Künstliche Intelligenz ist bei Deep Impact kein Add-on – sondern zentraler Bestandteil von Strategie, Produktentwicklung und technologischem Denken. Das zeigt sich besonders bei deepico, einem Venture von Deep Impact: Die eigenständige AG entwickelt eine moderne Cloud-ERP-Plattform für die Lebensmittelbranche – mit dem Ziel, Geschäftsprozesse intelligent zu automatisieren und besser steuerbar zu machen. CTO Rodrigo Benz erklärt im Interview, was AI-First in der Praxis bedeutet, wie man technologische KI-Readiness schafft – und warum pragmatische Experimente der Schlüssel zur Innovation sind.
Rodrigo, was verstehst du unter dem Begriff „AI-First“ – und wie passt das zu eurer aktuellen Produktstrategie bei deepico?
Für mich bedeutet AI-First, dass wir schon bei der ersten Lösungsfindung überlegen, welche Aufgaben ein Modell übernehmen kann und welche Daten es dafür braucht. Funktionen werden so angelegt, dass die Intelligenz der Kern der Lösung ist. Dadurch entsteht kein nachträgliches „Chatbot-Add-on“, sondern eine Funktion, deren Mehrwert auf KI beruht.
Bei deepico setzen wir heute schon stark auf Digitalisierung und Automatisierung entlang der gesamten Wertschöpfungskette. AI-First hilft uns, zukünftige Innovationen gezielt in unsere Cloud-ERP-Produkte einzuweben. Dabei ist für uns wichtig: KI soll reale Probleme lösen, nicht nur ein Buzzword sein.
Wie stellt ihr sicher, dass eure Plattform technologisch bereit ist für den späteren Einsatz von KI?
Wir setzen konsequent auf eine moderne Cloud-Architektur. Wichtig ist aber vor allem die Grundlage, die wir damit geschaffen haben: Ob ein Modell den künftigen Bedarf unserer Kundschaft prognostiziert, eingehende Belege automatisch den richtigen Bestellungen zuordnet oder Unregelmässigkeiten in Produktionsdaten erkennt – wir können es schnell in unsere Plattform einbinden, live beobachten und bei Erfolg freischalten. Diese Fähigkeit, schnell und risikoarm zu experimentieren, macht uns für kommende KI-Funktionen maximal beweglich.
Wie integriert ihr das Thema KI heute schon in eure Produktentwicklung – auch wenn es im Produkt selbst noch nicht sichtbar ist?
Schon heute begleitet uns KI in den meisten Phasen. Bei der Lösungsfindung diskutieren wir Ideen mit LLMs und kommen schneller zu tragfähigen Konzepten. Beim Prototyping generieren wir in wenigen Stunden Proofs of Concept, die früher Tage gebraucht hätten, und beim Coden steigern Tools wie GitHub Copilot die Geschwindigkeit und Testabdeckung merklich.
Was sind für dich sinnvolle Kriterien, wann und wo KI in einem digitalen Produkt wirklich Mehrwert bringt?
KI schafft dort echten Mehrwert, wo sie spürbare Engpässe im Arbeitsalltag beseitigt: etwa wenn manuelle Dateneingaben und Prüfungen automatisiert werden, wenn Papier- oder Excel-basierte Abläufe endlich digital fliessen oder wenn Entscheidungen dank schneller Analysen präziser ausfallen. Wenn Prozesse merklich flüssiger laufen, trägt sich die Investition praktisch von selbst.
Was würdest du Tech-Teams oder Startups raten, die unter Druck stehen, „etwas mit KI“ zu machen – aber noch keinen klaren Use Case sehen?
Beginnt mit kleinen internen Experimenten, zum Beispiel automatisierten Reports oder Testdatengenerierung. So sammelt ihr Erfahrungen, ohne Kunden zu involvieren. Haltet die Experimente günstig. Low-Code-Tools reichen meist aus. Aus diesen Quick-Wins wachsen meistens von selbst gute Ideen.
