Michael Weiße · Senior Project Manager (gn) – AI Enablement & Transformation
Ich bringe Struktur in komplexe AI- und Transformationsvorhaben: Aus strategischen Zielen werden klare Prioritäten, umsetzbare Workstreams und Entscheidungen, die Delivery voranbringen.
Als PMP®-zertifizierter Transformations- und IT-Projektmanager mit rund zehn Jahren internationaler Delivery-Erfahrung steuere ich Programme über Länder, Regionen, Hersteller und technische Teams hinweg – von UAT und Migration bis Go-live, Hypercare und stabilem Betrieb. AI nutze ich pragmatisch, um Delivery und Zusammenarbeit besser zu machen: hands-on, mit klaren Guardrails und Human Review.
01 · Executive Profile
Ich steuere parallel knapp 20 AI-Kundenprojekte – nicht als lose Sammlung von Initiativen, sondern als Portfolio.
Ich priorisiere nach strategischer Relevanz, Business Value, Abhängigkeiten und Delivery Readiness. Daraus entstehen klare Entscheidungen, belastbare nächste Schritte und ein Arbeitsrhythmus, mit dem zugeordnete Teams zuverlässig umsetzen können.
Die aktuelle Praxis reicht von produktiven AI Agents bis zu AI Adoption. Die Grundlage: rund zehn Jahre internationale IT- und Transformations-Delivery – über Länder, Regionen, Hersteller und technische Teams hinweg.
02 · Rollenfit
Nicht noch jemanden, der einen einzelnen Pilot begleitet. Sondern jemanden, der ein Portfolio priorisiert, Use Cases produktiv macht, Autonomie kontrolliert erhöht und Adoption als Teil der Delivery behandelt.
Ich steuere parallel knapp 20 AI-Kundenprojekte und entscheide, wo Aufmerksamkeit, Kapazität und Delivery-Fokus den größten Unterschied machen. Bewertet wird nach strategischer Kundenrelevanz, wirtschaftlichem Beitrag, Umsetzungsbedarf und Abhängigkeiten. Jede Initiative bekommt einen klaren nächsten Schritt – oder verliert ihre Priorität.
Ich steuere Use-Case- und Anforderungsklärung, Machbarkeit, Risiken und die Einführung kundenspezifischer Copilot-Studio-Agents. Kein Pilot ohne Owner. Keine Produktion ohne Guardrails. Kein Go-live ohne belastbaren Betrieb.
Human-in-the-Loop ist zu Beginn der Standard. Mehr Autonomie gibt es nicht, weil sie technisch möglich ist, sondern wenn Ergebnisqualität, Nachvollziehbarkeit, Risiko und möglicher Produktionsimpact sie rechtfertigen.
AI Adoption ist für mich kein Kommunikationsprojekt nach dem Rollout. Sie verbindet Readiness, Governance, Use-Case-Beratung, Rollout, Change und Kommunikation. Kundenfeedback und Umfragen sind kein Abschlussbericht, sondern Input für die nächste Iteration.
03 · Impact
04 · Cases
Knapp 20 Microsoft-AI-Kundenprojekte laufen parallel – mit individuellen Use Cases, unterschiedlichen Stakeholdern und verschiedenem Einfluss auf produktive Prozesse.
Michael steuert sie nicht als lose Sammlung von Piloten, sondern als Portfolio. Er priorisiert nach strategischer Kundenrelevanz, wirtschaftlichem Beitrag, Delivery Readiness und Umsetzungsbedarf. Gemeinsam mit Kunden und Teams klärt er Anforderungen, Risiken und nächste Schritte.
Produktiv eingeführt werden unter anderem Copilot-Studio-Agents für Knowledge Search, Classification, Support und systemübergreifende Aufgaben. Hinzu kommen Initiativen zur Microsoft-365-Copilot-Adoption.
Human-in-the-Loop ist der Ausgangspunkt. Mehr Autonomie gibt es erst, wenn Ergebnisqualität, Nachvollziehbarkeit und möglicher Produktionsimpact sie rechtfertigen.
Ergebnis: produktive AI-Lösungen, kontrollierte Weiterentwicklung und Entlastung bei manuellen Aufgaben. Portfolio Leadership means deciding what ships next — and why.
Eine historisch gewachsene Contact-Center-Landschaft sollte von Legacy auf Cloud transformiert werden – über mehr als 40 Länder, vier internationale Regionen und mehrere Dutzend Standorte hinweg.
Michael verantwortete die internationale Rollout- und Stakeholder-Steuerung: Entscheidungswege, Abhängigkeiten, Risiken, UAT, Migration und Go-live. Er koordinierte multiregionale Teams ohne disziplinarische Weisungsbefugnis, machte Konflikte früh sichtbar und hielt Business, Hersteller, Engineering und Betrieb auf einem gemeinsamen Kurs.
Ergebnis: mehr als 1.000 Agents erfolgreich migriert und in eine standardisierte Cloud-Umgebung überführt – bei einem Projektvolumen von über €10 Mio. und mit Verantwortung bis in Hypercare und Stabilisierung. Scale is not copy and paste. It is controlled adaptation.
Die Ausgangslage: eine produktive, stark individualisierte Dynamics-365-Contact-Center-Umgebung mit fragmentierten Prozessen, technischen Abhängigkeiten und komplexen Governance-Anforderungen.
Als Project Lead übersetzte Michael operative und technische Anforderungen in priorisierte, entscheidungsfähige Workstreams. Compliance und Datenschutz wurden nicht kurz vor Go-live ergänzt, sondern früh in Entscheidungen und Umsetzung eingebunden.
Produktiv eingeführt wurden Case Management, Copilot-gestützte Agent-Unterstützung, Case Automation und Reporting. Das Projekt wurde abgeschlossen und formal abgenommen. Michael blieb nach dem Go-live eng an der Umsetzung und unterstützte bei Bedarf Hypercare und Stabilisierung.
Ergebnis: Aus fragmentierten Anforderungen wurde eine produktive Lösung, die Prozesse, Technologie und Governance zusammenbringt. AI value needs more than a feature. It needs a process that can carry it.
05 · Hands-on
Ich nutze AI nicht nur in Kundenprojekten. Ich baue eigene Lösungen, setze sie im Arbeitsalltag ein und verbessere sie dort, wo echte Nutzung Schwächen sichtbar macht.
Selbst in Microsoft Power Automate gebaut: Teams-Transkripte werden zu strukturierten Meeting Minutes und Action Items verarbeitet. Guardrails verhindern erfundene Inhalte. Human Review bleibt Pflicht. Anschließend können bestätigte Aufgaben strukturiert an Microsoft Planner übergeben werden.
Weniger Nacharbeit. Klarere Verantwortlichkeiten. Schnellere Umsetzung.
Eine webbasierte Lernanwendung in Next.js konzipiert und AI-gestützt entwickelt – mit 297 Fragen, Practice-, Exam-, Review- und Dashboard-Funktionen sowie erfolgreichem Production Build. Mehrbenutzer-Login und Cloud-Sync sind bewusst als nächste Ausbaustufe geplant.
Nicht nur gelernt. Ein eigenes Lernsystem gebaut.
Change- und Kommunikationspläne AI-gestützt erstellt und anschließend per AI-Quality-Review auf Vollständigkeit, Konsistenz und Risiken geprüft. Vertrauliche Informationen bleiben strikt getrennt. Die finale Verantwortung bleibt beim Menschen.
AI beschleunigt die Arbeit. Human Review sichert das Ergebnis.
Ein übertragbares Workflow-Modell mit klar getrennten Rollen für Erstellung, Quality Review und Verbesserung entwickelt und an realen Deliverables getestet. Kein behaupteter Multi-Agenten-Verbund. Keine künstliche Komplexität. Erst ein belastbares Modell – dann mögliche Orchestrierung.
Hands-on heißt: selbst ausprobieren, Grenzen sichtbar machen und nur das skalieren, was im Alltag trägt.
06 · Enablement
Enablement funktioniert nicht durch Lizenzen, Präsentationen oder einen einzelnen Trainingstermin. Es funktioniert, wenn Menschen wissen, wofür sie AI einsetzen können – und die Organisation klar regelt, wie daraus sichere, messbare Nutzung wird.
Ich verbinde Readiness, Governance, Use-Case-Beratung, Rollout, Change, Kommunikation und Enablement zu einem durchgängigen Vorgehen. Feedback und Umfragen sind kein Abschlussbericht. Sie zeigen, wo Nutzung stockt, Use Cases fehlen oder Leitplanken angepasst werden müssen.
Kein License Rollout. Ein gesteuerter Veränderungsprozess.
Als aktiver Mitgestalter einer internen AI Community bringe ich den Fokus auf AI Project Delivery ein. Ich habe Sessions dazu mitentwickelt, warum AI-Projekte anders gesteuert werden müssen, und diese vor einem bereichsübergreifenden Publikum inklusive Management präsentiert.
Wissen wird erst wertvoll, wenn es Entscheidungen und Delivery verändert.
Ich habe ein Phasenmodell, Governance-Prinzipien und Quality Gates für AI-Projekte mitentwickelt, intern abgestimmt und in einem konkreten Projektkontext erprobt. Nicht als organisationsweit ausgerolltes Framework. Sondern als belastbare Grundlage, die jetzt an realer Delivery weiterentwickelt werden kann.
Genug Struktur, um Risiken zu reduzieren. Nicht genug Prozess, um Momentum zu töten.
Mit CPMAI vertiefe ich aktuell mein Wissen zu AI-Projektlebenszyklen, Data Readiness und Trustworthy AI. Nicht als Ersatz für praktische Erfahrung – sondern als systematische Ergänzung zu meiner Delivery-Praxis.
Enablement is not awareness. It is repeatable execution.
07 · Ask Michael
Weil AI Enablement für mich kein Zukunftsthema ist, sondern aktuelle Delivery-Verantwortung. Ich steuere parallel knapp 20 Microsoft-AI-Kundenprojekte, priorisiere sie nach strategischer Relevanz, wirtschaftlichem Beitrag und Umsetzungsbedarf und führe die zugeordneten Teams fachlich durch die Delivery. Dazu kommen rund zehn Jahre internationale Transformationserfahrung. Ich kenne den Weg vom Use Case bis zum stabilen Betrieb – und die Probleme dazwischen.
Kundenspezifische Copilot-Studio-Agents für Knowledge Search, Classification, Support und systemübergreifende Aufgaben. Hinzu kommen Copilot-Adoption-Initiativen. Meine Rolle reicht von Portfolio-Priorisierung, Kundenberatung und Use-Case-Klärung bis zu Projektleitung, Governance und Delivery-Steuerung. Die technische Umsetzung liegt bei den Spezialistenteams.
Ich muss nicht jede Komponente selbst bauen. Ich muss sicherstellen, dass die richtige Lösung gebaut wird.
Mit Human-in-the-Loop als Ausgangspunkt. Wie viel Autonomie ein Agent erhält, hängt nicht davon ab, was technisch möglich ist, sondern von Use-Case-Komplexität, Ergebnisqualität, Nachvollziehbarkeit, Risiko und Produktionsimpact.
Mehr Autonomie wird verdient, nicht vorausgesetzt. Control first. Autonomy second.
Adoption beginnt nicht nach dem Rollout. Ich verbinde Readiness, Governance, Use-Case-Beratung, Change, Kommunikation und Feedback Loops zu einem steuerbaren Vorgehen. Kundenfeedback und Umfragen fließen direkt in die nächsten Entscheidungen ein. Teams führe ich fachlich über Transparenz, klare Prioritäten und ein gemeinsames Ziel – nicht über Hierarchie.
Alignment ist erreicht, wenn alle nicht nur zugestimmt haben, sondern wissen, was als Nächstes passiert.
08 · Motivation
TQG verbindet schnell wachsende Consumer Brands mit Produktentwicklung, Produktion, Logistik, E-Commerce und Handel. Genau daraus entsteht die Art von Komplexität, in der AI nicht als isoliertes Innovationsprojekt funktionieren kann.
Es braucht klare Prioritäten, Business Ownership, technische Anschlussfähigkeit, Governance und ein Delivery-Modell, das Initiativen vom Use Case bis in den stabilen Betrieb bringt.
Genau daran arbeite ich heute bereits im Kundenkontext: Ich steuere AI-Portfolios, führe individuelle Use Cases in die Umsetzung, verbinde Rollout mit Adoption und erhöhe Autonomie nur dort, wo Qualität und Risiko es zulassen.
Was mich an TQG reizt, ist der nächste Maßstab: Nicht einzelne Kundenprojekte nacheinander zu liefern, sondern AI über eine wachsende Organisation hinweg strukturiert nutzbar zu machen.
Auch persönlich passt das Umfeld. Sport, Leistungsfähigkeit, Ernährung und kontinuierliche Weiterentwicklung gehören zu meinem Alltag. Die Produkte von ESN und More Nutrition nutze ich selbst.
Performance. Scale. Execution.
Bei TQG kommen diese Themen zusammen. Nicht als künstlich konstruierter Fit, sondern als Aufgabe, die sehr gut zu der Art passt, wie ich arbeite:
Priorisieren. Umsetzen. Lernen. Skalieren.
09 · Persönliches
Ich bereite mich aktuell auf einen Marathon vor.
Das bedeutet für mich mehr als Ausdauer: das Tempo richtig wählen, Fortschritt ehrlich messen, Rückschläge einkalkulieren und trotzdem konsequent weiterarbeiten.
Auch beruflich denke ich selten in kurzen Sprints. Komplexe Transformationen brauchen Struktur, einen realistischen Rhythmus und die Disziplin, Entscheidungen immer wieder an der Realität zu prüfen.
AI lerne ich genauso: ausprobieren, verstehen, verbessern – und nicht stehen bleiben, nur weil etwas heute schon funktioniert.
Struktur. Ausdauer. Kontinuierliche Verbesserung.
michaelwe97@gmail.com
Frankfurt · offen für abgestimmte, anlassbezogene Präsenz in Hamburg · Kündigungsfrist drei Monate zum Monatsende.