Wie führt ein Unternehmen generative KI ein, wenn das eigene Geschäft auf hochsensibler IP basiert und ein Großteil des Markts in China liegt? In dieser Folge von IT-Tacheles spricht Host Volker Gruhn mit Burkhard von Spreckelsen, Chief Development Officer bei Elmos. Elmos ist ein Dortmunder Hidden Champion und Weltmarktführer in einer Automotive-Halbleiter-Nische. Lange Zeit stand das Unternehmen auf dem Standpunkt: GenAI lieber nicht. Heute ist das Unternehmen gesprungen. Und zwar kontrolliert. Burkhard nimmt uns mit in die Praxis: von der risikoorientierten KI-Strategie über eine Whitelist freigegebener Tools (u. a. ChatGPT, GitHub Copilot, Copilot in M365) bis zur Sandbox, in der neue Modelle ohne Produktivdaten getestet werden können. Dabei wird klar: KI wird nicht eingeführt, weil es „cool" ist, sondern weil sie auf profitables Wachstum und konkrete Unternehmensziele einzahlen muss. Besonders spannend: Elmos misst erste Effekte. Ohne Zwang, nur durch Bereitstellung der Tools, berichten Teams von spürbaren Zeiteinsparungen. Und Burkhard beschreibt, warum der große Sprung erst dann kommt, wenn Unternehmen Arbeitsweisen nicht nur beschleunigen, sondern neu designen. Highlights dieser Folge: Vom Verbot zur Nutzung: Wie aus "GenAI geht bei uns nicht" eine kontrollierte Einführung wurde Risikoorientierung statt Bauchgefühl: Welche Daten dürfen in die Cloud und welche bleiben strikt intern? Tool-Strategie in der Realität: Warum „ein wichtiger Anbieter" oft besser ist als ständiges Tool-Hopping Sandbox-Mindset: Experimentieren mit neuen Modellen, ohne produktive Systeme zu gefährden Use vor Case: Warum Freigabe und Freiwilligkeit oft schneller skaliert als Top-down-Anordnungen KI und Führung: Vier Thesen, was im Top-Management trotz KI bleibt (Verständnis, Purpose, People, Judgment) Qualität, Testing, Automotive: Warum Safety-Ansprüche KI-Nutzung besonders herausfordernd und besonders lohnend machen ** Für wen lohnt sich die Folge? ** Für alle, die KI unter realen Restriktionen einführen müssen, beispielsweise in Industrie, Automotive, Engineering, R&D oder regulierten Umfeldern. Und für Entscheiderinnen und Entscheider, die wissen wollen, wie man KI pragmatisch skaliert, ohne die Organisation zu überfordern.