KI im Unternehmen einführen: 7 Schritte für Entscheider

Wichtigste Punkte

• KI im Unternehmen einführen: Der 7-Schritte-Leitfaden für Entscheider
• Warum die meisten KI-Einführungen scheitern
• Schritt 1: KI-Readiness Assessment durchführen
• Schritt 2: KI-Strategie mit der Geschäftsstrategie verknüpfen
• Schritt 3: Quick Wins identifizieren und umsetzen

Titel: KI im Unternehmen einführen: 7 Schritte für Entscheider Kategorie: industry-news Tags: KI im Unternehmen, Künstliche Intelligenz, KI Strategie, Digitale Transformation, Change Management, KI Einführung

KI im Unternehmen einführen: Der 7-Schritte-Leitfaden für Entscheider

Die Einführung von Künstlicher Intelligenz im Unternehmen ist keine technische Frage — es ist eine strategische Entscheidung. Während viele Organisationen noch experimentieren, haben erfolgreiche Unternehmen bereits einen strukturierten Ansatz entwickelt. Dieser Leitfaden zeigt Ihnen die 7 bewährten Schritte, mit denen Sie KI systematisch und erfolgreich implementieren.

Warum die meisten KI-Einführungen scheitern

Laut einer BCG-Studie schaffen nur 10 % der Unternehmen es, signifikanten Geschäftswert aus KI-Projekten zu generieren. Die häufigsten Gründe für das Scheitern:

• Fehlende Strategie: KI wird als IT-Projekt behandelt statt als Geschäftsstrategie
• Mangelndes Change Management: Mitarbeiter werden nicht mitgenommen
• Zu ambitionierte Ziele: Statt Quick Wins werden sofort komplexe Systeme angestrebt
• Keine Datengrundlage: Die Datenqualität wird unterschätzt

Schritt 1: KI-Readiness Assessment durchführen

Bevor Sie KI einführen, müssen Sie wissen, wo Ihr Unternehmen steht. Ein KI-Readiness Assessment umfasst:

• Datenlandschaft: Welche Daten sind vorhanden? In welcher Qualität?
• Prozessanalyse: Welche Prozesse eignen sich für KI-Unterstützung?
• Kompetenz-Mapping: Welches KI-Wissen existiert bereits im Unternehmen?
• Infrastruktur: Sind die technischen Voraussetzungen gegeben?

Tipp: Ein externer KI-Speaker oder Berater kann dieses Assessment objektiv und strukturiert durchführen.

Dieses Assessment bildet die unverzichtbare Grundlage für jede KI-Initiative. Stellen Sie sicher, dass alle relevanten Abteilungen – von der IT über Fachbereiche bis zur Rechtsabteilung – involviert sind. Das Daten-Audit sollte nicht nur die Verfügbarkeit, sondern auch die Zugänglichkeit, Konsistenz und Relevanz der Daten bewerten. Häufig sind Daten in verschiedenen Systemen isoliert oder in ungeeigneten Formaten gespeichert. Eine saubere Datenbasis vermeidet kostspielige Fehlentwicklungen und liefert zuverlässige KI-Ergebnisse. Betrachten Sie auch die aktuelle Prozessdokumentation: Wie detailliert sind Abläufe beschrieben? Wo liegen die Engpässe, die KI lösen kann? Ein fundiertes Verständnis der bestehenden Geschäftsprozesse hilft, die passendsten Anwendungsfälle zu identifizieren und die spätere Integration zu erleichtern. Unterschätzen Sie nicht die Bedeutung der Mitarbeiterschaft: Welche Ängste oder Vorurteile gibt es gegenüber KI? Wo gibt es Neugierde und Bereitschaft zur Veränderung? Diese Erkenntnisse fließen direkt in Ihr Change-Management-Konzept ein, das wir später besprechen.

Schritt 2: KI-Strategie mit der Geschäftsstrategie verknüpfen

KI ist kein Selbstzweck. Jedes KI-Projekt muss auf messbare Geschäftsziele einzahlen:

• Kostenreduktion: Automatisierung repetitiver Prozesse
• Umsatzsteigerung: Personalisierung, bessere Prognosen
• Qualitätsverbesserung: Fehlerreduktion, Konsistenz
• Innovation: Neue Produkte und Geschäftsmodelle

Formulieren Sie 3–5 konkrete KI-Ziele, die direkt mit Ihrer Unternehmensstrategie verknüpft sind.

Eine klare Verknüpfung der KI-Ziele mit der übergeordneten Unternehmensstrategie ist kritisch. Stellen Sie sich vor, Ihr Unternehmen möchte die Kundenbindung erhöhen. Ein passendes KI-Ziel könnte dann sein: "Erhöhung der Kundenzufriedenheit um 15 % durch personalisierte Angebote und schnelleren Support innerhalb der nächsten 18 Monate." Dieses Ziel lässt sich klar messen und trägt direkt zur Unternehmensstrategie bei. Vermeiden Sie vage Formulierungen wie "Wir wollen KI nutzen". Seien Sie präzise. Überlegen Sie: Welchen konkreten Business Case verfolgen wir mit KI? Könnte der Einsatz von KI unser Kernprodukt verbessern oder unsere Markteinführungszeiten verkürzen? Das Management muss diese strategische Ausrichtung vertreten und die notwendigen Ressourcen dafür bereitstellen. Ohne diese oberste Rückendeckung verpuffen viele KI-Initiativen im operativen Alltag. Sprechen Sie mit Führungskräften aus verschiedenen Geschäftsbereichen, um eine breite Unterstützung und ein gemeinsames Verständnis für die strategische Rolle der KI zu schaffen. Ein Keynote Speaker zum Thema Digitalisierung kann hier einen ersten gemeinsamen Impuls geben und die strategische Relevanz untermauern.

Schritt 3: Quick Wins identifizieren und umsetzen

Starten Sie nicht mit dem größten Projekt, sondern mit dem schnellsten Erfolg. Typische Quick Wins:

• E-Mail-Automatisierung: ChatGPT-gestützte Textvorlagen
• Meeting-Zusammenfassungen: KI-Assistenten für Protokolle
• Datenanalyse: Automatisierte Reports und Dashboards
• Kundenservice: FAQ-Chatbots und Ticket-Kategorisierung
• Content-Erstellung: Blog-Texte, Social-Media-Posts, Produktbeschreibungen

Quick Wins schaffen Akzeptanz, demonstrieren den Mehrwert und generieren Momentum für größere Projekte.

Die Auswahl und Umsetzung von Quick Wins ist psychologisch enorm wichtig. Sie liefern sichtbare Erfolge in kurzer Zeit und bauen intern Vertrauen in die Technologie auf. Stellen Sie sicher, dass die gewählten Quick Wins einen echten Schmerzpunkt im Alltag Ihrer Mitarbeiter adressieren. Wenn beispielsweise ein Mitarbeiter täglich Stunden mit dem Verfassen ähnlicher E-Mails verbringt, entlastet eine KI-gestützte Textvorlage diese Person sofort. Dies führt zu einer positiven Grundeinstellung gegenüber KI. Ein Beispiel: Ein mittelständisches Unternehmen im Handel führte einfache KI-Tools zur automatischen Kategorisierung von Kundenanfragen ein. Innerhalb weniger Wochen reduzierte sich die Bearbeitungszeit um 20 %. Dieser Erfolg motivierte die Mitarbeiter im Kundenservice, weitere KI-Anwendungen zu entdecken. Kleine, aber wirkungsvolle Projekte lassen sich oft mit vorhandenen SaaS-Lösungen umsetzen, die nur eine geringe Integration erfordern. Das reduziert die Einstiegshürde. Der Fokus liegt hier darauf, den Menschen zu zeigen, wie KI ihre Arbeit erleichtert, nicht ersetzt.

Schritt 4: Das KI-Team aufbauen

Erfolgreiche KI-Einführung braucht die richtigen Menschen:

Rollen im KI-Team

• KI-Champion: Treibt das Thema auf Führungsebene voran
• KI-Koordinator: Koordiniert Projekte abteilungsübergreifend
• Power User: Mitarbeiter, die KI-Tools als Erste meistern und Kollegen schulen
• Externe Experten: KI-Speaker und Berater für Workshops und Strategie

Schulungsprogramm

Ein strukturiertes Schulungsprogramm umfasst idealerweise: 1. Awareness-Keynote für alle Mitarbeiter (60 Min.) 2. Grundlagen-Workshop für Power User (Halbtag) 3. Vertiefungs-Workshop für Fachabteilungen (Ganztag) 4. Regelmäßige Updates zu neuen Tools und Best Practices

Der Aufbau eines engagierten und kompetenten KI-Teams ist ein Eckpfeiler für den Erfolg. Der KI-Champion, oft ein Mitglied der Geschäftsleitung, gibt nicht nur die Richtung vor, sondern fungiert auch als Fürsprecher für notwendige Investitionen und Veränderungen. Der KI-Koordinator sollte über ausgezeichnete Kommunikationsfähigkeiten verfügen, um zwischen IT, Fachbereichen und Management zu vermitteln. Diese Person sorgt dafür, dass Projekte im Zeitplan bleiben und Ressourcen effektiv genutzt werden. Die Power User sind Ihre internen Multiplikatoren. Wählen Sie Personen aus, die technologieaffin sind, aber vor allem auch ein hohes Ansehen in ihrer Abteilung genießen. Sie sind entscheidend, um Berührungsängste abzubauen und Best Practices zu verbreiten. Die Schulungen sollten interaktiv sein und konkrete Anwendungsfälle aus dem Unternehmensalltag aufgreifen. Eine externe Perspektive durch einen KI-Speaker wie Dietmar Dahmen kann die anfängliche Motivation deutlich erhöhen und wichtige Fragen aus verschiedenen Blickwinkeln beleuchten. Sorgen Sie dafür, dass das Team nicht nur technische Fähigkeiten erlernt, sondern auch ein Verständnis für die ethischen Implikationen und die Notwendigkeit von menschlicher Aufsicht entwickelt.

Schritt 5: Governance und Richtlinien etablieren

Ohne klare Regeln wird KI zum Risiko. Eine KI-Governance umfasst:

• Nutzungsrichtlinien: Welche KI-Tools dürfen für welche Zwecke genutzt werden?
• Datenschutz-Policy: Welche Daten dürfen in KI-Tools eingegeben werden?
• Qualitätskontrolle: Wie werden KI-generierte Inhalte überprüft?
• Ethik-Leitlinien: Transparenz, Fairness, menschliche Kontrolle
• Compliance: Regulatorische Anforderungen (EU AI Act, DSGVO)

Die Festlegung von Governance-Richtlinien ist nicht nur eine gesetzliche Notwendigkeit, sondern auch ein Garant für Vertrauen und Sicherheit im Umgang mit KI. Mitarbeiter brauchen klare Anweisungen, welche Art von sensiblen Daten sie in frei zugängliche KI-Tools eingeben dürfen – oder eben nicht. Eine unbedachte Eingabe von Unternehmensgeheimnissen in öffentliche Large Language Models kann immense Risiken bergen. Definieren Sie Prozesse für die Überprüfung von KI-generierten Inhalten. Wenn eine KI beispielsweise Texte für Marketing oder Berichte erstellt, muss klar sein, wer die finale Verantwortung für die Richtigkeit und Relevanz trägt. Ist es ein Mensch, der die KI-Vorschläge prüft und gegebenenfalls korrigiert? Wie stellen Sie die Fairness und Diskriminierungsfreiheit von KI-Entscheidungen sicher? Das EU AI Act setzt hier bereits klare Grenzen und Anforderungen. Ihr Unternehmen muss verstehen, in welche Risikoklasse seine KI-Anwendungen fallen und welche Pflichten sich daraus ergeben. Eine sorgfältig ausgearbeitete Governance-Struktur vermeidet rechtliche Fallstricke, schützt die Reputation und fördert die verantwortungsvolle Nutzung von KI. Die Integration von Experten wie Prof. Dr. David Matusiewicz für Ethikfragen kann hier von unschätzbarem Wert sein.

Schritt 6: Pilotprojekte starten und skalieren

Nach den Quick Wins folgen strukturierte Pilotprojekte:

Pilotprojekt-Framework

1. Hypothese formulieren: „KI kann Prozess X um Y % beschleunigen" 2. Team zusammenstellen: 3–5 Personen aus Fachbereich + IT 3. Timeline festlegen: 4–8 Wochen 4. Metriken definieren: Messbare KPIs vor und nach dem Piloten 5. Ergebnisse dokumentieren: Learnings für die Skalierung

Skalierungsentscheidung

Nach dem Pilot entscheiden Sie anhand der Daten:

• Scale: Ergebnisse übertreffen Erwartungen → Ausrollen
• Iterate: Ergebnisse vielversprechend, aber Anpassung nötig → Optimieren
• Stop: Kein messbarer Mehrwert → Beenden und lernen

Pilotprojekte sind die Brücke zwischen den ersten Quick Wins und der unternehmensweiten Implementierung. Sie erlauben Ihnen, komplexe KI-Lösungen in einem kontrollierten Umfeld zu testen und zu validieren. Eine präzise formulierte Hypothese ist dabei entscheidend: Sie gibt dem Projekt eine klare Richtung und ermöglicht eine objektive Bewertung. Nehmen wir an, Ihre Hypothese lautet: "Eine KI-gestützte Fehlererkennung in der Produktion reduziert die Ausschussrate um 10 % innerhalb von 3 Monaten." Dieses Ziel ist spezifisch, messbar, erreichbar, relevant und zeitgebunden (SMART). Das interdisziplinäre Pilot-Team sollte aus Fachexperten, IT-Entwicklern und gegebenenfalls Datenwissenschaftlern bestehen. Wichtige Metriken könnten Produktionskosten, Fehlerquoten, Bearbeitungszeiten oder Kundenzufriedenheit sein. Dokumentieren Sie nicht nur Erfolge, sondern auch Herausforderungen und unerwartete Ergebnisse. Diese Learnings sind für die zukünftige Skalierung oder für andere Projekte extrem wertvoll. Eine transparente Kommunikation der Pilot-Ergebnisse, sowohl intern als auch extern, sorgt für Akzeptanz und fördert die Zusammenarbeit.

Die Bedeutung von Robustheit und Skalierbarkeit für Pilotprojekte

Ein erfolgreicher Pilot ist nur der erste Schritt. Für eine erfolgreiche Skalierung müssen Sie Aspekte wie Robustheit, Integration und Wartbarkeit von Anfang an mitdenken. Die KI-Lösung mag im kleinen Maßstab funktionieren, aber hält sie auch dem Druck eines größeren Datenvolumens stand? Sind die Schnittstellen zu bestehenden Systemen ausreichend stabil und sicher? Eine robuste KI-Anwendung zeichnet sich durch ihre Fähigkeit aus, auch unter variierenden Bedingungen korrekte und konsistente Ergebnisse zu liefern. Das erfordert oft eine sorgfältige Datenvorbereitung und Modellvalidierung. Zudem müssen die Kosten für den Betrieb der KI-Lösung im größeren Maßstab klar kalkuliert werden – sowohl hardwareseitig als auch in Bezug auf Lizenzgebühren und Personalaufwand.

Betrachtet man die Skalierungsphase, ist auch die digitale Transformation als übergeordnetes Thema zu berücksichtigen. Oftmals erfordert die Ausweitung einer KI-Lösung eine Anpassung von Prozessen, Organisationsstrukturen und sogar der Unternehmenskultur. Externe Berater wie Michael Pachmajer oder Benjamin Talin können hierbei wertvolle Unterstützung leisten, indem sie Best Practices aus anderen erfolgreichen Transformationsprojekten einbringen und dabei helfen, potenzielle Stolpersteine frühzeitig zu erkennen. Denken Sie daran, dass Skalierung nicht nur das technische Ausrollen bedeutet, sondern auch das umfassende Change Management, um die Mitarbeiter mitzunehmen und neue Arbeitsweisen zu etablieren. Regelmäßige Feedbackschleifen und die Anpassung der Lösung an tatsächliche Nutzerbedürfnisse sind dabei unerlässlich.

Schritt 7: Kontinuierliche Weiterentwicklung sicherstellen

KI-Einführung ist kein Projekt mit Enddatum — es ist eine permanente Transformation:

• Quartals-Reviews: KI-Strategie regelmäßig überprüfen und anpassen
• Community of Practice: Interner Austausch zwischen KI-Nutzern
• Externe Impulse: Regelmäßige KI-Vorträge und Workshops für frische Perspektiven
• Tool-Evaluation: Neue KI-Tools systematisch testen und bewerten
• Wissensmanagement: Best Practices und Use Cases dokumentieren

Die Welt der Künstlichen Intelligenz entwickelt sich rasant. Was heute State-of-the-Art ist, kann morgen schon überholt sein. Um wettbewerbsfähig zu bleiben, muss Ihr Unternehmen eine Kultur der kontinuierlichen Weiterentwicklung und des Lernens etablieren. Regelmäßige Quartals-Reviews ermöglichen es Ihnen, die KI-Strategie an neue technologische Entwicklungen, veränderte Marktbedingungen und interne Bedürfnisse anzupassen. Die "Community of Practice" ist ein entscheidendes internes Instrument: Hier kommen Mitarbeiter aus verschiedenen Abteilungen zusammen, um Erfahrungen auszutauschen, Probleme zu diskutieren und gemeinsam Lösungen zu finden. Dies fördert den Wissenstransfer und verhindert die Entstehung von Silos. Sorgen Sie auch für externe Impulse. Ein Vortrag von einem KI-Experten wie Prof. Thomas R. Köhler kann neue Denkweisen anregen und das Team motivieren. Systematisches Tool-Evaluating ist entscheidend, um den Markt zu beobachten und Potenziale für neue Anwendungen zu erkennen. Das Führen eines zentralen Wissensmanagements, in dem erfolgreiche Use Cases, Herausforderungen und Learnings dokumentiert werden, stellt sicher, dass wertvolles Wissen nicht verloren geht und zukünftige Projekte effizienter umgesetzt werden können.

Die Rolle von Ethik und Verantwortung in der kontinuierlichen KI-Entwicklung

Mit der kontinuierlichen Entwicklung und dem zunehmenden Einsatz von KI-Systemen wachsen auch die ethischen und rechtlichen Anforderungen. Das Thema "verantwortungsvolle KI" ist kein einmaliges Projekt, sondern eine dauerhafte Aufgabe, die im Rahmen der kontinuierlichen Weiterentwicklung verankert sein muss. Das bedeutet, dass Sie nicht nur die technische Leistungsfähigkeit Ihrer KI-Systeme regelmäßig überprüfen, sondern auch deren Auswirkungen auf Fairness, Transparenz und Datenschutz. Wie reagiert Ihre KI auf neue, unerwartete Datenmuster? Gibt es potenzielle Biases, die sich im Laufe der Zeit in den Trainingsdaten einschleichen könnten?

Etablieren Sie Mechanismen, die es ermöglichen, solche Fragen proaktiv zu adressieren. Das kann durch interne Ethik-Boards geschehen, durch regelmäßige Audits der KI-Modelle oder auch durch die Einbindung von externen Experten, die auf die ethischen Dimensionen von KI spezialisiert sind. Die Einhaltung regulatorischer Anforderungen, wie sie beispielsweise der EU AI Act vorsieht, ist nicht nur eine Pflicht, sondern auch eine Chance, Vertrauen bei Kunden, Partnern und Mitarbeitern aufzubauen. Ein Unternehmen, das nachweislich eine verantwortungsvolle KI-Strategie verfolgt, positioniert sich als zukunftsorientierter und vertrauenswürdiger Akteur. Dies ist besonders bei sensiblen Anwendungen wie im Gesundheitswesen oder im Finanzsektor von entscheidender Bedeutung.

Typische Fehler bei der KI-Einführung

| Fehler | Lösung | |--------|--------| | Zu viele Projekte gleichzeitig | Fokus auf 2–3 Pilotprojekte | | Nur IT einbinden | Fachabteilungen von Anfang an beteiligen | | Keine Schulungen | Strukturiertes Trainingsprogramm aufsetzen | | KI als Ersatz statt Unterstützung | KI als Produktivitäts-Booster positionieren | | Unrealistische Erwartungen | Messbare, erreichbare Ziele setzen |

Die Rolle externer KI-Experten

Ein externer KI-Speaker oder Trainer kann entscheidend zum Erfolg beitragen:

• Kickoff-Keynote: Begeisterung und Verständnis im gesamten Unternehmen schaffen
• Strategie-Workshop: KI-Roadmap gemeinsam erarbeiten
• Team-Schulung: Praktische KI-Kompetenzen vermitteln
• Coaching: Führungskräfte individuell beraten

KI-Experten auf SpeakingStage entdecken →

Gerade in der Anfangsphase der KI-Einführung bietet die Zusammenarbeit mit externen Experten vielfältige Vorteile. Sie bringen nicht nur aktuelles Fachwissen und eine externe Perspektive mit sich, sondern können auch als neutrale Instanz fungieren, die interne Konflikte entschärft oder unterschiedliche Meinungen konstruktiv zusammenführt. Eine inspirierende Kickoff-Keynote eines renommierten KI-Experten wie Patrick Ratheiser erzeugt eine Aufbruchstimmung und verdeutlicht allen Mitarbeitern die strategische Bedeutung von KI für das Unternehmen. Bei der Erarbeitung der KI-Roadmap in einem Strategie-Workshop vermeiden externe Experten Betriebsblindheit und geben Impulse für innovative Anwendungen, die intern vielleicht noch nicht bedacht wurden. Auch bei der Vermittlung praktischer KI-Kompetenzen sind externe Trainer oft effektiver, da sie über eine breite Erfahrung im Umgang mit verschiedenen Unternehmen und Branchen verfügen und maßgeschneiderte Schulungsinhalte entwickeln können. Schließlich kann individuelles Coaching für Führungskräfte entscheidend sein, um sie auf die Herausforderungen der digitalen Transformation vorzubereiten und ihnen die notwendigen Werkzeuge an die Hand zu geben, um ihre Teams erfolgreich durch den Wandel zu führen.

Fazit: KI-Einführung ist Chefsache

Die erfolgreiche Einführung von KI im Unternehmen erfordert mehr als Technologie — sie erfordert Strategie, Führung und konsequentes Change Management. Mit den 7 Schritten dieses Leitfadens haben Sie einen bewährten Fahrplan, der sowohl für mittelständische Unternehmen als auch für Konzerne funktioniert.

Der erste Schritt? Holen Sie sich einen erfahrenen KI-Speaker, der Ihr Team inspiriert und den Grundstein für Ihre KI-Transformation legt.

---

💡 Passend zum Thema: Führungs-Keynote für Ihr Event

Sie suchen einen Top-Redner für Ihr Führungskräfte-Event? Bei SpeakingStage finden Sie über 50 geprüfte Keynote Speaker Führung buchen – von Leadership über Agilität bis zu modernem Führungsstil. mit individuellem Angebot, Rückmeldung nach Prüfung.

---

Keynote Speaker für Ihr Event finden

Sie suchen den passenden Top-Redner für Ihre Veranstaltung? Auf SpeakingStage können Sie Keynote Speaker buchen – über 90 geprüfte Top-Experten zu individuell abgestimmten Angeboten mit individuellem Angebot€. Kuratiert, mit individueller Vermittlung, mit Rückmeldung nach Prüfung.

FAQ

Wie lange dauert die Einfuehrung von KI im Unternehmen?

Erste Quick Wins sind in 2–4 Wochen moeglich. Eine umfassende KI-Strategie braucht 3–6 Monate. KI-Transformation ist ein kontinuierlicher Prozess.

Was kostet die KI-Einfuehrung?

Kosten variieren stark: KI-Tools ab 20 €/Monat pro User, Workshops ab 3.500 €, Strategieberatung ab 10.000 €. Quick Wins können mit minimalem Budget starten.

Brauchen wir eine eigene KI-Abteilung?

Nicht zwingend. Starten Sie mit einem KI-Champion und Power Usern in bestehenden Abteilungen. Eine dedizierte Einheit wird erst bei Skalierung relevant.

Welche KI-Tools eignen sich für den Einstieg?

ChatGPT, Claude und Gemini sind universell einsetzbar. Für spezifische Anwendungen gibt es branchenspezifische Tools. Starten Sie mit maximal 2–3 Tools.

Wie ueberwinde ich Widerstaende im Team?

Transparente Kommunikation, Quick Wins demonstrieren, Mitarbeiter einbinden und klare Botschaft: KI ergaenzt, ersetzt nicht. Ein externer KI-Speaker kann Ängste adressieren.

Was sagt der EU AI Act für Unternehmen?

Der EU AI Act klassifiziert KI-Systeme nach Risiko. Für die meisten Unternehmensanwendungen (Text, Analyse) gelten moderate Anforderungen. Holen Sie rechtliche Beratung ein.

Weiterführende Seiten

• Keynote Speaker buchen
• Keynote Speaker Kosten einordnen
• Leadership Speaker
• Change Management Speaker
• Digitalisierung Speaker
• Motivationsredner