Leitplanken bremsen nicht, sie fokussieren — L'Oréal seit 2021

Worum es in dieser Folge geht

Mir gegenüber sitzt Valerie Schiek, Chief Digital Officer bei L'Oréal für die Sparte Konsumgüter. Sie verantwortet das Digitalgeschäft und die Digitalstrategie der Massenmarken — L'Oréal Paris, Maybelline, Garnier. Ihr Weg dahin führt nicht über die IT: Sie hat bei Anheuser-Busch im Social-Media-Management angefangen, dort das digitale Marketing für eine Business Unit über mehrere Länder aufgebaut, ist 2016 zu L'Oréal gewechselt, hat während der Pandemie den E-Commerce-Bereich geleitet und war zwischendurch bei Bitburger Digital.

Der Grund, warum ich mit ihr sprechen wollte: Bei L'Oréal war KI schon Thema in den Meetings, als ChatGPT noch niemand kannte. Das Responsible AI Framework des Konzerns steht seit 2021 — darin unter anderem der Punkt, dass nicht mit KI-generierten Gesichtern oder KI-generierter Haut gearbeitet wird.

Diese Folge ist deshalb keine Tool-Show. Sie handelt von der Frage, was eine Organisation vorher entscheiden muss, damit KI hinterher etwas bringt — und von einer Stelle, an der Valerie mir ziemlich deutlich widerspricht.

Die Storyline

Beauty Tech ist bei L'Oréal kein Claim, sondern das Geschäftsmodell

Valerie erklärt die frühe Bewegung nicht mit Weitsicht, sondern mit dem Geschäftsmodell. Beauty ist persönlich und emotional, gleichzeitig will der Konzern viele Menschen erreichen. Beides zusammen geht nur über Technologie: Eine persönliche Beratungsleistung, die im Beauty-Bereich zur Kaufentscheidung führt, muss skalierbar werden.

Deshalb gab es Virtual Try-Ons — verschiedene Haarfarben virtuell ausprobieren — lange vor Corona. Valerie nennt das offen eine Wette, gestartet, bevor es den Bedarf dafür gab. Dann kam die Pandemie, alle färbten sich zu Hause die Haare, und die Sache ging durch die Decke.

Dazu kommt der Rahmen. Der Konzern hat früh definiert, was im Bereich Technologie gilt — und mit KI ist das aus ihrer Sicht noch wichtiger geworden.

Warum Leitplanken für sie kein Bremsklotz sind

Ich habe ihr die Gegenposition vorgehalten: Wer sich solche Guardrails aufsetzt, bremst sich doch nur selbst aus. Ihre Antwort kam ohne Zögern.

Für mich ist das eine falsche Dichotomie, dass Guardrails einen langsam machen. Ich glaube eher, es fokussiert — gerade bei einer Technologie wie KI, wo die Möglichkeiten erst mal relativ endlos sind.

Ihr Argument ist operativ, nicht moralisch: Wenn alle wild experimentieren, kommt man schwerer zu einem skalierbaren Learning. Ein klares "das geht, das geht nicht" fokussiert die Innovation.

Die zweite Begründung liegt in der Marke. Beauty verändert sich über ein Leben hinweg, es geht um Selbstausdruck, manchmal auch um Hautbedürfnisse, die von Krankheit beeinflusst sind.

Das braucht aus unserer Sicht einfach Authentizität, und Authentizität kann nur durch wahre Menschen geschaffen werden.

Dass in Feeds gerade eine gewisse Müdigkeit gegenüber KI-generiertem Content entsteht, hat der Konzern nach ihrer Einschätzung früh antizipiert. Wer Kommunikation von L'Oréal sieht, soll sicher sein können, dass sie authentisch ist — für Valerie ein Faktor für langfristiges Vertrauen und damit inhärent wichtig für den Geschäftserfolg.

Was die Content-Engine konkret tut

Im Marketingalltag läuft eine KI-basierte Content-Engine, mit der kreative Assets entstehen: neue Ideen, vor allem aber Varianten — verschiedene Formate für verschiedene Kanäle, in Sekunden statt in Abstimmungsschleifen. Ihr konkretestes Beispiel ist die Bildstimmung, ausdrücklich ohne generierte Gesichter oder Haut.

Gib mir das Bild für den Tag, gib mir das Bild für die Nacht. Das hat früher Shooting-Kosten verursacht, weil du das Bild den ganzen Tag shooten musstest.

Der interessantere Effekt ist für mich aber nicht die Kostenseite, sondern die Testseite: Zwanzig Asset-Variationen für sehr geringe Kosten auszuspielen beantwortet eine Frage, die in der Konsumgütersparte offen ist — wie viel Personalisierung in der Kreation überhaupt Grenznutzen bringt. Früher war das ein sehr viel schwierigerer Prozess.

KI kauft Zeit — und die Frage ist, wofür

Im Vorgespräch hatte Valerie einen Satz gesagt, den ich ihr in der Aufnahme zurückgespielt habe: KI kauft uns Zeit. Ich habe gefragt, was sie damit im Vorstand erklären würde und wofür die gekaufte Zeit eingesetzt wird.

Für uns ist das ein fundamentaler Aspekt, wie wir bei L'Oréal KI begreifen: nicht, um irgendwelche Themen einzusparen, sondern um Zeit zu schaffen.

Die Antwort hat zwei Teile. Erstens Zeit für die lokalen Teams, weil lokale Relevanz in einer Matrix-Organisation nicht zentral entstehen kann — dafür brauchen die Teams zuerst einmal Luft. Zweitens Zeit für Führungsarbeit: Teambuilding, Empathie, Dinge, die KI fundamental nicht leisten kann.

Für die Boardroom-Logik hat sie eine saubere Reihenfolge: Erst die Zusage, dass das messbare Geschäft weiterläuft. Dann die Freiheit zum Experimentieren.

Wir diskutieren die ganze Zeit nur darum, wie der Kuchen aufgeteilt wird. Aber was ist, wenn wir den Kuchen größer machen könnten?

Das ist die Umkehrung des Scarcity-Mindsets, das die meisten KI-Diskussionen prägt — und sie sagt gleichzeitig ehrlich dazu, dass sich Upskilling und Transformation nicht in einem Monats-KPI abbilden lassen, sondern einen Long-Term ROI haben.

L'Oréal GPT: Wissen ohne Dashboard

Die zweite Anwendung ist L'Oréal GPT, die geschützte interne Umgebung. Dort liegen Performance-Daten, etwa zu Influencer- und Media-Kampagnen, und darauf lassen sich Auswertungen, Empfehlungen und Strategien aufsetzen.

Der Nebeneffekt ist der eigentliche Punkt: Upskilling durch Zugänglichkeit. Plötzlich kann sich jemand aus dem Produktmarketing damit beschäftigen, welcher Creator gut performt.

Er muss nicht mehr in irgendwelche Dashboards gehen, die man vielleicht nicht bedienen kann.

Wissen zugänglich machen, auf dem Level, das jemand individuell braucht, Barrieren abbauen — das ist für sie ein Treiber der gesamten digitalen Transformation, nicht nur ein Feature.

Die Stelle, an der sie mir widerspricht

Ich hatte die These aufgemacht, dass der Speed der Technologie uns diesmal überholt und wir mit dem Schulen nicht hinterherkommen. Valerie ist mir da nicht gefolgt.

Ich weiß gar nicht, ob ich dir im Unternehmenskontext zustimme. Wofür wir alle KI gerade nutzen, sind vielleicht 20 Prozent der Capabilities, die möglich sind.

Ihr Gegenvorschlag ist unspektakulär und genau deshalb stark: Erst die absoluten Standard-Use-Cases schulen — ich habe ein Reporting, wie leite ich daraus Actions ab. Damit sei man für den allergrößten Teil der Belegschaft schon sehr viel weiter, und danach könne man sich mit dem Rest beschäftigen.

Dazu gehört für sie die andere Hälfte der Verantwortung: Guardrails setzen, aber auch aktiv von der KI fordern — etwa über diverse Trainingsdaten, um Biases zu vermeiden. Der Konzern hat dafür eine sehr große Datenbank zum Thema Haut aufgebaut, um verschiedenste Hautbedürfnisse abzubilden.

Wohin es als Nächstes geht

Zum Schluss habe ich gefragt, was den Konzern in Zukunft beschäftigt. Ihre Antwort verschiebt die Richtung im Markt: weg vom reaktiven Beauty-Verständnis — Anti-Aging, korrigieren, was schon sichtbar ist — hin zu proaktiver Longevity, also der Frage, wie sich Hautgesundheit erhalten lässt.

Genau da hilft KI, weil Hautanalysen möglich sind, die es vorher nicht gab, und Entwicklungen früh erkannt werden können. Was sie dafür ins Feld führt, ist kein Tool, sondern Substanz: über 100 Jahre Beauty-Wissen als Kontext und große, KI-enablete Teams in Research and Development, die einen erkannten Trend auch schnell in Produkte übersetzen können.

Warum mich das besonders umtreibt

Ich bin ja selbst oft der, der in Diskussionen die CFO-Brille aufsetzt und fragt, was ein KI-Projekt dem Unternehmen bringt. Diese Folge dreht die Frage um, und das lässt mich nicht los: Nicht "was sparen wir", sondern "was wird dadurch möglich". Ich glaube, wir verlieren gerade viel Energie in Organisationen, die alles gleichzeitig ausprobieren — Bildgenerierung hier, Codegenerierung da — und am Ende nichts davon skalieren, weil nie jemand entschieden hat, was ausdrücklich nicht gemacht wird.

Das Zweite ist die Ehrlichkeit über den Zeithorizont. Valerie sagt klar, dass der Anfangsinvest ins Upskilling groß ist und sich am Anfang eben nicht in Effizienzen zeigt. Das deckt sich mit dem, was ich seit Jahren über Data-Infrastruktur sage: Die Basis zahlt nicht im nächsten Quartal ein, sie entscheidet nur darüber, ob in zwei Jahren überhaupt etwas geht. Und drittens nehme ich ihren Widerspruch mit — dass wir vielleicht 20 Prozent der Capabilities nutzen. Wenn das stimmt, ist unser Problem nicht der Speed der Technologie, sondern unsere Bequemlichkeit beim Schulen. Wenn ihr das in eurem Haus anders erlebt, widersprecht mir gerne.