Head of AI bei Ferchau: „Nicht die Technologie ist die Hürde, sondern die Organisation“

Der Karriereweg von Till Saßmannshausen steht exemplarisch für eine Entwicklung, die viele Unternehmen aktuell herausfordert: Nicht die Technologie ist der Engpass bei künstlicher Intelligenz – sondern die Fähigkeit, sie sinnvoll einzusetzen. Als Head of AI Management bei dem Technologiedienstleister Ferchau baut er eine zentrale KI-Funktion auf und bewegt sich dabei konsequent zwischen Fachbereich, Management und IT. Im Interview mit ingenieur.de erklärt er, wie sich Anforderungsprofile für Ingenieure verschieben, warum sein Psychologie-Studium ihm dabei hilft und wie lebenslanges Lernen in der Praxis aussieht.

ingenieur.de: Herr Saßmannshausen, Ihr Wechsel zu Ferchau fiel in eine extrem dynamische Phase. Wie kam es dazu, dass Sie Ende 2023 die Verantwortung für das Handlungsfeld KI übernommen haben, und was hat Sie an dieser Aufgabe besonders gereizt?

Till Saßmannshausen: Das war ziemlich genau ein Jahr nach dem großen Aufkommen von ChatGPT. In der Ferchau-Gruppe hatte man sich bereits die Frage gestellt, wie man intern und extern strategisch mit der neuen Präsenz von KI umgeht. Es gab eine klare Projektidee, aber das Vorhaben war personell noch nicht besetzt. Ich war zu diesem Zeitpunkt auf Jobsuche und im Austausch mit verschiedenen großen Beratungsunternehmen, und eben auch mit Ferchau.

Was mich letztlich überzeugt hat, war der enorme Gestaltungs- und Handlungsspielraum, der sich mir hier bot. Da das Themenfeld im Unternehmen vorher noch wenig strukturiert war, gab es viel Aufbauarbeit zu leisten. Die direkte Anbindung an den CIO und die damit verbundenen kurzen Kommunikationswege haben mir die Chance geboten, dieses Feld von Grund auf sehr stark mitzuprägen.

Sie sind von Haus aus Wirtschaftsingenieur, bringen aber einen ungewöhnlichen fachlichen Mix mit. Wie sieht Ihr Hintergrund aus und wie stark haben Sie sich schon vor dieser Rolle mit KI beschäftigt?

Mein Bachelor- und Masterstudium im Wirtschaftsingenieurwesen habe ich 2015 abgeschlossen und bin danach in einer kleineren Unternehmensberatung eingestiegen. Dort habe ich klassische Prozessoptimierung betrieben – hauptsächlich in produzierenden Unternehmen, von der Fabrikplanung über Shopfloor-Management bis hin zu Lean Management. Dabei hat sich sehr früh mein Faible für IT-Systeme herauskristallisiert. Jedes Unternehmen nutzt ERP- oder Planungssysteme, und ich habe mich schnell als Dolmetscher zwischen den Fachbereichen und der internen IT oder externen Softwareanbietern wiedergefunden.

Parallel habe ich einen zweiten Master in Wirtschaftspsychologie absolviert. Die Psychologie beinhaltet einen sehr großen Anteil an Statistik, und das war mein eigentlicher Einstieg in die künstliche Intelligenz. Denn das, was wir heute unter Machine Learning verstehen – ChatGPT gab es damals ja noch nicht –, basiert im Grunde auf Statistik.

Die gleichen Methoden nutzen Psychologen schon seit Jahrzehnten. Das hat mich so fasziniert, dass ich aus dem Beruf noch einmal an die Hochschule zurückgekehrt bin. An der Universität Siegen wurde damals ein neuer Lehrstuhl mit dem Schwerpunkt KI in produzierenden Unternehmen eingerichtet. Da war ich einer der Ersten an Bord. Wir haben in enger Kooperation mit dem WZL der RWTH Aachen Forschungs- und Praxisprojekte realisiert und zudem eine Ausgründung gestartet, um das Thema über eine Demonstrationsfabrik und ein Partnernetzwerk direkt in der Industrie zu verankern.

Wenn Sie auf Ihren eigenen Weg zurückblicken: Können Sie sich noch an Ihren allerersten persönlichen Berührungspunkt mit der KI erinnern?

Der Übergang war tatsächlich sehr fließend, weshalb ich das gar nicht an einem einzigen Moment festmachen kann. Viele Methoden, die man heute unter den Trendlabels „künstliche Intelligenz“ oder „Unsupervised Learning“ zusammenfasst – wie etwa das mathematische Clustering –, habe ich schon während und direkt nach meinem Studium angewendet.

Damals hieß es einfach noch anders. Intensiver wurde es ab 2018 durch mein Promotionsthema, das ich in diesem Jahr abschließe: „Vertrauen in künstliche Intelligenz“. Dabei betrachte ich die Technologie aus einer sehr menschlichen Perspektive: Wie interagieren wir, wenn die KI plötzlich die Rolle eines echten Gegenübers einnimmt? Was damals reine Forschung war, ist seit ChatGPT für fast jeden Menschen Realität geworden.

Prägende Momente und der Abbau von Berührungsängsten

Gab es auf diesem fließenden Weg dennoch konkrete Schlüsselmomente, die Ihre berufliche Richtung nachhaltig geprägt haben?

Ja, im Wesentlichen zwei. Der erste liegt in meiner Zeit als junger Berater im Lean Management. Wenn man als frischer Universitätsabsolvent in eine Produktionshalle kommt und Mitarbeitern, die dort seit 30 oder 40 Jahren arbeiten, erklären soll, wie sie ihre Prozesse optimieren können, ist das eine enorme Schule. Dieses ehrliche In-den-Dialog-Gehen und das aktive Zuhören haben mich tief geprägt. Das war letztlich auch der Auslöser für mein zusätzliches Psychologiestudium, um den Faktor Mensch besser zu verstehen.

Der zweite Moment war unsere universitäre Ausgründung. Unser Professor hat uns sehr große Freiheitsgrade und früh die volle Verantwortung übertragen. Wir haben direkt mit Ministerien über Forschungsprojekte in Millionenhöhe verhandelt. In diesem Alter so viel Verantwortung zu tragen, war extrem wertvoll. Es hat mich für mein weiteres Berufsleben geprägt: Ich wollte genau dieses Umfeld, in dem ich für ein großes Thema umfassende Verantwortung übernehmen und Dinge aktiv bewegen kann. Das habe ich in der Ferchau Group gefunden.

Ihr Promotionsthema lautet „Vertrauen in KI“. In Unternehmen trifft man jedoch oft auf Vorbehalte oder die Angst, dass KI Arbeitsplätze vernichtet – gerade bei langjährigen Mitarbeitern. Wie begegnen Sie diesen Ängsten in Ihrer täglichen Praxis?

Das gelingt nur durch einen ehrlichen und offenen Dialog. Ängste entstehen häufig durch eine falsche Einschätzung der tatsächlichen Fähigkeiten, der Capabilities, dieser Technologie. Je besser man versteht, was eine KI leisten kann – und vor allem, was sie eben noch nicht kann und wo sie Fehler macht –, desto schneller schwinden die Vorbehalte. Das lässt sich aber nicht mit einer PowerPoint-Präsentation vermitteln; das müssen die Menschen selbst erleben. Sie müssen spüren: „Hier hilft mir die KI enorm, aber dort drüben scheitert sie komplett, da braucht es weiterhin meine Expertise.“

Daraus ergibt sich für mich ein interessantes Spannungsfeld. Das Management wird von außen, insbesondere durch das Marketing der großen US-Tech-Konzerne wie OpenAI oder Anthropic, permanent mit einem enormen Hype bespielt. In Demos sieht das immer fantastisch aus. Aber ein System stabil, sicher und zuverlässig in die täglichen Unternehmensabläufe zu integrieren, steht auf einem ganz anderen Blatt.

Meine Aufgabe ist es daher, als Korrektiv zu wirken und einzuordnen, was die Technologie für uns als Unternehmen real leistet. Gegenüber dem Mitarbeiter dient dieser Realismus dem Abbau von Ängsten, gegenüber dem Management ist er die Basis für solide unternehmerische Entscheidungen.

Lesen Sie auch: 1 + 1 = 3: Ferchau stärkt Freelancing

Das klingt so, als ob Sie im Unternehmen eine permanente Übersetzerrolle einnehmen müssen. Wie sieht Ihr Arbeitsalltag konkret aus?

Ich bin tatsächlich permanent als Übersetzer, Vermittler und Balancierer zwischen verschiedenen Welten und Interessen gefordert. Da wir das Thema künstliche Intelligenz bei Ferchau zentralisiert steuern, läuft im Prinzip alles bei mir auf. Das Spektrum reicht von der technischen Infrastruktur – also davon, wie wir Modelle betreiben, sie absichern und wie das Prompting aussieht – bis hin zur operativen Abstimmung mit den Fachbereichen.

Hier geht es vor allem um die Priorisierung: Welche der vielen Use-Case-Ideen schaffen den größten Mehrwert und werden zuerst umgesetzt? Ein zweiter großer Schwerpunkt sind die Schulungs- und Enablement-Initiativen, die wir gemeinsam mit HR Development konzipieren und als Trainer durchführen. Da sich die Technologie rasant entwickelt, ist das ein kontinuierlicher Prozess.

Kontinuierliches Enablement und das Teilen von Wissen

Wie sind diese Schulungen strukturiert und wer wird dort gezielt weitergebildet?

Wir gehen kaskadisch vor, also in der Hierarchie von oben nach unten. Gestartet sind wir mit den Führungskräften, für die wir verschiedene Stufen – von Basic über Advanced bis hin zum Master-Level – anbieten. Parallel dazu haben wir Formate für die Belegschaft etabliert. Sehr bewährt haben sich unsere offenen Online-Sprechstunden. Dort kann jeder Mitarbeiter barrierefrei seine konkreten Probleme einbringen, zum Beispiel, wenn er bei einem Anwendungsfall feststeckt.

Zudem nutzen wir diese Termine, um monatliche Neuerungen aus der KI-Welt zu übersetzen. Wir können von unseren Mitarbeitern im operativen Geschäft nicht erwarten, dass sie täglich die Tech-News verfolgen. Wir filtern diese Flut, bewerten die Relevanz für unser Unternehmen und steuern die Informationen gezielt an die passenden Bereiche aus. Dieses Online-Format läuft kontinuierlich und ist freiwillig. Die Mitarbeiter wählen sich je nach Bedarf ein – manche monatlich, manche unregelmäßiger. Dieser kontinuierliche Wissenstransfer wird auch in Zukunft ein fester Bestandteil unserer Organisation sein.

Spielt dabei auch das sogenannte „Re-skilling“, also die gezielte Erweiterung von Kompetenzen für neue Aufgabenprofile, eine Rolle?

Absolut. Wir setzen da stark auf das Lernen an konkreten Praxisbeispielen. Wenn wir Kolleginnen oder Kollegen haben, die in ihrer Rolle fortgeschrittener sind, binden wir sie aktiv ein. Der Wissenstransfer soll keine Einbahnstraße von oben nach unten sein. Wenn beispielsweise eine Kollegin im Recruiting einen KI-Use-Case für sich entdeckt und perfektioniert hat, dann geben wir ihr die Bühne, damit sie diesen Erfolg mit der gesamten Organisation teilen kann. So lernen auch wir im KI-Team jedes Mal dazu.

Bereits 2024 habe ich als eine der ersten Initiativen eine unternehmensweite Prompt Library ins Leben gerufen. Ob es um die Vorbereitung eines Workshops, eines Interviews oder eines Kundengesprächs geht – wir haben eine zentrale Plattform geschaffen, auf der mittlerweile hunderte praxiserprobte Prompts zur Verfügung stehen. Mein Team hat dafür nur die technische Infrastruktur und die Transparenz bereitgestellt, die Inhalte selbst kamen organisch aus der gesamten Belegschaft. Das erweitert den Horizont aller Kollegen enorm, weil man sieht, was möglich ist.

Neben der Technik und der Weiterbildung: Welche strategischen Aufgaben prägen Ihre Rolle im Austausch mit der Führungsebene?

Die strategische Ausrichtung ist die dritte Säule meiner Arbeit. Ich bin mindestens einmal im Quartal im Management-Board für längere, strategische Sessions und tausche mich dazwischen regelmäßig in Einzelterminen mit den Management-Kollegen aus. Wir prüfen kontinuierlich, ob wir auf Kurs sind und welche neuen Impulse von außen kommen. Im zweiten Halbjahr startet traditionell die Planung für das Folgejahr. Dabei fließen die operativen Erkenntnisse aus unseren Schulungen und den Fachbereichen direkt in die strategischen Entscheidungen des Managements ein. Wenn an der Basis ein konkreter Bedarf hochkocht, nehme ich das als strategischen Impuls mit nach oben.

Die wahre Hürde liegt in den Strukturen, nicht in den Algorithmen

Wenn Sie die aktuelle Entwicklung betrachten: Wo liegt momentan die größte Hürde für den erfolgreichen Einsatz von KI? Ist es die Technologie, der Mensch oder die Organisation?

Die Technologie ist definitiv nicht das Problem. Auch die Menschen sind es nicht; die Mitarbeitenden sind extrem aufgeschlossen, zeigen großes Interesse und beschäftigen sich häufig auch privat intensiv mit dem Thema. Die eigentliche Hürde für uns – und das gilt für alle großen Unternehmen – ist die Organisation. Wir haben viele erfolgreiche Initiativen und Projekte, aber ab einem gewissen Punkt müssen wir uns die fundamentale Frage stellen: Wie wollen wir uns als Unternehmen in den nächsten fünf Jahren aufstellen? Welche Organisationsstrukturen, welche Prozesse und welche Geschäftsmodelle werden sich durch den Einsatz von KI entwickeln? Diese großen Fragen haben wir für uns in Teilen beantwortet, aber der Prozess ist durch die technologische Dynamik permanent im Fluss.

Sie haben selbst einen nicht-linearen Karriereweg hinter sich. Wie wird die KI die klassische Karriereentwicklung im Ingenieurwesen verändern? Was bedeutet das für die junge Generation?

Die klassische, rein lineare Karriere stirbt ohnehin aus – die KI beschleunigt diesen Trend nun massiv. Am deutlichsten sieht man das derzeit in der Softwareentwicklung, und diese wird sich als Blaupause durch alle Berufsbilder ziehen. KI kann heute einen enormen Teil der klassischen handwerklichen Arbeit – wie das Schreiben von Codes – komplett übernehmen.

Das verändert das Anforderungsprofil grundlegend: Die Softwareentwicklerin gibt nicht mehr primär Zeilen ein, sondern die Richtung vor, definiert die Softwarearchitektur, steuert die Abhängigkeiten und setzt die Rahmenbedingungen sowie Restriktionen. Innerhalb dieses Rahmens arbeitet das KI-System dann weitgehend selbstständig.

Als Engineering- und IT-Dienstleister sehen wir diese Transformation jetzt auch in den klassischen Ingenieurdisziplinen. Es gibt bereits erste Werkzeuge und Start-ups, die nach dem Prinzip „Prompt my Bauteil“ funktionieren. Der Ingenieur der Zukunft zeichnet ein 3D-Modell im CAD-System nicht mehr von Hand. Seine Hauptaufgabe wird es sein, die technischen Spezifikationen, Belastungsgrenzen und Restriktionen im Prompt so präzise und fehlerfrei zu beschreiben, dass das System das Bauteil optimal auslegt.

Welche menschlichen Kompetenzen rücken denn in den Vordergrund, wenn das rein Handwerkliche immer stärker automatisiert wird?

Erstens: die ganzheitliche, systemische Betrachtung von Problemen. Genau in diesem Bereich sind Ingenieure durch ihre Ausbildung traditionell stark aufgestellt. Wenn ich einer KI ein komplexes System diktiere, muss ich in der Lage sein, die übergeordneten Zusammenhänge zu überblicken und zu steuern. Das kann die KI nicht.

Zweitens: kritisches Denken. Wir neigen anthropologisch zum sogenannten Automation Bias – also, das optisch perfekt präsentierte Ergebnis einer Maschine einfach „durchzuwinken“. Es wird aber essenziell sein, die Resultate der KI permanent tiefgehend zu hinterfragen und zu evaluieren.

Und drittens: intrinsische Neugier. Wer nicht die Offenheit besitzt, sich permanent auf Neues einzulassen, Fehler zu machen und schnell zu lernen, wird mit der Dynamik dieser Technologie nicht Schritt halten können.

Der Blick in die Zukunft: KI-Assistenten und der Umgang mit Risiken

Wagen wir einen Blick nach vorn: Wie sieht unsere Arbeitswelt in fünf bis zehn Jahren aus, wenn wir diese Trends konsequent weiterdenken?

Das ist der klassische Blick in die Glaskugel. Für die kommenden fünf Jahre lässt sich jedoch recht sicher absehen, dass jeder von uns im privaten wie beruflichen Alltag von mehreren spezialisierten KI-Assistenten begleitet wird. Am greifbarsten wird das beim Smartphone: Das Betriebssystem wird zu einem zentralen KI-Interface. User sagen oder schreiben dem Assistenten nur noch: „Buche mir diesen Flug, reserviere einen Tisch im Restaurant oder sende eine Nachricht an meine Frau.“

Über welches technische Protokoll – ob WhatsApp, Telegram, SMS oder E-Mail – diese Nachricht transportiert wird, ist dabei für Nutzer unerheblich. Heute müssen wir diese Kanäle noch mühsam selbst wählen, in Zukunft wird die KI als universelles Interface über all unseren Systemen liegen und uns von dieser Komplexität komplett abschirmen.

Zum Schluss noch ein Blick auf die Praxis im Ingenieursalltag: Welche fundamentale Eigenschaft von KI-Systemen wird Ihrer Meinung nach im operativen Geschäft noch zu oft übersehen?

Ein entscheidender Punkt, der gerade im organisatorischen Kontext oft zu kurz kommt: KI-Systeme funktionieren fundamental anders als klassische IT-Systeme. Sie arbeiten auf Basis von Wahrscheinlichkeiten. Das bedeutet im Umkehrschluss, dass sie prinzipbedingt immer eine gewisse Fehlerwahrscheinlichkeit aufweisen. Würden sie strikt deterministisch arbeiten, bräuchte man keine KI, sondern könnte es hart codieren. Für Unternehmen bedeutet das, dass sie lernen müssen, Use Cases nach ihrer Fehlertoleranz und ihrem Risiko zu bewerten.

Wenn eine KI mir hilft, eine interne E-Mail vorzuformulieren, ist meine Fehlertoleranz extrem hoch. Stimmt der Kontext, ist das in Ordnung. Wenn dieselbe KI jedoch vollautomatisiert eine E-Mail-Kampagne an tausende Kunden rausschickt, sieht die Welt anders aus. Wenn bei der Formulierung leichte Varianzen auftreten, ist das noch akzeptabel, wenn das System aber aufgrund von Wahrscheinlichkeiten den Empfänger vertauscht und der Kunde Siemens eine Mail mit dem Betreff „Lieber BMW-Kunde“ erhält, ist die Fehlertoleranz gleich null.

Diese differenzierte Risikobewertung und der kompetente Umgang mit wahrscheinlichkeitsbasierten Systemen werden zu den wichtigsten Kernkompetenzen für Ingenieure und Führungskräfte in den kommenden Jahren gehören.

Herr Saßmannshausen, vielen Dank für das Gespräch und die tiefen Einblicke.

Lesen Sie auch: So steuert Ferchau durch stürmische Zeiten