„Gut genug, um zu starten – und klar genug gesteuert, um zu skalieren“, sagt Rehan Shah, AWS

26. Februar 2026

Rehan Shah, General Manager und Head of Channel & Partner Sales für US Greenfield bei AWS, erläutert, wie die richtige Kombination aus KI-Tools, vertrauenswürdigen Daten und klarer Governance frühe KI-Experimente in messbare Geschäftsergebnisse überführt. Er zeigt, wie AWS Zugang zu führenden KI-Modellen bietet, wirtschaftliche Vorteile schafft, verantwortungsvolle KI-Praktiken sicherstellt und eine sichere Integration in bestehende Systemlandschaften ermöglicht. Beispiele reichen von Echtzeit-Insights aus Produktionsdaten bis zur Migration hunderter Server bei Breakthru Beverage sowie schnellen KI-Anwendungen wie einem Sales Coach oder einem Legal Assistant. Zudem erklärt er, wie Unternehmen KI-Kosten kontrollieren und ein unternehmensweites KI-Programm mit klaren Budgets und eindeutigen Verantwortlichkeiten etablieren können.

• Was braucht es, um von schnellen Erfolgen mit Amazon Q zu individuellen Agents auf Bedrock zu gelangen, die unternehmensweit skalieren?
• Wann sind „ausreichend gute“ Daten genug für den Start – und wie können KI-Assistenten Datenlücken aufzeigen und die Qualität kontinuierlich verbessern?
• Welches Operating Model und welche risikobasierten Leitplanken helfen Führungskräften, Kosten und Compliance zu steuern und gleichzeitig die Einführung von KI zu beschleunigen?

Interview ansehen

Podcast als Interview lesen

(Das Interview wurde mithilfe von ChatGPT gekürzt und bearbeitet.)

Mark Kohout: Willkommen zum Adastra Podcast. Mein Name ist Mark Kohout und ich leite die Governance Practice bei Adastra North America. Wir sind heute in Las Vegas auf der AWS re:Invent 2025. Mein Gast ist Rehan Shah, General Manager und Head of Channel & Partner Sales für US Greenfield bei AWS. Rehan verfügt über mehr als 20 Jahre Erfahrung in der Modernisierung von Global-2000-Unternehmen durch Cloud- und KI-Lösungen, im Aufbau starker Partner-Ökosysteme sowie in der Führung leistungsstarker, inklusiver Teams. Rehan, vielen Dank, dass Sie heute bei uns sind.

Rehan Shah: Vielen Dank. Ich freue mich, hier zu sein.

Mark Kohout: Beginnen wir mit Ihrem Werdegang. Was hat Sie ursprünglich zu Daten und KI geführt?

Rehan Shah: Ich habe meine gesamte Karriere an der Schnittstelle von Wachstum, Transformation und Technologie verbracht – mit Stationen bei AT&T, Lumen, NTT, Windstream und heute bei AWS. Mein Fokus lag dabei stets auf dem Aufbau leistungsstarker Teams, der Steigerung der Vertriebsperformance und der engen Zusammenarbeit mit C-Level-Führungskräften aus Finanzwesen, Gesundheitswesen, Fertigung und Technologie. Die wichtigsten Erkenntnisse: Geschäftsergebnisse müssen im Mittelpunkt stehen, Kunden brauchen ein starkes Partner-Ökosystem – und nachhaltige Skalierung gelingt nur durch die Entwicklung von Führungspersönlichkeiten. Bei AWS unterstütze ich Kunden und Partner dabei, eine GenAI-First-Denkweise zu etablieren, vertrauenswürdige Daten und klare Governance-Strukturen aufzubauen und KI-Assistenten gezielt einzusetzen, um Workflows zu automatisieren, Entscheidungen zu verbessern und schneller zu verwertbaren Insights zu gelangen.

Mark Kohout: Wie positioniert sich AWS in diesem Umfeld?

Rehan Shah: Unser Ziel ist klar: AWS ist der beste Ort, um praxisnahe KI-Assistenten zu entwickeln und zu betreiben. Wir treiben Innovation schnell voran und bleiben dabei konsequent auf das fokussiert, was für Unternehmen am wichtigsten ist – Sicherheit, Zuverlässigkeit und operative Exzellenz. Wir sind stolz darauf, als erster großer Cloud-Anbieter nach ISO 42001 für verantwortungsvolle KI zertifiziert zu sein. Dabei holen wir unsere Kunden dort ab, wo sie stehen – sei es mit sofort einsatzbereiten Assistenten wie Amazon QuickSight oder mit der Entwicklung und Skalierung individueller Assistenten auf Amazon Bedrock und Agent Core. Über Bedrock verfolgen wir einen modellagnostischen Ansatz und bieten Zugang zu führenden Modellen wie Amazon Titan, Anthropic, Meta, Mistral und Cohere. So können Kunden je nach Anwendungsfall das optimale Modell auswählen.

Zwei aktuelle Projekte mit Adastra sind besonders hervorzuheben. Erstens: Torn Attack, ein Produktionsunternehmen im Bereich Frontline-Operations, benötigte eine schnellere und risikoärmere Möglichkeit, Antworten aus ERP-Systemen und Dokumentenablagen zu erhalten. Teams warteten stundenlang auf routinemäßige Datenabfragen, waren mit Ad-hoc-Reportings belastet, und Wissen war über mehrere Systeme fragmentiert. Adastra übernahm gemeinsam mit AWS Discovery, Governance und Change Management und entwickelte einen sicheren, schreibgeschützten Assistenten auf Basis von Amazon Bedrock. Dieser wandelt natürlichsprachliche Fragen in sofortige ERP-Insights um – über Bestände, Arbeitsaufträge, Rechnungen, Produktion und Preise hinweg. Antworten, die zuvor Stunden dauerten, stehen nun in Sekunden zur Verfügung. Arbeitsaufwände wurden reduziert, Reaktionszeiten verbessert – und gleichzeitig die Grundlage für Retrieval-augmented Intelligence auf Basis von 20 Jahren Vertriebs- und Servicedaten geschaffen.

Zweitens: Die Beverages Breakthrough Group musste ihre veralteten Rechenzentren ablösen, die Skalierbarkeit einschränkten, Kosten erhöhten und Disaster Recovery sowie Compliance unnötig verkomplizierten. Adastra und AWS migrierten mehr als 600 Server in eine sichere, skalierbare AWS-Umgebung und modernisierten geschäftskritische Anwendungen – mit deutlichen Verbesserungen bei Sicherheit und Compliance. BBG führt derzeit einen KI-gestützten Sales Coach sowie einen Legal Assistant ein. Erwartet werden jährliche Einsparungen von rund 100.000 US-Dollar bzw. 56.000 US-Dollar, zusätzlich etwa 190 eingesparte Arbeitsstunden und eine Reduktion manueller Vertragsduplikationen um 80 Prozent.

Mark Kohout: Was unterscheidet AWS von anderen Anbietern? Was ist das „Geheimrezept“?

Rehan Shah: Wir bieten einen vollständigen Technologie-Stack für KI-Agenten – von Infrastruktur und Daten über Modelle bis hin zu Anwendungen. Gleichzeitig unterstützen wir offene Standards wie MCP und HOA, sodass Werkzeuge interoperabel bleiben und höchste Sicherheitsanforderungen erfüllen. Unsere speziell entwickelte Infrastruktur umfasst unter anderem eigenes Silizium wie Trainium, das im Vergleich zu GPU-Alternativen bis zu 30 Prozent bessere Preis-Leistungs-Werte bietet. Wir kombinieren modernste Technologie mit bewährter Sicherheit, klarer Governance, Skalierbarkeit und hoher Zuverlässigkeit. Zudem stellen wir branchenspezifische Lösungen für Gesundheitswesen, Handel, Fertigung und weitere Industrien bereit. Für abgelegene oder geschäftskritische Standorte erweitert Amazon die Konnektivität im niedrigen Erdorbit über Amazon LEO, um eine stabile und sichere Cloud-Anbindung zu gewährleisten.

Mark Kohout: Was treibt aus Ihrer Sicht aktuell die Investitionen in Daten und KI?

Rehan Shah: Produktivität, Workflow-Automatisierung und Innovation. Innerhalb von Amazon haben Agents, die Java-Code-Upgrades automatisieren, rund 4.500 Entwicklerjahre eingespart und jährliche Einsparungen von etwa 260 Millionen US-Dollar erzielt – ein klares Beispiel für die Skalierungseffekte. Kunden, die Agents in ihre Kernprozesse integrieren, berichten von 40 Prozent schnelleren Bearbeitungszeiten bei Anfragen und einer um 65 Prozent verbesserten Personalisierung. Intelligente Troubleshooting-Agents können die Lösungszeit von Problemen um bis zu 86 Prozent reduzieren. Kombiniert man das mit der Prognose von Gartner, wonach bis 2028 mindestens 15 Prozent aller geschäftlichen Entscheidungen von autonomen KI-Agenten getroffen werden, wird deutlich, warum Führungskräfte gezielt auf wiederholbare, wertschöpfende Workflows mit messbarem ROI setzen.

Mark Kohout:
Was sind die größten Herausforderungen bei der Einführung von KI?

Rehan Shah: Fragmentierte Datenlandschaften, inkonsistente Datenqualität und unzureichende Governance führen zu instabilen Lösungen und erhöhtem Risiko. Führungskräfte müssen Innovation mit Sicherheit, Zuverlässigkeit und operativer Exzellenz in Einklang bringen – und sicherstellen, dass KI-Agenten innerhalb klar definierter Sicherheits-, Ethik- und Regulierungsrahmen agieren. Ebenso entscheidend ist die Klarheit über den geschäftlichen Mehrwert. Gartner prognostiziert, dass bis 2027 mehr als 40 Prozent aller KI-Projekte aufgrund unklarer Wertbeiträge eingestellt werden. Die Lösung: mit einer vertrauenswürdigen Datenbasis starten, Governance von Beginn an verankern, Use Cases mit klar messbaren Ergebnissen priorisieren und Adoption sowie Change Management konsequent steuern – inklusive Executive Alignment, klarer Verantwortlichkeiten, Leitplanken, transparenter Kommunikation und gezielter Schulungen. Der richtige Partner stellt sicher, dass Pilotprojekte in produktive Programme überführt werden – sodass der Mehrwert langfristig wächst und sich kumulativ entfaltet.

Mark Kohout:
Kosten sind immer ein zentrales Thema. Wie können Unternehmen Kosten kontrollieren und gleichzeitig mit KI innovieren?

Rehan Shah: Setzen Sie auf kosteneffiziente Rechenleistung wie Trainium 2, das bis zu 30 Prozent bessere Preis-Leistung bietet. Senken Sie Speicherkosten mit Amazon S3 Vector – mit bis zu 90 Prozent Einsparungen bei Training und Retrieval. Nutzen Sie Autoscaling, einschließlich „Scaling to Zero“, und bauen Sie auf einer einheitlichen, governance-konformen Datenbasis auf, um Ausgaben planbar zu machen und schneller Mehrwert zu erzielen. Auf Operating-Model-Ebene sorgt ein föderiertes AI Center of Excellence für klare Leitplanken: Token-Budgets pro Team, standardisierte Use-Case-Priorisierung, pragmatisches Change Management sowie transparente Nutzungs- und Verrechnungsmodelle. Gleichzeitig sollte die Ausrichtung an Responsible-AI-Standards und unternehmensweiten Risikoframeworks sichergestellt werden – damit Innovation beschleunigt wird, ohne Sicherheit, Datenschutz oder Compliance zu gefährden.

Mark Kohout: Worauf sollten Entscheidungsträger bei der Implementierung autonomer Systeme ihren Fokus legen, um nachhaltige Ergebnisse zu erzielen?

Rehan Shah: Beginnen Sie mit hochwertigen, für KI-Workloads optimierten Daten, damit Assistenten auf präzise und aktuelle Kontexte zugreifen können. Integrieren Sie Daten über Data Lakes, Data Warehouses und Anwendungen hinweg, um konsistente Analysen und KI-Ergebnisse im gesamten Unternehmen sicherzustellen. Etablieren Sie eine Governance auf Unternehmens-Niveau, um sensible Informationen zu schützen und Compliance-Anforderungen einzuhalten. Erzielen Sie schnelle Erfolge mit sofort einsetzbaren Assistenten wie Amazon Q und erweitern Sie anschließend auf individuelle Agents auf Basis von Bedrock. Diese Abfolge schafft Vertrauen, baut Momentum auf und reduziert gleichzeitig Risiken.

Mark Kohout: Wie qualifiziert und unterstützt AWS Partner wie Adastra – und wie sieht aus Ihrer Sicht der ideale AWS-Partner aus?

Rehan Shah: Wir qualifizieren und befähigen Partner durch AWS Competencies und Service-Delivery-Validierungen, gezielte Trainingsprogramme, erfahrungsbasierte Accelerator-Angebote sowie Co-Selling- und Fördermodelle. So können Kunden mit Vertrauen vom Pilotprojekt in den produktiven Betrieb übergehen. Der ideale Partner vereint Branchenexpertise mit starker technischer Kompetenz, priorisiert Use Cases klar, entwickelt gemeinsam mit dem Kunden Roadmaps und etabliert eine belastbare Datenbasis sowie Governance-Strukturen. Adastra ist ein gutes Beispiel dafür: mit praxisnahen Acceleration-Sessions, wiederholbaren Blueprints auf Basis von Bedrock und Agent Core, dem gezielten Einsatz von Amazon Q und QuickSight, kontinuierlicher Weiterbildung sowie der Nutzung von Enablement- und Förderprogrammen. Durch die enge Zusammenarbeit mit AWS-Field-Teams und die Kombination aus strukturiertem Change Management und Executive Alignment stellt Adastra sicher, dass Ergebnisse nachhaltig verankert werden und die Time-to-Value deutlich beschleunigt wird.

Mark Kohout: Zum Abschluss: Agentic AI entwickelt sich von Demos hin zu realen Geschäftsergebnissen – etwa mit dem KI-gestützten Sales Coach und Legal Assistant bei BBG, die messbare Einsparungen erzielen, oder mit den Self-Service-ERP-Abfragen bei Torn Attack, die sich von Stunden auf Sekunden verkürzt haben. Das Playbook ist klar: Starten Sie mit einer vertrauenswürdigen Datenbasis und klarer Governance. Erzielen Sie schnelle Erfolge mit Amazon Q. Erweitern Sie anschließend mit Bedrock auf individuelle Agents. Sorgen Sie mit den richtigen technologischen Bausteinen und einem strukturierten FinOps-Ansatz für planbare Kosten. Und arbeiten Sie mit Partnern wie Adastra zusammen, um technologische Möglichkeiten in konkreten Geschäftswert zu übersetzen. Rehan, vielen Dank für das Gespräch – und danke an unser Publikum. Wenn Sie einen risikoarmen ersten Schritt gehen möchten, wenden Sie sich an Adastra. Und vergessen Sie nicht, uns zu liken und zu abonnieren. Bis zum nächsten Mal.