Wie die BMW Group mit generativer KI ihre geschäftliche Resilienz fördert

Matthias Patzak:
Willkommen beim Executive Insight Podcast, präsentiert von AWS. Ich bin Matthias Patzak. Ich bin Unternehmensstratege bei AWS.

Ich freue mich, Marco Gorgmaier, Vice President, Enterprise Platforms and Services Data Artificial Intelligence bei der BMW Group, begrüßen zu dürfen. Marco, danke, dass Sie bei uns waren.

Marco Gorgmaier:
Danke, dass ich dabei sein durfte.

Matthias Patzak:
Willkommen beim Executive Insight Podcast, präsentiert von AWS. Mein Name ist Matthias Patzak. Ich bin Unternehmensstratege bei AWS und freue mich, heute Marco bei mir zu haben.

Marco Gorgmaier:
Hallo, Matthias. Vielen Dank, dass ich hier sein durfte.

Matthias Patzak:
Marco, herzlich willkommen im Podcast. Marco Gorgmaier ist Vice President, Enterprise Platforms and Services, Data Artificial Intelligence bei der BMW Group. Marco, könnten Sie sich kurz vorstellen und uns etwas mehr über Ihre Rolle bei der BMW Group und Ihren Aufgaben erzählen?

Marco Gorgmaier:
Ja, das mache ich sehr gerne. Mit unserer globalen Plattformorganisation sind wir eine sehr wichtige Organisation für die Einführung und Skalierung von KI im gesamten Unternehmen, und das Plattform-Ökosystem, das wir den Teams zur Verfügung stellen, ist im Grunde die Basis dafür. Wir legen großen Wert auf Weiterbildung, stellen sicher, dass alle Mitarbeiter unser Ökosystem kennen, die damit verbundenen Effizienzsteigerungen erkennen und es in die Organisation integrieren.

Matthias Patzak:
Es handelt sich nicht nur um eine einzelne Plattform, also nicht nur eine einzige Plattform für datengenerative KI. Es handelt sich um mehrere Unternehmensplattformen.

Marco Gorgmaier:
Ja, genau. Es sind eigentlich mehrere Plattform-Stacks. Ein wichtiger Teil sind natürlich ERP-Plattformen und SAP-Plattformen. Dann haben wir unseren Cloud-Stack, in dem wir unsere Anwendungen entwickeln, selbst entwickelte Anwendungen, die wir als Standard-Cloud-Plattform bezeichnen und die wir dort in großem Umfang auf verwaltete Services zurückgreifen. Dann haben wir noch unsere Daten- und KI-Plattform, die sehr stark zusammenwächst.

Wir haben diesen Weg 2017 mit dem Cloud-Daten-Bereich begonnen. Zu diesem Zeitpunkt haben wir dafür gesorgt, dass alle Daten auf einer Plattform zusammengeführt werden. Deshalb haben wir die Datenaufnahme für alle Systeme unserer Systeme in unserer Landschaft entwickelt. Wir haben damals eine Organisation mit dem Namen Büro für Datentransformation gegründet, in der wir auch neue Rollen im Unternehmen eingeführt haben. So hatten wir Funktionen für Datenmanagement und Verwaltung in der Wirtschaft, Datenverwalter, die über das Fachwissen und das Prozesswissen aus betriebswirtschaftlicher Sicht verfügen, um die Semantik der Daten zu kontrollieren. Und dann natürlich unsere technische Organisation, also Datentechniker in unseren globalen Zentren. Wir sind wirklich auf der ganzen Welt verteilt, genauer gesagt in den USA, Deutschland und natürlich in unserem Hauptsitz sowie in Softwareentwicklungszentren in Indien, in Portugal und in Südafrika. Wir sind also eine sehr globale Organisation. Wir haben unsere Datentechnik-Teams zusammengestellt und dann dazu beigetragen, die Integration unserer vorhandenen Landschaft erheblich zu beschleunigen.

Matthias Patzak:
Wie groß ist Ihre Plattformorganisation ungefähr?

Marco Gorgmaier:
Weltweit sind es mehr als 1 000 Menschen, einschließlich der Zentren.

Matthias Patzak:
Ihre Organisation, Ihre Plattformorganisation?

Marco Gorgmaier:
Ja.

Matthias Patzak:
Beeindruckend.

Marco Gorgmaier:
Es ist eine ziemlich große Organisation, aber was sie wirklich ausmacht, ist die Plattform für das gesamte Unternehmen und die Gesamtheit unserer Ingenieure in der Gruppe.

Matthias Patzak:
„Plattform“ ist in der Community ein weit verbreiteter Begriff. In der neuesten Dora-Forschung… „Plattform“ ist also ein weit verbreiteter Begriff. Im neuesten Dora-Forschungsbericht zu DevOps gaben 84 % der befragten Unternehmen an, eine Plattform aus einer breiteren Perspektive zu nutzen. Der Begriff ist jedoch nicht wirklich klar definiert. Was ist aus Ihrer Sicht eine Plattform und was macht eine Plattform erfolgreich?

Marco Gorgmaier:
Nun, ich denke für uns, und vielleicht fange ich damit an… Denn es hängt wirklich auch von der Plattform ab, aber beginnend mit unserer Standard-Cloud-Plattform sagen wir, dass es sich wirklich um eine Plattform handelt, auf der wir die Entwicklung, Bereitstellung und natürlich Verwaltung unserer Anwendungen und alles, was Sie dazu brauchen, sicherstellen können. Sie möchten Skalierbarkeit und Effizienz haben. Ich denke also, dass dies weitgehend die Standarddefinition ist, die man überall findet.

Ich finde jedoch, dass es wirklich wichtig ist, und auch die Frage zu stellen, was bei der BMW Group keine Plattform ist. Ich denke, das Wichtigste ist, dass wir die Besonderheiten, die wir haben, wirklich einbeziehen. Jedes große Unternehmen hat seine Besonderheiten, spezifischen Richtlinien und Besonderheiten in Bezug auf ihre Netzwerkeinrichtung. Also all das. Das ist etwas, das wir unabdinglich auf unseren Plattformen implementieren, weil es den Onboarding-Prozess für alle neuen Teams, die die Plattformen nutzen, enorm beschleunigt. Das macht die Nutzung der Plattformen auch attraktiv, denn wenn man zum Beispiel alle Governance-Anforderungen bereits erfüllt hat und sie abgehakt werden können, dann ist man gerne bereit, die Plattform zu nutzen.

Matthias Patzak:
Wie viele Nutzer haben Sie auf Ihren Plattformen, also wie viele Techniker oder Teams?

Marco Gorgmaier:
Die Anzahl der Techniker liegt also tatsächlich bei über 10 000 Technikern im gesamten Plattform-Stack, die unsere verschiedenen Plattformen verwenden. Und was unsere Daten- und KI-Ökosysteme betrifft, nutzen rund 40 000 Benutzer diese Plattform, da es dort natürlich auch viele Geschäftsanwender gibt. Wir haben also eine beachtliche Größe im Unternehmen.

Matthias Patzak:
Sie sind also zu einer wirklich großen Softwareentwicklungs- und Technologieorganisation herangewachsen?

Marco Gorgmaier:
Ja, das kann man definitiv sagen. Ich denke, der entscheidende Faktor war der Aufbau unserer Softwareentwicklungszentren. Das war eine massive Insourcing-Initiative, bei der wir in den letzten Jahren Entwicklungsteams aufgebaut haben. Wir wachsen weiter und haben erst kürzlich zwei neue Zentren in Rumänien und Indien eröffnet. Ich denke also, dass wir weiter wachsen werden.

Matthias Patzak:
Cool. Welche Services bietet Ihre Plattform im Zusammenhang mit Daten und generativer KI an?

Marco Gorgmaier:
Es handelt sich um ein sehr breites Spektrum an Services. Natürlich alles rund um Datenmanagement, Datenanalytik, den gesamten Governance-Teil für Daten und KI, zum Beispiel mit dem UEI-Gesetz oder anderen Gesetzen. Ich meine, das ist natürlich eine sehr wichtige Sache für uns. Wir müssen die Vorschriften einhalten, und angesichts der gesetzlichen Vorschriften für Autos gilt das umso mehr. Wir müssen ganz sicher sein, dass wir alle Governance-Anforderungen erfüllen.

Matthias Patzak:
Sie haben diese staatliche Anforderung also in die Plattform-Services integriert?

Marco Gorgmaier:
Das sehe ich auch so.

Matthias Patzak:
Damit die Benutzer der Plattform Ihren Service einfach, effizient und stressfrei nutzen können, insbesondere aus regulatorischer und sicherheitstechnischer Sicht.

Marco Gorgmaier:
Ja, genau. Sie werden also angeleitet. Für unsere KI-Anwendungen verfügen wir beispielsweise über ein KI-Framework, ein Governance-Framework, in dem Sie durch die Risikobewertung geführt werden, und dann natürlich durch die Dokumentation. Darüber hinaus verfügen wir über die Entwicklung von KI-Modellen und allem, was damit zusammenhängt, sowie die Services, die Sie benötigen. Wir haben einige ziemlich coole Anwendungsfälle in unseren Werken, wo wir auch Qualitätsprüfungen an den Autos durchführen, also auf Spaltmaße, Kratzer und all das. Und dann kam natürlich generative KI ins Spiel, also haben wir auch eine Self-Service-Plattform für generative KI. Diese haben wir gerade eingeführt und richten uns damit auch an alle unsere Geschäftsanwender. Bei der BMW Group nennen wir das „Group AI Assistant“. Die Idee dahinter ist, dass ich einfache Self-Service-Anwendungen, Generative-KI-Anwendungen für meine tägliche Arbeit erstellen kann.

Matthias Patzak:
Cool. Was ich bei vielen Organisationen sehe, ist, dass sie Plattformen bauen. Der Zweck dieser Plattformen ist jedoch meist technischer Natur. Meistens geht es darum, effizienter oder kostengünstiger zu werden, aber nur selten unterstützen sie das Geschäft wirklich. Könnten Sie uns aus der Perspektive der datengenerierenden KI etwas über die aktuelle Geschäftsstrategie der BMW Group in Bezug auf Daten und generative KI erzählen?

Marco Gorgmaier:
Ja, sehr gerne. Ich denke, das, was Sie angesprochen haben, ist ein sehr wichtiger Punkt. Wir versuchen immer sicherzustellen, dass… Weil, ich meine, jeder Plattformanbieter liebt Technologie, also lieben sie es, Plattformen und Funktionen zu entwickeln. Deshalb halte ich es für wichtig, Business und IT frühzeitig aufeinander abzustimmen. Das haben wir auch aus organisatorischer Sicht sichergestellt. Wie ich bereits erwähnt habe, haben wir zu Beginn des Projekts mit unserem Büro für Datentransformation sicher gestellt, dass beispielsweise jede Komponente, so nennen wir unsere Datensätze, für die Datenanalyse vorbereitet ist. Wir haben dafür gesorgt, dass wir immer einen Geschäftsinhaber haben, also den Datenverwalter und die technische Seite. So begannen wir mit der Datenverarbeitung im Cloud-Daten-Bereich.

Nun machen wir dasselbe für generative KI. Wir gehen also eher vom Anwendungsfall aus und sagen: „Okay, was ist eigentlich das Ziel, das ich aus geschäftlicher Sicht erreichen möchte?“ Ich möchte die Qualität in den Produktionsprozessen sicherstellen und dann schaue ich, okay, welche Technologie kann ich dafür einsetzen? Welche Daten benötige ich dann dafür?

Ich denke, was jetzt auch bei generativer KI neu ist, und speziell in Bezug auf Agenten, ist, dass wir tatsächlich die nächste Welle kommen sehen. Wir haben die Daten jetzt im CDH erfasst, aber jetzt benötigen Sie Transaktionszugriff auf alle Anwendungen in unserer Landschaft. Wie Sie sich vorstellen können, verfügen wir über eine riesige Anwendungslandschaft, die von älteren Anwendungen bis hin zu hochmodernen cloudnativen Entwickleranwendungen sowie Standardanwendungen reicht. So haben Sie alles in Ihrem Stapel. Jetzt müssen Sie sicherstellen, dass Sie mit den Rechten und Rollen des jeweiligen Benutzers auf alle diese Systeme zugreifen können, um das volle Potenzial der Agenten auszuschöpfen. Daher halte ich es für entscheidend, das Unternehmen und seine Prozesse sowie das Hauptwissen von Anfang an einzubeziehen.

Matthias Patzak:
Ich war sehr beeindruckt von der Anzahl der Softwareentwickler in Ihren Plattformteams und die Anzahl der Entwickler in den Anwenderteams. Könnten Sie weitere Zahlen und Fakten, insbesondere zu Daten, mit uns teilen? Ich habe also keine Ahnung, welche Art von Daten Sie an einem einzigen Tag oder pro Minute erstellen und wie viele Daten Sie erstellen. Oder um welche Art von Daten es sich handelt?

Marco Gorgmaier:
Wie gesagt, es handelt sich um alle Systeme, es handelt sich um ERP-Systeme, SAP-Systeme, es handelt sich um selbst entwickelte Anwendungen. Und ich denke, im Cloud-Daten-Bereich haben wir 14 000 S3-Buckets. Wir verwalten mehr als 7 000 Datensätze und unterstützen mehr als 1 500 Anwendungsfälle. Es handelt sich also um eine große Anzahl, die wir derzeit unterstützen.

Matthias Patzak:
Ja, klingt sehr interessant. Woher wissen Sie, ob Ihre Plattformen von den internen Anwendern angenommen werden? Ist die Nutzung Ihrer Plattform verpflichtend oder gibt es einen Anreiz?

Marco Gorgmaier:
Ja, natürlich. Das ist immer die große Herausforderung in einem Unternehmen, wenn man Plattformen nutzt. Man muss einfach einen Kompromiss zwischen Standardisierung und Effizienz eingehen. Das ist es, was man sich aus Unternehmenssicht natürlich wünscht. Auf der anderen Seite braucht und wünscht man sich auch Freiheit in einem Unternehmen, weil man Raum für Innovationen und Raum zum Experimentieren haben möchte.

Ich denke, es ist eine wichtige Herausforderung, hier das richtige Gleichgewicht zu finden. Es ist ein ständiger Prozess. Es ist nie etwas, dass man auf einfache Weise erreicht. Man muss immer den nächsten Schritt gehen. Die andere große Herausforderung für ein Plattformteam besteht meiner Meinung nach darin, sicherzustellen, dass man nicht zum Engpass wird, insbesondere wenn man diese Kompromisse betrachtet. Was wir versuchen, ist eine obligatorische Nutzung der Plattformen, die klar definiert ist. Wie ich bereits erwähnt habe, tun wir das auch aus Sicht der Unternehmensführung.

Das ist ein Teil, aber ich denke, der Hauptgrund ist, und das ist dasselbe, was Sie auf einem Markt erleben, dass der Gewinner die ganze Dynamik für sich beansprucht. Wenn wir uns den Cloud-Daten-Bereich ansehen, gelingt uns das sehr gut, weil die Leute irgendwann merken: „Okay, da ist schon viel vorhanden, es gibt schon viele kuratierte Datensätze. Ich kann das mit anderen Daten kombinieren, dass es absolut Sinn macht, damit eine Verbindung herzustellen.“ Wir haben Standardkonnektoren für die Aufnahme bereitgestellt, gute Qualität für das Aufnahme-Framework. All das hat irgendwann dazu geführt, dass der Prozess sehr zentral wurde. Dies verschafft uns nun auch einen Vorsprung für unsere KI-Plattform, bei der wir im Grunde dasselbe gemacht haben. Wir haben jetzt eine gute Basis und können auch in dieser Hinsicht skalieren.

Matthias Patzak:
Ein Problem bei Datenplattformen, das ich häufig beobachte, ist, dass sie viele Daten speichern. Vielleicht haben Sie schon einmal den Begriff „Daten sind das neue Öl“ gehört, und dann begann jeder, alle möglichen Daten zu sammeln. Wie stellen Sie aber sicher, dass Sie nur die notwendigen Daten speichern?

Marco Gorgmaier:
Ich denke, das ist eine große Herausforderung. Als Automobilunternehmen legen wir großen Wert auf Effizienz. Deshalb versuchen wir natürlich auch, die Kosten im Griff zu behalten. Und wenn man, wie Sie sagten, einfach beliebige Daten speichert, ist das sehr kostenintensiv. Dies gilt umso mehr, wenn wir uns jetzt mit generativer KI und unstrukturierten Daten befassen. Deshalb versuchen wir, ein sehr striktes Lebenszyklusmanagement zu implementieren. Bei Datensätzen, die nicht verwendet werden, erhalten wir Benachrichtigungen und irgendwann löschen wir diese Datensätze sogar. Zuerst archivieren wir sie, und dann werden sie wirklich gelöscht, da sonst die Kosten explodieren würden.

Der andere Teil befindet sich in unserem Daten- und KI-Portal. Wir verknüpfen Anwendungsfälle immer mit den Datenbeständen. Es gibt also eine klare Abfolge bis hin zu den nachgelagerten Systemen, aber auch, wer die Datensätze in welchen Anwendungsfällen nutzt und ob diese Anwendungsfälle aktiv verwaltet werden. Das ist also innerhalb unseres Portals eigentlich die Grundlage, auf der wir über alle Statistiken verfügen, mit denen wir die Daten verwalten können. Wenn Sie einen neuen Anwendungsfall hinzufügen, können Sie natürlich auch festlegen, dass für Ihren Anwendungsfall neue Quellsysteme mit neuen Daten hinzugefügt werden müssen.

Matthias Patzak:
Für viele Unternehmen ist es eine echte Herausforderung, Talente im Datenbereich zu gewinnen, da dieser hart umkämpft ist und eine Menge Spezialisierung erforderlich ist. Wie zieht man Talente an?

Marco Gorgmaier:
Ich denke, ein wichtiger Faktor ist natürlich die Marke. Die BMW Group hat eine sehr starke Marke, und das ist definitiv hilfreich. Das ist also ein Aspekt. Ein weiterer Aspekt ist, und das habe ich bereits erwähnt, dass es meiner Meinung nach sehr wichtig war, dass wir unseren Talent-Pool global aufgebaut haben, um nicht nur von einem Markt oder unserem Hauptsitz abhängig zu sein, sondern um Talente weltweit zu nutzen. Das war ein sehr wichtiger Schritt für uns, um die richtigen Talente zu finden. Ich glaube, es wird viel über Datenwissenschaftler diskutiert, und natürlich sind sie sehr wichtig. Wir haben jedoch festgestellt, dass es ebenso wichtig ist, Datentechnikteams zu haben, denn wenn die Quellsysteme nicht auf zuverlässige und stabile Weise miteinander verbunden sind, dann gibt es nichts, was die Datenwissenschaftler untersuchen könnten.

Matthias Patzak:
Es gibt jetzt eine Umfrage von Wavestone unter New-Vantage-Partnern zum Thema Big Data. Aus ihrer Sicht und anhand ihrer Servicedaten zeigt sich, dass das größte Problem bei der geschäftlichen Nutzung von Daten die Unternehmenskultur ist, nicht die Technologie. Was ist Ihre Meinung dazu?

Marco Gorgmaier:
Ich glaube, es stimmt. Ja. Es passt sehr gut zu meiner Beobachtung. Ich denke, das ist etwas, das von der Führungsebene ausgeht. Es ist wirklich entscheidend, dass – na ja, ich mag den Begriff „Datenmentalität“ oder „datengesteuertes Unternehmen“ nicht zu sehr. Ich denke, wir sind immer noch ein sehr produktorientiertes Unternehmen. Dennoch ist es sehr wichtig, eine Denkweise zu entwickeln, die darauf abzielt, dass jede Entscheidung und alles, was Sie tun, durch Daten gestützt werden muss. Und ich denke, das ist etwas, das wir in den letzten Jahren wirklich entwickelt haben, und das braucht Zeit. Man muss also früh mit seinem Weg beginnen.

Auf der anderen Seite bieten wir unseren Mitarbeitern viele Möglichkeiten. Das ist meiner Meinung nach entscheidend. Wir müssen Trainings durchführen und ihnen die Angst nehmen. Ich denke, das gilt jetzt auch für KI. Man muss den Menschen ein Umfeld bieten, in dem sie experimentieren und ausprobieren können, in dem sie sich sicher fühlen. Das versuchen wir einerseits mit unseren kaufmännischen Mitarbeitern und andererseits natürlich mit unserer technischen Organisation. So gibt es beispielsweise in allen unseren Bereichen sogenannte Plattform-Akademien. Dort erfolgt das Onboarding in allen Einzelheiten, und wir arbeiten in dieser Hinsicht auch sehr eng mit AWS für unseren Cloud-Stack zusammen.

Matthias Patzak:
Interessant. Was ich oft beobachte, ist, dass genau das fehlt: die Plattformen entwickeln Services, investieren aber nicht wirklich in die Befähigung und Schulung der Benutzer der Plattformservices und insbesondere der Geschäftsanwender, die auf der Grundlage der Daten Maßnahmen ergreifen sollten. Und aus diesem Grund gelingt es vielen Unternehmen nicht, alle Investitionen in Daten wirklich zu nutzen.

Matthias Patzak:
Würde es Ihnen etwas ausmachen, einige Innovationen und Anwendungsfälle zu teilen, an denen die BMW Group derzeit arbeitet?

Marco Gorgmaier:
Ich freue mich sehr, einige der Anwendungsfälle mit Ihnen zu teilen, und ich denke, einige davon sind sehr typische JNI-Anwendungsfälle. Also haben wir gerade einen Ausschreibungsassistenten eingeführt für… Wenn wir mit externen Partnern zusammenarbeiten, führen wir normalerweise Ausschreibungen durch. Um diese Dokumente auf eine sehr standardisierte Art und Weise zu verfassen, haben wir einen kleinen JNI-Service entwickelt, der Sie durch den gesamten Vorgang führt und sicherstellt, dass alle richtigen juristischen Absätze darin enthalten sind. Das mag zwar einfach klingen, bringt aber eine Menge Prozesseffizienz in diesen Prozess. Genauso verhält es sich mit der Erstellung von Marketingtexten. Ich denke, es sind typische Anwendungsfälle, in denen wir derzeit die Leistungsfähigkeit der generativen KI sehen. Viele dieser Anwendungsfälle sind bereits vorhanden. Ein weiterer Anwendungsfall, den wir gerade einführen, ist die Nutzung generativer KI durch unsere CIC-Agenten, also die Agenten im Kundeninteraktionszentrums, um die richtigen Antworten zu geben.

Dasselbe ist bereits auf unserer Website und in unserer MyBMW-App auf Ihrem Smartphone implementiert. Im nächsten Schritt werden wir dies auch in Ihren intelligenten persönlichen Assistenten im Auto integrieren. Ich denke, das ist ein großartiges Beispiel dafür, wie Plattformen funktionieren. Sie entwickeln einen Service einmal und können ihn dann in verschiedenen Kontexten wiederverwenden, indem Sie die technischen Bausteine für Services wiederverwenden. Ich denke, das ist ein ziemlich cooler Anwendungsfall, der die Qualität unserer-

Matthias Patzak:
Ja, in der Tat.

Marco Gorgmaier:
…unserer Services für die Kunden wirklich steigert. Darüber hinaus arbeiten wir derzeit gemeinsam mit AWS an einem Anwendungsfall für das kontinuierliche Vortraining von Basismodellen, bei dem wir die Modellspezifikationen von BMW einbeziehen. Das ist wichtig, denn wenn man sehr kurze Antwortzeiten haben möchte. Rack ist in diesem Fall nicht geeignet. Und ich denke, das wird spannend, und das ist dann wichtig, um Implementierungen vorzunehmen, zum Beispiel im Auto und in anderen Kontexten.

Matthias Patzak:
Es scheint sich um eine sehr große Organisation zu handeln, die stark verteilt ist und deren Anwendungsfälle in völlig unterschiedlichen Bereichen liegen. Sie haben gerade Legal Tech, Market Tech und Customer Service Tech erwähnt. Ich frage mich wirklich, wie ausfallsicher dieses stark verteilte System ist. Wie richten Sie also Ihre Organisationsarchitektur so ein, dass sie ausfallsicher ist?

Marco Gorgmaier:
Ja, also ich glaube, es ist tatsächlich… Es erstreckt sich über viele Prozesse. Ja, das ist eine absolut richtige Feststellung. Von der Produktionslogistik bis zum Vertrieb der Kundenmarken decken wir alle internen Prozesse ab. Das Tolle daran ist meiner Meinung nach, dass man Silos in den Prozessen tatsächlich stark auflösen kann. Das ist ein großer Vorteil, wenn einzelne Organisationen nicht nur ihren spezifischen Prozess abdecken. Die BMW Group hingegen ist zwar global gesehen eine verteilte Organisation, wird aber dennoch sehr zentral gesteuert. Daher ist es für uns einfacher, Governance und die Implementierung von Standards sicherzustellen. Das ist auf jeden Fall hilfreich, da die Organisation insgesamt nicht sehr dezentral ist.

Matthias Patzak:
Interessant. Welche Trends erwarten Sie in der Automobilindustrie und im Datenbereich? Können Sie uns etwas darüber erzählen?

Marco Gorgmaier:
Was ich also sehe und für sehr wichtig halte, ist, jetzt Agenten in einem Unternehmen einzusetzen, KI-Agenten. Es handelt sich zwar nicht um einen automobilspezifischen Trend, aber wir beobachten hier ein enormes Potenzial für weitere Effizienzsteigerungen. Ich denke, eine große Herausforderung, über die nicht viele sprechen, ist die, die ich bereits erwähnt habe: Sie müssen Ihre vorhandene Anwendungslandschaft darauf vorbereiten. Wenn Sie über moderne Anwendungen verfügen, die sich bereits in der Cloud befinden, verschafft Ihnen das natürlich einen Vorsprung.

Aber ich denke, die Realität in jedem großen Unternehmen ist, dass man immer eine Mischung aus veralteten und modernen Anwendungen hat. Was ich wirklich sehe, und da stecken wir viel Arbeit rein, ist die Aktivierung von APIs. APIs, die so beschrieben sind, dass man mit einem umfassenden Sprachmodell darauf zugreifen kann. Gibt es anwendungsübergreifende Rollen und Rechte, sodass man mit individuellen Benutzerrechten darauf zugreifen kann? Das ist ein Bereich, in den wir derzeit viel investieren. Über diese Verbindung gelangen wir zu unserer KI-Self-Service-Plattform, unserem KI-Gruppenassistenten, um dann wirklich auf Mitarbeiterebene eigenen kleinen Agenten und Anwendungsfälle zu entwickeln.

Matthias Patzak:
Um also ausfallsicherer zu werden, müssen Sie das Unternehmen und die Architekturen über eine API entkoppeln. Wäre das Ihr Rat?

Marco Gorgmaier:
Auf jeden Fall. Ich meine, Ausfallsicherheit hat natürlich viele Dimensionen, aber wenn es nicht gelingt, die Entkopplung in Gang zu bringen, wird es definitiv nicht möglich sein, sie zu skalieren.

Matthias Patzak:
Haben Sie abschließend noch einen Rat für Ihre Branchenkollegen, wie man eine ausfallsichere Datenstrategie entwickelt?

Marco Gorgmaier:
Ja, ich glaube, eine Sache ist, in Datenqualität und Metadaten zu investieren. Das ist ganz einfach, jeder kennt es, aber es ist wirklich entscheidend. Datenqualität, nicht nur in Ihren Frameworks, sondern aus technischer Sicht, vor allem aber aus Sicht der Geschäftsprozesse. Stellen Sie sicher, dass Sie bereits in den Geschäftsprozessen die richtigen Daten erhalten, da einige der Daten aus datentechnischer Sicht nicht korrigiert werden können.

Das ist eine Seite. Die andere Seite besteht darin, dass für die Aktivierung von generativer KI Metadaten erforderlich sind. Und auch hier investieren wir derzeit, um das wirklich zu steigern. Wenn es um das Zusammenspiel zwischen Daten und KI-Agenten geht, das ich bereits erwähnt habe, würde ich sagen: Investieren Sie in Ihre Landschaft, um Transaktionsmöglichkeiten und -chancen zu nutzen. Das ist also wirklich etwas, das nicht unterschätzt werden sollte und das ich für sehr wichtig halte. Dann nutzen Sie die Leistungsfähigkeit der generativen KI, um Silos aufzubrechen und die Effizienz zu steigern. Wir machen das in unserer technischen Organisation selbst, also verwenden wir es intensiv in der Softwareentwicklung. Wir verwenden es, um Aufnahmeskripte zu automatisieren und so das Potenzial zu nutzen, das Sie dabei erhalten.

Der letzte Ratschlag lautet wahrscheinlich, das richtige Gleichgewicht zwischen Entwickeln und Kaufen zu finden. Ähnlich wie bei unseren Autos geben wir unseren Kunden die Freiheit, zu entscheiden, ob sie einen Verbrennungsmotor wollen. Oder sich für ein rein batteriebetriebenes Elektrofahrzeug zu entscheiden. Oder ein Hybridfahrzeug auszuwählen. Schon jetzt wird Wasserstoff für unsere Kunden in Produktion gehen. Ich denke, das Gleiche gilt für ein Softwareunternehmen. Sie müssen entscheiden, wann der beste Zeitpunkt für den Kauf ist, wann der beste Zeitpunkt für den Aufbau eines eigenen Unternehmens ist und die Flexibilität als Unternehmen bewahren-

Matthias Patzak:
Wann würden Sie kaufen und wann würden Sie entwickeln?

Marco Gorgmaier:
Das hängt natürlich von den Kosten ab. Das ist eine Seite. Es hängt davon ab, wie wichtig die Differenzierung für Sie auf strategischer Ebene ist. Eine Beobachtung, die ich mache, betrifft Lizenzen im Kaufstapel. Sie nehmen stark zu, und ich glaube, dass es mit KI zu Konsolidierungen kommen wird, und das führt zu Preiskämpfen. Deshalb glaube ich, dass es als Unternehmen gut ist, in der Lage zu sein, etwas zu entwickeln, wenn es benötigt wird.

Matthias Patzak:
Vielen Dank, Marco. Es war mir eine Freude, Sie beim Podcast dabei zu haben. Ich habe viel dabei gelernt. Vielen Dank.

Marco Gorgmaier:
Danke, Matthias, dass Sie mich eingeladen haben. Es war mir ein Vergnügen.

Matthias Patzak:
Vielen Dank.

Jetzt anhören

Jetzt anhören

Jetzt anhören