Skalieren mit AI, Agents & Automations - Podcast

Skalieren mit AI, Agents & Automations

René Tzschoppe

Podcast

Skalieren mit AI, Agents & Automations Der Podcast für inhabergeführte KMU, die KI nicht nur testen, sondern damit echte Hebel im eigenen Betrieb bauen wollen. Wer heute ein Unternehmen führt, kommt an einer Frage nicht vorbei: Wo im eigenen Betrieb übernimmt KI ab jetzt Arbeit, die bisher Menschen, Zeit und Geld gekostet hat? Genau darum geht es hier. In jeder Folge zeigen wir zwei konkrete Fallbeispiele aus einer Rubrik: Vertrieb, Marketing, HR, Service, Operations oder Finance. Du erfährst: - Welches Problem das Unternehmen gelöst hat - Welche Tools, Modelle und Workflows dahinter stecken, von n8n über Claude und OpenAI bis hin zu Voice-Agenten und RAG-Setups - Welche Zahlen sich verändert haben, Conversion, Antwortzeit, Personalkosten, Lead-Volumen - Was du sofort übernehmen kannst und wo die Stolperfallen liegen Kein Tutorial-Geschwurbel. Kein "Schau, wie einfach das mit KI ist." Wer KI als Easy-Button verkauft, hat noch keinen Prozess produktiv ausgerollt. In jeder Folge geht es um den Unterschied zwischen einem Prompt im Chatfenster und einem Agenten, der seit sechs Monaten unbeaufsichtigt im Backend läuft. Dieser Podcast ist Pflichtprogramm für Geschäftsführer, Inhaber und Macher im Mittelstand, die wissen wollen, was in zwei Jahren entscheidet, ob ein Betrieb weiter mithält oder von der Konkurrenz überholt wird, die längst still und leise automatisiert. Hinter dem Podcast steht AUTIMA®, Agents & Automations. Wir bauen die Setups, die du hier hörst, täglich für Kunden im deutschsprachigen Mittelstand. Die Cases stammen aus unserem Kurs und unserer Praxis. Wenn dir eine Folge gefällt, bau sie nach. Wenn du Hilfe brauchst, kommst du auf autima.de vorbei.

Alle Folgen

Folge 27: Skalieren mit AI, Agents und Automations: AdCopy und Email-Workflows
Gestern•14:00
Marketing-Operations ist der Hebel, der über deinen Umsatz entscheidet. Und trotzdem behandeln die meisten Unternehmen ihre AdCopy und ihre Email-Listen wie Nebensache. In dieser Folge zeige ich dir zwei Cases aus der AUTIMA-Praxis, die beide den gleichen Effekt haben: mehr Output bei gleichem Input. Case A: Ein E-Commerce-Unternehmen mit 80.000 Euro Quartals-Werbe-Budget steigert seinen ROAS von 2,8 auf 6,1. Durch KI-generierte AdCopy, plattform-spezifisch, in 8 bis 15 Varianten pro Kampagne, kontinuierlich getestet. Ergebnis: 270.000 Euro Mehr-Umsatz im Quartal, ohne einen Euro mehr Budget. Case B: Ein B2B-Anbieter mit 8.000 Leads im CRM hebt seine monatliche Conversion von 2 auf 7 Prozent. Durch echte Email-Workflows statt isolierter Newsletter. Welcome-Sequenz, Nurturing, Reaktivierung, Win-Back. 24 zusätzliche qualifizierte Termine pro Monat. Drei Key-Takeaways: Erstens, eine 50 Prozent bessere Klickrate halbiert deinen effektiven Klickpreis und verdoppelt deinen ROAS. Zweitens, jeder Lead braucht eine Reise, kein einzelnes Mail. Drittens, KI macht beides planbar und skalierbar. Mehr auf autima.de.
Folge 26: Skalieren mit AI, Agents und Automations: Email-AI und Landing-Page-Conversion
13.09.2026•15:26
Dein Newsletter wird von achtzig Prozent der Empfänger ignoriert. Deine Landing-Page lässt achtundneunzig Prozent deiner Besucher wieder gehen. Das ist nicht normal. Das ist nur Standard. In dieser Folge zeigt Rene dir, wie du mit KI aus diesen Mittelmaß-Zahlen echte Performance-Hebel machst. Im ersten Case geht es um Email-Marketing-AI. Ein B-zu-B-Anbieter mit zwölftausend Empfängern verdoppelt die Öffnungsrate, vervierfacht die Klickrate und gewinnt achtunddreißig zusätzliche qualifizierte Leads pro Versand. Personalisiert auf Empfänger-Ebene, nicht auf Segment-Ebene. Im zweiten Case dreht sich alles um Landing-Pages. Ein SaaS-Anbieter steigert seine Conversion von eins Komma neun auf vier Komma vier Prozent und holt vierhundertachtzig tausend Euro A-R-R extra in zwölf Monaten heraus. Bei gleichem Werbebudget. Du lernst, wie KI Subject-Lines pro Empfänger schreibt, wie sie Send-Times pro Person optimiert, wie sie Hooks und Beweis-Bausteine für Landing-Pages baut und welche A-B-Test-Logik dahinter steht. Drei Key-Takeaways: Personalisierung auf Empfänger-Ebene schlägt jede Segmentierung. Landing-Pages sind kein Designthema, sondern ein Argumentations-System. KI macht beides skalierbar.
Folge 25: Skalieren mit AI, Agents und Automations: Gehalts-Benchmarks und Onboarding
06.09.2026•14:24
Zwei der teuersten Baustellen im H-R sind unsichtbar. Erstens: Du zahlst falsch. Entweder zu viel und verbrennst Marge, oder zu wenig und verlierst deine besten Leute nach achtzehn Monaten. Zweitens: Dein Onboarding ist Standard. Jeder Neue bekommt das gleiche Programm, egal ob Junior, Senior, Sales oder Engineer. Beides kostet dich sechsstellige Beträge pro Jahr, und du merkst es nicht einmal. In dieser Folge zeige ich dir, wie K-I beide Probleme planbar löst. Du bekommst einen Case aus einem Tech-Unternehmen mit fünfunddreissig Senior-Entwicklern, wo präzises Benchmarking zwei Kündigungen verhindert und zweihundertvierzigtausend Euro Wiederbesetzungskosten gespart hat. Und einen Case aus einem achtzig-Mitarbeiter-Unternehmen, wo personalisiertes Onboarding sechs Wochen Time-to-Productivity pro Person spart. Drei Key-Takeaways: Erstens, Gehalts-Benchmarking ist kein Jahresprojekt mehr, sondern läuft wöchentlich automatisch. Zweitens, Onboarding-Personalisierung schlägt Standard-Onboarding um Faktor zwei bis drei. Drittens, beide Lektionen zusammen sind dein H-R-Betriebssystem für die nächsten Jahre. Hör rein, wenn du im H-R skalieren willst, ohne Geld zu verbrennen oder Leute zu verlieren.
Folge 24: Skalieren mit AI, Agents und Automations: HR-Wissen und Pulse-Checks
30.08.2026•13:44
Dein Mitarbeiterhandbuch ist ein PDF, das nach achtzehn Monaten zu vierzig Prozent veraltet ist. Und deine Mitarbeiter kündigen, ohne dass du es kommen siehst. In dieser Folge zeige ich dir zwei HR-Hebel, die fundamental verändern, wie du Wissen verwaltest und Stimmung erkennst. Case A: das KI-gestützte Mitarbeiterhandbuch. Aus einem toten Dokument wird eine durchsuchbare, lebende Wissensquelle. Dreiundsiebzig Prozent weniger HR-Anfragen zu Standardthemen. Aus zwölf Stunden HR-Zeit werden drei. Case B: Pulse-Checks mit KI-Auswertung. Zwei bis drei Fragen pro Woche, anonym, sofort ausgewertet, mit Alert-System. Sechsundfünfzig Prozent früheres Erkennen von Unzufriedenheit. Aus vier Kündigungen pro Jahr werden zwei. Ein Senior, der bleibt: achttausend Euro Maßnahmen statt achtzigtausend Euro Neubesetzung. Drei Key-Takeaways: Erstens, HR-Wissen darf kein PDF mehr sein, es muss lebendes System sein. Zweitens, Mitarbeiter-Stimmung ist messbar, wenn du in kurzen Takten misst statt einmal im Jahr. Drittens, beide Cases sind keine HR-Spielerei, sondern direkte Hebel auf Personalkosten und Skalierbarkeit. Mehr Cases, Tool-Stacks und Implementierungs-Details findest du auf autima.de.
Folge 23: Skalieren mit AI, Agents und Automations: Stellenanzeigen und faire Reviews
23.08.2026•14:14
85 Prozent aller Stellenausschreibungen lesen sich gleich. Generisch, lang, langweilig. Und genau deshalb bewerben sich die richtigen Leute nicht bei dir. In dieser Folge zeigt Rene, wie KI Stellenausschreibungen schreibt, die wirklich anziehen. Zielgruppen-spezifisch, mit der richtigen Tonalität, ohne Formulierungs-Killer. Bei AUTIMA-Kunden bedeutet das im Schnitt 2,8 mal mehr qualifizierte Bewerbungen und 41 Prozent schnellere Besetzung. Im zweiten Teil geht es um Performance-Reviews. In vielen Unternehmen sind die ein Lottospiel. Ein Manager bewertet streng, der nächste mild, am Ende zählt Sympathie statt Leistung. KI verändert das. Datenaggregation, Bias-Filter, standardisierte Prompts. Das Ergebnis: 47 Prozent konsistentere Bewertungen und 78 Prozent weniger Beschwerden über ungerechte Reviews. Drei Takeaways: Erstens, deine Stellenanzeige ist der erste Filter und der wichtigste. Zweitens, Performance-Reviews sind kein Bauchgefühl-Job, sondern ein Datenprozess. Drittens, HR-Skalierung beginnt nicht beim Recruiter, sondern bei den Systemen dahinter. Mehr auf autima.de.
Folge 22: Skalieren mit AI, Agents und Automations: Bewerber-Vorfilter und Schulungs-Engine
16.08.2026•14:39
Zwei hundert Bewerbungen auf eine Stelle. Vier Wochen Vorbereitung für eine eintägige Schulung. Das sind die zwei stillen Killer in fast jeder H-R-Abteilung. In dieser Folge zeige ich dir, wie K-I beide Probleme planbar löst. Im ersten Case geht es um Bewerbungs-Vorfilter. Eine H-R-Abteilung mit vier und zwanzig Stellen pro Jahr hat ihren Vorfilter-Aufwand von vier und sechzig auf fünf Stunden pro Stelle reduziert. Und gleichzeitig sank die Quote der Nicht-Pass-Erstgespräche von ein und vierzig auf zwölf Prozent. Im zweiten Case bauen wir Schulungsunterlagen. Eine Vertriebsorganisation hat aus vier hundert achtzig Stunden jährlichem Erstellungsaufwand sechzig Stunden gemacht. Und die Wissens-Test-Quote der Mitarbeiter ist um vier und dreißig Prozent gestiegen. Drei Key-Takeaways. Erstens, K-I im H-R-Bereich ersetzt nicht den Menschen, sondern den Berg an Vorarbeit. Zweitens, die Match-Qualität wird höher, nicht niedriger, weil systematisch statt selektiv gescannt wird. Drittens, Konsistenz schlägt Improvisation, gerade bei Schulungen über mehrere Trainer hinweg. Mehr Cases und Deep-Dives findest du auf autima.de.