Wie KI das Reporting von Bayer verändert: Ein Gespräch mit Philipp Ahrendt und Dr. Philipp Plank
Die Gesprächspartner:
Philipp Ahrendt, Head of Financial Modeling & Analytics im Corporate Controlling bei Bayer
Dr. Philipp Plank, Head of Enterprise Data & Analytics für Enabling Functions bei Bayer
Die Fragen stellte Birte Rutsch, Managing Consultant bei Horváth.
Bayer treibt die Transformation des Reportings mit hoher Geschwindigkeit voran. Welchen Ansatz verfolgen Sie dabei?
Ahrendt: Wenn wir über das Potenzial von Agentic AI sprechen, dann geht es nicht darum, bestehende Prozesse einfach zu automatisieren. Wir müssen vielmehr die Grundlagen neu denken. Aus unserer Sicht gibt es vier strategische Handlungsfelder, die für eine erfolgreiche Transformation entscheidend sind.
Erstens die Transformation von Prozessen und Arbeitsweisen. Das bedeutet, sich von einem „Human-first“-Ansatz zu lösen und Prozesse konsequent aus einer „AI-first“-Perspektive neu zu gestalten. Die Frage lautet nicht mehr: „Wie kann KI den Menschen unterstützen?“, sondern: „Wie kann KI den Prozess führen und der Mensch gezielt Mehrwert schaffen?“
Zweitens benötigen wir AI-ready Data & Knowledge Assets. Daten und Wissen müssen so aufgebaut sein, dass sie wiederverwendbar, zugänglich und vertrauenswürdig sind. Gleichzeitig verändert sich die Logik des Datenzugriffs – weg vom klassischen „Need to know“ hin zu einem „Need to protect“.
Drittens braucht es eine AI-fähige Technologiearchitektur. Nur eine modulare und agentenfähige Architektur ermöglicht es KI-Systemen, über Prozessgrenzen hinweg zu analysieren, zu argumentieren und zu handeln.
Und schließlich spielt die Organisation eine zentrale Rolle. Mitarbeitende benötigen neue Fähigkeiten, Governance-Strukturen müssen geschaffen und neue Formen der Zusammenarbeit etabliert werden, damit KI verantwortungsvoll und skalierbar eingesetzt werden kann.
Wie sieht Ihre Reporting-Landschaft aktuell aus und wie integrieren Sie KI?
Plank: Unser Ziel ist es, unterschiedliche Reporting-Bedürfnisse über eine gemeinsame Datenbasis zu bedienen. Das Fundament bildet dabei unser Datenhub data.one, der derzeit auf einem zentralen SAP BW System basiert.
Darauf aufbauend haben wir unsere Global Reporting Suite entwickelt, die klassische Standard-Reports und Analysis for Office umfasst. Ergänzend wurden mit Finance 360s in Power BI weitere, rollen- und nutzerspezifische Dashboards geschaffen, um einen integrierten Blick über Bereiche hinweg zu ermöglichen und Datensilos aufzubrechen.
Neu hinzu kommt die Nutzung von künstlicher Intelligenz im Reporting: Mit „InsightsNow – Talk to data.one“ ermöglichen wir zunehmend auch dialogbasierte Zugänge zu Daten und erweitern damit die klassischen Reporting- und Analyse-Mechanismen um natürliche Sprachinteraktion.
Der entscheidende Erfolgsfaktor dabei ist die konsequente Nutzung einer einheitlichen Datenbasis. Alle Anwendungen greifen auf data.one als Single Source of Truth zurück. Das schafft Konsistenz, Vertrauen und Skalierbarkeit. Für die Nutzer entsteht dadurch die Flexibilität, je nach Fragestellung zwischen standardisiertem Reporting, Self-Service-Analysen und dialogbasierten KI-Interaktionen zu wechseln.
Welche Rolle spielen dabei Datenqualität und Datenarchitektur?
Ahrendt: Sie sind der zentrale Enabler der gesamten Transformation. Aufbauend auf data.one entwickeln wir unsere Datenplattform konsequent weiter und vollziehen derzeit mit data.one NXT den Übergang von einer historisch gewachsenen, stark SAP-geprägten Landschaft hin zu einer modernen, cloudnativen Lakehouse-Architektur.
Das Ziel ist eine modulare und skalierbare Plattform, die neue Technologien wie GenAI oder Self-Service-Analytics nahtlos integrieren kann. Gleichzeitig schärfen wir den strategischen Fokus der Plattform, indem wir bestehende Komponenten gezielt modernisieren, auf geeignetere Technologien migrieren oder nicht mehr benötigte Elemente außer Betrieb nehmen.
Planck: Besonders wichtig ist dabei das Thema AI Readiness. Viele Unternehmen betrachten KI-Fähigkeit als etwas, das man später ergänzt. Unsere Erfahrung ist jedoch eine andere: AI Readiness entsteht bereits beim Aufbau der Daten.
Wenn der Empfänger von Daten nicht mehr primär ein Mensch ist, der einen Bericht liest, sondern ein KI-System, das Daten eigenständig finden, interpretieren, bewerten und nutzen muss, steigen die Anforderungen an Datenqualität, Metadaten, Governance und Kontextinformationen erheblich. Diese Anforderungen müssen von Anfang an berücksichtigt werden.
Wohin kann die Reise aus Ihrer Sicht gehen?
Ahrendt: Wir stehen noch am Anfang einer Entwicklung, die die Art und Weise, wie wir mit Daten arbeiten, grundlegend verändern wird.
Derzeit arbeiten wir daran, flexibles Ad-hoc-Querying auf Basis von GenAI bereitzustellen, um den Zugang zu Daten radikal zu vereinfachen. Ziel ist es, dass Nutzer ihre Fragen direkt in natürlicher Sprache stellen können, ohne Berichte suchen oder technische Abfragen formulieren zu müssen.
Planck: Mit „InsightsNow“ sind wir damit bereits in den Bereichen Finance, HR, Procurement und Supply Chain live. Die Lösung ist bewusst so gestaltet, dass sie über unterschiedliche Frontends hinweg funktioniert und sogar direkt in Anwendungen wie Excel genutzt werden kann.
Langfristig entwickelt sich diese Form der Dateninteraktion jedoch deutlich weiter, da wir erwarten, dass KI nicht nur Daten zugänglich macht, sondern sie auch aktiv kontextualisiert und erklärt. Der nächste Schritt sind GenAI-gestützte Datenbeschreibungen und automatische Erläuterungen, die Kennzahlen, Entwicklungen und Abweichungen unmittelbar inhaltlich einordnen. Darauf aufbauend entstehen intelligente Agenten, die nicht nur Daten abrufen, sondern eigenständig Analysen durchführen, Muster erkennen und komplexe Fragestellungen beantworten. In der weiteren Entwicklung wird daraus eine Form der proaktiven Unterstützung, bei der relevante Informationen kontextbezogen, rollenbasiert und situationsabhängig direkt bereitgestellt werden, ohne dass der Nutzer aktiv danach suchen muss.
Ahrendt: Damit verschiebt sich das Reporting-Paradigma grundlegend von der reaktiven Datenabfrage hin zu agentenbasierten Workflows, in denen strukturierte und unstrukturierte Daten kombiniert, interpretiert und in verwertbare Insights überführt werden. Am Ende steht ein Reporting- und Analytics-Modell, das nicht mehr nur Fragen beantwortet, sondern proaktiv Erkenntnisse erzeugt und Entscheidungen vorbereitet.
Welche Erkenntnisse haben Sie auf diesem Weg bisher gewonnen?
Ahrendt: Eine der wichtigsten Erkenntnisse ist, dass KI ihren größten Mehrwert nicht durch zusätzliche Funktionen in bestehenden Berichten schafft. Natürlich sind Q&A-Funktionen oder automatisch generierte Kommentare hilfreich. Der große Hebel entsteht jedoch dann, wenn Prozesse, Rollen und Entscheidungswege grundlegend neu gedacht werden.
Gleichzeitig beobachten wir, dass sich die Interaktion mit Daten verändert. Standardberichte werden weiterhin wichtig bleiben, insbesondere für wiederkehrende Informationsbedarfe. Für komplexere Analysen wird jedoch der direkte Dialog mit Daten zunehmend an Bedeutung gewinnen.
Planck: Außerdem zeigt sich immer wieder, dass erfolgreiche KI-Anwendungen weniger von der Leistungsfähigkeit einzelner Modelle abhängen als von der Qualität der Daten und den organisatorischen Rahmenbedingungen.
Deshalb setzen wir stark auf Co-Development. Die besten Ergebnisse entstehen dort, wo Fachwissen aus Finance und technologische Expertise eng zusammenarbeiten.
Und nicht zuletzt ist Change Management ein entscheidender Erfolgsfaktor. Nutzer frühzeitig einzubinden, einen offenen Dialog zu führen und gezielt Kompetenzen aufzubauen, ist aus unserer Sicht die Voraussetzung für eine nachhaltige Adoption.
Herzlichen Dank für die spannenden Einblicke!
