KI an der Basis - Lernkurven der Fielmann AG

Bei Fielmann treiben unter anderem eine Filialtrainerin und ein Travel Manager die KI-Transformation voran. Das Beispiel zeigt, warum KI an der Basis der Wertschöpfung schneller wirkt als jede Strategie „von oben“ und welche Leitplanken es braucht.

Wien, eine Fielmann-Niederlassung. Eine Mitarbeiterin ist Leadership- und Kommunikationstrainerin und hat mit Programmieren eigentlich nichts am Hut. Was sie antreibt, sind die kleinen Reibungsverluste im Tagesgeschäft, die jeden Tag Zeit kosten. Also beginnt sie, sie mit generativer KI zu lösen. Ein Innovationsprojekt hatte sie dabei nie im Sinn: „Ich wollte kein KI-Projekt starten, ich wollte ein Problem lösen.“ Heute nutzen auch Kolleginnen und Kollegen ihre Lösungen, und die Mitarbeiterin gilt als eine der sichtbarsten KI-Botschafterinnen des Unternehmens.

Ihre Geschichte steht für ein Muster, das Fielmann bewusst kultiviert. Viele Unternehmen behandeln KI noch immer als Technologieprojekt: Eine zentrale Einheit wählt Tools aus, schreibt Lastenhefte und rollt Lösungen aus. Der Augenoptiker, 1972 von Günther Fielmann gegründet, seit 2019 von Marc Fielmann geführt und heute mit mehr als 1.200 Niederlassungen auf drei Kontinenten vertreten, dreht diese Logik um.

Erst das Problem, dann die Technologie

KI-Anwendungen entstehen bei Fielmann nicht nur in der zentralen IT, sondern gezielt in Filialen und Fachbereichen – dort, wo Mitarbeitende täglich mit Kundinnen und Kunden, Prozessen und konkreten Engpässen zu tun haben. Ausgangspunkt ist nie die Frage nach dem neuesten Modell, sondern nach einem Problem, das sich besser lösen lässt. Als Werkzeuge dienen unter anderem ChatGPT und weitere OpenAI-Technologien, die auch ohne technische Vorbildung zugänglich sind. KI wird so nicht zum isolierten Innovationsprogramm, sondern zum Arbeitsmittel, mit dem sich Ideen schnell testen und in den Betrieb überführen lassen.

Drei Beispiele, messbare Wirkung

Wie das in der Praxis wirkt, zeigen drei Fälle:

• Produktdaten: Die Bereinigung fehlerhafter Daten hätte manuell fünf Mitarbeitende rund neun Monate gebunden. Mit KI gelang sie in wenigen Wochen.
  
• Travel Management: Ein Mitarbeiter entwickelte eine Anwendung, die automatisch prüft, ob für Seminare tatsächlich Hotelübernachtungen nötig sind. Ergebnis: rund 300.000 Euro Einsparung pro Jahr.
  
• Prototypen: Fachbereiche bauen mit dem Coding-Werkzeug Codex eigene Prototypen für neue Service- und Geschäftsmodelle – ohne klassische Programmierkenntnisse.
  

In internen Innovationsformaten entstanden so Assistenten, die Antworten auf häufige Kundenanfragen vorbereiten, Wissensdatenbanken durchsuchbar machen oder Filialteams schnell mit Produkt- und Prozessinformationen versorgen. Statt Anforderungskataloge für die IT zu schreiben, erproben die Fachbereiche ihre Ideen direkt.

Fachkräftemangel als Treiber

Auslöser war weniger Technikbegeisterung als ein handfester Engpass: der Fachkräftemangel. Wie viele Handels- und Dienstleistungsunternehmen muss auch Fielmann steigende Anforderungen mit begrenzten personellen Ressourcen bewältigen. KI soll Routinearbeit abnehmen und dafür Zeit für Beratung, Service und Kundenkontakt freisetzen. Im Filialgeschäft summieren sich schon wenige eingesparte Minuten pro Vorgang zu kürzeren Wartezeiten und besserem Service. Chief Digital Officer Stefan Wolk bringt das Prinzip auf den Punkt: „Die meisten Ideen entstehen dort, wo Mitarbeitende täglich mit Kunden, Prozessen und Herausforderungen arbeiten. Unsere Aufgabe ist es, ihnen die Werkzeuge und den Freiraum zu geben, diese Ideen umzusetzen.“

Bottom-up braucht Leitplanken

Aus externer Sicht ist das Fielmann-Modell kein Plädoyer für Wildwuchs. Wer KI in die Breite gibt, verlagert Verantwortung und braucht dafür einen klaren Rahmen.

Drei Elemente sind bei der Umsetzung entscheidend:

1. freigegebene, datenschutzkonforme Werkzeuge statt Schatten-KI;
   
2. verbindliche Regeln, welche Daten in welche Systeme dürfen und
   
3. ein definierter Weg, auf dem gute Prototypen geprüft, abgesichert und skaliert werden.
   

Hinzu kommt Artikel 4 der EU-KI-Verordnung, der Unternehmen seit Februar 2025 verpflichtet, für ausreichende KI-Kompetenz ihrer Beschäftigten zu sorgen. Botschafter:innen an der Basis der Wertschöpfung im Unternehmen sind dafür ein wirksamer Hebel: Sie übersetzen Technologie in die Sprache des Arbeitsalltags.

Was der Mittelstand daraus lernen kann

Mit wachsender Reife der Technologie verschiebt sich die Debatte von Modellen und Tools hin zu Organisation, Führung und Kultur. Der Wettbewerbsvorteil liegt nicht im Zugang zur Technologie – den haben alle –, sondern darin, wie viele Mitarbeitende daraus produktive Anwendungen machen. Für mittelständische Unternehmen gilt das umso mehr: Ihnen fehlen oft große Data-Science-Teams, nicht aber Menschen, die ihre Prozesse genau kennen. Der pragmatische Einstieg: einen Engpass benennen, ein kleines Team mit freigegebenen Werkzeugen ausstatten, Ergebnisse messen und sichtbar machen. So werden aus Anwendern Mitgestalter und aus Fachbereichen Innovationslabore. Nicht die Technologie schafft den Wandel, sondern die Fähigkeit einer Organisation, das Wissen ihrer Mitarbeitenden in großem Maßstab nutzbar zu machen.