Enterprise AI & Open Source: Was drei Praktiker über tragfähige Architektur gesagt haben

Auf einen Blick

Im Fireside Chat „AI in Reality: Enterprise AI & Open-Source Innovation" auf der PyCon DE & PyData 2025 saßen drei Praktiker auf der Bühne, die in ganz unterschiedlichen Kontexten produktiv mit AI arbeiten: Walid Mehanna (Chief Data & AI Officer, Merck), Dr. Alexander Beck (sechs Jahre lang CTO und Equity Partner bei Quoniam Asset Management) und Ines Montani (Co-Founder und CEO, Explosion / spaCy). Die Diskussion ging nicht um Hype, sondern um das, was im Maschinenraum großer und kleiner Organisationen funktioniert — und was nicht.

Vier Linien zogen sich durch die Stunde:

• Open Source ist in Enterprise-Kontexten 2025 der pragmatische Default, nicht die idealistische Ausnahme. Sie senkt Vendor-Abhängigkeit und beschleunigt Innovation.
• Standardisierung auf einen Stack (Python) löst Kommunikationsbarrieren zwischen Teams und beschleunigt Lieferzyklen — kostet aber Reibung am Anfang.
• Der deutsche und nordische Mittelstand bewegt sich oft schneller als US-Konzerne mit Startup-Anstrich, weil Entscheidungswege flacher sind.
• Regulierung ist nicht das eigentliche Problem; unklare Regulierung ist es. Wer nicht weiß, was „gut genug" heißt, baut Lähmung statt Sicherheit.

Merck: Pivoting als Unternehmensfähigkeit

Walid Mehanna, Chief Data & AI Officer bei Merck — einem 357 Jahre alten Familienunternehmen in der 13. Generation mit 63.000 Mitarbeitern weltweit — beschrieb seine Organisation mit einer Pointe, die viel über die Kultur sagt: „If Merck has one ability, it is pivoting." Von der Pharmazie über Pharmazeutika zu Lebenswissenschaften und Elektronik — Veränderung gehört zum operativen Repertoire, nicht in den Strategie-Workshop.

Mehannas AI-Strategie ruht auf dem, was er selbst die „holy trinity" nennt: People First (Mindset und Skillset), Ways of Working (Orchestrierung und Integration über Teams), Technology (Bibliotheken und Services). Das klingt einfach, ist es aber nicht bei 63.000 Menschen.

Sein erklärtes Ziel: „My dream is that you don't need me anymore because 63,000 people in this company breathe data and AI — everybody knows what it is, when it's useful, when it's not useful and can apply it." Das ist nicht Marketing, sondern ein Ökosystem-Ansatz: Sicherheit, Compliance und Kosteneffizienz kombiniert mit flächendeckender Bildung — von Low-Code-Werkzeugen für Fachexperten bis zu Full-Stack-Entwicklung in den Engineering-Teams.

Bemerkenswert war Mehannas Haltung zu Coding-Standards: „freedom in a frame". Solange ordentlich dokumentiert wird und die Laufzeitkosten nicht explodieren, hat er kein Interesse an monolithischen Vorgaben. Er erwartet, dass moderne, AI-gestützte IDEs Konsistenz und Qualität ohnehin angleichen.

Zwei Mehanna-Geschichten illustrierten seine Pragmatismus-Linie. Erstens die MyGPT-Episode: Als ChatGPT öffentlich wurde, wollte er nachziehen — sein Team teilte ihm trocken mit, dass die NDA längst neun Monate vorher unterzeichnet sei. Sechs Monate später lief eine eigene Version auf den Microsoft Cognitive Services. Später entschied das Team, das Eigenprodukt zugunsten einer Partnerschaft mit dem Berliner Startup LangDoc abzulösen. Mehannas Begründung in eigenen Worten: „They have four developers and they're a startup. They're working day and night. They don't have family. ... They will overtake us in three to six months. So why not join forces now?" Das ist gelebte Pivot-Kultur — auch gegen den eigenen Code.

Zweitens die Sandbox-Logik: In einem globalen Konzern findet sich immer eine Jurisdiktion, in der ein Experiment regulatorisch tragfähig ist. „Essentially, it's piloting in a sandbox", fasste Mehanna es zusammen. Was sich dort bewährt, skaliert dann mit Klarheit über die Risiken in andere Märkte.

Quoniam: Standardisierung als Kulturrevolution

Dr. Alexander Beck war sechs Jahre lang CTO und Equity Partner bei Quoniam Asset Management — einem quantitativen Asset-Manager mit über 24 Mrd. Euro Assets under Management, Teil der Union Investment Group. Er beschrieb die Migration eines fragmentierten Stacks: „Back then we had SAS, R, C Sharp, a little bit of Python, a lot of SQL. And we harmonized this into Python." Im regulierten Finanzkontext (BAIT, DORA) war das keine kleine Entscheidung.

Die Wirkung war messbar. Wo vorher Application Development in C# und Search in R liefen, beschrieb Beck den Vorzustand klar: „The two teams couldn't talk to each other. They couldn't learn from each other. They couldn't share code." Heute arbeiten Research und Application Development am selben Code. Fachexperten verstehen, was die Engineering-Teams bauen, statt es delegieren zu müssen.

Becks ehrliche Bilanz: „The first steps everyone has to realign a little bit their way of working — that causes friction. ... But once you are behind these initial fires, you really feel how this harmonization speeds you up and makes you better." Standardisierung ist nicht sexy — sie funktioniert. Auf die Frage nach der besten Entscheidung seiner CTO-Zeit antwortete Beck ohne Zögern: „This really goes back to 2020, where we said for the whole company: We are a Python company."

Beck legte zwei weitere operative Punkte nach. Erstens die Realitätscheck-Zahl: Bei rund 100 Mitarbeitern hat Quoniam „at least five very good use cases ... maybe ten more in the pipeline that have potential". Das ist eine Größenordnung, die ehrlicher ist als Vorstandsfolien mit dreistelligen Use-Case-Listen. Zweitens die LLM-Sandbox-Architektur: APIs zu Azure OpenAI in einem vertraglich gesicherten Rahmen — der „safe haven", in dem produktive Anwendungsfälle entstehen können, ohne den regulatorischen Rahmen zu verlassen.

Explosion / spaCy: Open Source als Geschäftsmodell — und die Mittelstands-Pointe

Ines Montani, Co-Founder und CEO von Explosion und Core Developer von spaCy, brachte die Perspektive der Open-Source-Anbieterin in die Runde. Ihr Geschäftsmodell ist anti-intuitiv: Wäre die spaCy-Dokumentation schlechter, würde niemand spaCy nutzen; wäre sie zu gut, gäbe es kein Beratungsgeschäft. Explosion verdient Geld nicht damit, Teams den Einsatz von spaCy zu erklären, sondern mit Workflows und mit dem In-House-Aufbau eigener Modelle. Montani beschrieb die wirklich harte Arbeit so: „How to take a business problem and break that down into components that you can solve with machine learning."

Eine ihrer wichtigsten Mahnungen, die in jeder Vorstandsdiskussion sitzt: „This is not a competition. You're allowed to make problems easier."

Montanis wertvollste Beobachtung — und ein Korrektiv zum üblichen Bild von US-Innovation und deutscher Trägheit: Die agilsten Frühadopter waren nicht die US-Startups. „Even Mittelstand companies in the Nordics — they have, you know, sort of a slightly different mentality. We saw those first before we saw the German companies." Der Grund liegt nicht in Regulierung oder Hype-Kultur, sondern in flachen Entscheidungswegen.

Die Gegen-Pointe ist eine Anekdote, die in Vorstandsgesprächen sofort sitzt. Montani berichtete von US-Konzernen, „that operate more like startups and pride themselves on like how they've disrupted whatever" — und an einer 2.000-Dollar-Lizenz scheitern. Im Original: „They were unable to buy a license from us because ... spent weeks in legal and eventually failed for ... something that cost a few thousand euros — they were unable to purchase it because we refuse to just change the jurisdiction of our contract for a purchase of $2,000." Das ist der eigentliche Vendor-Lock-in-Effekt: nicht im Tool, sondern in der Beschaffungs- und Legal-Architektur.

Montani war auch klar zu Prestige-Projekten: „Some companies actually want prestige projects, and they usually fail. It's like, oh, let's just do a chatbot. And that never makes it out of the prototype phase." Erfolgreich seien jene Teams, die einsahen, dass die wirklich harte Arbeit nicht das Modelltraining ist, sondern die Frage, wie sich ein Geschäftsproblem in lösbare Komponenten zerlegt. Eine zweite, ähnlich aufgeräumte Linie: „We've learned outsourcing development never really worked. We learned that in the 90s. Outsourcing data development, annotation — we've also realized that doesn't work." In-House-Entwicklung mit Fachexperten am Tisch ist die wiederkehrende Erfolgsformel.

Der Regulierungs-Paradox

Beck und Montani trafen sich in einer Diagnose, die für regulierte Branchen zentral ist. Beck, aus Sicht des Finanzsektors: „In Europe there is too much weight on regulating things." Das Problem ist nicht die Regulierung an sich, sondern ihre Unschärfe: „When the regulator itself cannot really tell you what they expect, you're kind of left alone on high sea, and at some point in the future, somebody may or may not come and tell you, oh, all what you did is wrong." Die Folge: mehr Papier, weniger Wert.

Montani brachte den Gegenpunkt, der oft fehlt: „We need to understand the technology in order to regulate it well." Das ist die zweite Hälfte der Diagnose. Wer Code-Reviews verantwortet, ohne Code lesen zu können, schafft genau die Lähmung, die Beck beschreibt.

Mehanna ergänzte aus der Konzernperspektive: Die Talent-Basis in Deutschland und Europa ist solide, die Industrie-Anwendungsfelder sind reichlich vorhanden. Was fehlt, ist Skalierungsmechanik. Startups, die wachsen wollen, hören oft, sie müssten in die USA gehen, um Wachstum und Kunden zu finden. Mehannas Befund dazu: „We can learn from the US, we can learn from China, but we have to find our own way."

Make or Buy — und was Standards heute kosten

Auf die Frage nach Coding-Guidelines waren sich alle drei einig: 2025 sieht das anders aus als vor vier Jahren. Wo früher lange Regelwerke geschrieben wurden, lautet die Antwort heute schlicht: „Let's use UV, let's use Ruff." Großartige Open-Source-Projekte haben großartige Standards gebaut, denen leicht zu folgen ist. Stunden, die früher in Style-Diskussionen flossen, sind freigegeben für Substanz. Beck legte nach, dass Code-Reviews und Vulnerability-Scans natürlich weiter Teil des Prozesses sind — Standards ersetzen Disziplin nicht, sie machen sie leichter durchsetzbar.

Die Make-or-Buy-Frage war für Mehanna keine Glaubensfrage. „Our strategy is find the best solution that works for the company ... and scale it in a global environment." Bei der Auswahl: „If it's open source, great. That is always our preferred go-to when there is something that is enterprise ready." Wenn nicht, suche man Partner — „partners can be big or small. If they're small, even better, because we can offer them more". Die Gegenseite, große Multinationale wie Merck selbst, „only want our money and our brand to a certain degree".

Beyond Hype

Zum Schluss eine Frage, die selten ehrlich beantwortet wird: Welche Technologie sollte man jenseits des Lärms wirklich beobachten?

Mehanna setzte auf die Integration von Hardware und Software: „I still believe there is a beautiful competitive advantage in merging hardware and software. ... Apple has played very nicely. More and more companies like Groq in the inference space ... Doing an integrated view is a heavy investment, but I believe it's also a high risk, high opportunity play. I would love to see a European player doing this." Das ist nicht akademische Geopolitik, sondern die Antwort darauf, woher in fünf Jahren Inferenz-Kostenvorteile kommen.

Montani stellte den Produkt-Hebel ins Zentrum mit einem Bild, das hängen bleibt. Früher, sagte sie, hätten Menschen andere geweckt, indem sie an Fenster klopften. „We didn't build window-knocking machines. We built alarm clocks." Die Pointe für AI-Investitionen: Wer menschliche Aufgaben eins zu eins ersetzt, denkt zu klein. Die wertvollen Innovationen entstehen, wenn man die Aufgabe selbst neu definiert.

Beck kam aus einer dritten Richtung: In einer Welt zunehmender geopolitischer Fragmentierung lohnt jedes europäische — besonders deutsche — Angebot einen genauen Blick. Auch das ist eine Make-or-Buy-Aussage, nur mit anderem Vorzeichen.

Ein konkretes Mittelstands-Beispiel von Mehanna für die These „AI ist längst in der deutschen Industrie angekommen": Trumpf nutzt AI, um Schnittlayouts an Stahlblechmaschinen zu optimieren und Verschnitt zu reduzieren. Kein generatives Drama — schlicht eine bessere Optimierungsschicht über einer alten Maschine.

So What

Drei Linien aus dem Fireside Chat, die in jeder Beratungsdiskussion zu regulierten Branchen wieder auftauchen.

Erstens: Standardisierung

ist die unsexieste Hochleistungs-Investition der nächsten fünf Jahre. Quoniams Python-Migration zeigt, dass die Reibung am Anfang real ist und der Tempo-Gewinn danach ebenfalls real. Wer auf hybride Stacks setzt, weil „jedes Team soll wählen können", optimiert auf lokale Komfortzonen statt auf Lieferfähigkeit.

Zweitens: Open Source

ist 2025 in Enterprise-Kontexten der pragmatische Default, nicht die idealistische Ausnahme. Mercks Linie „wenn enterprise-tauglich verfügbar, dann offen — sonst Partner, lieber kleine als große" ist die operative Übersetzung dieser Haltung.

Drittens: Der Mittelstand

ist agiler, als das übliche Innovations-Narrativ behauptet. Die wirkliche Bremse ist nicht deutsche Trägheit, sondern Beschaffungs- und Legal-Architektur — und das gilt in den USA mindestens so deutlich wie in Europa.