3.000 Prozesse, null Konsens: Was wir von Kärchers KI-Transformation lernen können

Kärcher, Weltmarktführer für Reinigungstechnik, hat in den vergangenen Jahren eine der radikalsten IT-Transformationen im deutschen Mittelstand vollzogen. VP IT Leonhard Kerscher beschreibt seinen Ansatz in einem aktuellen CIO.de-Artikel mit einem Satz, der viele IT-Verantwortliche aufhorchen lässt: „Der Bus fährt einfach los, auch wenn die Leute noch nicht drin sind.”

Als jemand, der seit über zehn Jahren KI-Projekte in Industrieunternehmen steuert, lese ich das mit gemischten Gefühlen. Denn hinter diesem markanten Zitat verbirgt sich ein Vorhaben, das in Umfang und Komplexität weit über eine typische Cloud-Migration hinausgeht.

Das Problem

2013 fiel bei Kärcher ein Server in Stuttgart aus. Das klingt nach einem überschaubaren Vorfall, doch die Auswirkungen reichten bis nach Australien und legten den gerade anlaufenden E-Commerce-Betrieb lahm. Dieser Moment machte sichtbar, was viele Mittelständler bis heute kennen: eine historisch gewachsene IT-Landschaft, in der zentrale Server, lokale Installationen und Insellösungen ein fragiles Gesamtsystem bilden. Jeder Standort kochte sein eigenes IT-Süppchen. Eine internationale Zusammenarbeit in Echtzeit war schlicht nicht vorgesehen.

Für Kärcher war das der Wendepunkt. Die Frage lautete nicht mehr, ob sich etwas ändern muss, sondern wie radikal.

Drei Entscheidungen und ihr Impact

1. Cloud-Migration ohne Rückfahrkarte

Kerscher entschied, allen neuen Standorten keine lokalen Serverräume mehr zur Verfügung zu stellen. Wer 2024 ein Werk in Vietnam eröffnet und dort keinen einzigen Server installiert, zwingt die gesamte Organisation in die Cloud. Es gibt kein Zurück, keinen Parallelbetrieb, keine Schatteninfrastruktur.

Impact: 95% Cloud-Durchdringung unternehmensweit. Die Betriebskosten sinken messbar. Kärchers Inventursoftware etwa läuft nur zwischen Weihnachten und Neujahr und verursacht entsprechend minimale Cloud-Kosten statt ganzjähriger Serverauslastung. Gleichzeitig entsteht eine einheitliche, skalierbare Infrastruktur für alle Standorte weltweit.

2. Google Workspace statt Microsoft

2019 wechselte Kärcher von Microsoft Exchange Online nicht etwa zu Microsoft 365, sondern zu Google Workspace. Eine Entscheidung gegen den Branchenstandard und gegen die Erwartung der eigenen Belegschaft.

Impact: Zwei Jahre Umstellungsschmerz, aber danach eine grundlegend veränderte Arbeitsweise. Die Organisation arbeitet vollständig browserbasiert. Das schafft die Voraussetzung für den nächsten Schritt: die Integration von Google Gemini als unternehmensweites KI-Werkzeug. Ohne die vorherige Plattformentscheidung wäre dieser Schritt 2024 nicht möglich gewesen.

3. KI-Agenten für 3.000 Prozesse

Ab 2024 setzte Kärcher selbstentwickelte KI-Agenten ein, die Arbeitsabläufe aus Videoaufnahmen analysieren, Verbesserungsvorschläge generieren, Prozesse in Signavio abbilden und XML-Dateien erzeugen. Das Ergebnis: über 3.000 digitalisierte Prozesse. Ergänzend dazu ein Compliance-Agent, der wöchentlich regulatorische Quellen durchsucht und Executive Summaries erstellt, sowie digitale Wissenszwillinge, die Mitarbeiter-Expertise konservieren.

Impact: 70% der Belegschaft nutzen Gemini aktiv mit durchschnittlich 500.000 Prompts im Monat. Die Prozessdokumentation, die jahrelang an der fehlenden Bereitschaft der Mitarbeitenden scheiterte, ist plötzlich lebendig geworden.

Die eigentlichen Herausforderungen

So beeindruckend die Ergebnisse sind: Hinter den Zahlen verbergen sich drei Herausforderungen, die jedes Unternehmen treffen werden, das einen ähnlichen Weg einschlägt.

Mitarbeiterkonsens: Vom Widerstand zur konstruktiven Mitarbeit

Die eigentliche Aufgabe besteht nicht darin, Alternativen abzuschalten, sondern das Zielbild gemeinsam mit der Belegschaft auf Augenhöhe zu präzisieren. Wer 3.000 Prozesse mit KI-Agenten digitalisieren will, braucht Menschen, die bereit sind, ihre Arbeitsabläufe ehrlich zu dokumentieren, Videoaufnahmen zuzulassen und Verbesserungsvorschläge einer KI ernst zu nehmen. Das gelingt nur, wenn Mitarbeitende verstehen, wohin die Reise geht und welchen Nutzen sie persönlich daraus ziehen.

Bei Kärcher zeigte sich das deutlich: 2017 und 2018 vollzogen Mitarbeitende die Cloud-Migration zunächst nur oberflächlich und nutzten parallel alte Prozesse weiter. Erst als klar wurde, dass die Transformationsziele ohne KI schlicht nicht erreichbar sind, dass der Bus also bald abfährt, verwandelte sich der anfängliche Widerstand in konstruktive Mitarbeit. Die Akzeptanz wuchs nicht durch Zwang, sondern durch die gemeinsame Erkenntnis, dass der neue Weg zu den (persönlichne) Zielen der einzig gangbare ist.

Analyse der Optionen: Die richtigen Plattformentscheidungen treffen

Kärcher wählt Google statt Microsoft. SAP bleibt On-Premise. Gemini statt GPT. Signavio für Prozesse. Jede dieser Entscheidungen hat langfristige Konsequenzen für Kosten, Abhängigkeiten und Integrationsfähigkeit. In einem Transformationsprogramm dieser Grössenordnung müssen solche Optionen systematisch bewertet werden: Welche Plattform unterstützt die KI-Strategie? Welche Vendor-Lock-ins entstehen? Wie verhält sich die Lösung gegenüber künftigen regulatorischen Anforderungen wie dem EU AI Act oder ISO 42001?

Kerscher sagt, der architekturelle Ansatz müsse stimmen. Das ist richtig. Aber Architekturentscheidungen, die auf Intuition und Mut basieren, sind schwer skalierbar. Was bei einem einzelnen VP funktioniert, muss in einem strukturierten Bewertungsprozess nachvollziehbar sein, damit es auch bei der nächsten Entscheidungsrunde trägt.

Interne Entwicklung mit externen Teams: KI-Agenten im Grossen bauen

3.000 Prozesse per KI-Agent zu digitalisieren ist kein Pilotprojekt. Das ist ein Programm. Es braucht ein Team, das KI-Agenten entwickelt, trainiert und wartet. Es braucht Prozessexperten, die fachlich validieren. Es braucht eine Infrastruktur, die Video-, Text- und Bilddaten sicher verarbeitet. Und es braucht klare Governance: Wer entscheidet, ob ein KI-generierter Verbesserungsvorschlag umgesetzt wird? Wer haftet, wenn ein Compliance-Agent eine regulatorische Änderung übersieht?

In der Praxis bedeutet das: Interne Teams, die die fachliche Hoheit behalten, arbeiten mit externen Spezialisten zusammen, die KI-Agenten entwickeln und integrieren. Die Koordination dieser Zusammenarbeit, die Definition von Schnittstellen, Qualitätskriterien und Abnahmezyklen ist klassisches Programmmanagement. Nur eben mit einem Technologiestapel, den es vor zwei Jahren in dieser Form noch nicht gab.

Empfehlung: Wie man solche Vorhaben strukturiert angehen kann

Aus meiner Erfahrung mit KI-Projekten bei Industrieunternehmen empfehle ich einen schrittweisen Ansatz, der Kerschers Mut mit methodischer Struktur verbindet:

Schritt 1: Ist-Analyse und Priorisierung. Bevor Systeme abgeschaltet werden, braucht es eine ehrliche Bestandsaufnahme. Welche Prozesse sind geschäftskritisch? Wo entsteht der grösste Hebel durch Automatisierung? Welche Abhängigkeiten bestehen? Diese Analyse verhindert, dass man an der falschen Stelle anfängt.

Schritt 2: Zielbild erstellen und eine Lösung designen, die möglichst viele individuelle Bedürfnisse berücksichtigt. Bevor Technologieentscheidungen fallen, braucht es ein gemeinsames Zielbild. Welche Probleme lösen wir für die Fachabteilungen? Welche Arbeitsabläufe werden einfacher, schneller, besser? Die Architektur der Lösung sollte so gestaltet sein, dass sich möglichst viele Bereiche und Rollen darin wiederfinden. Nur wenn die Belegschaft ihre eigenen Wünsche und Schmerzpunkte in der neuen Strategie wiedererkennt, kann man mit proaktiver Unterstützung statt passivem Widerstand rechnen.

Schritt 3: Pilotierung mit klaren Erfolgskriterien. Statt sofort 3.000 Prozesse anzugehen: 20 bis 50 Prozesse als Pilot, mit definierten KPIs, Feedbackschleifen und dokumentierten Learnings. Das schafft Vertrauen bei Mitarbeitenden und liefert belastbare Daten für die Skalierung.

Schritt 4: Befähigung vor Abschaltung. Schulungsprogramme, die nicht nur das „Wie” erklären, sondern auch das „Warum”. Mitarbeitende, die verstehen, welchen Nutzen ein KI-Agent für ihre tägliche Arbeit hat, dokumentieren ihre Prozesse bereitwilliger als solche, denen nur die alte Alternative genommen wird.

Schritt 5: Skalierung mit Programmstruktur. Ab dem Rollout braucht es ein Programmbüro, das Fortschritt, Risiken und Budgets transparent hält. Interne Prozessexperten und externe KI-Entwickler arbeiten in definierten Sprints. Jeder Agent wird gegen Qualitätskriterien abgenommen, bevor er produktiv geht. Compliance und Governance laufen von Anfang an mit, nicht als nachträgliche Korrektur.

Schritt 6: Kontinuierliche Verbesserung. KI-Agenten sind keine statischen Tools. Prozesse ändern sich, Modelle müssen nachtrainiert werden, regulatorische Anforderungen entwickeln sich weiter. Eine feste Feedbackschleife zwischen Fachbereichen, IT und KI-Team stellt sicher, dass die Lösung mit dem Unternehmen wächst.

Fazit

Leonhard Kerscher hat bei Kärcher bewiesen, dass radikale IT-Transformation im Mittelstand möglich ist. Die 95% Cloud-Durchdringung und 3.000 digitalisierten Prozesse sprechen für sich. Sein Ansatz, Alternativen konsequent zu eliminieren, hat funktioniert.

Doch nicht jedes Unternehmen hat einen VP IT, der die politische Rückendeckung und den persönlichen Mut mitbringt, um den Bus einfach losfahren zu lassen. Für alle anderen empfiehlt sich ein Weg, der die gleiche Entschlossenheit mit methodischer Struktur verbindet: schrittweise, transparent und mit den Menschen statt gegen sie.

Die Technologie ist reif. KI-Agenten können Prozesse analysieren, dokumentieren und optimieren. Die Frage ist nicht mehr, ob, sondern wie gut wir diese Vorhaben steuern.

Wie ich Ihnen hierbei helfen kann

Lassen Sie uns gemeinsam besprechen, wie Sie Ihre KI-Transformation strukturiert und erfolgreich umsetzen können.