In Folge 252 von MY DATA IS BETTER THAN YOURS (MDIBTY) spricht Jonas Rashedi mit Damian R. (Head of AI Enablement, O2 Telefónica) über Applied AI. Konkret: Die Lücke zwischen KI-Pilot und Produktiv ist das häufigste Muster in 2025. Viele Unternehmen haben Dutzende Prototypen — und nur wenige echte operative Cases. Die Folge zeigt: Change-Management ist der unterschätzte Hebel.
3 Erkenntnisse aus dieser Folge
- 01
Die Lücke zwischen KI-Pilot und Produktiv ist das häufigste Muster in 2025. Viele Unternehmen haben Dutzende Prototypen — und nur wenige echte operative Cases.
- 02
Operationalisierung braucht andere Skills als Experimentation. Monitoring, Drift-Detection, Cost-Observability, Ownership — das ist disziplinierte Arbeit, nicht Spielwiese.
- 03
Change-Management ist der unterschätzte Hebel. Eine KI-Lösung, die fachlich funktioniert, aber organisatorisch nicht getragen wird, stirbt in sechs Monaten.
Worum es in dieser Folge geht
Damian verantwortet AI Enablement bei O2 — die Rolle, die über alle Fachbereiche KI-Initiativen koordiniert und begleitet. Wir sprechen bewusst ehrlich über den Zustand: Was funktioniert produktiv, was bleibt Pilot, und warum.
Die Storyline
Das Pilot-Produktiv-Gap
Wir haben viele schöne Piloten. Das ist nicht das Problem. Das Problem ist, den Sprung in den produktiven Betrieb hinzubekommen — und den halten wir oft unter.
Das ist das Mantra der Folge. Und es trifft die Realität fast jedes Enterprise-Data-Teams.
Was Operationalisierung heißt
Damian ist konkret: 1. Monitoring: Ist das Modell noch akkurat? 2. Drift-Detection: Ändert sich die Eingangsdaten-Verteilung? 3. Cost-Tracking: Was kostet uns jede Inferenz? 4. Ownership: Wer fühlt sich verantwortlich, wenn was schief geht?
Alle vier sind in Pilot-Phasen selten adressiert. Ohne sie wird produktiver Betrieb zum Glücksspiel.
Change-Management als der eigentliche Engpass
Damian beobachtet: Selbst wenn Technik und Operationalisierung stimmen, scheitern Projekte oft am Change. Fachabteilungen müssen ihre Prozesse anpassen. Mitarbeitende müssen neue Rollen lernen. Das wird in KI-Business-Cases oft vergessen — und es kostet mehr als die Technik.
Was funktioniert
O2 hat bewusst auf wenige, klar abgegrenzte Produktiv-Cases gesetzt: - Service-Classification: Eingangs-Tickets klassifizieren und routen. - Chat-Assistenz: Agents werden von KI vorgeschlagen, nicht ersetzt. - Predictive Maintenance: Netzwerk-Wartung mit Sensor-Daten.
Nicht spektakulär, aber produktiv.
Warum mich das besonders umtreibt
Ich habe in 2025 viele Gespräche mit CDOs, die im Pilot-Produktiv-Gap feststecken. Damians Folge liefert die Sprache, mit der man die eigene Organisation ehrlich analysiert. Keine Hype-Rhetorik, keine Angst — nur operative Klarheit.
Jetzt reinhören
Jetzt reinhören
Diese Folgen könnten dich auch interessieren
Folge 323
Solo gegen alle: Wie 15 Jahre Datenhandwerk eine D2C-Brand allein tragen
Carlos Yniguez · 60Kollektiv
Folge 322
KI in NRW: Warum 90 % des Mittelstands noch nicht wirklich anfängt
Christian Temat · KI.NRW (Fraunhofer IAIS)
Folge 319
Warum Data Mesh ohne Data Citizens scheitert
Jonas Kell · Siemens Energy