Ich werde häufig gefragt, wie weit Lucanet in seiner KI-Transformation ist. Seltener höre ich die Frage, wie wir die Organisation darauf vorbereitet haben – dabei ist das für mich die entscheidende Frage. Viele Unternehmen haben inzwischen KI-Tools eingeführt, aber nur wenige können wirklich sagen, dass ihre Teams dadurch anders arbeiten.
Wir haben KI-Kompetenz als organisatorische Fähigkeit behandelt, sie in unsere operativen Prozesse eingebettet und sind schnell genug vorangegangen, dass es keinen Mittelweg gab. Heute nutzen 98 % unserer knapp 1.000 Mitarbeitenden KI täglich in ihrer Arbeit, und 91 % sagen, dass sie dabei aktiv bei der Umstellung auf KI-gestützte Arbeitsweisen unterstützt werden.
Nach neun Ausgaben haben wir viel über die Intelligenz geschrieben, die wir in die CFO Solution Platform einbauen. Hier möchte ich beleuchten, was es bedeutet hat, diese Intelligenz intern aufzubauen.
Zugang allein reicht nicht
Wenn Workflows, Anreize, Kompetenzen und Führungsverhalten gleichbleiben, ändern sich auch die bevorzugten Tools der Teams meist nicht. Zugang allein verändert nicht die Art, wie gearbeitet wird.
Diese Erkenntnis hat unseren Ansatz bei Lucanet geprägt. Wir haben uns gefragt: Wie werden wir KI-nativ in unserer Arbeitsweise, setzen KI richtig ein und machen sie messbar?
Als generative KI Mitte 2023 aufkam, begannen wir sofort mit den ersten Explorationen. Innerhalb von drei Monaten veranstaltete unser Tech-Team seinen ersten Hackathon, um herauszufinden, was KI kann und was wir damit entwickeln können. Wir haben zunächst einen klaren, aber schlanken Policy-Rahmen erarbeitet: Orientierung dazu, welche Tools verwendet werden dürfen, welche Daten eingesetzt werden können und wo menschliche Überprüfung erforderlich ist. Danach öffneten wir den Zugang für alle – nicht nur für technische Rollen – und gaben den Menschen geschützte Zeit zum Experimentieren, ohne Ergebnisdruck.
Bis 2024 waren die Grundlagen gelegt, um die Reichweite zu erweitern: neue Tools wurden eingeführt und Teams dabei unterstützt, eigene Pilotprojekte durchzuführen. Die Hackathons erzeugten soziale Beweise: Wenn Mitarbeitende sahen, wie Kolleginnen und Kollegen mit diesen neuen Tools echte Probleme lösten, wollten sie es selbst ausprobieren.
Obwohl der Zugang breiter und die Adoption wuchs, blieb die Nutzung dennoch ungleichmäßig. Wir mussten die organisatorischen Bedingungen schaffen, um diese Nutzung fest im Arbeitsalltag zu verankern.
KI als organisatorische Fähigkeit verankern
Wir wussten, dass freiwillige Adoption uns nur bis zu einem gewissen Punkt bringen würde. Irgendwann flacht sie ab, und dann beginnt die Lücke zwischen den Teams, die KI wirklich integrieren, und jenen, die noch an den Rändern experimentieren, spürbar zu werden. Der entscheidende Wandel kam, als wir KI-Kompetenz und KI-gestützte Arbeitsweisen zu Grunderwartungen gemacht haben – nicht zu optionalen Extras. Wir haben diese Erwartungen in Leistungsbeurteilungen, Stellenbeschreibungen und Interview-Bewertungsbögen eingebettet. KI war damit keine Sache mehr, die man erkunden konnte, wenn man wollte, sondern Teil der Art und Weise, wie unsere Organisation funktioniert.
Ebenso wichtig war die Erkenntnis, dass strukturelle Verankerung über die Tools selbst hinausgeht. Wir mussten die unterstützenden Systeme in den Blick nehmen: Prozessgestaltung, kuratiertes Wissen, klare Verantwortlichkeiten und transparente menschliche Überprüfung. Das ist es, was dauerhafte organisatorische Fähigkeit von einer Sammlung von Experimenten unterscheidet.
Das zeigt sich in zwei intern entwickelten Agenten, die wir bis heute einsetzen.
Informationssicherheits- und Cybersecurity-Agent
Was als einfacher Chatbot begann, hat sich in 18 Monaten zu einem agentischen RFP-Tool entwickelt, das heute unter dem Namen LuCy bekannt ist. Ein Großteil des Aufwands floss in die dahinterliegende Wissensdatenbank, die über Sicherheits-, Rechts- und Produktbereiche hinweg aufgebaut und so konzipiert wurde, dass sie für andere Agenten wiederverwendbar ist. Die neueste Version liest vollständige Excel-Fragebögen aus, gleicht Fragen mit der Wissensdatenbank ab, entwirft Antworten und kennzeichnet diese nach Konfidenzgrad für die menschliche Überprüfung. Im Jahr 2026 hat LuCy automatisch 360 Dateien verarbeitet und knapp 25.000 Fragen in den Bereichen Product, Cyber und Legal beantwortet. Was Verantwortlichen für die Analyse früher Tage kostete, dauert heute Stunden – bei vernachlässigbaren API-Kosten und deutlich beschleunigtem Pre-Sales-Zyklus. Die Wissensdatenbank ist das eigentliche Asset. Der Agent macht sie operativ nutzbar.
People Operations Service Desk
SPARK, unser Service-Desk-Agent für People Ops, folgt demselben Prinzip – in einem anderen Kontext. Das People-Leadership-Team hatte bereits ein klares Muster identifiziert: Zu viel Teamkapazität wurde durch wiederkehrende Anfragen der Mitarbeitenden und transaktionale Servicetätigkeiten gebunden, die nur begrenzten strategischen Mehrwert brachten. In enger Zusammenarbeit mit IT und AI Engineering wurden diese Erkenntnisse zu SPARK. In den ersten drei Monaten hat SPARK mehr als 1.800 Konversationen geführt, die HR-Tickets pro Mitarbeitenden um 17 % reduziert und eine Post-Chat-Zufriedenheitsbewertung von 4,25 von 5 erreicht. Das Ergebnis: schnellerer, konsistenterer Support für Mitarbeitende, während das People-Team mehr Kapazität für komplexe Themen gewinnt, die menschliches Urteilsvermögen erfordern.
Diese Beispiele sehen oberflächlich betrachtet unterschiedlich aus, aber sie verweisen auf dasselbe Muster: KI schafft Mehrwert, wenn sie in das Gefüge der tatsächlichen Arbeit eingebaut ist. An diesem Punkt geht man über das Experimentieren hinaus und erzielt echte Verbesserungen der organisatorischen Effizienz.
Was Transformation wirklich erfordert
Ich möchte hier ehrlich sein, denn dieser Teil wird in Transformationsgeschichten meist weggelassen.
Transformation ist chaotisch. Es gibt keinen sauberen Verlauf, bei dem Sie erst die Bedingungen schaffen, dann die Tools skalieren und sich dann alle anpassen. Die Realität ist: Tools, Bedingungen, Erwartungen und Fähigkeiten bewegen sich gleichzeitig, unvollkommen, unter Druck, mit Menschen, die ihren Job machen und gleichzeitig gebeten werden, ihre Arbeitsweise zu ändern.
Als wir auf agentische Entwicklung umstellten und KI-Kompetenz in Leistungserwartungen verankerten, zeigte unser interner Pulse-Check einen vorübergehenden Rückgang des Unternehmensvertrauens. Das hat mich nicht überrascht. Echter Wandel erzeugt echte Unsicherheit – und wer das Gegenteil behauptet, bewegt sich entweder nicht schnell genug oder schaut nicht genau hin. Die Frage ist nicht, wie man diesen Einbruch vermeidet, sondern wie man ihn übersteht.
Wir haben uns für Geschwindigkeit und Ehrlichkeit entschieden statt für eine lange Anpassungsphase. Wir haben direkt und schnell kommuniziert, auch bevor wir alle Antworten parat hatten. Denn Unklarheit ist schädlicher als eine unvollkommene, aber ehrliche Botschaft – so einfach ist das. Wenn Menschen nicht wissen, was sie erwartet, füllen sie die Lücke mit dem schlimmsten Szenario. Klarheit, selbst teilweise Klarheit, schließt diese Lücke schneller, als bis zum vollständigen Bild zu warten.
Das bedeutete, unbequeme Dinge klar auszusprechen. Dass der Übergang zu KI-nativen Arbeitsweisen real ist. Dass sich dadurch ändern würde, welche Fähigkeiten zählen und wie Rollen aussehen. Dass wir schnell vorangehen, weil die Alternative – eine langsame, vorsichtige Anpassung – uns hätte scheitern lassen und wir unsere Chance verpasst hätten.
Was uns durchgebracht hat, waren Konsequenz und Verantwortlichkeit auf allen Ebenen. Anpassungsfähigkeit ist nicht nur eine individuelle Fähigkeit, sie ist vielmehr eine Führungsverantwortung. Sie können Menschen bitten, sich anzupassen und dabei sie selbst zu bleiben, aber nur, wenn Sie dasselbe tun: den Kurs anpassen, ohne die eigene Glaubwürdigkeit zu verlieren, Tempo und Ehrlichkeit gleichzeitig halten.
Ich bin seit neun Jahren bei Lucanet, und das ist eines der bedeutendsten Dinge, die wir als Organisation getan haben. Denn KI wirklich zu verankern – sie zum Teil unseres Denkens, unseres Einstellens, unseres Messens und unseres Kundenservices zu machen – erforderte echtes organisatorisches Wachstum. Dieses Wachstum war nicht schmerzfrei. Aber es war notwendig.
Die 98-%-Adoptionsquote ist real – gemessen durch unseren Pulse-Check zu Nutzungshäufigkeit, Anwendungsfällen und der Frage, ob Führungskräfte ihre Teams aktiv bei der Umstellung auf KI-gestützte Arbeitsweisen unterstützen. Die Effizienz, die diese Zahl widerspiegelt, ist ebenso real. Worauf ich aber am stolzesten bin: Wir haben eine Organisation aufgebaut, die Unsicherheit mit genug Ehrlichkeit und Überzeugung durchgestanden hat – und am Ende mit mehr Kompetenz daraus hervorgegangen ist, als sie zu Beginn hatte.
Derselbe Maßstab, intern angewendet
Es gibt noch einen Punkt, der es wert ist, benannt zu werden. Lucanet kann sich selbst an diesem Maßstab messen und mit Überzeugung statt nur mit Dringlichkeit voranschreiten – weil KI kein Bruch mit dem ist, was wir sind. Wir automatisieren seit über 25 Jahren die Arbeit im Office of the CFO. Diese Geschichte hat uns eine Grundlage gegeben, auf der wir aufbauen können – als Softwareunternehmen, aber auch als Organisation, die an sich selbst dieselben Anforderungen stellt wie an ihr Produkt. KI tief in unsere Arbeitsweise einzubetten ist die Fortsetzung von etwas, an das wir schon immer geglaubt haben: dass das Office of the CFO bessere Tools verdient und dass die Menschen, die diese Tools bauen, nach demselben Maßstab arbeiten sollten.
Die Übereinstimmung zwischen dem, was wir bauen, und wie wir arbeiten, macht das Commitment real. KI als organisatorische Fähigkeit zu verankern, ist kein Projekt mit Ziellinie. Es ist eine fortlaufende Entscheidung, mit Tempo voranzugehen, kontinuierlich besser zu werden und mit Ehrlichkeit durch die Teile des Wandels zu führen, die sich nicht sauber auflösen.
Überzeugen Sie sich selbst vom Ergebnis
Die Workflow-Agenten von Lucanet sind darauf ausgelegt, Abschlüsse, Planung und Reporting nach Ihren Bedingungen zu gestalten – alles auf Basis derselben Architektur des Vertrauens, die wir in dieser Serie beschrieben haben. Von der Finanzmodellierung bis zur Emissionsfaktor-Zuordnung bringen unsere Agenten verlässliche Intelligenz in Ihre alltäglichen Workflows.
