Welches KI-Modell ist das beste?

Eigentlich ist das die falsche Frage.

Denn ob Du OpenAI, Claude oder Gemini nutzt, ist für eine funktionierende Unternehmens-KI nur ein Teil der Architektur. Viel wichtiger ist, was darum herum passiert: Welche Daten darf die KI sehen? Welche Regeln gelten? Wer hat Zugriff? Wie wird Unternehmenswissen eingebunden? Und wie stellst Du sicher, dass nicht jeder Mitarbeiter seine eigene KI-Insel baut?

Genau darum geht es in dieser Folge.

Swen und Michael erklären, was hinter dem Begriff "AI Harness" steckt und warum Unternehmen mehr brauchen als ein gutes Sprachmodell.

Dabei geht es unter anderem um Rollen- und Berechtigungskonzepte, Governance, strukturierte und unstrukturierte Daten, Agenten, SQL-Abfragen und die Frage, wie sich Unternehmenswissen so bereitstellen lässt, dass KI damit kontrolliert arbeiten kann.

Ein wichtiger Punkt dabei: Das KI-Modell sollte austauschbar bleiben. Deine Datenarchitektur, Deine Regeln und Dein Unternehmenskontext sollten nicht davon abhängen, welcher Anbieter gerade das stärkste Modell hat.

Denn am Ende entscheidet nicht das Modell allein darüber, ob KI im Unternehmen funktioniert.

Sondern die Architektur dahinter.

KI braucht Kontext. Sonst liefert sie Dir Antworten, aber keine verlässliche Entscheidungsgrundlage.

Unternehmen investieren gerade massiv in KI. Gleichzeitig wird oft unterschätzt, was passieren kann, wenn ein LLM direkt auf Excel-Dateien, Quellsysteme oder schlecht strukturierte Daten zugreift.

Die KI liefert ein Ergebnis. Aber kannst Du nachvollziehen, wie es entstanden ist? Welche Daten wurden verwendet? Welche Kennzahl wurde wie berechnet? Und bekommt Dein Kollege morgen auf dieselbe Frage auch dieselbe fachliche Antwort?

Genau darum geht es in dieser Folge von WERTGESCHÄTZT!.

Swen und Michael sprechen darüber, warum klassische Business Intelligence durch KI nicht überflüssig wird. Im Gegenteil: Eine saubere, zentrale und nachvollziehbare Datenbasis wird noch wichtiger.

Denn bevor KI sinnvoll mit Unternehmensdaten arbeiten kann, braucht sie Kontext.

Welche Daten gehören zusammen? Welche Beziehungen bestehen zwischen ihnen? Wie werden Kennzahlen berechnet? Welche Informationen darf ein Nutzer sehen? Und was passiert, wenn für eine belastbare Antwort wichtige Daten fehlen?

Genau hier setzt Contextual Intelligence an.

Eine zusätzliche semantische und fachliche Schicht sorgt dafür, dass KI nicht einfach Daten interpretiert, sondern innerhalb klar definierter Strukturen arbeitet. So lassen sich bestehende BI-Logiken mit neuen Möglichkeiten durch LLMs verbinden.

Das verändert auch die Art, wie wir zukünftig mit Unternehmensdaten arbeiten. Nicht jede neue Frage braucht sofort ein neues Dashboard. Stattdessen können sich Fachbereiche über natürliche Sprache an Analysen herantasten, Zusammenhänge prüfen und schneller erkennen, welche Informationen wirklich relevant sind.

Die entscheidende Frage ist deshalb nicht, ob Unternehmen KI auf ihre Daten loslassen.

Die entscheidende Frage ist, ob diese KI den Kontext versteht, in dem diese Daten entstanden sind.

bimanu hat das Zukunftssiegel Neuss bekommen. Schön – aber spannender ist eigentlich die Frage dahinter: Was ist an einer Datenplattform heute überhaupt noch innovativ?

Genau darüber sprechen Swen und Michael in dieser Folge.

Denn noch ein Dashboard, noch ein Bericht oder noch ein weiteres Tool löst im Unternehmen erstmal wenig. Entscheidend ist, was mit den vorhandenen Daten tatsächlich möglich wird.

Bei bimanu geht es deshalb inzwischen um mehr als klassische Auswertungen. Daten aus unterschiedlichen Systemen werden zusammengeführt, konsolidiert und so aufbereitet, dass Anwender direkt damit arbeiten können. Perspektivisch heißt das: Fragen an die eigenen Unternehmensdaten stellen und Antworten bekommen, die zum eigenen Unternehmen passen – inklusive konkreter Handlungsempfehlungen.

Dabei wird die Technologie im Hintergrund immer komplexer. Datenplattform, Automatisierung und KI müssen zusammenspielen. Für den Anwender sollte davon aber möglichst wenig Komplexität übrigbleiben.

Swen und Michael sprechen darüber, warum genau darin die eigentliche Innovation liegt, weshalb Insellösungen irgendwann an ihre Grenzen kommen und warum eine saubere Datenbasis weiterhin die Voraussetzung für alles ist, was danach kommt.

Und natürlich geht es auch darum, wie Swen überhaupt an das Zukunftssiegel gekommen ist – und warum Michael von der ganzen Sache offenbar erst im Podcast so richtig erfahren hat.

Gute Ernte ist das eine.
Was danach in der Halle passiert, entscheidet aber oft darüber, ob daraus auch guter Umsatz wird.

In dieser Folge von WERTGESCHÄTZT! sprechen wir über Halle und Produktion in der Landwirtschaft – und darüber, warum genau dort viele Unternehmen Marge verlieren, ohne es sofort zu merken.

Es geht um Maschinenlaufzeiten, Stillstände, Rüstzeiten, Ausschuss, Gewichtsgrenzen und Qualitätskontrolle. Also um die Punkte, die im Alltag schnell als „operatives Detail“ abgetan werden, am Ende aber direkten Einfluss auf Kosten, Lieferfähigkeit und Ergebnis haben.

Besonders spannend: Die Daten sind häufig schon da. Jedes Packstück wird gemessen, jede Linie erzeugt Informationen, jeder Auftrag hinterlässt Spuren. Das Problem ist nicht fehlende Datenerfassung. Das Problem ist, dass diese Daten oft nicht sauber verbunden und ausgewertet werden.

Ein Beispiel aus der Folge: Wenn Ware nur knapp außerhalb einer Gewichtstoleranz liegt, kann sie schnell zum Ausschuss werden. Bei einzelnen Packstücken klingt das unspektakulär. Über viele Aufträge, Linien und Tage hinweg wird daraus aber ein echter Kostenfaktor.

Die zentrale Frage dieser Folge lautet deshalb:

Wo verliert Dein Unternehmen heute Zeit, Qualität oder Marge – ohne es in den Daten klar zu sehen?

Diese Folge zeigt, warum Business Intelligence nicht beim Dashboard beginnt, sondern bei der Transparenz über die eigenen Prozesse. Von der Bestellung über die Ernte bis zur Verpackung und Auslieferung.

Wer seine Wertschöpfungskette versteht, kann früher reagieren, gezielter optimieren und bessere Entscheidungen treffen. Nicht aus dem Bauch heraus, sondern auf Basis belastbarer Daten.

Aus 1.000 Setzlingen werden nicht automatisch 1.000 Blumenkohlköpfe.

Klingt banal, ist aber in der Landwirtschaft ein entscheidender Punkt. Denn zwischen Pflanzung und Ernte liegen viele Faktoren, die darüber entscheiden, ob ein Feld wirtschaftlich funktioniert oder nicht: Wetter, Boden, Wasser, Nährstoffe, Schädlinge, Sorten, Personal und Timing.

In dieser Folge von WERTGESCHÄTZT! sprechen wir darüber, warum Leistung nicht gleich Abernte ist. Eine schnelle Erntekolonne ist wichtig. Aber sie sagt noch nicht, wie viel Potenzial ein Feld wirklich hatte — und wie viel davon am Ende genutzt wurde.

Genau hier wird die Abernterate spannend. Sie zeigt, ob ein Feld den geplanten Ertrag gebracht hat, ob noch Ware für einen Auftrag verfügbar ist oder ob bestimmte Kulturen auf bestimmten Flächen immer wieder unter Plan bleiben.

Wir sprechen darüber, warum viele Daten in Landwirtschaftlichen Betrieben längst vorhanden sind, aber oft verteilt in Systemen, Listen und Excel-Dateien liegen. Erst wenn diese Informationen zentral zusammengeführt werden, entsteht ein klarer Blick auf Felder, Kulturen, Erntemengen, Zeiträume und wirtschaftliche Zusammenhänge.

Das Ziel ist nicht mehr Reporting um des Reportings willen. Das Ziel ist bessere Steuerung: weniger Blindflug, bessere Planung, gezielterer Ressourceneinsatz und fundierte Entscheidungen vom Feld bis in die Produktion.

Eine Folge für alle, die verstehen wollen, wie aus Felddaten echte Unternehmenssteuerung wird.

Wie steuerst Du die Leistung Deiner Teams auf dem Feld, wenn die entscheidenden Daten erst am Tagesende sichtbar werden?

In dieser Folge von WERTGESCHÄTZT! sprechen wir über ein Thema, das viele in der Landwirtschaft täglich betrifft: Gruppenproduktivität im Feldmanagement.

Es geht darum, wie Du Tagesleistung messbar machst, Abweichungen früher erkennst und Deine Teams gezielter einsetzt. Denn Stückzahlen, Arbeitszeiten, Personalplanung und Felddaten liegen häufig in unterschiedlichen Systemen. Das Ergebnis: viel manuelle Arbeit, Excel-Auswertungen im Nachgang und Entscheidungen, die oft zu spät kommen.

Wir zeigen anhand konkreter Beispiele, warum Leistung ohne Benchmark wenig Aussagekraft hat, weshalb jede Kultur eigene Kennzahlen braucht und wie untertägige Transparenz dabei hilft, schneller zu reagieren — etwa bei Leistungsabfällen, Maschinenproblemen, fehlendem Material oder Prozessfehlern.

Der Kern der Folge: Wenn Du Zeitdaten, Mengendaten und Personaldaten zentral zusammenführst, wird aus reiner Kontrolle echte Steuerung. Du erkennst nicht nur, was passiert ist, sondern kannst handeln, solange es noch relevant ist.

Eine Folge für alle, die in der Landwirtschaft weniger Bauchgefühl und mehr Klarheit in ihre tägliche Einsatzplanung bringen wollen.

Lohn- und Kostenanalyse in der Landwirtschaft klingt erstmal nach Nische. Ist es aber nicht.

Denn genau an diesem Beispiel wird sichtbar, woran viele Unternehmen im Alltag hängen bleiben: Daten sind da, aber sie liegen verstreut. In der Zeiterfassung, in operativen Systemen, in Excel-Dateien, in einzelnen Abteilungen. Am Ende entsteht viel manueller Aufwand — aber oft zu wenig Klarheit.

In dieser Folge von WERTGESCHÄTZT! sprechen wir über ein konkretes Praxisbeispiel aus der Landwirtschaft. Es geht um Saisonarbeitskräfte, wechselnde Teams, unterschiedliche Kulturen, Akkordmodelle, Feldarbeit, Hallenprozesse und die Frage, wie daraus eine verlässliche Lohn- und Kostenanalyse entstehen kann.

Der entscheidende Punkt: Wer Kosten sauber steuern will, braucht eine zentrale Datenbasis. Einen Ort, an dem Daten zusammengeführt, historisiert und nach klaren Regeln ausgewertet werden. Erst dann entsteht Transparenz. Erst dann lassen sich Prozesse verbessern. Und erst dann wird aus Reporting eine echte Entscheidungsgrundlage.

Die Folge zeigt, warum Excel bei komplexen Strukturen irgendwann an Grenzen stößt, wie Automatisierung Mitarbeitende entlastet und weshalb eine gute Datenstrategie die Voraussetzung für alles Weitere ist — auch für KI.

Denn KI löst kein Datenchaos. Sie verstärkt es nur, wenn die Grundlage nicht stimmt.

Contextual Intelligence für Vertrieb:

Vertriebssteuerung optimiert auf Umsatz — aber Umsatz ist weder sicheres Geld noch Gewinn.

In dieser Folge von WERTGESCHÄTZT! zeige ich an einem Praxisfall, wie der Vertrieb fröhlich an einen Kunden weiterverkauft, der seit Monaten nicht zahlt, während ein bonitätsstarker Auftrag in der Warteschlange steht. Es geht um die Verbindung von Vertrieb, Kreditmanagement und Rendite, um das Aussortieren unprofitabler Kunden — und darum, wie du Abwanderung erkennst, bevor die Kündigung kommt.

Die Schlussfolge der Serie mit einer Klammer über alle sieben Bereiche.

Contextual Intelligence für Controlling:

Klassische Controlling-Software liefert den Report, wenn die Abweichung längst passiert ist.

In dieser Folge von WERTGESCHÄTZT! zeige ich, wie Controlling vom Rückspiegel zur Frühwarnung wird — warum eine Plan-Ist-Abweichung ohne ihre Ursache wertlos ist, warum drei Abteilungen drei verschiedene Zahlen für dieselbe Kennzahl liefern, und wie ein rollierender Forecast das starre Jahresbudget ablöst.

Außerdem: warum stundenlange Excel-Handarbeit den Controller blockiert, warum Power BI ohne saubere Logik nur das alte Chaos verlagert, und warum KI-Tools wie Copilot direkt auf dem ERP gefährlich werden, wenn der Kontext fehlt.

Contextual Intelligence für Einkauf:

Lieferantenmanagement scheitert oft schon an den eigenen Stammdaten — derselbe Lieferant läuft in mehreren Werken unter verschiedenen Kreditorennummern und Schreibweisen, eine Intercompany-Verrechnung ist nicht möglich.

Die Folge: Der Lieferant kennt dein Gesamtvolumen, du selbst nicht.

In dieser Folge von WERTGESCHÄTZT! zeige ich an einem echten Kundenfall, warum die Jahresverhandlung dadurch ungleich startet, wie du die Asymmetrie umdrehst und wie du Lieferrisiko und Preisvolatilität früh erkennst.