[00:00:00] Herzlich willkommen zum AI-First-Podcast. Ich habe heute Sven Bettermann als Gast, der seit über fünf Jahren bei der Evonik arbeitet und dort in diesen Jahren viele Digitalisierungs- und auch AI-Projekte verantwortet hat, unter anderem als Global Head of Digitalization. Und wir wollen heute mal darüber sprechen, was eigentlich digital Svens Erfahrungen in solchen Programmen sind und was die Erfolgsfaktoren dafür sind, künstliche Intelligenz erfolgreich in einem Unternehmen zum Einsatz zu bringen. Sven, ich freue mich sehr auf unser Gespräch und danke, dass du da bist. Sven: Hallo Felix, ich freue mich auch super auf unser Gespräch und auf die Podcast-Aufgabe bin sehr gespannt, wie wir durch die Themen gehen und ja, vielen Dank für die Einladung natürlich auch. Felix: haben heute eine kleine Premiere. Ich möchte den Podcast jetzt etwas mehr strukturieren, dass es ein paar wiederkehrende Elemente gibt. [00:01:00] Und ich möchte jetzt mal damit anfangen, jeden Gast zum... Anfang und zum Ende eine Frage zu stellen und du bist jetzt praktisch das Versuchskaninchen. Zum Start würde ich gerne wissen, was hast du diese Woche mit KI gemacht?  Sven: toll, dass ich hier das Versuchskaninchen sein kann. Also die Frage finde ich auch schon mal spannend und ich habe gemerkt dass ich schon wirklich sehr viel mich mit KI fast täglich beschäftige. Ich habe das versucht, mal irgendwie drei unterschiedliche Felix: Untertitelung des ZDF Sven: Und dann sind es zwei Felix: Untertitelung [00:02:00] ZDF, Sven: solche Cases weiterentwickeln können, also wirklich thematisch wie ist das Datenfundament aktuell, wie können wir das verbessern, wie ist die Nutzung der Kolleginnen und dann Als drittes auch strategisch wie wir in Zukunft, vor allen Dingen jetzt auch in meiner neuen Rolle, wo ja mehr auch der Fokus auf die Supply Chains gelegt ist, aber was auch viel mit Digitalisierung weiterhin zu tun hat, wo wir unglaublich viele Daten aufnehmen, zum Beispiel auch in dem Proof of Delivery Share, das war aktuell, haben wir viel drüber gesprochen diese Woche, man kann sich das so vorstellen, eigentlich, wenn man Bei Amazon was bestellt, dann kriegt man ja irgendwie eine Info was mit dem Paket gerade ist und auf welchem Weg es sich befindet. Und da versuchen wir halt unsere Chemieprodukte die wir zu unseren Kunden liefern, mit deutlich mehr Daten zu erfassen und darauf basierend KI [00:03:00] anzuwenden. Und genau das steckt quasi gerade so in den Anfangsschritten und wir überlegen dazu eigentlich, was wir dafür sinnvolle KI-Use-Cases in Zukunft entwickeln könnten. Felix: Ich habe so eine Aufgabe, wo du diese Woche gesagt hast, boah da habe ich jetzt gerade so viel Zeit gespart oder bin so viel besser zu einem Ergebnis gekommen, wo ich ohne KI gar nicht so schnell hingekommen wäre. Sven: Ich glaube, das ist einfach viel, also man muss ja immer unterscheiden zwischen Gen-AI und auch anderer KI-Anwendungen, aber es sind wirklich das Felix: Vielen Dank. Sven: um viel textbasierte Themen geht, einfach in der Zusammenfassung, was mir unglaublich hilft, schneller den Überblick zu bekommen, die Quintessenzen rauszulesen da merke ich schon, dass mir das am Tag unglaublich viel Zeit spart ja. Felix: Also ich kann noch mal von mir berichten. Ich habe mir [00:04:00] den ChatGPT Pro Account für 200 Dollar im Monat den habe ich mir jetzt mal zugelegt, weil ich es einfach auch besser verstehen möchte. Wie diese Reasoning-Sprachmodelle funktionieren und wie sie sich unterscheiden von den alten  Sven: Dank. Felix: Bin total fasziniert davon. Also, ich habe damit mein AI-Adoption-Programm mein Strategie-Programm was ich mit Unternehmen umsetze, damit nochmal challengen und verfeinern in die Tiefe arbeiten lassen. Ist wirklich sehr faszinierend, wie stark die Qualität der Ergebnisse Sich unterscheidet. Wir haben es in dieser Woche auch sehr viel genutzt um unsere Website zu programmieren, also wir haben einfach Screenshots von einem Mockup gemacht und dann den Code dazu schreiben lassen, die Qualität vom Code war auch enorm gut, wir konnten einen Großteil des Codes [00:05:00] einfach kopieren und in unsere Webflow-Anwendung einfügen und hatten funktionierende Features auf der Website also Ja faszinierend auch. Ich habe jetzt so bisschen gezögert Lohnt sich das Geld dafür, aber bin gerade sehr positiv überrascht. Also, da auch total spannend. Ich beschäftige mich ja den ganzen Tag damit, ähnlich wie du, sehr viele Schnittmengen dann doch immer wieder auch was Neues zu finden, was den Blick nochmal erweitert und neue Möglichkeiten aufzeigt. Sven: Ja total Felix: Vielen Dank Sven: direkt ein Typ, der da auf den Zug aufgesprungen ist. Was sich jetzt schon wieder eigentlich getan hat in der Zeit, wie du es eben auch schön beschrieben hast, ist wirklich enorm. Also auch das ist Reasoning. Da kommen wirklich richtig sinnvolle Sachen raus, was man als Sparrings-Partner auch irgendwie nutzen kann. Es bringt wirklich besseren Outcome, als es noch vor einigen Monaten der Fall war.[00:06:00]  Felix: Ja, total. Das ist noch mal ein Jahr weiter gedacht, dass ja auch dieser Wettbewerb unter den Big-Tech-Unternehmen und diese Milliardeninvestitionen die von allen Seiten gemacht werden. Ich meine, wir als ... Anwender am Ende profitieren ja total davon, weil wir können Sven: Dank. Felix: besseren Produkte zu einem besseren Preis nutzen. Das ist ja das Schöne an so einem intensiven Wettbewerb. Bin ich gespannt, was in diesem Jahr noch so passieren wird, aber da gehen wir vielleicht später nochmal drauf ein und kommen jetzt einmal zu einem Thema, was du ja auch federführend mit vorangetrieben hast. Ihr hattet das Programm AI in Motion genannt und Und wir wollen jetzt mal anhand dieses Beispiels zeigen, wie ihr eigentlich so ein Programm aufgezogen habt, was waren die Ziele und Inhalte, wie habt ihr das strukturiert, welche Erfahrungen habt ihr gesammelt und wie könnt ihr jetzt auch darauf aufbauen, aber am besten gibst [00:07:00] du uns mal einen Überblick, worum ging es in dem AI in Motion Programm. Sven: Sehr gerne. Also das AI in Motion Programm basiert erstmal vielleicht auf Felix: Vielen Dank. Sven: weil wir uns eine Product Line vorgenommen haben, die Active Ingredients Felix: Vielen Dank. Sven: war das Ziel, wirklich diese Product Line. Data-to-Data-Empowern und Data-Driven aufzustellen, um das Fundament zu legen, um wirklich AI-Use-Cases in den Produktivbetrieb zu bekommen und zwar wirklich für eine gesamte Product-Line. Dazu gehören unterschiedliche Sachen. Also wir haben von Anfang an natürlich uns das, es war ein konzernweites Programm. Wir haben uns da wirklich Gedanken gemacht, auch im Vorfeld geschaut, was machen Peers, wie setzen wir das auf, dass wir wirklich Erstmal natürlich davon profitieren, dass die Product-Line zu besseren Ergebnissen [00:08:00] geführt wird, aber dann auch eine vernünftige Skalierbarkeit innerhalb des Konzerns gewährleistet ist. Entsprechend haben wir wirklich versucht, nahezu alles als Blueprint aufzusetzen und haben uns das auch immer wieder Felix: Dank. Sven: wir auch noch eingehen, dass man das skalierbar auch danach irgendwie vorrätig hat. Also das sind so grundlegende Sachen. Also wir wollten da ein skalierbares datengetriebenes System bauen, um das wirklich mal runterzubrechen datenbasierte Entscheidungen zu treffen, um unser Business zu verbessern Das war mit Felix: Ja Sven: und natürlich digitale Innovation zu ermöglichen und das wirklich als Fundament aufzusetzen für die Implementierung von KI. Felix: Jetzt hast du die Begriffe Data Empowered und Driven [00:09:00] genannt Was verstehst du darunter? Ist das ein Ziel was man erreichen kann? Oder ist das eher eine Haltung, die man entwickelt? Sven: Stück weit von beidem würde ich sagen. Felix: Vielen Dank Sven: geben, in dem man sagen kann, wir sind damit fertig. Also es wird immer schon, weil es auch extern so rasante Entwicklungen gibt, muss man auch dort mit diesen Entwicklungen auch mitgehen. Felix: Vielen Sven: dass man einen gewissen Zustand ein Maturity Level erreichen möchte, um auf Applaus Daten vertraut gehört ganz viel in diese Komponente mit [00:10:00] dazu, einen Change-Management-Prozess zu erreichen für die gesamte Organisation, dass vielleicht nicht so viel auf das Bauchgefühl gehört wird, wie das vielleicht immer schon gemacht wurde, sondern wirklich sich Daten zur Hand nimmt, KI auch vielleicht darauf dann laufen lässt, das ist natürlich nochmal ein anderes Thema, würde ich das sagen, ja. Felix: ich meine es ist ja super, dass du beschreibst dass KI ja am Ende ... ist, was ich dann aufsetze auf die Strukturen, die ihr aufgebaut habt, also sowohl auf dem Mindset erstmal aus Datenrichtung Entscheidungen zu treffen oder auch damit begründen zu können und auf der anderen Seite dafür mit den Daten das Fundament bauen zu können, ähm Sven: Dank. Felix: Bewegung wirklich bringen zu können, weil das, was ich jetzt gerade sehr, sehr oft beobachte, ist, dass Künstliche Intelligenz so [00:11:00] Katalysator ist für viele Digitalisierungs- und auch Datenthemen, also Alle wollen was mit KI machen, sehen da die Potenziale natürlich auf der analytischen Seite, auf der generativen Produktivitätsseite also hat ja total viele positive Einflüsse auf Unternehmen und merken dann auf diesem Weg sehr, sehr schnell, ah okay, uns fehlen Prozesse, uns fehlen Kompetenzen, uns fehlen datentechnische Infrastruktur, Kultur, Haltung, was auch immer. Ja, dann merkt man erstmal, wie komplex das eigentlich ist. Wie seid ihr denn jetzt vorgegangen? Was waren denn die ersten Schritte, die ihr unternommen habt? Weil es ist ein sehr großes Feld. Du hast gerade die drei Komponenten auch angesprochen, Daten, Technologie die Menschen was habt ihr da gemacht? Sven: Ich würde da auch gerne einmal auf den einen Satz Direkt eingehen den du eben gesagt hast. Das muss ich auch ganz ehrlich zugeben. Wir hatten uns [00:12:00] viel vorgenommen mit künstlicher Intelligenz, also die Organisation Felix: Dank. Sven: schnell gemerkt Dass wir da eigentlich nochmal komplett gegenlenken mussten, weil wir überhaupt nicht vorbereitet waren, muss ich wirklich ganz offen so sagen, also sowohl von der Menschenkomponente, das Mindset, auch vielleicht das Empowerment vielleicht auch bei uns noch gar nicht war, wir sprechen auch da über eine Zeit jetzt vor, sag ich mal, dem großen Hype um Gen-AI, also wir sind da ein, zwei Jahre davor und Was wir deutlich festgestellt haben, ist die Datenstruktur, dass die nicht so sauber aufgesetzt war, dass wir schnell in einen Produktivbereich Felix: Amen. Sven: sehr spannend für uns, auch ein Learning herauszufinden Auch mit den Zielsetzungen, wir wollen schnell AI irgendwie in den Produktiv zu bringen, so einfach ist es tatsächlich gar [00:13:00] nicht. Und um jetzt vielleicht so ein bisschen abzutauchen, wie haben wir das aufgesetzt, wie haben wir das strukturiert? Wir haben dann auf dem Weg natürlich gemerkt, dass für uns drei Dimensionen sehr wichtig sind, das sind wirklich Daten, Technologie und Menschen. Da gehe ich gerne gleich auch in jede Dimension einmal im Detail rein. Wir haben uns Ganz am Anfang Felix: Vielen Dank. Sven: einen Ist-Zustand verschafft. Also wie... Wie ist die Datenstruktur? Wie arbeiten aktuell die Menschen mit Daten, mit vielleicht auch KI-Tools und oder vielleicht auch allgemein mit Technologietools und Anwendungen? Wie sind die Prozesse aufgebaut? Weil das schon auch wirklich komplex von Anfang an war. Wir haben uns ja nicht nur einen Bereich von einem Geschäftsbereich vorgenommen, sondern gesamt direkt eine Product Line. Also da gehören Sales zu, da gehört Marketing dazu, da gehört Business Development dazu, da gehört auch eine Produktion dazu. Felix: Untertitelung ZDF Sven: [00:14:00] Chemieunternehmen, was am Ende ein Chemieprodukt entwickelt. Also wirklich sehr unterschiedliche Facetten. Das wollten wir versuchen, alles unter einen Hut zu bringen. Genau, und dann jetzt mal eingetaucht in die Daten, das war für uns wirklich die strategische Ressource, muss man sagen Muss man wirklich sagen. Und das als Fundament für die Datengetriebeorganisation. Und da wollten wir im Prinzip erreichen, dass wir qualitativ hochwertige, strukturierte und vor allen Dingen zugängliche Daten bereitstellen, die dann auch wirklich als Grundlage für die Entscheidungsfindung, Automatisierung, KI-Anwendung dienen sollen. Felix: Und wie habt ihr das gemessen? Seid ihr denn durch alle Systeme durchgegangen und habt geguckt welche Daten liegen da und sind die vollständig und werden die aktuell gepflegt? Gibt es dafür Prozesse und das dann? Und daran bewertet und man muss ja auch so [00:15:00] ein, wie ist das, wie so ein Scoring vor, was man ja dann hat, um den Reifegrad bestimmen zu können. Wie seid ihr da vorgegangen? Sven: Geht schon ziemlich exakt in die Richtung, also natürlich unglaublich viele Gespräche geführt, weil wir als Programmteam, wir hatten da auch externe Unterstützung am Anfang mit Beratungsunternehmen, wie wir das Felix: Vielen Dank Sven: viel mit Digitalisierung schon gemacht hat, auch selbst mal Programmieren sich beigebracht hat, aber sogar Sales-Prozesse, Marketing-Prozesse, da Felix: Dank Sven: um da wirklich die, sagen wir mal die Themen rauszufinden, die für uns wichtig sind. Und dann haben wir wirklich ein Scoreboard am Ende erstellt mit unterschiedlichen Bewertungskriterien dann [00:16:00] anhand dieser Analyse Ergebnisse rausbekommen. Da kann man sich natürlich darüber streiten wie das nun am Ende, wir haben von 1 bis 5 gewertet und standen dann in unterschiedlichen Bereichen an unterschiedlichen Ergebnissen und haben darauf basierend dann auch entsprechende Zielwerte für uns definiert. Felix: Okay. Und dann hattet ihr den Überblick über den Status Quo auf der Datenebene. Wie habt ihr das, also auf der Menschenebene oder Kulturebene, da interessiert es mich natürlich besonders, erstmal zur Technologie-Seite eure technische Infrastruktur, wie habt ihr es da gemacht?  Sven: Auch da haben wir auch viel erstmal über eine Definition gesprochen. Also warum eigentlich Technologie als Felix: Vielen Dank. Sven: für unser Programm? wir haben das so bewertet dass es eigentlich ein Enabler sein soll, die wirklich die Wertschöpfung aus den Daten möglich macht. Das war ganz am [00:17:00] Anfang viel Thema und dann auch Felix: Vielen Dank Sven: können, um wirklich zukünftige Anforderungen erfüllt werden, die dann auch wirklich auf andere Bereiche skaliert werden können. Also das vielleicht erstmal so als sehr allgemeinen Ansatz. dann sind wir da auch reingegangen Wir haben eine Analyse gemacht, die mich tatsächlich auch ein bisschen erschreckt hat, wie viele Tools im Umlauf sind, Also ich glaube, das war fast 50 Tools, wo wir dann auch relativ schnell für uns Felix: Vielen Dank. Sven: effektiv kann das eigentlich nicht sein. Und da wirklich geguckt, welche Tools werden wirklich wie häufig genutzt, ist es sinnvoll, dass gewisse Tools für gewisse Prozesse benutzt werden, um einen bestimmten Outcome [00:18:00] zu Felix: Vielen Dank Sven: was wir umsetzen auch für die Zukunft noch relevant? Und natürlich müssen wir das irgendwie auch sagen, weil die Fragen sicherlich kommen, ist Felix: Vielen Dank. Sven: Mensch. Felix: 50 Tools, ich hätte jetzt mit mehreren Hunderten schon was gerechnet. Ihr seid ja auch kein ganz so kleines Unternehmen. Wenn ich mir [00:19:00] anschaue, was wir damals so an Toolstack hatten, das hat ja auch irgendwann so eine Eigendynamik angenommen. Dann wurde hier nochmal was geholt und da nochmal was geholt. Da gab es ein paar Lizenzen, da gab es ein paar. Am Ende waren viele Sachen nicht sauber miteinander geschlossen Sehr integriert und du hast ja jetzt auch gesagt, dass ihr dann schon als Ziel klar definiert habt, eine zentrale Datenplattform Siehst du denn überhaupt eine Alternative oder einen anderen Weg oder die Möglichkeit, das nicht zu tun und trotzdem datengetrieben arbeiten zu können? Sven: Vielleicht erst mal auf das eine eingegangen, 50 allein nur in dieser Product Line. Also ich denke, wenn wir Felix: Vielen Dank. Sven: wären deutlich mehr auch entstanden Also bin ich total bei dir. Zu der anderen Frage, sehr, sehr spannende Frage, muss ich sagen. Ich glaube, ja. Ob das sinnvoll ist, würde ich, glaube ich relativ schnell mit Nein [00:20:00] beantworten weil dann jeder für sich vielleicht irgendwie schon mit einem Tool und einer gewissen Daten-Background vielleicht datengetrieben unterwegs ist, dann alle an einem Strang, zahlt das auf gewisse Business-Outcomes ein, die sich eine Product-Line, eine Business-Line, ein Unternehmen vornimmt. Wahrscheinlich eher weniger. Felix: Das ist ein sehr interessantes Thema. Sven: das Vielen Dank. ja auch vielfältig das hatten wir eben auch schon ganz kurz so angerissen, Da entstehen ja, das ist bei uns auch der Fall, dann entstehen da Silos, da wird irgendwie nochmal aus Datenbanken sich was gezogen und das haben wir wirklich versucht, ja, eigentlich abzuschaffen, um da ein grundlegendes Konzept reinzukriegen. Felix: ihr habt dann auch diese, also was ihr dann auf dem Weg [00:21:00] erarbeitet habt, das habt ihr dann als Templates auch direkt aufgebaut, sodass das auch in anderen Product Lines genutzt werden kann, euer Vorgehensmodell, habe ich das richtig verstanden? Sven: Genau, also vor allen Dingen auch die Datenplattform, die wir in der Cloud gebaut haben. War dann quasi nochmal ein zusätzliches IT-Projekt innerhalb des Programms. Und ich muss sagen, das war Game Changer. Wenn wir so am Anfang, wo wir da wirklich vor die erste Wand gefahren sind und gemerkt haben, oh, so können wir AI überhaupt gar nicht anwenden. Als wir mit dem Projekt durch waren und die Plattform aufgebaut haben, das muss man sich ungefähr, ist ein Hub-and-Spoke-Modell, wo wir das gemeinsam mit der IT ermöglicht haben, Sodass alle wichtigen Daten, die wir vorher auch so in den Umfragen Felix: Dank Sven: jeden Tag upgedatet aktualisiert in der Plattform haben. Darauf basierend haben wir dann [00:22:00] natürlich ein Datenkonzept viel uns mit Data Governance beschäftigt, dass Felix: Vielen Sven: Access Rights zu Felix: Dank. Sven: richtig ins Rollen auch gekommen ist und ich würde schon sagen, das war sehr maßgebend und Felix: Mhm. Ja, dann ist Technologie auch wirklich ein Enabler, wenn sie den Menschen dient und einfach zugänglich ist. Sven: Absolut, ja, weil es hört man auch so häufig, dass, ja, Datensilos und war häufig auch ein Ergebnis von Umfragen ich komme an gewisse Daten nicht ran, weil ich den Zugang einfach nicht habe, wie soll ich dann datengetrieben überhaupt sein und Entscheidungen basierend darauf treffen, ist ein Painpoint auf jeden Fall. Felix Schlenther: Kurz in eigener Sache. Wenn dir der AI First Podcast gefällt und du mehr spannende Inhalte und hochkarätige [00:23:00] Gäste hören möchtest, dann freue ich mich über deine Unterstützung. Mit einer Fünf-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.  Felix: Wie war denn der Ist-Zustand der Datenkompetenz und auch der Umgang mit Daten im Team, als ihr gestartet seid? Und was habt ihr auch in dieser eher menschlichen kulturellen Dimension als Zielbild definiert? Sven: Total divers, muss ich sagen. Wir haben... Ich könnte mir vorstellen, dass das in anderen Organisationen oder bei Evonik haben wir das festgestellt, dass das in anderen Organisationen ähnlich ist und ich denke, dass das in anderen Unternehmen auch so ist. Es gab bei uns Mehr als eine Handvoll Menschen, die das unfassbar cool fanden und direkt auf den Zug aufgesprungen Felix: Dank. Sven: dann gibt es ja auch da diesen Lifecycle. Und dann gibt es wirklich auch diese [00:24:00] Late Adapter, die halt wirklich sich erst mal hingestellt haben, nee, das mache ich nicht. Ich mache das so, wie ich das schon 20 Jahre gemacht habe. Und den wollten wir natürlich nicht vor den Kopf stoßen. Also ein unfassbar großes... Change-Thema, um da wirklich diese Transformation hinzubekommen. Also unfassbar divers. Und ich habe Felix: Vielen Dank. Sven: Die das am Ende auch nutzen sollen, der entscheidende Erfolgsfaktor eigentlich für eine Transformation ist. Weil wir konnten eigentlich die beste digitale Lösung bauen mit dem besten Datastack dahinter. Wenn das keiner anwendet am Ende, bringt es einem wirklich eigentlich gar nichts. Und das war wirklich so ein Schlüsselerlebnis Felix: Vielen Dank. Sven: auch zu etablieren wir uns [00:25:00] unfassbar viel mit dieser Dimension Mensch, nennen wir es einfach mal so, beschäftigen müssen, um die Mitarbeiter zu befähigen Auch dann vielleicht den Late Adoptern mal Erfolgsstories aufzuzeigen, dass die dann auch schnell von sich aus merken, wir wollten denen nichts aufzwingen merken, oh Mensch, das ist echt cool und wenn ich das vielleicht auch nutze für mein Felix: Dank. Sven: vielfältige Ansätze. Wir haben also Schulungsangebote selbst erstellt aber auch quasi uns gekauft, um die Leute zu empowern, Upscaling-Programme, also mit wirklich Weiterbildungsthemen, Datenkompetenz da einfach auf allen Ebenen zu fördern, Felix: Dank. Sven: Teams zu etablieren das war auch super wichtig, dass wir Felix: [00:26:00] Vielen Dank Sven: Was die dann am Ende wirklich brauchen, das war auch ganz wichtig, kommen wir vielleicht später auch noch dazu, wenn wir, als wir dann diese, wir haben das dann Digital Use Case Factory, die wir dann irgendwie etabliert haben, ganz entscheidender Punkt, dass wir, dann unsere internen Kunden genannt also wirklich geschaut was ist deren Need und deren Pain Points, um das darauf basierend auch zu entwickeln und nicht wir im stillen Kämmerlein bauen eine Lösung, Und werfen sie dann der Masse einfach auf den Schreibtisch. Das waren echt sehr spannende Schlüsselmomente und einfach irgendwie Lessons learned, die wir da gemacht haben. Ja, und dann Community-Building. Also einfach eine Etablierung von... Wir haben da auch monatliche Meetings gehabt, die sich dann relativ schnell von alleine eigentlich getragen haben, wo dann Use Case Owner auch Lösungen präsentiert haben, wo dann [00:27:00] immer mehr Leute begeistert davon waren, die dann auch Lösungen übertragen haben auf andere Use Cases und sich dann irgendwie, ja, Selbst weiterentwickelt und selbst skaliert haben. Irgendwie Ambassadors haben wir aufgebaut, die das dann in deren Bereichen auch weitertragen, gerade so mit diesen Early Adoptern, die das total spannend und cool fanden, die dann vielleicht auch nochmal einen Bezug zu ihren Kollegen oder einen besseren Bezug zu ihren Kollegen haben. Also auch da wirklich in breiter Masse aktiv gewesen. Felix: Du hattest gesagt, dass ihr die Erfahrung erst auf dem Weg gemacht habt. Was ist denn passiert, als ihr in all diese Change-Maßnahmen nicht investiert hattet? Sven: Wir sind, das ist vielleicht ein bisschen überspitzt gesagt, aber wir sind nicht richtig vom Fleck gekommen. Wir Felix: Vielen Dank. Sven: viel gemacht, viel technisch entwickelt, haben aber dann irgendwann gemerkt Wir erzielen den Outcome nicht und die [00:28:00] Menschen nutzen unsere Lösungen nicht. Und dann haben wir uns hinterfragt, warum ist das eigentlich so? Felix: Vielen Dank. Sven: die falsche Richtung entwickelt, weil wir die Pain Points oder wirklich das, was die Kolleginnen und Kollegen brauchen, nicht richtig erkannt haben, weil wir vielleicht auch auf den Gebieten keine Experten waren, vielleicht auch zu wenig kommuniziert Um auch die Menschen auf diese Reise mitzunehmen, zu begleiten, Verständnis aufzubauen. Es wird ja auch sehr viel immer darüber gesprochen, dass künstliche Intelligenz Technologie auch Arbeitsplätze vielleicht mal wegnehmen wird in Zukunft. Ich sehe das, ich habe da eine relativ klare Meinung zu. Also ich glaube, dass sich Arbeitsplätze massiv ändern werden, aber ich glaube, dass eher mehr entstehen durch künstliche Intelligenz und Data-Themen und Technologie. Aber das muss man natürlich auch verständlich rüberbringen können, sodass da auch eine Akzeptanz geschaffen werden kann. Felix: Was glaubst du, in [00:29:00] welchen Bereichen neue Jobs entstehen? Sven: Ja also wirklich ganz klassisch wo viel mit Daten gearbeitet wird, wo Texte erstellt werden, wo, eigentlich auch in der Chemie denke ich das auch, so in Entwicklung von Prozessen, Prozessen ne, die, Irgendwie etabliert sind und ich Felix: Vielen Sven: Jobprofile ändern werden und das haben wir auch gemerkt kann ich gerne auch gleich Felix: Dank. Sven: Workflows oder Themengebieten, vielleicht auch die ein oder andere Mitarbeiter nicht gerne gemacht haben und dann eher Hirnschmalz und Kapazität genutzt werden kann, um sich damit zu Felix: Vielen [00:30:00] Dank Sven: die mehr gebraucht und das waren tolle Mitarbeiter, die sich dann eher damit beschäftigt haben. Die Daten noch besser zu strukturieren oder auch wirklich Entscheidungen zu treffen, Analysen zu treffen und damit konnten wir natürlich viel mehr Mehrwert generieren als vorher mit der Zeit. Felix: Jetzt haben wir schon viel über die menschliche Komponente gesprochen. Sehr spannend, deine Erfahrung, wie wichtig das ist und was ihr dann umfassend an Maßnahmen getroffen habt, um die Leute zu involvieren und den Sinn klarzumachen und zu befähigen, mit den Lösungen, die ihr hingestellt habt, richtig zu arbeiten. Kann ich so nur bestätigen. Aus meiner Erfahrung auf der Datenebene da würde ich gerne nochmal mit dir drüber sprechen. Was waren eure Erfolgsfaktoren um von dem Ist-Zustand [00:31:00] dann zu einem Zustand zu kommen, wo ihr einfach eine deutlich bessere Datengrundlage hattet Die ihr dann auf eurer Plattform nutzbar machen konntet und darüber bessere Entscheidungen treffen konntet. Also was dann nochmal so, wo wart ihr, wo wolltet ihr hin und was habt ihr dann gemacht, was euch geholfen hat, also wirklich geholfen hat, wo du jetzt auch sagen würdest, da können andere auch, die hier zuhören etwas von lernen, schneller zu einem besseren Status Quo zu kommen. Sven: Ja, ich versuche das auf die Datenebene zu fokussieren, wobei wir auch wirklich gemerkt haben, diese drei Dimensionen laufen immer Hand in Hand, aber das vielleicht noch einmal vorweggeschoben. Wir haben gemerkt, dass Daten allein keinen Wert schaffen, aber die richtige Nutzung schon. Das war so irgendwann Felix: Dank. Sven: der uns wirklich geprägt hat. Und entsprechend, als wir die Datenplattform aufgebaut [00:32:00] haben, konnten wir mit den Daten arbeiten. Und Teams dazu befähigen, durch Felix: Vielen Dank Sven: Erfolgsfaktor für uns, um dann Technologie darauf aufzusetzen, als Enabler und die ganzen Konzepte zu entwickeln. Und sie haben auch verstanden, welche Daten einfach vorliegen und was man damit machen kann. Also auch da Transparenz zu schaffen, dann sind wir wieder so ein bisschen auch in dieser in der menschlichen Dimension. Das war, Felix: Dank Sven: ich mal, ein, zwei, drei Schlüsselelemente im Bereich der Daten. dann sind wir ja echt dahin gegangen und haben wirklich einen Prozess aufgebaut, Felix: Vielen Sven: dass wir eigentlich digitale Use Cases wie am Fließband irgendwie bauen konnten. Und das ist dann ja wirklich diese [00:33:00] Digital Use Case Factory, basierend auf der Datenplattform. Und ich denke, das haben wir sogar bei Evonik schon skaliert und das als Grundlage zu etablieren Kann sicherlich auch anderen Unternehmen wirklich helfen, um wirklich schnell zielgerichtet Use Cases digitale Use Cases dann in dem Fall wirklich in die Umsetzung zu bringen. Felix: Wie lange habt ihr denn gebraucht bis ihr das Fundament dafür entwickelt hattet? Sven: Ja, ich denke mal, bis wir das wirklich in die Umsetzung hatten, waren das vielleicht zweieinhalb Jahre. Felix: Ja, okay. Und was konnten Menschen dann im Unternehmen dann machen, was sie vorher nicht machen konnten? Vielleicht kannst du hier gerne jetzt, können wir schon mal auf die Use Cases eingehen oder kannst du uns ein paar Beispiele geben? Sven: Ein sehr spannender Use Case, wir haben den Expertise Accelerator genannt der aus einer Motivation [00:34:00] herausgeboren Felix: Dank Sven: haben, dass wir bei unseren Kunden Uns fehlte so ein bisschen dieser One Voice to the Customer. würde ich gerne ein bisschen auch erläutern. Also es kommt eine Kundenanfrage wir sind unfassbar Felix: Vielen Sven: mit dem er sich schon die letzten zehn Jahre immer ausgetauscht hat, kriegt eine chemische Expertise zurück. Die er dann in seinen Worten den Kunden richtet. Und das kann man sich ja einfach vorstellen. Wir sind ein großer Konzern und dann kann man sich, glaube ich, auch relativ schnell ausmalen, was das bedeutet. Also, dass da kein One Voice to the Customer herrscht. Auf Basis dessen haben wir uns eigentlich überlegt, wie können wir auch dort eine Datenbasis schaffen, die das deutlich verbessert. Und da sind wir [00:35:00] hingegangen, haben überlegt Zusätzliche Daten in diese Datenplattform eingespeist, haben einen Kommunikationsweg aufgebaut, der dafür sorgt, Dass erstmal ein transparenter Austausch herrscht und dass, wenn Fragen von Kunden gehen, dass die Felix: Vielen Dank Sven: System entwickelt. Das heißt, es ist eine Datenbank am Ende, die stetig wächst mit neuen Anforderungen von Kunden, wodurch wir lernen, unsere Produkte besser machen können, gefüttert mit der Expertise aus den Labors aus den Produktionsbetrieben, die dort auch ebenfalls ihre Expertise reingegeben haben. Hat das einen unfassbaren Mehrwert ergeben und das war schon vor Gen-AI und dann haben wir Felix: Ja. Sven: drauf gebaut. Genial wir hatten unsere Datenqualität die war exzellent weil wir sie selbst gebaut haben, haben dann KI draufgesetzt, sodass jetzt mittlerweile, wenn Fragen reinkommen, wir sie direkt als Felix: Vielen [00:36:00] Dank. Sven: Halluzinierende Auswirkungen hatten wir am Anfang auch gemerkt, aber das Ergebnis ist jetzt wirklich, dass wir massiv besser geworden sind, da auch wirklich die Kunden mit besseren höher qualitativen Antworten zu versorgen. Felix: Tolles Beispiel. Hast du noch eins davon? Ich glaube, genau diese Beispiele sind immer sehr, sehr hilfreich um dann zu verstehen, was ist jetzt eigentlich der Mehrwert der am Ende aus so einem Programm entsteht. Sven: ein sehr andere also ein anderes konkretes beispiel was einen ganz anderen bereich betrifft muss ich auch ein bisschen zu ausholen dass da haben wir tatsächlich auch einen Felix: Vielen Dank. Sven: am ende für für gewinnen können mit unserem team das war wirklich im [00:37:00] produktionsumfeld Und dort ging es um einen chemischen Prozess, der verbessert werden sollte. Also das war im Prinzip die Zielsetzung. Reduzierung von Produktionskosten, Steigerung der Outputmenge und Optimierung der Nachhaltigkeit. Und dann haben wir uns natürlich Felix: Dank Sven: Expertise zusammengesucht um erstmal den Prozess zu verstehen, was dort passiert ist. Direkt im Produktionsumfeld und wir sprechen da auch über eine Menge so von 50.000 60.000 Tonnen Produkt, die in dieser Anlage produziert wurde und haben dann Felix: Dank. Sven: anfallen, haben auch da wieder eigentlich ein digitales Digital Twin am Felix: Vielen Dank. Sven: wir nicht Gen-AI genutzt sondern wirklich eigentlich auch künstliche Intelligenz, die halt schon viel, viel älter ist, um dann wirklich Simulationen anzuwenden, [00:38:00] Machine Learning Modelle, die uns da geholfen haben, gepaart sage ich mal, Mensch und Maschine zusammen, diesen Prozess zu verbessern, haben dann basierend auf den Daten ein Cockpit gebaut. Um da auch wieder diesen Bezug Mensch, das ist waren das vielleicht um 10%, aber dass wir wirklich uns jeden Tag im Betrieb uns anschauen konnten, Wie gut sind wir aktuell? Wie gut läuft der Prozess? Wir haben da KPIs natürlich definiert und konnten daran dann den Felix: Vielen Dank. Sven: Ergebnisse nachdenke sind die immer noch heute sehr beeindruckend für mich. Also wir haben Einsparungen im siebenstelligen Bereich pro Jahr erzielen können. Wir haben zusätzlich den Umsatz im siebenstelligen Bereich erhöhen können und zusätzlich Den CO2-Ausstoß um 25 Kilotonnen pro Jahr reduzieren können. Also massive [00:39:00] Verbesserungen im Prozess durch eigentlich digitale Lösungen. Felix: Großartig das zeigt die Kraft, die dann dahinter steckt wie Sven: Absolut. Felix: viele Use Cases sind in der Zwischenzeit aus eurer Use Case Fabrik gewandert? Sven: Gute frage also ich denke es sind locker weit über 50 Felix: Dank. Sven: entwickelt wurden weiterentwickelt werden und wir hatten das zum schluss als wir dann wirklich dass das system das system am laufen hatten und Da hatten wir uns irgendwann mal vorgenommen, wir wollen uns ein Felix: Vielen Dank. Sven: uns [00:40:00] dann auch wirklich nochmal wirklich darin bestärkt hat, in diesem Aufbau Daten, Technologie Menschen, diesen Einklang der drei Dimensionen zu einer für mich auch immer noch tollen Entwicklung und erfolgreichen Use Cases geführt hat. Felix: Und könnt ihr das Konzept, was ihr dort entwickelt, das gesamte Programm und den Blueprint, den ihr entwickelt habt, jetzt auch auf andere Produktlinien ausweiten? Sven: Ja, das war wirklich immer auch ein Ziel, Ich würde jetzt sagen, zu Felix: Vielen Dank. Sven: 90 Prozent ist es absolut skalierbar und wir haben das auch schon erfolgreich gemacht, dass wir gesagt haben, von einer Product Line gehen wir jetzt auf eine Business Felix: Vielen [00:41:00] Dank. Sven: auch, wenn ich mich unterhalte auch mit Mitarbeitern oder auch Menschen aus anderen Unternehmen, dass das wirklich Sinn macht und da wirklich noch mehr zu investieren um diesen Weg weiterzugehen. Felix: Sehr faszinierend und beeindruckende Ergebnisse. Und es zeigt sehr schön, dass wir gerade natürlich durch vortrainierte KI-Modelle Sprachmodelle, Bildmodelle, die faszinierend sind, womit wir auch viele Möglichkeiten Sehr schnelle niedrigschwellige Anwendungsfälle umsetzen können, womit wir Alltagsproduktivität von Menschen steigern können. Also da schon viel niedrigschwelliges, kurzfristig realisierbares Potenzial drin liegt. Aber dann, dass es nochmal eine andere Dimension gibt, um wirklich In der Breite auch ganz andere, anders gelagerte Use Cases, die oft viel analytischer sind, die Breite zu bringen, dass es dort eben genau diese drei [00:42:00] Dimensionen benötigt Eine einheitliche Datenbasis Datenplattform, die die Daten aus allen Systemen aggregiert und zugänglich macht, die technologische Komponente, skalierbare Infrastruktur Und dann hast du ja auch sehr schön herausgestellt, das alles bringt halt nichts, wenn es am Ende niemand nutzt. Also wir müssen die Menschen dahinter bekommen, ihnen verdeutlichen, was die Vorteile sind, sie dazu befähigen, die Lösungen einzusetzen und sie in den Prozess involvieren und mitnehmen. Klasse vielen Dank, Sven. Ich habe total viel gelernt, wahrscheinlich auch sehr inspirierend für viele Unternehmen, die jetzt noch auf der Reise sind. Und ich glaube, klar, In kleineren Unternehmen ist die Dimension sicherlich eine andere, aber ich glaube, die Prinzipien bleiben auch da die gleichen. Zum Abschluss, ich habe ja gesagt, ich stelle zwei Fragen, eine zum Anfang und eine zum Abschluss. Zum Abschluss würde ich gerne noch wissen [00:43:00] von dir, Was wäre so ein KI-Use-Case? Du hast ja jetzt schon zwei genannt oder ein Tool, irgendwas, was du den Zuhörern empfehlen möchtest wo du sagst hey, das finde ich total klasse und hat dir sehr geholfen. Sven: Ja sehr gerne. Erstmal auch vielen Dank für das Feedback. Also hat mir unglaublich viel Spaß bereitet, jetzt mit dir auch durch diese Themen nochmal durchzugehen, zusammenzufassen, Revue passieren zu lassen. Also vielen Dank erstmal für die Möglichkeit auch da. und zwei Use Cases haben wir jetzt schon rausgepickt. Ein weiterer ich würde gar nicht Tool eingehen aber vielleicht noch auf einen Bereich, der, glaube ich, auch für viele andere Unternehmen adaptierbar ist. Wir haben das Customer X-Ray genannt. Also Evonik ist sehr stark kundenzentriert um wirklich die bestmöglichsten Funktionen Lösung auf Felix: [00:44:00] Vielen Dank Sven: Unternehmen. Warum Customer X-Ray und wie haben wir das aufgebaut? Es soll wirklich einen Röntgenblick auf unsere Kunden ermöglichen und wir haben eine digitale Lösung gebaut, die alle Daten, alle Informationen, alle Produkte, die ein bestimmter Kunde hat, auf einen Blick aufbaut Zu ermöglichen Und wir haben gemerkt, es hat uns massiv geholfen, nicht nur für die Sales-Mitarbeiter, sondern auch in der Produktentwicklung, in der Forschung, in der Innovation herauszufinden, vor allen Dingen auch da so auf effiziente Art und Weise zu sehen, wo müssen wir uns eigentlich hinbewegen mit unseren Produkten mit unseren Entwicklungen, um noch bessere Innovationen Herzustellen, um wettbewerbsfähig zu bleiben. Und ich möchte gar nicht jetzt ins Detail gehen, aber auch da ist am Ende, sage ich mal, diese digitale Lösung ist Ergebnis, aber da steckt unfassbar viel Arbeit drin. Es [00:45:00] geht wieder viel um Daten, die richtige Technologie, aber das vielleicht nochmal so zum Abschluss, ein Abriss auf den Customer X-Ray Use glaube ich, ein tolles Beispiel, was auch wahrscheinlich in anderen Unternehmen Sinn macht, zu etablieren. Ich weiß, dass einige ähnliche Sachen machen, aber das zum Abschluss nochmal von meiner Seite. Felix: Zu 100 Prozent. Kann ich mir sehr gut vorstellen. Vielen, vielen Dank, Sven, für deine Zeit. Sven: Sehr gerne. Vielen Dank, Felix.