# Bayer's AI Transformation Strategy and Autonomous Teams

**Podcast:** AI FIRST Podcast
**Published:** 2026-10-30

## Transcript

Herzlich willkommen zum AI First Podcast.
In Deutschland gibt es ein bekanntes, großes Unternehmen, das in den letzten Jahren eine der spannendsten Transformationen gestartet hat, die ich bisher so kenne.
Die Rede ist von Bayer und Bayer hat angefangen in...
mehr Verantwortung in kleine Teams zu geben, das Ganze in einem riesengroßen, komplexen Konzern und hat sich aus dieser Transformation heraus jetzt auch die KI-Transformation angenommen.
Und ich habe heute...
Jan Tönnesen bei mir im Podcast, den VP AI Transformation.
Und wir werden vor allem darüber sprechen, wie diese beiden Welten eigentlich gut zusammenpassen und wie Bayer jetzt den Weg der KI-Transformation gestaltet, welche Erfahrungen sie auf dem Weg gesammelt haben und wie auch der Weg nach vorne weiter aussieht.
Jan, bin total gespannt, da Einblicke zu bekommen.
Danke, dass du da bist.
Ja, hallo Felix, das freut mich.
Können wir gerne drüber sprechen.
Sehr schön.
Ich freue mich.
Erzähl zum Start doch einmal kurz, wer du bist und was du als VP AI Transformation bei Bayer so treibst.
Ja, sehr gerne.
Bin schon ein bisschen länger bei Bayer, fast 18 Jahre jetzt.
Und die letzten Jahre auch hauptsächlich mit AI unterwegs gewesen.
Bis vor kurzem habe ich mich hauptsächlich so, ich sage mal, auf IT-Delivery-Themen fokussiert.
Was brauchen wir eigentlich technisch?
welche Sachen müssen wir hinstellen, damit wir AI-Transformation auch erfolgreich durchschauen können.
Und jetzt schwenkt mein Fokus aber vielmehr auf die Frage, wie kriegen wir denn jetzt wirklich Speed, Geschwindigkeit in unsere KI-Transformation?
Was müssen wir machen mit den Geschäftsbereichen, mit unseren sogenannten Abling Functions zusammen, um die auf den richtigen Weg zu bringen und da auch wirklich Impact zu erzeugen durch KI-Transformation?
Das heißt, ich gucke jetzt tatsächlich mit unseren...
Business Stakeholdern mit unseren Kollegen aus den Fachfunktionen.
Was kann ein guter Target State sein?
Wie kommen wir da hin?
Was müssen wir als Next Step angehen?
Und das versuchen wir natürlich auch ein bisschen skalierbar zu machen, damit nicht jeder das Rad neu erfinden muss.
Und vor einigen Jahren ist er bei euch, neuer CEO gestartet, Bill Anderson, und hat sich vorgenommen, Sehr vieles bei euch zu verändern, insbesondere auf wie ihr organisiert seid, die Art und Weise, wie Teams zusammenarbeiten, verfolgt ein Modell, was sehr stark von Verantwortung innerhalb von kleinen, sehr autonomen, multidisziplinären Teams geprägt ist.
Vielleicht kannst du auch...
Gleich kannst du viel, viel besser erklären, wie dieser Ansatz aussieht.
Und ich verfolge das immer mal wieder, was so das Manager-Magazin oder andere so schreiben, weil ich es total spannend fand, zu verstehen, Funktioniert das wirklich?
Also so einen riesengroßen, komplexen Konzern, ihr habt ja auch viele unterschiedliche Geschäftsbereiche.
Schafft man das?
Ist das wirklich möglich, so einen Tanker so zu verändern und zu drehen?
Und bevor wir in eure KI-Themen eintauchen, die auch irgendwo darauf aufbauen, bin ich total...
interessieren, mal so einen Lagebericht zu bekommen.
Was ist so passiert und wie hat sich auch die Arbeitsweise bei euch im Konzern verändert seitdem?
Ja, gerne, Felix.
Dann sozusagen von der Front der Lagebericht.
Bei uns war es das der DSO, Dynamic Shared Ownership.
Im Kern mit der Idee, wir geben Verantwortung und auch in Abelment und Empowerment dahin, wo wirklich die Arbeit passiert und Entscheidungen getroffen werden müssen.
Das heißt, genau wie du gesagt hast, kleine Teams, Squads, wie wir die auch nennen, von einem Dutzend Leuten, die du brauchst, um ein bestimmtes Thema voranzutreiben.
Das kann jetzt irgendwie im Sales-Bereich sein, das kann in der IT sein, das kann aber auch eine HR-Initiative sein.
Das Wichtige ist, zurückdenken vom Outcome.
Was wollen wir eigentlich erreichen?
Wo wollen wir...
was Besseres erreichen für unsere Patients, für unsere Pharma, für unsere Consumer.
Dann zurück navigieren und sagen, was müssen wir tun, damit wir das erreichen, auf welche KPIs muss das einzahlen.
Und da setzen wir dann diese Teams drauf, die dann fully empowered sind, um so ein Thema voranzutreiben.
On top of all of it kommt noch so etwas wie ein Herzschlag.
Wir rechnen da sozusagen immer in 90-Tages-Zyklen.
Das sind so im Moment unsere Planungshorizonte für diese Teams, um zu sagen, wir wollen auch sehr schnell Ergebnisse sehen.
Und wenn die mal nicht stimmen oder so, dann kann man auch sehr schnell da Learnings rausziehen und adjustieren und das im nächsten 90-Tages-Zyklus besser machen.
Und dadurch erreichen wir auf der einen Seite eine schnelle, iterative Ergebnislieferung und auf der anderen Seite Teams, die halt auch dieses Ergebnis für sich greifbar machen und auch da Verantwortung dafür fühlen.
Und wenn ich mir jetzt so vorstelle, ihr seid jetzt glaube ich drei Jahre oder so auf diesem Weg?
Kommt das hin?
Ja, das kommt hin.
Zweieinhalb bis drei Jahre, genau.
Seid ihr da schon am Ende angekommen oder einen wie großen Teil dieses Weges würdest du sagen, seid ihr gegangen?
Ja, wir haben auf jeden Fall super Fortschritte gemacht und es gibt auch viele Bereiche, wo Teams wirklich nach diesen Prinzipien arbeiten und dementsprechend auch sowohl von der Mitarbeiterzufriedenheit als auch wirklich von den Outcomes, sichtbare Ergebnisse liefern.
Ich glaube, es ist aber auch fair zu sagen, dass wir mit der Reise noch nicht am Ende sind und wir noch die nächsten Monate da eine Stufe drauflegen wollen, damit auch wirklich die gesamte Company sozusagen in die gleiche Richtung denkt.
Und ja, das hilft uns natürlich auch bei anderen Themen wie KI.
Genau, deswegen fand ich das so spannend, dass wir sprechen, weil ich sage immer, dass kleinen Teams die Zukunft.
Weil natürlich in so großen gewachsenen Organisationen mit vielen Hierarchien, mit ganz vielen spezialisierten Rollen, die alle irgendwie zusammenarbeiten müssen, das verträgt sich weniger gut mit dieser enormen Geschwindigkeit und der Skalierung oder auch dem Aufheben von vielleicht Übergabepunkten zwischen bestimmten Prozessschritten, die man durch KI bekommt.
Deswegen ist das eigentlich, was man will.
Ein kleines Team, was durchregieren kann, was ein Ergebnis verantwortet und sich jetzt mit KI hebeln kann, um dieses Ziel zu erreichen.
Also eigentlich war das wahrscheinlich ja nicht direkt geplant, weil keiner wusste, also auch wahrscheinlich Bill Anderson nicht wusste, dass das so kommen wird.
Aber es scheint ja jetzt eine ganz gute Grundlage zu sein.
Oder wie blickst du da drauf?
Ja, absolut.
Du hast natürlich zwei Seiten bei dem ganzen Thema.
Auf der einen Seite hilft uns, DSO, also die Art und Weise, wie wir gerade arbeiten, einfach an eine KI-Transformation heranzugehen, weil wir eben sehr agile Teams haben, die schon diesen Muskel dynamisch sich zu organisieren und sozusagen die richtigen Werkzeuge und Tools auch entweder einzufordern oder selbst zu erstellen gelernt haben.
Das heißt, die sind aus unserer Sicht besser vorbereitet auf so eine KI-Transformation.
Auf der anderen Seite zahlt jetzt natürlich KI auch voll auf diese Teams ein.
weil das diesen kleinen Teamsets hilft, ganz schnell das zu bauen oder zu bekommen, was sie brauchen, um eine bessere Sichtbarkeit für ihre Daten zu haben, um vielleicht auch Sachen zu automatisieren, die sie sonst den ganzen Tag beschäftigen würden, um vielleicht aber auch Produkte zu bauen, mit denen sie dann eben an unsere Stakeholder rangehen.
Und das heißt, wir haben so eine Doppelbefruchtung bei dem Thema eigentlich.
Und du hast ja erzählt, dass du vorher aus der IT heraus dafür verantwortlich warst, die Plattform oder das technische Fundament zu legen, auf dem diese Transformation überhaupt passieren kann.
Welche Säulen oder welche Bausteine braucht so ein Fundament, wo du sagst, da...
Damit befähigen wir dann auch die Teams, sich ihre eigenen Lösungen zu bauen oder Probleme recht eigenständig mit KI lösen zu können.
Ja, du hast natürlich sozusagen den Top Space, wo wirklich Lösungen entstehen.
Und das kann in kleinen Teams natürlich auch was im Rahmen von einem Citizen Development Thema sein, wo Plattformen wie Power Plattform oder wir rollen auch gerade N8N aus, genutzt wird, um schnell für das Team, Workflows zu erstellen oder was Agentisches zu erstellen.
Aber natürlich denken wir auch in großen Produkten und großen Transformationsaspekten.
Das heißt, da werden auch komplette Lösungen gebaut, die dann auf Agenten beruhen.
Und je nachdem, was es ist, hast du zwar überlappende Elemente, wie aus einer Governance, aus einer Observability, die du sozusagen zur Verfügung stellen musst.
Und dann hast du aber auch sehr unterschiedliche Aspekte, weil große Lösungen eben eine andere Skalierung.
benötigen und damit sozusagen andere Cornerstones benutzen, um das zu erreichen.
Du hast gerade N8N angesprochen, weil...
Weiß ich noch, in ein, zwei Jahren war das ja das Riesenthema, auch enorm groß geworden.
Hätte ich jetzt gar nicht gedacht, dass ihr als ein großer Konzern dann N8N nutzt.
Hätte ich jetzt wahrscheinlich eher gedacht, dass ihr mit Power, Plattformen oder Ähnlichem arbeitet.
Warum habt ihr euch dafür entschieden?
Ja, ich muss sagen, das ist eins von mehreren.
Wir versuchen natürlich unser Portfolio auch aktiv zu steuern, um sozusagen keinen Wildwuchs zu haben und darüber vielleicht Risiken einzukaufen, die du dann schwer managen kannst.
Das heißt generell würde ich sagen, wir sind immer so the last mile Microsoft Company.
Wir nutzen Teams, wir nutzen Sharepoints, wir nutzen Copilot.
Wir haben 80 Prozent unserer Workforce auf Copilot 365.
Und damit würde ich sagen, ist das so das Brot-und-Butter-Tool.
Dann haben wir unseren Eigenbau, nennt sich bei uns MyGenesis.
Da sind auch 25.000 User jeden Monat unterwegs.
Das ist gut, wenn du deine eigene Datenbasis mitbringst und da vielleicht auch viel feintunen willst, was jetzt in so einer Off-the-Shelf-Solution nicht so einfach geht.
Das ist so eine interne KI, so ein Company, GPT-ähnliches.
Ja, genau.
Anbindung an Daten und Systeme.
Genau.
Die gehen da drauf.
Du kannst Assistant und Agents bauen oder Skills kannst du auch teilen mit Teams und anderen in der Company.
Und das wurde über die letzten zwei Jahre super angenommen.
Und dann gibt es halt auch Bereiche, wo du sagst, brauch aber für eine Funktion oder so einen kleinen schönen digitalen Workflow mit agentischen Komponenten.
Und da haben wir jetzt viel mit N8N ausprobiert.
Und das scheint ganz gut da zu funktionieren, weil es relativ...
einfach in der Umsetzung, in der Anwendung ist und insgesamt sich gut steuern lässt.
Ist jetzt vielleicht nicht das, wo wir jetzt jede Lösung drauf bauen würden bei Bayer, aber für bestimmte Bereiche klappt das super.
Ja, ich denke schon, da kommt man schon einen guten Teil des Weges und die Lösungen sind ja auch immer robuster geworden und für auf Skalierung über Tausende, Zehntausende oder mehr Aktionen fähig, das zu tun.
Ich glaube schon, dass man damit schon einiges umsetzen kann.
Frag mich aber, wer macht das bei euch dann?
Also gebt ihr das wirklich in die Teams rein und befähigt die dazu, so ein NNN aufzumachen und zu sagen, so ich baue mir jetzt hier so ein Workflow zusammen oder habt ihr da nochmal Spezialisten?
Wird sowas zentral gemacht?
Wie ist das organisiert?
Ja, mit NNN speziell haben wir so ein Hub & Spoke-Modell gewählt, wo wir zentral so ein Golden Image zur Verfügung stellen, damit wir sicherstellen können, dass da die Security-Patches drin sind, Singles dann on funktioniert, solche Themen einfach sauber laufen.
Und in den Hubs wird das dann in die entsprechenden Organisationen sozusagen gegeben und die können dann mehr oder weniger selbst darauf bauen.
Für die meisten ist das aber immer noch ein Thema mit ihrer IT zusammen.
Die bauen dann da relativ...
Komplexe Sachen noch mit Integration etc., das macht dann nicht der Business-Stakeholder alleine.
Wir haben aber auch eine Citizen-Development-Instanz, wo du sozusagen für dich oder für dein kleines Team einen kleinen Workflow draufsetzen kannst.
Der hat dann vielleicht weniger Integration, weniger Freiheitsgrade, aber insgesamt immer noch sehr, sehr Powerful.
Was glaubst du, wie sich das noch weiterentwickeln wird, jetzt vor allem mit agentischer KI?
Also die gibt ja diesen...
Capability Overhang, also KI und auch die Systeme darunter können irgendwie immer mehr, entwickeln sich in immer kürzeren Zyklen weiter für alle Arten von Unternehmens, auch für uns.
Je größer, desto schwerer wahrscheinlich.
das zu absorbieren und diese Fähigkeiten für sich nutzbar zu machen und auch nur annähernd in der Geschwindigkeit sich selbst so zu verändern, um das in die eigenen Prozesse und Arbeitsweisen zu bringen.
Glaubst du, dass sich da nochmal irgendwie was verändern wird, dass eher weniger noch zentral gemacht wird, dass es eher immer noch dezentraler geht oder was glaubst du, was es da für die Zukunft braucht, wenn KI so gut wird, dass sie immer mehr Arbeit erledigen kann?
Ja, tatsächlich, ich glaube, du brauchst einen sauber definierten, sauber aufgestellten Kern, der dir sozusagen die ganze...
ich sag mal Transparenz, Observability und Governance gibt, der aber gleichzeitig so gebaut ist, dass er wirklich den Rest enabelt und nicht bremst.
Wir haben zum Beispiel die Microsoft-Strategischen Partner überlegen da gerade, wie wir diesen Governance-Lehr noch weiter ausbreiten.
Wir haben schon einen sogenannten Agent-Hub gelauncht, da sind alle Agenten bei Bayer registriert.
Wir haben einen LMM-MCP-Gateway, damit auch jeder einen sicheren Zugang zu LMMs und zu verschiedenen MCP-Services hat.
Und das bauen wir jetzt immer weiter aus, sodass die Idee ist, in einer API-LED, Headless und Composable Architecture, wirklich allen Leuten möglichst die 80% zu geben, mit denen sie schon mal ihr Grundgerüst schnell bauen können.
Und dann hast du natürlich immer Spezifika für deine Lösung.
Die letzten 20%, die die Lösung spezifisch machen, die müssen dann von den Teams noch gebaut werden.
Idee einer Solution-Garage, wie wir das manchmal nennen, da stöpseln wir dann sozusagen die Sachen schnellstmöglich zusammen und daraus entstehen dann hoffentlich sehr schnell sozusagen auch die Wertgewinnungen.
Ohne den klassischen Zyklus, IT baut jetzt mal ein Jahr und dann gucken wir, wie es weitergeht.
Ich hatte hier letztens die Lisa Precht, die ist bei IBM für KI verantwortlich in der DACH-Region.
Und die hat gesagt, dass IBM so ein Zielbild hat mit einem Agenten, der so gesehen alles machen kann und natürlich dann Zugriffsrechte und so weiter.
Das ist alles quasi durchgezogen von den Nutzeraccounts, aber ein Agent als Interface zu allen Mitarbeitern und dieser Agent soll im Zielbild alles Mögliche in dieser Firma dann machen können.
Glaubst du, dass sowas geht?
Großen Organisationen.
Rechtlich bauen wir auch sowas.
Bei uns nennt sich das Friday.
Und Friday ist ein agentisches System, das wir jetzt noch in der Pilotphase, also im Endzustand, im großen Rollout, allen Mitarbeitern zur Verfügung stellen.
Sowohl als App-of-Dime-Endgerät, als auch im Web.
Und die Grundidee ist, du gehst zu Friday und kannst da sozusagen im Prinzip deinen ganzen Tagesablauf mitgestalten von was sind die wichtigen Themen heute, welche E-Mails stehen noch an, aber auch bis hin zu, ich habe eine Frage zu, ich sage jetzt mal der Policy in HR und ich muss jetzt aber irgendwas bestellen beim Felix, also möchte ich gerne eine Purchase Requisition aufmachen.
Da kommen wir schon relativ nah ran jetzt, da haben wir schon viel geliefert, jetzt auch für die...
Wir haben 1000 Leute in der Pilotgruppe für die Pilotgruppe.
Und jetzt kommt so, glaube ich, die Frage, was ist alles?
Weil IBM will da alles reinbringen.
Wir haben erst mal angefangen mit dem, was wir dann Non-Mission-Critical nennen.
Also das sozusagen, das alles, was du nebenbei machst in deinem Arbeitsalltag.
Und jetzt zeigt sich das aber, dass es in Bereichen sehr gut ist und da auch Workspaces damit eröffnen kannst, wo du sogar in diese Mission-Critical-Bereiche reingehst und Leute vielleicht in Zukunft sogar kollaborieren können mit ihren Agenten.
Ja, okay.
Ich finde die Dimension interessant.
Tausend Leute in der Pilotgruppe, aber da sammelt man dann relativ schnell relativ viele Daten.
Genau, sehr viel Feedback.
Ja, ich meine, es ist eine faszinierende Frage.
Wie baut man jetzt so das Unternehmen und die Strukturen und so so, dass KI sich darin möglichst gut zurechtfinden und möglichst viele Dinge tun kann?
Weil am Ende ist es ja das, wo es irgendwie daraus hinauslaufen.
Wenn ich mir die heutigen Modelle und auch so die Agent-Harnesses drumherum damit arbeite, das ist ja schon wirklich verrückt, wie lange eigenständig und ziemlich auch robust mit sehr guter Qualität an Ergebnissen, die zurückkommen können, wenn man ihnen Zugriff auf den Kontext, wie ein Prozess abläuft, wie ein gutes Ergebnis aussieht, das System, in dem das erledigt werden muss, auf all das Zugriff gibt.
Genau, also ich glaube bei uns, wir reden zwar oft von AI first oder Agentic first, aber was es halt nicht heißt, ist, dass wir jetzt nur noch AI machen.
Was es aber glaube ich heißen soll aus meiner Sicht ist, wenn wir jetzt eben mit DSO und Abled Teams da rangehen und sagen, hey, das ist unser Outcome, wie können wir das denn besser, schneller?
größer erreichen, dass man dann mitdenkt und sagt, okay, auf der einen Seite haben wir die Arbeitsweise, das ist DSO, auf der anderen Seite die Frage, was müssen wir eigentlich tun oder was können wir anders tun mit einem KI-Agenten jetzt im Mix, weil der vielleicht Daten viel besser verarbeiten kann, weil der eine ungeheure Datenmengen irgendwie überschauen kann, weil der Sachen konsolidieren kann und so weiter.
Und ich glaube, da ist es dann wichtig, tatsächlich erstmal zu denken, okay, welche Möglichkeiten haben wir jetzt, die wir gestern noch nicht hatten.
Das macht dann den Unterschied aus.
Das kann natürlich sein, dass das in ähnlichen Prozessabläufen funktioniert.
Ich reg die Kollegen und Kolleginnen aber auch immer an, darüber nachzudenken, ob das überhaupt noch sinnvoll ist, den Prozess so sozusagen reinzufüttern, wie wir den heute haben, weil er wurde ja gar nicht dafür gemacht initial, um so einen KI-Agenten zu empowern, sondern meistens sind das ja Prozesse, die um den Menschen herum gebaut wurden.
Und wir würden jetzt sagen, wir wollen immer noch um den Menschen herum bauen.
Aber eben mit einem anderen Enablement von der KI-Seite, sodass wir unsere Mitarbeiter hauptsächlich auf die Themen setzen, wo wir sagen, okay, da brauchen wir menschliches Urteilsvermögen, da brauchen wir menschliche Kreativität, da muss der Mensch vielleicht am Ende auch die Verantwortung tragen können.
Und wie können wir das dann so gestalten, dass diese Mensch-Agenten-Interaktion für uns zufriedenstellend und für unsere Mitarbeiter von uns zufriedenstellend abläuft?
Also höre ich das richtig raus, dass die Teams jetzt auch selbst angehalten sind dazu, was auch immer sie für ein Ergebnis verantworten, selbstständig zu prüfen, wie können sie KI für sich nutzen, um schneller oder besser oder beides zu diesem Ziel zu kommen?
Ja, absolut.
Und ich glaube, da ist jetzt sozusagen auch meine neue Rolle, irgendwie integraler Bestandteil, weil wenn du das gestern noch nicht gemacht hast oder deine Prozesse noch nicht transformiert hast, Da kommt natürlich erst mal die Frage, was heißt denn das jetzt irgendwie, Agentic First, AI First.
Und da haben wir ein paar Formate schon entwickelt, von Mindset-Workshops, was sind eigentlich deine Beliefs, deine Limiting Beliefs, bis hin zu Innovation Sprints, wo du innerhalb von 1 bis 5 Tagen ganz schnell auch vielleicht zu...
Proof of Concepts, um Leuten sozusagen ein bisschen die Augen zu öffnen und dabei zu helfen.
Und das versuchen wir jetzt ein bisschen mehr Richtung Playbooks, Best Practices zu bringen, die wir dann auch über die riesengroße...
DSO-Community, dass wir das darüber dann wieder zurückbringen in diese Teams und denen will ich Anhaltspunkte geben, wie denkt man jetzt einen Schritt weiter, ich sage mal so, beyond die Excel-Upload, weil Excel-Upload war so das klassische Automation-Thema.
Ich habe jetzt ein Excel-Cheat aus der E-Mail, muss jetzt ins SAP-System.
Kann man automatisieren, ändert einen Prozess aber nichts.
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.
Erzähl mal, wie dieser Mindset-Workshop abläuft.
Du hast mich hellhörig gemacht.
Ich glaube, man kann...
ja immer aus so einer, zum Beispiel aus deiner Rolle heraus oder aus meiner Rolle heraus, ist sehr einfach zu sagen, ja, wir müssen das hier neu denken, wie wir diese Sachen tun, wir müssen das umstellen, aber die Realität ist ja, dass dort Menschen damit gerade auch ihr Geld verdienen, dass vielleicht auch sich sicher damit fühlen, diese Arbeit so oder so zu erledigen.
Und wir Menschen mögen in der Regel nicht so viel gerne Veränderungen.
Aber ohne die Menschen, die das heute tun, die Veränderung einzuleiten, funktioniert ja auch nicht.
Also man muss ja irgendwie beides übereinander gelegt bekommen.
Ja, Mindset Workshop.
Wir haben halt anfangs sehr gute Erfahrungen mit diesen Innovation Sprints gehabt.
Das war aber immer sozusagen mit den Billigen.
Was war das?
Wie so ein Innovation Sprint?
So ein Investition läuft im Prinzip so ab.
Wir laden sozusagen die Verantwortlichen aus dem Funktions- oder Geschäftsbereich ein.
Die bringen erstmal ihr Problem mit.
Und wir bringen dazu Leute, die so einen Workshop organisieren können, den einen oder anderen IT-Engineer.
Und der Workshop geht dann sozusagen vom ersten Tag, wo es um die Frage geht, was ist denn eigentlich dein Problem?
Kannst du es wirklich gut formulieren?
Hast du eine Baseline?
Können wir es messen, wenn es besser wird?
Was wäre denn so eine Future Solution?
Also wie würdest du das denn vorstellen?
Was würde dir denn wirklich helfen?
Wie könnte man da Impact generieren?
In ein, zwei Tage, wo dann auch mit technischer Unterstützung ganz schnell, ich sage jetzt mal so Vibe-Coding, aber mit verschiedenen Mitteln, je nachdem was gebraucht wird, sozusagen die Lösung angedeutet wird.
Und am letzten Tag der Clue sozusagen, das dann wirklich nochmal mit Stakeholdern aus diesem Geschäftsbereich oder der Funktionsbereich zu verproben.
Das heißt, da holt man sich nochmal Leute rein, die nicht an dieser Entwicklung teil.
genommen hatten in den Tagen davor und die kriegen das vorgesetzt und wenn die sagen, das ist cool, das wird mir wirklich helfen, dann geht das sozusagen in eine eigentliche Produktentwicklung.
Das ist so der Innovation Workshop.
Und das kommt dann, das kann man sehr gut mit Leuten, die schon sagten, ja, ich möchte dieses Problem lösen.
Ich möchte was verändern, ich weiß vielleicht nicht genau wie und ich weiß nicht, ob die Technik hilft.
Die bringst du dann da rein, die sind alle schon sozusagen sehr willens, das anzupacken.
Aber es ist ja schwer, diese eigenen Probleme so pinpointen zu können, zu sagen können, genau das ist das Problem und daran würde ich es auch noch messen, oder?
Das stimmt.
Mir wäre das auch nicht immer so leicht.
Nee, genau.
Da hilft aber die Methodologie, die wir da entwickelt haben, einigermaßen gut mit.
Da gibt es ein paar Brainstorming-Elemente, da gibt es ein Research-Element drin.
Einfach mal gucken, ob man jemand anderes das Problem schon hat.
Ich würde sagen, so ein bisschen wie du so im Startup auch deine Ideen erst mal, hey, was ist denn das User-Problem und kann man das validieren und so weiter.
Also da gibt es einen kleinen Guide, der dich da durchführt.
Das hat, würde ich sagen, in fast allen Fällen super geklappt.
Ich habe keinen Innovation-Sprint, der nicht irgendwie zu Begeisterung geführt hat am Ende.
Aber wenn du zu so einem Bereich kommst, wo die sagen, Was wollt ihr denn von mir?
Ich bin hier super reguliert und habe vielleicht auch Operating Procedures, die gibt es schon seit fünf Jahren oder zehn oder vielleicht noch länger und vielleicht kann sich auch gar keiner helfen bei dem Thema oder so.
Dann ist es erstmal gar nicht die Frage, ob du so einen Innovations-Punkt mit denen machst, weil du dann wahrscheinlich schon relativ in den ersten ein, zwei Tagen irgendwie...
auf Sand läufst.
Und dafür hat man uns halt überlegt, mit denen erstmal daran zu arbeiten, warum glauben die denn eigentlich, dass es nicht helfen kann?
Oder warum fühlen die sich manchmal noch nicht empowered oder enabled, das in die Hand zu nehmen und Sachen besser zu machen?
Und dann kommst du halt ziemlich schnell auf so ein Thema wie, es gibt ja Beliefs, die sind gar nicht unbedingt in so einer Policy niedergeschrieben.
Das ist dann manchmal so eine Interpretation der Policy.
Oder es ist vielleicht tatsächlich eine Policy, die fünf Jahre alt ist.
Und da musst du mal fragen, aus welchen Gesichtspunkten wurde die denn vor fünf Jahren geschrieben?
Ist das überhaupt eigentlich noch relevant heute?
Hat sich die Gesetzgebung geändert oder sind wir schlauer?
Und dafür war dieser, ich sage mal, Mindset-Workshop super, weil du da genau an diesen Themen vorbeikommst und das erst mal alles auf den Tisch legst.
Und am Ende geht es dann nur darum zu sagen, okay, wir müssen ja noch gar nicht die Welt verändern morgen, aber wir werden uns darauf einigen können, dass wir ein Thema daraus nehmen.
dass wir mal anders versuchen.
Und wenn das erfolgreich ist, dann nehmen wir das Nächste und das Nächste.
Dann hast du sozusagen schon den ersten Lauf gestartet.
Interessant.
Also glaube ich, finde ich auch einen guten Ansatz.
Ich glaube, man braucht jetzt so dieses erste Erfolgserlebnis.
Und ich glaube, wenn Dinge nicht so schnell passieren, wie man von außen vielleicht denkt, dass es gehen könnte, ist ja wirklich die Frage, was steckt da vielleicht dahinter?
Habe ich noch nie gehört von so einem Format, aber scheint der zu funktionieren.
Und ich meine, generell würde ich sagen, ist es ja mittlerweile good practice, klein und iterativ zu starten und dann nach hinten groß zu skalieren.
Das sind ja auch andere Use Cases, die wir jetzt über die letzten Jahre gebaut haben.
Eli ist so einer, der auch oft in der Presse war bei uns.
Da geht es im Agrargeschäft darum, unsere Sales Teams.
mit dem richtigen Knowledge, den richtigen Antworten, mit dem richtigen Backing zu unterstützen, alles AI und Agentik supported.
Da hatten wir anfangs eine Handvoll Leute, dann waren es Anfang dieses Jahres, ich glaube so 200 und mittlerweile sind es glaube ich 1200 Leute aus dem Commercial- und Sales-Bereich, die damit arbeiten.
Und die setzen mittlerweile im Monat 17.000.
Fragen an das System abkriegen, da Antworten können, aber mit dem Smartphone Bilder machen von Produkten oder Pflanzen.
Das integrieren wir in eine Sales App, die wir haben und so weiter.
Und das ist, glaube ich, ein ganz gutes Beispiel, wo ein kleines Team angefangen hat, gedacht hat, wir haben eine Idee, können wir machen.
Dann haben sie das nächste Team gegeben, dem nächsten Team gegeben und auf einmal sind es jetzt über 1000 Leute, die da tausende von Fragen jeden Monat auf das System feuern.
und das einfach jetzt auch weiterentwickeln.
Und das ist, glaube ich, so generell, wie man heute ganz gut von Idee zu Skalierung kommen kann.
Genau, vielleicht gehen wir da mal rein, weil wir haben jetzt schon über diesen Ideenprozess gesprochen.
Du hast jetzt schon gesagt, wie so ein skalierter Case dann aussehen kann.
Die große Frage ist ja, was zwischen diesen beiden Punkten passiert.
Vor allem, ihr macht den Innovations, ihr macht den Mindset Workshop, ihr findet dieses Thema, geht in den Innovation Sprint, habt dort einige Tage intensiv mit dem Team gearbeitet.
Am Ende steht ein Prototyp, eine erste Version und unterschiedliche Stakeholder sagen, top, das wäre super, wenn wir alle im Sales das nutzen können.
So, und da hört es ja dann meistens auf oder wird es schwierig, weil dann...
verlässt man oft diesen Happy Path von, okay, er hat in dieser abgegrenzten Umgebung funktioniert und er muss das in den Prozess und die Systeme und Daten und, und, und, und.
Worauf kommt es an, um nach so einem Innovation Sprint so ein Case in den skalierten Betrieb zu bringen, dass jeder Sales-Mitarbeiter gerne damit arbeitet und da Produktivität gewinnt?
Ich würde behaupten, manche Cases sterben schon weil sie schon vor dem Piloten gar nicht richtig aufgesetzt sind.
Und Ila war ein gutes Beispiel, wo wir gesagt haben, was ist der Wert, den wir uns davon versprechen, wenn wir so eine Lösung angehen.
Das heißt, da war schon sozusagen die Idee, das ist der Value, den wir karieren müssen.
Wir hatten eine Baseline und dann haben wir ein Team da drauf gesetzt.
Und ich glaube, da ist dann schon mal der Clue zu sagen, das ist natürlich kein reines IT-Team gewesen, sondern im klassischen, in unserem DSO-Sinne.
ein Mixed Team interdisziplinär mit Leuten aus dem Commercial-Bereich, die das Ding auch nachher wirklich anwenden, die echten Kundenkontakt haben, damit die sofort Feedback geben können.
Dann fokussiert ganz am Anfang auf einen wirklich kleinen Teil.
Also nicht, wir brauchen ja hunderte Integrationen und so weiter, sondern wirklich überlegt, welche Produktreihe für welches Sales-Team können wir das sozusagen morgen dahin stellen, damit ihr das testen könnt.
Mittlerweile hat das 20.000 Data Sources.
Das ist natürlich mega gewachsen, aber am Anfang hat das erst mal eine und dann die zweite und die dritte.
Also ich glaube, da muss man sich gut überlegen, wo man den Case auch machen kann.
Und wenn man dann die ersten Erfolge kriegt, dann muss man die auch einfach transparent machen.
Das haben die Kollegen da von Copsign also super gemacht, immer gezeigt, wie sozusagen der nächste Schritt, den nächsten Value...
erschlossen hat und ich glaube, das hat andere Teams dann überzeugt, da reinzugehen.
Dann haben die natürlich auch viel Change Management, Adoption Training und sowas mit in diesen Rollout gebracht, weil du musst natürlich Leuten auch irgendwie verständlich machen, was macht das Ding denn jetzt für dich, ja?
Wie funktioniert das?
Was sollst du vielleicht auch noch nicht damit machen?
Wofür ist es nicht da?
Und das ist natürlich so ein Embedding, was du dann für alle Use Cases brauchst.
Was würdest du sagen, ist der schwerste Teil davon?
Ich glaube, am Anfang schon mal den Use-Gase richtig gut zu definieren und zu sagen, das ist der Wert, den wir uns davon verhoffen.
Ich glaube, das fällt vielen schon sehr schwer.
Also sich nicht auf so Probleme zu stürzen, die eigentlich zu klein sind am Ende?
Genau, einmal das.
Aber auch vielleicht klar zu machen, wie man...
wie man den Outcome dann wirklich misst.
Das darf nicht zu schwammig sein.
Das darf natürlich nicht zu klein machen, aber auch nicht so groß, dass man sagt, jetzt retten wir die Welt und keiner weiß, wie wir das messen, dass wir die Welt retten.
Das ist sicherlich ein Trick.
Gut, dann, den haben wir 2024 angefangen, den News Case.
Da waren natürlich auch so ein paar technische Fragen.
Wie funktioniert das eigentlich alles?
Das wirst du immer wieder mal haben.
Und dann ist halt am Ende die Frage, wie skalierst du das?
Und die gehen jetzt tatsächlich über Länder.
Wir sind jetzt bei acht Ländern, wo das ausgerollt ist.
Und das geht jetzt Stückchen für Stückchen sozusagen weiter, cross the globe.
Immer wenn das Gefühl da ist, okay, wir sind ready für den next step, dann nehmen wir sozusagen wieder auf.
Ich fasse mal zusammen.
Also ihr kommt aus einer super spannenden Transformation, wo ihr auch immer noch auf dem Weg seid, habt aber mit diesem Dynamic Shared Ownership Modell und kleineren Teams, die mehr Verantwortung haben, klare Ergebnisse own, gute Grundlage geschaffen, dass Teams eigentlich in der Lage sind, für sich jetzt KI auch zu Nutze, sich zu Nutze zu machen.
supportet das über eine Plattform, die ihr aufgebaut habt, die schon mal so die Fähigkeiten, technischen Fähigkeiten mitbringt, damit Teams das auch dezentraler einsetzen können, Workflows über N8N bauen beispielsweise und geht aber auch in die Use Cases rein, um erstmal mögliche Limiting Beliefs aufzudecken, erste klare Probleme zu finden, da den Anstoß zu setzen, mal was zu verändern und dann innerhalb von wenigen Tagen erste Version zu entwickeln und wenn sich das als Potenzial herausgestellt hat, dann Schritt für Schritt in die Skalierung auch zu kommen.
Interessanter Case mit dem Sales Beispiel.
Jetzt hast du ja relativ neu, bist du ja deine Rolle als VPAI Transformation angetreten und du hast am Anfang der Folge gesagt, dass du auch daran arbeitest, so ein Target State zu entwickeln und darüber nachzudenken.
Wie sieht so ein Target-State im KI-Zeitalter für Bayer aus?
Eine gute Frage, Felix.
Ich würde sagen, wir wollen natürlich unserer Mission treu bleiben.
Heads for all hangar voneinander.
Das heißt, ein Target-State für uns würde ich erstmal sehr global definieren im Sinne von, wir zahlen auf diese Mission ein durch den Einsatz von AI oder agentischer KI.
Das heißt natürlich für unsere verschiedenen Geschäftsbereiche immer ein bisschen was anderes, weil die natürlich auch ein bisschen anders funktionieren alle.
Was wir im Moment gemacht haben, wir haben jetzt eine Sammlung von, sagen wir so 40 plus, sehr impactful Use Cases gesammelt, die so wirklich quer durch das gesamte, die ganze Wertschöpfskette gehen von A&D über Project Supply bis Marketing und Sales in den verschiedenen Bereichen plus ich sage mal, buyer back office.
Und ich würde sagen, wenn wir die implementiert bekommen in den nächsten Monaten, sage ich mal, hoffentlich nicht Jahren, dann wäre das schon eine dramatische Veränderung für die Company.
Das gepaart sozusagen mit diesem ganzen Thema Personal Productivity, wie arbeiten wir eigentlich heute alle persönlich, wie arbeiten wir morgen, wird schon einen massiven Change bei uns zur Folge haben.
Einen Ich sage mal, Target-State across Bire zu definieren, ist damit ein bisschen schwierig.
Und es ist ja auch ein Moving-Target, würde ich sagen, oder?
Das wollte ich gerade sagen, ja.
Vielleicht verändert sich aber auch so schnell was.
Ja, ich hatte jetzt schon die erste Diskussion, wie den jetzt Quantum-Computing und AI zusammen die Welt bewegen morgen.
Also du weißt ja auch nicht, was in den sechs Monaten sozusagen dann auf der Bühne steht und ob du deinen Target-State nicht schon wieder komplett überdenken musst.
Ich glaube, das ist eine der wichtigsten Fähigkeiten unserer Zeit, es zu schaffen, irgendwie den Kurs zu halten, also irgendwie seine Kompassnadel so zu kennen und zu wissen, da muss ich hinlaufen, aber auf dem Weg dann auch immer mal wieder abbiegen zu können und wieder zurückzufinden auf diesen Kurs in der Welt, die nie wieder langsamer sein wird.
als heute.
Das ist immer wieder, wenn ich mir anschaue, was alles so passiert, und mir dann vor Augen führe, es wird halt nie wieder langsamer sein.
Das ist schon verrückt.
Ich stelle fest, selbst mit den Karieragenten, die ich mir gebaut habe, um mir die News zu filtern, wird es jetzt schon wieder so viel, dass ich die nächste Filterebene einbauen muss, damit man überhaupt noch Zeit hat, das sinnvoll zu verdauen.
Ja, es passiert einfach immer mehr in immer kürzerer Zeit.
Okay, also 40 Use Cases.
Am besten sprechen wir in zwölf Monaten nochmal.
Das klingt sehr ambitioniert, aber ich denke, das ist genau das Richtige, was wir jetzt brauchen.
Große Ambitionen und mit Konsequenz genau in diese Umsetzung zu gehen, denn KI ist da so gut wie nie zuvor.
Also wenn nicht jetzt, wann dann?
Finde ich gut.
Ich habe noch vielleicht so eine Frage, so ein bisschen so, wie blickst du gerade auf die Entwicklung im KI-Markt?
Ich habe jetzt gerade ein Video gesehen von Jacob Coxon, dem Anthropic-Researcher, der dafür Capabilities Research von Claude auch mit in dem Team war, gekündigt hat mit der Begründung.
Die Labs gehen nicht verantwortungsvoll mit dieser Entwicklung um.
Und er sagt, wir sind wahrscheinlich nur noch Monate davon entfernt, dass es den automatisierten KI-Forscher gibt, der dann in immer schnellerer Zeit bessere KI bauen kann, aber Menschen aus der KI-Entwicklung ja dann raus sind.
Weil man merkt es heute schon, wenn man irgendeinen komplexeren Prozess an der KI abgibt oder auch im Coding.
Sehr, sehr schwer, das alles noch nachzuvollziehen, was KI dort stundenlanger, autonomer Arbeit, in rasanter Geschwindigkeit alles tut.
Wenn das jetzt in der KI-Forschung passiert, was erwartet uns dann?
Das war so ein bisschen so sein Rational, um zu sagen, wir müssen jetzt aufhören, Frontier-KI zu entwickeln und das pausieren, bis wir überhaupt Strukturen, Regeln geschaffen haben, um damit im nachhaltigen, langfristigen Interesse der Menschheit umzugehen und das zu nutzen.
Wir wissen es ja wahrscheinlich alle nicht.
Vielleicht hast du die Gaskugel, aber mich interessiert immer so ein bisschen so, also wie blickst du darauf, auf diese Veränderung?
Glaubst du, wir brauchen noch bessere KI?
Ist das für euch überhaupt relevant?
Wie ist so dein Eindruck da gerade vom Markt und den Entwicklungen?
Ich glaube, die perfekte Gaskugel habe ich leider nicht.
Da soll ich da morgen Geld mitmachen.
Aber...
Ich meine, es gibt Untersuchungen, die schön zeigen, dass wir Menschen eigentlich ganz guter sind, so eine lineare Trendanalyse im Kopf zu haben.
Das heißt, wir denken immer so, wie es gestern gelaufen ist, läuft es ja auch morgen.
Das ist aber oft gar nicht so.
Gerade bei so technologischen Themen gehen die ja eher exponentiell.
Das heißt, wir haben schon so einen Blindspot, bei dem es für alle für uns super schwierig ist, vorauszusagen, wie es eigentlich morgen oder übermorgen aussieht mit KI.
Von daher...
Das finde ich schon gut, wenn sich Leute aus verschiedenen Aspekten erst mal Gedanken dazu machen.
Ich glaube, das ist erst mal total fair.
Dann würde ich sagen, rein aus Enterprise-Sicht, ich glaube, wir haben heute schon für 80 Prozent unserer Use Cases alles, was wir eigentlich brauchen, um die jetzt erst mal nur umzusetzen.
Wir müssen wahrscheinlich nicht auf das Next New Model.
oder einen Geniestreich in so einer Entwicklung, sondern wir können wahrscheinlich ganz viel transformieren mit allem, was es heute schon gibt.
Ich glaube, da braucht keiner warten auf morgen, dass vielleicht noch irgendwas Großes passiert.
Und dann bin ich persönlich ein Optimist.
Das heißt, ich glaube, wenn wir als Menschen uns, ich meine, in die Augen gucken und sagen, wir wollen da was Positives rausmachen und es geht ja nicht um individuelle Gewinnmaximierung oder so, dann kann da auch was ganz Tolles daraus entstehen.
Und ich glaube, das wäre so mein Wunsch wahrscheinlich eher, dass wir auf globaler Ebene ein bisschen mehr zusammenrücken, ein bisschen mehr Augenmerk darauf haben, wie wird das denn besser für alle, wie kann das denn positive Impact auf die Gesamtheit haben und dass tatsächlich da die richtigen Weichen stehen.
Ich glaube, das ist schon wichtig, damit wir da am Ende alle von profitieren.
Gibt es irgendeine Entwicklung, auf die du gerade ganz besonders schaust?
Du hast gerade schon Quantumtechnologie mit KI, Quantum Computing mit KI angesprochen.
Im Roboticsmarkt passiert sehr viel.
Hast du da irgendwas im Auge, was du glaubst, das noch besonderen Einfluss haben wird?
Ja, ich glaube tatsächlich diese Brücke zwischen, wir reden jetzt hauptsächlich über, wenn wir KI-Agenten oder KI nennen, über alles, was digital ist.
Aber diese Brücke in die reale Welt, ich glaube, das wird der nächste große Impact.
Und das wird sich in vielen Sachen zeigen.
Selbstfahrende Autos sind schon kein Novo mehr, aber du liest jetzt immer öfter Pflegeroboter mit KI in den verschiedenen Formen, Unterstützung von menschlicher Arbeit im Sinne von KI-Gerüsten, die die bedienen, Raumfahrt kommt KI ganz oft vor.
Vielleicht leider auch beim ganzen Thema Defense.
Aber es wird halt alle Bereiche durchdringen und sozusagen die Brücke schlagen in die materielle Welt.
Und ich glaube, das ist so der next big step, wo alle realisieren, welchen Impact das eigentlich auf unser tägliches Leben haben wird.
Und ich finde, wenn man hier und da mal in ein oder anderes Land reist, dann sieht man halt auch diese Verknüpfung schon manchmal viel deutlicher, als das jetzt vielleicht in dem ein oder anderen europäischen Land der Fall ist.
Ich ahne, über welche Länder du sprichst.
Ja, also, ich glaube, spannende Zeit.
Meiner Meinung nach ist das Glas halbvoll mit riesen Upside und Potenzial und Dingen, die sich da auftun, wo wir noch ganz, ganz viel gestalten können.
Ich freue mich da drauf, auch wenn es manchmal ein bisschen beunruhigend ist.
Aber wenn ich so Storys oder...
Einblicke jetzt auch wie von dir bekomme, wo man sieht, dass auch so ein großes Unternehmen, was es schon so lange gibt, es schafft, sich zu verändern, die Veränderungen einzuleiten, die notwendig sind und diese Technologie für sich zunutze zu machen und die ersten klaren Ergebnisse da schon längst draußen sind und viel, viel mehr noch in der Pipeline ist.
Bin ich gespannt auf die Zukunft.
Bedanken mich, Jan.
War ein spannendes Gespräch, tolle Einblicke.
Gleich erzählen.
Ich wünsche euch weiterhin ganz viel Erfolg auf dem Weg.
Super, danke dir.