KI-Potenziale entfesseln, Menschen mitnehmen – der Weg zur digitalen Use Case Fabrik

Intro

In dieser Episode spricht Felix Schlenther mit Sven Bettermann, Director Supply Chain Performance bei Evonik, über die erfolgreiche Implementierung von über 50 KI-Use-Cases in einem der weltweit führenden Spezialchemie-Konzerne. Sven verantwortete über fünf Jahre als Global Head of Digitalization das wegweisende "AI in Motion" Programm und gibt tiefe Einblicke in die drei entscheidenden Dimensionen erfolgreicher KI-Transformation: Daten, Technologie und Menschen. Die Gespräch zeigt eindrucksvoll, wie aus anfänglichen Herausforderungen durch mangelnde Datenstrukturen und unzureichende Vorbereitung der Mitarbeiter eine skalierbare "Digital Use Case Factory" entstand, die siebenstellige Einsparungen, Umsatzsteigerungen und eine CO2-Reduktion von 25 Kilotonnen pro Jahr ermöglichte.

Inhaltsübersicht

Persönliche KI-Nutzung im Alltag: Von Textanalysen bis zur Webentwicklung mit ChatGPT Pro
Das "AI in Motion" Programm bei Evonik: Zielsetzung und strategischer Ansatz für eine datengetriebene Product Line
Die drei Dimensionen der erfolgreichen KI-Transformation: Daten als strategische Ressource, Technologie als Enabler und Menschen als Erfolgsfaktor
Anfängliche Herausforderungen: 50 Tools im Umlauf, unzureichende Datenstrukturen und fehlende Mitarbeiterakzeptanz
Aufbau der zentralen Datenplattform nach dem Hub-and-Spoke-Modell als Game Changer
Umfassende Change-Management-Maßnahmen: Schulungen, Community-Building und Ambassadoren-Programme
Erfolgreiche Use Cases: Expertise Accelerator für bessere Kundenberatung, Prozessoptimierung mit siebenstelligen Einsparungen und Customer X-Ray für 360-Grad-Kundenblick
Skalierung des Blueprints auf andere Business Lines und über 50 entwickelte Use Cases
Die entscheidende Erkenntnis: Technische Lösungen allein schaffen keinen Wert – erst die richtige Nutzung durch befähigte Menschen
Lessons Learned: Warum die Integration aller drei Dimensionen unverzichtbar ist und wie der zweieinhalbjährige Aufbauprozess zum nachhaltigen Erfolg führte

Über den Gast

Sven Bettermann ist Director Supply Chain Performance bei Evonik, einem der weltweit führenden Unternehmen der Spezialchemie. In über fünf Jahren bei Evonik hat er als Global Head of Digitalization zahlreiche wegweisende Digitalisierungs- und KI-Projekte verantwortet. Sven brachte das ambitionierte "AI in Motion" Programm auf den Weg, das eine gesamte Product Line datengetrieben aufstellte und mittlerweile über 50 KI-Use-Cases hervorgebracht hat. Seine Expertise liegt in der ganzheitlichen Transformation von Unternehmensbereichen durch die Integration von Daten, Technologie und Change Management. Dabei verfolgt er den Ansatz, nicht nur technische Lösungen zu entwickeln, sondern vor allem die Menschen im Unternehmen zu befähigen und mitzunehmen – eine Erkenntnis, die er als entscheidenden Erfolgsfaktor aus seinen Projekten gewonnen hat.

Detaillierte Zusammenfassung

KI im Alltag: Praktische Anwendungen und neue Möglichkeiten

Zum Einstieg tauschen sich Felix und Sven über ihre aktuelle KI-Nutzung aus. Sven nutzt KI täglich für Textanalysen und Zusammenfassungen, was ihm erhebliche Zeitersparnisse bringt. Diese Woche beschäftigte er sich intensiv mit drei Schwerpunkten: der Weiterentwicklung bestehender Use Cases, der Verbesserung des Datenfundaments und strategischen Überlegungen für neue Anwendungsfälle in der Supply Chain. Ein konkretes Beispiel ist das Proof of Delivery Tracking, vergleichbar mit der Paketverfolgung bei Amazon – nur für Chemieprodukte mit deutlich mehr Daten, um darauf KI-Anwendungen aufzusetzen.

Felix berichtet von seinen Erfahrungen mit dem ChatGPT Pro Account für 200 Dollar monatlich. Er nutzt die Reasoning-Modelle, um sein AI-Adoption-Programm zu challengen und zu verfeinern. Besonders beeindruckend: Die Website-Entwicklung funktioniert mittlerweile so gut, dass Screenshots von Mockups ausreichen, um funktionierenden Code zu generieren, der direkt in Webflow eingefügt werden kann. Beide betonen die rasante Qualitätssteigerung der KI-Ergebnisse in den letzten Monaten und den intensiven Wettbewerb der Big-Tech-Unternehmen, von dem Anwender profitieren.

Das "AI in Motion" Programm: Strategischer Ansatz für nachhaltige Transformation

Das "AI in Motion" Programm bei Evonik zielte darauf ab, eine gesamte Product Line – die Active Ingredients – datengetrieben aufzustellen. Von Anfang an wurde das Programm als skalierbarer Blueprint konzipiert, um es später auf andere Unternehmensbereiche übertragen zu können. Die Kernziele waren klar definiert: Entwicklung eines skalierbaren, datengetriebenen Systems, Bereitstellung hochwertiger, strukturierter Daten als Grundlage für KI-Anwendungen und die Schaffung eines Fundaments für digitale Innovation.

Das Programm umfasste unterschiedliche Bereiche einer Product Line: Sales, Marketing, Business Development und Produktion – eine komplexe Herausforderung, all diese verschiedenen Facetten unter einen Hut zu bringen. Sven betont: "Wir wollten da ein skalierbares datengetriebenes System bauen, um datenbasierte Entscheidungen zu treffen und unser Business zu verbessern." Das Konzept von "Data Empowered und Data Driven" beschreibt dabei sowohl ein zu erreichendes Maturity Level als auch eine kontinuierliche Haltung, da externe Entwicklungen ständige Weiterentwicklung erfordern.

Die drei Dimensionen: Daten, Technologie und Menschen im Einklang

Evonik entwickelte einen dreidimensionalen Ansatz, der sich als entscheidend für den Erfolg erwies. Die erste Dimension – Daten als strategische Ressource – bildete das Fundament. Das Ziel war die Bereitstellung qualitativ hochwertiger, strukturierter und vor allem zugänglicher Daten als Grundlage für Entscheidungsfindung, Automatisierung und KI-Anwendungen. Zur Bewertung des Ist-Zustands führte das Team umfangreiche Gespräche mit allen Beteiligten und entwickelte ein Scoreboard mit Bewertungskriterien von 1 bis 5, um daraus Zielwerte abzuleiten.

Die zweite Dimension – Technologie als Enabler – sollte die Wertschöpfung aus den Daten möglich machen. Eine Analyse offenbarte fast 50 Tools allein in dieser Product Line, was das Team zur Erkenntnis führte, dass dies nicht effektiv sein konnte. Die zentrale Frage war: Welche Tools werden wirklich genutzt, sind sie sinnvoll für die jeweiligen Prozesse, und sind sie zukunftsfähig? Die Lösung war der Aufbau einer zentralen Datenplattform in der Cloud nach dem Hub-and-Spoke-Modell, die alle wichtigen Daten täglich aktualisiert bereitstellt.

Die dritte Dimension – Menschen als entscheidender Erfolgsfaktor – erwies sich als die wichtigste. Sven beschreibt die Ausgangssituation als "unfassbar divers": Von Early Adopters, die begeistert auf den Zug aufsprangen, bis zu Late Adopters, die sich mit "Das mache ich nicht, ich mache das so, wie ich das schon 20 Jahre gemacht habe" zunächst verweigerten. Die Erkenntnis: "Die Menschen, die das am Ende auch nutzen sollen, sind der entscheidende Erfolgsfaktor für eine Transformation."

"Die Menschen, die das am Ende auch nutzen sollen, sind der entscheidende Erfolgsfaktor für eine Transformation. Wir konnten die beste digitale Lösung bauen mit dem besten Datastack dahinter – wenn das keiner anwendet am Ende, bringt es einem wirklich eigentlich gar nichts."

Vom Stillstand zur Digital Use Case Factory

Eine brutale Erkenntnis kam früh: "Wir sind nicht richtig vom Fleck gekommen." Trotz umfangreicher technischer Entwicklung nutzten die Menschen die Lösungen nicht. Die Analyse zeigte: Das Team hatte zu wenig mit den künftigen Nutzern gesprochen, deren Pain Points nicht richtig erkannt und zu wenig kommuniziert. Ein weiteres Problem war die Angst vor Arbeitsplatzverlusten durch KI. Sven vertritt hierzu eine klare Position: "Ich glaube, dass sich Arbeitsplätze massiv ändern werden, aber ich glaube, dass eher mehr entstehen durch künstliche Intelligenz."

Die Lösung war ein umfassendes Change-Management-Programm mit mehreren Säulen: Selbst erstellte und eingekaufte Schulungsangebote zur Datenkompetenz auf allen Ebenen, Upskilling-Programme für Weiterbildung, die Etablierung crossfunktionaler Teams, um den tatsächlichen Need der internen Kunden zu verstehen, sowie Community-Building durch monatliche Meetings. In diesen Meetings präsentierten Use Case Owner ihre Lösungen, was zu einer selbsttragenden Dynamik führte, bei der Lösungen auf andere Use Cases übertragen wurden. Zusätzlich wurden Ambassadoren aufgebaut, die als Early Adopters das Thema in ihren Bereichen weitertrugen.

Nach etwa zweieinhalb Jahren stand das Fundament. Die zentrale Datenplattform erwies sich als Game Changer. Vorher waren Daten in Silos gefangen, Mitarbeiter hatten keinen Zugang zu relevanten Informationen. Mit der Plattform, dem durchdachten Datenkonzept und der Data Governance mit klaren Access Rights kam das System ins Rollen. Sven betont: "Daten allein schaffen keinen Wert, aber die richtige Nutzung schon." Darauf aufbauend entstand ein Prozess, um digitale Use Cases "wie am Fließband" zu entwickeln – die Digital Use Case Factory.

Erfolgreiche Use Cases: Vom Kundenservice bis zur Prozessoptimierung

Der Expertise Accelerator adressierte ein klassisches Problem großer Konzerne: fehlender "One Voice to the Customer". Bisher hatte jeder Sales-Mitarbeiter seine eigenen Ansprechpartner in der Chemie-Expertise und gab Kundenantworten in eigenen Worten weiter. Die Lösung war eine Wissensdatenbank, die mit Expertise aus Labors und Produktionsbetrieben gefüttert wurde. Das System lernt stetig aus neuen Kundenanfragen und verbessert so die Produktentwicklung. Nach der Einführung von Gen-AI wurde die bereits exzellente Datenbasis genutzt, um KI-gestützte Antworten zu generieren – trotz anfänglicher Halluzinationen mit dem Ergebnis massiv verbesserter, hochqualitativer Kundenantworten.

Ein spektakulärer Erfolg war die Optimierung eines chemischen Produktionsprozesses mit den Zielen Kostensenkung, Outputsteigerung und Nachhaltigkeitsverbesserung. Bei einer Anlage, die 50.000 bis 60.000 Tonnen Produkt pro Jahr herstellt, wurde ein Digital Twin des Prozesses erstellt. Durch den Einsatz von Machine Learning Modellen und Simulationen – nicht Gen-AI, sondern etabliertere KI-Technologien – wurde der Prozess in Zusammenarbeit von Mensch und Maschine optimiert. Ein Cockpit mit definierten KPIs ermöglichte die tägliche Überwachung der Prozessqualität.

Die Ergebnisse sind bis heute beeindruckend: Einsparungen im siebenstelligen Bereich pro Jahr, zusätzliche Umsatzsteigerungen im siebenstelligen Bereich und eine CO2-Reduktion um 25 Kilotonnen pro Jahr. Ein dritter Use Case, der Customer X-Ray, bietet einen 360-Grad-Röntgenblick auf Kunden. Alle Daten, Informationen und Produkte eines Kunden werden auf einen Blick dargestellt – nicht nur für Sales-Mitarbeiter wertvoll, sondern auch für Produktentwicklung, Forschung und Innovation, um zu erkennen, wohin sich Produkte entwickeln müssen, um wettbewerbsfähig zu bleiben.

"Wir haben Einsparungen im siebenstelligen Bereich pro Jahr erzielen können, zusätzlich den Umsatz im siebenstelligen Bereich erhöhen können und zusätzlich den CO2-Ausstoß um 25 Kilotonnen pro Jahr reduzieren können."

Skalierung und Zukunftsaussichten: Der Blueprint bewährt sich

Das Programm hat mittlerweile weit über 50 Use Cases hervorgebracht. Zwischenzeitlich hatte sich das Team vorgenommen, einen Use Case pro Monat zu entwickeln und in den Produktivbetrieb zu bringen – ein Ziel, das erreicht wurde und das Team in der Richtigkeit des Ansatzes bestärkte. Sven betont: "Zu 90 Prozent ist unser Konzept absolut skalierbar, und wir haben das auch schon erfolgreich auf andere Bereiche übertragen." Der Blueprint wurde erfolgreich von einer Product Line auf eine gesamte Business Line ausgeweitet.

Die Investition in den Aufbau dieser drei Dimensionen – Daten, Technologie und Menschen – zahlt sich langfristig aus. Sven beobachtet in Gesprächen mit Mitarbeitern und Menschen aus anderen Unternehmen, dass dieser ganzheitliche Ansatz Sinn macht und weitere Investitionen rechtfertigt. Die Chemiebranche bietet noch enormes Potenzial für weitere KI-Anwendungen. Wichtig ist das kontinuierliche Commitment und die Bereitschaft zur Weiterentwicklung, denn wie bereits dargelegt: Ein endgültiger Zielzustand existiert nicht bei der rasanten externen Entwicklung.

Ein besonderer Erfolg ist, dass sich Jobprofile durch die Automatisierung repetitiver Aufgaben positiv verändert haben. Mitarbeiter konnten sich auf wertschöpfendere Tätigkeiten konzentrieren: bessere Datenstrukturierung, fundierte Analysen und qualifizierte Entscheidungen. Das generierte deutlich mehr Mehrwert als zuvor. Die anfängliche Sorge vor Arbeitsplatzverlusten wandelte sich in die Erkenntnis, dass KI vor allem ungeliebte Workflows übernimmt und Kapazität für anspruchsvollere, erfüllendere Aufgaben schafft – in Bereichen wie Datenanalyse, Textarbeit, Prozessentwicklung und in der gesamten Chemiebranche.

Kernaussagen

Daten als Fundament — "Wir haben gemerkt, dass Daten allein keinen Wert schaffen, aber die richtige Nutzung schon. Das war so ein Schlüsselsatz, der uns wirklich geprägt hat." Datenqualität, Datenplattform, Wertschöpfung
Menschen als Erfolgsfaktor — "Die Menschen, die das am Ende auch nutzen sollen, sind der entscheidende Erfolgsfaktor für eine Transformation. Wir konnten die beste digitale Lösung bauen mit dem besten Datastack dahinter – wenn das keiner anwendet am Ende, bringt es einem wirklich eigentlich gar nichts." Change Management, Adoption, Befähigung
Messbare Ergebnisse — "Wir haben Einsparungen im siebenstelligen Bereich pro Jahr erzielen können, zusätzlich den Umsatz im siebenstelligen Bereich erhöhen können und zusätzlich den CO2-Ausstoß um 25 Kilotonnen pro Jahr reduzieren können." ROI, Nachhaltigkeit, Skalierung
Ehrliche Reflexion — "Wir sind nicht richtig vom Fleck gekommen. Wir haben viel gemacht, viel technisch entwickelt, haben aber dann irgendwann gemerkt: Wir erzielen den Outcome nicht und die Menschen nutzen unsere Lösungen nicht." Nutzerzentrierung, Lessons Learned
Skalierbarer Blueprint — "Zu 90 Prozent ist unser Konzept absolut skalierbar, und wir haben das auch schon erfolgreich auf andere Bereiche übertragen – von einer Product Line auf eine gesamte Business Line." Skalierbarkeit, Blueprint, Übertragbarkeit

Fazit und Takeaways

Für Führungskräfte und Entscheider

Ganzheitlicher Ansatz ist unverzichtbar: Erfolgreiche KI-Transformation erfordert die gleichzeitige Berücksichtigung von Daten, Technologie und Menschen – keine Dimension darf vernachlässigt werden
Blueprint-Denken von Anfang an: Programme sollten von Beginn an als skalierbare Blaupausen konzipiert werden, um effiziente Übertragung auf andere Unternehmensbereiche zu ermöglichen
Realistische Zeitplanung: Der Aufbau eines tragfähigen Fundaments benötigt Zeit – bei Evonik etwa zweieinhalb Jahre bis zur funktionierenden Digital Use Case Factory
Business Case durch konkrete Ergebnisse: Siebenstellige Einsparungen und Umsatzsteigerungen plus 25 Kilotonnen CO2-Reduktion pro Jahr zeigen den messbaren Mehrwert des Investments

Für Daten- und Technologie-Verantwortliche

Zentrale Datenplattform als Game Changer: Das Hub-and-Spoke-Modell mit täglicher Aktualisierung aller wichtigen Daten schafft die notwendige Grundlage für erfolgreiche KI-Anwendungen
Datensilos systematisch aufbrechen: Transparenz und Zugänglichkeit von Daten sind fundamentale Voraussetzungen – ohne Access Rights kein datengetriebenes Arbeiten
Tool-Landschaft kritisch hinterfragen: Selbst 50 Tools in einer Product Line können ineffizient sein – Konsolidierung und Fokus auf zukunftsfähige, integrierte Lösungen zahlt sich aus
Qualität vor Geschwindigkeit: Strukturierte, hochwertige Daten sind wichtiger als schnelle, aber unausgereifte KI-Implementierungen – das Fundament muss stimmen

Für Change Manager und HR

Change Management ist kein Nice-to-have: Ohne umfassende Befähigung, Kommunikation und Community-Building bleiben selbst beste technische Lösungen ungenutzt
Diverse Ausgangssituation akzeptieren: Von Early Adopters bis Late Adopters – alle Mitarbeitergruppen benötigen spezifische Ansprache und Unterstützung
Ambassadoren-Programm etablieren: Frühe Anwender als Multiplikatoren in ihren Bereichen schaffen organische Akzeptanz und Verbreitung
Ängste ernst nehmen und adressieren: Transparente Kommunikation über Jobprofile-Veränderung statt -Verlust schafft Vertrauen und Offenheit für Neues
Use Case Owner präsentieren lassen: Monatliche Meetings, in denen Erfolge geteilt werden, schaffen selbsttragende Dynamik und fördern Wissenstransfer

Für Projektteams und Praktiker

Interne Kunden von Anfang an einbeziehen: Pain Points und tatsächlichen Need verstehen statt im stillen Kämmerlein Lösungen entwickeln, die niemand braucht
Iterativ vorgehen und lernen: Evoniks Erfahrung zeigt – anfängliche Rückschläge sind normal und wertvoll für die Kursjustierung
Use Case Factory als Ziel: Ein etablierter Prozess ermöglicht die Entwicklung eines Use Cases pro Monat – systematisch und skalierbar
Erfolge messbar machen: KPIs und Dashboards wie beim Produktionsprozess-Cockpit schaffen Transparenz und zeigen kontinuierlich den Fortschritt

Die Episode macht deutlich: KI ist ein Katalysator für umfassende Digitalisierung, aber kein Selbstläufer. Der Erfolg liegt im Zusammenspiel von exzellenter Datenbasis, intelligenter Technologie und vor allem befähigten, motivierten Menschen. Unternehmen, die bereit sind, in alle drei Dimensionen zu investieren und den langen Atem für den Aufbau eines tragfähigen Fundaments mitbringen, können beeindruckende Ergebnisse erzielen – von Effizienzsteigerung über Umsatzwachstum bis zu signifikanten Nachhaltigkeitsverbesserungen.