende KI-Lösung, die dann auf Machbarkeit geprüft wird.
Warum scheitern so viele KI-Projekte in Unternehmen?
Meist fehlt nicht das Modell, sondern der klare Bezug zu einem Geschäftsprozess und der Weg von der Demo in den Alltag. Eine MIT-Studie von 2025 fand, dass 95 Prozent der KI-Pilotprojekte keinen messbaren Ergebnisbeitrag lieferten, obwohl die Technik verfügbar war.
Was schreibt der EU AI Act zur KI-Kompetenz vor?
Seit Februar 2025 müssen Anbieter und Betreiber von KI-Systemen für ausreichende KI-Kompetenz ihrer Beschäftigten sorgen. Der EU AI Act verlangt also, dass Mitarbeiter KI verstehen und verantwortungsvoll einsetzen können, nicht nur, dass die Technik im Haus steht.
Wie viele KI-Ideen prüft Otto pro Monat?
Das Ideation-Format bringt monatlich über 200 Ideen hervor. Otto bewertet jede nach KI-Eignung und Machbarkeit und begleitet nur die aussichtsreichsten über das Programm PushingAI bis in den Betrieb. Den Wertbeitrag beziffert der Konzern auf einen zweistelligen Millionenbetrag.
Wie finden kleine Unternehmen lohnende KI-Anwendungsfälle?
Der Weg ist derselbe wie bei Otto, nur kleiner: erst den Prozess mit dem größten Schmerz benennen, dann eine realistische KI-Lösung suchen und nüchtern auf Aufwand und Nutzen prüfen. Wichtig ist, die Belegschaft früh zu schulen, statt einem einzelnen Tool hinterherzulaufen.
Mehr Newshunger?
- KI im Mittelstand: 76 Prozent nutzen sie, 26 Prozent haben sie integriert
- Nicht das Modell bringt das Geld: Anthropics 1,3-Milliarden-Wette auf die KI-Umsetzung
- KI beschleunigt die Produktentwicklung. Aber wohin verschwindet die Arbeit?
- US-Konzerne setzen zunehmend auf Open-Source-KI statt auf OpenAI und Anthropic
- KI treibt Snowflakes Umsatz und drückt zugleich die Marge
