Lauri Kien Kotcher, CEO und Mitbegründerin von Different Day – Interviewreihe

Lauri Kien Kotcher, CEO und Mitbegründerin von Different Day, ist eine erfahrene Unternehmensleiterin, Markenentwicklerin, Vorstandsmitglied und strategische Beraterin, deren Karriere Künstliche Intelligenz, Konsumgüter, Einzelhandel, Gesundheitswesen, Finanzdienstleistungen und Private Equity umfasst. Bevor sie Different Day gründete, war sie CEO und Vorstandsmitglied von quip, wo sie einen umfassenderen Wandel von der Mundpflege zur Mundgesundheit leitete, neue Produkte einführte, das Direkt‑zu‑Kunde‑Abonnementmodell des Unternehmens überarbeitete und die Betriebskosten senkte. Zuvor leitete sie The Shade Store und Hello Products und führte Letzteres durch ein starkes Wachstum sowie die Übernahme durch Colgate im Jahr 2020. Frühere Führungspositionen umfassen leitende Rollen bei L Catterton, Godiva Chocolatier, Lehman Brothers und Pfizer Consumer Healthcare sowie 15 Jahre bei McKinsey & Company, wo sie Partnerin wurde und die nordamerikanische Konsumgüter‑Praxis der Firma gemeinsam leitete. Kotcher sitzt zudem im Vorstand von Freshpet und bringt umfangreiche Erfahrung in Wachstumsstrategie, Innovation, Marketing, Fusionen und Übernahmen sowie organisatorischer Transformation ein.

Different Day hilft mittelständischen Unternehmen, operative Herausforderungen in praktische, maßgeschneiderte Anwendungen für Künstliche Intelligenz zu verwandeln, die sich in ihre bestehende Technologieumgebung integrieren. Anstatt sich auf experimentelle KI‑Projekte oder Allzweck‑Software zu konzentrieren, entwickelt das Unternehmen End‑to‑End‑Lösungen, die darauf abzielen, manuelle Arbeit zu reduzieren, Transparenz zu erhöhen, das Umsatzwachstum zu beschleunigen, Margen zu stärken und nützliche geschäftliche Erkenntnisse zu gewinnen. Seine Arbeit deckt Bereiche wie Bedarfsprognosen, Liefer‑ und Bestandsplanung, Vertriebs‑Intelligenz, Finanzhilfen‑Abstimmung, Compliance, Vertragsanalyse, Kundenbeziehungs‑Management und Leistungsberichterstattung ab. Different Day positioniert sein Team als Partner vom ersten Erkennen des Problems über die Implementierung bis hin zur Wissensübertragung, sodass Kunden die Anwendungen intern betreiben und weiter verbessern können.

Sie haben Jahrzehnte damit verbracht, Transformationen bei McKinsey, Godiva, Hello Products, The Shade Store und quip zu leiten, bevor Sie Different Day mitbegründeten. Was hat Sie davon überzeugt, dass mittelständische Unternehmen einen neuen Typ KI‑Partner benötigen, und welche operativen Probleme glaubten Sie, dass bestehende Technologielieferanten und Beratungsfirmen nicht lösen konnten?

Erstaunlicherweise leben Führungskräfte oft im Dunkeln. Als CEO und CMO, die schnell wachsende mittelständische Konsummarken und Einzelhändler leiten, konnte ich nie einen klaren Überblick über das gesamte Spektrum aller beweglichen Teile des Unternehmens erhalten. Unsere Daten befanden sich häufig in getrennten Silos nach Kanal, Geografie und Verantwortungsbereich. Mein Instinkt war, dass KI endlich diese Punkte verbinden und helfen könnte, herauszufinden, was uns fehlt, aber ich hatte keine Ahnung, wen ich anrufen oder wo ich anfangen sollte. Different Day wurde die Antwort auf diese Frage.

Mittelständische Unternehmen verfügen über weniger Ressourcen als große Konzerne, können jedoch auch weniger Bürokratie und technische Schulden haben. Wie sollte ihr Ansatz bei der KI‑Implementierung vom Unternehmens‑Playbook abweichen?

Mittelständische Unternehmen besitzen eine außergewöhnliche Superkraft, die sie nutzen müssen. Sie sollten darauf abzielen, ihre größeren Konkurrenten zu überholen, da Geschwindigkeit ihr echter Vorteil ist. Unserer Ansicht nach können wir die meisten mittelständischen Unternehmen zu KI‑nativen Organisationen machen, als würden sie 2026 von Grund auf neu gestartet. Große Unternehmen fürchten stillschweigend, dass KI kleineren Wettbewerbern das Spielfeld ebnet, indem KI‑Teammitglieder schneller arbeiten, ohne zusätzliches Personal einzustellen. Weniger Menschen bedeuten weniger Entscheider darüber, was zu tun ist, wie es zu tun ist und welche Ziele verfolgt werden, sodass ein kleinerer Organisationsplan ein Vorteil statt einer Einschränkung ist.

Wie unterscheiden Sie bei der Bewertung der Unternehmensabläufe einen Workflow, der wirklich von KI profitiert, von einem, der besser durch konventionelle Automatisierung, verbesserte Software oder Prozessneugestaltung adressiert werden sollte?

Ich glaube an den nackten Ansatz: reduzieren Sie Ihren Workflow auf das Wesentliche. Die Vereinfachung des Prozesses sollte vor der KI stehen. Beginnen Sie mit einem leeren Blatt Papier – was würden Sie hier tun, wenn die Altsoftware und Work‑arounds nicht existieren würden? Die meisten bestehenden Prozesse wurden entwickelt, um um umständliche Werkzeuge herum zu arbeiten, nicht weil sie die richtige Arbeitsweise darstellen. Wenn Verträge zur Erneuerung anstehen, fragen Sie, welche Funktionen Sie nutzen, und mit wenigen Ausnahmen kann KI etwas Maßgeschneiderteres bauen als das, was Sie heute haben. Obwohl es immer Systeme gibt, die es zu behalten gilt, wie Ihr ERP oder CRM, entwerfen wir genau die Add‑Ons, die Sie benötigen, und nichts weiter.

Different Day behauptet, mit einem 72‑Stunden‑Prototyp beginnen und innerhalb weniger Wochen an eine produktionsreife Übergabe gelangen zu können. Was ermöglicht dieses Tempo, und welche technischen, sicherheits‑ oder organisatorischen Bedingungen könnten eine Implementierung verlangsamen?

Es mag wie ein Überversprechen wirken, ist aber ein Spiegelbild unseres einzigartigen Vorteils als Unternehmen, das von Menschen gegründet wurde, die Business UND Technologie verstehen. Unser Team ist KI‑native, sodass die Entwicklung selbst viel schneller voranschreitet als herkömmliche Softwareentwicklung. Was sich nicht ändert, ist die Entdeckung: wer den Prozess besitzt, wer noch zustimmen muss, welches Ergebnis Sie anstreben und um wie viel, was zuvor gescheitert ist. Überspringt man diese Arbeit zu Beginn, taucht sie später wieder auf – bei Integrationen, bei der Implementierung – zu deutlich höheren Kosten. Das Tempo ist nur möglich, weil wir das Verständnis im Vorfeld aufbauen, anstatt sofort zu programmieren.

Viele mittelständische Unternehmen arbeiten mit getrennten Tabellen, Alt‑Systemen und inkonsistenten Datenquellen. Wie viel Datenaufbereitung ist in der Regel erforderlich, bevor KI zuverlässige operative Ergebnisse liefern kann?

Die getrennten Daten, mit denen die meisten mittelständischen Unternehmen leben, sind tatsächlich eine Chance, kein Hindernis. Unsere Werkzeuge zeigen genau, wo die Lücken liegen, und das Unternehmen entscheidet, ob und wie sie geschlossen werden. Vor KI waren diese Lücken unsichtbar; jemand zwang die Tabellen zu einer Entscheidung oder traf eine Entscheidung auf Basis unvollständiger Daten, ohne es zu merken. Jetzt können Teams die Lücke sehen und ihre Entscheidung entsprechend abwägen, anstatt anzunehmen, die Daten seien solide.

Welche Kennzahlen sollten Führungskräfte vor Beginn eines KI‑Projekts festlegen, und wie schnell sollten sie erwarten, Belege dafür zu sehen, dass eine Implementierung einen bedeutenden Return on Investment erzielt?

KI mag neu sein, doch die klassischen betriebswirtschaftlichen Disziplinen gelten weiterhin. Probleme entstehen, wenn Menschen glauben, alle alten Regeln seien verschwunden. Jedes KI‑Projekt benötigt ein klares Ziel, sei es Umsatz, Markenbekanntheit, Marge, Entscheidungsgeschwindigkeit oder mehr Output ohne zusätzliches Personal, sowie einen realistischen Zeitplan, um dieses Ziel zu erreichen. Zeitpläne variieren je nach Anzahl der Datenverbindungen, beteiligten internen und externen Systemen und dem Lernaufwand des Tools, bevor seine Ergebnisse solide sind. Sie sollten bis zum dreimonatigen Zeitpunkt eine Art Ergebnis sehen; komplexere Projekte benötigen länger. Der Schlüssel liegt darin, das Projekt in Phasen zu gestalten, sodass Sie nicht auf ein einziges, alles entscheidendes Ergebnis warten müssen.

Different Day hebt Anwendungen hervor, die von Bedarfsprognosen über Lieferplanung, Vertragsintelligenz, Finanzhilfen‑Abstimmung bis hin zu Echtzeit‑Verkaufs‑Signalen reichen. Welche Anwendungsfälle liefern heute die wiederholbarsten Ergebnisse, und welche bleiben stark von Branche und Geschäftsmodell eines Unternehmens abhängig?

Unterschätzen Sie nicht den Wiederholungsfaktor von KI. In vielerlei Hinsicht sind Unternehmen strukturell ähnlicher, als wir denken, von universellen Verträgen bis hin zur Abstimmung von Kundenbedürfnissen mit internen Fähigkeiten. Vertragsintelligenz und Finanzhilfen‑Abstimmung sind heute am wiederholbarsten; beide haben klare Parameter und klare Ergebnisse, sodass das Tool genau weiß, was es löst. Bedarfsprognosen und Lieferplanung sind schwieriger: mehr Datensätze, mehr Kanäle und deutlich mehr Variation von einem Unternehmensmodell zum nächsten. Etwas wie Echtzeit‑Kundenbenachrichtigungen liegt dazwischen, abhängig vom aktuellen Technologie‑Stack und den Kanälen des Unternehmens.

Wie sollte ein Unternehmen entscheiden, ob es ein Standard‑KI‑Produkt kauft, intern entwickelt oder eine maßgeschneiderte Anwendung mit einem externen Partner erstellt? Welche Fragen helfen, unnötige Komplexität oder Anbieterabhängigkeit aufzudecken?

Vermeiden Sie KI‑Clickbait und seien Sie skeptisch gegenüber LinkedIn‑Posts, die den internen Bau anspruchsvoller Werkzeuge als einfach darstellen. Entwickeln Sie intern nur dann, wenn das Tool wirklich einfach ist, etwa ein Dashboard, das einige Tabellen in eine übersichtliche Ansicht für ein paar Kolleg*innen zusammenführt. Sobald Sie Echtzeit‑Daten aus internen und externen Systemen benötigen, liegt das außerhalb der Reichweite eines nicht‑technischen Teams mit DIY‑Werkzeugen. Standard‑KI hat dieselbe Obergrenze wie Standard‑SaaS immer hatte. Sie liefert Ihnen einen Überblick über generische Daten, aber nicht die Nuancen, die für Ihr Unternehmen und Ihre Wettbewerber spezifisch sind.

Was sind die häufigsten Fehler, die Sie bei Unternehmen beobachten, wenn sie von einer beeindruckenden KI‑Demo zu einem System übergehen, dem die Mitarbeitenden täglich vertrauen und das sie nutzen müssen?

Ich beobachte eine Epidemie von „Prototyp‑itis“: Unternehmen, die sich von den sichtbaren 10 % des Eisbergs täuschen lassen. Der Prototyp wirkt beeindruckend, aber die eigentliche Arbeit findet unter der Oberfläche statt: Daten‑Testing und Back‑Testing, Prüfung jeder Systemverknüpfung und Sicherung der Daten. Dann folgt das Change‑Management: den Mitarbeitenden beizubringen, wie sie es nutzen, wo seine Grenzen liegen, wann ein Mensch im Prozess bleiben muss und welche Fragen sie zu den Ergebnissen stellen sollten. KI sollte zweckmäßig sein, nicht ein Ersatz für menschliches Urteilsvermögen, besonders in einem Mittelstands‑Unternehmen, in dem dieses Urteilsvermögen über Jahre aufgebaut wurde.

Wenn KI in Kernprozesse eingebettet wird, wie erwarten Sie, dass sich die Rollen von Führungskräften und Mitarbeitenden an der Front verändern, und was sollten mittelständische Führungskräfte jetzt tun, um sicherzustellen, dass KI ihre Teams stärkt, anstatt nur eine weitere Technologielage hinzuzufügen?

„Manager“ bedeutete einst, Menschen zu führen. Schnell hat es sich zur Verwaltung von Agenten und Systemen gewandelt. Beginnen Sie damit, die größten Schmerzpunkte des Teams zu kartieren und die manuelle, repetitive Arbeit zu isolieren; dort gehört KI zuerst hin, bevor Sie ihr komplexere Entscheidungen anvertrauen. Gehen Sie zuerst, laufen Sie dann, besonders in einem mittelständischen Unternehmen, in dem Vertrauen Schritt für Schritt gewonnen werden muss.

Vielen Dank für das großartige Interview, Leserinnen und Leser, die mehr erfahren möchten, sollten Different Day besuchen.