# BASF AI Transformation Strategy and Execution

**Podcast:** AI FIRST Podcast
**Published:** 2026-03-06

## Transcript

Herzlich willkommen zum AI First Podcast.
Heute zu Gast ist Markus Pospich, der bei der BASF, einem der größten Chemiekonzerne der Welt, global für das KI-Programm für über 100.000 Menschen verantwortlich ist.
Und wir sprechen heute darüber, was KI-Transformation mit Breiten- und Spitzensport zu tun hat und wie es auch ein großer globaler Konzern schafft, mit der...
Geschwindigkeit im KI-Markt Schritt zu halten und die Möglichkeiten, die die Technologie bietet, in Mehrwerte umzusetzen.
Ich freue mich auf das Gespräch.
Danke, dass du da bist, Markus.
Vielen Dank für die Einladung.
Ich freue mich auch und hoffe auch, ich kann was lernen.
Von unseren Vorgesprächen habe ich es immer so wahrgenommen und lerne immer gerne von der Community.
Von daher freue ich mich drauf.
Markus, erzähl mal zum Start kurz.
wer du bist, was du bei der BASF machst.
Du bist ja auch schon sehr, sehr lange in dem Unternehmen und vor allem, wie jetzt so deine Rolle als Programmlead aussieht.
Gerne.
Also wir fangen typischerweise in der BASF an mit der Betriebszuhörigkeit.
Wir haben sehr langjährige Mitarbeiter.
Ich habe das Glück, schon 26 Jahre im Unternehmen sein zu dürfen.
Ich habe dort angefangen, Ausbildung als Informatikkaufmann, also genau die Brücke zwischen Technologie und Geschäft zu moderieren.
Das würde ich sagen, ist auch mein Steckenpferd in der Firma immer gewesen, in allen Rollen, die ich nutzen durfte.
Und in meiner aktuellen Rolle, die ich seit eineinhalb Jahren mache, stelle ich die Frage quasi nicht ob, sondern wie sollten wir KI als Konzern angehen, sodass wir für die Zukunft...
aufgestellt sind.
Und dabei koordinieren wir, kommen gleich darauf, wie wir KI einsetzen und auch die Frage beantworten, welchen Wert schaffen wir damit.
Genau, das ist die Aufgabe.
Das mache ich nicht alleine.
Wir machen das aus, ich selbst bin in der Strategieeinheit aufgehängt.
KI ist für uns ein strategischer Hebel, den wir auch vor anderthalb Jahren in der Strategieeinheit platziert haben.
Und wir machen das natürlich sehr eng mit unserer Digitalisierungseinheit, sehr eng mit unseren Geschäftsbereichen, sehr eng mit unseren Funktionsbereichen, sodass wir möglichst das gesamte Unternehmen auf diese Reise mitnehmen.
Wir machen gleich einen Deep Dive in euer KI-Programm und wie ihr dieses Thema über ein so komplexes Unternehmen steuert.
Kannst du zum Start einmal kurz erklären, was eigentlich ein Programm oder auch Programmmanagement im Konzern bedeutet?
Programmmanagement ist eine Aufgabe, wenn du so willst.
Projekt, Programm, typischerweise zeitlich begrenzt.
Meine Aufgabe hat kein Enddatum, aber ist nicht für die Ewigkeit bestimmt.
Das ist per Definition so.
Warum?
Weil KI zu nutzen ist etwas, was wir lernen müssen.
Sowohl von der Anwendung, als auch was bedeutet das für uns.
Und ist aber etwas, was nicht einer alleine macht, sondern...
Alle Bereiche müssen es lernen.
Mit alle Bereiche meine ich alle Bereiche in einer BSF.
Vom Vorstand bis hin zu HR, Vertrieb, Produktion, Forschung.
Überall kann man KI einsetzen.
Und deswegen kann einer alleine das bei weitem nicht beantworten, diese Frage.
Sondern er bündelt quasi das Wissen.
er allokiert Ressourcen, priorisiert in Abstimmung mit den Stakeholder, den wir haben.
Dazu haben wir uns eine Struktur überlegt.
Es ist aber bewusst eine Struktur, die nicht in der Linienorganisation ist.
sondern virtuell in die Organisation reingreift, damit wir die möglichst beste Geschwindigkeit erreichen, aber eine Parallelorganisation zur Linienorganisation vermeiden.
Das war uns von vornherein wichtig und ist auch, glaube ich, einer der Erfolgsfaktoren für uns, dass wir nicht eine Parallelorganisation erreichen, die in Konkurrenz zu vorhandenen Kompetenzen steht.
Wie habt ihr denn dieses Programm aufgezogen?
Was sind so die Säulen und wie kann man sich das vorstellen?
Inhaltlich haben wir drei Säulen.
Die erste, umgangssprache, nämlich Breitensport.
Da ist das Ziel, möglichst viele, idealerweise alle, haben Zugang zu KI und werden auch geschult im Umgang mit KI.
Wir haben eine verpflichtende Schulung für alle Mitarbeiter zu KI-Grundlagen.
Ethik, Prompting-Fähigkeiten, mit welchen Werkzeugen kannst du arbeiten und dann aber ein umfangreiches Angebot an Trainings.
Ich glaube, Jasmin, die letztes Jahr die Daten- und KI-Akademie bei uns gemacht haben, war schon mal bei dir im Podcast.
Das heißt, wen es interessiert, kann nochmal ein Jahr zurückspulen und hört da quasi vieles unserer Enablement-Ansätze, die ein ganz wichtiger Teil davon sind.
Und das ist im Prinzip der Breitensport.
Ich sage bewusst Breitensport, weil ohne Breitensport gibt es keinen Spitzensport.
Das steht im Zusammenhang zueinander.
Das schafft Vertrauen.
Ganz am Anfang war ja KI quasi etwas, was abstrakt war, etwas, von dem man Angst hatte.
Und wann verliere ich Angst vor etwas, wenn ich es benutze?
Und nur über die Benutzung.
lerne ich auch quasi, was kann es, wo sind Limitierungen und das hört ja nicht auf, KI entwickelt sich rasant weiter, deswegen ist diese kontinuierliche Nutzung elementar wichtig.
Lass uns gerne nochmal den Überblick über die anderen Säulen bekommen, du hast jetzt schon, und dann gehen wir gerne nochmal tiefer rein, also Breitensport verstanden, da werden grundlegende Kompetenzen aufgebaut, in der Breite, Vertrauen wird entwickelt und alle können erstmal einen...
ein Gefühl für ihr KI bekommen, aber das auch für sich wahrscheinlich im Arbeitsalltag in die Anwendung bringen.
Und daraus sourced ihr dann, also wenn man jetzt so Fußballbreiten und Spitzensport vergleichen würde, sourced ihr dann daraus die Talente, mit denen ihr dann die großen Cases umsetzt?
Oder wie geht es dann mit dem Spitzensport weiter?
Spitzensport heißt, wir wollen Wert schaffen.
Wert schaffen heißt bei uns, wir wollen einen Beitrag auf unsere Profitabilität bringen.
Sprich, wir wollen gucken, wo können wir interne Kosten rausnehmen, externe Kosten rausnehmen oder auch Umsatz beeinflussen mit dem Einsatz von KI.
Dazu haben wir ganz am Anfang, vor anderthalb Jahren, als wir gestartet sind, all unsere Bereiche im Sinne von, wir nennen das Domänen, Finance, HR, Procurement, Operations, Forschung, alle Bereiche quasi uns angeschaut und guckt, was sind...
Eins, zwei, maximal drei, wir nennen das Value Cases, die wir angehen sollten.
Da haben wir Outside-In geguckt, was ist am Markt üblich, was sind Ideen, die wir schon haben.
Das war eigentlich der Startpunkt, quasi noch bevor der Breitensport da war, war ja schon KI in der Nutzung.
Also wenn wir jetzt in die Zeitlinie gucken, war das Anfang 2024, Übergang 23, 24.
Und wir hatten mal eine Excel-Liste gemacht, wie man so startet.
Jeder im Bereich.
sagt, was macht er schon mit KI?
Und kam eine Liste von 500 raus.
Und du kannst dir vorstellen, damals natürlich sehr viel Ähnliches.
Ich chatte mit einem Dokumenten.
Ich hole Informationen aus Form A in Form B rüber, was KI damals machen konnte.
Und auch man...
für sich einzeln gebaut hat.
Zu dem Zeitpunkt gab es noch nicht etablierte Tools am Markt, die das quasi als Standardlösung lösen.
Heutzutage sind das eben schon Lösungen, die als Standardlösung kommen.
Und deswegen ist auch, was vielleicht eine große Idee war, in dem KI-Zeitschalter sehr schnell eine Idee, die man gar nicht so dediziert bauen muss, sondern die kriegt jeder für sich.
Und aus dieser Basis von diesen 500 haben wir geclustert, priorisiert, fokussiert und haben eben diese zwei bis drei Value Cases pro Bereich aufgenommen, haben jetzt eine Anzahl von 60.
Das ist für uns eine gute Zahl im Sinne von genug, um Impact zu erzielen, auch genug, dass es verdaubar ist, aber auf der anderen Seite nicht zu viel, um uns nicht zu verzetteln an dieser Stelle.
Das ist im Prinzip der Spitzensport, über den wir dann gezielte Transformationen in die Arbeitsweise reinbringen.
Also es ist nicht quasi, wie nutze ich jetzt KI, um Meetings zusammenzufassen oder um E-Mails zu draften, sondern wie nutze ich KI, um zum Beispiel im Finance und Controlling fundamental anders mit unseren Daten zu arbeiten, da ranzukommen oder in anderen Bereichen eben auch gezielte Dinge zu tun.
Okay.
Was ist der dritte Bereich?
Der dritte Bereich ist im Prinzip am Ball bleiben.
Was meine ich damit?
Am Ball bleiben und Voraussetzungen schaffen.
Voraussetzungen schaffen heißt, Governance und Compliance-Konstrukt zu haben, eine Daten- und KI-Akademie zu haben, eine synergetische Entwicklungsplattform zu haben, sodass nicht im Prinzip jeder von diesen Value Case auf sich losentwickelt und jeder quasi unterschiedliche Modelle ohne Kostenkontrolle und Co.
nutzt, sondern dass wir von vornherein synergetisch entwickeln.
Am Ball bleiben heißt, Talent aufzubauen, aber auch Beurteilungskompetenz aufzubauen.
Was kann die nächste Welle an KI-Innovation?
Als wir gestartet haben, gab es so etwas wie agentische KI, zumindest noch nicht unter dem Wort.
Als wir gestartet haben, gab es so etwas wie Deep Research oder Computer Use noch gar nicht.
Das heißt, entlang dem Pfad haben wir uns angeguckt, was gibt es an neuen technologischen Möglichkeiten und wie...
Zahlt das quasi in die Geschäftsherausforderungen, die wir sowieso schon rausgesucht hatten, rein?
Oder was ermöglicht uns das Neues an dieser Stelle?
Das ist im Prinzip die dritte Säule.
Voraussetzungen schaffen und am Ball bleiben, wenn wir in der Sportanologie bleiben.
Ich höre jetzt vor allem auch ganz viel Storytelling raus.
Und ich könnte mir vorstellen, dass dieses Storytelling total wichtig ist, wenn man immer wieder gegenüber so vielen unterschiedlichen Menschen, Stakeholdern, alle an unterschiedlichen Themen arbeiten, an unterschiedlichen Stand sind, zu erklären, was macht ihr da eigentlich?
Wie schafft ihr damit einen Wert, um die Leute alle mitzunehmen?
Habt ihr das Bild, ich nehme mal an, ihr habt es deswegen bewusst so gewählt, aber vielleicht auch, also wie wichtig ist es, diese Analogie immer wieder ziehen zu können?
Das Allerwichtigste, was ich auch vor der KI-Zeit gesehen habe, ist, wir müssen Technologie Manchmal auch Technologie sein lassen und auch eine Kompetenz für Technologie und Digitalisierung in den Non-Techies quasi erzielen, in Konzernen wie in der BSF.
Aber gleichermaßen ist Technologie austauschbar und entwickelt sich auch weiter.
Das heißt, wir müssen eine Sprache finden, die man versteht.
Jede Silo, auch wie jetzt bei uns, wenn man die Forscher reden hört oder die Produktionskollegen, haben quasi ihre eigene Sprache, gerade in einem Konzernumfeld mit eigenen Abkürzungen, mit irgendwelchen Dingen und mit Jaguar.
Meine Erfahrung ist, wenn ich eine Brücke schlagen will, dann geht es mit Sprache sehr stark los.
Vor Stereytelling kommt einfach, ich sollte nicht abstrakt sein, ich sollte eine einfache Sprache wählen, konkret sein, ein bisschen auch den Hype rausnehmen, indem ich Dinge zeige.
griffig mache auf der einen Seite, auf der anderen Seite aber eben auch Dinge erkläre und Kompetenz aufbaue entlang dem Pfad.
Das ist sehr, sehr wichtig.
Eine kleine Anekdote, noch gar nicht so lange her, von einem Jahr quasi, in einem unserer Vorstandsmeeting, war so ein bisschen auch die Fragestellung, interessant, was wir da und da und da machen, aber wie vermitteln wir das jetzt eben den Leuten, weil dieses Fantasieproblem, was kann jetzt KI?
Wenn ich in Grundzügen verstanden habe, was es ist, was kann es jetzt für uns auch noch tun?
Das ist ja was Schwieriges und was Abstraktes.
Da haben wir ein Format aufgesetzt, nennen wir AI in Action.
War am Anfang dreiminütiges, vierminütiges Video.
Jetzt quasi One-Pager-Newsletter, der im Prinzip ein Video kombiniert und Hands-on-Tricks, was kannst du direkt machen.
Diese Kombination kommt ganz gut an.
Im Sinne von, wir entmystifizieren etwas, was erstmal abstrakt, komplex, technisch daherkommt zu Wie sieht es in Aktion aus?
Wie wirkt es auf Menschen, die es nutzen?
Und was ist die Wirkweise davon?
Gehen wir mal in diese drei Bereiche noch ein bisschen tiefer rein, weil ich glaube, da gibt es noch eine ganze Menge mehr, was du teilen kannst.
Und zwar hatte ich mal mit Jasmin, du hattest es schon gesagt, vor einem Jahr über eure Daten- und KI-Akademie gesprochen und da vor allem auch schon gemerkt, dass ihr da sehr umfangreich investiert.
Also wirklich euch ein großes Anliegen ist, jede einzelne Person fit im Umgang mit dieser Technologie zu machen.
Jetzt gibt es ja aber in diesem breiten Sport, nehme ich mal an, viele unterschiedliche Ebenen, die nochmal darunter sind.
Also man könnte mit so einfachen Grundlagen...
Trainingsanfang, so was ist KI überhaupt und was sind die Potenziale, was sind die Risiken, was sind die Fähigkeiten, was hat es mit dem Datenschutz auf sich und so weiter.
Dann geht es wahrscheinlich so in die Anwendung rein und dann gibt es ja aber auch in der Anwendung wieder unterschiedliche Ebenen.
Also wo fängt Breitensport bei euch an und wo hört das vielleicht auch auf, weil ich so ein bisschen verstehen möchte, ab wann geht es dann in den Spitzensport über?
Oder Hört der Breitensport vielleicht auch gar nicht auf und entwickelt sich auch da einfach immer nur weiter mit der Technologie?
Das interessiert mich sehr.
Beides.
Ich fange vielleicht mit dem Ende deiner Frage an.
Also das ist ein fließender Übergang.
Ein bisschen mehr technischer Sicht.
Es gibt ja horizontale KI, also quasi KI-Lösungen, die quasi nicht für ein spezifisches Fachdomäne...
Legal Finance Air quasi aufgesetzt ist.
Also so klassische KI-Tools quasi, wie es im Enterprise-Umfeld gibt.
Die können im Prinzip ja Dinge, Marktrecherche, Wissen aus vielen Dokumenten rausziehen, unabhängig davon, welchem Fachgebiet man unterwegs ist.
Und ich bleibe mal bei dem Beispiel Marktrecherche, Market Intelligence.
Das ist auch etwas, was vor einem Jahr okay funktioniert hat, aber noch nicht so, dass es ausreichend war.
Und dann haben wir da einen Spitzensport-Value-Case für aufgesetzt.
Wir merken aber über die Zeit, vieles von dem geht heute schon quasi aus den Standardmöglichkeiten heraus.
Und dann haben wir das quasi über die Bandbreite hinzugefügt.
Also Deep Research, vor einem Jahr, habe ich unseren Führungskräften quasi...
wie kann Deep Reasoning funktionieren.
Und da kam Deep Seek gerade raus, vor einem Jahr.
Und da kamen so ein bisschen die Dinger.
Da war das Buchwissen.
Aber wir haben damals schon gesagt, passt auf, wenn wir das jetzt mit unseren vorhandenen Daten kombinieren, dann kommt eine Intelligenz raus, die wir heute einkaufen.
Und was kann sich daraus entwickeln?
Und ein Jahr später quasi habe ich im Breitensport ja eine Infrastruktur mit bei uns zigtausenden, die Zugriffe haben auf diese Tools.
Und das kann ich jetzt Autobox verwenden.
Also sprich, Breitensport ist für mich auch die Autobahn.
über die dann neue Innovationen quasi schnell in die Masse kommen.
Und der Innovationszyklus von im Prinzip, die Dinge kommen in den Markt, bis sie im Breitensport auch verfügbar sind, sind ja kürzer denn je.
Und deswegen ist da schon ein starkes Zusammenspiel.
Das war so ein bisschen der zweite Teil deiner Frage, glaube ich.
Und der erste Teil, wie sieht diese Stufen aus?
Also es geht los.
Wir hatten drei Module ganz am Start von unserem Enablement.
Dreimal 30 Minuten vor anderthalb Jahren gestartet.
Was ist KI?
Definition.
Was sind die Möglichkeiten?
Und wie prompte ich als Sprache mit KI umzugehen?
Und Limitierungen, Compliance, Werte, etc.
Und da musste auch jeder durch.
Also habt ihr durch alle Mitarbeiter, die mussten da in einer bestimmten Zeit kommen?
Genau.
Am Anfang quasi haben wir gestartet, wenn du das KI-Tool bekommst, dann musst du dieses Training auch machen.
in Abhängigkeit.
Du bekommst was, du musst was tun.
Und wir sind jetzt gerade dazu übergangen, wie ähnlich auch Datenschutz, Informationsschutz oder auch Compliance Schulungen sind, die wir allen Mitarbeiter verpflichtend geben.
Machen wir das jetzt auch mit KI und da auch mit einer Aktualisierung.
Haben jetzt aber natürlich das ein bisschen eingedampft.
Wir hatten vorher dreimal 30 Minuten und jetzt sind wir, glaube ich, bei einmal ein Modul von 45 Minuten.
Wir lernen auch über die Zeit, auf was kommt es an, fokussieren das wieder ein bisschen, damit wir das aufnehmen.
Aber das ist die erste Schwelle quasi, durch die man durch muss.
Und damit haben wir auch einen einfachen Haken an KI-Verordnung geschaffen.
Das ist immer nur der Ersteinstieg.
Dann kommt natürlich Toolverständnis.
Und was wir früh auch gemacht haben, wir haben zusammen mit Multiplikatoren rollenspezifische Trainings aufgesetzt.
Wie nutze ich KI im HR?
Wie nutze ich KI im Finanzwesen?
Und da war dann schon je nach Fortschritt des Spitzensportes auch schon gemischte Tools quasi aus Standard, also Breitensport-Tools und Spitzensport-Style.
Ich mache mal ein konkretes Beispiel zu einem Spitzensport, über das wir auch schon extern berichtet haben.
Wir haben zwei Anwendungen für dedizierte Themenbereiche.
Das eine ist Plan GPT, da geht es um Wissensmanagement in der Produktion.
Das ist ein Chemieunternehmen, das heißt die Fragestellung, wie betreibe ich eine Anlage sicher, sehr elementar.
Mit dem Vorteil aber, da ist viel dokumentiertes Wissen.
weil wir auch gute Trainingsdokumente haben, Standard Operating Procedures, also Standardabläufe, die auch dokumentiert sein müssen aus regulatorischen Vorgaben.
Und anstatt quasi da klassischerweise in Ordner zu greifen, kann ich gerne im Nachhinein, wenn es interessiert, auch ein Video mit in die Kommentare reinhängen.
Das ist ein Video, was wir veröffentlicht haben.
Da kann man sich sowas einfach vorstellen.
Und das ist natürlich super hilfreich, weil ich jetzt quasi in dem Moment der Frage mit natürlicher Sprache formulieren kann, was ich wissen will, anstatt quasi da jetzt die Anlage rauszuholen.
Und da können wir natürlich aufzeigen, was kann im Prinzip das Breitensport-Tool oder was kann das spezifische Tool, was wir jetzt dafür gebaut haben, was dediziert auf unsere Dinge Zugriff hat, das wir jetzt natürlich auch weiterentwickeln, nicht nur mit Dokumentwissen, sondern auch mit tieferer Integration in unsere Systeme, Datenlandschaft etc.
Ein anderes Beispiel ist FOX, das ist unser Finance and Controlling Assistant.
Du hörst schon so ein bisschen raus, im Spitzensport haben wir eigentlich pro Domäne einen dominanten Assistenten-Chatbot geschaffen, der initial Wissensmanagement ist, aber sich jetzt auch ins Agentische weiterentwickelt.
Also pro Funktionsbereich.
Genau, dasselbe gibt es auch für IT, dass wir sagen, wir haben quasi SIA, das ist unser digitaler Helfer quasi, der mir bei IT-Alltagsproblemen hilft und der das Ziel hat, Service-Desk-Calls zu vermeiden.
Win-win, wir sparen externes Geld, weil das vorher Dienstleister gemacht hat und auf der anderen Seite wird den Mitarbeitern schneller geholfen.
Und die Tools konnten dann in Phase 1 Fragen beantworten, basierend auf Wissen, was ihr gut aufbereitet und angebunden habt und jetzt?
Schritt für Schritt können sie dann auch Aufgaben immer mehr ausführen.
Da sind wir teilweise schon weiter, teilweise quasi noch drin.
Da kommt immer darauf an, wie gut die Prozesse hintendran schon vernetzt aufgenommen sind.
Aber das ist genau der Pfad.
Bleiben wir bei Finance & Controlling.
Am Anfang ist das Wissen.
Finance & Controlling ist ein sehr dokumentiertes Domäne.
Das heißt, da haben wir sehr viel dokumentiertes Wissen.
Das war einfacher einzubinden.
Aber klassischerweise hast du in einem Konzern, auch bei uns im Finance & Controlling Umfeld, eine sehr gute Datenbasis.
strukturierte Datenbasis in deinen Data Lakes etc.
Das heißt, das war der natürliche nächste Schritt nach Dokumenten, Daten anzubinden und quasi von Dashboards hin zu sag mir mal quasi, was sind meine Top 5 Kunden im letzten Jahr aus Sicht eines Business Units Leiters.
Das heißt, klassische Controlling-Tätigkeiten und ich habe vorher schon Reasoning-Modelle erwähnt.
Jetzt kommt natürlich das Spannende, wenn ich diese Daten nicht nur abrufen kann mit Sprache, sondern auch interpretieren kann.
Dann komme ich natürlich in die Empfehlung, wenn ich das jetzt mit Marktintelligenz verknüpfe, das heißt, mache mir eine Recherche quasi, was könnte sein, wenn ich das aufnehme, nehme mir das in eine Simulation und so wird quasi aus Wissensbeschaffung dann im Prinzip auch Wertstifterin-Tätigkeiten.
Habt ihr so im Breitensport irgendwelche Level?
definiert, wo Mitarbeitende sich dann für qualifizieren können, also manche haben ja eher, du hast jetzt schon von Multiplikatoren gesprochen, manche, jetzt höre ich immer von immer mehr Unternehmen, dass sie da nochmal eine Ebene drüber setzen, also wirklich Menschen, die mit No-Code-Tooling Cases umsetzen können, die nicht in eure Value-Cases wahrscheinlich reinzahlen, aber trotzdem Prozesse automatisieren im Co-Pilot Studio oder mit N8N oder ähnlichem Tooling.
Habt ihr sowas auch?
Ja, also das erste ist diese Stufen.
Also generell im Enablement, jetzt gar nicht so sehr im Breitensport-Spitzensport-Trennung, aber im Enablement haben wir vier Zielgruppen.
Unsere wichtigste Zielgruppe ist tatsächlich Führungskräfte.
Warum?
Weil das sind die besten Multiplikatoren für uns.
Weil wenn sie vorleben, wie KI funktioniert, dann hast du eine ganz andere Wirkkraft auf deiner Organisation.
A.
Und B.
Wir wollen genau die Beurteilungskompetenz, was kann KI und was kann nicht bei unseren Führungskräften anregen, damit ich mir daraus überlege, welchen Spitzensport zur Transformation kann ich daraus ableiten.
Super essentielle Zielgruppe für uns Führungskräfte.
Und wir haben ein Überangebot in Anführungszeichen.
an Training und an Aufmerksamkeit für diese Zugruppe, weil wir sagen, da holen wir den meisten Effekt raus an dieser Stelle.
Zweiter Aspekt ist quasi AI Champions, das sind Multiplikatoren, die wir auch haben, circa 1000 plus, die wir in allen Bereichen noch aus allen Funktionen heraus nominiert lassen haben und die kriegen früher Zugriff auf Tätigkeiten.
Also du hast gerade das No-Code-Agenten-Thema.
Da haben wir quasi ein Set an Tools und die haben wir quasi auch vorab Zugriff geben lassen und haben die auch ein bisschen geschult, gehen mit denen in Promptatons, gehen mit denen quasi in Events rein, sodass wir ihnen Hilfestellung geben.
Wie kannst du für dich etwas bauen?
Das ist immer Nano-Agent würde ich das nennen.
Also zum Beispiel in der HR-Abteilung schreibe eine Job-Description quasi für mich.
Als Agent basierend auf Vorlagen oder in Communications helfen mir quasi Presseartikel oder andere Dinge nach Vorlagen quasi zu artikulieren.
Und die bauen sich die Leute selbst.
Die schulen wir, die nehmen wir auf.
Und das ist das Multiplikatorenkonzept, dass die quasi eine Kompetenzstufe über der Breite sind, damit die den anderen auch helfen können.
Oder auch quasi für sie Agenten mitbauen.
Die breite Masse.
sage ich mal, bespielen wir mehr und mehr indirekt Übergenaufführungskräfte und Multiplikatoren.
In der initialen Phase, als wir eingeführt haben, da haben wir quasi sehr stark auch die Breite bespielt.
Machen wir auch immer noch, aber der Schwerpunkt liegt auf den zwei Multiplikatoren.
Und die vierte Zielgruppe, und das ist interessant, die Daten-KI-Akademie, wenn ihr auch Jasmin nochmal zuhört, hatte ursprünglich angefangen für die Entwickler.
KI kommt ursprünglich für Data Scientists aus dieser Welt.
Und da hat die Daten- und KI-Akademie bei uns ihren Hintergrund gehabt, ihren Ursprung gehabt.
Und die bespielen wir auch immer noch.
Aber jetzt ein bisschen anders in der Form, wie hast du synergetische Plattformen?
Was brauchst du?
Wie machen wir Compliance by Design?
Wie kommunizierst du Storytelling und auch Sprache quasi in die Einheiten rein?
Das ist quasi die vierte Säule der Daten- und KI-Akademie.
Kurz in eigener Sache.
Wenn dir der AI First Podcast gefällt und du mehr spannende Inhalte und hochkarätige Gäste hören möchtest, dann freue ich mich über deine Unterstützung.
Mit einer 5-Sterne-Bewertung und einem Abo für den Podcast hilfst du uns, sichtbarer zu werden und AI First weiterzuentwickeln.
Für dich und die gesamte Community.
Ich danke dir.
Wie ist das denn, wenn jetzt neue Funktionen oder Fähigkeiten von KI kommen?
Du hattest jetzt über Deep Research zum Beispiel gesprochen.
Nehmen wir das mal.
Oder jetzt kommen immer mehr agentische Fähigkeiten.
Die große Herausforderung ist es ja, dass alles Mögliche, was man im Enablement tut, auf eine gewisse Art und Weise veraltet oder aktualisiert werden muss, wenn man den Leuten helfen möchte, die aktuell besten Fähigkeiten für sich auch nutzen zu können.
Wie bringt ihr sowas dann immer wieder rein und schafft es, diese vielen Menschen zu aktivieren?
Was ja bei KI, und das ist ja anders als bei anderen Digitalisierungswellen, also es ist ja ein Thema, mit dem sich Menschen auseinandersetzen wollen, weil sie ein Interesse daran haben.
Und diese Interesse und Begeisterung sehen wir auch auf allen Führungsebenen, bis in den Vorstand bei uns rein.
Heißt, Die erste Welle, also diese Gauss-Kurve an Verteilungen drin, die kommt von alleine.
Das heißt, da ist es eher, wir testen mit denen kontinuierlich unser Enablement-Angebot und auch das Tooling aus.
Was geht schon, was geht nicht, wie erklären wir das, wie vermitteln wir das?
Die Haltbarkeitszeit ist geringer als in der Vergangenheit, aber sowohl von dem Verständnis als auch von der, wie muss ich Dinge erklären?
entwickelt sich die Organisation ja weiter.
Also sprich, unsere Fähigkeit wird besser, Dinge zu vermitteln, weil wir lernen, worauf es ankommt.
Dieses Beispiel bei der Grundlagenschulung von dreimal 30 Minuten auf einmal 45 Minuten, ein tangibles Beispiel für mich genau dafür.
Aber auf der anderen Seite kriegen wir Feedback und iterieren uns quasi zu, was musst du jetzt mitnehmen, aufnehmen.
Und wir haben natürlich etablierte Formate, wie einmal im Monat gibt es eine What's News Session, es gibt diese Newsletter.
wo man niedrigschwellig, unterschwellig quasi diese Dinge eben vermittelt.
Was kommt jetzt on top dazu?
Was kannst du als nächstes machen?
Und idealerweise sind diese Tools ja auch Plattformen.
Sprich, du musst jetzt nicht jede Woche ein ganz neues Tool lernen oder einen Zoo von Lösungen für dich selbst orchestrieren, sondern das sind ja Lösungen, die sich immer wieder weiterentwickeln mit denselben Fähigkeiten.
Also dieser Plattformgedanke steht ja im Vordergrund.
Und das macht es natürlich auch einfacher, dran zu bleiben.
Nichtsdestotrotz, den Zeitsaspekt, es ist überfordernd für eine Organisation, in der viel parallel läuft, auch außerhalb von KI.
Und ich glaube, das geht vielen Mitarbeitern in vielen Unternehmen so.
Und mein Rat, wenn ich gefragt werde, ist, sich nicht zu viel mit all diesen Details auseinanderzusetzen.
Das ist auch der Service, den wir quasi als Programm.
mit unseren Enablement-Aktivitäten für die Organisation durchführen.
Wir filtern und moderieren quasi, was ist wichtig in dieser Form.
Aber die Hands-on-Tipp, den ich da gebe, ist, du solltest dir die Kompetenz aufbauen.
Welche meiner Tätigkeiten kann ich schon heute wie gut mit KI abbilden?
Das ist deine Aufgabe als Führungsperson, als jemand in einem Team.
alle Monats, spätestens alle drei Monate, sollte ich mal gucken, mit den neuesten Möglichkeiten, geht das jetzt besser anders als noch vorher.
Das ist quasi das, was das Mindestmaß ist, was jeder machen sollte.
Alles darüber hinaus kann man sich anschauen, muss man sich aber nicht, weil um den Rest kümmern wir uns so ein bisschen als Service.
Du hattest diesen Newsletter als Aktivierungsmaßnahme genannt.
Gibt es noch so andere Taktiken, Mechaniken, die ihr eingebaut habt, die gut funktionieren?
Es ist natürlich bei sowas, du nimmst, du gehst Multichannel an der Stelle.
Also wir haben natürlich klassische Communities.
Wir haben quasi die größte Community, die wir in unserem Viva Engage, das ist eine Microsoft-Umgebung, haben, ist unsere AI-Tool-Community.
Ja, tatsächlich.
Die All-Company ist noch größer, wenn du so willst, aber wir haben ein bisschen mehr Traffic bei uns.
Und natürlich hast du dort viele Mitleser.
Aber du hast auch viele aktive, sodass im Prinzip viel mehr als sonst ein aktiver Dialog stattfindet.
Und sind das auch hauptsächlich die Champions?
Also seht ihr da auch, dass diese Rolle da Früchte trägt?
Ja, aber wir haben bewusst auch dort alle Mitarbeiter aufgenommen.
Also wir haben quasi sehr viele Mechanismen.
Wenn jemand quasi das Tooling bekommt, wird er automatisch hinzugefügt.
Das ist quasi gar keine Choice, damit er die Möglichkeit hat, zuzugreifen.
Er kann sich die Notifications ausschalten, aber quasi...
hat es einfach mitzulesen, einfach eine Frage stellen, einfach quasi am Ball zu bleiben.
Ja, das ist ein großer Konzern, aber die digitalen Kommunikationswege erlauben uns da auch wirklich kurze Wege zu haben und auch mich direkt anzusprechen oder auch das Team direkt anzusprechen, sodass man da jetzt nicht, wie man sich vielleicht vorstellt, im Vorzimmer nach Termin fragen muss, sondern das passiert quasi in der digitalen Realität an dieser Stelle.
Was aber auch wichtig ist, Weil ich jetzt viel vom Programm gesprochen habe, wir haben in jeder Einheit einen AI Division Lead.
Und das heißt, das kann man sich so ein bisschen föderalistisch vorstellen.
Wir machen viel Train-the-Trainer und viel Materialien, die wir ihnen zentral abnehmen.
Aber ganz, ganz viel passiert in den Einheiten selbst.
Und die Champions sind ja auch von ihnen moderiert.
Das heißt, wir haben vielleicht so einen großen Kanal, wo wir Dinge ausspielen.
Aber wenn man quasi von einer Konzerngröße von 110.000 Mitarbeitern kommt, haben wir dann einen Unternehmensbereich, der hat dann vielleicht 4.000 Mitarbeiter.
Und der hat wieder auch Suborganisationen mit Communities.
Und dann wird es auf einmal von diesem großen Konzern zu reale Menschen, die sich unterhalten, in einer Kontinuität.
Und auf der Ebene findet natürlich auch ganz, ganz viel statt.
So einen Netzwerk-Approach machen wir uns quasi auch zunutze, damit man die Leute auch dort erreicht, wo sie in ihren Teams unterwegs sind und noch agieren.
Woran messt ihr euren Erfolg mit den Enablement-Aktivitäten?
Also bei den Enablement-Aktivitäten ist es über 40 Enablements in Nutzung.
Bei der Nutzung gehen wir quasi in eine sehr einfache Metrik.
Wir gucken uns an Regular Use und Power User.
Das sind die zwei KPIs, die wir uns da angucken.
Das heißt, wir haben als Ziel mit der Nutzung, also wird KI zum Habitus, habe ich eine kontinuierliche Nutzung.
Einmal ein bisschen experimentieren, heißt ja noch gar nichts in der Form.
Und da habe ich vielleicht auch mal Peaks, aber entwickle ich eine kontinuierliche Nutzung.
Wir haben sehr schön gesehen im Verlauf des letzten Jahres, wie wir Wenn wir mal von 20, 30 Prozent kontinuierlicher Nutzung auf Werte gekommen sind, die weit, weit drüber sind.
Und das ist im Prinzip ganz simple Metrik, die unsere KI-Tools auch messen können.
Wie viele KI-Aktionen in der Woche hat man durchschnittlich in einem Zeitraum von zwölf Wochen?
Gleichermaßen auch von unten abgeschöpft.
Wenn du keine Nutzung in 45 Tagen hast, wird das KI-Tool weggenommen.
Es gibt breiten Zugang, aber wenn du es nicht nutzt, kriegst du es auch wieder weg, weil die Tools kosten etwas.
Wenn du es aber wieder haben willst, holst du dir es wieder.
Das heißt, da ist ein Automatismus dahinter.
Und dann haben wir quasi diese Regular Use als Kohorte, die wir auch als Ziel ausgegeben haben.
Und unser Anspruch in diesem Jahr erhöht sich quasi.
Wir wollen jetzt zur Power Use gehen.
Das heißt, die Anzahl wird einfach erhöht.
Und natürlich gucken wir uns auch an, welche Art von Nutzung ist da drin.
Aber natürlich das als KPI in so einem Konzern zu definieren, da hast du lange Diskussionen quasi, was ist da richtig, was ist wichtig oder was nicht.
Und ich bin fern von einfachen KPIs.
Sprich, die Intensivität im Habitus regelmäßig muss ich erhöhen.
Das ist der beste Indikator.
Und dasselbe gilt auch beim Spitzensport Nutzung.
ist die Grundlage.
Ohne Nutzung hast du quasi keinen Wert.
Und dann ist der nächste quasi, welchen Impact erziele ich damit?
Schnellere Kundenbearbeitung von Kundenanfragen, weniger Aufwand bei der Bearbeitung etc.
Das sind dann die Kennzahlen, die wir uns anschauen.
Da gehen wir auch gleich hin, aber vorher möchte ich noch einmal über die Führungskräfte sprechen.
Da interessiert mich sehr, was bringt ihr denn für Kompetenzen?
Bei und was würdest du sagen, welche KI-bezogenen Kompetenzen muss jede Führungskraft mitbringen?
Weil da lese ich immer mal wieder Sachen, dass so gesagt wird, ja, jede Führungskraft muss jetzt lernen, ein Team aus Menschen und KI-Agenten zu führen.
Du hattest eher Beurteilungskompetenz gerade angebracht.
Wie seht ihr das?
Also ultimative Ziel in der Beurteilungskompetenz, ich muss wissen, was KI kann und was davon.
Und auf der anderen Seite.
Was braucht mein Geschäft?
Was braucht eine Einheit und mein Bereich?
Und wo ist die Überlappung von beidem?
Was bringt es mir, wenn ich weiß, dass KI gut Videos generieren kann, aber in meinem Umfeld es überhaupt keinerlei Relevanz hat?
Also ist quasi diese Fähigkeiten von KI im Überlapp zu meinen Herausforderungen genau das, was ich als AI Literacy Beurteilungskompetenz bezeichne.
Und früher war das eine Kompetenz, wo ich zu meiner Digitalisierungseinheit, zu meinen Experten gegangen sind.
Heute sagen wir, diese Beurteilungskompetenz kann ich nicht mehr delegieren.
Weil es so fundamental die Arbeit mittelfristig verändern wird, dass ich quasi diese Beurteilungskompetenz wirklich bei jeder Führungskraft aufbauen muss oder will oder werde.
Auf der anderen Seite, in welchen Stufen gehen wir davor?
Da haben wir ein dreistufigiges Konzept.
Wir sagen, jede Führungskraft ist ein Nutzer von KI.
Also wie tust du deine Arbeit?
mit KI bereichern, verändern, weiterentwickeln.
Er ist ein Enabler für seine Einheit.
Wie gebe ich meinem Einheit Raum und auch die Fähigkeiten, es einzusetzen, zu nutzen.
Beste Mittel ist, selbst vorzuleben.
Das ist ein Stufenmodell, wenn du so willst.
Und die dritte Stufe ist, du bist Eigner deiner Transformation mit KI.
Wir wollen das Verständnis und das fördern wir auch, dass KI nicht etwas ist, was wir on top zu den ganzen anderen Prioritäten ist, die wir haben.
Sondern es ist etwas, was uns bestenfalls hilft, die Herausforderungen, die wir haben, zu lösen.
Und dementsprechend sollte es ein Eigeninteresse sein, dein Lösungsportfolio für Probleme mit auch KI zu ergänzen.
Was hältst du von diesem Narrativ, dass jetzt Führungskräfte darüber nachdenken müssen, wie sie ihr Team nicht mehr nur aus Menschen, sondern aus Menschen und KI-Agenten aufbauen oder umstrukturieren?
Aber es ist noch ein bisschen abstrakt.
Es gibt sicherlich Teams, wo das der Fall ist.
Aber deswegen mag ich auch diese Trennung zwischen Breitensport und Spitzensport so ein bisschen.
Auch wenn unternehmensweite Plattformen wie ein Vertriebs-CRM, wie ein ERP unternehmenskritisch sind, ist es auch nicht die Aufgabe, jeder Führungskraft sich zu überlegen, wie arbeitet mein Team damit.
Und ich bin noch hin und her gerissen.
Ja, Agenten ist was anderes als unsere klassischen digitalen Systeme, weil sie quasi Autonomie mittelfristig auch immer mehr und mehr übernehmen und aufnehmen.
Deswegen ist eine Observability von den eingesetzten Agenten etwas, was zur Aufgabenbeschreibung gehören wird.
Und eine Führungskraft sollte sicherlich die Frage stellen, nicht zwangsläufig, wie viele Agenten als Anzahl von Agenten, aber wie agentisch ist meine Einheit schon an dieser Stelle und wie teile ich das auf, aufzunehmen.
Aber am Ende des Tages ist es wahrscheinlich nicht die Aufgabe, jeder Führungskraft zu gucken, hat jeder Agent richtig performt, sondern das ist etwas, was zwischen auch der Konzern-IT, den Mitarbeitern, einer Überwachung aufgeteilt wird.
Und das ist super unterschiedlich, wenn ich jetzt im Kontext von einem Shared Service bin oder wenn ich jetzt in einem Chemieanlagen-Kontext bin.
Also ich muss ja immer aufpassen, eine Führungskraft heißt ja bei uns all diese verschiedenen Aspekte.
Wir haben auch Führungskräfte für Softwareentwicklung, aber die Masse von uns sind Führungskräfte für Teams in Controlling, in einem Shared Service Center, in einem Forschungsbereich, in einer Produktionseinheit.
Und dann werden wir agentisch einsetzen, aber ich weiß noch nicht, ob wir jetzt schulen müssen, wie tust du eben genau, der Agent-Boss sein an der Stelle, der 20 Agenten führt und einen Mitarbeiter.
Mitarbeiterführung und Agentenführung sind zwei verschiedene Dinge, glaube ich, die sollten wir nicht zu sehr in einen Topf werfen.
Okay, lass uns mal zum Spitzensport kommen.
Du hattest schon von einigen Cases berichtet.
Am Anfang gesagt, dass ihr top-down euch alle Bereiche des Unternehmens angeschaut habt und ein Portfolio aus Value Cases abgeleitet habt.
Das waren um die 60, hattest du gesagt?
Anfang 60.
Wie habt ihr das gemacht?
Oder was waren die Kriterien für ein Value Case?
Ich glaube, recht pragmatisch.
Wir haben uns geguckt, wen brauche ich im Workshop-Raum, um quasi diese Diskussion zu führen.
Und wir hatten verschiedene Datenpunkte.
Ich habe pragmatisch erzählt, wir hatten diese Liste von 500 Cases.
Wenn ich jetzt quasi in die Domäne dann Feinzone-Controlling gegangen bin, dann habe ich quasi da eine Liste gehabt, was machen wir schon.
Dann haben wir eine Bibliothek gehabt, von was gibt es für Cases am Markt, was sind Best Library Cases, die wir uns selbst beschaffen haben, wo wir ein bisschen Outside-In bekommen haben und was könnten wir daraus machen.
Dann haben wir uns angeguckt, Es gibt so Ansätze wie Job-Task-Analyse, Work Helix, verschiedene Dinge, was du dich schon mal gehört hast oder die Community schon gehört hat.
Heißt, ich kann mir einen Job anschauen.
Wir haben uns angeguckt, welche Jobs haben wir denn eigentlich?
Welche Tasks haben diese Jobs?
Und dann im Prinzip geguckt, welche von diesen Tasks können schon heute und vielleicht auch in Zukunft mit AI Gen AI augmentiert ergänzt werden an der Stelle.
Und auch das hat dann dazu geführt, dass wir das aufnehmen können.
Und dann haben wir uns eigentlich ein Prozessbild im High-Level angeschaut.
Was sind denn eigentlich die High-Level-Tätigkeiten, die wir in so einer Domäne durchführen?
Und alle diese Informationen, Datenpunkte haben wir auf dieses Bild gemappt.
Und daraus dann geguckt, wo sehen wir am meisten Potenzial?
Wo haben wir am meisten Right-to-Win?
Wo haben wir die besten Voraussetzungen?
Wo ist die Technologie reif?
Also all diese Punkte kamen zusammen.
damit wir das aufnehmen konnten.
Und ich glaube, die Kunst ist so ein bisschen in, man darf nicht zu kleinteilig dabei sein, dass man zu sehr in einer Nische ist, damit das Problem nicht signifikant genug ist.
Ich darf aber auch nicht zu groß sein, damit ich quasi in der Transformation und in der Geschwindigkeit, wie ich auch einen Effekt erzielen kann, zu komplex bin und zu viel Involvement auch benötige.
Diese Mixtur, würde ich sagen, das haben wir von vornherein gesagt, aber das ist auch eine Journey zu verstehen, wo pendelt man sich da ein.
Ist aber auch manchmal, dass wir mit sechs Value Cases in einer Domäne parallel angefangen haben, die mittlerweile zusammengewachsen sind oder von denen auch zwei, drei gestopft wurden, weil wir gesehen haben, der Teil ist relevanter oder der ist auch größer.
Okay, also dann fasse ich das nochmal zusammen, weil ich glaube, das ist wichtig.
Also ihr habt euch die Jobs genommen, habt die Tasks runtergebrochen, habt dann ein Mapping gemacht von AI-Capabilities auf diese Aufgaben.
Was kann heute schon, also dann so eine Reifegrad.
Auswertung gemacht, wie reif sind vielleicht schon die Prozesse, Daten, Systeme in diesen Bereichen, wie reif sind die KI-Fähigkeiten schon in diesen Bereichen und habe daraus eine Ableitung gemacht von den Value Cases, wahrscheinlich was heute schon ganz gut umsetzbar ist und was vielleicht in Zukunft besser umsetzbar sein wird.
Das hört sich so methodisch an, da ist auch ein bisschen methodisch dahinter gewesen, aber da ist auch ganz viel Engagement von Leuten dabei.
Also das heißt, da sind natürlich auch viele Ideen entsprungen.
Ich habe Fox, Finance Controlling Assistant oder Plan GPT gesagt.
Das waren auch viele Dinge, die gab es schon als Wurzeln, die wir einfach auch mitgenommen haben im Programm.
Und das Programm war jetzt der Beschleuniger, Multiplikator, Unterstützung für diese Initiative.
Und ich glaube, sowas gibt es ja in vielen Konzernen.
Ich bin einfach weg von dieser Ideologie, das ist alles Reißbrett und Mythologie, sondern es ist ganz viel Dynamik an der Stelle, die man sich...
zu Nutzen machen sollte, aber dann auch quasi die Frage, ist das wirklich der Needle Mover?
Haben wir da wirklich das Backing?
Ist das das, worauf wir unsere Ressourcen fokussieren wollen?
Das sind dann die Fragen, die man auch auf diese Wurzeln drauflegen sollte, damit auch etwas skaliert.
Was wir bei Value Cases von vornherein machen, und ich glaube, das ist so ein bisschen auch unser Heritage, Aufgrund, dass wir ein großer Konzern sind, der Dinge skaliert macht, denken wir auch gleich, wie können diese Lösungen skaliert betrieben werden.
Als Beispiel dieser Files in Controlling, das ist von tausenden Mitarbeitern täglich genutzt.
Das soll heißen, Wenn wir damit anfangen, fangen wir damit oft auch in dem Pilotstadium an, aber denken quasi mit, wie entwickelt sich das von der Architektur, von der Kommunikation, von der Platzierung von den Ressourcen auch hin zu etwas, das skalierbar fähig ist.
Und da hilft uns quasi, was ich eingangs mit dem Programm gesagt habe, dass wir jetzt kein Inkubator sind, sondern dass wir im Prinzip von vornherein die Digitalisierungsteams mit im Boot haben, die auch die Plattformen, die digitalen Produkte bei uns betreiben.
Und damit kommst du natürlich auch schnell in die Skalierung, wenn wir sehen, dass da auch der Bedarf dafür da ist.
Außerdem ist ja die Skalierung immer noch eine riesengroße Herausforderung.
Also von der, ich habe eine Idee von einem Use Case in einem Workshop erarbeitet und ich kann den vielleicht auch schon konzipieren und ich komme dann in einen MVP-demo-fähigen Zustand und das funktioniert irgendwie.
Ich habe diesen Proof of Concept und dann ist die Frage, wie bringe ich das jetzt?
zu tausenden Mitarbeitern.
Habt ihr da ein Playbook oder was habt ihr dabei gelernt, um das jetzt für die Cases, die du schon geschildert hast, erfolgreich zu meistern?
Wir sind ja eine Firma mit, sag ich mal, vielen Firmen da drin.
Wir haben 80 Business Units, wenn man so will, die auch in unterschiedlichen Industrien unterwegs sind.
Von eben Petrochemie, wo wir quasi viel Menge an weniger Kunden verkaufen.
bis hin zu Produkten im Pflanzenschutz oder in Kosmetik-Inhaltsstoffe, Pharmazie-Inhaltsstoffe etc.
Und eines der Ansätze, die wir vorne reingemacht haben, ist kein Value Case, auch wenn der quasi mit Methodik und mit viel Intention gesammelt wurde, ist für sich selbst quasi bis in alle Ewigkeiten.
als erfolgreich gemeißelt.
Und ich glaube, die Kernfrage bei Skalierung ist ja, ist es es wert, am Ball zu bleiben und die letzten Meilen zu gehen, ihn auch zu skalieren, wenn ich quasi die Ressourcen, die Investitionen, alles, was dazugehört, dazu packen will, um es erfolgreich zu machen.
Das heißt, eines der Elemente, die wir von vornherein bei uns in dieser, sage ich mal, Multi-Stakeholder-Konzernstruktur gemacht haben, ist, wir machen ein Opt-in-Voting.
Also sprich, jeder Value Case ist per Definition für alle hilfreich und jeder muss dann an den Tisch kommen.
Das ist wie eine virtuelle Abstimmung.
Also für die mehrere Untereinheiten, Unterfirmen, könnten ja alle davon profitieren.
Genau.
Und jede Einheit sagt uns, per Default sind sie dabei.
Jeder kann aber rausgehen und sagen, ich mache das nicht, weil.
Und gibt da auch einen Kommentar mit ab.
weil für mich ist das nicht relevant, weil ich glaube nicht daran, weil ich habe die Voraussetzungen noch gar nicht.
Interessant, aber ich mache erst in zwei Jahren mit.
Und das haben wir freigestellt.
Und ich glaube, das ist super wichtig, weil du brauchst grundlegend, aber glaube ich auch in der Konzernstruktur, eben diese Ownership.
Das heißt, bevor wir entschieden haben, dass es skaliert wird, haben wir gefragt, soll es skaliert werden?
Und ich glaube, das ist, so trivial sich das jetzt anhört, die wichtigste Frage.
Und wenn ich dann diese Entscheidung habe, dass ich es skalieren will, dann kann ich auch die Voraussetzungen schaffen, um eskalierbar zu machen.
Und selbst dann, wenn ich vor zwei Jahren mal Ja gesagt habe, ist es ja keine Self-Fulfilling Prophecy, dann lerne ich dazu, dann ändert sich die Welt draußen, also muss ich auch immer wieder hinterfragen, ist es noch das Richtige zu tun?
Und ich glaube, diese strategische Frage ist viel, viel wichtiger als...
die technische Frage der Skalierbarkeit an dieser Stelle.
Also viele Dinge scheitern, zumindest in Konzernstrukturen, glaube ich nicht an der Technologie, sondern an der Frage, ist das wirklich unser Fokus, gerade jetzt?
Diese Frage quasi methodisch zu klären und auch mit den Stakeholdern zu klären und auch in der wirklichen Entscheidungsgewalt zu erklären und nicht mit Meinungen, das hat für uns einen Mehrwert in die Diskussion gemacht.
Ja, super.
Ein tolles Learning.
Was ja da auch mit reinspielt, ist, dass es ja der echte Wert selten dadurch kommt, dass ich auf bestehendes KI obendrauf setze und einfach schneller mache, sondern der echte Needle Mover, hast du es bezeichnet, kommt ja dann, wenn ich diesen gesamten Prozess mit den Fähigkeiten, die KI mir bietet, dieses Problem zu lösen.
ganz rumdrehe, was ja aber dann nochmal bedeutet, dass sich die Art und Weise, wie diese Sache gerade gemacht wird, völlig verändert werden muss, was ja dann nochmal viel mehr Komplexität hat, bei so einem großen Unternehmen wie ihr das seid, Komplexität an Systemlandschaft, vielen mit Menschen, die vielleicht schon auf einem Prozess arbeiten und, und, und, Datenkomplexität, alles, was dahinter liegt.
Hast du da vielleicht ein Beispiel, wo ihr diese Prozesstransformation oder dieses Prozessneudenken?
Oder genau, wie geht ihr damit um?
Erstmal, ja.
Ich kann Dinge beschleunigen in dem Jetzt-Ablauf und ich kann Dinge neu denken.
Und ich glaube, das ist die Königsdisziplin.
Das ist das, was wir Transformation nennen.
Das Charmante ist, wir sind eine Industrie, die sich gerade transformiert.
Nicht wegen KI, sondern weil sie unter Druck steht.
Weil wir Wettbewerbsdruck haben.
Weil wir gerade eine Marktnachfrage haben.
mit Überkapazitäten im Markt, weil wir geografische Verschiebungen haben, weil wir demografischen Wandel massiv haben.
Und all diese Transformationen erlauben uns, Prozesse neu zu denken, ohne KI.
Und jetzt machen wir einfach KI mit.
Als Teil der Lösung, wenn wir sowieso neu über Dinge nachdenken, dann wollen wir vermitteln, dann denk doch KI gleich von vorne mit rein.
Also ich glaube, das ist eine super Opportunität, wenn du eh schon veränderst.
Dann packt KI nicht oben drauf, das hört sich immer so an wie, das muss ich auch noch machen, sondern nutzt es als Flywheel mit rein, weil es ein Beschleuniger ist, Dinge anders zu denken, weil was macht ja KI?
Es erweitert unsere menschlichen Limitierungen in Komplexität zu bewältigen.
Du hast Komplexität als einen Faktor genannt.
Und da gibt es viele Beispiele.
wie es Komplexität verhindert.
Ein ganz triviales, griffiges Beispiel.
Ich habe diesen Feinstein Controlling Assistant gesagt.
In der alten Welt vor KI, was haben wir gemacht?
Wir haben Dashboards gebaut.
Viele.
Hunderte.
Hat aber der Entscheidungsträger in dem Moment, wenn er die Entscheidung gebraucht hat, immer das richtige Dashboard gefunden, hat er quasi seine Frage auch variieren können, sodass sie zu dem Dashboard passt von der Flexibilität?
Nein.
Neu-Denken heißt, ich brauche nicht einen Entwickler für ein Dashboard, sondern ich stelle die Frage in natürliche Sprache.
Die KI übersetzt in Echtzeit quasi meine natürliche Sprache in ein SQL-Statement, um das aus der Datenbank rauszuholen.
Mit dem Charme, ich erkläre das so detailliert, dass im Prinzip man versteht, die KI beantwortet nicht quasi die Frage, sondern die hilft in der Übersetzung.
Das, was vorher aber jemand vorprogrammieren musste, ist jetzt quasi viel, viel flexibler geworden.
Und am Beispiel von so einem Controlling-Prozess oder ein Entscheider braucht Informationen, um eine fundierte Entscheidung treffen zu können, da tut KI mir vorherige Grenzen quasi wegspülen.
Mit dem Verständnis kann ich im Prinzip genau neu denken.
Und neu denken fällt uns super einfach, wenn wir eh schon verändern.
Ja, sehr gut.
Aus der Not die Tugend machen.
Jetzt interessiert mich noch, wie...
ist das denn, wenn jetzt KI sich immer weiterentwickelt, gerade jetzt mit agentischer KI, ist ja schon weiterhin eine sehr hohe Dynamik in dem Markt drin.
Jetzt wurden viele Coding-Agenten gebaut, mit der ja jetzt wahrscheinlich immer schneller, immer bessere KI gebaut werden kann.
Also wir werden so lange, uns wird so schnell nicht langweilig werden mit den Möglichkeiten, die dann noch so auf uns zukommen.
Wie?
Wie erweitert ihr jetzt eure Value Cases?
Weil ich glaube nicht, das war jetzt ja keine einmal gemacht und dann war es das Übung, sondern das müsst ihr euch ja fortlaufend immer wieder anschauen und vielleicht kommen wir da auch schon in den Bereich am Ball bleiben.
Also wie ordnet ihr jetzt neue Möglichkeiten, die da auf den Markt kommen von den großen KI-Laboren für euch wieder ein und leitet daraus Cases ab und bringt es dann in die Umsetzung?
Ich glaube, was uns hilft, also ein einfaches Modell.
Am Anfang haben wir von traditioneller und neuer KI gesprochen.
Wir haben das ein bisschen erweitert, dieses Modell.
Wir reden jetzt eigentlich von vier Rollen, die die KI einnehmen kann.
Das erste ist quasi der Analyst, die prädikative KI.
Mustererkennung, Vorhersagen machen, haben wir vor zehn Jahren schon gemacht, aber quasi jetzt auch noch mal verstärkter.
Wir haben die generative KI, das ist der Ersteller und der Researcher, nenne ich.
indem wir dann gerade vor eineinhalb Jahren, zwei Jahren viele Value Cases gestartet haben.
Und wir haben jetzt neu mit agentischer KI den Worker, den Arbeiter.
Und du hast ja vorher schon gehört, vieles, was in diesem generativen KI gestartet hat, entwickelt sich einfach weiter.
Weil idealerweise brauche ich ja Zugang auf Information, Zugang auf Wissen, um dann auch Arbeiter sein zu können.
Aber ja, du kannst gezielter auch gucken, welche Tätigkeiten...
eignen sich jetzt auch für den Arbeiter an dieser Stelle.
Das heißt, dieses Portfolio erweitert sich und nur um die Rollen fertig zu machen, hat es auch Physical AI mit Robotik, die auch nochmal mit reinkommt, die im Prinzip die vierte Stufe jetzt aktuell darstellt.
Und ich glaube, deswegen gefällt mir das besser als traditionell und neu.
Dinge zu denken, weil diese Feindifferenzierung fehlt quasi hinten raus.
Und gerade jetzt natürlich uns auch anzuschauen, wie viel in unserem Portfolio ist denn aufgeteilt auf diese verschiedenen Elemente und wie viel ist davon schon agentisch.
Und bewegen wir uns ein bisschen mehr und mehr hin zu dem Agentischen, weil natürlich auch das Wertversprechen da höher ist an dieser Stelle.
Und genau diese Frage gucken wir uns wie ein Portfolio natürlich dann auch an.
Welche Möglichkeiten gibt es?
Was kommt da hinzu?
Und dann auch quasi Wenn ich jetzt quasi neue Dinge schaffe oder auch Fokus in bestehenden Value Cases weiterentwickle, verändere ich da auch meinen Fokus.
Entsprechend daher kommt auch, wie verändern sich die Anforderungen, die wir aktuell im Geschäft haben.
Wer ist denn dafür verantwortlich, die Cases auch in die Umsetzung zu bringen und auch weiterzuentwickeln?
Und ihr habt ja gesagt, ihr steuert da auf Profitabilität, Umsatzeinsparung, also so harte Business KPIs und Werttreiber.
Bei wem liegt denn das?
Du steuerst ja das Programm.
Ich habe jetzt verstanden, ihr seid vor allem die Enabler.
Ihr setzt den Rahmen, in dem das alles erfolgreich passieren kann.
Du holst dann die Stakeholder mit an Bord aus den verschiedenen Einheiten.
Du hast nochmal Division Leads.
Wie spielt das zusammen?
Das ist eine Matrix, wenn du so willst.
Der Division Lead ist quasi der Programmkoordinator auf Einheitsebene.
Zum, sag ich mal, ähnlich wie in der Produktorganisation haben wir Value Case Owner.
derjenige, der quasi das digitale Produkt des Value Cases dann auch später weiter betreibt und aufnimmt.
Und am Ende ist es die Führungskraft.
Deswegen habe ich die am Anfang so stark hervorgehoben, die ja Geschäftsziele hat.
Und da gucken wir uns an und auch messen, inwieweit werden die mit KI enabled.
Und das ist ganz wichtig, wenn man auch zu verstehen, KI ist ein Enabler zum Wertbeitrag in der Form.
Also gucken wir uns an, welchen Beitrag zu einem Erfolg.
nimmt das bei.
So ist es auch in unserer Strategie positioniert an dieser Stelle.
Das heißt, da ist die Fragestellung und die ist ja ganz einfach als Negativtest zu machen, in wie viel meiner Transformation, in meinen Veränderungen aus Sicht einer Führungskraft spielt KI eine Rolle und in wie viel nicht.
Und das kann ich natürlich auch messen, das kann ich mir anschauen.
Genauso hinterfragen wir auch, haben wir eine gute Durchdringung schon mit KI erzielt.
wo wir denken, da kann KI ja einen Beitrag leisten, aber wo tut es das schon und wo tut es das noch nicht.
Und der Value Case Owner, sitzt der zentral irgendwo in der IT oder sitzt der dezentral in den Einheiten?
Genau, das kommt so ein bisschen auf die Domäne drauf an.
In der Regel sitzt er in unserer Digitalisierungseinheit, der kann aber auch in anderen Einheiten sitzen, wenn wir zum Beispiel dezentrale Digitalisierungsteams haben.
Aber das ist der Grundpfeiler.
unsere Organisationsstruktur, wir sind virtuell, das heißt, wir greifen in die Gesamtorganisation und wir nehmen den Besten, den wir finden, sage ich mal, von der Organisationseinheit, von da, wo man die Ownership am besten platziert und ich glaube da sehr stark an diese virtuelle Organisationsform, die uns flexibel macht und aber auch schnell macht, gerade in so einer Konzernstruktur jetzt nicht neuer Teams gründen zu müssen, nur weil ich jetzt einen Value Case für ein halbes Jahr ausprobiere.
Das ist, glaube ich, genau der Geschwindigkeitsvorteil, den du in einem virtuellen Setup hast.
Und erlaubt mir auch, verschiedene interdiszipliner Teams zusammenzustellen.
Weil natürlich so ein Value-Case kann ich niemals nur aus der Digitalisierungsinheit betreiben.
Ich brauche Co-Creation mit Fachanwendern quasi, mit ersten Lighthouse-Implementierungen quasi, die das treiben.
Und das kann ich in einem virtuellen Konstrukt viel, viel schneller machen.
Wenn du jetzt nochmal neu anfangen könntest.
um so ein Programm aufzuziehen.
Gibt es Dinge, die du dann anders machen würdest, als ihr sie in der Vergangenheit getan habt?
Ja und nein.
Einiges hat funktioniert, aber sicherlich haben wir vieles dazugelernt.
Wir sind kontinuierlich auch im Austausch mit anderen Firmen, um dazuzulernen, weil es schönerweise eine Reise ist, die wir als Industrie oder als Firma nicht alleine machen.
Und kontinuierlich machen wir Dinge anders und verändern sie auch, weil wir merken, da ist der Ansatz entweder überholt oder wir haben eine bessere Idee.
Also ich will jetzt gar nicht eins da rauspicken.
Ich glaube, da ziehst du ab mit der Frage.
Es ist wirklich kontinuierlich an dieser Stelle.
Ich glaube, da gibt es jeden Monat ein neues, was ich nennen könnte, was dazu kommt, was ich hätte anders machen.
gemacht, was vor einem eineinhalb Jahren so war.
Aber darum geht es ja nicht.
Es geht darum, für den Moment die beste Entscheidung zu treffen, weil das Schwierigste oder das Schlimmste, was wir hätten machen können, ist zwei Jahre zu warten und es dann scheinbar perfekt zu machen.
Also wir haben so einen, wir haben wenigen Behaviours bei uns und eines derer, an den wir sehr stark glauben, ist Speed over Perfection.
Ich glaube, das ist genau dieses Mantra.
Loslegen und Entscheidungen treffen ist besser.
als quasi den Hang zur Perfektion zu haben.
Und gerade mit einem sehr dynamischen Umfeld, wo wir nicht alles wissen, ist es auch gut, mit einer Grundstruktur loszulegen und dann along the way zu lernen.
Jetzt hast du wahrscheinlich schon einen Teil der Antwort zumindest darauf gegeben, aber ich frage dich trotzdem nochmal, weil ganz, ganz viele Unternehmen stehen ja noch am Anfang.
sind noch nicht an dem Punkt, wo ihr seid.
Trotzdem finde ich es schon mal klasse, obwohl ihr da sehr viel Struktur reingebracht habt, schon einen großen Teil des Weges, oder wer weiß, wie weit der Weg ist, ein Teil des Weges auf jeden Fall gegangen seid und Impact nachweisen könnt, dass ihr trotzdem immer wieder euch selbst hinterfragt und immer wieder besser sein wollt.
Wenn jetzt aber, wenn du jetzt mit jemandem sprechen würdest, der noch ganz am Anfang steht, Das Unternehmen fragt sich, wie sollen wir hier eigentlich loslegen?
Was wäre da dein Rat?
Die Quadratur des Kreises, sage ich mal, ist, und das wäre vielleicht auch eine Frage quasi für jemanden, der als nächstes kommt, die du weiter erreichen kannst.
Ich weiß nicht, ob du die Kategorie noch hast.
Dann ist es, wie schafft man quasi, breit zu gehen?
Weil das haben wir von vornherein gemacht.
Wir haben quasi nicht mit ein, zwei Einheiten angefangen, sondern wir sind bewusst in die Breite, weil wir die Annahme haben und auch immer noch haben.
KI ist nicht nur für eine Einheit da, sondern für alle.
Aber gleichzeitig brauchst du auch schnelle Erfolge und Erfolge nicht nur in KPIs oder auch in Lösungen, die du zeigst, sondern was du vor allem Dinge brauchst, ist andere Organisationen, die daran glauben, dass das der richtige Pfad ist und es wert ist, das zu tun.
Und ich glaube, das ist ja ein Zielkonflikt.
Gehe ich breit oder gehe ich tief mit wenigen Champions, wenn du so willst?
Und ich glaube, das ist das Kunststück quasi, mit limitierten Ressourcen sich so aufzustellen, dass man nicht zu limitiert ist, aber gleichermaßen trotzdem in einer kurzen Zeit, die die Rollen Vorbilder hat, die quasi wiederum auch Folgetäter in Organisationen schaffen.
Und das brauche ich auf allen Ebenen.
Das brauche ich im Breitensport, das brauche ich aber auch im Spitzensport, weil es wird der Tag kommen und den gibt es natürlich in jeder Organisation, wo es andere Prioritäten gibt, wo es aufgrund quasi auch des Hypes Fragen gibt, die valide sind.
Ist es das Richtige?
Kann das wirklich was?
Ist da was drin oder nicht?
Und dann brauchst du Backing von anderen quasi, die zeigen, ja, ich kann damit auch Wert schaffen und aufnehmen.
Diese Balance quasi, beides gleichzeitig zu machen, ist der Rat, den ich quasi geben würde, wenn jemand anfängt, beides nicht aus dem Blick zu halten, aber auch beides zu machen.
Markus, vielen, vielen Dank für die Insights heute.
Ich schätze den Austausch mit dir auch über den Podcast hinaus immer sehr, durfte aber heute auch echt nochmal einiges mitnehmen.
Danke, dass du uns, mich und alle anderen auch hast daran teilhaben lassen.
Immer wieder gern.
Und ich übergebe dir noch mal das letzte Wort.
Vielleicht hast du noch irgendwas, was du abschließend noch sagen möchtest.
Und dann bedanke ich mich auf jeden Fall schon mal bei dir.
Vielen Dank, Felix.
Ich bin dankbar für die Zeit und freue mich auch auf weitere Impulse.
Was ich rausgeben will, meldet euch gerne, wenn ihr darüber hinaus Interesse habt.
Ich bin dann austauschend interessiert.
Sehr gut.
Kann ich nur empfehlen.
Markus, vielen Dank euch weiterhin.
Viel, viel Erfolg auf dem Weg.
Danke.